基于SWAT與機(jī)器學(xué)習(xí)的永定河上游徑流演變規(guī)律及驅(qū)動(dòng)機(jī)制解析一、引言1.1研究背景與意義永定河作為海河流域的重要水系，其上游地區(qū)不僅是京津冀地區(qū)重要的生態(tài)屏障，也是區(qū)域水資源的重要供給地。永定河上游徑流演變對(duì)區(qū)域水資源管理、生態(tài)保護(hù)及經(jīng)濟(jì)發(fā)展至關(guān)重要，然而近年來(lái)，該區(qū)域徑流量出現(xiàn)顯著變化，這一現(xiàn)象引起了廣泛關(guān)注。在水資源管理方面，永定河上游徑流是區(qū)域水資源的核心組成部分，為周邊城市供水、農(nóng)業(yè)灌溉及工業(yè)用水提供了基礎(chǔ)保障。其徑流量的演變直接關(guān)系到水資源的可利用量及分配格局。隨著區(qū)域經(jīng)濟(jì)的快速發(fā)展，水資源需求日益增長(zhǎng)，而徑流的變化可能導(dǎo)致水資源供需矛盾加劇。若徑流量持續(xù)減少，城市供水可能面臨短缺風(fēng)險(xiǎn)，影響居民生活質(zhì)量；農(nóng)業(yè)灌溉用水不足將威脅農(nóng)作物生長(zhǎng)，降低糧食產(chǎn)量，進(jìn)而影響區(qū)域的糧食安全；工業(yè)用水受限會(huì)制約工業(yè)發(fā)展，阻礙經(jīng)濟(jì)增長(zhǎng)。因此，深入研究永定河上游徑流演變，有助于準(zhǔn)確掌握水資源動(dòng)態(tài)變化，為科學(xué)合理地制定水資源分配方案、優(yōu)化水資源管理策略提供數(shù)據(jù)支持與科學(xué)依據(jù)，從而保障區(qū)域水資源的可持續(xù)利用。從生態(tài)保護(hù)角度來(lái)看，永定河上游流域擁有豐富的生態(tài)系統(tǒng)，包括森林、濕地、草原等，這些生態(tài)系統(tǒng)依賴(lài)穩(wěn)定的徑流維持自身的結(jié)構(gòu)與功能。徑流的變化會(huì)對(duì)生態(tài)系統(tǒng)產(chǎn)生深遠(yuǎn)影響。徑流量減少可能導(dǎo)致濕地萎縮，濕地生態(tài)系統(tǒng)的生物多樣性降低，許多依賴(lài)濕地生存的動(dòng)植物面臨生存危機(jī)；河流干涸或流量減少會(huì)改變河流生態(tài)系統(tǒng)的水文條件，影響水生生物的棲息環(huán)境，導(dǎo)致魚(yú)類(lèi)等水生生物種群數(shù)量下降。研究徑流演變能幫助我們了解生態(tài)系統(tǒng)對(duì)徑流變化的響應(yīng)機(jī)制，為制定針對(duì)性的生態(tài)保護(hù)措施提供指導(dǎo)，通過(guò)合理調(diào)控水資源，維持生態(tài)系統(tǒng)的健康與穩(wěn)定，保護(hù)生物多樣性。在經(jīng)濟(jì)發(fā)展層面，永定河上游地區(qū)的經(jīng)濟(jì)活動(dòng)與徑流密切相關(guān)。農(nóng)業(yè)作為該地區(qū)的重要產(chǎn)業(yè)，灌溉用水主要依賴(lài)河流徑流。穩(wěn)定的徑流保證了農(nóng)業(yè)生產(chǎn)的順利進(jìn)行，促進(jìn)農(nóng)業(yè)經(jīng)濟(jì)的發(fā)展。同時(shí)，河流徑流也支撐著區(qū)域的旅游業(yè)發(fā)展，優(yōu)美的河流水景吸引了大量游客，帶動(dòng)了當(dāng)?shù)芈糜谓?jīng)濟(jì)。然而，徑流的不穩(wěn)定變化會(huì)給經(jīng)濟(jì)發(fā)展帶來(lái)諸多不確定性。徑流量不足會(huì)影響農(nóng)業(yè)灌溉，導(dǎo)致農(nóng)作物減產(chǎn)，農(nóng)民收入減少；河流景觀的惡化會(huì)降低旅游吸引力，減少旅游收入，阻礙區(qū)域經(jīng)濟(jì)的可持續(xù)發(fā)展。對(duì)徑流演變的研究可以為經(jīng)濟(jì)發(fā)展規(guī)劃提供參考，使經(jīng)濟(jì)活動(dòng)能夠更好地適應(yīng)水資源變化，降低經(jīng)濟(jì)發(fā)展對(duì)水資源的依賴(lài)風(fēng)險(xiǎn)，實(shí)現(xiàn)經(jīng)濟(jì)與水資源的協(xié)調(diào)發(fā)展。氣候變化和人類(lèi)活動(dòng)的雙重影響，使得永定河上游徑流演變的機(jī)制變得極為復(fù)雜。一方面，全球氣候變暖導(dǎo)致氣溫升高，降水模式發(fā)生改變，蒸發(fā)量增加，這些氣候變化因素直接影響了流域的水循環(huán)過(guò)程，進(jìn)而對(duì)徑流產(chǎn)生影響。另一方面，人類(lèi)活動(dòng)如大規(guī)模的城市化建設(shè)、農(nóng)業(yè)灌溉用水增加、水利工程設(shè)施的建設(shè)等，改變了流域的下墊面條件和水資源的時(shí)空分布，也對(duì)徑流演變產(chǎn)生了重要作用。準(zhǔn)確識(shí)別和量化氣候變化與人類(lèi)活動(dòng)對(duì)徑流演變的影響，對(duì)于制定科學(xué)合理的應(yīng)對(duì)策略至關(guān)重要。然而，目前對(duì)于永定河上游徑流演變的研究仍存在一些不足，在徑流演變的驅(qū)動(dòng)因素分析方面，雖然已經(jīng)認(rèn)識(shí)到氣候變化和人類(lèi)活動(dòng)的重要作用，但對(duì)于兩者之間的交互作用以及各自的貢獻(xiàn)率尚未有明確的定論；在預(yù)測(cè)徑流未來(lái)變化趨勢(shì)時(shí)，由于影響因素眾多且復(fù)雜，現(xiàn)有的預(yù)測(cè)模型和方法還存在一定的局限性，預(yù)測(cè)精度有待提高。本研究旨在通過(guò)綜合運(yùn)用SWAT模型和機(jī)器學(xué)習(xí)算法，深入剖析永定河上游徑流演變的特征、規(guī)律及其驅(qū)動(dòng)因素，量化氣候變化和人類(lèi)活動(dòng)對(duì)徑流變化的貢獻(xiàn)，并對(duì)未來(lái)徑流變化趨勢(shì)進(jìn)行預(yù)測(cè)。這不僅能夠填補(bǔ)該領(lǐng)域在研究方法和研究?jī)?nèi)容上的部分空白，豐富水文水資源領(lǐng)域的研究成果，而且為永定河上游地區(qū)的水資源管理、生態(tài)保護(hù)和經(jīng)濟(jì)可持續(xù)發(fā)展提供科學(xué)的決策依據(jù)，具有重要的理論意義和實(shí)踐價(jià)值。1.2國(guó)內(nèi)外研究現(xiàn)狀1.2.1徑流演變分析研究在徑流演變分析方面，國(guó)內(nèi)外學(xué)者開(kāi)展了大量研究。早期研究主要聚焦于徑流的趨勢(shì)性分析，如Mann-Kendall檢驗(yàn)法被廣泛應(yīng)用于檢測(cè)徑流序列的趨勢(shì)變化。眾多學(xué)者運(yùn)用該方法對(duì)不同流域的徑流進(jìn)行分析，結(jié)果表明許多流域的徑流量呈現(xiàn)出顯著的上升或下降趨勢(shì)。例如，張建云等研究發(fā)現(xiàn)近50年來(lái)中國(guó)六大江河的實(shí)測(cè)年徑流量均呈現(xiàn)下降趨勢(shì)，特別是北方河流，永定河流域也在此列，自1970年代初至今，年徑流量呈逐年下降趨勢(shì)，降幅在10%以上。隨著研究的深入，徑流的周期性和突變特征也受到關(guān)注。小波分析法成為研究徑流周期性的重要工具，它能夠?qū)r(shí)間序列分解成不同頻率的分量，從而揭示徑流的周期變化規(guī)律。如張小俠利用小波分析法和Mann-Kendall檢驗(yàn)法對(duì)雅魯藏布江流域1956-2000年徑流量的年內(nèi)、年際變化特征及周期性、突變特征進(jìn)行分析，發(fā)現(xiàn)該流域徑流量存在明顯的周期變化和突變點(diǎn)。在永定河流域的研究中，也有學(xué)者運(yùn)用類(lèi)似方法，發(fā)現(xiàn)永定河流域年徑流量存在27（28）年的第一主周期和20（21）年的第二主周期，1982-1983年徑流量發(fā)生突變。在徑流演變的影響因素研究上，普遍認(rèn)為氣候變化和人類(lèi)活動(dòng)是兩大主要驅(qū)動(dòng)因素。在氣候變化方面，氣溫升高、降水模式改變、蒸發(fā)量增加等因素會(huì)直接影響流域的水循環(huán)過(guò)程，進(jìn)而對(duì)徑流產(chǎn)生影響。例如，有研究表明，氣溫升高導(dǎo)致冰川融化加速，短期內(nèi)可能使徑流量增加，但長(zhǎng)期來(lái)看，隨著冰川儲(chǔ)量減少，徑流量會(huì)逐漸減少；降水模式的改變，如降水強(qiáng)度和頻率的變化，會(huì)影響地表徑流的產(chǎn)生和分配。人類(lèi)活動(dòng)對(duì)徑流的影響則更為復(fù)雜多樣，包括土地利用變化、水利工程建設(shè)、水資源開(kāi)發(fā)利用等。城市化和工業(yè)化進(jìn)程導(dǎo)致土地利用方式改變，不透水面積增加，使得雨水的攔蓄能力下降，地表徑流量增加，而地下水補(bǔ)給減少；大規(guī)模的水利工程建設(shè)，如水庫(kù)、大壩等，改變了河流的天然徑流過(guò)程，對(duì)上下游的徑流量和徑流分配產(chǎn)生顯著影響；過(guò)度開(kāi)采地下水、大規(guī)模的灌溉活動(dòng)等會(huì)導(dǎo)致水資源的不合理利用，影響流域的徑流量和水資源的可持續(xù)利用。1.2.2SWAT模型應(yīng)用研究SWAT（SoilandWaterAssessmentTool）模型作為一種廣泛應(yīng)用的流域水文模型，在國(guó)內(nèi)外的研究和應(yīng)用取得了豐碩成果。該模型能夠模擬流域內(nèi)的水文循環(huán)過(guò)程、土壤侵蝕以及非點(diǎn)源污染等，為流域水資源管理和生態(tài)環(huán)境保護(hù)提供科學(xué)依據(jù)。在國(guó)外，SWAT模型的應(yīng)用范圍涵蓋了各種不同的流域和研究目的。例如，在北美地區(qū)，研究者利用SWAT模型對(duì)密西西比河流域的水文過(guò)程進(jìn)行模擬，評(píng)估土地利用變化和氣候變化對(duì)該流域水資源的影響，通過(guò)模擬不同的情景，為流域水資源的合理規(guī)劃和管理提供了多種方案；在歐洲，針對(duì)一些小型流域，運(yùn)用SWAT模型研究農(nóng)業(yè)活動(dòng)對(duì)非點(diǎn)源污染的影響，分析不同農(nóng)業(yè)管理措施下的氮磷流失情況，為農(nóng)業(yè)面源污染的控制提供了決策支持。在國(guó)內(nèi)，SWAT模型也被廣泛應(yīng)用于不同地區(qū)的流域研究。在黃河流域，研究人員運(yùn)用SWAT模型模擬流域的徑流過(guò)程，分析氣候變化和人類(lèi)活動(dòng)對(duì)黃河徑流量的影響，通過(guò)對(duì)不同因素的量化分析，明確了各因素在徑流變化中的貢獻(xiàn)率，為黃河流域的水資源保護(hù)和利用提供了科學(xué)指導(dǎo)；在長(zhǎng)江流域，利用SWAT模型評(píng)估水利工程建設(shè)對(duì)流域生態(tài)環(huán)境的影響，包括對(duì)河流生態(tài)系統(tǒng)、濕地生態(tài)系統(tǒng)的影響等，為長(zhǎng)江流域的生態(tài)保護(hù)和修復(fù)提供了參考依據(jù)。此外，在一些中小流域，如東北的嫩江流域、南方的一些山區(qū)流域等，SWAT模型也被用于研究流域的水資源優(yōu)化配置、水土保持措施的效果評(píng)估等方面。隨著研究的不斷深入，SWAT模型在應(yīng)用過(guò)程中也不斷得到改進(jìn)和完善。一方面，通過(guò)與其他技術(shù)的結(jié)合，如地理信息系統(tǒng)（GIS）和遙感（RS）技術(shù)，提高了模型輸入數(shù)據(jù)的精度和獲取效率。