陆面水文模型发展、参数标定与移植
水文模型的建立和优化研究

水文模型的建立和优化研究随着全球气候变化不断加剧,水文事件的发生频率和影响范围逐渐扩大,水文模型的建立和优化研究日益受到关注。
水文模型可以用来预测洪水、干旱、水资源管理和环境保护等方面。
一、水文模型类型常见的水文模型有统计学模型、物理学模型和半经验模型。
其中,统计学模型包括回归模型、时间序列模型和灰度模型等;物理学模型基于物理方程描述流域水文过程;半经验模型则结合了统计学和物理学的特点。
根据模型的适用范围可将水文模型分为单点尺度模型和流域尺度模型。
单点尺度模型只考虑单个小流域中的水文过程,而流域尺度模型覆盖整个流域,对流域内的水文过程进行综合研究。
二、水文模型建立流程水文模型的建立流程包括观测数据的预处理、模型结构的选择、参数的确定和模型的验证等步骤。
1.观测数据的预处理水文模型的建立需要使用实际观测数据,观测数据的质量和数量对模型的准确性影响很大。
观测数据的预处理包括数据的处理和校验,缺失数据的插值填补和数据的标准化等。
2.模型结构的选择选择合适的模型结构对于模型的准确性至关重要。
要根据观测数据的特征和研究目的选择合适的模型结构。
常用的模型结构有线性模型、非线性模型、马尔科夫模型和时序模型等。
3.参数的确定参数是水文模型中需要确定的关键因素,模型的准确性和可靠性取决于参数的确定。
常用的确定参数方法有最小二乘法、最大似然估计法、遗传算法和粒子群算法等。
4.模型的验证模型的验证是确认模型准确性的重要步骤,验证分为内部验证和外部验证。
内部验证是用现有数据进行测试,外部验证是将模型用于新的数据上,以评估模型的适用性和精度。
三、水文模型优化方法水文模型的优化可以提高模型的精度和适用性。
常见的水文模型优化方法有以下几种:1.数据修补数据缺失和异常值会严重影响模型的准确性,数据修补可以通过差值、平均值、标准差、空间关联和时间关联等方式填补缺失的数据和清除异常值。
2.参数调整模型参数的调整可以提高模型的准确性。
陆面过程模式的研究进展简介

陆面过程模式的研究进展简介汪薇;张瑛【摘要】陆面过程是影响大气环流和气候变化的基本物理、生化过程之一.根据陆面过程研究的发展进程,介绍了三代陆面过程模式的不同特点和发展历程,指出在未来陆面方案中,引入光合作用和碳循环,可以更加真实地反映土壤、地表、大气、生物圈相互作用.陆面过程模式发展应该着眼于综合并且动态考虑植被类型变化、光合作用、碳循环和水循环的真实水文生化模型建立,将有效增强对气候变化的研究,提高天气预报模式的准确率.【期刊名称】《气象与减灾研究》【年(卷),期】2010(033)003【总页数】6页(P1-6)【关键词】陆面过程模式;参数化;大气环流模式;数值预报【作者】汪薇;张瑛【作者单位】江西省气象局,江西南昌330046;江西省气象台,江西南昌330046;中国气象局武汉暴雨研究所,湖北武汉430074【正文语种】中文【中图分类】P461陆面过程(Land Surface Processes,LSPs)是影响大气环流和气候变化的基本物理、生化过程之一,在大气—陆面下垫面的研究中扮演着重要的角色,其主要研究陆地下垫面一侧与大气圈运动密切相关的所有过程。
虽然陆面过程很早就被气象学家所认知,但是直到1978年Deardorff[1]在他的模式中才提及陆面过程的特性,因此陆面过程对天气和气候变化影响的重要性还是在近几十年被进一步认识[2-4]。
特别是近几十年来随着对全球气候变化和气候异常的重视程度的增加,陆面过程研究已经成为当代气候系统和天气研究的热点之一。
另外,一些国际间的外场观测及实验(如HAPEX、FIFE以及在中国黑河流域进行的HEIFE实验)的顺利进行,也推动了陆面物理过程机理及模式发展研究。
通过多年的研究,科学家们针对不均匀的陆地下垫面如何影响气候系统[5],土壤湿度对气候系统的响应[6-7],不均匀及不断变化的地表对气候系统的响应[8-9],植被的生物物理过程对气候系统的响应[10-11]等问题,开展了大量的研究,并在相关的研究领域取得一定的进展[12-17]。
淮河流域陆面水文过程的数值模拟

淮河流域陆面水文过程的数值模拟赵瑾;程兴无【摘要】采用生物-大气传输模式(BATS模型)模拟了淮河流域山丘区和平原区在1998年汛期的暴雨洪水过程,从陆地-大气间水量交换的角度揭示了径流量、土壤含水量、土壤质地、植被分布的内在联系.结果表明:对于山丘区和平原区而言,根系层土壤含水量、土壤质地以及土壤颜色的变化对径流量的影响具有相似性,但是敏感性不同;而山丘区和平原区深层土壤含水量和植被覆盖率变化对径流量影响的作用正好相反.这些结果显示,由于山丘区与平原区的不同气候和下垫面条件,而造成两者水文性质的差异性,反映了大气-水文之间关系与作用的不同特征.【期刊名称】《大气科学学报》【年(卷),期】2010(033)006【总页数】7页(P762-768)【关键词】淮河流域;陆面水文过程;BATS模型;水文模拟【作者】赵瑾;程兴无【作者单位】水利部淮河水利委员会水文局,安徽,蚌埠,233001;水利部淮河水利委员会水文局,安徽,蚌埠,233001【正文语种】中文【中图分类】P399近年来,无论水文学家还是气象学家越来越重视水文在地圈—生物圈中的作用。
人们在寻求陆面水文过程与大气之间的相互作用与反馈机制,一般的大气环流模式中都必须考虑地—气相互作用,通过对陆面水文过程更加真实的描述,来调整气象模式,研究水资源的变化,进而改变全球的气候模式。
在气象模式中,已发展了许多陆面过程模式[1-2],如Fujiyoshi和Ding[3]在HUBEX-GEWEX研究中采用的S iBUC、王守荣等[4]在海滦河山区模拟中采用的DHSVM以及陈海山和孙照渤[5]所提到SHE、HBV、V IC等,均取得了较好的模拟结果。
区域水文模拟研究随陆面模式的发展得到了明显的改善,丁彪和曾新民[6]根据我国区域特点改进了地表水模型,此外针对短期气候及陆面水文也开展了诸多研究[7-8]。
水文气象耦合模式中,水文循环的描述是当前全球气候模式中的薄弱环节,在耦合模式中偏重于气象因素,对陆面过程描述过于简单,尤其是对局部的水文过程描述更显得不够[9-10]。
无资料地区水文模型参数移植不确定性分析

