李 昕

(遼陽水文局，遼寧 遼陽 111000)

隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展，人口數(shù)量急劇增加，水源供水壓力巨大、城市用水緊張以及生活污水排放等問題進(jìn)一步惡化，遼河流域水資源已無法保證人們正常的生活需要，嚴(yán)重制約了東北部地區(qū)的經(jīng)濟(jì)發(fā)展[1]。遼河流域不僅是我國(guó)重要的糧食生產(chǎn)基地也是我國(guó)東北地區(qū)工業(yè)發(fā)展核心區(qū)域。遼河流域作為我國(guó)東北地區(qū)的主要河流是保障我國(guó)工農(nóng)業(yè)用水以及城市生活用水的主要來源[2]。近年來，水資源隨著經(jīng)濟(jì)的發(fā)展、環(huán)境氣候的惡化以及人類活動(dòng)日趨頻繁等作用影響而日益減少，水資源供需矛盾和水資源緊缺問題日益嚴(yán)峻。為提升水資源管理的科學(xué)性與有效性有必要對(duì)徑流過程進(jìn)行精確的模擬分析[3]。流域水文循環(huán)和徑流模擬的有效工具之一為給予物理學(xué)理論的分布式水文模型。SWAT模型具有參數(shù)設(shè)置少、操作簡(jiǎn)便等優(yōu)點(diǎn)被國(guó)內(nèi)外學(xué)者廣泛應(yīng)用于農(nóng)業(yè)管理措施對(duì)輸送遷移影響規(guī)律及不同土地利用模式模擬分析中。

模型參數(shù)的相關(guān)性以及非線性特征是引起預(yù)測(cè)結(jié)果多樣性或出現(xiàn)局部最優(yōu)主要因素，其中模型輸入、系統(tǒng)輸出以及系統(tǒng)結(jié)構(gòu)的不確定性為模型主要的不確定性方面[4]?？紤]到模型不確定性的復(fù)雜性和關(guān)聯(lián)性，并且模型模擬結(jié)果的精度和準(zhǔn)確性與不確定性分析結(jié)果未存在顯著相關(guān)性，因此存在模型與流域的適用性采用目標(biāo)函數(shù)進(jìn)行檢驗(yàn)分析的相關(guān)研究，而對(duì)模型不確定性分析的相關(guān)研究相對(duì)較少[5- 7]。據(jù)此，本文以遼河流域?yàn)槔⒔WAT模型，對(duì)2012—2015年的月徑流量進(jìn)行連續(xù)預(yù)測(cè)研究，并對(duì)模型的適用性與可靠性進(jìn)行分析和探討，為提高模型預(yù)測(cè)結(jié)果的準(zhǔn)確性提供一定的決策依據(jù)和理論支持。

1 流域概況及數(shù)據(jù)來源

遼河流域面積約21.9萬km2，主要支流有老哈河、大遼河、渾河、太子河等，本文選取大遼河即三岔河與遼陽入?？趨^(qū)段的河流為例進(jìn)行研究，其集水面積約560km2；年內(nèi)溫差較大多年平均氣溫8.6℃，多年平均、最大和最小降水量分別為620、980、325mm，其中每年5—9月為汛期降雨量較大[8]。

