文章快速检索     高级检索
  中国水土保持科学   2020, Vol. 18 Issue (5): 52-59.  DOI: 10.16843/j.sswc.2020.05.007
0

引用本文 

程程. 基于SWAT模型的土地利用和土地覆被变化及气候变化对元江流域径流的影响[J]. 中国水土保持科学, 2020, 18(5): 52-59. DOI: 10.16843/j.sswc.2020.05.007.
CHENG Cheng. Impacts of land use/land cover change and climate change on the runoff in Yuan River basin based on SWAT model[J]. Science of Soil and Water Conservation, 2020, 18(5): 52-59. DOI: 10.16843/j.sswc.2020.05.007.

项目名称

中国气象局气候变化专项"气候变化背景下云南水资源承载力评估研究"（CCSF201736）；云南省重点研发计划-社会发展领域"气候变化下主要气象对高原特色农业的影响评估及监测预报技术研究"（2018BC007）

第一作者简介

程程(1988-), 女, 硕士, 助理实验员。主要研究方向:地理与环境。E-mail:tougao_youxiang@126.com

文章历史

收稿日期：2019-05-22
修回日期：2019-06-23
Contents              Abstract              Full text              Figures/Tables              PDF
基于SWAT模型的土地利用和土地覆被变化及气候变化对元江流域径流的影响
程程     
西南林业大学, 650224, 昆明
收稿日期：2019-05-22; 修回日期：2019-06-23
项目名称：中国气象局气候变化专项"气候变化背景下云南水资源承载力评估研究"（CCSF201736）；云南省重点研发计划-社会发展领域"气候变化下主要气象对高原特色农业的影响评估及监测预报技术研究"（2018BC007）
第一作者简介：程程(1988-), 女, 硕士, 助理实验员。主要研究方向:地理与环境。E-mail:tougao_youxiang@126.com
摘要：为揭示土地利用和土地覆被变化（LUCC）与气候变化对元江流域径流的影响，在元江流域，采用SWAT模型，设置不同情景定量分析LUCC和气候变化二者对流域径流的影响，并结合RCP4.5和RCP8.5两种排放情景预估元江流域的径流变化。结果显示：SWAT模型适用于元江流域径流模拟，率定期的模型参数R2和纳什效率系数ENS分别为0.63和0.62，验证期的R2和ENS分别为0.62和0.60；土地利用情景模拟显示，各种土地利用类型对径流形成的贡献表现为农业用地最强、草地次之、林地最弱；2006—2015年间元江流域LUCC引起的径流量增加是由林地转化为草地所致，气候变化引起的径流量减少是由降水减少和温度增加共同所致，且气候变化引起的径流减小幅度大于LUCC引起的径流增加幅度，所以元江流域的径流变化是由气候变化主导的；在RCP4.5和RCP8.5两种排放情景下，2021—2050年间元江流域径流减少速率分别是1971—2015年间实测径流减少速率的1.82和2.36倍，且碳排放更高的RCP8.5情景的减少趋势明显高于RCP4.5情景，达到RCP4.5情景的1.3倍。
关键词：SWAT模型    土地利用和土地覆被变化    气候变化    径流模拟    元江流域    
Impacts of land use/land cover change and climate change on the runoff in Yuan River basin based on SWAT model
CHENG Cheng     
Southwest Forestry University, 650224, Kunming, China
Abstract: [Background] Yuan River is one of the most important international rivers in Southwest China. Whether the ecological environment of the Yuan River basin is healthy or not has an essential impact on the social and economic development along the coast and the ecological security of other countries in the downstream of the river basin. Therefore, it is of considerable significance to clarify the specific impact of land use/land cover change (LUCC) and climate change on the status of water resources in Yuan River. However, there are few reports on this aspect at present. [Methods] The SWAT model was used to quantitatively analyze the effects of LUCC and climate change on basin runoff, and combined with RCP4.5 and RCP8.5 emission scenarios to predict the runoff change of Yuan River basin. [Results] 1) SWAT model is suitable for runoff simulation of the Yuan River basin. The model parameter R2 and ENS (efficiency coefficient of Nash-Sutcliffe) of the calibration period are 0.63 and 0.62, respectively, and the R2 and ENS of the verification period are 0.62 and 0.60, respectively. 2) Extreme land-use scenario simulation shows that the contribution of various land-use types to runoff formation is the strongest in agricultural land, the second in grassland, and the weakest in woodland. 3) The increase of runoff caused by LUCC in Yuan River basin from 2006 to 2015 is due to the transformation of forest land into grassland. The decrease of flow caused by climate change results from both the reduction of precipitation and the increase of temperature, and the reduction of runoff caused by climate change is more significant than that caused by LUCC. [Conclusions] 1) Climate change dominates runoff change in the Yuan River basin between 2006 and 2015. 2) Under the two emission scenarios of RCP4.5 and RCP8.5, the runoff reduction rate in the Yuan River basin from 2021 to 2050 is 1.82 times and 2.36 times that of the measured runoff reduction rate from 1971 to 2015, respectively. And the decreasing trend of the RCP8.5 scenario with higher carbon emission is significantly higher than that of the RCP4.5 scene, which is 1.3 times higher than that of the RCP4.5 scenario.
Keywords: SWAT model    land use/land cover change    climate change    runoff simulation    Yuan River basin    

