奚建梅 楊現(xiàn)坤 呂喜璽 胡海珠

摘 要：若爾蓋濕地是我國最大的泥炭沼澤地，自然資源豐富。黑河與白河是該濕地中最大的兩條河流，黑河與白河流域的水文模擬研究對于了解流域內(nèi)的水文變化情況具有重要意義。利用黑河若爾蓋水文站和白河唐克水文站2009—2016年的實(shí)測水文數(shù)據(jù)，對黑河與白河流域進(jìn)行SWAT水文模擬。結(jié)果表明：唐克站率定期的決定系數(shù)R2和納什效率系數(shù)Ens分別為0.79和0.73，若爾蓋站率定期的R2和Ens分別為0.72和0.72;驗證期唐克站和若爾蓋站的R2分別為0.77和0.62，Ens分別為0.72和0.61，模擬結(jié)果比較理想;SWAT模型在黑河與白河流域有較好的適用性。

關(guān)鍵詞：黑河與白河流域;SWAT模型;水文模擬

中圖分類號：P343 文獻(xiàn)標(biāo)志碼：A

doi：10.3969/j.issn.1000-1379.2021.10.012

引用格式：奚建梅，楊現(xiàn)坤，呂喜璽，等.基于SWAT模型的黑河與白河流域水文模擬研究

[J].人民黃河，2021，43（10）：60-66，113.

Abstract：The Zoige wetland is the largest peat swamp in China and is rich in natural resources. The Heihe River and Baihe River are the two largest rivers in the wetland. The hydrological simulation of the Heihe River and Baihe River Basins is of great significance for understanding the hydrological changes in the basin. In this study， the SWAT hydrological simulations of the Heihe and Baihe River basins were carried out by using the measured hydrological data from the Heihe Zoige Hydrological Station and the Baihe Tangke Hydrological Station from 2009 to 2016. The results show that the regular decision coefficient R2 and the Nash efficiency coefficient Ens of the Tangke Station rate are 0.79 and 0.73 in the calibration periods， and the R2 and Ens of the Zoige Station rate are 0.72 and 0.72 in the calibration periods， respectively. In the validation periods， the R2 of the Tangke Station and the Zoige Station are 0.77 and 0.62， respectively， and the Ens are 0.72 and 0.61， respectively. The simulation results are ideal. It shows that the SWAT model has good applicability in the Heihe and Baihe River basins.

Key words： Heihe and Baihe River Basin; SWAT model; hydrological simulation

1 引 言

若爾蓋濕地位于青藏高原東部的黃河上游，是黃河源區(qū)的重要組成部分，每年可以為黃河提供其45%的徑流量，當(dāng)之無愧地成了母親河的“蓄水池”[1]。同時，若爾蓋濕地是長江支流白龍江的發(fā)源地和嘉陵江上游水源的重要涵養(yǎng)地，對長江、黃河上游及其支流的水源涵養(yǎng)、水土保持發(fā)揮著重要作用。近年來，受人類活動的影響，若爾蓋濕地的草場退化、植被覆蓋率降低、土地沙漠化較為嚴(yán)重，濕地嚴(yán)重萎縮，濕地內(nèi)部的水沙變化使得若爾蓋濕地的生態(tài)功能嚴(yán)重退化，進(jìn)而導(dǎo)致黃河的水量減少，流量季節(jié)性變化增大，含沙量增加，嚴(yán)重影響了濕地的可持續(xù)發(fā)展。

