全球月平均蒸發(fā)數(shù)據(jù)在流域徑流模擬中的適用性

薛聯(lián)青,范正行,郝振純,王加虎,李永坤,王 嬌

(河海大學水文水資源與水利工程科學國家重點實驗室,江蘇南京 210098)

水文預報是防洪減災的重要手段之一,而利用水文模型對歷史降雨徑流過程的模擬則是開展水文預報工作的基礎[1].很多學者在水文模型的構建方面做了大量研究工作[2-4],同時也有學者利用水文模型對具有長序列資料的流域日徑流過程進行了分析計算,取得了一定的成果[5-8].然而由于全國范圍內的蒸發(fā)站密度較低,在眾多模型計算過程中,尤其是對于分布式模擬計算中所需的蒸發(fā)數(shù)據(jù)在某種程度上較難獲取,這就對進行不同尺度流域徑流過程模擬、水文預報等帶來困難.為了有效解決分析計算中的長系列蒸發(fā)資料的獲取問題,本文利用長時段流域分布式水文模型CREST(the coupled routing and excess storage),重點分析了采用全球月平均蒸發(fā)數(shù)據(jù)替代實測蒸發(fā)數(shù)據(jù),進行具有大蒸發(fā)面積流域徑流模擬預報的效果,并進行了蒸發(fā)影響效果的誤差對比實驗,從而論證了利用全球月平均蒸發(fā)數(shù)據(jù)在進行不同尺度流域徑流模擬中的適用性,為較大時空尺度上、少資料或無資料地區(qū)的流域徑流預報提供理論依據(jù),也為進一步聯(lián)系氣候變化與水文過程之間的響應關系分析提供參考.

1 研究區(qū)概況及研究方法

1.1 研究區(qū)概況

選取位于淮河流域史灌河上游的梅山水庫流域為研究區(qū),該流域面積1970 km2,正常蓄水位面積57.84 km2,平均水深25m,最大蓄水面積92.29 km2[9],處于季風氣候區(qū),受季風影響,全年降水量有60%～70%集中在5—9月,洪水多發(fā)生在6月下旬至7月中旬,是典型的汛期洪水.歷史最大洪峰流量13978m3/s,相應的最高水位為135.75m,1990年以來,梅山水庫發(fā)生了7次較大暴雨洪水[10],因此進行梅山水庫流域內的產匯流分析及入庫洪水的模擬對區(qū)域防洪具有重要作用.研究區(qū)域內有雨量站點21個,其中12個為汛期站,為了便于長時間序列的研究,選取9個非汛期站作為降雨數(shù)據(jù)的來源,各降雨站點在流域內的空間分布如圖1所示.為便于比較和考慮同步資料的獲取,選取1978—1987年的降雨徑流及水庫流量歷史數(shù)據(jù)進行對比研究.由于研究區(qū)面積小,故以梅山蒸發(fā)站日平均蒸發(fā)數(shù)據(jù)作為研究區(qū)的實測蒸發(fā)數(shù)據(jù).選取流域內所有雨量站點的日平均降雨量、日平均蒸發(fā)量、梅山水庫壩下日平均流量以及梅山水庫壩上水位資料用于模型計算.

圖1 梅山水庫流域雨量站分布及水系情況Fig.1 Distribution of rain gauge stations and water system of Meishan Reservoir Basin

1.2 分布式水文模型CREST

CREST模型[11]主要通過DEM把流域分為由眾多規(guī)則單元組成的系統(tǒng),該模型包括垂向水量平衡(主要是降雨產流,由4個蓄滿水庫組成,分別代表冠層截留和3個土壤層的蓄水)、垂向能量平衡(主要是蒸散發(fā)計算)、次網格匯流(2個線性水庫分別模擬快速徑流和慢速徑流的次網格匯流)和網格間匯流(按照最陡坡度法的單流向算法逐單元匯流[12])4個模塊.CREST模型采用分布式參數(shù)設置,主要產匯流參數(shù)與遙感數(shù)據(jù)的物理特性相關聯(lián),需要率定的參數(shù)均具有明確的物理意義,它們與流域的地形特征、植被、土壤特性等物理因素相聯(lián)系.CREST模型內嵌了自適應隨機搜索算法(adaptive random search,ARS)[13]來進行可調式參數(shù)的自動率定,可同步優(yōu)選的參數(shù)數(shù)量多,兼容各種目標函數(shù)或者目標函數(shù)組合.該模型近年來應用較為廣泛,驅動CREST模型的降雨數(shù)據(jù)可采用衛(wèi)星遙感降水、雨量站觀測值以及雷達估算的降雨等.該模型可通過匯流對產流的反饋設計,以較小的分辨率(30″)進行不同尺度流域水文模擬.

