• 中文核心期刊
  • 中国科技核心期刊
  • ISSN 1007-6336
  • CN 21-1168/X

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于SWAT模型的碧流河流域入海径流模拟研究

许自舟 周旭东 隋伟娜 赵凯 朱容娟 梁雅惠 余东

引用本文:
Citation:

基于SWAT模型的碧流河流域入海径流模拟研究

    作者简介: 许自舟(1977-), 男, 湖北罗田人, 高级工程师, 主要研究方向环境规划与管理, E-mail:zizhou110@hotmail.com;
    通讯作者: 余东, E-mail:dyu@nmemc.org.cn
  • 基金项目: 国家自然科学基金青年科学基金(41406119);天津市科技兴海项目(KJXH2013-17)
  • 中图分类号: X143

Simulation of runoff into the sea from Biliu river basin based on SWAT model

  • 摘要: 利用多源综合数据,建立碧流河流域SWAT(soil and water assessment tool)分布式水文模型,对模型进行了率定验证。结果表明:率定期模型纳什效率系数Ens、决定系数R2及相对偏差PBIAS分别为0.80、0.86、18.9%,模型不确定性P因子、R因子分别为0.78、0.58,验证期EnsR2PBIAS值分别为0.87、0.88、1.9%,建立的SWAT模型在碧流河流域中径流模拟总体效果较好,不确定性较小。通过建立流域水文模型,可以解决海洋科研业务工作中监测覆盖的入海河流有限、入海径流量难以获得的问题,为污染物入海通量评估提供高分辨率的流量数据。
  • 图 1  碧流河流域概况

    Figure 1.  Biliu river basin

    图 2  率定期模型模拟径流与实测值对比

    Figure 2.  Comparison between simulated and observed runoff of model calibration

    图 3  验证期模型模拟径流值与实测值比较

    Figure 3.  Estimated versus measured runoff of SWAT model validation

    图 4  2013—2015年碧流河月入海径流量及降雨量

    Figure 4.  Monthly runoff into the sea of Biliu river and precipitation from 2013 to 2015

