土地利用數據精度對涇河上游區徑流模擬影響研究

李 雪，馬孝義

(西北農林科技大學水利與建筑工程學院，陜西 楊凌 712100)

水文循環是一個涉及降水、截留、入滲、產流、輸移、蒸散等多環節復雜的生態過程，受土地利用變化、管理措施和氣候條件等多重因素影響[1]。人們常用分布式水文模型來模擬水文循環過程，其中SWAT模型的應用最為廣泛。作為SWAT模型重要輸入信息的土地利用數據有許多種，常見的包括：中國1∶10萬土地利用數據集、IGBP DISCover數據集、馬里蘭大學土地覆蓋數據集、MODIS土地覆蓋產品、WESTDC系列土地覆被產品和GLC2000數據集。并且，由不同國家、部門基于不同遙感數據和制圖方法的土地利用數據在土地利用分類類型和精度上往往具有一定的差異。對于大尺度流域分布式水文模型來說，高精度的空間數據意味著數據前處理工作和模型運算量的增加，因此分析土地利用數據精度對水文過程模擬的影響，有利于加深對水文模型機理和模擬結果對輸入數據不確定性影響的認識。但前人的研究，如劉春雨[2]、李鴻儒[3]、王潺[4]、黃佩然[5]等多集中于土地利用/覆被類型變化對SWAT模型模擬結果的影響，而關于土地利用數據集精度對SWAT模型模擬結果影響的研究則較少，且極少數有關于對水文過程影響的研究。為了更好地了解土地利用數據精度對SWAT模型模擬結果及其水文循環過程的影響，本文擬選用3種土地利用集，將涇川三站以上的涇河流域作為研究區域進行相關研究。對于各數據集本身的質量對比，冉有華、李新[6]以中國科學院1∶10萬土地利用數據集為參考數據，做過1 km分辨率的IGBP DISCover數據集、馬里蘭大學土地覆蓋數據集、GLC2000數據集和MODIS土地覆蓋產品在中國區域的精度評價。分析結果表明,在1 km尺度上，中科院CAS1990數據集是目前中國最好的，以較高精度反映了中國的土地覆蓋狀況，但同時信息損失嚴重，而WESTDC系列數據集更能滿足數據用戶的較高要求。因此，本文最終選用中國1∶10萬土地利用數據集以及該數據集重采樣后的1 km分辨率的數據產品、WESTDC 2土地覆蓋產品分別在涇河上游區構建SWAT模型，研究土地利用數據集精度對涇川站以上的涇河流域徑流模擬的影響。

1 數據與方法

1.1 研究區概況

涇河流域地處黃土高原中部，位于106°14′～108°42′E、34°46′～37°19′N之間，流域面積45 421 km2，橫跨寧夏、甘肅、陜西三省(區)部分地區， 流域內地勢西北高，東南低，總體地勢是東北西三面向東南傾斜。流域深處大陸，為典型的溫帶大陸性氣候，處于溫帶半濕潤向半干旱氣候的過渡地帶，冬季干旱少雨，夏季多暴雨，降水多集中在每年的5-8月，年平均氣溫在5～15 ℃，年降水量介于350～600 mm之間。涇河全長483 km，為渭河的一級支流、黃河的二級支流。本文研究區域為涇川三站以上的涇河流域，簡稱為涇河上游區，研究區概況圖具體見圖1。涇川以上流域由發源地六盤山流經崆峒峽水庫、甘肅平涼最終到達涇川縣(涇川三站， 35°20′N，107°21′E)，包括汭河、潘楊澗河、大路河、小路河、頡河共五條一級支流[7]，地理高程介于1 020～2 890 m，總流域面積為4 213 km2。全年降雨量在500 mm左右，汛期降水量占全年總降水量的70%～80%。

圖1 研究區概況圖Fig.1 Overview of the study area

1.2 SWAT模型建立

SWAT(Soil and Water Assessment Tool)模型是美國農業部(USDA)農業研究中心(ARS)研發的適用于較大流域尺度的分布式水文模型。該模型由水文(Hydrology)、氣象(Weather)、泥沙(Sediment)、土壤溫度(Soil Temperature)、作物生長(Crop Growth)、養分(Nutrient)、農藥/殺蟲劑(Pesticides)和農業管理(Agriculture Management)等8個組件構成 ，具有很強的物理機制[8]。

SWAT(Soil and Water Assessment Tool)模型作為連續時間分布式水文模型，偏重于水文模擬，可以模擬流域水量平衡，估算徑流、蒸發等水分循環分量[9]。運行步長以日為單位, 還可用來模擬不同土地利用和多種農業管理措施對流域的水、泥沙、化學物質的長期影響，能預測100 a以內的某個流域的總徑流量、泥沙流失量和營養負荷，這使其被廣泛應用在非點源污染的管理和控制過程中[10]。

