降雨輸入不確定性對分布式流域水文模擬的影響

降雨輸入不確定性對分布式流域水文模擬的影響

由于水文循環(huán)的高非正義性和復(fù)雜性，分布水文模型需要大量的輸入?yún)?shù)，而降雨作為控制流域水量平衡的主要模型輸入的主要因素。其空間分布是影響模型模型成功的一個重要因素。這也是分布格式盆地水文模擬不確定性的主要原因之一。Lopes、Chaubey等黃粵等的研究表明,降雨的空間分布不均勻性對分布式水文模型的徑流預(yù)測有較大影響。張雪松等發(fā)現(xiàn)雨量站密度、分布和降雨空間分布變化均會對水文模擬結(jié)果產(chǎn)生影響。Chaplot等研究認為高密度雨量站對于提高水文模擬精度是必要的。有效反映流域空間異質(zhì)性的降雨輸入數(shù)據(jù)對于分布式流域水文模擬至關(guān)重要。然而,1988年之后我國許多流域缺少雨量站降雨整編資料,盡管2006年恢復(fù)相關(guān)年鑒的刊印,并開始補充之前的資料,但是1989~2000年間的降雨資料仍然欠缺。而氣象站點分布較少,很難充分反映流域降雨分布的空間異質(zhì)性;且多分布于城市地區(qū),不可避免地受到城市熱島和濕島效應(yīng)的影響,這些因素在一定程度上限制了氣象站降雨資料在分布式水文模擬中的直接應(yīng)用。因此,雨量站降雨資料的不完整成為我國許多流域開展長時間序列分布式水文模擬面臨的主要問題。本文選擇海河流域的武烈河流域作為典型研究區(qū),利用1973~1988年雨量站實測降雨數(shù)據(jù)對SWAT模型進行率定和驗證,評價模型在武烈河流域的適用性。在此基礎(chǔ)上研究不同降雨輸入對分布式流域水文模擬的影響,以期為降雨資料欠缺地區(qū)的分布式水文模擬提供借鑒。1數(shù)據(jù)和方法1.1武烈河干流流域概況武烈河是灤河的一級支流,發(fā)源于河北省承德市圍場滿族自治縣道至溝,縱貫承德市雙橋區(qū),至雹神廟村匯入灤河,干流全長110km,流域面積2580km2,涉及河北省圍場滿族自治縣、隆化、承德等縣市(圖1)。武烈河流域位于暖溫帶和寒溫帶過渡地帶,屬大陸燕山山地氣候。流域年均氣溫8.9℃,年均降雨量537.2mm,且降雨年際變率大,年內(nèi)分布極不均勻,主要集中在汛期6~9月份,占全年降雨量的77.9%。武烈河干流上設(shè)有承德水文站,控制面積2476km2,占全流域面積的96%。流域年均徑流量2.60×108m3,多年平均流量6.93m3/s,且徑流的年內(nèi)分配極不均勻,主要集中在6~9月份,占多年平均徑流量的73.7%。流域內(nèi)主要土地覆被類型為林地,占總面積的50%,其次為草地和耕地。主要土壤類型為棕壤、褐土和草甸土。目前,武烈河流域沒有建成的大型控制性工程,只有東營、五四、老爺廟等小型水庫,并在建大(2)型雙峰寺水庫工程。為了緩解承德市供水局面,自20世紀80年代以來,在武烈河干流承德市區(qū)內(nèi)陸續(xù)修建了12座橡膠壩,總調(diào)節(jié)庫容為277.46×104m3。根據(jù)《河北省承德市水資源年鑒》(2008年),2008年水資源開發(fā)利用程度為28.7%,與海河流域其它地區(qū)相比,武烈河流域水資源開發(fā)程度較小。1.2數(shù)據(jù)和數(shù)據(jù)來源本研究所用分布式水文模型為SWAT(SoilandWaterAssessmentTool),該模型是由美國農(nóng)業(yè)部農(nóng)業(yè)研究服務(wù)中心(USDA-ARS)于20世紀90年代早期開發(fā)的面向大中流域、長時間尺度的分布式水文模型。