HSPF水文水质模型应用研究综述_李兆富

合集下载

HSPF模型在水文与水环境中的进展研究

专业研讨中华传奇８４HSPF 模型在水文与水环境中的进展研究◎.刘卫红/宜昌升华新能源科技有限公司.....摘要：HSPF（Hydrological.Simulation.Program-Fortran）模型是在Stanford 水文模型的基础上发展起来的。

作为半分布式水文水质模型的优秀代表，HSPF 模型能够综合模拟河道水力、流域径流、土壤流失、污染物迁移等过程，从而被广泛应用于流域水文与水环境研究中。

通过概述HSPF 模型研发与整合的发展历程，以及模型中PERLND、IMPLND 与RCHRES 等3个主要模块结构，且综述了模型在土地利用变化、水文过程、非点源污染模拟以及模型参数校验等方面的研究进展。

关键词：HSPF 模型；模拟应用；水文近年来，随着社会经济的快速发展、气候变化及土地利用方式的改变，导致了水污染主要方式由点源向非点源污染转换。

而非点源污染具有隐蔽性、随机性、分散性、难以监测和不易量化处理等特点，同时，它和流域径流、土壤流失、物质迁移等水文过程紧密相连，因此研究难度极大。

所以通过构建数学模型，对其进行长时间和大空间序列的模拟是解决该问题的一种有效方。

一、HSPF 模型的发展和模块结构（一）HSPF 模型的发展20世纪70年代末，美国环保署发现运用模型模拟的方法在解决复杂的水资源问题中具有很大的价值，因此，他们在SWM 模型的基础上研发一个较为复杂的FORTRAN 程序，其包含了HSP 、ARM （1978）和NPS （1979）三种模型的功能，之后扩展形成HSPF 模型。

20世纪80年代到90年代，美国地质调查局（USGS ）的产品ANNIE ，WDM 和HSPEXP 极大地推动和简化了流域模型的应用。

之后在经过不断地发展完善，模型已经可以提供多种沉积化学作用模式，并结合水动力方程实现沉积物以及多种污染物的地表径流、壤中流过程及其迁移、转化的综合模拟。

（二）HSPF 模型的模块结构HSPF 模型是一种兼具有分布式与集中式水文模型的综合式水文模型。

基于hspf模型水文参数分析

流域水环境管理
03
用于模拟整个流域的水文循环和水质变化，为流域水环境管理
和水资源的可持续利用提供决策支持。
HSPF模型的特点和优势
综合性和系统性
HSPF模型综合考虑了水文循环和水质变化的各个方面，能够全面反映流域水
环境的整体状况。
动态性和预测性
HSPF模型能够模拟不同时间和空间尺度上的水文和水质变化，为决策者
基于hspf模型水文参数分析
汇报人： 2024-01-01
目录
• HSPF模型简介 • 水文参数分析基础 • 基于HSPF模型的水文参数分
析 • 案例研究 • 结论与展望
01
HSPF模型简介
HSPF模型的定义
HSPF模型是一种基于过程的水文模型，用于模拟和预测水文循环和水质变化。
它结合了水文学、水力学和水质学等多个学科的知识，能够模拟流域水文循环的各个过程，包括降水、蒸散发、径流和地下水流动等。
流域尺度应用
将HSPF模型应用于更大流域尺度的水文模拟，以揭示流域尺度上水文过程的复杂性和动态性。
THANKS
谢谢您的观看
基于HSPF模型水文参数分析的展望和未来研究方向
参数优化
针对敏感性分析中发现的敏感参数，进一步开展参数优化研究，以提高HSPF模型的模拟精度和预测能力。
模型改进
结合新兴技术和方法，对 HSPF模型进行改进和升级，以适应不断变化的水文环境和模拟需求。
跨学科融合
加强水文学、环境科学、计算机科学等相关学科的交叉融合，拓展HSPF模型在水环境、水生态等领域的应用。
ABCD
模型建立
根据流域特征和数据情况，建立适合的HSPF模型结构。

hspf模型

HSPF模型综述1.模型概述1.1模型介绍HSPF，全称水文模拟模型，是由美国国家环境保护局于1981 年开发完成的．1998年，美国环保署又开发完成了一套基于GIS技术的整合式平台系统BASINS．该系统把HSPF模型集成在具有强大空间数据存储和处理能力的Arcview上，为HSPF自动提取模拟区域的地形地貌、土地利用、土壤植被、河流等数据，以及非点源污染负荷的长时间连续模拟提供了方便．发展至今，HSPF模型又集成了HSP、ARM、NPS等模块．它将常见的污染物和毒性有机物模拟纳入到模型中，能够实现多种污染物地表、壤中流过程及蓄积、迁移、转化的综合模拟．HSPF模型是半分布式综合性流域模型的优秀代表．在国外已经被广泛应用于水、颗粒沉积物、营养盐、化学污染物、有机物质和微生物等的模拟研究，在我国，由于缺乏大量基础数据，对HSPF模型的研究还处于起步阶段．HSPF模型将模拟地段分为透水地面、不透水地面、河流或完全混合型湖泊水库三部分，其主模块包括透水地段水文水质模拟模块（PERLND）、不透水地段水文水质模拟模块（IMPLND）以及地表水体模拟模块（RCHRES）．三大模块下按照功能又分为水文模块、侵蚀模块和污染迁移转化模块等1子模块，可以实现对径流、颗粒沉积物、营养盐、化学污染物、有机物质和微生物等的连续模拟（见图1）．图1 HSPF模型结构与功能1.2模型基础数据库模型需要的输入数据主要有：(1)流域的数字高程模型(DEM)．用来划分子流域和确定出流路径；(2)土地利用数据．主要用来计算植被生长、耗水和地表产汇流；(3)土壤数据．用来计算壤中流和浅层地下水量；(4)气象数据，包括日降雨资料、日最高最低气温、风速、日辐射量、相对湿度、气温站位置高程、雨量站位置高程等，用来计算流量和蒸散发量n1；(5)农业管理措施和水库和湖泊位置、出流点等；(6)监测站数据．包括各水质参数数据，例如总氮、总磷、BOD等；(7)社会经济数据，包括人口普查数据、人口密度数据等．1.3水文过程模拟HSPF模型水文模块在非点源模型中是最为完善的,它以StanfordIV机理模型为基础，将研究区域分为透水地面和不透水地面两种类型，针对不同地面水文过程进行模拟．模型将研究区域自上而下分为树冠层、2植被层和各土壤层（包括表层土壤、上土壤层、下土壤层和地下水涵养层）．降水在这些垂直的存储层间进行分配．透水地面的模拟考虑降雨或降雪、截留、地表填洼、渗透、蒸散发、地表径流、壤中流和地下水流等水文过程．降雨或降雪被地面截留一部分，再扣除地表填洼、下渗、蒸发，最后形成地表径流．不透水地面的模拟考虑降雨或降雪、截留、蒸散发、地表径流．降雨或降雪经扣除屋顶集水、沥青变湿及植被截留后形成地表径流．降雨最终由地表径流、壤中流和地下水流进入河流.1.4泥沙侵蚀模拟相比目前很多模型釆用的通用土壤流失方程（USLE），HSPF模型对泥沙侵蚀的模拟更具有机理性．它将侵蚀过程分为雨滴溅蚀、径流冲刷和径流运移等若干子过程，分别对其进行模拟．泥沙侵蚀模拟过程包括降雨对透水地面土壤的剥蚀，对不透水地面的冲刷以及地表径流对泥沙的输移过程．用于模拟泥沙剥蚀和迁移过程的数学方程是基于Meyer和Wischmeier所提出的降雨对土壤表面侵蚀的算法．泥沙随水流的演进输移，HSPF模型采用Toffaleti、collby或幂函数法以及临界切应力原理进行模拟．泥沙的传输按照泥沙粒径大小，粉沙和粘粒的传输、沉降和冲刷根据临界剪切应力原理判断产生沉积或是冲刷，沙粒的传输可以用Toffaleti、collby或幂级数函数法来计算.1.5污染物迁移模型HSPF模型污染物迁移模块考虑了污染物在多种环境介质之间的迁移转化过程，考虑了污染物在土壤中的状态、含量，及其受到各种物理3化学过程及生物过程的影响，可以模拟输出BOD、DO、营养物、农药和微生物等多种污染物负荷．尤其对氮的模拟，模型综合考虑了溶解态，吸附态氮，有机氮和无机氮，氮素间的相互转化，以及氮素与环境介质间的迁移等多个过程．1.6模型的适用性HSPF模型结合了分布式流域水文模型和其它非分布式流域模型的一些优点，是一个可以模拟流域内连续的水文过程以及水质变化过程的模型．①模型集成于BASINS系统平台，实现了模拟区域地形地貌、土地利用、土壤植被、河流等数据的自动提取．与SWAT模型相比，它包含融雪模块，因此对冬季径流的模拟具有优势．②对于降雨径流，HSPF模型能够将降水径流过程按某一尺度进行空间划分，对每一区域降雨、下渗等过程分别进行动态和连续的模拟．③对于子流域，HSPF模型每个子流域间具有承接关系，并可根据不同需要调整子流域水文响应单元大小．既实现了分布式模拟，又能减少计算冗余，同时避免了类似分布式的结构假定函数与实际不符而造成的错误．④对于模拟尺度，HSPF模型主要用于农业和城市混合型的不同时空尺度流域，能够模拟时间尺度为小时的产汇流过程．模型中WD－Mutil软件可将现有气候气象数据进行衍生和扩充，延长了模拟时间序列.2国内外HSPF模型的研究进展2.1水文过程与情景模拟分析许多研究表明，HSPF模型在不同地区的水文过程模拟中均有很好的表现． Alarcon等利用HSPF模型模拟墨西哥湾北部MobileBay4流域的水文过程，结果表现很好。

