多变量SWAT径流与地表水储量校准有助于密西西比河上游流域湿地变化情景的模拟
《Environmental Modelling & Software》:Multivariate SWAT streamflow and surface water storage calibration enables Upper Mississippi River Basin wetland change scenarios
【字体:
大
中
小
】
时间:2026年08月01日
来源:Environmental Modelling & Software 5.2
编辑推荐:
摘要
在水利模型校准过程中,地表水储量(如湿地、湖泊)通常未被纳入考虑。我们针对面积达0.5百万平方公里的密西西比河上游流域,测试了一种多元校准方法,该方法结合了Sentinel-1和Sentinel-2卫星提供的地表水储量数据,用于对土壤与水资源评估工具模型进行校准。在20
摘要
在水利模型校准过程中,地表水储量(如湿地、湖泊)通常未被纳入考虑。我们针对面积达0.5百万平方公里的密西西比河上游流域,测试了一种多元校准方法,该方法结合了Sentinel-1和Sentinel-2卫星提供的地表水储量数据,用于对土壤与水资源评估工具模型进行校准。在2000组参数组合中,有19%能够较好地模拟流量情况(Kling-Gupta效率大于0.5),但仅有5%的同时也能准确模拟地表水储量(平均绝对误差小于2米),从而降低了模型输出的不确定性。通过使用最佳校准后的模型,我们发现,在年度首次洪峰期间,即蓄水阶段,地表水储量的变化对流量的影响最为显著。上游地表水储量的增加会导致峰值流量及洪水频率下降,这种变化会一直延续到流域出口处。我们的研究结果表明,将地表水储量纳入多元模型校准过程对于预测河流流量及洪水影响具有重要意义。
引言
储存在景观低洼处的地表水,包括湿地、湖泊及其他水体,是重要的水文和生物地球化学过程载体(Cohen等人,2016;Marton等人,2015;Quin等人,2015;Rains等人,2016)。这些系统被称为地表水储量,其水量来源于地表径流、浅层地下水流以及地下水位的变化。这类地表水储量为流域水文状况提供了水源、汇水区以及缓冲空间(Leibowitz等人,2008、2018),同时还能为下游水域起到滞后和转换作用(Lane等人,2018;Leibowitz等人,2018)。然而,全球范围内湿地中的静水储量都在不断减少(Davidson,2014;Fluet-Chouinard等人,2023;Junk等人,2013),在美国也是如此(U.S.;Lang等人,2024),尤其是那些规模较小的水体更容易被清除(例如美国的草原池塘地区;Van Meter & Basu,2015)。同样,全球范围内有一半的大型湖泊的储量出现了显著减少,而只有四分之一的湖泊储量有所增加(Yao等人,2023)。地表水储量的减少会影响到下游的水文动态。例如,模型模拟表明,非洪泛区湿地的消失会增强整个景观的水文连通性,进而导致降雨或融雪后峰值流量上升(Evenson等人,2018a)。因此,非洪泛区湿地较少的景观更容易出现强度更大、频率更高的洪水及干旱现象(Lane等人,2023;Fossey & Rousseau,2016;Golden等人,2021;Rains等人,2016)。所以,在水利模型中充分考虑地表水储量的变化,对于分析土地利用变化或极端天气事件对径流的影响至关重要。
流域水文模型是我们预测地表水储量变化——包括减少与恢复——对下游水文状况影响的主要工具。随着越来越多研究呼吁将地表水储量及其相关水文连通性纳入流域模型中(例如Golden等人,2014),支持这一目标的文献数量也在过去十年中不断增加(Evenson等人,2018b;Fossey & Rousseau,2016;Hay等人,2018;Lee等人,2019;Nasab等人,2018;Rajib等人,2020;Zeng & Chu,2021等)。为在水利模型中体现地表水储量,人们采用了土壤与水资源评估工具(SWAT;例如Evenson等人,2015;Evenson等人,2018b;Rajib等人,2020;Zeng等人,2020;Zeng & Chu,2021),以及其他水文模型,如PHYSITEL/HYDROTEL和水电模型系统(HEC-HMS)(例如Ameli & Creed,2019;Fossey等人,2015;Grimm & Chu,2020;Y. Wu等人,2020)。这些研究都表明,地表水储量有助于稳定基流(Ameli & Creed,2019;McLaughlin等人,2014;Yeo等人,2019),同时还能降低峰值流量(Evenson等人,2018a;Y. Wu等人,2020;Yeo等人,2019),这也进一步说明,地表水储量的减少会加剧下游流量的波动性及极端值出现频率(Lee等人,2018)。