土地利用和土地覆被变化(land use and land cover change，以下简为LUCC)与气候变化是直接影响流域径流水资源的2个主要因素[1-4]。LUCC通过影响冠层截留、地表下渗、蒸散发等改变流域的径流形成状况[5-9]，气候变化直接改变大气降水的数量和时空分布并进而影响流域径流量[10-11]。运用数学方法将气候模式数据按水文模型的匹配要求进行处理，并以其驱动水文模型，已逐渐成为研究气候变化水文影响的一个热点方向，但因模式数据处理过程较为复杂，因此也是气候变化水文影响研究的一个难点。目前，已有广泛研究证明，由美国农业部研发的SWAT (soil and water assessment tool)模型能较好地适用于LUCC与气候变化对水资源的影响研究[12-17]，用来模拟大面积流域复杂下垫面的水质、水量等的变化[18-23]。

元江作为我国西南地区最重要的国际河流之一，水能资源丰富，流域生态环境的健康发展既对沿岸社会经济发展有着至关重要的作用，又对流域下游其他国家的生态安全有着重要的影响[24]；因此，明确LUCC与气候变化对元江水资源状况的具体影响意义重大。基于此，笔者结合2006、2015年元江流域土地利用类型数据以及气候变化数据，通过设置不同情景研究流域内主要土地利用类型对流域产流的贡献顺序，揭示2006—2015年间LUCC与气候变化对元江流域径流的具体影响，并以RCP4.5和RCP8.5(representative concentration pathway，RCP)这2种排放情景下元江流域的气候模式数据驱动SWAT模型，对元江流域未来径流变化进行预估，研究结果可为元江流域的水资源合理配置、沿岸居民生产生活、生态环境保护等方面提供必要的科学依据。

1 研究区概况

元江是云南境内的大河，其东源源自大理州祥云县西部山地，西源源于巍山县北部山地茅草哨，干流长约680 km，全程自然落差约3 000 m，流域面积约3万7 500 km2，共流经大理、楚雄、玉溪及红河4个州(市)，在红河州河口县出国境后称为红河[25-26]。流域内气候类型多样，大致涵盖高原季风气候、温带气候、山地季风气候、亚热带季风气候、亚热带气候以及热带季雨林气候等多种气候类型[25]，多年平均气温17.74 ℃，降水量1 070.87 mm。元江流域附近共建有29个县级气象站点(图 1)。根据HWSD (Harmonized World Soil Database)土壤数据库，流域内共包含简育黑土(haplic phaeozems)、不饱和始成土(dystric cambisols)等共14种土壤类型(图 2)。流域内主要包含农业用地、林地、草地、城镇用地、水体共5种土地利用类型(图 3，表 1)。