DEM數(shù)字高程數(shù)據(jù)來源于國(guó)際科學(xué)數(shù)據(jù)共享平臺(tái)并下載，分辨率為90m×90m并用于研究流域的空間離散化處理；土壤數(shù)據(jù)包括土壤類型分布和土壤化學(xué)屬性值，根據(jù)全球土壤質(zhì)地分類圖同時(shí)考慮遼河流域的地質(zhì)邊界條件設(shè)定土壤類型分布圖。環(huán)境與生態(tài)科學(xué)研究中心根據(jù)研究流域的邊界特征提供土地利用數(shù)據(jù)；氣象數(shù)據(jù)主要包括降雨量、日照時(shí)長(zhǎng)、風(fēng)速、溫度、濕度、蒸散發(fā)量、太陽輻射等，數(shù)據(jù)來源于三岔河氣象站和遼陽氣象站實(shí)測(cè)數(shù)據(jù)。降雨量數(shù)據(jù)來源于研究流域內(nèi)10個(gè)降雨監(jiān)測(cè)站在2012—2015年的日降雨量實(shí)測(cè)數(shù)據(jù)，較遠(yuǎn)距離的區(qū)域利用插值法計(jì)算日降雨量。依據(jù)研究流域市級(jí)狀況并結(jié)合相關(guān)文獻(xiàn)，本文分別選取2012、2013—2014和2015年作為模型預(yù)熱期、率定期、驗(yàn)證期。

2 基本方法

模型不確定分析、敏感性分析、率定為本文主要研究?jī)?nèi)容，其中SWAT模型敏感性分析發(fā)生在模型率定之前。對(duì)單個(gè)參數(shù)進(jìn)行率定前分析以及若干次迭代計(jì)算的敏感性為SUFI- 2算法敏感性分析的2種主要類型，其中若干次迭代運(yùn)算是將本次迭代作為下次迭代運(yùn)算的參考和前提[9]。

2.1 SWAT模擬及敏感性分析

本文根據(jù)遼河流域的實(shí)際情況和DEM數(shù)據(jù)將其離散為若干個(gè)不同的子流域，對(duì)土壤、坡度以及土地利用等數(shù)據(jù)在各子流域上進(jìn)行疊加分析，然后結(jié)合子流域特征進(jìn)行不同水文響應(yīng)單元的劃分進(jìn)而利用氣象數(shù)據(jù)資料對(duì)遼陽水文站的徑流量進(jìn)行模擬求解[10]。LH-OAT敏感性分析法具有OAT敏感性分析以及LH采樣法的優(yōu)點(diǎn)和特征，本文采用該方法對(duì)SWAT模型進(jìn)行分析，其中分層式采樣法為L(zhǎng)H采樣的主要方法，其特點(diǎn)是以最低的采樣量盡可能覆蓋最優(yōu)的采樣立方，因此相對(duì)于隨機(jī)采樣法該方法具有較高的輸出統(tǒng)計(jì)效率和特點(diǎn)。通過對(duì)模型進(jìn)行n+1次的運(yùn)算，確定n個(gè)參數(shù)中某一參數(shù)的敏感性，其特征為在運(yùn)行過程中其他參數(shù)保持不變而按照預(yù)定規(guī)則改變某一參數(shù)。所以，該方法可更加清晰、客觀地反映輸出結(jié)果的變化，進(jìn)而可以更加準(zhǔn)確、客觀地揭示輸入?yún)?shù)值的變化狀況及作用規(guī)律。為了對(duì)參數(shù)的敏感性大小進(jìn)行排序，本文結(jié)合研究區(qū)域?qū)嶋H狀況和相關(guān)標(biāo)準(zhǔn)確定了敏感度取值范圍表，見表1。

表1 敏感度取值范圍表

2.2 SUFI- 2敏感性分析

SUFI- 2算法的敏感性分析共有以下3種求解方法。

(1)OAT求解法。對(duì)參數(shù)的敏感性僅需進(jìn)行一次計(jì)算并假定其他相關(guān)參數(shù)保持不變。該方法具有2個(gè)基本優(yōu)點(diǎn)，即不僅可對(duì)SWAT敏感性結(jié)果進(jìn)行檢驗(yàn)和判斷，而且所求得的參數(shù)敏感程度可發(fā)生在整體率定之前。

