葉許春，張 奇

(1.中國科學院南京地理與湖泊研究所湖泊與環(huán)境國家重點實驗室，江蘇 南京210008;2.中國科學院研究生院，北京100049)

分布式水文模型考慮了降雨、蒸發(fā)和下墊面條件的空間分布不均勻性，從而能夠準確地模擬流域的水文過程[1]。在大尺度流域，降雨、蒸發(fā)和下墊面條件的空間分布不均勻性較大，水文過程模擬的準確性有賴于輸入數(shù)據(jù)對流域特征的描述。然而，由于水文模型本身的非線性特性，水文過程通常對流域氣候、土壤、地形以及植被的空間分布形式較為敏感[2]。對于那些基于網(wǎng)格的分布式水文模型，模型的運算效率及模擬結(jié)果的準確性往往受網(wǎng)格大小的選擇和輸入空間數(shù)據(jù)精度的影響。

分布式水文模型中，選擇不同大小的網(wǎng)格離散流域空間將顯著地影響流域地形、土壤以及植被的空間分布形態(tài)，從而影響對水文過程的準確模擬[3-4]。在實際應用過程中，人們對分布式水文模型網(wǎng)格大小的選擇較為隨意[5]，往往基于對流域的尺度、模擬精度的需求以及計算效率的考慮?？臻g或時間分辨率的大小會引起分布式水文模型模擬結(jié)果的不同，大的網(wǎng)格會造成空間信息的改變或丟失，從而影響對流域水文特征的模擬[6]。Hessel[7]，Kuo[8]的研究顯示，當模型網(wǎng)格從5～100 m，和從10～600 m逐漸增大時，模擬的地表徑流不斷減小，而實際蒸散發(fā)則隨網(wǎng)格的增大而增大。然而，對于分布式水文模型，網(wǎng)格的無限精細并不一定提高模型的模擬效果[9]，在一定精度空間數(shù)據(jù)的輸入條件下，可能存在一個合適的網(wǎng)格大小使得模型的模擬效果最佳。Vázquez[10]在一小流域應用MIKE—SHE模型時發(fā)現(xiàn)，600 m網(wǎng)格模型的模擬效果要好于300 m網(wǎng)格和1 200 m網(wǎng)格模型的模擬效果。Mo[2]應用VIP模型對黃土高原土壤蒸散發(fā)和作物產(chǎn)量的研究也顯示，1 km網(wǎng)格相對于250 m和8 km網(wǎng)格來說更適合于模型的應用。此外，Molnár[11]也曾表示，低精度的網(wǎng)格可用于大尺度流域降雨—徑流關系的模擬。國內(nèi)學者在DEM分辨率對流域地形特征和水文過程的影響的研究方面較為集中[12-13]，然而，對基于網(wǎng)格的分布式水文模型中網(wǎng)格大小對水文過程模擬結(jié)果的影響的研究深入不足。對于大尺度流域分布式水文模型，小網(wǎng)格的應用也意味著增加數(shù)據(jù)的前處理工作，同時也加大了模型的運算量，因此分析網(wǎng)格大小對水文過程模擬的影響，有利于增強對水文模型機理以及模擬結(jié)果對網(wǎng)格選擇不確定性的認識。

1 研究區(qū)概況

信江流域位于鄱陽湖流域東南，是鄱陽湖5大入湖河流——信江水系所在區(qū)域。信江流域面積17 096 km2，流域北、東、南三面為低中山環(huán)繞，信江自東向西穿過，于北西方向注入鄱陽湖流。下游梅港站以上流域面積15 535 km2，梅港站實測多年平均徑流578 m3/s。

信江流域?qū)賮啛釒駶櫄夂騾^(qū)，多年平均降雨量1 878 mm，多年平均蒸發(fā)量1 044 mm(1960—2005年間)。年內(nèi)降雨分配不均，呈現(xiàn)明顯的干、濕分明的特點。濕潤季節(jié)一般是4—6月，受東南亞季風系統(tǒng)的影響，季風區(qū)前緣北移，區(qū)內(nèi)降雨從7—9月開始迅速減少。9月以后，流域進入干季狀態(tài)，一直持續(xù)到12月。流域年平均溫度18°C，7月平均最大氣溫37°C，1月份平均最低氣溫-3°C。