图 1 元江流域示意图 Fig. 1 Sketch map of Yuan River basin
图 2 元江流域土壤类型分布 Fig. 2 Distribution of soil types in the Yuan River basin
图 3 2006与2015年元江流域土地利用对比 Fig. 3 Comparison of land use in Yuan River basin between 2006 and 2015
表 1 2006与2015年元江流域土地利用类型比例 Tab. 1 Proportion of land use types in Yuan River basin between 2006 and 2015  %
2 数据和方法 2.1 模型输入数据

在本研究中，SWAT模型的输入数据有5种：DEM、土地利用类型、土壤类型、气象以及水文数据。DEM采用云南省测绘地理信息局提供的90 m×90 m数据；土地利用类型数据包含栅格数据和属性数据，其中属性数据来自模型自带的数据库，栅格数据分别为2006年欧空局土地利用数据和2015年清华大学土地利用数据；土壤数据也包含栅格和属性数据，均源自HWSD数据库；实测气象数据为1961—2015年逐日气象数据，预估气象数据为RCP4.5和RCP8.5排放情景下，2016—2050年逐日气象数据，均来自云南省气象局。水文数据源自云南省水文局提供的元江蛮耗水文站1971—2015年逐月径流观测数据。

2.2 模型的建立及参数率定与验证

运用SWAT模型，依次加载DEM、土壤栅格数据、土地利用栅格数据，并重新建立SWAT模型的气象与土壤属性数据库，进而初步建立元江流域的SWAT模型(1971—1985年作为模型参数率定期，1986—2000年作为模型参数验证期)。

利用SWAT_CUP，对与径流量密切相关的26个参数[18]进行重复率定和验证，采用决定系数R2(式1)与纳什效率系数ENS(efficiency coefficient of Nash-Sutcliffe)(式2)[2, 27]判断模型是否通过验证。

$ {{R^2} = {{\left( {\frac{{\sum\limits_{i = 1}^n {\left( {{Q_{{\rm{o}}, i}} - {Q_{{\rm{avg}}}}} \right)\left( {{Q_{{\rm{p}}, i}} - {Q_{{\rm{pavg}}}}} \right)} }}{{{{\left( {\sum\limits_{i = 1}^n {{{\left( {{Q_{{\rm{o}}, i}} - {Q_{{\rm{avg}}}}} \right)}^2}} \sum\limits_{i = 1}^n {{{\left( {{Q_{{\rm{p}}, i}} - {Q_{{\rm{pavg}}}}} \right)}^2}} } \right)}^{0.5}}}}} \right)}^2}} $ (1)
$ {{\rm{ENS}} = 1 - \frac{{\sum\limits_{i = 1}^n {{{\left( {{Q_{{\rm{o}}, i}} - {Q_{{\rm{p}}, i}}} \right)}^2}} }}{{\sum\limits_{i = 1}^n {{{\left( {{Q_{{\rm{o}}, i}} - {Q_{{\rm{avg}}}}} \right)}^2}} }}} $ (2)

式中：Qo, i和Qp, i分别为实测和模拟流量，m3/s；Qavg和Qpavg分别为实测和模拟流量的平均值，m3/s。R2与ENS均介于0~1之间，且越接近1模拟精度越高。研究[2, 15, 28]表明：R2>0.50表明模拟结果符合标准，R2>0.70表明模拟结果较准确，R2=1表明拟合与实际完全吻合；ENS≤0.50表明模拟结果不合格，0.50 < ENS≤0.65表明模拟结果合格，0.65 < ENS≤0.75表明模拟结果良好，0.75 < ENS≤1.00表明模拟结果优秀。

