基于SWAT模型的吉拉姆河流域日均流量模拟研究

徐志 邓颂霖 闫明路 刘启松

摘要：为了加强巴基斯坦卡洛特水电站坝址以上巴基斯坦境内吉拉姆河流域性水文建模研究，结合ArcGIS，采用SWAT模型对流域日均流量进行了模拟。结果表明：基于SWAT模型对2017～2019年日均流量的模拟值与实测值吻合较好，模型率定期（2017～2018年）的决定系数[R2]为0.79，Nash-Sutcliffe效率系数[ENS]为0.79;验证期（2019年）[R2]为0.84，效率系数[ENS]为0.79。SWAT模型在流域内的适用性研究结果达到了预期，有助于提高卡洛特水电站水情预报预测能力，为该流域后续水文特性研究工作打下了良好基础。

关键词：日均流量;SWAT模型;卡洛特水电站;吉拉姆河流域;巴基斯坦

中图法分类号：TV143文献标志码：ADOI：10.15974/j.cnki.slsdkb.2021.11.003

文章编号：1006 - 0081（2021）11 - 0012 - 04

0引 言

SWAT（Soil and Water Assessment Tool）模型是由美国农业部研发的一款分布式水文模型，能反映气候和下垫面的空间分布及人类生产管理等特定信息对径流、泥沙和污染物等变量的影响，运算效率高，具备对大流域进行长时段连续时间模拟的优势[1]。目前，SWAT模型在全球研究甚廣[2]，欧洲的维斯瓦（Vistula）河和奥得（Odra）河[3-4]，美国密歇根州中部[5]和北卡罗来纳州纽斯（Neuse） 流域[6]，中国的资水流域[7]、汉江流域[8]、洞庭湖流域[9]和锡林河流域[10]等地区均采用SWAT模型进行了研究。

吉拉姆（Jhelum）河位于印度河上游，发源于克什米尔山谷。受特殊地理位置影响，目前对其径流的研究较少。现有研究包括对吉拉姆河上游菲罗兹布尔（Ferozpur）子流域德鲁格（Drung）、特兰（Terran）和库巴尔（Trikulbal）3个测站流量年季变化和季节性变化的研究[11]，基于Modis数据的吉拉姆河流域雪被变化对曼格拉（Mangla）水库入流量的影响[12]，构建吉拉姆河8个雨量站数据与曼格拉水库入库流量的多元回归模型，以预测上游来水量[13]等。因此，针对该流域的流域性水文建模研究还有待加强。

本研究结合ArcGIS，采用SWAT模型对卡洛特水电站以上巴基斯坦境内吉拉姆河流域降雨径流进行模拟和验证，可为工程安全度汛和运行期全流域水文模拟提供技术支撑。

1 研究区概况

吉拉姆河是印度河流域水系最大的河流之一，发源于克什米尔山谷的韦尔纳格深泉，干流全长725 km，流域面积6.35万km2。卡洛特水电站是巴基斯坦境内吉拉姆河规划的5个梯级电站的第4级，上一级为阿扎德帕坦（Azad Pattan），下一级为已建成的曼格拉电站。卡洛特水电站坝址以上流域面积26 700 km2，巴基斯坦境内干流长155 km。现在坝址以上巴基斯坦境内流域建有32个测站，控制区面积13 100 km2，流域内海拔在370～6 200 m之间，平均海拔2 800 m，地势呈北高南低，年内雨量主要集中在西南季风期（6～9月），流域径流以降水和冰川融雪为主。

将吉拉姆河流入巴基斯坦的第一个水文监测站恰科奇（Chakochi）站作为上游控制站，利用2017～2019年水文气象资料对巴境内吉拉姆河流域进行研究。经过近几年观测发现，流域内支流尼拉姆（Neelum）河和昆哈（Kunhar）河上游均位于高山区，西南季风极少到达该区域。下游和吉拉姆河干流流域易发生局部暴雨洪水，汇流时间很短。当暴雨中心偏流域上游时，预见期6～12 h，暴雨中心在临近坝址时预见期仅为1 h。准确模拟和预测坝址日均流量变化对卡洛特水电站安全度汛具有重要意义。

