SCS-CN模型在濟(jì)南市南部山區(qū)徑流估算中的優(yōu)化應(yīng)用

趙登良，陳振江，劉建華，孟凡榮，徐征和，桑國(guó)慶，邊振

(1.濟(jì)南大學(xué)水利與環(huán)境學(xué)院，濟(jì)南 250022；2.青島市水利勘測(cè)設(shè)計(jì)研究院有限公司，濟(jì)南 250013；3.山東濟(jì)南市水文局，濟(jì)南 250100；4.山東省水利廳，濟(jì)南 250013)

地表徑流是水文過程模擬的重要環(huán)節(jié)，是水量平衡的關(guān)鍵組成部分[1]，地表徑流的模擬為揭示人與自然因素共同作用下降雨-徑流關(guān)系提供理論依據(jù)和科學(xué)方法[2]。在以水力侵蝕為主要類型的水土流失監(jiān)測(cè)區(qū)，土壤侵蝕的過程是主要由降雨產(chǎn)生的徑流對(duì)土壤的沖刷并帶動(dòng)土壤以泥沙的形式進(jìn)行遷移[3]。因此，完整的水土流失監(jiān)測(cè)技術(shù)不僅需要對(duì)土壤侵蝕進(jìn)行測(cè)算，還需要在同尺度下對(duì)地表徑流進(jìn)行計(jì)算，這樣才能明確水土流失的過程、掌握水土流失的規(guī)律、更科學(xué)地提出水土流失治理的方案。徑流曲線模型(SCS-CN)是由美國(guó)于20世紀(jì)50年代提出的徑流計(jì)算模型，其綜合考慮了流域土壤類型、土地利用類型、前期土壤濕潤(rùn)程度與徑流的耦合關(guān)系[4]。憑借著結(jié)構(gòu)簡(jiǎn)單、所需參數(shù)簡(jiǎn)單的優(yōu)勢(shì)，該模型被廣泛應(yīng)用于國(guó)內(nèi)外水文資料不足流域的徑流預(yù)測(cè)[5]。卜慧等[6]將改進(jìn)的SCS模型應(yīng)用于老撾南烏河流域；彭云等[7]在內(nèi)蒙古荒漠草原小流域?qū)CS模型進(jìn)行了參數(shù)率定，并將該模型應(yīng)用于區(qū)域山洪計(jì)算。不同區(qū)域SCS-CN模型的適用性需要進(jìn)一步論證，其參數(shù)也需要根據(jù)研究區(qū)實(shí)際情況進(jìn)行優(yōu)化[8]，因此本研究在濟(jì)南市南部山區(qū)崮山流域進(jìn)行該模型的參數(shù)優(yōu)化研究，相關(guān)研究成果可以為濟(jì)南市南部山區(qū)的生態(tài)保護(hù)、水土保持監(jiān)測(cè)工作提供數(shù)據(jù)支撐，相關(guān)方法也可以為其他流域類似問題的研究提供參考。

1 材料與方法

1.1 研究區(qū)概況

崮山流域(以下簡(jiǎn)稱研究區(qū))位于濟(jì)南市南部山區(qū)，覆蓋張夏鎮(zhèn)、萬德街道和崮云湖街道的部分區(qū)域，流域總面積396.68 km2。研究區(qū)處于暖溫帶大陸性季風(fēng)氣候區(qū)，春季干旱少雨，夏季炎熱多雨，地理坐標(biāo)為東經(jīng)116°48′36″～117°5′23″，北緯36°14′40″～36°31′47″[9]。研究區(qū)位置見圖1。

圖1 研究區(qū)位置

研究區(qū)位于泰山北麓，屬于低山丘陵地區(qū)，地貌復(fù)雜，地勢(shì)由東南向西北逐漸降低，海拔高度為120～920 m[10-11]。經(jīng)查詢《山東省土種志》，結(jié)合野外調(diào)查采集的土壤樣品成分分析數(shù)據(jù)，確定了研究區(qū)土壤類型主要有褐土、棕壤、粗骨土、潮土4大類土壤，主要特征為土層淺薄，質(zhì)地較粗，結(jié)構(gòu)松散，礫石較多[12]。研究區(qū)的植被類型可以分為天然植被和人工植被兩大類。天然植被主要以荊條、酸棗等灌木為主。人工植被主要是農(nóng)作物和人工林：農(nóng)作物以小麥、玉米、花生等為主；人工林則以側(cè)柏、刺槐為主，還包括果園，以核桃、板栗為主[13]。