HSPF模型原理及应用

HSPF模型原理及应用小流域非点源污染模拟与仿真研究——以HSPF模型在西丽水库流域应用为例来源：《农业环境科学学报》发表时间：2007年应用HSPF 模型，对2000 年和2004 年7 月至2005 年6 月深圳市西丽水库流域水文水质的连续动态变化进行模拟，定量化分析流域非点源污染特征，判断污染物来源，为水库水质管理提供依据。

HSPF模型简介Hydrological Simulation Program-FORTRAN 水文模拟模型美国国家环保局于1980年研制，经过多次修订和改进，现已发展为HSPF12.0版本，是一窗口化的版本。

HSPF模型发展EPA 于1998 年又开发了BASINS 软件，该软件把HSPF 模型集成在ArcView 平台上。

基于该软件，HSPF模型可利用ArcView 对空间数据的存储和处理能力，自动提取模拟区域所需要的地形、地貌、土地利用、土壤、植被、河流等数据进行非点源污染负荷的长时间连续模拟，并把模拟结果与所存储的实测数据进行比较，以验证模型。

HSPF模型应用集水文、水力、水质模拟于一体能对透水地面、不透水地面以及河流水库的水文和水质过程进行模拟使用连续性降雨与其它气象数据以计算出河流的水文曲线与污染物传输曲线。

HSPF模型应用水文现象土壤水份含量、地表径流、层次互流、基流、融雪现象、蒸发散与传输、水含量、地下水补注、水中含氧量、生物需氧量、温度、营养成分、大肠杆菌、泥砂分离与传输现象、粒径大小之泥砂演算、渠道演算、水库演算、组成物演算、pH值、氨、亚硝酸盐、硝酸盐、有机氮、有机磷、地质植物与浮游动物。

西丽水库流域面积28.6 km2水面面积4.6 km2流域地势北高南低岩石：花岗岩和砂页岩土壤：赤红壤为主土地利用：果树种植模型建立（流域划分）地形图水系分布图自然汇流特征气象因子（降雨量、蒸散发能力等）地形因素（坡度、坡长）河道特征（坡降、河宽等）模型建立（土地利用类型划分）对航空照片进行解译获取流域土地利用信息模型建立（气象数据）目标区域的降水量、蒸发量气温、露点温度、风速、云量污染负荷大气沉降的小时平均气象数据目标区域内点源水量以及TN、TP、SS 等水质污染负荷的时间序列数据。

基于HSPF模型水文参数分析

趋势与挑战
HSPF模型在大数据时代的挑战与机遇
挑战
处理和分析大量数据需要更高效和准确的方法和技术，同时需要解决数据的质量和不确定性问题。
机遇
通过使用大数据技术，可以更全面地了解水文系统的动态变化和影响因素，为水资源管理和决策提供更准确和可靠的支持。
HSPF模型在物联网中的应用前景
物联网技术可以提供更加实时、精确的水文数据和监测信息，为HSPF模型的参数分析和模拟提供更加可靠的输入。
方法
水质指标与模型建立
水质指标
选择关键的水质指标，如温度、pH值、浊度、总悬浮物等，用于评估水质状况。
VS
模型建立
根据HSPF模型构建水质预测模型，将水文参数与水质指标之间建立数学关系。
水质预测模型的应用
数据收集
收集水文和气象数据，如降雨量、径流量、蒸发量等，以及水质监测数据。
模型输入
将收集的数据输入到水质预测模型中，为模型的计算提供基础数据。
02 基于历史水文数据，运用统计分析方法得出的参数，
如均值、标准差等。
过程参数
03
描述水文过程的动力学参数，如汇流时间、延迟时间
等。
水文参数采集技术
遥感技术
利用卫星或无人机搭载的遥感设备，获取大范围、连续的水文数据。
自动监测站
建立水文自动监测站，实时收集降雨量、水位、流速等数据。
人工观测
由专业人员使用雨量筒、水位计等设备，定期观测降雨量、水位等数据。
完整性。
数据清洗
02
对数据进行预处理，如缺失值填充、异常值处理等，提高数据
的质量。
数据转换
03
对数据进行必要的转换，以满足模型输入的要求。

2009-HSPF模型及其在非点源污染研究中的应用

迄今为止, HSPF 模型是唯一一个可以模拟流域内连续的水文和水力过程, 以及水质变化过程的模型. 已被美国环保署列为推荐模型, 广泛用于区域的水资源水环境模拟, 并取得了精确的结果, 为同类模型中比较出色的. 表 1 是几个主要流域水文模型的特征比较.
1 模型结构与基础数据库
111 模型的结构 HSPF 模型是目前综合模拟径流、土壤流失、污
非点源点P非点源点P非点源点源点P非点源点P非点源点P非点源
多个 minPs 多个单个多个多个多个多个多个
minPs 径流 minPs dPh minPs dPh dPh minPs dPh
径流易降解/ 农药径流P人工管道
径流P渗流径流径流
径流/ 渗流/ 人工管道径流/ 渗流/ 人工管道
染物传输、河道水力等过程, 以及水温、泥沙传输、营养物和化学物相互反应的流域非点源污染模拟模型之一, 包括 3 个主模块和 5 个应用模块, 能对透水地
61
首都师范大学学报( 自然科学版)
2009 年
模型
流域类型
AGNPS 农业用地/ 未利用地
CREAMS 农业用地/ 未利用地
DR3MQUAL EPIC
径流P渗流
污染物类型
易降解/ 难降解吸附/ 降解难降解易降解P农药易降解P农药
易降解P难降解易降解/ 农药吸附/ 降解
易降解/ 难降解易降解P农药
污染物的物理化学变化
-
吸附P降解吸附P降解
-
降解吸附P降解
面、不透水地面、河流和完全混合型湖泊水库三种不同性质的地表水文水质过程进行模拟, 应用模块用
由于模型本身的限制, 有些问题不能单靠某个特定的模型完成, 需要模型的综合或者二次开发. 如模型与 GIS 的结合了, 解决了分布式模型输入数据量大的问题[8] . BASINS ( Better Assessment Science Integrat ing Pointand Non- point Sources) 系统是基于 GIS 技术的整合式平台, 它集成了很多的工具如流域数据管理器 ( WDMUtil) 和流域刻划工具 ( Watershed Delineation) 、HSPF 模型和 SWAT 模型, 决策制定和分析系统如情景分析处理( Postprocessing GenScn) 和流域管理敏感度分析系统 ( Watershed Management Sensitivity Analysis) , BASINS 现已升级到 410 版本, 它以 Mapwindow GIS 软件为平台, 将各种水文模型镶嵌其中, 从而构架成一种基于 GIS 和多种内嵌水文模型的流域环境规划管理系统.

