第16章SWAT模型1 - 图文

第16章 SWAT模型

16.1 概述

SWAT（Soil and Water Assessment Tool）（Arnold et al., 1998; Neitsch et al., 2002）是由美国农业部农业研究中心(USDA-ARS）开发的流域尺度模型。模型开发的目的是在具有多种土壤、土地利用和管理条件的复杂流域，预测长期土地管理措施对水、泥沙和农业污染物的影响。SWAT模型经历了不断的改进，很快便在水资源和环境领域中得到广泛承认和普及。Bera et al.（2003）称之为在农业和森林为主的流域具有连续模拟能力的最有前途的非点源模型。模型主要组成部分包括气候、水文、土壤温度和属性、植被生长、营养物、杀虫剂和土地管理等。

本章首先介绍了SWAT模型的发展历史和基本结构，然后从水文评估、污染物流失、气候变化影响、洪水短期预报、敏感性分析、率定和不确定性分析、模拟关键影响因素及与其他模型的比较和耦合等方面详细介绍了SWAT模型的最新研究进展，进而分析了模型特点，并提出今后研究的展望，最后结合黄河河源区气候变化对水文循环影响的研究案例详细介绍了SWAT模型的具体应用。

16.2 模型发展历史

16.2.1 模型的发展与改进

SWAT主要基于SWRRB，并且吸取了CREAMS、GLEAMS、EPIC和ROTO的主要特征。SWAT作为一种非点源模型已被并入BASINS（Better Assessment Science Integrating

point and Nonpoint Sources）。BASINS由美国环保局（USEPA）开发，其主要目的是在

全国范围内分析和制定最大日负荷(Total Maximum Daily Loads, TMDL）的标准和指导方针。

SWAT模型自90s初开发以来，已经经历了不断的回顾和扩展。模型主要的改进版本为： ⑴ SWAT94.2：添加了水文响应单元（HRUs）。

⑵ SWAT96.2：添加了自动施肥和自动灌溉；添加了冠层存储；添加了CO2模块以模拟气候变化对作物生长的影响；Penman-Monteith潜在蒸散发方程；基于动力存储模型的层间流；河道内营养物水质方程QUAL2E；河道内杀虫剂演算。

⑶ SWAT98.1：改进融雪演算；河道水质模型改进；营养物循环演算扩展；放牧、粪肥使用和瓦管排水；修改模型以适用于南半球。

1

⑷ SWAT99.2：改进营养物循环，稻田/湿地演算改建，水库/池塘/湿地营养物沉淀去除；河岸存储；河道重金属演算；将年的参考从2位变为4位；SWMM模型的城市累积/冲刷和USGS回归方程。

⑸ SWAT2000：细菌输移演算；Green & Ampt下渗；改进天气生成器；允许太阳辐射、相对湿度和风速的读入或生成；允许潜在ET值的读取或计算；所有潜在ET方法的回顾；高层带过程改进；允许模拟无数个水库；Muskingum演算；修正的休眠计算以适用于热带地区。

⑹ SWAT2005：改进了杀虫剂输移模块；增加了天气预报情景分析；增加了日以下步长的降水量生成器；使在计算每日CN值时使用的滞留参数可以是土壤水容量或者植物蒸散发的函数；增加了敏感性分析和自动率定与不确定性分析模块。

SWAT模型有一定的适用范围，在具体应用时要进行改进和提高，目前其主要的改进形式有SWIM、SWATMOD、SWAT-G和E-SWAT等。SWIM模型的开发目的是为中尺度流域(100-10000 km2)水文和水质模拟提供一个综合性的工具。它基于SWAT模型和MATSALU模型，并且与GRASS集成。SWIM利用MATSALU提供的三种层次流域分解方法和N模块，使之在区域尺度上更易应用并且增强了模拟能力。由于SWAT模型在地下水模块采用的是集总式的，因此Krysanova et al.（1998）结合SWAT模型和MODFLOW模型的长处，开发出SWATMOD模型，应用于美国Kansas的Rattlesnake Creek流域。Eckhardt et al.（2002）在研究德国中部低山地区时，基于研究区域主要为陡坡和浅层土壤含水层覆盖在坚硬的岩石上，地下水对径流的贡献相对较小，产流形式以壤中流为主的特点，修正了SWAT模型中渗透和壤中流的计算公式，开发出了SWAT-G模型。van Griensven et al.（2001）在研究比利时的Dender流域时，把QUAL2E模型集成到SWAT中，增强了SWAT模型的水质模拟功能，开发出了ESWAT模型。图16-1列出了SWAT模型的主要发展过程。

2

QUAL2E GLEAMS 杀虫剂 应用实例 ESWAT 河道内动力学 SWAT-G GREAMS 日降雨水文 SWRRB SWAT SWIM EPIC 植被生长 演算结构 SWATMOD ROTO

图16-1 SWAT模型开发历史示意图（包括模型改进）（Gassman et al., 2006）

16.2.2 模型的GIS界面及其它工具

SWAT模型与GIS和其他界面工具相结合是与模型发展历程相平行的另一个趋势，以支持地形、土地利用、土壤等空间信息数据的输入（Gassman et al., 2006）。为SWAT模型开发的第一个GIS界面程序是建立在栅格数据基础上的SWAT/GRASS。Haverkamp et al.（2005）在输入输出SWAT（IOSWAT）软件包中采用了SWAT/GRASS，同时与地形参数工具（TOPAZ）相结合，为SWAT和SWAT-G模型提供了输入和输出数据的制图支持。

AVSWAT界面设计用于从ArcView 3.x GIS数据层生成模型输入，并在同样结构下运行SWAT2000。AVSWAT-X提供了另外的输入生成器，应用SWAT2005时可从USDA-NRCS的州土壤地理数据库（STATSGO）和土壤调查地理数据库（SSURGO）输入土壤数据（Di Luzio et al., 2005）。AGWA（Automated Geospatial Watershed Assessment）界面评价工具也是一个基于ArcView的界面工具，为SWAT2000和KINEROS2模型提供输入数据，包括从SSURGO、STATSGO或美国粮农组织（FAO）全球土壤数据输入土壤数据等。AGWA和AVSWAT均被并入BASINS软件包中，可为SWAT2000提供输入数据（Di Luzio et al., 2002）。

最近，在满足成分目标模型（COM）协议基础上应用地理数据库方法及其设计结构，开发了与ArcGIS 9.x集成的SWAT界面（ArcSWAT）（Olivera et al., 2006），同时也已开发了ArcGIS 9.x AGWA（AGWA2）（USDA-ARS, 2007）。

为支持SWAT模型开发了许多其他工具（Gassman et al., 2006），包括：⑴ 交互式SWAT（i_SWAT）软件通过Windows界面的Access数据库支持SWAT模拟；⑵ 资源保护计划决策支持系统（CRP-DSS）；⑶ Kannan et al.（2007b）使用的自动运行系统为SWAT模型的参

3

数选择提供了便利；⑷ 一般界面（iSWAT）程序为SWAT参数率定过程中的反复迭代运算提供了自动运行程序。

16.3 模型基本结构

SWAT用于模拟地表水和地下水的水质和水量，长期预测土地管理措施对具有多种土壤、土地利用和管理条件的大面积复杂流域的水文、泥沙和农业化学物质产量的影响，主要含有水文过程子模型、土壤侵蚀子模型和污染负荷子模型（郝芳华等，2006）。

16.3.1 水文模型

水平衡在SWAT流域模拟中十分重要，流域的水文模拟，可以分为两个主要部分。第一部分为水文循环的陆地阶段（如图16-2所示），控制进入河道的水、泥沙和营养物、杀虫剂的量。第二部分为水文循环的河道演算阶段，可以定义为水、泥沙等在河道中运动至出口的过程。

图16-2 水文循环陆面部分结构示意图

16.3.1.1 水文循环的陆地阶段

SWAT模型水文循环陆地阶段主要由7个部分组成：气候、水文、泥沙、作物生长、土壤温度、营养物、杀虫剂和农业管理。模拟的水文循环基于水量平衡方程：

tSWt?SW0??(Ri?1day?Qsurf?Ea?Wseep?Qgw) （16-1）

式中，SWt为土壤最终含水量（mm），SW0为土壤前期含水量（mm），t为时间步长（day），Rday为第i天降雨量（mm），Qsurf为第i天的地表径流（mm），Ea为第i天的蒸发量（mm），Wseep为第i天存在于土壤剖面底层的渗透量和侧流量（mm），Qgw为第i天地下水含量（mm）。

⑴ 天气和气候

流域气候提供了湿度和能量输入，这些因素控制着水量平衡，决定了水文循环不同过程

4

的相对重要性。SWAT需要的气候变量有：日降水、最高/最低温度、太阳辐射、风速和相对湿度。模型可以读入实测数据，也可以通过天气发生器在模拟过程中生成。SWAT模型采用偏态马尔科夫链模型或指数马尔科夫链模型生成日降水，气温和太阳辐射采用正态分布产生，修正指数方程用来生成日平均风速，相对湿度模型采用三角分布，并且气温、辐射和相对湿度均根据干湿日进行调整。SWAT模型根据日平均气温将降水分为雨或冻雨/雪，并允许子流域按照高程带分别计算积雪覆盖和融化。

⑵ 水文

降水在降落过程中，可能被截留在植被冠层或者直接降落到土壤表面。土壤表面的水分将下渗到土壤剖面或者产生坡面径流。坡面流的运动相对较快，很快进入河道，产生短期河流响应。下渗的水分可以滞留在土壤中，然后被蒸散发，或者通过地下路径缓慢地运动到地表水系统。其中涉及的物理过程包括：冠层存储、下渗、再分配、蒸散发、侧向地下径流、地表径流和回归流等，详见图16-2，各物理过程的具体描述详见文献（郝芳华等，2006）和文献（Neitsch et al., 2002）。

⑶ 土地利用/植被生长

SWAT模型采用简化的EPIC植物生长模型来模拟所有植被覆盖类型。模型能够区分一年生和多年生植物。一年生植物从种植日期生长到收获日期，或直到累积的热量单元等于植物的潜在热量单元；多年生植物全年维持其根系系统，在冬季月份中进行休眠；当日平均温度超过基温时，重新开始生长。植物生长模型用来评价水分和营养物质从根系区的迁移、蒸发及生物产量。

⑷ 侵蚀

对每个HRU的侵蚀量和泥沙量采用修正的通用土壤流失方程（MUSLE）进行计算。USLE使用降雨量作为侵蚀能量的指标，而MUSLE采用径流量来模拟侵蚀和泥沙产量。这种替代的好处在于：提高模型的预测精度，减少对输移比的要求，并能够估算单次暴雨的泥沙产量。

水文模型支持径流量和峰值径流率，结合子流域面积，可以用来计算径流侵蚀力。 ⑸ 营养物质

SWAT模型能够跟踪流域内几种形式的氮和磷的运动和转化，在土壤中氮从一种形态到另一种形态的转化是由氮循环来控制的，同样土壤中磷的转化由磷循环来控制。营养物可以通过地表径流和层间流进入河道，并在河道中向下游输移。

⑹ 杀虫剂

SWAT模型模拟地表径流携带杀虫剂进入河道（以溶液或吸附在泥沙的形式），通过渗

5

漏进入土壤剖面和含水层（在溶液中）。水循环陆地阶段的杀虫剂运动模型由GLEAMS模型改进而来。

⑺ 农业管理

SWAT模型可以在每个HRU中，根据采用的管理措施来定义生长季节的起始日期、规定施肥的时间和数量、使用农药和进行灌溉以及耕作的日程。在生长季节结束时，生物量可以从HRU中作为产量去除或者作为残渣留在地表。除了这些基本的管理措施外，还包括了放牧、自动施肥和灌溉，以及每种可能的用水管理选项。对土地管理的最新改进是集成了计算来自城市面雨区的泥沙和营养物负荷。

16.3.1.2 水文循环的河道演算阶段

一旦SWAT模型确定了主河道的水量、泥沙量、营养物质和杀虫剂的负荷后，使用与与HYMO相近的命令结构来演算通过流域河网的负荷。为了跟踪河道中的物质流，SWAT模型对河流和河床中的化学物质的转化进行模拟。

SWAT模型水文循环的演算阶段分为主河道和水库两个部分。主河道的演算主要包括河道洪水演算、河道沉积演算、河道营养物质和杀虫剂演算等；水库演算主要包括水库水平衡和演算、水库泥沙演算、水库营养物质和农药演算。

⑴ 主河道的演算

河道洪水演算：随着水流向下游流动，一部分通过蒸发及在河道中的传播而损失，另一部分通过农业或人类用水而消耗。水流可以通过直接降水或点源排放得到补充。河道的流量演算可以采用变量存储系数法或Muskingum法计算。

河道沉积演算：沉积演算模型包括同时运行的两个部分（沉积和降解），沉积部分依靠沉降速度，降解部分依靠Bagnold的河流功率概念。

河道营养物质演算：河流中营养物质的转化由河道内水质模块控制。SWAT应用的河道内动力学修改自QUAL2E模型。模型模拟溶解态营养物和吸附态营养物，溶解态营养物与水一起输移，而吸附态营养物允许随泥沙沉积在河床。

河道杀虫剂演算：SWAT采用的模拟杀虫剂运动和转化的算法来自GLEAMS模型，与营养物相似，总河道杀虫剂负荷被分为溶解态和吸附态部分。

⑵ 水库演算

水库水平衡：包括入流、出流、表面降水、蒸发、库底渗漏、引水和回归流等。 出流演算：模型提供了3种方法估算水库出流。第一种为简单的读入实测出流，让模型模拟水平衡的其他部分；第二种针对不受控制的小水库设计，当水库容量超过常规库容时，

6

以特定的释放速率发生出流，超过防洪库容的部分在一天内被释放。第三种针对有管理的大水库设计，采用月目标水量方法。

泥沙演算：水库的入流沉积量用MUSLE方程计算。出流的泥沙量为出流水量和泥沙浓度的乘积，出流浓度根据入流量和浓度的简单连续性方程来估算。

水库营养物质和农药演算：使用Thomann和Mueller的简单磷物质平衡模型，模型假定湖泊或水库内物质完全混合，可以用总磷来衡量营养状态。

16.3.2 土壤侵蚀模型

降雨径流产生的侵蚀采用修正的通用土壤流失方程（MUSLE）计算，公式为：

Y?11.8(Q?pr)0.56KUSLE?CUSLE?PUSLE?LSUSLE （16-2）

式中：Y为土壤侵蚀量（t）；Q为地表径流（mm）；pr为洪峰径流（m3/s）；KUSLE为土壤侵蚀因子；CUSLE为植被覆盖和作物管理因子；PUSLE为保持措施因子；LSUSLE为地形因子。

sed?11.8??Qsurf?qpeak?areahru?0.56?KUSLE?CUSLE?PUSLE?LSUSLE?CFRG （16-3）

式中：sed 为土壤侵蚀量（t），Qsurf 为地表径流（mm），qpeak 为洪峰径流（m3/s），areahru 为HRU面积（ha），KUSLE为土壤侵蚀因子；CUSLE为植被覆盖和作物管理因子；PUSLE为保持措施因子；LSUSLE为地形因子，CFRG 为粗碎屑因子。各因子的计算方法详见文献（郝芳华等，2006）和文献（Neitsch et al., 2002）。

16.3.3 污染负荷模型

SWAT模型可以模拟不同形态氮的迁移转化过程，地表径流流失、入渗淋失、化肥输入等物理过程，有机氮矿化、反硝化等化学过程以及作物吸收等生物过程，氮可以分为有机氮、作物氮和硝酸盐氮三种化学状态，氮的生物固定、有机氮向无机氮的转化以及溶解性氮随侧向壤中流的迁移等过程，有机氮又被划分为活泼有机氮和惰性有机氮两种状态，以及氨态氮挥发过程的模拟（图16-3）。

7

无机氮 腐殖质 有机氮肥 有机氮 残留 反硝化作用 挥发 无机氮肥 植物 NH4 硝化作用 NO3 矿化 活性 稳态 降解 残留 矿化

图16-3 SWAT模型模拟氮循环示意图（Neitsch et al., 2002）

磷可以分为腐植质中的有机磷、不可溶解的无机磷和植物可利用的土壤溶液中的磷三种化学状态。磷可以通过施肥、粪肥和残余物施用等方式添加到土壤，通过植物吸收和侵蚀从土壤中移除。与高活性的氮不同，磷的溶解性在大多数环境中是有限的。磷可以与其他离子结合形成一些不可溶的化合物从溶液中沉淀。这些特性使得磷在土壤表面累积，从而易于地表径流的传输（图16-4）。

无机磷 腐殖质 有机磷肥 有机磷 残留 无机磷肥 植物 稳定 活泼 溶解态 矿化 活泼 稳定 降解 矿化 残留

图16-4 SWAT模型模拟磷循环示意图（Neitsch et al., 2002）

SWAT模型中河道水质模型部分采用QUAL2E模型计算。在有氧水体中，有机氮可以一步一步转化为氨氮、亚硝酸盐和硝酸盐。有机氮也可以通过沉淀去除。磷循环与氮循环相似。藻类的死亡将藻类磷转化为有机磷，有机磷被矿化为可被藻类吸收的溶解态磷，有机磷也可以通过沉淀去除。营养物的具体迁移转化过程详见文献（Neitsch et al., 2002）。

16.4 模型应用进展

过去几十年SWAT模型被广泛应用于世界不同区域，多数是为了满足政府部门的需要，尤其在美国和欧盟，针对人类活动、气候变化或其他因素对大范围水资源的影响进行直接评

8

价或对模型未来应用的适用性进行探测性评价（Gassman et al., 2006）。具体来说，SWAT模型在流域水文平衡、长期地表径流以及日均径流等方面得到了广泛的应用，在泥沙产量、农药输移、非点源污染等方面也得到了初步应用（郝芳华等，2006）。

SWAT模型应用的文献中，经同行评议的文章主要分为八类（如表16-1所示），可进一步定义为只有水文类、水文和污染负荷类或只有污染负荷类。SWAT模型官方网站提供了完整的经同行评议的文章清单，并且及时更新。

表16-1 文献a中SWAT主要应用研究类型总结（Gassman et al., 2006）

初步应用分类 率定和/或敏感性分析

气候变化影响 GIS界面描述 水文评估

结构变化或数据输入响应 与其他模型/方法的比较 与其他模型集成的界面

污染物评估

a

只有水文类

14 21 3 42 20 5 13 -

水文和污染负荷类

20 8 3 - 15 7 15 56

只有污染负荷类

2 - 2 - - 1 6 6

包含描述ESWAT、SWAT-G、SWIM和其他SWAT改进模型的应用文章

为了解SWAT模型在国内外的最新进展和动态，庞靖鹏等（2007）选出12个国外和10个国内具有代表性的SWAT模型应用实例，对其流域位置、面积、模型的率定和验证、BMPs或者其它用途进行了归纳和总结（见表16-2和表16-3）。同时，本研究针对不同的应用研究类型，分别总结了SWAT模型的最新研究进展，详见以下分析。

表16-2 国外SWAT模型应用总结

流域 conterminous U.S.[95]。

模型率定 None 模型验证

20年，各州平均年径流，r2为0.78(b=0.95)；78,863个STATSGO土壤分类多边形内产生的平均年径

2

流，r为0.66(b=1.01)。

Hico站点，1998年，月流量、泥沙量、有机N、有机P、无机N和无机P的ENS为0.70-0.87。

BMPs或者 其它用途 None 评论

表明大尺度的水文平衡可以采用连续模型模拟。

North Bosque River Watershed in U.S.[96]; 4,277 km2.

