第九讲SWAT模型参数率定和验证
SWAT模型参数及运行过程
第1章SWAT模型1.1SWAT模型参数1.1.1DEM数据DEM大部分是比较光滑的地形表面模型，但是由于误差及某些特殊地形的存在，造成DEM表面会有一些凹陷的地区存在，导致得到精度不高的水流方向结果，使得原始DEM数据不能满足研究的需要。
因此，在进行绝大多数模拟实验之前，都会将原始DEM数据通过ArcGIS软件的水文分析模型进行洼地填充，最终得到满足研究需求的无洼地DEM数据。
1.1.2土地利用数据通过对洱海流域高分辨遥感影像监督分类取得研究区的土地利用空间分布图后，首先查看分布图的投影坐标体系，如果与研究中设定的不相同，则需要利用ArcToolbox的投影模块Projections对其进行投影转换；第二步需要建立图中分类编码与模型中土地分类编码之间的联系，以供模型模拟使用。
1.1.3气象数据气象数据主要包括流域的气温数据（日平均、最高和最低）、太阳辐射、风速、相对湿度、降水数据（包括降雨强度、月均降雨量、月均降雨量标准偏差、降雨的偏度系数、月内干日数、月内湿日数、平均降雨天数等参数）。
在数据类型上，这些数据可以是统计数据，也可以通过SWAT模型的天气发生器模拟生成，或者是统计和模拟数据的结合；在数据格式上，这些气象数据需要以DBF格式保存在ArcGIS自带的属性数据库中；在时间尺度上，模型的模拟时间步长可以为年、月、日。
1.1.4土壤数据SWAT 模型需要将各类土壤的水文、水传导属性作为输入值, 并将其分为按土壤类型和按土壤层输入的两类参数。
按土壤类型输入的参数包括：(1)每类土壤所属的水文单元组；(2)植被根系最大深度；(3)土壤表面到最底层深度；(4)土壤空隙比等。
按土壤层分层输入的数据有；(5)土壤表面到各土壤层深度；(6)土壤容重；(7)有效田间持水量；(8)饱和导水率；(9)每层土壤中的粘粒、粉沙、沙粒、砾石含量；(10)USLE方程中的土壤可蚀性K；(11)田间土壤反照率；(12)土壤电导率。
SWAT模型原理
SWAT模型原理SWAT模型（Soil and Water Assessment Tool，土壤和水资源评估工具）是用于评估流域水循环、水质和土壤侵蚀的数学模型。
它是由美国农业部（USDA）开发的，用于支持农业决策和流域管理。
1.数据输入：SWAT模型的输入数据包括气象数据、土地利用数据、土壤数据和管理实践数据。
气象数据主要包括降水、温度、风速和日照等信息。
土地利用数据描述了流域中不同土地利用类型的分布情况，如农田、森林、草地等。
土壤数据描述了土壤的物理和化学特性，如土壤类型、质地、土壤有机质含量等。
管理实践数据描述了农田管理措施，如施肥、灌溉和农药使用等。
2.水文模拟：SWAT模型使用降水和蒸散发数据来计算流域的水量平衡。
降水通过自然和人为的蓄水和径流过程，形成地表径流和地下径流。
蒸散发是指水分从土地表面蒸发和植物透传到大气中的过程。
模型根据土壤含水量和植被类型，计算蒸散发的损失。
这些水文过程模拟有助于了解流域水资源的分布和利用情况。
3.土壤侵蚀模拟：SWAT模型还模拟土壤水分和沉积物的侵蚀过程。
地表径流会携带土壤颗粒和污染物，导致土壤侵蚀和水质恶化。
模型根据地表流量和土壤侵蚀的相关因素，如坡度、覆盖度和土壤侵蚀性指数等，计算土壤侵蚀的速率。
这对于评估土地利用变化和管理实践对土壤质量和水质的影响非常重要。
4.模型校准和验证：SWAT模型的输出结果需要与实际观测数据进行校准和验证。
校准是调整模型参数，使模型的输出尽可能接近实际观测结果。
验证是使用另一组独立数据来验证模型的准确性和适用性。
这个过程对于提高模型的可靠性和预测能力非常重要。
5.方案评估和决策支持：SWAT模型可以用于评估不同的土地利用和管理方案，并提供决策支持。
通过模拟不同管理实践的效果，可以评估其对水资源、土壤侵蚀和水质的影响。
这有助于制定合理的流域管理策略，促进可持续农业和水资源管理。
总之，SWAT模型基于水文和土壤侵蚀的基本原理，结合实际观测数据和参数，用于模拟流域的水文过程和土壤侵蚀过程。
SWAT模型
SWAT模型SWAT模型是一种常用的水文模型，广泛应用于流域水文模拟和水资源管理等领域。
SWAT模型的全称是Soil and Water Assessment Tool，该模型结合了土壤、水文和气象等多方面因素，能够对流域内水文循环过程进行较为精确的模拟和预测。
在这篇文章中，我们将探讨SWAT模型的基本原理、应用范围以及未来发展方向。
SWAT模型的基本原理SWAT模型是一种基于过程的模型，其基本原理是通过对流域内水文循环过程的各种因素进行细致的建模和模拟，从而实现对流域水文过程的定量分析和预测。
SWAT模型主要考虑的因素包括降水、蒸发蒸腾、径流、土壤蓄水、植被覆盖等，模型通过对这些因素之间的相互作用进行建模，可以对流域内的水文过程进行较为准确的描述。
SWAT模型采用分布式建模方法，将流域划分为多个子集水区，然后对每个子集水区内的水文过程进行独立的模拟，最后通过整合各个子集水区的模拟结果得到对整个流域的水文过程的模拟结果。
这种分布式建模方法能够更好地考虑流域内地形、土壤和植被等空间异质性因素对水文过程的影响，提高模拟结果的准确性。
SWAT模型的应用范围SWAT模型主要应用于流域水文过程的模拟和预测，在水资源管理、土地利用规划、洪水风险评估等方面发挥着重要作用。
具体来说，SWAT模型可以用于以下几个方面：1.水资源管理：SWAT模型能够对流域内降水、径流等水文过程进行模拟，帮助决策者了解流域内水资源的分布和利用情况，指导水资源管理的决策。
2.土地利用规划：SWAT模型可以模拟不同土地利用类型对水文过程的影响，帮助规划者制定合理的土地利用规划，保护流域水资源。
3.洪水风险评估：通过模拟洪水过程，SWAT模型可以评估流域内不同地区的洪水风险，为防洪减灾提供科学依据。
4.水质预测：SWAT模型还可以模拟流域内污染物的输运过程，帮助监测人员预测流域内水质状况，保护水质。
SWAT模型的未来发展方向随着科学技术的不断发展和水资源管理需求的提高，SWAT模型也在不断完善和发展。
SWAT模型
sed 11.8(Q q peq areahru ) 0.56 K C P LS CFRG
sed为泥沙日产量,ton；Q为表面径流量，mm/ha；qpeq为地表径流峰值流速， m3/s；areahru为水文响应单元面积（ha）；K为土壤侵蚀系数；C为作物经营 管理系数；P为水土保持系数；LS为地形系数；GFRG为粗糙系数。
陕西科技大学
马斯京根方程
马斯京根法将河道看成柱体和楔体的组合
V为河道水量m3,qin为上游流量m3/s,qout为下游流量m3/s，K为河道贮水时 间s, X为衡量河段出流与入流相互关系的权重因子，Lch为河道长度Km，v为 流速m/s.
