基于SWAT模型的那棱格勒河流域径流模拟及水量平衡分析.pdf

刘兆峰，王建萍，韩进军，等.基于SWAT模型的那棱格勒河流域径流模拟及水量平衡分析 J.盐湖研究，2024，32（1）：48-56.Liu Z F，Wang J P，Han J J，et al.Runoff simulation and water balance analysis in the Nalenggele River Basin using the SWAT Model J.Journal ofSalt Lake Research，2024，32（1）：48-56.DOI：10.12119/j.yhyj.202401006基于SWAT模型的那棱格勒河流域径流模拟及水量平衡分析刘兆峰1，2，3，王建萍1，2*，韩进军1，2，陈元军4（1.中国科学院青海盐湖研究所，中国科学院盐湖资源综合高效利用重点实验室，青海 西宁810008；2.青海省盐湖地质与环境重点实验室，青海 西宁810008；3.中国科学院大学，北京100049；4.青海中信国安锂业发展有限公司，青海 格尔木816000）摘要：那棱格勒河是柴达木盆地内流域面积和流量最大的内陆河流。本文在那棱格勒河上游构建了SWAT分布式水文模型，采用SUFI-2算法进行参数敏感度分析、率定和验证，对19792018年的月值径流量进行模拟分析。结果表明，敏感度最强的前3个参数依次为融雪基温、降雪气温及气温直减率，在率定期和验证期决定系数R和Nash-Sutcliffe效率系数分别高于0.81和0.65。水量平衡分析结果显示19792018年流域的蒸发量、地表径流量、地下水补给量、地下侧流量分别占降水的92.30%、17.76%、16.18%和5.84%。表明流域内径流量主要来自冰雪融水，各水量平衡分量受温度影响较大。降水量变化趋势与地表径流量变化趋势较一致，说明降水转化为径流的时间较短。本研究对那棱格勒河流域水文研究及水资源调控具有参考意义。关键词：径流模拟；SWAT模型；径流成分；那棱格勒河流域中图分类号：P333.1文献标识码：A文章编号：1008-858X（2024）01-0048-09深入研究径流量模拟有利于了解流域内水资源分布状况，规划和管理流域水资源，为水资源时空合理调配提供参考依据1。研究径流的发生发展过程对于水质和水量的定量预报至关重要，并为流域内防洪防旱做出预警。水文模拟是水文科学研究重要的方法之一，水文模型作为研究径流过程的有效工具，在水文领域的作用日益凸显。目前全世界已开发许多基于集总式、半分布式、分布式水文模型，其在不同的流域取得了较好的应用效果。如邵成国等2在乌鲁木齐河流域运用有融雪结构的新安江模型进行了径流模拟；高红凯等3对长江源区有冰川覆盖的冬克玛底河流域进行日径流模拟试验，得到流域冰川物质平衡变化；吕栋等4在黄泥庄流域应用了 VIC 模型，探讨了该模型在中小尺度流域上的适用性并对径流进行模拟；李抗彬等5通过对 TOP-MODEL 模型的蒸发产流模块以及汇流模块进行改进，使其适用于半湿润地区降雨径流模拟；Gomez-landesa 等6在西班牙的庇里牛斯山地区应用 SRM 模型模拟了流域雪水当量的变化，预测了多个盆地的每日流量。与这些水文模型相比，SWAT模型能够与 GIS 软件集成，在国内外应用广泛，能够利用遥感影像提供的空间信息模拟多种不同的水文物理化学过程7。SWAT 模型可以很好的反应不同水文要素和下垫面分布的不均匀性8，在流域水文平衡、长期的地表径流模拟等方面得到了广泛的应用9。国内外对该模型展开了广泛的研究，孟现勇等研究了 CMADS 数据集在东亚地区的适用性10，并在黑河流域所属高寒山区进行应用验证11；李帅等12在宁夏清水河流域应用 SWAT 模型发现气候变化主要通过降雨量和温度变化调控径流量；张菡等13在海拔高差悬殊的岷江上游地区应用 SWAT 模型模拟了日径流变化并基于模型计算气象干旱指收稿日期：2023-08-22；修回日期：2023-09-18基金项目：中国科学院重点部署项目（ZDRW-ZS-2020-3）；第二次青藏高原综合科学考察研究（2019QZKK0805-02）；青海省自然科学基金团队项目（2022-ZJ-903）作者简介：刘兆峰（1996-），男，硕士研究生，主要研究方向为水文地质方向。Email：。通讯作者：王建萍（1972-），女，博士，研究员，主要从事自然资源管理与评价。Email：。