2 数据来源及SWAT模型构建

2.1 数据来源

构建SWAT模型需要准备水文、气象测站的观测数据和空间分布数据，以及数字高程模型（DEM）、土壤类型数据、土地利用类型数据等下垫面数据。

（1）地形数据。本文采用ASTER GDEM 30m数据，经ArcGIS软件拼接、裁剪及投影后得到研究区地图，见图1（a）。使用来源于地理空间数据云平台的数字高程（DEM），DEM越精细则最后SWAT工程划分得到的水系和子流域越精准，见图1（b）。

（2）土地利用数据。来源于马里兰大学基于AVHRR数据的全球土地覆盖数据（1981～1994年）。研究区土地利用类型共7类，见图1（c），符合SWAT模型中建议的土地利用类型总数，无需重分类，结合SWAT土地利用分类标准建立土地利用索引表。本文土壤数据来源于联合国粮农组织发布的HWSD（Harmonized World Soil Database）数据。由于数据采用的是国际单位，与SWAT模型采用的美国标准对应，沙土、黏土、粉粒粒径不需要转换，再根据土壤水文特征软件SPAW（Soil-Plant-Air-Water）软件计算得到土壤的物理属性。研究区土壤类型分为5种，见图1（d）。

（3）气象数据。逐日降水数据来源于流域内的30个雨量站2017～2019年实测资料，见图1（e）。研究区内有卡洛特气象站，气温数据按照雨量站所在地与气象站高程差，根据温度递减率理论，以每上升100 m降低0.56 ℃的递降率校正。

（4）径流数据来自于恰科奇站和卡洛特专用水文站实际观测日均流量资料，时间为2017～2019年。

2.2 SWAT模型构建

需要统一坐标系来实现不同数据的空间对应，本研究地理坐标选择WGS_1984，并统一使用WGS_1984_UTM_Zone_43N投影。

（1）子流域划分。基于DEM数据，经多次试验，确定20 km2集水面积阈值生成的河网与实际河网相符，定义恰科奇站和卡洛特专用水文站作为流域入水口和出水口，将整个流域划分为385个子流域，子流域面积从0.01～323 km2不等，见图1（b）。

（2）水文响应单元（HRU）的划分。输入下垫面数据后，SWAT将相似的土壤类型和土地利用面积具有统一水文行为的部分划分为单个HRU，这样整个流域将被划分为不同的HRU。为了提高模拟精度和运算效率，将土地利用、土壤分布和坡度类型阈值设定为10%，10%和15%，即子流域中占比低于该百分比的土地利用、土壤分布和坡度类型将被拆分并入其他类型中。用上述方法将研究区域划分为997个HRU，通过分别计算每个HRU的径流量，最后得到流域的总径流量。

（3）气象数据加载及模型运行。将气象数据整理后载入模型，以恰科奇站的日实测流量作为研究区的输入数据，通过计算得到卡洛特专用水文站的模拟日均流量。

2.3 参数率定与验证

SWAT-CUP（SWAT Calibration Uncertainty Procedures）软件是服务于SWAT模型参数校准的一款程序，集合了SUFI2、GLUE、ParaSol、MCMC和PSO算法，主要用于模型的校准、验证，灵敏度分析及不确定性分析[13-18]。根据SWAT-CUP给出的参数取值范围对模型参数进行率定，列出模型敏感性分析排名前10的敏感性参数（表1）。分析较敏感参数发现：影响研究区径流的主要因子跟融雪密切相关，这与研究区地处于喜马拉雅南缘地形复杂、山区有积雪密切相关。

采用决定系数[R2]和效率系数[ENS]对模型模拟精度进行评定：

[R2=i=1nQm，i-QmQs，i-Qs2i=1nQm，i-Qm2i=1nQs，i-Qs2]（1）

[ENS=1-i=1n（Qm-Qs）2i=1n（Qm-Qm）2]          （2）

式中： [Qm]为实测值;[Qs]为模拟值;n为实测值个数。通常当[R2]=1时，表示模拟值与实测值非常吻合;当[R2]<1时，其值越大，两者相似度越高。当[ENS]越接近于1时，模拟结果越准确。决定系数的评价标准如表2所示。