陕西科技大学
土壤侵蚀与泥沙输运模块
在SWAT中，对由降雨及地表径流产生的流沙量的计算采用MUSLE （Modified version of universal soil loss equation），即改进通用土壤流失方 程。改进了流沙产量预测的准确度，并且可以预测单次降雨事件中的产沙量
Ea
第i天蒸发量mmH2O, 第i天壤中流量mmH2O,
表示第i天地表径流量mmH2O,
Wseep 第i天的下渗量mmH O, 2
Qlat
Qgw
第i天的基流量mmH2O,
陕西科技大学
二、河道水文过程
在SWAT中，曼宁方程用来计算流量和流速，马斯京根方程用来模拟水流 在河道中的应用 曼宁方程
q为流道流量，m3/s。A为 过水断面面积，m2。R为 水力半径，m。Slp为底面 坡度。n为河道曼宁系数。 v为流速，m/s
物理概念模型
输入参数简单
计算效率高
可以对流域 进行长期模拟
陕西科技大学
模型结构
SWAT模型参数及运行过程
第1章SWAT模型1.1SWAT模型参数1.1.1DEM数据DEM大部分是比较光滑的地形表面模型，但是由于误差及某些特殊地形的存在，造成DEM表面会有一些凹陷的地区存在，导致得到精度不高的水流方向结果，使得原始DEM数据不能满足研究的需要。
因此，在进行绝大多数模拟实验之前，都会将原始DEM数据通过ArcGIS软件的水文分析模型进行洼地填充，最终得到满足研究需求的无洼地DEM数据。
1.1.2土地利用数据通过对洱海流域高分辨遥感影像监督分类取得研究区的土地利用空间分布图后，首先查看分布图的投影坐标体系，如果与研究中设定的不相同，则需要利用ArcToolbox的投影模块Projections 对其进行投影转换；第二步需要建立图中分类编码与模型中土地分类编码之间的联系，以供模型模拟使用。
1.1.3气象数据气象数据主要包括流域的气温数据（日平均、最高和最低）、太阳辐射、风速、相对湿度、降水数据（包括降雨强度、月均降雨量、月均降雨量标准偏差、降雨的偏度系数、月内干日数、月内湿日数、平均降雨天数等参数）。
在数据类型上，这些数据可以是统计数据，也可以通过SWAT模型的天气发生器模拟生成，或者是统计和模拟数据的结合；在数据格式上，这些气象数据需要以DBF格式保存在ArcGIS自带的属性数据库中；在时间尺度上，模型的模拟时间步长可以为年、月、日。
1.1.4土壤数据SWAT 模型需要将各类土壤的水文、水传导属性作为输入值, 并将其分为按土壤类型和按土壤层输入的两类参数。
按土壤类型输入的参数包括：(1)每类土壤所属的水文单元组；(2)植被根系最大深度；(3)土壤表面到最底层深度；(4)土壤空隙比等。
按土壤层分层输入的数据有；(5)土壤表面到各土壤层深度；(6)土壤容重；(7)有效田间持水量；(8)饱和导水率；(9)每层土壤中的粘粒、粉沙、沙粒、砾石含量；(10)USLE方程中的土壤可蚀性K；(11)田间土壤反照率；(12)土壤电导率。
SWAT
土壤侵蚀与泥沙输运模块
在SWAT中，对由降雨及地表径流产生的流沙量的计算采用MUSLE （Modified version of universal soil loss equation），即改进通用土壤流失方 程。改进了流沙产量预测的准确度，并且可以预测单次降雨事件中的产沙量
sed 11.8(Q q peq areahru ) 0.56 K C P LS CFRG
模型率定和验证方法比较
SCE优化算法
• SWAT2005模型的参数自动率 定采用的时SCE优化算法，单 收敛速度不理想，导致自动参 数率定需要大量计算机时间。 国内大部分研究人员应用此算 法。
PSO优化算法
• PSO（Particle Swarm Optimization)粒子群优化算法 ，并采用Linux运行平台，可是 率定时间缩小，结果合理稳定 。
本次研究亮点
• 1、以GIS平台，将SWAT模型应用在清河凡河流域，通过 调整模型参数，并对其进行率定和验证，分析模型在清河 凡河流域的适用性和可靠性，并对有相同现状的辽河流域 推广应用提供理论基础。 • 2、本次研究结合研究区农田灌排渠系结构，修正模型中 水文模块。 • 3、本次研究将PSO算法加入到SWAT2005模型中，进行 模型参数自动率定，能显著提高参数自动率定效率。
5
土壤属性数据 库:土壤的物理 属性数据（必 须）和土壤的 化学属性数据 （可选）。
研究区域非点源污染模型模拟所需数据表
数据类型 数字高程模型 （DEM） 土地利用图 格式 Grid Grid\Shape 参数 数字化河网图 叶面积指数、植被根深、 径流曲线数、冠层高度、 曼宁系数 土壤密度、饱和导水率、 持水率、颗粒含量 日最高最低气温、日降水 量 日流量、月流量、径流量 总氮、总磷、氨氮、可溶 性磷浓度、有机氯浓度、 有机磷浓度 土壤中氮磷含量、土壤容 量、土壤有机碳参数等、 天剑持水量等 数据来源 数字化地形图 遥感影像 备注 DEM包括高程、坡面和河道的 坡度、坡长、坡向
SWAT模型参数及运行过程
SWAT模型参数及运行过程SWAT (Soil and Water Assessment Tool) 是一种基于分布式水文模型的农业水文模型，被广泛应用于研究、管理和决策支持系统中。
下面将介绍SWAT模型的参数设置，以及其运行过程。
1.SWAT模型参数设置：- 模型时间尺度（Time Step）：定义模拟的时间跨度，可选择从小时到年。
- 流域面积（Watershed Area）：描述研究区域的地理范围，单位为平方千米或英亩。
- 坡度（Slope）：描述研究区域的地表坡度，以百分比表示。
- 壤土类型（Soil Type）：描述地区土壤的类型，包括土壤质地、土壤有机质含量等。
- 植被类型（Land Use Type）：描述地区植被覆盖类型，包括农田、林地、草地等。
- 降水数据（Precipitation Data）：包括降水量、降水强度等降水信息。
- 水文过程模型（Hydrological Process Model）：描述地区的水文循环过程，包括蒸散发、径流产生、地下水补给等。
- 水利设施（Water Management Practice）：描述地区水利设施的使用情况，如灌溉、排水等。
2.SWAT模型运行过程：数据输入：首先需要收集和整理与研究区相关的地理、气象、土壤和植被数据。
这些数据包括流域边界、坡度、土壤类型、植被类型、降水量和温度等数据。
数据可以从局部观测站点、遥感数据和气象模型等获取。
参数设置：在模型中设置先前提到的参数，以准确描述研究区域的水文过程和土壤特性。
参数设置可以根据实地观测数据和经验来进行。
模型运行：针对所设置的参数和数据，SWAT模型通过数学方程和水文过程模型进行数值模拟。
模型会根据给定的时间尺度分别计算降水、蒸散发、径流产生、地下水补给等水文过程，并给出模拟结果。
模型评估：通过对模拟结果与实际观测数据进行比较和评估，来判断模型的精度和对研究区域水文过程的描述能力。
可以使用多种统计指标来评估模拟结果的准确性，如R方、均方根误差等。
第九讲SWAT模型参数率定和验证
最优化方法
➢PSO算法模型参数率定过程
最优化方法
➢目标函数：
误差平方和SSQ： 排序后误差平方和SSQR：
➢多目标优化：
依据贝叶斯理论
➢参数优化选项：
增加（减少）百分率（乘法） 增加（减少）一定值（加法） 采用某一值替换
不确定性分析
➢ 模型的不确定性：
模型本身 模型的基本假设 输入数据的误差 分辨率等
13 7
1
Out 4 3 6 1 5 7 11 4
9
Out 5 4 9 1 2 7 6 23
5
Out 6 4 5 2 3 6 10 8
15
Out 7 3 6 2 5 7 10 4
1
Out 8 4 5 1 6 7 10 3
2
Out 9 参数
5 ALPHA_BF
6
ESCO
1
CN2
3 SOL_AWC
7
surlag
12
Sol_z
4 BIOMIX
10
SOL_ORG N
自动校核
➢单击Tools菜单下的auto-calibration and uncertainty，弹出下图所示对话框
自动校核
➢根据敏感性分析结果选择参数 ➢选择子流域14进行自动校核
➢操作过程
自动校核
➢查看结果
自动校核
不确定性分析
➢自动校核后出现校核结果 ➢可进行不确定性分析
调整藻类生物量比率AI1（.wwq）
水质校核
➢有机N校核 ➢子流域内有机N校核
调整土壤中营养物的初始浓度SOL_ORGN （ .sol）
确定并调整土壤表层的施肥率FRT_LY1 （ .mgt）
➢河道内有机N运移过程校核
SWAT模型参数敏感度分析及率正研究
关键词 ： Ｓ ＷＡ Ｔ模型 、 参数敏 感度 分析、 参数率正、 罗玉沟流域
中图分类号： Ｐ ３ ３ ４ ． ９ ２
文献标识码： Ａ
文章编 号 ： ９ ４ ０ ４ ２一（ ２ ０ １ ３ ） ０ １—０ ０ １ ０—０ ５
Ｓ ｔ ｕ ｄ ｙ ｏ ｎ ｔ ｈ ｅ Ｐａ ｒ ａ ｍｅ ｔ ｅ ｒ Ｓ ｅ ｎ ｓ ｉ ｔ ｉ ｖ ｉ ｔ ｙ ａ ｎ ｄ Ｃａ ｌ ｉ ｂ ｒ ａ ｔ ｉ ｏ ｎ ｏ ｆ Ｓ Ｗ ＡＴ Ｍｏ ｄ ｅ ｌ
２ ０ １ ３年 第 １期
西 安 铁 路 职 业ｃ 技 术 学Ｔ 院 学 报 Ｊ ｏ ｕ ｎａ ｒ ｌ ｏ ｆ Ｘｉ ｈ ｎ Ｒａ ｉ ｌ ｗ ａ ｙ Ｖｏ ａ ｔ ｉ ｏ ｎ ｌ＆ ａ ｅ ｃ ｈ ｎ ｉ ｃ ａ ｌ Ｉ ｎ ｓ ｔ ｉ ｔ ｕ ｔ ｅ
Ｎ ｏ ． １ ， ２ ０ １ ３
度 不高 。因此必 须进 行 模 型参 数 的 敏感 度分 析 ， 判
断出哪些 因素 的值对 结 果 的影 响更 重要 ， 从 而 进一
部 开发 的适 用 于 较 大 尺 度 流 域 的 物 理 分 布 式 水 文 模型， 用 于模拟预 测 复 杂流 域 中 ， 土地 管 理 对 产 流、 产 沙及非 点源 污染 的影响 。Ｓ ＷＡ Ｔ模 型 的运行 需 要 流域 内的气 象 、 土壤、 地形 、 植被、 土 地 利 用 等诸 多
Ｘｉ ｅ Ｙ ｕ ａ ｎ ｙ ｕ ａ ｎ
（ Ｘ ｉ ’ ａ ｎ Ｒ ａ ｉ ｌ ｗ ａ ｙ Ｖ ｏ ｃ ａ ｔ ｉ ｏ ｎ ａ ｌ ＆Ｔ ｅ ｃ ｈ ｎ ｉ ｃ ｌ ａ Ｉ ｎ ｓ ｔ ｉ ｔ ｕ ｔ ｅ ， Ｘ ｉ ’ ｎ， ａ Ｓ ｈ ａ ａ ｎ ｉ ｘ ７ １ ０ ６ ０ ０， Ｃ ｈ ｉ ｎ ａ ）
swat模型
• 大型流域模拟过程中，一般采用流域-子流域-水文响应单元的空间离散 方法：
以分水岭上的分水线为界进行分割，可以把一个流域分成若干个子流域，每个子流域内 部有相应的河道，这些河道又将一个个的子流域连成一个整体。 当流域面积较大时，在划分出来的子流域内部，依然分布着多种土壤类型和多种土地利用 方式。为了反映子流域内部不同的土地利用和不同的土壤类型引起的蒸散发、表面径流、 入渗水、农业管理措施等其他水文条件和人类经济活动引起的差异性，可以在子流域内部 进一步划分水文响应单元。
• 优点：确保所有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，提高了计算效率 。
• 原理： LH-OAT先执行LH采样，然后执行OAT采样，见下图。
模型参数敏感性分析
• 首先，每个参数被划分为N个区间，在每个区间内取一个采样点（LH采 样）。然后，一次改变一个采样点（OAT）。
• 水文循环是最主要的流域过程，也是流域内部过程的主要驱动力， 包括：降雨、植被截留、蒸散发、地表积水、入渗、坡面流及河道 水流、土壤水侧向运动(壤中流)、深层渗水等。
SWAT模型 的流域水文
过程
水循环的 陆面部分 控制每个子流域内主河道的水、沙、
（产流、坡面汇流） 营养物质和化学物质等的输入量
水循环的 水面部分
（河道汇流）
决定水、沙等物质从河网向流域 出口的输移运动
SWAT模型的流域地理过程
•陆相水文循环
模拟过程：气候模拟(降水、融雪、土壤温度等)、水文模拟(植物截 留、入渗、壤中流、蒸散发、表面径流、地下径流等)、作物／植 被生长模拟、土壤侵蚀与产沙模拟、养分(氮、磷)输移模拟、杀虫 剂模拟、农业管理操作模拟。对应于SWAT模型的几个功能模块。
SWAT模型校准技巧
SWAT 校准技巧1校准，验证，检验Calibration, Validation & Verification)CALIBRATION:模型用已知的输入/输出做测试，从而用来调整或估计因子。
)VALIDATION:将模型结果与独立数据集做比较(不必进一步的调整)。
