范正行，郝振純，陳洋波，王加虎，黃鋒華

(1.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；2.中山大學自然災害研究中心，廣東 廣州 510275)

20 世紀 50 年代后期，水文研究者提出了流域水文模型的概念。由于水文循環(huán)系統(tǒng)的復雜性，最初的流域水文模型大多采用簡單的降雨-徑流響應關系來描述流域降雨后的出流響應，也即經驗性的“黑箱”模型，主要是滿足洪水預報的需要。這類模型是建立在對流域降雨和河道徑流觀測數(shù)據(jù)的統(tǒng)計分析基礎上的。20世紀60-80 年代，流域水文模型由經驗性的“灰箱”模型發(fā)展為集總式概念模型，也即“灰箱”模型。具有代表性的“灰箱”模型主要有美國的Stanford IV[1]和HEC-1模型[2]，我國的新安江模型[3-4]，日本Tank模型[5]等。這些模型中的參數(shù)都有明確的物理意義，根據(jù)流域的物理水文過程進行產匯流計算及流域出口斷面流量演算，但這些計算都是基于全流域進行的，對于流域內的具體的水流運動方式卻沒有表達出來。鑒于此，F(xiàn)reeze 和Harlan[6]提出了以水動力學偏微分方程來描述流域內水流運動的分布式水文模型，這可以算得上是分布式物理水文模型的雛形。20世紀80年代以后，為了解決“黑箱”模型以及“灰箱”模型不能反映流域水文循環(huán)的時間和空間尺度變化以及水文過程空間變異性等問題，“白箱”模型，也即分布式物理水文模型便應運而生。第一個完整的分布式物理水文模型是SHE模型[7-8]，由英國、法國和丹麥的科學家聯(lián)合研制而成。該模型從水文循環(huán)的機理出發(fā)，對下墊面進行垂直分層，在水平方向用網格劃分為相互聯(lián)系的單元，并聯(lián)立產匯流、蒸散發(fā)、土壤水和地下水運動等過程進行求解。

雖然分布式水文模型充分反映了流域物理特性的空間變化，填補了集總式模型的不足，但分布式水文模型對流域物理特性數(shù)據(jù)的精度要求相當高，加之計算效率太低，因此分布式水文模型沒有得到推廣應用。20世紀90年代，隨著計算機技術、3S技術(GIS、GPS、RS)和數(shù)字高程模型(DEM)的迅速發(fā)展，為研制和建立分布式物理模型提供了強大和及時的技術支撐和數(shù)據(jù)支持，從而涌現(xiàn)出一些知名的分布式水文模型，如VIC模型[9]，WATERFLOOD模型[10]，CASC2D模型[11]，Vflo模型等[12]。

本文采用基于物理意義的全分布式水文模型-流溪河模型進行研究[13]，該模型是中山大學水災害與水利信息化聯(lián)合實驗室在研究開發(fā)少資料和無資料流域暴雨洪水預報的分布式物理水文模型的工作基礎上，在開發(fā)流溪河流域洪水預報方案時，研究提出的一個全分布式物理水文模型。由于模型的代表性成果是結合流溪河流域的實際情況而提出的，故命名為流溪河模型。模型通過DEM進行流域單元網格的劃分，利用土地利用類型及土壤類型數(shù)據(jù)來反映流域物理特性的空間差異。流域上的蒸散發(fā)及產流量的計算采用單元網格獨立計算，而匯流方式則是逐單元匯流直至出口單元。

1 流域概況與數(shù)據(jù)準備

1.1 流域介紹

白盆珠水庫位于廣東省惠東縣境內，控制流域面積為858 km2，約占西枝江流域面積的21％。范圍為115°2′11″- 115°24′56″E,23°0′5″-23°23′15″N,流域海拔53～1 296 m。屬亞熱帶季風氣候區(qū)，雨量充沛，汛期(4-9月)雨量占全年雨量的82％以上，暴雨中心在上游高潭-石澗一帶[14]。庫區(qū)地處蓮花山暴雨中心區(qū),多年平均降雨量為 2 008 mm,多年平均來水量為 11.8億m3。降雨年內年際分布極不均勻,降雨多集中在汛期,汛期降雨以臺風雨為主,降雨量的多少一般取決于臺風登陸地點、路徑、次數(shù)以及外圍影響的強度,多為陣性降雨,雨量大而且集中,洪水過程表現(xiàn)為峰高量大,水庫水位暴漲,由于此時水庫起調水位較高,加上下游河道過水能力的限制，給汛期防洪加大了難度。