1.2 研究方法

1.2.1模型原理

SCS-CN模型假定集水區(qū)的實(shí)際入滲量與實(shí)際徑流量之比等于集水區(qū)該場(chǎng)次降雨前的潛在入滲量即后損上限與潛在徑流量之比，再之假定初損量與后損上限成比例[14]，公式為

(1)

P=Ia+F+R

(2)

Ia=λS

(3)

式中：F為實(shí)際入滲量，mm；R為實(shí)際徑流量，mm；S為潛在最大保持量，mm；P為降雨量，mm；Ia為初損，mm；λ為初損率。

由公式(1)、(2)、(3)聯(lián)合求解可得:

(4)

由上式可看出集水區(qū)徑流量取決于降雨量與該場(chǎng)次降雨前的潛在入滲量，而潛在入滲量又與區(qū)域土壤類型、土地利用類型、前期土壤濕潤(rùn)程度有關(guān)，SCS模型便通過其徑流曲線數(shù)(CN值)來反映上述因素的影響，潛在入滲量也通過該參數(shù)經(jīng)由下式計(jì)算:

(5)

在實(shí)際應(yīng)用中，參考美國(guó)國(guó)家工程手冊(cè)現(xiàn)行版本第九章的農(nóng)業(yè)用地CN值選取表、城市地區(qū)的CN值選取表確定了本文所用到的標(biāo)準(zhǔn)SCS-CN模型AMCⅡ狀態(tài)下的CN值表[15]見表1。

表1 崮山流域CN值取值

根據(jù)表2將土壤濕潤(rùn)程度按降雨發(fā)生前5日降雨總量劃分為干旱(AMCⅠ)、正常(AMCⅡ)、濕潤(rùn)(AMCⅢ)3種狀態(tài)，根據(jù)正常狀態(tài)下的CN值計(jì)算其他兩種狀態(tài)下的CN值[16]:

表2 前期土壤濕潤(rùn)條件(AMC)劃分

(6)

(7)

式中：CNⅠ、CNⅡ、CNⅢ分別代表干旱、正常、濕潤(rùn)狀態(tài)下的CN值。

1.2.2模型優(yōu)化

徑流曲線模型(SCS-CN)作為在世界范圍內(nèi)廣泛運(yùn)用的徑流計(jì)算模型，是由美國(guó)農(nóng)業(yè)部土壤保持局的研究人員在進(jìn)行了數(shù)萬次的降雨產(chǎn)流試驗(yàn)后提出的[17]。該模型物理參數(shù)明確，當(dāng)初損率λ固定為0.2時(shí)，無因次徑流曲線數(shù)CN是其唯一的參數(shù)，這對(duì)于水文資料不全的監(jiān)測(cè)區(qū)是非常適用的。但是，鑒于濟(jì)南市南部山區(qū)處于石灰?guī)r山地區(qū)且多是陡坡[18]，將在小于5°的美國(guó)平原地區(qū)推演出的初損率λ和參數(shù)CN值直接套用理論上是不合適的[19]。故選取研究區(qū)2009—2018年內(nèi)50次(M1～M50)降雨產(chǎn)流事件，對(duì)模型的初損率λ和參數(shù)CN值進(jìn)行優(yōu)化分析。研究區(qū)內(nèi)5個(gè)雨量站和1個(gè)水文站是非均勻分布的，將站點(diǎn)坐標(biāo)導(dǎo)入ArcGIS平臺(tái)，對(duì)研究區(qū)2009—2019年的降水?dāng)?shù)據(jù)結(jié)合泰森多邊形權(quán)重法進(jìn)行篩選分析[20]，根據(jù)前期土壤濕潤(rùn)條件(AMC)劃分表規(guī)定的標(biāo)準(zhǔn)進(jìn)行判斷，研究所選的50次典型降雨中有23次為AMCⅠ、6次為AMCⅡ、21次為AMCⅢ。50次降雨和徑流的分布關(guān)系見圖2。

圖2 50次典型降雨徑流統(tǒng)計(jì)