(2)全局敏感度求解法。在率定過程中可對(duì)下次需要率定的參數(shù)敏感性求解和計(jì)算。相對(duì)于臨界值T統(tǒng)計(jì)量的假設(shè)檢驗(yàn)樣本值越大則檢驗(yàn)結(jié)果越優(yōu)；對(duì)各個(gè)樣本的相對(duì)顯著性可利用T檢驗(yàn)值進(jìn)行判別，其中P概率值對(duì)應(yīng)于T檢驗(yàn)值查表，而T統(tǒng)計(jì)量可由P概率值進(jìn)行表征和體現(xiàn)。該方法敏感性參考依據(jù)為T絕對(duì)值，其絕對(duì)值越大則敏感性越高；并且對(duì)T值的顯著性可利用P指標(biāo)進(jìn)行表征，P值越低則其顯著性越高。

(3)觀察散點(diǎn)圖求解法。對(duì)模型模擬的目標(biāo)函數(shù)值利用散點(diǎn)圖進(jìn)行排序和羅列，首先設(shè)定目標(biāo)函數(shù)相關(guān)范圍要求并盡可能保證參數(shù)敏感性區(qū)間縮小至該范圍區(qū)間之內(nèi)。

2.3 率定方法及分析

分別選取標(biāo)準(zhǔn)誤差RMSE、效率系數(shù)NSE、修正系數(shù)bR2以及確定性系數(shù)對(duì)模擬值與預(yù)測(cè)值進(jìn)行分析并對(duì)SWAT模型模擬效果進(jìn)行綜合評(píng)價(jià)，其中確定性系數(shù)R2公式如下：

(1)

R2值結(jié)果為1時(shí)則代表模擬值與期望值具有相同的變化趨勢(shì)，其值偏離1的程度則代表二者的吻合程度。

采用修正公式bR2對(duì)確定性系數(shù)進(jìn)行修正并以此避免其具有的缺點(diǎn)和弊端，其中回歸系數(shù)與確定性系數(shù)R2的乘積為Φ，計(jì)算公式如下：

(2)

Φ值可反映模擬值與觀測(cè)值之間的變化規(guī)律和變異程度。

效率系數(shù)NSE可按下述公式進(jìn)行計(jì)算：

(3)

效率系數(shù)NSE值趨近于1的程度代表了模擬值與觀測(cè)值之間的偏離程度，即越趨近于1則偏離程度越低。

按下述公式對(duì)標(biāo)準(zhǔn)誤差進(jìn)行求解：

(4)

2.4 SUFI- 2不確定性分析

SUFI- 2為考慮了觀測(cè)數(shù)據(jù)、模型結(jié)構(gòu)、參數(shù)以及輸入數(shù)據(jù)的參數(shù)估計(jì)最優(yōu)法，可對(duì)率定后參數(shù)的變化區(qū)間進(jìn)行反映。其中大多數(shù)觀測(cè)數(shù)據(jù)分布于95%置信水平上的不確定性區(qū)間，并且可在97.5%和2.5%的累積分布上對(duì)模擬結(jié)果的總的不確定性進(jìn)行求解，從而可利用拉丁超立方法進(jìn)行求解并完成輸出，然后對(duì)參數(shù)的不確定性可利用兩個(gè)指標(biāo)進(jìn)行確定，R值越趨近于0則預(yù)測(cè)數(shù)據(jù)貼近于實(shí)測(cè)數(shù)據(jù)的程度越高。

3 結(jié)果及討論

3.1 參數(shù)敏感性分析

在率定之前可利用SWAT自帶敏感性分析模塊進(jìn)行分析，在率定之后可利用SUFI- 2法進(jìn)行全局敏感性分析[11]。因此，在率定之前可依據(jù)SWAT敏感性分析結(jié)果對(duì)全部參數(shù)進(jìn)行分析。并且在率定之間對(duì)單參數(shù)可利用SUFI- 2的OAT法進(jìn)行敏感性確定。據(jù)此，該分析方法具有更好的效果和客觀性，個(gè)別參數(shù)統(tǒng)計(jì)分析見表2。

