孟现勇-如何使用世界土壤数据库(HWSD)建立SWAT模型土壤数据库
- 格式:pdf
- 大小:609.29 KB
- 文档页数:9
swat模型水量平衡方程SWAT模型(Soil and Water Assessment Tool)是一种广泛应用于水资源管理和土地利用规划的水量平衡模型。
它模拟了流域内水循环的各个组成部分,包括降水、蒸发、蓄水、径流等,可以用于评估不同土地利用管理措施对水资源的影响,以及预测未来的水资源供需情况。
SWAT模型的水量平衡方程是基于流域的物质守恒定律建立的,它描述了降水在流域中的水循环过程,并计算了径流的生成与运动。
首先,降水是水量平衡方程的重要输入项,包括雨滴截留、蒸发和渗漏等水文过程。
SWAT模型中通常会使用降水站点的观测数据或气象模型的输出数据作为输入。
其次,土壤蓄水量是流域水量平衡方程中的一个重要参数。
SWAT 模型通过考虑土壤类型和土壤水分特性等来模拟土壤的蓄水能力,这可以反映不同土地利用类型的水文响应。
然后,蒸发是流域水循环的关键过程之一,代表了水分从土壤和植被蒸发的过程。
SWAT模型中采用了一系列的参数和公式来计算蒸发过程,包括潜在蒸发、实际蒸发和冠层蒸发等。
此外,渗漏是指水分从土壤渗透到地下水中的过程。
SWAT模型考虑了渗漏对地下水补给的影响,通过模拟土壤的渗透能力和土壤饱和度来计算渗漏量。
最后,径流是通过蒸发和渗漏后剩余的降水流出流域的部分。
SWAT模型通过考虑土壤类型、地形、土地利用等因素,采用多个子流域的方法来模拟流域的径流产生与转移。
综上所述,SWAT模型的水量平衡方程可以描述如下:降水=截留+蒸发+渗漏+产流其中,截留代表了降水在植被上被截留的部分;蒸发代表了水分从土壤和植被蒸发的过程;渗漏代表了水分从土壤渗透到地下水中的过程;产流代表了径流的生成与运动。
SWAT模型通过计算这些过程中的关键参数和输入,以及采用物质守恒的原理,可以模拟流域内的水资源循环和水量平衡。
这些模拟结果可以帮助决策者了解不同土地利用策略对水资源的影响,优化土地利用配置方案,提高水资源的利用效率,为可持续水资源管理和土地规划提供科学的依据。
基于水文模型对比建立SWAT模型数据库为了建立SWAT模型数据库,需要先进行基于水文模型的对比研究。
这就要求研究者对不同水文模型的特点进行深入了解,通过对比分析来确定SWAT模型的适用性和优劣势。
本文将从水文模型对比的角度出发,探讨建立SWAT模型数据库的方法和意义。
一、研究目标与意义水文模型对比的研究旨在通过系统性的比较分析,评估不同模型在特定研究对象和问题中的适用性和表现差异。
在建立SWAT模型数据库的背景下,水文模型对比研究有助于:1.评估SWAT模型的适用范围和条件。
通过对比SWAT模型与其他水文模型的表现,可以辨认出SWAT模型在不同流域和气候条件下的适用性,为后续研究和应用提供理论支撑。
2.优化SWAT模型参数及改进模型结构。
借鉴其他水文模型的优点和经验,有助于进一步完善SWAT模型的参数设置和模型结构,提高其在实际应用中的精度和可靠性。
3.推动水文模型研究与应用的交流与合作。
通过水文模型对比研究,可以促进不同领域研究者的交流与合作,推动相关技术和理论的创新与发展。
二、水文模型对比的方法水文模型对比的方法主要包括模型选择、数据准备、模型应用和结果评价等步骤。
在建立SWAT模型数据库的过程中,水文模型对比的具体方法可以分为以下几个步骤:1.模型选择。
首先需要确定参与对比研究的水文模型,常见的包括SWAT、HEC-HMS、MIKE SHE等模型。
选择模型时需要考虑研究对象、数据可获得性、研究目标等因素。
2.数据准备。
针对选定的水文模型,需要准备相应的数据,包括流域地形、气象、土壤、植被、河网等数据,以及模型所需的参数和初始条件等。
3.模型应用。
在数据准备完成后,需要对选定的水文模型进行参数设置和模型调试,并进行模拟计算。
在模型应用过程中,需要保持各模型的一致性,以确保对比结果的可比性。
4.结果评价。
对比不同水文模型的模拟结果,进行定量和定性的评价分析,包括模拟精度、敏感性分析、误差分析等,以确定各模型的优劣势和适用范围。
