Plateau Meteorology

Plateau Meteorology >

2024 , Vol. 43 >Issue 3: 570 - 582

DOI: https://doi.org/10.7522/j.issn.1000-0534.2023.00086

Research on Runoff Simulation over the Source Area of the Yellow River based on the Multiple Precipitation Products

  • Xiaoyue LI ,
  • Jun WEN ,
  • Yan XIE ,
  • Yaling CHEN ,
  • Yixuan CHEN ,
  • Xiangyu GE
Expand
  • 1. Plateau Atmosphere and Environment Key Laboratory of Sichuan Province，School of Atmospheric Sciences，Chengdu University of Information Technology，Chengdu 610225，Sichuan，China
    2. Yibin University，Yibin 644000，Sichuan，China

Received date: 2023-06-09

  Revised date: 2023-10-16

  Online published: 2023-10-16

Fold

Abstract

The Source Area of the Yellow River is located in the northeastern part of the Qinghai-Xizang Plateau， and the meteorological stations are sparsely distributed in this basin， the study of the applicability of various precipitation data products has an important values in promoting the hydrological modeling in the basin.Based on the China Meteorological Assimilation Datasets for SWAT model Version1.1 （CMADS V1.1）， the Tropical Rainfall Measurement Mission （TRMM） precipitation datasets （3B42 Version7） and the Soil and Water Assessment Tool （SWAT） driven by these precipitation data， respectively， and the SWAT-CUP （SWAT Calibration and Uncertainty Program） and SUFI-2 （Sequential Uncertainty Fitting2） algorithm 27 sensitivity parameters were rate in simulating the variation of multi-year monthly average runoff， the simulated results were compared with the observations to evaluate the accuracy of CMADS and TRMM 3B42 precipitation data products and the applicability of SWAT model were evaluated in the Source Area of the Yellow River source area.The results show that： （1） The distribution of all three precipitation datasets showed an increasing trend from the west to the east， and TRMM 3B42 was in better agreement with the measured precipitation than CMADS data set in terms of annual and monthly variation.（2） The sensitivity analysis of the parameters showed that the sensitivity degree of SCS （Soil Conservation Service） runoff curve number， groundwater lagging coefficient， and soil evaporation compensation coefficient were stronger than that of the others.（3） The simulated runoff by using the CMADS and TRMM 3B42 precipitation datasets had better results than that by using the measured precipitation data， with the correlation coefficients R 2 of 0.93， 0.92 and 0.88 for the rate period at the three hydrological stations， respectively， while the results of the TRMM 3B42 simulation were the next best， with the coefficients of correlation （R） of the rate-period and validation-period of above 0.80， and the Nash-Sutcliffe efficiency coefficient （NSE） of the simulations is above 0.50.This research demonstrates the applicability of CMADS datasets and SWAT model for runoff simulation in high-altitude areas with complex landscape types and sensitive to climate change， and provides a replacement solution for improving the hydrological models in areas where there are sparely meteorological stations.

Key words： Source area of the Yellow River; SWAT model; runoff simulation; reanalysis of precipitation data

Cite this article

Xiaoyue LI , Jun WEN , Yan XIE , Yaling CHEN , Yixuan CHEN , Xiangyu GE . Research on Runoff Simulation over the Source Area of the Yellow River based on the Multiple Precipitation Products[J]. Plateau Meteorology, 2024 , 43(3) : 570 -582 . DOI: 10.7522/j.issn.1000-0534.2023.00086