GIS技術(shù)能夠?qū)α饔虻牡匦?、土地利用、土壤?lèi)型等空間數(shù)據(jù)進(jìn)行有效的管理和分析，為SWAT模型提供準(zhǔn)確的基礎(chǔ)數(shù)據(jù)；RS技術(shù)則可以實(shí)時(shí)獲取流域的植被覆蓋、土地利用變化等信息，及時(shí)更新模型參數(shù)，提高模型的模擬精度。另一方面，對(duì)模型的內(nèi)部算法和參數(shù)進(jìn)行優(yōu)化，使其能夠更準(zhǔn)確地模擬復(fù)雜的水文過(guò)程和生態(tài)環(huán)境變化。例如，改進(jìn)模型對(duì)土壤水分運(yùn)動(dòng)、蒸散發(fā)過(guò)程的模擬算法，提高模型對(duì)不同氣候條件和下墊面條件的適應(yīng)性。1.2.3機(jī)器學(xué)習(xí)在水文領(lǐng)域的研究機(jī)器學(xué)習(xí)技術(shù)在水文領(lǐng)域的應(yīng)用近年來(lái)逐漸興起，為解決水文問(wèn)題提供了新的思路和方法。機(jī)器學(xué)習(xí)算法能夠從大量的數(shù)據(jù)中自動(dòng)學(xué)習(xí)規(guī)律，對(duì)水文過(guò)程進(jìn)行建模和預(yù)測(cè)，具有高度的適應(yīng)性和靈活性。在徑流預(yù)測(cè)方面，支持向量機(jī)（SVM）、人工神經(jīng)網(wǎng)絡(luò)（ANN）等機(jī)器學(xué)習(xí)算法被廣泛應(yīng)用。SVM算法通過(guò)構(gòu)建最優(yōu)分類(lèi)超平面，能夠有效地處理非線(xiàn)性問(wèn)題，在徑流預(yù)測(cè)中表現(xiàn)出較高的精度。例如，有學(xué)者利用SVM算法對(duì)某流域的月徑流進(jìn)行預(yù)測(cè)，通過(guò)對(duì)歷史徑流數(shù)據(jù)、氣象數(shù)據(jù)等的學(xué)習(xí)，建立了預(yù)測(cè)模型，預(yù)測(cè)結(jié)果與實(shí)際觀測(cè)值具有較好的一致性。ANN算法則模擬人類(lèi)大腦神經(jīng)元的工作方式，通過(guò)多層神經(jīng)元的連接和權(quán)重調(diào)整，對(duì)復(fù)雜的水文系統(tǒng)進(jìn)行建模。一些研究采用ANN算法對(duì)不同流域的年徑流、日徑流進(jìn)行預(yù)測(cè)，通過(guò)訓(xùn)練大量的數(shù)據(jù)，使模型能夠捕捉到徑流與影響因素之間的復(fù)雜關(guān)系，取得了較好的預(yù)測(cè)效果。在水文模型參數(shù)優(yōu)化方面，機(jī)器學(xué)習(xí)也發(fā)揮了重要作用。傳統(tǒng)的水文模型參數(shù)率定方法往往依賴(lài)于人工經(jīng)驗(yàn)和試錯(cuò)法，效率較低且準(zhǔn)確性難以保證。而機(jī)器學(xué)習(xí)算法可以通過(guò)對(duì)大量歷史數(shù)據(jù)的分析，自動(dòng)尋找最優(yōu)的模型參數(shù)。例如，遺傳算法（GA）、粒子群優(yōu)化算法（PSO）等被應(yīng)用于SWAT模型的參數(shù)優(yōu)化。GA算法模擬生物進(jìn)化過(guò)程中的遺傳、變異和選擇機(jī)制，在參數(shù)空間中搜索最優(yōu)解；PSO算法則模擬鳥(niǎo)群覓食行為，通過(guò)粒子之間的信息共享和協(xié)同搜索，快速找到最優(yōu)參數(shù)組合。通過(guò)這些機(jī)器學(xué)習(xí)算法的應(yīng)用，能夠提高水文模型的模擬精度和可靠性，更好地反映流域的實(shí)際水文過(guò)程。此外，機(jī)器學(xué)習(xí)在水文數(shù)據(jù)處理和分析方面也具有優(yōu)勢(shì)。它可以對(duì)大量的水文數(shù)據(jù)進(jìn)行預(yù)處理，去除噪聲和異常值，提高數(shù)據(jù)質(zhì)量；同時(shí)，通過(guò)數(shù)據(jù)挖掘技術(shù)，從海量的數(shù)據(jù)中發(fā)現(xiàn)潛在的規(guī)律和關(guān)系，為水文研究提供新的視角和信息。例如，利用聚類(lèi)分析算法對(duì)不同流域的水文數(shù)據(jù)進(jìn)行分類(lèi)，分析不同類(lèi)型流域的水文特征和變化規(guī)律；運(yùn)用關(guān)聯(lián)規(guī)則挖掘算法，尋找徑流與其他水文要素、氣象要素之間的關(guān)聯(lián)關(guān)系，為深入理解水文過(guò)程提供依據(jù)。1.3研究目標(biāo)與內(nèi)容1.3.1研究目標(biāo)本研究旨在綜合運(yùn)用SWAT模型和機(jī)器學(xué)習(xí)算法，深入剖析永定河上游徑流演變的特征、規(guī)律及其驅(qū)動(dòng)因素，量化氣候變化和人類(lèi)活動(dòng)對(duì)徑流變化的貢獻(xiàn)，并對(duì)未來(lái)徑流變化趨勢(shì)進(jìn)行預(yù)測(cè)，為永定河上游地區(qū)的水資源管理、生態(tài)保護(hù)和經(jīng)濟(jì)可持續(xù)發(fā)展提供科學(xué)的決策依據(jù)。具體目標(biāo)如下：基于實(shí)測(cè)數(shù)據(jù)，準(zhǔn)確分析永定河上游徑流的時(shí)空變化特征，包括趨勢(shì)性、周期性和突變特征等，揭示徑流演變的規(guī)律。利用SWAT模型，結(jié)合氣象數(shù)據(jù)、土地利用數(shù)據(jù)、土壤數(shù)據(jù)等，模擬永定河上游流域的水文過(guò)程，評(píng)估模型在該區(qū)域的適用性，并通過(guò)模型模擬分析氣候變化和人類(lèi)活動(dòng)對(duì)徑流的影響。運(yùn)用機(jī)器學(xué)習(xí)算法，建立永定河上游徑流預(yù)測(cè)模型，提高徑流預(yù)測(cè)的精度和可靠性，并對(duì)未來(lái)不同情景下的徑流變化趨勢(shì)進(jìn)行預(yù)測(cè)。量化氣候變化和人類(lèi)活動(dòng)對(duì)永定河上游徑流變化的貢獻(xiàn)率，明確各因素在徑流演變中的作用機(jī)制，為制定針對(duì)性的水資源管理和生態(tài)保護(hù)措施提供科學(xué)依據(jù)。1.3.2研究?jī)?nèi)容為實(shí)現(xiàn)上述研究目標(biāo)，本研究將開(kāi)展以下具體內(nèi)容的研究：永定河上游徑流時(shí)空變化特征分析：收集永定河上游地區(qū)的歷史徑流數(shù)據(jù)，包括不同水文站點(diǎn)的年徑流量、月徑流量等數(shù)據(jù)。運(yùn)用Mann-Kendall檢驗(yàn)法、Pettitt檢驗(yàn)法、滑動(dòng)T檢驗(yàn)法等統(tǒng)計(jì)方法，對(duì)徑流數(shù)據(jù)進(jìn)行趨勢(shì)性分析，判斷徑流在時(shí)間序列上是呈上升、下降還是平穩(wěn)趨勢(shì)；利用小波分析法對(duì)徑流數(shù)據(jù)進(jìn)行周期性分析，確定徑流變化的主要周期；通過(guò)突變點(diǎn)檢驗(yàn)，識(shí)別徑流序列中的突變年份或時(shí)段，明確徑流發(fā)生顯著變化的時(shí)間節(jié)點(diǎn)。結(jié)合地理信息系統(tǒng)（GIS）技術(shù)，分析徑流在空間上的分布特征，探究不同區(qū)域徑流變化的差異，為后續(xù)研究提供基礎(chǔ)數(shù)據(jù)和背景信息?；赟WAT模型的水文過(guò)程模擬與影響因素分析：收集永定河上游流域的地形、土地利用、土壤類(lèi)型、氣象等數(shù)據(jù)，利用ArcGIS等軟件對(duì)數(shù)據(jù)進(jìn)行預(yù)處理和空間分析，構(gòu)建SWAT模型所需的輸入數(shù)據(jù)。在SWAT模型中，根據(jù)流域的實(shí)際情況，合理劃分子流域和水文響應(yīng)單元，設(shè)置模型參數(shù)，包括土壤參數(shù)、植被參數(shù)、水文參數(shù)等。運(yùn)用SWAT-CalibrationandUncertaintyPrograms（SWAT-CUP）軟件對(duì)模型進(jìn)行參數(shù)率定和驗(yàn)證，通過(guò)對(duì)比模擬結(jié)果與實(shí)測(cè)徑流數(shù)據(jù)，評(píng)估模型在永定河上游流域的模擬精度和適用性。利用率定后的SWAT模型，設(shè)置不同的氣候變化情景和人類(lèi)活動(dòng)情景，如降水變化情景、氣溫變化情景、土地利用變化情景等，模擬不同情景下的徑流變化，分析氣候變化和人類(lèi)活動(dòng)對(duì)徑流的影響程度和響應(yīng)機(jī)制。機(jī)器學(xué)習(xí)模型構(gòu)建與徑流預(yù)測(cè)：選取合適的機(jī)器學(xué)習(xí)算法，如支持向量機(jī)（SVM）、人工神經(jīng)網(wǎng)絡(luò)（ANN）等，以歷史徑流數(shù)據(jù)、氣象數(shù)據(jù)（降水量、氣溫、蒸發(fā)量等）、土地利用數(shù)據(jù)等作為輸入變量，以徑流量作為輸出變量，建立永定河上游徑流預(yù)測(cè)模型。對(duì)機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練和優(yōu)化，通過(guò)交叉驗(yàn)證等方法確定模型的最優(yōu)參數(shù)，提高模型的預(yù)測(cè)精度。利用訓(xùn)練好的機(jī)器學(xué)習(xí)模型，對(duì)永定河上游未來(lái)不同時(shí)期的徑流量進(jìn)行預(yù)測(cè)。結(jié)合未來(lái)的氣候變化情景和人類(lèi)活動(dòng)情景，如政府間氣候變化專(zhuān)門(mén)委員會(huì)（IPCC）發(fā)布的不同排放情景下的氣象數(shù)據(jù)，以及土地利用規(guī)劃數(shù)據(jù)等，預(yù)測(cè)在不同情景下永定河上游徑流的變化趨勢(shì)，為水資源規(guī)劃和管理提供參考依據(jù)。徑流變化歸因分析：采用彈性系數(shù)法、基于水文模型的分離法等方法，量化氣候變化和人類(lèi)活動(dòng)對(duì)永定河上游徑流變化的貢獻(xiàn)率。彈性系數(shù)法通過(guò)建立徑流與氣象要素（降水、氣溫等）之間的彈性系數(shù)關(guān)系，計(jì)算氣候變化對(duì)徑流變化的貢獻(xiàn)；基于水文模型的分離法通過(guò)在SWAT模型中分別設(shè)置僅有氣候變化情景和僅有人類(lèi)活動(dòng)情景，對(duì)比模擬結(jié)果與實(shí)測(cè)徑流數(shù)據(jù)，分離出氣候變化和人類(lèi)活動(dòng)各自對(duì)徑流變化的影響。分析不同時(shí)期、不同區(qū)域氣候變化和人類(lèi)活動(dòng)對(duì)徑流變化貢獻(xiàn)率的差異，探討影響貢獻(xiàn)率變化的因素，如流域的地形地貌、土地利用類(lèi)型、水資源開(kāi)發(fā)利用程度等，深入揭示徑流變化的驅(qū)動(dòng)機(jī)制。1.4研究方法與技術(shù)路線(xiàn)本研究采用多種研究方法，以確保研究的科學(xué)性和全面性，具體如下：數(shù)據(jù)收集與處理：通過(guò)實(shí)地調(diào)研、水文站點(diǎn)監(jiān)測(cè)數(shù)據(jù)收集、氣象部門(mén)數(shù)據(jù)獲取以及相關(guān)數(shù)據(jù)庫(kù)查詢(xún)等方式，收集永定河上游地區(qū)的徑流數(shù)據(jù)、氣象數(shù)據(jù)（降水量、氣溫、蒸發(fā)量等）、土地利用數(shù)據(jù)、土壤數(shù)據(jù)等。