SWAT水文模型介绍1概述SWAT(Soil and Water Assessment Tool)模型是美国农业部(USDA)农业研究局(ARS)开发的基于流域尺度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产生的影响。
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个部分组成: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,其采用的是Q.Y.Duan等在1992年提出的SCE-UA算法。
模型采用模块化编程,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把流域划分为一定数目的子流域,子流域划分的大小可以根据定义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步调整。
然后在每一个子流域内再划分为水文响应单元HRU。
HRU是同一个子流域内有着相同土地利用类型和土壤类型的区域。
每一个水文响应单元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用SCS径流曲线法。
渗透模块采用存储演算方法,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产生回流。
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用动力蓄水水库来模拟。
河道中流量演算采用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。
SWAT模型及其在水环境非点源污染研究中的应用引言水环境的非点源污染是全球范围内环境污染的重要问题之一。
由于非点源污染的随机性和分散性,对其进行精确的监测和预测是一项具有挑战性的任务。
SWAT(Soil and Water Assessment Tool)模型是一种被广泛应用于水资源管理和环境保护领域的模型,其在水环境非点源污染研究中发挥着重要作用。
本文将就SWAT模型的原理及其在水环境非点源污染研究中的应用进行探讨,并结合实际案例分析SWAT模型的实际效用。
一、SWAT模型原理SWAT模型是美国农业部开发的一种集成水文和生态模型,主要用于评估土地利用变化对流域水文水质的影响。
SWAT模型基于物理机理和经验关系,能够模拟流域内地表径流、土壤水分含量、植被生长、氮磷输移和含沙量等过程,是一种集成了气候、土壤、植被、地形、水文和管理措施等多种因素相互作用的水文生态过程模拟工具。
SWAT模型的核心是将流域划分为大小不等的子集,然后对每个子集进行水文过程的模拟。
模型输入主要包括气象数据、土地利用数据、土地管理措施、地形数据等。
模型输出主要包括流域内径流量、水质、土壤侵蚀、植被生长等信息。
SWAT模型采用了土地利用-土壤分类系统(LULC)和土地利用管理措施(LUM)来描述土地利用的分布和管理措施的变化。
模型还能够考虑降雨、蒸发蒸腾、径流、土壤湿度、植被生长、土壤侵蚀、氮磷输移等多种水文生态过程。
二、SWAT模型在水环境非点源污染研究中的应用1. 地表径流和非点源污染模拟地表径流是流域水文循环的一个重要组成部分,也是非点源污染的主要扩散途径。
SWAT模型利用流域内不同土地利用类型和土壤类型的特性参数,能够准确地模拟地表径流过程,并结合水质模块对流域水体中的污染物扩散进行模拟。
通过SWAT模型的模拟可以评估不同土地利用和管理方式对地表径流和非点源污染的影响,为流域水资源保护和管理提供支持。
2. 氮磷输移模拟氮磷是农业生产中常见的污染物,对水环境造成严重的影响。
Soil and Water Assessment Tool User’s Manual Version 2000S.L.Neitsch, J.G.Arnold, J.R.Kiniry, R.Srinivasan, J.R.Williams, 2002Chapter 1 overview1.1 流域结构W ATERSHED CONFIGURATION✧子流域-无数量限制的HRUs(每个子流域至少有1个)-一个水塘(可选)-一块湿地(可选)✧支流/干流段(每个子流域一个)✧干流河网滞留水(围坝拦截部分)(可选)✧点源(可选)1.1.1子流域(subbasins)子流域是流域划分的第一级水平,其在流域内拥有地理位置并且在空间上与其他子流域相连接。