SWAT 模型需要輸入的數據分為屬性數據和空間數據兩種：①屬性數據，分別為水文數據、氣象數據和土壤屬性數據；②空間數據，包括數字高程DEM數據和土地利用數據。

采用涇河上游區附近的西峰、平涼、長武3個氣象站的1965-1995年共31年的逐日最高和最低氣溫、降水量、日照時數、相對濕度和風速數據的氣象數據，以及崆峒峽水庫壩下、米崗、沙塘川、大灣、和商鋪、瓦亭、什字、東山坡、三關口、大秦、史家窩、四十里鋪、窯峰頭、草峰、花所鎮、黨原、涇川三站、孟家臺、華亭、新民、策底、安口、銅城、袁家庵、頡溝的逐日降水數據。此外，建模所需的數字高程DEM數據為30 m分辨率的GDEMDEM數據、土壤類型數據為世界協調數據庫HWSD數據中的中國數據集。

基于模型輸入的屬性和空間數據，最終將涇河上游區劃分成26個子流域。查閱資料可知，在平涼上游包括西峽、龍潭和崆峒峽三座水庫，由于缺乏相應的水庫資料，采用將崆峒峽水庫以及上游簡化成一個入水口的方法[7]，以此提高SWAT模型模擬精度，涇河上游區流域劃分結果具體見圖2。

圖2 涇河上游流域劃分結果Fig.2 Watershed division of jing river upstream

選用那什效率系數ENS(Nash-Sutcliffe Efficiency,NSE)、決定系數R2作為模型模擬精度的評價指標，ENS值越接近1，則模型的可信度越高；越接近0.5，模型總體結果可信[11]，故可認為，ENS、R2均大于0.5，模型模擬結果是可信的[12]。計算公式分別為：

(1)

(2)

1.3 土地利用/覆被數據集

采用具有不同分辨率和不同土地利用/覆被分類的3種土地利用數據集：①來源于中國1∶10萬土地利用數據集，將涇河上游區所在的固原縣、彭陽縣、鎮原縣、涇川縣、平涼市、崇信縣、華亭縣、涇源縣、隆德縣、莊浪縣的土地利用圖拼接在一起，然后利用涇河上游區DEM圖裁剪得到(以下簡稱Land 1)。該數據集是基于2000年Landsat TM 和 ETM 遙感圖像建立起來的,采用中科院資源環境分類系統，將涇河上游分為耕地、林地、草地、水域、城鎮用地、農村居民點、其他建設用地、未利用土地8個土地利用類型，分辨率為105 m，由于有的土地利用類型面積較小，因此重分類后的土地利用類型變為耕地、林地、草地、水域、居民住宅區、未利用土地；②利用ArcGIS軟件Date Management Tools中的raster工具中的resample方法將Land 1數據105 m分辨率重采樣成1 km，記為Land 2，該數據與Land 1數據具有相同的土地利用分類 ；③來源于中國WESTDC系列土地覆蓋數據產品，采用其中的WESTDC2數據集，空間分辨率為1 km，融合了中國1∶10萬土地利用數據集， 整體分類精度較高的GLC2000數據集[2]、MODIS土地覆蓋數據集并進行類型轉換，將中科院資源環境分類系統轉換成IGBP分類系統。該數據集經涇河上游區的DEM裁剪得到涇河上游區的WESTDC土地利用圖，記為Land 3，最終將全流域分成13種土地利用類型，分別為常綠針葉林、落葉闊葉林、混交林、郁閉灌木林、開放性灌木林、干草地、稀疏草地、草場、永久性濕地、耕地、城市與建設用地、耕地自然植被區、水體。由于有的土地利用類型在SWAT土地利用數據庫中找不到相應的代碼，因此將Land 3重分類成10類土地利用類型，分別為常綠針葉林、落葉闊葉林、混交林、灌木林、干草、草場、永久性濕地、耕地、城市與建設用地、水體。本文構建涇河上游區SWAT模型的數據的具體來源見表1。