1 引言

随着全球气温升高， 气候变化将进一步加剧， 青藏高原作为全球变化最敏感的地区之一， 该地区升温相当于其他地区的3倍（徐洪亮等， 2021； 秦大河等， 2005）。青藏高原素有“亚洲水塔”之称， 气候变暖会加剧水文循环过程， 而降水作为水循环的重要组成之一， 对位于青藏高原东北部的黄河源区径流产生重要影响（姚檀栋等， 2019）。
径流是水循环中的重要组成部分， 国内外学者利用各种水文模型对径流进行模拟。水文模型是一种利用水文学和现代信息技术相结合的方法， 可以对流域内的水量和水质状况进行定性和定量评估（王莺等， 2017）。在传统的水文模型中， 会忽略流域内部气候和下垫面条件的空间差异性， 导致在模拟长时间序列和大尺度水文过程时存在一定的不准确性（严登华等， 2013）。然而， 随着数字化时代的到来， 分布式水文模型逐渐成为了研究现代水文模拟技术的重点。目前主要的分布式水文模型有SWAT（Soil and Water Assessment Tool）模型、 MIKE SHE（Mike Surface Water Hydrology）模型、 VIC（Variable Infiltration Capacity Model）模型和TOPMODEL（Topographic Model）模型等（王中根等， 2003）。其中， SWAT模型被广泛应用于国内外的土壤水文评估， 它能够反映气象和下垫面因素对流域水文过程的空间差异影响（de Oliveira Serrão et al， 2022； Bera and Maiti， 2021）。Ayivi and Jha（2018）利用SWAT模型模拟北卡罗来纳州里迪福克-布法罗（Reedy Fork-Buffalo Creek）流域的径流， 结果显示模拟径流量与实际观测值基本一致。Ridwansyah et al（2020）对印度尼西亚希莫纳克（Cimanuk）流域进行了水文过程模拟， 探讨了土地利用和气候变化对流域径流的影响， 结果显示 SWAT模型日径流模拟效率系数（Nash-Sutcliffe Efficiency， NSE）和决定性系数（R 2）均在0.70以上， 达到水文模拟应用要求。高燕（2019）利用SWAT模型模拟了长江中下游四个水文站点月径流量， 结果表明， 率定期R 2和NSE均高于0.9， 验证期评价结果均在0.8以上， 说明SWAT模型非常适用于长江流域径流模拟。
降水数据是建立水文模型最关键的气象参数， 提高降水量数据的准确性对稳定模型参数化和提高模型效率至关重要（Lobligeois et al， 2013； Galván et al， 2014）。黄河源区由于受到地形复杂、 生态环境恶劣等客观条件的影响， 流域内的实测降水量存在很大的局限性（刘兆晨等， 2021）。因此， 卫星遥感凭借其覆盖范围广， 时效性强， 空间分辨率高等特点， 已成为获取全球降水数据的重要手段（Ward et al， 2011； Hou et al， 2014）。其中， 热带降雨测量卫星（Tropical Rainfall Measuring Mission， TRMM）降水产品， 目前已积累了大量的全球降水数据， 具有较好的使用前景（Tan et al， 2017）。诸多学者对TRMM卫星降水数据的适用性进行了评估， 成璐等（2014）对美国气候预测降水中心融合技术降水产品（Climate Prediction Center Morphing Technique， CMORPH）和TRMM 3B42两个降水产品进行了综合评价， 结果表明， 这两个产品对大多数地区的夏季日降水量均有较好的模拟能力， 但是TRMM的模拟能力略强于CMORPH。Hur et al（2016）将两个高分辨率的卫星降雨数据集（TRMM 3B42和GSMaP v5.222）与新加坡的雨量站观测数据进行了比较。结果发现， 虽然TRMM的降水在所有季节都与地面观测有显著的相关性， 但卫星降水产品高估了降水量， 并且不准确地检测到极端降水事件。Khodadoust et al（2017）将2014年3 -12月的3 h TRMM 3B42和多卫星降水产品（Integrated Multi-satellite Retrievals for GPM， GPMIMERG）数据与伊朗西北部霍拉桑拉扎维省的3 h雨量计数据进行比较， 结果表明， GPMIMERG数据与雨量计降水数据的相关性更高， 但两种卫星数据都低估了研究区域的降水量。随着模型的发展， 逐渐产生了许多新的用于SWAT模型的气象数据集， 极大地方便了模型的建立和应用。中国大气同化驱动数据集（China meteorological assimilation driving database for the SWAT model， CMADS）就是其中之一。CMADS数据集引入了先进的同化技术， 还通过国家自动观测站进行了偏差订正并按照SWAT模型输入气象数据的格式进行了整理， 孟现勇等（2016）利用CMADS数据集和传统气象站数据分别驱动SWAT模型模拟黑河流域的径流量， 经过率定和验证后发现CMADS模拟的径流量结果更接近于实测值。刘俊等（2017）利用CMADS、 TRMM 3B42和中国区域高时空分辨率地面气象要素驱动数据集（Institute of Tibetan Plateau Chinese Academy o Science， ITPCAS）模拟玉龙喀什河流域的径流量， 结果表明CMADS数据集在分布式水文模型中具有较大的优势。
黄河源区作为黄河的发源地， 对我国水文格局分布有着重要的作用。同时， 由于其特殊的地理位置， 也被认为是我国受到气候变化影响最大、 最敏感的地区。黄河源区的径流量变化不仅直接影响着整个黄河流域的供水情况和生态环境变化， 也潜移默化地影响着中下游地区的水量和水质等（杨泽康等， 2021）。然而， 由于黄河源区气象站点分布稀疏且不均匀， 很难了解其水文过程。近年来， CMADS数据集在分布式水文模型中具有较大的优势； TRMM降水数据拥有大量的全球数据， 具有较好的使用前景。因此， 本文利用中国大气同化驱动数据集（CMADS）、 TRMM 3B42卫星降水数据和气象站点日降水数据驱动SWAT模型模拟黄河源区吉迈站、 玛曲站和唐乃亥站3个水文站的月径流量， 分析三类降水数据集在黄河源区径流模拟方面的适用性， 为气象站点稀缺的地区提供了建立水文模型的替换方案。

2 研究区概况

本文选取的黄河源区为唐乃亥水文站以上的黄河流域地区［图1， 该图及文中涉及的所有地图是基于自然资源部地图技术审查中心标准地图服务系统下载的审图号为GS（2021）5449号的标准世界地图制作， 底图无修改］， 位于95°50′E -103°30′E、 32°20′N -36°10′N（李江苏等， 2020）， 其中子流域按照本研究模型模拟方案划分（图7）。黄河源区处于欧亚大陆中心内陆腹地， 地势起伏较大， 气候寒冷并且持续时间长， 海拔都在3000 m以上， 下垫面主要由高寒沼泽， 高寒草甸草地、 湖泊湿地和冻土等构成（武月月等， 2022）。部分地区平均气温低于0.0 ℃， 多年平均气温为-4.0 ℃； 降水过程具有显著的季节性变化， 并且由西北部向东南部递增， 年降水量485.9 mm， 其中6 -9月降水量占全年降水量的70.0%； 年蒸发量变化较大， 在1000.0~1500.0 mm。黄河源区径流补给主要有降水、 冰川融化以及地下水。降水是源区径流量补充的主要途径之一， 占96.0%； 冰川退缩使黄河源区年均损失冰川水资源约0.7×108 m3（文军等， 2011； 蒋宗立等， 2018）。
图1 黄河源区地形地貌及水文站分布

Fig.1 Distribution of topography and hydrological stations in the source area of Yellow River

图2 2008-2018年黄河源区CMADS、 TRMM 3B42和实测逐月降水量

Fig.2 CMADS， TRMM 3B42 and measured monthly precipitation in the source area of Yellow River from 2008 to 2018

图3 2008 -2018年黄河源区CMADS、 TRMM 3B42和实测数据月平均降水量箱型图

Fig.3 Box plots of monthly mean precipitation from CMADS， TRMM 3B42 and measured data in the source area of Yellow River from 2008 to 2018

图4 黄河源区CMADS（a）、 TRMM 3B42（b）与实测月降水散点对比

Fig.4 Comparison of CMADS （a）， TRMM 3B42 （b） and measured monthly precipitation scatter in the source area of Yellow River

图5 黄河源区年平均降水量空间分布CMADS（a）、 TRMM 3B42（b）、 实测降水（c）

Fig.5 Spatial distribution of annual mean precipitation in the Yellow River source area CMADS （a）， TRMM 3B42 （b）， measured precipitation （c）

图6 黄河源区土地利用类型（a）及土壤类型分布（b）

Fig.6 Land use types （a） and soil type distribution （b） in the source area of Yellow River

