流溪河模型(第二版)

第1章绪论 流域水文模型是对流域水文过程进行系统描述和模拟/预测的数学模型。1932年提出的谢尔曼单位线[1]是流域水文模型的雏形，但真正意义上的流域水文模型直到20世纪60年代末才正式被提出来，斯坦福4号模型[2]是开发较早的流域水文模型。 流域水文模型一般可分成集总式模型(lumped model)和分布式模型(distributed model)两大类。 集总式模型将整个流域看成一个整体，将流域物理特性在空间上进行均化，模型参数在整个流域上进行同化。该类模型中，流域降雨采用流域平均降雨，而模型参数也被认为在流域上的各处是相同的，即整个流域采用一组模型参数。20世纪90年代以前的流域水文模型主要是集总式模型。 分布式模型将流域按一定方法划分成很多个细小的单元，对每个单元，根据其物理特性进行产流量计算，然后将产生于每个单元的径流沿其流向汇流到流域出口断面。分布式模型一般都是基于物理意义的，因此又称为分布式物理水文模型。分布式物理水文模型与集总式模型的主要不同是，流域产汇流计算采用的是具有物理意义的数学物理方程，而不是纯数学方程；每个单元采用与其他单元不同的模型参数及降雨量；每个单元的模型参数主要根据流域物理特性从物理意义上直接确定，而不是根据实测历史资料率定。 1.1集总式模型 1.1.1集总式模型的发展 集总式模型可分成系统理论模型或称黑箱模型(black box model)和概念性模型(conceptual model)。黑箱模型将整个流域看成一个黑箱子，其不从物理意义上去探索流域水文过程的机理，而是采用纯数学的方法去推求模型输入(降雨等)和模型输出(河流流量等)之间的关系。黑箱模型因不能对其预报结果从物理意义上进行明确的阐述而不易被人们接受，其研究和应用受到了一定程度的影响。但由于该方法较为简便，易于应用，一直是一类重要的流域水文模型。 黑箱模型中早期的代表性模型是线性降雨径流模型[3，4]。20世纪90年代以来，水文界的研究人员试图采用人工神经网络方法[5-8]等新的数学方法来改进黑箱模型的应用效果，并取得了一定进展。 与黑箱模型不同的是，概念性模型对流域水文过程的发生和发展从物理意义上进行描述，并用若干模型参数来定量描述各物理量之间的关系。概念性模型由于物理意义明确而易于被人们理解和接受，较之黑箱模型得到了更多的重视和研究，在目前的实际应用中，大量使用的就是这类概念性模型。 很多国家都提出了各自的概念性流域水文模型，其原理和算法也趋于成熟和完善，如美国的斯坦福4号模型[2]、萨克拉门托模型[9]、HEC模型[10]，意大利的 ARNO模型[11]，北欧的 HBV模型[12]，日本的水箱模型[13]，我国的新安江模型[14，15]等。这些模型目前是流域洪水预报的主要水文模型。 1.1.2集总式模型的不足 随着人们对流域水文过程研究的不断深入和模型应用经验的积累，集总式模型的不足日益凸显，首要问题在于其难以处理流域物理特性在空间分布上的不均匀性和模型参数的不确定性。一个流域的面积从几百平方公里到几百万平方公里不等，流域的物理特性在不同的空间区域上是不同的，集总式模型将模型参数在整个流域上进行均化，没有提出处理流域物理特性在空间上不均匀分布的方法。有些模型在这方面进行了一些改进，如我国的新安江模型，用一个指数函数来描述流域蓄水容量在空间分布上的不均匀性；意大利的 ARNO模型，将一个流域划分成多个较小的子流域，对每个子流域采用不同的模型参数。这些方法虽然在一定程度上考虑了流域物理特性空间分布的不均匀性，但并未从根本上解决问题。 降雨空间分布的不均匀性也是集总式模型无法考虑的，因为集总式模型采用流域平均面降雨量进行计算，也是将流域降雨在空间分布上进行均化，而流域降雨是影响流域水文模拟/预报效果的重要因素之一。