2.3 情景设置 2.3.1 极端土地利用情景

鉴于元江流域内农业用地、林地和草地的总和比例超过99%的现状(表 1)，设置如下4种情景，以此分析农业用地、林地和草地对产流的贡献次序。

情景1：采用2006年的土地利用数据，结合1998—2006年逐日气象数据，驱动SWAT模型，作为基准期；

情景2：将基准期所有农业用地全部转变为林地，运行SWAT模型，对比基准期，分析农业用地与林地的产流差异；

情景3：将基准期所有农业用地全部转变为草地，运行SWAT模型，对比基准期，分析农业用地与草地的产流差异；

情景4：将基准期所有林地全部转变为草地，运行SWAT模型，对比基准期，分析林地与草地的产流差异。

2.3.2 LUCC和气候变化综合情景

采用如下3种情景，分析LUCC及气候变化对元江流域径流的影响。

情景5：将基准期中2006年土地利用数据替换为2015年土地利用数据，运行SWAT模型，对比基准期，分析LUCC对元江流域径流的影响；

情景6：将基准期1998—2006年的气象数据替换为2007—2015年气象数据，运行SWAT模型，对比基准期，分析气候变化对元江流域径流的影响；

情景7：将基准期中2006年土地利用数据和1998—2006年的气象数据替换为2015年土地利用数据及2007—2015年气象数据，运行SWAT模型，对比基准期，分析LUCC和气候变化对元江流域径流的综合影响。

2.3.3 不同气候变化情景下元江流域未来流量变化预估

预估气候情景数据采用全球气候模式比较计划第5阶段(The fifth phase of the Coupled Model Intercomparison Project, CMIP5)的(A European Community Earth, EC-EARTH)全球模式驱动区域气候模式(regional climate model 4, RegCM4)，模拟预估的元江流域RCP4.5和RCP8.5这2种排放情景下1981—2099年逐日气象数据，模式分辨率为25 km× 25 km。排放情景采用(The Fifth Assessment Report of the Intergovernmental Panel on Climate Change, IPCC AR5)AR5使用的最新温室气体排放情景，RCP8.5为最高的温室气体排放情景，RCP4.5为中间稳定路径，其实际变化与中国未来经济发展趋势较为一致，适合中国国情，符合政府对未来经济发展、应对气候变化的政策措施[29]。再根据经纬度，采用Matlab的双三次插值方法将预估数据插值到元江流域周边29个气象站点，并通过数据订正[30]来消除气候模式模拟结果存在的系统性误差。使用订正后的2016—2050年逐日气象数据驱动SWAT模型(模型的预热期设置为5年，即2016—2020年)，对2021—2050年间元江流域的径流变化进行预估。

3 结果与分析 3.1 参数率定与验证

率定结果显示，对元江径流形成最敏感的参数依次为浅层地下水径流参数、主河道水力传导率、最大冠层截留量、子流域平均坡长、土壤蒸发补偿系数，这说明元江流域的径流对地表水与地下水和大气水的交换、地表覆盖变化、地形较为敏感。蛮耗水文站率定期与验证期的R2分别为0.63和0.62(图 4)，ENS分别为0.62和0.60，因此，SWAT模型适用于元江流域的径流模拟。

图 4 率定期与验证期径流模拟值与实测值比较 Fig. 4 Comparisons of runoff between simulated and measured values in calibration and validation periods
3.2 各情景模拟结果分析 3.2.1 农业用地、林地以及草地对流域径流形成的贡献次序

将情景2与情景1模拟结果(表 2)对比可知，若流域内的农业用地(占流域总面积30%)都转变为林地，元江月均径流流量将由331.30 m3/s减少到320.85 m3/s，减少10.45 m3/s，占元江径流量的3.15%，每单位面积的农地转变为林地，将会引起流域径流量减少约0.11%，因此，相对于林地而言，农业用地对流域产流的贡献更大；将情景3与情景1的模拟结果对比可知，若流域内的农业用地(占流域总面积30%)都转变为草地，元江月均径流流量将由331.30 m3/s减少到327.17 m3/s，减少了4.13 m3/s，占元江径流量的1.25%，每单位面积的农地转变为草地，将会引起流域径流量减少约0.04%，因此，相对于草地而言，农业用地对流域产流的贡献更大；将情景4与情景1的模拟结果对比可知，若流域内的林地(占流域总面积69.4%)都转变为草地，元江月均径流流量将由331.30 m3/s增加到348.36 m3/s，增加17.06 m3/s，占元江径流量的5.15%，每单位面积的林地转变为草地，将会引起流域径流量增加约0.07%，因此，相对于林地而言，草地对流域产流的贡献更大。农、林、草3种土地利用类型对径流形成的贡献次序为，农业用地最强，草地次之，林地最弱。