2 數(shù)據(jù)與方法

2.1 WAT LAC模型

WAT LAC模型模擬在降雨和蒸發(fā)驅(qū)動下，流域地表、地下徑流和土壤含水量的變化。具體過程包括，植被攔截、土壤蓄水、地表徑流、土壤對地下水的補給、飽和地下水運動。模型包含地表、地下徑流2個子模型。地表徑流模擬采用基于網(wǎng)格單元的空間離散，依據(jù)地形高程和水系計算匯流路徑。地下水運動采用有限差分網(wǎng)格離散空間，使用MODFLOW并作適當修改，使其與地表徑流模型耦合。流域的空間非均勻性(地形、降雨、蒸發(fā)、土壤類型、土地利用等)由單元網(wǎng)格離散并模擬。模型計算過程中，降雨經(jīng)植被截留后到達地面進入非飽和土壤水層，不能滲入地下的雨量，成為地表徑流。模型根據(jù)給定的潛在蒸發(fā)量計算實際蒸發(fā)量，由植被截留蒸發(fā)、地面蓄水蒸發(fā)和土壤水蒸散發(fā)組成。土壤水一部分消耗于蒸發(fā)，另一部分下滲為地下水補給量，該補給量假設為與土壤含水量成正比。地表產(chǎn)流量通過匯流路徑進入河道，再采用曼寧公式演算河道徑流?；饔傻叵滤M及其與河道的水量交換計算獲得，具體由 MODFLOW及其河流軟件包(RIV Package)實現(xiàn)。

該模型已經(jīng)在太湖西苕溪[14]、撫仙湖[15]、鄱陽湖[16-17]等流域開展了應用研究，取得了較好的模擬效果。模型具體原理及過程可參閱文獻[14-18]。

2.2 基礎數(shù)據(jù)

模型所需數(shù)據(jù)主要有氣象數(shù)據(jù)、地形數(shù)據(jù)、土壤類型和土地利用/覆被數(shù)據(jù)3類。日降雨和氣溫數(shù)據(jù)主要采用流域內(nèi)鷹潭 (28.15°N ，117.02°E);貴溪(28.18°N ，117.13°E);鉛山 (28.19°N ，117.42°E);上饒(28.27°N ，117.59°E);玉山(28.41°N ，118.15°E)等5個國家氣象站的逐日觀測資料，具體包括日最低、最高氣溫，逐日降雨、風速和濕度。模型的潛在蒸發(fā)量采用P—M公式進行計算。地形數(shù)據(jù)由長江流域1∶25萬地形等高線圖插值生成DEM 數(shù)據(jù)，網(wǎng)格大小為100 m。土地利用類型數(shù)據(jù)由2000年江西省1∶100萬土地利用圖片數(shù)字化得到，并根據(jù)土地利用的一級分類，最終劃分為耕地、有林地、灌木林、草地、城鎮(zhèn)等6種土地利用類型，各土地利用所占流域面積百分比從0.1%到46.7%不等。土壤數(shù)據(jù)來源于江西省土地管理局1990年土壤調(diào)查結(jié)果，數(shù)據(jù)分辨率為1∶300萬，根據(jù)國家土壤分類標準最終綜合劃分成紅壤、紅壤性土、黃壤、黃棕壤及紫色土5種土類，各土類所占流域面積百分比從1.3%到55.8%不等。由于地下水數(shù)據(jù)資料的缺乏，在模型中采用垂向一維均質(zhì)單元模擬地下水，該地下水的模擬只為提供河道基流，在模型中作了簡單處理，含水層飽和滲透系數(shù)(K)和給水度(s)等數(shù)據(jù)在模型中采取率定的方法確定。