Aar River in Germany[97]; 59.8 2km.

Hico站点，月流量、泥沙量、有机N、有机P、无机N和无机P的ENS为0.58-0.80，r2分别为0.60-0.81。

Valley Mills站点略。 已率定，可参见(Fohrer et al., 1999)。

4个情景来模拟不同的BMP下无机P污染负荷。

SWAT能够预测流量、泥沙

和营养物并用来研究不同的管理情景的影响。

日径流r和ENS分别为0.80和0.63。 SWAT模块

用来计算水文平衡项。

Dender River in

[98]

Belgium; 1384 2km. Dietzh?lze catchment German[99]; km2.

日流量，1986-1987，ENS为0.86。

日流量，1988-1989，ENS为0.88。

in 81

采用SWAT99.2，ENSNone 为-0.17；采用SWAT-G，ENS为0.76。

对温度、

BOD和O2等水质指标进行模拟。 None

农业经济模型ProLand、生态模型ELLA和水文模型SWAT集成，研究土地利用变化对景观结构和功能的影响。

采用ESWAT(Extended SWAT)模型，增加了QUAL2E水质模块。 开发出SWAT-G模型，对SWAT模型进行改进，使之可以更好地适用于低山地区。

9

Little Washita River

experimental Watershed in U.S.[70]; 610 km2. Nagwan watershed India[100]; km2.

in 90.23

LWREW-526和LWREW-550 (集水区面积分别为160和538km2)，日径流量ENS分别为0.60和0.40。 已率定，未说明。

Dill catchment in

[101]

Germany; 692 2km.

Vantaanjoki catchment in Finland[102]; 1680 km2.

Blue river watershed in U.S.[23]; 1233 km2. Medjerda river basin in Tunisia[103]; 16000 2km.

Asslar站点(流域出口)，日泥沙量、TN和TP，ENS分别为0.56、0.42和0.26；r2分别为0.83、0.73和0.78。 Hanala站点(集水区面积295 km2)，日流量、TP和TN的ENS分别为0.81、0.59和0.74。 1994-2000，24次降雨事件，除了2次ENS较低外都超过0.72。 Fernana、Rarai和Sidi Mediene站点，月流量，ENS范围0.31-0.65。

LWREW-522(流域出口)，对三个时段进行率定，分别代表干、平均和湿三种气候条件，日ENS分别为0.55、0.59和-0.06。

LWREW-526和LWREW-550略 日径流和泥沙量，Dv分别为4.6%和14.3%，r2分别为0.91和0.89， ENS分别为0.87和0.89；日有机N、TP、NO3-N和可溶解P，DV分别为15.8%、11.7%、3.7%和12.5%；r2分别为0.82、0.86、0.89和0.82。 Asslar站点(流域出口)，日泥沙量、TN和TP的ENS分别为分别为0.74、0.77和0.09；r2分别为0.89、0.88和0.58。

Outlunkyla站点(流域出口)，日流量、TP和TN，ENS分别为0.66、0.51和0.44。

其它三个站点略。 None

None

在此流域上SWAT具备针对不同的气象条件下进行水文研究的能力。

非点源污染关键区的确定。 SWAT模型在小的农业流域模拟效果好，可用于非点关键区识别。

对ProLand模型生成的9个土地利用情景进行模拟。

计算了流域中N和P的滞留。 None

通过三个子流域上对日流量进行率定和验证，把确定的3个参数集合成一个最优参数集应用于整个流域。 通过与传统的统计方法对比，验证了SWAT的预测准确性。

采用NEXRAD降雨数据和公式化的率定方法，以改善小时步长的SWAT模拟。 对水流的模拟效果很好，由缺少详细的降水资料和水库管理信息，降低了对水质的模拟效果。

对关键区采取BMPs会有效控制非点源污染。

Kapgari watershed 日径流量、泥沙量、

[104]

in India; 9.73 NH3-N和TP的r2为2km. 0.92-0.94； ENS为

0.83-0.92。

Bou Salem站点(流域出口)，日流量，通过2个情

2

ENS和r分别为0.23和0.44； 景来模拟不其它三个站点略。 同管理措施

对水质的影响。

日径流量、泥沙量、NH3-N和TP的确定非点源r2为、0.87-0.94；ENS分别为污染关键区0.83-0.89。 及BMPs。

注：未注明b均等于1。

表16-3 国内SWAT模型应用总结

流域

模型率定

1992-1997月径流量、泥

沙量，Dv，r2和ENS分别为-6.5%，0.87和0.86；

2

Dv，r和ENS分别为10.2%，0.70和0.70。

模型验证

1998-1999，月径流量，Dv、r2和ENS分别为14.6%、0.85和0.83；泥沙量Dv、r2和ENS分别为-15.1%，0.98和0.94。

BMPs或者其它用途 不同化肥施用水平和水土保持措施的情景模拟。 化肥施用水平不同管理情景模拟。

评论

分析了亚流域划分数量对模型模拟结果的影响；分析了土地利用变化和降雨的空间不确定性对模拟产流量和产沙量的影响。 利用SWAT模型对非点源污染负荷进行计算，认为合理施肥对减少非点源有重要意义。 SWAT能够有效地模拟长时间序列的水文过程，但随着时间步长的缩短，模拟精度降低，尤其是对日径流量的模拟存在着系统性的误差。

模拟结果表明气候变化是引起黄河河源区径流变化的主要原因。

SWAT在结构上考虑了融雪和冻土对水文循环的影响，适用于我国西北寒区。

模拟了该流域80年代土地利用和土地覆盖变化下的水文效应。 通过SWAT模型与集总式水文模型CHARM运行结果比较，前者误差较小。

SWAT模型通过率定能够较好地模拟高海拔山区流域多水源径流的水文过程。 通过SWAT求解出地下水入渗

黄河下游支流洛河上游

卢氏水文站以上流域[105; 106]2

，4623 km。

潘家口水库上游[107]，34300 km2。

江西芦溪小流域[108]，334 2km。

2000-2001年，月径流量，无信息；三氮(硝酸盐氮、

氨氮和亚硝酸盐氮)和TPNone 的Dv范围为3-25%。 1996-1999年，年径流量，Dv在3%内；月径流量，2

r和Dv分别为0.86和None 15%。一次径流过程(共分257个)，r2为0.85。 1976-1985，月径流量，r2为0.76

1998，日径流量，ENS为0.83。

1981-1984，无信息

1986-1995，月径流量r2为0.76

None

空间大尺度黄河河源区流域[109]，42.8万km2。 黑河干流山区莺落峡以

[110]2

上流域，10009 km。 白河上游云州水库流域[111]2

，1265 km。 长江上游的梭磨河流域[112]

，3015.6 km2。 黑河干流山区流域[113]，

2

10009 km。

河北平原子牙河流域

不同土地覆盖和不同气候条件下情景模拟。 None None 土地利用变化对径流变化的影响。 None None

None

1985，月径流量，ENS为0.79。

1960-1999，径流深，

1980-1984年，月径流量。除有7年ENS在ENS在0.50－0.69。 0.50-0.69年外，其余

0.7-0.89

1990-2000，月径流量，

ENS和r分别为0.88，None 0.91(b=1)。 None None

10

[114]，3.9万km。

2汉江褒河上游江口流域[115]2

，2413 km。

月径流量，1981-1983年，月径流量，1984-1985ENS和r2分别为0.92和年，ENS和r2分别为0.98。 0.94和0.97。

None

量，作为GMS模型的输入，对

地下水资源进行评价。

增加了土壤粒径转换模块和天气发生器(WGEN)数据预处理模块，改进了模型中的WGEN算法、潜在蒸散量模拟算法以及气象参数的空间离散方法，从而使模型的使用效率显著增加。

16.4.1 水文评估

水量平衡模拟是所有SWAT模型流域模拟的基础，通常被描述为几种形式。SWAT模型主要用于对模型水文率定和验证结果的统计分析，尤其是针对流量。更广泛的统计分析已经用于评价SWAT模型水文预测。目前为止在水文率定和验证中应用最为广泛的统计参数为相关系数（R）和Nash-Sutcliffe模型效率（NSE）系数。R表示模拟值与实测值回归线接近理想匹配的程度，其范围为0到1，0代表没有相关，1代表预测值和实测值非常相关（Krause et al., 2005）。非常相关情况下，斜率和截距分别为1和0；斜率和截距一般不做分析。NSE范围从–∞到1。当NSE为1时表示模拟值和实测值间吻合的相当好，当NSE为0或小于0时则表示与模型输出相比实测数据的平均值更接近现实。Krause et al.（2005）进一步讨论了R、NSE以及其他效率标准参数。

Gassman et al.（2006）总结了113个应用SWAT模型进行水文率定和验证结果的评价参数（R2和NSE）。这些参数为更广泛的研究水文模型的模拟能力提供了有意义的参考。迄今为止模型评价没有绝对标准，Moriasi et al.（2007）提出月尺度上评价水文和污染负荷模拟

2

2

2

结果时，NSE的可接受值应该大于0.5（日尺度和年尺度模拟评价时可分别适当放宽和提高评价标准）。遵循这样的标准，Gassman et al.（2006）总结的文献中大部分评价结果令

人满意，但也有部分结果表现不好。

⑴ 率定和验证应用研究

许多学者对SWAT模型水文模块的率定和验证研究在不同尺度上展开，如表16-4所示。Qi and Grunwald（2005）指出SWAT模型通常在流域出口进行率定和验证，其空间分布代表了子流域的水文模式。应用多站点检验SWAT模型率定和验证性能的其他类似研究包括Cao et al.（2006），White and Chaubey（2005），Vazquez-Amábile and Engel（2005）and Santhi et al.（2001a）。

表16-4 SWAT模型水文模块的率定和验证研究

参考文献

Arnold and Allen（1996） Arnold et al.（1999b） Bingner（1996）

研究区

Goose Creek, Hadley Creek, & Panther Creek (Illinois) 35 8-digit watersheds (Texas) Goodwin Creek (Mississibi)

流域面积范围（km2）

122–246 2253–304620 0.05-21.3

11

Govender & Everson (2005) Rosenthal et al.（1995） Rosenthal & Hoffman (1999) Santhi et al.（2001a） Santhi et al.（2006） Srinivasan et al.（1998） van Liew & Garbrecht (2003)

Cathedral Park Research C VI (South Afirica) Lower Colorado River (Texas); Bay City gauge Leon River (Texas) Bosque River (Texas) West Fork (Texas)

Richland-Chambers Reserviour (Texas) Little Washita River (Oklahoma)

0.68 8927 7000 4277 4554 5000 160

⑵ 计算基流和喀斯特地形影响的应用研究

Arnold et al.（1995）和Arnold and Allen（1999）指出数字滤波法可用于从总径流中分割基流和地下径流，该法已广泛应用于SWAT模型的许多研究中（如Arnold et al., 2000; Santhi et al., 2001a; Hao et al., 2004; Kalin and Hantush, 2006; Jha et al., 2007）。喀斯特地形影响下，基流和地下径流模拟效果不能令人满意。Spruill et al.（2000）研究肯塔基州中部卡斯特流域时指出，流域面积对流量贡献比地形边界影响更大一些，Coffey et al.（2004）验证了该结论。Benham et al.（2006）研究密西西比州西南部Shoal Creek喀斯特流域时指出，SWAT模型不能很好的模拟流域异常干旱年的水文特征。为更加准确的模拟喀斯特地形影响下的地下径流情况，Afinowica et al.（2005）和Eckhardt et al.（2002）对SWAT/SWAT-G模型进行了改进，结果表明，改进后的模型效果较好。

⑶ 土壤水、补给、层间流及相关应用研究

Mapfumo et al.（2004）在小流域验证SWAT模型模拟土壤含水量时发现，SWAT模型过高估计了干旱土壤条件下的土壤含水量，而对湿润条件下的土壤含水量则估计不足。但总体上看，SWAT模型能够较好的模拟日尺度下流域的土壤含水量，类似的研究还有Deliberty and Legates（2003）和Narasimhan et al.（2005）。另外，Narasimhan and Srinivasan（2005）进一步研究提出了土壤含水量亏损指数和蒸散发亏损指数。

Arnold et al.（2005）通过不同深度下的土壤含水量计算干旱期的流量，依此验证了SWAT模型的层间流模型。结果表明SWAT模型较好的模拟了层间流的季节趋势，预测的日地表径流与实测值也非常吻合。Sun and Cornish（2005）指出SWAT模型能够结合流域土地利用和土地管理估算回归流。Vazquez-Amábile and Engel（2005）修改了模型代码，把土壤含水量加入每个土壤层，基于DRAINMOD方法将土壤含水量转化为地下水位。因此，地下水位预测加入SWAT模型是非常有意义的。Du et al.（2006）也对SWAT2000的层间流函数进行了改进，修正的模型（SWAT-M）可明显改善平坦农业集中区的层间流和流域预测。Green et al.（2006）改进了SWAT2005的流量程序，改善了层间流区域的水量平衡模拟。

⑷ 与融雪相关的应用研究

12

SWAT模型可以模拟融雪径流，但结果差异较大。Srivastava et al.（2006）指出SWAT模型不能很好的模拟冬季径流，模拟效果较差的研究如Peterson and Hamlett（1998）和Srinivasan et al.（2005）在宾夕法尼亚州东部流域，Chanasyk et al.（2003）在Alberta州三个以草原为主的流域、Wang and Melesse（2005）在明尼苏达州Wild Rice River流域、Benaman et al.（2005）在纽约Cannonsville水库流域等。部分流域的模拟也取得了较好的效果，如Wang and Melesse（2006）在北达科他州Elm River流域。另外，Wu and Johnston（2007）基于干旱条件调整融雪参数在密歇根州Ontonagon River流域的南部支流也取得了较好的效果。可见，融雪径流模拟比较复杂，要取得满意的结果必须综合考虑流域的各种因素并且必要情况下需改进模型的融雪模块，许多学者针对改进方面做了大量工作，以准确再现融雪径流补给为主流域的径流变化特征，并取得了满意的模拟效果。Fontaine et al.（2002）在怀俄明州Wind River流域上游的研究中改进了积雪温度和累积量、融雪和实际覆盖面积的计算公式，并把降水和气温看作高程带的函数；Abbaspour et al.（2007）在瑞士的Thur流域率定了与融雪相关的参数并在模拟中应用了4个高程带；Tolston and Shoemaker（2007）在纽约Cannonsville水库流域改进了SWAT2000，使侧向流可以发生在冻土区，从而改进了冬季流量和春季基流的模拟；基于度-日因子的融雪模块可以考虑不同亚流域土地利用的变化，Francos et al.（2001）在芬兰Karava River流域应用此融雪模块改进SWAT模型取得了满意的流量模拟结果。

⑸ 灌溉和灌丛移除（Brush Removel）情景研究

SWAT模型可以为水资源管理者提供不同情境下规划和管理水资源的有益措施（Gosain et al., 2005）。Santhi et al.（2005）配合不同节水情景提出了新运河灌溉体系；Afinowicz et al.（2005）基于基准期灌丛覆盖和不同灌丛移除情景，评价了植被对半干旱牧区水量平衡的影响，类似研究还有Lemberg et al.（2002）等。

⑹ 考虑湿地、水库和其他蓄水设施的应用研究

Arnold et al.（2001）、Conan et al.（2003b）和Wu and Johnston（2007）应用SWAT模型在湿地流域进行了相应研究。Conan et al.（2003b）指出在西班牙Guadiana River流域上游SWAT模型能够模拟湿地到陆地的转化，但不能再现土地利用变化对流量模拟的具体影响。另有许多学者针对水库（Hotchkiss et al., 2000）、拦截坝（Mishra et al., 2007）和滞洪建筑物（van Liew et al., 2003b）等蓄水设施进行了研究，并得出结论：SWAT模型可以和较好的模拟受蓄水设施影响流域的径流变化，滞洪建筑物可减少平均年径流，并有效减少场次洪水的峰值。另外，Kang et al.（2006）改进了SWAT模型的蓄水机制，在南韩的水稻田区域

13

取得了较好的模拟效果。

⑺ Green-Ampt应用研究

SWAT模型应用中，选择Green-Ampt渗透机制模拟产流的文献很少。许多学者应用SWAT模型时对Green-Ampt方法及曲线数法进行了比较，指出Green-Ampt方法的几点假设不符合实际，如King et al.（1999）在密西西比州的Goodwin Creek流域、Kannan et al.（2007b）在美国一小流域等。

16.4.2 污染物流失研究

有关SWAT的文献中约50%都涉及到一种或几种污染物流失指标。Gassman et al.（2006）总结了37个应用SWAT模型进行污染物流失模拟的研究。尽管模拟精度比水文模拟低，但是多数研究对污染物预测的模拟精度都满足相应标准。然而，也有部分研究模拟效果较差，尤其对于日尺度的模拟，主要原因是输入数据对流域特征的描述不充分（Bouraoui et al., 2002）、未校准的污染物运动模拟（B?rlund et al., 2007）和污染物实测数据的不确定性（Harmel et al., 2006）等。

