基于CMDAS驅動SWAT模式的精博河流域水文相關分量模擬、驗證及分析

孟現勇,王 浩,雷曉輝,蔡思宇

中國水利水電科學研究院 流域水循環模擬與調控國家重點實驗室,北京 100038

基于CMDAS驅動SWAT模式的精博河流域水文相關分量模擬、驗證及分析

孟現勇,王 浩*,雷曉輝,蔡思宇

中國水利水電科學研究院 流域水循環模擬與調控國家重點實驗室,北京 100038

利用大氣和水文模型定量描述陸表相關變量變化規律一直是大氣科學和水文學界的研究熱點。然而,由于我國西部地區站點匱乏,傳統氣象觀測站點已不能滿足大尺度地表分量高精度模擬分析的需求。建立SWAT模型中國大氣同化驅動數據集 (China Meteorological Assimilation Driving Datasets for the SWAT model, CMADS) 驅動SWAT(Soil and Water Assessment Tool) 模型(簡稱為CMADS+SWAT 模式),選取傳統氣象站點稀缺的新疆精博河流域為靶區,完成流域各地表分量 (如土壤濕度、雪深、融雪) 校準、驗證及其時空關系提取與分析。分析發現:CMADS數據集可很好地驅動、率定SWAT模式完成本地化工作。其中,CMADS+SWAT模式在月尺度上總體NSE效率系數均在0.659—0.942,日尺度也均在0.526—0.815。對流域內土壤濕度和融雪過程進行相關分析發現：精博河流域土壤濕度在年內3—4月份達到其第一次峰值,主要貢獻來自于流域內高山融雪現象；融雪期結束后,流域降水量增加,伴隨氣溫上升等現象導致土壤溫度呈現波動態勢,至10月中旬冷空氣過境產生較大降水(雪),最終使土壤水轉變為凍土,直至次年接近融雪期,土壤水再次增加直到融雪過程結束。一方面證明CMADS+SWAT模式可有效提高SWAT水文模型在我國西北干旱區(站點稀缺區域)的表現能力,另一方面理清了精博河流域相關地表分量(土壤濕度、蒸發等)時空演變規律。本研究對我國大氣水文學科發展將起到一定的科學促進作用。

CMADS; SWAT; 精博河流域;地表分量

近年來,全球范圍內均面臨嚴重的生態與水危機,干旱區陸面過程變化無論對整個內陸河流水循環亦或是對整個干旱區生態環境演變均具重要影響。其中,干旱內陸區水量、水質加速驟減與惡化也促使該地區突發性水事件頻繁發生。干旱區綠洲構造獨特,水與能量循環具備其自身的特殊規律,系統分析新疆干旱區地表水資源相關分量時空變化意義重大,這將為我國實現內陸干旱區流域生態水文可持續發展提供重要科學依據。精博河流域位于新疆地區西部,封閉流域總面積達25萬km2。流域在西、北,南等3個方向均為高山,中間為谷地,東邊為盆地。地貌及地形宏觀上與準噶爾盆地連為一體,大體分為山、谷、盆三大地貌。流域交匯處正好位于阿拉山口大風下沉通道,故大風災害是該流域最大的氣象災害。此外,由于該流域生態結構極其脆弱,導致研究區內風沙頻繁、鹽漬化及荒漠化現象嚴重。近年來,由于氣候變暖加劇及人類墾荒活動不斷,導致流域內艾比湖入湖水量不斷減少,生態環境持續惡化。據不完全統計,自20世紀50年代至70年代以來,精博河流域內艾比湖面積萎縮了近678km2,艾比湖儲水量共損耗近23億m3。水資源的急劇下降導致艾比湖水體礦化度急劇攀升,濕地面積驟然減小,湖泊對氣候的調控作用降低,對流域內生態系統及當地居民的生存環境造成了極大的破壞影響,并最終導致精博河生態環境迅速惡化,發生了生物鏈斷層、多樣性減少,荒漠化過程加劇等現象。由于精博河流域對新疆生態平衡及社會經濟發展均具有重大貢獻,利用高精度大氣數據驅動成熟水文模型的輸出結果可為流域提供一定的可持續發展決策,促進精博河流域地表過程分量(生態、水文等) 合理發展。