2 結(jié)果與分析

2.1 模型優(yōu)化分析

2.1.1標(biāo)準(zhǔn)SCS-CN模型計(jì)算

初損率λ取值為0.2，通過查表法獲取研究區(qū)CN值分布柵格數(shù)據(jù)，計(jì)算M1～M50次降雨的徑流深，計(jì)算值與實(shí)測(cè)值的優(yōu)度擬合統(tǒng)計(jì)分析[21]見圖3，回歸直線的斜率為1.355，截距為3.615 4，確定系數(shù)R2為0.381 4，納什效率系數(shù)ENS為-2.119 5。其中：在徑流深范圍處于0～0.5 mm時(shí)，模型計(jì)算結(jié)果大于實(shí)測(cè)值，有8次的計(jì)算結(jié)果大于5 mm；在徑流深范圍處于0.5～10 mm時(shí)，模型計(jì)算值小于實(shí)測(cè)值，有5次的徑流深計(jì)算接近于0；在徑流深大于10 mm時(shí)，模型僅有1次計(jì)算結(jié)果與實(shí)測(cè)值接近，其他均與實(shí)測(cè)值相差較大。

圖3 標(biāo)準(zhǔn)SNS-CN模型計(jì)算徑流深與實(shí)測(cè)徑流深擬合結(jié)果

以上分析表明，標(biāo)準(zhǔn)SCS-CN模型在計(jì)算研究區(qū)徑流深時(shí)誤差較大，造成這種結(jié)果的主要原因是λ取值為0.2。已有相關(guān)研究[22]表明，魯中南低山丘陵區(qū)λ取值范圍在0.02～0.16時(shí)，ENS已超過0.5；王紅艷等[23]利用SCS-CN模型估算黃土高原徑流時(shí)也對(duì)λ值0.01～0.20的取值進(jìn)行了率定，其結(jié)果表明，當(dāng)λ取0.01時(shí)，模型ENS最大值為0.516。由此可見，對(duì)λ值的率定是非常必要的。

2.1.2Woodward模型計(jì)算徑流

以Woodward為代表的研究人員針對(duì)徑流曲線模型的適用性問題在美國(guó)進(jìn)行的大量研究結(jié)果表明，λ取0.2并不適用于所有的流域，應(yīng)根據(jù)流域的地域性特點(diǎn)對(duì)其取值。Woodward等[24]通過對(duì)美國(guó)的307個(gè)徑流小區(qū)的研究得出了λ取0.05的模型效率要高于其取0.2，并推演出λ為0.05時(shí)CN值的轉(zhuǎn)換模型為

(8)

使用Woodward改進(jìn)的SCS-CN模型對(duì)M1～M50降雨事件進(jìn)行徑流深計(jì)算，并對(duì)計(jì)算徑流深和實(shí)測(cè)徑流深進(jìn)行優(yōu)度擬合分析，結(jié)果見圖4?；貧w直線的斜率為1.745 5，截距為2.603 9，R2為0.590 6，ENS為0.435 5。與標(biāo)準(zhǔn)SCS-CN模型相比：該方法在徑流深范圍處于0～0.5 mm時(shí)，模型計(jì)算結(jié)果大于實(shí)測(cè)值，有9次的計(jì)算結(jié)果大于5 mm；在徑流深范圍處于0.5～10 mm時(shí)，計(jì)算值與實(shí)測(cè)值較為接近，但是有2次的徑流深計(jì)算接近于0；在徑流深大于10 mm時(shí)，模型僅有1次計(jì)算結(jié)果與實(shí)測(cè)值接近，其他均與實(shí)測(cè)值相差較大。

圖4 Woodward模型計(jì)算徑流深與實(shí)測(cè)徑流深擬合結(jié)果

上述分析結(jié)果表明，在徑流深處于0.5～10 mm時(shí)，Woodward法的計(jì)算徑流深結(jié)果更接近實(shí)測(cè)值，在徑流深處于其他范圍時(shí)，該方法仍具有較大的誤差。對(duì)于本研究選取的模型評(píng)價(jià)標(biāo)準(zhǔn)而言，該模型的效率整體上優(yōu)于標(biāo)準(zhǔn)SCS-CN模型，為進(jìn)一步提高模型的計(jì)算精度，繼續(xù)對(duì)模型的參數(shù)進(jìn)行優(yōu)化。