图7 黄河源区子流域分布

Fig.7 Distribution of sub-basins in the source area of Yellow River

3 数据来源与研究方法

3.1　数据来源

3.1.1　气象水文数据

本研究采用了3种气象数据。
（1） SWAT模型中国大气同化驱动数据集（China Meteorological Assimilation Datasets for SWAT model Version1.2， CMADS V1.2）基于中国气象局陆面数据同化系统（CAM Land Data Assimilation System， CLDAS）驱动场要素为原始数据， 利用数据循环嵌套、 重采样及双线性插值等多种技术方法建立（孟现勇等， 2016； Meng et al， 2017）。本文所使用的是日累计降水量数据， 空间分辨率为1/8°×1/8°， 时间尺度为2008年1月1日至2018年12月31日， 每个站点包含要素为日最高/低温度（单位： ℃）、 日累计降水量（单位： mm）、 日平均太阳辐射（单位： MJ·m-2）、 日平均相对湿度、 日平均风速（单位： m·s-1）。
（2） 热带降雨测量卫星（TRMM）降水数据集是TRMM卫星与其他卫星联合反演的降水产品。本文所使用的TRMM 3B42是逐日降水产品， 空间分辨率为0.25°×0.25°， 时间跨度为2008年1月1日至12月31日。该卫星产品由美国航空航天局戈达德地球科学资料和信息服务中心制作（https： //disc.gsfc.nasa.gov/datasets/TRMM_3B42_Daily_7/summary）。
（3） 本文实测降水数据为2008-2018年黄河源区气象站点日数据， 选取了兴海、 同德、 贵南、 玛曲、 玛多、 玛沁、 甘德、 达日、 河南、 久治、 若尔盖、 红原12个气象站， 采用中国气象数据网（http： //data.cma.cn）提供的“中国地面气候资料日值数据集”的实测气象资料。
本研究径流量资料采用唐乃亥、 玛曲、 吉迈3个水文站2008 -2018年的逐月径流数据， 数据来源于黄河水利委员会上游水文水资源局（http： //www.hwswj.com.cn/subsite/syj.html）。

3.1.2　数字高程模型、 土地利用和土壤数据

数字高程模型数据（Digital Elevation Model， DEM）来自地理数据空间云（http： //www.gscloud.cn/）， 空间分辨率为90.0 m。土地利用来自资源环境科学与数据中心（https： //www.resdc.cn/Datalist1.aspx？FieldTyepID=11， 6）， 空间分辨率为1.0 km。土壤数据来自世界粮农组织提供世界土壤数据库（Harmonized World Soil Database， HWSD）中的中国土壤数据集（V1.2）， 空间分辨率1.0 km。

3.2　研究方法

3.2.1　土壤水文评估工具分布式水文模型

土壤水文评估工具分布式水文模型（Soil and Water Assessment Tool， SWAT）是一种物理-概念模型， 可以综合考虑气候和下垫面等因素的影响， 并能够灵活处理各种复杂条件（Osei et al， 2019； White et al， 2011）。SWAT水文模型是一个开放、 发展的水文模型。它可以与多种GIS平台集成， 用户界面操作简便， 代码容易获取。目前， SWAT水文模型已广泛应用于全球各地（刘俊等， 2017）。

3.2.2　参数率定方法

模型参数校准过程通常是为了使模型参数值更好地反映当前流域的实际情况， 尽可能地减小模拟输出与观测值之间的误差。SWAT-CUP（SWAT Calibration and Uncertainty Program）是一个专门用于参数校准和敏感性分析的软件， 具备并行处理、 可视化输出结果、 多目标函数校准参数以及提取和可视化95.0%不确定区间等功能（Abbaspour et al， 2004）。
本研究利用SWAT-CUP软件中的SUFI-2（Sequential Uncertainty Fitting2）算法对与径流相关的参数进行率定。该方法能够同时校准多个参数， 兼顾输入数据、 模型结构以及观测数据的不确定性（Yang et al， 2008； 魏丹等， 2012）。通过95.0%预报不确定性图（95.0% Prediction Uncertainty）将参数范围进行可视化展示， 从而找到最优的参数组合（王中根等， 2007； 郭敏等， 2016）。

3.2.3　模拟径流评估方法

本研究使用相关系数（R）和效率系数（Nash-Sutcliffe Efficiency， NSE）来评估水文模型模拟径流的效果。具体计算公式如下（Schaefli and Gupta， 2007； Moriasi et al， 2007）：
R 2 = ∑ i = 1 n ( Q i - Q l ¯ ) ( S i - S l ¯ ) ∑ i = 1 n ( Q i - Q l ¯ ) 2 ∑ i = 1 n ( S i - S l ¯ ) 2 2
N S E = 1 - ∑ i = 1 n ( S i - Q i ¯ ) 2 ∑ i = 1 n ( Q i - Q i ¯ ) 2
式中： n为数据时间序列长度； Q i为径流实测值； S i为径流模拟值； Q i ¯为径流实测平均值； S i ¯为径流模拟平均值。

4 结果分析

4.1　降水产品在黄河源区的适用性分析

4.1.1　对CMADS和TRMM 3B42降水产品月尺度时间序列的评估

基于2008 -2018年CMADS、 TRMM 3B42降水产品和气象站点数据的黄河源区月降水量时间序列如图2所示。其中多雨、 少雨和正常年份是根据国内较常用的降水年型划分标准进行划分的（张北赢等， 2008）。图2显示， 2011年、 2013年、 2014年和2017年被划分为干旱少雨年份； 2012年和2018年被认为是多雨湿润年； 其他年份降水量处于正常水平。基于CMADS、 TRMM 3B42和气象站点数据的年平均降水量分别为477.12 mm、 482.67 mm和595.41 mm， 并且2008 -2018年该地区降水量呈现微弱的下降趋势， 下降幅度分别为5.24 mm·（10a）-1、 1.35 mm·（10a）-1和1.18 mm·（10a）-1。从图2中可以看出， 黄河源区年降水量主要集中在6 -8月的汛期， CMADS、 TRMM 3B42和气象站点的6 -8月降水量分别占年平均降水量的61.0%、 61.5%和54.6%。与实测降水量相比， CMADS和TRMM3B42降水产品都严重低估了降水量， 尤其是汛期降水量。黄河源区的降水量的年变化特征都呈现双峰型， CMADS和TRMM 3B42都能很好地体现出双峰型的特征。
从图3中可以看出， 黄河源区多年平均月降水量呈现正态分布， 7月的月平均降水量最大， 其最大值为125.26 mm， 1 -3月和11 -12月的月平均降水量均低于20.0 mm， 说明该地区年内降水量分布不均匀； 也可以看出CMADS和TRMM 3B42降水产品严重低估了该地区的降水量， 6月和7月CMADS和TRMM 3B42的降水量与实测数据相比均减少了50.0 mm左右； 冬季的月平均降水量误差较小。CMADS和TRMM 3B42的月平均降水量基本相似， CMADS月平均降水量的中位线略高于TRMM 3B42。从CMADS、 TRMM 3B42与实测数据散点图中得出气象站点数据与CMADS、 TRMM 3B42的月降水量存在较好的一致性， CMADS与实测数据的拟合直线斜率为0.73， R 2=0.84； TRMM 3B42与实测数据的拟合直线斜率为0.81， R 2=0.91。总体来看， TRMM 3B42与气象站点数据在年和月变化上均具有一定的一致性， 降水分布情况好于CMADS数据集。