当流域规模较大时，将会严重影响结果的精度。 模型参数的不确定性则是另一类问题。集总式模型依赖实测历史径流过程来率定模型参数，并采用优化技术对模型参数进行优选。这就会出现下列一些问题。 1)在无资料或少资料流域的不可应用问题 对于无资料或少资料流域，没有实测的水文资料或实测的水文资料年限不长，采用集总式模型就难以率定模型参数，因而难以实际应用，这种情况在中小流域是一个普遍存在的问题。 2)异参同效问题 研究表明，对于集总式模型，当利用实测历史径流过程并采用优化技术率定模型参数时，往往可以得到一组不同的模型参数而其径流的模拟效果相近，即一组不同的模型参数可以得到相似的模拟结果，但这组模型参数对未来的流域水文过程的模拟/预报会产生大相径庭的结果，从而使得模型参数出现不确定性。 3)人类活动的影响 由于人类活动的影响，流域的下垫面条件一直都是在变化的，对于人类活动剧烈的地区，这种变化还相当大，在此情况下，用过去的水文资料率定的模型参数还能否应用于未来的流域水文模拟，就成为一个很大的不确定性问题。这一问题在有水利工程的流域特别明显。 4)同参异效问题 集总式模型的参数一般是通过率定和检验后就固定下来的。但是，不同的径流过程，其发生、发展的水文气象条件各不相同，用一组固定不变的模型参数很难准确描述和模拟所有的水文过程。这组模型参数可能对某些场次的洪水的模拟效果较好，而对另外一些场次的洪水的模拟效果较差。使用相同的模型参数来模拟所有的水文过程难以对所有的水文过程获得满意的模拟效果。如果用一组固定不变的模型参数来模拟和预报所有的水文过程，就可能出现意想不到的效果，或出现强迫水文模型按照可能与实际的水文规律不符的方式模拟水文过程的现象[16]，本书称这一现象为同参异效。这也就是集总式模型对有些水文过程的模拟效果较好，而对另外一些水文过程的模拟效果不好的原因。 集总式模型上述不足的主要原因是其不能有效处理流域空间信息。在当时条件下，空间信息处理技术还不成熟，计算机技术也没有达到相应水平，因此集总式模型的发展受到当时条件下其他相关学科技术水平和社会整体技术水平发展的限制，难以有根本性改变。但是，20世纪80年代末、90年代初以来，地理信息系统(geographic information system，GIS)空间信息处理技术得到了很大发展，出现了商用的 GIS软件，同时计算机信息处理技术也以前所未有的速度发展，使得处理流域空间信息不再是一道不可逾越的鸿沟。另外，随着遥感技术的发展，可以获取大范围高分辨率的流域物理特性数据，如土地利用类型等，以及通过多普勒雷达估算的、可以反映流域降雨时空分布不均的高分辨率的流域降雨数据。分布式流域水文模型开始受到水文界越来越多的重视，对其研究越来越多，出现了一批有价值的研究成果。 1.2分布式物理水文模型 1.2.1分布式物理水文模型的发展 分布式物理水文模型(physically-based distributed hydrologic model，PBDHM)的蓝图早在1969年就已经由 Freeze等[17]提出，但直到1986年才正式发表世界上**个完整的分布式物理水文模型—— SHE(systeme hydrologique Europeen)模型[18，19]。由此看来，分布式物理水文模型的发展远比集总式模型缓慢。主要原因是应用分布式物理水文模型需要有较高分辨率的流域物理特性数据和降雨数据，而这在当时却不易获得，从而限制了分布式物理水文模型的发展。但20世纪80年代中期以后，出现了有利于分布式物理水文模型研究和应用的一些情况。 (1)卫星遥感技术的日益成熟。卫星遥感产品进入民用和科技领域，使得科研人员可以获取分辨率很高的、全球范围内的流域物理特性资料，大部分产品均可以通过国际互联网免费下载。另外，局部地区分辨率更高的上述产品也不断出现并可获取。