一種SWAT模型參數(shù)識別的改進(jìn)方法

趙堃+蘇保林+申萌萌+管毓堂+周靜雯

摘要：參數(shù)的敏感性分析和不確定性分析是分布式水文模型構(gòu)建的先決條件。在遼河流域建立SWAT模型，利用SWAT-CUP中的SUFI-2算法進(jìn)行參數(shù)的率定，在此基礎(chǔ)上提出一種更為簡便的參數(shù)識別方法。將研究區(qū)域遼河干流的主要支流分別進(jìn)行參數(shù)識別，再將SWAT-CUP中率定的最佳參數(shù)的從TXINOUT文件中提取出來，分別覆蓋到SWAT模型中各對應(yīng)支流子流域的TXINOUT文件中，即可得到按主要支流經(jīng)過參數(shù)識別后的SWAT模型，避免了SWAT-CUP調(diào)參工具涉及眾多子流域?qū)е聟?shù)識別過于復(fù)雜的問題。結(jié)果表明，遼河干流主要支流招蘇臺河、清河、柴河等子流域主要水文斷面率定期的平均納什效率系數(shù)分別為0.60、0.65、0.68，驗證期分別為0.60、0.72、0.77，參數(shù)率定的結(jié)果相對于全局調(diào)參有較大的改進(jìn)。采用本文提出的參數(shù)識別方法，可以解決SWAT-CUP全局調(diào)參時上下游斷面結(jié)果難以同時匹配或偽匹配的問題，又可以避免分區(qū)參數(shù)識別時對不同子流域的土地利用類型、土壤類型以及坡度等參數(shù)的繁瑣設(shè)定，同時降低了SWAT模型手動調(diào)參的復(fù)雜程度，可較好地應(yīng)用到SWAT模型參數(shù)識別過程中。

關(guān)鍵詞：敏感性分析；不確定性分析；SWAT模型；SWAT-CUP；參數(shù)識別

中圖分類號：P332 文獻(xiàn)標(biāo)識碼：A 文章編號：1672-1683（2017）04-0049-05

Abstract：The sensitivity analysis and uncertainty analysis of model parameters are the preconditions for the construction of distributed hydrological model.In this study，a SWAT model was established for the Liao River Basin，and the parameters were calibrated via the SUFI-2 algorithm in SWAT-CUP.On this basis，a more convenient parameter identification method was proposed.The parameters of the main tributaries of Liao River were identified first，and then the best parameters calibrated from SWAT-CUP were applied to the TXINOUT files of each corresponding tributary sub-basin in the SWAT model.Thus a calibrated SWAT model was established with its parameters identified according to the main tributaries.This avoided the complexity of parameter identification in the original procedures of SWAT-CUP tool.The results showed that the average Nash coefficients at main hydrological stations in Zhaosutai River，Qing River，and Chai River were 0.60，0.65，and 0.68 respectively in the calibration period，and 0.60，0.72，and 0.77 respectively in the validation period.The results of parameter calibration improved much compared with the global parameter calibration.This parameter identification method can solve the problem that SWAT-CUP global calibration results cannot match both the upstream and downstream sections or the problem of pseudo match.It can avoid complicated parameter settings for land use type，soil texture，and slope of different sub-basins.At the same time，it can reduce the complexity of manual adjustment of SWAT model parameters.The method can be applied well to the process of SWAT model parameter identification.

Key words：sensitivity analysis；uncertainty analysis；SWAT model；SWAT-CUP；parameter identification

1 研究背景

參數(shù)的敏感性分析和不確定性分析是分布式水文模型模擬時不可避免的重要環(huán)節(jié)。分布式水文模型在擁有眾多優(yōu)點的同時，也面臨著參數(shù)過多難以率定的問題[1]。以SWAT模型為例，SWAT（soil and water assessment tool）模型是20世紀(jì)90年代美國農(nóng)業(yè)部農(nóng)業(yè)研究中心（USDA-ARS）開發(fā)的流域尺度、時間連續(xù)、基于過程的半分布式機理模型[2]，它作為一個典型的分布式水文模型，在國內(nèi)外的應(yīng)用非常廣泛。目前SWAT模型參數(shù)的優(yōu)選工作可分為人工調(diào)整和自動調(diào)整[3]。人工調(diào)整即手動校準(zhǔn)參數(shù)，參數(shù)的取值受水文工作者的主觀影響大，參數(shù)的率定過程比較復(fù)雜，需要耗費大量的時間和精力，因此不能較好的應(yīng)用到SWAT模型的參數(shù)識別過程中。自動調(diào)整主要是應(yīng)用SWAT-CUP對模型輸出的結(jié)果進(jìn)行參數(shù)的自動率定、敏感性分析和不確定性分析，但是SWAT-CUP在全局調(diào)參時結(jié)果難以同時匹配，并且在分區(qū)參數(shù)識別時對不同子流域的土地利用類型、土壤類型以及坡度等參數(shù)需要進(jìn)行一系列繁瑣的設(shè)定。本文在此基礎(chǔ)上，提出一種簡便的參數(shù)識別方法，即將研究區(qū)域干流的主要支流分別進(jìn)行參數(shù)識別，并將SWAT-CUP中率定的最佳參數(shù)的從TXINOUT文件中提取出來，分別覆蓋到SWAT模型中各對應(yīng)支流的子流域的TXINOUT文件中，即可得到按主要支流進(jìn)行參數(shù)識別后的SWAT模型。該方法可較好地應(yīng)用到SWAT模型參數(shù)識別過程中。

