基于SWAT模型的撫河流域土壤侵蝕模擬

肖軍倉，羅定貴，王忠忠

（1．河南省環境保護科學研究院，鄭州450004；2．廣州大學 環境科學與工程學院，廣州510006；3．廣東省地質調查院，廣州510080）

土壤侵蝕使土壤和養分流失、土地貧瘠、宜耕地減少；導致地表植被嚴重破壞，生態環境惡化；大量泥沙進入水庫、河道和湖泊，造成河床淤塞、抬高，引起河流泛濫，加劇洪澇災害的威脅；泥沙中的氮、磷營養物質還會加劇水體的富營養化，已經成為目前最為嚴重的環境問題之一。近年來，隨著GIS技術和分布式水文模型的發展，為土壤侵蝕定量研究提供了有效的分析工具，SWAT模型即為其中之一。SWAT（Soil and Water Assessment Tool）作為典型的分布式水文模型，在世界上已得到廣泛應用。如Santhi等［1］對美國德克薩斯州的 West Fork流域在執行水質管理規劃（WQMPs）前后兩個情景進行模擬，來評價該規劃對非點源污染的長期影響。Behera等［2］對Kapgari流域的非點源污染關鍵區進行了識別。Srinivasan等［3］成功模擬了 Richland－Chambers流域的徑流和泥沙輸移量，指出SWAT模型可以用于情景分析以檢測流域的生態脆弱區，并提出減少土壤流失的最佳措施。龐靖鵬等［4］利用SWAT模型分析了不同土地利用方式對產沙的影響，結果表明：流域內的土壤侵蝕主要發生在農田。郝芳華等［5］利用情景模擬來分析土地利用變化對產流量和產沙量的影響，模擬結果顯示：森林的存在能增加徑流量，減少產沙量；草地覆被能減少產沙量；農業用地的增加將會導致產沙量增加。盧愛剛等［6］通過對黃土高原典型區汭河流域的徑流、侵蝕模數的模擬研究，對流域的徑流現狀和侵蝕現狀進行了空間定量評價。楊巍等［7］利用SWAT模型對水庫匯水區產沙以及泥沙入庫進行了研究，揭示了水庫匯水區的水土流失規律。

撫河是鄱陽湖流域第二大水系，撫河流域為典型的農業區。研究撫河流域不同土地利用方式下的產流產沙規律，定量分析不同土地利用類型的徑流和泥沙響應，探索流域的水土保持與生態恢復對策，對于撫河流域的生態保護和生態恢復，乃至對鄱陽湖流域的水環境、生態保護都有重要的參考價值，可以為區域可持續發展對策的制定提供科學依據。

本文以撫河流域為研究對象，應用SWAT模型對其1999—2005年的產流產沙進行模擬，對其土壤侵蝕強度進行分級，并分析不同土地利用方式對河道中泥沙負荷的貢獻。

1 材料與方法

1．1 撫河流域概況

撫河是江西省第二大河流，撫河流域地處江西省東部（圖1），位于115°36′—117°10′E，26°30′—28°20′N，流域面積15 856km2，屬于中亞熱帶濕潤季風區，年均降水量1 790mm。境內以丘陵山地為主，丘陵占53．1%，山地占29．5%，崗地占10．4%，平原只占7．0%。土壤以紅壤、潴育型水稻土、黃紅壤、酸性紫色土、黃壤等為主［8］。林地占流域總面積的65．93%、水稻田占23．46%，是流域兩種主要的土地利用類型。

1．2 SWAT模型原理

SWAT是美國農業部（USDA）開發的流域尺度的分布式水文模型，用于模擬預測一個大型復雜的流域內，土地管理措施對流域產流、產沙和化學污染物負荷的影響［9］。SWAT模型是在SWRRB（Simulator for Water Resources in Rural Basins）模型［10］基礎上發展起來的，融合了ARS幾個模型的特點。模型自開發以來，已經在北美、歐洲等地取得了廣泛的應用，并在不斷地進行改進。

應用SWAT模型前，須將流域劃分成多個子流域。在流域內不同地點，對每個子流域分別預測徑流，然后通過河道的匯流得到總徑流。SWAT模型采用修正的SCS曲線數CN值法對降雨量計算得到地表徑流量［11］；采用修正的通用土壤流失方程（MUSLE）來計算每個子流域的土壤侵蝕和泥沙量［12］。

圖1 撫河河域內氣象站點、雨量站點位置

1．3 模型輸入數據

為了便于模型的應用，將撫河流域劃分為50個子流域，每個子流域再進一步劃分為模型所需大小的水文響應單元（HRUs），最終劃分為368個水文響應單元。模型所需要的數據包括地形、土壤、農業土地管理和逐日氣象數據。區域地形圖、土壤屬性數據和土地覆蓋／土地利用數據均來源于江西省國土資源廳，農業土地管理數據來源于農業主管部門及實地調查復核資料。