⑴ 泥沙研究

SWAT模型可以模拟不同尺度流域的泥沙输移。许多学者在美国不同流域做了相应研究如Saleh et al.（2000）、Srinivasan et al.（1998）、Santhi et al.（2001a）和Arnold et al.（1999b）在德克萨斯州、Chu et al.（2004）在马里兰州、Jha et al.（2007）在爱荷华州、Bracmort et al.（2006）在印第安那州、White and Chaubey（2005）和Cotter et al.（2003）在阿肯色州、Hanratty and Stefan（1998）在明尼苏达州、Kirsch et al.（2002）在威斯康星州、Muleta and Nicklow（2005a）在伊利诺斯州南部等；亚洲、欧洲和北非也有类似研究，如Behera and Panda（2006）、Kaur et al.（2004）、Tripathi et al.（2003）和Mishra et al.（2007）在印度，Hao et al.（2004）在中国黄河流域，B?rlund et al.（2007）在芬兰，Gikas et al.（2006）在希腊北部、Bouraoui et al.（2005）在突尼斯北部等。

⑵ 氮磷营养物研究

SWAT模型可以模拟不同尺度流域的营养物流失。Bracmort et al.（2006）和Arabi et al. （2006b）指出SWAT模型可以考虑最佳管理措施（BMPs）对氮、磷流失的影响，并且对月尺度的磷负荷模拟时，一般严重磷流失地区估算值偏低，而轻度磷流失地区估算值偏

高。许多学者在不同流域作了相应研究，如美国（Cerucci and Conrad, 2003; Chaplot et al., 2004;

Chu et al., 2004; Cotter et al., 2003; Di Luzio et al., 2002; Du et al., 2006; Hanratty and Stefan,

14

1998; Jha et al., 2007; Kirsch et al., 2002; Saleh et al., 2000; Saleh and Du, 2004; Santhi et al., 2001a; Stewart et al., 2006; Veith et al., 2005）、印度（Behera and Panda, 2006; Tripathi et al., 2003）、中国（Hao et al., 2004）、芬兰（Bouraoui et al., 2004; Francos et al., 2001; Grizzetti et al. 2003）、法国（Plus et al., 2006）、希腊（Gikas et al., 2006）、瑞士（Abbaspour et al., 2007）、

突尼斯（Bouraoui et al., 2005）等。

⑶ 杀虫剂和表面活性剂研究

许多研究应用SWAT模型进行了杀虫剂和表面活性剂的研究，如Ramanarayanan et al.（2005）在爱荷华州、内部拉斯加州和密西西比州，Vazquez-Amabile et al.（2006）在印第安那州东北部，Kannan et al.（2006; 2007a）在英国等。

⑷ BMP和土地利用情景对污染物流失影响研究

SWAT模型的假定情景模拟可以有效地评估土地利用、BMP或其他因素对污染物流失的影响。主要的研究包括识别流域土壤水管理的关键区（Kaur et al., 2004; Tripathi et al., 2003），研究与肥料和营养物有关的BMPs、牧草收割管理和其他BMPs对流域水质的影响（Santhi et al., 2006; Stewart et al., 2006），研究与日肥料管理和市政废水管道排放有关的BMPs对流域水质的影响（Santhi et al., 2001b），改变耕作习惯及其它合适的BMPs有助于减少泥沙量（Kirsch et al., 2002; Nelson et al., 2005; Vaché et al., 2002），采取无耕作措施、改变氮肥用量、变更土地利用等影响氮流失量（Chaplot et. al., 2004），基于无BMPs、良好条件下BMPs和变化条件下BMPs对流量、泥沙量和总磷的模拟（Bracmort et al., 2006）。

16.4.3 气候变化影响研究

SWAT模型考虑以下因素直接模拟气候变化的影响：⑴ CO2浓度倍增对植被生长和蒸腾的影响；⑵ 气候输入的变化。许多SWAT研究成果为研究任意CO2浓度变化和气候输入对植被生长、径流量和其他因素的影响提供了有意义的借鉴，包括Stonefelt et al.（2000），Fontaine et al.（2001）和Jha et al.（2006）。研究中应用的主要方法为对大气环流模式（GCMs）或GCMs与区域气候模式（RCMs）耦合预测的气候变化情景进行降尺度。

⑴ 气候变化对水文循环影响研究

目前，许多学者应用GCMs/RCMs耦合SWAT模型模拟气候变化对水文循环的影响，如Muttiah and Wurbs（2002）在德克萨斯州San Jacinto River流域等。预测的气候变化条件下，地表径流通常减少，洪水和干旱等极端事件将增加。

耦合模拟时，模型的尺度匹配非常重要，通常应用降尺度方法处理。应用

15

HadCM2-HUMUS（SWAT）耦合模型及降尺度方法对美国18个流域的研究中，Rosenberg et al.（2003）预测未来两个时期（2030和2095年）的水量变化分别为–11~153%和28~342%；Thomson et al.（2003）预测未来ENSO现象将引起密西西比河上游的水量变化为–210~77%；Thomson et al.（2005）预测的美国中西部和西南部部分地区的水量变化超过±50%的范围。Stone et al.（2001）应用RegCM-CSIRO嵌套情景驱动改进的SWAT模型，预测气候变化对密西西比河流域水量影响，流域出口水量在春季和夏季降低了约10~20%，但其它月份则增加；进一步研究发现CSIRO降尺度情景与RegCM-CSIRO嵌套情景相比，流域模拟水量发生了较大变化（Stone et al., 2003）。Jha et al.（2004b）、Takle et al.（2005）和Jha et al.（2006）等均在密西西比河流域上游进行了GCM情景驱动SWAT模型的研究，其中流域出口设在伊利诺斯州的Grafton站。Jha et al.（2004b）应用嵌套的RegCM2-HadCM2驱动SWAT模型模拟2040-2049年的径流变化情况，结果表明，该时期的总流量增加了50%；Jha et al.（2006）应用5个GCM情景研究2061-2090年的径流量，与基准期相比年均变化为–6~38%，而应用RegCM-CSIRO嵌套情景预测则增加51%；Takle et al.（2005）应用9个GCMs输出的降水量驱动SWAT模型，研究表明多个GCMs的模拟结果可以再现20世纪密西西比河流域上游的年径流量特征，单个高分辨率GCM与SWAT模型的耦合模拟效果较好。

SWAT模型可以模拟气候变化对含水量出流的影响，如Rosenberg et al.（1999）对美国Ogallala含水层的研究。另外，许多学者基于SWAT模型的改进模型研究了气候变化对水文循环的影响，如Eckhardt and Ulbrich（2003）应用SWAT-G模型、Krysanova et al.（2005; 2007）应用SWIM模型等。

⑵ 气候变化对污染物流失影响研究

许多研究应用SWAT模型分析了气候变化对水文循环和污染物流失的影响，其中包括四个EU CHESS项目资助的研究（Varanou et al., 2002; Bouraoui et al., 2002; Boorman, 2003; Bouraoui et al., 2004）。Nearing et al.（2005）针对亚利桑那州Lucky Hills流域应用SWAT模型和其他6个模型，模拟比较了6种气候情景下的径流和侵蚀情况。表明如果不采取必要的保持措施，气候变化将导致土壤侵蚀加速。Hanratty and Stefan（1998）研究发现在2×CO2 GCM降尺度气候变化情景下明尼苏达州西南部Cottonwood River流域的径流量、磷、有机氮、硝酸盐氮和产沙量将减少。Varanou et al.（2002）基于3个GCMs降尺度得到的9种气候情景下，研究发现希腊Pinios流域的平均径流量、泥沙量、有机氮和硝酸盐氮流失等多数月份将减少。Bouraoui et al.（2002）研究英国约克郡地区Ouse River流域时指出6种气候情景将使流域总氮和总磷负荷分别增加6-27%和5-34%。Bouraoui et al.（2004）进一步研究芬兰南部

16

Vantaanjoki River流域指出，基于代表流域实测气候变化的情景，流域模拟的积雪覆盖减少、冬季径流增加、年营养物流失轻微增加。Boorman（2003）评价了分别位于意大利、法国、芬兰和英国的5个流域气候变化的影响，其中包括Varanou et al.（2002），Bouraoui et al.（2002）和Bouraoui et al.（2004）所做的相应研究。

16.4.4 洪水短期预报

降水是流域内所有水文过程的驱动力，它具有空间和时间上的变异性，在进行模拟时如果能对这种差异更好的表达无疑会提高模拟的精度（庞靖鹏等，2006）。当前大多数的水文研究用的降水数据基本上来自于雨量站。但是，受雨量站网分布所限往往不能对流域内的降水分布情况很好地表达（Jayakrishnan et al., 2005）。气象雷达采用遥感技术，通过发送和接收电磁信号来估算降水数据，相对雨量站网来说具有更高的空间和时间分辨率。因此，另一种切实可行的方法即采用雷达技术探测流域降雨量。Moon et al.（2004）对美国Trinity流域应用下一代气象雷达（NEXRAD）数据进行了模拟；Di Luzio and Arnold（2004）对美国Blue流域采用NEXRAD降雨数据和格式化率定方法模拟了24场降雨所形成的以小时为单位的水文过程线，对改善SWAT模型以小时为时间步长的模拟能力进行了尝试。随着―3S‖技术的发展，对雷达信息的分析处理能力和效率将不断得到提高，最终必将实现洪水的精确短期预报。

16.4.5 敏感性分析、率定和不确定性分析研究

应用SWAT模型或其他模型时，敏感性分析、率定和不确定性分析非常重要。许多文献作了大量SWAT模型参数敏感性分析的研究，为确定对模型输出贡献最大的输入参数提供了有益参考。SWAT模型参数具有明确的物理意义，率定过程中可以根据实际情况在一定范围内变动。敏感性分析和参数率定一般分为手动和自动两种方法，并可结合图形和统计程序对其进行评价。

⑴ 敏感性分析

对分布式模型的大量参数进行分析，一是运用摩尔斯分类筛选法，即―微扰动‖分析方法，考察大量的输入参数与输出结果之间的相关性，对模型大量的参数进行定性的分级筛选，继而计算经验敏感度指标值；二是在筛选分类的基础上运用傅立叶敏感性检验（FAST）法计算相关性较好的一些参数计算敏感度指标值，分析其对输出结果的影响程度，即模型输出结果对参数的敏感性。大量的研究结果表明这两种方法在敏感性因子的筛选上基本是一致的，后者的检验精度较高，但是计算难度较大（郝芳华，2003）。

17

为准确模拟，许多学者结合SWAT模型参数的物理意义手动分析了其敏感性。Spruill et al.（2000）针对肯塔基州喀斯特流域15个输入参数进行了手动敏感性分析和率定，结果表明饱和水力传导率、基流α系数、排水面积、河道长度、河道宽度对径流模拟比较敏感。Arnold et al.（2000）在密西西比河流域上游3个小流域针对地表径流、基流、回归流和土壤ET敏感性曲线等手动分析了其输入参数如曲线数、土壤可利用水量、土壤蒸发系数（ESCO）等。Lenhart et al.（2002）针对SWAT-G模型在一人工流域评价比较了两种不同的敏感性分析方法，一种是44个参数在有效范围内以固定百分率变化，另一种比较通用的方法是使参数初值以相同的固定百分率变化。两种方法分析的参数敏感度相近，可以认为二者等价。

Morris（1991）提出LH-OAT方法（Latin Hypercube Sampling One-factor-At-a-Time）进行参数的敏感性分析，它结合了OAT分析法与Latin Hypercube采样技术，从而具有全局分析法和局部分析法二者的长处。其优点是确保所有的参数在其取值范围内均被采样，并且明确地确定哪一个参数改变了模型的输出，减少了需要调整的参数数目，提高了计算的效率（Holvoet et al., 2005; van Griensven et al., 2006）。通过参考相关文献确定需要进行敏感性分析的参数和取值范围，利用LH-OAT法分别确定影响径流、沉积物和污染物质的敏感参数。目前，LHS-OAT方法已经作为自动敏感性分析和率定包的一部分被集成到SWAT2005中。

⑵ 率定方法

手动率定方法需要用户对实测值和模拟值进行比较，然后根据经验决定需要调整哪个变量、如何调整，并最终判断何时满足要求。Coffey et al.（2004）研究肯塔基州喀斯特流域时应用接近20种统计方法评价SWAT模型手动率定结果，并建议应用NSE和R2分析月输出模拟结果，而应用中央目标函数、sign test、自相关和交叉相关分析日输出模拟结果。另外ia，Cao et al.（2006）在新西兰岛南部Motueka River流域、Santhi et al.（2001a）针对德克萨斯州Bosque River流域、White and Chaubey（2005）在阿肯色州Bear水库流域等都对SWAT模型进行了手动率定和验证，结果均满足评价标准。

自动率定通常应用Monte Carlo或其他参数估算方法基于大量模拟自动确定最优参数值。Govender and Everson（2005）应用自动参数估算（PEST）程序确定土壤含水量、初始地下水含量、径流曲线数为南非两个小流域SWAT模型应用中的敏感性参数，同时该研究也应用手动率定得到了更加准确的模拟效果。Wang and Melesse（2005）在明尼苏达州西北部Wild Rice River流域也应用PEST程序自动率定了SWAT模型的3个融雪参数和8个水文参数。

SWAT模型的参数自动优化基于美国亚利桑那大学开发的SCE-UA优化算法（Duan,

18

1992; 1993; 1994）。该算法在Nelder和Mead（1965）的复合形直接算法的基础上，由自然界中的生物竞争进化原理或基因算法的基本原理等概念综合而成，是一种有效地解决非线性约束最优化问题的方法，可以找到全局最优解。SCE-UA算法已经广泛应用在流域模型的校准和水文其他领域如土壤侵蚀、亚流域水文模拟、遥感和地表模拟等（王建群等，2001；Hapuarachchi，2001; 2003；Martins，2003）。对SCE-UA、MSX（Multiple Start Simplex）、Local Simplex方法进行比较分析，SCE-UA拟合效果好于其它两种方法。该方法可以有效克服水文模型参数优选中常常表现出的高维、多峰值、非线性、不连续和非凸性问题（Duan，1993），Hapuarachchi（2002）成功地运用SCE方法对新安江模型进行了参数率定，取得了很好的效果。SCE-UA算法也已经应用在SWAT模型的水文参数（Eckhardt and Arnold, 2001; van Liew et al., 2005; 2007）和水质参数（van Griensven et al., 2002）及二者结合（van Griensven and Bauwens, 2003; 2005）的校准中。

参数自动优选的结果依赖于所选择的目标函数，SWAT模型提供了两种方法。一种是SSQ（sum of squared residuals）：

SSQ??(xi?1,ni,measured?xi,simulated)2 （16-4）

式中，n表示实测变量组（Xmeasured）和模拟变量组（Xsimulated）的个数。SSQ是优化中的经典方法之一。但是，该目标函数侧重于峰值的匹配，而忽略了低值的匹配。

另一种目标函数为SSQR（sum of squares of the difference of the measured and simulated values after ranking）：

SSQR??(xj?1,nj,measured?xj,simulated)2 （16-5）

其中，j为秩。SSQR方法旨在适合实测序列和模拟序列的频率分布。与SSQ方法相比，SSQR方法不考虑假定变量的出现次数。该特点对于水质变量尤为重要，因为其输出主要取决于不确定变量如化学肥料的施用等。

前人研究指出，应用自动参数优化方法校准复杂水文模型时，存在以下缺点：①优化的标准只能是基于单变量的单一数值标准，选择一个合适的标准是很复杂的，具有很大的主观性；②如果模型含有很多参数，优化的结果可能是局部而不是全局最优；③大多数算法假设模型参数是互相独立的，这种假设通常是不合理的；④自动优化法无法区分各种误差源，通过参数调整弥补数据误差，造成参数物理意义的不明确（张雪松，2004）。虽然采用计算机参数优化方法可以取得较好的模拟结果，但同时应注意到参数的合理性，在进行自动参数优化前应确定参数调整的合理范围，可以将手动试错法和自动优化方法结合，在参数调整的开

19

始阶段采用试错法粗略地估计参数的大致范围，然后采用自动优化方法在此参数值范围内进行更精细的调整。

⑶ 不确定性分析

Shirmohammadi et al.（2006）定义不确定性为：―实测值或模拟值偏离真实值的估算量‖，并深入讨论了其来源，认为模型算法、率定和验证数据、输入变化和尺度是其中最关键的因素。结合不同的敏感性分析和率定方法，已开发了几种自动不确定性分析方法，如Monte Carlo、LH-Monte Carlo和GLUE（Generalized Likelihood Uncertainty Estimation）方法。Benaman and Shoemaker（2004）开发了包括应用Monte Carlo方法和间隔敏感性方法缩小参数范围的不确定性在内的6步方法进行不确定性分析。Muleta and Nicklo（2005b）应用基于Monte Carlo的GLUE方法进行不确定性分析，为减少计算量采用LH采样生成输入参数。在95%的置信水平上分析了流量和泥沙流失的不确定性。Arabi et al.（2007）应用包括OAT、间隔敏感性分析和GLUE分析在内的三部程序评价了印第安那州Dreisbach和Smith Fry流域SWAT模型水质模拟中BMP定位的不确定性，结果指出许多输入参数需要针对具体站点率定，模型能够较好的评估BMP的性能。另外，Huisman et al.（2004）和Eckhardt et al.（2003）应用基于Monte Carlo的方法评估了土壤和土地利用参数变化对SWAT-G模型输出的不确定性。

目前，SWAT模型集成了几种不确定性分析工具，包括修正的SCE算法称为―参数优选‖（ParaSol）、SUNGLASSES（Sources of Uncertainty Global Assessment using Split SamplES）和Confidence ANalysis Of Physical Inputs (CANOPI)，以评价与气候和其他输入有关的不确定性（van Greinsven and Meixner, 2006）。

16.4.6 HRU/子流域划分和其他输入因素对模型输出的影响研究

许多研究分析了与SWAT模型输出结果有关的因素，包括：⑴ HRU或亚流域划分；⑵ 地形、土壤和土地利用的分辨率；⑶ 输入数据的空间和尺度影响；⑷ 土地利用的实际或假定变化；⑸降水量或估算ET的变化。这些研究使SWAT模型的敏感性分析进一步深入，并为模型输入数据的变化提供了有意义的指导。