2.3 研究方案及評價指標

劉健和張奇[16]應用WATLAC模型建立了 4 km網(wǎng)格尺度的鄱陽湖贛江流域分布式水文模型，具有一定的模擬精度。本文以此網(wǎng)格尺度為上限，向下依次選取2 km，1 km網(wǎng)格作為對比，分析不同網(wǎng)格尺度對水文過程模擬的影響。研究方案主要分以下兩步:(1)首先建立一個2 km網(wǎng)格的流域水文模型，并對模型進行率定和驗證，然后將率定的2 km網(wǎng)格模型的有效參數(shù)分別應用于一個小網(wǎng)格模型——1 km網(wǎng)格模型，和一個更大的網(wǎng)格模型——4 km網(wǎng)格模型?；谕瑯拥膮?shù)條件，從而分析不同的網(wǎng)格大小對產(chǎn)流量、實際蒸散發(fā)以及地下水補給等水文過程模擬的影響。(2)基于建立的3個不同網(wǎng)格的模型，分別進行率定和驗證，通過對不同網(wǎng)格模型模擬效果的評價，從而分析出適應模型的最佳網(wǎng)格大小。

模型率定采用手動調(diào)參法，在模型率定之前，使用濾波法將觀測徑流分割成地表徑流和基流兩部分，模型率定的標準是使模擬的地表、地下徑流的相對誤差控制在5%以內(nèi)。模型以日徑流輸出為評價對象，選用1994—1998年梅港站徑流數(shù)據(jù)進行模型的率定，1999—2003年為模型驗證期。模型模擬結(jié)果的評價指標有百分比誤差(PB)，以及Nash—Sutcliffe效率系數(shù)(Ens)，具體表達式為:

式中:P——模擬值;O——觀測值;ˉO——觀測平均值。

3 結(jié)果分析

3.1 網(wǎng)格大小對產(chǎn)流量的影響

觀測的河道徑流來自地表徑流和基流兩部分，采用基流分割程序——數(shù)字濾波法[19]對模擬期1994—2003年梅港站日徑流過程進行分析，結(jié)果顯示總徑流中約38%來地下基流。WATLAC模型采用垂向一維均質(zhì)單元模擬地下水，該模擬的地下水部分是河道基流的主要來源。

表1顯示了不同網(wǎng)格模型模擬的地表徑流、基流和河道總徑流的差異及其與實測徑流的對比。由于各網(wǎng)格模型是基于相同的參數(shù)條件下，其模擬結(jié)果的差異反映出網(wǎng)格大小對徑流的影響。

表1 相同參數(shù)條件下不同網(wǎng)格模型對多年平均徑流量模擬結(jié)果的差異(1994—2003年)

由表1可以看出，總徑流量隨網(wǎng)格的增大呈現(xiàn)輕微的減小趨勢，1 km網(wǎng)格模型模擬的徑流量略大于2 km和4 km模型，其中1 km網(wǎng)格模型與2 km網(wǎng)格模型模擬的多年平均徑流的差別非常小，這與Hessel[7]，Kuo[8]的研究顯示模擬的徑流隨網(wǎng)格的減小而增大的結(jié)論相一致。模型模擬的基流則隨網(wǎng)格的增大，其增加趨勢十分顯著，地表徑流則相反。

圖1顯示了基流所占徑流總量百分比隨網(wǎng)格的增大呈直線的增加趨勢，1 km網(wǎng)格模型模擬的基流約占總徑流的27%，2 km網(wǎng)格模型模擬的基流約占總徑流的39%，而4 km網(wǎng)格模型模擬的基流則達到總徑流的55%左右。

圖1 不同網(wǎng)格條件下模型模擬的基流比重的差異

以上分析表明網(wǎng)格大小對分布式水文模型模擬的總徑流量有一定的影響，對模擬的地表徑流和地下徑流的影響非常顯著。網(wǎng)格大小顯著地改變地表徑流和地下徑流間的分配比例，隨著網(wǎng)格的增大，有較多的水流入滲地下并以基流的形式補給河道，而以地表徑流的形式匯入河道的水量減小。

3.2 網(wǎng)格大小對實際蒸發(fā)的影響

蒸發(fā)過程是流域地表水、土壤水損失水量的主要機制，WAT LAC模型計算的實際蒸發(fā)量，由植被截留蒸發(fā)、地面蓄水蒸發(fā)和土壤水蒸散發(fā)組成。模擬結(jié)果顯示模擬期內(nèi)不同網(wǎng)格模型模擬的月蒸散發(fā)量過程幾乎一致。1，2和4 km網(wǎng)格模型計算的月平均蒸發(fā)量分別為52.73，52.26和53.58 mm。不同網(wǎng)格條件下，模型模擬的蒸發(fā)量差別微小，表明網(wǎng)格大小對模型模擬的實際蒸發(fā)量影響較小。