模型所用DEM為美國地質(zhì)調(diào)查局的SRTM數(shù)據(jù),分辨率為90m,數(shù)據(jù)來源于中國科學院計算機網(wǎng)絡(luò)信息中心國際科學數(shù)據(jù)鏡像網(wǎng)站()。土地利用數(shù)據(jù)來源于中國科學院地理科學與資源研究所,采用的是1985和2000年1:10萬數(shù)據(jù)。土壤類型數(shù)據(jù)根據(jù)1∶100萬土壤圖矢量化獲得。王國慶等研究認為月水文過程模擬精度隨雨量站密度減小而降低。綜合考慮研究區(qū)內(nèi)雨量站的空間分布,以及資料的完整程度,本研究選擇了流域內(nèi)基本均勻分布的8個雨量站1973~1988年的日降雨資料。同時為研究不同降雨輸入對分布式水文模擬的影響,收集了流域內(nèi)及周邊的7個氣象站的日降雨資料用于雨量站降雨資料的插補延長(圖1)。氣象數(shù)據(jù)采用承德站的逐日最高和最低氣溫、相對濕度、平均風速和日照時數(shù),數(shù)據(jù)來源于中國氣象科學數(shù)據(jù)共享服務(wù)網(wǎng)()。日太陽輻射量根據(jù)童成立等建立的基于站點位置和日照時數(shù)的模擬方法近似得出。水文數(shù)據(jù)采用承德水文站的月還原徑流量。1.3數(shù)據(jù)及模型的率定和驗證SWAT模型對子流域的劃分基于最小集水面積閾值,本文中最小集水面積取50km2,將武烈河流域劃分為22個子流域。地表徑流估算采用SCS徑流曲線數(shù)法,以日為時間單位進行徑流演算。潛在蒸散發(fā)計算選擇Penman-Monteith公式,河道匯流演算采用變動存儲系數(shù)法。本研究基于雨量站實測降雨數(shù)據(jù)對模型進行率定和驗證,檢驗SWAT模型在武烈河流域的適用性。考慮到流域降雨和水文數(shù)據(jù)獲取情況,選擇1970~1988年的數(shù)據(jù)對模型進行率定和驗證,以1985年土地利用作為輸入。其中1970~1972年作為模型的初始條件形成期,利用1973~1982年承德水文站的月還原流量對模型進行率定;采用率定后的參數(shù),應(yīng)用1983~1988年承德站的月還原流量進行模型驗證。本文采用常用的相關(guān)系數(shù)(R2)、Nash-Sutcliffe效率系數(shù)(Ens)和均方根誤差(RMSE)3個指標評價模型在研究區(qū)的適用性。1.4降雨空間異質(zhì)性參數(shù)插補和修正由于流域內(nèi)雨量站完整的實測降雨數(shù)據(jù)序列較短(1973~1988),在一定程度上限制了該流域長時間序列的分布式水文模擬。本文結(jié)合研究區(qū)內(nèi)及周邊的承德、圍場、豐寧、多倫、遵化、樂亭和青龍7個氣象站點1970~2000年的逐日降雨資料(圖1),利用反距離加權(quán)平均法,插補各雨量站1970~2000年的逐日降雨量。公式如下:式中:Pd(ri)為雨量站ri的逐日降雨插補值;N為參數(shù)插值樣本點的個數(shù),本研究中為7個氣象站點;Pd(wj)為氣象站wj的逐日實測降雨量;λj為氣象站wj的權(quán)重,確定權(quán)重的公式為:式中:dij為雨量站ri和各氣象站點wj之間的距離。為了減小降雨空間異質(zhì)性對插補結(jié)果的影響,本研究將1973~1988年各雨量站實測和插補降雨數(shù)據(jù)分別匯總到月尺度,據(jù)此在每個雨量站建立實測與插補值之間的回歸關(guān)系,求算各雨量站的修正系數(shù):式中:Pm_obs(ri)和Pm(ri)分別為各雨量站1973~1988年逐月實測和插補降雨量;γi為各雨量站修正系數(shù)。繼而對各雨量站的逐日降雨插補值進行修正,如式4所示:式中:Pd*(ri)為修正后各雨量站逐日降雨插補值;Pd(ri)為通過式(1)計算得到的修正前雨量站逐日降雨插補值。