基于HSPF模型的流域水文水质模拟研究进展

第２期
２０１５年３月
华东师范大学学报（自然科学版）
ＪｏｕｒｎａｌｏｆＥａｓｔＣｈｉｎａＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ）
ＮＯ．２Ｍａｒ．２Ｏ１５
ｔａｎｔｓ，ａｎｄｓｕｍｍａｒｉｚｅｄｔｈｅｌａｔｅｓｔｄｅｖｏｌｅｐｍｅｎｔｓｉｎｔｈｅｍｏｄｅｌｉｎｇｏｆｔｈｅｒｕｎｏｆｆ，ｔｈｅｍｉｇｒａｔｉｏｎｏｆｐｏｌｌｕｔａｎｔｓ，ｔｈｅｉｎｆｌｕｅｎｃｅｏｆｌａｎｄｕｓｅｏｒｌａｎｄｃｏｖｅｒｃｈａｎｇｅａｎｄｃｌｉｍａｔｅｃｈａｎｇｅｏｎｗａｔｅｒｓｈｅｄｓ．Ｂｅ — ｓｉｄｅｓ，ｔｈｅｒｅｓｅａｒｃｈｄｉｒｅｃｔｉｏｎｓｏｆｃｏｍｐｌｅｔｅｔｈｅｍｏｄｅｌｗｅｒｅｄｉｓｃｕｓｓｅｄ，ｉｎｃｌｕｄｉｎｇｔｈｅｍｉｇｒａｔｉｏｎ
摘要：ＨＳＰＦ模型是基于ＢＡＳＩＮＳ平台的半分布式的综合水文模型，能够准确模拟流域水文水质状况，并已在水资源和水环境领域中得到广泛的普及和应用．介绍了ＨＳＰＦ模型对水文、泥沙侵蚀及污染物的迁移模拟机理，对其在径流、污染物迁移、土地利用覆被变化及气候变化对流域

hspf模型在流域面源污染模拟中的应用

HSPF（Hydrological Simulation Program—Fortran）模型是一种用于流域水文模拟的计算机模型，可以用于模拟流域内的水文过程，包括雨水径流、土壤水分、地下水位等。

HSPF模型在流域面源污染模拟中也有广泛的应用。

流域面源污染是指来自固定面积的污染源，如城市、工业园区等。

HSPF模型可以用于模拟流域内面源污染物的迁移、扩散和转化过程，以及对流域内水资源的影响。

HSPF模型在流域面源污染模拟中的应用可以为政府、企业、学术机构等制定环境保护政策、决策和管理提供支持。

通过使用HSPF模型，可以对面源污染的迁移路径、扩散范围和时间进行预测，从而为制定污染防治措施、评估污染治理技术的效果提供依据。

此外，HSPF模型还可以用于评估面源污染对流域内水资源的影响，为保护流域内水资源提供支持。

HSPF模型还可以用于评估面源污染对流域内生态环境的影响，为保护流域内生态环境提供支持。

在使用HSPF模型进行流域面源污染模拟时，需要准备足够的地理、水文、污染物等数据。

HSPF模型需要输入的数据包括流域的地理信息、水文参数、污染物排放信息等。

这些数据需要从实际测量、监测等方式获取，并经过严格的数据处理、校验、清洗等步骤进行准备。

在进行流域面源污染模拟时，还需要考虑模型的精度和可靠性。

HSPF模型是一种基于物理过程的模型，可以通过对模型参数的调整和模型的验证来提高模型的精度和可靠性。

总的来说，HSPF模型在流域面源污染模拟中有着广泛的应用，可以为政府、企业、学术机构等制定环境保护政策、决策和管理提供支持，保护流域内水资源和生态环境。

基于HSPF半分布式水文模型的新立城水库流域水环境模拟及预测研究

基于HSPF半分布式水文模型的新立城水库流域水环境模拟及预测研究基于HSPF半分布式水文模型的新立城水库流域水环境模拟及预测研究摘要：本文基于HSPF半分布式水文模型，针对新立城水库流域的水环境问题进行模拟与预测研究。

通过对水库周边的水环境监测数据进行分析，建立了HSPF半分布式水文模型，并进行了水环境模拟与数据对比验证。

随后，通过模型对未来水环境的预测，为新立城水库流域的水资源管理与保护提供科学依据。

关键词：HSPF半分布式水文模型；新立城水库；水环境模拟；预测研究第一章绪论1.1 研究背景与意义水资源是人类社会生存与发展的基础，但由于人口增长、工业化进程加速等因素，水资源面临着日益严峻的挑战。