⑴ HRU和亚流域划分影响

分布式模型应用反映空间变化的输入数据和参数来预测流域响应，常用的方法是在亚流域的基础上对输入数据和参数进行集总。然而，集总的程度对模型参数值和输出结果都有一定的影响。因此，确定合理的亚流域划分水平，对于分布式模型而言具有重要的意义（郝芳

20

华等，2006）。

Bingner et al.（1997），Manguerra and Engel（1998），FitzHugh and Mackay（2000），Jha et al.（2004a），Chen and Mackay（2004），Tripathi et al.（2006）和Muleta et al.（2007）研究发现SWAT模型针对面积为21.3~17941 km的流域进行径流预测时，一般对HRU和亚流域划分敏感性不高。Tripathi et al.（2006）和Muleta et al.（2007） 进一步讨论了HRU和亚流域划分对其他水文组分的影响。Haverkamp et al.（2002）研究德国两个流域和美国德克萨斯州一个流域时发现，HRU划分选用一个亚流域多个HRUs而不是单一的主导土壤类型和土地利用时径流模拟准确率较高。但是，随亚流域划分数量的增加，两者间的差距将减小。Bingner et al.（1997）研究发现亚流域数量将影响泥沙量的模拟，并建议确定合理的亚流域划分水平必须进行敏感性分析。Jha et al.（2004a）研究发现SWAT模型的泥沙和氮负荷预测对HRUs和亚流域划分比较敏感，但矿物磷估算不敏感。SWAT模型模拟BMPs对泥沙、总磷和总氮影响时对亚流域标准非常敏感（Arabi et al., 2006b）。为保证估算的准确性，Jha et al.（2004a）建议亚流域面积根据选取的输出指标设定为流域总面积的2~5%。Arabi et al.（2006b）指出为准确计算模型中BMPs的影响，合适的平均亚流域面积约等于流域总面积的4%。FitzHugh and Mackay（2000; 2001）和Chen and Macky（2004）检验了空间集总对于SWAT模型的影响，特别是亚流域的大小和数目对于模型输出的影响，对水文响应单元也进行了检验。研究发现用SWAT模型研究泥沙量时，改变亚流域的大小对河川径流影响不大，主要归因于恒定的CN均值；但减小亚流域面积，产沙量会明显降低，主要是因为MUSLE方程的径流项对于HRU面积和MUSLE方程其他系数比较敏感；输沙量并不受亚流域数目变化的较大影响。Chen and Macky（2004）建议直接应用亚流域而不划分HURs可减少MUSLE泥沙预测的误差。相反，Muleta et al.（2007）研究发现伊利诺斯州Big Creek流域HRU的产沙量和流域出口的输沙量随空间分辨率增加而减少，流域出口的泥沙量随HRU和亚流域划分不同而明显不同，即使河道属性保持不变也是如此。

⑵ DEM、土壤和土地利用分辨率的影响

DEM、土壤和土地利用的分辨率是SWAT模型模拟的关键因素。一般来说，高分辨率地形、土壤和土地利用数据模拟准确性较高，如Bosch et al.（2004）在乔治亚州Little River流域的径流量模拟，Cotter et al.（2003）提供了阿肯色州Moores Creek流域空间数据的建议最小分辨率，但Di Luzio et al.（2005）在密西西比州Goodwin Creek流域的模拟发现土壤数据的分辨率对模拟结果影响不大。另外，分辨率大小有一定限制，并不是越高越有利于模拟（Chaplot et al., 2005）。因此，针对流域具体特征研究空间数据的合适分辨率对模拟结果非

2

21

常重要。

⑶ 输入数据时空移植的影响

Heuvelmans et al.（2004a）评估了参数移植对比利时北部三个流域模拟结果的影响，首先在敏感性分析基础上选择了7个水文参数，然后对率定参数进行时空移植，表明流域间的空间移植对径流效率影响最大。Heuvelmans et al.（2004b）研究比利时北部Scheldt River流域25个小流域针对同样的7个参数进一步评估了4种参数化机制对模拟径流预测的影响。每个流域单独应用最佳参数时模型效率最高；按相似特征分区选择最佳参数与取所有流域平均相比，前者模型效率较高。

⑷ 历史的和假定的土地利用变化的影响

SWAT模型可以准确的模拟流域土地利用变化的相对影响。Miller et al.（2002）研究亚利桑南州南部San Pedro流域和纽约州中南部Cannonsville流域时指出SWAT模型模拟径流量受历史土地利用变化的影响很大。城镇和耕地增加时San Pedro流域预测的径流将增加；而耕地变为林地时Cannonsville流域预测的径流将减少4%。Hernandez et al.（2000）进一步研究发现SWAT模型可以准确地预测San Pedro流域一试验流域假定土地利用变化的相对影响。Heuvelmans et al.（2005）研究比利时北部Meerdaal流域和Latem流域时发现SWAT模型在假定的土地利用变化（CO2排放缩减情景生命循环评价（LCA）的一部分）下可以合理估算径流和泥沙量，但是需指出，要充分支持LCA分析需扩大模型植被参数集。德国Hessen州Aar流域在草地激励情景即草地从20%增加到41%而林地减少约70%时SWAT模拟径流量将增加（Weber et al., 2001）。其它在德国不同流域的研究包括应用SWAT-G模型（如Fohrer et al., 2002; 2005）和SWIM模型（Krysanova et al., 2005）研究假定土地利用变化对水文循环影响；应用SWAT-G模型研究假定土地利用变化对营养物和泥沙流失影响预测（Lenhart et al., 2003）。

⑸ 气候数据的影响

SWAT模型模拟对雨量数据比较敏感，雨量站网分布及雨量观测方式对模拟结果都有一定影响。Chaplot et al.（2005）研究爱荷华州中部Walnut Creek流域和德克萨斯州Bosque River上游北部流域时，通过流域内15个雨量输入站模拟分析了雨量站分布对SWAT模型输出的影响。雨量站网密集时预测泥沙量显著增加，而预测的地表径流量和氮负荷只有微量增加。然而，Hernandez et al.（2000）发现模拟时雨量站如果从1个增到10个则估算径流量将明显增加。Moon et al.（2004）发现当应用新一代天气雷达（NEXRAD）雨量数据而不是测站数据时SWAT模型的径流量估算效率较高。Kalin and Hantush（2006）发现在宾夕法尼亚州

22

Pocono Creek流域出口应用NEXRAD和测站数据模拟径流量结果相近，NEXRAD数据代替雨量测站数据是很好的发展方向。

也有学者利用天气发生器增加流域雨量数据的代表性，如Schuol and Abbaspour（2007）应用可获得的0.5°气候数据开发了一个天气发生器，在非洲西部包括尼日尔、Volta和塞内加尔流域在内的4000000 km2面积上径流量估算效果较好。Harmel et al.（2000）和Watson et al.（2005）分析了雨量数据对SWAT模型水文输出的敏感性，并与多种天气发生器数据模拟结果作比较。

另外，ET数据和其他气象数据对模型模拟也有一定影响，如Wang et al.（2006）和Kannan et al.（2007b）进一步分析了SWAT模型中ET选择对径流估算的影响。

16.4.7 SWAT模型与其他模型的比较研究

Borah and Bera（2003；2004）比较了SWAT模型与其它流域尺度模型。2003年的研究中，指出动力流域模拟模型（DWSM）、HSPF模型、SWAT模型和其他模型均包含水文、泥沙和化学模块且适用于流域尺度，并指出SWAT模型是在以农业为主的流域进行连续模拟的最佳模型。2004年的研究中，发现SWAT模型和HSPF模型不仅可以模拟年尺度的径流量和污染物流失量，而且可以进行月尺度（极端时间的月份除外）的模拟，但对日尺度极端事件的模拟效果较差。相反，DWSM模型可以模拟短时间内的流量过程线和浓度分布及泥沙和化学物质的出流过程线。Shepherd et al.（1999）对14个模型进行评估后发现SWAT模型是最适合估算英国低地流域磷流失的模型。

van Liew et al.（2003a）比较了SWAT模型和HSPF模型在俄克拉荷马州Little Washita River流域8个嵌套农业流域的径流预测，指出在估算不同气候条件下的径流量时SWAT模型优于HSPF模型，并且SWAT模型更加适合研究长期气候变化对地表水资源的影响。Saleh and Du（2004）研究德克萨斯州Bosque River上游北部流域日径流、泥沙负荷和营养物负荷模拟时发现，SWAT模型模拟值比HSPF模型更加接近率定期和验证期5个测站的实测值。Singh et al.（2005）研究发现在印第安那州西部和伊利诺斯州东部面积为5508 km的流域SWAT模型的流量预测优于HSPF模型的相应估算结果，主要因为SWAT模型较好的模拟了低值流量。Nasr et al.（2007）比较3个模型在爱尔兰3个流域的应用时发现HSPF模型较准确地预测了平均日流量，而SWAT模型更好的模拟了日总磷负荷。El-Nasr et al.（2005）研究发现SWAT模型和MIKE-SHE模型都在可接受的范围内模拟了比利时Jeker River流域的水文循环。但是，MIKE-SHE预测的河川径流总体趋势更加准确。

2

23

Srinivasan et al.（2005）研究发现SWAT模型比土壤水分布和演算（SMDR）模型更加准确地估算了宾夕法尼亚州中东部一实验流域的径流量，并且SWAT模型对季节的模拟更加准确。在相同流域对可溶性磷和总磷进行模拟时，SWAT模型模拟值非常接近实测值，（Veith et al., 2005）。Grizzetti et al.（2005）比较研究了SWAT模型和一个基于SPARROW模型的统计方法对英国Great Ouse流域两个监测站点的总氮负荷的模拟。结果表明二者在统计上的可靠性相似，统计模型更加适合作为一种筛选工具，而SWAT模型更加适合用作情景分析。Srivastava et al.（2006）研究宾夕法尼亚州东南部小流域时发现人工神经网络（ANN）模型模拟径流比SWAT模型更加准确。

16.4.8 SWAT模型与其他模型的耦合研究

SWAT模型的最新应用是结合SWAT模型和其他环境或经济模型，扩大了情景分析的范围，可以深入分析许多单独SWAT模型无法分析的问题如地下水退水影响或不同管理措施引起的费用问题等。

⑴ SWAT–MODFLOW/地表水模型

许多学者将SWAT模型和MODFLOW结合起来，进行地表水、地下水和河流—地下水交互模拟。检验了参数不确定性对于池塘参数、径流曲线数、土壤含水量特征、作物类型和不同灌溉的水分抑制参数的影响。Sophocleous et al.（1999）应用SWAT–MODFLOW耦合系统评价了堪萨斯州中南部Rattlesnake Creek流域河流和含水层的水权及退水率管理情景。Sophocleous and Perkins（2000）应用该系统研究了堪萨斯州中北部Republican River流域下游的灌溉对径流和地下水位的影响，表明Republican River流域的径流量和地下水均减少。Perkins and Sophocleous（1999）进行了干旱影响分析。SWAT–MODFLOW耦合模型研究也应用在了法国布列塔尼半岛Co?t-Dan流域（Conan et al., 2003a），得到了较准确地模拟结果，径流和硝酸盐氮的月NSE系数分别为0.88和0.87。

Menking et al.（2003）耦合SWAT模型与MODFLOW LAK2湖泊模型包，评价当前气候条件如何影响晚更新世的古代Estancia湖（新墨西哥中部），Menking et al.（2004）把SWAT模型与三维泻湖模型相耦合研究法国南海岸Thau泻湖流域的氮负荷，SWAT模型模拟年氮负荷量为117 t/yr，泻湖模型同时模拟了叶绿素a、浮游植物产量等。Galbiati et al.（2006）耦合了SWAT模型与QUAL2E、MODFLOW及另一个模型建立了集成地表地下模型（ISSm），研究发现集成系统准确地预测了意大利北部Bonello海岸流域出口流量和营养物在河流系统和含水层间的交互作用、地下水动力及地表水和营养物通量。

24

⑵ SWAT模型与环境模型或BMP分析的遗传算法的耦合

Renschler and Lee（2005）连接SWAT模型与水侵蚀预测工程（WEPP）模型，评估三个实验流域的水道和边界种草前后的短期和长期影响。SWAT模型直接与WEPP模型的地理空间界面（GeoWEPP）连接，方便了WEPP模型的输出作为SWAT模型的点源输入，其长期评价结果与仅用SWAT模型的模拟结果相似，但短期评价结果不同。Cerucci and Conrad （2003）把SWAT模型与河岸生态系统模型（REMM）相耦合，并应用双优化方法确定了纽约中南部Town Brook流域31个亚流域的最佳河岸缓冲结构，确定缓冲带宽度的边际效益和最大支付包以建立河岸缓冲带。Pohlert et al.（2006）描述了SWAT-N模型，即主要基于反硝化-分解（DNDC）模型扩展SWAT2000的氮循环程序，SWAT-N能够比SWAT模型更加准确地再现氮循环过程和输移过程。

Muleta and Nicklow (2005a) 把SWAT模型与遗传算法和多目标优化算法结合进行伊利诺斯州南部Big Creek流域的单目标和多目标评估。Gitau et al. (2004) 应用SWAT模型结合遗传算法和BMP工具估算了基准期的磷负荷，并确定BMPs的最优耕作方式，使得磷流失和费用均降低。两种最有效的情景满足了可溶性磷至少削减60%的目标，而相应的耕作费用与基准期相比分别增加了$1430和$1683。Arabi et al.（2006a）将SWAT模型与经济模型、BMP工具和遗传算法相结合，确定印第安那州Dreisbach and Smith Fry流域最优种植结构，所选择方法的有效费用是环境目标策略费用的3倍。

⑶ SWAT–经济/环境模型耦合

许多经济模型与农业政策混合（APEX）模型和SWAT模型相耦合模拟肥料管理情景和其他BMPs的经济和环境影响，研究区域包括德克萨斯州的North Bosque River流域上游和Lake Fork水库流域及爱荷华州的Maquoketa River流域上游等（Gassman et al., 2002），研究描述了每个流域几个肥料应用情景的经济和环境影响，即分别针对North Bosque River流域上游、Lake Fork水库流域和Maquoketa River流域上游在肥料退化、加强轮流放牧、缩减肥料情景下进行了模拟。Osei et al.（2003）报告了Lake Fork水库流域基于牧草牛奶产品的聚集密度情景的模拟结果，并得出结论合适的牧草营养管理可以有效缩减流域的营养物流失。Gassman et al.（2006）进一步评估了Maquoketa River流域上游7个独立的BMPs和4个BMP组合的影响，预测梯田可以有效缩减泥沙和有机氮流失，但也是花费最高的措施，而无耕地或结合肥料缩减率耕种可以减少各种营养物指标，并且也是实际净盈利措施。

Lemberg et al.（2002）应用SWAT模型、Phytomass生长模拟（PHYGROW）模型和两个经济模型评估了德克萨斯州中南部灌丛控制的经济影响，得出结论灌丛控制的补贴达不到

25

预期效果。Qiu and Prato（1998）应用SWAT模型、预算生成器和经济模型在密西西比州中部Goodwater Creek流域评估了河岸缓冲带对缩减莠去津（一种杀虫剂）浓度和其他因素的经济影响。河岸缓冲带的实施可缩减CRP租费以实现净经济回报并节省政府投资。Qiu（2005）应用同样的方法在同一流域评估5个替代情景的经济和环境影响。SWAT模型与一个数据包分析线性规划模型相结合确定哪种政策可以最有效的缩减美国西北部可伦比亚高原地区河流中的氮流失。分析表明对氮肥征税300%可以比较有效的控制25%的氮肥利用。Attwood et al.（2000）通过研究美国国家尺度的经济和环境影响，并在德克萨斯州连接SWAT模型与一个农业地区模型评估不同政策的作用。Volk et al.（2007）和Turpin et al.（2005）描述了各自的模型系统（包括SWAT模型、经济模型和其他模型）和数据以模拟欧洲流域的空间尺度和状态。

⑷ SWAT模型与生态和其他模型的耦合

SWAT模型本身不具备预测土地利用/土地覆被（LUCC）的能力，因此需要预先设计或采用其它模型生成LUCC情景。PorLand模型是农业经济模型，可以预测特定自然、经济和政治条件下土地利用变化，其生成的土地利用图可以作为SWAT模型的输入。Weber et al.（2001）和Lenhart et al.（2003）分别在德国Aar河流域和Dill流域应用SWAT模型对由PorLand模型生成不同的土地利用情景进行了模拟。Fohrer et al.（2002）应用SWAT-G模型、YELL生态模型和Proland模型分析土地利用变化及其引起的水文变化对黄鹉类生境适宜性的影响。研究提出了四种平均区域大小情景（0.5，0.75，1.0和2.0 ha）对土地利用、鸟巢分布和生境、劳动和农业价值及水文效应的影响。ASM是一种农业作物布局模拟模型，Attwood et al.（2000）利用其生成的作物组合和管理情景模拟了在德克萨斯州发展5个新的作物品种后径流量、泥沙、氮和磷负荷的变化。另外，Christiansen and Altaweel (2006) 在ENKIMDU模型体系中指出SWAT模型也被用于模拟植被生长、水量平衡、土壤侵蚀和其他环境响应，该体系可用于研究青铜器时代Mesopotamian文化的自然和社会方面。

16.5 模型特点和研究展望

16.5.1 模型的优点

Neitsch et al.（2002）总结了SWAT模型的主要特点：

⑴ 基于物理过程。SWAT模型不使用回归方程来描述输入变量和输出变量之间的关系，而是需要流域内天气、土壤属性、地形、植被和土地管理措施的特定信息，水流演算、泥沙输移、动植物生长和营养物质循环等相关物理过程都可以在SWAT模型中直接模拟。其优