1.5雨量站降雨輸入為研究降雨輸入的不確定性對分布式流域水文模擬的影響,本研究設(shè)定了3種不同的降雨輸入:1雨量站實測降雨資料,時段為1973~1988年;2根據(jù)式(4)得到的雨量站降雨插補值;3單一氣象站(承德站)降雨數(shù)據(jù),后兩種降雨數(shù)據(jù)時段為1973~2000年。2結(jié)果與分析2.1降雨和徑流變化規(guī)律從武烈河流域1971~2000年降雨和徑流量變化趨勢及其5年滑動平均過程(圖2)可以看出,流域降雨量和徑流量變化劇烈,且具有較好的相關(guān)性。從表1可以看出武烈河流域20世紀70年代、90年代的年均降雨量和徑流量均高于多年平均值,而20世紀80年代則低于多年平均值,徑流量變化更為顯著,說明此階段武烈河流域是枯水期。2.2月份至80年代中期月徑流模擬實測值和模擬結(jié)果2控制表2為承德水文站率定和驗證期月徑流模擬評價結(jié)果。可以看出,模型率定和和驗證期的R2和Ens均大于0.8,反映了模型對徑流趨勢的模擬能力較好。月徑流模擬結(jié)果略微偏高,但相對誤差均不超過5%,且均方根誤差較小。而圖3a中承德水文站1973~1988年間月水文過程線表明,模擬結(jié)果基本可以反映流域水文過程,但在部分年份夏季峰值模擬結(jié)果偏小,導致8月份模擬結(jié)果小于實測值(圖3b),但是模擬值的年內(nèi)分配過程與實測值趨勢基本一致。模擬結(jié)果表明SWAT模型對于武烈河流域月徑流模擬是可行的。2.3降雨輸入的流域降雨差異一般認為密度較大的雨量站降雨資料可以相對真實反映流域降雨的空間異質(zhì)性,因此本研究以雨量站實測降雨數(shù)據(jù)作為準確值來評價其它降雨輸入估算的流域降雨量。根據(jù)雨量站實測降雨資料得到流域年均等雨量線圖(圖4a)可以看出,武烈河流域降雨量空間分布差異顯著,呈現(xiàn)從東北向西南方向遞減趨勢,降雨中心位于流域東北方向。在三種不同的降雨輸入下,流域年均降雨量分別為544.39mm、518.00mm和511.13mm。由于承德氣象站位于流域下游(圖1),年降雨量明顯低于其它地區(qū)。因此基于氣象站降雨資料得到的雨量站降雨插補值和僅用承德氣象站的降雨數(shù)據(jù)無法準確描述流域降雨的高值信息,從而過低估計了流域降雨量。但是采用單一承德站與雨量站實測降雨資料估算的流域年均降雨量之間的相對誤差僅為6.1%,說明在不同的降雨輸入下流域平均降雨量差異并不顯著,這與張雪松等人的研究結(jié)果基本一致。但是通過比較不同降雨輸入條件下的逐年降雨變化過程(圖5a)發(fā)現(xiàn),與雨量站實測降雨數(shù)據(jù)相比,其它兩種降雨輸入的流域降雨量在不同年份均存在不同程度的估算誤差,尤其是在1975、1976、1983和1987年嚴重低估了流域降雨量。其中根據(jù)承德氣象站降雨數(shù)據(jù)估算的1983年流域降雨量比雨量站實測值偏小164.72mm,相對誤差達到28%。分析原因主要在于相對于多年平均降雨量,1983年流域降雨的空間差異更加顯著(圖4b),最大最小降雨量相差達到220mm,并且降雨中心向西北方面偏移,但由于周圍氣象站距離較遠,基于周邊氣象站資料的雨量站降雨插補值無法準確表現(xiàn)降雨的空間差異(圖4c),使得降雨中心的降雨量插補值明顯偏低,導致1983年基于氣象站降雨資料估算的流域降雨量誤差較大。而從逐月降雨過程(圖5b)可以看出,基于有限氣象站資料的降雨輸入下年降雨量估算差異主要表現(xiàn)在汛期的6~9月份,其中1983年8月基于承德站資料估算的月降雨量與準確值之間的誤差甚至達到了-35.6%。