新立城水库作为一个重要的水源地，其流域的水环境问题直接关系到城市的供水安全与生态保护。

因此，对新立城水库流域水环境进行科学的模拟与预测研究，具有重要的理论和实际价值。

1.2 国内外研究现状目前，国内外学者已经在水文模型领域取得了一系列研究成果。

其中，HSPF（Hydrological Simulation Program-Fortran）作为一种半分布式水文模型，被广泛用于流域水资源管理与预测。

国外的一些研究已经应用HSPF模型进行了水环境模拟与预测研究，但在国内，相关研究还相对较少，尤其是针对新立城水库流域的水环境模拟与预测方面的研究还较为缺乏。

第二章研究方法2.1 数据获取与处理为了进行水环境模拟与预测研究，首先需要获取与水环境相关的数据，包括流量、水质、土壤类型、降雨等。

通过调研与实地采样，收集了新立城水库流域的水环境监测数据，并对其进行了初步处理与分析。

2.2 模型建立与验证在本研究中，采用HSPF半分布式水文模型进行水环境模拟与预测。

通过整理与处理采样数据，建立了新立城水库流域的水文模型，并结合实际情况对其进行了合理的参数设置。

随后，通过对过去历史数据的模拟，与实际监测数据进行对比，验证了模型的可靠性与准确性。

hspf模型

HSPF模型综述1.模型概述1.1模型介绍HSPF，全称水文模拟模型，是由美国国家环境保护局于1981年开发完成的．1998年，美国环保署又开发完成了一套基于GIS技术的整合式平台系统BASINS．该系统把HSPF模型集成在具有强大空间数据存储和处理能力的Arcview上，为HSPF自动提取模拟区域的地形地貌、土地利用、土壤植被、河流等数据，以及非点源污染负荷的长时间连续模拟提供了方便．发展至今，HSPF模型又集成了HSP、ARM、NPS等模块．它将常见的污染物和毒性有机物模拟纳入到模型中，能够实现多种污染物地表、壤中流过程及蓄积、迁移、转化的综合模拟．HSPF模型是半分布式综合性流域模型的优秀代表．在国外已经被广泛应用于水、颗粒沉积物、营养盐、化学污染物、有机物质和微生物等的模拟研究，在我国，由于缺乏大量基础数据，对HSPF模型的研究还处于起步阶段．HSPF模型将模拟地段分为透水地面、不透水地面、河流或完全混合型湖泊水库三部分，其主模块包括透水地段水文水质模拟模块（PERLND）、不透水地段水文水质模拟模块（IMPLND）以及地表水体模拟模块（RCHRES）．三大模块下按照功能又分为水文模块、侵蚀模块和污染迁移转化模块等子模块，可以实现对径流、颗粒沉积物、营养盐、化学污染物、有机物质和微生物等的连续模拟（见图1）．图1 HSPF模型结构与功能1.2模型基础数据库模型需要的输入数据主要有：(1)流域的数字高程模型(DEM)．用来划分子流域和确定出流路径；(2)土地利用数据．主要用来计算植被生长、耗水和地表产汇流；(3)土壤数据．用来计算壤中流和浅层地下水量；(4)气象数据，包括日降雨资料、日最高最低气温、风速、日辐射量、相对湿度、气温站位置高程、雨量站位置高程等，用来计算流量和蒸散发量n1；(5)农业管理措施和水库和湖泊位置、出流点等；(6)监测站数据．包括各水质参数数据，例如总氮、总磷、BOD等；(7)社会经济数据，包括人口普查数据、人口密度数据等．1.3水文过程模拟HSPF模型水文模块在非点源模型中是最为完善的,它以StanfordIV机理模型为基础，将研究区域分为透水地面和不透水地面两种类型，针对不同地面水文过程进行模拟．模型将研究区域自上而下分为树冠层、植被层和各土壤层（包括表层土壤、上土壤层、下土壤层和地下水涵养层）．降水在这些垂直的存储层间进行分配．透水地面的模拟考虑降雨或降雪、截留、地表填洼、渗透、蒸散发、地表径流、壤中流和地下水流等水文过程．降雨或降雪被地面截留一部分，再扣除地表填洼、下渗、蒸发，最后形成地表径流．不透水地面的模拟考虑降雨或降雪、截留、蒸散发、地表径流．降雨或降雪经扣除屋顶集水、沥青变湿及植被截留后形成地表径流．降雨最终由地表径流、壤中流和地下水流进入河流.1.4泥沙侵蚀模拟相比目前很多模型釆用的通用土壤流失方程（USLE），HSPF 模型对泥沙侵蚀的模拟更具有机理性．它将侵蚀过程分为雨滴溅蚀、径流冲刷和径流运移等若干子过程，分别对其进行模拟．泥沙侵蚀模拟过程包括降雨对透水地面土壤的剥蚀，对不透水地面的冲刷以及地表径流对泥沙的输移过程．用于模拟泥沙剥蚀和迁移过程的数学方程是基于Meyer和Wischmeier 所提出的降雨对土壤表面侵蚀的算法．泥沙随水流的演进输移，HSPF模型采用Toffaleti 、collby 或幂函数法以及临界切应力原理进行模拟．泥沙的传输按照泥沙粒径大小，粉沙和粘粒的传输、沉降和冲刷根据临界剪切应力原理判断产生沉积或是冲刷，沙粒的传输可以用Toffaleti、collby 或幂级数函数法来计算.1.5污染物迁移模型HSPF模型污染物迁移模块考虑了污染物在多种环境介质之间的迁移转化过程，考虑了污染物在土壤中的状态、含量，及其受到各种物理化学过程及生物过程的影响，可以模拟输出BOD、DO、营养物、农药和微生物等多种污染物负荷．尤其对氮的模拟，模型综合考虑了溶解态，吸附态氮，有机氮和无机氮，氮素间的相互转化，以及氮素与环境介质间的迁移等多个过程．1.6模型的适用性HSPF模型结合了分布式流域水文模型和其它非分布式流域模型的一些优点，是一个可以模拟流域内连续的水文过程以及水质变化过程的模型．①模型集成于BASINS系统平台，实现了模拟区域地形地貌、土地利用、土壤植被、河流等数据的自动提取．与SWAT模型相比，它包含融雪模块，因此对冬季径流的模拟具有优势．②对于降雨径流，HSPF模型能够将降水径流过程按某一尺度进行空间划分，对每一区域降雨、下渗等过程分别进行动态和连续的模拟．③对于子流域，HSPF模型每个子流域间具有承接关系，并可根据不同需要调整子流域水文响应单元大小．既实现了分布式模拟，又能减少计算冗余，同时避免了类似分布式的结构假定函数与实际不符而造成的错误．④对于模拟尺度，HSPF模型主要用于农业和城市混合型的不同时空尺度流域，能够模拟时间尺度为小时的产汇流过程．模型中WD－Mutil 软件可将现有气候气象数据进行衍生和扩充，延长了模拟时间序列.2 国内外HSPF模型的研究进展2.1水文过程与情景模拟分析许多研究表明，HSPF模型在不同地区的水文过程模拟中均有很好的表现．Alarcon等利用HSPF 模型模拟墨西哥湾北部Mobile Bay流域的水文过程，结果表现很好。

基于HSPF模型水文数据不确定性分析方法

基于HSPF模型水文数据不确定性分析方法为了评价桃林口水库水文状况，建立其上游青龙河流域的BASINs/HSPF水文水质模拟模型。

以Nash-Sutcliffe效率系数作为评价标准，考虑其模型输入资料的不确定性对模型模拟的影响。

因此，将探讨在降雨输入资料不可靠情况下对降雨进行不确定性分析，以及降雨波动在不同参数下的影响，同时也可为之后其它相关的研究提供借鉴。

标签：青龙河流域；BASINs/HSPF模型；降雨输入不确定性；降雨波动1 研究背景近年来，流域水文水质模型的应用越来越广泛，如WASP、SWAT、新安江模型和HSPF等。

BASINs/HSPF模型作為半分布式流域模型优秀代表之一，因其在水文水质模拟方面表现出强大的功能，在国内外均得到广泛的应用。

然而，水文模拟作为HSPF 模型的基础，在模拟中时常常会出现“异参同效”现象，这是由于水文数据的不可靠性、参数间的相关性等问题导致的，从而使水文模拟和预测过程存在误差。

因此，对于水文数据输入的不确定性以及参数敏感性的分析是十分重要的。

2 国内外的研究现状及前沿问题2.1 国外研究现状在国外，Lee，K.S.等用MCMC方法对枯水频率进行分析，并与极大似然方法进行对比分析：Gallagher，M.等应用MCMC方法和线性不确定性分析法进行HSPF模型的不确定性分析，对不同方法得出的结果进行了分析和比较；在国内，王建平等应用MCMC方法进行水质模型的参数不确定性分析，结果表明，MCMC 法对模型参数有较好的搜索效率；熊立华等将MCMC方法与GLUE方法进行对比，实例结果表明，就SMAR模型而言，MCMC方法能够更好地推求模型参数后验分布。

2.2 国内研究现状及存在问题在我国，对水文水质模型的研究包括最早的以新安江模型为代表的集总式模型，到以WEP（Water and Energy transfer Process）为代表的分布式模型，在这过程中，取得了一些成就，但国内对BASINS的研究起步较晚。