第34卷第5期2023年9月㊀㊀水科学进展ADVANCES IN WATER SCIENCE Vol.34,No.5Sep.2023DOI:10.14042/ki.32.1309.2023.05.002无资料地区水文模型参数移植不确定性分析关铁生1,2,鲍振鑫1,2,3,贺瑞敏1,2,杨艳青4,吴厚发1,2(1.南京水利科学研究院水灾害防御全国重点实验室,江苏南京㊀210029;2.水利部应对气候变化研究中心,江苏南京㊀210029;3.长江保护与绿色发展研究院,江苏南京㊀210098;4.中国科学院水利部成都山地灾害与环境研究所,四川成都㊀610299)摘要:无资料地区降水径流模拟是水文学研究的国际前沿和热点问题㊂水文模型参数移植是无资料地区降水径流模拟的重要方法,对径流模拟精度具有重要的影响㊂利用核密度估计和蒙特卡罗随机模拟等方法,构建了一种水文模型参数移植误差驱动的无资料地区径流模拟不确定性定量评估框架㊂以广西壮族自治区42个有水文监测站点的典型中小河流为研究对象,率定新安江模型参数并模拟日径流和洪水过程,将42个典型流域依次假定为无资料流域,利用基于回归分析㊁相似流域和机器学习的参数移植方法,模拟无资料地区的洪水过程并识别最优的参数移植方法,分析移植法估算的模型参数值和直接率定值相比误差的概率分布特征,定量评估模型参数移植误差带来的径流模拟不确定性㊂研究结果表明:①基于回归分析的参数移植法模拟无资料地区洪水过程的精度优于相似流域法,优选的机器学习算法比传统回归分析法和相似流域法的计算精度提高了7%~15%;②与模型参数率定值相比,移植方法计算的模型参数具有一定的误差,对洪水模拟敏感参数的误差小于不敏感参数;③受模型参数移植误差的影响,利用蒙特卡罗法随机模拟的洪水过程具有一定的不确定性,洪量和洪峰相对误差的主要区间分别为10%~30%和10%~40%㊂相关成果为无资料地区的径流概率模拟及不确定性评估提供了一种新的技术,对中小河流洪水预报与防洪减灾具有一定的支撑作用㊂关键词:无资料地区;径流模拟;不确定性;新安江模型;参数移植中图分类号:TV11㊀㊀㊀文献标志码:A㊀㊀㊀文章编号:1001-6791(2023)05-0660-13收稿日期:2022-07-01;网络出版日期:2023-09-21网络出版地址:https :ʊ /urlid /32.1309.P.20230920.2233.002资助项目:国家重点研发计划资助项目(2022YFC3205200);国家自然科学基金资助项目(41961124007)作者简介:关铁生(1974 ),男,内蒙古包头人,正高级工程师,主要从事防汛抗旱等方面研究㊂E-mail:tsguan@通信作者:鲍振鑫,E-mail:zxbao@ 水文模型是对水循环过程的数学描述,是模拟流域降水径流过程最重要的工具之一,包括黑箱的统计模型㊁集总式的概念性模型㊁分布式的物理模型等多种类型[1]㊂模型参数的准确估计对水文模拟精度具有重要的影响,一般利用流域出口断面的实测流量资料率定求解[2-3]㊂然而世界上绝大多数河流特别是中小河流没有监测站点,缺少水文观测资料㊂根据第一次全国水利普查成果,中国流域面积100km 2及以上的河流有22909条,其中有水文站和水位站的河流仅1778条,即92.2%的河流无水文监测站点[4]㊂此外,近60a 受气候变化和人类活动等因素的影响,水文资料序列的一致性发生改变,历史水文观测资料不能很好地反映当前的产汇流关系,带来了新的资料短缺问题[5-6]㊂如何科学估计无资料地区的模型参数,准确模拟降水径流过程是水文模拟研究领域面临的一项国际前沿和难点问题[7-9]㊂水文学家针对无资料地区的降水径流模拟难题,开展了大量的研究工作并取得了丰硕的成果,逐渐认识到模型参数区域化,即将有资料地区率定的模型参数移植到无资料地区,是解决这一问题最有效的方法之一[10-11]㊂模型参数移植主要包括空间插值㊁回归分析㊁相似流域等3种方法[12-13]㊂早期由于缺乏流域下垫面特征等相关数据,基于空间上距离越近的流域具有越相似的水文特征这一基本假设,根据流域所处的地理位置,利用最近邻㊁反距离权重㊁克里金㊁最小曲率等空间插值技术将有资料地区率定的模型参数插值计算到无资料地区[14]㊂这种方法只利用了流域的空间位置,未考虑影响水文过程的气候和下垫面等流域特征信㊀第5期关铁生,等:无资料地区水文模型参数移植不确定性分析661㊀息,具有一定的误差㊂随着遥感㊁航拍等观测技术的不断进步,全球气候㊁植被㊁土壤㊁地形等对流域产汇流过程有重要影响的相关要素数据集逐步完善,为更精细的基于回归分析和相似流域的参数移植方法提供了资料基础[15-16]㊂回归分析法的核心思想是在有资料的流域利用回归方程等统计方法建立率定的模型参数和流域特征之间的某种定量关系,然后利用构建的统计模型和无资料地区的流域特征来计算模型参数[17-19]㊂相似流域法则是先根据影响水文过程的相关物理特征判别流域的相似程度,再将其作为有资料流域的权重来计算无资料地区的模型参数[20-22]㊂为了挑选最优的模型参数移植方法,水文学家在全球很多流域作了对比研究,但是未获得一致的结论,一些研究认为相似流域法优于回归分析法,然而另一些研究得到回归分析法优于相似流域法的结果[23-24]㊂由于模型参数与流域特征之间的复杂非线性关系㊁模型参数的异参同效性㊁模型参数对输入资料的敏感性等多种原因,移植方法计算的模型参数与率定值相比有一定的误差,其径流模拟精度低于基于实测资料率定的结果,具有较大的不确定性[25-28]㊂目前在有资料地区的水文模拟中开展了大量的不确定性分析工作,取得了丰硕的成果,但是关于无资料地区水文模拟不确定性的研究较为薄弱[29-33]㊂与有资料的流域相比,无资料地区水文模拟最大的不确定性来源于模型参数移植结果的不确定性[34-36]㊂如何定量评估模型参数移植过程带来的不确定性是无资料地区水文模拟研究的薄弱环节,也是本论文的重点研究内容㊂近期,机器学习等人工智能算法快速发展,并成功应用于水文模拟研究,如何利用机器学习算法开展水文模型参数移植,提高无资料地区水文模拟精度,并降低其不确定性是本文拟研究的另一个重要内容㊂选取广西壮族自治区42个有水文资料的典型中小河流为研究对象,利用新安江水文模型率定模型参数并模拟降水径流过程,采用留一法将42个典型流域依次假定为无资料的目标流域,采用回归分析㊁相似流域㊁机器学习等算法根据其他41个流域率定的模型参数计算目标流域的参数值,分析模型参数移植结果与直接率定值的误差特征,评估水文模型参数移植引起的径流模拟不确定性,为区域洪水预报和水资源评价等工作提供技术支撑㊂1㊀研究区与资料1.1㊀研究区概况广西壮族自治区位于20ʎ54ᶄN 26ʎ24ᶄN㊁104ʎ28ᶄE 112ʎ04ᶄE之间,地处云贵高原东南边缘,两广丘陵西部,地势西北高㊁东南低,四周多为山地㊁高原,地貌以山地丘陵性盆地为主,陆地面积为23.76万km2 (图1)㊂广西纬度较低,属亚热带季风气候区,气候温暖,雨水丰沛,光照充足,年平均气温和降水量由东南向西北逐渐减少㊂区域内河流多随地势由西北流向东南,包括珠江㊁长江㊁桂南独流入海㊁百都河等四大水系,集水面积1000km2以上的地表河有69条,100km2以上的地表河有678条,河流总长约3.4万km,形成了以红水河-西江为主干流的横贯中部以及两侧支流的树枝状分布特征㊂根据产汇流特征及水文地质条件,可将广西分为10个水文分区(图1(b)),其中,东南部的3㊁8㊁9㊁10为非喀斯特地区,其余地区为喀斯特地区㊂1.2㊀资料情况选取广西壮族自治区内42个有水文监测站点的典型中小河流为研究对象,流域面积为23.3~ 2762km2,平均为860km2,典型流域内共有439个雨量站点(图1)㊂选取的水文站点分布较为均匀,涵盖了山区㊁丘陵以及盆地等多种地势地形,在广西境内具有较好的代表性㊂利用的2005 2014年实测径流㊁降水和蒸发皿蒸发资料来自于广西壮族自治区水文中心整编的水文年鉴,包括日过程和洪水过程2种时段㊂每个流域根据资料情况选取15场左右的洪水过程㊂DEM数据来自于日本METI和美国NASA联合发布的ASTER GDEM全球数字高程数据,空间分辨率为30mˑ30m,垂直分辨率为1m㊂植被叶面积指数数据来源于美国EOS/MODIS数据中心提供的MODIS-Terra/Aqua合成产品㊂662㊀水科学进展第34卷㊀图1㊀研究区概况Fig.1Basic information of the study area2㊀研究方法2.1㊀新安江模型简介新安江模型是一个分单元㊁分水源㊁分阶段的概念性水文模型,主要适用于湿润与半湿润地区的降水径流过程模拟[37]㊂由于概念清晰㊁结构合理㊁调参方便和计算精度较高等优点,新安江模型在中国南方得到了广泛的应用,在广西壮族自治区也有许多成功应用实例,选择新安江模型作为广西中小河流洪水模拟模型㊂新安江模型主要由蒸散发㊁产流㊁分水源和汇流4个部分组成;根据土壤垂向分布的不均匀性将土层分为3层,用3层蒸散发模型计算流域实际蒸散发量;基于蓄满产流原理,利用流域蓄水容量曲线计算总产流量,再利用自由水蓄水库将径流划分为地表径流㊁壤中流和地下径流3种成分;最后利用单位线㊁线性水库和马斯京根法等推求流域出口断面的汇流过程㊂新安江模型共有16个参数需要率定,其物理意义见表1㊂㊀第5期关铁生,等:无资料地区水文模型参数移植不确定性分析663㊀表1㊀新安江模型参数Table1Parameters of the Xinᶄanjiang model㊀㊀将Nash-Sutcliffe效率系数(E NS)㊁年径流量相对误差(E R)和洪水模拟合格率(R Q)作为目标函数来率定新安江模型参数,评价日径流与洪水过程模拟的精度㊂洪水模拟合格率包括洪峰许可误差㊁洪峰出现时间许可误差㊁径流深许可误差㊁过程许可误差等评价指标[38]㊂Nash-Sutcliffe效率系数㊁年径流量相对误差和洪水模拟合格率的计算公式为:E NS=1-ðn i=1(Q o i-Q s i)2ðn i=1(Q o i-Q o)2(1)E R=Q s-Q oQ oˑ100%(2)R Q=N R NSˑ100%(3)式中:Q o i和Q s i分别为观测与模拟的径流序列,m3/s;Q o和Q s分别为观测与模拟的径流平均值,m3/s;n为径流序列长度;N R和N S分别为洪水模拟的合格次数和总次数㊂Nash-Sutcliffe效率系数和合格率越大,相对误差越小,径流模拟效果越好㊂2.2㊀模型参数移植方法利用留一法,依次将42个典型流域假定为无资料的目标流域㊂对于任意一个目标流域,基于其他41个流域率定的模型参数,利用回归分析㊁相似流域和机器学习等参数移植方法,估算目标流域的模型参数㊂由于喀斯特地貌对产汇流过程有较大的影响,在模型参数移植时,根据水文分区特征分别在喀斯特地区和非喀斯特地区开展研究㊂基于多元回归方程的回归分析法在模型参数移植中有广泛的应用[19],首先在有资料的地区,构建率定的模型参数和流域下垫面特性之间的多元回归方程;然后在无资料地区,由构建的回归方程和下垫面特性来计算模型参数㊂选取影响流域降水径流过程的7个指标来描述流域的物理特征,包括反映地理位置的纬度(L at)和经度(L on)㊁表征气候的年降水量和干燥指数㊁表征植被的叶面积指数㊁表征地形的平均坡度以及反映流域大小的面积(A)㊂根据典型流域率定的模型参数和下垫面特征构建的多元回归方程为y=a0+ðm i=1a i x i+ε(4)式中:y为16个率定的新安江模型参数;x i为选取的流域特征;a0,a1, ,a m为回归方程的系数;ε为随机误差;m为回归方程的自变量个数㊂相似流域法也是一种重要的参数移植方法[21-22]㊂基于选取的7个流域特征,利用聚类分析法判别流664㊀水科学进展第34卷㊀域之间的相似程度,将相似流域的模型参数移植到目标流域㊂由于下垫面特征的单位不同,首先将其标准化㊂将42个流域的7个特征看作七维空间中的42个点,利用欧氏距离来度量42个点之间的接近程度㊂采用类平均法合并距离最近的2类为1个新类,重复该步骤直至类的个数为1㊂目标流域模型参数的计算公式如下:y0=1kðk i=1y i r i+ε(5)式中:y0和y i分别为目标流域和相似流域的模型参数;k为相似流域的个数;r i为每个相似流域的权重,根据量纲一化后相似流域之间的欧氏距离倒数计算㊂随着以机器学习为代表的人工智能技术的快速发展,统计模型方法取得了较大的进步㊂选用机器学习中广泛应用的支持向量机回归(SVR)㊁随机森林回归(RF)㊁极端森林回归(ETR)㊁提升树回归(GBR)和K临近回归(KNN)等5个机器学习算法来构建模型参数移植技术㊂将选用的7个流域特征作为自变量,率定的模型参数作为因变量,基于均方根误差(E RMS)等评价指标来训练5个机器学习算法,并将其与回归分析法和相似流域法的计算结果对比分析㊂针对每一个模型参数挑选最优的参数移植方法,将其作为新安江模型的参数移植方案㊂2.3㊀模型参数移植误差驱动的径流模拟不确定性评估框架采用基于随机模拟的数值实验方法定量评估参数移植误差驱动的径流模拟不确定性,计算框架见图2,具体的计算步骤如下:(1)计算参数移植法推求的模型参数与直接率定值的误差(εp):εp=p c-p r(6)式中:p r和p c分别为模型参数的移植和率定结果㊂(2)利用核密度估计方法分析参数移植误差的概率分布,再利用蒙特卡罗随机模拟方法生成误差样本(εi),将其与模型参数移植结果相加得到模型参数样本(p i):p i=p r+εi㊀㊀㊀i=1,2, ,N(7)式中:N为随机模拟的样本容量,这里取5000㊂图2㊀模型参数移植误差驱动的径流模拟不确定性评估框架Fig.2Framework of streamflow simulation uncertainty introduced by parametersᶄerror