2.1.3優(yōu)化SCS-CN模型計(jì)算徑流

繼以上研究結(jié)果，首先對(duì)標(biāo)準(zhǔn)SCS-CN模型中的參數(shù)λ進(jìn)行優(yōu)化分析。在此分析過程中，將λ取值范圍定為0～0.20，步長(zhǎng)設(shè)置為0.01，CN值為標(biāo)準(zhǔn)SCS-CN模型中的查表值，不同λ取值的模型評(píng)價(jià)結(jié)果見圖5。圖5中，隨著λ值的增大，回歸直線的斜率呈逐漸減少的趨勢(shì)，其取值范圍為1.355 0～1.750 8；回歸直線的截距呈先減少再增加的趨勢(shì)，在λ為0.13時(shí)有最小值為2.591 7，在λ為0.01時(shí)有最大值5.678 3；優(yōu)度擬合統(tǒng)計(jì)R2呈減少趨勢(shì)，取值范圍為0.381 4～0.442 5；ENS呈減少趨勢(shì)，取值范圍為-2.119 5～0.373 7，在λ≤0.06時(shí)，ENS取得正值。

圖5 初損率λ優(yōu)化分析結(jié)果

以上結(jié)果表明：在λ處于0～0.20時(shí)，模型的計(jì)算徑流深整體上會(huì)大于實(shí)測(cè)徑流深，隨著λ取值增大，計(jì)算徑流深有減小的趨勢(shì)，但計(jì)算徑流深和實(shí)測(cè)徑流深的相關(guān)性也會(huì)降低，模型精確度也隨之降低；λ取值越小，模型的精確度越高，尤其是在λ≤0.06時(shí)，模型的效率相對(duì)較高。

將CN值取查表值時(shí)，λ取值范圍定在0～0.06一定程度上提高了模型的精度，可以作為λ取值的最優(yōu)區(qū)間。但是模型的誤差仍不可忽略，這是由于CN值的選取也會(huì)影響模型的計(jì)算精度，有研究表明地形因素對(duì)CN值的選取是不可忽略的，Huang等[25]在黃土高原陡坡區(qū)分析評(píng)價(jià)了標(biāo)準(zhǔn)徑流曲線模型中邊坡整合辦法，并基于徑流小區(qū)11年降雨徑流數(shù)據(jù)提出了CN值的坡度修正公式見式(9)。

(9)

式中：CNα為修正后的CN值；α為百分比坡度。

考慮到Woodward模型中λ值為0.05正處于上述對(duì)λ率定的最優(yōu)結(jié)果區(qū)間內(nèi)，并且當(dāng)λ取0.05時(shí)也有了較為成熟的CN值轉(zhuǎn)換模型，因此接下來模型優(yōu)化的方向是在Woodward模型的基礎(chǔ)上引入CN值坡度修正模型。

基于ArcGIS平臺(tái)，將研究區(qū)坡度圖層、Woodward模型提取的CN值柵格圖層(CNW)按照式(9)進(jìn)行柵格運(yùn)算，得到優(yōu)化后的Woodward模型CN值(CNY)。在計(jì)算徑流深前先對(duì)計(jì)算得出的50組CN值柵格數(shù)據(jù)進(jìn)行加權(quán)平均計(jì)算，得出次降雨的研究區(qū)綜合CN值，與基于實(shí)測(cè)降雨徑流數(shù)據(jù)反推計(jì)算的CN值進(jìn)行擬合分析，探討優(yōu)化CN值的適用性。

取λ為0.05，由式(3)、(4)、(5)可得:

CN=

(10)

基于M1～M50場(chǎng)次降雨的實(shí)測(cè)徑流數(shù)據(jù)及降雨數(shù)據(jù)，利用式(10)計(jì)算出各次降雨的CN值，結(jié)合SPSS和Excel將優(yōu)化后的CNY和反推法計(jì)算的CNF進(jìn)行線性、多項(xiàng)式、對(duì)數(shù)、指數(shù)、乘冪擬合分析，其結(jié)果見表3。由表3可知，兩組數(shù)據(jù)相關(guān)性較好，指數(shù)函數(shù)擬合時(shí)R2有最小值為0.662 8，多項(xiàng)式函數(shù)擬合R2有最大值為0.748 1。擬合分析表明CNY與CNF有較好的相關(guān)性，可以繼續(xù)進(jìn)行徑流深計(jì)算。

表3 CNY與CNF擬合分析結(jié)果

使用參數(shù)優(yōu)化后的SCS-CN模型對(duì)M1～M50場(chǎng)次降雨進(jìn)行徑流計(jì)算，并將計(jì)算結(jié)果按照不同的前期土壤濕潤(rùn)程度進(jìn)行分類統(tǒng)計(jì)，對(duì)比3種方法計(jì)算徑流深與實(shí)測(cè)徑流深的分布關(guān)系，其結(jié)果見圖6。