26

点是可以在无监测资料的流域进行模拟，不同输入数据（如管理措施的变化、气候、植被等）对水质或其它变量的相对影响可以进行定量化。

⑵ 输入数据易获取。虽然SWAT可以模拟十分专业化的过程，如细菌输移等，但是运行模型所必需的基本数据可以较为容易地从政府部门得到。

⑶ 运算效率高。对于大面积流域或者多种管理决策进行模拟时不需要进行过多的时间和投入。

⑷ 连续时间模拟，能够进行长期模拟。目前所要解决的是有关污染物逐渐积累和对下游水体影响的问题，为了研究这类问题，有时模型需要输出几十年的结果文件。

⑸ 模型将流域划分为多个亚流域进行模拟（郝芳华等，2006）。当流域不同面积的土地利用和土壤类型在属性上的差异足够影响水文过程时，在模拟中使用亚流域是非常有用的，将流域划分为亚流域，可以对流域内不同面积进行空间定位。

Romanowicz et al.（2005）认为SWAT模型还具有：①综合的水文模型，模拟定量和定性的水文平衡项；②与GIS结合便于空间分布信息的预处理和后处理；③可以模拟分布式参数变化所带来的影响；④模型可以直接下载，软件的开发者和用户通过邮件和网上讨论来对其进行改进和提高。

16.5.2 模型的局限

水文模型通常具有局限性，模型的局限性产生于模型使用的数据、模型本身的不足和在不适用的情形下使用模型。SWAT模型的局限性在于（Arnold et al., 1998; 郝芳华等，2006）：

⑴ 大尺度的水文模拟中难以反映降雨量的空间差异。由于SWAT模型选取距离子流域的质心最近的雨量站数据作为整个子流域的降雨量，因此当子流域的面积较大而降雨的空间差异也较大时，会出现较大的误差。另外，如果缺失的日降雨量天数过多的话，模型很难弥补。

⑵ 天气发生器在实测数据缺失以及建立管理情景时非常有用。然而，天气发生器只能在一点产生天气序列，而尺度水文模拟所需要的、能够描述空间相关性的天气发生器还没有开发出来。

⑶ SWAT模型假定流域中的每个HRU含有相同的特征，例如在单个亚流域中对所有的草地和森林使用相同的坡度，而草地通常位于山谷或者平原上，但是森林通常位于比草地更为陡峭的区域。当流域中的一种土地利用具有不同地形特征时，这个问题就更加突出。

⑷ 在SWAT模型中，具有较小面积的土地利用通常不被考虑，因而有些小面积的陆地

27

覆盖类型如未硬化的路面、小面积裸地、建筑用地和中耕作物等不能进行模拟，而这些小面积区域可能比相同面积草地的产沙量大几百倍甚至上千倍。

⑸ SWAT模型不能用来模拟详细的基于事件的洪水和泥沙演算。虽然更短的、更加灵活的时间步长是模型改进的主要方面，但是目前模型主要以日为步长。

⑹ 泥沙演算方程相对简化，它假设河道在整个模拟期内都是静止不变。然而，假如模拟100年或更长时间，这是不现实的。模型因此增加了模拟河道下切和边坡稳定性的算法，允许河道的范围和大小连续地更新。但是，模型对河床描述过于简单化，侵蚀因子应该被更加详细的模型所取代，要考虑到河床的复杂性。

⑺ 水库演算源于小水库而开发的，基于完全混合的假设。水库出流的计算过于简化，没有考虑对出流的控制。为了模拟大型水库，这些方面有待于改进。

⑻ SWAT模型通过均一地在地表10mm土层增加营养物质来模拟农业化肥施用。实际情况下，在地表的化肥直到降雨发生时才会进入土壤中，在施肥后的前几次降雨发生时，营养物质同地表径流的相互作用相对于SWAT模型模拟来说更加重要。即在SWAT模型中，模拟的营养物质浓度并不能在施肥时急剧升高。

当使用SWAT模型进行日均或者月均模拟时，这些局限性更加明显，而基于年均进行模拟时，影响则相对较小。因此，在使用SWAT模型的过程中，应着重解决以下问题（郝芳华等，2006）：① 地表径流对于CN的敏感性以及地表径流基流部分的确定；② 水文响应（输出）和水文特性（输入）的非线性关系；③ 模型的尺度效应；④ 大量模型参数的校准。

16.5.3 研究展望

针对目前SWAT模型的应用概况及其局限性，提出了SWAT模型今后需进一步改进和研究的方向。

⑴ 发展集中动物饲养措施及相关的营养物应用程序，可以模拟地表和综合肥料应用方法，并模拟该措施对营养物降解、径流和土壤分布及泥沙负荷的影响。当前的研究主要集中在肥料覆盖层。

⑵ 河道演算的各个方面都需要进一步检验和精炼，包括QUAL2E模块。

⑶ 需改进河道降解和泥沙沉积模块以更好的描述泥沙输移并计算与泥沙运动有关的营养物负荷。计算泥沙颗粒大小影响结合单独计算冲击和河底负荷的程序，可以改进河道泥沙模块。需改进洪泛区沉积算法，并加入河岸侵蚀程序。

⑷ 目前SWAT模型假定土壤中碳含量是静态的。改进的碳循环子模块将代替静态子模

28

块而提供更加符合实际的碳循环计算程序。

⑸ 需研究氮循环程序的改进，如果需要须总结更新氮循环过程的其他方面，包括目前植物氮吸收的假定。将继续改进并完善土壤磷循环程序。最近已将土壤磷在土壤剖面、侧向流、地下水和层间流的淋溶模拟加入到模型中。

⑹ 扩大植被参数集以支持更多方面的植被情景模拟。一般来说，需更加深入的检验植被生长组分，包括修改植被参数。

⑺ 修正版本SWAT2000-C（Mckeown et al., 2005）更加准确的模拟了水量平衡和加拿大北部森林系统的其他方面，包括：① 在土壤剖面中加入地表碎屑流；② 考虑湿地中水分的存储和排泄；③ 改进了春季冻融径流的模拟。这些改进将被加入SWAT2005中。

⑻ 地下层间流和硝氮流失模拟已经进行了改进，当前研究主要集中于加入基于DRAINMOD模型方法的第二选项包括层间流间距和前层水位深度的影响。将来的研究应该集中于控制流域BMPs。

⑼ 自动敏感性分析、率定和输入数据不确定性分析模块已经加入到SWAT模型中。这些模块已经在几个流域得到了验证。

⑽ 与SWAT-G开发的程序相似，需要修正CO2气体对植物生长的影响以考虑把不同气孔传导率和叶面积响应作为植物种类的函数。

16.6 应用实例分析——黄河河源区

本研究以黄河河源区为例，建立气候-陆面耦合模型，通过统计降尺度（SDS）方法和Delta方法降尺度处理HadCM3 GCM的输出结果，建立未来三个时期（2020s、2050s和2080s）的气候变化情景，结合黄河源区的实测气象资料，连接到SWAT模型计算径流，以评估黄河源区未来不同时期的径流变化情况（Zhao et al., 2006）。

16.6.1 研究区和数据

黄河源区是指唐乃亥水文站以上流域，是青藏高原的主体部分，随喜马拉雅运动的大幅度抬升形成，地貌类型主要是缓坡丘陵、丘间草滩和湿地，海拔高度在3000~4500m之间；气候属于青藏高原气候系统，冷季具有典型的大陆性气候特征，暖季形成高原亚热带半湿润季风气候；土壤的水平分布规律经度地带性明显，而纬度地带性不显著；植被分布由东南向西北依次是森林、草原、荒漠三个基本类型；多年平均实际来水量203.9亿m3，近10年来的流量与以往相比明显减小。

气候情景数据来自IPCC（政府间气候变化委员会）数据发布中心（IPCC/DDC）最新发布的英国气象局哈德莱中心模式HadCM3 GCM在IPCC SRES排放方案下未来气候变化

29

的预测结果。该模式包括完善的物理过程，如耦合了海洋环流、海冰与陆地生态系统模式，分别对大气中考虑由于人类活动造成的温室气体和硫化物气溶胶浓度增加时，20世纪和21世纪的气候变化进行了模拟（曾涛等，2004）。

水文数据选用流域出口唐乃亥水文站1986-2000年的逐日径流资料，与流域内及周边22个雨量站和19个气象站的同期观测成果如图16-5所示。

水文站

图16-5 黄河源区位置及其水文气象站点

16.6.2 气候情景的建立与比较分析

在区域气候影响模拟中，对政府决策影响最大的问题是缺少对应尺度的气候情景（Diaz-Nieto, et al., 2005）。大气环流模型（GCMs）输出信息的空间分辨率较低（一般为50,000km2），缺少区域气候信息，因而其应用受到限制，很难对区域气候情景（如云量、地形等）做出精确的预测（IPCC, 1996; 范丽军等，2005）。因此，目前发展了许多降尺度方法来弥补GCMs气候情景的不足，提高其时空分辨率。

本研究同时应用Delta方法和SDS方法利用全球海气耦合模式HadCM3在黄河源区的数据，以1961-1990年为基准期，对黄河源区的日降水量（PRCP）和最高、最低气温（TMAX、TMIN）进行降尺度处理，建立未来三个时期2020s（2006-2035年）、2050s（2036-2065年）和2080s（2066-2095年）的6种气候情景，并比较分析两种方法的优缺点和适用性，具体方法介绍详见参考文献（Hay, et al., 2000；Diaz-Nieto, et al., 2005；范丽军等，2005；Wilby, et al., 1998，2002，2004；Winkler, et al., 1997）。

30

16.6.2.1 Delta方法生成的气候情景

Delta方法借助HadCM3 GCM在当前和未来不同时期气候条件的差异，结合当前实测资料，建立未来不同时期的气候变化情景。图16-6列出了由Delta方法生成的未来三个时期的日降水量变化比例和日最高、最低气温变化情景。总体来看，降水量随时间推移表现出一定的增加趋势，未来三个时期将分别在基准期基础上增加8.75%、19.70%和18.49%。图16-6b和图16-6c分别表示HadCM3模拟的日最高、最低气温的变化情景。可以看出，日最高气温变化随时间推移增幅很快，未来三个时期几乎平行的递增状况形成了如图16-6b所示的未来3个时期的气温变化情景，其中3个时期（2020s、2050s和2080s）的平均气温变化情景分别为+1.41℃、+2.42℃和+3.44℃，表现在每个季节和每个月的变化情景虽各不相同，但变化幅度不大。与日最高气温的变化相比，图16-6c显示的日最低气温的变化也很明显，3个时期的平均最低气温变化情景分别为+1.49℃、+2.68℃和+3.76℃，夏季最低气温变化相对较显著。以上结论说明，无论对于哪种情景，黄河源区在未来若干年内的持续增温趋势是不可避免的，而降水量变化幅度较小，这必然导致未来水资源的紧张趋势进一步恶化。

图16-6 GCM（Delta变化）输出的黄河源区月平均日降水量、最高气温和最低气温未来不同时期的变化

16.6.2.2 统计降尺度情景

统计降尺度模型（SDSM）应用站点实测资料和NCEP再分析资料建立预报量和预报因子间的统计关系，然后应用HadCM3 GCM输出模拟未来不同时期的气候变化情况，建立相应的气候变化情景。图16-7显示了SDSM模拟的黄河源区未来3个时期（2020s、2050s、

31

2080s）平均降水量的变化比例。 分析年平均变化可知，研究区未来三个时期的降水量将分别比基准期增加3.47%、6.42%和8.67%。总之，未来三个时期黄河源区降水量将表现出一定的增加趋势，但是增幅不显著，季节变化明显，其中秋季变化最

图16-7 黄河源区未来3个时期的月平均降水量变化比例比较

大，冬季次之，春季和夏季变化较小。

图16-8分别列出了黄河源区未来3个时期的月平均日最高、最低气温及其变化。其中，图16-8a和图16-8b分别表示2020s、2050s和2080s黄河源区的日最高和最低气温降尺度模拟数据。由图16-8a可以看出，日最高气温模拟值随时间推移增幅很快，三个时期几乎平行的递增状况形成了如图16-8c所示的未来气温变化情景。3个时期的平均气温变化情景分别为+1.34℃、+2.60℃和+3.90℃，表现在每个季节和每个月的变化情景又各不相同，春季和秋季气温变化最显著。与日最高气温变化相比，图16-8b和图16-8d显示的日最低气温的变化相对不明显，3个时期的平均气温变化情景分别为+0.87℃、+1.49℃和+2.27℃，夏季和秋季气温变化相对较显著，冬季变化幅度最小，甚至在2020s的1月份气温变化情景出现了负值。以上结论说明，无论对于哪种情景，黄河源区在未来若干年内的持续增温趋势都是不可避免的。

图16-8 黄河源区未来3个时期的日最高气温和最低气温及其变化情景

32

16.6.2.3 降尺度情景比较

Delta方法和SDS方法均较好的模拟了未来不同时期的降水量和最高、最低气温变化情景，如图16-6、图16-7和图16-8所示。由于未来气候变化的不确定性及模型方法本身的局限性，两种方法模拟的气候情景存在一定的差异。比较图16-6(a)和图16-7可以看出，Delta方法模拟的降水量变化各季间差异显著，其变幅为-15%—+65%，而SDS方法的模拟结果变化相对不显著，其变幅仅为-15%—+20%。两种方法模拟的春季和夏季降水量变化存在一定的一致性，大部分变幅低于20%，对于秋季和冬季来说则相差悬殊。比较图16-6(b)和图16-8(c)可知，Delta方法和SDS方法模拟的日最高气温情景比较一致，三个时期的气温情景均表现出一定的相似性。而图16-6(c)和图16-8(d)的比较结果则表明两种方法对于日最低气温的模拟结果相差较大，除8月—10月最低气温情景比较一致外，其余月份均差异显著，Delta方法的模拟结果较高，而SDS方法的模拟结果则明显偏低，尤其是冬季最为明显。

研究结果表明，Delta方法和SDS方法各有优缺点。相对简单快捷的Delta方法在以下几方面表现出相对的优势。首先，Delta方法可以同时应用多个站点的数据模拟区域气候变化，而SDS方法必须分别对每一个站点数据进行降尺度，然后应用内插方法得到区域的平均值。由于各个站点的随机成分及其空间特征存在很大的差异，加上各种内插方法本身亦存在很大的不确定性，因此更加剧了气候情景的不确定性。其次，区域影响研究中，SDS方法比较费机时，并且对数据精度要求较高，所用站点数据必须为日数据，而Delta方法可以直接通过GCMs输出数据生成未来的气候情景。而SDS方法通过选择合适的预报因子变量建立起当地气候变量与大尺度气候变量间的统计关系，而且经过了严格的模型标定和验证，精度相对较高，因此与Delta方法相比优势更加明显，具体表现为：首先，SDS方法通过生成气候变化集对降尺度情景的不确定性进行分析和评价；其次，Delta方法假定未来气候的时间结构保持不变，即与基准期气候一致，而SDS方法则应用瞬变的GCMs产生瞬变的气候情景，因此更加接近实际情况（Diaz-Nieto, et al., 2005）。

16.6.3 基于SWAT模型的径流模拟

根据数据获取的完整性，并考虑年径流的丰、平、枯现象，选用唐乃亥水文站1986~2000年的径流数据进行模拟，其中1986~1995年数据用于模型率定，1996~2000年数据用于模型验证。本文根据参数的自动敏感性分析，确定出对模型较为敏感的9个参数（CN2、SURLAG、TIMP、CH_K2、ESCO、ALPHA_BF、SMTMP、SMFMN、SOL_AWC），然后运行SWAT模型的自动优化程序，对黄河源区的逐月平均流量进行校准模拟。参数最终率定结果见表

33

16-5。

表16-5 SWAT模型参数率定最终值

序号 1 2 3 4 5 6 7 8 9

参数 CN2 SURLAG TIMP CH_K2 ESCO ALPHA_BF SMTMP SMFMN SOL_AWC

输入文件 *.mgt *.bsn *.bsn *.rte *.hru *.gw *.bsn *.bsn *.sol

值域/变化范围 -25%~+25%

0~10 0.01~1 0~150 0~1 0~1 0~5 0~10 -25%~+25%

参数最终值 11.99% 0.071 0.109 131.65 0.921 0.978 3.638 0.177 -24.72%

通过调整参数使径流模拟值与实测值相吻合，分别将率定期（1986~1995年）和验证期（1996~2000年）内年平均流量、率定期（1986~1995年）和验证期（1996~2000年）内月平均流量的实测值和模拟值进行对比验证，如图16-9~图16-11所示。

1986~1995年率定期年平均流量为666.32m/s，比实测年平均流量605.36m/s大10.07%。1996~2000年验证期年平均流量655.48m3/s，而实测年平均流量为543.40m3/s，模拟值比实测值大20.63%，二者均在可以接受的范围内，如图16-9所示。

12003

3

率定期 1000验证期 SimulatedObserved3Streamflow (m/s)8006004002000198619871988198919901991199219931994199519961997199819992000

图16-9率定期与验证期年平均流量模拟值与实测值比较

图16-10为模型率定后唐乃亥水文站1986~1995年模拟的月平均流量和实测流量的比较结果，各月的峰值与实测流量峰值基本一致，少数年份（如1989年和1993年）模拟峰值偏低，个别年份（如1986年和1995年）模拟峰值偏高，但总体来看，模拟误差均在允许范围之内。另外，由于率定了融雪参数，所以枯水期流量模拟效果较好。率定期（1986~1995年）月平均流量R=0.80，Ens=0.73，其模拟值与实测值的年平均误差为9.54%，小于10%，月平

2

34

均值的评价系数R>0.6且Ens>0.5，精度满足模拟要求，如表16-6所示。因此，模型能够比较准确地模拟研究区的流量过程。

P/mm40000100降雨量实测流量2000模拟流量3002002

3000Q/(m3/s)100040050019861987198819891990199119921993199419950

图16-10 率定期月平均流量模拟值与实测值比较

表16-6 月平均径流模拟结果评价

月均值（m3/s）

变量

实测值

率定期 验证期

605.36 543.40

模拟值 666.32 655.48

9.54% 20.12%

0.80 0.77

Re

R2

Ens 0.73 0.59

由图16-11可知，验证期（1996~2000年）月平均流量R2=0.77，Ens=0.59，其模拟值与实测值的年平均误差为20.12%（见表2），精度满足模拟要求，即模拟结果在黄河源区具有较好的适用性。

P/mm40000100降雨量实测流量模拟流量2003001000400500199619971998199920003000Q/(m3/s)20000

图16-11 验证期月平均流量模拟值与实测值比较

16.6.4 未来气候情景下的水文响应模拟

分布式水文模型的模拟结果表明，该模型可以较好的定量描述黄河源区的降雨—径流过程以及在气候变化下的水文响应。为考察未来气候变化情景下黄河源区流量的变化情况，本研究应用SWAT模型，选择HadCM3 GCM输出数据经Delta方法和SDS方法降尺度生成的

35

未来气候情景，在此基础上，模拟计算黄河源区径流量可能发生的变化。

16.6.4.1 模拟结果分析

表16-7列出了黄河源区唐乃亥水文站基准期流量和6种不同气候情景下的模拟流量相对于基准期流量的变化比例。图5列出了基准期和未来不同气候情景下的模拟月平均流量。二者同时说明研究区未来气候变化条件下水文响应的季节性特征。

表16-7 黄河源区唐乃亥水文站基准期流量与不同气候情景下的模拟流量相对于基准期流量的变化比例

Scenarios（%change）

Month

Baseline （m3/s）

2020s

Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Annual Avg.