1.1.2 水文响应单元(HRU)HRUs是子流域内拥有特定土地利用/管理/土壤属性的部分,其为离散于整个子流域内同一土地利用/管理/土壤属性的集合,且假定不同HRU相互之间没有干扰。
HRUs的优势在于其能提高子流域内负荷预测的精度。
一般情况下,一个子流域每会有1-10个HRUs。
为了能在一个数据集内组合更多的多样化信息,一般要求生成多个具有合适数量HRUs的子流域而不是少量拥有大量HRUs的子流域。
1.1.3主河道(Reach/Main Channels)水流路线、沉积物和其他经过河段的物质在theoretical documentation section7中有描述。
1.1.4 支流(Tributary Channels)辅助性水流渠道用来区分子流域内产生的地表径流输入的渠系化水流。
附属水道的输入用来计算子流域内径流产生到汇集的时间以及径流汇集到主河道的输移损失。
辅助性水道输入定义了子流域内最长达水流路经。
对某些子流域而言,主河道可能是最长的水流路经,如果这样,辅助性水流渠道的长度就和主河道一样。
在其他子流域内,辅助性河道的长度和主河道是不同的。
1.1.5池塘、湿地和水库(Ponds/Wetlands/Reservoirs)两类水体(池塘/湿地)在每个子流域内都会有定义。
将ArcSWAT建模与SWAT-CUP率定、验证过程中的一些问题和自己最终的解决方案梳理如下,以期对新手有所指导。
1、DEM、土地利用类型、土壤数据必须投影相通,且为面积投影。
土壤数据可以用HWSD1.2,气象数据可以用CMADS1.1。
可以预先将cfsr_world数据库导入数据库文件,模拟站点就选cfsr_world。
可以整体使用CMADS,导入气象数据时,将CMADS1.1的站点文件直接导入(气象站点和全部气象数据文件放入同一个文件夹中),模型会自动筛选所需气象站点。
2、在输入气候数据时显示日期语法错误可能是电脑日期格式问题,更改电脑时间设置格式为yyyy/m/d即可。
3、ArcGIS10.2和ArcGIS10.4破解相对比较完全,推荐使用这两个版本建模(最好是ArcGIS10.2版),其他版本可能会增加出错概率。
4、运行模型时,关闭杀毒软件和安全卫士。
5、ArcSWAT和SWAT-CUP运行时,涉及到读写权限,建议运行软件时,使用管理员权限,所在文件夹要获得完全权限。
6、导出swat模拟结果至mdb数据库时,如果没有涉及到水库模拟的话,不要选择rsv文件,会报错。
7、ArcSWAT和SWAT-CUP运行时,涉及到读写权限,建议运行软件时,使用管理员权限,所在文件夹要获得完全权限。
8、SWAT-CUP安装结束后,将ArcSWAT安装文件中的swat20**拷贝进SWAT-CUP安装文件夹中对应的文件夹中(\SWAT-CUP\ExternalData\SourceData\SWAT20**)。
9、新建的SUFI2文件建议放在D盘根目录下。
10、SWAT-CUP中NS为负值,可能是模拟结果与实测数据相差太大所致。
11、SWAT-CUP运行时,部分模拟出错可能与部分参数给定范围过大、导致越界有关,缩小参数范围即可以解决。
12、参数敏感性分析时,参数改变方式可以参考相关文献,ArcSWAT中的手动率定助手中,参数都有缺省改变方式,可以参考设置。
Soil and Water Assessment Tool User’s Manual Version 2000S.L.Neitsch, J.G.Arnold, J.R.Kiniry, R.Srinivasan, J.R.Williams, 2002Chapter 1 overview1.1 流域结构W ATERSHED CONFIGURATION✧子流域-无数量限制的HRUs(每个子流域至少有1个)-一个水塘(可选)-一块湿地(可选)✧支流/干流段(每个子流域一个)✧干流河网滞留水(围坝拦截部分)(可选)✧点源(可选)1.1.1子流域(subbasins)子流域是流域划分的第一级水平,其在流域内拥有地理位置并且在空间上与其他子流域相连接。