網(wǎng)格大小對蒸散發(fā)的影響較為復雜，因為從小網(wǎng)格重采樣生成的大網(wǎng)格數(shù)據(jù)會造成土壤、植被等空間數(shù)據(jù)信息的均化或丟失，不同網(wǎng)格的模型對流域的離散在一定程度會導致土壤、植被等數(shù)據(jù)空間分布的差異，影響蒸散發(fā)過程[20]，如 Hessel[7]，Kuo[8]的研究表明模型計算的實際蒸散發(fā)隨網(wǎng)格的減小而減小。實際應用中，往往由于不同網(wǎng)格離散的土壤、植被的總體特征在流域尺度上并不能表現(xiàn)出較大的差異，以及不同模型對植被截流、土壤蒸散發(fā)等計算方法的差異也使得模型對實際蒸散發(fā)的模擬結(jié)果存在很大的不確定性。在信江流域中，不同網(wǎng)格的WATLAC模型計算的實際蒸發(fā)量的差別不顯著。

3.3 網(wǎng)格大小對地下水補給的影響

土壤水一部分消耗于蒸發(fā)，另一部分下滲為地下水補給量，地下水補給量的絕大部分又以基流的形式補給河道徑流。前面對產(chǎn)流量的分析中，指出網(wǎng)格大小顯著地改變著水流在地表徑流和地下徑流間的分配。隨著網(wǎng)格的增大，有較多的水流入滲地下并以基流的形式補給河道，在很大程度上，網(wǎng)格大小對基流的影響也正反映了其對地下水補給的差異。圖2顯示了不同網(wǎng)格模型模擬的月地下水補給量的變化過程。由圖2可以看出，不同網(wǎng)格模型模擬的地下水補給量的差別非常明顯，在相同的參數(shù)條件下，網(wǎng)格越大，模型計算的地下水補給量就越大。統(tǒng)計顯示1，2和4 km網(wǎng)格模型計算的月平均地下水補給量分別為27.63，45.08和69.46 mm。

圖2 相同參數(shù)條件下不同網(wǎng)格模型模擬的月地下水補給量差異

影響地下水補給量的主要因素有降雨的歷時、到達地表的凈雨量以及土壤本身的入滲能力，在相同的網(wǎng)格條件下，流域總的降雨量及歷時一定，其到達地表的凈雨量差異很小，因此土壤的入滲力是影響地下水補給的主導因素。大量的研究表明，DEM的分辨率對流域模擬有一定的影響。由不同分辨率DEM得出的流域面積、河網(wǎng)結(jié)構(gòu)、高程、河道長度等在大體上是一致的，但是由不同分辨率DEM提取的坡度差別較大[11-13]。在一定的土壤數(shù)據(jù)的條件下，土壤入滲能力的差別主要來自于不同網(wǎng)格模型對流域地形坡度離散后的差異。表2顯示了3種網(wǎng)格模型提取的流域特征參數(shù)及其與原始100 mDEM數(shù)據(jù)的差別。由表2可知，不同網(wǎng)格模型所提取的流域面積、高程差別不大，而坡度的差異顯著。網(wǎng)格越大，模型中提取的流域最大坡度、平均坡度等越小，流域地形就越顯平坦。坡度對地下水補給的影響主要表現(xiàn)在，坡度的減小有利于延長地表徑流的匯流時間，增大地表水的入滲速率，從而改變著水流在地表徑流和地下徑流間的分配比例。

表2 不同網(wǎng)格模型提取的流域特征參數(shù)

3.4 不同網(wǎng)格模型率定結(jié)果的比較

模型的率定是對模型模擬結(jié)果的改進，最大限度調(diào)整模擬結(jié)果與實測數(shù)據(jù)的吻合程度。分布式水文模型參數(shù)的率定與模型本身網(wǎng)格大小有關，Vázquez等[10]對MIKE—SHE模型的應用研究表明，不同網(wǎng)格的模型其率定的有效參數(shù)與網(wǎng)格大小的選擇有關，同樣，Braun等[21]指出，當模型從小網(wǎng)格應用到大網(wǎng)格時，模型參數(shù)需要重新率定。