第 32 卷第 1 期2 0 2 4年 2 月JOURNAL OF SALT LAKE RESEARCH盐湖研究Vol.32 No.1Feb.2024刘兆峰，等：基于SWAT模型的那棱格勒河流域径流模拟及水量平衡分析第1期数；Kassem 等在伊拉克库尔德斯坦地区使用 SWAT和人工神经网络 ANN 耦合模型进行日径流量的预测，结果显示其精度均优于单一模型14；Li 等使用了卫星遥感降雨产品作为降水量输入 SWAT 模型进行径流量模拟，并对比了气象站实测数据的模拟结果，为无资料地区水文模拟提供了借鉴15。北方高纬度寒区由于特殊的气候和下垫面条件，径流过程往往存在较大的非线性16。受到地理条件的限制，很多高山地区都缺少观测资料，目前现有的无资料地区的水文模拟方法主要是利用水文系统响应、数理统计以及水文模型等研究方法。水文系统响应和数理统计的方法缺乏水文物理基础，很难获取水文时空变异特征以及反映不同尺度的气候、下垫面因素对水文过程控制作用的机理17。为了能更好的在严重稀缺资料地区开展水文模拟，选取 CFSR 数据集（Climate Forecast System Reanalysic）作为模型输入18，订正后的降雨数据能较好地实现模拟。那棱格勒河上游流域属于典型的冰雪融水补给山区，且资料较为匮乏，水文方面的研究缺少，王涛在那棱格勒河流域建立了 TOPKAPI 模型进行该流域 1993 年月流量水文模拟19，由于气象水文等资料匮乏，不能对模型进行有效调试。本文在结合多种研究方法的前提下，建立适合该流域产汇流的SWAT 模型，为验证模型适用性，优化模拟效果，尤其在数据资料缺失或者精度不够时，采用顺序不确定拟 合 算 法（Sequential Uncertainty Fitting Version2，SUFI-2）进行参数率定20，使用拉丁超立方体随机采样法（Latin hypercube sampling），通过较少迭代次数抽样来准确重建输入分布，在多次模拟后得到一组最优模拟数值21，模拟结果是由一组模型参数决定而非单一参数，能通过不断模拟减少参数不确定性的范围，使得模拟结果不断接近实测值。将 SWAT模型应用于那棱格勒河流域，在分析流域水文要素的基础上，对该流域的径流进行模拟，研究那棱格勒河流域山区水量要素的变化规律，为今后水资源的开发利用及调配提供参考依据。1研究区域概况那陵格勒河（9240E9315E，3640N3715N）位于青藏高原柴达木盆地西南部，流域发源于昆仑山脉的布喀达坂峰，该河是山前冲洪积平原上的一条常年性河流，全长 435 km，是柴达木盆地流域面积和水量最大的内陆河22（图 1）。那棱格勒河源区位于东昆仑阿尔金断裂碰撞交汇地带，补给水源主要是高山冰雪融水。高海拔的山间盆地发育有很多盐湖，如勒斜武旦湖、西金乌兰湖、太阳湖、可可西里湖、库塞湖等，这些盐湖的矿产资源是支撑当地经济发展的命脉23。该流域气候具有多大风、蒸发强烈、气温低、降水极少、冬长夏短、昼夜温差大等特点，属于典型高原内陆高寒干旱气候。上游地段河谷狭窄，水流清澈，接受地下水、降水和夏季冰川融水的补给，全年有水；中游为季节性河流，流出山口后迅速渗入地下，地表水补给地下水；下游又重新溢出地表，形成集泉河，其中最大的有台吉乃尔河与乌图美仁河，最终注入台吉乃尔湖24。河流径流量呈现明显的季节性变化规律。河流径流量最枯时期一般为每年 10 月至翌年 3 月，河流仅接受山区内地下水补给，径流量小且较为稳定；4 月份后，随着气温升高，冰雪融化，河流接受冰雪融水及山区地下水补给，径流量逐渐增大；59 月份为河流径流量最丰时期，也是降水最集中的雨季，降水直接补给河水，河流径流量显著增大，7 月中旬至 8 月末达到最大；后续气温降低，降水减少，河流径流量也不断减少，10月份以后进入河流枯水期25。2数据来源及SWAT模型构建2.1数据来源及处理在那棱格勒河流域建立的分布式水文模型SWAT 模型需要输入 DEM、土壤数据、土地利用数据以及气象数据，模型所需数据和用途详见表 1。通过GIS 和数理统计等手段将数据处理并添加到模型所需的属性及空间数据库中以便使用。910 0 东920 0 东930 0 东370 0 北360 0 北910 0 东920 0 东930 0 东370 0 北360 0 北040 km高程59805322496045894228385734953134图例水文站河流边界N图1研究区地理位置图Fig.1Location of the study area49盐湖研究第 32卷研究区 DEM 数据使用地理空间数据云分辨率为 30 m30 m 的 GDEM 格式的数字高程数据，反映地形、河网和子流域等水文相关信息，基于 GIS 平台，对该数据进行拼接、剪裁、投影、提取等操作，制作模型所需的数据资料。