51.97 22.93 21.14 103.7 319 357.1 650.1 698.2 948.5 780.4 321.9 137.5 367.70

21.4 32.1 15.4 27.1 -21.2 -32.7 -32.7 -32.4 -20.8 -27.1 -21.6 -16.0 -24.15

SDS_HadCM3（S1）

2050s -0.3 10.5 -13.2 11.6 -50.5 -47.1 -46.4 -37.7 -23.1 -27.2 -22.1 -17.5 -31.79

2080s -4.9 1.7 10.4 -3.9 -65.4 -61.6 -51.3 -48.7 -32.6 -34.9 -33.2 -25.4 -41.33

Delta_HadCM3（S2） 2020s -16.0 -10.6 -29.0 -20.9 -41.7 -24.9 -17.6 -29.2 -18.2 -0.7 -4.3 -2.3 -17.36

2050s 19.7 31.5 37.3 15.6 -32.1 -21.4 -15.8 -20.5 1.4 26.7 28.9 27.6 -0.47

2080s 63.9 82.2 91.0 7.9 -24.7 -11.8 -6.3 -27.4 9.6 55.3 68.1 61.3 12.79

各个模式的年平均模拟变化比例（表16-7）表明，统计降尺度建立的气候情景下研究区模拟年平均流量都减少，三个时期年均模拟值相对于基准期的变化率分别为：-24.15%、-31.79%和-41.33%。可见，随时间推移，流量减少幅度越来越大。而Delta方法建立的气候情景下，模拟年平均流量既有增加也有减少。

由每个月的具体模拟结果来看，未来流量模拟情况非常不同。其中5月模拟比例均减少，SDS_2080s情景的模拟流量减少最为明显，减幅达65.4%。由单个模式的模拟结果看，统计降尺度模式下的模拟结果除1~4月出现小于35%的增幅外，其余月份均出现了不同程度的流量减少情况，其减幅从0.3%到65.4%不等。但是因基准期1~4月的模拟值比实测值小了很多，因此从流量的绝对值来看，7~11月径流减少最多，即汛期流量有很大程度的减少，这对于整个黄河流域的工农业生产及人民生活都会产生很大的影响。Delta情景模式下模拟的未来2020s的各月流量均出现了不同程度的减少，2050s和2080s模拟流量在5~8月减少明显，而其余月份则出现了不同程度的增加。Delta情景与SDS情景相比，两者有着很大的

36

不同，在SDS模式中出现径流增加的时期，可能在Delta模式中反而减少，即使都是增加或减少的时期，其变幅也有很大的不同，由此进一步说明不同模式的模拟结果有很大差异。

由于变化比例只是相对值，必须与基准期实测流量比较才能真正反映其变化对年径流及人们生产生活的影响。由图16-12可以看出，统计降尺度模式和Delta情景模式模拟的流量均出现了不同程度的减少，尤其是汛期流量。

2020s10003Streamflow(m/s)2050s10003Streamflow(m/s)7505002500BaselineSDSHadCM37505002500BaselineSDSHadCM3JanFebMarAprMayJunJulAugSepOctNovDecJanFebMarAprMayJunJulAugSepOctNovDec2080s12003Streamflow(m/s)800BaselineSDSHadCM34000JanFebMarAprMayJunJulAugSepOctNovDec

图16-12 未来气候情景下的模拟径流与基准期流量的比较

两种情景模拟的未来不同时期的流量比较结果如图16-13和图16-14所示。可以看出，统计降尺度模式（图16-13）下未来各个时期的流量汛期减少最明显，未来三个时期年平均流量将分别减少88.61m3/s、116.64m3/s和151.62m3/s，即随时间推移流量减少越来越明显，这对于水资源规划是相当不利的。

SDS_HadCM310003Streamflow(m/s)8006004002000Baseline2020s2050s2080sJanFebMarAprMayJunJulAugSepOctNovDec

图16-13 统计降尺度情景下未来不同时期流量的比较

而同样为HadCM3模式下的气候情景，由Delta方法生成的气候情景（图16-14）模拟

37

结果变化相对较小，尤其在2080s汛期流量出现了明显的增加趋势，三个时期的流量变化分别为-63.69m3/s、-1.73m3/s和46.93m3/s。由此说明即使在同一研究区，相同的气候模式输出数据，对同一时期的情景模拟，如果应用的降尺度方法不同，模拟结果也会产生非常大的差异。因此，气候模式降尺度时一定要充分考虑各种影响因素，选择适合不同气候模式的降尺度方法，以使降尺度结果更加可靠。

Delta_HadCM3140012003Streamflow(m/s)10008006004002000Baseline2020s2050s2080sJanFebMarAprMayJunJulAugSepOctNovDec

图16-14 Delta情景下未来不同时期的流量比较

综上所述，黄河源区的流量与气候（气温和降水）条件关系十分密切。从不同情景下的流量模拟结果来看，黄河源区未来不同时期的流量减少趋势比较明显，这与郝振纯等（2006）的研究结果是一致的。由此说明，黄河源区未来流量的减少趋势不可避免，水资源的紧张趋势会越来越严峻。

16.6.4.2 模拟结果空间分布

作为黄河流域的重要产流区，黄河源区起着非常重要的作用，因此，对未来源区径流深的空间分布作定性和定量分析，可以确定气候变化影响严重的区域，为流域水资源保护规划提供参考。本文以基准期和未来气候情景的平均模拟结果为例，分析研究区径流深的空间分布特征。图16-15和图16-16分别给出了基准期径流深空间分布图和统计降尺度情景与Delta情景下的模拟径流深空间分布图。从基准期径流深空间分布可以看出，产流量较大的区域主要集中在研究区东南部，以玛曲站以南最为明显，基准期径流深达308.1mm，流域东北部和西北部产流量较小，流域出口区域产流量最小，基准期径流深仅为15.9mm。分析不同气候情景下径流深的空间分布可知，未来不同时期径流深空间分布与基准期非常相似，流域东南部产流量较大。另外，与基准期相比，统计降尺度情景下的产流量偏小较多，Delta情景下产流量略有偏小，仅玛曲站附近表现明显。

38

图16-15 研究区基准期模拟的亚流域产流量空间分布（mm）

图16-16 不同情景模拟的亚流域产流量空间分布（mm）

16.6.5 小结

通过以上分析，可以得到以下初步结论：

⑴ 基于自动敏感性分析，以唐乃亥水文站的流量过程为依据对SWAT模型进行了参数率定和模型验证。率定期内实测值与模拟值模拟效果相当好，R2达到了0.80，且Ens达到了0.73，验证期内R2=0.77，Ens=0.59，均满足精度要求，即SWAT模型在黄河源区的应用基本成功，可以较好的模拟河源区的流量。

⑵ 基于GCMs输出数据降尺度建立未来气候情景的基础上，进行了未来不同时期6种气候情景下的流量模拟。结果表明，气候变化对黄河源区流量变化影响很大，而且不同的降尺度模式会产生不同的模拟结果。统计降尺度情景模拟结果表明，黄河源区未来流量的减少趋势不可避免，三个时期将分别减少88.61m3/s（24.15%）、116.64 m3/s（31.79%）和151.62m3/s（41.33%），Delta情景模拟结果表明，研究区年平均流量变化相对较小，与基准期相比未来

39

2020s和2050s分别减少63.69m/s（17.36%）和1.73m/s（0.47%），而2080s将增加46.93m/s（12.79%）。

⑶ 空间分析表明，基准期产流量较大的区域主要集中在研究区东南部，流域出口产流量最小，未来不同时期各种情景下的径流深空间分布与基准期相比偏小，但分布趋势相似。

受时间、资料等种种客观条件的限制，本文仅仅应用气候模式输出产品驱动陆地水文模型的耦合方法，而水文过程在空间的变异性远远大于大气过程在空间的变异性，同时在降尺度模型的转换过程中，也会引入一定的误差。此外，气候模型在预测未来气候变化时，本身存在一定的不确性以及空间分辨率较粗等问题。因此，预测未来气候情景下径流的变化趋势也存在一定程度的不确定性，需进一步探讨尝试将陆面不均匀的物理属性正确地聚集起来反馈到大气模式，以实现水文模型与气候模式的双向耦合。陆地水循环受气候变化与人类活动两个因素的影响，只有将这两种因素综合起来，才能正确地预估陆地水循环的未来变化。

333

16.7 总结

本研究描述了SWAT模型的一系列应用，并强调指出SWAT模型是一个非常灵活且功能强大的模型，可用于模拟大量的流域问题。GIS的发展在很大程度上方便了在特定流域的SWAT模型构建，GIS提供了直接将数字化土地利用、地形和土壤数据输入模型的便利。期望未来开发更多支持工具以方便SWAT模型的不同应用。SWAT模型模拟不同时空尺度的水文循环和污染负荷的能力已经在大量研究中得到了验证。然而，许多研究效果不是很好，尤其是日尺度的流量和污染物流失预测模拟。因此需要继续研究模型的适用性，包括更加彻底的不确定性分析和正在进行的模型子模块的改进。许多学者通过改进模型子模块或耦合SWAT模型与其他模型以研究SWAT模型的不足，这为具体过程或区域的准确模拟提供了支持。随着用户群体的增加，SWAT模型将继续改进已提供对主要过程的更加准确的模拟。主要的挑战是正在进行的模型改进将与模型应用中面临的空间尺度复杂性相平衡。这将在未来模型发展中持续得到关注。

参考文献

Abbaspour, K.C., J. Yang, I. Maximov, R. Siber, K. Bogner, J. Mieleitner, J. Zobrist, and R. Srinivasan. 2007.

Modelling hydrology and water quality in the pre-alpine/alpine Thur watershed using SWAT [J]. Journal of Hydrology, 333(2-4): 413-430.

Afinowicz, Jason D., Clyde L. Munster, and Bradford P. Wilcox. 2005. Modeling Effects of Brush Management on

the Rangeland Water Budget: Edwards Plateau, Texas [J]. Journal of the American Water Resources Association, 41(1): 181-193.

40

Arabi, M., R.S. Govindaraju, and M.M. Hantush. 2006a. Cost-effective allocation of watershed management

practices using a genetic algorithm [J]. Water Resources Research, 42.W10429, doi:10,1029/2006WR004931. Arabi, M., R.S. Govindaraju, and M.M. Hantush. 2007. A probabilistic approach for analysis of uncertainty in

evaluation of watershed management practices [J]. Journal of Hydrology, 333: 459-471.

Arabi, M., R.S. Govindaraju, M.M. Hantush, and B.A. Engel. 2006b. Role of watershed subdivision on modeling

the effectiveness of best management practices with SWAT [J]. Journal of the American Water Resources Association, 42(2): 513-528.

Arnold, J. G., Williams, J. R., Srinivasan, R. et al. 1998 Large area hydrologic modeling and assessment part I:

Model development [J]. Journal of the American Water Resources Association, 34(1): 73-89.

Arnold, J.G., and P.M. Allen. 1999. Automated methods for estimating baseflow and groundwater recharge from

stream flow records [J]. Journal of the American Water resources Association, 35(2): 411-424.

Arnold, J.G., K.N. Potter, K.W. King, and P.M. Allen. 2005. Estimation of soil cracking and the effect on surface

runoff in a Texas Blackland Prairie Watershed [J]. Hydrological Processes, 19(3): 589-603.

Arnold, J.G., P.M. Allen, and D. Morgan. 2001. Hydrologic model for design of constructed wetlands [J]. Wetlands,

21(2): 167-178.

Arnold, J.G., P.M. Allen, R.S. Muttiah, and G. Bernhardt. 1995. Automated base flow separation and recession

analysis techniques [J]. Groundwater, 33(6): 1010-1018.

Arnold, J.G., R. Srinivasan, T.S. Ramanarayanan, and M. Di Luzio. 1999b. Water resources of the Texas gulf basin

[J]. Water Science and Technology, 39(3): 121-133.

Arnold, J.G., R.S. Muttiah, R. Srinivasan, and P.M. Allen. 2000. Regional estimation of base flow and groundwater

recharge in the upper Mississippi basin [J]. Journal of Hydrology, 227(1-4): 21-40.

Attwood, J.D., B. McCarl, C.C. Chen, B.R. Eddleman, B. Nayda, and R. Srinivasan. 2000. Assessing regional

impacts of change: linking economic and environmental models [J]. Agricultural systems, 63(3): 147-159. B?rlund, I., T. Kirkkala, O. Malve, and J. K?m?ri. 2007. Assessing the SWAT model performance in the evaluation

of management actions for the implementation of the Water Framework Directive in a Finnish catchment [J]. Environmental Modelling Software, 22(5): 719-724.

Behera, S. and R.K. Panda. 2006. Evaluation of management alternatives for an agricultural watershed in a

sub-humid subtropical region using a physical process model [J]. Agriculture, ecosystems and environment, 113(1-4): 62-72.

Benaman, J. and C. A. Shoemaker. 2004. Methodology for analyzing ranges of uncertain model parameters and

their impact on total maximum daily load processes [J]. Journal of Environmental Engineering, 130(6): 648-656.

Benaman, J., C.A. Shoemaker, and D.A. Haith. 2005. Calibration and validation of soil and water assessment tool

on an agricultural watershed in upstate New York [J]. Journal of Hydraulic Engineering, 10(5): 363-374. Benham, B.L., Baffaut, C., Zeckoski, R.W., Mankin, K.R., Pachepsky, Y.A., Sadeghi, A.M., Brannan, K.M., Soupir,

M.L., and Habersack, M.J. 2006. Modeling bacteria fate and transport in watershed models to support TMDLs [J]. Transactions of the ASABE, 49(4): 987-1002.

Bera, M., Borah, D. K. Watershed-scale hydrologic and nonpoint-source pollution models: Review of

mathematical bases [J]. Transactions of the ASAE, 2003, 46(6):1553-1566.

Bingner, R.L., J. Garbrecht, J.G. Arnold, and R. Srinivasan. 1997. Effect of watershed subdivision on simulated

runoff and fine sediment yield [J]. Transactions of the ASAE, 40(5): 1329-1335.

Boorman, D.B. 2003. Climate, Hydrochemistry and Economics of Surface-water Systems (CHESS): adding a

European dimension to the catchment modelling experience developed under LOIS [J]. Science of the Total Environnebt, 314-316: 411-437.

41

Borah, D.K. and M. Bera. 2003. Watershed-scale hydrologic and nonpoint-source pollution models: review of

mathematical bases [J]. Transactions of the ASAE, 46(6): 1553-1566.

Borah, D.K. and M. Bera. 2004. Watershed-scale hydrologic and nonpoint-source pollution models: review of

applications [J]. Transactions of the ASAE, 47(3): 789-803.

Bosch, D.D., J.M. Sheridan, H. L. Batten, J. G. Arnold. 2004. Evaluation of the SWAT Model on a Coastal Plain

Agricultural Watershed [J]. Transactions of the ASAE, 47(5): 1493-1506.

Bouraoui, F., B. Grizzetti, K. Granlund, S. Rekolainen, and G. Bidoglio. 2004. Impact of climate change on the

water cycled and nutrient losses in a Finnish catchment [J]. Climatic Change, 66(1-2): 109-126.

Bouraoui, F., L. Galbiati, and G. Bidoglio. 2002. Climate change impacts on nutrient loads in the Yorkshire Ouse

catchment (UK) [J]. Hydrology and Earth System Sciences, 6(2): 197-209.

Bouraoui, F., S. Benabdallah, A. Jrad, and G. Bidoglio. 2005. Application of the SWAT model on the Medjerda

river basin (Tunisia) [J]. Physics and Chemistry of the Earth, 30(8-10): 497-507.

Bracmort, K.S., M. Arabi, J.R. Frankenberger, B.A. Engel, and J.G. Arnold. 2006. Modeling long-term water

quality impact of structural BMPs [J]. Transactions of the ASABE, 49(2): 367-374.

Cao, W., W.B. Bowden, T. Davie, and A. Fenemor. 2006. Multi-variable and multi-site calibration and validation

of SWAT in a large mountainous catchment with high spatial variability [J]. Hydrological Processes, 20(5): 1057-1073.

Cerucci, M. and J.M. Conrad. 2003. The use of binary optimization and hydrologic models to form riparian buffers

[J]. Journal of the American Water Resources Association, 39(5): 1167-1180.

Chanasyk, D.S., E. Mapfumo, and W. Willms. 2003. Quantification and simulation of surface runoff from fescue

grassland watersheds [J]. Agricultural Water Management, 59(2): 137-153.

Chaplot, V., A. Saleh, and D.B. Jaynes. 2005. Effect of the accuracy of spatial rainfall information on the modeling

of water, sediment, and NO3-N loads at the watershed level [J]. Journal of Hydrology, 312(1-4): 223-234. Chaplot, V., A. Saleh, D.B. Jaynes, and J. Arnold. 2004. Predicting water, sediment and NO3-N loads under

scenarios of land-use and management practices in a flat watershed [J]. Water, Air, and Soil Pollution, 154(1-4): 271-293.

Chen, E. and D.S. Mackay. 2004. Effects of distribution-based parameter aggregation on a spatially distributed

agricultural nonpoint source pollution model [J]. Journal of Hydrology, 295(1-4): 211-224.