    表 1  数据来源及说明

    Table 1.  Description of the data

    下载: 导出CSV

    表 2  参数敏感性分析结果

    Table 2.  Results of parameter sensitivity analysis

    下载: 导出CSV

    表 3  2013—2015年碧流河年入海径流量

    Table 3.  Yearly runoff into the sea of Biliu river from 2013 to 2015

    下载: 导出CSV
  • [1] MEYBECK M.Carbon, nitrogen and phosphorus transport by world rivers[J].American Journal of Science, 1982, 282(4):401-450. doi: 10.2475/ajs.282.4.401
    [2] 李其峰, 苏飞.SWAT模型在径流模拟中的研究进展[J].安徽农业科学, 2013, 41(23):9871-9872, 9874. doi: 10.3969/j.issn.0517-6611.2013.23.121
    [3] 王树才.SWAT模型在北方高寒地区径流模拟中的适用性研究[J].人民珠江, 2017, 38(7):61-64.
    [4] 樊琨, 马孝义, 李忠娟, 等.SWAT模型参数校准方法对比研究[J].中国农村水利水电, 2015(4):77-81. doi: 10.3969/j.issn.1007-2284.2015.04.020
    [5] 李曼曼, 韩会玲, 刘晓英, 等.SWAT模型最佳子流域划分方案研究——以云南洱海流域为例[J].中国农业气象, 2012, 33(2):185-189.
    [6] 罗巧, 王克林, 王勤学.基于SWAT模型的湘江流域土地利用变化情景的径流模拟研究[J].中国生态农业学报, 2011, 19(6):1431-1436.
    [7] 郑捷, 李光永, 韩振中, 等.改进的SWAT模型在平原灌区的应用[J].水利学报, 2011, 42(1):88-97.
    [8] 金婧靓, 王飞儿.SWAT模型及其应用与改进的研究进展[J].东北林业大学学报, 2010, 38(12):111-114. doi: 10.3969/j.issn.1000-5382.2010.12.035
    [9] 王晓朋, 乔飞, 雷坤, 等.SWAT模型在我国的研究和应用进展[J].中国农村水利水电, 2015(5):109-113. doi: 10.3969/j.issn.1007-2284.2015.05.027
    [10] 张爱玲, 王韶伟, 汪萍, 等.基于SWAT模型的资水流域径流模拟[J].水文, 2017, 37(5):38-42, 26. doi: 10.3969/j.issn.1000-0852.2017.05.007
    [11] 黎云云, 畅建霞, 金文婷, 等.基于SWAT模型的渭河流域分区径流模拟研究[J].西北农林科技大学学报:自然科学版, 2017, 45(4):204-212.
    [12] 吕乐婷, 彭秋志, 郭媛媛, 等.基于SWAT模型的东江流域径流模拟[J].自然资源学报, 2014, 29(10):1746-1757. doi: 10.11849/zrzyxb.2014.10.010
    [13] 王中根, 朱新军, 夏军, 等.海河流域分布式SWAT模型的构建[J].地理科学进展, 2008, 27(4):1-6.
    [14] 王蕾, 魏晓妹, 降亚楠, 等.关中平原灌区SWAT模型基础数据库的构建[J].水电能源科学, 2017, 35(7):13-17.
    [15] 刘钦, 王雯涛.SWAT模型土壤物理属性数据库构建方法探究[J].水科学与工程技术, 2015(6):40-42. doi: 10.3969/j.issn.1672-9900.2015.06.015
    [16] WEBB B W, PHILLIPS J M, WALLING D E, et al.Load estimation methodologies for British rivers and their relevance to the LOIS RACS(R) programme[J].Science of the Total Environment, 1997, 194/195:379-389. doi: 10.1016/S0048-9697(96)05377-6
    [17] ABBASPOUR K C.SWAT-CUP4: SWAT Calibration and Uncertainty Programs-A user Manual[EB/OL].[2018-06-05]. https://swat.tamu.edu/media/114860/usermanual_swatcup.pdf.
    [18] 杨凯杰, 吕昌河.SWAT模型应用与不确定性综述[J].水土保持学报, 2018, 32(1):17-24.
    [19] 李谦, 张静, 宫辉力.基于SUFI-2算法和SWAT模型的妫水河流域水文模拟及参数不确定性分析[J].水文, 2015, 35(3):43-48. doi: 10.3969/j.issn.1000-0852.2015.03.008