土地利用数据来源为清华大学土地利用监测数据，分辨率为 10m，按照 SWAT模型里面的土地利用分类标准并将其重新进行分类，划分为草地、水域、裸地 3 类（见图 2），其中草地占 43.1%，水域占 3.2%，裸地占 53.7%。土壤数据采用全球土壤数据库（HWSD）中的中国土壤数据集，空间分布率为 1 km1 km。在SWAT 模型中构建土壤数据库需要的土壤参数如土壤湿密度、有效持水量、饱和导水率等由 SPAW 软件计算得到26。研究区经过重新分类后的土壤类型有15 种（见图 2），得到该区域的土壤类型主要为薄层土、雏形土、砂性土、黑土和潜育土。2.2子流域划分及水文单元确定SWAT 模型可以在水文响应单元的尺度上进行地表径流、入渗、地下水、融雪径流、蒸散发等多种过程的模拟27，在输入研究区域水文气象资料、土地利用及土壤数据、数字高程数据之后，利用 SWAT 模型流域划分模块将那棱格勒河流域上游流域划分为 45个子流域（见图 3）。水文响应单元（HRU）是模型汇流演算及计算水量平衡的最小单元，是指下垫面单一均匀的区域，可以用来反映不同土地利用类型、土壤类型和坡度组合的空间异质性。本次研究在划分水文单元时，通过设置阈值的方式，将小于阈值的部分按照比重分配到大于该阈值的土地利用状况、土壤特性和地形坡度数据当中，其中土地利用阈值设为 10%，土壤类型阈值设为 10%，坡度阈值设为10%28，将研究流域划分为 613 个水文响应单元，计算各个子流域面积、坡长、坡度变化等参数。地表径流的计算在 SWAT 模型中采用美国农业部水土保持局（Soil Conservation Service）研制的SCS 径流曲线方法计算29，是用于估算无资料地区径流量的经验模型。SCS 法计算过程简单，需要参910 0 东370 0 北920 0 东930 0 东360 0 北370 0 北360 0 北910 0 东920 0 东930 0 东910 0 东920 0 东930 0 东370 0 北360 0 北370 0 北360 0 北N03060 km03060 kmN图例草地水体雪地裸地图例简育砂性土过渡性红砂土黑色石灰薄层士石灰性疏松岩性士石灰性黑土潜育黑土松软潜育土永冻薄层土永冻雏形土永冻薄层土永冻薄层土永冻层土黑色石灰薄层土水体图2土地利用数据分布图，土壤属性数据分布图Fig.2Land use of the study area，soil type of the study area表1模型数据类型及来源Table 1Model data type and source数据类型数字高程DEM土壤数据土地利用数据气象数据水文数据分辨率30 m1 000 m10 m日值月值数据来源地理空间数据云HWSD全球土壤数据库清华大学土地监测数据CFSR数据集H19测站数据用途生成河网、划分流域构建土壤数据库制作HRU构建属性数据库径流模拟子流域出口水文站子流域流域边界Watershed1235467910131617191815353637301211143132292026272822242921233443404244413345图3那棱格勒河流域子流域划分Fig.3Nalenggele river basin sub-watershed division50刘兆峰，等：基于SWAT模型的那棱格勒河流域径流模拟及水量平衡分析第1期数较少，资料易获取，对观测数据的要求不严格，并有效地考虑了不同流域下垫面的特点。CN 值（Curve number）是 SCS 法的主要参数，可将前期土壤湿润程度、坡度、土壤类型和土地利用现状等综合在一起后用量的指标来反映下垫面对产汇流过程的一个影响30。计算原理为S=(25 400/CN)-254In=0.2SQsurf=()Rday-In2/()Rday-In+S,Rday 0.2S;Qsurf=0,Rday0.7，NSE0.5，就认为模拟效果较好36，从模型的适应性评价指标可知，P 因子和 R 因子在率定期和验证期也均符合要求，证明 SWAT 模型能较好地模拟那棱格勒河流域的水文径流过程。