2 原理與方法

2.1 SWAT模型原理

SWAT模型是應(yīng)用較為廣泛的分布式水文模型[4-6]。SWAT模型是在水文循環(huán)模擬的基礎(chǔ)上，將參與和影響水文循環(huán)各要素的變化過程進(jìn)行模擬和分析的一種基于流域尺度的分布式水文模型[7]。模型的物理基礎(chǔ)較強，能在綜合考慮期限、土壤以及土地利用等一系列因素的基礎(chǔ)上靈活模擬各種復(fù)雜情景。模型主要由子流域、水庫演算和河道演算3個模塊組成[2]。根據(jù)水文循環(huán)原理，模型計算水量平衡基本表達(dá)式如下：

2.2 模型參數(shù)識別方法

SWAT-CUP是一種專門為 SWAT模型參數(shù)率定而開發(fā)的計算機程序[8]。該程序?qū)LUE，ParaSol，SUFI2，MCMC和PSO程序與SWAT模型聯(lián)系起來，主要用于模型敏感性、參數(shù)不確定性分析及參數(shù)率定和驗證[3]。本方法用其中的SUFI2方法進(jìn)行參數(shù)的自動率定。

SUFI2算法是一種參數(shù)估計的最優(yōu)化方法[9-10]。SUFI2[11]算法通過拉丁超立方隨機采樣法（Latin-Hypercube simulations）隨機生成一組參數(shù)代入 SWAT 中進(jìn)行目標(biāo)函數(shù)的計算。模擬數(shù)據(jù)包含95%的不確定性因素，排除了5%的極差模擬條件。

本方法首先將研究區(qū)域內(nèi)的干流劃分為若干主要支流，根據(jù)初步建立的SWAT模型找出每條支流所對應(yīng)的子流域，將這些支流率定期的水量等信息輸入到SWAT-CUP中，選取對干流影響較大的7～10個參數(shù)進(jìn)行自動率定。此時在SWAT-CUP的輸出文件TXINOUT中的參數(shù)是最后一次率定的結(jié)果，但可能不是最佳參數(shù)的率定結(jié)果。要將參數(shù)設(shè)置為最后一次迭代的最優(yōu)值，還要回到SWAT-CUP程序中，在Summary_Stat.txt中找到最佳模擬結(jié)果的序號，在 SUFI2_swEdit.txt 文件中，設(shè)置起始和結(jié)束模擬序號為最佳模擬的序號，在 Calibration 下，先運行SUFI2_run.bat，再運行SUFI2_post.bat，此時得到的輸出文件即為最佳模擬結(jié)果。參數(shù)率定結(jié)束之后，將最佳模擬結(jié)果的TXINOUT文件分別覆蓋到SWAT模型中各對應(yīng)支流的子流域的TXINOUT文件中，即可得到按主要支流進(jìn)行參數(shù)識別后的SWAT模型。

3 應(yīng)用

3.1 研究區(qū)概況

選擇遼河流域鐵嶺段作為研究區(qū)域，面積為1.7萬km2。遼河位于中國東北地區(qū)南部，是中國東北地區(qū)南部的最大河流，是中國七大江河之一。南瀕渤海與黃海，西南與內(nèi)蒙內(nèi)陸河和河北海灤河流域相鄰，北與松花江流域毗連。遼河流域大部分地區(qū)屬溫帶半濕潤半干旱的季風(fēng)氣候。年降水量約為350～1000 mm，年徑流量為89億m3地多于平原，從東南向西北遞減。流域年降水量的65%集中于每年的4月-9月。遼河流域年平均氣溫約在4 ℃～9 ℃間，全年氣溫1月份最低，平均在-9 ℃～-18 ℃之間，7月份溫度最高，平均在21 ℃～28 ℃之間。