estimated by regionalization methodologies㊀第5期关铁生,等:无资料地区水文模型参数移植不确定性分析665㊀(3)利用新安江模型模拟每个参数样本下的降水径流过程,得到径流样本㊂基于普适似然不确定性估计方法[39],根据每个参数样本模拟径流Nash-Sutcliffe效率系数的量纲一化结果,计算每个参数样本的权重系数,将其作为每组参数样本的概率㊂对每一场降雨径流过程,将每个时刻的5000组径流模拟值从小到大排序,统计5%㊁25%㊁50%㊁75%和95%累计概率下的径流模拟值,分析模拟径流的90%和50%置信区间以及中位数,得到参数移植误差引起的模拟径流不确定性㊂3㊀结果及讨论3.1㊀新安江模型率定与验证利用广西42个水文站2005 2014年实测日径流和洪水过程资料率定新安江模型参数,验证模型在区域的适用性㊂其中,2005 2011年的资料用于模型参数率定,2012 2014年的资料用于模型验证㊂42个典型流域在模拟期与检验期的日过程和洪水过程精度评价统计结果见表2㊂总体而言,新安江模型对42个典型流域的日径流过程和洪水过程具有较好的模拟效果㊂日径流模拟中,在率定期和检验期,平均E NS分别为0.84和0.75,其中,最大值为0.947,最小值为0.601;平均相对误差分别为3.25%和11%;E NSȡ0.8的流域个数分别占74%和57%;E NSɤ0.7的流域个数分别仅占7%和21%㊂在洪水模拟中,在率定期和检验期,平均E NS分别为0.58和0.63;平均合格率分别为61.5%和58.3%,E NSȡ0.6的流域个数分别占55%和71%㊂与一般的大江大河相比,研究区洪水模拟精度相对不高,这主要是由于本研究选用的42个典型流域是中小河流,流域面积都小于3000km2,中小河流的调蓄作用较小,洪水模拟精度普遍小于大江大河㊂同时选取的大部分典型流域位于喀斯特地区,对流域汇流有较大的影响,本文采用的新安江模型结构中未考虑喀斯特的作用,此外很难精确获取详细的喀斯特地区地下河汇流路径,这也是典型流域洪水模拟精度相对不高的一个重要原因㊂表2㊀新安江模型模拟日过程和洪水径流过程精度评价统计Table2Performance of the Xinᶄanjiang model in daily streamflow and flood simulation时间日过程模拟流域个数洪水过程模拟流域个数E NSȡ0.90.8ɤE NS<0.90.7ɤE NS<0.8E NS<0.7E NSȡ0.80.7ɤE NS<0.80.6ɤE NS<0.7E NS<0.6率定期131883810519检验期717991497123.2㊀模型参数移植率定的日过程和洪水过程的16个模型参数与7个流域特征的相关系数见图3㊂大部分模型参数与流域特征的相关性较弱㊂相对而言,洪水过程中控制汇流的参数,例如C s㊁C r㊁L r等与流域大小的相关性强于日过程参数㊂针对每个模型参数,利用AIC准则遴选回归方程的自变量个数㊂利用回归分析法㊁相似流域法和5种机器学习算法移植计算的新安江模型参数与直接率定值的均方根误差见图4㊂从图4中可以看出回归分析法计算的16个模型参数的均方根误差总体小于相似流域法㊂16个模型参数相比,对径流模拟敏感的参数移植结果与率定值的误差较小㊂这是因为模型参数之间不独立,存在异参同效现象,不敏感参数尤其显著㊂同时敏感参数的物理意义较强,与流域特征的物理关系较密切;而不敏感参数的概化程度较高,与流域特征的物理关系较弱[19,23]㊂因此,基于模型参数与流域特征回归方程计算的敏感参数相关性高于不敏感参数㊂基于机器学习算法移植的模型参数误差总体上小于回归分析法和相似流域法的计算结果㊂7种参数移植方法对比结果表明,支持向量机回归和提升树回归计算的模型参数误差最小㊂根据均方根误差对比结果,针对每个666㊀水科学进展第34卷㊀模型参数分别挑选误差最小的方法将其作为优选的参数移植方案㊂图3㊀率定的模型参数与流域特征相关系数Fig.3Correlation coefficients of calibrated model parameters versus catchment characteristics 基于回归分析㊁相似流域和优选的参数移植方法模拟洪水过程的Nash-Sutcliffe效率系数与合格率对比结果见图5㊂从图5中可以看出,总体而言基于回归分析法模拟洪水过程的精度优于相似流域法,优选的机器学习算法的模拟精度最高㊂在42个典型流域中,对于Nash-Sutcliffe效率系数,回归分析法㊁相似流域法和机器学习优选法计算的50%分位数分别为0.467㊁0.438和0.503㊂回归分析法和相似流域法相比,31个典型流域的回归分析法模拟效果较好,11个典型流域的相似流域法模拟效果较好㊂对于合格率,回归分析法模拟效果较好的有19个典型流域,相似流域法模拟效果较好的有10个,另有13个流域2种方法的模拟效果相当㊂优选的机器学习算法模拟洪水过程的合格率比回归分析法和相似流域法的合格率分别提高了7%和15%㊂无论是Nash-Sutcliffe效率系数还是合格率,参数移植方法的模拟结果与参数率定的结果都有一定的差距,即基于模型参数移植的无资料地区径流模拟具有较大的误差,需要进一步评估其不确定性㊂3.3㊀模型参数移植误差分析利用核密度估计方法计算基于参数移植法估计的模型参数误差概率分布见图6㊂从图6中可以看出,相对而言,参数K C㊁W M㊁I M㊁S M㊁E X㊁K g㊁C i㊁C g和C r等的相对误差较小,25%~75%区间在-20%~20%范围内;参数U M㊁L M㊁C㊁B㊁K i㊁C s等的误差较大,25%~75%区间超过20%㊂图6中参数误差的概率分布越集中,表示计算的参数误差越小㊂多种参数移植方法相比,优选的机器学习算法计算模型参数的误差最小,其次是回归分析法,相似流域法的误差最大㊂K C等大部分参数的误差呈对称分布,W M等部分参数的误差呈偏态分布㊂此外由于模型参数的不独立性会影响径流模拟不确定性的评估结果[40],对16个模型参数移㊀第5期关铁生,等:无资料地区水文模型参数移植不确定性分析667㊀LR:回归分析法;Si:相似流域法图4㊀基于7种参数移植法计算的模型参数与直接率定值相比的均方根误差Fig.4Root mean square errors of regionalized and calibrated model parameters图5㊀基于参数移植法模拟的洪水过程精度评价箱线图Fig.5Boxplot of Nash-Sutcliffe efficiency coefficient and accuracy