表1 SWAT模型建模數據Tab.1 Modeling data for the SWAT model

3種不同的土地利用/覆被數據集對應的土地利用類型面積存在一定差別，具體面積見表2。

表2 各數據集對應的土地利用/覆被類型面積 km2

由表2可知，Land 1與Land 2數據集重分類后對應的土地利用/覆被類型面積中水域、裸地面積基本未變，差異體現在林地、草地、居民住宅區和耕地上，最大差異出現在耕地上，為49 km2。Land 2數據集對應的耕地、林地面積相比Land 1數據集來說均增大了一部分，其中，耕地面積的增大的程度大于林地面積增大幅度；而草地面積、居民住宅區面積的情況恰恰相反，Land 1數據集對應的這兩項的面積大于相應的Land 2數據集對應的面積，草地面積的減少幅度更大。這說明，土地利用/覆被數據集空間精度的變化會引起耕地、草地、林地、居民住宅區等土地利用/覆被所對應的面積的變化，精度降低會使得耕地和林地面積增加、草地和居民與建設用地面積減少，且耕地面積、草地面積的增減變化幅度更大。

Land 3、 Land 2由于具有的分類系統不同，因此劃分的土地利用類型及其各土地利用類型對應的面積也具有很大不同，但3種數據集對應的土地利用類型中，耕地的面積均是最大的，且Land 3數據集對應的耕地面積都比前兩個數據集大，為2 039 km2。3個不同數據集對應的土地利用/覆被類型的空間分布見圖3。

圖3 不同數據集對應的土地利用/覆被類型空間分布Fig.3 Spatial distribution of land use/cover types of different data sets

Land 1和Land 2具有相同的土地利用/覆被分類，但是具有不同的分辨率；Land 2和Land 3具有相同的分辨率，但又具有不同的分類系統。簡言之，3種數據集具有不同的分辨率和分類系統。

從3種數據集對應的土地利用/覆被分類圖，即圖3可以看出，各種土地利用/覆被數據集的空間分布沒有較大差異，基本是一致的，只是由于Land 3融合了較多的其他的土地利用數據集而使得分類更精細，空間分布也較其他數據集的零碎。

2 結果與分析

2.1 土地利用/覆被數據空間精度對水文響應單元HRUs劃分的影響

HRUs水文響應單元是被劃分出的SWAT模型的最小計算單元，每一個HRU中具有相同的土地利用類型、土壤類型和坡度[13]。HRUs劃分的多少將直接影響SWAT模型的計算速度。采用Land 1 的SWAT模型劃分出的HRUs的個數最多為658個，而采用Land 2劃分出的HRUs個數次之為645個，這說明水文響應單元HRUs劃分的個數可能跟輸入模型的土地利用/覆被數據集的空間精度有關，且輸入數據空間精度越高，劃分的HRUs越多。這與葉許春等[14]的研究結果一致。采用Land 3劃分出的HRUs個數為574個，這說明分類系統對HRUs的劃分具有較大影響，在其他輸入數據不變的情況下，分類精度低的土地利用/覆被數據集對應的SWAT模型劃分的HRUs更多。

2.2 土地利用/覆被數據精度對涇河上游涇川水文站徑流模擬的影響

2.2.1 對敏感性參數的影響

選取對徑流模擬影響大的參數，利用SWAT-CUP軟件的全局敏感性分析方法進行參數敏感性分析，選取敏感性排名靠前的11個參數，分析采用不同土地利用/覆被方式所構建模型的敏感參數的不同，采用不同土地利用數據集的模型參數敏感性排名表見表3。

分析敏感性參數排名表表3可知，3種數據集對應的模型的敏感性參數，敏感性排名前4的參數都是相同的，這說明對于涇河上游區的徑流模擬來說，不論采用哪種土地利用/覆被數據集，這4個參數都是極其敏感重要的。對于分辨率不同、分類系統相同的Land 1和Land 2來說，敏感性參數相同，僅個別參數(CH_K2、EVRCH)的敏感性排名有所不同，但相差不大，這說明輸入模型的數據空間分辨率不是影響SWAT模型徑流模擬敏感性參數的主要因素。分辨率相同、分類系統不同的Land 2、Land 3對應的SWAT模型的敏感性參數有些微的差別。特別是采用Land 3構建的SWAT模型的敏感性參數多了代表12月31日的融雪因子的參數SMFMN和代表平均坡度的參數HRU_SLP，少了代表支流曼寧系數的參數CH_N1.sub，這說明對于采用Land 3構建的SWAT模型來說，融雪產生的徑流和流域平均坡度導致的徑流的匯流速度對涇河上游區SWAT模型徑流模擬的影響大于支流曼寧系數對徑流模擬的影響，這也說明分類系統不同對于土地利用/覆被數據集對應的模型的敏感性參數有影響。綜上知，輸入土地利用數據的分類精度對模型敏感性參數的影響高于空間分辨率對模型敏感性參數的影響。

表3 采用不同土地利用數據集的模型參數敏感性排名Tab.3 Model parameter sensitivity ranking using different land use data sets