基于响应面优化的青龙河流域HSPF模型参数校准方法

基于响应面优化的青龙河流域HSPF模型参数校准方法刘兴坡;程星铁;胡小婷;李永战【摘要】Hydrological Simulation Program-Fortran(HSPF)模型参数多且交互作用复杂,传统参数寻优面临着优化参数不灵敏、优化算法易陷入局部陷阱等问题,影响了优化精度和效率.本文集成青龙河流域、参数抽样、灵敏度分析和参数优化探索新的寻优途径.应用响应面优化软件Design Expert,针对9个HSPF模型参数进行抽样,获得130组参数集,采用多元二次回归模型,建立参数集与纳什效率系数(NSE)的非线性关系,通过等高线和响应面识别最优参数及其密集取值区间.响应面优化参数的NSE平均值、最大值、最小值以及寻优区间缩减率均优于正交极差分析方法;LZSN、INFILT、AGWRC为极灵敏参数,DEEPFR为灵敏参数;LZSN和INFILT、INFILT和AGWRC、INFILT和UZSN、INFILT和IRC的交互作用对结果有显著影响;优化参数的密集取值区间:LZSN[2.00,2.65];INFILT[0.400,0.475];AGWRC[0.870,0.885];DEEPFR[0.101,0 .176];BASETP[0.001,0.120];AGWETP[0,083,0.120];CEPSC[0.166,0.244];UZSN[ 0.83,1.22];IRC[0.53,0.63].响应面方法综合了参数抽样、参数灵敏度分析以及参数优化等3个方面,考虑了参数非线性关系和参数的交互作用,兼顾了优化精度和效率,为青龙河流域HSPF模型参数优化开拓了新途径.【期刊名称】《哈尔滨工业大学学报》【年(卷),期】2019(051)005【总页数】8页(P163-170)【关键词】青龙河流域;HSPF模型;参数抽样;参数优化;响应面优化法【作者】刘兴坡;程星铁;胡小婷;李永战【作者单位】上海海事大学海洋科学与工程学院 ,上海,201306;上海海事大学海洋环境与生态模拟研究中心,上海, 201306;上海海事大学海洋科学与工程学院 ,上海,201306;上海海事大学海洋环境与生态模拟研究中心,上海, 201306;上海海事大学海洋科学与工程学院 ,上海,201306;上海海事大学海洋环境与生态模拟研究中心,上海, 201306;河北省桃林口水库管理局,河北秦皇岛,066400【正文语种】中文【中图分类】X522目前，HSPF 模型在流域水文水质模拟方面得到了较为广泛的应用.然而由于HSPF 模型参数多，参数间交互作用机制复杂，如何获得模型优化或满意的参数集成为模型成功应用的关键问题[1-4].由于HSPF模型参数较多，识别模型参数的灵敏度成为模型参数校准的前提.首先，一些学者对HSPF模型灵敏参数识别开展了研究[5-11]，为后续HSPF模型参数灵敏度分析提供了重要参考.其次，在HSPF模型参数优化校准方面，程晓光和高伟等采用人工率定与PEST自动率定相结合的方法，分别对北京妨水河流域和中和流域HSPF参数进行了优化[12-13].杨博等采用多目标率定方法，且将日径流偏差划分为丰、枯水期，提高了晋江山美水库流域HSPF模型的径流模拟效果[14].李金城等采用PEST校准程序，以日流量偏差、月流量偏差和超流量天数为三个目标函数，将它们与实测值的加权误差作为自动校准的总目标函数，提高了牛栏江上游流域HSPF模型的径流模拟效果[15].在上述研究的基础上，刘兴坡等应用可同时进行灵敏度分析和参数校准的实验设计方法-正交极差分析方法对青龙河流域HSPF模型进行了灵敏度分析和参数优化[16].由于将正交实验设计方法和PEST优化有效结合，很好地协调了全局优化，避免陷入局部最优和局部优化改善优化效率的关系，合理地平衡了计算简便性以及模拟结果的精确性，该方法取得了较好的模拟效率和效果.有鉴于实验设计方法与PEST优化耦合思路的有效性，本文针对另外一种实验设计方法，即响应面优化法开展模型参数校准的实验研究，以期进一步改善青龙河流域HSPF模型参数校准效率和效果.响应面优化方法具有如下特点：1)考虑了参数随机性以及模型随机误差；2)响应面优化法将复杂未知的函数关系在小区域内采用一次或二次多项式模型来拟合，计算简便有效；3)响应面优化法可获得连续型回归模型，在参数寻优过程中，可以连续地对参数的各个水平进行分析，为此本文研究将其与正交极差分析法进行比较，评估其效率、效果和适用性，为HSPF模型参数校准提供新途径.1 研究流域、模型、数据与方法1.1 研究流域概况青龙河流域主体位于河北省秦皇岛市境内，流域面积6 340 km2，其下游桃林口水库为北戴河供水水源地，水质安全保障要求高.上游农业污染和农村生活污染等面源污染是流域水环境的主要风险源，点源污染影响相对较小.流域位置见图1所示.1.2 研究模型及数据HSPF模型是当前应用广泛的半分布式流域水文水质模型，源于美国环保署1980年开发的斯坦福模型(SWM).HSPF模型包括透水地段水文水质模块PERLND、不透水地段水文水质模拟模块IMPLND以及地表水体水文水质模拟模块RCHRES等3个主要模块，适用于综合模拟流域的径流、土壤流失、河道水力和污染物迁移转化等过程，以及气候变化与土地利用变化影响下的流域水文、水环境效应模拟.其主要边界条件包括逐日降雨、气压、气温、相对湿度、蒸发、日照等数据.地形数据、土地利用数据、气象数据和水文水质数据与文献[16]相同，不再赘述.图1 青龙河流域地理位置Fig.1 Location of Qinglong River watershed1.3 研究方法1.3.1 研究参数遴选借鉴参考文献[16-17]初步确定需要重点研究的HSPF模型参数，然后根据BASINs/HSPF的PEST参数自动校准程序初步计算上述模型参数的灵敏度，最终遴选9个模型参数作为研究对象.遴选参数的物理意义及取值范围参见表1.表1 HSPF模型参数范围Tab.1 Parameter ranges of HSPF model参数名称参数意义单位取值范围LZSN土壤下层额定存储量inch2.0～15.0INFILT土壤下渗系数inch/h0.001～0.500AGWRC地下水消退系数1/day0.85～1.00DEEPFR水分下渗到承压层的比率—0.001～0.500BASETP基流蒸发系数—0.001～0.200AGWETP潜水蒸发系数—0.001～0.200CEPSC植被截留系数—0.01～0.40UZSN土壤上层额定存储量inch0.05～2.00IRC壤中流消退系数1/day0.30～0.851.3.2 参数优化方法及评价指标1.3.2.1 响应面优化法概述本文应用响应面优化方法来实现HSPF模型灵敏参数的识别及其优化.响应面优化又称为响应曲面法Response Surface Optimization，是应用合理的实验设计方法和多元二次回归模型来拟合待优化参数因变量及其响应值应变量之间的函数关系，通过对回归方程的方差分析以及响应面和等高线的绘制来获得最优参数，是解决多变量优化问题的重要方法.在响应面回归分析中，响应值和待优化参数之间的数量关系y=f(x1,x2,…,xn)+ε.式中，y表示响应值，x表示待优化参数，f表示代表函数关系，ε表示是误差项.响应面优化首先要获得回归方程，然后通过合理的参数设计，获得最佳响应值.本文应用响应面实验设计软件Design Expert10来实现响应面优化，包括参数设计Design、回归分析Analysis和参数优化Optimization等3个步骤.其中，响应面设计选用Box-Behnken Design(BBD)设计[18].以9个待优化参数作为因变量，每组参数集在HSPF模型中模拟获得的NSE值作为应变量，然后通过构建应变量和因变量之间的响应面，获得参数优化区间和优化取值.1.3.2.2 正交极差分析法本文将响应面优化法的参数优化结果与正交极差分析法的研究结果进行比较，以论证结果合理性和可靠性.正交极差分析法将正交试验选择的各种水平组合列成正交表，通过正交表的设计和选取来安排试验方案.首先，根据参数数量和每个参数取值个数选择正交表，获得正交参数集，并输入HSPF模型进行模拟，获得NSE值、各参数各水平的实验指标之和以及单参数各水平的实验指标之和.然后，应用极差分析法进行参数灵敏度计算、优化水平评价以及确定最优参数组合.1.3.2.3 HSPF模型参数优化效果的评价指标目前，HSPF模型参数优化效果的主要评价指标包括均方误差RMSE、平均相对误差MRE、相关系数Correlation coefficient、一致性指数d和NSE模型有效性系数等.由于NSE模型有效性系数较其他指标更为严格，故此处择其作为HSPF模型参数优化效果的评价指标.2 HSPF模型参数响应面优化技术路线按照HSPF模型参数范围参见表1，将各待优化参数的名称、取值范围以及参数初始值输入到Design Expert10，作为响应面分析的因变量.将上述参数集输入到HSPF模型，可获得模拟曲线结果，计算模拟径流时间序列和实测径流时间序列的NSE值.将各组参数集运行获得的NSE值输入到Design Expert10的Response列，作为响应面分析的应变量；运行Design Expert10软件，可获得N组参数集和N个NSE值，构成响应面分析的N组应变量-因变量组合(本文为130组).在Design Expert10软件的Analysis功能Model选项中选取2FI考虑两个参数的交互影响，可获得回归方差分析表以及各个待优化参数的p值(p值代表了各参数的显著性水平).若参数的p<0.05，则判定该参数为灵敏参数.应用响应面设计软件Design Expert10中的等高线和3D-Surface功能获得等高线和响应面，从而分析各参数对响应值的影响、影响的显著区域以及各因素的交互作用，从而获得各待优化参数在NSE最大取值时的取值范围.应用响应面设计软件Design Expert10，将获得的参数取值范围再次输入到Design Expert10软件中Optimization功能的Numerical命令中，可以获得上述待优化参数的最优取值.为了保证上述方法可靠性，针对回归方差分析表中获得的高灵敏参数进行再次的深度寻优，重复上述步骤，获得进一步结论，并与正交极差分析、PEST自动校准等结果进行比较分析.3 响应面优化分析结果3.1 响应面分析结果应用Design-Expert10软件对上述遴选的9个参数进行回归方差分析和灵敏度检验，发现构建的响应面优化模型p值小于 0.000 1远远小于0.050 0，这表明该模型极灵敏且该模型在被研究的回归区域拟合性能很好，模型残差满足正态分布，见图2所示.参见表2，可以发现HSPF模型参数LZSN、INFILT和AGWRC是极灵敏参数，DEEPFR是灵敏参数，其他5个参数则不灵敏.同时，发现AB(LZSN和INFILT)、BC(INFILT和AGWRC)、BH(INFILT和UZSN)和BJ(INFILT和IRC)等参数的两两交互作用对模拟结果的影响灵敏.见图3所示的等高线二维图和三维图，可直观分析NSE值最大时各参数之间交互作用对模拟结果的灵敏程度和各参数的满意取值范围.通过响应面设计Design Expert10软件的Optimization>Numerical>Solutions功能可获得参数优化的取值方案.表3列出了各参数的优化取值：LZSN=2.088，INFILT=0.499，AGWRC=0.871，DEEPFR=0.113， BASETP=0.101， AGWETP=0.088，CEPSC=0.199，UZSN=1.020，IRC=0.551.