)VERIFICATION:计算机代码中的数值方法检验来确定它能真正再现概念模型，而没有内在的数值问题校准/验证周期•截然不同的时间段•相似的条件范围•足够的时间段模拟条件Time Setup Calibration Validation模型构建—Model ConfigurationF Land use分类-流域中土地利用类型，当前的和未来的土地利用，施用的管理技术，管理问题F子流域-位置，物质特性/土壤，测站位置，地形特征，管理问题F河道-地形特征，河流形态，有效的横断面数据校准焦点：•单一土地利用参数确定•测站位置数据•水质监测信息位置•河流系统的有效信息模型构建—Model Configuration校准点ExampleLEGEND校准/验证流程F水文-首先和最重要的F泥沙-其次的F水质-最后(氮, 磷,农药, DO, 细菌)F模型检验的列表水量平衡- is it all accounted for?时间系列年总量- stream flow & base flow月/季总量频率持续曲线泥沙和营养物平衡Calibration Time Step F校准次序-年水量平衡-季节变异性-暴雨变异性u时间序列图u频率持续曲线-基流-全部的时间序列校准/验证统计-模拟和实测数据的平均误差和标准差-斜率、截距和回归系数/决定系数- Nash-Suttcliffe系数校准/验证通常的问题F数据太少-监测期太短F条件范围小- only small storms-only storms during the spring...F prediction of future conditions which areoutside the model conditionsF calibration/validation does not adequatelytest separate pieces of model- accuracy of each land use category predictionF calibration adjustments destroy physicalrepresentation of system by modelF adjustment of the wrong parametersCalibration/ValidationSuggested ReferencesF Neitsch, S. L., J. G. Arnold, J. R. Kiniry and J. R. Willams. 2001. Soil and WaterAssessment Tool - Manual, USDA-ARS Publications. pp: 341-354.http://www.brc.tamus .edu/swat/manual.F Santhi, C., J. G. Arnold, J. R. Williams, W. A. Dugas, R. Srinivasan and L. M. Hauck.2001. Validation of the SWAT Model on a Large River Basin with Point and NonpointSources. J. American Water Resources Association 37(5): 1169 -1188.F Srinivasan, R., T. S. Ramanarayanan, J. G. Arnold and S. T. Bednarz. 1997. Large areahydrologic modeling and assessment: Part II - Model application. J. American WaterResources34(1):91-102.AssociationF Arnold, J.G., R. S. Muttiah, R. Srinivasan and P. M. Allen. 2000. Regional estimation ofbaseflow and groundwater recharge in the upper Mississippi basin. J. Hydrology227 (2000): 21-40.Srin@ BRC/TIAER/UT水文校准汇总F关键考虑-水量平衡u全部的总额u在水文组分中的分布-暴雨序列u时间迟滞或错位-集中的时间，迁移的时间u流量过程线的形状-峰值-退水-考虑前提条件Example校准图表particular durationFFAdjust fraction of algal biomass that is as phosphorus for waterAdjust fraction of algal biomass that is as phosphorus for waterTables of Runoff Curve Number Values ‡Table 1: Runoff curve numbers for cultivated agricultural landsCoverHydrologic Soil GroupLand Use Treatment or practice Hydrologic condition A B C D FallowBare soil- - - -77869194Crop residue cover ∗Poor 76859093Good 74838890Row cropsStraight rowPoor 72818891Good 67788589Straight row w/ residue Poor 71808790Good 64758285ContouredPoor 70798488Good 65758286Contoured w/ residue Poor 69788387Good 64748185Contoured & terracedPoor 66748082Good 62717881Contoured & terraced w/ residuePoor 65737981Good 61707780Small grainsStraight rowPoor 65768488Good 63758387Straight row w/ residue Poor 64758386Good 60728084ContouredPoor 63748285Good 61738184Contoured w/ residue Poor 62738184Good 60728083Contoured & terracedPoor 61727982Good 59707881Contoured & terraced w/ residuePoor 60717881Good 58697780Straight row Poor 66778589Good 58728185ContouredPoor 64758385Close-seeded or broadcast legumes or rotationGood 55697883Contoured & terracedPoor 63738083Good51677680‡These tables are reproduced from Urban Hydrology for Small Watersheds , USDA Soil Conservation Service Engineering Division, Technical Release 55, June 1986.∗Crop residue cover applies only if residue is on at least 5% of the surface throughout the year.Table 2: Runoff curve numbers for other agricultural landsCoverHydrologic Soil GroupCover Type Hydrologiccondition A B C DPasture, grassland, or range—continuous forage for grazing1Poor68798689Fair49697984Good39617480 Meadow—continuous grass, protected from grazing andgenerally mowed for hay.- - - -30587178 Brush—brush-weed-grass mixture with brush the majorelement2Poor48677783Fair35567077Good30486573 Woods—grass combination (orchard or tree farm)Poor57738286Fair43657682Good32587279 Woods3Poor45667783Fair36607379Good30557077 Farmsteads—buildings, lanes, driveways, and surrounding lots.- - - -597482861Poor: < 50% ground cover or heavily grazed with no mulchFair: 50 to 75% ground cover and not heavily grazedGood: > 75% ground cover and lightly or only occasionally grazed2Poor: < 50% ground coverFair: 50 to 75% ground coverGood: > 75% ground cover3Poor: Forest litter, small trees, and brush are destroyed by heavy grazing or regular burningFair: Woods are grazed but not burned, and some forest litter covers the soil.Good: Woods are protected from grazing, and litter and brush adequately cover the soil.Table 3: Runoff curve numbers for urban areasCoverHydrologic Soil GroupCover Type HydrologicconditionAverage %imperviousareaA B C DFully developed urban areasOpen spaces (lawns, parks, golf courses,cemeteries, etc.)4Poor68798689Fair49697984Good39617480 Impervious areas:Paved parking lots, roofs, driveways, etc.