由于精博河流域傳統氣象站點稀缺,流域下墊面分異較大,加之氣候變化及人為活動的影響,增強了該區域模式輸出與評估的不確定性[1]。眾多研究證明：融合更多觀測數據的大氣同化數據集可更大程度提高模式輸出精度[2- 5]。當前,國內外大氣再分析種類繁多,如： NCEP的NCAR/DOE[6- 7],歐洲預報中心ERA—15、ERA—40、ERA—Interim再分析資料[8]、日本JRA—25再分析資料[9]及陸面模式驅動場Princeton數據集。由于傳統大氣觀測臺站并未布滿全球,以上再分析數據集對氣象缺測區氣候場景分析及應用提供了重要數據支撐[10]。然而,對于區域精細化模擬而言,以上再分析數據的準確性丞待提高。Pal等[11]利用區域氣候模式RegCM3對東亞季風區冬、夏兩個季節內降水量的月變化規律在季節尺度上進行了模擬與評估后發現：區域模式RegCM3對降水量存在較大誤差,這種現象在冬季顯得尤為凸顯。趙天保等利用NCEP、ERA及JRA等數據集的地面壓強及溫度要素在中國區域可用性進行評估后發現：3種再分析數據集存在明顯的季節性和區域性差異[12-14]。施曉暉等[15- 16]利用各類技術手段將NCAR驅動數據(包括：空氣溫度、風速)在中國區域的適用性進行評估后發現：風場數據距平誤差與海拔表現為負相關現象。以上研究均表明：各類再分析產品雖可較好地反映出大尺度氣象要素空間模態,然而,由于大部分再分析數據集并未利用我國全部區域自動站進行訂正,故不能較好地反映我國近地表真實氣象狀況。綜上所述：利用更接近我國真實氣象場的大氣數據集驅動成熟的水文模型,可更好的對我國大尺度地表分量時空演變規律進行細致化分析[10]。

本研究以站點稀缺、下墊面分異較大的新疆博精河流域作為典型驗證及分析區,利用SWAT模型中國大氣同化驅動數據集(CMADS)[10]驅動在我國應用普遍的SWAT水文模型,以期在為該流域提供有效生態水文系統恢復策略的同時,驗證CMADS數據集在中國西部地區的適用性。

1 研究區介紹

精博河流域地處西天山北坡(圖1),介于81°46′—83°51′E,44°02′—45°10′N之間。總面積達11275km2,流域內降水多為來自北冰洋和大西洋的水汽,呈現總體山區較平原多,西部較東部多,陰坡較陽坡多的態勢。精河和博爾塔拉地區的冰川面積均分別為96.2km2和110.3km2。其中,精河冰川補給量在年際上約為0.96億m3,博爾塔拉河約為1.05億m3,分別占據了其本身河川總徑流的20.6%和21.4%。近年來,流域內艾比湖湖水礦化度在逐年升高,流域生態與生活用水矛盾也隨之日益凸顯。流域土地退化現象嚴重,其中,艾比湖流域湖底已有1500km2區域退化淪為鹽漠,鹽漬化面積達71km2。

圖1 博、精河流域示意圖Fig.1 Schematic diagram of the Jing and Bo River Basin

近年來,學者們對于精博河流域乃至整個新疆區域的研究僅基于各類再分析數據(或區域氣候模式)及傳統氣象觀測數據。由于流域內僅有4個氣象站,導致對該區域還未進行較為合理可信的水文過程模擬與分析工作。本研究將基于面向東亞的高分辨率大氣驅動場CMADS數據集驅動SWAT模型,對精博河水文相關分量進行細致模擬,以期系統分析精博河流域各地表要素時空演變特征,同時為我國高分辨率氣象數據驅動復雜水文模式研究打下堅實基礎。

2 材料與方法

2.1 SWAT模型地表輸入數據

2.1.1 數字高程模型數據

SWAT模型輸入數據主要包括數字高程模型(DEM)、土壤數據、土地利用數據及氣象驅動場。其中,數字高程模型選取自SRTM —(90m) DEM(圖2), 該數據來源于CGIAR—CSI SRTM 90m 高程數據庫(http://srtm.csi.cgiar.org/SELECTION/inputCoord.asp)。

圖2 研究區高程及SWAT模型其他輸入數據Fig.2 The elevation of the study area and the input data for SWAT model

2.1.2 精博河流域土壤分布

土壤物理特性決定了SWAT模型不同水文響應單元的產、匯流特征,同時也是SWAT模型定義水文響應單元(HRU)的參考依據。本研究選用的土壤輸入數據為基于世界土壤數據庫(HWSD)的中國土壤數據集(V1.1)(圖3A)[16]。土地利用來源于精博河流域管理處,土地利用數據疊加了我國第二次冰川數據集[17],疊加后的土地利用分布情況可參見圖3B。為保證模式分辨率一致,本研究將DEM、土壤與土地利用等數據空間分辨率均統一為1km,平面投影坐標統一設置為WGS_1984_UTM_Zone_44N。

圖3 精博河流域土壤分布及精博河流域土地利用分布Fig.3 Soil distribution in the Jing and Bo River Basin, and Land use distribution in the Jing and Bo River Basin注：SWGR：細芽草,Slender Wheatgrass；PAST：牧場,Pasture；HAY：干草,Hay；WETL：混合濕地,Wetlands-Mixed；WATR：水域,Water；AGRL：其他作物,Agricultural Land-Generic；AGRR：中耕作物,Agricultural Land-Row Crops；URML：居民區,Residential-Med/Low Density；UIDU：工業用地,Industrial；UTRN：交通用地,Transportation；FRST：林地,Forest-Mixed；RNGE：草場,Range-Grasses；BARO：裸巖,Bare rock；DESE：荒漠,Desert；SALA：鹽堿地,Saline land；GLSN：冰川/永久積雪,Glacier and snow；FRSD：落葉林,Forest-Deciduous；PINE：針葉林,Pine；RNGB：灌木林,Range-Brush；ORCD：果園,Orchard；FRSE：常綠林,Forest-Evergreen