1.2 水文氣象資料

本文收集了1986-1999年之間14場降雨以及對應的洪水資料，其中3場洪水用于調整參數(shù)，這3場洪水綜合考慮了不同洪水量級、不同徑流系數(shù)以及單雙洪峰的情況。剩余11場洪水進行參數(shù)的驗證。具體情況如表1所示。

白盆珠水庫流域上有7個雨量觀測站，各雨量站的相關信息如表2。雨量站的密度較高，平均約123 km2就有一個雨量站，如圖1所示。

1.3 流域基礎屬性數(shù)據(jù)的收集與整理

本文利用了SRTM(Shuttle Radar Topographic Mission)90 m分辨率的數(shù)字地形高程數(shù)據(jù)，通過對其重采樣得到了分辨率為200 m的DEM數(shù)據(jù)，再利用ARCGIS中的水文分析模塊進行填洼并生成流向、累積流和坡度數(shù)據(jù)。流域內的DEM如圖2所示。流域內的土地利用和土壤類型數(shù)據(jù)來源于中山大學水災害與水利信息化聯(lián)合實驗室。通過分析得知研究區(qū)域內的土地利用類型共有4種，包括針葉林、常綠闊葉林、灌木叢和草地，所占流域面積比例分別是38.18％、2.46％、49.54％和9.82％。而土壤類型共有9種，包括潴育水稻土、麻黃壤、頁黃壤、麻紅壤、頁紅壤、麻赤紅壤、頁赤紅壤、侵蝕赤紅壤和山地灌叢草甸土，所占流域面積比例分別為7.86％、3.33％、4.47％、16.25％、9.72％、32.58％、19.12％、5.30％、1.36％。

表1 白盆珠水庫流域洪水過程特征表

表2 白盆珠水庫流域上雨量站相關信息

圖1 水系及雨量站點分布圖

圖2 流域DEM

2 流溪河模型構建

利用200 m精度的DEM將白盆珠水庫流域劃分為21 452個網格單元，由臨界高程值(正常蓄水位)75 m提取了水庫單元，在此基礎上，取累積流閾值100進行邊坡單元、河道單元的劃分，同時將河道劃分為5個不同的分級(如圖3)。根據(jù)已劃分的河網結構、形態(tài)與河道底坡的變化[15]，分別在2、3、4級河道上設置了4、3、5個結點(1級河道不設結點，全部看作一條虛擬河段，5級河道處于水庫范圍，不設結點)(如圖3)，共生成48條虛擬河段。

圖3 五級河道及12個河道分段點

3 模型參數(shù)推求

流溪河模型中可調參數(shù)分為2類，一類是敏感參數(shù)，主要有土壤厚度，土壤飽和含水率，田間持水量，飽和水力傳導率，土壤曼寧系數(shù)，河道糙率，土壤特性系數(shù)。另一類為不敏感參數(shù)，主要有地下水消褪系數(shù)、凋萎含水率，蒸發(fā)系數(shù)、蒸發(fā)能力，河道底寬和河道邊坡[15]。

3.1 不敏感參數(shù)值的確定

對于不敏感參數(shù)，由于對模擬效果的影響不大，采用模型設定的默認值。虛擬河段底寬利用Google earth進行遙感估測，河道邊坡一律采用30，地下水消褪系數(shù)均取0.995，蒸發(fā)系數(shù)均取0.7。凋萎含水率通過土壤特征軟件“SPAW Hydrology”計算而來。

3.2 敏感參數(shù)初值的確定

針對敏感參數(shù)初值，據(jù)前人研究與經驗，土壤層厚度zs統(tǒng)一取初值為1 000 mm，對于土壤特性系數(shù)b，根據(jù)經驗統(tǒng)一取初值為2.5[16]。對于飽和含水率、田間持水率和飽和水力傳導率則采用由Arya 等人提出的土壤水力特性計算器“SPAW Hydrology”進行計算。該軟件的原理是將土壤分成4種成分的組合構成的，分別為C-Clay粘土,L-Loam粘砂土，Sa-Sand砂土以及Si-Silt粉沙；根據(jù)土壤成分組成、有機質含量、鹽度、土壤結構情況等計算出飽和含水率、田間持水率、凋萎含水率以及飽和水力傳導率的值[17]。對于土壤組成成分，可通過中國科學院南京土壤研究所提供的中國土壤數(shù)據(jù)庫獲得[18]。而河道糙率的初始值則在使用