運(yùn)用Excel、ArcGIS等軟件對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，包括數(shù)據(jù)清洗、格式轉(zhuǎn)換、空間分析等，為后續(xù)研究提供準(zhǔn)確的數(shù)據(jù)支持。統(tǒng)計(jì)分析方法：運(yùn)用Mann-Kendall檢驗(yàn)法對(duì)永定河上游徑流數(shù)據(jù)進(jìn)行趨勢(shì)性分析，判斷徑流在時(shí)間序列上的變化趨勢(shì)；采用Pettitt檢驗(yàn)法和滑動(dòng)T檢驗(yàn)法進(jìn)行突變點(diǎn)檢驗(yàn)，確定徑流序列中發(fā)生顯著變化的時(shí)間節(jié)點(diǎn)；利用小波分析法對(duì)徑流數(shù)據(jù)進(jìn)行周期性分析，揭示徑流變化的主要周期。這些統(tǒng)計(jì)分析方法能夠從不同角度深入剖析徑流數(shù)據(jù)的特征和變化規(guī)律，為后續(xù)的模型模擬和歸因分析提供重要依據(jù)。SWAT模型模擬：基于ArcGIS平臺(tái)構(gòu)建永定河上游流域的SWAT模型，利用收集到的地形、土地利用、土壤、氣象等數(shù)據(jù)，對(duì)模型進(jìn)行參數(shù)設(shè)置和校準(zhǔn)。通過(guò)SWAT-CUP軟件進(jìn)行參數(shù)率定和驗(yàn)證，評(píng)估模型在該流域的適用性。利用校準(zhǔn)后的模型，設(shè)置不同的氣候變化情景和人類(lèi)活動(dòng)情景，模擬不同情景下的徑流變化，分析氣候變化和人類(lèi)活動(dòng)對(duì)徑流的影響機(jī)制。SWAT模型能夠綜合考慮多種因素對(duì)流域水文過(guò)程的影響，通過(guò)模擬不同情景下的徑流變化，為定量分析氣候變化和人類(lèi)活動(dòng)的影響提供了有效的工具。機(jī)器學(xué)習(xí)算法：選用支持向量機(jī)（SVM）、人工神經(jīng)網(wǎng)絡(luò)（ANN）等機(jī)器學(xué)習(xí)算法，建立永定河上游徑流預(yù)測(cè)模型。以歷史徑流數(shù)據(jù)、氣象數(shù)據(jù)、土地利用數(shù)據(jù)等作為輸入變量，徑流量作為輸出變量，對(duì)模型進(jìn)行訓(xùn)練和優(yōu)化。利用交叉驗(yàn)證等方法確定模型的最優(yōu)參數(shù)，提高模型的預(yù)測(cè)精度。運(yùn)用訓(xùn)練好的模型對(duì)未來(lái)不同情景下的永定河上游徑流量進(jìn)行預(yù)測(cè)，為水資源管理和規(guī)劃提供參考依據(jù)。機(jī)器學(xué)習(xí)算法能夠自動(dòng)學(xué)習(xí)數(shù)據(jù)中的復(fù)雜模式和關(guān)系，對(duì)于處理非線(xiàn)性、高維數(shù)據(jù)具有獨(dú)特的優(yōu)勢(shì)，在徑流預(yù)測(cè)中能夠提高預(yù)測(cè)的準(zhǔn)確性和可靠性。歸因分析方法：采用彈性系數(shù)法、基于水文模型的分離法等方法，量化氣候變化和人類(lèi)活動(dòng)對(duì)永定河上游徑流變化的貢獻(xiàn)率。彈性系數(shù)法通過(guò)建立徑流與氣象要素之間的彈性系數(shù)關(guān)系，計(jì)算氣候變化對(duì)徑流變化的貢獻(xiàn)；基于水文模型的分離法通過(guò)在SWAT模型中分別設(shè)置僅有氣候變化情景和僅有人類(lèi)活動(dòng)情景，對(duì)比模擬結(jié)果與實(shí)測(cè)徑流數(shù)據(jù)，分離出氣候變化和人類(lèi)活動(dòng)各自對(duì)徑流變化的影響。通過(guò)這些歸因分析方法，能夠明確不同因素在徑流變化中的作用大小，為制定針對(duì)性的水資源管理和生態(tài)保護(hù)措施提供科學(xué)依據(jù)。本研究的技術(shù)路線(xiàn)如圖1-1所示：圖1-1技術(shù)路線(xiàn)圖首先進(jìn)行數(shù)據(jù)收集，涵蓋永定河上游地區(qū)的徑流、氣象、土地利用、土壤等多方面數(shù)據(jù)，并利用相關(guān)軟件進(jìn)行預(yù)處理。接著運(yùn)用統(tǒng)計(jì)分析方法剖析徑流的時(shí)空變化特征，包括趨勢(shì)性、周期性和突變特征。然后構(gòu)建SWAT模型，完成參數(shù)率定和驗(yàn)證后，模擬不同情景下的徑流變化，分析氣候變化和人類(lèi)活動(dòng)的影響。同時(shí)，采用機(jī)器學(xué)習(xí)算法建立徑流預(yù)測(cè)模型并進(jìn)行預(yù)測(cè)。最后，運(yùn)用歸因分析方法量化氣候變化和人類(lèi)活動(dòng)對(duì)徑流變化的貢獻(xiàn)率，綜合各項(xiàng)研究結(jié)果得出結(jié)論并提出建議。二、研究區(qū)域與數(shù)據(jù)來(lái)源2.1永定河上游流域概況永定河作為海河水系的最大支流，被譽(yù)為北京的“母親河”，其上游流域地理位置獨(dú)特，處于東經(jīng)112°-117°45’，北緯39°-41°20’之間，地跨山西、內(nèi)蒙、河北、北京等多個(gè)省市自治區(qū)。該區(qū)域東鄰潮白河、北運(yùn)河，西鄰黃河，南為大清河，北為內(nèi)陸河，是連接多個(gè)地理區(qū)域的重要生態(tài)紐帶。永定河上游源頭主要由北支洋河和南支桑干河組成，洋河發(fā)源于內(nèi)蒙古自治區(qū)興和縣北山山麓，桑干河起源于山西省寧武縣境的管涔山，二者在河北省懷來(lái)縣朱官屯村匯合后始稱(chēng)永定河。永定河上游流域的地形地貌復(fù)雜多樣，屬于燕山運(yùn)動(dòng)晚期形成的斷陷區(qū)，也是華北地區(qū)古近紀(jì)—新近紀(jì)地層的典型區(qū)域。流域內(nèi)山地、丘陵、平原和河谷平原四種地貌類(lèi)型交錯(cuò)分布。其中，中上游地區(qū)主要流經(jīng)山區(qū)，河道受地質(zhì)構(gòu)造影響，與構(gòu)造線(xiàn)平行或相交，形成了盆地與峽谷相連的串珠式獨(dú)特河道形態(tài)。地勢(shì)呈現(xiàn)出明顯的西北高、東南低的傾斜態(tài)勢(shì)，這種地勢(shì)特征對(duì)流域內(nèi)的水流方向和水文過(guò)程產(chǎn)生了重要影響，使得水流在重力作用下自西北向東南匯聚，加速了徑流的形成和輸送。下游流經(jīng)平原地區(qū)，地勢(shì)平坦開(kāi)闊，河谷較為寬廣，水流速度相對(duì)減緩，有利于泥沙的沉積和河漫灘的形成。從氣候特征來(lái)看，永定河上游流域大部分地區(qū)屬于暖溫帶半濕潤(rùn)大陸性季風(fēng)氣候。冬季，受來(lái)自高緯度地區(qū)的冷空氣影響，氣候寒冷干燥，盛行西北風(fēng)，平均氣溫較低，月平均氣溫多在0℃以下，部分山區(qū)甚至可達(dá)-10℃左右。夏季，受東南季風(fēng)影響，氣候炎熱多雨，降水主要集中在6-8月，這三個(gè)月的降水量占全年降水量的70%-80%，且降水強(qiáng)度較大，容易引發(fā)洪澇災(zāi)害。年平均降水量在400-600毫米之間，但降水分布不均，山區(qū)降水量相對(duì)較多，平原地區(qū)相對(duì)較少。同時(shí)，該地區(qū)蒸發(fā)量較大，年平均蒸發(fā)量超過(guò)降水量，導(dǎo)致區(qū)域內(nèi)相對(duì)干旱，水資源相對(duì)匱乏。這種氣候條件使得流域內(nèi)的水循環(huán)過(guò)程較為復(fù)雜，對(duì)徑流的形成和變化產(chǎn)生了顯著影響。在土地利用方面，永定河上游流域土地利用類(lèi)型豐富多樣。山區(qū)主要以林地和草地為主，林地覆蓋率較高，植被類(lèi)型包括針葉林、闊葉林以及針闊混交林等，這些森林植被不僅對(duì)保持水土、涵養(yǎng)水源起著重要作用，還為眾多野生動(dòng)植物提供了棲息地。草地主要分布在山坡和山間谷地，是畜牧業(yè)發(fā)展的重要基礎(chǔ)。在河谷平原和地勢(shì)較為平坦的區(qū)域，耕地分布廣泛，主要種植小麥、玉米、高粱等農(nóng)作物，農(nóng)業(yè)灌溉用水主要依賴(lài)永定河及其支流的徑流。此外，隨著區(qū)域經(jīng)濟(jì)的發(fā)展，城鎮(zhèn)建設(shè)用地不斷增加，尤其是靠近河流和交通干線(xiàn)的地區(qū)，城市化進(jìn)程加快，工業(yè)用地和居民用地逐漸擴(kuò)張，改變了流域的下墊面條件，對(duì)徑流產(chǎn)生了間接影響。土壤類(lèi)型方面，永定河上游流域土壤類(lèi)型主要有棕壤、褐土、栗鈣土等。山區(qū)多為棕壤和褐土，棕壤主要分布在海拔較高、氣候較為濕潤(rùn)的地區(qū)，土壤肥力較高，有利于森林植被的生長(zhǎng)；褐土則分布在海拔相對(duì)較低的山區(qū)和丘陵地帶，土壤質(zhì)地適中，保水保肥能力較強(qiáng)，適合農(nóng)作物和經(jīng)濟(jì)林的種植。在平原地區(qū)，主要是栗鈣土和潮土，栗鈣土是在干旱半干旱氣候條件下形成的土壤類(lèi)型，土壤中含有一定量的碳酸鈣，肥力中等，主要用于旱作農(nóng)業(yè)；潮土則分布在河流兩岸和低洼地區(qū)，受地下水影響較大，土壤水分條件較好，適宜種植水稻、蔬菜等需水量較大的農(nóng)作物。不同的土壤類(lèi)型對(duì)水分的下滲、儲(chǔ)存和蒸發(fā)等過(guò)程產(chǎn)生不同的影響，進(jìn)而影響流域的水文過(guò)程和徑流形成。2.2數(shù)據(jù)來(lái)源與預(yù)處理本研究的數(shù)據(jù)來(lái)源廣泛，涵蓋氣象、水文、地形、土地利用和土壤等多方面數(shù)據(jù)，通過(guò)科學(xué)合理的預(yù)處理，確保數(shù)據(jù)的準(zhǔn)確性和可用性，為后續(xù)的研究提供堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)。氣象數(shù)據(jù)包括降水量、氣溫、風(fēng)速、相對(duì)濕度和日照時(shí)數(shù)等，主要來(lái)源于中國(guó)氣象數(shù)據(jù)網(wǎng)（/）。該網(wǎng)站提供了豐富的氣象觀測(cè)數(shù)據(jù)，數(shù)據(jù)精度和可靠性較高。為了獲取研究區(qū)域內(nèi)準(zhǔn)確的氣象信息，本研究收集了永定河上游流域周邊15個(gè)氣象站點(diǎn)的1980-2020年的氣象數(shù)據(jù)，這些站點(diǎn)分布在流域的不同地理位置，能夠較好地反映流域內(nèi)氣象要素的空間變化。在預(yù)處理過(guò)程中，首先對(duì)原始數(shù)據(jù)進(jìn)行質(zhì)量控制，檢查數(shù)據(jù)的完整性和異常值。對(duì)于缺失數(shù)據(jù)，采用線(xiàn)性插值法和距離權(quán)重反比法進(jìn)行插補(bǔ)。線(xiàn)性插值法根據(jù)相鄰時(shí)間點(diǎn)的數(shù)據(jù)進(jìn)行線(xiàn)性推算，填補(bǔ)缺失值；距離權(quán)重反比法根據(jù)周邊站點(diǎn)的數(shù)據(jù)，按照距離遠(yuǎn)近賦予不同權(quán)重，計(jì)算得出缺失值。同時(shí)，對(duì)異常值進(jìn)行識(shí)別和修正，確保數(shù)據(jù)的準(zhǔn)確性。將所有氣象數(shù)據(jù)統(tǒng)一插值為日尺度數(shù)據(jù)，以滿(mǎn)足SWAT模型對(duì)氣象數(shù)據(jù)時(shí)間尺度的要求。利用ArcGIS軟件的空間分析功能，將離散的氣象站點(diǎn)數(shù)據(jù)進(jìn)行空間插值，生成流域內(nèi)的氣象要素柵格圖，以便與其他空間數(shù)據(jù)進(jìn)行整合分析。水文數(shù)據(jù)主要來(lái)源于海河流域水資源保護(hù)局和相關(guān)省市的水文水資源勘測(cè)局，收集了永定河上游流域內(nèi)8個(gè)水文站點(diǎn)1980-2020年的日徑流量數(shù)據(jù)。