rate offlood simulation by parameters regionalization methodologies668㊀水科学进展第34卷㊀植误差的相关性作统计检验,结果表明模型参数移植误差之间的相关性不显著,具有较好的独立性㊂在此基础上,基于核密度估计方法计算的概率分布特征,对每个模型参数分别独立利用蒙特卡罗方法随机模拟误差样本㊂图6㊀基于参数移植方法计算的模型参数误差概率分布Fig.6Probability distribution of parametersᶄerror estimated by regionalized-based methodology3.4㊀径流模拟不确定性评估根据图2的不确定性评估框架,利用蒙特卡罗随机模拟方法对参数移植误差进行重采样,形成5000组参数样,在此基础上模拟每组参数样本下的洪水过程,得到Nash-Sutcliffe效率系数㊁洪量相对误差和洪峰相对误差等洪水过程模拟精度评价指标的统计特征及典型场次洪水过程,见图7㊂总体上,由模型参数移植误差驱动模拟的洪水过程具有较大的不确定性㊂从图7可以看出,Nash-Sutcliffe效率系数主要位于0.25~0.75之间,其50%分位数为0.445;洪量相对误差主要位于10%~30%之间,其50%分位数为21.3%;洪峰相对误差主要位于10%~40%之间,其50%分位数为24.1%㊂该方法可以展示模型参数移植误差带来的洪水模拟不确定性分布区间㊂因此,在利用参数移植方法模拟无资料地区径流过程时,应充分考虑模型参数移植误差带来的径流模拟不确定性[34-36]㊂㊀第5期关铁生,等:无资料地区水文模型参数移植不确定性分析669㊀图7㊀洪水随机模拟评价指标和典型场次洪水过程的不确定性Fig.7Violin plot of accuracy index of stochastically modeled flood and uncertainties of typical floods4㊀结㊀㊀论无资料地区径流模拟不确定性评估是当前研究的薄弱环节,以广西壮族自治区42个有水文监测站点的典型中小河流为研究对象,在新安江模型模拟日径流过程和洪水过程的基础上,对比了回归分析法㊁相似流域法㊁机器学习算法等模型参数移植方法模拟洪水过程的精度,分析了模型参数移植误差的统计特征,评估了无资料地区模型参数移植误差驱动的径流模拟不确定性,主要结论如下:(1)新安江模型在广西壮族自治区具有一定的适用性,日过程和洪水过程径流模拟的Nash-Sutcliffe效率系数分别为0.75~0.84和0.58~0.63㊂(2)相比而言,基于回归分析的参数移植法计算的模型参数和模拟洪水过程的精度优于相似流域法,优选的机器学习算法模拟洪水过程的合格率比传统回归分析法和相似流域法的精度提高了7%~15%㊂(3)与模型参数率定值相比,参数移植法计算的模型参数具有一定的误差,总体上敏感参数的相对误差小于不敏感参数,应重点关注敏感参数的移植计算㊂基于模型参数移植误差概率分布,利用蒙特卡罗随机模拟的洪水过程具有一定的不确定性,洪量和洪峰相对误差的主要区间分别为10%~30%和10%~40%㊂参数移植是估算无资料地区水文模型参数的重要方法之一,但是计算结果具有一定的误差,引起了径流。
VIC大尺度陆面水文模型在中国区域的应用

:——。::——::坚堇星塑堕垒耋塑塑垦里垫墼堡旦
Abstract
This paper presents an application of variable infiltration capacity(VIC)
macro—scale land surface hydrological model tO simulate ftlnoff for river basins in China The entire land area ofChina iS represented by 4355 cells with a spatial resolution of 50
are calibrated for some catchments within zones,and then transferred to other
catchments within the similar zones to validate the model performances The transfer scheme can improve the simulation results as compared with the case ofusing uniform model parameters to data-sparse areas in previous work.
为了检验vic模型的模拟性能本研究选取淮河和黄河流域作为研究对象结合汇流模型利用单位线法计算坡面汇流线性圣维南方法计算河道汇流将流域内各网格中模拟的日径流汇至流域出口断面然后将vic模型模拟的月流量过程与相应的水文站实测月流量资料进行比较结果表明该模型对径流的模拟具有一定的合理性与适应性
包含地下水位动态变化的陆面过程模型及其应用ECCESummer

• Effects of climate on groundwater(ECG).
Current climate models:
No groundwater component No ICG & ECG
For saturated zone:
(z, t) s , (t) z L
where (t) is the ground table to the surface, and L is the depth from surface to the bedrock
t
K ( )
Numerical schemes by two methods
• [0,L] is partitioned,moving boundary problem,Finite element, Mass lumped, direct method.
• [0, (t)], reducing the moving boundary problem into fixed boundary problem, Finite element, Mass lumped, Indirect method.
– 谢正辉等, 1998, 中国科学. – Liang, Xie, Huang,, 2003, Groundwater model (method 1), Journal of
Geophysical Research.
– Liang, Xie, 2003, Global Planetary Change.