Google earth量測河寬時根據(jù)河道形狀，光滑程度以及河道的巖土性質進行估計。對于土地利用類型的邊坡單元的糙率初值，主要采用相關文獻的推薦值：針葉林0.4，常綠闊葉林0.6，灌木叢0.2，草地0.4[16,19]。土壤類型的參數(shù)初值見表3：

表3 土壤類型參數(shù)初值表

3.3 敏感參數(shù)的調整

雖然流溪河模型中的敏感參數(shù)都有明確的物理意義，但由于所收集的數(shù)據(jù)口徑不一致，時間上不統(tǒng)一，測量時的誤差累積以及其他一些人為主觀因素所造成的影響，致使所給定的參數(shù)初值并不一定準確。因此需要先確定參數(shù)的初始值，再在此基礎上，對參數(shù)進行逐個調整，通過對調整參數(shù)進行擾動分析來確定模型的最佳參數(shù)組合。模型敏感參數(shù)調整的順序依次為：土壤飽和含水率(cast)，土壤田間持水量(cfc)，土壤飽和水力傳導率(ks)，土壤糙率(n)，河道曼寧系數(shù)(manning)，土壤層厚度(zs)，土壤特性系數(shù)(b)。

對19900616、19950811和19960621三場洪水進行人工擾動逐步迭代調參，最終得出一組較優(yōu)的敏感參數(shù)值，其中調整后的土地利用類型參數(shù)值分別為：針葉林0.484，常綠闊葉林0.726，灌木叢0.242，草地0.484。調整后的土壤類型的參數(shù)如表4所示。

4 模型參數(shù)的驗證及結果分析

為了檢驗參數(shù)的有效性，利用調整所得的最優(yōu)參數(shù)組合對19860710、19880719等11場洪水過程進行了模擬計算，結果如圖4所示：

圖4 11場洪水的驗證結果

表4 調整后的土壤類型參數(shù)

根據(jù)流溪河模型模擬的結果，統(tǒng)計了模型對11場驗證洪水的模擬結果及其效果指標。如表5所示。

根據(jù)圖4(a)-(k)和表5的結果，對流溪河模型的模擬作如下分析：

1)模型對洪水整體過程的模擬效果較好。在驗證模擬的11場洪水中，確定性系數(shù)均大于75％，均值為86.28％，其中大于80％的比例為72.7％，而相關性系數(shù)全部大于85％，均值為94.74％。平均洪峰誤差為7.85％，平均峰現(xiàn)時間誤差為0.18 h，總的來講，流溪河模型對白盆珠水庫的模擬誤差小，模擬精度高。

2)峰現(xiàn)時間模擬結果較好，但少數(shù)洪峰模擬值偏低。在峰現(xiàn)時間的模擬上，11場驗證洪水中，只有19940805洪水出現(xiàn)2 h誤差，其他10場的峰現(xiàn)誤差均在1 h之內，占總驗證洪水的90.9％，可以看出，模型對峰現(xiàn)時間的模擬效果較為理想。在峰值的模擬上，有7場洪水洪峰誤差小于5％，只有19860710洪水的洪峰誤差略大，另外3場洪水的峰值誤差不大。

5 結 論

通過本文的研究，可得出以下結論：

1)本文采用的流溪河模型是全分布式物理水文模型，模型中的所有參數(shù)都有明確的物理意義，同時用較少的敏感參數(shù)即完整地表達了整個流域的流域特征，參數(shù)初值的確定與推求都較集總式概念模型要簡單得多，也較其他現(xiàn)有分布式物理水文模型要快得多，因此，該模型在流域洪水模擬與預報方面有一定優(yōu)勢。

2)本文采用ARCGIS基于高精度網格(200 m×200 m)的數(shù)據(jù)提取方式進行流向、累積流、坡度以及子流域等數(shù)據(jù)的生成，并將流域單元劃分為河道單元、邊坡單元和水庫單元，各單元采用不同的產匯流方式，與實際情況相符。就本研究流域而言，平均123 km2就有一個雨量站，這樣的的高密度監(jiān)測站點，使模擬結果能達到較高的精度，實用性強，這對于該流域未來洪水預報和水庫調度都具有很好的指導作用。