分別對研究區(qū)的3個不同網(wǎng)格模型進行率定，對梅港站日徑流過程的模擬效果見表3。從表3中的模型模擬效果的評價指標來看，模型率定后，3種網(wǎng)格的模型對梅港站日徑流過程的模擬效果均較好，驗證期內(nèi)Nash—Sutcliffe效率系數(shù)在0.84～0.89之間。模型從2 km網(wǎng)格應用到4 km網(wǎng)格時，模型對流域空間特征的刻畫變的粗糙，模型模擬的效果相對變差。當模型從2 km網(wǎng)格應用到1 km網(wǎng)格時，模型對流域空間特征的刻畫將更為精細，然而模型模擬的效果并未表現(xiàn)出相應的提高。1 km網(wǎng)格模型Nash—Sutcliffe效率系數(shù)為0.87，小于2 km 模型的模擬結(jié)果。由此可知，2 km網(wǎng)格模型對梅港站日徑流過程的模擬效果相對要好(Ens=0.89)。

表3 不同網(wǎng)格模型對梅港站日徑流過程的模擬效果統(tǒng)計

以上分析表明以下事實。(1)不同網(wǎng)格模型對流域物理屬性的刻畫上有較大的差別，依目標而定的模型率定能最大限度地模糊這種差別對水文過程模擬的影響，使得不同網(wǎng)格的模型均能獲得較好的模擬結(jié)果;(2)盡管小網(wǎng)格的模型更能真實地反映流域空間特征，但對于分布式水文模型，網(wǎng)格的無限精細并不一定提高模型的模擬效果，大網(wǎng)格的模型可用于模擬流域的水文過程;(3)對于特定的流域，在一定精度空間數(shù)據(jù)的輸入條件下，存在一個合適的網(wǎng)格大小使得模型的模擬效果最佳。

4 結(jié)論

本文以鄱陽湖信江流域為研究區(qū)，分析了網(wǎng)格大小對大尺度分布式水文模型水文過程模擬的影響。結(jié)果表明，在同樣參數(shù)條件下，網(wǎng)格大小對分布式水文模型模擬的總徑流量影響較小，但網(wǎng)格大小顯著地改變著水流在地表徑流和地下徑流間的分配;信江流域中，不同網(wǎng)格的WATLAC模型計算的實際蒸發(fā)量的差別不顯著;在相同的參數(shù)條件下，網(wǎng)格越大，模型計算的地下水補給量就越大。此外，通過對不同網(wǎng)格模型的分別率定，結(jié)果顯示，2 km網(wǎng)格的模型模擬效果略好，但3種不同網(wǎng)格的模型均能較好地模擬流域的徑流過程。

分布式水文模型網(wǎng)格大小的選擇影響著分布式水文模型的模擬精度和計算效率，小網(wǎng)格的分布式水文模型無疑更能真實地反映流域空間特征，但其對輸入數(shù)據(jù)的要求更高。高精度的空間數(shù)據(jù)會增加數(shù)據(jù)的前處理工作，并且降低了水文模型的計算效率，在大尺度流域的實際應用中不太實用。對大流域的水文模擬，楊大文[22]等建立了10 km網(wǎng)格尺度的黃河流域分布式水文模型，取得了較好的模擬效果;劉健和張奇[16]采用4 km網(wǎng)格建立了贛江流域分布式水文模型，具有一定的模擬精度;而對于1，2 km等較大網(wǎng)格的應用較為普遍。因此，在滿足一定模擬精度條件下，大網(wǎng)格的模型可用于模擬流域的水文過程，這可能與大尺度流域水文過程對小范圍(網(wǎng)格)內(nèi)部的水文響應較小有關;不同水文模型的機理中對一些水文過程的簡化、概化等使得模型對網(wǎng)格大小的敏感性降低;另外，依目標而定的模型率定能很大程度上模糊網(wǎng)格差別對水文過程模擬的影響。在流域水文模型的具體應用中，應充分考慮流域本身的尺度以及模擬的目的和精度要求，選擇合適的網(wǎng)格大小，同時應結(jié)合模型機理，解釋模擬結(jié)果。

[1] 張金存，芮孝芳.分布式水文模型構(gòu)建理論與方法評述[J].水科學進展，2007，18(2):286-292.