(excluding right-of-way)- - - -98989898 Paved streets and roads; curbs and stormsewers (excluding right-of-way)- - - -98989898 Paved streets and roads; open ditches(including right-of-way)- - - -83899293 Gravel streets and roads (including right-of-way)- - - -76858991 Dirt streets and roads (including right-of way)- - - -72828789 Urban districts:Commercial and business85%89929495 Industrial72%81889193 Residential Districts by average lot size:1/8 acre (0.05 ha) or less (town houses)65%77859092 1/4 acre (0.10 ha)38%61758387 1/3 acre (0.13 ha)30%57728186 1/2 acre (0.20 ha)25%547080851 acre (0.40 ha)20%516879842 acres (0.81 ha)12%46657782 Developing urban areas:Newly graded areas (pervious areas only, novegetation)77869194 4Poor: grass cover < 50%Fair: grass cover 50 to 75%Good: grass cover > 75%Table 4: Runoff curve numbers for arid and semiarid rangelandsCoverHydrologic Soil GroupCover Type Hydrologiccondition5A B C DHerbaceous—mixture of grass, weeds, and low-growing brush,with brush the minor element.Poor808793Fair718189Good627485 Oak-aspen—mountain brush mixture of oak brush, aspen,mountain mahogany, bitter brush, maple, and other brush.Poor667479Fair485763Good304148 Pinyon-juniper—pinyon, juniper, or both: grass understory.Poor758589Fair587380Good416171 Sagebrush with grass understory.Poor678085Fair516370Good354755 Desert shrub—major plants include saltbrush, greasewood,creosotebush, blackbrush, bursage, palo verde, mesquite, andcactus.Poor63778588Fair55728186Good496879845Poor: < 30% ground cover (litter, grass, and brush overstory)Fair: 30 to 70% ground coverGood: > 70% ground coverCurve Number CalibrationTable 1: Guideline runoff curve number rangesHydrologic Soil GroupLand Cover Category A B C D Row crop61-7270-8177-8880-91 Small grain/close grown crop58-6569-7677-8480-88 Perennial grasses30-6858-7971-8678-89 Annual grasses (close-seeded legumes)51-6667-7776-8580-89 Range39-6861-7974-8680-89 Semiarid/arid range39-7462-8074-8785-93 Brush30-4848-6765-7773-83 Woods25-4555-6670-7777-83 Orchard/tree farm32-5758-7372-8279-86 Urban46-8965-9277-9482-95。
SWAT模型参数及运行过程
第1章SWAT模型1.1SWAT模型参数1.1.1DEM数据DEM大部分是比较光滑的地形表面模型，但是由于误差及某些特殊地形的存在，造成DEM表面会有一些凹陷的地区存在，导致得到精度不高的水流方向结果，使得原始DEM数据不能满足研究的需要。
因此，在进行绝大多数模拟实验之前，都会将原始DEM数据通过ArcGIS软件的水文分析模型进行洼地填充，最终得到满足研究需求的无洼地DEM数据。
1.1.2土地利用数据通过对洱海流域高分辨遥感影像监督分类取得研究区的土地利用空间分布图后，首先查看分布图的投影坐标体系，如果与研究中设定的不相同，则需要利用ArcToolbox的投影模块Projections对其进行投影转换；第二步需要建立图中分类编码与模型中土地分类编码之间的联系，以供模型模拟使用。
1.1.3气象数据气象数据主要包括流域的气温数据（日平均、最高和最低）、太阳辐射、风速、相对湿度、降水数据（包括降雨强度、月均降雨量、月均降雨量标准偏差、降雨的偏度系数、月内干日数、月内湿日数、平均降雨天数等参数）。
在数据类型上，这些数据可以是统计数据，也可以通过SWAT模型的天气发生器模拟生成，或者是统计和模拟数据的结合；在数据格式上，这些气象数据需要以DBF格式保存在ArcGIS自带的属性数据库中；在时间尺度上，模型的模拟时间步长可以为年、月、日。
1.1.4土壤数据SWAT 模型需要将各类土壤的水文、水传导属性作为输入值, 并将其分为按土壤类型和按土壤层输入的两类参数。
按土壤类型输入的参数包括：(1)每类土壤所属的水文单元组；(2)植被根系最大深度；(3)土壤表面到最底层深度；(4)土壤空隙比等。
按土壤层分层输入的数据有；(5)土壤表面到各土壤层深度；(6)土壤容重；(7)有效田间持水量；(8)饱和导水率；(9)每层土壤中的粘粒、粉沙、沙粒、砾石含量；(10)USLE方程中的土壤可蚀性K；(11)田间土壤反照率；(12)土壤电导率。
SWAT模型参数自动率定的改进与应用
Abstract:LH 2OAT analysis module and SCE2UA auto calibration module have been added to SWAT 2005. During the p rocess of param eter sensitivity analysis and calibration, the computing time increases w ith the number of subbasins. For a watershed w ith an area of 16800 km2 , subbasins of 138 fo r B eijing, the tim e is about 1 m inute for a 5 yeas simu2 lation of SWAT model. Because the parameters auto calibration p rogram of SWAT model tries many times of different param eters, the model was rerun about 5000 times for 10 parameters used in B eijing, which w ill cost about 4 days. If any m istake occurs in this p rocess, it w ill need to redo the calibration work. Therefore this calibration method is ill2sui2 ted and unaccep table for large basins. An idea is put forwarded and realized in the paper, that is we can only sim ula2 tion som e subbasins, such as the only subbasins flow to target hydro station. Then w ith only sim ulation of these several subbasins, the tim e used for param eters auto calibration w ill be greatly reduced. W ith this method app lied in parameter calibration in B eijing Swat model, it takes no more than 30 m inutes to calibrate the five yearsπday runoff of Q ianx2 inzhuang hydro station and the results are p referably. The calibration of runoff p rocess for a num ber of hydro stations in distributed hydrological model can be rap idly done through the generalization of this method. Key words: LH 2OAT sensitivity analysis; SCE2UA parameter estimation; SWAT
SWAT水文模型
SWAT水文模型介绍之迟辟智美创作1概述SWAT（Soil and Water Assessment Tool）模型是美国农业部（USDA）农业研究局（ARS）开发的基于流域标准的一个长时段的分布式流域水文模型.它主要基于SWRRB模型，并吸取了CREAMS、GLEAMS、EPIC和ROTO的主要特征.SWAT具有很强的物理基础，能够利用GIS和RS 提供的空间数据信息模拟地表水和地下水的水量和水质，用来协助水资源管理，即预测和评估流域内水、泥沙和农业化学品管理所发生的影响.该模型主要用于长期预测，对单一洪水事件的演算能力不强，模型主要由8个部份组成：水文、气象、泥沙、土壤温度、作物生长、营养物、农业管理和杀虫剂.SWAT模型拥有参数自动率定模块，其采纳的是Q.Y.Duan等在1992年提出的SCE-UA算法.模型采纳模块化编程，由各水文计算模块实现各水文过程模拟功能，其源代码公开，方便用户对模型的改进和维护.2模型原理SWAT模型在进行模拟时，首先根据DEM把流域划分为一定命目的子流域，子流域划分的年夜小可以根据界说形成河流所需要的最小集水区面积来调整，还可以通过增减子流域出口数量进行进一法式整.然后在每一个子流域内再划分为水文响应单位HRU.HRU是同一个子流域内有着相同土天时用类型和土壤类型的区域.每一个水文响应单位内的水平衡是基于降水、地表径流、蒸散发、壤中流、渗透、地下水回流和河道运移损失来计算的.地表径流估算一般采纳SCS径流曲线法.渗透模块采纳存储演算方法，并结合裂隙流模型来预测通过每一个土壤层的流量，一旦水渗透到根区底层以下则成为地下水或发生回流.在土壤剖面中壤中流的计算与渗透同时进行.每一层土壤中的壤中流采纳动力蓄水水库来模拟.河道中流量演算采纳变动存储系数法或马斯金根演算法.模型中提供了三种估算潜在蒸散发量的计算方法—Hargreaves、Priestley-Taylor和Penman-Monteith.每一个子流域内侵蚀和泥沙量的估算采纳改进的USLE方程，河道内泥沙演算采纳改进的Bagnold泥沙运移方程.植物吸收的氮采纳供需方法计算，植物的氮日需求量是植物与生物量中氮浓度的函数.土壤中向植物供给氮，当需求超越供给时，呈现营养物压力.地表径流、壤中流和渗透过程运移的硝态氮量由水量和土壤层中的平均硝态氮浓度来估计.泥沙中运移的有机氮采纳McElroy et al.开发的负荷方程，后经进一步改进.该负荷方程基于土壤表层的有机氮浓度、泥沙量和富集率来估计径流中的有机氮损失.植物吸引的磷采纳与氮相似的供需方法.径流中带走的可溶解磷采纳土壤表层中的不稳定磷、径流量和磷土分离系数来计算.泥沙运移的磷采纳与有机氮运移相同的方程.河道中营养物的静态模拟采纳QUAL2E模型.模型中采纳的水量平衡表达式为：式中：为土壤最终含水量，mm；为土壤前期含水量，mm；t为时间步长，d；为第i天降水量，mm；为第i天的地表径流，mm；为第i天的蒸发量，mm；为第i天存在于土壤剖面底层的渗透量和侧流量，mm；为第i天地下水含量，mm.SWAT模型水文循环陆地阶段主要有水文、天气、堆积、土壤温度、作物产量、营养物质和农业管理等部份组成.模型径流量发生计算流程图如下图2-1所示.图2-1 SWAT模型产流计算流程图当落到地表的降水量过剩入渗量时发生地表径流.SWAT模型采纳SCS径流曲线法计算.SCS曲线方程自上世纪50年代逐渐获得广泛使用，属于经验模型，是对全美小流域降水与径流关系20多年的研究功效.模型能反应分歧土壤类型和土天时用方式及前期土壤含水量对降雨径流的影响，它是基于流域的实际入渗量（F）与实际径流量（Q）之比即是流域该场降雨前的最年夜可能入渗量（S）与最年夜可能径流量（）之比的假定基础上建立的SCS模型的降雨-径流基本关系表达式如下：式中：假定潜在径流量（）为降水量（P）与由径流发生前植物截留、初渗和填洼蓄水构成的流域初损（）的差值.