表 2 不同情景下元江流域径流模拟结果 Tab. 2 Runoff simulation results of Yuan River basin under different scenarios
3.2.2 LUCC和气候变化对径流的影响

情景5、6、7(表 2)模拟的月均径流流量分别为332.08、329.17和329.95 m3/s。将情景5与情景1对比可知，由LUCC引起的月均径流流量增加量为0.78 m3/s，增加0.23%，而2006—2015年间，农、林、草、城镇、水体的变化率分别为-13.03%、-8.72%、21.16%、0.37%、0.22%(表 1)，流域内增加的草地绝大部分由农业用地和林地转变而来，而农地变草地会引起径流的减少，林地变草地会引起径流的增加，所以，LUCC导致的2006—2015年间元江径流增加为流域内林地退化为草地引起；将情景6与情景1对比可知，气候变化因素共导致元江月均径流流量降低2.13 m3/s，降低0.64%，而2006—2015年间元江流域年降水量平均减少12.75 mm，年均气温年均增加0.09 ℃，研究表明流域的径流量与降水量成正比但与气温成反比[2, 12]，可见，气候变化引起的2006—2015年期间元江径流量的降低为降雨减少和气温增加综合引起；将情景7与情景1对比可知，LUCC与气候变化共同导致流域月均径流流量减少1.35 m3/s，减少0.41%；因此，2006—2015年间，气候变化引起的径流量减少幅度大于LUCC引起的径流量增加幅度，元江径流量总体上呈减少趋势，径流的变化由气候变化主导。

3.2.3 RCP4.5及RCP8.5情景下元江未来流量变化预估

模型预估结果显示：RCP4.5和RCP8.5排放情景下，2021—2050年间，元江流域径流均呈减少趋势，减少速率分别为0.895亿和1.161亿m3/a(图 5)。结合元江蛮耗水文站实际观测的径流数据可知：虽然1971—2015年间，元江径流亦呈减小态势，然而减小速率却相对较低，仅为0.492亿m3/a；因此，在RCP4.5与RCP8.5这2种排放情景之下，径流减少趋势均明显增强，分别达到1971—2015年减速的1.82倍和2.36倍，且碳排放更高的RCP8.5情景的减少趋势明显高于碳排放相对较低的RCP4.5情景，达到RCP4.5情景的1.3倍。这是由于RCP4.5与RCP8.5排放情景下元江流域的降水量均呈减少趋势，且RCP8.5排放情景下的年均降水量减少幅度更大(RCP4.5、RCP8.5排放情景下，2021—2050年年均降水量分别较1971—2015年减少18.11和51.69 mm)。对沿岸工农业生产、生态环境保护以及水能开发利用而言，流域内大幅减少的水资源必将使水供需形势变得日益严峻。

图 5 元江流域历史时期年径流变化以及不同排放情景下未来年径流预测 Fig. 5 Annual runoff changes in historical periods and future annual runoff predictions under different emission scenarios in the Yuan River basin
4 结论与讨论

1) SWAT模型适用于元江流域的径流模拟，率定期模型参数R2和ENS分别为0.63和0.62，验证期R2和ENS分别为0.62和0.60。

2) 土地利用类型对径流形成的贡献次序为，农业用地最强，草地次之，林地最弱。

3) 2006—2015年间元江流域LUCC引起的径流量增加是由林地转化为草地所致，气候变化引起的径流量减少是由降水减少和温度增加共同所致，且气候变化引起的径流减小幅度大于LUCC引起的径流增加幅度，所以元江流域径流的变化是由气候变化主导的。

