王瑾杰, 丁建麗, 張 喆,鄧 凱,陳文倩, 張 成

1 新疆大學(xué)生態(tài)學(xué)博士后流動站， 烏魯木齊 8300462 新疆交通職業(yè)技術(shù)學(xué)院，烏魯木齊 8314013 新疆大學(xué)資源與環(huán)境科學(xué)學(xué)院，烏魯木齊 8300464 新疆大學(xué)綠洲生態(tài)教育部重點(diǎn)實(shí)驗(yàn)室，烏魯木齊 830046

奎屯河流域春季融雪期SCS-CN模型參數(shù)取值方法

王瑾杰1,2,3,4, 丁建麗1,3,4,*, 張 喆3,4,鄧 凱3,4,陳文倩3,4, 張 成2

1 新疆大學(xué)生態(tài)學(xué)博士后流動站， 烏魯木齊 8300462 新疆交通職業(yè)技術(shù)學(xué)院，烏魯木齊 8314013 新疆大學(xué)資源與環(huán)境科學(xué)學(xué)院，烏魯木齊 8300464 新疆大學(xué)綠洲生態(tài)教育部重點(diǎn)實(shí)驗(yàn)室，烏魯木齊 830046

水資源是保障我國西北干旱半干旱地區(qū)生態(tài)環(huán)境安全的關(guān)鍵因素。以新疆奎屯河流域?yàn)槔?通過修正SCS模型土壤持水量及初損率參數(shù)計(jì)算方法,尋找適用于干旱半干旱地區(qū)山區(qū)典型流域春季融雪期徑流模擬模型,為流域掌握水資源量及生態(tài)用水提供決策依據(jù)。與以往研究不同之處在于：首先,引入度-日模型修正降水量參數(shù),以滿足流域降雨-融雪混合補(bǔ)給徑流特征。其次,利用多期MODIS數(shù)據(jù)驅(qū)動的TS/VI特征空間理論結(jié)合土壤水分吸收平衡原理計(jì)算土壤持水量參數(shù)(S)；再運(yùn)用聚類分析法對初損率(λ)取值方法進(jìn)行改進(jìn)。通過參數(shù)算法改進(jìn)后的SCS模型,參數(shù)率定期和驗(yàn)證期納什效率系數(shù)和相對誤差系數(shù)分別為0.92和0.64,0.7%和-1.5%。結(jié)果表明：1)參數(shù)算法改進(jìn)后SCS模型能實(shí)現(xiàn)奎屯河流域春季融雪期日徑流模擬。2)利用遙感大尺度地表信息參數(shù)化技術(shù)反演SCS模型參數(shù),實(shí)現(xiàn)了遙感數(shù)據(jù)為SCS模型提供大尺度空間數(shù)據(jù)的同時(shí),間接實(shí)現(xiàn)了模型參數(shù)由點(diǎn)狀數(shù)據(jù)向面狀數(shù)據(jù)轉(zhuǎn)化的可能；3)初損率(λ)多組取值法可有效提高干旱半干旱地區(qū)大尺度流域徑流模擬精度。

奎屯河流域；融雪期；SCS-CN模型；參數(shù)算法改進(jìn)；遙感

中國西北部干旱半干旱地區(qū)河流主要發(fā)源于山區(qū),地表徑流主要由高山帶冰(川)雪融水、中山森林帶降水和低山帶基巖裂隙水等組成。長期依靠自然界獨(dú)特的水循環(huán)過程維持著脆弱的平衡關(guān)系[1]。在全球氣候變暖影響下,干旱區(qū)內(nèi)陸河流域水資源的不確定性不斷加劇,直接影響流域生態(tài)安全。尤其在山區(qū)及其周邊流域,每年4—5月融雪期,徑流時(shí)空分布差異顯著,頻繁發(fā)生的融雪型洪水,使流域大面積植被遭到破壞,水土流失嚴(yán)重,生態(tài)環(huán)境十分脆弱,給當(dāng)?shù)剞r(nóng)業(yè)生產(chǎn)和人民生活帶來巨大安全隱患。因此,定量研究山區(qū)流域地表徑流,對認(rèn)識流域水資源季節(jié)性變化規(guī)律,開展生態(tài)環(huán)境保護(hù)和防洪減災(zāi)工作具有重要意義。