鐵嶺市地處遼寧省的北部，位于東經(jīng) 123°27′-125°06′，北緯 41°59′-43°23′，屬沿海省份的內(nèi)陸地區(qū)。鐵嶺屬溫帶季風(fēng)型大陸性氣候。全年日照為 2 700 h左右，年平均降雨量為700 mm左右，年平均氣溫6.3 ℃，最低氣溫-31 ℃，最高氣溫34.4 ℃，封凍期 150 d左右，無霜期 127～162 d。全年四季分明，雨量適中，適宜多種農(nóng)作物生長。

遼河干流鐵嶺段從福德店入境，從珠爾山出鐵嶺市，鐵嶺段河長170.1 km。遼河主要支流有招蘇臺河和清河[12]。

3.2 模型的建立

建立SWAT模型所需要的數(shù)據(jù)主要包括1∶25萬DEM數(shù)據(jù)、土地利用圖和土壤類型分布圖；鐵嶺市及其周邊主要雨量站近10年的日降雨量等；鐵嶺控制單元上下游常規(guī)監(jiān)測斷面近10年的月水質(zhì)數(shù)據(jù)等。

本研究在模型建立過程中使用了鐵嶺及周邊地區(qū)74個雨量站和18個水文站的雨量、水文數(shù)據(jù)，根據(jù)實際情況，共劃分子流域93個，用2007年-2009年的數(shù)據(jù)進(jìn)行模型率定，用2010年-2011年的數(shù)據(jù)進(jìn)行模型驗證。具體數(shù)據(jù)及建立過程參見相關(guān)文獻(xiàn)[13]。

3.3 模型的參數(shù)識別

3.3.1 敏感性參數(shù)的選取

根據(jù)研究區(qū)域的實際情況，結(jié)合相關(guān)文獻(xiàn)[14-18]，使用SWAT-CUP對參數(shù)的敏感性進(jìn)行分析，選擇徑流曲線數(shù)（CN2）、土壤蒸發(fā)補償系數(shù)（ESCO）、土壤有效含水量（SOL_AWC）等7個參數(shù)進(jìn)行重點調(diào)整，參考SWAT數(shù)據(jù)庫定義文件.rng獲取相關(guān)參數(shù)的取值范圍。主要調(diào)整參數(shù)的意義和取值范圍參見表1。

3.3.2 參數(shù)率定和結(jié)果

根據(jù)初步建立的遼河流域鐵嶺段的SWAT模型，對模擬區(qū)域內(nèi)10個流量站的水量進(jìn)行全局調(diào)參，迭代次數(shù)為2 000次，模擬結(jié)果評估時間尺度為月尺度，模擬結(jié)果參見表2。

選取相關(guān)系數(shù)（R2）和納什效率系數(shù) （NSE）兩種判斷工具對模型的結(jié)果進(jìn)行評價。其中R2用于評價實測值和模擬結(jié)果之間的擬合程度，其結(jié)果越接近1，說明這兩者之間的線性關(guān)系越密切。NSE用來評價實測值和模擬結(jié)果之間的匹配度，其結(jié)果越接近1，說明模擬值越接近實測值，模型結(jié)果越可信。

通過計算，可以得到模擬區(qū)域內(nèi)率定期的平均納什效率系數(shù)0.59，驗證期為0.57，上游率定期的平均納什效率系數(shù)僅為0.40，驗證期為0.40，結(jié)果較差。雖然中下游通江口流量站率定期的納什效率系數(shù)達(dá)到了0.92，驗證期達(dá)到了0.90，但是由于通江口屬于中下游地區(qū)遼河干流上，該斷面水量平衡主要受到上游各支流的影響，而上游若干水文站率定的結(jié)果較差，因此通江口水量站的水量過程并不能真正的反映流域內(nèi)部的真實情況，是一種虛假的匹配。通過以上分析可以看出，全局調(diào)參的結(jié)果不理想，需要劃分支流分別進(jìn)行調(diào)參。

根據(jù)相關(guān)資料[19-20]以及初步建立的SWAT模型，將遼河流域鐵嶺段干流劃分為3個主要支流，分別為招蘇臺河、清河和柴河，在初步建立的ArcGIS圖中找到每條支流相對應(yīng)子流域編號，參見圖1。按照全局調(diào)參的參數(shù)設(shè)置分別對這三個支流進(jìn)行參數(shù)率定，率定結(jié)果參見表3。

