基于水文模型模拟河流径流对气候变化的响应(Ⅰ)

水文模型包括集总式水文模型分布式水文模型

集总式水文模型是一种基于水文学原理和统计学方法的水文模型,通过对流域内各个子区域水文过程进行集成,预测流域径流量的变化。该模型通常包括降雨输入、蒸散发、土壤水分、地下水和径流等组成部分,并考虑了流域内的时间和空间变异性。常见的集总式水文模型有SAC(Soil and Water Assessment Tool)、SVMM(Storm Water Management Model)和HBV(Hydrologiska Byråns Vattenbalansavdeling)等。传统的集总式水文模型很难直接利用气候模型的输出结果,因此需要用到分布式水文模型。

分布式水文模型是是一种基于地理信息系统(GIS)和数值计算方法的水文模型,将流域划分为多个子流域,并考虑每个子流域内水文过程的时空变化。与集总式水文模型不同,分布式水文模型考虑了流域内地形、土地利用、降雨分布等因素对径流产生的影响,能够更准确地预测流域水循环过程及其变化趋势。常见的分布式水文模型包括TOPMODEL、VIC(Variable Infiltration Capacity)、SWAT(Soil and Water Assessment Tool)、MIKE SHE等。这些模型通过将流域划分为网格状或子流域状单元,在每个单元中模拟降雨入渗、蒸散发、地表径流、地下径流等水文过程,最终计算流域的总径流量。

SWAT水文模型

SWAT水文模型是一种广泛应用于流域水文模拟、土地利用变化和管理措施分析的分布式水文模型。SWAT模型基于物理过程和经验关系,通过在每个子流域内模拟水文循环、作物生长、土壤侵蚀和养分迁移等过程,预测流域的水资源和土地资源变化。

SWAT模型主要包括三个部分:输入数据处理、模型运行和结果输出。输入数据包括气象数据、DEM(数字高程模型)、土地利用数据、土地管理措施、和网数据、水库数据等,其中气象数据可以通过天气站点、遥感卫星等多种途径获取。模型运行部分主要是在每个子流域内计算水文过程、农业活动和土壤侵蚀等过程,并考虑它们之间的相互影响。结果输出包括各个时段内的降雨量、蒸散发量、径流量、土壤侵蚀量、养分输出等多个指标。

SWAT模型具有分布式、综合性、可操作性等优点,被广泛应用于全球范围内的流域和水文问题研究,特别是对于流域的水资源管理和环境保护等方面具有重要意义。

水文响应单元HRU(Hydrological Response Unit)是分布式水文模型中的基本单位之一,通常指一个具有相对均匀的土地利用、土壤类型和地形条件等特征的区域,它可以是一个小流域、一块土地或一个网格单元。在模型中,将流域划分为若干个水文响应单元,可有效地反映流域内不同区域的水文过程和特征。通过对每个水文响应单元进行降雨入渗、蒸散发、土壤水分、地下水和径流等过程的模拟,可以预测流域的总径流量以及各个部分的变化情况。

水文响应单元的选择需要考虑以下因素:

1.地理特征:包括土地利用、土壤类型、地形高程等因素,通常选择具有相似特征的区域作为一个水文响应单元。

2.模型精度:水文响应单元的大小和数量对模型精度有影响,应根据实际情况进行选择和确定。

3.模型性质:不同的水文模型对水文响应单元的要求不同,需要根据具体模型进行选择和设计。

水文响应单元是分布式水文模型的基础,其合理的选择和设计可以提高模型的精度和可靠性。

径流模拟方法选择“日降水数据/径流曲线方法”,以日为单位进行径流演算。

潜在蒸发量的模拟方法选择Penman-Monteith方法。

河道演算采用Muskin-gum方法。

参数敏感性分析

复杂的水文模型需要通过引入大量参数来描述。参数的获取通常存在空间变异性、量测误差等问题致使模拟值与观测值之间吻合程度不高。模型参数灵敏度分析的目的在于分析判断哪些输入参数值的变动性对输出结果的变异程度影响更重要,从而提高模型的可用性。参数敏感度分析采用ArcSWAT提供的参数敏感度分析模块进行分析,此模块采用的方法是LH-OAT灵敏度分析方法该方法对每一抽样点(LH抽样法)进行OAT灵敏度分析,灵敏度最终值是各局部灵敏度之和的平均值,是综合LH抽样法和OAT灵敏度分析的一种新方法,同时兼备两种方法的优点。

对影响径流的27个参数(SOL_K-土壤饱和导水率、SOL_AWC-土壤田间有效持水量、ESCO-土壤蒸发补偿系数、Alpha_Bf-基流α系数、GWQMN-浅层地下水径流系数、CH_K²-河道水力传导率、CN²-SCS径流曲线系数、BLAI-最大潜在叶面积指数、CANMX-最大覆盖度)进行了敏感性分析,其中SCS径流曲线系数(CN²)、土壤蒸发补偿系数(ESCO)、最大覆盖度(CANMX)、基流α系数(Alpha_Bf)、土壤田间有效持水量(SOL_AWC)等参数对径流影响比较大。

率定

率定是指对水文模型进行参数估计的过程,目的是调整模型参数以使模拟结果与实际观测数据尽可能地吻合。在率定过程中,通过对比模型预测值和实测数据,不断调整模型参数,直至达到最优模拟效果。

率定通常需要考虑以下几个方面:

1.参数选择:根据模型类型和流域特征等因素确定要进行率定的参数,同时要注意避免过度调整或调整无关参数。

2.观测数据处理:包括数据的质量检查、插补和平滑等预处理方法,以确保模型输入数据的可靠性和一致性。

3.评价指标的选择:常用的评价指标包括误差平方和(SSE)、均方根误差(RMSE)、相关系数(R²)等。

4.算法选择:常用的参数估计算法包括试错法、梯度下降法、遗传算法等,需根据模型类型和数据特征等选择适当的算法。SWAT模型常用的参数估计算法有试错法、单因素敏感性分析、自适应随机扰动优化法等。

评价指标值中Nash-Sutcliffe模型效率系数ENS计算公式如下:

ENS=1-\frac{​{\sum_{i=1}^{n}}{\left ( Q_{m} -Q_{p}\right )^{2}}}{\sum_{i=1}^{n}\left ( Q_{m}-Q_{avg} \right )^{2}} \left ( 1 \right )

式(1)中,Q_{m}为观测值;Q_{p}为模拟值;Q_{avg}为平均观测值;n为观测的次数。当Q_{m}=Q_{p}时,ENS=1;如果ENS为负值,说明平均观测值比模拟值更具有代表性。

当ENS>0.75时,可以认为模拟效果好;0.36≤ENS≤0.75时模拟效果为令人满意;ENS<0.36时,模拟效果不好。

SWAT对年径流量的模拟能够较为真实的反映径流量的变化情况。 

  • 0
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值