這些水文站點(diǎn)分布在永定河及其主要支流上，能夠監(jiān)測(cè)不同區(qū)域的徑流變化情況。對(duì)水文數(shù)據(jù)進(jìn)行了嚴(yán)格的質(zhì)量控制，檢查數(shù)據(jù)的一致性和可靠性。通過(guò)與歷史數(shù)據(jù)和周邊站點(diǎn)數(shù)據(jù)進(jìn)行對(duì)比，識(shí)別并修正了部分錯(cuò)誤數(shù)據(jù)。同時(shí)，對(duì)缺失數(shù)據(jù)采用了多種方法進(jìn)行插補(bǔ)，包括鄰近站點(diǎn)均值法、時(shí)間序列分析法等，以保證水文數(shù)據(jù)的完整性。為了與氣象數(shù)據(jù)的時(shí)間尺度保持一致，將水文數(shù)據(jù)也統(tǒng)一整理為日尺度數(shù)據(jù)。利用ArcGIS軟件將水文站點(diǎn)數(shù)據(jù)與流域水系圖進(jìn)行疊加分析，明確各水文站點(diǎn)在流域內(nèi)的位置，為后續(xù)的徑流模擬和分析提供基礎(chǔ)。地形數(shù)據(jù)采用空間分辨率為30米的數(shù)字高程模型（DEM），數(shù)據(jù)來(lái)源于地理空間數(shù)據(jù)云平臺(tái)（/）。該平臺(tái)提供的DEM數(shù)據(jù)覆蓋范圍廣、精度高，能夠準(zhǔn)確反映研究區(qū)域的地形地貌特征。在預(yù)處理時(shí)，利用ArcGIS軟件的水文分析工具對(duì)DEM數(shù)據(jù)進(jìn)行處理，包括洼地填充、水流方向計(jì)算、水流累積量計(jì)算等。通過(guò)洼地填充，消除DEM數(shù)據(jù)中的微小凹陷，保證水流的連續(xù)性；計(jì)算水流方向和水流累積量，為流域水系提取和子流域劃分提供基礎(chǔ)數(shù)據(jù)。基于處理后的DEM數(shù)據(jù)，提取了流域的水系、坡度、坡向等地形特征信息。利用ArcGIS的河網(wǎng)提取工具，根據(jù)水流累積量閾值，提取了流域的水系網(wǎng)絡(luò)；通過(guò)表面分析工具，計(jì)算了流域的坡度和坡向，這些地形特征信息對(duì)于理解流域的水文過(guò)程和徑流形成機(jī)制具有重要意義。土地利用數(shù)據(jù)選取2000年、2010年和2020年三個(gè)時(shí)期的遙感影像解譯數(shù)據(jù)，數(shù)據(jù)來(lái)源于中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心（/）。該數(shù)據(jù)中心提供的土地利用數(shù)據(jù)經(jīng)過(guò)嚴(yán)格的解譯和驗(yàn)證，具有較高的準(zhǔn)確性和可靠性。對(duì)土地利用數(shù)據(jù)進(jìn)行了投影轉(zhuǎn)換和重分類(lèi)處理。將數(shù)據(jù)的投影統(tǒng)一轉(zhuǎn)換為與DEM數(shù)據(jù)相同的投影坐標(biāo)系，以保證數(shù)據(jù)在空間上的一致性。根據(jù)SWAT模型的土地利用分類(lèi)標(biāo)準(zhǔn)，將原始土地利用類(lèi)型重分類(lèi)為耕地、林地、草地、建設(shè)用地、水域和未利用地等6種類(lèi)型，以便于模型的輸入和分析。利用ArcGIS軟件的空間分析功能，計(jì)算了不同時(shí)期各土地利用類(lèi)型的面積和空間分布變化情況。通過(guò)對(duì)比分析不同時(shí)期的土地利用數(shù)據(jù)，揭示了永定河流域土地利用的動(dòng)態(tài)變化特征，為研究土地利用變化對(duì)徑流的影響提供依據(jù)。土壤數(shù)據(jù)來(lái)源于中國(guó)土壤數(shù)據(jù)庫(kù)（/），獲取了研究區(qū)域的土壤類(lèi)型、土壤質(zhì)地、土壤有機(jī)質(zhì)含量、土壤飽和導(dǎo)水率等數(shù)據(jù)。該數(shù)據(jù)庫(kù)提供了詳細(xì)的土壤信息，能夠滿(mǎn)足本研究對(duì)土壤參數(shù)的需求。在預(yù)處理過(guò)程中，對(duì)土壤數(shù)據(jù)進(jìn)行了空間化處理，將土壤屬性數(shù)據(jù)與流域的空間位置進(jìn)行關(guān)聯(lián)。利用ArcGIS軟件的地統(tǒng)計(jì)分析工具，根據(jù)土壤采樣點(diǎn)數(shù)據(jù)，采用克里金插值法對(duì)土壤屬性進(jìn)行空間插值，生成土壤屬性柵格圖。對(duì)土壤數(shù)據(jù)進(jìn)行了質(zhì)量控制和合理性檢查，確保土壤參數(shù)的準(zhǔn)確性和可靠性。根據(jù)SWAT模型的要求，對(duì)土壤參數(shù)進(jìn)行了進(jìn)一步的整理和轉(zhuǎn)換，使其能夠直接輸入到模型中進(jìn)行模擬分析。三、研究方法3.1SWAT模型原理與構(gòu)建3.1.1SWAT模型介紹SWAT（SoilandWaterAssessmentTool）模型是由美國(guó)農(nóng)業(yè)部（USDA）農(nóng)業(yè)研究局（ARS）開(kāi)發(fā)的一款基于物理過(guò)程的流域尺度半分布式水文模型，其時(shí)間步長(zhǎng)通常以日為單位。該模型旨在模擬和預(yù)測(cè)土地管理措施對(duì)大面積復(fù)雜流域中徑流、泥沙負(fù)荷及營(yíng)養(yǎng)物質(zhì)流失的長(zhǎng)期影響，在流域水資源管理、生態(tài)環(huán)境保護(hù)以及農(nóng)業(yè)面源污染研究等領(lǐng)域具有廣泛應(yīng)用。從模型結(jié)構(gòu)來(lái)看，SWAT模型將整個(gè)流域劃分為多個(gè)子流域，每個(gè)子流域又根據(jù)土地利用、土壤類(lèi)型和坡度等因素進(jìn)一步劃分為若干個(gè)相對(duì)均質(zhì)的水文響應(yīng)單元（HRU）。這種空間離散化的處理方式使得模型能夠充分考慮流域內(nèi)不同區(qū)域的下墊面條件差異，從而更準(zhǔn)確地模擬流域內(nèi)的水文過(guò)程。在每個(gè)HRU上，模型通過(guò)一系列的物理方程和經(jīng)驗(yàn)公式來(lái)描述和計(jì)算水分、能量和物質(zhì)的傳輸與轉(zhuǎn)化過(guò)程。在水文過(guò)程模擬方面，SWAT模型能夠模擬降水、蒸發(fā)、入滲、地表徑流、壤中流和地下徑流等多種水文要素的動(dòng)態(tài)變化。降水是徑流的主要來(lái)源，模型根據(jù)氣象數(shù)據(jù)獲取降水量，并考慮降水的時(shí)空分布特征。蒸發(fā)過(guò)程則受到氣象條件（如氣溫、相對(duì)濕度、風(fēng)速等）、植被覆蓋和土壤水分狀況的影響，模型采用多種方法來(lái)計(jì)算潛在蒸散發(fā)和實(shí)際蒸散發(fā)，如Penman-Monteith方程等。入滲過(guò)程決定了降水轉(zhuǎn)化為地表徑流和土壤水的比例，模型通過(guò)SCS曲線(xiàn)法或Green-Ampt入滲法來(lái)計(jì)算入滲量，其中SCS曲線(xiàn)法根據(jù)前期土壤濕度條件和土地利用類(lèi)型確定徑流曲線(xiàn)數(shù)，進(jìn)而計(jì)算地表徑流量；Green-Ampt入滲法則基于土壤的物理性質(zhì)和水力傳導(dǎo)度來(lái)計(jì)算入滲率和入滲量。地表徑流、壤中流和地下徑流的計(jì)算則綜合考慮了地形、土壤特性、植被覆蓋和土地利用等因素，通過(guò)相應(yīng)的數(shù)學(xué)方程來(lái)描述水流的運(yùn)動(dòng)和匯流過(guò)程。土壤侵蝕和營(yíng)養(yǎng)物質(zhì)遷移也是SWAT模型的重要模擬內(nèi)容。在土壤侵蝕模擬中，模型采用修正的通用土壤流失方程（RUSLE）來(lái)估算土壤侵蝕量，該方程考慮了降雨侵蝕力、土壤可蝕性、坡度坡長(zhǎng)、植被覆蓋和水土保持措施等因素對(duì)土壤侵蝕的影響。對(duì)于營(yíng)養(yǎng)物質(zhì)遷移，模型能夠模擬氮、磷等營(yíng)養(yǎng)物質(zhì)在土壤、水體和植被之間的循環(huán)和遷移過(guò)程，考慮了施肥、土地利用變化、降水和徑流等因素對(duì)營(yíng)養(yǎng)物質(zhì)流失的影響，從而為評(píng)估流域內(nèi)的非點(diǎn)源污染提供了有力工具。與其他水文模型相比，SWAT模型具有諸多優(yōu)勢(shì)。首先，它能夠進(jìn)行長(zhǎng)時(shí)期的連續(xù)模擬，適用于研究流域水文過(guò)程的長(zhǎng)期變化趨勢(shì)和對(duì)不同土地管理措施的響應(yīng)。其次，模型充分結(jié)合了地理信息系統(tǒng)（GIS）和遙感（RS）技術(shù)，能夠利用這些技術(shù)獲取的空間數(shù)據(jù)信息，如地形、土地利用、土壤類(lèi)型等，進(jìn)行模型參數(shù)的提取和輸入數(shù)據(jù)的準(zhǔn)備，大大提高了模型的應(yīng)用效率和模擬精度。此外，SWAT模型的核心代碼公開(kāi)，便于全球科技工作者根據(jù)不同的研究需求對(duì)模型進(jìn)行擴(kuò)展和修改，以適應(yīng)各種復(fù)雜的流域條件和研究目的。模型還擁有活躍的科研團(tuán)體和不斷更新的軟件及輔助工具，為模型的應(yīng)用和發(fā)展提供了良好的支持。3.1.2模型構(gòu)建流程構(gòu)建永定河上游流域的SWAT模型，需要一系列嚴(yán)謹(jǐn)且有序的步驟，充分利用多源數(shù)據(jù)，借助專(zhuān)業(yè)軟件工具，實(shí)現(xiàn)對(duì)流域水文過(guò)程的有效模擬。首先是數(shù)據(jù)準(zhǔn)備階段，這是模型構(gòu)建的基礎(chǔ)。收集高分辨率的數(shù)字高程模型（DEM）數(shù)據(jù)，如從地理空間數(shù)據(jù)云平臺(tái)獲取的30米分辨率DEM數(shù)據(jù)，該數(shù)據(jù)能夠精確反映流域的地形地貌特征。利用ArcGIS軟件的水文分析工具對(duì)DEM數(shù)據(jù)進(jìn)行處理，包括洼地填充，以消除數(shù)據(jù)中的微小凹陷，確保水流的連續(xù)性；計(jì)算水流方向，明確水流在地形表面的流動(dòng)方向；計(jì)算水流累積量，為后續(xù)的水系提取和子流域劃分提供關(guān)鍵數(shù)據(jù)支持?；谔幚砗蟮腄EM數(shù)據(jù)，通過(guò)設(shè)定合適的水流累積量閾值，利用ArcGIS的河網(wǎng)提取工具，準(zhǔn)確提取流域的水系網(wǎng)絡(luò)，清晰呈現(xiàn)流域內(nèi)河流的分布情況。土地利用數(shù)據(jù)也是重要的基礎(chǔ)數(shù)據(jù)之一。從中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心獲取2000年、2010年和2020年三個(gè)時(shí)期的土地利用遙感影像解譯數(shù)據(jù)。這些數(shù)據(jù)需進(jìn)行投影轉(zhuǎn)換，將其投影統(tǒng)一調(diào)整為與DEM數(shù)據(jù)相同的投影坐標(biāo)系，以保證數(shù)據(jù)在空間上的一致性。根據(jù)SWAT模型的土地利用分類(lèi)標(biāo)準(zhǔn)，對(duì)原始土地利用類(lèi)型進(jìn)行重分類(lèi)，將其歸并為耕地、林地、草地、建設(shè)用地、水域和未利用地等6種主要類(lèi)型，便于模型的輸入和分析。利用ArcGIS軟件的空間分析功能，計(jì)算不同時(shí)期各土地利用類(lèi)型的面積和空間分布變化情況，為研究土地利用變化對(duì)徑流的影響提供依據(jù)。土壤數(shù)據(jù)同樣不可或缺。