4.1.2　对CMADS和TRMM 3B42降水产品年平均降水量空间尺度的分析

从绘制的黄河源区降水空间分布（图5）可以看出， CMADS、 TRMM 3B42与气象站点的空间分布略有不同。三种降水量数据均能够表征黄河源区年平均降水量由西向东递增的趋势。CMADS降水量数据集表示源区西部年平均降水量基本在200.0 mm左右， 东部年平均降水量在350.0 mm左右， 降水量最大值在源区东南部； TRMM 3B42降水量数据集表现的黄河源区年平均降水量虽然呈现由西向东、 由北向南递增的趋势， 但增加幅度很小； 气象站点降水量数据集表现的黄河源区年降水量空间变化最明显， 源区东南部降水量比西部高300.0 mm左右， 降水量最大值为971.5 mm。实测降水数据集表现出年平均降水量空间分布明显可能是由于气象站点分布较少且不均匀导致的， 气象站点主要分布在北部和东南部， 西部分布较少。

4.2　土壤和水评估工具分布式水文模型模拟方案与参数率定

4.2.1　黄河源区土地利用、 土壤和气象数据库的建立

土地利用类型数据作为SWAT模型的主要输入数据之一， 它反映了流域下垫面土地类型， 对径流模拟结果有重要影响。为了避免水文响应单元（HRU）数量过多， 应尽量减少土地利用类型， 将相似的类型归为一类。因此， 在本研究中， 将土地利用类型重新分类为6种类型［图6（a）］。流域的土地利用类型以草地为主， 占整个源区的79.7%； 其次是林地， 占整个源区的7.6%， 主分布在黄河源区的中部； 流域水体主要由鄂陵湖和扎陵湖构成， 占整个源区的2.4%。
土壤是引起流域水循环系统的重要因素之一。由于源区土壤种类众多， 将同一土壤分组下的所有土壤种类归为一类， 把该土壤分组中百分比较高的这类土壤作为最终土壤种类， 其他土壤都采用这类土壤的属性。然后计算user-soil中的土壤参数， 其中土壤层结构（TEXTURE）、 土壤容重（SOL-BD）、 土壤有效含水量（SOL-AWC）和饱和导水率（SOL-K）4种参数使用SPAW软件计算。重分类后的土壤类型有16种［图6（b）］， 分别是灰色土、 黑钙土、 砂性土、 黑土、 变性土、 冲积土、 潜育土、 有机土、 盐土、 碱土、 高活性强酸土、 薄层土、 雏形土、 人为土、 高活性淋溶土和水体。其中， 流域的土壤类型以薄层土为主， 占整个源区的67.2%。
SWAT模型需要输入的气象要素有降水、 气温、 太阳辐射度、 相对湿度和风速。降水数据分别输入CMADS、 TRMM 3B42和实测数据； 其余的气象要素以CMADS数据集为基准。

4.2.2　模型模拟方案建立

加载黄河源区的DEM数据后， 进行河网提取并以唐乃亥站作为流域出水口。接着计算流域参数， 加载土地利用、 土壤和坡度数据， 并设置阈值。最后， 将黄河源区划分为421个水文响应单元和48个子流域（图7）； 最后输入气象数据， 运行模型； 设置模拟时间为2008年1 -12月， 预热时间为2008年1月至2009年12月。

4.2.3　参数率定

基于黄河源区的流域特征， 本文选取了与径流相关的27个参数（贾何佳等， 2022）。在SWAT-CUP中利用SUFI-2算法对27个参数进行率定， 对3种降水产品驱动模拟的径流量分别进行了7组迭代， 每组300次， 共迭代2100次。本研究根据t-Stat值和P-Value值确定了参数的敏感性排序（见表1）， t-Stat值的绝对值越大， P-Value值接近于0， 则参数的敏感性越强（荣易等， 2021）。虽然三种降水数据集对SCS径流曲线数（CN2）、 基流ALPHA因子（ALPHA_BF）、 地下水滞后系数（GW_DELAY）、 土壤蒸发补偿系数（ESCO）、 土壤层有效水容量（SOL_AWC）、 最大融雪系数（发生在夏至）（SMFMX）等参数均表现出了较大程度的敏感性， 但敏感性大小也不相同， 这是造成3种降水数据集模拟径流结果有差异的重要原因之一。其中， SCS径流曲线数（CN2）在三种降水数据集中敏感性最强， 该参数主要反映在下垫面特征和降水量一定时， CN2值越大， 径流量越大； 基流ALPHA因子（ALPHA_BF）反映了地表径流与地下水补给量之间的关系， GW_DELAY指的是水分下渗到浅层含水层与从土壤非饱和层中流出的延迟时间差， 这两种参数主要是为了调节模拟的地下水量； 土壤蒸发补偿系数（ESCO）是表征土壤蒸散能力的参数。
表1 SWAT模型参数敏感性排序及其率定