由此推到上式有：初损受土天时用、耕作方式、灌溉条件、冠层截留、下渗、填洼等因素的影响，它与土壤最年夜可能入渗量S 呈一定的正比关系，美国农业部土壤坚持局在分析了年夜量长期的实验结果基础上，提出了二者最合适的比例系数为0.2，即：由此可得SCS方程为：流域那时最年夜可能滞留量在空间上与土天时用方式、土壤类型和坡度等下垫面因素密切相关，模型引入的值可较好地确定，公式如下：CN是一个无量纲参数，CN值是反映降雨前期流域特征的一个综合参数，它是前期土壤湿度、坡度、土天时用方式和土壤类型状况等因素的综合.模型考虑的蒸散发是指所有地表水转化为水蒸气的过程，包括树冠截留的水分蒸发、蒸腾和升华及土壤水的蒸发.蒸散发是水分转移出流域的主要途径，在许多江河流域，蒸发量都年夜于径流量.准确地评价蒸散发量是估算水资源量的关键，也是研究气候和土地覆盖变动对河川径流影响的关键.（1）潜在蒸散发模型提供了Penman-Monteith、Priestley-Taylor和Hargreaves三种计算潜在蒸散发的方法，另外还可以使用实测资料或已经计算好的逐日潜在蒸散发资料.一般采纳Penman-Monteith方法来计算流域的潜在蒸散发.（2）实际蒸散发实际蒸散发以潜在蒸散发为计算基础.在计算流域实际蒸散发量的时候，模型首先计算植物冠层截留水分的蒸发，然后计算最年夜蒸腾量、最年夜升华量和最年夜土壤蒸发量，最后计算实际的升华量和土壤水分蒸发量.（3）冠层截留蒸发量模型在计算实际蒸发时假定尽可能蒸发冠层截留的水分，如果潜在蒸发量小于冠层截留的自由水量，则：式中：为某日流域的实际蒸发量，mm；为某日冠层自由水蒸发量，mm；为某日的潜在蒸发量，mm；为某日植被冠层自由水初始含量，mm；为某日植被冠层自由水终止含量，mm.如果潜在蒸发量年夜于冠层截留的自由水含量则：当植被冠层截留的自由水被全部蒸发失落，继续蒸发所需的水分就会从植被和土壤中获得.（4）植物蒸腾假设植物生长在一个理想的条件下，植物蒸腾可用以下表达式计算：式中：为某日最年夜蒸腾量，mm；为植被冠层自由水蒸发调整后的潜在蒸发，mm；LAI为叶面积指数.因为没有考虑到植物下面图层的含水量问题，由此公式计算处的蒸腾量可能比实际蒸腾量要年夜一些.（5）土壤水分蒸发在计算土壤水分蒸发时，首先区分出分歧深度土壤层所需要的蒸发量，土壤深度条理的划分决定土壤允许的最年夜蒸发量，可由下式计算：式中：为z深度处蒸发需要的水量，mm；z为地表以下土壤的深度，mm.表达式中的系数是为了满足50%的蒸发所需水分来自土壤表层10mm，以及95%的蒸发所需水分来自0～100mm土壤深度范围内.土壤水分蒸发所需要的水量是有土壤上层蒸发需水量与土壤下层蒸发需水量决定的：式中：为ly层的蒸发需水量，mm；为土壤下层的蒸发需水量，mm；为土壤上层的蒸发需水量，mm.土壤深度的划分假设50%的蒸发需水量由0～10mm内土壤上层的含水量提供，因此100mm的蒸发需水量中50mm都要由10mm的上层土壤提供，显然上层无法满足需要，这就需要建立一个系数来调整土壤层深度的划分，以满足蒸发需水量，调整后的公式可以暗示为：式中：esco为土壤蒸发调节系数，该系数是SWAT为调整土壤因毛细作用和土壤裂隙等因素对分歧土层蒸发量二提出的，对分歧的esco值对应着相应的土壤层划分深度.渗入到土壤中的水有多种分歧运动方式.土壤水可以被植物吸收或蒸腾而损耗，可以渗透到土壤底层最终补给地下水，也可以在地表形成径流，即壤中流.由于主要考虑径流量的几多，因此对壤中流的计算简要概括.模型采纳动力储水方法计算壤中流.相对饱和区厚度计算公式为：式中：为土壤饱和区内可流出的水量，mm；为山坡坡长，m；为土壤可出流的孔隙率；暗示土壤层总孔隙度，即与土壤层水分含量达到田间持水量的孔隙度之差.山坡出口断面的净水量为：式中：为出口断面处的流速，mmh.其表达式为：式中：为土壤饱和导水率，mmh；为坡度.总结上面表达式，模型中壤中流最终计算公式为：??地下水模型采纳以下表达式来计算流域地下水：式中：为第i天进入河道的地下水补给量，mm；为第（i ）天进入河道的地下水补给量，mm；为时间步长，d；式中：土壤侵蚀模型式中：根据天气条件，泥沙输移量可以高于或者低于输移能力，招致堆积过量的泥沙通过渠道侵蚀再悬浮输移泥沙.流速方程为：式中：为流量，m3/s；为渠道宽度，m；为径流深，m.对低于齐岸深度的径流，径流深使用Manning方程来计算，假定渠道宽度远年夜于深度：式中：为渠道曼宁系数；为渠道坡度，m/m.由于降水和径流发生的土壤侵蚀是用MUSLE方程来计算的，MUSLE是修正的通用土壤流失方程（USLE）.USLE 方程是通过降水动能函数预测年均侵蚀量，而在MUSLE 中，用径流因子取代降水动能，改善了泥沙产量的预测，这样就不需要泥沙输移系数，而且可以将方程用于单次暴雨事件，因为径流因子是先行湿度和降水动能的函数.USLE 中需要输移系数是因为降水动能因子暗示的能量只在作用流域内起作用.修正的通用土壤流失方程为;式中：为土壤侵蚀量，t；为地表径流，mm/h；为洪峰流量，m3/s；为水文响应单位的面积，hm2；为土壤侵蚀因子；为植被覆盖和管理因子；为水土坚持办法因子；为地形因子；为粗碎屑因子.当其他影响侵蚀的因子不变时，因子反映分歧类型土壤抵当侵蚀力的高低.它与土壤物理性质的影响，如机械组成、有机质含量、土壤结构、土壤渗透性等有关.当土壤颗粒粗、渗透性年夜时，值就低，反之则高；一般情况下值得变幅在0.02 ~0.75之间.值得直接测定方法是：在标准小区（坡长为22.1m，宽为 1.83m，坡度为9%）上没有任何植被，完全休闲，无水土坚持办法，降水后收集由于坡面径流而冲蚀到集流槽内的土壤，烘干、称重，由公式计算获得值.试验测算式中：为颗粒标准参数；式中：为土壤有机质因子；式中：为粒径在0.05～2.00mm沙粒的百分含量；为粒径在0.002～0.05mm的淤泥、细砂百分含量；为粒径小于0.002mm的粘土百分含量；为各土壤层中有机碳含量，%.植被覆盖和管理因子暗示植物覆盖和作物栽培办法对防止土壤侵蚀的综合效益，其含义是在地形、土壤、降水条件相同的情况下，种植作物或林草地的土地与连续休养地土壤流失量的比值，最年夜取值为1.0.由于植被覆盖受植物生长期的影响，SWAT模型通过下面的方程调整植被覆盖和管理因子：式中：是最小植被覆盖和管理因子值；是地表植物残留量，kg/hm2.最小C因子可以由已知年平均C值，通过以下方程计算.式中：暗示分歧植被覆盖的年均C值.水土坚持因子是指有坚持办法的地表土壤流失与不采用任何办法的地表土壤流失的比值，这里的水土坚持办法包括等高耕作、带状种植和梯田.等高耕作对中低强度的降水侵蚀具有呵护水土流失的作用，但对高强度的降水其呵护作用则很小，等高耕作对坡度为3%～8%之间的土地非常有效.地形因子的计算公式如下：式中：为坡长；为坡长指数；为坡度.坡长指数的计算公式如下：式中：为水文相应单位的坡度，.因子因子是通过下面公式计算的：式中：为第一层土壤中砾石的百分比，%.SWAT模型可以模拟分歧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，以及铵态氮挥发过程的模拟.硝态氮主要随地表径流、侧向流或渗流在水体中迁移，要计算随水体迁移的硝态氮量必需先计算自由水中硝态氮浓度，用这个浓度乘以各个水路流动水的总量，即可获得从土壤中流失的硝态氮总量.自由水部份的硝态氮浓度可用下面公式计算：式中：为自由水中硝态氮浓度，kg/mm；为土壤中硝态氮的量，kg/hm2；为土壤中自由水的量，mm；为孔隙度；为土壤饱和含水量.（1）通过地表径流流失的溶解态氮计算公式：式中：为通过地表径流流失的硝态氮，kg/hm2；为硝态氮渗流系数；为地表径流，mm.（2）通过侧向流流失的溶解态氮的量计算公式：对地表10mm图层：对10mm以下的土层：式中：为通过侧向流流失的硝态氮，kg/hm2；为硝态氮渗流系数；为自由水的硝态氮浓度，kg/mm；为侧向流，mm.（3）通过渗流流失的溶解态氮量计算公式：式中：为通过渗流流失的硝态氮，kg/hm2；为自由水的硝态氮浓度，kg/mm；为渗流，mm.有机氮通常是吸附在土壤颗粒上随径流迁移的，这种形式的氮负荷与土壤流失量密切相关，土壤流失量直接反映了有机氮负荷.有机氮随土壤流失的输移量计算公式为：式中：为有机氮流失量，kg/hm2；为有机氮在表层土壤中的浓度，kg/t；为土壤流失量，t；为水文相应单位的面积，hm2；为氮富集系数，氮富集系数是随土壤流失的有机氮浓度和土壤表层有机氮浓度的比值.计算富集系数的公式如下：式中：为地表径流中泥沙含量.的计算公式如下：式中：为土壤流失量，t；为水文相应单位面积，hm2；为地表径流，mm.溶解态磷在土壤中的迁移主要是通过扩散作用实现的，扩散是指离子在微小标准下由于浓度梯度而引起的溶质迁移，由于溶解态磷不很活跃，所以由地表径流以溶解态形式带走的土壤表层的磷很少，地表径流输移的溶解态磷可由下面公式计算：式中：为通过地表径流流失的溶解态磷，kg/hm2；为土壤中溶解态磷，kg/hm2；为土壤溶质密度，mg/m3；为表层土壤深度，mm；为土壤磷分配系数，表层土壤中溶解态磷的浓度和地表径流中溶解态磷浓度的比值.有机磷和矿物质磷通常是吸附在土壤颗粒上通过径流迁移的，这种形式的磷负荷与土壤流失量密切相关，土壤流失量直接反映了有机磷和矿物质磷负荷，有机磷和矿物质磷随土壤流失输移量计算公式为：式中：为有机磷流失量，kg/hm2；为有机磷在表层土壤中的浓度，kg/t；为土壤流失量，t；为水文相应单位的面积，hm2；为磷富集系数.模型中界说的河道均是明渠流，SWAT用曼宁公式来界说河道糙率和水流流速.水流在河道中演进过程使用变储量演算法或马斯金根法，两种方法都是动力波方程.在模拟中一般使用马斯金根法来计算.（1）马斯金根法马斯金根法假设河道内水体形状是由一个楔形蓄水体和一个棱形蓄水体组成，如下图所示.图??河道水体示意图当洪水波行进到某个河段槽，入流量年夜于出流量便形成了楔形蓄水体.当洪水波退去，在河段槽便呈现了出流量年夜于入流量的负楔蓄体.另外对楔蓄水体，河段槽内始终包括一个体积为流域长度上横截面不变的棱柱状水体.总的蓄水容量为：式中：为蓄水容量，m??；为入流量，m??s；为出流量，m??s；为稳定流情况下的河段传布时间；为流量比重因素.该公式可以重新整理为如下形式：流量比重因素的下限为0.0，上限为0.5.这个因子是楔蓄量的函数.对水库式蓄水，没有楔蓄，；而对一个完整的楔蓄，；对河流，落在0.0和0.3之间，其平均值接近0.2.对蓄水容量的界说可以加入连续公式并简化为：式中：为该时间段开始时的入流量，m3/s；为该时间段结束时的入流量，m3/s；为该时间段结束时的出流量，m3/s；为该时间段结束时的出流量，m3/s.其中，.为了用体积单位暗示所有值，在蓄水容量公式两端乘以该时间段获得：为了坚持数值稳定和防止呈现负出流量的计算，必需满足以下条件：流量比重因素X的值由使用者输入，蓄水时间常数的值估算如下：式中：为稳定流情况下的河段传布时间，s；和为权重系数，由使用者输入；为稳定刘情况下渠道蓄满水的河段传布时间，s；为渠道蓄满1/10水量时河段传布时间，s.要计算和，Cunge于1969年提出一个公式：式中：为渠道长度，km；为指定深度处的波速，m/s.波速的计算公式为：其中流速由曼宁公式求解，将曼宁公式代入上式得：式中：为湿周，m；为河段坡度，%；为曼宁系数；为流速，m/s.（2）变储量演算法对一个给定的河段，储量演算基于连续方程，可写为：式中：为稳定流情况下的河段传布时间，s；为该时间段开始时的入流量，m3/s；为该时间段结束时的入流量，m3/s；为该时间段开始时的出流量，m3/s；为该时间段结束时的出流量，m3/s；为该时间段开始时的蓄水容量，m3；为该时间段结束时的蓄水容量，m3.演进时间是由渠道中的水容量除以水流流量：式中：为蓄水容量，m3；为出流量，m3/s.联合以上两式，简化为：其中，为蓄水系数，；为入流平均流量，，m3/s.整理上式得：为用体积单位来表达所有变量，公式两边都乘以时间段，则有：3软件把持要创立SWAT数据集，ArcSWAT需要访问提供流域信息的准确类型的ArcGIS的栅格、矢量和数据文件.这些必需的舆图主题和数据文件必需在运行SWAT之前准备好.空间数据包括必需的ARCSWAT空间数据和可选的ARCSWAT空间数据.SWAT空间数据集可以以任何投影类型来创立，但所有的舆图必需用同一投影.（1）必需的ARCSWAT空间数据DEM，ESRI GRID Format.DEM的高程值可以用整型或者实数型.决定舆图分辨率的单位不用与高程的单位坚持一致.例如舆图分辨率可以是米（m），而高程可以是英尺（feet）.舆图分辨率单位必需界说为以下几种：米（m），公里（km），英尺（feet），码（yards），英里（miles）.