表5 參數(shù)驗證結果的評價指標

3)在參數(shù)調整的過程中，采用的19900616、19950811和19960621三場洪水，綜合考慮了洪水量級，單雙峰洪水等情況，根據(jù)這三場洪水調整后的流域參數(shù)對于該流域的洪水具有較好的代表性和適用性，驗證模擬的結果也正說明了這一點。

4)從驗證結果可以看到，流溪河模型對于白盆珠水庫入庫洪水的模擬效果較好，平均確定性系數(shù)達到86.28％，平均相關性系數(shù)達到94.74％，平均洪峰誤差只有7.85％，平均峰現(xiàn)時間誤差只有0.18 h，說明流溪河模型在該流域上模擬精度高，誤差小，具有很好的應用前景，為進一步的洪水預警預報提供了理論依據(jù)。

參考文獻：

[1]CRAWFORD N H,LINSLEY R K.Digital Simulation in Hydrology: Stanford Watershed Model IV.Technical Report N0.39[R].Stanford University,1966:210.

[2]FELDMAN AD.HEC-1 flood hydrograph package[C]∥Singh V P.Computer Models of Watershed Hydrology.Colorado:Water Resources Publications,1995: 133-150.

[3]ZHAO R J.The Xinanjiang model applied in China[J].Journal of Hydrology,1992,135(1): 371-381.

[4]趙人俊.流域水文模擬―新安江模型與陜北模型[M].北京:水利電力出版社,1984.

[5]SUGAWARA M.Tank model[C]∥Singh V P,ed.Computer Models of Watershed Hydrology.Colorado:Water Resources Publications,1995: 165-214.

[6]FREEZE R A,HARLAN R L.Blueprint for a physically-based,digitally-simulated hydrologic response model[J].Journal of Hydrology,1969,9(3): 237-258.

[7]ABBOTT M B,BATHURST J C,CUNGE J A,et al.An introduction to the European Hydrological System-Systeme Hydrologique Europeen[J].Journal of Hydrology,1986,87(1/2): 45-59.

[8]ABBOTT M B,BATHURST J C,CUNGE J A,et al.An introduction to the European Hydrological System-System Hydrologique Europeen,' SHE',2: Structure of a Physically-based,distributed Modelling System[J].Journal of Hydrology,1986,87:61-77.

[9]LIANG X,WOOD E F,LETTENMAIER D P.Surface soil moisture parameterization of the VIC-2L model: Evaluation and modification[J].Global and Planetary Change,1996,13(1/4): 195-206.

[10]KOUWEN N.WATFLOOD: a micro-computer based flood forecasting system based on real-time weather radar[J].Canadian Water Resources Journal,1988,13(1): 62-77.

[11]JULIEN PY,SAGHAFIAN B,OGDEN FL.Raster-based hydrologic modeling of spatially-varied surface runoff[J].Water Resources Bulletin,1995,31(3):523-536.

[12]VIEUX BE,VIEUX JE.VfloTM: A Real-time Distributed Hydrologic Model[C]∥SProceedings of the 2nd Federal Interagency Hydrologic Modeling Conference,Las Vegas,Nevada,2002.

[13]陳洋波.流溪河模型[M].北京: 科學出版社,2009.

[14]劉金鳳,劉涌輝.白盆珠水庫安全鑒定的校核洪水計算[J].廣東水利水電,2000,(2):17-20.

[15]陳洋波,黃鋒華,徐會軍,等.流溪河模型 Ⅱ: 參數(shù)推求[J].中山大學學報: 自然科學版,2010,49(2): 105-112.

[16]黃善和,陳洋波,蔣華波.基于流溪河模型的武江流域洪水預報方案初探[C]∥中國水利學會第四屆青年科技論壇.北京,2008: 255-260.

[17]陳洋波,黃鋒華,徐會軍.連江流域洪水預報分布式物理水文模型初步研究[C]∥2008中國水利學會學術年會,海口,2008: 955-960.

[18]元數(shù)據(jù)檢索：按土壤類型查詢[Z] http:∥www.soil.csdb.cn/(中國科學院南京土壤研究所).2009-5-1.

[19]舒曉娟,陳洋波,徐會軍,等.Wetspa 模型在流溪河水庫入庫洪水模擬中的應用[J].長江科學院院報,2009,26(1): 17-20.