本研究采用的水文氣象數據時段為1986—2005年，包括26個雨量站（含11個氣象站）的日降雨數據，11個氣象站的日氣象數據（最高／最低氣溫、太陽輻射、風速、相對濕度等），4個水文站（南城站、廖家灣站、婁家村站、李家渡站）的徑流量、河道輸沙量數據，1座大型水庫（洪門水庫）的日出流量數據。以上數據由江西省氣象局和撫州市水文局共同提供。

1．4 模型校準與驗證

模擬精度的高低決定了模型在研究區的適應性。本次研究選取3個指標用于模型適用性評價，分別是相對誤差Re、決定系數R2和Nash－Suttcliffe效率系數。相對誤差計算公式為：

式中：Re——模型模擬相對誤差；Qp——模擬值；Qo——實測值。若Re為正值，說明模型預測或模擬值偏大；若Re為負值，則說明模型預測或模擬值偏?。蝗鬜e＝0，則說明模型模擬結果與實測值正好吻合。

決定系數R2在MS－Excel中應用線性回歸法求得，R2也可以進一步用于實測值與模擬值之間的數據吻合程度評價，R2＝1表示非常吻合，當R2＜1時，其值越小，則表明數據的吻合程度越低。

Nash－Suttcliffe效率系數NSE的計算公式為：

式中：Qp——模擬值；Qo——實測值；ˉQ——實測平均值；n——實測數據個數。當Qo＝Qp時，NSE＝1；若NSE為負值，說明模型模擬平均值比直接使用實測平均值的可信度低。

模型在運行初期需要將模擬初期作為模型運行的啟動（Setup）階段，以合理估計模型初始變量，然后再將數據系列分為校準和驗證階段。根據數據獲取的完整性，選用1998—2005年間的徑流進行模擬，其中1998年數據用作模型模擬的建立階段，1999—2002年作為校準階段（Calibration），2003—2005年作為驗證階段（Validation）。

校準SWAT模型中徑流和泥沙負荷相關參數的步驟為：首先進行徑流參數校準，若模擬值與實測值月均誤差小于實測值的20%，月決定系數R2＞0．6，且NSE＞0．5，則認為達到滿意精度。其次，對泥沙負荷進行參數校準，若模擬值與實測值月均誤差小于實測值的30%，月決定系數R2＞0．6，且 NSE＞0．5，則認為達到滿意精度。至此完成對徑流和泥沙負荷的校準過程。在此基礎上采用另外一組數據對模型進行驗證，最終確定模擬參數值。

2 結果與分析

2．1 校準結果

利用南城、廖家灣、婁家村和李家渡水文站1999—2002年月徑流實測數據和月泥沙量數據進行月尺度校準。校準期間月徑流量和月泥沙量的實測值與模擬值的擬合結果分別如圖2、圖3所示。校準統計結果見表1。

徑流：南城、廖家灣和婁家村3個測站校準期的相對誤差都小于±5%，李家渡站的相對誤差較大。南城、廖家灣和婁家村3個測站的決定系數R2分別為0．87，0．89，0．86，李家渡站略低為0．83；各個測站的NSE值都大于0．7，其中李家渡站的NSE值略低，為0．74，其余各站均大于0．80。

泥沙：南城、廖家灣、婁家村和李家渡站校準期的相對誤差都小于±20%，其中婁家村站的相對誤差較大。南城、廖家灣和婁家村站的決定系數R2分別為0．80，0．75和0．82，李家渡站略低，為0．70；各個測站的NSE值都大于0．6，其中李家渡站的NSE值略低，為0．64。

2．2 驗證結果

校準完成后，使用2003—2005年的徑流和泥沙觀測數據進行驗證。驗證期間月徑流量和月泥沙量的實測值與模擬值的擬合結果分別見圖4、圖5，驗證期的評價參數見表1。

圖2 撫河流域各測站1999－2002年徑流實測值和模擬值月擬合曲線

圖3 撫河流域各測站1999－2002年泥沙實測值和模擬值月擬合曲線

圖4 撫河流域各測站2003－2005年徑流實測值和模擬值月擬合曲線

表1 SWAT模型校準和驗證所用的最佳標準

徑流：南城、廖家灣和婁家村3個測站驗證期的相對誤差都小于±10%，李家渡站的相對誤差則較大，不滿足評價標準，其原因是：李家渡處于贛撫平原，經濟較發達，人口較多，取水口一般都設在撫河，其取水量占整個撫河總取水量的25%多［13］，對撫河徑流有重要影響，所以造成實際流量較模擬值偏小。南城、廖家灣、婁家村和李家渡站的決定系數R2分別為0．93，0．93，0．86，0．86；各個測站的NSE值都大于0．7，其中李家渡站的NSE值略低，為0．74，其余各站均大于0．78。

泥沙：各個測站驗證期的相對誤差都小于±15%。南城、廖家灣、婁家村和李家渡站的決定系數R2分別為0．81，0．83，0．84，0．85；各個測站的 NSE值都大于0．81。以上校準與檢驗證明，除了李家渡外（未考慮取水量對模擬結果的影響），SWAT模型對研究區所有站點的徑流、泥沙模擬都達到了滿意的精度。表明了模型在撫河流域的適宜性。