表2 部分參數(shù)敏感性分析結(jié)果

3.2 參數(shù)率定及模型驗(yàn)證

為降低初始條件對(duì)預(yù)測(cè)結(jié)果的不利影響，按照本文先前設(shè)定的預(yù)熱期和率定期進(jìn)行模型率定，并忽略預(yù)熱期有關(guān)計(jì)算結(jié)果和方程，擬合結(jié)果如圖1所示。由圖1可知，二者在率定期和驗(yàn)證期的擬合程度相對(duì)較好。對(duì)不同時(shí)期評(píng)價(jià)指標(biāo)可采用SUFI- 2算法進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果見表3。研究結(jié)果表明，模型中參數(shù)指標(biāo)精確度在不同時(shí)期均表現(xiàn)出良好的結(jié)果，符合模型模擬相關(guān)要求可進(jìn)行下一步的模擬預(yù)測(cè)。

圖1 月徑流量觀測(cè)值與模擬值在率定期與驗(yàn)證期擬合結(jié)果

表3 遼陽水文站月徑流量模擬結(jié)果

3.3 不確定性分析

參數(shù)的取值區(qū)間可在一定程度上對(duì)參數(shù)不確定性產(chǎn)生顯著作用，如較小的取值范圍可提高模擬的置信水平并產(chǎn)生較窄的不確定性區(qū)間從而降低對(duì)變異的作用程度，大部分?jǐn)?shù)據(jù)落在有效的區(qū)間以外。本文對(duì)R-faceot和P-factor進(jìn)行求解，結(jié)果見表4。

表4 不確定性分析結(jié)果

其中置信區(qū)間為95%時(shí)的預(yù)期范圍符合本文中為2.5～97.5%范圍，而其低程度不確定性可由較大的R-faceot值進(jìn)行確定，驗(yàn)證期的0.06和率定期的0.08說明模型包含了52%和68%以上的觀測(cè)數(shù)據(jù)。在率定期和驗(yàn)證期R-faceot分別為0.22和0.40，由此說明95PPU區(qū)間寬度較窄。

對(duì)每次模擬參數(shù)的取值依據(jù)SUFI- 2的散點(diǎn)圖進(jìn)行分析，研究表明：不確定性的大小可依據(jù)散點(diǎn)的分布集中程度進(jìn)行表征。結(jié)合橫坐標(biāo)的范圍可對(duì)取值區(qū)間進(jìn)行確定，而縱坐標(biāo)的NSE值可按縱坐標(biāo)范圍進(jìn)行確定。0.5的閥值為紅線邊界值，置信水平與閥值以上分布點(diǎn)的多少呈正相關(guān)性即閥值以上散點(diǎn)越多則置信水平越高從而可知模型的不確定性越低。依據(jù)CANMX研究結(jié)果，0～1取值范圍可降低參數(shù)的不確定性，并且參數(shù)的可取值范圍變小從而引起參數(shù)的變異性降低。綜上所述，遼河流域遼陽水文站徑流模擬的不確定性整體處于較低水平[12]。

4 結(jié)論

本文以遼河流域?yàn)槔M(jìn)行水文過程模擬預(yù)測(cè)分析，并對(duì)模型的相關(guān)性能按照不同的參數(shù)進(jìn)行研究分析，得出的主要結(jié)論如下。

(1)利用SWAT敏感性分析結(jié)果可對(duì)SUFI- 2參數(shù)敏感性進(jìn)行分析，除了參數(shù)一次性全部輸入外其他各參數(shù)在初次輸入時(shí)均存在一定的盲目性。

(2)參數(shù)敏感名研究結(jié)果顯示，對(duì)模型徑流預(yù)測(cè)模擬影響最大的土壤，并且基流衰退常數(shù)以及SCS徑流曲線值具有一定的敏感性。

(3)遼河流域遼陽水文站在率定期與驗(yàn)證期的觀測(cè)值與模擬值擬合程度處于較高水平，相對(duì)于率定期驗(yàn)證期相對(duì)較大，其原因主要與參數(shù)驗(yàn)證年份較少擬合較快等因素相關(guān)。