在流域地表徑流模擬過程中,SCS-CN模型(Soil Conservation Service Curve Number,簡稱SCS模型),是目前全球應(yīng)用最為廣泛的降雨-徑流模型之一。由原美國農(nóng)業(yè)部水土保持局(USDA-SCS)根據(jù)境內(nèi)不同地區(qū)流域降雨-徑流資料的搜集、整理、分析、研究得出的經(jīng)驗(yàn)?zāi)Ｐ?。具有結(jié)構(gòu)簡單、物理概念明確、所需參數(shù)少等特點(diǎn),因被SWAT、Mike Hyro Basin等分布式水分模型應(yīng)用于地表徑流模擬而在世界范圍內(nèi)得到廣泛應(yīng)用。該模型主要研究集中于濕潤地區(qū),且深入研究者甚多[2- 5]。干旱半干旱地區(qū)也有應(yīng)用,例如周淑梅、張秀英及李舟等人通過對模型的改進(jìn),分別在陜西、甘肅和西北高寒山區(qū)小流域模擬都取得了良好的效果[6- 9]。地域廣闊的干旱區(qū),流域尺度大,具有降雨、冰雪融水混合補(bǔ)給徑流等特征,其地表徑流模擬區(qū)別于單純以降雨驅(qū)動的濕潤地區(qū)小流域徑流模擬；加之山區(qū)可達(dá)性差,人為觀測極為困難,利用遙感大尺度信息觀測優(yōu)勢結(jié)合水文模型,尋找適合于干旱半干旱區(qū)地表徑流模擬方法,對當(dāng)?shù)厣鷳B(tài)環(huán)境、農(nóng)業(yè)生產(chǎn)及人類生活具有重要現(xiàn)實(shí)意義?；诖?本文預(yù)借助遙感技術(shù)對SCS模型參數(shù)計(jì)算方法進(jìn)行改進(jìn)以提高徑流模擬精度,具體改進(jìn)方法如下：1)借助遙感大尺度地表空間信息參數(shù)化特性,結(jié)合MODIS衛(wèi)星數(shù)據(jù)驅(qū)動的特征空間理論反演流域空間土壤含水量,再利用土壤水分吸收平衡原理,間接實(shí)現(xiàn)模型土壤持水量(S)空間數(shù)據(jù)的估算；2)針對流域降雨、融雪混合補(bǔ)給徑流特征,引入度-日模型,將降水量參數(shù)修正為降雨與積雪消融水當(dāng)量之和；3)采用聚類分析法將參數(shù)率定期初損率(λ)進(jìn)行聚類,選擇多組λ值進(jìn)行模擬,以提高模擬精度。小流域SCS模型應(yīng)用時(shí)匯流時(shí)間較短可忽略匯流項(xiàng),大尺度流域SCS模型應(yīng)用要確保匯流時(shí)間小于24 h。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

圖1 奎屯河流域示意圖Fig.1 Watershed location of Kuitun river basin

本文以新疆天山支脈依連哈比爾尕山北麓奎屯河流域?yàn)檠芯繀^(qū)(圖1),流域面積1945km2,位于83°30′—85°08′′E,43°30′—45°00′′N之間,是天山北坡中段僅次于瑪納斯河流域的第二大流域。集水區(qū)面積較大,年平均氣溫9℃,海拔為1121—4909m,其中海拔3700m以上為冰川及永久性積雪覆蓋,致使流域徑流補(bǔ)給多樣,既有高山冰川和永久性積雪融水補(bǔ)給,又有中低山區(qū)降雨和季節(jié)性冰雪融水補(bǔ)給。每年4—5月為流域春季典型融雪期,徑流補(bǔ)給以積雪融水為主,降雨為輔。,當(dāng)氣溫驟然上升時(shí)會引發(fā)季節(jié)性融雪洪水。基于以上特征,本文選取流域出山口將軍廟水文站2005—2007年日觀測數(shù)據(jù),模擬奎屯河出山口4—5月地表徑流量,為周邊灌區(qū)及城市的防洪減災(zāi)和水資源分配提供參考依據(jù)。

1.2 數(shù)據(jù)資料

奎屯河流域水文模擬需要的基礎(chǔ)地理數(shù)據(jù)包括：氣象、水文、衛(wèi)星遙感影像等多源數(shù)據(jù)類型。其描述和來源見表1。其中,為獲取研究區(qū)參數(shù)率定期地表溫度及植被指數(shù)月均值數(shù)據(jù),需下載空間分辨率為1 km的MODIS陸地3級標(biāo)準(zhǔn)數(shù)據(jù)產(chǎn)品MOD13A3和MOD11A2,并對數(shù)據(jù)進(jìn)行預(yù)處理,包括對數(shù)據(jù)進(jìn)行投影轉(zhuǎn)換、幾何校正和矢量邊界裁剪等,得到覆蓋全區(qū)的柵格數(shù)據(jù)。已有大量研究證實(shí)MODIS衛(wèi)星產(chǎn)品精度能有效反映區(qū)域地表溫度及植被指數(shù)情況[9- 10]。

表1 奎屯河流域基礎(chǔ)地理數(shù)據(jù)

2 研究方法

2.1 SCS模型原理

SCS模型是基于水量平衡方程(1)存在的[11]：

P=Ia+F+Q

(1)

式中，P為總降雨量(mm)；Ia為地表徑流生成前降雨量初損值,包括地面填洼、截留、表層蓄水和下滲的初損量(mm)；F為地表徑流生成后的后損(mm),即實(shí)際累積下滲量(不包括Ia)；Q為地表徑流量(mm)。

與此同時(shí),Mockus等人通過大量實(shí)測數(shù)據(jù)分析建立了降雨-徑流關(guān)系式：

(2)