在模拟地表水储量对下游水文影响的进程中,一个关键的不足在于如何理解并评估模型模拟结果中地表水储量估算的准确性。以往的研究多依赖数字高程模型或湿地地图所提供的静态储量数据来初始化地表水过程(Evenson等人,2015;Grimm & Chu,2020;Rajib等人,2020;Y. Wu等人,2020;Zeng等人,2020)。不过Dolan等人(2026)发现,仅依靠基于数字高程模型的方法,会在农业区域高估实际的地表水储量,因为尽管这些地区存在地形低洼处,但由于人工排水措施,如铺设排水砖,实际上并无大量静水存在。相反,这种方法在那些受干扰较少的地区以及洪泛区,由于水体较浅且处于数字高程模型的垂直误差范围内,可能会低估地表水储量。例如,美国地质调查局提供的分辨率为10米的3D高程数据,其垂直方向上的均方根误差高达82厘米(Stoker & Miller,2022)。更为重要的是,流域水文模型很少根据地表水储量或覆盖范围的时间序列数据进行校准或验证,而这可能会影响到未来土地利用变化及极端天气情景下流量模拟的准确性。虽然有一些小型流域已经尝试过对地表水淹没范围进行校准(Evenson等人,2018b),但这些方法尚未在大规模流域中得到应用——而大规模流域正是管理决策所关注的关键尺度。
模型校准是通过调整参数值以确保模型输出准确性的重要但具有挑战性的环节,也是SWAT模型开发过程中的关键步骤(例如Arnold等人,2012)。目前SWAT模型通常仅依据实测流量数据进行校准。然而,若在校准过程中加入能够反映其他流域过程的数据,比如地表水储量变化,有望降低模型的等价性。所谓模型等价性,指的是存在多种参数组合能够产生相对相似的模拟结果(Beven,2006),这种情况会使得确定统一的参数值变得困难,进而影响预测等建模工作的可靠性(Yatheendradas等人,2008)。因此,尽管有多种不同的参数组合能够准确模拟流量,但并非所有组合都能准确反映其他输出指标,如地表水覆盖范围或储量(Evenson等人,2018b)。为降低模型等价性,人们采取了多种校准方法,包括:(1)依据流域内多个监测点的流量数据进行校准(多站点校准;例如Her & Chaubey,2015;Molina-Navarro等人,2017;Rajib等人,2020;Yeo等人,2019;X. Zhang等人,2010);(2)基于多个流量指标进行校准(多目标函数校准,包括总流量、峰值流量及低流量等;例如Her & Seong,2018);(3)除流量外还依据多个模型输出指标进行校准(多元校准),如地下水状况、蒸散量、土壤湿度以及地表水覆盖范围等(例如Qiao等人,2013;Dangol等人,2023;Franco等人,2020;Dangol等人,2023;Rajib等人,2016;Evenson等人,2018b);(4)同时考虑多个监测点及多个变量,如流量与泥沙含量、流量与排水系统输出、流量与土壤湿度,或是流量与水质等(例如Brighenti等人,2019;Kim等人,2023;Rajib等人,2016;Evenson等人,2021)。选择合适的SWAT模型校准方法,应在提升模拟流域过程准确性的同时,保持或进一步提高模型输出结果的精确度。
卫星技术为我们提供了利用额外数据的机会,这些数据包括实测的景观地表水覆盖范围,可用于流域水文模型的构建、校准以及降低模型等价性。例如,通过中分辨率成像光谱仪获取的地表水覆盖范围数据,已被广泛用于与河流流量之间的关联分析(Hou等人,2020;Soulard等人,2022)。尽管MODIS数据的更新频率较高(1-2天),但其空间分辨率仅为250米至1公里,这限制了其对美国中西部地区许多较小水体的观测能力,尤其是众多湿地(例如Van Meter & Basu,2015)。此外,Landsat卫星也提供全球范围的地表水数据(分辨率为30米,数据更新间隔为8至16天;Jones,2019;Pekel等人,2016;Pickens等人,2020)。不过,云层覆盖会使得Landsat卫星在晴朗天气下的观测只能以月度或季节性频率进行(Goward等人,2019)。作为替代方案,Vanderhoof等人(2023)开发了一套针对Sentinel-1卫星(C波段,分辨率20米,数据更新间隔6至12天)和Sentinel-2卫星(光学波段,分辨率20米,数据更新间隔5天)的算法,可用于识别植被覆盖区域和开放水域。基于Sentinel-1卫星的数据不受云层影响,能够补充并填补因云层遮挡而产生的基于Sentinel-2卫星的数据缺失部分(Vanderhoof等人,2023)。虽然Sentinel-1和Sentinel-2卫星是从2010年代中期才开始在轨道上运行的,但它们所提供的地表水估算数据与许多水文模型的日尺度时间节点更为匹配,相比Landsat卫星的时间分辨率有了显著提升。