高程单位必需界说为以下几种：米（m），厘米（cm），码（yards），英尺（feet），英寸（inches）.●Land Cover/Land Use，ESRI GRID，Shapefile，orFeature Class Format.土天时用图中的类别需要重新分类为SWAT需要的土天时用类型.用户可以用三种方法重新分类土天时用，第一种是创立舆图时用美国地质勘探局的分类代码；第二种是加载土天时用图时为每一分类选定SWAT土天时用类型；第三种是为土天时用图的分歧分类创立一个能够识别4位SWAT 代码的look up表.●Soil，ESRI GRID，Shapefile，or Feature Class Format.用户需要输入SWAT土壤文件，在创立工程之前把图中每一类的土壤数据输入User Soil database中.要对土壤图的土壤类型进行重分类，信息必需在界面中手动输入，列出土壤信息look up表（2）可选的ARCSWAT空间数据集●DEM Mask，ESRI GRID，Shapefile or Feature ClassFormat.模型可以加载一个mask在DEM之上.●STREAMS，Shapefile or Feature Class Format.在那些地势很低的处所，DEM舆图网格不能精确地判断河流的位置，就需要有河网描绘的shapefile线性文件.●User-Defined Watersheds，Shapefile or Feature ClassFormat.用户可以自界说子流域划分加载到模型中去，如果选择自界说子流域也必需自界说河网.User-Defined Streams，Shapefile or Feature Class Format.用户自界说子流域后，模型将不会进行河网提取，需要用户自行界说.属性数据包括：土壤属性数据、气象资料数据和水文数据.SWAT模型通过三个个数据库来存储属性数据，其中气象资料数据通过模型自带的数据库进行存储，另外自界说的土壤属性数据和气象站参数数据通过两个附加的数据库进行存储，水文数据用于模拟结果率定.（1）土壤属性数据模型需要的土壤属性数据包括两年夜类：土壤物理属性和土壤化学属性.土壤的物理属性对土壤剖面中水和气的运动状况起决定作用，并显著影响水文响应单位（HRU）中水文过程的模拟.土壤物理属性参数主要包括土层厚度、土壤层数、密度、土壤颗粒年夜小分布和土壤饱和水力传导率等.由于获得的土壤属性数据难以完全满足构建SWAT模型土壤库的要求，因此，部份无法直接获取的参数如土壤可利用有效水、饱和水力传到率等采纳美国农业部开发的土壤水特性法式SPAW进行估算；部份参数通过对前人的研究功效和经验公式获得.估算结果仅简略反映土壤参数特征，在模型参数校准的过程中还需做进一法式整.（2）气象、水文资料数据SWAT模型所需要的气象数据包括气象站点的位置以及各气象站点的实测数据.气象站点包括雨量站、湿度站、温度站、风速站、太阳辐射站，其实测数据分别为日降水量、相对湿度、日最高/最低气温、风速和太阳辐射.本文采纳北京站的气象资料来构建模型“天气发生器”所需的数据.SWAT模型自带的天气发生器WXGEN，其功能有二，一是用于生成气候数据，通过年夜量基础气象数据构建完成之后，可以用来生成任意年份的气象数据，二是对缺失的数据进行填补.SWAT模型每次模拟城市生成五个输出文件：输入汇总文件（input.std）、输出汇总文件（output.std）、HRU输出文件（output.hru）、子流域输出文件（output.sub）、河道输出文件（output.rch）.HRU输出文件包括了流域中每一个水文响应单位的信息，文件中输出数据介绍如下：MON：时间步长，根据用户选择可以为日、月、年；AREA：HRU的面积，km2；PRECIP：时间步长内HRU的降雨量，mm；SNOFALL：时间步长内HRU的降雪量，mm；SNOMELT：时间步长内HRU的冰雪融化量，mm；IRR：灌溉用水量，mm；PET：潜在蒸散发量，mm；ET：实际蒸散发量，mm；SW-INIT：土壤初始含水量，mm；SW-END：时间步长后土壤含水量，mm；PERC：植物蒸腾水量，mm；GW-RCHG：入渗量，mm；DA-RCHG：深层地下水补给量，mm；REVAP：浅层地下水向表层土壤回流量，mm；SA-IRR：浅层地下水灌溉量，mm；DA-IRR：深层地下水灌溉量，mm；SA-ST：浅层地下水储水量，mm；DA-ST：深层地下水储水量，mm；SURQ-GEN：地表径流量，mm；SURQ-CNT：地表径流进入河道水量，mm；TLOSS：输移损失水量，mm；LATQ：侧向流水量，mm；GW-Q：地下水弥补河道水量，mm；WYLD：总产流量，包括地表径流、地下水、侧向流，扣除损失水量，mm；DAILYCN：日径流曲线值；TMP-AV：日平均温度，摄氏度；TMP-MX：日最高温度，摄氏度；TMP-MN：日最高温度，摄氏度；。
SWAT模型参数及运行过程
SWAT模型参数及运行过程
SWAT（Soil and Water Assessment Tool）是一个集成的土壤和水资源模拟模型，用于评估和预测流域水文过程、土壤侵蚀和水质。
SWAT模型有一系列的参数，这些参数代表了模型中使用到的各种物理和化学过程的特性。
在SWAT模型运行之前，需要对这些参数进行设置和调整，以确保模拟结果的准确性和可靠性。
SWAT模型中的参数可以分为两类：模型参数和输入参数。
模型参数是指影响模型内部运行的参数，如流量流速公式、土壤侵蚀模型、植被生长模型等。
输入参数是指模型的输入数据，如降雨数据、土壤数据、植被数据等。
下面是SWAT模型中常用的一些参数及其说明：
1.水文参数：包括流域划分参数、降雨径流参数、水库参数等。
这些参数用于描述流域的水循环过程，如蒸发蒸腾、地下水补给等。
2.土壤参数：包括土壤类型参数、土壤吸水能力参数、土壤侵蚀参数等。
这些参数用于描述土壤的水文特性，如土壤水分保持能力、入渗能力等。
3.植被参数：包括植被类型参数、植被覆盖度参数、植被根系分布参数等。
这些参数用于描述不同植被类型对水资源的利用和保持能力。
4.污染物参数：包括化肥和农药的使用量、污水排放量等。
这些参数用于描述水质模拟过程中的污染物输入。
在进行SWAT模型的参数设置时，一般采用观测数据和实地调查数据作为依据，并根据文献和经验进行调整和估计。
常用的参数设置方法有：。
SWAT模型中天气发生器与数据库构建及其验证
SWAT模型中天气发生器与数据库构建及其验证SWAT模型中天气发生器与数据库构建及其验证摘要：SWAT（Soil and Water Assessment Tool）模型是一种广泛应用于流域水文模拟与管理的工具。
天气生成器和数据库是SWAT模型中重要的组成部分，用于模拟流域的水文过程和评估不同管理方案的效果。
本文将介绍SWAT模型中天气发生器和数据库的构建方法，并通过实例验证其模拟能力。
1. 引言水资源是人类生活和经济发展的基础，流域水循环的研究对于实现可持续水资源管理至关重要。
SWAT模型作为广泛应用的流域水文模拟工具，可以模拟流域尺度的水文过程，如降雨、蒸散发和径流等。
为了提高模型的模拟精度，需要准确地描述流域的天气情况，并建立相应的数据库。
2. SWAT模型中天气发生器的构建SWAT模型的天气发生器是模拟流域降雨的重要组成部分。
它可以生成符合流域特征的逐时、逐日或其他时间尺度的降雨数据，为模型提供输入。
在构建天气发生器时，需要考虑以下几个关键因素：(1) 气象站数据：为了能够准确模拟流域的降雨情况，需要获取气象站的观测数据。
这些数据包括气温、降水量、相对湿度和风速等。
(2) 数据质量控制：在使用气象观测数据之前，需要对数据进行预处理和质量控制。
常见的处理方法包括插补缺失值、去除异常值和调整不同站点之间的不一致性等。
(3) 模型参数估计：天气发生器的构建需要根据观测数据估计模型的参数。
常用的参数估计方法包括最小二乘法、最大似然法和贝叶斯估计等。
(4) 模型模拟：构建天气发生器后，需要对模型进行验证。
可以利用观测数据和模拟数据之间的比较来评估模型的模拟能力。
3. SWAT模型中数据库的构建SWAT模型中的数据库主要包括土壤数据库、作物数据库和管理数据库。
这些数据库用于描述流域的土壤特性、作物生理特性和管理措施等，为模拟流域的水文过程提供基础数据。
数据库的构建包括以下几个方面：(1) 数据源：构建数据库需要收集不同来源的数据，如土壤采样数据、植物学文献和管理措施的实地调查数据等。
SWAT模型参数及运行过程
第1章SWAT模型1.1SWAT模型参数1.1.1DEM数据DEM大部分是比较光滑的地形表面模型，但是由于误差及某些特殊地形的存在，造成DEM表面会有一些凹陷的地区存在，导致得到精度不高的水流方向结果，使得原始DEM数据不能满足研究的需要。
因此，在进行绝大多数模拟实验之前，都会将原始DEM数据通过ArcGIS软件的水文分析模型进行洼地填充，最终得到满足研究需求的无洼地DEM数据。
1.1.2土地利用数据通过对洱海流域高分辨遥感影像监督分类取得研究区的土地利用空间分布图后，首先查看分布图的投影坐标体系，如果与研究中设定的不相同，则需要利用ArcToolbox的投影模块Projections 对其进行投影转换；第二步需要建立图中分类编码与模型中土地分类编码之间的联系，以供模型模拟使用。
1.1.3气象数据气象数据主要包括流域的气温数据（日平均、最高和最低）、太阳辐射、风速、相对湿度、降水数据（包括降雨强度、月均降雨量、月均降雨量标准偏差、降雨的偏度系数、月内干日数、月内湿日数、平均降雨天数等参数）。
在数据类型上，这些数据可以是统计数据，也可以通过SWAT模型的天气发生器模拟生成，或者是统计和模拟数据的结合；在数据格式上，这些气象数据需要以DBF格式保存在ArcGIS自带的属性数据库中；在时间尺度上，模型的模拟时间步长可以为年、月、日。
1.1.4土壤数据SWAT 模型需要将各类土壤的水文、水传导属性作为输入值, 并将其分为按土壤类型和按土壤层输入的两类参数。
按土壤类型输入的参数包括：(1)每类土壤所属的水文单元组；(2)植被根系最大深度；(3)土壤表面到最底层深度；(4)土壤空隙比等。
按土壤层分层输入的数据有；(5)土壤表面到各土壤层深度；(6)土壤容重；(7)有效田间持水量；(8)饱和导水率；(9)每层土壤中的粘粒、粉沙、沙粒、砾石含量；(10)USLE方程中的土壤可蚀性K；(11)田间土壤反照率；(12)土壤电导率。
SWAT模型校准技巧
SWAT 校准技巧1校准，验证，检验Calibration, Validation & Verification)CALIBRATION:模型用已知的输入/输出做测试，从而用来调整或估计因子。
)VALIDATION:将模型结果与独立数据集做比较(不必进一步的调整)。
)VERIFICATION:计算机代码中的数值方法检验来确定它能真正再现概念模型，而没有内在的数值问题校准/验证周期•截然不同的时间段•相似的条件范围•足够的时间段模拟条件Time Setup Calibration Validation模型构建—Model ConfigurationF Land use分类-流域中土地利用类型，当前的和未来的土地利用，施用的管理技术，管理问题F子流域-位置，物质特性/土壤，测站位置，地形特征，管理问题F河道-地形特征，河流形态，有效的横断面数据校准焦点：•单一土地利用参数确定•测站位置数据•水质监测信息位置•河流系统的有效信息模型构建—Model Configuration校准点ExampleLEGEND校准/验证流程F水文-首先和最重要的F泥沙-其次的F水质-最后(氮, 磷,农药, DO, 细菌)F模型检验的列表水量平衡- is it all accounted for?时间系列年总量- stream flow & base flow月/季总量频率持续曲线泥沙和营养物平衡Calibration Time Step F校准次序-年水量平衡-季节变异性-暴雨变异性u时间序列图u频率持续曲线-基流-全部的时间序列校准/验证统计-模拟和实测数据的平均误差和标准差-斜率、截距和回归系数/决定系数- Nash-Suttcliffe系数校准/验证通常的问题F数据太少-监测期太短F条件范围小- only small storms-only storms during the spring...F prediction of future conditions which areoutside the model conditionsF calibration/validation does not adequatelytest separate pieces of model- accuracy of each land use category predictionF calibration adjustments destroy physicalrepresentation of system by modelF adjustment of the wrong parametersCalibration/ValidationSuggested ReferencesF Neitsch, S. L., J. G. Arnold, J. R. Kiniry and J. R. Willams. 