3.2径流恢复重建及水量平衡分析流域的水循环过程对区域水量水质有着重要的影响，对于区域生态环境的可持续发展起到重要作用37，流域的水量平衡中的各个分量对于资料缺少地区来说观测非常困难，通过借助水文模型的手段，可以探求各分量的分配。流域的水量平衡是指在任意时间段内流域获得水量与支出水量之间的差额为该时间段内蓄水的变化量，通过 SWAT-CUP 对那棱表3月径流模拟结果精度评价Table 3Evaluation of monthly runoff simulation results时间段率定期验证期评价因子P-因子0.570.47R-因子0.500.42R0.830.71NSE0.810.652011/012011/032011/052011/072011/092011/112012/012012/112012/032012/052012/072012/09时间模拟径流/（m3/s）2019/012019/032019/052019/072019/092019/112020/012020/112020/032020/052020/072020/09时间实测径流模拟径流实测径流模拟径流水量250200150100500水量25020015010050018016014012010080604020200175150125100755025y=0.87x+5.95，R2=0.83模拟径流/（m3/s）实测径流/（m3/s）y=0.79x+14.53，R2=0.710255075100125150175实测径流/（m3/s）255075100125150 175200a、c分别为率定期、验证月径流量实测值和模拟值；b、d分别为率定期、验证期实测径流拟合效果图图4那棱格勒河流域SWAT模型径流模拟情况Fig.4Rate regular runoff simulation of SWAT model in Nalenggele River52刘兆峰，等：基于SWAT模型的那棱格勒河流域径流模拟及水量平衡分析第1期格勒河上游流域模型参数校准和率定后，将验证识别后的参数带入到 SWAT 模型种再次模拟，借此分析那棱格勒河上游流域的水量平衡38，其水量平衡关系式如下：S=PREC+SNOMELT-SURQ-LATQ-PERC-ET（3）式中 S 为土壤储存水变化量（mm），PREC 为流域降水量（mm），SNOMELT 为融雪量，SURQ 为地表径流量（mm），PERC 为土壤对地下水补给量（mm），LATQ为地下侧流量（mm），ET 为实际蒸散发量（mm）。通过模拟得到那棱格勒河流域 19792018 年年平均水量平衡分析结果，结合表 4 得知：各分量所占比例大小依次为蒸散发量、融雪量、地表径流量、地下水补给量、地下侧流量，而那棱格勒河流域上游山区可以忽略人为影响，可认为土壤平均含水量保持不变，土壤水变化量为 0；那棱格勒河流域的上游区域中，实际的蒸散发是流域水量中主要的输出项，占年均降水量的 92.30%；融雪量占降水量的 78.96%，可知流域的径流组成中冰雪融水所占比例较大，同湿润区有很明显的差异39，地表径流略大于地下径流。表4那棱格勒河流域年平均水量平衡表Table 4 Average annual water balance table for the Nalenggele river basin197920181979198019811982198319841985198619871988198919901991199219931994199519961997199819992000200120022003200420052006200720082009201020112012201320142015201620172018平均值比例/%降水量409.88405.83420.18367.65395.08414.00367.29376.71361.82368.06383.71358.65411.65387.49412.77436.86423.56389.18438.51407.59438.50453.19413.17443.82438.81395.78421.29466.69396.06429.77467.94341.32410.34381.51377.65426.12361.03360.85364.19382.30402.67-融雪量317.84330.56337.45275.36306.75323.15278.13285