    [20] 宋增芳, 曾建军, 金彦兆, 等.基于SWAT模型和SUFI-2算法的石羊河流域月径流分布式模拟[J].水土保持通报, 2016, 36(5):172-177.
  • [1] 李芬沈程程石洪华池源郭振丁德文 . 海岛生态系统承载力不确定性分析——以庙岛群岛南部岛群为例. 海洋环境科学, 2016, 35(4): 481-488. doi: 10.13634/j.cnki.mes20160401
    [2] 胡展铭杨永俊林忠胜徐广鹏滕辉 . 江河入海径流通量监测技术研究. 海洋环境科学, 2018, 37(6): 934-940. doi: 10.12111/j.mes20180620
    [3] 杨永俊胡展铭林忠胜徐广鹏宋丽娜 . 我国江河入海流量实时在线监测系统规范化设计与实现. 海洋环境科学, 2019, 38(6): 933-938. doi: 10.12111/j.mes20190617
    [4] 杨永俊胡展铭林忠胜王玉 . 基于在线监测的江河入海径流通量计算方法研究与应用——以辽河口为例. 海洋环境科学, 2018, (x): -. doi: 10.12111/j.mes.20190007
    [5] 徐进李颖杨文玉李博 . 航海雷达溢油信息采集分析模型. 海洋环境科学, 2016, 35(2): 264-269. doi: 10.13634/j.cnki.mes20160219
    [6] 李润玲丁君沈妍常亚青李志军 . 光滑河蓝蛤酶活性对结冰前水温变化响应试验数据的分析与拟合. 海洋环境科学, 2015, 34(5): 706-712. doi: 10.13634/j.cnki.mes20150511
    [7] 柯宏伟陈凯赵雯璐陈勉林嫣刘萌阳王俊林静蔡明刚 . 九龙江河口区多环芳烃分布逸度模型和实测分析. 海洋环境科学, 2016, 35(2): 161-167. doi: 10.13634/j.cnki.mes20160201
    [8] 安乐 . 紫外分光光度法测定海水中石油类的不确定度评定. 海洋环境科学, 2017, 36(2): 303-306, 312. doi: 10.13634/j.cnki.mes20170223
    [9] 赵昕赵锐陈镐 . 基于NSBM-Malmquist模型的中国海洋绿色经济效率时空格局演变分析. 海洋环境科学, 2018, 37(2): 175-181. doi: 10.12111/j.cnki.mes20180203
    [10] 李佳芮张健司玉洁刘玉刘庆群卢文虎 . 基于VSD模型的象山湾生态系统脆弱性评价分析体系的构建. 海洋环境科学, 2017, 36(2): 274-280. doi: 10.13634/j.cnki.mes20170218
    [11] 王立军李文君贺广凯刘广远 . 微波消解-ICP-MS在海洋沉积物国际互校中的应用及不确定度评定. 海洋环境科学, 2015, 34(3): 451-456. doi: 10.13634/j.cnki.mes20150322
    [12] 黄博强黄金良李迅涂振顺 . 基于GIS和InVEST模型的海岸带生态系统服务价值时空动态变化分析-以龙海市为例. 海洋环境科学, 2015, 34(6): 916-924. doi: 10.13634/j.cnki.mes20150619
    [13] 刚什婷贾涛王宝春程秀明邓英尔韩永东王玺彭同强安海波王逢爽 . 基于熵权法的集对分析模型在青岛市崂山区海水入侵现状评价中的应用. 海洋环境科学, 2019, 38(6): 939-944, 976. doi: 10.12111/j.mes20190618
    [14] 王平陈伟斌邹文峰袁帅陈元宋丽娜 . 象山港潮余流结构及水体半交换时间数值研究. 海洋环境科学, 2018, 37(1): 107-115. doi: 10.13634/j.cnki.mes20180117
    [15] 王鸣岐郭晶 . 烟台黄水河国家级湿地公园非市场价值评估. 海洋环境科学, 2019, 38(3): 420-426. doi: 10.12111/j.mes20190315
    [16] 李卫卫孙昭晨梁书秀 . 辽河口区径流对污染物漂移扩散的影响. 海洋环境科学, 2019, 38(2): 294-302. doi: 10.12111/j.mes20190219
    [17] 霍达刘萍李一鸣刘利华陆恒郭丛笑李连星乔之怡 . 独流减河口浮游生物群落结构与环境因子的相关性研究. 海洋环境科学, 2018, 37(3): 396-402. doi: 10.12111/j.cnki.mes20180313
    [18] 陈晓亮沈永明崔雷姜恒志石峰 . 渤海风场的概率预测模型研究. 海洋环境科学, 2019, 38(1): 93-99. doi: 10.12111/j.mes20190115
    [19] 陈安娜马毅张靖宇 . 水深被动光学遥感反演模型适用性研究. 海洋环境科学, 2018, 37(6): 953-960. doi: 10.12111/j.mes20180623
    [20] 黄带娣陈思 . 低潮位降雨及其径流对淤泥质潮间带颗粒物输运的影响研究综述. 海洋环境科学, 2020, 39(x1): 1-9. doi: 10.12111/j.mes.20190179
  • 加载中
图(4)表(3)
计量
  • 文章访问数:  258
  • HTML全文浏览量:  194
  • PDF下载量:  13
出版历程
  • 收稿日期:  2018-06-05
  • 录用日期:  2018-10-19
  • 刊出日期:  2020-04-20