2.1.3 大氣驅動數據

本研究使用的大氣輸入數據為SWAT模型中國大氣同化驅動數據集(China Meteorological Assimilation Driving Datasets for the SWAT model, CMADS),該數據集引入了中國陸面同化系統,保證了氣象輸入數據的可靠性[10]。CMADS站點具體信息見表1及表2。

表1 CMADS數據集信息

CMADS V1.0版本空間分辨率為1/3度,時間分辨率為逐日,數據尺度為2008—2014年。SWAT模型在精博河流域共讀取了CMADS數據集近23個站點要素(溫、濕、風、降水及輻射數據)。其中,CMADS氣象站點具體信息(站點名稱及經緯度)如表2所示。

2.1.4 水文驗證數據

本研究將精博河流域內水文站逐日流量資料作為模型率定及驗證資料,臺站信息如表3所示。

表2 精博河流域CMADS站點分布

CMADS站點名為CMADSV1.0數據集在其空間范圍(東亞區域)內唯一標識符

表3 精博河流域水文站相關信息

2.2 SWAT水文模式介紹

SWAT模型概化的將相同土地覆被/利用、土壤分布及管理方式的均一性單元視為同一類水文響應單元(HRU),模型認為每一種HRU內所有水量平衡過程具一致性特征[18]。SWAT模型提供了3種潛在蒸發計算方法,主要包括Penman-Monteith法[18-20],Priestley-Taylor法[21]及Hargreaves法[22-25]。在本研究中,由于CMADS數據集可提供全部輸入要素(而傳統氣象站由于無法提供太陽輻射數據僅能利用天氣發生器模擬),本研究選取Penman-Monteith法作為蒸發模擬的方法,以最大可能提高模式模擬精度[20]。

3 SWAT模型方案設置

本研究區流域面積經過ArcGIS提取后為2482366.4052hm2,共劃分39個子流域及1648個水文響應單元。由于降水輸入數據為逐日數據,地表徑流模擬方法選取徑流曲線數模型計算,地表徑流將被分別在不同水文響應單元中進行模擬,最終匯流到主河道。最后,選取基于連續方程的河槽蓄量法計算主河道水量演進。SWAT模型通過Centriod法將流域內單點氣象數據空間離散插值到整個流域,為減少空間離散插值帶來的誤差(尤其是高海拔區),本研究針對精博河流域劃分出多個高程帶以期精確識別不同高程帶降水量分布狀態。

綜合CMADS驅動場時間尺度(2008—2014年)及徑流觀測數據的重合區間,同時為使模擬初期所有水文過程從初始狀態進入平衡狀態,本研究將預熱期設定為1年(即2008年),校準期設為2009—2010年,驗證期設定為2011—2013年。

3.1 敏感性分析

本研究利用SWAT-CUP對SWAT模式進行模式率定工作。SWAT-CUP是EWAGE研究所針對SWAT模型研發的一款自動校準與不確定性分析的程序[26]。在本研究中,重點對12個與徑流相關的參數進行參數率定,并得到模式參數最終取值(表4)。

3.2 模型校準

在模型率定期(2009—2010年)對模型參數進行校準工作。筆者先利用SWAT-CUP率定軟件對精博河流域兩個測站同時進行參數校準,校準過程中兼顧參考流域年均蒸發量及降水量情況下進行宏觀調整,首先考慮年蒸發量和徑流量的關系比,保證模擬結果符合精博河流域年總蒸發量、降水量及徑流量接近實際真實情況。分然后延展至月,在月數據校準準確后進行日參數率定及微調。分析發現：SWAT模型降水遞減率(PLAPS)參數最優取值為44.5mm/km。溫度梯度(TLAPS)最優值為-4.3039℃/km(表4),與流域內多年實際均值吻合。

表4 SWAT模型參數最終取值結果

CN2：SCS徑流曲線值,Initial SCS runoff curve number for moisture condition II；ALPHA_BF：基流α因子,Baseflow alpha factor；GW_DELAY：地下水補給延遲時間,Groundwater delay time；GWQMN：地下水匯入主河道時淺層含水層的水位閾值,Threshold depth of water in the shallow aquifer required for return flow to occur；GW_REVAP：地下水再蒸發系數,Groundwater "revap" coefficient；ESCO：土壤蒸發補償系數,Soil evaporation compensation factor；ALPHA_BNK：基流退水常數,Baseflow alpha factor for bank storage；SFTMP：降雪日的平均空氣溫度,Snowfall temperature；PLAPS：降水直減率,Precipitation lapse rate；SMFMN：12月21日的融雪因子,Melt factor for snow on December 21；SMFMX：6月21日的融雪因子,Melt factor for snow on June 21；TLAPS：溫度直減率,Temperature lapse rate