.75283.58277.93295.81265.97337.52292.56341.47364.33341.75303.46359.43320.03355.31371.01323.08356.05349.24321.17334.48385.53313.95348.19375.37252.73338.84288.89301.86328.59277.87282.76267.71306.33317.9478.96蒸发量453.16371.74411.12317.57363.70394.01354.37336.53308.65327.98347.40315.44405.28329.25396.87427.22395.12342.49428.33375.95417.03425.94385.28422.91412.19362.89389.85463.62348.99399.80444.54270.11392.20329.12340.72389.41287.99313.82320.07347.27371.6592.30地表径流量30.3772.7850.70109.8296.0899.1635.7253.7666.9652.2851.5857.5149.2875.1966.7669.4963.2373.0559.8855.8161.7776.2777.9271.3166.0358.6066.0163.0866.4357.8860.1794.2366.9153.6474.2972.9061.1253.0138.4577.5071.5117.76地下水补给量68.2380.9787.4560.8264.4573.8950.3351.0255.3251.4457.6548.6078.9457.8489.3898.5588.9168.1187.2766.6991.2192.8967.9987.7880.3773.2278.6488.4567.6992.6498.5052.5784.5859.3869.9673.5861.6257.8451.0374.6165.1716.18地下侧流量3.7425.6914.3023.5117.2920.1415.9424.0325.1623.3023.9730.4215.1340.6011.9715.7123.4928.3615.0019.5728.3632.1823.7518.8828.1428.1626.9220.3831.8723.4126.3024.4615.8738.3618.5623.4437.3631.3222.0323.7123.525.8453盐湖研究第 32卷利用模拟结果来分析 19792018 年年均水量平衡，在那棱格勒河上游年平均降水量为 402.67 mm；融雪量为 317.94，占年均降水量的 78.96%，融雪量与降雨量年际变化较小，呈负相关关系，在降雨量最低年份相对应的融雪量值最高；蒸发量 371.65 mm，占年均降水量的 92.30%，年际变化较小；地表径流量71.51 mm，占年均降水量的 17.76%，且受到降水影响较大；地下水补给量 65.17 mm，占年均降雨量的16.18%，受到融雪量影响较大，说明该地区土壤对地下水的补偿量主要来自于山区融雪汇水；地下侧流量为 23.52 mm，占降水量的 5.84%；各水量要素总体呈现夏季最大，冬季最小。图 5 显示 19792018 年各月水量平衡分量平均值，揭示较明显的季节变化特征及差异。其中蒸发量是流域水平衡的主要支出量，融雪量、蒸发量、地表径流量、地下水补给量的最大值都分布在夏季 7 月份，分别为64.19 mm、52.52 mm、20.26 mm、23.33 mm，地下侧流量的最大值分布在秋季 8月份，为 9.83 mm，地下侧流量的形成为坡地表面水下渗至土壤积蓄于相对不透水层的上部，从而引起侧向水流运动，由于在短历时内没有地下测流发生，与地表径流量等直接补给的分量相比时间相对延后。各水量平衡分量最小值分布在冬季 1 月份，分别为 1.73 mm、14.53 mm、0.59 mm、0.02 mm、0.01 mm。月平均蒸发量最高为当月平均降水量的 6.9 倍，夏季（57 月）蒸发量占降水量的比例为全年最低；各个分量的变化趋势受温度影响比较大，冬季变化很小，随着温度上升至夏季变化较为突出，基本上与年内降雨量变化趋势一致，呈现单峰型变化。