2001. Soil and WaterAssessment Tool - Manual, USDA-ARS Publications. pp: 341-354.http://www.brc.tamus .edu/swat/manual.F Santhi, C., J. G. Arnold, J. R. Williams, W. A. Dugas, R. Srinivasan and L. M. Hauck.2001. Validation of the SWAT Model on a Large River Basin with Point and NonpointSources. J. American Water Resources Association 37(5): 1169 -1188.F Srinivasan, R., T. S. Ramanarayanan, J. G. Arnold and S. T. Bednarz. 1997. Large areahydrologic modeling and assessment: Part II - Model application. J. American WaterResources34(1):91-102.AssociationF Arnold, J.G., R. S. Muttiah, R. Srinivasan and P. M. Allen. 2000. Regional estimation ofbaseflow and groundwater recharge in the upper Mississippi basin. J. Hydrology227 (2000): 21-40.Srin@ BRC/TIAER/UT水文校准汇总F关键考虑-水量平衡u全部的总额u在水文组分中的分布-暴雨序列u时间迟滞或错位-集中的时间，迁移的时间u流量过程线的形状-峰值-退水-考虑前提条件Example校准图表particular durationFFAdjust fraction of algal biomass that is as phosphorus for waterAdjust fraction of algal biomass that is as phosphorus for waterTables of Runoff Curve Number Values ‡Table 1: Runoff curve numbers for cultivated agricultural landsCoverHydrologic Soil GroupLand Use Treatment or practice Hydrologic condition A B C D FallowBare soil- - - -77869194Crop residue cover ∗Poor 76859093Good 74838890Row cropsStraight rowPoor 72818891Good 67788589Straight row w/ residue Poor 71808790Good 64758285ContouredPoor 70798488Good 65758286Contoured w/ residue Poor 69788387Good 64748185Contoured & terracedPoor 66748082Good 62717881Contoured & terraced w/ residuePoor 65737981Good 61707780Small grainsStraight rowPoor 65768488Good 63758387Straight row w/ residue Poor 64758386Good 60728084ContouredPoor 63748285Good 61738184Contoured w/ residue Poor 62738184Good 60728083Contoured & terracedPoor 61727982Good 59707881Contoured & terraced w/ residuePoor 60717881Good 58697780Straight row Poor 66778589Good 58728185ContouredPoor 64758385Close-seeded or broadcast legumes or rotationGood 55697883Contoured & terracedPoor 63738083Good51677680‡These tables are reproduced from Urban Hydrology for Small Watersheds , USDA Soil Conservation Service Engineering Division, Technical Release 55, June 1986.∗Crop residue cover applies only if residue is on at least 5% of the surface throughout the year.Table 2: Runoff curve numbers for other agricultural landsCoverHydrologic Soil GroupCover Type Hydrologiccondition A B C DPasture, grassland, or range—continuous forage for grazing1Poor68798689Fair49697984Good39617480 Meadow—continuous grass, protected from grazing andgenerally mowed for hay.- - - -30587178 Brush—brush-weed-grass mixture with brush the majorelement2Poor48677783Fair35567077Good30486573 Woods—grass combination (orchard or tree farm)Poor57738286Fair43657682Good32587279 Woods3Poor45667783Fair36607379Good30557077 Farmsteads—buildings, lanes, driveways, and surrounding lots.- - - -597482861Poor: < 50% ground cover or heavily grazed with no mulchFair: 50 to 75% ground cover and not heavily grazedGood: > 75% ground cover and lightly or only occasionally grazed2Poor: < 50% ground coverFair: 50 to 75% ground coverGood: > 75% ground cover3Poor: Forest litter, small trees, and brush are destroyed by heavy grazing or regular burningFair: Woods are grazed but not burned, and some forest litter covers the soil.Good: Woods are protected from grazing, and litter and brush adequately cover the soil.Table 3: Runoff curve numbers for urban areasCoverHydrologic Soil GroupCover Type HydrologicconditionAverage %imperviousareaA B C DFully developed urban areasOpen spaces (lawns, parks, golf courses,cemeteries, etc.)4Poor68798689Fair49697984Good39617480 Impervious areas:Paved parking lots, roofs, driveways, etc.(excluding right-of-way)- - - -98989898 Paved streets and roads; curbs and stormsewers (excluding right-of-way)- - - -98989898 Paved streets and roads; open ditches(including right-of-way)- - - -83899293 Gravel streets and roads (including right-of-way)- - - -76858991 Dirt streets and roads (including right-of way)- - - -72828789 Urban districts:Commercial and business85%89929495 Industrial72%81889193 Residential Districts by average lot size:1/8 acre (0.05 ha) or less (town houses)65%77859092 1/4 acre (0.10 ha)38%61758387 1/3 acre (0.13 ha)30%57728186 1/2 acre (0.20 ha)25%547080851 acre (0.40 ha)20%516879842 acres (0.81 ha)12%46657782 Developing urban areas:Newly graded areas (pervious areas only, novegetation)77869194 4Poor: grass cover < 50%Fair: grass cover 50 to 75%Good: grass cover > 75%Table 4: Runoff curve numbers for arid and semiarid rangelandsCoverHydrologic Soil GroupCover Type Hydrologiccondition5A B C DHerbaceous—mixture of grass, weeds, and low-growing brush,with brush the minor element.Poor808793Fair718189Good627485 Oak-aspen—mountain brush mixture of oak brush, aspen,mountain mahogany, bitter brush, maple, and other brush.Poor667479Fair485763Good304148 Pinyon-juniper—pinyon, juniper, or both: grass understory.Poor758589Fair587380Good416171 Sagebrush with grass understory.Poor678085Fair516370Good354755 Desert shrub—major plants include saltbrush, greasewood,creosotebush, blackbrush, bursage, palo verde, mesquite, andcactus.Poor63778588Fair55728186Good496879845Poor: < 30% ground cover (litter, grass, and brush overstory)Fair: 30 to 70% ground coverGood: > 70% ground coverCurve Number CalibrationTable 1: Guideline runoff curve number rangesHydrologic Soil GroupLand Cover Category A B C D Row crop61-7270-8177-8880-91 Small grain/close grown crop58-6569-7677-8480-88 Perennial grasses30-6858-7971-8678-89 Annual grasses (close-seeded legumes)51-6667-7776-8580-89 Range39-6861-7974-8680-89 Semiarid/arid range39-7462-8074-8785-93 Brush30-4848-6765-7773-83 Woods25-4555-6670-7777-83 Orchard/tree farm32-5758-7372-8279-86 Urban46-8965-9277-9482-95。