4) 在RCP4.5和RCP8.5两种排放情景下，2021—2050年间元江流域径流减小速率分别是1971—2015年间的减小速率的1.82和2.36倍，且碳排放更高的RCP8.5情景的减少趋势明显高于RCP4.5情景，达到RCP4.5情景的1.3倍。

但本研究在模拟时，率定期与验证期的模拟结果(R2分别为0.63和0.62，ENS分别为0.62和0.60)均未达到优秀标准[2, 15, 28]，可能与本研究获取的数据未进行水文过程还原有关，即未考虑流域上水库和电站运行对河道径流的影响；同时，在利用模型预测未来时，除气象驱动数据为模式提供外，土壤数据、土地利用数据都是历史数据，这也会增加模拟精度的不确定性，这些都有待于进一步研究。

5 参考文献
[1]
GUO J, SU X L, SINGH V P, et al. Impacts of climate and land use/cover change on streamflow using SWAT and a separation method for the Xiying River Basin in northwestern China[J]. Water, 2016, 8(5): 192. DOI:10.3390/w8050192
[2]
李帅, 魏虹, 刘媛, 等. 气候与土地利用变化下宁夏清水河流域径流模拟[J]. 生态学报, 2017, 37(4): 1252.
LI Shuai, WEI Hong, LIU Yuan, et al. Runoff prediction for Ningxia Qingshui River Basin under scenarios of climate and land use changes[J]. Acta Ecologica Sinica, 2017, 37(4): 1252.
[3]
YANG L S, FENG Q, YIN Z L, et al. Identifying separate impacts of climate and land use/cover change on hydrological processes in upper stream of Heihe River, Northwest China[J]. Hydrological Processes, 2017, 31(5): 1100. DOI:10.1002/hyp.11098
[4]
杨满根, 陈星. 气候变化对淮河流域中上游汛期极端流量影响的SWAT模拟[J]. 生态学报, 2017, 37(23): 8107.
YANG Mangen, CHEN Xing. Effects of climate change on extreme streamflow in flood season in the upper and middle basin of the Huaihe River by SWAT simulation[J]. Acta Ecologica Sinica, 2017, 37(23): 8107.
[5]
郭军庭, 张志强, 王盛萍, 等. 应用SWAT模型研究潮河流域土地利用和气候变化对径流的影响[J]. 生态学报, 2014, 34(6): 1559.
GUO Junting, ZHANG Zhiqiang, WANG Shengping, et al. Appling SWAT model to explore the impact of changes in land use and climate on the streamflow in a watershed of northern China[J]. Acta Ecologica Sinica, 2014, 34(6): 1559.
[6]
张翔, 邓志民, 李丹, 等. 汉江流域土地利用/覆被变化的水文效应模拟研究[J]. 长江流域资源与环境, 2014, 23(10): 1449.
ZHANG Xiang, DENG Zhimin, LI Dan, et al. Simulation of hydrological response to land use/cover change in Hanjiang Basin[J]. Resources and Environment in the Yangtze Basin, 2014, 23(10): 1449.
[7]
张新荣, 刘林萍, 方石, 等. 土地利用、覆被变化(LUCC)与环境变化关系研究进展[J]. 生态环境学报, 2014, 23(12): 2013.
ZHANG Xinrong, LIU Linping, FANG Shi, et al. Research advances on the relationship between land use/cover change and environmental change[J]. Ecology and Environmental Sciences, 2014, 23(12): 2013.
[8]
LI B Q, XI W H, WANG Y C, et al. Impact of land use/cover change on the relationship between precipitation and runoff in typical area[J]. Journal of Water and Climate Change, 2018, 9(2): 261.
[9]
ZHANG L, NAN Z T, YU W J, et al. Comparison of baseline period choices for separating climate and land use/land cover change impacts on watershed hydrology using distributed hydrological models[J]. Science of the Total Environment, 2018(622): 1016.
[10]
黄金龙, 王艳君, 苏布达, 等. RCP4.5情景下长江上游流域未来气候变化及其对径流的影响[J]. 气象, 2016, 42(5): 614.