Table 1 SWAT model parameter sensitivity ranking and calibration

参数名称 参数含义 率定结果 敏感性排序
CMADS TRMM 3B42 实测 数据 CMADS TRMM 3B42 实测 数据
CN2 SCS径流曲线系数 0.13 -0.01 -0.15 1 1 1
ESCO 土壤蒸发补偿系数 0.74 0.72 0.20 2 2 3
GW_DELAY 地下水滞后系数（单位：d） 42.35 65.23 35.30 3 3 4
ALPHA_BF 基流ALPHA因子（单位：d） 0.67 0.75 0.19 4 4 7
SMFMX 最大融雪系数（发生在夏至）［单位：mm（H2O）·℃-1·d-1］ 11.46 19.24 11.23 5 5 2
SOL_AWC 土壤层有效水容量［单位：mm（H2O）·mm（soil）-1］ 0.23 0.55 0.37 6 6 5
EPCO 植物吸收补偿因子 0.74 0.69 0.92 7 13 12
GW_REVAP 地下水再蒸发系数 0.06 0.10 0.05 8 7 8
CH_N2 主河道河床曼宁系数 0.20 0.09 0.04 9 8 13
SOL_BD 土壤饱和容重（单位：g·cm-3） 1.76 2.05 1.70 10 15 6
SOL_K 土壤饱和水传导度（单位：mm·h-1） 1110.71 975.29 1223.33 11 10 11
CH_K2 主河道河床有效水力传导度（单位：mm·h-1） 179.78 120.07 279.17 12 9 9
SURLAG 地表径流滞后系数（单位：d） 24.54 14.05 25.32 13 20 23
SMFMN 最小融雪系数（发生在冬至）（单位：mm（H2O）·℃-1·d-1） 9.36 6.52 14.70 14 11 14
SLSUBBSN 平均坡长（单位：m） 16.48 45.31 56.35 15 12 15
GWQMN 浅层含水层产生基流的阈值深度（单位：mm） 0.80 1.40 0.84 16 14 10
SOL_ALB 湿润土壤反照率 0.22 0.22 0.23 17 16 18
SFTMP 降雪温度（单位：℃） -1.07 -3.37 2.86 18 17 16
REVAPMN 渗透到深层防水层的阈值深度（单位：mm） 13.47 278.88 134.17 19 21 22
TIMP 积雪温度滞后系数 0.15 0.30 0.40 20 26 21
RCHRG_DP 深含水层渗透比 0.92 0.62 0.64 21 18 17
CANMX 最大冠层截流量（单位：mm） 7.57 40.51 7.83 22 19 20
BIOMIX 生物混合效率 0.57 0.55 0.39 23 22 19
SMTMP 融雪基温（单位：℃） -1.74 -18.21 -5.00 24 24 26
PLAPS 降水递减率 -935.80 -803.51 -669.10 25 27 27
TLAPS 气温垂直减率［单位：℃·km-1］ -9.80 -3.47 0.03 26 25 25
HRU_SLP 平均坡面陡度/（m·m-1） 0.01 0.01 0.01 27 23 24

4.3　径流模拟结果分析

黄河源区3个水文站实测径流与3种降水数据集月尺度径流模拟结果如图8所示， 其中， 率定期为2010年1月至2015年12月， 验证期为2016年1月至2018年12月。结果表明， 3种降水产品对3个水文站的模拟结果有较大差异。CMADS数据集驱动SWAT模型在3个水文站的率定期的径流模拟效果均很理想， 相关系数R分别是0.93， 0.92， 0.88， 纳什系数NSE均在0.75以上， 并且对于径流量单峰值与双峰值的模拟基本一致， 尤其是唐乃亥站， 说明利用SUFI-2算法对参数进行率定取得了良好的结果； 但3个水文站在验证期的模拟径流均远低于实测径流， 主要出现在洪水期， 但模拟精度仍在可行范围内。TRMM 3B42数据集驱动的SWAT模型在率定期和验证期的径流模拟与实测径流相比较低， 虽然相关系数R均在0.80以上， 但都没有很好地模拟出3个水文站的峰值。气象站点降水数据集驱动的SWAT模型在3个水文站的率定期和验证期模拟效果较差， 唐乃亥站和玛曲站的径流模拟结果在基流期（12月到次年3月）普遍高于实测径流， 而在洪水期的模拟值普遍低于实测径流； 吉迈站的径流模拟值与实测径流的走势差距较大， 尤其2014-2018年洪水期的径流模拟值远高于实测径流， 模拟结果与刘兆晨等（2021）的研究结果基本一致。
图8 黄河源区3个水文站逐月实测径流量与3种降水数据集模拟结果对比

Fig.8 Comparison of monthly measured runoff and simulation results of three precipitation data sets at three hydrological stations in the source area of Yellow River

表2 黄河源区3个水文站逐月实测径流量与3种降水数据集模拟结果评价

Table 2 Evaluation of monthly measured runoff and three types of precipitation simulations at three hydrological stations in the source area of Yellow River

气象数据 唐乃亥站 玛曲站 吉迈站
率定期 验证期 率定期 验证期 率定期 验证期
R NSE R NSE R NSE R NSE R NSE R NSE
CMADS 0.86 0.87 0.81 0.77 0.86 0.81 0.74 0.69 0.72 0.71 0.77 0.33
TRMM 3B42 0.72 0.62 0.76 0.67 0.72 0.59 0.69 0.62 0.67 0.53 0.76 0.30
站点数据 0.74 0.67 0.72 0.56 0.74 0.64 0.66 0.41 0.66 0.61 0.38 0.29
整体来看， 3种降水量数据集驱动SWAT均能模拟出黄河源区3个水文站2010 -2018年月径流量的变化趋势。其中， CMADS数据集的模拟效果最佳， 尤其在汛期， CMADS的优越性更加突出； TRMM 3B42模拟结果次之， 说明卫星降水产品具有一定的模拟潜力； 实测降水量数据集的模拟效果较差是由于黄河源区传统气象站点分布稀疏且不均匀导致的。另外， 三种降水数据输入时不同的模型率定参数也会导致径流结果存在差异。

5 结论与展望

5.1　结论

通过对比分析CMADS、 TRMM 3B42和实测降水在黄河源区的时空分布特征并利用SWAT水文模型对流域3个水文站点径流变化进行模拟， 并利用SWAT-CUP对模拟结果进行参数率定。评估了CMADS和TRMM 3B42降水数据产品及SWAT模型在黄河源区的适用性， 得出以下结论：
（1） 3种降水量数据产品在表征黄河源区的年平均降水量时空分布特征时存在较大差异。降水数据插值结果显示3种降水数据都表现为由西向东递增的趋势， 但是CMADS和TRMM 3B42的年降水量均小于实测数据。黄河源区多年平均月降水量呈现正态分布， CMADS与实测数据散点图的拟合直线斜率为0.73； TRMM 3B42与实测数据散点图的拟合直线斜率为0.81。TRMM 3B42与实测数据在年和月变化上均具有较好的一致性， 降水分布情况好于CMADS数据集。
（2） 对所选取的27个率定参数根据t-Stat值和P-Value值进行敏感性排序， 结果表明SCS径流曲线数、 土壤蒸发补偿系数和地下水滞后系数等对流域径流的影响较大。
（3） 3种降水量数据集驱动SWAT均能模拟出黄河源区3个水文站2010 -2018年月径流量的变化趋势。其中， CMADS数据集的模拟效果最佳， 特别是在汛期， CMADS的优越性更加突出， 3个水文站在率定期的相关系数R分别是0.93， 0.92和0.88； TRMM 3B42模拟结果次之， 率定期的纳什系数NSE在0.50以上， 说明卫星降水产品具有一定的模拟潜力， 但在高海拔地区的精确度还需要进一步提高； 气象台站降水量数据集的模拟效果较差是由于黄河源区气象站点分布稀疏且不均匀。
CMADS数据集模拟径流的效果好于其他数据集的原因是CMADS降水数据由多卫星数据与地面区域自动站的降水数据融合而成， 采用 CMORPH产品作为背景场， 融合近40000个中国降水自动站的观测资料制作而成。总体而言， CMADS数据集驱动SWAT模型对地貌类型复杂、 气候敏感的高海拔地区的径流模拟具有较好的适用性， 为气象站点稀缺的地区建立水文模型提供了替换方案。