Christiansen, J.H. and M. Altaweel. 2006. Simulation of natural and social process interactions: An example from

Bronze Age Mesopotamia [J]. Social Science Companpy Reveew, 24(2): 209-226.

Chu, T.W., A. Shirmohammadi, H. Montas, and A. Sadeghi. 2004. Evaluation of the SWAT model’s sediment and

nutrient components in the Piedmont Physiographic Region of Maryland [J]. Transactions of the ASAE, 47(5): 1523-1538.

Coffey, M.E., S.R. Workman, J.L. Taraba, and A.W. Fogle. 2004. Statistical procedures for evaluating daily and

monthly hydrologic model predictions [J]. Transactions of the ASAE, 47(1): 59-68.

Conan, C., F. Bouraoui, N. Turpin, G. de Marsily, and G. Bidoglio. 2003a. Modeling flow and nitrate fate at

catchment scale in Brittany (France) [J]. Journal of Environmental Quality, 32(6): 2026-2032.

Conan, C., G. de Marsily, F. Bouraoui, and G. Bidoglio. 2003b. A long-term hydrological modelling of the Upper

Guadiana river basin (Spain) [J]. Physics and Chemistry of the Earth, 28(4-5): 193-200.

Cotter, A.S., I. Chaubey, T.A. Costello, T.S. Soerens, and M.A. Nelson. 2003. Water quality model output

uncertainty as affected by spatial resolution of input data [J]. Journal of the American Water Resources Association, 39(4): 977-986.

Deliberty, T.L. and D.R. Legates. 2003. Interannual and seasonal variability of modelled soil moisture in

Oklahoma [J]. International Journal of Climatology, 23(9): 1057-1086.

42

Di Luzio, M. and Arnold, J. G. 2004. Formulation of a hybrid calibration approach for a physically based

distributed model with NEXRAD data input [J]. Journal of Hydrology, 298(1-4): 136-154.

Di Luzio, M., J.G. Arnold and R. Srinivasan. 2005. Effect of GIS data quality on small watershed stream flow and

sediment simulations [J]. Hydrological Processes, 19(3): 629-650.

Di Luzio, M., R. Srinivasan, and J.G. Arnold. 2002. Integration of watershed tools and SWAT model into BASINS

[J]. Journal of the American Water Resources Association, 38(4): 1127-1141.

Diaz-Nieto, J., and Wilby, R.L. 2005. A comparison of statistical downscaling and climate change factor methods:

impacts on low flows in the river Thames, United Kingdom [J]. Climatic Change, 69: 245-268.

Du, B., A. Saleh, D.B. Jaynes, and J.G. Arnold. 2006. Evaluation of SWAT in simulating nitrate nitrogen and

atrazine fates in a watershed with tiles and potholes [J]. Transactions of the ASABE, 49(4): 949-959. Duan, Q., Gupta, V.K., Sorooshian, S. 1993. A shuffled complex evolution approach for effective and efficient

global minimization [J]. Journal of Optimization theory and Applications, 76(3): 501-521.

Duan, Q., Sorooshian, S., Gupta, V.K. 1992. Effective and efficient global optimization for conceptual

rainfall-runoff models [J]. Water Resources Research, 28(4): 1015-1031.

Duan, Q., Sorooshian, S., Gupta, V.K. 1994. Optimal use of SCE-UA global optimization method for calibrating

watershed models [J]. Journal of Hydrology, 158: 265-284.

Eckhardt, K. and U. Ulbrich. 2003. Potential impacts of climate change on groundwater recharge and streamflow

in a central European low mountain range. Journal of Hydrology, 284(1-4): 244-252.

Eckhardt, K., Arnold, J.G. 2001. Automatic calibration of a distributed catchment model [J]. Journal of Hydrology,

251: 103-109.

Eckhardt, K., Haverkamp, S., Fohrer, N. et al. 2002. SWAT-G, a version of SWAT99.2 modified for application to

low mountain range catchments [J]. Physics and Chemistry of the Earth, 27(9-10): 641-644.

El-Nasr, A. J.G. Arnold, J. Feyen, and J. Berlamont. 2005. Modelling the hydrology of a catchment using a

distributed and a semi-distributed model [J]. Hydrological Processes, 19(3): 573-587.

FitzHugh, T. W., and D.S. Mackay. 2000. Impacts of input parameter spatial aggregation on an agricultural

nonpoint source pollution model [J]. Journal of Hydrology, 236(1-2): 35-53.

FitzHugh, T. W., and D.S. Mackay. 2001. Impact of subwatershed partitioning on modeled source- and

transport-limited sediment yields in an agricultural nonpoint source pollution model [J]. Journal of Soil and Water Conservation, 56(2): 137-143.

Fohrer, N., D. M?ller, and N. Steiner. 2002. An interdisciplinary modelling approach to evaluate the effects of land

use change [J]. Physics and Chemistry of the Earth, 27(9-10): 655-662.

Fohrer, N., S. Haverkamp, and H.-G. Frede. 2005. Assessment of the effects of land use patterns on hydrologic

landscape functions: development of sustainable land use concepts for low mountain range areas [J]. Hydrological Processes, 19(3): 659-672.

Fontaine, T.A., J.F. Klassen, T.S. Cruickshank, and R.H. Hotchkiss. 2001. Hydrological response to climate change

in the Black Hills of South Dakota, USA [J]. Hydrological Sciences Journal, 46(1): 27-40.

Fontaine, T.A., T.S. Cruickshank, J.G. Arnold and R.H. Hotchkiss. 2002. Development of a snowfall-snowmelt

routine for mountainous terrain for the soil water assessment tool (SWAT) [J]. Journal of Hydrology, 262(1-4): 209-223.

Francos, A., G. Bidoglio, L. Galbiati, F. Bouraoui, F.J. Elorza, S. Rekolainen, K. Manni, and K. Granlund. 2001.

Hydrological and water quality modelling in a medium-sized coastal basin [J]. Physics and Chemistry of the Earth, (B) 26(1): 47-52.

Galbiati, L., F. Bouraoui, F.J. Elorza, and G. Bidoglio. 2006. Modeling diffuse pollution loading into a

Mediterranean lagoon: Development and application of an integrated surface-subsurface model tool [J].

43

Ecological Modelling, 193(1-2): 4-18.

Gassman, P.W., Reyes, M.R., Green, C.H., and Arnold, J.G. 2006. The Soil and Water Assessment Tool: historical

development, 2007-8-15

Gikas, G.D., T. Yiannakopoulou, and V.A. Tsihrintzis. 2006. Modeling of non-point source pollution in a

Mediterranean drainage basin [J]. Environmental Modeling and Assessment, 11(3): 219-233.

Gitau, M.W., T.L. Veith, and W.J. Gburek. 2004. Farm-level optimization of BMP placement for cost-effective

pollution reduction [J]. Transactions of the ASAE, 47(6): 1923-1931.

Gosain, A.K., S. Rao, R. Srinivasan, and N. Gopal Reddy. 2005. Return-flow assessment for irrigation command in

the Palleru river basin using SWAT model [J]. Hydrological Processes, 19(3): 673-682.

Govender, M. and C.S. Everson. 2005. Modelling streamflow from two small South African experimental

catchments using the SWAT model [J]. Hydrological Processes, 19(3): 683-692.

Green, C.H., M.D. Tomer, M. Di Luzio, and J.G. Arnold. 2006. Hydrologic evaluation of the soil and water

assessment tool for a large tile-drained watershed in Iowa [J]. Transactions of the ASABE, 49(2): 413-422. Grizzetti, B., F. Bouraoui, and G. De Marsily. 2005. Modelling nitrogen pressure in river basins: A comparison

between a statistical approach and the physically-based SWAT model [J]. Physics and Chemistry of the Earth, 30(8-10): 508-517.

Grizzetti, B., F. Bouraoui, K. Granlund, S. Rekolainen, and G. Bidoglio. 2003. Modelling diffuse emission and

retention of nutrients in the Vantaanjoki watershed (Finland) using the SWAT model [J]. Ecological Modelling, 169(1): 25-38.

Hanratty, M.P. and H.G. Stefan. 1998. Simulating climate change effects in a Minnesota agricultural watershed [J].

Journal of Environmental Quality, 27(6): 1524-1532.

Hao, F.H., X.S. Zhang, and Z.F. Yang. 2004. A distributed non-point source pollution model: calibration and

validation in the Yellow River Basin [J]. Journal of Environmental Sciences, 16(4): 646-650.

Hapuarachchi, H.A.P. 2003. Improved calibration of conceptual hydrologic models via GIS aided approach

[Dissertation]. Nanjing: Hohai University, 14-19.

Hapuarachchi, H.A.P., Li, Z.J., Wang, S.H. Application of SCE-UA method for calibrating the Xinanjiang

watershed model [J]. Journal of Lake Sciences, 2001, 12(4): 304-314.

Harmel, R. D., C.W. Richardson, and K.W. King. 2000. Hydrologic response of a small watershed model to

generated precipitation [J]. Transactions of the ASAE, 43(6): 1483-1488.

Harmel, R.D., R.J. Cooper, R.M. Slade, R.L. Haney, and J.G. Arnold. 2006. Cumulative uncertainty in measured

streamflow and water quality data for small watersheds [J]. Transactions of the ASABE, 49(3): 689-701. Haverkamp, S., R. Srinivasan, H.-G. Frede and C. Santhi. 2002. Subwatershed spatial analysis tool: discretization

of a distributed hydrologic model by statistical criteria [J]. Journal of the American Water Resources Association, 38(6): 1723-1733.

Hay L E, Wilby R.L, Leavesley G H. A comparison of delta change and downscaled GCM scenarios for three

mountainous basins in the United States [J]. Journal of the American Water resources Association, 2000, 36(2): 387-397.

Hernandez, M., S.C. Miller, D.C. Goodrich, B.F. Goff, W.G. Kepner, C.M. Edmonds, and K.B. Jones. 2000.

Modeling runoff response to land cover and rainfall spatial variability in semi-arid watersheds [J]. Environmental Monitoring and Assessment, 64(1): 285-298.

Heulvelmans, G., J. F. Garcio-Qujano, B. Muys, J. Feyen, and P. Coppin. 2005. Modelling the water balance with

SWAT as part of the land use impact evaluation in a life cycle study of CO2 emission reduction scenarios [J].

applications,

and

future

research

directions

[EB/OL].

http://www.brc.tamus.edu/swat/publications/gassman_et_al_final_version_ASABE_paper_SW06726.pdf,

44

Hydrological Processes, 19(3): 729-748.

Heuvelmans, G., B. Muys, and J. Feyen. 2004a. Analysis of the spatial variation in the parameters of the SWAT

model with application in Flanders, Northern Belgium [J]. Hydrology and Earth System Sciences, 8(5): 931-939. 1694

Heuvelmans, G., B. Muys, and J. Feyen. 2004b. Evaluation of hydrological model parameter transferability for

simulating the impact of land use on catchment hydrology. Physics and Chemistry of the Earth, 29(11-12): 739-747.

Holvoet, K., van Griensven, A., Seuntjens, P. et al. 2005. Sensitivity analysis for hydrology and pesticide supply

towards the river in SWAT [J]. Physics and Chemistry of the Earth, 30(8-10):518-526.

Hotchkiss, R.H., S.F. Jorgensen, M.C. Stone, and T.A. Fontaine. 2000. Regulated river modeling for climate

change impact assessment: the Missouri River [J]. Journal of the American Water Resources Association, 36(2): 375-386.

Huisman, J.A., L. Breuer, and H.G. Frede. 2004. Sensitivity of simulated hydrological fluxes towards changes in

soil properties in response to land use change [J]. Physics and Chemistry of the Earth, 29(11-12): 749-758. IPCC, 1996. Climate Change 1995: Impacts, Adaptations and Mitigation of Climate Change: Scientific - Technical

Analyses. Contribution of Working Group I to the Second Assessment Report of the Intergovernmental Panel on Climate Change [M]. Cambridge University Press, Cambridge.

Jayakrishnan, R., Srinivasan, R., Santhi, C. and Arnold, J.G. 2005. Advances in the application of the SWAT model

for water resources management [J]. Hydrological Processes, 19(3):749-762.

Jha, M., J.G. Arnold, P.W. Gassman, F. Giorgi, and R. Gu. 2006. Climate change sensitivity of water yield in the

upper Mississippi river basin [J]. Journal of the American Water Resources Association, 42(4): 997-1015. Jha, M., P.W. Gassman, and J.G. Arnold. 2007. Water Quality Modeling for the Raccoon River Watershed using

SWAT2000 [J]. Transactions of the ASAE, 50(2): 479-493.

Jha, M., P.W. Gassman, S. Secchi, R. Gu, and J. Arnold. 2004a. Effect of watershed subdivision on SWAT flow,

sediment, and nutrient predictions [J]. Journal of the American Water Resources Association, 40(3): 811-825. Jha, M., Z. Pan, E.S. Takle, and R. Gu. 2004b. Impacts of climate change on streamflow in the Upper Mississippi

River Basin: a regional climate model perspective [J]. Journal of Geophysical Research, 109: D09105, doi:10.1029/2003JD003686.

Kalin, L. and M.H. Hantush. 2006. Hydrologic modeling of an eastern Pennsylvania watershed with NEXRAD

and rain gauge data [J]. Journal of Hydraulic Engineering, 11(6): 555-569.

Kang, M.S., S.W. Park, J.J. Lee, and K.H. Yoo. 2006. Applying SWAT for TMDL programs to a small watershed

containing rice paddy fields [J]. Agricultural Water Management, 79(1): 72-92.

Kannan, N., S.M. White, and M.J. Whelan. 2007a. Predicting diffuse-source transfers of surfactants to surface

waters using SWAT [J]. Chemosphere, 66(7): 1336-1345

Kannan, N., S.M. White, F. Worrall, and M.J. Whelan. 2006. Pesticide modeling for a small catchment using

SWAT-2000 [J]. Journal of Environmental Science and Health, Part B, 41(7): 1049-1070.

Kannan, N., S.M. White, F. Worrall, and M.J. Whelan. 2007b. Sensitivity analysis and identification of the best

evapotranspiration and runoff options for hydrological modeling in SWAT2000 [J]. Journal of Hydrology, 332(3-4): 456-466.

Kaur, R., O. Singh, R. Srinivasan, S.N. Das, and K. Mishra. 2004. Comparison of a subjective and a physical

approach for identification of priority areas for soil and water management in a watershed – a case study of Nagwan watershed in Hazaribagh District of Jharkhand, India [J]. Environmental Modeling and Assessment, 9(2): 115-127.

King, K.W., J.G. Arnold, and R.L. Bingner. 1999. Comparison of Green-Ampt and curve number methods on

45

Goodwin creek watershed using SWAT [J]. Transactions of the ASAE, 42(4): 919-925.

Kirsch, K., A. Kirsch, and J.G. Arnold. 2002. Predicting sediment and phosphorus loads in the Rock River Basin

using SWAT [J]. Transactions of the ASAE, 45(6): 1757-1769.

Krause, P., D.P. Boyle, and F. B?se. 2005. Comparison of different efficiency criteria for hydrological model

assessment [J]. Advances in Geosciences, 5: 89-97.

Krysanova, V., F. Hatterman, and F. Wechsung. 2005. Development of the ecohydrological model SWIM for

regional impact studies and vulnerability assessment [J]. Hydrological Processes, 19(3): 763- 783.

Krysanova, V., F. Hatterman, and F. Wechsung. 2007. Implications of complexity and uncertainty for integrated

modelling and impact assessment in river basins [J]. Environmental Modelling Software, 22(5): 701-709. Krysanova, V., Müller-Wohlfeil, D. I., Becker, A. Development and test of a spatially distributed

hydrological/water quality model for mesoscale watersheds [J]. Ecological Modelling. 1998, 106(2-3):261-289.

Lemberg, B., J.W. Mjelde, J.R. Conner, R.C. Griffin, W.D. Rosenthal, and J.W. Stuth. 2002. An interdisciplinary

approach to valuing water from brush control [J]. Journal of the American Water Resources Association, 38(2): 409-422.

Lenhart, T., K. Eckhardt, N. Fohrer and H.-G. Frede. 2002. Comparison of two different approaches of sensitivity

analysis [J]. Physics and Chemistry of the Earth, 27(9-10): 645-654.

Lenhart, T., N. Fohrer, and H.-G. Frede. 2003. Effects of land use changes on the nutrient balance in mesoscale

catchments [J]. Physics and Chemistry of the Earth, 28(33-36): 1301-1309.

Manguerra, H.B., and B.A. Engel. 1998. Hydrologic parameterization of watersheds for runoff prediction using

SWAT [J]. Journal of the American Water Resources Association, 34(5): 1149-1162.

Mapfumo, E., D.S. Chanasyk, and W.D. Willms. 2004. Simulating daily soil water under foothills fescue grazing

with the soil and water assessment tool model (Alberta, Canada) [J]. Hydrological Processes, 18(3): 2787-2800.

Martins, Y.O., and Li, Z.J. 2003. Effects of optimization characteristics and variable antecedent catchment’s state

on parameter calibration of the Xin’anjiang model [J]. Journal of Southeast University (English Edition), 19(4): 398-404.

McKeown, R., G. Putz, J. Arnold, and M. Di Luzio. 2005. Modifications of the Soil and Water Assessment Tool

(SWAT-C) for streamflow modeling in a small, forested watershed on the Canadian Boreal Plain. In Proc. 3rd International SWAT Conf., 189-199. R. Srinivasan, J. Jacobs, D. Day, and K. Abbaspour, eds. Zurich, Switzerland: Swiss Federal Institute for Environmental Science and Technology (EAWAG). http://www.brc.tamus.edu/swat/3rdswatconf/PDF/Session_V/McKeown.pdf. 2007-8-17

Menking, K.M., K.H. Syed, R.Y. Anderson, N.G. Shafike, and J.G. Arnold. 2003. Model estimates of runoff in the

closed, semiarid Estancia basin, central New Mexico, USA [J]. Hydrological Sciences Journal, 48(6): 953-970.

Menking, K.M., R.Y, Anderson, N.G. Shafike, K.H. Syed, B.D. Allen. 2004. Wetter or colder during the last glacial

maximum? Revisiting the pluvial lake question in southwestern North America [J]. Quaternary Research, 62(3): 280-288.