3 SWAT模型运行结果分析

采用卡洛特专用水文站2017～2019年实测日均流量对模型进行参数率定和验证，校准期为2017～2018年。经过SWAT-CUP的计算，率定期、验证期日均径流量模拟值和实测值的决定系数[R2]和效率系数[ENS]分别达到0.79，0.79和0.84，0.79;验证期模型等级达到了乙等。一般当R2>0.6且Ens>0.5时认为模型是准确的，可见针对研究区的日均流量模拟效果较为理想。

从图2～3可以看出：①研究區的SWAT模拟值基本反映了径流量的实际变化趋势。②研究区4～9月径流量最大，说明气温对山区径流有显著的调控作用，这与敏感性分析中得出的雪融最低气温（SMTMP）最为敏感相符，冰雪融水对研究区的径流产生了较大影响。同时，该时间段受西南季风影响，充沛的降雨也对径流进行了补充。与Azmat[12]对吉拉姆河流域特性，即初夏期间高海拔地区主要以融雪和冰川融化的形式增加径流，夏季末低海拔地区的季风降雨进一步增加径流的结论一致。③模型误差的主要来源是对几场较大降雨的洪峰模拟效果较差。原因包括：①越详细的测站资料得到的模拟结果越准确[19]，但目前整个流域都用卡洛特水电站专用气象站资料，该站海拔为662 m，而流域内平均海拔为2 800 m，用气象站的资料空间插值可能缺乏代表性。②由于山区型河流流域空间变异性较大，有时测站位置不能有效反映暴雨中心也是造成模拟结果误差的重要因素。③流域内小电站调蓄削峰对模拟精度也有很大影响，这也是汛末几场较大流量过程的降雨模拟值大于实际值的原因。

4 结 论

（1）本研究将SWAT模型应用于巴基斯坦境内吉拉姆河卡洛特水电站以上流域区域，利用2017～2019年水文气象监测资料以及下垫面空间分布信息，建立了流域内SWAT模型，将研究划分为385个子流域、997个HRU。以上游恰科奇站来水作为输入，模拟卡洛特水电站坝址处日平均流量的变化过程。率定期（2017～2018年）和验证期（2019年）相关系数和纳什效率系数分别为0.79，0.79和0.84，0.79。这表明，SWAT模型对研究区的模拟效果较好，对吉拉姆河流域的水文变化模拟具有适用性。

（2）针对气象资料不足的问题，后续将跟巴基斯坦气象部门沟通联系开展相关研究合作，同时也将根据需要布设适当气象站点，多措并举不断提高模型模拟精度。

（3）SWAT模型在吉拉姆河的成功应用为全流域的后续径流、泥沙模拟等水文特性研究工作打下了良好的基础。

参考文献：

[1] 郝芳华. 非点源污染模型-理论方法与应用[M].北京： 中国环境科学出版社，2008.

[2] GASSMAN PW， SADEGHI AM， SRINIVASAN R. Applications of the SWAT model special section： overview and insights[J].Journal of Enviromental Quality， 2014， 43（1）：1-8.

[3] PINIEWSKI M， SZCZE M， KARDEL I， et al. Hydrological modelling of the Vistula and Odra river basins using SWAT[J]. Hydrological Sciences Journal， 2017：1-24.

[4] ABBASPOUR K C， ROUHOLAHNEJAD E， VAGHEFI S， et al. A continental-scale hydrology and water quality model for Europe： Calibration and uncertainty of a high-resolution large-scale SWAT model [J]. Journal of Hydrology， 2015， 524：733-752.

[5] SUNDE M， HE H， HUBBART J， et al. An integrated modeling approach for estimating hydrologic responses to future urbanization and climate changes in a mixed-use midwestern watershed[J]. Journal of Environmental Management， 2018， 220（15）：149-162.