5.2　不足与展望

当前可获得的CMADS数据集时间范围相对较短， 只有11年（2008 -2018年）的数据， 缺乏长时段验证， 可能会对模型模拟精度造成影响； TRMM卫星产品在中国区域内的误差受多种因素影响， 随着海拔的升高误差也增加。因此， 需要进一步提高其在黄河源区的模拟精度， 以提供更准确的降水数据， 为模型提供更好的支持。本文将同一降水数据集的3个水文站径流模拟结果进行了整体率定， 由于流域内上下游地形地貌的差异， 为了提高模拟准确度， 在之后的研究中应对3个水文站所在的子流域分别进行参数的率定。SWAT模型虽然在结构上考虑了冻土对水文循环的影响， 但忽略了冰川的变化过程对径流量的影响， 该流域内有阿尼玛卿山冰山群， 因此， 还需要增加SWAT模型的冰川模块， 提高汛期径流量模拟准确度。黄河源区径流未来趋势的预估是将来需要开展的重要研究， 因此后续应利用多种未来气候模式的不同权重集合以及统计降尺度、 动力降尺度等方法提高气象输入数据的精度， 并采用不同的水文模型（如VIC模型等）、 机器学习模型等对流域径流未来趋势进行对比， 从而得到更加精确的径流未来趋势变化。