SWAT（Soil and Water Assessment Tool）模型是20世紀(jì)90年代，在美國農(nóng)業(yè)部農(nóng)業(yè)研究中心Jeff Arnold博士主持下，將SWRRB模型與河道演算ROTO模型進(jìn)行整合而開發(fā)形成的水文模型。SWAT模型自開發(fā)以來，在國外應(yīng)用比較廣泛。Himanshu等[2]應(yīng)用SWAT模型在印度肯河流域準(zhǔn)確地模擬了研究區(qū)的水文和泥沙濃度，為該流域的管理實(shí)踐和農(nóng)業(yè)環(huán)境政策的實(shí)施提供了可靠依據(jù);Hernandez等[3]通過研究發(fā)現(xiàn)，SWAT模型能很好地模擬不同土地利用條件下流域的水文過程;Arnold等[4-5]在美國多個流域應(yīng)用SWAT模型較為準(zhǔn)確地模擬了不同尺度流域的徑流量;Srinivasan等[6]在Richland-Chambers流域應(yīng)用SWAT模型監(jiān)測了該流域的生態(tài)脆弱區(qū)，根據(jù)監(jiān)測模擬的結(jié)果對該流域提出了合理有效控制水土流失的措施。21世紀(jì)以來，國內(nèi)的學(xué)者也開始使用SWAT模型進(jìn)行相關(guān)研究。2002年李碩[7]利用SWAT模型深入研究了流域模擬的空間離散化和參數(shù)化，并在江西瀲水河流域的徑流和泥沙模擬方面取得一定成果;張雪松等[8]利用SWAT模型對黃河中游洛河盧氏水文站以上流域進(jìn)行了產(chǎn)流產(chǎn)沙模擬;王中根等[9]以黑河鶯落峽以上流域為研究區(qū)，利用SWAT模型進(jìn)行徑流模擬，結(jié)果表明模型考慮融雪和凍土對徑流的影響，適用于寒冷地區(qū);胡遠(yuǎn)安等[10]將SWAT模型應(yīng)用于蘆溪小流域，發(fā)現(xiàn)其可以模擬長時間序列的水文過程，相較于短期徑流，對長期徑流的模擬更為準(zhǔn)確。

筆者利用SWAT模型對若爾蓋濕地內(nèi)的黑河與白河流域的徑流狀況進(jìn)行模擬，采用SUFI-2算法，通過模擬值與實(shí)測值的對比來提高模型的精確度，評價SWAT模型在流域的適用性，以更好地了解若爾蓋濕地的徑流變化，推測流域內(nèi)的環(huán)境變化，實(shí)現(xiàn)流域內(nèi)水資源的合理調(diào)配，為保護(hù)濕地做決策提供參考，同時為流域的可持續(xù)發(fā)展和水資源規(guī)劃提供科學(xué)的依據(jù)[11]。

2 研究區(qū)域概況與數(shù)據(jù)來源

2.1 研究區(qū)域概況

黑河與白河流域地處青藏高原東北部若爾濕地東部，位于北緯32°20′—34°16′、東經(jīng)102°11′—103°30′之間，屬四川省阿壩藏族羌族自治州的若爾蓋、紅原和阿壩三縣所轄[12]。黑河與白河流域?qū)儆诖箨懶院疁貛夂騾^(qū)，又是“松潘低壓”常年所在地區(qū)，氣候特點(diǎn)是“冬長、夏無、春秋短”，地面高程在3 400 m以上。年平均氣溫只有0.7～1.1 ℃，極端最低氣溫可達(dá) -33.7 ℃。年平均降水量為640～750 mm，7—9月降水量約占全年降水量的三分之二，是黃河流域年降水量的高值區(qū)之一。

黑河（又稱墨曲）發(fā)源于紅原與松潘兩縣交界岷山西麓的洞亞恰，由東南流向西北，經(jīng)若爾蓋縣，于甘肅省瑪曲縣曲果果芒匯入黃河，河道長456 km，流域面積7 608 km2。白河（又稱嘎曲）發(fā)源于紅原縣壤口鄉(xiāng)與刷經(jīng)寺鎮(zhèn)之間，北流入若爾蓋縣，在唐克鎮(zhèn)北約7 km處匯入黃河，河道長270 km，流域面積5 488 km2。黑河和白河都屬于黃河上游支流，兩河分水嶺低矮，無明顯流域界線，經(jīng)常合在一起稱之為黑河與白河流域，如圖1所示。

2.2 數(shù)據(jù)來源

原始數(shù)據(jù)來源及說明見表1。

3 研究方法

3.1 SWAT模型的原理

SWAT模型由701個方程、1 013個中間變量組成，該模型可以模擬流域內(nèi)多種不同的水循環(huán)物理過程[17]，例如水循環(huán)、泥沙和污染物質(zhì)的遷移等。SWAT模型共有4大模塊：水文模塊、土壤侵蝕與泥沙運(yùn)輸模塊、營養(yǎng)物運(yùn)輸模塊、植物生長和經(jīng)營管理模塊[9]。

本研究應(yīng)用的主要是SWAT模型的水文模塊。流域水循環(huán)可以分為兩個部分：第一部分是陸面水循環(huán)，陸面水文過程控制著每個子流域向河道輸入的水量、泥沙量和營養(yǎng)物量;第二部分是河道的水文過程，它決定著流域內(nèi)主河道向流域出口輸送的水量、泥沙量和營養(yǎng)物量。