表2 表2响应面回归模型方差分析结果Tab.2 Variance analysis results of response surface regression analysis参数及参数组合平方和统计自由度回归均方差F值P值灵敏度回归模型2.31450.0624.87<0.000 1极灵敏A(LZSN)0.7510.7558.99<0.000 1极灵敏B(INFILT)0.2910.2922.81<0.000 1极灵敏C(AGWRC)1.0711.0784.04<0.000 1极灵敏D(DEEPFR)0.1810.1813.790.000 4灵敏E(BASETP)1.960×10-311.960×10-30.150.695 7不灵敏F(AGWETP)4.225×10-614.225×10-63.320×10-40.985 5不灵敏G(CEPSC)4.422×10-414.422×10-40.0350.852 6不灵敏H(UZSN)0.01810.0181.410.239 1不灵敏J(IRC)2.970×10-412.970×10-40.0230.878 9不灵敏AB0.1710.1713.060.0005灵敏AC5.512×10-515.512×10-54.331×10-30.947 7不灵敏AD1.369×10-311.369×10-30.110.743 8不灵敏AE2.205×10-412.205×10-40.0170.895 6不灵敏AF6.125×10-616.125×10-64.812×10-40.982 5不灵敏AG4.441×10-1614.441×10-163.489×10-141.000 0不灵敏AH3.486×10-313.486×10-30.270.602 1不灵敏AJ3.125×10-413.125×10-40.0250.875 9不灵敏BC0.06010.0604.720.032 7灵敏BD0.01910.0191.500.223 9不灵敏BE1.891×10-411.891×10-40.0150.903 3不灵敏BF4.513×10-514.513×10-53.546×10-30.952 7不灵敏BG1.513×10-511.513×10-51.188×10-30.972 6不灵敏BH0.1510.1511.690.001 0灵敏BJ0.05110.0513.990.049 1灵敏CD0.01610.0161.260.265 1不灵敏CE7.200×10-517.200×10-55.657×10-30.940 2不灵敏CF0.00010.0000.0001.000 0不灵敏CG4.441×10-1614.441×10-163.489×10-141.000 0不灵敏CH4.050×10-314.050×10-30.320.574 2不灵敏CJ3.610×10-413.610×10-40.0280.866 7不灵敏DE5.281×10-415.281×10-40.0410.839 1不灵敏DF9.112×10-519.11210-57.160×10-30.932 8不灵敏DG4.441×10-1614.441×10-163.489×10-141.000 0不灵敏DH9.680×10-419.680×10-40.0760.783 4不灵敏DJ6.125×10-616.125×10-64.812×10-40.982 5不灵敏EF1.361×10-411.361×10-40.0110.917 9不灵敏EG8.882×10-1618.882×10-166.979×10-141.000 0不灵敏EH5.062×10-615.062×10-63.978×10-40.984 1不灵敏EJ5.000×10-715.000×10-73.929×10-50.995 0不灵敏FG1.512×10-511.512×10-51.188×10-30.972 6不灵敏FH3.125×10-613.125×10-62.455×10-40.987 5不灵敏FJ1.000×10-611.000×10-67.857×10-50.992 9不灵敏GH2.592×10-312.592×10-30.200.652 9不灵敏GJ2.592×10-312.592×10-30.200.652 9不灵敏HJ3.042×10-313.042×10-30.240.626 2不灵敏注：(1)表中AB代表参数LZSN(A)与参数INFILT(B)的交互作用，其他类似；(2)F 值检验设为95%置信，小于0.05的p值即判定为置信.图2 回归模型残差正态分布以及预测值和实际值关系Fig.2 Normal distribution of residual error and comparison between the predicted value and the actual value of regression model图3 HSPF参数及其交互作用响应面Fig.3 Response surface of HSPF parameters and their interactions表3 响应面优化法一次寻优参数取值Tab.3 One-stage optimization parameters of the response surface optimization method参数名称最小取值最大取值最优参数LZSN2 4.62.088INFILT0.40020.50.499AGWRC0.870.890.871DEEPFR0.100 80.200 60.113BASETP0.080 60.120 40.101AGWETP0.080 60.12040.088CEPSC0.1660.2440.199UZSN0.831.221.020IRC0.520.630.5513.2 响应面优化法的二次寻优分析为验证响应面优化方法的有效性，将响应面一次寻优获得的4个灵敏参数再次寻优，其余5个参数保持不变.将一次寻优获得的参数取值范围再次输入到Design Expert10软件，获得29组参数集，模拟方法和一次寻优相似，此处不再考虑参数之间的交互影响，即将2FI改变为Linear，从而获得4个灵敏参数的二次寻优值，见表4所示.综合响应面优化法的一次寻优和二次寻优结果，可以获得9个HSPF模型参数的密集区间和最优推荐值，见表5.表4 响应面一次寻优和二次寻优参数取值范围比较Tab.4 Comparison of one-stage and two-stage parameter intervals of the response surface optimization method参数名称一次寻优取值区间二次寻优取值区间二次寻优值LZSN[2.0, 4.6][2.00,2.65]2.000INFILT[0.400 2, 0.5][0.400, 0.475]0.400AGWRC[0.87, 0.89][0.870, 0.885]0.870DEEPFR[0.100 8, 0.200 6][0.101, 0.176]0.101表5 响应面优化法二次寻优参数取值和密集取值区间Tab.5 Optimal parameter values and dense intervals of the response surface optimization method after two-stage optimization参数名称当前最优取值密集取值区间LZSN2.000[2.00, 2.65]INFILT0.400[0.400, 0.475]AGWRC0.870[0.870, 0.885]DEEPFR0.101[0.101,0.176]BASETP0.101[0.001, 0.120]AGWETP0.088[0.083,0.120]CEPSC0.199[0.166, 0.244]UZSN1.020[0.830, 1.220]IRC0.551[0.530,0.630]3.3 响应面优化法与正交极差分析比较为验证响应面优化法的可靠性，与正交极差分析方法进行比较分析.参见表6可知，响应面设计的130组所得到的NSE系数的平均值、最大值、最小值均高于文献[16]所应用的正交极差分析法.表6 表6响应面优化与正交极差分析的优化结果比较Tab.6 Comparison of optimization results between orthogonal range analysis and response surface—正交极差二次寻优响应面二次寻优NSE平均值0.520.59NSE最大值0.790.86NSE最小值0.010.10为比较响应面优化法与正交极差分析法的效率，比较两种方法获得的参数密集区间与原始参数取值区间的不同.参见表7可知，响应面优化法的寻优区间缩减率平均值为79.82%，而正交极差分析方法的效率平均值为64.03%，由此可见，响应面优化法在参数寻优区间方面的总体效率比正交极差分析法为高.表7 响应面优化法与正交极差分析法的HSPF参数密集区间比较Tab.7 Comparison of HSPF parameter dense intervals between response surface optimization method and orthogonal range analysis method参数名称正交极差分析法响应面优化法密集区间区间缩减率%密集区间区间缩减率%原始取值区间LZSN[2.0, 6.3]66.92[2.00, 2.65]95.00[2,15]INFILT[0.084,0.167]83.37[0.400, 0.475]84.97[0.001,0.500]AGWRC[0.90, 0.95]66.67[0.870, 0.885]90.00[0.85,1.00]DEEPFR[0.209, 0.333]75.15[0.101,0.176]84.97[0.001,0.500]BASETP[0.067, 0.199]33.67[0.001,0.120]40.20[0.001,0.200]AGWETP[0.067, 0.199]33.67[0.083,0.120]81.41[0.001,0.200]CEPSC[0.14, 0.27]66.67[0.166,0.244]80.00[0.01,0.40]UZSN[1.35, 2.00]66.67[0.83,1.22]80.00[0.05,2.00]IRC[0.392, 0.483]83.45[0.53, 0.63]81.82[0.30,0.85]3.4 水文模拟效果比较将两次响应面优化方法获得的参数集输入HSPF模型检验其水文模块的实际模拟效果.以2012年为率定期，2011年为验证期，率定期2011到2012年NSE值为0.86，验证期2011年NSE值为0.87，这表明响应面优化方法获得的参数集可较好满足水文模拟要求，见图4所示.而PEST自动校准获得参数集的NSE值为0.84以及正交极差分析获得的参数集的NSE值为0.79[16]，这表明响应面优化法获得的参数优于上述两种方法.图4 桃林口水库流量监测值与模拟值比较Fig.4 Comparison of the measured flow in Taolinkou Reservoir and the simulated flow3.5 水质模拟效果分析在径流参数校准的基础上，初步对BOD、NH3-N、TN、TP等四个水质指标进行了模拟，模拟结果见图5所示.根据模拟值与实测值的比较，TP和TN指标的模拟值与监测值吻合度较好，而BOD和NH3-N尚存一定不确定性.由于水质模拟是在水文径流模拟、泥沙模拟和水温模拟的基础上进行的，因此泥沙模拟、水温模拟和水质过程参数获取是提高水质模拟效果的关键.4 结论本文针对青龙河流域HSPF模型，遴选9个模型参数LZSN、UZSN、INFILT、IRC、BASETP、AGWETP、AGWRC、CEPSC、DEEPFR，应用响应面优化法进行参数寻优和可靠性分析，获得以下结论：1)BASINs/HSPF模型参数的响应面优化方法在优化效果和效率方面均优于PEST 参数自动校准以及正交极差联合分析法，比正交极差联合分析方法更为高效；图5 桃林口水库各水质指标模拟值与实测值比较Fig.5 Comparison of the simulated values and the measured values of water quality indicators in Taolinkou reservoir2)响应面优化方法可以分析HSPF模型参数的交互作用.