1.3 數(shù)據(jù)處理及CREST模型驅動

根據(jù)研究區(qū)1978—1987年日平均降雨量和水庫入庫徑流過程線及日平均蒸發(fā)過程線可知,研究區(qū)內每年5—9月降雨較為集中,降雨與徑流過程具有明顯的汛期與非汛期特征,其中,1980年與1986年最大日平均流量分別為2728.93m3/s和3571.24m3/s,與之相應的最大日平均降雨量達到206.49mm和256.02mm,分別屬于大暴雨和特大暴雨.考慮到降雨洪水過程的完整性和代表性,模型率定期取1978年1月1日至1983年12月31日,驗證期為1984年1月1日至1987年12月31日.從水文年鑒獲得該流域1978—1987年的水面蒸發(fā)數(shù)據(jù),根據(jù)流域的地理位置及氣象條件,將水面蒸發(fā)乘以0.95作為修正后的流域蒸發(fā)數(shù)據(jù),其日平均蒸發(fā)過程如圖2所示,其中多年平均年蒸發(fā)量為1065.7mm,除1978年蒸發(fā)量較大(1 200.2 mm)及1982年蒸發(fā)量較小(839.3mm)以外,其他年份的蒸發(fā)量較均勻,近似等于多年平均蒸發(fā)量.本文采用的全球月平均蒸發(fā)數(shù)據(jù)源自USGS(http://igskmncnwb015.cr.usgs.gov/Global),該數(shù)據(jù)源將全球分為0.25°的眾多網格,對每一網格的蒸發(fā)數(shù)據(jù)進行了月平均處理.本文根據(jù)研究區(qū)的經緯度提取得到所需的月平均蒸發(fā)數(shù)據(jù).該數(shù)據(jù)年內表現(xiàn)為夏高冬低,沒有年際變化,其中7月最高,平均為4.488mm/d,1月最低,平均為1.08mm/d.全年總蒸發(fā)量為1051.3mm,與實測多年平均蒸發(fā)量相差僅14.4mm,說明全球月平均蒸發(fā)數(shù)據(jù)可在研究區(qū)域內使用.

采用全球多年按月平均的蒸發(fā)數(shù)據(jù)代替梅山站的實測蒸發(fā)數(shù)據(jù)來驅動模型,通過對比分析兩種不同蒸發(fā)數(shù)據(jù)對于多年徑流過程的模擬,探討全球月平均蒸發(fā)數(shù)據(jù)在徑流模擬應用上的適用性,從而解決缺乏實測蒸發(fā)數(shù)據(jù)流域的徑流模擬資料獲取問題.

圖2 1978—1987年不同蒸發(fā)數(shù)據(jù)源的過程線Fig.2 Course curves of different evaporation data sources from 1978 to1987

2 情景模擬結果及對比分析

2.1 CREST模型參數(shù)自動率定

分別采用實測蒸發(fā)數(shù)據(jù)與全球月平均蒸發(fā)數(shù)據(jù)來驅動CREST模型,通過自動優(yōu)選的變域遞減隨機搜索算法對模型參數(shù)進行了率定,分別得到了如表1所示的最優(yōu)參數(shù)組合.

最優(yōu)參數(shù)組合所模擬的流量過程如圖3所示,從圖3可知,實測蒸發(fā)數(shù)據(jù)率定的效率系數(shù)為86.4%,總量誤差為12.7%,率定期對于流量過程線以及徑流總量的模擬效果都較好.同時使用全球月平均蒸發(fā)數(shù)據(jù)驅動對于徑流過程的模擬效果也比較好,效率系數(shù)達到89.1%,比實測蒸發(fā)數(shù)據(jù)的模擬結果略高,總量誤差為10.6%,徑流總量上也比實測蒸發(fā)數(shù)據(jù)的模擬精度略高.由于全球月平均蒸發(fā)數(shù)據(jù)和實測蒸發(fā)數(shù)據(jù)對于徑流過程的模擬結果與實測徑流過程較為一致,說明在缺乏實測蒸發(fā)數(shù)據(jù)的情況下,完全可采用全球月平均蒸發(fā)數(shù)據(jù)代替實測蒸發(fā)數(shù)據(jù)進行徑流模擬和流域防洪分析.