那棱格勒河流域径流年内丰枯变化规律明显，冬季径流量很小，春季后开始显著增长，夏季达到最大，这是由于气温的上升导致冰雪融水的速度增快，径流也迅速增大，说明该流域冰雪融水是径流的重要组成部分。4结论本文以那棱格勒河为研究对象，利用水文、气象、土地等数据驱动 SWAT 模型进行了那棱格勒河流域上游径流模拟，准确模拟了流域的水量平衡，分析了水文要素的变化情况，包括流量、蒸散发、降水等因素来优化水资源的分配和管理。模型在那棱格勒河流域具有良好的适用性，为未来该流域的水资源调控提供了科学依据，对其他资料缺失地区的水文特征模拟和预测具有一定的借鉴意义。研究得出的结论如下：1）从参数敏感性分析的结果中可以看到，敏感度最高的是融雪基温 SMTMP，指示流域冰雪融水的最低气温，其 t-Stat 值为 7.54，绝对值远高于其它 12个参数，P-Value 值为零；敏感度最低的是主河道有效渗透系数 CN-K2，其 t-Stat 值为 1.05，P-Value 值为 0.3。2）SWAT 模型在那棱格勒河流域上游适用性较好，运行结果较稳定，在流域径流模拟过程中，率定阶段确定性系 R为 0.83，Nash-Sutcliffe 效率系数为0.81，验证阶段 R为 0.71，Nash-Sutcliffe 效率系数为0.65。模拟精度较好，模拟结果满足要求，说明该流域构建的 SWAT 模型能较好的模拟流域内的产汇流规律，可以用于区域水文规律预测及水资源评价工作等。3）那棱格勒河流域年平均水量平衡分量中，年蒸散发量所占比重最大，是主要的输出项，融雪量所占比重其次，表明冰雪融水是那棱格勒河径流的重要组成部分；流域月各水量平衡分量的变化趋势符合内陆高寒山区下的变化规律，受到温度的影响较大，变化量在夏季最大，冬季最小。参考文献：1 刘睿，霍艾迪，H C X，等.基于SUFI-2算法的SWAT模型在陕西黑河流域径流模拟中的应用 J.干旱地区农业研究，2014，32（5）：213-217+222.降雨量融雪量蒸散发量地表径流量地下测流量地下水补给量9080706050403020100水量月份123456789101112注：那棱格勒河流域季节划分为春季（24月）、夏季（57月）、秋季（810月）、冬季（111月）图519792018月平均水量分布Fig.5Monthly distribution of elements in theNalenggeleriver basin from 1979 to 201854刘兆峰，等：基于SWAT模型的那棱格勒河流域径流模拟及水量平衡分析第1期2 邵成国，姜卉芳，田龙.新安江模型在乌鲁木齐河径流模拟中的运用 J.人民长江，2014，45（S1）：15-17.3 高红凯，何晓波，叶柏生，等.19552008年冬克玛底河流域冰川径流模拟研究 J.冰川冻土，2011，33（1）：171-181.4 吕栋，吕海深，朱永华，等.基于VIC的中小尺度黄泥庄流域径流模拟 J.人民黄河，2014，36（11）：22-25.5 李抗彬，沈冰，宋孝玉，等.TOPMODEL模型在半湿润地区径流模拟分析中的应用及改进 J.水利学报，2015，46（12）：1453-1459.6 Gmez-landesa E，Rango A.Operational snowmelt runoff forecasting in the Spanish Pyrenees using the snowmelt runoffmodel J.Hydrological Processes，16（8）：1583-1591.7 陈军锋，陈秀万.SWAT模型的水量平衡及其在梭磨河流域的应用 J.北京大学学报（自然科学版），2004（2）：265-270.8 刘洪延.SWAT 模型研究及应用进展 J.亚热带水土保持，2019，31（2）：34-37.9 Eckhardt K，Arnold J G.Automatic calibration of a distributedcatchment modelJ.Journal of Hydrology，2001，251（1-2）：103-109.10Meng，Wang，Chen.Profound Impacts of the China Meteorological Assimilation Dataset for SWAT model（CMADS）J.Water，2019，11（4）：832.11孟现勇，师春香，刘时银，等.CMADS数据集及其在流域水文模型中的驱动作用以黑河流域为例 J.