本文研究表明，LZSN和INFILT、INFILT和AGWRC、INFILT和IRC、INFILT和UZSN等参数的交互作用对模型模拟结果的影响较为显著.3)针对青龙河流域HSPF模型，应用响应面优化方法识别出4个高灵敏的HSPF模型参数LZSN、INFILT、AGWRC、DEEPFR，与正交极差分析方法的研究结果一致；4)应用响应面优化方法获得HSPF模型参数优化取值区间依次为：LZSN[2.00,2.65]；INFILT[0.400,0.475]；AGWRC[0.870,0.885]；DEEPFR[0.101,0.176] ；BASETP[0.001,0.120]；AGWETP[0,083,0.120]；CEPSC[0.166,0.244]；UZSN[0.83,1.22]； IRC[0.53,0.63] .参考文献【相关文献】[1]BERNDT M E, RUTELONIS W, REGAN C P. A comparison of results from a hydrologic transport model (HSPF) with distributions of sulfate and mercury in a mine-impacted watershed in northeastern Minnesota[J]. Journal of Environmental Management, 2016, (181): 74. DOI:10.1016/J.JENVMAN.2016.05.067[2]JEON J H, PARK C G, CHOI D, et al. Characteristics of suspended sediment loadings under Asian summer monsoon climate using the Hydrological Simulation Program-FORTRAN[J]. Sustainability, 2017, 9(1): 1. DOI:10.3390/su9010044[3]FARZBOD A, FARIDHOSSIENI A, JAVAN K, et al. A comparison of ANN and HSPF models for runoff simulation in Balkhichai River Watershed, Iran[J]. American Journal of Climate Change, 2015, 4(3): 203. DOI:10.4236/ajcc.2015.43016[4]李兆富, 刘红玉, 李燕. HSPF 水文水质模型应用研究综述[J]. 环境科学, 2012, 33(7): 2217. DOI:10.13227/j.hjkx.2012.07.022LI Zhaofu, LIU Hongyu, LI Yan. Review on HSPF model for simulation of hydrology and water quality processes[J]. Chinese Journal of Environmental Science, 2012, 33(7): 2217.DOI:10.13227/j.hjkx.2012.07.022[5]LIU Z, TONG S T Y. Using HSPF to model the hydrologic and water quality impacts of riparian land-use change in a small watershed[J]. Journal of Environmental Informatics, 2011, 17(1): 1[6]CHUNG E S, Park K, Lee K S. The relative impacts of climate change and urbanization on the hydrological response of a Korean urban watershed[J]. Hydrological Processes, 2011, 25(4): 544. DOI:10.1002/hyp.7781[7]程晓光, 张静, 宫辉力. 半干旱半湿润地区HSPF模型水文模拟及参数不确定性研究[J]. 环境科学学报, 2014, 34(12): DOI:10.13671/j.hjkxxb.2014.0783CHENG Xiaoguang, ZHANG Jing, GONG Huili. HSPF hydrologic simulation and parameter uncertainty in a semi-arid and semi-humid area[J]. Acta Scientiae Circumstantiae, 2014,34(12): 3179. DOI:10.13671/j.hjkxxb.2014.0783[8]李燕, 李兆富, 席庆. HSPF径流模拟参数敏感性分析与模型适用性研究[J]. 环境科学, 2013, 34(6): 2139. DOI:10.13227/j.hjkx.2013.06.008LI Yan, LI Zhaofu, XI Qing. Parameter sensitivity analysis of runoff simulation and model adaptability research based on HSPF[J]. Environmental Science, 2013, 34(6): 2139.DOI:10.13227/j.hjkx.2013.06.008[9]罗川, 李兆富, 席庆, 等. HSPF模型水文水质参数敏感性分析[J]. 农业环境科学学报, 2014, 33(10): 1995. DOI:10.11654/jaes.2014.10.017LUO Chuan, LI Zhaofu, XI Qing, et al. Sensitivity analysis of hydrological and water quality parameters of HSPF model[J]. Journal of Agro-Environment Science, 2014, 33(10): 1995. DOI:10.11654/jaes.2014.10.017[10]JAVAN K, SALEH F N, SHAHRAIYNI H T. The influences of climate change on the runoff of Gharehsoo River watershed[J]. American Journal of Climate Change, 2013, (2): 296. DOI:10.4236/ajcc.2013.24030[11]庞树江, 王晓燕, 马文静. 多时间尺度 HSPF 模型参数不确定性研究[J]. 环境科学, 2018, 39(5): 2030. DOI:10.13227/j.hjkx.2017.10.070PANG Shujiang, WANG Xiaoyan, MA Wenjing. Research of parameter uncertainty for the HSPF model under different temporal scales[J]. Environmental Science, 2018, 39(5): 2030. DOI:10.13227/j.hjkx.2017.10.070[12]程晓光, 张静, 宫辉力. 基于PEST自动校正的HSPF水文模拟研究[J]. 人民黄河, 2013, 35(12): 33. DOI:10.3969/j.issn.1000-1379.2013.12.012CHENG Xiaoguang, ZHANG Jing, GONG Huili. Research on the HSPF hydrologic simulation based the PEST automatic calibration[J]. Yellow River, 2013, 35(12): 33.DOI:10.3969/j.issn.1000-1379.2013.12.012[13]高伟, 周丰, 董延军, 等. 基于PEST的HSPF水文模型多目标自动校准研究[J]. 自然资源学报, 2014, 29(5): 885. DOI:10.11849/zrzyxb.2014.05.013GAO Wei, ZHOU Feng, DONG Yanjun, et al. PEST-based multi-objective automatic calibration of hydrologic parameters for HSPF model[J]. Journal of Natural Resources, 2014, 29(5): 885. DOI:10.11849/zrzyxb.2014.05.013[14]杨博, 陈莹, 陈兴伟, 等. 基于 PEST 的 HSPF 模型径流模拟优化[J]. 中国水土保持科学, 2018, 16(2): 9. DOI:10.16843/j.sswc.2018.02.002YANG Bo, CHEN Ying, CHEN Xingwei, et al. HSPF runoff simulation and optimization based on PEST automatic calibration[J]. Science of Soil and Water Conservation, 2018,16(2): 9. DOI:10.16843/j.sswc.2018.02.002[15]李金城, 常学秀, 高伟. 目标函数权重对PEST-HSPF水文率定的影响研究[J]. 水文, 2017, 37(6): 9LI Jincheng, CHANG Xuexiu, GAO Wei. Impact of objective function weight on hydrological calibration of PEST-HSPF[J]. Journal of China Hydrology, 2017, 37(6): 9 [16]刘兴坡, 陈翔, 胡小婷, 等. 基于正交极差分析的青龙河流域HSPF模型参数寻优模式[J]. 哈尔滨工业大学学报, 2018, 50(2): 131. DOI:10.11918/j.issn.0367-6234.2016.07.069LIU Xingpo, CHEN Xiang, HU Xiaoting, et al. Orthogonal range analysis-based HSPF parameter optimization pattern for Qinglong River watershed[J]. Journal of Harbin Institute of Technology, 2018, 50(2): 131. DOI:10.11918/j.issn.0367-6234.201607069 [17]胡小婷. 基于BASINs的青龙河流域水文水质模型应用研究[D]. 上海: 上海海事大学硕士学位论文, 2015HU Xiaoting. BASINs-based hydrological and water quality model and its application at Qinglong River Watershed[D]. Shanghai: Shanghai Maritime University, 2015[18]刘文斌, 张海涛, 杨海君, 等.辛基酚聚氧乙烯醚混合菌的构建及响应面优化[J]. 中国环境科学, 2016, 36(8): 2444LIU Wenbin, ZHANG Haitao, YANG Haijun, et al. Construction of mixed flora effective degrading octylphenyl polyethoxylates (OPnEO) and optimization of degrading conditions using response surface method[J]. China Environmental Science, 2016, 36(8): 2444。