基于SWAT模型的碧流河流域入海径流模拟研究

    作者简介:许自舟(1977-), 男, 湖北罗田人, 高级工程师, 主要研究方向环境规划与管理, E-mail:zizhou110@hotmail.com
    通讯作者: 余东, E-mail:dyu@nmemc.org.cn
  • 1. 国家海洋环境监测中心, 辽宁 大连 116023
  • 2. 辽宁省大连水文局, 辽宁 大连 116023
基金项目: 国家自然科学基金青年科学基金(41406119);天津市科技兴海项目(KJXH2013-17)

摘要: 利用多源综合数据,建立碧流河流域SWAT(soil and water assessment tool)分布式水文模型,对模型进行了率定验证。结果表明:率定期模型纳什效率系数Ens、决定系数R2及相对偏差PBIAS分别为0.80、0.86、18.9%,模型不确定性P因子、R因子分别为0.78、0.58,验证期EnsR2PBIAS值分别为0.87、0.88、1.9%,建立的SWAT模型在碧流河流域中径流模拟总体效果较好,不确定性较小。通过建立流域水文模型,可以解决海洋科研业务工作中监测覆盖的入海河流有限、入海径流量难以获得的问题,为污染物入海通量评估提供高分辨率的流量数据。

English Abstract

  • 河流是陆源物质进入海洋的重要通道,每年约有85%的物质通过河流搬运入海[1]。入海径流量的变化影响着河口地形地貌、生物化学过程、水环境质量和生态系统健康,准确评估河流入海径流量对开展入海污染物总量控制、保护海洋生态环境具有重要意义。除实测外,可利用SWAT(soil and water assessment tool)模型对河流径流量进行模拟。SWAT模型是20世纪90年代美国农业部开发的分布式水文模型,依据水文循环原理,建立水量平衡方程,可以模拟流域径流、泥沙和污染物质的输移,径流的模拟是其中最基本、最重要的功能,也是研究应用最广泛、成熟的模块。国内外,围绕径流的模拟主要开展了模型的适用性研究、环境变化对径流的影响研究及模型的改进研究等[2-8]。在我国七大水系中应用结果表明,SWAT模型可模拟不同空间、时间尺度下径流变化,对中尺度流域、中长期连续径流模拟的适用性更好[9-13]

    虽然SWAT模型拥有较多优点,但模型参数较多且难以获取,如何选择合适的参数值以提高模型精度,是困扰模型应用的重要问题。本文利用多源综合数据,建立碧流河流域SWAT水文模型,对模型进行参数敏感性分析、率定及验证。本方法也适用于其它入海河流流量的模拟,以解决海洋科研业务工作中监测覆盖的入海河流有限、监测频率不高、入海径流量难以获得的问题,为污染物入海通量评估提供高分辨率的流量数据。

    • 碧流河流域(图 1)位于122°18′E—122°54′E、39°28′E— 40°21′N,流域面积2817 km2,多年平均气温8.4℃,降水主要集中在6—9月,多年平均降水量746.4 mm、平均径流深294.5 mm。碧流河干流全长156 km,弯度系数为1.12,河道平均比降1.89‰,多年平均径流量9.5l亿m3。流域中碧流河水库位于碧流河下游,是大连市最重要的水源地,坝址以上控制流域面积2085 km2,最大库容9.34亿m3,距入海口55 km。另有玉石水库位于碧流河上游,控制流域面积313 km2,最大库容8852万m3,主要向营口市鲅鱼圈区提供工业用水及城市生活用水,日供水能力达12.6万m3

      图  1  碧流河流域概况

      Figure 1.  Biliu river basin

    • SWAT模型需要大量的数据资料,本研究使用的主要数据信息如表 1所示。对数据进行必要的处理,生成满足建模要求的格式[14-15]

      表 1  数据来源及说明

      Table 1.  Description of the data

      (1) 土地利用数据库

      SWAT土地利用数据包括土地利用类型分布图和属性数据,由于我国土地利用类型属性和美国相似,因此采用模型自带的相应属性值,不用再构建土地利用属性数据库。按照SWAT土地利用分类标准,碧流河流域耕地(AGRL)、林地(FRSE)、草地(PAST)、居民建设用地(URLD)、水域(WATR)面积分别占27.8%、62.6%、2.3%、3.7%、3.6%。