式中,S為土壤當(dāng)時(shí)最大可能持水量,是后損的上限(mm)。 由于式中Ia數(shù)據(jù)不易獲取,通常引入?yún)?shù)初損率(λ),建立Ia與S的線性關(guān)系式：

Ia=λS

(3)

式中,λ為初損率,具有區(qū)域化特征。將方程(2)、(3)帶入(1)中得SCS徑流模擬核心方程為：

(4)

式中,Q為地表徑流深(mm)；P為總降水量(mm)；S為當(dāng)時(shí)最大可能持水量 (mm)。λ為初損率。其中S值通常由CN計(jì)算而得,計(jì)算方法如方程(5)所示：

(5)

式中,CN值為徑流曲線數(shù),通常由土地利用方式、土壤質(zhì)地和降雨事件前期土壤濕潤情況(antecedent moisture condition,AMC)等數(shù)據(jù)來確定。其詳細(xì)分類標(biāo)準(zhǔn)可參考美國《國家工程手冊》[12]。

初損率(λ)通常取標(biāo)準(zhǔn)值0.2進(jìn)行計(jì)算；但由于不同流域具有一定的時(shí)空差異,λ值取標(biāo)準(zhǔn)值不能滿足不同流域的需求,本文利用實(shí)測降雨、徑流數(shù)據(jù)和計(jì)算S值結(jié)合公式(6)對初損率(λ)進(jìn)行參數(shù)率定,具體方法如下：

(6)

式中,P1、Q1分別為模型參數(shù)率定期流域?qū)崪y日降水量(mm)和日徑流量(mm)。

2.2 SCS模型參數(shù)計(jì)算方法的改進(jìn)

2.2.1 降水量計(jì)算方法的改進(jìn)

由于原有SCS模型對降雨量具有一定條件限制,即模型認(rèn)為當(dāng)降雨量(P)大于λS時(shí),產(chǎn)生地表徑流,否則地表徑流量為零。該條件使SCS模型無法應(yīng)用于降雨量稀少的干旱半干旱地區(qū)。本文根據(jù)研究區(qū)4—5月降雨和積雪融水混合補(bǔ)給徑流的特點(diǎn),將SCS模型降水量修正為流域降雨量與積雪消融水當(dāng)量之和,如方程(7)所示。

P=Pr+Ps

(7)

式中,P為SCS模型徑流方程輸入的總降水量(mm)。Pr為實(shí)測日降雨量(mm)；Ps為日積雪消融水當(dāng)量(mm),引入度日模型進(jìn)行計(jì)算。

度-日模型是基于冰雪表面溫度建立的冰雪融水當(dāng)量計(jì)算模型。廣泛應(yīng)用于北歐、阿爾卑斯山、青藏高原等地區(qū)的冰雪消融研究中。優(yōu)點(diǎn)在于模型計(jì)算簡單、參數(shù)容易獲取且計(jì)算精度較高。因此,本文引入度-日模型計(jì)算研究區(qū)4—5月積雪消融水當(dāng)量,具體計(jì)算方法如下：

Ps=DDF×PDD

(8)

式中,Ps為日積雪消融的水當(dāng)量(mm)；DDF為冰川或雪的度日因子(mm d-1℃-1),利用張勇[13]等人根據(jù)海拔對中國西北地區(qū)冰、雪度日因子計(jì)算結(jié)果,采用克里格空間插值法計(jì)算而得；PDD為某一時(shí)段內(nèi)的正積溫,PDD可通過下式計(jì)算：

(9)

式中,Tt為某時(shí)段的平均氣溫(℃)；Ht為邏輯變量,當(dāng)Tt≥0℃時(shí),Ht=1.0；當(dāng)Tt≤0℃時(shí),Ht=0.0。

2.2.2 土壤持水量(S)計(jì)算方法的改進(jìn)

原有SCS模型S值是通過CN值進(jìn)行計(jì)算的,存在涉及參數(shù)多,數(shù)據(jù)難以獲取且計(jì)算過程復(fù)雜等問題。與傳統(tǒng)方法相比,本文改進(jìn)之處在于,首次利用遙感及Ts-VI特征空間理論反演土壤含水量參數(shù)結(jié)合土壤水分吸收平衡原理計(jì)算S值[14],計(jì)算方法如下：,

S=Wmax-Wsoil

(10)

式中，S值為當(dāng)時(shí)最大可能持水量；Wmax為土壤飽和含水量,通過測定野外土壤樣品的土壤孔隙度和土壤容重計(jì)算而得,由于數(shù)據(jù)缺乏,本文取最大值 100%[19];Wsoil為平均土壤含水量；本文Wsoil為研究區(qū)參數(shù)率定期2005—2006年4—5月土壤含水量月平均值,是利用MODIS衛(wèi)星數(shù)據(jù)產(chǎn)品地表溫度(Ts)和歸一化植被指數(shù)(NDVI)構(gòu)建的溫度-植被干旱指數(shù)(Ts-VI)特征空間理論進(jìn)行估算的。為使SCS模型中參數(shù)單位統(tǒng)一為mm,需用水層厚度將土壤含水率轉(zhuǎn)換為土壤含水量,mm,進(jìn)行計(jì)算。