[2] Mo X G，Liu S X，Chen D，et al.Grid-size effects on estimation of evapotranspiration and gross primary production over a large Loess Plateau basin，China[J].Hydrological Sciences-Jouranal-des Sciences Hydrologique，2009，54(1):160-173.

[3] Xu J，Yan Y.Scale effects on specific sediment yield in the Yellow River basin and geomorphological explanations[J].Journal of Hydrology，2005，307:219-232.

[4] Yang D，Herath S，Musiake K.Spatial resolution sensitivity of catchment geomorphologic properties and the effect on hydrologicalsimulation[J].Hydrological Processes，2001，15:2085-2099.

[5] Jetten V，Govers G，Hessel R.Erosion models:quality of spatialpredictions[J].HydrologicalProcesses，2003，17:887-900.

[6] Schoorl J M，Sonneveld M P W，Veldkamp A.Threedimensional landscape process modeling:the effect of DEM resolution[J].Earth Surface Processes and Landforms，2002，25:1025-1034.

[7] Rudi Hessel.Effects of grid cell size and time step length on simulation results of the Limburg soil erosion mode l(LISEM).Hydrological Processes，2005，19:3037-3049.

[8] Kuo W ，Steenhuis T S，McCulloch C E，et al.Effect of grid size on runoff and soil moisture for a variablesource-area hydrology model[J].Water Resources Research，1999，35:3419-3428.

[9] Wood E F，Sivapalan M ，Beven K，et al.Effects of spatial variability and scale with implications to hydrologic modeling[J].Journal of Hydrology，1988，102:29-47.

[10] Vá zquez R F，F(xiàn)eyen L，F(xiàn)eyen J，et al.Effect of grid size on effective parameters and model performance of the MIKE-SHE code[J].HydrologicalProcesses，2002，16:355-372.

[11] Molnár，Julien P Y，ASCE M.Grid-Size Effects on Surface Runoff M odeling[J].Journal of Hydrologic Engineering，2000，5(1):8-16.

[12] 任希巖，張雪松，郝芳華，等.DEM分辨率對產(chǎn)流產(chǎn)沙模擬影響研究[J].水土保持研究，2004，11(1):1-4.

[13] 張雪松，郝芳華，楊志峰，等.徑流模擬對DEM 分辨率的敏感性分析[J].水土保持通報，2004，24(1):32-35.

[14] Zhang Q，Li L J.Development and application of an integrated surface runoff and groundwater flow model for a catchment of Lake Taihu watershed，China[J].Quaternary International，2009，208(1/2):102-108.

[15] 張奇.湖泊集水域地表—地下徑流聯(lián)合模擬[J].地理科學進展，2007，26(5):1-10.

[16] 劉健，張奇.一個新的分布式水文模型在鄱陽湖贛江流域的驗證[J].長江流域資源與環(huán)境，2009，18(1):20-27.

[17] 劉健，張奇，左海軍，等.鄱陽湖流域徑流模型[J].湖泊科學，2009，21(4):469-478.

[18] Zhang Q，Werner A D.Integrated surface-subsurface modeling ofFuxianhu Lake catchment，Southwest China[J].Water Resources Management，2009，DOI 10.1007/s11269-008-9377.

[19] Arnold J G，Allen P M.Automated methods for estimating base flow and ground water recharge from stream flow records[J].Journal of the American Water Resources Association，1999，35(2):411-424.

[20] El M aayar M，Chen J M.Spatial scaling of evapotranspiration as affected by heterogeneities in vegetation，topography，and soil texture[J].Remote Sensing Environment，2006，102:33-51.

[21] Braun P，Molnar T，Kleeberg H B.The problem of scaling in grid-related hydrological process modelling[J].Hydrological Processes，1997，11:1219-1230.

[22] 楊大文，李翀，倪廣恒，等.分布式水文模型在黃河流域的應用[J].地理學報，2004，59(1):143-154.