3.3 模型評估

本研究選取 (NSE,Nash-Sutcliffe Efficiency)效率系數及R2決定性系數作為模型評估指標,以上指標被廣泛的應用于評估模型的性能[27-28]。其中,Nash-Sutcliffe效率系數是一個正態統計方程,它反映了觀測值與對應模擬值的擬合程度。NSE可利用方程(1)計算[27-28]：

(1)

決定性系數R2表示變量之間相關程度(見式2)：

(2)

式中,Qm,Qs和式(6)中的含義相同,i變量表示第i次的模擬或實測值。

眾多研究將R2>0.5且NSE>0.5作為SWAT模型模擬滿意的準則[29],亦有研究認為NSE>0.4也可作為模型指標滿意的標準,本研究采用Moriasi等評價標準[30]。即模型在率定期的月尺度模擬結果NSE≥0.65或日尺度模擬結果NSE ≥0.5,說明模型模擬結果可接受[31]。

4 結果分析

4.1 基于CMADS+SWAT模式的徑流量模擬驗證及分析

圖4 CMADS數據集驅動SWAT模型的精河山口控制站逐月模擬結果(2009—2013), 其中,95PPU代表預測不確定性內監測數據占據的百分比Fig.4 The monthly simulation results (2009—2013) simulated by SWAT model driving by CMADS in Jinghe control station, where the percentage of measured data bracketed by the 95% prediction uncertainty (95PPU)

本研究利用CMADS+SWAT模式分別輸出流域兩內兩個水文控制站(精河山口控制站及溫泉站)逐月徑流量,利用觀測結果進行參數率定與校準工作(圖4—圖7)。

分析發現：在月尺度上,由CMADS驅動下的SWAT模型模擬結果在精博河流域兩個控制站均到達了滿意的效果(見表5)。由CMADS驅動下的模擬結果在精河山口站的NSE和R2均取得了令人滿意的表現(NSE=0.939,R2=0.942)。

在模型驗證期,雖然NSE效率系數與確定性系數R2較率定期略微偏低,也得到了可接受的效果(NSE=0.904,R2=0.934)。相對精河山口控制站來說,溫泉站在率定期和驗證期的模擬精度均較前者略低。筆者認為,溫泉上游高寒山區冰川對溫泉站模擬結果影響巨大,由于SWAT模型度日因子僅對融雪進行了細致化考慮,導致流域在溫泉站的模擬精度要低于精河控制站(冰川補給率較溫泉控制站小)所在子流域。

圖5 精河山口控制站月觀測與模式模擬結果確定性系數Fig.5 The certainty factor of the relationship between monthly observation and model simulation data in Jinghe control staion

圖6 CMADS數據集驅動SWAT模型的溫泉控制站逐月模擬結果(2009—2013), 其中,95PPU代表預測不確定性內監測數據占據的百分比Fig.6 The monthly simulation results simulated by SWAT model driving by CMADS in Wenquan control station,where the percentage of measured data bracketed by the 95% prediction uncertainty (95PPU)

圖7 溫泉控制站月站點觀測與模式模擬結果確定性系數Fig.7 The certainty factor of the relationship between monthly observation and model simulation data in Wenquan control station

當完成月尺度率定和驗證后,本研究將月尺度最佳參數值帶入SWAT模型進行日微調校準后發現： CMADS+SWAT模式徑流模擬結果在兩個水文控制子流域與日觀測結果呈現很好的一致性。(見圖8—圖11、表5)。

圖8 CMADS數據集驅動SWAT模型的精河山口控制站逐日模擬結果(2009—2013), 其中,95PPU代表預測不確定性內監測數據占據的百分比Fig.8 The daily simulation results (2009—2013) simulated by SWAT model driving by CMADS in Jinghe control station, where the percentage of measured data bracketed by the 95% prediction uncertainty (95PPU)

圖9 精河山口控制站日觀測與模式模擬結果確定性系數Fig.9 The certainty factor of the relationship between daily observation and model simulation data in Jinghe control staion

圖10 CMADS數據集驅動SWAT模型的溫泉控制站逐日模擬結果(2009—2013), 其中,95PPU代表預測不確定性內監測數據占據的百分比Fig.10 The daily simulation results (2009—2013) simulated by SWAT model driving by CMADS in Wenquan control station,Where the percentage of measured data bracketed by the 95% prediction uncertainty (95PPU)

圖11 溫泉控制站日觀測模擬結果確定性系數Fig.11 The certainty factor of the relationship between daily observation and model simulation data in Wenquan control station