1.1.2 水文响应单元(HRU)HRUs是子流域内拥有特定土地利用/管理/土壤属性的部分,其为离散于整个子流域内同一土地利用/管理/土壤属性的集合,且假定不同HRU相互之间没有干扰。
HRUs的优势在于其能提高子流域内负荷预测的精度。
一般情况下,一个子流域每会有1-10个HRUs。
为了能在一个数据集内组合更多的多样化信息,一般要求生成多个具有合适数量HRUs的子流域而不是少量拥有大量HRUs的子流域。
1.1.3主河道(Reach/Main Channels)水流路线、沉积物和其他经过河段的物质在theoretical documentation section7中有描述。
1.1.4 支流(Tributary Channels)辅助性水流渠道用来区分子流域内产生的地表径流输入的渠系化水流。
附属水道的输入用来计算子流域内径流产生到汇集的时间以及径流汇集到主河道的输移损失。
辅助性水道输入定义了子流域内最长达水流路经。
对某些子流域而言,主河道可能是最长的水流路经,如果这样,辅助性水流渠道的长度就和主河道一样。
在其他子流域内,辅助性河道的长度和主河道是不同的。
1.1.5池塘、湿地和水库(Ponds/Wetlands/Reservoirs)两类水体(池塘/湿地)在每个子流域内都会有定义。
ARCSWAT模型使用1. 模型介绍SWAT(Soil and Water Assessment Tool)是由美国农业部(USDA)的农业研究中心(ARS,Agricultural Research Service)Jeff Amonld博士1994年开发的。
模型开发的最初目的是为了预测在大流域复杂多变的土壤类型、土地利用方式和管理措施条件下,土地管理对水分、泥沙和化学物质的长期影响。
它是一种基于GIS基础之上的分布式流域水文模型,近年来得到了快速的发展和应用,主要是利用遥感和地理信息系统提供的空间信息模拟多种不同的水文物理化学过程,如水量、水质以及杀虫剂的输移与转化过程。
SWAT模型综合了早期开发的SWRRB(the Simulator for Water Resources in Rural Basins)模型和ROTO(the Routing Outputs to Outlet)模型的特征,从1990s 问世以来,经历了SWAT94.2,96.2,98.1,99.2,2000等版本,模型在原理算法、结构、功能等方面都有很大的改进,现在使用的SWAT2005版本可以在Arcview、ArcGIS等常见的软件平台上运行,具有良好的用户界面,在ARCGIS上的SW AT 模型为ARCSW AT。
本文使用的是ArcGIS 9.2支持下的ArcSW AT 2.0.0。
模型数据处理过程:SWAT模型所需的数据有地形、土壤、土地利用、气象、水文、营养物质等,根据研究目的不同可以选择建立不同的数据库,模型本身带有Land Cover/Plant Growth Database、Urban Database数据库。
除此之外,还需要结合研究区域的特点和研究目的,建立用户数据库,其中包括耕作数据库、杀虫剂数据库、营养物质数据库、土壤数据库。
模型数据处理流程如图2所示:模型数据处理流程模型的应用:模型的应用主要表现在8个方面:校准与敏感性分析,气候变化模拟,GIS平台描述,水文评价,结构和数据输入效果评价,与其他模型比较,多种模型分析的结合,污染评价。
SWAT模型土壤物理属性数据库构建方法探究刘钦;王雯涛【摘要】SWAT model is widely used. It is a comprehensive, distributed, and physical mechanism-based model integrated with GIS. SWAT model can be used to simulate the hydrological situation of watershed accurately and has already been applied to various regions in