Miller, S. N., W.G. Kepner, M.H. Mehaffey, M. Hernandez, R.C. Miller, D.C. Goodrich, K.K Devonald, D.T.

Heggem, and W.P. Miller . 2002. Integrating landscape assessment and hydrologic modeling for land cover change analysis [J]. Journal of the American Water Resources Association, 38(4): 915-929.

Mishra, A., J. Froebrich, P.W. Gassman. 2007. Evaluation of the SWAT model for assessing sediment control

structures in a small watershed in India [J]. Transactions of the ASABE, 50(2): 469-478

Moon, J., R. Srinivasan, and J.H. Jacobs. 2004. Stream flow estimation using spatially distributed rainfall in the

46

Trinity River Basin, Texas [J]. Transactions of the ASAE, 47(5): 1445-1451.

Moriasi, D.N., J.G. Arnold, M.W. van Liew, R.L. Binger, R.D. Harmel, and T. Veith. 2007. Model Evaluation

Guidelines for Systematic Quantification of Accuracy in Watershed Simulations [J]. Transactions of the ASABE, 50(3): 885-900.

Muleta, M.K. and J.W. Nicklow. 2005a. Decision support for watershed management using evolutionary

algorithms [J]. Journal of Water Resources Planning and Management, 131(1): 35-44.

Muleta, M.K. and J.W. Nicklow. 2005b. Sensitivity and uncertainty analysis coupled with automatic calibration for

a distributed watershed model [J]. Journal of Hydrology, 306(1-4): 127-145.

Muleta, M.K., J.W. Nicklow, and E.G. Bekele. 2007. Sensitivity of a distributed watershed simulation model to

spatial scale [J]. Journal of Hydraulic Engineering, 12(2): 163-172.

Muttiah, R. S. and R. A. Wurbs. 2002. Modeling the impacts of climate change on water supply reliabilities [J].

Water International, 27(3): 407-419.

Narasimhan, B. and R. Srinivasan. 2005. Development and evaluation of soil moisture deficit index (SMDI) and

evapotranspiration deficit index (ETDI) for agricultural drought monitoring [J]. Agricultural and Forest Meteorology, 133(1-4): 69-88.

Narasimhan, B., R. Srinivasan, J.G. Arnold, and M. Di Luzio. 2005. Estimation of long-term soil moisture using a

distributed parameter hydrologic model and verification using remotely sensed data [J]. Transactions of the ASAE, 48(3): 1101-1113.

Nasr, A., M. Bruen, P. Jordan, R. Moles, G. Kiely, and P. Byrne. 2007. A comparison of SWAT, HSPF and

SHETRAN/GOPC for modeling phosphorus export from three catchments in Ireland [J]. Water Research, 41(5): 1065-1073.

Nearing, M.A., V. Jetten, C. Baffaut, O. Cerdan, A. Couturier, M. Hernandez, Y. Le Bissonnais, M.H. Nichols, J.P.

Nunes, C.S. Renschler, V. Souchère, and K. van Ost. 2005. Modeling response of soil erosion and runoff to changes in precipitation and cover [J]. Catena, 61(2-3): 131-154.

Neitsch, S. L., Arnold, J. G., Kiniry, J. R., et al. 2002 Soil and water assessment tool theoretical documentation

version 2000 [M]. College Station: Texas Water Resources Institute, 458pp.

Olivera, F., M. Valenzuela, R. Srinivasan, J. Choi, H. Cho, S. Koka, and A. Agrawal. 2006. ArcGIS-SWAT: A

geodata model and GIS interface for SWAT [J]. Journal of the American Water Resources Association, 42(2): 295-309.

Perkins, S.P., and M. Sophocleous. 1999. Development of a comprehensive watershed model applied to study

stream yield under drought conditions [J]. Groundwater, 37(3): 418-426.

Peterson, J.R. and J.M. Hamlet. 1998. Hydrologic calibration of the SWAT model in a watershed containing

fragipan soils. Journal of the American Water Resources Association, 34(3): 531-544.

Plus, M., I. La Jeunesse, F. Bouraoui, J.-M. Zaldívar, A. Chapelle, and P. Lazure. 2006. Modelling water discharges

and nitrogen inputs into a Mediterranean lagoon: Impact on the primary production [J]. Ecological Modelling, 193(1-2): 69-89.

Pohlert, T., J.A. Huisman, L. Breuer, and H.-G. Freude. 2006. Integration of a detailed biogeochemical model into

SWAT for improved nitrogen predictions—Model development, sensitivity, and GLUE analysis [J]. Ecological Modelling, 203(3-4): 215-228.

Qi, C. and S. Grunwald. 2005. GIS-Based Hydrologic Modeling in the Sandusky Watershed Using SWAT [J].

Transactions of the ASAE, 48(1): 169-180.

Qiu, Z. 2005. Using multi-criteria decision models to assess the economic and environmental impacts of farming

decisions in an agricultural watershed [J]. Review of Agricultural Economics, 27(2): 229-244.

Qiu, Z., and T. Prato. 1998. Economic evaluation of riparian buffers in an agricultural watershed [J]. Journal of the

47

American Water Resources Association, 34(4): 877-890.

Ramanarayanan, T., B. Narasimhan, and R. Srinivasan. 2005. Characterization of fate and transport of Isoxaflutole,

a soil-applied corn herbicide, in surface water using a watershed model [J]. Journal of Agriculture and Food Chemistry, 53(22): 8848-8858.

Renschler, C.S. and T. Lee. 2005. Spatially distributed assessment of short- and long-term impacts of multiple best

management practices in agricultural watersheds [J]. Journal of Soil and Water Conservation, 60(6): 446-455. Romanowicz, A. A., Vanclooster, M., Rounsevell, M. et al. 2005. Sensitivity of the SWAT model to the soil and

land use data parametrisation: a case study in the Thyle catchment, Belgium [J]. Ecological Modelling, 187(1):27-39.

Rosenberg, N.J., D.L. Epstein, D. Wang, L. Vail, R. Srinivasan, and J.G. Arnold. 1999. Possible impacts of global

warming on the hydrology of the Ogallala aquifer region [J]. Climatic Change, 42(4): 677-692.

Rosenberg, N.J., R.A. Brown, R.C. Izaurralde, and A.M. Thomson. 2003. Integrated assessment of Hadley Centre

(HadCM2) climate change projections in agricultural productivity and irrigation water supply in the conterminous United States: I. climate change scenarios and impacts on irrigation water supply simulated with the HUMUS model [J]. Agricultural and Forest Meteorology, 117(1-2): 73-96.

Saleh, A. and B. Du. 2004. Evaluation of SWAT and HSPF within BASINS program for the Upper North Bosque

River watershed in central Texas [J]. Transactions of the ASAE, 47(4): 1039-1049.

Saleh, A., J.G. Arnold, P.W. Gassman, L.W. Hauck, W.D. Rosenthal, J.R. Williams, and A.M.S. McFarland. 2000.

Application of SWAT for the Upper North Bosque watershed [J]. Transactions of the ASAE, 43(5): 1077-1087.

Santhi, C., J.G. Arnold, J.R. Williams, L.M. Hauck, and W.A. Dugas. 2001b. Application of a watershed model to

evaluate management effects on point and nonpoint source pollution [J]. Transactions of the ASAE, 44(6): 1559-1570.

Santhi, C., J.G. Arnold, J.R. Williams, W.A. Dugas, R. Srinivasan, and L.M. Hauck. 2001a. Validation of the SWAT

model on a large river basin with point and nonpoint sources [J]. Journal of the American Water resources Association, 37(5): 1169-1188.

Santhi, C., R. Srinivasan, J.G. Arnold, and J.R. Williams. 2006. A modeling approach to evaluate the impacts of

water quality management plans implemented in a watershed in Texas [J]. Environmental Modelling Software, 21(8): 1141-1157.

Santhi, C., R.S. Muttiah, J.G. Arnold, and R. Srinivasan. 2005. A GIS-Based regional planning tool for irrigation

demand assessment and savings using SWAT [J]. Transactions of the ASAE, 48(1): 137-147.

Schuol, J. and K.C. Abbaspour. 2007. Using monthly weather statistics to generate daily data in a SWAT model

application to West Africa [J]. Ecological Modelling, 201(3-4): 301-311.

Shepherd, B., D. Harper, and A. Millington. 1999. Modelling catchment-scale nutrient transport to watercourses in

the U.K. [J]. Hydrobiologia, 395-396: 227-237.

Shirmohammadi, A., I. Chaubey, R.D. Harmel, D.D. Bosch, R. Mu?oz-Carpena, C. Dharmasri, A. Sexton, M.

Arabi, M.L. Wolfe, J. Frankenberger, C. Graff, and T.M. Sohrabi. 2006. Uncertainty in TMDL models [J]. Transactions of the ASABE, 49(4): 1033-1049.

Singh, Jaswinder, H. Vernon Knapp, J. G. Arnold, and Misganaw Demissie. 2005. Hydrological Modeling of the

Iroquois River watershed using HSPF and SWAT [J]. Journal of the American Water Resources Association, 41(2): 343-360.

Sophocleous, M. and S. P. Perkins 2000. Methodology and Application of Combined Watershed and Ground-water

Models in Kansas [J]. Journal of Hydrology, 236 (3-4): 185-201. 1963

Sophocleous, M.A., J.K. Koelliker, R.S. Govindaraju, T. Birdie, S.R. Ramireddygari, and S.P. Perkins. 1999.

48

Integrated numerical modeling for basin-wide water management: The case of the Rattlesnake Creek basin in south-central Kansas [J]. Journal of Hydrology, 214(1-4): 179-196.

Spruill, C.A., S.R. Workman, and J.L. Taraba. 2000. Simulation of daily and monthly stream discharge from small

watersheds using the SWAT model [J]. Transactions of the ASAE, 43(6): 1431-1439.

Srinivasan, M.S., Pierre Gerald-Marchant, Tamie L. Veith, William J. Gburek, and Tammo S. Steenhuis. 2005.

Watershed scale modeling of critical source areas of runoff generation and phosphorus transport [J]. Journal of the American Water Resources Association, 41(2): 361-375.

Srinivasan, R., T.S. Ramanarayanan, J.G. Arnold, and S.T, Bednarz. 1998. Large area hydrologic modeling and

assessment part II: model application [J]. Journal of the American Water Resources Association, 34(1): 91-101.

Srivastava, P., J.N. McNair, and T.E. Johnson. 2006. Comparison of process-based and artificial neural network

approaches for streamflow modeling in an agricultural watershed [J]. Journal of the American Water Resources Association, 42(2): 545-563.

Stewart, G.R., C.L. Munster, D.M. Vietor, J.G. Arnold, A.M.S. McFarland, R. White, and T. Provin. 2006.

Simulating water quality improvements in the Upper North Bosque River watershed due to phosphorus export through turfgrass sod [J]. Transactions of the ASABE, 49(2): 357-366.

Stone, M.C., R.C. Hotchkiss, and L.O. Mearnes. 2003. Water yield responses to high and low spatial resolution

climate change scenarios in the Missouri River Basin [J]. Geophysical Research Letters, 30(4): 1186, doi:10.1029/2220GLO16122.

Stone, M.C., R.H. Hotchkiss, C.M. Hubbard, T.A. Fontaine, L.O. Mearns, and J.G. Arnold. 2001. Impacts of

climate change on Missouri river basin water yield [J]. Journal of the American Water Resources Association, 37(5): 1119-1130.

Stonefelt, M. D., T.A. Fontaine, and R.H. Hotchkiss. 2000. Impacts of climate change on water yield in the upper

wind river basin [J]. Journal of the American Water Resources Association, 36(2): 321-336.

Sun, H. and P.S. Cornish. 2005. Estimating shallow groundwater recharge in the headwaters of the Liverpool

Plains using SWAT [J]. Hydrological Processes, 19(3): 795-807.

Takle, E.S., M. Jha, and C.J. Anderson. 2005. Hydrological cycle in the Upper Mississippi River basin: 20th

century simulations

by

multiple

GCMs

[J]. Geophysical

Research

Letters

32:

L18407,

doi:10.1029/2005GL023630.2005.

Thomson, A.M., R.A. Brown, N.J. Rosenberg, R. Srinivasan, and R.C. Izaurralde. 2005. Climate change impacts

for the conterminous USA: An integrated assessment; Part 4: Water resources [J]. Climatic Change, 69(1): 67-88.

Thomson, A.M., R.A. Brown, N.J. Rosenberg, R.C. Izaurralde, D.M. Legler, and R. Srinivasan. 2003. Simulated

impacts of El Nino/southern oscillation on United States water resources [J]. Journal of the American Water Resources Association, 39(1): 137-148.

Tolson, B.A. and C.A. Shoemaker. 2007. Cannonsville reservoir watershed SWAT2000 model development,

calibration and validation [J]. Journal of Hydrology, 337(1-2): 68-86.

Tripathi, M.P., N. S. Raghuwanshi, and G. P. Rao. 2006. Effect of watershed subdivision on simulation of water

balance components [J]. Hydrological Processes, 20(5): 1137-1156.

Tripathi, M.P., R.K. Panda, and N.S. Raghuwanshi. 2003. Identification and prioritisation of critical

sub-watersheds for soil conservation management using the SWAT model [J]. Biosystems Engineering, 85(3): 365-379.

Turpin, N., P. Bontems, G. Rotillon, I. B?rlund, M. Kaljonen, S. Tattari, F. Feichtinger, P. Strauss, R. Haverkamp,

M. Garnier, A. Lo Porto, G. Benigni, A. Leone, M. Nicoletta Ripa, O.M. Eklo, E. Romstad, T. Bioteau, F.

49

Birgand, P. Bordenave, R. Laplana, J.M. Lescot, L. Piet, and F. Zahm. 2005. AgriBMPWater: Systems approach to environmentally acceptable farming [J]. Environmental Modelling Software, 20(2): 187-196. USDA-ARS. 2007. The automated geospatial watershed assessment tool (AGWA). Tuscon, Arizona: Agricultural

Research Service, U..S Department of Agriculture [EB/OL]. www.tucson.ars.ag.gov/agwa/. 2007-8-15 van Griensven A. and T. Meixner. 2006. Methods to quantify and identify the sources of uncertainty for river basin

water quality models [J]. Water Science and Technology, 53(1): 51-59.

van Griensven, A., Bauwens, W. 2001. Integral water quality modelling of catchments [J]. Water Science and

Technology, 43(7):321-328.

van Griensven, A., Meixner, T., Grunwald, S. et al. 2006. A global sensitivity analysis tool for the parameters of

multi-variable catchment models [J]. Journal of Hydrology, 324(1-4):10-23.

van Liew, M.W. and J. Garbrecht. 2003. Hydrologic simulation of the Little Washita River experimental watershed

using SWAT [J]. Journal of the American Water Resources Association, 39(2): 413-426.

van Liew, M.W., J.D. Garbrecht, and J.G. Arnold. 2003b. Simulation of the impacts of flood retarding structures on

streamflow for a watershed in southwestern Oklahoma under dry, average, and wet climatic conditions [J]. Journal of Soil and Water Conservation, 58(6): 340-348.

van Liew, M.W., J.G. Arnold, and D.D. Bosch. 2005. Problems and potential of autocalibrating a hydrologic model

[J]. Transactions of the ASABE, 48(3): 1025-1040.

van Liew, M.W., J.G. Arnold, and J.D. Garbrecht. 2003a. Hydrologic simulation on agricultural watersheds:

choosing between two models [J]. Transactions of the ASAE, 46(6): 1539-1551.

van Liew, M.W., J.G. Arnold, and J.D. Garbrecht. 2003a. Hydrologic simulation on agricultural watersheds:

choosing between two models [J]. Transactions of the ASAE, 46(6): 1539-1551.

van Liew, M.W., T.L. Veith, D.D. Bosch, and J.G. Arnold. 2007. Suitability of SWAT for the Conservation Effects

Assessment Project: A comparison on USDA ARS watersheds [J]. Journal of Hydraulic Engineering, 12(2): 173-189.

Varanou, E, E. Gkouvatsou, E. Baltas, and M. Mimikou. 2002. Quantity and quality integrated catchment

modelling under climatic change with use of Soil and Water Assessment Tool model [J]. Journal of Hydraulic Engineering, 7(3): 228-244.

Vazquez-Amabile, G.G. and B. A. Engel. 2005. Use of SWAT to compute groundwater table depth and streamflow

in the Muscatatuck River watershed [J]. Transactions of the ASABE, 48(3): 991-1003.

Vazquez-Amabile, G.G., B. A. Engel, and D.C. Flanagan. 2006. Modeling and risk analysis of nonpoint-source

pollution caused by atrazine using SWAT [J]. Transactions of the ASABE, 49(3): 667-678.

Veith, T. L., A. N. Sharpley, J. L. Weld, W.J. Gburek. 2005. Comparison of measured and simulated phosphorus

losses with indexed site vulnerability [J]. Transactions of the ASAE, 48(2): 557-565.

Volk, M., J. Hirschfeld, G. Schmidt, C. Bohn, A. Dehnhardt, S. Liersch, and L. Lymburner. 2007. A SDSS-based

ecological-economic modeling approach for integrated river basin management on different scale levels – the project FLUMAGIS [J]. Water Resources Management, DOI 10.1007/s11269-007-9158-z.

Wang, X. and A.M. Melesse. 2005. Evaluation of the SWAT model’s snowmelt hydrology in a northwestern

Minnesota watershed [J]. Transactions of the ASAE, 48(4): 1359-1376.

Wang, X., A.M. Melesse, and W. Yang. 2006. Influences of potential evapotranspiration estimation methods on

SWAT’s hydrologic simulation in a northwestern Minnesota watershed [J]. Transactions of the ASABE, 49(6): 1755-1771.

Watson, B.M., R. Srikanthan, S. Selvalingam, and M. Ghafouri. 2005. Evaluation of three daily rainfall generation

models for SWAT [J]. Transactions of the ASAE, 48(5): 1697-1711.

Weber, A., N. Fohrer and D. Moller. 2001. Long-term land use changes in a mesocale watershed due to

50

本文来源：https://www.bwwdw.com/article/w1tr.html