基于SWAT模型的荆州市不同土地利用类型对雨水入渗量和径流系数的影响

摘要 以荆州市为研究对象，结合试验观测、模型模拟与理论分析，研究不同尺度、区域和降雨条件下土地利用变化对雨水入渗量和径流系数的影响。结果表明，2010—2022年荆州市土地利用类型经历了明显转变，耕地面积缩减，建设用地扩张，林地与草地面积稳定，水域略增，其他用地略减，这些变化导致雨水入渗量呈上升趋势，而径流系数呈下降趋势。不同土地利用类型对雨水入渗量和径流系数的影响各异，林地和建设用地对雨水入渗量产生正面影响，对径流系数则是负面；耕地对雨水入渗量有负面影响，对径流系数则正面；草地、水域及其他用地的影响较为有限。土地利用变化对雨水入渗量和径流系数的影响随尺度、区域和降雨条件的不同表现出差异性和复杂性。

关键词 土地利用类型；雨水入渗量；径流系数；SWAT模型；荆州市

中图分类号 P333  文献标识码 A   文章编号 0517-6611（2024）15-0091-06

doi：10.3969/j.issn.0517-6611.2024.15.020

开放科学（资源服务）标识码（OSID）：

Effects of Different Land Use Types on Rainwater Infiltration and Runoff Coefficient in Jingzhou City Based on SWAT Model

LU Rui-zhe， WEI Hong

（School of Economics and Management， Yangtze University， Jingzhou，Hubei 434023）

Abstract Taking Jingzhou City as the research object， combined with experimental observation， model simulation and theoretical analysis，the effect of land use change on rainwater infiltration and runoff coefficient under different scales， regions and rainfall conditions were studied.The results showed that the land use types in Jingzhou City had undergone significant changes from 2010 to 2022，the cultivated land area had decreased， construction land had expanded， forest and grassland had stabilized， waters had slightly increased， and other land use had slightly decreased. These changes led to an upward trend in precipitation infiltration， while the average runoff coefficient showed a downward trend.The effect of different land use types on rainfall infiltration and runoff coefficient varied. Forest land and construction land had a positive impact on infiltration， while they had a negative impact on runoff coefficient;farmland had a negative impact on infiltration and a positive impact on runoff coefficient;the effect of grasslands， waters and other land uses was relatively limited. The effect of land use change on infiltration and runoff coefficients varied and was complex with different scales， regions and rainfall conditions.

Key words Land use type;Rainfall infiltration;Runoff coefficient;SWAT model;Jingzhou City

土地利用类型是水文过程的关键影响因素，其变化对雨水入渗量和径流系数产生显著效应。城市化进程中建设用地的扩张、农业活动的增加以及林地的变化都直接改变了水分循环的动态，影响水量和水质的分配，这些变化不仅对自然生态系统构成挑战，也对人类社会经济活动产生深远影响。例如，城市扩张通常伴随着透水面减少，导致雨水入渗量下降，径流系数上升，增加了洪涝灾害的风险［1］。农业用地的增加可能会导致土壤侵蚀和肥料冲刷，影响水体营养平衡，从而加剧水体富营养化。

目前，关于土地利用/覆盖变化对水文过程影响的研究已有较多报道［1-4］，且主要集中在小尺度流域，缺乏大尺度或全球视角的分析。此外，研究方法多依赖经验统计模型，而对分布式物理机制模型的应用和发展不足［5］。研究内容往往片面，缺少对水文过程整体的分析和评价。同时，研究视角也较为局限，很少将社会经济因素和人类活动纳入考量［6］。笔者以荆州市为例，利用遥感卫星数据和SWAT模型，模拟不同尺度、区域和降雨条件下的水文过程，计算雨水入渗量和径流系数，并通过敏感性分析和统计检验，揭示荆州市不同土地利用类型对雨水入渗量和径流系数的影响规律，为流域土地利用规划、水资源保护和洪涝防治提供科学依据［7］。

1 资料与方法

1.1 研究区域概况

荆州市位于湖北省南部，濒临长江中游南岸，是长江经济带的重要节点城市。荆州市管辖范围包括6个县级市（公安县、监利市、江陵县、石首市、洪湖市、松滋市）和2个区（荆州区、沙市区），总面积达到1.4万km2，总人口860万。荆州市属于亚热带季风气候，年均气温为16.5 ℃，年降雨量为1 100 mm。地形上，荆州市西部以大别山为主，中部为江汉平原，东部则以洞庭湖为界，形成了由高至低的地势梯度。水资源方面，荆州市不仅有长江、汉江、沙河等主要河流贯穿，还形成了错综复杂的水系网络。在土地利用类型上，荆州市呈现出耕地、林地、草地、水域及建设用地等多样化格局（图1）。

1.2 数据来源

1.2.1 土地利用数据。该研究使用遥感卫星获取的2010、2016和2022年荆州市土地利用数据，分辨率为30 m。数据涵盖六大类土地利用类型：耕地、林地、草地、水域、建设用地和其他用地［8］。

1.2.2

气象数据。该研究利用2010—2022年荆州市的日降雨量、日最高/最低气温、日相对湿度、日风速和日太阳辐射等气象数据，作为SWAT模型的关键输入。这些数据由中国气象局的国家基本气象站和自动气象站提供，覆盖荆州市的8个主要站点。