China. However, the original soil property database of the SWAT model is not consistent with the real situation of China. This study aims to construct the soil property database suitable to China. The transformation of soil texture was analyzed. The construction methods of physical property parameters for soil property database were performed based on the SPAW software. The results demonstrate that the method used in this study can offer proper tool to establish soil property database for China, as well as to further employ the SWAT model.%SWAT模型应用广泛,具有综合、分布、基于物理机制且易与GIS集成的特征,能够准确模拟流域水文状况.SWAT模型已经在我国被广泛应用, 但在应用过程中存在模型自带土壤属性数据库与中国实际情况不相符的问题.对此,以土壤物理属性数据库的构建为例,在较为系统地论述国内外相关研究进展的基础上,探究了土壤质地转换、基于SPAW软件的土壤属性数据库物理属性参数的确定方法,为建立符合国情的土壤属性数据库提供方法,并为后期SWAT模型的应用奠定了基础.【期刊名称】《水科学与工程技术》【年(卷),期】2015(000)006【总页数】3页(P40-42)【关键词】SWAT模型;土壤属性数据库;SPAW软件【作者】刘钦;王雯涛【作者单位】兰州大学资源环境学院,兰州 730000;河北省水利水电勘测设计研究院,天津 300250【正文语种】中文【中图分类】S152SWAT(Soil and Water Assessment Tool)模型是20世纪90年代美国农业部农业研究中心(USDAARS)开发的半分布式模型,主要用于水文循环的模拟预测、土地利用管理措施的评价、非点源污染的模拟及土壤侵蚀的预测等方面[1]。
SWAT模型研究进展SWAT模型(Soil and Water Assessment Tool)是美国农业部(USDA)自1992年开始研制的土壤和水资源评估工具,被广泛用于宏观水文模拟、流域水文过程研究、流域管理决策支持等领域。
SWAT模型是一种集成性的水文模型,可以模拟流域内的水文循环、土壤侵蚀过程、氮磷输送和植被生长等多种过程,被认为是目前流域水文模型中功能最为完善的模型之一。
随着对流域水文过程研究需求不断增加,SWAT模型在科研和工程实践中的应用也越发广泛,研究者们对该模型进行了大量的改进和应用研究,取得了丰硕的成果。
一、SWAT模型的基本原理和结构SWAT模型是一种分布式的水文模型,它基于流域内土地利用、土壤类型、气候、地形、植被等多种因素,对流域内水文循环、土壤侵蚀、植被生长等多种过程进行综合模拟。
SWAT模型的基本原理是通过对流域内的土壤、植被、气象等环境因素进行空间分布和时序变化的描述,建立这些要素之间的交互关系,并通过数学模型对这些关系进行定量描述。
模型以日为时间步长,将流域划分为若干子区域,每个子区域内的水文过程和土壤侵蚀过程都可以分别进行模拟,并通过子区域之间的水文过程和物质输移过程进行耦合,从而揭示了流域内复杂的水文-土壤-植被系统的动态变化过程。
SWAT模型的结构包括了土地利用、土壤、气候、植被、水文过程和管理活动等多个模块,这些模块之间通过不同的参数和方程相互联系,形成了完整的流域水文过程模拟系统。
SWAT模型具有很强的通用性和适用性,可以广泛应用于不同流域和不同环境条件下的水文模拟和管理决策等领域。
在SWAT模型的基础上,研究者们通过对模型参数和算法的改进以及对输入数据的优化,不断提高了模型的模拟精度和适用范围,使其成为了流域水文研究和管理决策的重要工具。