SWAT模型中的陸面水循環(huán)可用水量平衡方程[18]來表示：

式中：SWt為土壤最終含水量，mm;SWo為土壤初始含水量，mm;Ri，day為第i天的降水量，mm;Qi，sruf為第i天的地表徑流量，mm;Ei，a為第i天的蒸發(fā)量，mm;Wi，seep為第i天的下滲量，mm;Qi，lat為第i天壤中流量，mm;Qi，gw為第i天的基流量，mm。

在SWAT模型中，利用馬斯京根方程來模擬水流在河道中運(yùn)動的過程，方程中的流速利用曼寧公式計算。

馬斯京根方程如下：

式中：V為河道水量，m3;qin為上游流量，m3/s;qout為下游流量，m3/s;K為河道蓄水時間，s;X為衡量河段出流與入流相互關(guān)系的權(quán)重因子。

其中，K的計算公式為

式中：Lch為河道長度，km;v為流速，m/s。

流速v利用曼寧公式計算：

式中：R為水力半徑，m;slp為底面坡降;n為河道曼寧系數(shù)。

SWAT模型在進(jìn)行徑流模擬時，為了減小下墊面和氣候變化對模擬結(jié)果的影響，采用模塊化設(shè)計思路，通常將研究區(qū)域劃分為若干個子流域單元，水循環(huán)的每一個環(huán)節(jié)對應(yīng)一個子模塊，在每一個網(wǎng)格單元或子流域上應(yīng)用傳統(tǒng)的概念性模型來推求降水量，再進(jìn)行匯流演算，最后得到出口斷面流量[9]。

3.2 SWAT模型的構(gòu)建

3.2.1 土地利用數(shù)據(jù)

土地利用數(shù)據(jù)是SWAT模型的基礎(chǔ)數(shù)據(jù)之一，它影響著降水在陸面的成流過程。本研究的土地利用數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心（2015年中國1∶10萬土地利用現(xiàn)狀遙感監(jiān)測數(shù)據(jù)），通過ArcGIS對土地利用類型進(jìn)行重分類，最終得到研究區(qū)域的8種土地利用類型，如圖2所示。其中最主要的土地利用類型為草地，占研究區(qū)域面積的75.51%，見表2。

3.2.2 土壤數(shù)據(jù)

SWAT模型所需要的土壤數(shù)據(jù)包括土壤類型分布圖和土壤索引表，土壤的物理屬性決定了土壤剖面中水和氣的運(yùn)動情況，對水文響應(yīng)單元中的水循環(huán)起著重要的作用[13]，土壤數(shù)據(jù)是SWAT建模前期處理過程的關(guān)鍵數(shù)據(jù)。本研究采用寒區(qū)旱區(qū)科學(xué)數(shù)據(jù)中心下載的1∶100萬世界土壤數(shù)據(jù)集（HWSD），經(jīng)土壤水文特性軟件SPAW和經(jīng)驗公式等計算出土壤的物理參數(shù)，重分類之后得到研究區(qū)域的土壤類型為13類，如圖3所示。其中松軟薄層土在流域內(nèi)占主導(dǎo)地位，占比為47.700%，其次為松軟潛育土2（占比17.970%）和簡育黑土（占比11.370%），見表3。

3.2.3 氣象數(shù)據(jù)

SWAT模型中的氣象數(shù)據(jù)可選用傳統(tǒng)氣象數(shù)據(jù)和CMADS（中國大氣同化驅(qū)動數(shù)據(jù)集）兩種。張春輝等[19]的研究表明，在SWAT模型中，使用CMADS氣象數(shù)據(jù)的模擬精度要高于使用傳統(tǒng)氣象數(shù)據(jù)的，可以減小模型模擬的不確定性。CMADS可以直接輸入SWAT模型中，不需要任何形式的轉(zhuǎn)換[20]。本研究采用2008—2016年的CMADS V1.1數(shù)據(jù)集，其中數(shù)據(jù)類型包括太陽輻射、相對濕度、氣溫、風(fēng)速和降水，選取覆蓋研究區(qū)域的80個CMADS站點(diǎn)進(jìn)行研究，如圖4所示。按照CMADS說明制作氣象數(shù)據(jù)索引表，以文本格式直接輸入，即完成了SWAT模型所需的氣象數(shù)據(jù)。