人民珠江，2016，37（7）：1-19.12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）：1252-1260.13 张菡，赵金鹏，郭斌.基于SWAT模型的岷江上游流域水文模拟与干旱评估 J.高原山地气象研究，2022，42（1）：95-101.14 Kassem A A，Raheem A M，Khidir K M，et al.Predicting ofdaily Khazir basin flow using SWAT and hybrid SWAT-ANNmodels J.Ain Shams Engineering Journal，2020，11（2）：435-443.15 Li D，Christakos G，Ding X，et al.Adequacy of TRMM satelliterainfall data in driving the SWAT modeling of Tiaoxi catchment（Taihu lake basin，China）J.Journal of Hydrology，2018，556：1139-1152.16 王树才.SWAT模型在北方高寒地区径流模拟中的适用性研究 J.人民珠江，2017，38（7）：61-64.17潘杰，胡尊乐，谷洪彪，等.基于SWAT模型的辽西走廊海岸带无观测资料流域地表径流模拟 J.水文，2009，29（6）：62-64+80.18于宴民，穆振侠.CFSR数据在高寒山区径流模拟中的适用性J.灌溉排水学报，2015，34（11）：93-97.19 王涛.柴达木盆地那棱格勒河流域水文情况研究 D.北京：中国科学院研究生院（青海盐湖研究所），2007.20陈长征，甘容，杨峰，等.基于SWAT的径流模拟参数优化方案及不确定性分析 J.人民长江，2022，53（7）：82-89.21 Gupta H V，Sorooshian S，Yapo P O.Toward improved calibration of hydrologic models：Multiple and noncommensurablemeasures of information J.Water Resources Research，1998，34（4）：751-763.22陈宗颜，黄勇，鄂崇毅.那陵格勒河流域地下水资源开发利用方案分析 J.青海师范大学学报（自然科学版），2018，34（2）：48-54.23谭红兵，陆是成，拓万全，等.柴达木盆地那棱格勒河流域的水资源与矿源意义 J.河海大学学报（自然科学版），2020，48（5）：392-397.24李庆宽.多指标约束下的那棱格勒河流域及其尾闾盐湖锂的物源与迁移富集规律研究 D.北京：中国科学院大学（中国科学院青海盐湖研究所），2020.25常秋芳.青藏高原风成沉积和那陵格勒河流阶地释光年代学及环境意义 D.北京：中国科学院大学（中国科学院青海盐湖研究所），2017.26 魏怀斌，张占庞，杨金鹏.SWAT 模型土壤数据库建立方法J.水利水电技术，2007，（6）：15-18.27 Schmalz B，Fohrer N.Comparing model sensitivities of different landscapes using the ecohydrological SWAT model J.Advances in Geosciences，21：91-98.28 陈富洪.格尔木河地表径流时间序列分析和基于 SWAT模型的模拟研究 D.北京：中国科学院西北生态环境资源研究院，2021.29房孝铎，王晓燕，欧洋.径流曲线数法（SCS法）在降雨径流量计算中的应用以密云石匣径流试验小区为例 J.首都师范大学学报（自然科学版），2007，（1）：89-92+102.30杨桂莲，郝芳华，刘昌明，等.基于SWAT模型的基流估算及评价以洛河流域为例 J.