Moran[15]等人在地表溫度(Ts)、植被指數(shù)(VI)與土壤濕度(water content of soil, SRWC)之間關(guān)系研究中發(fā)現(xiàn),土壤濕度與二者變化具有極為密切的關(guān)系,若將區(qū)域內(nèi)每個(gè)像元的VI值作為x軸,Ts作為y軸,可構(gòu)建出呈現(xiàn)階梯狀的特征空間二維散點(diǎn)圖,散點(diǎn)圖的兩條邊界線分別代表區(qū)域土壤濕潤程度的干邊和濕邊,再通過干、濕邊方程系數(shù)結(jié)合NDVI計(jì)算得到溫度植被干旱指數(shù)TVDI值,該值可直接反映地表土壤水分情況,計(jì)算得到任一點(diǎn)的TVDI值介于0和1之間。TVDI值越大,代表土壤含水量越低,反之土壤含水量則越高。

為了使計(jì)算結(jié)果更接近實(shí)測值,將TVDI值與實(shí)測土壤水分值進(jìn)行擬合修正,最終得出區(qū)域土壤水分(SRWC)值。其中,TVDI計(jì)算公式如下：

(11)

式中，Tsmax和Tsmin分別表示區(qū)域相同植被指數(shù)條件下所對應(yīng)的最高溫度和最低溫度,計(jì)算公式如下：

Tsmax=aVI+b;Tsmin=cVI+d;

(12)

式中,a、b、c、d分別為干、濕邊擬合方程系數(shù)。

最后,根據(jù)公式(13)(14)求算出研究區(qū)土壤含水量(SRWC)[16]

SRWC=SRWCW-TVDI(SRWCW-SRWCD)

(13)

式中,SRWCw為濕邊上對應(yīng)的最大值,取水體濕度100%。SRWCD為干邊上對應(yīng)的最小值,計(jì)算公式為：

SRWCD=(100-(100-Yi)/Xi)/100

(14)

式中,Xi為對應(yīng)該點(diǎn)植被全覆蓋像元TVDI值,Yi為對應(yīng)該點(diǎn)的實(shí)測SRWC值。

2.2.3 初損率(λ)計(jì)算方法的改進(jìn)

目前,已有的λ值算法有3種方法。即標(biāo)準(zhǔn)值法(λ=0.2)、事件分析法和反算法,反算法應(yīng)用較多,即：每一組降水、徑流數(shù)據(jù)結(jié)合S值可計(jì)算出與之一一對應(yīng)的λ值,再通過計(jì)算λ的中值、眾數(shù)、平均值等數(shù)學(xué)方法選取模擬精度最高的,作為最終唯一的λ取值。

本文改進(jìn)之處在于,利用聚類分析法將降水、徑流事件結(jié)合公式(6)計(jì)算所得的若干λ值進(jìn)行聚類分析,得到30組不同的聚類中心值,并將這30組聚類中心值作為流域的λ取值庫,再根據(jù)迭代次數(shù)計(jì)算的初始中心最小距離將所有λ值及其對應(yīng)的降水、徑流事件分別歸類到這30組數(shù)據(jù)中,使每組降水、徑流數(shù)據(jù)都有與之對應(yīng)的聚類中心λ值,該方法與傳統(tǒng)λ取唯一值相比,模擬結(jié)果更接近實(shí)際值。

3 參數(shù)算法改進(jìn)后模型參數(shù)率定

3.1 降水量參數(shù)的確定

奎屯河流域降水量為降雨量和積雪消融水當(dāng)量之和,結(jié)合流域2005—2007年4、5月實(shí)測降雨量和溫度數(shù)據(jù),計(jì)算出該時(shí)段的修正降水量見圖2,圖中繪制了183d的降水量修正值,其中降水量為0值代表該日氣溫在0℃以下且無降雨。此外,由于積雪融水當(dāng)量的主要決定因素是溫度,而研究流域的日平均氣溫從4月到5月是呈現(xiàn)逐步上升趨勢的,因此所有年份修正降水量的分布都表現(xiàn)為4月小于5月。

圖2 奎屯河流域2005—2007年4、5月降水量修正值Fig.2 Modified precipitation of Kuitun River Basin in April and May from 2005 to 2007

3.2 S值的確定

采用2005—2006年4、5月122d日數(shù)據(jù)作為SCS模型的參數(shù)率定期計(jì)算當(dāng)時(shí)最大可能持水量(S)值。

3.2.1 流域邊界的確定

利用研究區(qū)30m分辨率DEM數(shù)據(jù),借助Mike Hyro Basin軟件,生成流域邊界(圖3)。

3.2.2 地表溫度及植被指數(shù)計(jì)算

按流域邊界提取奎屯河流域2005—2006年4月—5月共32期地表溫度和歸一化植被指數(shù),生成流域2005—2006年4—5月平均地表溫度空間分布圖和歸一化植被指數(shù)空間分布圖(圖4，圖5)。