采用Land 1、Land 2、Land 3構建的SWAT模型的徑流模擬的敏感性參數的率定方式、物理意義以及在SWAT模型中的取值范圍見表4。

表4 涇河上游敏感性參數意義及取值范圍Tab.4 Significance and value range of sensitivity parameters on the upstream of jing river

2.2.2 對徑流模擬結果的影響

采用Land 1、Land 2、Land 3構建的涇河上游區SWAT模型的徑流模擬結果具體見表5。

從表5可知，Land 1、Land 2、Land 3這3種土地利用/覆被數據集對應的涇河上游區的SWAT模型率定期(1980-1988年)ENS、R2的率定結果大于0.70，驗證期(1989-1990年)ENS、R2均在0.5以上，符合模型的精度要求，這說明SWAT模型基本適用于涇河上游區。

在模型未校準時，3種土地利用數據/覆被數據集對應的SWAT模型在率定期的模擬結果基本相同，驗證期Land 3數據集對應的SWAT模型的模擬結果稍差于其他兩個數據集對應的模型模擬結果，但3種土地利用數據集對應的SWAT模型在驗證期的模擬結果ENS<0.5都達不到模型的模擬精度，模擬結果差。

模型校準后，不論是率定期還是驗證期，模型的模擬效果都有了較大提高，其中，Land 1數據集對應的SWAT模型的模擬結果在率定期最好，而Land 2數據集對應的SWAT模型的模擬結果在驗證期相比最好。

表5 采用不同土地利用/覆被數據集的涇河上游區SWAT模型徑流模擬結果Tab.5 Runoff simulation results of the SWAT model in the upstream of Jinghe river using different land use/cover data sets

綜合考慮率定期和模擬期兩個時期模擬結果來看，Land 2數據集對應的SWAT模型模擬效果較于其他兩個數據集好。這證明輸入土地利用數據的精度與模擬結果之間的關系并不是隨數據精度高低而變化的簡單線性關系，這與前人的研究基本一致[15, 16]。模擬結果好于Land 1數據集對應的SWAT模型的模擬結果，可能是因為Land 1數據集對應的SWAT模型劃分的HRUs個數多于Land 2數據集劃分的HRUs個數的原因，HRUs個數增加，模型計算復雜性增加，模擬效果隨之變差；而模擬結果好于Land 3數據集對應的模型的模擬效果，可能是因為Land 3數據集對應的涇河上游區土地利用/覆被類型多的緣故，這說明土地利用分類精度高的數據集對應的SWAT模型的模擬結果差。而Land 3數據集對應的模型的模擬結果稍好于Land 1數據集對應的模型的模擬結果，說明水文響應單元HRUs的劃分對于模型模擬結果的影響大于土地利用分類精度對模型模擬結果的影響，即土地利用精度主要通過影響SWAT模型中水文響應單元HRUs生成的數量而影響模擬結果，這與前人研究基本一致[15, 17]。模型校準前后，率定期與驗證期模型模擬結果圖見圖4。

從模型校準前后月徑流量模擬結果圖看出，3種土地利用/覆被數據集的模擬值與實測值的變化趨勢基本一致。校準后，3種數據集對應的SWAT模型對于月徑流量峰值的模擬效果明顯變好。

圖4 3種土地利用/覆被數據集對應模型校準前后率定期與驗證期月徑流量模擬結果Fig.4 Runoff simulation results of three land use/cover data sets corresponding to the monthly runoff simulation results before and after model calibration and verification period

3 結 語

(1) 3種土地利用/覆被數據集均在涇河上游區的適用性良好，就模擬結果來說，Land 2數據集的模擬效果最好，率定期(1980-1988年)的ENS、R2分別為0.73、0.74；驗證期(1989-1990年)分別為0.55、0.73。

(2)水文響應單元HRUs劃分的個數可能跟輸入模型的土地利用/覆被數據集的空間精度有關，且輸入數據空間精度越高，劃分的HRUs數量越多。

(3)輸入土地利用數據的分類精度對模型敏感性參數的影響高于空間分辨率對模型敏感性參數的影響。

(4)綜合考慮率定期和模擬期兩個時期模擬結果來看，Land 2數據集對應的SWAT模型模擬效果較于其他兩個數據集好。這證明輸入土地利用數據的精度與模擬結果之間的關系并不是隨輸入數據精度高低而變化的簡單線性關系；水文響應單元HRUs的劃分數量對于模型模擬結果的影響大于土地利用分類精度對模型模擬結果的影響。

(5)受研究人員經驗、可收集到的資料的限制，子流域劃分閾值及坡度劃分等可能并不是最佳劃分方案，因此導致研究結果存在一定的偶然性，研究結論不一定適用于所有的流域，在進行其他流域的相關研究時要具體情況具體分析。