同時從圖5可以發(fā)現(xiàn),基于雨量站插補數(shù)據(jù)估算的流域降雨量介于雨量站實測和單一承德站降雨數(shù)據(jù)之間。因此在雨量站降雨資料不完整的情況下,相對于僅采用單一氣象站,通過反距離加權(quán)平均法對雨量站降雨數(shù)據(jù)進行插補,在一定程度上可以提高流域降雨的估算精度。2.4降雨輸入條件為研究降雨輸入不確定性對分布式水文模擬的影響,本研究結(jié)合已經(jīng)過檢驗的SWAT模型,按照不同的降雨輸入分別進行徑流模擬,其中1989~2000年間以2000年土地利用作為輸入。從模擬結(jié)果可以看出(表3),在1973~1988年間,相對于雨量站實測降雨數(shù)據(jù)對應(yīng)的徑流模擬結(jié)果,其它兩種降雨輸入下的徑流模擬精度明顯降低。但是相對于僅用單一承德氣象站,基于雨量站降雨插補值的模擬精度有所提高。對于雨量站實測降雨資料欠缺的1989~2000年間,基于氣象站資料的兩種降雨輸入情景的模擬精度有所降低,但也基本達到了精度要求,而基于雨量站降雨插補值的模擬結(jié)果優(yōu)于僅采用單一氣象站降雨資料。比較不同降雨輸入下的徑流模擬結(jié)果可以看出(圖6),與基于雨量站實測降雨數(shù)據(jù)的模擬結(jié)果相比,基于雨量站降雨插補值和單一承德氣象站降雨數(shù)據(jù)的徑流模擬值在1975、1976、1979、1983、1987等年份模擬結(jié)果偏低,與年降雨量的估算結(jié)果趨勢基本一致,但是也有一些降雨估算誤差并不顯著的年份,徑流模擬結(jié)果相差較大。比如基于單一承德站降雨資料在1976年嚴重低估了流域降雨量,通過改變流域土壤前期含水量等產(chǎn)流特征,影響了流域產(chǎn)匯流過程,從而導致降雨估算誤差并不明顯的1979年徑流模擬誤差較大。而在欠缺雨量站降雨整編資料的1989~2000年間,除199和1995年之外的其它年份,基于氣象站降雨資料的兩種降雨輸入條件下的徑流模擬結(jié)果較好,而且通過反距離加權(quán)平均法得到的雨量站降雨插補值對應(yīng)的模擬結(jié)果也好于僅以承德氣象站降雨數(shù)據(jù)為輸入的模型。1992年和1995年較大的模擬誤差主要是由于氣象站降雨資料無法準確反映降雨的空間異質(zhì)性所引起,從而嚴重低估了汛期徑流量(圖6b)。在沒有更加詳細的降雨資料的情況下,這種模擬誤差較難通過模型參數(shù)率定解決。同時需要指出的是,水庫、取用水工程等人類活動均會對流域分布式水文模擬產(chǎn)生影響。而本研究旨在分析降雨輸入對分布式水文模擬結(jié)果的影響,減小由于降雨輸入引起的模型不確定性,因此本文采用了承德水文站的還原流量對模型進行校驗,基本剔除了人類活動對模擬結(jié)果的影響。盡管不同的降雨輸入對流域降雨量影響較小,但是由于基于氣象站資料插補得到的降雨數(shù)據(jù)在部分年份不能有效地反映降雨的空間異質(zhì)性,流域上游降雨中心的降雨量被明顯低估,導致在降雨空間差異顯著的年份以及夏季汛期,不同降雨輸入對分布式流域水文模擬影響較大。但是相對于直接采用氣象站資料,通過反距離加權(quán)平均法對雨量站降雨資料進行插補延長,在一定程度上可以提高無降雨整編資料時段的徑流模擬精度,從而為流域長時間序列的分布式水文模擬提供數(shù)據(jù)基礎(chǔ)。3對流域降水的影響分析針對降雨資料不完整的分布式流域水文模擬問題,本研究以武烈河流域為例,結(jié)合SWAT模型研究了不同降雨輸入對分布式流域水文模擬的影響,得到以下結(jié)論:(1)基于SWAT模型的武烈河流域徑流模擬結(jié)果表明,模型可以較好地模擬流域水文過程,對于武烈河流域月徑流模