References

null
Abbaspour K C， Johnson C A， Van Genuchten M T， 2004.Estimating uncertain flow and transport parameters using a sequential uncertainty fitting procedure［J］.Vadose Zone Journal， 3（4）： 1340-1352.DOI： 10.2113/3.4.1340 .
null
Ayivi F， Jha M K， 2018.Estimation of water balance and water yield in the Reedy Fork-Buffalo Creek Watershed in North Carolina using SWAT［J］.International Soil and water conservation Research， 6（3）： 203-213.DOI： 10.1016/j.iswcr.2018.03.007 .
null
Bera S， Maiti R， 2021.Assessment of water availability with SWAT Model： a study on Ganga River［J］.Journal of the Geological Society of India， 97： 781-788.DOI： 10.1007/s12594-021-1760-9 .
null
de Oliveira Serr?o E A， Silva M T， Ferreira T R， et al， 2022.Impacts of land use and land cover changes on hydrological processes and sediment yield determined using the SWAT model［J］.International Journal of Sediment Research， 37（1）： 54-69.DOI： 10.1016/j.ijsrc.2021.04.002 .
null
Galván L， Olías M， Izquierdo T， et al， 2014.Rainfall estimation in SWAT： an alternative method to simulate orographic precipitation［J］.Journal of Hydrology， 509： 257-265.DOI： 10.1016/j.jhydrol.2013.11.044 .
null
Hou A Y， Kakar R K， Neeck S， et al， 2014.The global precipitation measurement mission［J］.Bulletin of the American Meteorological Society， 95（5）： 701-722.DOI： 10.1175/BAMS-D-13-00164.1 .
null
Hur J， Raghavan S V， Nguyen N S， et al， 2016.Evaluation of high-resolution satellite rainfall data over Singapore［J］.Procedia Engineering， 154： 158-167.DOI： 10.1016/j.proeng.2016.07.437 .
null
Khodadoust S S， Saghafian B， Moazami S， 2017.Comprehensive evaluation of 3-hourly TRMM and half-hourly GPM-IMERG satellite precipitation products［J］.International Journal of Remote Sensing， 38（2）： 558-571.DOI： 10.1080/01431161.2016. 1268735 .
null
Lobligeois F， Andréassian V， Perrin C， et al， 2013.When does higher spatial resolution rainfall information improve streamflow simulation？An evaluation on 3620 flood events［J］.Hydrology and Earth System Sciences Discussions， 10（10）： 1-10.DOI： 10. 5194/hess-18-575-2014 .
null
Meng X， Wang H， Lei X， et al， 2017.Hydrological modeling in the Manas River Basin using soil and water assessment tool driven by CMADS［J］.Tehnicki vjesnik-Technical Gazette， 24（2）.DOI： 10.17559/TV-20170108133334 .
null
Moriasi D N， Arnold J G， Van L M W， et al， 2007.Model evaluation guidelines for systematic quantification of accuracy in watershed simulations［J］.Transactions of the ASABE， 50（3）： 885-900.DOI： 10.13031/2013.23153 .
null
Osei M A， Amekudzi L K， Wemegah D D， et al， 2019.The impact of climate and land-use changes on the hydrological processes of Owabi catchment from SWAT analysis［J］.Journal of Hydrology： Regional Studies， 25： 100620.DOI： 10.1016/j.ejrh.2019.100620 .
null
Ridwansyah I， Yulianti M， Onodera S， et al， 2020.The impact of land use and climate change on surface runoff and groundwater in Cimanuk watershed， Indonesia［J］.Limnology， 21： 487-498.DOI： 10.1007/s10201-020-00629-9 .
null
Schaefli B， Gupta H V， 2007.Do Nash values have value？［J］.Hydrological processes， 21： 2075-2080.DOI： 10.1002/hyp.6825 .
null
Tan M L， Tan K C， Chua V P， et al， 2017.Evaluation of TRMM product for monitoring drought in the Kelantan River Basin， Malaysia［J］.Water， 9（1）： 57.DOI： 10.3390/w9010057 .
null
Ward E， Buytaert W， Peaver L， et al， 2011.Evaluation of precipitation products over complex mountainous terrain： a water resources perspective［J］.Advances in water resources， 34（10）： 1222-1231.DOI： 10.1016/j.advwatres.2011.05.007 .
null
White E D， Easton Z M， Fuka D R， et al， 2011.Development and application of a physically based landscape water balance in the SWAT model［J］.Hydrological Processes， 25（6）： 915-925.DOI： 10.1002/hyp.7876 .
null
Yang J， Reichert P， Abbaspour K C， et al， 2008.Comparing uncertainty analysis techniques for a SWAT application to the Chaohe Basin in China［J］.Journal of hydrology， 358（1-2）： 1-23.DOI： 10.1016/j.jhydrol.2008.05.012 .
null
成璐， 沈润平， 师春香， 等， 2014.CMORPH和TRMM 3B42降水估计产品的评估检验［J］.气象， 40（11）：1372-1379.DOI：10.7519/j.issn.1000-0526.2014.11.010.Cheng L ，
null
Shen R P， Shi C X， et al， 2014.Evaluation and verification of CMORPH and TRMM 3B42 precipitation estimation products［J］.Meteorological Monthly， 40（11）：1372-1379.DOI：10.7519/j.issn. 1000-0526.2014.11.010 .
null
高燕， 2019.基于SWAT模型的流域土壤侵蚀及POC入海通量研究———以我国南方地区为例［D］.南京：南京师范大学， 1-127.DOI：10.27245/d.cnki.gnjsu.2019.000634.Gao Y ， 2019.Study on soil erosion and POC flux into sea basin based on SWAT Model-a case study in southern China［D］.Nanjing：Nanjing Normal University， 1-127.DOI：10.27245/d.cnki.gnjsu. 2019. 000634 .
null
贾何佳， 李谢辉， 文军， 等， 2022.黄河源区径流变化模拟及未来趋势预估［J］.资源科学， 44（6）：1292-1304.DOI：10.18402/resci.2022.06.15.Jia H J ，
null
Li X H， Wen J， et al， 2022.Runoff change simulation and future trend projection in the source area of the Yellow River［J］.Resources Science， 44（6）：1292-1304.DOI：10.18402/resci.2022.06.15 .
null
郭敏， 方海燕， 李致颖， 2016.基于SWAT东北黑土区乌裕尔河流域径流模型模拟［J］.水土保持研究， 23（4）：43-47+54.DOI：10.13869/j.cnki.rswc.2016.04.007.Guo M ，
null
Fang H Y， Li Z Y， 2016.SWAT model-based runoff simulation of Wuyuer River Basin in the Black Soil Region of Northeast China［J］.Research of Soil and Water Conservation， 23（4）：43-47+54.DOI：10.13869/j.cnki.rswc.2016.04.007 .
null
蒋宗立， 刘时银， 郭万钦， 等， 2018.黄河源区阿尼玛卿山典型冰川表面高程近期变化［J］.冰川冻土， 40（2）：231-237.DOI：10.7522/j.issn.1000-0240.2018.0027.Jiang Z L ，
null
Liu S Y， Guo W Q， et al， 2018.Recent surface elevation changes of three representative glaciers in Anyemagen Mountains， source region of Yellow River［J］.Journal of Glaciology and Geocryology， 40（2）：231-237.DOI：10.7522/j.issn.1000-0240.2018.0027 .
null
李江苏， 孙威， 余建辉， 2020.黄河流域三生空间的演变与区域差异——基于资源型与非资源型城市的对比［J］.资源科学， 42（12）：2285-2299.DOI：10.18402/resci.2020.12.03.Li J S ，
null
Sun W， Yu J H， 2020.Change and regional differences of production-living-ecological space in the Yel low River Basin：Based on comparative analysis of resource-based and non-resource--based cities［J］.Resources Science， 42（12）：2285-2299.DOI：10.18402/resci.2020.12.03 .