3.2.4 徑流數(shù)據(jù)

徑流數(shù)據(jù)采用的是2009—2016年白河唐克水文站和黑河若爾蓋水文站的實(shí)測月尺度數(shù)據(jù)。實(shí)測徑流數(shù)據(jù)主要用于對模擬結(jié)果準(zhǔn)確性的驗證，其中2009—2012年的數(shù)據(jù)是連續(xù)的，2013—2016年少部分月份缺測，在SWAT模型的率定和驗證時，缺測月份的數(shù)據(jù)可直接跳過，對模擬結(jié)果影響不大。

3.3 模型的運(yùn)行以及率定驗證

3.3.1 基于數(shù)字高程模型的子流域的劃分

數(shù)字高程數(shù)據(jù)（DEM）是構(gòu)建SWAT模型的基礎(chǔ)數(shù)據(jù)之一。本研究的DEM原始數(shù)據(jù)來自于地理空間數(shù)據(jù)云下載的GDEMDEM分辨率為30 m數(shù)字高程數(shù)據(jù)，在ArcGIS Desktop中對原始數(shù)據(jù)進(jìn)行拼接、裁剪、投影、水文分析等處理。通過SWAT模型中定義集水區(qū)域的模塊，對研究區(qū)域進(jìn)行子流域以及水文響應(yīng)單元（HRU）的劃分，按照不同的土地利用方式和土壤類型，最終將研究區(qū)劃分為45個子流域、172個HRU，如圖5所示。

3.3.2 模型參數(shù)選擇及敏感性分析

在SWAT模型中，影響產(chǎn)流、匯流的參數(shù)比較多，根據(jù)參數(shù)的定義并參考相關(guān)文獻(xiàn)[21-26]，最終選取13個常用的對徑流影響較大的參數(shù)作為徑流模擬的率定參數(shù)，見表4。

SWAT-CUP包含了2種敏感性分析類型，全局敏感性（Global Sensitivity）和一次一個（one-at-a-time）敏感性分析。全局敏感性分析可以在一次迭代后執(zhí)行，而一次一個敏感性分析一次只執(zhí)行1個參數(shù)[27]。筆者采用全局敏感性分析，經(jīng)過多次迭代計算最終所得結(jié)果見表5和表6。

在全局敏感性分析中，參數(shù)的敏感性分析結(jié)果用T檢驗法來進(jìn)行評價[13]。T檢驗法可以用來確定每一個參數(shù)的相對顯著性，t值給出了參數(shù)敏感性程度，t絕對值越大越敏感;p值決定了敏感性的顯著性，p值越接近0越顯著。

由表5和表6可以看出，對唐克站影響較大的參數(shù)為SOL-K、SOL-BD、ALPHA-BNK、ESCO和CH-N2，對若爾蓋站影響較大的參數(shù)為SOL-K、SOL-BD、ALPHA-BNK、ESCO和CN2，其他參數(shù)對徑流影響均不明顯。其中兩站對徑流影響最為顯著的參數(shù)均為SOL-K（土壤飽和導(dǎo)水率），說明當(dāng)研究區(qū)域內(nèi)的土壤含水飽和時，土壤中單位時間單位面積的含水量對模型有較大的影響。

在兩個水文站中，敏感性較強(qiáng)的參數(shù)基本相同，不同的是CH-N2對于唐克站的影響較大，而對于若爾蓋站并不敏感，對于若爾蓋站影響較大的是CN2。CN2為平均濕度時的SCS徑流曲線數(shù)，CN2越大，流域的徑流總量越大;CH-N2為主河道曼寧系數(shù)，CH-N2越大，流域的匯流速度越慢。兩站不同的主要原因是兩站所處流域土地利用方式存在差異。從圖2可以看出，白河流域主要的土地利用類型為草地、濕地以及林地，黑河流域主要的土地利用類型為草地和濕地。因為白河流域除了草地和濕地之外，還覆蓋有10%的林地，水流阻力較大，匯流速度相對較慢，所以CH-N2在唐克站比較敏感。

3.3.3 模型評價指標(biāo)的選擇

選用決定系數(shù)R2和納什效率系數(shù)Ens作為模型評價的指標(biāo)[14，20，28-32]。決定系數(shù)R2用于評價模擬值和實(shí)測值的關(guān)系，R2=1時表示模擬值與實(shí)測值完全一致，R2越接近1，表示模擬值與實(shí)測值越接近，模擬效果越好。R2的計算公式如下：