3.2.3 TVDI計(jì)算

(1)計(jì)算干、濕邊方程

利用TS-VI特征空間理論,結(jié)合生成的2005—2006年4—5月平均地表溫度和平均歸一化植被指數(shù)空間分布圖生成二維散點(diǎn)圖和擬合方程,并結(jié)合公式(11)計(jì)算出研究區(qū)2005—2006年4—5月平均TVDI空間分布圖(圖6)。

(2)土壤含水量計(jì)算

由于流域可達(dá)性較差,使野外采樣點(diǎn)布設(shè)受限,現(xiàn)有野外實(shí)測數(shù)據(jù)為2005、2006年4、5月研究流域?qū)④姀R水文站周邊13個(gè)土壤剖面0—10cm實(shí)測土壤含水量(SRWC)值,樣點(diǎn)布設(shè)為每隔1km進(jìn)行一次采樣,每個(gè)采樣點(diǎn)采取3次重復(fù)采樣的方法,將重復(fù)采樣土壤樣本研磨均勻混合裝鋁盒后稱重,帶回實(shí)驗(yàn)室采用烘干法測定樣本土壤含水率。然后根據(jù)方程(13)計(jì)算出流域2005—2006年4—5月平均土壤含水量空間分布圖(圖7)。

圖4 奎屯河流域2005—2006年4—5月平均地表溫度空間分布Fig.4 Spatial distribution of average land surface temperature in April and May from 2005 to 2006 in kuitun river basin

圖5 奎屯河流域2005—2006年4—5月平均歸一化植被指數(shù)空間分布Fig.5 Spatial distribution of average NDVI in April and May from 2005 to 2006 in kuitun river basin

圖6 奎屯河流域2005—2006年4—5月平均TVDI值空間分布Fig.6 Spatial distribution of TVDI in April and May from 2005 to 2006 in Kuitun River Basin

圖7 流域土壤含水量SRWC值空間分布Fig.7 Soil moisture spatial distribution of study area

圖8 土壤含水率實(shí)測值與模擬值相關(guān)分析 Fig.8 Correlation analysis of soil moisture between measured and simulated value

關(guān)于遙感反演土壤含水量精度是否可靠,采用計(jì)算值與實(shí)測值對比的方法進(jìn)行驗(yàn)證。即用野外實(shí)測采樣點(diǎn)坐標(biāo)提取SRWC空間分布圖中對應(yīng)的值,并與實(shí)測土壤含水量進(jìn)行相關(guān)分析(圖8),得相關(guān)系數(shù)r為0.7406,相對誤差系數(shù)RE為-1.3%,該結(jié)果表明,遙感反演土壤含水量精度可靠。

利用計(jì)算所得流域平均土壤含水量值結(jié)合公式(10),初步確定奎屯河流域4—5月SCS模型參數(shù)當(dāng)時(shí)最大可能持水量(S)值為80.5mm。

3.3 初損率(λ)的確定

根據(jù)計(jì)算所得S值和流域參數(shù)率定期及驗(yàn)證期183d修正降水量和觀測徑流量數(shù)據(jù)結(jié)合公式(6)計(jì)算出183組初損率(λ)值,以模型次降水量大于下滲量(λS)產(chǎn)生地表徑流為邊界條件,篩選出參數(shù)率定期112組、驗(yàn)證期58組符合模型條件的降水事件。再利用聚類分析法將參數(shù)率定期112組λ值進(jìn)行聚類,計(jì)算出30組聚類中心λ值及與之對應(yīng)的聚類成員,將這30組數(shù)據(jù)作為流域初損率(λ)取值庫,參數(shù)率定期徑流模擬時(shí),將分類好的30組聚類成員分別帶入對應(yīng)的聚類中心λ值進(jìn)行模擬即可；驗(yàn)證期徑流模擬時(shí),在取值庫中選擇與其計(jì)算λ值最為接近的聚類中心λ值進(jìn)行模擬即可。對干旱區(qū)大尺度流域而言,λ取值庫的建立較傳統(tǒng)單一取值法模擬精度更高。

4 模擬結(jié)果檢驗(yàn)與分析

本文利用改進(jìn)后SCS模型對奎屯河流域參數(shù)率定期(2005—2006年4、5月)112場降水事件和驗(yàn)證期(2007年4、5月)58場降水事件進(jìn)行徑流模擬,模擬與實(shí)測徑流結(jié)果如圖9所示。

圖9 奎屯河流域參數(shù)率定期改進(jìn)模型模擬值與實(shí)測值及同期降水量分布Fig.9 Compared of observed and simulated runoff by calibration periods

圖10 奎屯河流域驗(yàn)證期改進(jìn)模型模擬值與實(shí)測值及同期降水量分布Fig.10 Compared of observed and simulated runoff by validation periods