基于卫星的地表水覆盖范围时间序列本身即可作为有用的独立数据产品,但SWAT模型及其他流域水文模型在计算水量平衡时采用的是体积形式的地表水储量数据(例如Neitsch等人,2011)。因此,需要将面积形式的地表水覆盖范围转换为体积形式的地表水储量。目前大多数将地表水面积转换为储量的方法都是针对特定类型的水体设计的,且属于静态的储量表示方式。例如,有些方法是为洼地湿地设计的(Hayashi & Van Der Kamp,2000;Q. Wu & Lane,2016),还有些方法是针对湖泊设计的(Khazaei等人,2022;Xiao等人,2023)。最近,我们提出了一种新的方法,该方法在传统数字高程模型沉降深度计算方法的基础上,结合多时相遥感获取的地表水覆盖范围数据,并充分考虑了数字高程模型的垂直误差因素——这一因素此前限制了较浅水域的储量计算(Dolan等人,2026;Vanderhoof等人,2026)。此前我们已使用该数据集对比了遥感数据与大型SWAT模型得出的储量估算结果(Dolan等人,2025;Dolan等人,2026),但目前尚无研究将多时相储量数据应用于SWAT模型的构建与校准过程中。
在本文中,我们旨在利用卫星数据改进SWAT模型对体积形式地表水储量变化的模拟精度,同时优化模型输出的流量预测结果。我们将这种多元校准方法应用于覆盖约0.5百万平方公里的密西西比河上游流域的SWAT模型。我们的研究比较了仅依据流量数据进行模型校准的情况,以及同时结合实测流量数据和卫星获取的地表水储量数据进行多元校准的效果。据我们所知,这是首项同时利用连续流量数据与卫星估算的地表水储量数据,来提升SWAT模型精度并降低模型等价性的研究。此外,为评估考虑地表水动态以及湿地面积变化对下游流量的影响,我们运用经过多元校准的模型,分析了非洪泛区湿地较为集中的地区中地表水储量的变化——包括储量恢复与减少——对下游流量状况的影响,重点关注流量的变化幅度及洪水发生频率。
研究区域
本研究聚焦于密西西比河上游流域(见图1),该流域从密西西比河的源头一直延伸到该河与密苏里河交汇点上游的美国境内区域。该流域涵盖了明尼苏达州、威斯康星州、南达科他州、爱荷华州、密苏里州、伊利诺伊州和印第安纳州的部分地区,占密西西比河流域总面积的15%,同时也是密西西比河向路易斯安那州海岸输送硝酸盐总量的44%的来源地(Crawford等人,2019)。我们发现,这种多元校准方法能够降低模拟地表水储量的不确定性并提高其精度,同时不会影响模拟流量的准确性。仅基于流量进行校准虽然可以得到能够较好反映流量情况的参数组,但其性能并不一致。结论与未来工作:在本研究中,我们利用遥感数据对水文模型在表征地表水储量方面的能力进行了校准与改进。我们将经过校准的模型应用于评估非洪泛区湿地丰富的地区中上游地表水储量的变化对远离这些变化发生地点的下游流量的影响。多元校准(流量+地表水储量)提高了结果的准确性和一致性。CRediT作者贡献说明:Charles Lane:写作——审阅与编辑、概念设计。Jay Christensen:写作——审阅与编辑、监督、项目管理、方法论、资金获取、概念设计。Heather Golden:写作——审阅与编辑、初稿撰写、监督、项目管理、方法论、概念设计。Melanie K. Vanderhoof:写作——审阅与编辑、初稿撰写、监督、项目管理、方法论、资金获取。未引用的参考文献:Abatzoglou等人,2018年;Dolan等人,2026年;Lane和D’Amico,2016年;美国地质调查局;Valayamkunnath等人,2020年。数据与软件可用性:遥感地表水储量数据发布结果与SWAT模拟数据存在明显差异(版本2.0,2026年2月)•开发者:Wayana Dolan、Melanie Vanderhoof、Jay Christensen、Heather Golden、Charles Lane、Adnan Rajib、William Keenan、Qianjin Zheng、Arushi Khare•联系方式:wdolan@usgs.gov•可用年份:2026年•用途:遥感地表水储量及范围数据用于模型校准,包括各子流域的shapefile文件•获取方式:这些数据可在美国免费获取。关于写作过程中生成式人工智能及人工智能辅助技术的声明:在准备本文档时,作者们使用了ChatGPT来提供有关R代码效率的简要反馈,并给出一些语法建议以提高手稿的可读性。在使用该工具后,作者们根据需要对内容进行了审核和修改,并对最终发表文章的内容负全责。利益冲突声明:? 作者声明不存在任何可能影响本文所述工作的已知财务利益或个人关系。致谢:本研究得到了美国环境保护署研究与发展办公室通过跨机构协议(DW 014 92583501-0,“多源遥感技术用于提升国家水资源测绘水平”)以及美国地质调查局核心系统科学、土地变化科学项目的资助。作者们感谢Adnan Rajib博士提供了与Rajib等人(2020年)相关的SWAT模型文件。文中出现的任何企业名称或产品名称仅用于描述目的。Wayana Dolan|Melanie K. Vanderhoof|Heather Golden|Jay Christensen|Charles Lane|Grey Evenson美国地质调查局,地球科学与环境变化科学中心,邮政信箱25046,MS 980,丹佛联邦中心,科罗拉多州丹佛市80225,美国
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号