升华
冰雪
融雪 径流
陆面过程模式研究进展——以CAS-LSM为例

陆面过程模式研究进展——以CAS-LSM为例王龙欢;谢正辉;贾炳浩;王妍;李锐超;谢瑾博;陈思;秦佩华;师春香【期刊名称】《高原气象》【年(卷),期】2021(40)6【摘要】陆面过程是气候系统的重要组成部分,影响大气环流和气候变化。
陆面过程模式中人类活动、生物物理和生物化学过程的合理描述有助于理解陆面与大气之间相互作用机制。
本文首先回顾了陆面过程模式的发展历程,陆面过程模式从最初简单的箱式模型发展到考虑了较为完备的陆面物理、化学和生物过程,正朝着精细化、集成化的方向发展。
农业灌溉与施肥、干旱区河流输水、点源污染排放、城市规划实施等与生产生活密切相关的人类活动,影响陆地碳氮水循环过程及河流水生生态系统。
地下水侧向流动、土壤冻融界面变化等过程改变陆气水分收支和能量平衡,影响天气气候与环境。
因此,迫切需要在陆面生态水文模拟中合理表示这些过程和人类活动的作用。
随后介绍了陆面过程模式CAS-LSM的研究进展及应用。
陆面过程模式CAS-LSM可应用于干旱区内陆河流域模拟,定量评估河流输水的生态水文效应;结合气候系统模式,可以实现监测河流水环境特别是氮输送的变化;与区域气候模拟结合,实现城市规划实施的天气与气候效应的定量评估。
【总页数】17页(P1347-1363)【作者】王龙欢;谢正辉;贾炳浩;王妍;李锐超;谢瑾博;陈思;秦佩华;师春香【作者单位】中国科学院大气物理研究所大气科学和地球流体力学数值模拟国家重点实验室;中国科学院大学地球与行星科学学院;南京水利科学研究院水文水资源与水利工程科学国家重点实验室;国家气象信息中心【正文语种】中文【中图分类】P467【相关文献】1.NIM陆面过程模式的研究Ⅱ:青藏高原夏季陆面过程的数值模拟2.不同大气强迫作用下陆面模式CAS-LSM多年冻土活动层厚度模拟与不确定性研究3.一个改进的陆面过程模式及其模拟试验研究第二部分:陆面过程模式与区域气候模式的耦合模拟试验4.一个改进的陆面过程模式及其模拟试验研究第一部分:陆面过程模式及其“独立(off-line)”模拟试验和模式性能分析5.陆面模式砾石参数化在BCC_AVIM陆面过程模式中的应用及检验因版权原因,仅展示原文概要,查看原文内容请购买。
水文模型植被参数获取方法及应用研究

第4期2009年12月水利水运工程学报HY DRO SCI ENCE AND ENG I NEERI N G N o .4D ec .2009收稿日期:2009-04-28基金项目: 十一五 国家科技支撑计划(2006BAC05B02,2007B A C03A 060301);水利部 948 计划项目(200758);水利部公益性行业科研专项(200701039,20080100105);江苏省 333 人才工程资助课题作者简介:陆桂华(1962-),男,浙江东阳人,教授,博士,主要从事水文水资源研究.E m ai:l Lugh @hhu .edu .cn 水文模型植被参数获取方法及应用研究陆桂华1,2,金君良1,2,吴志勇1,2,何 海1,2(1.河海大学水问题研究所,江苏南京 210098;2.河海大学水文水资源与水利工程科学国家重点实验室,江苏南京 210098)摘要:引入Spot/V ege tati on(简称SPOT VGT )归一化植被指数NDV I 遥感资料,建立了叶面积指数LA I NDV I 模型,进行大尺度陆面水文模型V I C 植被参数获取方法研究,将结果应用于黑河莺落峡流域水文模拟,并分析了植被参数对陆面水文循环要素的影响.结果表明:采用SPOT VGT 遥感资料建立的LA I NDV I 模型计算的叶面积指数较好地反映了实际叶面积指数的空间分布和时间变化,用此方法获取的植被参数结果优于模型推荐的查表法.关 键 词:Spo t/V egeta ti on NDV I ;叶面积指数;V IC 模型;水文模拟中图分类号:P334.92 Q948 文献标识码:A 文章编号:1009-640X(2009)04-0047-06植被是陆面水文过程模拟中重要的基本元素之一,在流域水文循环中扮演着十分重要的作用,影响植物截留、蒸散发、土壤湿度和径流.然而受观测条件所限,利用地面实际观测资料获取可供陆面水文模型使用的植被参数非常困难.随着遥感技术的发展,大范围、高频度的空间影像资料为植被数据的获取提供了大量信息.从卫星影像图中获取二维植被信息,经处理并引入到陆面水文模型的应用已有不少[1-4].当前,世界各国已发射大量携带不同传感器的遥感卫星,由欧洲联盟委员会赞助,法国发射的SPOT 卫星搭载的Vegetation 传感器是专门为观测陆地植被设计的,其在光谱波段、空间精度及其纠正等方面比原本为气象服务设计的AVH RR 具有更大的优势[5].但是目前利用SPOT 数据获取水文模型植被参数进行陆面水文模拟的研究还比较少见.本文在利用美国M aryland 大学全球1km 土地覆被数据描述研究区域植被空间分布的基础上[6],引入Spot/Vegetati o n NDV I (简称SPOT VGT NDV I)遥感数据,建立叶面积指数LA I(LeafA rea I ndex) NDV I 模型,计算研究区域叶面积指数的时空分布,更新了V I C(V ar i a b le Infiltration C apac ity)陆面水文模型推荐的植被参数获取方法,模拟了黑河莺落峡流域1998~2001年水文过程,并将径流模拟值与实测值比较,为V I C 模型植被参数的获取提供了一种更准确的方法.1 模型的建立1.1 V I C 模型V I C 模型是主要由W ashington 大学研制开发的大尺度分布式陆面水文模型.模型采用了可变下渗能力的思想,主要考虑了大气-植被-土壤之间的物理交换过程.模型考虑了积雪、融雪及土壤冻融等过程,在一个计算网格内考虑了裸地及不同的植被覆盖类型.V I C 模型在北美以及中国许多地方都已经有了成功的应水利水运工程学报2009年12月用[7-11].V I C模型的植被参数包括结构阻抗、最小气孔阻抗、每种植被类型的叶面积指数(LeafA rea I ndex,简称LA I)等.V I C模型推荐根据M ar y land大学研制的全球1km土地植被覆盖数据及陆面数据同化系统LDAS (Land Data A ssi m ilati o n Syste m)提取植被参数[6].LDAS将全球的地表覆盖分为14种类型,11种为植被,其余3种为水体、建筑物和裸土,根据植被分类将网格内的覆盖类型分成若干子区域,供V I C模型使用的叶面积指数通过LDAS查表法确定[12].LDAS查表法针对不同的植被类型将叶面积指数设置成固定的12个月变化,不同区域同种植被的叶面积指数相等.这种方法方便了模型的推广应用,但在全球范围同一种类型植被只对应一类叶面积指数,同一种植被的叶面积指数在不同时间和区域的分布都相同显然不够精确.从而,根据LDAS结果统一采用查表法确定的叶面积指数会给陆面过程模拟带来误差.1.2 植被覆盖数据本文选取的SPOT VGT NDV I遥感数据下载自中国西部环境与生态科学数据中心(http://w est d c. w estg /),时间范围为1998年4月至2007年12月,共345幅图像.由欧洲联盟委员会赞助的V egetati o n传感器于1998年3月搭载SPOT-4升空,从1998年4月开始接收用于全球植被覆盖观测的SPOT Vegetation数据,该数据由瑞典的K iruna地面站负责接收,由位于法国Toulouse的图像质量监控中心负责图像质量控制并提供相关参数(如定标系数),最终由比利时佛莱芒技术研究所(Fle m ish Institute for Technolog i c alResearch,V ito)植被影像处理中心(V egetati o n Processi n g C entre,CTI V)负责预处理成逐旬1km 全球数据.预处理包括大气校正、辐射校正、几何校正,生成10天最大化合成的NDVI数据,并将-1~-0.1的值设置为-0.1,再通过公式DN=(NDVI+0.1)/0.004转换到0~250之间的DN值[5].将该345幅空间分布图中同一年中属相同月份的若干幅旬NDVI空间分布图按对应栅格单元进行算术统计平均,以此来表征流域在年内此月的NDVI空间分布.1.3 LA I NDV I模型根据归一化植被指数和叶面积指数的关系研究建立了LA I NDV I模型.该模型基于以下两个前提:(1)假定叶面积指数和归一化植被指数之间的关系是线性的.