表1 CREST模型參數(shù)率定結果Table 1 Calibration results of parameters in CREST model

圖3 率定期內實測蒸發(fā)數(shù)據(jù)模擬流量、全球月平均蒸發(fā)數(shù)據(jù)模擬流量與實測流量的過程線Fig.3 Course curves of simulated runoff with measured evaporation data,simulated runoff with global average monthly evaporation data,and measured runoff during calibration period

2.2 參數(shù)驗證及結果分析

利用1984—1987年的降雨-徑流數(shù)據(jù)對率定的參數(shù)進行了驗證,結果如圖4所示.從圖4可知,實測蒸發(fā)數(shù)據(jù)與全球月平均蒸發(fā)數(shù)據(jù)對于徑流的模擬效果一致.從1984年2月至1987年12月,整個入庫流量過程的模擬均與實測流量過程比較接近,實測蒸發(fā)數(shù)據(jù)與全球月平均蒸發(fā)數(shù)據(jù)模擬的效率系數(shù)分別為85.3%和86.6%,總量誤差分別為7.51%和11.4%,全球月平均蒸發(fā)數(shù)據(jù)模擬結果的效率系數(shù)略高于實測蒸發(fā)數(shù)據(jù)的模擬結果,而總量誤差較實測蒸發(fā)數(shù)據(jù)的模擬結果要大,與率定期的結果基本一致,說明參數(shù)穩(wěn)定性較好.選取含最高洪峰的時間段1986年6月1日至1986年8月15日,即1986年汛期徑流過程進行單獨對比分析,模擬結果也較好,如圖5所示.

圖4 驗證期內實測蒸發(fā)數(shù)據(jù)模擬流量、全球月平均蒸發(fā)數(shù)據(jù)模擬流量與實測流量的過程線Fig.4 Course curves of simu lated runoff with measured evaporation data,simulated runoff with global average monthly evaporation data,and measured runoff during validation period

圖5 1986年汛期模擬洪峰流量與實測洪峰流量過程Fig.5 Processes of simulated peak discharge and measured peak discharge during flood season in 1986

由圖5可知,實測蒸發(fā)數(shù)據(jù)與全球月平均蒸發(fā)數(shù)據(jù)對徑流洪峰的模擬效果都比較理想,實測洪峰流量為3571.24m3/s,實測蒸發(fā)數(shù)據(jù)與全球月平均蒸發(fā)數(shù)據(jù)模擬的洪峰流量分別為3513.19m3/s和3454.44m3/s,與實測洪峰的誤差分別是1.6%與3.3%.利用驗證期內實測蒸發(fā)數(shù)據(jù)模擬流量、全球月平均蒸發(fā)數(shù)據(jù)模擬流量以及實測流量繪制線性相關關系如圖6所示,從圖6可以看出,無論是實測蒸發(fā)數(shù)據(jù)模擬的流量還是全球月平均蒸發(fā)數(shù)據(jù)模擬的流量,都與實測流量具有很好的相關性,R2分別達到0.89和0.90,可以說,實測蒸發(fā)數(shù)據(jù)及全球月平均蒸發(fā)數(shù)據(jù)對于徑流模擬的結果高度一致,完全可以利用全球月平均蒸發(fā)數(shù)據(jù)來代替實測蒸發(fā)數(shù)據(jù)進行流域徑流模擬.

圖6 驗證期內實測蒸發(fā)數(shù)據(jù)模擬流量、全球月平均蒸發(fā)數(shù)據(jù)模擬流量與實測流量相關關系Fig.6 Correlations betw een simulated runoff with measured evaporation data,simulated runoff with global average monthly evaporation data,and measured runoff during validation period