式中：Qi為第i次觀測值;Qavr為整個研究期的平均觀測值;Pi為第i次模擬值;Pavr為整個研究期平均預(yù)測（模擬）值;n為實(shí)測數(shù)據(jù)的個數(shù)。

Ens的計算公式如下：

Ens用于評價模擬值和實(shí)測值的偏離程度，Ens越接近1，表示實(shí)測值與模擬值越接近。Ens參數(shù)性能等級見表7[33-35]。

4 結(jié)果與討論

4.1 模型的率定與驗證

選用SUFI-2算法作為率定和驗證的基本算法。SUFI-2算法是一種反演建模法，其參數(shù)的不確定性考慮了所有可能的來源，比如驅(qū)動變量（如降水、氣溫）、模型概念、監(jiān)測數(shù)據(jù)、模型結(jié)構(gòu)等。該方法首先根據(jù)參數(shù)的上下限確定比較大的范圍，而后進(jìn)行多次迭代，根據(jù)新的參考范圍對參數(shù)范圍進(jìn)行調(diào)整，直至獲得理想的迭代結(jié)果，并通過驗證最終參數(shù)的范圍來評估模型在研究區(qū)域的適用性[25]。

模型運(yùn)行時間設(shè)定為2009—2016年。其中，2009—2010年為預(yù)熱期，2011—2014年為率定期，2015—2016年為驗證期。

唐克站和若爾蓋站率定期和驗證期模擬與實(shí)測徑流量對比如圖6和圖7所示，模型適應(yīng)性評價指標(biāo)見表8。從表8可以看出，兩個水文站率定期的決定系數(shù)R2和納什效率系數(shù)Ens均大于0.70，說明月徑流模擬值與實(shí)測值擬合效果很好。參數(shù)率定后，將參數(shù)代入SWAT模型進(jìn)行驗證，驗證期若爾蓋站的R2和Ens都大于0.60，唐克站的R2和Ens都大于0.70，表明SWAT模型在研究區(qū)域適用性比較好。

4.2 結(jié)果分析

從圖6和圖7中可以看出，黑河與白河的流量呈現(xiàn)冬季較小、春季過后逐漸增加、夏季最大的季節(jié)性特點(diǎn)。這是因為該地區(qū)冬季氣溫較低，土壤凍結(jié)，降水多以降雪的形式出現(xiàn)，所以此時以徑流形式匯入河道的水量較小，故而流量較小。隨著春季氣溫的逐漸升高，冰雪消融導(dǎo)致地表徑流逐漸增大，進(jìn)入夏季后氣溫升高、降水增多，且降水多以暴雨的形式出現(xiàn)，進(jìn)入汛期后降水劇增，流量可以達(dá)到一年之中的峰值。但是從圖中可以看出，模型對于夏季汛期流量的模擬較為準(zhǔn)確，春季3—4月的模擬效果不是很理想，原因是SWAT模型采用的是相對簡單的度日因子來計算融雪徑流，不能精確地模擬流域的融雪過程。

驗證期的擬合效果明顯不如率定期，原因是驗證期的數(shù)據(jù)只有2 a，數(shù)據(jù)量少，模型的擬合度較差，從而導(dǎo)致結(jié)果的不準(zhǔn)確。同時，模擬值和實(shí)測值存在一定的偏差，原因是SWAT模型所需的基礎(chǔ)數(shù)據(jù)較多，而黑河與白河流域地處偏僻，獲取高精度基礎(chǔ)數(shù)據(jù)較為困難，例如土地利用數(shù)據(jù)和土壤數(shù)據(jù)的精度分別為1∶10萬和1∶100萬，數(shù)據(jù)精度不夠高也極大地限制了模擬結(jié)果的準(zhǔn)確性，造成了模擬結(jié)果的偏差;而SWAT模型中與徑流相關(guān)的參數(shù)有很多，不同參數(shù)的選擇也會對模擬結(jié)果產(chǎn)生一定的影響?？傮w上看，汛期實(shí)測值普遍略大于模擬值，原因是汛期降水多、氣溫高、地表蒸散量較大，淺層地下水會相應(yīng)地補(bǔ)償河水，而SWAT模型對于地下水的補(bǔ)償機(jī)制考慮不足，導(dǎo)致汛期模擬值較實(shí)測值偏小。