在模型率定期,由CMADS驅動SWAT模式在精河站的日擬合結果(NSE=0.801,R2=0.815)與溫泉站擬合結果(NSE=0.796,R2=0.791)也均較好。在驗證期,雖然SWAT模式在兩個站點模擬結果均可接受,而模式在精河山口站模擬效果(NSE=0.851,R2=0.796)較溫泉控制站(NSE=0.526,R2=0.592)表現更佳。

4.2 基于CMADS+SWAT模式的土壤濕度及相關變量分析

將SWAT模型進行精博河流域本地化后,為從時空角度分析CMADS+SWAT模式在土壤濕度及融雪變量時空演變模擬能力,同時定量分析各分量之間響應關系,本研究還以精河子流域為主要分析對象,對多個要素響應關系進行了提取。

4.2.1 精博河流域融雪過程與土壤濕度響應分析

為研究精博河流域融雪過程對土壤濕度的影響,本部分提取精博河整個流域在2012年4月8日的土壤濕度及其對應融雪量空間變化圖(圖12)。

圖12 精博河流域土壤濕度與融雪量空間相關分析Fig.12 The correlation analysis of soil moisture and snow melting in Jinghe River Basin

圖12A為當日土壤濕度分布情況,圖12B為對應時期融雪空間分布情況。為定量研究流域內各地表分量間關系,研究提取了精河控制站子流域內各地表分量(包括土壤濕度、潛在蒸散發、降水量和融雪量)在2012年4月8日的時間序列分布(圖13)。

通過對2012年4月8日精博河流域內土壤濕度分布分析發現: 流域整體土壤濕度在該日處于偏濕狀態(圖14)。其中, 溫泉站控制子流域土壤濕度為18mm至20mm左右,而精河控制站及其附近子流域土壤濕度達近57mm。通過分析流域內對應融雪空間分布情況(圖14)后發現,2012年4月8日,精博河流域內出現整體較大融雪現象,而發生融雪的區域恰好為西天山北坡地區,該區域年內3—4月雪蓋覆蓋豐厚。為定量分析精博河流域內融雪及土壤濕度量級及其直接響應關系,本研究對精河水文站控制子流域中土壤濕度與融雪量等分量進行了(以精河山口控制站為例)時序量級分析研究。

圖13 精博河流域各類分量時間序列分析(以精河山口控制站為例)Fig.13 The correlation analysis in Jinghe River Basin (taking the control station of Jinghe as an example)

圖13給出了精河控制子流域內各地表或近地表分量(潛在蒸散發,土壤濕度,降水量及融雪量等)在精河山口控制子流域時序分布狀態。分析發現：精博河流域自2012年3月中旬開始出現融雪現象,并于2012年4月8日出現較大融雪現象。其中,精河站控制子流域融雪量達18mm/d。當日精河控制站子流域土壤濕度也達到其年內較高水平(約56mm)。分析表明：融雪期內,精博河流域土壤濕度增加的最主要貢獻來自于融雪,僅極少量來自降水。此外,土壤濕度與潛在蒸發數值上呈反比關系。

4.2.2 精博河流域降水與土壤濕度響應分析

前文提到精河站控制子流域融雪過程對流域內土壤濕度具有較大影響。筆者認為降水量對土壤濕度貢獻亦不容忽視。筆者在此重點分析了夏季與秋末降水對土壤濕度的影響。由于精博河流域土壤濕度在融雪后期至年內9月會出現較長時期波動,同時10月中后期將發生陡然上升現象并保持恒定等現象,筆者針對以上兩階段降水量與土壤濕度響應關系進行時空提取分析(圖14)。為驗證精河山口控制站土壤濕度變化過程中其他相關變量(如：凍土及雪深)演變情況,研究還提取了精河山口控制站凍土和雪深逐日臺站觀測資料(2010至2011年)(圖16)作為驗證分析。

圖14 精博河流域土壤濕度與降水量空間相關分析Fig.14 The correlation analysis of soil moisture and precipitation in Jinghe River Basin

圖14給出了精博河流域土壤濕度與降水量在日內(2010年6月22日和2011年10月21日)空間分布情況。其中,圖14為2010年6月22日精博河流域土壤濕度分布情況,圖14為對應流域內降水量分布情況。分析發現:當日精河山口控制站子流域土壤濕度達24.8mm,精河山口控制站子流域的降水量達30.1mm。分析表明：降水量在日內大幅度增加導致該子流域土壤濕度在短時期快速攀升。類似情況同時出現于2011年,圖14給出了精博河流域2011年10月21日土壤濕度的空間分布狀態,圖14為對應時期降水量在整個流域的分布狀態。該時段精河控制站及溫泉控制站所在的子流域土壤濕度較大,其中溫泉站控制站所在子流域土壤濕度達18mm左右,精河山口控制站所在子流域土壤濕度達到近22mm。分析還發現,在流域內土壤濕度達到該時期較高水平的同時,降水過程在精博河整個子流域均有發生。為準確的驗證土壤濕度與降水量在量級上的響應關系,本研究提取了精河山口控制站(2010年至2012年)其他地表分量(潛在蒸散發、土壤濕度、降水量及融雪量)對應時序關系曲線(圖15)。