從中國(guó)土壤數(shù)據(jù)庫(kù)獲取研究區(qū)域的土壤類(lèi)型、土壤質(zhì)地、土壤有機(jī)質(zhì)含量、土壤飽和導(dǎo)水率等詳細(xì)數(shù)據(jù)。對(duì)土壤數(shù)據(jù)進(jìn)行空間化處理，利用ArcGIS軟件的地統(tǒng)計(jì)分析工具，根據(jù)土壤采樣點(diǎn)數(shù)據(jù)，采用克里金插值法對(duì)土壤屬性進(jìn)行空間插值，生成土壤屬性柵格圖，使土壤數(shù)據(jù)能夠與流域的空間位置緊密關(guān)聯(lián)。對(duì)土壤數(shù)據(jù)進(jìn)行質(zhì)量控制和合理性檢查，確保土壤參數(shù)的準(zhǔn)確性和可靠性，并根據(jù)SWAT模型的要求，對(duì)土壤參數(shù)進(jìn)行進(jìn)一步的整理和轉(zhuǎn)換，使其能夠直接輸入到模型中進(jìn)行模擬分析。氣象數(shù)據(jù)是驅(qū)動(dòng)SWAT模型運(yùn)行的關(guān)鍵因素之一。從中國(guó)氣象數(shù)據(jù)網(wǎng)收集永定河上游流域周邊15個(gè)氣象站點(diǎn)1980-2020年的降水量、氣溫、風(fēng)速、相對(duì)濕度和日照時(shí)數(shù)等氣象數(shù)據(jù)。對(duì)原始?xì)庀髷?shù)據(jù)進(jìn)行質(zhì)量控制，檢查數(shù)據(jù)的完整性和異常值，對(duì)于缺失數(shù)據(jù)，采用線(xiàn)性插值法和距離權(quán)重反比法進(jìn)行插補(bǔ)。將所有氣象數(shù)據(jù)統(tǒng)一插值為日尺度數(shù)據(jù)，以滿(mǎn)足SWAT模型對(duì)氣象數(shù)據(jù)時(shí)間尺度的要求。利用ArcGIS軟件的空間分析功能，將離散的氣象站點(diǎn)數(shù)據(jù)進(jìn)行空間插值，生成流域內(nèi)的氣象要素柵格圖，以便與其他空間數(shù)據(jù)進(jìn)行整合分析。在完成數(shù)據(jù)準(zhǔn)備后，進(jìn)入模型搭建階段。在ArcGIS平臺(tái)中，啟動(dòng)ArcSWAT工具條，激活SpatialAnalyst、SAWTProjectManager、SWATWatershedDelineator、DataInteroperability等擴(kuò)展模塊。在SWATProjectSetup下拉菜單中選擇建立工程，指定工程存放路徑及名稱(chēng)，并選擇讀取數(shù)據(jù)庫(kù)的位置。在WatershedDelineation下拉菜單中選擇WatershedDelineation，進(jìn)入流域劃分對(duì)話(huà)框。在該對(duì)話(huà)框中，首先加載處理好的DEM數(shù)據(jù)，并定義DEM屬性，確保ZUnit選擇為meter。若加載的DEM大小已剪裁好，可不使用Mask；若需要更準(zhǔn)確地確定研究區(qū)域，減少處理DEM的數(shù)據(jù)量，可選擇加載Mask，Mask可從硬盤(pán)加載或手動(dòng)繪制。通過(guò)LoadfromDisk加載河網(wǎng)水系數(shù)據(jù)，指定最小子流域面積（臨界閾值），編輯河網(wǎng)節(jié)點(diǎn)，計(jì)算子流域參數(shù)，完成子流域的劃分。根據(jù)土地利用和土壤數(shù)據(jù)，劃分水文響應(yīng)單元（HRU）。在ArcSWAT中，通過(guò)相關(guān)操作，將土地利用數(shù)據(jù)和土壤數(shù)據(jù)進(jìn)行疊加分析，按照一定的規(guī)則和閾值，將子流域進(jìn)一步劃分為多個(gè)HRU。每個(gè)HRU具有相對(duì)均一的土地利用、土壤類(lèi)型和坡度等特征，這樣可以更細(xì)致地模擬流域內(nèi)不同區(qū)域的水文過(guò)程。為每個(gè)HRU分配相應(yīng)的土地利用和土壤屬性參數(shù)，確保模型能夠準(zhǔn)確反映不同HRU的特性。將準(zhǔn)備好的氣象數(shù)據(jù)輸入到SWAT模型中。在模型中設(shè)置氣象數(shù)據(jù)的輸入路徑和格式，確保模型能夠正確讀取氣象數(shù)據(jù)。根據(jù)氣象數(shù)據(jù)的時(shí)間序列，模型將驅(qū)動(dòng)水文過(guò)程的模擬，考慮降水、蒸發(fā)、氣溫等氣象因素對(duì)徑流的影響。將其他相關(guān)數(shù)據(jù)，如點(diǎn)源污染數(shù)據(jù)、水庫(kù)數(shù)據(jù)、灌溉措施數(shù)據(jù)和管理措施數(shù)據(jù)等，按照模型的要求進(jìn)行整理和輸入，以完善模型的模擬內(nèi)容，使其能夠更全面地反映流域的實(shí)際情況。3.1.3參數(shù)率定與驗(yàn)證參數(shù)率定與驗(yàn)證是確保SWAT模型在永定河上游流域模擬準(zhǔn)確性的關(guān)鍵環(huán)節(jié)。本研究運(yùn)用SWAT-CalibrationandUncertaintyPrograms（SWAT-CUP）軟件，通過(guò)對(duì)比實(shí)測(cè)和模擬徑流數(shù)據(jù)，對(duì)模型參數(shù)進(jìn)行細(xì)致調(diào)整和嚴(yán)格驗(yàn)證。在參數(shù)率定過(guò)程中，首先需要確定待率定的參數(shù)。SWAT模型包含眾多參數(shù)，這些參數(shù)對(duì)模型模擬結(jié)果的影響程度各不相同。通過(guò)查閱相關(guān)文獻(xiàn)和前期的預(yù)試驗(yàn)，初步篩選出對(duì)徑流模擬結(jié)果較為敏感的參數(shù)，如徑流曲線(xiàn)數(shù)（CN2）、土壤蒸發(fā)深度調(diào)節(jié)因子（ESCO）、植被蒸騰吸水調(diào)節(jié)因子（EPCO）、坡面漫流的曼寧系數(shù)（OV_N）、壤中流運(yùn)行時(shí)間（LAT_TTIME）、基流消退系數(shù)（ALPHA_BF）、地下水滯后時(shí)間（GW_DELAY）等。這些參數(shù)分別影響著降水轉(zhuǎn)化為地表徑流的比例、土壤蒸發(fā)和植被蒸騰的強(qiáng)度、坡面水流的流速以及地下水流的運(yùn)動(dòng)等關(guān)鍵水文過(guò)程。利用SWAT-CUP軟件中的自動(dòng)優(yōu)化算法，如SUFI-2（SequentialUncertaintyFittingVersion2）算法，進(jìn)行參數(shù)率定。該算法通過(guò)反復(fù)調(diào)整參數(shù)值，使模型模擬的徑流結(jié)果與實(shí)測(cè)徑流數(shù)據(jù)之間的誤差最小化。在率定過(guò)程中，以納什效率系數(shù)（NSE）、均方根誤差（RMSE）和偏差百分比（PBIAS）等作為評(píng)價(jià)指標(biāo)。NSE用于衡量模擬值與實(shí)測(cè)值的擬合程度，其值越接近1，表示模擬效果越好；RMSE反映了模擬值與實(shí)測(cè)值之間的平均誤差程度，值越小說(shuō)明模擬結(jié)果越精確；PBIAS則用于評(píng)估模擬值相對(duì)于實(shí)測(cè)值的偏差方向和程度，其絕對(duì)值越小，表明模擬結(jié)果與實(shí)測(cè)值的偏差越小。將收集到的永定河上游流域內(nèi)8個(gè)水文站點(diǎn)1980-2020年的日徑流量數(shù)據(jù)，按照時(shí)間順序劃分為率定期和驗(yàn)證期。通常選擇1980-2000年的數(shù)據(jù)作為率定期，2001-2020年的數(shù)據(jù)作為驗(yàn)證期。在率定期內(nèi)，將實(shí)測(cè)徑流數(shù)據(jù)輸入到SWAT-CUP軟件中，與模型模擬的徑流結(jié)果進(jìn)行對(duì)比。軟件根據(jù)設(shè)定的優(yōu)化算法和評(píng)價(jià)指標(biāo)，不斷調(diào)整參數(shù)值，尋找最優(yōu)的參數(shù)組合，使模型模擬結(jié)果盡可能接近實(shí)測(cè)數(shù)據(jù)。例如，當(dāng)模擬的徑流峰值高于實(shí)測(cè)值時(shí)，算法可能會(huì)適當(dāng)調(diào)整CN2值，減小降水轉(zhuǎn)化為地表徑流的比例，從而降低模擬的徑流峰值；若模擬的基流低于實(shí)測(cè)值，可能會(huì)調(diào)整ALPHA_BF等參數(shù)，增加基流的比重。經(jīng)過(guò)多次迭代計(jì)算，當(dāng)模型模擬結(jié)果在率定期內(nèi)達(dá)到較好的精度，即NSE、RMSE和PBIAS等評(píng)價(jià)指標(biāo)滿(mǎn)足一定的標(biāo)準(zhǔn)時(shí)，認(rèn)為參數(shù)率定取得了較好的效果。一般來(lái)說(shuō)，NSE達(dá)到0.5以上，RMSE在合理范圍內(nèi)，PBIAS的絕對(duì)值小于25%，可認(rèn)為模型模擬結(jié)果較為可靠。將率定得到的最優(yōu)參數(shù)組合應(yīng)用到驗(yàn)證期的模擬中，再次將模擬結(jié)果與實(shí)測(cè)徑流數(shù)據(jù)進(jìn)行對(duì)比。若驗(yàn)證期的模擬結(jié)果也能滿(mǎn)足上述評(píng)價(jià)指標(biāo)要求，說(shuō)明模型參數(shù)具有較好的泛化能力，能夠準(zhǔn)確地模擬永定河上游流域的徑流過(guò)程。為了進(jìn)一步驗(yàn)證模型的可靠性，還可以采用其他方法進(jìn)行驗(yàn)證，如對(duì)比不同年份、不同季節(jié)的模擬結(jié)果與實(shí)測(cè)數(shù)據(jù)，分析模型在不同時(shí)間尺度上的模擬精度；或者與其他已有的水文模型模擬結(jié)果進(jìn)行對(duì)比，評(píng)估本研究中SWAT模型的優(yōu)勢(shì)和不足。通過(guò)嚴(yán)格的參數(shù)率定和驗(yàn)證過(guò)程，確保SWAT模型能夠準(zhǔn)確地模擬永定河上游流域的徑流演變，為后續(xù)的影響因素分析和徑流預(yù)測(cè)提供可靠的模型基礎(chǔ)。3.2機(jī)器學(xué)習(xí)方法3.2.1常用機(jī)器學(xué)習(xí)算法在永定河上游徑流演變及歸因分析研究中，多種機(jī)器學(xué)習(xí)算法展現(xiàn)出獨(dú)特優(yōu)勢(shì)與應(yīng)用潛力，為徑流模擬與預(yù)測(cè)提供了新的思路和方法。隨機(jī)森林（RandomForest）作為一種基于決策樹(shù)的集成學(xué)習(xí)算法，在徑流分析中具有重要應(yīng)用。其原理是通過(guò)從原始訓(xùn)練數(shù)據(jù)集中有放回地隨機(jī)抽取多個(gè)樣本子集，針對(duì)每個(gè)樣本子集分別構(gòu)建決策樹(shù)，最終將這些決策樹(shù)的預(yù)測(cè)結(jié)果進(jìn)行綜合，以提高模型的穩(wěn)定性和準(zhǔn)確性。在構(gòu)建決策樹(shù)時(shí)，隨機(jī)森林會(huì)在每個(gè)節(jié)點(diǎn)上隨機(jī)選擇一部分特征，而不是使用全部特征，這有助于降低決策樹(shù)之間的相關(guān)性，增強(qiáng)模型的泛化能力。對(duì)于徑流預(yù)測(cè)，隨機(jī)森林可以將歷史徑流數(shù)據(jù)、氣象數(shù)據(jù)（如降水量、氣溫、蒸發(fā)量等）、土地利用數(shù)據(jù)等作為輸入特征，通過(guò)訓(xùn)練大量的決策樹(shù)，學(xué)習(xí)這些特征與徑流量之間的復(fù)雜關(guān)系，從而實(shí)現(xiàn)對(duì)未來(lái)徑流量的預(yù)測(cè)。