3 結 語

針對梅山水庫流域率定了CREST模型的8個主要產匯流參數(shù),實現(xiàn)了參數(shù)率定的自動化,減少了人工率定過程中由于主觀因素造成的不確定性,提高了參數(shù)的可信度及適用性.對梅山水庫流域1978—1987年入庫洪水模擬發(fā)現(xiàn),率定期內全球月平均蒸發(fā)數(shù)據(jù)對于徑流的模擬效率系數(shù)及總量誤差均要優(yōu)于實測蒸發(fā)數(shù)據(jù),而驗證期內全球月平均蒸發(fā)數(shù)據(jù)模擬的效率系數(shù)較優(yōu),但總量誤差較大.無論是實測蒸發(fā)數(shù)據(jù)還是全球月平均蒸發(fā)數(shù)據(jù),對于汛期洪水及洪峰的模擬精度都較高,這跟汛期蒸發(fā)量相對降雨量與徑流量都要小得多有關.同時全球月平均蒸發(fā)數(shù)據(jù)模擬的流量和實測蒸發(fā)數(shù)據(jù)模擬的流量均與實測流量具有較高的相關性,因此,在缺少實測蒸發(fā)數(shù)據(jù)的情況下,可以利用全球月平均蒸發(fā)數(shù)據(jù)代替實測蒸發(fā)數(shù)據(jù)進行流域徑流模擬.

[1]梁家志,樂嘉祥.我國水文情報預報工作的主要成就及展望[J].水文,1999(5):20-23.(LIANG Jia-zhi,LE Jia-xiang.The achievements and prospects of the hydrology information and forcast work in China[J].Journal of China Hydrology,1999(5):20-23.(in Chinese))

[2]徐宗學,程磊.分布式水文模型研究與應用進展[J].水利學報,2010,41(9):1009-1017.(XU Zong-xue,CHENG Lei.Progress on studies and applications of the distributed hyd rological models[J].Journal of Hydraulic Engineering,2010,41(9):1009-1017.(in Chinese))

[3]張志才,陳喜,石朋,等.喀斯特流域分布式水文模型及植被生態(tài)水文效應[J].水科學進展,2009,20(6):806-811.(ZHANG Zhi-cai,CHEN Xi,SHI Peng,et al.Distributed hydrological model and eco-hydrological effect of vegetation in Karst watershed[J].Advances in Water Science,2009,20(6):806-811.(in Chinese))

[4]王船海,閆紅飛,馬騰飛.分布式架構水文模型[J].河海大學學報:自然科學版,2009,37(5):550-555.(WANG Chuan-hai,YAN Hong-fei,MA Teng-fei.Distributed hydrologicalmodel[J].Journal of Hohai University:Natural Sciences,2009,37(5):550-555.(in Chinese))

[5]朱求安,張萬昌.新安江模型在漢江江口流域的應用及適應性分析[J].水資源與水工程學報,2004,15(3):19-23.(ZHU Qiuan,ZHANG Wan-chang.The app licability study of Xinanjiang model on simulation of rainful-runoff and flooding hydrographs in Jiangkou basin[J].Journal of Water Resources&Water Engineering,2004,15(3):19-23.(in Chinese))

[6]李藝婷,張萬順,朱齊艷,等.新安江模型產流模式在山區(qū)型和平原型水庫入庫徑流量中的模擬與應用[J].水資源與水工程學報,2007,18(1):33-36.(LI Yi-ting,ZHANG Wan-shun,ZHU Qi-yan,et al.Application of runoff generation model of Xinanjiang model in mountain and p lain reservoir runoff simulation[J].Journal of Water Resources&Water Engineering,2007,18(1):33-36.(in Chinese))

[7]王光生,周記華.新安江模型改進的嘗試[J].水文,1998(增刊1):23-27.(WANG Guang-sheng,ZHOU Ji-hua.Attempted improvement of Xinanjiang model[J].Journal of China Hydrology,1998(Sup1):23-27.(in Chinese))

[8]SUGAWARA M.Tank model[M]//SINGH V P.Computer Models of Watershed Hydrology.Colorado:Water Resources Publications,1995:165-214.

[9]吳松.改進粒子群算法在并聯(lián)水庫群聯(lián)合防洪優(yōu)化調度中的應用[D].南京:河海大學,2007.

[10]汪從周.梅山水庫泄洪對金寨縣城的影響[J].治淮,2007(6):10-12.(WAGN Cong-zhou.The effect on the town of Jinzhai of spillway flood of Meishan reservoir[J].Zhihuai,2007(6):10-12.(in Chinese))

[11]WANG J,HONG Y,LI L,et.al.The coupled routing and excess storage(CREST)distributed hydrological model[J].Hydrological Science Journal,2011,56(1):84-98.

[12]王加虎.分布式水文模型理論與方法研究[D].南京:河海大學,2006.

[13]MASRI S F,BEKEY F B.A globaloptim ization algorithm using adaptive random search[J].Appliedmathematics and computation,1980,7(4):353-375.