[6] ERCAN M， MAGHAMI I， BOWES B， et al. Estimating potential climate change effects on the upper Neuse watershed water balance using the SWAT model[J]. Journal of the American Water Resources Association， 2020， 56（1）：  53-67.

[7] 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.

[8] ZEJUN LI， PAN LIU， WANG ZHANG，et al.Comparative study on the performance of SWAT and Xinanjiang Models in Xunhe Basin[J]. Journal of Water Resources Research， 2014， 3：307-314.

[9] 謝南， 刘攀， 宋平， 等. 基于SWAT模型的洞庭湖区间径流模拟研究[J]. 中国农村水利水电， 2020（5）：39-41.

[10] 段超宇， 司建宁. 基于SWAT模型的寒旱区积雪与融雪期径流模拟应用研究-以锡林河流域上游为例[J]. 中国农村水利水电， 2017（2）：94-97.

[11] ROMSHOO N. Streamflow changes of Ferozpur Watershed in the upper Indus Basin， Kashmir Himalayas[J]. Himalayan Ecol. Sustian.， 2015，15：27-38.

[12] AZMAT M， LIAQA U， QAMAR M， et al. Impacts of changing climate and snow cover on the flow regime of Jhelum River， Western Himalayas[J]. Regional Environmental Change， 2016， 17（3）：1-13.

[13] ARCHER D， FOWLER H. Using meteorological data to forecast seasonal runoff on the River Jhelum， Pakistan[J]. Journal of Hydrology， 2008， 361（1-2）：10-23.

[14] ABBASPOUR K C ， JING Y ， MAXIMOV I ， et al. Modelling of hydrology and water quality in the pre-alpine/alpine thur watershed using SWAT[J]. Journal of Hydrology， 2007， 333（2-4）：413-430.

[15] GRIENSVEN A V ， MEIXNER T . Methods to quantify and identify the sources of uncertainty for river basin water quality models[J]. Water Science & Technology： A Journal of the International Association on Water Pollution Research， 2006， 53（1）：51.

[16] KENNEDY J ， EBERHART R. Particle Swarm Optimization[C]// Icnn95-international Conference on Neural Networks. IEEE， 1995.

[17] BEVEN K ， BINLEY A . The future of distributed models： Model calibration and uncertainty prediction[J]. Hydrological Processes， 1992， 6（3）： 279-298.

[18] A G K ， B E P. Monte Carlo assessment of parameter uncertainty in conceptual catchment models： the Metropolis algorithm[J]. Journal of Hydrology， 1998， 211（ 1-4）：69-85.

[19] MOUSSA   R，  CHAHINIAN   N，   BOCQUILLON   C. Distributed hydrological modelling of a Mediterranean mountainous catchment-model construction and multi-site validation[J]. Journal of Hydrology，2007，337（1-2）：35-51.

（編辑：李 慧）

Hydrological modelling of daily average discharge of Jhelum River Basin using SWAT

XU Zhi，DENG Songlin，YAN Minglu，LIU Qisong

（Jingjiang Bureau of Hydrology and Water Resources Survey， Bureau of Hydrology， Changjiang Water Resources Commission， Jingzhou 434000， China）

Abstract： To strengthen the hydrological modelling of the basin above the dam site of Karot Hydropower of the Jhelum River Basin， the SWAT model was used with ArcGIS to simulate the daily average discharge of the Basin. The results showed that the simulated daily average discharge was well conformed with the measured data from 2017 to 2019. The R2 and Nash-Sutcliffe efficiency values during 2017 to 2018 calibration period were 0.79 and 0.79， 0.84 and 0.79 during 2019 validation period. The satisfactory application of the SWAT model in the watershed can help to improve the flow regime forecasting capabilities for the Karot Hydropower Station and lay a good foundation for the subsequent hydrological characteristics research of the basin.

Key words： daily average discharge; SWAT model; Karot hydropower station： Jhelum Basin; Pakistan