圖6 不同方法計(jì)算徑流深與實(shí)測(cè)徑流深對(duì)比分析

在土壤前期濕度AMC Ⅰ狀態(tài)下，分析每種模型的計(jì)算值與實(shí)測(cè)值的差值關(guān)系，其中：實(shí)測(cè)值與優(yōu)化SCS-CN 模型計(jì)算值的誤差均值為-0.02 mm，標(biāo)準(zhǔn)差為1.17；實(shí)測(cè)值與Woodward 模型計(jì)算值的誤差均值為0.44，標(biāo)準(zhǔn)差為3.09；實(shí)測(cè)值與標(biāo)準(zhǔn)SCS-CN模型計(jì)算值的誤差均值為2.54，標(biāo)準(zhǔn)差為5.63。實(shí)測(cè)值與優(yōu)優(yōu)化SCS-CN 模型的計(jì)算值誤差最小且偏離程度小，與標(biāo)準(zhǔn)SCS-CN模型計(jì)算值相差最大，模型適用性排序?yàn)閮?yōu)化SCS-CN 模型>Woodward 模型>標(biāo)準(zhǔn)SCS-CN模型。

在土壤前期濕度AMC Ⅱ狀態(tài)下：實(shí)測(cè)值與優(yōu)化SCS-CN 模型計(jì)算值的誤差均值為-0.32 mm，標(biāo)準(zhǔn)差為0.56；實(shí)測(cè)值與Woodward 模型計(jì)算值的誤差均值為6.81，標(biāo)準(zhǔn)差為1.58；實(shí)測(cè)值與標(biāo)準(zhǔn)SCS-CN模型計(jì)算值的誤差均值為2.19，標(biāo)準(zhǔn)差為3.77。實(shí)測(cè)值與優(yōu)優(yōu)化SCS-CN 模型的計(jì)算值誤差最小且偏離程度小，與Woodward 模型計(jì)算值相差最大，模型適用性排序?yàn)閮?yōu)化SCS-CN模型>標(biāo)準(zhǔn)SCS-CN模型>Woodward 模型。

在土壤前期濕度AMC Ⅲ狀態(tài)下：實(shí)測(cè)值與優(yōu)化SCS-CN模型計(jì)算值的誤差均值為0.70 mm，標(biāo)準(zhǔn)差為2.06；實(shí)測(cè)值與Woodward 模型計(jì)算值的誤差均值為9.19，標(biāo)準(zhǔn)差為9.50；實(shí)測(cè)值與標(biāo)準(zhǔn)SCS-CN模型計(jì)算值的誤差均值為7.73，標(biāo)準(zhǔn)差為14.42。實(shí)測(cè)值與優(yōu)化SCS-CN 模型的計(jì)算值誤差最小且偏離程度小，實(shí)測(cè)值與標(biāo)準(zhǔn)SCS-CN模型計(jì)算值的誤差均值小于Woodward 模型，但是前者標(biāo)準(zhǔn)差小于后者，引入變異系數(shù)判斷模型的適用性。實(shí)測(cè)值與Woodward 模型計(jì)算值的誤差變異系數(shù)為1.03，與標(biāo)準(zhǔn)SCS-CN模型計(jì)算值的誤差變異系數(shù)為1.86，因此模型適用性排序?yàn)閮?yōu)化SCS-CN 模型>Woodward 模型>標(biāo)準(zhǔn)SCS-CN模型。

為進(jìn)一步驗(yàn)證參數(shù)優(yōu)化后SCS-CN模型的效率，擬合分析實(shí)測(cè)徑流深與優(yōu)化SCS-CN 模型計(jì)算徑流深，結(jié)果見圖7。計(jì)算徑流深與實(shí)測(cè)徑流深的回歸直線斜率為0.905 8，截距為0.544，R2為0.812 7，ENS為0.796 9。在徑流深范圍處于0～0.5 mm時(shí)，模型計(jì)算值略大于實(shí)測(cè)值，有兩次超過5 mm；在徑流深范圍處于0.5～10 mm時(shí)，模型計(jì)算值與實(shí)測(cè)值接近，有3次的徑流深計(jì)算接近于0；在徑流深大于10 mm時(shí)，有3次計(jì)算結(jié)果均與實(shí)測(cè)值接近。