表5 CMDAS+SWAT模式徑流輸出的月、日擬合結果評估

NSE : 納什效率系數, Nash-Sutcliffe Efficiency

分析發現,在2010年6月22日,流域內精河山口控制站子流域降水量接近30mm,流域內土壤濕度亦攀升至24.8mm(圖15)。2011年10月21日,精河山口控制站所在子流域內降水量達近40mm,于此同時,子流域內土壤濕度值也快速攀升至22mm左右,土壤濕度在此后保持恒定狀態(圖15)。秋末時期,精河山口控制子流域土壤濕度快速上升現象充分說明,年末降水對土壤濕度變化貢獻較大。

圖15 精博河流域土壤濕度與降水量時間序列分析(以精河山口控制站為例)Fig.15 The correlation analysis of Soil moisture and precipitation in Jinghe River Basin (taking the control station of Jinghe as an example)

圖16 2010年、2011年精河控制站雪深、凍土觀測值Fig.16 The snow depth and frozen soil depth observation in Jinghe control station (Year 2010 and 2011)

以年內循環角度對土壤濕度變化進行分析后發現：研究區內每年3至4月為融雪期,流域內雪深經歷了先上升后下降的過程,并在融雪期結束時雪深接近0m,這與本研究在精河站提取的雪深觀測數據一致(圖16)。融雪期后期氣候轉暖,此時多雨期來臨,造成研究區內土壤濕度快速攀升,由于空氣溫度在該時段較高,凍土發生融化現象(圖16)。蒸發同時增加并加速土壤水減少,導致該時期土壤濕度呈現波動變化趨勢。10月后期,流域由于冷濕氣流過境出現大范圍降水(降雪),此時土壤含水量將大幅增加,伴隨冷空氣來臨而促使蒸發量大幅度下降。此時,土壤液態含水量凍結(每年11月至12月)并產生凍土。季節性凍土將在來年1—2月到達峰值直至次年融雪期再次陡然下降,凍土再次融化。此時,一部份凍土將轉換變成土壤液態含水量。

綜上所述,流域內土壤濕度在每年3—4月份到達其第一次較高水平,這主要是由于流域內積雪、凍土融化而造成的。融雪期結束后,由于降水量增多,空氣溫度上升導致土壤濕度呈現上下波動態勢,直至10月中旬冷空氣過境產生較大降水(雪)并最終使土壤水轉換為凍土,至次年融雪期,土壤液態水再次增加直至融雪期結束。

5 討論與結論

本文利用CMADS驅動SWAT模型對精博河流域內兩個水文控制站進行了徑流精度模擬驗證工作,利用本地化的SWAT模型分析了精河控制站所在子流域各類地表分量(包括土壤濕度、潛在蒸散發、降水量和融雪量)時空變化規律,加深了對該子流域內各分量要素的空間演變規律,解釋了研究區內土壤濕度在不同季節的變化機制。本研究后期將繼續考慮將更多觀測數據(如衛星遙感數據)同化到SWAT模型輸出數據中,以提高SWAT模式的結果可靠性。在現有階段,利用CMADS數據集驅動SWAT模型對研究高分辨率氣象數據驅動復雜水文模型的研究意義較大,預計該數據集將為我國的水文生態細致化模擬研究提供數據支撐。

[1] 孟現勇, 孟寶臣, 王月健, 劉志輝, 吉曉楠,余丹林. 近60年氣候變化及人類活動對艾比湖流域水資源的影響. 水文, 2015, 35(2):90- 96.

[2] Berg A A, Famiglietti J S, Walker J P, Houser P R. Impact of bias correction to reanalysis products on simulations of North American soil moisture and hydrological fluxes. Journal of Geophysical Research, 2003, 108(D16): 4490.

[3] Maurer E P, Wood A W, Adam J C, Lettenmaier D P, Nijssen B. A long-term hydrologically based dataset of land Surface fluxes and states for the conterminous United States. Journal of Climate, 2002, 15(22): 3237- 3251.

[4] Fekete B M, V?r?smaety C J, Roads J O, Willmott CJ. Uncertainties in precipitation and their impacts on runoff estimates. Journal of Climate, 2004, 17(2): 294- 304.

[5] Sheffield J, Ziegler A D, Wood E F, Chen Y B. Correction of the high-latitude rain day anomaly in the NCEP-NCAR reanalysis for land surface hydrological modeling. Journal of Climate, 2004, 17(19): 3814- 3828.