HUANG Jinlong, WANG Yanjun, SU Buda, et al. Future climate change and its impact on runoff in the upper reaches of the Yangtze River under RCP4.5 scenario[J]. Meteorological Monthly, 2016, 42(5): 614.
[11]
ZHANG Y, ZHONG P A, CHEN J, et al. Impacts of climate change and human activities on the Three Gorges Reservoir inflow[J]. Water, 2017, 9(12): 957. DOI:10.3390/w9120957
[12]
袁宇志, 张正栋, 蒙金华. 基于SWAT模型的流溪河流域土地利用与气候变化对径流的影响[J]. 应用生态学报, 2015, 26(4): 989.
YUAN Yuzhi, ZHANG Zhengdong, MENG Jinhua. Impact of changes in land use and climate on the runoff in Liuxihe Watershed based on SWAT mode1[J]. Chinese Journal of Applied Ecology, 2015, 26(4): 989.
[13]
赵杰, 徐长春, 高沈瞳, 等. 基于SWAT模型的乌鲁木齐河流域径流模拟[J]. 干旱区地理, 2015, 38(4): 666.
ZHAO Jie, XU Changchun, GAO Shentong, et al. Hydrological modeling in the Urumqi River basin based on SWAT[J]. Arid Land Geography, 2015, 38(4): 666.
[14]
刘世梁, 安南南, 尹艺洁, 等. 基于SWAT模型的澜沧江中游小流域水土流失与NDVI时空动态相关性[J]. 水土保持学报, 2016, 30(1): 62.
LIU Shiliang, AN Nannan, YIN Yijie, et al. Relationship between spatio-temporal dynamics of soil and water loss and NDVI of the small basins in the middle reaches of Lancang River based on SWAT model[J]. Journal of Soi1 and Water Conservation, 2016, 30(1): 62.
[15]
孟现勇, 王浩, 雷晓辉, 等. 基于CMDAS驱动SWAT模式的精博河流域水文相关分量模拟、验证及分析[J]. 生态学报, 2017, 37(21): 7114.
MENG Xianyong, WANG Hao, LEI Xiaohui, et al. Simulation, validation, and analysis of the hydrological components of Jing and Bo River Basin based on the SWAT model driven by CMADS[J]. Acta Ecologica Sinica, 2017, 37(21): 7114.
[16]
WANG H, SUN F B, XIA J, et al. Impact of LUCC on streamflow based on the SWAT model over the Wei River basin on the Loess Plateau in China[J]. Hydrology and Earth System Sciences, 2017, 21(4): 1929. DOI:10.5194/hess-21-1929-2017
[17]
王莺, 张强, 王劲松, 等. 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, 2017, 37(1): 175.
WANG Ying, ZHANG Qiang, WANG Jinsong, et al. 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, 2017, 37(1): 175.
[18]
王学.基于SWAT模型的白马河流域土地利用/覆被变化的水文效应研究[D].济南: 山东师范大学, 2012: 5.
WANG Xue.Hydrological responses to LUCC based on SWAT model in Baimahe basin[D].Jinan: Shandong Normal University, 2012: 5.
[19]
张小丽, 彭勇, 王本德, 等. 基于SWAT模型的降雨数据适用性评价[J]. 农业工程学报, 2014, 30(19): 88.
ZHANG Xiaoli, PENG Yong, WANG Bende, et al. Suitability evaluation of precipitation data using SWAT model[J]. Transactions of the CSAE, 2014, 30(19): 88.
[20]
刘瑶, 江辉, 方玉杰, 等. 基于SWAT模型的昌江流域土地利用变化对水环境的影响研究[J]. 长江流域资源与环境, 2015, 24(6): 937.
LIU Yao, JIANG Hui, FANG Yujie, et al. Water environment impact under different land use in Changjiang River basin based on SWAT model[J]. Resources and Environment in the Yangtze Basin, 2015, 24(6): 937.