长江源区SWAT水文模型数据库构建及模型的率定与验证
长江源区SWAT水文模型数据库构建及模型的率定与验证杨颖;马莲;李树森;高云鹤;李梦媛;刘增辉;司剑华;卢素锦;陈雨薇;李紫涵;张小燕;颜丹;单雅佩;刘海玲【期刊名称】《安徽大学学报:自然科学版》【年(卷),期】2022(46)4【摘要】建立长江源区SWAT水文模型数据库,预测长江源区长时间尺度的水量输出过程、趋势和规律,为研究长江源区水文循环过程对气候变化的响应奠定基础.通过收集与分析长江源区DEM(数字高程数据)影像图、水文、气候等数据,构建长江源区SWAT水文模型数据库,通过长江源区月均径流量、降水量、气温、蒸散发量等数据资料,对建成的模型进行参数率定和模型验证.结果表明,长江源区在1961—1966年和2006年以后的两个阶段内径流量增加;在1967—2005年径流量的变化趋势呈现波动下降.用建立好的SWAT水文模型在长江源区进行模拟,率定期的决定系数为0.84,模拟径流量与实测径流量误差为5.27%.验证期的决定系数为0.89,误差为3.34%.在率定期和验证期内,模拟数值符合度较高,该模型在长江源区较为适用.但春汛期(3—5月)的模拟径流量存在一定误差.SWAT水文模型在长江源区的实际运用可以进一步改进.【总页数】9页(P76-84)【作者】杨颖;马莲;李树森;高云鹤;李梦媛;刘增辉;司剑华;卢素锦;陈雨薇;李紫涵;张小燕;颜丹;单雅佩;刘海玲【作者单位】青海大学生态环境工程学院;青海大学农牧学院【正文语种】中文【中图分类】P208;P339【相关文献】1.基于SWAT模型的长江源区径流模拟2.分布式水文模型在徒骇马颊河流域灌溉管理中的应用Ⅰ.参数率定和模拟验证3.基于SWAT模型的长江源区巴塘河流域径流模拟4.SWAT模型中天气发生器与数据库构建及其验证5.基于水文模型对比建立SWAT模型数据库——以黄土丘陵沟壑区岔口流域为例因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
水量校核
➢ 校核流量过程
峰值衰减期值降得太快：检查传输损失—河道水 力传导率CH_K(.rte)
在融雪季节里，峰值会很高而衰退值很低，降低 最大和最小积雪融化速率SMFMX 和SMFMN(.bsn)
另外一个会影响积雪融化的参数是气温下降速率 TLAPS(.sub)，增加这些值
修改基流α系数ALPHA_BF(.gw)
调整藻类生物量比率AI1（.wwq）
水质校核
➢有机N校核 ➢子流域内有机N校核
调整土壤中营养物的初始浓度SOL_ORGN （ .sol）
确定并调整土壤表层的施肥率FRT_LY1 （ .mgt）
➢河道内有机N运移过程校核
调整藻类生物量比率AI1（.wwq）
水质校核
➢可溶性P校核 ➢子流域内可溶性P校核
➢ 径流空间上的校准
先上游后下游 先支流后干流 已校准好的子流域参数不要再变
泥沙校核
➢ 泥沙有2 个来源
HRU/子流域负荷 河道冲刷/沉积
➢ 检查水库/池塘模拟
水库和池塘对泥沙负荷有很大的影响 如果流域模拟的泥沙负荷量相差很大，首先核实
流域中的水库和池塘
➢ 校准子流域负荷
耕作对泥沙输移具有很大的影响 USLE 方程水土保持因子USLE_P(.mgt)、坡长因子
及的参数最优化和不确定分析方法
模型参数的不确定性
➢ SUNGLASSES (Sources of UNcertainty GLobal Assessment using Split-SamlpES):基于 分离抽样的不确定性来源全局分析
评价模型预测期的不确定性 不仅包含参数的不确定性 建立参数系列，根据不确定阈值建立评价标准
12
Sol_z
4 BIOMIX
10
SOL_ORG N
自动校核
➢单击Tools菜单下的auto-calibration and uncertainty，弹出下图所示对话框
自动校核
➢根据敏感性分析结果选择参数 ➢选择子流域14进行自动校核
➢操作过程
自动校核
➢查看结果
自动校核
不确定性分析
➢自动校核后出现校核结果 ➢可进行不确定性分析
参数敏感性分析
➢ 对于径流：CN2、sol_awc、ESCO最敏感
➢ 对于泥沙：CN2、SPCON、BIOMIX最敏感
➢ 对于氮磷等污染物： CN2、 ESCO、Alpha_Bf 、surlag等参数比较敏感
Out 1 Out 2
6 11
3
5
1
1
2
4
16 6
4
9
17 3
Out 3 3 6 2 5 7 10 4
➢ 径流：地表径流和地下径流
调整CN2(.mgt) 若地表径流仍然不符合要求，则调整SOL_AWC
(.sol)或ESCO(.bsn or .hru) 基流值太高：增加 GW_REVAP(.gw)，减小
REVAPMN(.gw)，增加 GWQMN(.gw)，
➢ 蒸发：土壤蒸发、植被蒸发
EPCO、EPSO (.bsn or .hru文件中)
调整土壤中营养物的初始浓度SOL_MINP（ .sol）
确定并调整土壤表层的施肥率FRT_LY1 （ .mgt ）
确定耕作措施（*.mgt ），调整作物残留系数 RSDCO和作物混合有效系数BIOMIX（. bsn）
调整P渗透系数PPERCO (.bsn) 调整土壤P比例系数PHOSKD（ .bsn）
关键步骤
➢观测数据文件的制作 ➢注意参数界限 ➢ArcSWAT2005中有手动调参的工具
利用SWAT-CUP进行参数率定
SWAT-CUP参数率定
➢SWAT-CUP (SWAT Calibration Uncertainty Procedures)
该法将系统初始化为一组随机粒子（Particle）， 通过迭代搜寻最优值，每次迭代过程中，粒子在 解空间追随最优的粒子进行搜索
PSO 算法中， 所有的粒子都有一个由被优化的函 数（目标函数）决定的适应值（fitness value）， 每个粒子还有一个矢量速度决定他们飞翔的方向 和距离
在每一次迭代中，粒子通过跟踪两个“极值”来 更新自己：一个极值就是粒子本身所找到的最优 解，这个解叫做个体极值pbest；另一个极值是整 个种群目前找到的最优解，这个极值是全局极值 pbest-gbest
➢ 不确定性分析方法：
SCE-UA： χ2-统计和贝叶斯方法 GLUE 方法（同时也是一种全局参数灵敏度分析的
方法）
➢ χ2-统计：置信空间
单目标参数极好值： 多目标参数极好值：
➢ 贝叶斯法：最大可能空间
模型率定
➢ 基于统计方法 ➢ 分离抽样方法：分为率定期和验证期 ➢ 采用分离抽样评价整个模型预测的不确定性 ➢ Parasol (Parameter Solutions method):以上提
➢ Latin-Hypercube
基于蒙特卡洛模型，但基于统计抽样方法 把每个参数分布划为N个空间，随即抽样，每个空间
的被抽到的概率为1/N，参数随机组合，模型运行N次 模型结果利用多参数线性回归或相关分析方法分析 不足：多元回归 分析的前提假设为线性变化，可能导
致偏差
输出结果的变化并 不总能明确地归因于某一特定输入 参数值的变化
➢ 子流域内矿物性N校核
调整土壤中营养物的初始浓度SOL_NO3（.sol） 确定并调整土壤表层的施肥率FRT_LY1 （ .mgt） 确定耕作措施（*.mgt ），调整作物残留系数
RSDCO和作物混合有效系数BIOMIX（. bsn） 调整N渗透系数NPERCO (.bsn)
➢ 河道内矿物性N运移过程校核
RSDCO和作物混合有效系数（. bsn文件中）
➢ 调整河道冲刷/沉积 :
调整河道泥沙运移方程中的线性和指数参数SPCON 和 SPEXP （.bsn文件中）
调整河道侵蚀因子CH_EROD （ .rte文件中） 调整河道覆盖因子CH_COV（.rte文件中）
水质校核
➢ 主要考虑因素：
营养物来源：HRUs/子流域、河道内过程 营养物分布：总量、季节性负荷 洪水过程后的分布：地形起伏、浓度峰值
模型率定
➢分布真实式世界水质模型误观测差-模源型
误差
模型率定
➢参数自动率定结果的优劣指标
Nash-Suttcliffe效率系数 相关系数 相对误差 模拟和实测数据的平均误差和标准差 斜率、截距、回归系数等
➢比较目标：
利用界面进行参数率定
水量校核
➢ 检查水量平衡
sub.dbf文件中的PET、ET、SNOMELT、SW、 GWQ、SURQ、WLYD、 rch.dbf文件中的 FLOW_IN、FLOW_OUT
参数敏感性分析
➢One-factor-At-a-Time sampling
运行一次只改变一个参数 某一特定输入参数值的变化引起的输出结果 的
灵敏度大小依赖于模型其他参数值的选取
➢LH-OAT sensitivity 分析
采用LH-OAT法可确保所有参数在取值范围内 均被取样
两者优点，弥补不足 把参数划分为m个空间（包含p个参数的集合
参数敏感性分析
➢灵敏度分析输入文件
参数敏感性分析
➢参数控制输入文件
Sensin.dat：包含LH抽样间隔m、OAT敏感性分 析参数变化范围、随机抽样种子数
changepar.dat：参数最大值、最小值、模型参 数、校核方法、HRU个数
参数敏感性分析
➢参数控制输入文件
responsmet.dat：每行代表一个输出参数，每列 各有其含义，参看校核文档
13 7
1
Out 4 3 6 1 5 7 11 4
9
Out 5 4 9 1 2 7 6 23
5
Out 6 4 5 2 3 6 10 8
15
Out 7 3 6 2 5 7 10 4
1
Out 8 4 5 1 6 7 10 3
2
Out 9 参数
5 ALPHA_BF
6
ESCO
1
CN2
3 SOL_AWC
7
surlag
第4步，检查是否满足收敛要求，如果不满足 回到第2步
最优化方法
➢SCE-UA 算法的特点:
在多个吸引域内获得全局收敛点 能够避免陷入局部最小点 能有效地表达不同参数的敏感性与参数间的相
关性 能够处理具有不连续响应表面的目标函数, 即
不要求目标函数与导数的清晰表达 能够处理高维参数问题
最优化方法
➢ 粒子群优化算法（Particle Swarm Optimi⁃zation ，简称PSO算法）
），p次参数变化，模型运行 m *(p+1) 次
最优化方法
➢参数自动率定采用SCE-UA（Shuffled complex evolution algorithm）：
对于非线性复杂的分布式水文模型，采用随机 搜索方法寻优，最为成功的方法之一
全局优化算法
➢基于以下4 种概念:
确定性和概率论方法结合; 在全局优化及改善方向上, 覆盖参数空间的复
objmet.dat：同上，作用为：误差测定
参数敏感性分析
➢ SMFMX SMFMN ALPHA_BF GWQMN GW_REVAP REVAPMN ESCO SLOPE SLSUBBSN TLAPS CH_K2 CN2 SOL_AWC surlag SFTMP SMTMP TIMP GW_DELAY rchrg_dp canmx sol_k sol_z sol_alb epco ch_n blai BIOMIX USLE_C SPCON SPEXP CH_COV CH_EROD USLE_P NPERCO PPERCO PHOSKD SOL_LABP SOL_ORGN SOL_ORGP SOL_NO3 gwno3