圖7 優(yōu)化SCS-CN模型計(jì)算徑流深與實(shí)測(cè)徑流深對(duì)比分析

2.2 研究區(qū)2019年徑流量估算

對(duì)2019年降雨數(shù)據(jù)進(jìn)行篩選，有29次降雨事件的降雨量超過侵蝕性降雨閾值(10 mm)按時(shí)間順序編號(hào)為T1～T29，土壤前期濕潤(rùn)程度23次為AMC Ⅰ(T1～T7，T9～T18，T24～T29)，1次AMC Ⅱ(T8)，5次AMC Ⅲ(T19～T23)。使用優(yōu)化后的徑流曲線模型基于ArcGIS平臺(tái)分別對(duì)29場(chǎng)次降雨進(jìn)行徑流計(jì)算，使用Zonal工具統(tǒng)計(jì)分析各降雨場(chǎng)次徑流深計(jì)算的平均值，綜合分析各降雨場(chǎng)次的降雨量和植被覆蓋程度，其結(jié)果見圖8。

圖8 29場(chǎng)降雨量、徑流深及植被覆蓋關(guān)系組合

由圖8可以看出：T19～T23次降雨的徑流量明顯高于其他場(chǎng)次，表明在植被覆蓋度相同的情況下，降雨量和土壤前期濕度對(duì)徑流的產(chǎn)生影響較大；T1～T18及T24～T29場(chǎng)次降雨事件產(chǎn)生的徑流量較小且變化不明顯，徑流深范圍為0.08～1.39 mm，這表明在土壤前期濕度均為AMC Ⅰ的情況下，隨著汛期的到來，降雨量的上升對(duì)徑流深的變化影響不大，考慮是因?yàn)檠芯繀^(qū)植被覆蓋程度在此期間呈現(xiàn)逐漸上升的趨勢(shì)，且在汛期的中后期達(dá)到了全年植被覆蓋度的最高值，植被截留降雨減小徑流的作用隨著植被覆蓋度的上升而增加。

疊加29次徑流深計(jì)算結(jié)果，得到2019年徑流深分布柵格圖見圖9?？梢钥闯觯芯繀^(qū)年徑流深呈南高北低，西高東低的空間分布特征，徑流深范圍在34.15～371.52 mm。結(jié)合ArcGIS中的分區(qū)統(tǒng)計(jì)工具計(jì)算得出研究區(qū)年徑流量為0.53億m3，年均徑流深為134.52 mm，各鎮(zhèn)年均徑流深分別為：崮云湖街道93.52 mm，張夏鎮(zhèn)92.36 mm，萬德鎮(zhèn)72.1 mm。

圖9 崮山流域2019年年徑流深分布

3 結(jié) 語

優(yōu)化后的SCS-CN模型在研究區(qū)適用性較高，模型優(yōu)度擬合確定系數(shù)較Woodward 模型提高了17.68%，較標(biāo)準(zhǔn)SCS-CN模型提高了113.08%；ENS較Woodward 模型提高了48.81%，較標(biāo)準(zhǔn)SCS-CN模型提高了137.59%。

研究區(qū)2019年各侵蝕性降雨場(chǎng)次產(chǎn)生的徑流受到降雨量大小和植被覆蓋情況等多方面因素影響，根據(jù)本文的研究成果可以判定降雨量與徑流量呈正相關(guān)，植被覆蓋程度與徑流量呈負(fù)相關(guān)。

2019年崮山流域年徑流量為0.53億m3，空間分布上呈現(xiàn)北高南低、東高西低的分布規(guī)律，流域內(nèi)各行政鎮(zhèn)區(qū)年均徑流深排序?yàn)獒脑坪值?張夏鎮(zhèn)>萬德鎮(zhèn)。

模型優(yōu)化過程中參數(shù)CN值的優(yōu)化是在查表值的基礎(chǔ)上得到，研究區(qū)的土壤類型及人工栽培的樹種和自然樹種等植被類型交錯(cuò)復(fù)雜，接下來研究計(jì)劃通過建立徑流小區(qū)并持續(xù)觀測(cè)，以進(jìn)一步優(yōu)化SCS-CN模型的參數(shù)取值，提高其在濟(jì)南市南部山區(qū)的應(yīng)用精確度。