由于有了这些资料，研究人员可以获取非常详细的流域物理特性资料，并可直接利用这些资料推求各单元的模型参数。这是分布式物理水文模型研究的重要资料。 (2)数字气象雷达的普及应用。数字气象雷达提供了分辨率很高的流域降雨资料，从而可以充分考虑降雨空间分布的不均匀性。由美国研制开发的多普勒88D型气象雷达(weather surveillance radar-88Doppler，WSR-88D)[20]，可以提供在任何气象条件下分辨率为1km2的降雨量，其有效覆盖半径达230km。美国已部署了一个由此类雷达组成的网络，覆盖全美所有地区，目前已升级为双极雷达。我国也已建成一个由200多台新一代多普勒雷达站组成的雷达网，这些站点的探测范围基本上覆盖了我国沿海、沿江、沿河等地区。应用多普勒雷达测雨，将成为水文气象界的一个趋势。 (3) GIS空间信息处理技术的不断发展。商用 GIS软件的出现大大方便了分布式空间信息的处理及计算，应用这些软件在普通的微型计算机工作站上就可以对大规模的流域进行计算，从而大大加快了分布式物理水文模型研究的步伐。 由于上述有利情况的出现，分布式物理水文模型的研究与应用得到了快速发展。国内外学者提出了一系列分布式物理水文模型。国外学者提出的有 WATFLOOD模型[21]、VIC模型[22]、DHSVM模型[23]、CASC2D模型[24]、WetSpa模型[25]、Vflo模型[26]等。国内学者也提出了一些模型，如黄平等提出了一个分布式物理水文模型的构想[27]，并建立了一个森林分布式物理水文模型[28]；杨大文等提出了 GBHM模型[29]，并在黄河等国内一些流域进行了应用研究[30]；贾仰文等提出了 WEP模型[31]，并在黄河流域水资源评价中将其发展成 WEP-L模型[32]；郭生练等[33]提出了一个基于数字高程模型(digital elevation model，DEM)的分布式流域水文物理模型；穆宏强等[34]提出了一个分布式水文生态模型的理论框架；李兰等[35]提出了 LL模型；陈洋波等提出了一个分布式物理水文模型的框架[36]，并将其发展成流溪河模型[37-39]；刘昌明等[40-42]结合黄河流域水文循环研究提出了三种尺度的分布式物理水文模型等。 1.2.2分布式物理水文模型的优势 分布式物理水文模型根据研究与应用的需要，理论上可以将一个流域分成任意小的单元，并通过多种手段，确定各个单元上的物理特性数据，根据这些流域特性，从物理意义上确定模型参数，而不再是像集总式模型那样，通过实测数据率定模型参数。与集总式模型相比，分布式物理水文模型的优势体现在如下四个方面。 1)充分反映流域物理特性的空间变化 随着卫星遥感及航空测量技术的不断发展，获取高分辨率的流域物理特性数据不再是困难的事情。有了高分辨率的流域物理特性数据，就可以给不同的单元确定不同的模型参数，从而充分反映流域物理特性的空间变化。分布式物理水文模型的这一特点使其可以更容易应用于受水利工程影响的流域。在河流上修建水利工程已成为现代社会一个非常普遍的现象，水利工程的修建大大改变了流域的产汇流规律，进而引起流域水文过程的变化，分布式物理水文模型可以在模型结构中直接体现出相应的变化，从而使它可以更准确地模拟和预测流域水文过程，提高水文模拟和预测的精度。 2)采用基于网格的高时空分辨率的流域降雨 流域降雨量是决定流域径流模拟/预报精度的重要因素之一。由于分布式物理水文模型将流域分成细小的单元，可以充分利用由数字气象雷达遥测的高时空分辨率的流域降雨量，或根据雨量计降雨进行空间插值得到的基于网格的流域降雨进行径流模拟和预报，从而充分考虑降雨在流域空间分布的不均匀性，有利于提高径流模拟及预报的精度。 3)进行精细化的流域径流模拟/预报 分布式物理水文模型将流域分成细小的单元，并研究各个单元上的径