      (2) 土壤数据库

      SWAT需要输入的土壤物理属性参数较多。土壤名称(SNAME)、分层数(NLAYERS)、土层到底部埋深(SOL_Z)、有机碳(SOL_CBN)、粘土(CLAY)、壤土(SILT)、砂土(SAND)、砾石含量(ROCK)、电导率(SOL_EC)参数根据土壤类型编码从HWSD中查取,土壤湿容重(SOL_BD)、有效持水量(SOL_AWC)、饱和渗透系数(SOL_K)参数由美国农业部与华盛顿州立大学开发的土壤水特性软件SPAW(soil-plant-atmosphere-water)计算得到,土壤侵蚀力因子(USLE)由Williams方法估算[16]。最后,将获取的土壤物理属性数据按要求格式整理,更新到SWAT模型自带的土壤数据库(usersoil)中。

      (3) 气象数据库

      气象发生器是模型必须输入项,当站点气象数据缺测时可以使用气象发生器进行填补,本研究利用1980—2016年逐日气象数据,构建气象发生器。模型模拟时段逐日气象数据制作过程为:读取2008—2015年逐日实测降雨量、最高及最低气温、平均风速、平均相对湿度数据,按模型要求格式生成输入文件;依据文献所用方法[15],由平均日照时数数据计算得到2008—2015年逐日太阳辐射数据。

    • 本研究利用ArcSWAT 2012构建碧流河流域径流模拟模型,建模过程主要包括流域划分、水文响应单元划分、气象数据加载、建立输入文件及模型运行五个环节。

      (1) 流域划分

      将DEM数据加载到ArcSWAT软件中,定义投影坐标系为WGS_1984_UTM_Zone_51N。为减少计算量,通过设置掩模(Mask)确定流域的研究范围。基于DEM数据计算水流方向,集水面积阈值设定为1000 ha,完成河网的提取。为便于利用实测水文数据对模型进行率定和验证,根据研究区域水系结构特征,手动调整出水口位置,并将碧流河水库划分为一个独立的子流域。选择流域总出口,完成子流域的划分、水库的添加及相关地形参数的计算。本文依照流域实际情况,同时兼顾模型运行效率,最终将碧流河流域划分为39个子流域。

      (2) 水文单元划分

      加载土地利用数据和土壤数据空间数据,通过索引表分别链接到SWAT数据库中土地覆盖(crop)和土壤属性(usersoil)数据表。完成土壤、土地利用及坡度数据的重分类,坡度划分为0~0.25、0.25~9999两类。设定土壤、土地利用与坡度的最小面积百分比阈值分别为15%、15%、10%,将具有相同水文特性的网格单元合并为一类水文响应单元(hydrological response units, HRU),最终将碧流河流域划分为207个水文响应单元。

      (3) 气象数据加载

      通过气象数据输入模块依次加载气象发生器数据、降水、气温、风速、相对湿度、太阳辐射数据,各类气象资料通过测站连接到制作好的气象数据库。

      (4) 建立输入文件

      通过写输入文件(write SWAT input tables)命令,读取SWAT数据库,分子流域或水文响应单元完成参数文件的创建,供模拟计算调用。编辑碧流河水库参数,设置水库实测逐月出库流量,执行重写参数文件命令。