许多学者的研究都证实了这一点[13-16];(2)遥感影像图观测最大归一化植被指数时,植被生长也处于最大的叶面积指数.最大归一化植被指数对应最大的叶面积指数,最小的归一化植被指数也对应最小的叶面积指数.Justice等对这个观点也开展过相关的研究[17].基于以上两个前提,建立根据归一化植被指数计算叶面积指数经验模型如下:LAI i=LA I m ax!NDVI i-NDVI m in NDVI m ax-NDVI m in其中:LAI max为模型计算范围内最大的LAI,参考V I C模型的参数范围确定.最大、最小归一化植被指数从1998~2007年遥感影像图中获得,最大叶面积指数采用V I C模型提供的参考叶面积指数.2 实例应用本文选取中国西北第二大内陆河黑河出山口的莺落峡站以上集水面积为研究区域.莺落峡流域位于祁连山北麓,介于东经98.5∀~101.2∀和北纬37.7∀~39.1∀之间.出山口以上河道长303km,流域面积10009km2.流域内降水和气温分布不均匀,山区降水丰富,多年平均气温不足2#,平均降水量350mm,属于冰雪融水和雨水混合补给为主的河流.流域内植被覆盖较好,主要植被类型分布有常绿针叶林、草原、林地、灌丛及耕地.由于复杂的地形地貌特征,气候也表现出多样性及垂直变化特征.山区地形直接制约着各种气象要素的局部变化,引起垂直方向气候差异,这种气候差异又影响着山地土壤的发育和植被的生长.2.1 叶面积指数分析根据V I C模型应用要求,将研究区域划分为0.125∀!0.125∀经纬网格.图1为研究区域的网格划分和根48第4期陆桂华,等:水文模型植被参数获取方法及应用研究据美国M aryland 大学全球1km 土地覆被数据提取的植被分布.从图中可以看出,流域覆盖主要有草原、林地、耕地等类型.为深入分析比较查表法与NDV I 数据获取的叶面积指数差别,选取了流域西北、中部及东南部三个典型网格细致分析.其中,网格1511主要由78%的灌木和14%的草原覆盖;网格1309主要由57%的草原、23%的耕地和9%左右的林地草原覆盖;网格1430主要由59%的耕地和40%的林地草原覆盖.图1 黑河莺落峡流域网格划分及植被覆盖F i g .1 L and vege tati on cover der i ved and g ri d over Y i ng l uox i a Basi n采用SPOT VGT 逐旬归一化植被指数数据,根据LA I NDV I 模型计算1998~2007年莺落峡流域及三个典型网格的叶面积指数(见图2).计算结果表明,流域西北部由灌木占主要植被覆盖的网格1511遥感计算的叶面积指数与查表法差别最大;耕地为主要类型的网格1430在秋冬季节的叶面积指数差别较大,植被覆盖种类较多的网格1309与查表法差别最小.图2 1998~2007年黑河莺落峡流域各月平均叶面积指数F i g .2 M ont h l y ave rage l ea f area index i n Y ing l uox i a B asi n from 1998to 20071998年以来的遥感数据表明,整个黑河莺落峡流域多年叶面积指数变化不大,在陆面水文模拟中可以使用一年的叶面积指数数据来代替多年的变化.总体来说,利用遥感资料获取的流域叶面积指数比查表法小,其中,3、4月变化趋势尤其明显.查表法的叶面积指数在3、4月迅速增加,7月份达最大值;而采用遥感资料获取的叶面积指数曲线在5月份才开始增大,7、8月达最大值.相关研究资料[18]表明:莺落峡流域的植被生长期从每年5月份才开始,7~8月达最大,10月份以后缓慢生长.因此,在时间变化上遥感获取的叶面积指数曲线与实际情况更为符合.49水利水运工程学报2009年12月以2000年8月份为例,图3(a)是根据V I C 模型推荐的查表法获取的莺落峡流域叶面积指数空间分布;图3(b)是利用SPOT VGT NDV I 数据采用LA I NDV I 模型计算的莺落峡流域叶面积指数的空间分布.可见,在8月份,根据查表法确定的叶面积指数在整个莺落峡流域有植被覆盖的部分都大于3.0,而根据LA I NDV I 法确定的流域叶面积指数在0~5.0之间.显然,LA I NDV I 法确定的流域叶面积指数充分考虑了植被空间分布异质性,与查表法相比,更加合理.同时,对比图1的莺落峡流域1k m !1km 植被分类,还可以看出在空间上采用LA I NDV I 法获取的叶面积指数(图3b)与植被分类更加匹配,说明根据遥感方法确定的叶面积指数更加客观地反映了流域的植被覆盖及生长情况.对同一种植被覆盖来说,例如耕地,由于不同区域的耕地种植庄稼种类不同,叶面积指数也相应不同.根据遥感图获取的叶面积指数反映出了同种植被覆盖分类在不同区域的生长特征,在不同地区,同一植被采用LA I NDV I 模型计算的叶面积指数由于土壤质地以及生长情况不同,也是有差异的,因此根据遥感资料确定叶面积指数的方法更为合理.(a) 查表法 (b) 遥感法图3 2000年8月黑河莺落峡流域叶面积指数空间分布F i g .3 LA I de ri v ed from l ook up tab le (a)and NDV I (b)over Y ing l uox i a Basi n2.2 水文模拟结果分析为了进一步分析获取的植被参数对陆面水文要素的影响,将获取的植被参数应用到陆面水文模型V I C 中,模型连续模拟了莺落峡流域1998~2001年水文要素,对比采用不同方法获取的植被参数对流域水文过程及出山口径流的影响.模型所需的日降水量、日最高、最低气温来自中国气象科学数据共享网收集的全国756个站点数据中的黑河部分.2.2.1 对流域水文要素的影响 根据莺落峡流域典型网格及全流域采用遥感资料获取的植被参数,计算得到的陆面水文要素与使用查表法计算得到的水文要素的相对变化值见表1.流域所有网格中,使用两种植被参数蒸发变化范围在-20%~5%,截留变化在-40%~10%之间,与查表法获取的植被参数相比,采用遥感法获取的植被参数由于叶面积指数的减少而使得流域大部分网格蒸散发减少,截留增加.表1 遥感法与查表法计算莺落峡流域水文要素比较T ab .1 H ydro l og ic variab les ca l culated w ith remo te sensi ng da ta and look up tab l e i n Y i ng l uox ia Basin(单位:%)水文要素蒸散发地表径流基 流截 留土壤湿度叶面积指数网格1430+1.9-0.18-1.83+2.72-0.18+9.21网格1151-10.77+4.44+15.87-38.5+2.54-39.13网格1309-2.65+1.75+4.34-17.01+0.43-16.21莺落峡流域-7.84+3.99+14.58-29.72+2.32-29.31在莺落峡流域,使用遥感获取的植被参数叶面积指数减少了29.31%,对应的植物截留和蒸散发分别减少了29.72%和7.84%;基流和地表径流分布增加了14.58%和3.99%;土壤湿度变化不大.这说明使用遥感获取的植被参数主要改变了蒸散发和径流的分配,蒸散发和截留量与叶面积指数成正比.位于流域东南部的1430网格区域采用遥感资料获取的蒸散发和截留比查表法大.实际资料调查[19]表明:1430网格区域的主要地表覆被为耕地,种植农作物为玉米和冬小麦.由于小麦的生长使得冬春季的叶面积5051 第4期陆桂华,等:水文模型植被参数获取方法及应用研究指数比LDAS查表法的结果大.根据遥感资料获取的叶面积指数很好的体现了这一点(见图2),相应模型模拟的蒸散发和截留量都有所增大.而网格1151和网格1309,则由于叶面积指数的减小使得蒸散发和截留减少. 2.2.2 对流域出山口径流的影响 经过汇流模型,模型连续输出莺落峡站1998~2001年日径流过程,并与实测值比较,结果采用水文中常用的两个指标来衡量:反映总量精度的多年径流相对误差Er(%)和反映流量过程吻合程度的Nash Sutcliffe效率系数[20].结果显示,与原来参考LDAS查表法定义的植被参数相比,使用遥感方法获取的植被参数后,V I C模型在黑河莺落峡站以上流域模拟多年径流过程相对误差E r从原来的6.8%减少到0.5%;日径流过程的N ash效率系数从0.74提高到0.79,月径流过程从0.82提高到0.87.利用遥感资料获取的植被参数使得流域蒸散发减少,径流增加.