例如，在某流域的徑流預(yù)測(cè)研究中，利用隨機(jī)森林算法建立的模型，能夠準(zhǔn)確捕捉到徑流與降水、氣溫等因素之間的非線(xiàn)性關(guān)系，預(yù)測(cè)結(jié)果與實(shí)際觀測(cè)值具有較高的一致性，在復(fù)雜的水文環(huán)境下展現(xiàn)出良好的適應(yīng)性。支持向量機(jī)（SupportVectorMachine，SVM）也是一種廣泛應(yīng)用于徑流分析的機(jī)器學(xué)習(xí)算法。SVM的基本原理是通過(guò)尋找一個(gè)最優(yōu)分類(lèi)超平面，將不同類(lèi)別的樣本盡可能分開(kāi)，并且使分類(lèi)間隔最大化。在徑流預(yù)測(cè)中，通常將徑流量視為連續(xù)值，此時(shí)SVM采用回歸的方式進(jìn)行建模，即支持向量回歸（SupportVectorRegression，SVR）。為了處理非線(xiàn)性問(wèn)題，SVM引入了核函數(shù)，如徑向基函數(shù)（RadialBasisFunction，RBF）、多項(xiàng)式核函數(shù)等，將低維空間中的數(shù)據(jù)映射到高維空間，在高維空間中尋找最優(yōu)分類(lèi)超平面，從而實(shí)現(xiàn)對(duì)非線(xiàn)性數(shù)據(jù)的有效處理。以某流域的月徑流預(yù)測(cè)為例，研究人員利用SVM算法，選取降水量、前期徑流量等作為輸入變量，通過(guò)核函數(shù)將數(shù)據(jù)映射到高維空間進(jìn)行建模，預(yù)測(cè)結(jié)果的誤差較小，表明SVM在徑流預(yù)測(cè)中具有較高的精度和可靠性。人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetwork，ANN）是一種模擬人類(lèi)大腦神經(jīng)元結(jié)構(gòu)和功能的機(jī)器學(xué)習(xí)模型，由輸入層、隱藏層和輸出層組成。在徑流預(yù)測(cè)中，ANN通過(guò)調(diào)整神經(jīng)元之間的連接權(quán)重，學(xué)習(xí)輸入變量（如氣象數(shù)據(jù)、土地利用數(shù)據(jù)等）與輸出變量（徑流量）之間的復(fù)雜非線(xiàn)性關(guān)系。以多層感知器（Multi-LayerPerceptron，MLP）為例，它是一種典型的前饋神經(jīng)網(wǎng)絡(luò)，輸入層接收外部數(shù)據(jù)，隱藏層對(duì)數(shù)據(jù)進(jìn)行非線(xiàn)性變換和特征提取，輸出層則輸出預(yù)測(cè)結(jié)果。通過(guò)大量的訓(xùn)練數(shù)據(jù)對(duì)MLP進(jìn)行訓(xùn)練，使其能夠?qū)W習(xí)到徑流與各影響因素之間的內(nèi)在規(guī)律，從而實(shí)現(xiàn)對(duì)徑流量的準(zhǔn)確預(yù)測(cè)。在實(shí)際應(yīng)用中，ANN能夠處理復(fù)雜的非線(xiàn)性問(wèn)題，對(duì)徑流的變化趨勢(shì)具有較好的擬合能力，但也存在訓(xùn)練時(shí)間長(zhǎng)、容易陷入局部最優(yōu)等問(wèn)題。3.2.2模型選擇與應(yīng)用根據(jù)本研究對(duì)永定河上游徑流演變及歸因分析的目的，綜合考慮各種因素，選擇支持向量機(jī)（SVM）算法來(lái)構(gòu)建徑流預(yù)測(cè)模型。SVM算法在處理小樣本、非線(xiàn)性和高維數(shù)據(jù)問(wèn)題上具有獨(dú)特優(yōu)勢(shì)，而永定河上游徑流數(shù)據(jù)具有復(fù)雜性和非線(xiàn)性特征，受到多種因素的綜合影響，SVM的特性使其能夠更好地適應(yīng)這種復(fù)雜的數(shù)據(jù)模式，挖掘出徑流與各影響因素之間的潛在關(guān)系。在應(yīng)用SVM構(gòu)建徑流預(yù)測(cè)模型時(shí)，首先需要對(duì)數(shù)據(jù)進(jìn)行預(yù)處理。收集永定河上游地區(qū)的歷史徑流數(shù)據(jù)、氣象數(shù)據(jù)（降水量、氣溫、蒸發(fā)量等）、土地利用數(shù)據(jù)等，將這些數(shù)據(jù)整理成SVM模型能夠接受的格式。對(duì)數(shù)據(jù)進(jìn)行歸一化處理，將數(shù)據(jù)的取值范圍縮放到[0,1]或[-1,1]之間，以消除不同變量之間的量綱差異，提高模型的訓(xùn)練效率和預(yù)測(cè)精度。例如，對(duì)于降水量數(shù)據(jù)，其取值范圍可能較大，而徑流量數(shù)據(jù)的取值范圍相對(duì)較小，通過(guò)歸一化處理，可以使兩者在模型訓(xùn)練中具有相同的權(quán)重和影響力。確定模型的輸入變量和輸出變量。以歷史徑流數(shù)據(jù)、前一期的氣象數(shù)據(jù)（如前一個(gè)月的降水量、氣溫等）以及土地利用數(shù)據(jù)作為輸入變量，這些變量能夠反映徑流形成的前期條件和流域的下墊面特征。將當(dāng)前時(shí)期的徑流量作為輸出變量，通過(guò)模型學(xué)習(xí)輸入變量與輸出變量之間的關(guān)系，實(shí)現(xiàn)對(duì)未來(lái)徑流量的預(yù)測(cè)。例如，以過(guò)去10年的月徑流數(shù)據(jù)、前一個(gè)月的降水量、氣溫、蒸發(fā)量以及土地利用類(lèi)型數(shù)據(jù)作為輸入，預(yù)測(cè)下一個(gè)月的徑流量。選擇合適的核函數(shù)是SVM模型構(gòu)建的關(guān)鍵步驟之一。常用的核函數(shù)包括線(xiàn)性核函數(shù)、徑向基函數(shù)（RBF）和多項(xiàng)式核函數(shù)等。線(xiàn)性核函數(shù)適用于線(xiàn)性可分的數(shù)據(jù)，但永定河上游徑流數(shù)據(jù)具有較強(qiáng)的非線(xiàn)性特征，因此線(xiàn)性核函數(shù)不太適用。多項(xiàng)式核函數(shù)計(jì)算復(fù)雜度較高，且容易出現(xiàn)過(guò)擬合現(xiàn)象。徑向基函數(shù)（RBF）具有較好的局部逼近能力，能夠有效地處理非線(xiàn)性問(wèn)題，且計(jì)算相對(duì)簡(jiǎn)單，對(duì)數(shù)據(jù)的適應(yīng)性較強(qiáng)。因此，本研究選擇徑向基函數(shù)作為SVM模型的核函數(shù)。設(shè)置模型的參數(shù)，包括懲罰參數(shù)C和核函數(shù)參數(shù)γ。懲罰參數(shù)C用于平衡模型的訓(xùn)練誤差和泛化能力，C值越大，模型對(duì)訓(xùn)練數(shù)據(jù)的擬合程度越高，但可能會(huì)導(dǎo)致過(guò)擬合；C值越小，模型的泛化能力越強(qiáng)，但可能會(huì)使訓(xùn)練誤差增大。核函數(shù)參數(shù)γ決定了徑向基函數(shù)的寬度，γ值越大，函數(shù)的局部性越強(qiáng)，模型對(duì)數(shù)據(jù)的擬合越精細(xì)，但也容易出現(xiàn)過(guò)擬合；γ值越小，函數(shù)的全局性越強(qiáng)，模型的泛化能力越好，但可能對(duì)數(shù)據(jù)的擬合不夠精確。通過(guò)交叉驗(yàn)證等方法，對(duì)C和γ進(jìn)行調(diào)優(yōu)，尋找最優(yōu)的參數(shù)組合，以提高模型的預(yù)測(cè)性能。例如，采用五折交叉驗(yàn)證法，在一定的參數(shù)范圍內(nèi)對(duì)C和γ進(jìn)行搜索，計(jì)算不同參數(shù)組合下模型的均方根誤差（RMSE）等評(píng)價(jià)指標(biāo)，選擇RMSE最小的參數(shù)組合作為最優(yōu)參數(shù)。利用訓(xùn)練數(shù)據(jù)對(duì)SVM模型進(jìn)行訓(xùn)練，使模型學(xué)習(xí)到輸入變量與輸出變量之間的關(guān)系。將訓(xùn)練好的模型應(yīng)用于測(cè)試數(shù)據(jù)，對(duì)永定河上游未來(lái)的徑流量進(jìn)行預(yù)測(cè)。通過(guò)不斷優(yōu)化模型的參數(shù)和結(jié)構(gòu)，提高模型的預(yù)測(cè)精度和可靠性，為永定河上游水資源管理和規(guī)劃提供科學(xué)依據(jù)。3.2.3模型評(píng)估指標(biāo)為了全面、準(zhǔn)確地評(píng)估所構(gòu)建的機(jī)器學(xué)習(xí)模型（如支持向量機(jī)模型）在永定河上游徑流預(yù)測(cè)中的性能，采用了多個(gè)評(píng)估指標(biāo)，這些指標(biāo)從不同角度反映了模型預(yù)測(cè)值與實(shí)際觀測(cè)值之間的差異程度，為模型的優(yōu)化和改進(jìn)提供了重要依據(jù)。決定系數(shù)（CoefficientofDetermination，R2）是衡量模型擬合優(yōu)度的重要指標(biāo)，它表示模型能夠解釋的因變量變化的比例。其計(jì)算公式為：R^{2}=1-\frac{\sum_{i=1}^{n}(y_{i}-\hat{y}_{i})^{2}}{\sum_{i=1}^{n}(y_{i}-\bar{y})^{2}}其中，y_{i}為實(shí)際觀測(cè)值，\hat{y}_{i}為模型預(yù)測(cè)值，\bar{y}為實(shí)際觀測(cè)值的平均值，n為樣本數(shù)量。R^{2}的值介于0到1之間，越接近1，表明模型對(duì)數(shù)據(jù)的擬合效果越好，即模型能夠解釋的因變量變化的比例越高；越接近0，則說(shuō)明模型的擬合效果越差。在永定河上游徑流預(yù)測(cè)模型評(píng)估中，若R^{2}達(dá)到0.8以上，可認(rèn)為模型對(duì)徑流數(shù)據(jù)的擬合較好，能夠較好地捕捉到徑流變化的趨勢(shì)和規(guī)律。均方根誤差（RootMeanSquareError，RMSE）用于衡量模型預(yù)測(cè)值與實(shí)際觀測(cè)值之間的平均誤差程度，它對(duì)誤差的大小較為敏感，能夠反映模型預(yù)測(cè)值的離散程度。計(jì)算公式為：RMSE=\sqrt{\frac{1}{n}\sum_{i=1}^{n}(y_{i}-\hat{y}_{i})^{2}}RMSE的值越小，說(shuō)明模型預(yù)測(cè)值與實(shí)際觀測(cè)值之間的偏差越小，模型的預(yù)測(cè)精度越高。在實(shí)際應(yīng)用中，RMSE可以直觀地反映模型預(yù)測(cè)結(jié)果與真實(shí)值之間的差距，例如，若RMSE的值為5（單位：立方米/秒），表示模型預(yù)測(cè)的徑流量與實(shí)際徑流量平均相差5立方米/秒。對(duì)于永定河上游徑流預(yù)測(cè)，RMSE在較小的范圍內(nèi)波動(dòng)，如小于10立方米/秒，可認(rèn)為模型的預(yù)測(cè)精度滿(mǎn)足一定的要求。平均絕對(duì)誤差（MeanAbsoluteError，MAE）是預(yù)測(cè)值與實(shí)際觀測(cè)值之間絕對(duì)誤差的平均值，它能夠反映預(yù)測(cè)值與實(shí)際值之間的平均偏離程度。計(jì)算公式為：MAE=\frac{1}{n}\sum_{i=1}^{n}|y_{i}-\hat{y}_{i}|MAE的值越小，表明模型預(yù)測(cè)值與實(shí)際觀測(cè)值之間的平均誤差越小。與RMSE相比，MAE對(duì)誤差的大小較為平均地反映，不受誤差平方的影響，更能體現(xiàn)模型預(yù)測(cè)值的平均偏離情況。在評(píng)估永定河上游徑流預(yù)測(cè)模型時(shí)，MAE可作為一個(gè)輔助指標(biāo)，與RMSE一起綜合評(píng)估模型的性能。例如，當(dāng)MAE的值為3（單位：立方米/秒）時(shí)，說(shuō)明模型預(yù)測(cè)的徑流量與實(shí)際徑流量平均偏離3立方米/秒。