地理科学进展，2003，（5）：463-471.31Jin X，Zhang L，Gu J，et al.Modelling the impacts of spatial heterogeneity in soil hydraulic properties on hydrological processin the upper reach of the Heihe River in the Qilian Mountains，Northwest ChinaJ.Hydrological Processes，2015，29（15）：3318-3327.32 Hosseini S H，Khaleghi M R.Application of SWAT model andSWAT-CUP software in simulation and analysis of sediment uncertainty in arid and semi-arid watersheds（case study：theZoshk-Abardeh watershed）J.Modeling Earth Systems andEnvironment，2020，6（4）：2003-2013.33 Abbaspour K C.SWAT-CUP4：SWAT Calibration and Uncertainty Programs-A User Manual Z.Eawag Swiss Federal Institute of Aquatic Science and Technology，2011.34李慧，靳晟，雷晓云，等.SWAT模型参数敏感性分析与自动率定的重要性研究以玛纳斯河径流模拟为例 J.水资源与水工程学报，2010，21（1）：79-82.35 张余庆，陈昌春，杨绪红，等.基于SUFI-2算法的SWAT模型在修水流域径流模拟中的应用 J.水电能源科学，2013，31（9）：24-28.36王海龙，余新晓，武思宏，等.SWAT模型灵敏度分析模块在黄土高原典型流域的应用 J.北京林业大学学报，2007，（S2）：238-242.37朱明飞，刘海隆.基于SWAT模型干旱区内陆河流域径流成分的模拟分析以玛纳斯河上游为例 J.石河子大学学报（自然科学版），2018，36（1）：89-94.38 夏智宏，周月华，许红梅.基于SWAT模型的汉江流域径流模拟 J.气象，2009，35（9）：59-67+132.39王胜，许红梅，高超，等.基于SWAT模型分析淮河流域中上游水量平衡要素对气候变化的响应 J.气候变化研究进展，2015，11（6）：402-411.55盐湖研究第 32卷Runoff Simulation and Water Balance Analysis in the Nalenggele River BasinUsing the SWAT ModelLIU Zhaofeng1，2，3，WANG Jianping1，2*，HAN Jinjun1，2，CHEN Yuanjun4（1.CAS Key Laboratory of Comprehensive and Highly Efficient Utilization of Salt Lake Resources，QinghaiInstitute of Salt Lakes，Chinese Academy of Sciences，Xining，810008，China；2.Qinghai Provincial KeyLaboratory of Geology and Environment of Salt Lakes，Xining，810008，China；3.University of ChineseAcademy of Sciences，Beijing，100049，China；4.CiticGuoan Qinghai Lithium Development Co.Ltd.，Golmud，816000，China）Abstract：The Nalenggele River is the largest inland river in terms of both drainage area and runoffin theQaidam Basin.In this study，we developed a distributed hydrological model，SWAT，and employed theSUFI-2algorithmtoperformparametersensitivityanalysis，calibration，andvalidation，conductingsimulationanalyses on monthly runoff data of the upper reaches of the NalenggeleRiver，spann