Abstract The objective of this study was to evaluate the impacts of static and dynamic land use input conditions on the performance of non-point source (NPS) model and find out whether dynamic land use input can improve the model accuracy. Soil and Water Assessment Tool (SWAT) model was selected as the evaluation model and seven different land use input conditions were set by setting the land use update file in SWAT. The results showed that the land use pattern in the study area changed from 2000 to 2015 due to climate change and human activities, leading to inconsistencies between different land use patterns. The calibrated results indicated that dynamic land use input conditions could apparently improve the simulation accuracy of total nitrogen (TN) and total phosphorus (TP). CE5Y condition had the best calibrated result with R2 and NSE larger than 0.7 and 0.6, respectively. However, for flow simulation, the land use input conditions had no apparent effect on the model calibration and validation results. The deviation analysis of the model outputs indicated that monthly outputs were more affected by the land use input conditions than annual outputs and that deviations in wet seasons were larger than those in normal and dry seasons. The highest MAD occurred in June and August with a value of 82.87 t and 1.56 t for TN and TP, respectively. This study revealed the importance to consider the land use change when simulating the NPS pollution, and could provide support for land use input settings of NPS pollution models.

中文翻译：

---

动态土地利用输入对改进 SWAT 模型性能和输出不确定性分析的影响

摘要 本研究的目的是评估静态和动态土地利用输入条件对非点源（NPS）模型性能的影响，并找出动态土地利用输入是否可以提高模型精度。选择Soil and Water Assessment Tool (SWAT) 模型作为评价模型，通过在SWAT 中设置土地利用更新文件，设置了7 种不同的土地利用输入条件。结果表明，2000—2015年受气候变化和人类活动影响，研究区土地利用格局发生变化，导致不同土地利用格局之间存在不一致。标定结果表明，动态土地利用输入条件可以显着提高总氮（TN）和总磷（TP）的模拟精度。CE5Y 条件的校准结果最好，R2 和 NSE 分别大于 0.7 和 0.6。然而，对于流动模拟，土地利用输入条件对模型校准和验证结果没有明显影响。模型产出的偏差分析表明，月产量受土地利用投入条件的影响大于年产量，雨季的偏差大于正常和旱季的偏差。最高的 MAD 发生在 6 月和 8 月，TN 和 TP 分别为 82.87 吨和 1.56 吨。本研究揭示了在模拟NPS污染时考虑土地利用变化的重要性，可为NPS污染模型的土地利用输入设置提供支持。土地利用输入条件对模型校准和验证结果没有明显影响。模型产出的偏差分析表明，月产量受土地利用投入条件的影响大于年产量，雨季的偏差大于正常和旱季的偏差。最高的 MAD 发生在 6 月和 8 月，TN 和 TP 分别为 82.87 吨和 1.56 吨。本研究揭示了在模拟NPS污染时考虑土地利用变化的重要性，可为NPS污染模型的土地利用输入设置提供支持。土地利用输入条件对模型校准和验证结果没有明显影响。模型产出的偏差分析表明，月产量受土地利用投入条件的影响大于年产量，雨季的偏差大于正常和旱季的偏差。最高的 MAD 发生在 6 月和 8 月，TN 和 TP 分别为 82.87 吨和 1.56 吨。本研究揭示了在模拟NPS污染时考虑土地利用变化的重要性，可为NPS污染模型的土地利用输入设置提供支持。模型产出的偏差分析表明，月产量受土地利用投入条件的影响大于年产量，雨季的偏差大于正常和旱季的偏差。最高的 MAD 发生在 6 月和 8 月，TN 和 TP 分别为 82.87 吨和 1.56 吨。本研究揭示了在模拟NPS污染时考虑土地利用变化的重要性，可为NPS污染模型的土地利用输入设置提供支持。模型产出的偏差分析表明，月产量受土地利用投入条件的影响大于年产量，雨季的偏差大于正常和旱季的偏差。最高的 MAD 发生在 6 月和 8 月，TN 和 TP 分别为 82.87 吨和 1.56 吨。本研究揭示了在模拟NPS污染时考虑土地利用变化的重要性，可为NPS污染模型的土地利用输入设置提供支持。