上述結(jié)果表明，遼河干流主要支流招蘇臺河、清[CM（22]河、柴河率定期的平均納什效率系數(shù)分別為0.60、0.65、0.68，驗證期分別為0.60、0.72、0.77，參數(shù)率定的結(jié)果比較好。分別選取上游的梨樹流量站、中游的耿王莊流量站和下游的柴河流量站的水量數(shù)據(jù)進(jìn)行比較分析，參見圖2、圖3、圖4。

根據(jù)圖表可以看出，處于招蘇臺支流的梨樹、王寶慶流量站的模擬結(jié)果比較差，這是因為這兩個水量站都位于昌圖縣境內(nèi)，該縣以種植業(yè)為主，人口眾多，人類活動對河流水量的影響較大。

參數(shù)率定結(jié)束后，回到SWAT-CUP程序中，在Summary_Stat.txt中找到這三條支流最佳模擬結(jié)果的序號，在 SUFI2_swEdit.txt 文件中，設(shè)置起始和結(jié)束模擬序號為最佳模擬的序號，在 Calibration 下，先運行SUFI2_run.bat，再運行SUFI2_post.bat，得到最佳模擬結(jié)果的輸出文件。將最佳模擬結(jié)果的TXINOUT分別覆蓋到SWAT模型中各對應(yīng)支流的子流域的TXINOUT文件中，即可得到按主要支流進(jìn)行參數(shù)識別后的SWAT模型。

重新運行SWAT模型后，可以得到松樹流量站和通江口流量站的參數(shù)率定結(jié)果，參見表3。根據(jù)表3可以看出這三個流量站的模擬結(jié)果比較理想。

4 結(jié)論

采用本文提出的參數(shù)識別方法，可以解決SWAT-CUP全局調(diào)參時上下游斷面結(jié)果難以同時匹配或偽匹配等不合理的參數(shù)識別問題，又可以避免分區(qū)參數(shù)識別時對不同子流域的土地利用類型、土壤類型以及坡度等參數(shù)的繁瑣設(shè)定，同時降低了SWAT模型手動調(diào)參的復(fù)雜程度。將此方法應(yīng)用到遼河流域鐵嶺段已建的SWAT模型中，可以得到遼河干流主要支流招蘇臺河、清河、柴河率定期的平均納什效率系數(shù)分別為0.60、0.65、0.68，驗證期分別為0.60、0.72、0.77，參數(shù)率定的結(jié)果令人滿意，可較好地應(yīng)用到SWAT模型參數(shù)識別過程中。

參考文獻(xiàn)（References）：

[1] 王中根，夏軍，劉昌明，等.分布式水文模型的參數(shù)率定及敏感性分析探討[J].自然資源學(xué)報，2007，22（4）：649-655.（WANG Zhong-gen，XIA Jun，LIU Chang-ming，et al.Comments on sensitivity analysis，calibration ofdistributed hydrological model[J].Journal of Natural Resources，2007，22（4）：649-655.（in Chinese））

[2] 賴格英，吳敦銀，鐘業(yè)喜，等.SWAT模型的開發(fā)與應(yīng)用進(jìn)展[J].河海大學(xué)學(xué)報：自然科學(xué)版，2012，40（3）：243-251.（LAI Ge-ying，WU Dun-yin，ZHONG Ye-xi，et al.Progress in development and applications of SWAT model[J].Journal of Hohai University：Natural Sciences，2012，40（3）：243-251.（in Chinese））

[3] 帆琨，馬孝義，李忠娟，等.SWAT模型參數(shù)校準(zhǔn)方法對比研究[J].中國農(nóng)村水利水電，2015（4）：77-81.（FAN Kun，MA Xiao-yi，LI Zhong-juan，et al.A comparative study of the SWAT model parameter calibration models[J].China Rural Water and Hydropower，2015（4）：77-81.（in Chinese））

[4] 李峰，胡鐵松，賞華金.SWAT模型的原理、結(jié)構(gòu)及其應(yīng)用研究[J].中國農(nóng)村水利水電，2008（3）：24-28.（LI Feng，HU Tie-song，SHANG Hua-jin.Study on the principle，structure and application of SWAT model[J].China Rural Water and Hydropower，2008（3）：24-28.（in Chinese））

[5] 康杰偉，李碩.SWAT模型運行結(jié)構(gòu)與組織研究[J].地球信息科學(xué)，2007，9（5）：76-82.（KANG Jie-wei，LI Shuo.Study on the running configuration of SWAT model[J].Geo-information Science，2007，9（5）：76-82.（in Chinese））