2．3 土壤侵蝕分析

基于SWAT模型的模擬結果，對研究區土壤侵蝕狀況進行了分析。（1）土壤侵蝕強度分級。根據SWAT模型模擬的1999—2005年各子流域泥沙負荷的平均值來計算各子流域的侵蝕模數，然后按照土壤侵蝕強度分級標準，對各子流域內的土壤侵蝕強度進行了分級。從模型模擬結果來看，撫河流域內微度侵蝕區域面積為8 029．53km2，占流域面積的51．9%，主要分布在支流—臨水流域及流域北部出口處；輕度侵蝕區域總面積為7 434．83km2，占流域總面積的48．1%，主要分布在流域南部撫河上游和東部的黎灘河小流域。（2）不同土地利用類型對產沙的影響。通過對流域內定義的368個水文響應單元的泥沙負荷進行統計，得到模擬年份1999—2005年不同土地利用類型的泥沙負荷及平均侵蝕模數（表2）。前期土地利用分類時，將裸地歸入了城鄉及工礦用地類型中，因此從結果來看，受人為擾動因素、植被覆蓋度的影響，城鄉及工礦用地的土壤侵蝕模數比耕地要大；在當地，果園主要位于山區的山坡上，其作物主要是南豐金桔，受經濟利益的驅動，金桔在區域內的種植范圍一直在擴大，對土壤侵蝕的影響也很巨大。而從產沙量的絕對量來看，林地的產沙量是最大的，這與該類型在區域內的面積占較大比重有關。

圖5 撫河流域各測站2003－2005年泥沙實測值和模擬值月擬合曲線

表2 撫河流域不同土地利用類型泥沙負荷

3 結 論

本文選擇撫河流域為研究區，應用SWAT模型對研究區的徑流、產沙狀況進行了校準和驗證，結果表明：流域內4個測站月徑流、月輸沙量的校準期和驗證期的決定系數在0．7～0．93之間，Nash－Sutteliffe系數在0．64～0．92之間，徑流、泥沙模擬結果達到滿意精度，SWAT模型在本區域具有良好的適用性。在此基礎上分析了撫河流域土壤侵蝕強度特征，探討了不同土地利用條件對產沙的影響，結果表明：撫河流域的土壤侵蝕以微度侵蝕和輕度侵蝕為主；受人為擾動因素、植被覆蓋度的影響較大，城鄉及工礦用地的土壤侵蝕模數比耕地要大；而從產沙量的貢獻來看，林地的產沙量絕對值是最大的，這與區域內林地面積占較大比重有關。

［1］ Santhi C，Srinivasan R，Arnold J G，et al．A modeling approach to evaluate the impacts of water quality management plans implemented in a watershed in Texas［J］．Environmental Modelling＆Software，Corrected Proof，2006，21（8）：1141－1157．

［2］ Behera S，Panda R K．Evaluation of management alternatives for an agricultural watershed in a sub－humid subtropical region using aphysical process based model［J］．Agriculture，Ecosystems and Environment，2006，113（1／4）：62－72．

［3］ Srinivasan R，Amold J G，Jones C A．Hydrologic modeling of the United States with the Soil and Water Assessment Tool［J］．Water Resources Development，1998，14（3）：315－325．

［4］ 龐靖鵬，劉昌明，徐宗學．基于SWAT模型的徑流與土壤侵蝕過程模擬［J］．水土保持研究，2007，14（6）：89－94．

［5］ 郝芳華，陳利群，劉昌明，等．土地利用變化對產流和產沙的影響分析［J］．水土保持學報，2004，18（3）：5－8．

［6］ 盧愛剛，索安寧，張鐳．基于SWAT模型的黃土高原典型區水土流失格局模擬評價［J］．水土保持研究，2011，18（2）：57－65．

［7］ 楊巍，湯潔，李昭陽，等．基于SWAT模型的大伙房水庫匯水區徑流與泥沙模擬［J］．水土保持研究，2012，19（2）：77－81．

［8］ 江西省土壤普查辦公室．江西土壤［M］．北京：中國農業科技出版社，1991．

［9］ Neitsch S L，Arnold J G，Kiniry J R，et al．Soil and Water Assessment Tool Theoretical Documentation Version 2009［R］．Grassland，Soil and Water Research Laboratory，Agricultural Research Service，2011．

［10］ Arnold J G，Williams J R，Nicks A D，et al．SWRRB：A Basin Scale Simulation Model For Soil and Water Resources Management［M］．College Station：Texas A＆M Press，1990．

［11］ USDA－SCS，National Engineering Handbook，Hydrology Section 4，chap．4－10，（US Dept．of Agriculture，Soil Conservation Service，Washington，DC，USA，1972．

［12］ Williams J R，Berndt H D．Sediment yield prediction based on watershed hydrology［J］．Trans．ASAE，1977，20（6）：1100－1104．

［13］ 撫州市水文局．撫州市水資源公報［R］．撫州：撫州市水文局，2005．