基于HSPF模型水文参数分析研究进展

基于HSPF模型水文参数分析研究进展摘要：HSPF模型是半分布式水文模型，能够准确模拟流域水文状况。

本文介绍了HSPF模型水文模块参数分析的几种研究方法：PEST自动校准、GLUE法、扰动分析法。

通过总结得出用HSPF模型进行水文模拟所需考虑调整的参数：LZSN、INFILT、AGWRC、DEEPFR、BASETP、UZSN和IRC，为今后HSPF模型的应用提供参考。

关键词：HSPF模型；PESTGLUE法；扰动分析法；水文模拟0引言近年来，水文模型的在国内外的应用十分广泛，如SWAT、SWMM和HSPF等。

HSPF是由美国国家环境保护局开发的一套计算代码，属于半分布式水文模型，其中水文模块是HSPF模型的基础，但参数繁多、难以率定[1-3]。

目前，用于研究模型参数的校准和不确定性的方法有PEST自动校准[4]、GLUE法[5]、扰动分析法[6]等。

由于HSPF模型水文模拟过程复杂，参数繁多，因此分析影响水文过程模拟的参数是十分重要的。

1HSPF模型水文模块机理HSPF模型在水文过程模拟方面表现十分出色，而气候和土地利用的变化对水文过程模拟的影响最为显著[7]。

将研究区域分为透水地面和不透水地而两种类型，针对不同地面水文过程进行模拟；流域水文过程在透水地面的模拟考虑降雨和地表径流等水文过程；在不透水模块的模拟主要包括降水和地表径流等[6]。

2研究进展2.1PEST自动率定的应用水文模型参数的率定是评价模型适用性不可缺少的部分，参数率定的方法有人工率定和PEST自动率定。

程晓光[2][5]等以北京妨水河流域为研究区域建立HSPF模型并对径流量进行了模拟，采用人工率定与PEST自动率定相结合的方法对参数敏感性进行分析，得出影响径流的参数有UZSN、LZSN、BASETP、INFILT、INTFW、AGWRC和IRC。

高伟[4]等利用HSPF模型对中和流域进行了水文模拟，亦用人工率定与PEST自动率定相结合的方法对参数范围进行对比分析。

思茅河水质变化模拟分析

思茅河水质变化模拟分析发布时间：2022-08-21T03:20:17.544Z 来源：《城镇建设》2022年第4月7期作者：李文宾董选锋[导读] 以普洱市城市河流——思茅河流域莲花国控断面以上区域为研究对象，李文宾，董选锋云南利鲁环境建设有限公司，昆明 650000摘要：以普洱市城市河流——思茅河流域莲花国控断面以上区域为研究对象，构建流域HSPF水文水质模型，建立污染源强与国控断面水质的响应关系；调查核实流域污染源源强空间分布状况和发展趋势；核实管网收集、污水处理状况；通过水文水质模型对水资源补给状况、污染源、管网收集率、污水处理厂处理水平的综合分析，明确主要污染来源、构成，模拟国控断面水质达标的条件，以期为工程措施提供决策依据。

关键词：HSPF模型、水文水质模拟、城市河流、污染负荷引言：城市河流是城市形成和发展的关键资源和环境载体，随着城市发展和人口增长，城市排污量增大，严重影响河流水环境，甚至形成城市黑臭水体。

研究城市河流的污染负荷来源和构成，及其水质的变化对城市河流治理具有重要意义。

HSPF模型可以综合模拟径流、河道水力、污染物传输、土壤流失等过程，模拟结果反映径流、沉积物输送、营养物、农药及用户定义的污染成分浓度的时间序列，以及流域内某一点水量、水质的时变过程[1]。

国内学者对HSPF模型水文水质敏感性、参数不确定性及适用性进行了研究[2-3]，在滇池流域水文模拟[4]和流域面源污染模拟[5]中得到应用，在连续的水文与水环境模拟中具有较好的适用性[6]。

本文构建HSPF模型对思茅河流域污染负荷传输进行模拟，分析流域污染负荷构成并模拟不同水情下国控断面的水质浓度，以期为流域水环境治理提供参考。

1流域概况及模拟分区1.1流域概况思茅河是澜沧江三级支流，发源于普洱市思茅城区南部的大尖山，由南向北流过思茅坝后在三棵桩下游汇入普洱大河。

思茅河全长52.7 km，流域面积为272.7 km2，多年平均流量2.32 m3/s，海拔1350~1600 m，河底平均纵坡为8‰。

12HSPF模型

第12章HSPF模型概述HSPF（Hydrological Simulation Program-Fortran）模型，是由美国环保署（EPA）开发的一个数学模型，用于较大流域范围内自然和人工条件下，水系中水文水质进程的持续模拟。

HSPF模型自研发以来，已被普遍应用于流域水文、水质模拟研究，包括气候及土地利用转变对流域产流的阻碍，流域点源或非点源污染负荷确信，泥沙、营养物质、杀虫剂传输模拟和各类流域治理方法对河流水质的阻碍等方面的研究。

本章要紧介绍HSPF模型的大体原理，模型的改良，模型在径流模拟中的应用，并选择了实例对模型进行了论证，最后对模型进行了总结和展望。

12.1.1 背景资料HSPF模型的前身是Stanford Watershed Model (SWM)模型，包括HSP(Hydrocomp Simulation Program)、ARM (Agricultural Runoff Management)、NPS (Nonpoint Source) 模块。

1980年HSPF(第五版)经美国环保署水质模拟中心第一次公布发布。

模型一经发布，即被以为有可能是领域内最有价值的流域水文水质模型。

HSPF是初期三种模型的扩展和提高，这三种模型别离是：1）美国环保署农业径流治理模型——ARM（Donigian和Davis 1978）；2）美国环保署非点源径流模型——NPS（Donigian和Crawford,1979）；3）水文模拟程序（HSP）（Hydrocomp，1977）。

在上世纪70年代末期，美国环保署意识到这些模型的持续模拟方式在解决许多复杂的水资源问题时有很重要的价值，因此，他们投入了大量资金来研发一个相当复杂的FORTRAN 程序，它包括了以上三种模型的功能，并进行了许多扩展，即HSPF模型。

HSPF将ARM和NPS 模型综合到流域尺度框架内进行分析，选择了HSP中的大体的流域建模方式，将模型编码设计和结构进行进展，而且将所有的独立模型从头设计并在FORTRAN中进行记录，以便结果能够被更普遍的应用。

HSPF模型原理及应用

HSPF模型发展EPA 于1998 年又开发了BASINS 软件，该软件把HSPF 模型集成在ArcView 平台上。