SWAT模型实战：如何利用免费土壤与气象数据，完成一个完整的流域水文模拟？

SWAT模型实战：零成本构建流域水文模拟的全流程指南

当我在研究生阶段第一次接触SWAT模型时，最头疼的不是软件操作，而是动辄上千美元的专业数据采购费用。直到发现NASA和FAO等机构提供的免费数据宝库，才真正打开了水文模拟的大门。本文将分享如何完全基于公开数据源，完成从土壤气象数据获取到最终模拟的全套流程。

1. 免费数据源的黄金组合：构建SWAT输入的基础

水文模拟的准确性高度依赖输入数据质量，但商业数据往往价格不菲。经过多个项目验证，这套免费数据组合既能满足科研需求，又完全合法合规：

• 土壤数据 ：FAO的HWSD全球土壤数据库（1km分辨率）和SoilGrids（250m分辨率）互为补充。HWSD提供土壤物理化学属性，而SoilGrids提供更高空间分辨率的图层
• 气象数据 ：NASA的POWER项目提供1984年至今的全球日尺度气象数据，包含降水、温度、辐射等关键参数。对于中国区域，CMFD再分析数据也是优质选择
• 地形数据 ：NASA的SRTM 30m DEM和AW3D30 DSM覆盖全球，通过Google Earth Engine可以快速获取预处理后的数据

# 示例：通过Google Earth Engine获取SRTM数据
import ee
ee.Initialize()

dem = ee.Image('USGS/SRTMGL1_003')
task = ee.batch.Export.image.toDrive(
    image=dem,
    description='SRTM_DEM_Export',
    scale=30,
    region=your_study_area  # 需定义研究区几何对象
)
task.start()

注意：所有数据下载后需统一转换为WGS84地理坐标系或UTM投影坐标系，确