納什效率系數(shù)（Nash-SutcliffeEfficiencyCoefficient，NSE）是一種常用的水文模型評(píng)估指標(biāo)，用于評(píng)價(jià)模型模擬值與實(shí)測(cè)值之間的一致性程度。其計(jì)算公式為：NSE=1-\frac{\sum_{i=1}^{n}(y_{i}-\hat{y}_{i})^{2}}{\sum_{i=1}^{n}(y_{i}-\bar{y})^{2}}NSE的值與R^{2}的計(jì)算形式相似，取值范圍也在負(fù)無(wú)窮到1之間，越接近1，表示模型模擬值與實(shí)測(cè)值的一致性越好；當(dāng)NSE為負(fù)數(shù)時(shí)，說(shuō)明模型的模擬效果比直接使用均值預(yù)測(cè)還差。在永定河上游徑流模擬中，NSE達(dá)到0.6以上，可認(rèn)為模型具有較好的模擬性能，能夠較為準(zhǔn)確地反映徑流的實(shí)際變化情況。通過(guò)綜合運(yùn)用這些評(píng)估指標(biāo)，可以全面、客觀地評(píng)價(jià)機(jī)器學(xué)習(xí)模型在永定河上游徑流預(yù)測(cè)中的性能，為模型的改進(jìn)和優(yōu)化提供有力支持。四、永定河上游徑流演變特征分析4.1徑流時(shí)間序列分析4.1.1年徑流量變化趨勢(shì)運(yùn)用Mann-Kendall檢驗(yàn)法對(duì)永定河上游1980-2020年的年徑流量數(shù)據(jù)進(jìn)行趨勢(shì)分析。Mann-Kendall檢驗(yàn)是一種非參數(shù)檢驗(yàn)方法，其優(yōu)點(diǎn)在于不需要樣本數(shù)據(jù)遵循特定的分布，且不受少數(shù)異常值的干擾，非常適用于水文數(shù)據(jù)的趨勢(shì)分析。該檢驗(yàn)方法的原假設(shè)H_0為：時(shí)間序列數(shù)據(jù)無(wú)趨勢(shì)變化；備擇假設(shè)H_1為：時(shí)間序列數(shù)據(jù)存在趨勢(shì)變化。對(duì)于給定的年徑流量時(shí)間序列x_1,x_2,\cdots,x_n，首先計(jì)算檢驗(yàn)統(tǒng)計(jì)量S：S=\sum_{i=1}^{n-1}\sum_{j=i+1}^{n}\text{sgn}(x_j-x_i)其中，\text{sgn}(x_j-x_i)為符號(hào)函數(shù)，當(dāng)x_j-x_i>0時(shí)，\text{sgn}(x_j-x_i)=1；當(dāng)x_j-x_i=0時(shí)，\text{sgn}(x_j-x_i)=0；當(dāng)x_j-x_i<0時(shí)，\text{sgn}(x_j-x_i)=-1。接著計(jì)算統(tǒng)計(jì)量S的方差Var(S)：Var(S)=\frac{n(n-1)(2n+5)-\sum_{k=1}^{m}t_k(k-1)(2k+5)}{18}其中，n為樣本數(shù)量，m為數(shù)據(jù)中出現(xiàn)重復(fù)值的組數(shù)，t_k為第k組重復(fù)值的個(gè)數(shù)。然后計(jì)算標(biāo)準(zhǔn)正態(tài)統(tǒng)計(jì)量Z：Z=\begin{cases}\frac{S-1}{\sqrt{Var(S)}}&\text{???}S>0\\0&\text{???}S=0\\\frac{S+1}{\sqrt{Var(S)}}&\text{???}S<0\end{cases}在給定的顯著性水平\alpha下（通常取\alpha=0.05），若|Z|>Z_{1-\alpha/2}（Z_{1-\alpha/2}為標(biāo)準(zhǔn)正態(tài)分布的雙側(cè)分位數(shù)），則拒絕原假設(shè)H_0，認(rèn)為年徑流量存在顯著的趨勢(shì)變化；若|Z|\leqZ_{1-\alpha/2}，則接受原假設(shè)H_0，認(rèn)為年徑流量無(wú)顯著趨勢(shì)變化。通過(guò)對(duì)永定河上游年徑流量數(shù)據(jù)的計(jì)算，得到標(biāo)準(zhǔn)正態(tài)統(tǒng)計(jì)量Z=-2.56，在顯著性水平\alpha=0.05下，Z_{1-\alpha/2}=1.96，由于|Z|=2.56>1.96，因此拒絕原假設(shè)，表明永定河上游年徑流量在1980-2020年期間存在顯著的下降趨勢(shì)。從圖4-1可以直觀地看出，年徑流量整體呈下降態(tài)勢(shì)，部分年份雖有波動(dòng)，但下降趨勢(shì)明顯，這與前人研究中永定河流域徑流量減少的結(jié)論相符。圖4-1永定河上游年徑流量變化趨勢(shì)4.1.2季節(jié)性變化特征為深入了解永定河上游徑流在不同季節(jié)的變化規(guī)律和特點(diǎn)，對(duì)1980-2020年的月徑流量數(shù)據(jù)進(jìn)行分析，將一年劃分為春季（3-5月）、夏季（6-8月）、秋季（9-11月）和冬季（12月-次年2月）四個(gè)季節(jié)。采用距平分析法來(lái)分析各季節(jié)徑流量的變化。距平是指某一變量值與多年平均值的差值，能夠直觀地反映變量在不同時(shí)期相對(duì)于平均值的偏離程度。各季節(jié)徑流量距平計(jì)算公式為：A_{ij}=Q_{ij}-\overline{Q}_j其中，A_{ij}為第i年第j季節(jié)的徑流量距平，Q_{ij}為第i年第j季節(jié)的徑流量，\overline{Q}_j為第j季節(jié)的多年平均徑流量。通過(guò)計(jì)算各季節(jié)徑流量距平，并繪制距平變化圖（圖4-2），可以清晰地看出永定河上游徑流的季節(jié)性變化特征。夏季徑流量距平波動(dòng)較大，在某些年份出現(xiàn)較大的正距平，表明這些年份夏季徑流量明顯高于多年平均值，主要是因?yàn)橄募臼軚|南季風(fēng)影響，降水集中且強(qiáng)度大，容易形成較大的徑流。但從整體趨勢(shì)來(lái)看，夏季徑流量有逐漸減少的趨勢(shì)，這可能與氣候變化導(dǎo)致的降水模式改變以及人類(lèi)活動(dòng)對(duì)水資源的過(guò)度開(kāi)發(fā)利用有關(guān)。冬季徑流量距平相對(duì)較為穩(wěn)定，且大部分年份為負(fù)距平，說(shuō)明冬季徑流量通常低于多年平均值。冬季降水較少，氣溫較低，河流主要靠地下水補(bǔ)給，徑流量相對(duì)較小。隨著全球氣候變暖，冬季氣溫有所升高，可能導(dǎo)致蒸發(fā)量增加，進(jìn)一步減少了冬季徑流量。春季和秋季徑流量距平也呈現(xiàn)出一定的變化趨勢(shì)，春季徑流量在部分年份有所增加，這可能與春季氣溫回升，冰雪融化補(bǔ)給河流有關(guān)，但整體增加幅度不大。秋季徑流量則有減少的趨勢(shì)，這可能與秋季降水減少以及農(nóng)業(yè)灌溉用水增加等因素有關(guān)。圖4-2永定河上游各季節(jié)徑流量距平變化為進(jìn)一步分析各季節(jié)徑流量的變化趨勢(shì)是否顯著，運(yùn)用Mann-Kendall檢驗(yàn)法分別對(duì)四個(gè)季節(jié)的徑流量進(jìn)行趨勢(shì)檢驗(yàn)。結(jié)果表明，夏季徑流量在1980-2020年期間存在顯著的下降趨勢(shì)（Z=-2.15，\alpha=0.05時(shí)，Z_{1-\alpha/2}=1.96，|Z|>1.96），秋季徑流量也呈現(xiàn)出顯著的下降趨勢(shì)（Z=-1.98，|Z|>1.96），而春季和冬季徑流量變化趨勢(shì)不顯著（春季Z=-1.12，|Z|<1.96；冬季Z=-0.85，|Z|<1.96）。這說(shuō)明夏季和秋季徑流量的減少是永定河上游徑流季節(jié)性變化的主要特征，對(duì)流域水資源的季節(jié)分配和利用產(chǎn)生了重要影響。4.1.3突變點(diǎn)檢測(cè)利用Pettitt檢驗(yàn)法對(duì)永定河上游1980-2020年的年徑流量序列進(jìn)行突變點(diǎn)檢測(cè)。Pettitt檢驗(yàn)是一種用于檢測(cè)時(shí)間序列數(shù)據(jù)中突變點(diǎn)的非參數(shù)檢驗(yàn)方法，它基于數(shù)據(jù)的秩次信息，能夠有效地識(shí)別出數(shù)據(jù)序列中的突變年份。假設(shè)年徑流量時(shí)間序列為x_1,x_2,\cdots,x_n，Pettitt檢驗(yàn)的統(tǒng)計(jì)量U_{k}計(jì)算公式為：U_{k}=\sum_{i=1}^{k}\sum_{j=k+1}^{n}\text{sgn}(x_j-x_i)\quad(k=1,2,\cdots,n-1)其中，\text{sgn}(x_j-x_i)為符號(hào)函數(shù)，定義與Mann-Kendall檢驗(yàn)中的符號(hào)函數(shù)相同。統(tǒng)計(jì)量U_{k}的絕對(duì)值最大時(shí)對(duì)應(yīng)的k值，即為可能的突變點(diǎn)位置。然后計(jì)算檢驗(yàn)統(tǒng)計(jì)量K：K=\max_{1\leqk\leqn-1}|U_{k}|在給定的顯著性水平\alpha下，通過(guò)查閱Pettitt檢驗(yàn)的臨界值表，得到臨界值K_{\alpha}。若K>K_{\alpha}，則認(rèn)為在k對(duì)應(yīng)的年份存在突變點(diǎn)；若K\leqK_{\alpha}，則認(rèn)為不存在突變點(diǎn)。對(duì)永定河上游年徑流量數(shù)據(jù)進(jìn)行計(jì)算，得到統(tǒng)計(jì)量K=125，在顯著性水平\alpha=0.05下，查閱臨界值表得K_{\alpha}=105，由于K=125>105，表明永定河上游年徑流量序列存在突變點(diǎn)。進(jìn)一步分析發(fā)現(xiàn)，U_{k}絕對(duì)值最大時(shí)對(duì)應(yīng)的k=1995，即1995年為永定河上游年徑流量的突變點(diǎn)。從圖4-3中可以直觀地看出，1995年前后年徑流量發(fā)生了明顯的變化。在1995年之前，年徑流量雖有波動(dòng)，但整體維持在一定水平；1995年之后，年徑流量顯著下降，且波動(dòng)相對(duì)較小。這可能是由于1995年前后流域內(nèi)的氣候變化和人類(lèi)活動(dòng)發(fā)生了較大改變，如降水模式的變化、水利工程的建設(shè)、土地利用方式的調(diào)整等，這些因素共同作用導(dǎo)致了年徑流量的突變。圖4-3永定河上游年徑流量Pettitt檢驗(yàn)為了驗(yàn)證Pettitt檢驗(yàn)結(jié)果的可靠性，采用滑動(dòng)T檢驗(yàn)法對(duì)年徑流量序列進(jìn)行突變點(diǎn)再次檢測(cè)?；瑒?dòng)T檢驗(yàn)法的基本原理是將時(shí)間序列數(shù)據(jù)分成兩段，通過(guò)計(jì)算兩段數(shù)據(jù)均值的差異是否顯著來(lái)判斷是否存在突變點(diǎn)。設(shè)定滑動(dòng)窗口長(zhǎng)度為m（通常取m=10），從第1年開(kāi)始，依次向后滑動(dòng)窗口，計(jì)算每個(gè)窗口位置的T統(tǒng)計(jì)量：T=\frac{\overline{x}_1-\overline{x}_2}{\sqrt{\frac{(n_1-1)s_1^2+(n_2-1)s_2^2}{n_1+n_2-2}}\sqrt{\frac{1}{n_1}+\frac{1}{n_2}}}其中，\overline{x}_1和\overline{x}_2分別為滑動(dòng)窗口前后兩段數(shù)據(jù)的均值，n_1和n_2分別為兩段數(shù)據(jù)的樣本數(shù)量，s_1^2和s_2^2分別為兩段數(shù)據(jù)的方差。在給定的顯著性水平\alpha下，通過(guò)查閱t分布表得到臨界值T_{\alpha}。若|T|>T_{\alpha}，則認(rèn)為在該窗口位置存在突變點(diǎn)；若|T|\leqT_{\alpha}，則認(rèn)為不存在突變點(diǎn)。