[6] Kalnay E, Kanamitsu M, Kistler R, Collins W, Deaven D, Gandin L, Iredell M,Saha S, White G,Woollen J, Zhu Y, Leetmaa A, Reynolds B,Chelliah M, Ebisuzaki W, Higgins W, Janowiak J, Mo K C, Ropelewski C, Wang J, Jenne R, Joseph D. The NCEP/NCAR 40-year reanalysis project. Bulletin of the American Meteorological Society, 1996, 77(3): 437- 472.

[7] Kanamitsu M, Ebisuzaki W, Woollen J, Yang S K, Hnilo J J, Fiorino M, Potter G L. NCEP-DEO AMIP-II reanalysis (R- 2).Bulletin of the American Meteorological Society, 2002, 83(11): 1631- 1643.

[8] Uppala S M, K?llberg P W, Simmons A J, Andrae U, Da Costa Bechtold V, Fiorino M, Gibson J K, Haseler J, Hernandez A, Kelly G A, Li X, Onogi K, Saarinen S, Sokka N, Allan R P, Andersson E, Arpe K, Balmaseda M A, BeljaarsA C M, Van De Berg L, Bidlot J, Bormann N, Caires S, Chevallier F, Dethof A, Dragosavac M, Fisher M, Fuentes M, Hagemann S, Hólm E, Hoskins B J, Isaksen L, Janssen P A E M, Jenne R, Mcnally A P, Mahfouf J F, Morcrette J J, Rayner N A, Saunders R W, Simon P, Sterl A, Trenberth K E, Untch A, Vasiljevic D, Viterbo P, Woollen J. The ERA- 40 re-analysis. Quarterly Journal of the Royal Meteorological Society, 2005, 131(612): 2961- 3012.

[9] Onogi K, Tsutsui J, Koide H, Sakamoto M, Kobayashi S, Hatsushika H, Matsumoto T, Yamazaki N, Kamahori H, Takahashi K, Kadokura S, Wada K, Kato K, Oyama R, Ose T, Mannoji N, Taira R. The JRA- 25 reanalysis. Journal of the Meteorological Society of Japan, 2007, 85(3): 369- 432.

[10] 孟現勇, 師春香,劉時銀,王浩,雷曉輝,劉志輝,吉曉楠,蔡思宇,趙求東. CMADS數據集及其在流域水文模型中的驅動作用——以黑河流域為例. 人民珠江, 2016, 37(7): 1- 19.

[11] Pal J S, Eltahir E A. Pathways relating soil moisture conditions to future summer rainfall within a model of the land-atmosphere system. Journal of Climate, 2001,14(6): 1227- 1242.

[12] 趙天保, 艾麗坤, 馮錦明. NCEP再分析資料和中國站點觀測資料的分析與比較. 氣候與環境研究, 2004, 9(2): 278- 294.

[13] 趙天保, 符淙斌. 幾種再分析地表氣溫資料在中國區域的適用性評估. 高原氣象, 2009, 28(3): 595- 607.

[14] 趙天保, 符淙斌. 中國區域ERA- 40、NCEP- 2再分析資料與觀測資料的初步比較與分析. 氣候與環境研究, 2006, 11(1): 14- 32.

[15] 施曉暉, 徐祥德, 謝立安. NCEP/NCAR再分析風速、表面氣溫距平在中國區域氣候變化研究中的可信度分析. 氣象學報, 2006, 64(6): 709- 722.

[16] Fischer G, Nachtergaele F, Prieler S, van Velthuizen H T, Verelst L, WibergD.2008. Global agro-ecological zones assessment for agriculture (GAEZ 2008). Laxenburg, Austria, Rome, Italy: IIASA, FAO.

[17] 劉時銀, 姚曉軍, 郭萬欽, 許君利, 上官冬輝, 魏俊鋒, 鮑偉佳, 吳立宗. 基于第二次冰川編目的中國冰川現狀. 地理學報, 2015, 70(1): 3- 16.

[18] Monteith J L. 1965. Evaporation and environment. The state and movement of water in living organisms//The 19th Symposium of the Society on Experimental Biology. Swansea: Cambridge University Press.

[19] Allen R G. A Penman for all seasons. Journal of Irrigation and Drainage Engineering, 1986, 112(4): 348- 368.

[20] Allen R G, Jensen ME, Wright JL, Burman R D. Operational estimates of reference evapotranspiration. Agronomy Journal, 1989, 81(5): 650- 662.

[21] Priestley C H B, Taylor R J. On the assessment of surface heat flux and evaporation using large-scale parameters. Monthly Weather Review, 1972, 100(2): 81- 92.

[22] Hargreaves G H. Moisture availability and crop production. Transactions of the ASAE, 1975, 18(5): 980- 984.

[23] Hargreaves G H, Samani Z A. Reference crop evapotranspiration from temperature. Applied Engineering in Agriculture, 1985, 1(2): 96- 99.