近年来,SWAT模型的研究进展主要集中在以下几个方面:1. 模型改进和优化针对流域水文模拟中的一些难题和挑战,研究者们对SWAT模型的各个模块进行了改进和优化,以提高模型的模拟精度和适用性。
SWAT模型及其在水环境非点源污染研究中的应用SWAT模型,即水文模拟与评估工具(Soil and Water Assessment Tool),是由美国农业部自然资源保护服务(USDA-NRCS)研究开发的一种分布式水文模型,用于评估流域水文过程、土壤侵蚀、农田水文循环、非点源污染和生态系统的影响等。
该模型结合了水文、气象、土地利用、土壤和植被等多个要素,能够模拟流域内降雨径流产流、土壤侵蚀、农业经营管理、水质变化等多个环境过程,具有较强的综合性和可操作性。
SWAT模型在非点源污染研究中的应用主要包括两个方面:一是定量评估非点源污染物的产生源和迁移规律;二是预测降雨径流对水体质量的影响。
在定量评估非点源污染物的产生源和迁移规律方面,SWAT模型能够识别并模拟流域内土壤侵蚀、农田化肥和农药使用、污水排放等多种非点源污染的来源,并通过模拟水循环和土壤过程,分析非点源污染物在流域内的运移路径和储存方式,为水环境管理提供科学依据。
在预测降雨径流对水体质量的影响方面,SWAT模型能够模拟不同土地利用和土地覆被对径流产生的影响,对于评价降雨径流对水体重金属、硝酸盐、磷酸盐等污染物的输入和输送路径有着显著的作用。
在水环境非点源污染研究中,SWAT模型已经在国内外取得了一系列重要的成果。
在美国,SWAT模型已经广泛应用于陆域非点源污染预测和生态系统健康评估中,为农田养分管理和生态系统保护提供了有效的科学依据。
在我国,SWAT模型也得到了广泛应用,通过模拟不同土地利用和土地管理方式对水质的影响,为我国的水域环境保护提供了重要的科学支持。
为了克服这些问题,有必要在推广SWAT模型的进一步改进模型的算法和参数,提高模型的普适性和可靠性;加强对SWAT模型应用的培训和指导,提高相关从业人员对模型的熟悉程度;加强对流域水文数据的监测和共享,为模型应用提供更加准确和丰富的数据支撑。
SWAT水文模型介绍1概述SWAT(Soil and Water Assessment Tool)模型是美国农业部(USDA)农业研究局(ARS)开发的基于流域尺度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产生的影响。
该模型主要用于长期预测,对单一洪水事件的演算法。
蒸散发、模型。
每泥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用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。
植物吸引的磷采用与氮相似的供需方法。
径流中带走的可溶解磷采用土壤表层中的不稳定磷、径流量和磷土分离系数来计算。
泥沙运移的磷采用与有机氮运移相同的方程。
河道中营养物的动态模拟采用QUAL2E模型。
2.1产汇流模型模型中采用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、沉积、土壤温度、作物产量、营养物质和农业管理等部分组成。
模型径流SCS流关系)与最大可能径流量()之比的假定基础上建立的式中:假定潜在径流量()为降水量()与由径流产生前植物截留、初渗和填洼蓄水构成的流)的差值。
由此推到上式有:受土地利用、耕作方式、灌溉条件、冠层截留、下渗、填洼等因素的影响,它与土壤最大可能入渗量S呈一定的正比关系,美国农业部土壤保持局在分析了大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:流域当时最大可能滞留量在空间上与土地利用方式、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、土地利用方式和土壤类型状况等因素的综合。
表土壤数据库参数表
土壤水文组(A,B,C,D)美国国家自然资源保护局(NRCS)根据土壤的渗透特性,将土壤分为四个土壤水文组。
1996年,NRCS土壤调查人员,将在相似的降水和覆盖条件下具有相似产流能力的土壤定义为一个水文分组。