      (5) 运行模型

      设置SWAT模型模拟起止时间、模型预热期,降雨量选用偏正态分布方法进行模拟,选择按月输出模拟径流,完成模型运行设置和运行。

    • SWAT模型参数较多,不同参数对模拟结果的影响相差较大,在模型率定前进行模型参数的敏感性分析,将灵敏性高的重要参数筛选出来,从而有针对性地对这些参数进行率定,以提高径流模拟效果。ArcSWAT2012版本主要用于模型的建立,不再包含敏感性分析和自动校正模块,SWAT-CUP(calibration and uncertainty programs)软件专门用于SWAT模型参数率定。本研究选择SWAT-CUP中SUFI-2(sequential uncertainty fitting version2)作为优化算法进行参数敏感性分析[17]。SUFI-2可通过OAT(one-at-a-time)敏感度分析、全局敏感度分析、观察散点图 3种方法得到参数的敏感性。OAT方法在整体率定前就可得到单个参数的相对敏感程度,适用于敏感参数的选取;全局性敏感分析法适用于参数选取后,获得下次所需要率定的敏感参数;散点图法比较直观,但只能定性判断参数敏感性,适用于辅助判断。综合比较三种方法,本研究选用OAT方法进行参数敏感度分析。参数敏感性分析结果采用t统计量(t-Stat)和显著性指标p值(p-value)来衡量,t-Stat绝对值越大、p-value越接近0,参数敏感性越强。

    • 本研究选用Nash-Sutcliffe纳什效率系数(Ens)、决定系数(R2)及相对偏差(PBIAS)作为模型模拟精度的评定指标,其计算公式如下:

      式中:Ens表示纳什效率系数;R2表示确定性系数;PBIAS表示模拟值与实测值的相对偏差(%);i为观测或模拟次序;Qm, i表示实测值,m3/sQs, i表示模拟值,m3/sQm表示实测值的平均,m3/sQs表示模拟值的平均,m3/s

      纳什效率系数Ens越接近1,模型模拟效果越好。决定系数R2越接近1,表明模拟值与观测值的变化趋势一致性越好。相对偏差PBIAS值越接近0,代表模拟径流总量与实测径流总量偏差越小,模拟的总体效果越好。

    • SWAT模型的非线性和参数的相关性导致模型解空间可能会存在多个局部最优解,模型率定结果往往存在很大的不确定型,模型不确定性主要来源于模型输入、模型参数、模型结构及实测数据的不确定性[18]。SUFI-2算法作为参数估计的最优化方法,综合考虑了模型所有不确定性因素,将其通过参数不确定性表现,并采用P因子(P-factor)和R因子(R-factor)两个指标来衡量参数的不确定性[19]P-factor表示95%置信水平上不确定性区间(95% prediction uncertainty, 95PPU)包含观测数据的百分数,R-factor表示95PPU区间的平均宽度除以实测数据的标准差。理论上,P-factor的取值范围为0~100%,R-factor的取值范围为0~∞,P-factor越接近1,R-factor越接近0,模拟效果越好。

    • 考虑影响径流的主要因素,选取SCS径流曲线(CN2)等20个参数进行敏感性分析。采用SUFI-2的OAT方法分别计算每个参数的敏感性,确定了影响碧流河流域径流的12个敏感性参数(表 2),用于下一步参数的率定。

      表 2  参数敏感性分析结果

      Table 2.  Results of parameter sensitivity analysis

      表 2中可以看出:敏感性排在前五位的参数依次是CN2HRU_SLPSLSUBBSNCANMXSOL_K。其中,SCS径流曲线系数(CN2)是对径流影响最显著的参数,直接决定径流量,CN2值越大表明流域下垫面不透水性越强,径流量越大;子流域平均坡度(HRU_SLP)和平均坡长(SLSUBBSN)影响着洪峰流量;CANMX为最大冠层截留量,影响下渗、地表径流及蒸散发;SOL_K是衡量水穿过土壤运动难易程度的标尺,对径流影响极大,SOL_K值越大,下渗土壤水越多,径流量越小。为获得参数最佳估计,基流消退系数(ALPHA_BF)利用SWAT官网提供的数字滤波基流分割软件(SWAT baseflow),根据2010—2015年实测日径流量计算,计算结果为0.0293。

    • (1) 参数率定

      模型模拟时段为2008—2012年,为了降低初始参数对模型的影响,选定2008—2009年作为模型预热期。模型率定期为2010—2012年,以茧场水文站实测月均流量数据依次校核模型水量平衡、各径流组分的分布及流量过程线,最终确定模型参数的取值。