[24] Hargreaves G H, Samani Z A. Estimating potential evapotranspiration. Journal of the Irrigation and Drainage Division, 1982, 108(3): 225- 230.

[25] Hargreaves G L, Hargreaves GH, Riley J P. Agricultural benefits for Senegal River Basin. Journal of Irrigation and Drainage Engineering, 1985, 111(2): 113- 124.

[26] Abbaspour K, Yang J, Reichert P, Vejdani M, Haghighat S, Srinivasan R. SWAT-CUP. SWAT calibration and uncertainty programs, Swiss Federal Institute of Aquatic Science and Technology (EAWAG), 2008, Zurich, Switzerland.

[27] Nash J E, Sutcliffe R M. River flow forecasting through conceptual models part 1-a discussion of principles. Journal of Hydrology, 1970, 10(3): 282- 290.

[28] Schaefli B, Gupta H V. Do Nash values have value?Hydrological Processes, 2007, 21(15): 2075- 2080.

[29] Santhi C, Arnold J G, Williams J R, Hauck L M, Dugas W A. Application of a watershed model to evaluate management effects on point and nonpoint source pollution. Transactions of the ASAE, 2011, 44(6): 1559- 1570.

[30] Ahmad H M N, Sinclair A, Jamieson R, Madani A, Hebb D, Havard P, Yiridoe E K. Modeling sediment and nitrogen export from a rural watershed in Eastern Canada using the soil and water assessment tool. Journal of Environmental Quality, 2011, 40(4): 1182- 1194.

[31] Moriasi D N, Arnold J G, Van Liew M W, Bingner R L, Harmel R D, Veith T L. Model evaluation guidelines for systematic quantification of accuracy in watershed simulations. Transactions of the ASABE, 2007, 50(3): 885- 900.

Simulation,validation,andanalysisoftheHydrologicalcomponentsofJingandBoRiverBasinbasedontheSWATmodeldrivenbyCMADS

MENG Xianyong, WANG Hao*, LEI Xiaohui, CAI Siyu

StateKeyLaboratoryofSimulationandRegulationofWaterCycleinRiverBasin,ChinaInstituteofWaterResourcesandHydropowerResearch,Beijing100038,China

Describing the changing rules of land surface variables by using meteorological and hydrological models has always been a research hotspot in the fields of atmospheric and hydrological science. However, due to the scarcity of weather stations in West China, traditional weather stations cannot satisfy the requirements of high precision simulation of large scale land surface components. Using the Jing and Bo River Basin in Xinjiang as a research area, the present study used the China Meteorological Assimilation Driving Datasets for the SWAT model (CMADS) to drive the Soil and Water Assessment Tool (SWAT) model, and then completed calibration, verification, and time-space relation analysis of each land surface component (such as soil moisture content, snow depth, and snow melt). Our analysis showed that the CMADS dataset can drive and calibrate the SWAT mode land complete localization work in Jin and Bo River Basin. The NSE efficiency coefficients of the SWAT model driven by the CMADS dataset were generally controlled between 0.659 and 0.942 at the monthly scale, and were also controlled between 0.526 and 0.815 at the daily scale. Furthermore, our analysis indicated that the soil moisture content would reach a high level for the first time between March and April each year, which is mainly caused by snow melting in the high mountains. However, when snow melting finished, due to an increase in precipitation and temperature, soil temperature fluctuated until the middle of October, when cold air brought considerable precipitation and snow. Finally, soil water was transformed into frozen soil until the snow melting period in the following year. Thereafter, soil water would increase again until the end of the snow melting period. On one hand, this study verified that the CMADS+SWAT mode can enhance the performance ability of the SWAT model in the arid areas of northwestern China, which lacks weather stations. On the other hand, the study provided a scientific explanation for time-space changing rules of land surface components (such as soil moisture and evaporation) in the Jing and Bo River Basin. The findings of this research will play a certain role in promoting the development of China′s meteorological and hydrological sciences.

CMADS; SWAT; Jing and Bo River Basin; surface component

“南水北調中線干線工程應急運行集散控制技術研究與示范”(2015BAB07B03)；國家973計劃課題(2013CB036406)；北京市科技計劃課題(Z141100006014049)；2016年度流域水循環模擬與調控國家重點實驗室代表性成果培育課題(2016CG05)

2016- 08- 23; < class="emphasis_bold">網絡出版日期

日期:2017- 07- 11

*通訊作者Corresponding author.E-mail: wanghao@iwhr.com

10.5846/stxb201608231719

孟現勇,王浩,雷曉輝,蔡思宇.基于CMDAS驅動SWAT模式的精博河流域水文相關分量模擬、驗證及分析.生態學報,2017,37(21):7114- 7127.

Meng X Y, Wang H, Lei X H, Cai S Y.Simulation, validation, and analysis of the Hydrological components of Jing and Bo River Basin based on the SWAT model driven by CMADS.Acta Ecologica Sinica,2017,37(21):7114- 7127.