1.2.3

水文数据。2010—2022年荆州市的月雨水入渗量和月径流系数等水文数据，既作为SWAT模型的输出，也用于评价模型的性能。这些数据由长江水利委员会的水文站和水资源站提供，涵盖了荆州市的3个关键流域。

1.2.4

其他数据。荆州市2010—2022年的人口、经济和社会统计数据，分析土地利用变化的驱动因素；数字高程模型（DEM）数据，用于划分流域和水文响应单元（HRU）；土壤类型、质地和深度数据，以及植被类型、覆盖度和生长周期数据，这些均用于设置SWAT模型参数。这些数据均来源于国家地球系统科学数据中心的国家基础地理信息数据库。

1.3 模拟方法

1.3.1

SWAT模型简介。SWAT（soil and water assessment tool）模型是由美国农业部农业研究局（USDA-ARS）在20世纪90年代开发的一种基于物理过程的分布式水文模型。该模型主要应用于评估土地利用类型、土地管理措施和气候变化对流域水文、沉积物、养分和农药等水环境要素的影响［9］。SWAT模型通过综合考虑地形地貌、土壤特性、植被覆盖、气象条件和人类活动等因素，模拟水量、水质、植被生长和土壤侵蚀等流域过程，为水资源规划和管理提供科学支持。

SWAT模型的基本原理是将流域划分为若干个子流域，每个子流域内再划分为若干个水文响应单元（HRU），每个HRU具有相同的土地利用类型、土壤类型和坡度范围［10］。SWAT模型在每个HRU内模拟水量平衡方程和水质平衡方程，然后将各个HRU的结果汇总到子流域和流域尺度。SWAT模型的水量和水质平衡方程如下［11］：

SWt=SW0+ti=1（Ri-Qsurf，i-Ei-Wseep，i-Qgw，i）（1）

Mt=M0+ti=1（Min，i-Mout，i-Mdecay，i）（2）

式中：SWt为第t天土壤含水量（mm）；SW0为初始土壤含水量（mm）；Ri为第i天降雨量（mm）；Qsurf，i为第i天地表径流量（mm）；Ei为第i天蒸散发量（mm）；Wseep，i为第i天土壤下渗量（mm）；Qgw，i为第i天地下径流量（mm）。Mt为第t天污染物质量（kg）；M0为初始污染物质量（kg）；Min，i为第i天污染物输入量（kg）；Mout，i为第i天污染物输出量（kg）；Mdecay，i为第i天污染物衰减量（kg）。

SWAT模型的主要输入数据包括DEM数据、土地利用数据、土壤数据、气象数据、管理措施数据等。SWAT模型的主要输出数据包括各个HRU、子流域和流域尺度的水量、水质、植被生长和土壤侵蚀等指标［12］。SWAT模型的主要参数包括潜在蒸散发系数、曲线数、下渗率、污染物浓度等［13］。SWAT模型的主要校准方法包括敏感性分析、参数优化和统计检验等。该研究利用ArcGIS插件ArcSWAT来运行SWAT模型，ArcSWAT是一种基于ArcGIS的开源软件，能够有效地进行流域划分、HRU生成、数据输入、模型运行和结果输出等操作［14］。

1.3.2

数据处理。该研究采用ArcSWAT软件对数据进行处理，具体步骤如下：

（1）流域划分。利用ArcSWAT的流域划分工具，根据荆州市的DEM数据，将该市流域细分为50个子流域，每个子流域平均面积约200 km2。

（2）HRU划分。结合荆州市的土地利用和土壤数据，通过ArcSWAT的HRU划分功能，进一步将每个子流域划分为多个HRU。划分标准设定如下：土地利用类型阈值为10%，土壤类型阈值为15%，坡度阈值为5%。这意味着只有当某一类别在子流域内的占比超过相应阈值时，才会形成一个独立的HRU。最终，共划分出1 498个HRU，每个HRU具有一致的土地利用类型、土壤类型和坡度特征［15］。

（3）参数设置。采用荆州市的植被和土壤数据，在ArcSWAT中为每个HRU设定了相应的参数。主要包括植被参数（如覆盖度、生物量、根深）、土壤参数（如质地、深度、水容量）和水文参数（如曲线数、基流递减因子、河道水力传导率）［15］。其中，部分参数基于实测数据或文献资料确定［16-18］，而另一部分则通过模型与观测数据的拟合进行率定和验证。表1展示了该研究所设置的部分水文参数及其取值范围。

1.3.3 敏感性分析和不确定性分析。

1.3.3.1 敏感性分析。敏感性分析旨在评估模型输出对输入或参数变化的响应程度，从而识别对模型输出影响较大的因素。该研究采用蒙特卡罗法（MCS）和拉丁超立方抽样法（LHS）进行敏感性分析。MCS通过大量随机模拟来生成参数组合，进而计算参数与输出之间的相关性，以评估参数的敏感度。LHS作为MCS的改进版，通过均匀抽样提高了抽样的效率和代表性。利用SWAT-CUP软件中的SUFI-2算法，生成了1 000个参数组合，并运行了SWAT模型。敏感性指标包括Pearson相关系数（R）和Spearman秩相关系数（Rs），用于衡量参数与输出之间的线性和非线性相关性［19］。