總體看來，研究區(qū)域徑流模擬值和實(shí)測值的趨勢基本一致，能夠較好地反映流量的年內(nèi)分布情況，說明SWAT模型適用于黑河與白河流域的水文模擬。

5 結(jié) 語

通過對若爾蓋濕地黑河與白河流域的水文模擬，表明SWAT模型在該地區(qū)有很好的適用性，能夠較為準(zhǔn)確地模擬研究區(qū)域的徑流情況，研究結(jié)果可為流域未來的可持續(xù)發(fā)展和水資源規(guī)劃管理提供科學(xué)依據(jù)。

模型的徑流模擬結(jié)果與實(shí)測徑流數(shù)據(jù)存在一定的誤差，主要原因可能是實(shí)測徑流數(shù)據(jù)時間尺度較小、數(shù)據(jù)庫構(gòu)建時基礎(chǔ)數(shù)據(jù)不精確、不同徑流參數(shù)的選擇以及融雪因素等。

汛期降水多，徑流量大，模擬時的誤差較小，模型對于汛期的擬合度較好，而汛期實(shí)測值略微大于模擬值原因是SWAT模型對于地下水的補(bǔ)償機(jī)制考慮不足。

由于研究區(qū)實(shí)測數(shù)據(jù)難以獲取，因此只利用月尺度數(shù)據(jù)進(jìn)行了模擬，缺乏對日尺度數(shù)據(jù)的分析和預(yù)測，今后可以對日尺度進(jìn)行研究。同時，隨著GIS的不斷發(fā)展，可獲取更高精度的基礎(chǔ)數(shù)據(jù)，在模型原有的基礎(chǔ)上對融雪模塊和地下水補(bǔ)償機(jī)制進(jìn)行改進(jìn)，可使研究結(jié)果更加科學(xué)可信。

參考文獻(xiàn)：

[1] 王建兵，王素萍，汪治桂.1971—2010年若爾蓋濕地潛在蒸散量及地表濕潤度的變化趨勢[J].地理科學(xué)，2015，35（2）：245-250.

[2] HIMANSHU S K， PANDEY A， SHRESTHA P. Application of Swat in an Indian River Basin for Modeling Runoff， Sediment and Water Balance[J].Environmental Earth Sciences，2017，76（1）：3.

[3] HERNANDEZ M， MILLER S N， GOODRICH D C， et al. Modeling Runoff Response to Land Cover and Rainfall Spatial Variability in Semi-Arid Watersheds[J].Environmental Monitoring & Assessment，2000，64（1）：285-298.

[4] ARNOLD J G， ALLEN P M. Automated Methods for Estimating Baseflow and Ground Water Recharge from Streamflow Records[J].Jawra Journal of the American Water Resources Association，2010，35（2）：411-424.

[5] ARNOLD J G， ALLEN P M. Estimating Hydrologic Budgets for Three Illinois Watersheds[J].Journal of Hydrology，1996，176（1）：57-77.

[6] SRINIVASAN R， ARNOLD J G， JONES C A. Hydrologic Modelling of the United States with the Soil and Water Assessment Tool[J].International Journal of Water Resources Development，1998，14（3）：315-325.

[7] 李碩.GIS和遙感輔助下流域模擬的空間離散化與參數(shù)化研究與應(yīng)用[D].南京：南京師范大學(xué)，2002：76-92.

[8] 張雪松，郝芳華，楊志峰，等.基于SWAT模型的中尺度流域產(chǎn)流產(chǎn)沙模擬研究[J].水土保持研究，2003，10（4）：38-42.

[9] 王中根，劉昌明，黃友波.SWAT模型的原理、結(jié)構(gòu)及應(yīng)用研究[J].地理科學(xué)進(jìn)展，2003，22（1）：79-86.

[10] 胡遠(yuǎn)安，程聲通，賈海峰.非點(diǎn)源模型中的水文模擬：以SWAT模型在蘆溪小流域的應(yīng)用為例[J].環(huán)境科學(xué)研究，2003，16（5）：29-32.

[11] 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.

[12] 趙資樂.黃河上游黑河、白河流域水沙規(guī)律[J].甘肅水利水電技術(shù)，2005，41（4）：336-338.

