集成MODIS和SMAP数据的韩国森林流域SWAT+空间校准模拟

《Environmental Modelling & Software》：Integrating MODIS and SMAP Data for Spatially Calibrated SWAT+ Modeling in a Forested Watershed of South Korea

　　

本研究建立了一种空间多变量校准的SWAT+方法，将中分辨率成像光谱仪（Moderate Resolution Imaging Spectroradiometer, MODIS）叶面积指数（leaf area index, LAI）和蒸散发（evapotranspiration, ET）与土壤水分主动被动（Soil Moisture Active Passive, SMAP）土壤湿度数据相结合，应用于韩国龙潭大坝流域。卫星数据集按景观单元（landscape unit, LSU）聚合用于参数校准和验证。模型再现了卫星观测的空间格局（LAI的R² > 0.94，ET为0.80，土壤湿度为0.65）。虽然利用卫星产品存在固有数据不确定性，但它们的集成显著增强了SWAT+的物理真实性。卫星约束校准比传统校准更准确地改善了水文过程线动态的再现。空间校准使ET（+3.4%）和地表径流（+1.8%）增加，地下水流减少（?0.8%），揭示了地表水过程和能量–水相互作用表征的改进。该方法证明了遥感集成在SWAT+中增强空间真实性和减少参数等值性的效用。

**论文解读**

**研究背景与意义**

水文模型在水资源管理、洪水预报和干旱评估中至关重要。然而，传统水文模型校准通常依赖单点观测（如气象站、水文站），难以反映由土壤、地形、植被和土地利用差异驱动的蒸散发（evapotranspiration, ET）与土壤湿度（soil moisture, SM）的空间异质性。遥感（remote sensing, RS）技术能够提供连续的空间覆盖，因此将遥感产品与水文模型耦合成为提高模型空间真实性的有效途径。但以往多数研究仅针对单一变量（如径流、土壤湿度或蒸散发）进行校准，忽视了植被物候、能量通量与土壤水分之间的层级耦合关系，导致参数等值性（equifinality）和内部状态不真实等问题。为此，该研究在韩国龙潭大坝（Yongdam Dam）流域（约930 km2，森林覆盖72%）建立了一种空间显式、顺序多变量校准的SWAT+方法，集成中分辨率成像光谱仪（Moderate Resolution Imaging Spectroradiometer, MODIS）叶面积指数（leaf area index, LAI）和蒸散发数据，以及土壤水分主动被动（Soil Moisture Active Passive, SMAP）土壤湿度数据，在景观单元（landscape unit, LSU）尺度上依次对植被、能量通量和土壤水分过程进行约束，以评估空间参数校准对流域水量平衡和水文真实性的改进。该论文发表在《Environmental Modelling 》。

**研究内容与主要结论**

研究人员以龙潭大坝流域为试验场，采用2010–2024年数据（2010–2014为预热期，2015–2019为校准期，2020–2024为验证期），利用MODIS LAI（MOD15A2H）、MODIS ET（MOD16A2GF）和SMAP土壤湿度（SPL4SMGP），通过景观单元（LSU）尺度聚合进行参数校准。校准过程遵循层级顺序：首先校准LAI相关植被参数，其次校准ET（最大冠层储水量can_max），然后校准土壤湿度（可用水含量awc和饱和导水率soil_k），最后校准径流。结果表明，模型能很好再现卫星观测的空间格局：LAI的R² > 0.94，ET平均R² = 0.80，土壤湿度R² = 0.65。空间校准使ET增加3.4%，地表径流增加1.8%，地下水流减少0.8%，表明模型对地表水过程和能量–水相互作用的表征得到改善。与传统仅流量校准相比，卫星约束校准显著提高了水文过程线动态的再现能力，尤其在2022年枯水期，百分比偏差（PBIAS）从?44.38%改善至?2.61%。该研究证明了遥感集成在增强SWAT+空间真实性和减少参数等值性方面的有效性。

**关键技术方法**

研究人员利用SWAT+模型（半分布式物理模型）构建龙潭大坝流域，共划分13个景观单元（LSU）。主要方法包括：（1）基于2019年森林类型图（源自2017–2018年航拍），将MODIS LAI按针叶、阔叶、混交三种森林类型提取，用于校准SWAT+植被生长参数（如lai_pot、frac_hu等）；（2）将MODIS ET与两个通量塔（Deoku、Yongdam）观测进行对比验证后，按LSU校准can_max；（3）对SMAP表层土壤湿度（0–5 cm）应用指数滤波（Exponential Filter, ExpF）推导根区（0–30 cm）土壤湿度代理，通过站点数据确定特征时间T=1，并用该代理校准awc和soil_k；（4）最终使用龙潭大坝入流数据校准径流参数（如mann、ESCO、alpha等）。观测数据包括K-water（韩国水资源公社）管理的6个土壤湿度站、2个通量塔及大坝入流（2015–2019），气象数据来自韩国气象厅。性能评估采用决定系数（R²）、均方根误差（RMSE）、纳什–苏特克利夫效率（NSE）和克林–古普塔效率（Kling-Gupta efficiency, KGE）。