[6] 溫海燕，李瓊芳，李鵬，等.土地利用變化對流域產(chǎn)水特性的影響研究[J].水電能源科學(xué)，2013，31（1）：12-14，60.（WEN Hai-yan，LI Qiong-fang，LI Peng，et al.Land use change on the influence of river basin water production characteristics research[J].Water Resources and Power，2013，31（1）：12-14，60.（in Chinese））

[7] 田彥杰，汪志榮，張曉曉.SWAT模型發(fā)展與應(yīng)用研究進(jìn)展[J].安徽農(nóng)業(yè)科學(xué)，2012，40（6）：3480-3483，3486.（TIAN Yan-jie，WANG Zhi-rong，ZHANG Xiao-xiao.Development and advances in application of SWAT Model[J].Journal of Anhui Agricultural Sciences，2012，40（6）：3480-3483，3486.（in Chinese））

[8] Abbaspour K C.SWAT-CUP4，A User Manual[S].Dubendorf：Eawage，2011.

[9] 魏丹，劉智勇，李小冰.SWAT模型及SUFI-2算法在禿尾河上游流域徑流模擬中的應(yīng)用[J].干旱地區(qū)農(nóng)業(yè)研究，2012，30（6）：200-206.（WEI Dan，LIU Zhi-yong，LI Xiao-bing.The Application of SWAT and SUFI-2 to runoff simulation in Tuweihe （upper）watershed[J].Agriculture Research in the Arid Areas，2012，30（6）：200-206.（in Chinese））

[10] 張余慶，陳昌春，楊緒紅，等.基于SUFI-2算法的SWAT模型在修水流域徑流模擬中的應(yīng)用[J].水電能源科學(xué)，2013，31（9）：24-28.（ZHANG Yu-qing，CHEN Chang-chun，YANG Xu-hong，et al.Application of SWAT model based SUFI-2 algorithm to runoff simulation in Xiushui Basin[J].Water Resources and Power，2013，31（9）：24-28.（in Chinese））

[11] Abbaspour K C，Johnoson A M，Van Genuchten T.Estimating uncertain flow and transport parameters using a sequential uncertainty fitting procedure[J].Vadose Zone Journal，2004，（3）：1340-1352.

[12] 田麗榮.遼河流域鐵嶺段水質(zhì)現(xiàn)狀分析[J].地下水，2005，27（6）：425-426.（TIAN Li-rong.Analysis on present water quality of tieling section in the Liao River basin[J].Groundwater，2005，27（6）：425-426.（in Chinese））

[13] 申萌萌.山區(qū)丘陵地區(qū)非點源污染減排潛力研究[D].北京：北京師范大學(xué)，2014.（SHEN Meng-meng.Research of reducing emission potential of non-point source pollution in mountainous and hilly areas[D].Beijing：Beijing Normal University，2014.（in Chinese））

[14] Kannan N，White S M，Worrall F，et al.Hydrological modelling of a small catchment using SWAT-2000-Ensuring correct flow partitioning for contaminant modelling[J].Journal of Hydrology，2007，334（1-2）：64-72.

[15] Wanchun L.Application of the SWAT Model for River Flow Forecasting in Sri Lanka[J].2004：1.

[16] Xue L J，Li L J，Zhang Q.Hydrological behaviour and water balance analysis for Xitiaoxi catchment of Taihu Basin[J].Water Science and Engineering，2008，1（003）：44-53.

[17] Setegn S G，Srinivasan R，Dargahi B.Hydrological modelling in the Lake Tana Basin，Ethiopia using SWAT model[J].Open Hydrology Journal，2008，2：49-62.

[18] Xie X，Cui Y.Development and test of SWAT for modeling hydrological processes in irrigation districts with paddy rice[J].Journal of Hydrology，2011，396（1）：61-71.

[19] 李明.遼河鐵嶺段水環(huán)境容量及總量分配方法研究[D].沈陽：沈陽理工大學(xué)，2012.111.（LI Ming.Study on estimation and allocation method of river water environmental capacity for Liaohe River in Tieling[D].Shenyang ：Shenyang Ligong University，2012.111.（in Chinese））

[20] 霍瑾杰.鐵嶺市生態(tài)環(huán)境現(xiàn)狀調(diào)查及保護措施[J].現(xiàn)代農(nóng)業(yè)，2009 （02）：47-48.（HUO Jin-jie.Tieling City survey and the present situation of the ecological environment protection[J].Modern Agriculture，2009 （02）：47-48.（in Chinese））