[13] 陳祥，劉衛(wèi)林，熊翰林，等.SWAT模型在贛江流域徑流模擬中的應(yīng)用研究[J].人民珠江，2018，39（12）：31-35，53.

[14] 金浩宇，李思言，徐堅.SWAT模型在尼洋河流域的應(yīng)用研究[J].人民珠江，2018，39（12）：1-6.

[15] 孟現(xiàn)勇，師春香，劉時銀，等.CMADS數(shù)據(jù)集及其在流域水文模型中的驅(qū)動作用：以黑河流域為例[J].人民珠江，2016，37（7）：1-19.

[16] 喻曉，馬孝義，蔡朵朵.基于SWAT模型的合理亞流域劃分和徑流模擬[J].中國農(nóng)村水利水電，2017（11）：20-25.

[17] 李峰，胡鐵松，黃華金.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.

[18] 王威娜.變化環(huán)境下錫林河流域徑流變化特征及時序演變模擬[D].呼和浩特：內(nèi)蒙古農(nóng)業(yè)大學(xué)，2018：52-53.

[19] 張春輝，王炳亮.CMADS與傳統(tǒng)氣象站數(shù)據(jù)驅(qū)動下的SWAT模型模擬效果評價：以苦水河流域為例[J].中國農(nóng)村水利水電，2018（6）：52-57.

[20] 孫賀陽.基于SWAT模型塔布河流域水文模擬與預(yù)測[D].呼和浩特：內(nèi)蒙古大學(xué)，2018：27-30.

[21] 陳成廣，李晶晶，滕凱玲，等.基于SWAT模型的紹興城市徑流時空演變規(guī)律分析[J].水文，2017，37（4）：29-34.

[22] 王宏偉，韓露，王曉蕊，等.基于SWAT模型的細(xì)河流域徑流模擬研究[J].遼寧師范大學(xué)學(xué)報（自然科學(xué)版），2017，40（4）：558-562.

[23] 張愛玲，王韶偉，汪萍，等.基于SWAT模型的資水流域徑流模擬[J].水文，2017，37（5）：38-42，26.

[24] 楊靜媛，郗林.基于SWAT的灃河流域水文特征研究[J].陜西水利，2018（3）：46-49.

[25] 陳曉麗，黃國如.基于SWAT模型的北江飛來峽流域徑流模擬[J].水資源與水工程學(xué)報，2017，28（5）：1-7.

[26] 王權(quán)威.氣候變化對碧流河流域徑流的影響研究[D].太原：太原理工大學(xué)，2018：11-18.

[27] 朱燁，方秀琴，王凱.基于SWAT模型的延河流域月徑流量模擬分析[J].長江科學(xué)院院報，2016，33（10）：41-45.

[28] 達(dá)瓦次仁.基于SWAT模型的拉薩河流域水文模擬研究[D].北京：清華大學(xué)，2015：25-28.

[29] 劉柏君，權(quán)錦，楊超慧，等.基于SWAT模型的青海省主要流域徑流模擬[J].水資源保護(hù)，2016，32（6）：39-44.

[30] 劉衛(wèi)林，葉詠，朱圣男，等.基于SUFI-2算法的SWAT模型在撫河臨水流域徑流模擬中的應(yīng)用[J].水利規(guī)劃與設(shè)計，2018（10）： 57-61.

[31] 艾力江·克力木.基于SWAT模型的葉爾羌河流域徑流分析[J].水利科技與經(jīng)濟(jì)，2016，22（7）：95-98.

[32] 李宗華.基于SWAT模型的漳河上游流域徑流模擬研究[D].邯鄲：河北工程大學(xué)，2015：32-40.

[33] 潘登，任理，劉鈺.應(yīng)用分布式水文模型優(yōu)化黑龍港及運(yùn)東平原農(nóng)田灌溉制度Ⅰ：模型參數(shù)的率定驗證[J].水利學(xué)報，2012，43（6）：717-725.

[34] 呂樂婷，彭秋志，郭媛媛，等.基于SWAT模型的東江流域徑流模擬[J].自然資源學(xué)報，2014，29（10）：1746-1757.

[35] MORIASI D N， ARNOLD J G， LIEW M W V， et al. Model Evaluation Guidelines for Systematic Quantification of Accuracy in Watershed Simulations[J].Transactions of the Asabe， 2007，50（3）：885-900.

【責(zé)任編輯 張 帥】