      率定期模型EnsR2PBIAS分别为0.80、0.86、18.9%,模型不确定性P-factorR-factor分别为0.78、0.58。一般认为P-factor>0.6、R-factor<1.5、R2>0.6、Ens>0.5时,模型模拟结果是可信的,Ens在0.65~0.75之间的模拟结果比较好,Ens达到0.75以上模拟结果被认为非常好[6, 12]。结果表明建立的SWAT模型在碧流河流域的径流模拟具有良好的适用性,径流模拟的不确定性较小。

      率定期径流模拟结果(图 2)表明:2010年模拟径流与实测径流一致性较好,2011年、2012年模拟径流峰值与实测值偏差较大。由于茧场上游玉石水库库容较小,对茧场水文站月均径流量影响不大,模型未予以考虑。建模过程中用到4个雨量站在空间位置上均位于碧流河流域之外,距茧场水文站最近的直线距离约37 km,径流模拟峰值偏差较大的主要原因可能与雨量站代表性不强、降水资料的不确定性有关。

      图  2  率定期模型模拟径流与实测值对比

      Figure 2.  Comparison between simulated and observed runoff of model calibration

      (2) 模型的验证

      验证期模拟时段为2011—2015年,其中,2011—2012年为模型预热期,2013—2015年为模型验证期。在SWAT-CUP中,利用茧场水文站逐月径流量数据及碧流河水库逐月入库流量数据对模型进行验证。

      验证期SWAT模型径流模拟值与实测值比较结果(图 3)表明:茧场水文站的EnsR2PBIAS值分别为0.68、0.93、-64.3%,碧流河水库站的EnsR2PBIAS值分别为0.87、0.88、1.9%。一般认为 PBIAS <20%时模型的拟合程度较好[20],茧场水文站PBIAS较大的原因主要与子流域选取的雨量站代表性不强有关。碧流河水库入库流量各项验证指标非常好,远优于茧场水文站,由于碧流河水库以上流域范围包含茧场以上流域,因此,可以认为茧场水文站PBIAS偏大对入海径流量模拟效果影响不大。

      图  3  验证期模型模拟径流值与实测值比较

      Figure 3.  Estimated versus measured runoff of SWAT model validation

    • 模拟结果(表 3)表明:2013—2015年,碧流河入海径流量年际变化较大,2013年入海径流量远高于2014、2015年,这是因为2013年7月份降雨场次及降水量明显多于历史同期,暴雨场次偏多,碧流河水库开闸放水9.58亿m3中有5.89亿m3下泄至下游河道,而2014年、2015年碧流河水库开闸放水都用于大连市城市供水,入海径流量全部来自碧流河水库以下流域产流。

      表 3  2013—2015年碧流河年入海径流量

      Table 3.  Yearly runoff into the sea of Biliu river from 2013 to 2015

      2013—2015年碧流河月入海径流量模拟值及实测降雨量分布如图 4所示,月入海径流量与降水量呈正相关关系,皮尔逊相关系数为0.86。碧流河入海径流量受水库开闸泄洪影响较大,2013年6、7月份,碧流河开闸泄洪至下游河道流量占全年入海径流量的75%。不考虑碧流水库开闸放水的影响,2013—2015年碧流河月入海径流量变化范围为300~4000万m3,月均入海径流量约为1000万m3

      图  4  2013—2015年碧流河月入海径流量及降雨量

      Figure 4.  Monthly runoff into the sea of Biliu river and precipitation from 2013 to 2015

    • (1) SWAT模型在碧流河流域模拟应用效果较好,能够较为准确地模拟碧流河流域月尺度径流过程。率定期模型EnsR2PBIAS分别为0.80、0.86、18.9%,模型不确定性P-factorR-factor分别为0.78、0.58。验证期茧场水文站的EnsR2PBIAS值分别为0.68、0.93、-64.3%,碧流河水库站的EnsR2PBIAS值分别为0.87、0.88、1.9%。

      (2) 建立的SWAT模型可用于分析评估碧流河入海径流量,以解决污染物入海通量评估过程中对高分辨率流量数据的需求。模型建立的方法也可应用于其它入海河流流量的模拟,为陆海统筹的海洋生态环境保护研究提供技术支撑。

参考文献 (20)

目录

    /

    返回文章