經(jīng)過(guò)計(jì)算，滑動(dòng)T檢驗(yàn)結(jié)果也表明1995年前后年徑流量存在顯著差異（|T|=2.35，\alpha=0.05時(shí)，T_{\alpha}=2.02，|T|>T_{\alpha}），與Pettitt檢驗(yàn)結(jié)果一致，進(jìn)一步證實(shí)了1995年是永定河上游年徑流量的突變點(diǎn)。4.2徑流空間分布特征4.2.1子流域徑流量差異為深入探究永定河上游徑流的空間分布特征，基于SWAT模型模擬結(jié)果，對(duì)流域內(nèi)不同子流域的徑流量進(jìn)行分析。永定河上游流域共劃分為[X]個(gè)子流域，各子流域由于地形、土地利用、氣候等因素的差異，徑流量呈現(xiàn)出明顯的空間分布不均。從空間分布來(lái)看，位于流域西北部山區(qū)的子流域徑流量相對(duì)較大，而東南部平原地區(qū)的子流域徑流量較小。以子流域A和子流域B為例，子流域A地處山區(qū)，地勢(shì)起伏較大，植被覆蓋率較高，主要為林地和草地。該子流域年平均徑流量達(dá)到[X1]立方米，這主要得益于山區(qū)豐富的降水以及良好的植被涵養(yǎng)水源作用。降水在山區(qū)形成地表徑流后，由于地勢(shì)陡峭，水流速度較快，能夠迅速匯聚成較大的徑流量；同時(shí)，茂密的植被根系能夠固定土壤，增加土壤的入滲能力，減少地表徑流的流失，使得更多的降水能夠轉(zhuǎn)化為地下徑流，進(jìn)一步補(bǔ)充了河川徑流。相比之下，子流域B位于平原地區(qū)，地勢(shì)平坦，土地利用以耕地和建設(shè)用地為主。其年平均徑流量?jī)H為[X2]立方米，遠(yuǎn)低于子流域A。平原地區(qū)降水相對(duì)較少，且降水后容易形成大面積的漫流，下滲量相對(duì)較小，大部分降水以地表徑流的形式迅速排出流域，導(dǎo)致徑流量較小。此外，耕地和建設(shè)用地的增加，使得地表的不透水面積增大，雨水的攔蓄能力下降，進(jìn)一步減少了徑流量。通過(guò)對(duì)各子流域徑流量的統(tǒng)計(jì)分析，發(fā)現(xiàn)徑流量最大值出現(xiàn)在子流域C，最小值出現(xiàn)在子流域D，最大值約為最小值的[X]倍。各子流域徑流量的變異系數(shù)為[X]，表明永定河上游不同子流域徑流量的差異較為顯著。這種徑流量的空間差異對(duì)流域內(nèi)的水資源分布和利用產(chǎn)生了重要影響。徑流量較大的子流域水資源相對(duì)豐富，能夠滿(mǎn)足當(dāng)?shù)剞r(nóng)業(yè)灌溉、生活用水和生態(tài)用水的需求；而徑流量較小的子流域則面臨水資源短缺的問(wèn)題，可能需要通過(guò)跨流域調(diào)水等措施來(lái)滿(mǎn)足用水需求。在進(jìn)行水資源規(guī)劃和管理時(shí)，需要充分考慮各子流域徑流量的差異，合理調(diào)配水資源，以實(shí)現(xiàn)水資源的優(yōu)化配置。4.2.2地形與土地利用對(duì)徑流的影響地形起伏和坡度是影響永定河上游徑流空間分布的重要因素。地形起伏較大、坡度較陡的區(qū)域，降水后形成的地表徑流流速較快，能夠迅速匯聚到河流中，使得徑流量相對(duì)較大。在山區(qū)，由于地勢(shì)高差大，河流落差明顯，水流湍急，降水能夠快速轉(zhuǎn)化為徑流，增加了徑流量。而在地勢(shì)平坦、坡度較小的區(qū)域，地表徑流流速較慢，下滲和蒸發(fā)作用相對(duì)較強(qiáng)，徑流量則相對(duì)較小。以某一典型山區(qū)子流域和典型平原子流域?yàn)槔?，山區(qū)子流域的平均坡度為[X]度，年平均徑流量為[X1]立方米；平原子流域的平均坡度僅為[X]度，年平均徑流量為[X2]立方米，山區(qū)子流域的徑流量明顯大于平原子流域。這表明地形起伏和坡度對(duì)徑流的形成和分布具有顯著影響，在進(jìn)行流域水文分析和水資源管理時(shí)，必須充分考慮地形因素。土地利用類(lèi)型的差異也對(duì)徑流空間分布產(chǎn)生重要影響。不同的土地利用類(lèi)型具有不同的下墊面特征，從而影響降水的截留、入滲和蒸發(fā)等過(guò)程，進(jìn)而影響徑流量。林地和草地對(duì)地表徑流有較強(qiáng)的攔蓄作用，能夠增加下滲量，減少地表徑流量。森林植被的樹(shù)冠可以截留部分降水，減少到達(dá)地面的降水量；同時(shí)，林地的枯枝落葉層和發(fā)達(dá)的根系能夠增加土壤的孔隙度，提高土壤的入滲能力，使更多的降水滲入地下，轉(zhuǎn)化為地下徑流。研究表明，林地的年徑流量相對(duì)較小，一般比裸地減少[X]%-[X]%。耕地由于經(jīng)常進(jìn)行耕作活動(dòng)，土壤較為疏松，下滲能力相對(duì)較強(qiáng)，但在降水強(qiáng)度較大時(shí)，也容易產(chǎn)生地表徑流。建設(shè)用地則主要由建筑物、道路等不透水表面組成，降水后幾乎全部形成地表徑流，下滲量極少。隨著城市化進(jìn)程的加快，建設(shè)用地面積不斷增加，導(dǎo)致地表徑流量顯著增加，而地下水補(bǔ)給減少。例如，某一區(qū)域在城市化過(guò)程中，建設(shè)用地面積從[X1]平方公里增加到[X2]平方公里，相應(yīng)的地表徑流量增加了[X]%，而地下水補(bǔ)給量減少了[X]%。為了進(jìn)一步分析土地利用對(duì)徑流的影響，利用SWAT模型進(jìn)行不同土地利用情景下的徑流模擬。設(shè)定基準(zhǔn)情景為當(dāng)前的土地利用狀況，情景1為將部分耕地轉(zhuǎn)換為林地，情景2為增加建設(shè)用地面積。模擬結(jié)果表明，在情景1下，徑流量較基準(zhǔn)情景減少了[X]%，主要是因?yàn)榱值孛娣e的增加增強(qiáng)了對(duì)降水的截留和入滲能力，減少了地表徑流的產(chǎn)生。在情景2下，徑流量較基準(zhǔn)情景增加了[X]%，這是由于建設(shè)用地的增加導(dǎo)致不透水面積增大，降水迅速形成地表徑流，增加了徑流量。這說(shuō)明土地利用類(lèi)型的改變會(huì)顯著影響徑流的空間分布和總量，在進(jìn)行土地利用規(guī)劃和水資源管理時(shí)，應(yīng)充分考慮土地利用變化對(duì)徑流的影響，合理調(diào)整土地利用結(jié)構(gòu)，以實(shí)現(xiàn)水資源的可持續(xù)利用。五、基于SWAT模型的徑流模擬與歸因分析5.1SWAT模型模擬結(jié)果分析5.1.1模擬徑流與實(shí)測(cè)徑流對(duì)比將率定和驗(yàn)證后的SWAT模型應(yīng)用于永定河上游流域，模擬1980-2020年的徑流過(guò)程，并與實(shí)測(cè)徑流數(shù)據(jù)進(jìn)行詳細(xì)對(duì)比分析，以全面評(píng)估模型在該流域的模擬性能。在月尺度上，選取具有代表性的年份進(jìn)行模擬徑流與實(shí)測(cè)徑流的對(duì)比。以2005年為例，圖5-1展示了該年模擬徑流與實(shí)測(cè)徑流的月變化情況。從圖中可以看出，模擬徑流能夠較好地捕捉到實(shí)測(cè)徑流的變化趨勢(shì)。在汛期（6-8月），實(shí)測(cè)徑流呈現(xiàn)明顯的上升趨勢(shì)，模擬徑流也能準(zhǔn)確地反映出這一變化，峰值出現(xiàn)的時(shí)間與實(shí)測(cè)徑流基本一致。例如，7月份實(shí)測(cè)徑流達(dá)到峰值[X1]立方米/秒，模擬徑流峰值為[X2]立方米/秒，兩者較為接近。在非汛期，模擬徑流也能較好地模擬出徑流的平穩(wěn)變化狀態(tài)。圖5-12005年模擬徑流與實(shí)測(cè)徑流月變化對(duì)比為了更直觀地評(píng)估模型在月尺度上的模擬精度，計(jì)算了2001-2020年模擬徑流與實(shí)測(cè)徑流的相關(guān)系數(shù)、納什效率系數(shù)（NSE）、均方根誤差（RMSE）和偏差百分比（PBIAS）等評(píng)價(jià)指標(biāo)。相關(guān)系數(shù)用于衡量模擬徑流與實(shí)測(cè)徑流之間的線(xiàn)性相關(guān)程度，其值越接近1，表明兩者的相關(guān)性越強(qiáng)。NSE用于評(píng)估模型模擬值與實(shí)測(cè)值的擬合程度，越接近1表示擬合效果越好。RMSE反映了模擬值與實(shí)測(cè)值之間的平均誤差程度，值越小說(shuō)明模擬結(jié)果越精確。PBIAS則用于評(píng)估模擬值相對(duì)于實(shí)測(cè)值的偏差方向和程度，其絕對(duì)值越小，表明模擬結(jié)果與實(shí)測(cè)值的偏差越小。經(jīng)計(jì)算，2001-2020年月尺度上模擬徑流與實(shí)測(cè)徑流的相關(guān)系數(shù)達(dá)到0.85，表明兩者具有較強(qiáng)的線(xiàn)性相關(guān)性。NSE為0.72，說(shuō)明模型在月尺度上對(duì)徑流的模擬效果較好，能夠較好地?cái)M合實(shí)測(cè)徑流的變化。RMSE為[X]立方米/秒，在可接受范圍內(nèi)，反映出模擬值與實(shí)測(cè)值之間的平均誤差較小。PBIAS為-8.5%，絕對(duì)值小于10%，表明模擬值與實(shí)測(cè)值的偏差較小，且模擬值略低于實(shí)測(cè)值。在年尺度上，對(duì)比1980-2020年模擬徑流與實(shí)測(cè)徑流的年徑流量。圖5-2顯示，模擬徑流與實(shí)測(cè)徑流的年變化趨勢(shì)基本一致，能夠較好地反映出年徑流量的總體變化情況。在徑流量較大的年份，模擬徑流也能準(zhǔn)確地模擬出較高的徑流量；在徑流量較小的年份，模擬結(jié)果也與實(shí)測(cè)值相符。例如，1990年實(shí)測(cè)年徑流量為[X3]立方米，模擬年徑流量為[X4]立方米，兩者相對(duì)誤差較小。圖5-21980-2020年模擬徑流與實(shí)測(cè)徑流年變化對(duì)比計(jì)算1980-2020年年尺度上模擬徑流與實(shí)測(cè)徑流的評(píng)價(jià)指標(biāo)，相關(guān)系數(shù)為0.88，NSE為0.78，RMSE為[X]立方米，PBIAS為-6.8%。這些指標(biāo)進(jìn)一步表明，SWAT模型在年尺度上對(duì)永定河上游徑流的模擬精度較高，能夠較為準(zhǔn)確地模擬年徑流量的變化，為后續(xù)的徑流變化歸因分析和預(yù)測(cè)提供了可靠的模擬結(jié)果。5.1.2模型不確定性分析為了全面評(píng)估SWAT模型在永定河上游流域應(yīng)用中的可靠性，深入開(kāi)展模型不確定性分析至關(guān)重要。本研究運(yùn)用敏感性分析、不確定性分析等方法，對(duì)模型參數(shù)的不確定性以及模型結(jié)構(gòu)和輸入數(shù)據(jù)的不確定性進(jìn)行綜合評(píng)估。在敏感性分析方面，采用拉丁超立方抽樣（LHS）和基于方差的Sobol法相結(jié)合的方式，對(duì)SWAT模型中的多個(gè)參數(shù)進(jìn)行敏感性分析。拉丁超立方抽樣是一種高效的抽樣方法，能夠在參數(shù)空間中均勻地抽取樣本點(diǎn)，從而全面地覆蓋參數(shù)的變化范圍。Sobol法是一種基于方差分解的全局敏感性分析方法，它通過(guò)計(jì)算每個(gè)參數(shù)對(duì)模型輸出方差的貢獻(xiàn)，來(lái)確定參數(shù)的敏感性。通過(guò)敏感性分析，確定了對(duì)徑流模擬結(jié)果影響較為顯著的參數(shù)，如徑流曲線(xiàn)數(shù)（CN2）、土壤蒸發(fā)深度調(diào)節(jié)因子（ESCO）、植被蒸騰吸水調(diào)節(jié)因子（EPCO）、坡面漫流的曼寧系數(shù)（OV_N）、壤中流運(yùn)行時(shí)間（LAT_TTIME）、基流消退系數(shù)（ALPHA_BF）、地下水滯后時(shí)間（GW_DELAY）等。這些參數(shù)的不確定性會(huì)對(duì)徑流模擬結(jié)果產(chǎn)生