[21]
成向荣, 渠勇建, 虞木奎, 等. 植被覆盖变化对衢江流域水文效应的影响[J]. 生态环境学报, 2017, 26(11): 1829.
CHENG Xiangrong, QU Yongjian, YU Mukui, et al. Hydrological effects of vegetation cover change in Qujiang basin[J]. Ecology and Environmental Sciences, 2017, 26(11): 1829.
[22]
ANAND J, GOSAIN A K, KHOSA R. Prediction of land use changes based on land change modeler and attribution of changes in the water balance of Ganga basin to land use change using the SWAT model[J]. Science of the Total Environment, 2018, 644: 503. DOI:10.1016/j.scitotenv.2018.07.017
[23]
杨凯杰, 吕昌河. SWAT模型应用与不确定性综述[J]. 水土保持学报, 2018, 32(1): 17.
YANG Kaijie, LÜ Changhe. Reviews on application and uncertainty of SWAT model[J]. Journal of Soi1 and Water Conservation, 2018, 32(1): 17.
[24]
沈蕊, 张建利, 何彪, 等. 元江流域干热河谷草地植物群落结构特征与相似性分析[J]. 生态环境学报, 2010, 19(12): 2821.
SHEN Rui, ZHANG Jianli, HE Biao, et al. The structure characteristic and analysis on similarity of grassland community in dry-hot valley of Yuanjiang River[J]. Ecology and Environmental Sciences, 2010, 19(12): 2821.
[25]
丰帮艳, 王燕梅, 冯建孟. 元江流域种子植物区系组成的纬度分布格局[J]. 楚雄师范学院学报, 2013, 28(6): 69.
FENG Bangyan, WANG Yanmei, FENG Jianmeng. The latitudinal distribution patterns of spermatophyte floristic elements in Yuanjiang River basin[J]. Journal of Chuxiong Normal University, 2013, 28(6): 69.
[26]
张志明, 沈蕊, 张建利, 等. 元江流域干热河谷灌草丛土壤种子库与地上植物群落的物种组成比较[J]. 生物多样性, 2016, 24(4): 431.
ZHANG Zhiming, SHENG Rui, ZHANG Jianli, et al. Comparisons of species composition between soil seed banks and above-ground plant communities in the dry-hot valley of the Yuanjiang River[J]. Biodiversity Science, 2016, 24(4): 431.
[27]
胡胜.基于SWAT模型的北洛河流域生态水文过程模拟与预测研究[D].西安: 西北大学, 2015: 117.
HU Sheng.Simulation and prediction research of the ecohydrological process based on SWAT model in Beiluo River basin[D].Xi'an: Northwest University, 2015: 117.
[28]
祖拜代·木依布拉, 师庆东, 普拉提·莫合塔尔, 等. 基于SWAT模型的乌鲁木齐河上游土地利用和气候变化对径流的影响[J]. 生态学报, 2018, 38(14): 5149.
ZUBAIDA·Muyibul, SHI Qingdong, POLAT·Muhtar, et al. Land use and climate change effects on runoff in the upper Urumqi River watershed:A SWAT model based analysis[J]. Acta Ecologica Sinica, 2018, 38(14): 5149.
[29]
陆敏鹏, 林而达. 代表性浓度路径情景下的全球温室气体减排和对中国的挑战[J]. 气候变化研究进展, 2010, 6(6): 436.
CHEN Minpeng, LIN Erda. Global greenhouse gas emission mitigation under representative concentration pathways scenarios and challenges to China[J]. Advances in Climate Change Research, 2010, 6(6): 436.
[30]
初征, 郭建平, 赵俊芳. 东北地区未来气候变化对农业气候资源的影响[J]. 地理学报, 2017, 72(7): 1248.
CHU Zheng, GUO Jianping, ZHAO Junfang. Impacts of projected climate change on agricultural climate resources in Northeast China[J]. Acta Geographica Sinica, 2017, 72(7): 1248.