**研究结果**

**3.1 Leaf Area Index Calibration（叶面积指数校准）**

研究人员将2019年森林类型图重分类为SWAT+的三种植被类型（针叶frse、阔叶frsd、混交frst），独立提取2010–2019年逐森林类型的MODIS LAI目标序列。通过试错法调整植物生长参数，校准后SWAT+模拟LAI与MODIS LAI的决定系数R² ≥ 0.94，表明模型能够准确再现不同森林类型的季节动态。

**3.2 Landscape Unit Scale Calibration of Evapotranspiration and Soil Moisture（景观单元尺度的蒸散发与土壤湿度校准）**

在LSU尺度上，将MODIS ET（MOD16A2GF）与通量塔观测对比，在Deoku塔R²=0.65，而在靠近水库的Yongdam塔R²=0.14，后者差异主要归因于通量塔足迹与MODIS像元不匹配及非均一下垫面。校准can_max后，13个LSU的ET模拟与MODIS ET平均R²=0.80，RMSE平均4.70 mm/8天。对于土壤湿度，基于站点数据优化指数滤波特征时间T=1（NSE 0.63–0.94），生成SMAP根区代理。使用根区代理进行SM校准时参数扰动更小（awc +30%，soil_k ?30%），平均R²从0.57提高到0.65，RMSE从4.88 vol.%略增至5.62 vol.%，后者反映绝对尺度失配。

**3.3 Streamflow Calibration and Water Balance（径流校准与水量平衡）**

在空间校准基础上，使用2015–2019年龙潭大坝入流进行径流校准，2020–2024年验证。校准后模型平均纳什–苏特克利夫效率（NSE）从0.81提高到0.83，且空间校准模型在低流量年表现更优。与传统仅流量校准相比，卫星约束校准使ET增加3.4%、地表径流增加1.8%，侧向流和地下水流分别减少1.4%和0.8%，深层含水层补给增加2.3%，表明水量向地表和含水层过程再分配。

**3.4 Impacts of Sequential Calibration on ET, SM, and Water Balance Components（顺序校准对ET、SM和水量平衡组分的影响）**

顺序校准分析显示，在ET校准（S2）后，ET平均KGE为0.82；随后进行SM校准（S3）时ET性能保持不变（KGE 0.83），而SM平均KGE从0.49大幅提升至0.64；最终径流校准（S4）进一步使ET KGE升至0.84，但SM KGE略降至0.61。相比之下，仅流量校准虽然ET KGE较高（0.85），但SM KGE仅0.52，表明其ET表现是参数补偿的数值假象。参数重置诊断显示，S3至S4的SM KGE下降源于有限跨变量相互作用，而非单一参数。

**讨论总结与结论**

讨论部分指出，基于LSU的空间校准显著提高了SWAT+的空间代表性和水文真实性，并减少了参数等值性。在2022年枯水期（3–5月），卫星约束模型模拟径流量为68.80 mm，接近观测值70.65 mm，而仅流量校准仅模拟39.30 mm，PBIAS从?44.38%改善至?2.61%。事件尺度分析显示，卫星约束模型更好地再现了暴雨事件的基流指数（baseflow index, BFI）和峰值流量。但研究也存在局限性：MODIS LAI/ET本身不确定，SMAP 9 km分辨率与LSU尺度不匹配，且SWAT+不划分ET分量，未来需结合地面观测（如树干液流、同位素）进一步验证。

研究结论可翻译为：本研究提出了一种在韩国森林为主的龙潭流域利用多源卫星水文变量（LAI、ET、SM）对SWAT+模型进行空间校准的方法。该方法克服了传统点校准的局限，提高了模型输出的空间真实性和水文完整性。主要贡献包括：（1）发展了一种层级空间校准方法，在径流校准前依次优化景观单元尺度的植被（LAI）、蒸散发（ET）和土壤湿度（SM）参数，从而减少参数等值性并改进过程表征；（2）量化了空间校准引起的水量平衡再分配，证明地表径流增加1.8%、ET增加3.4%、地下水流减少0.8%，反映了森林–土壤–大气相互作用驱动的表层水文过程敏感性增强；（3）多源卫星产品的