圖9、圖10分別繪制了模型參數(shù)率定期和驗(yàn)證期模擬值與實(shí)測值結(jié)果。從模擬結(jié)果來看,兩個(gè)時(shí)期模型參數(shù)算法改進(jìn)后的模擬值與實(shí)測值總體變化趨勢一致,且與流域降水量分布呈正相關(guān)。關(guān)于模擬結(jié)果的精度檢驗(yàn),本文選取了Nash-Sutcliffe效率系數(shù)和相對誤差系數(shù)RE來反映模型模擬值和實(shí)測值的擬合程度及誤差率(表2)。Nash-Sutcliffe效率系數(shù)經(jīng)常被用來作為水文模型的效率評價(jià)指標(biāo),其變化范圍為-∞到1。1值對應(yīng)于實(shí)測值和模擬值的完美匹配；效率為0表明該模型模擬結(jié)果等同于實(shí)測值的均值系列,當(dāng)NSE大于0.75時(shí)可認(rèn)為模型模擬結(jié)果好[17],對比分析模型參數(shù)率定期和驗(yàn)證期NSE值發(fā)現(xiàn),參數(shù)率定期模擬值與實(shí)測值匹配程度較高,模擬結(jié)果效果很好；驗(yàn)證期NSE值略低,說明驗(yàn)證期模擬精度還有待進(jìn)一步提高。相對誤差系數(shù)(RE)是最能反映模擬值可信度的,值越接近于0,則說明模擬值越接近實(shí)測值。模型參數(shù)率定期和驗(yàn)證期相對誤差系數(shù)RE分別為0.7%和-1.3%,以RE低于±30%為標(biāo)準(zhǔn)[18],檢驗(yàn)?zāi)M結(jié)果誤差范圍在可利用范圍。

分析誤差產(chǎn)生的來源主要包括以下幾個(gè)方面：

(1)計(jì)算S值產(chǎn)生的誤差。模型S值的決定性變量是土壤含水量和土壤飽和含水量。土壤飽和含水量取最大值1,會導(dǎo)致S值偏大引起模擬值偏小的誤差。因此,增加土壤含水量和土壤飽和含水量野外實(shí)測數(shù)據(jù)量可有效提高S值的精度。但是由于研究流域可達(dá)性差,探討如何提高遙感大尺度觀測數(shù)據(jù)精度將會成為干旱區(qū)大流域徑流模擬的關(guān)鍵技術(shù)。

表2 參數(shù)算法改進(jìn)后模型模擬值效率系數(shù)NSE、相關(guān)系數(shù)r和相對誤差系數(shù)RE

Table 2 NSE(Nash-Sutcliffe efficiency coefficient)、r(correlation coefficient) and RE(relative error coefficient)for simulation performance assessments

評價(jià)指標(biāo)Assessmentindexes參數(shù)率定期Calibrationperiods驗(yàn)證期Validationperiods納什效率系數(shù)Nash-Sutcliffeefficiency0.920.64相對誤差Relativeerror/%0.7-1.3

(2)計(jì)算降水量造成的誤差?；诹饔蛱厥鈴搅餮a(bǔ)給方式,改進(jìn)模型中的降水量參數(shù)被修正為積雪消融水當(dāng)量和實(shí)測降雨量之和。其中,積雪消融水當(dāng)量的決定性變量是溫度,而流域內(nèi)唯一的觀測站氣溫?cái)?shù)據(jù)不足以代表流域平均氣溫,而積雪消融水當(dāng)量對氣溫變化較為敏感,流域溫度每變化±1℃,積雪消融水當(dāng)量變化±3.1 mm,如何獲取準(zhǔn)確且具有代表性的流域氣溫?cái)?shù)據(jù)也是提高模擬精度的關(guān)鍵。增加實(shí)測觀測站點(diǎn)的布設(shè),受到地理位置和經(jīng)費(fèi)等問題的限制；就目前已有技術(shù)而言,可利用MODIS日數(shù)據(jù)產(chǎn)品提取流域溫度圖,獲取流域平均溫度,從而實(shí)現(xiàn)大尺度流域氣溫空間數(shù)據(jù)的獲取。

(3)流域地處山區(qū),海拔高,山區(qū)面積大,分布有冰川,流域基礎(chǔ)地理數(shù)據(jù)和野外實(shí)測數(shù)據(jù)獲取十分困難。因此,長時(shí)間序列野外數(shù)據(jù)的缺乏也是造成模擬誤差的重要方面。

因此,在今后的研究中,探索衛(wèi)星數(shù)據(jù)和遙感技術(shù)在水文模型中的應(yīng)用,增加野外實(shí)測數(shù)據(jù)量等都是提高徑流模擬精度的有效保障。

5 結(jié)論

(1)為了使SCS模型適用于奎屯河流域徑流補(bǔ)給特征,引入度-日模型修正降水量參數(shù),有效解決了因降雨量稀少導(dǎo)致模型在干旱半干旱地區(qū)大尺度流域無法應(yīng)用的瓶頸。