null
刘俊， 刘时银， 上官冬辉， 等， 2017.CMADS、ITPCAS和TRMM 3B423套降水数据集在玉龙喀什河流域的适用性评价［J］.华北水利水电大学学报（自然科学版）， 38（5）：28-37.DOI：10.3969/j.issn.1002-5634.2017.05.004.Liu J ，
null
Liu S Y， Shangguan D H， et al， 2017.Applicability evaluation of precipitation datasets from CMADS， ITPCAS and TＲMM 3B42 in Yurungkax River Basin［J］.Journal of North China University of Water Resources and Electric Power （Natural Science Edition）， 38（5）：28-37.DOI：10.3969/j.issn.1002-5634.2017.05.004 .
null
刘兆晨， 杨梅学， 万国宁， 等， 2021.新型卫星降水产品在黄河源区的适用性分析——以SWAT模型为例［J］.高原气象， 40（2）：403-410.DOI：10.7522/j.issn.1000-0534.2020.00024.Liu Z C ，
null
Yang M X， Wan G N， et al， 2021.Applicability of new satellites precipitation products in source region of Yellow River：using SWAT model as an example［J］.Plateau Meteorology， 40（2）：403-410.DOI：10.7522/j.issn.1000-0534.2020.00024 .
null
孟现勇， 师春香， 刘时银， 等， 2016.CMADS数据集及其在流域水文模型中的驱动作用——以黑河流域为例［J］.人民珠江， 37（7）：1-19.DOI：10.3969/j.issn.1001-9235.2016.07.001.Meng X Y ，
null
Shi C X， Liu S Y， et al， 2016.CMADS datasets and its application in watershed hydrological simulation：a case study of the Heihe River Basin［J］.Pearl River， 37（7）：1-19.DOI：10.3969/j.issn.1001-9235.2016.07.001 .
null
秦大河， 丁一汇， 苏纪兰， 等， 2005.中国气候与环境演变评估（I）：中国气候与环境变化及未来趋势［J］.气候变化研究进展， 1（1）：4-9.DOI：10.3969/j.issn.1673-1719.2005.01.002.Qin D H ，
null
Ding Y H， Su J L， et al， 2005.Assessment of climate and environment changes in china （Ⅰ）：Climate and environment changes in China and their projection［J］.Climate Change Research， 1（1）：4-9.DOI：10.3969/j.issn.1673-1719.2005.01.002 .
null
荣易， 秦成新， 杜鹏飞， 等， 2021.基于模型研究质量评价的SWAT模型参数取值特征分析［J］.环境科学， 42（6）：2769-2777.DOI：10.13227/j.hjkx.202010216.Rong Y ，
null
Qin C X， Du P F， et al， 2021.Characteristic analysis of SWAT model parameter values based on assessment of model research quality［J］.Environmental Science， 42（6）：2769-2777.DOI：10.13227/j.hjkx. 202010216 .
null
王莺， 张强， 王劲松， 等， 2017.基于分布式水文模型（SWAT）的土地利用和气候变化对洮河流域水文影响特征［J］.中国沙漠， 37（1）：175-185.DOI：10.7522/j.issn.1000-649X.2015.00189.Wang Y ，
null
Zhang Q， Wang J S， et al， 2017.Appling SWAT model to explore the impacts of land use and climate changes on the hydrological characteristics in Taohe River Basin［J］.Journal of Desert Research， 37（1）：175-185.DOI：10.7522/j.issn.1000-649X.2015.00189 .
null
王中根， 夏军， 刘昌明， 等， 2007.分布式水文模型的参数率定及敏感性分析探讨［J］.自然资源学报， 22（4）：649-655.DOI：10.11849/zrzyxb.2007.04.015.Wang Z G ，
null
Xia J， Liu C M， et al， 2007.Comments on sensitivity analysis， calibration of distributed hydrological model［J］.Journal of Natural Resources， 22（4）：649-655.DOI：10.11849/zrzyxb.2007.04.015 .
null
王中根， 刘昌明， 吴险峰， 2003.基于DEM的分布式水文模型研究综述［J］.自然资源学报， 18（2）：168-173.DOI：10.3321/j.issn：1000-3037.2003.02.007.Wang Z G ，
null
Liu C M， Wu X F， 2003.A review of the studies on distributed hydrological model based on DEM［J］.Journal of Natural Resources， 18（2）：168-173.DOI：10.3321/j.issn：1000-3037.2003.02.007 .
null
魏丹， 刘智勇， 李小冰， 2012.SWAT模型及SUFI-2算法在秃尾河上游流域径流模拟中的应用［J］.干旱地区农业研究， 30（6）：200-206.DOI：10.3969/j.issn.1000-7601.2012.06.034.Wei D ，
null
Liu Z Y， Li X B， 2012.The application of SWAT and SUFI-2 to runoff simulation in Tuweihe （Upper） watershed［J］.Agricultural Research in the Arid Areas， 30（6）：200-206.DOI：10.3969/j.issn.1000-7601.2012.06.034 .
null
文军， 蓝永超， 苏中波， 等， 2011.黄河源区陆面过程观测和模拟研究进展［J］.地球科学进展， 26（6）：575-585.DOI：10.11867/j.issn.1001-8166.2011.06.0575.Wen J ，
null
Lan Y C， Su Z B， et al， 2011.Advances in observation and modeling of land surface processes over the source region of the Yellow River［J］.Advances in Earth Science， 26（6）：575-585.DOI：10.11867/j.issn.1001-8166.2011.06.0575 .
null
武月月， 文军， 王作亮， 等， 2022.黄河源高寒草原下垫面土壤冻融过程中陆-气间的水热交换特征分析［J］.高原气象， 41（1）：132-142.DOI：10.7522/j.issn.1000-0534.2021.00014.Wu Y Y ，
null
Wen J， Wang Z L， et al， 2022.The characteristics of land‐atmospheric water and heat exchange during soil freezing‐thawing process over the underlying surface of the alpine grassland in the source region of the Yellow River［J］.Plateau Meteorology， 41（1）：132-142.DOI：10.7522/j.issn.1000-0534. 2021.00014 .
null
徐洪亮， 常娟， 郭林茂， 等， 2021.青藏高原腹地多年冻土区活动层水热过程对气候变化的响应［J］.高原气象， 40（2）：229-243.DOI：10.7522/j.issn.1000-0534.2020.00071.Xu H L ，
null
Chang J， Guo L M， et al， 2021.Response of thermal-moisture condition within active layer in the hinterland of the Qinghai-Xizang Plateau to climate chang［J］.Plateau Meteorology， 40（2）：229-243.DOI：10.7522/j.issn.1000-0534.2020.00071 .
null
严登华， 袁喆， 王浩， 等， 2013.水文学确定性和不确定性方法及其集合研究进展［J］.水利学报， 44（1）：73-82.DOI：10.13243/j.cnki.slxb.2013.01.004.Yan D H ，
null
Yuan Z， Wang H， et al， 2013.Progress of certainty and uncertainty methods of hydrologic and the framework of ensemble analysis［J］.Journal of Hydraulic Engineering， 44（1）：73-82.DOI：10.13243/j.cnki.slxb.2013. 01.004 .
null
杨泽康， 田佳， 李万源， 等， 2021.黄河流域生态环境质量时空格局与演变趋势［J］.生态学报， 41（19）：7627-7636.DOI：10.5846/stxb202012083131.Yang Z K ，
null
Tian J， Li W Y， et al， 2021.Spatio-temporal pattern and evolution trend of ecological environment quality in the Yellow River Basin［J］.Acta Ecologica Sinica， 41（19）：7627-7636.DOI：10.5846/stxb202012083131 .
null
姚檀栋， 邬光剑， 徐柏青， 等， 2019.“亚洲水塔”变化与影响［J］.中国科学院院刊， 34（11）：1203-1209.DOI：10.16418/j.issn. 1000-3045.2019.11.003.Yao T D ，
null
Wu G J， Xu B Q， et al， 2019.Asian water tower change and its impacts［J］.Bulletin of Chinese Academy of Sciences， 34（11）：1203-1209.DOI：10. 16418/j.issn.1000-3045.2019.11.003 .
null
张北赢， 徐学选， 刘文兆， 等， 2008.黄土丘陵沟壑区不同降水年型下土壤水分动态［J］.应用生态学报， 19（6）：1234-1240.DOI：10.13287/j.1001-9332.2008.0240.Zhang B Y ，
null
Xu X X， Liu W Z， et al， 2008.Dynamic changes of soil moisture in loess hilly and gully region under effects of different yearly precipitation patterns［J］.Chinese Journal of Applied Ecology， 19（6）：1234-1240.DOI：10.13287/j.1001-9332.2008.0240 .
Options
Outlines

/

〈 〉

The system is designed and developed by Beijing magtec Technology Development Co., Ltd. with technical support: support@magtech.com.cn