影响土壤产流能力的特性,是指那些在完全湿润并且不冻的条件下影响土壤最小下渗率的特性,主要包括季节性高水位深度,饱和水力传导率,极慢渗透层深度。
表水文组不同分类的定义
表土壤调查土壤水文组分级标准
透率发生于50~100cm的深度,则土壤水文组上升一组。
例如,由C到B。
如果最小渗透率发生于大于100cm的深度,土壤水文组是基于大于100cm深度的渗透率特性的,采用先前给定的规则。
2 收缩—膨胀能力指派给使用以下指南的剖面:低:低:所有地表以下深厚50cm的沙土、壤质沙土、沙质壤土、壤土或粉砂壤土,地表以下100cm以内无粘土。
中等:所有地表以下深厚50cm的粘壤土,或者地表以下50~100cm有粘土存在。
高:所有地表以下深厚50cm 的粘土。
高岭石占主导,收缩—膨胀能力低。
表植被数据库参数表
表敏感性分析参数及其含义。
孟现勇-如何使用世界土壤数据库(HWSD)建立SWAT模型土壤
数据库
中国水利水电科学研究院
1、简要介绍:
SWAT模型中土壤数据是主要的输入参数之一,土壤数据质量的好坏会对模型的模拟结果产生重要影响。
用到的土壤数据主要包括土壤类型分布图、土壤类型索引表及土壤物理属性文件(即土壤数据库参数)。
土壤的物理属性决定了土壤剖面中水和气的运动情况,并且对HRU中的水循环起着重要的作用,是SWAT建模前期处理过程的关键数据。
土壤粒径分布是指土壤固相中不同粗细级别的土粒所占的比例,常用某一粒径及其对应的累积百分含量曲线来表示。
土壤质地转换方法有多种,考虑到模型的通用性,参数形式的土壤粒径分布模型更便于标准程序的编制以及不同来源粒径分析资料的对比和统一,SWAT模型采用的土壤粒径级配标准是USDA简化的美制标准(表1)。
目前世界土壤数据库(HWSD)由于采用了USDA标准,因此可直接用于建立SWAT模型数据库。
(注明:国际制粒径分类需要采用双参数修正的经验逻辑生长模型转化粒径)
表1美国制
表1国际制类
2、HWSD数据库建立SWAT数据库说明:
(1)通过黑河数据中心下载该数据:
/data/611f7d50-b419-4d14-b4dd-4a944b141175 (2)利用Arcgis打开HWSD土壤数据库:
图1土壤数据库加载
(3) 打开土壤数据库图层属性表,发现该土壤数据库为0.00833度,约为0.92公里(可看做一公里),数据格式为GRID格式。
投影为:GCS_WGS_1984.
图2 土壤数据库属性
(4) 打开数据库属性表,VALUE覆盖范围为:11000-1193(藏南和阿克塞钦地区缺失),此部分VALUE较为重要,COUNT为像元个数。
图3土壤数据库属性
(5)以祁连山黑河流域为例,利用研究区边界或DEM,将研究区从HWSD数据库裁剪(裁剪时需要保证HWSD数据库投影与研究区DEM(或边界)投影一致),裁剪后的研究区土壤数据库图4所示。
此时,VALUE值为后面需要计算的各土壤类型唯一编号。
图4 研究区VALUE值获取
(6)打开HWSD数据库元数据表
图5 HWSD元数据库位置
并将图(标红的)两个表导出为EXCEL
图6 导出表
最终导出以下两个表(图7)
图7 两个需要的表D_SYMBOL90及HWSD_DATA
然后将HWSD_DATA打开
图8 HWSD_DATA 表
(6)通过HWSD_DATA表查询MU_GLOBAL和VALUE对应的行,并贴入新表。
图9 查询MU_GLOBAL和VALUE对应的行
将MU_GLOBAL与VALUE对应的土壤数据参数全部找到,并复制到新表中。
同时在D_SYMBOL90
表中找到土壤数据库的名字,并填入上表。
图10 查找土壤名字
图11 将土壤名称全称及其他参数添加至新表
最终得到土壤数据库在SWAT模型中需要的参数值(以HWSD数据库上层为例:HWSD数据库有两层,上层T表示,下次S表示)
图12 HWSD中需要用到的研究区土壤(两层)参数汇总
土壤参数计算需要注意一下重要步骤 1、需要把单位换为Metric
图13SPAW单位选择
2、以上参数计算需要按照下图箭头进行
图14 重要参数计算过程
将对应数据填入(Sand、Clay、Organic Matter),其中Salinity默认为0.1,Compaction 默认为0.9后回车,如上图