(2)通過MODIS衛(wèi)星數(shù)據(jù)結(jié)合Ts-VI特征空間理論反演流域土壤含水量的方法,集成了遙感信息空間數(shù)據(jù)的時(shí)空分布特性,間接實(shí)現(xiàn)了SCS模型參數(shù)由點(diǎn)狀數(shù)據(jù)向面狀數(shù)據(jù)的轉(zhuǎn)換。

(3)原始SCS模型計(jì)算土壤持水量(S)參數(shù)涉及土地利用方式等5個(gè)參數(shù)及CN值對照表,利用遙感數(shù)據(jù)計(jì)算S值,具有涉及參數(shù)少且參數(shù)易獲取的優(yōu)勢,可有效解決無資料地區(qū)模型應(yīng)用數(shù)據(jù)缺乏的難題。

(4)初損率(λ)作為SCS模型重要的輸入變量,具有時(shí)空變化特性,采用聚類分析法建立流域λ取值庫的方法,使模型在描述流域水循環(huán)過程時(shí)更接近實(shí)際,其模擬結(jié)果較取唯一值的傳統(tǒng)方法模擬精度有較大幅提高,使模擬過程也更加合理。

(5)參數(shù)算法改進(jìn)后SCS模型參數(shù)率定期、驗(yàn)證期NES(nash-sutcliffe efficiency)和RE (relative error)分別為0.92,0.64和0.7%,-1.3%。參數(shù)改進(jìn)算法拓展了SCS模型的適用范圍,可為其他干旱半干旱地區(qū)下墊面條件相似流域的徑流模擬提供參考。

[1] 陳亞寧, 李稚, 范煜婷, 王懷軍, 方功煥. 西北干旱區(qū)氣候變化對水文水資源影響研究進(jìn)展. 地理學(xué)報(bào), 2014, 69(9): 1295- 1304.

[2] Ponce V M, Hawkins R H. Runoff curve number: has it reached maturity?. Journal of Hydrologic Engineering, 1996, 1(1): 11- 19.

[3] Mishra S K, Singh V P, Sansalone J J, Aravamuthan V. A modified SCS-CN method: characterization and testing. Water Resources Management, 2003, 17(1): 37- 68.

[4] 林凱榮, 何艷虎, 陳曉宏. 氣候變化及人類活動對東江流域徑流影響的貢獻(xiàn)分解研究. 水利學(xué)報(bào), 2012, 43(11): 1312- 1321.

[5] 史培軍, 袁藝, 陳晉. 深圳市土地利用變化對流域徑流的影響. 生態(tài)學(xué)報(bào), 2001, 21(7): 1041- 1049.

[6] 周淑梅, 雷廷武. 黃土丘陵溝壑區(qū)典型小流域SCS-CN方法初損率取值研究. 中國農(nóng)業(yè)科學(xué), 2011, 44(20): 4240- 4247.

[7] 張秀英, 孟飛, 丁寧. SCS模型在干旱半干旱區(qū)小流域徑流估算中的應(yīng)用. 水土保持研究, 2003, 10(4): 172- 174, 249- 249.

[8] 李舟, 董增川. 基于網(wǎng)格坡向要素影響的分布式水文模型研究應(yīng)用. 水利學(xué)報(bào), 2007, (S1): 500- 503.

[9] 袁敏, 肖鵬峰, 馮學(xué)智, 朱榴駿. 應(yīng)用MODIS地表溫度產(chǎn)品估計(jì)新疆典型區(qū)氣溫. 遙感信息, 2015, 30(1): 81- 89.

[10] 廖清飛, 張鑫, 馬全, 姚瑤, 于東平. 青海省東部農(nóng)業(yè)區(qū)植被覆蓋時(shí)空演變遙感監(jiān)測與分析. 生態(tài)學(xué)報(bào), 2014, 34(20): 5936- 5943.

[11] 李潤奎, 朱阿興, 陳臘嬌, 劉軍志, 宋現(xiàn)鋒, 林耀明. SCS-CN模型中土壤參數(shù)的作用機(jī)制研究. 自然資源學(xué)報(bào), 2013, 28(10): 1778- 1787.

[12] 王瑾杰, 丁建麗, 張成, 張喆. 基于SCS模型的新疆博爾塔拉河流域徑流模擬. 農(nóng)業(yè)工程學(xué)報(bào), 2016, 32(7): 129- 135.

[13] 張勇, 劉時(shí)銀. 度日模型在冰川與積雪研究中的應(yīng)用進(jìn)展. 冰川凍土, 2006, 28(1): 101- 107.

[14] 王建, 丁永建, 劉時(shí)銀. 高寒草地春季積雪融水和雨水混合補(bǔ)給徑流模擬. 干旱區(qū)地理, 2005, 28(4): 460- 464.

[15] Moran M S, Clarke T R, Inoue Y, Vidal A. Estimating crop water deficit using the relation between surface-air temperature and spectral vegetation index. Remote Sensing of Environment, 1994, 49(3): 246- 263.