****************************************************************************** 按照自己的命名格式建立一个新表,并将以下各列加入新表,用于计算土壤数据库参数VALUE:图9右; COUNT:不填;
SNAME(土壤名称):在新建的Book1.xls中找到SU_SYM90列中11103对应的值GRh,然后
再打开D_SYMBOL90.xlsx(参照文件),查找GRh所代表的全称,即Haplic Greyzems,填入表格NLAYERS(土壤数据库的层数):2层;
HYDGRP(水文分组):根据饱和水利传导系数计算分为A/B/C/D
选择上层和下层的饱和水利传导系数中较小的一个,由图判断属于哪个分组;SOL_ZMX(土壤剖面最大根系深度):对应REF_DEPTH,为100,上层30,下层70; ANION_EXCL(阴
离子交换孔隙度):模型默认值为0.5;
CMPPCT(土壤最大可伸缩量):默认为1;
TEXTURE(土壤层结构):通过查询数据库或SPAW计算,下面详述; SOL_Z1(土壤第一层
深度):默认为30;
SOL_BD1、SOL_AWC1、SOL_K1(分别为土壤湿密度、土壤层有效持/b-be4c11d46edb6f1afe001f41.html水量、饱和水利传导系数):这三列需要用SPAW计算,参考下页。
SOL_CBN1、SAND1、SILT1、CLAY1(分别为t_oc上层土壤有机碳含量、T_SAND上层土壤含
沙量、T_SILT上层壤土含量、T_CLAY上层粘土含量):从hwsd中查找,即新建的Book1.xls
中查找;
SOL_ALB1(地表反射率):在中国没有相关可借鉴的公式来计算,一般默认为0,01;USLE_K1(ULSE方程中土壤侵蚀因子):用公式KUSLE?fcsand?fcl?si?forgc?fhisand 计算;
SOL_EC1(土壤电导力):默认为0;
OrganicMatter上层有机物(土壤有机碳含量):T_OC/0.58; T_ECE上层盐度(salinity):默认为0或对应T_ECE为0.1;下层计算方法同上;
****************************************************************************** 最后将以上计算结果录入SWAT土壤数据库。
在Swat->ArcSWAT->Datebases->SWAT2009.mdb目录中打开usersoil,将做好的土壤数据
库中的数据依次填到每一个的后面,结果保存两位有效数字,无参数列一律填0。
图15 填充0
土壤数据库索引表solic.txt的建立。
土壤数据库通过土壤索引表来读取数据。
在inputdata->soil->solic.txt,VALUE与code一定要对应.索引表索引了栅格图,Arcgis读取栅格图,就会读到name,索引表就会读取到数据库,数据库就把所有参数带入模型进行运算(图)。
图16 建立索引表及SWAT调用土壤数据库的内涵
***********************************后记*************************************
图17 土壤数据库中很多学生遇到的麻烦
备注:针对HWSD数据库存在不同的MU_GLOBAL拥有相同的土壤名字,如何操作的问题说明。
1、如果土壤名一样,而土壤物理参数不同,需要对下面出现的土壤进行自定义(新类型的子土壤),本人推荐采用数字表示不同土壤,见图17,Mollic Solonchaks1为第一个土壤,Mollic Solonchaks2为自行定义的土壤,两类土壤在研究区内分布情况和土壤物理参数均不同。
2、如果土壤名称相同,同时土壤名称对应的各类土壤物理参数也相同,考虑用同一个土壤名称,对其他土壤层进行重分类VALUE值即可。
即图17的Mollic Solonchaks2土壤。
VALUE=11556和11557的土壤全部被重分类为11556即可。
CMADS工作组
技术负责人:孟现勇
二〇一六年四月二十四日星期日。