[16] Gillies R R, Kustas W P, Humes K S. A verification of the ‘triangle’ method for obtaining surface soil water content and energy fluxes from remote measurements of the Normalized Difference Vegetation Index (NDVI) and surface e. International Journal of Remote Sensing, 1997, 18(15): 3145- 3166.

[17] 魏沖, 宋軒, 陳杰. SWAT模型對景觀格局變化的敏感性分析——以丹江口庫區(qū)老灌河流域?yàn)槔? 生態(tài)學(xué)報(bào), 2014, 34(2): 517- 525.

[18] 符素華, 王向亮, 王紅葉, 魏欣, 袁愛萍. SCS-CN徑流模型中CN值確定方法研究. 干旱區(qū)地理, 2012, 35(3): 415- 421.

Calibration of SCS model parameters regarding snowmelt season in Xinjiang Kuitun River basin

WANG Jinjie1,2,3,4, DING Jianli1,3,4,*,ZHANG Zhe3,4, DENG Kai3,4, CHEN Wenqian3,4, ZHANG Chen2

1 Ecological postdoctoral research station, Xinjiang University, Urumqi 830046, China2 Xinjiang Vocational and Technical College of Communications, Urumqi 831401, China3 College of Resources and Environment Science, Xinjiang University, Urumqi 830046, China4 Key Laboratory of Oasis Ecology of Ministry of Education, Xinjiang University, Urumqi 830046, China

Water resources are key factors of ecological environmental security in northwest arid region of China. They are also the most important factors for socio-economic development against the background of global warmer, especially in arid regions. It is necessary for arid regions to calculate total water resources because it can provide a reference for the government with which to formulate strategies. Water resources may have a large area and be supplied by runoff from mountain snowmelt and precipitation. The goal of this paper was to determine the suitable method to simulate runoff in arid areas. The Soil Conservation Service Curve Number (SCS-CN) developed by the U.S. Department of Agriculture National Resources Conversion Service (NRCS) is the most popular and widely applied model for direct runoff estimation. This method was modied by accounting for the static portion of inltration and the antecedent moisture. This model has stimulated a great deal of discussion among scientists and hydrologists. The model is based on the water balance equation and curve number CN, which is derived from the tables given in the National Engineering Handbook for catchment characteristics, such as soil texture, land use, hydrologic condition, and initial soil moisture condition. Based on the spatiotemporal differences among watersheds, international and domestic academics have developed different methods to improve the SCS-CN model. One option is to improve its mechanism and another is to improve the parameter calculation methods. Because there is considerable scope to improve the SCS-CN model, we discuss a parameter algorithm to improve the method for snowmelt and precipitation mix and large-scale basins in arid regions as a solution to a major problem. This study focused on the Kuitun River Valley. We explored the adoption of an SCS model runoff simulation in arid and semi-arid regions with snow-melt and rainfall in spring by modifying the calculation method of SCS model parameters. To satisfy the characteristic of mix supplied runoff, precipitation was revised to represent the sum of rainfall and snowmelt. The snowmelt was calculated by the degree-day model. This was the first time MODIS satellite products with approximately 1km resolution were used to invert the Land Surface Temperature and Normalized Difference Vegetation Index. Then, we used the surface temperature/vegetation index (TS/VI) constructed in a 2D scatter plot. The combined soil moisture absorption balance principle was used to calculate the moisture-holding capacity of soil. We used cluster analysis to modify the initial abstraction computing methods. The calibration and validation periods of Nash-Sutcliffe efficiency were 0.92 and 0.64, respectively. Relative errors were 0.7% and -1.3%, respectively. This indicated that the improved model was effective in simulating spring runoff in the Kuitun River Valley. Using remote sensing parameter information technology to improve the SCS model can indirectly implement data conversion from point to plane. Establishing a database of the initial abstraction can improve the precision in effectively simulating runoff in large-scale basins in arid and semi-arid regions. To circumvent the bottleneck caused by lack of data, reference to simulated runoff can be used under similar basin conditions in data-lacking regions.

Kuitun River basin; snowmelt period; SCS-CN model; improved algorithm of parameters; remote sensing

國家自然科學(xué)基(U1303381,41261090)；自治區(qū)重點(diǎn)實(shí)驗(yàn)室專項(xiàng)基(2016D03001)；自治區(qū)科技支疆項(xiàng)目(201591101)；教育部促進(jìn)與美大地區(qū)科研合作與高層次人才培養(yǎng)項(xiàng)目

2016- 03- 15; 網(wǎng)絡(luò)出版日期:2017- 02- 23

10.5846/stxb201603150464

*通訊作者Corresponding author.E-mail: watarid@xju.edu.cn

王瑾杰,丁建麗,張喆,鄧凱,陳文倩, 張成.奎屯河流域春季融雪期SCS-CN模型參數(shù)取值方法.生態(tài)學(xué)報(bào),2017,37(13):4456- 4465.

Wang J J, Ding J L, Zhang Z, Deng K, Chen W Q, Zhang C.Calibration of SCS model parameters regarding snowmelt season in Xinjiang Kuitun River basin.Acta Ecologica Sinica,2017,37(13):4456- 4465.