在水量平衡和过程拟合程度上,使用遥感资料获取的叶面积指数后,模型对出山口径流过程的模拟有明显改善,表明引入遥感资料后获取的植被参数更适合V I C模型对水文过程的模拟.3 结 语本文提出了利用遥感资料SPOT VGT NDV I建立LA I NDV I模型计算叶面积指数,改进了V I C植被参数获取方法,模拟了黑河莺落峡流域1998~2001年陆面水文过程,比较了采用遥感法获取的植被参数和模型推荐的查表法获取的植被参数对水文过程的影响,得出以下结论:(1)与原来V I C模型推荐的参考LDAS查表法确定植被参数相比,根据遥感资料Spot VGT NDV I数据计算的叶面积指数较好地反映了实际叶面积指数的空间分布及季节变化,更加符合实际情况,有利于改善V I C 模型对径流过程的模拟;(2)从遥感资料可以看出,黑河莺落峡流域从1998年以来植被叶面积指数年际变化较小,在水文模型中可以使用多年逐月的叶面积指数平均值进行陆面水文过程模拟;(3)叶面积指数在流域水文循环中直接影响蒸散发和植物截留,进而影响土壤含水量和径流过程的分配,陆面水文过程模拟中需要充分考虑地表覆盖植被的空间异质性和时间上的季节变化.V I C模型推荐采用的LDAS植被参数主要由全球各类数据同化所得,但不同植被在特定研究流域可能会有所差异;针对不同流域采用遥感资料可以更准确地获取此流域水文模型的植被参数.参 考 文 献:[1] JI N M,L I ANG S.A n i m proved l and surface e m i ssi v ity pa rame ter for l and surface m ode ls us i ng g loba l remo te sens i ngobservati ons[J].Journa l o f C li m ate,2006,19(1):2867-2881.[2] P ISEK J,CHEN J par ison and va li dation o fM OD IS and VEGETAT ION g l obal LA I products over four B i gF oot sites inN o rt h Am e rica[J].R e m o te Sens i ng o f Env i ronm ent,2007,109(1):81-94.[3] C HAM PEAU X J L,HAN K S,FRAN C H IS TEGUY L,et a.l L and surface param eters der i ved fro m SPOT/VEGETAT ION datafor use i n m eteo ro l og icalm ode ls[C]∃Proceed i ng s of IEEE Internationa lG eosc ience and R emo te Sensing Symposia m.T ou l ouse:I GARSS,2003:579-581.[4] Y I N Z,W ILL I AM S T H L.O bta i ning spatial and temporal veg etati on da ta fro m landsat M SS and AVHRR/NOAA sate lli tei m ag es f o r a hydro l og ic m ode l[J].Pho togra mm etric Eng i neer i ng and R emo te Sensi ng,1997,63(1):69-77.[5] 宋 怡,马明国.基于SPOT VEGETAT ION数据的中国西北植被覆盖变化分析[J].中国沙漠,2007,27(1):89-93.(SONG Y,i M A M i ng guo.Study on vegeta tion cover change i n N orth w est Chi na based on SPOT VEG ETAT I ON da ta[J].Jou rnal of D esert R esearch,2007,27(1):89-93.(i n Ch i nese))[6] HAN SEN M C,DEFR IES R S,TOW NS H END J R G,e t a.l G loba l land cove r c lassifica ti on at1k m spatial reso l uti on us i ng aclassificati on tree approach[J].Inte rnati onal Journa l o f R e m ote Sensi ng,2000,21(1):1331-1364.[7] C H ERKAUER K A,LETTENM A I ER D P.H ydro l og ic e ffects o f fro zen so ils i n the upperM iss i ssi pp iR i ver basin[J].J G eophys52水利水运工程学报2009年12月R es,1999,104(D16):19599-19610.[8] L I ANG X,X I E A Z.A new surface runoff param eter i zati on w ith subg ri d sca le so il he terogene ity for land surface m ode l s[J].A dvances i n W ate r R esources,2001,24(9):1173-1193.[9] A BDU LLA F A,LETTENMA I ER D P,W OOD E F,et a.l A pp licati on o f a m acrosca le hydro l og ic m ode l t o esti m a te the wa terba l ance o f the A rkansas R ed river basi n[J].J G eophys R es,1996,101(3):7449-7459.[10] HAM LET A F,LETTENMA I ER D P.Effects o f cli m ate change on hydro l ogy and w ater resources in t he Co l umb i a R i ver Basin[J].Am W ater R es A ssoc,1999,35(6):1597-1623.[11] 吴志勇,陆桂华,张建云,等.基于V I C模型的逐日土壤含水量模拟[J].地理科学,2007,27(3):359-364.(WUZh i yong,LU G ui hua,Z HANG Jian yun,e t a.l S i m u lati on o f da ily so ilmo ist ure usi ng V I C m ode l[J].Sc i enti a G eograph ica S i n ica,2007,27(3):359-364.(i n Ch i nese))[12] Vn i ve rs i ty o fW ash i ng ton.V ar iab l e i nfiltra tion capac ity(V I C)m acrosca l e hydrolog i c m odel[EB/OL].htt p:∃www.hydro.wash i ng /L ettenma ier/M ode ls/V I C/D ocu m enta tion/so il-veg.ht m l[13] W IEGAND C,R I CHARD S ON A,KAN E MA S U E.L eaf area i ndex esti m a tes f o r w heat fro m LANDSAT and their i m pli cationsfor evapo transpirati on and crop M ode ling[J].A grono m y Journa,l1979,71(2):336-342.[14] TU CKER,HO LBEN B N,ELG I N J H,et a.l R elationsh i p of spectra l data to g ra i n y i e l d var i a ti on[J].Pho tog ramm etr icEng ineer i ng&R emo te Sensi ng,1980,46(5):657-666.[15] A J A I,KAM AT D S,C HATURVED I G S,et a.l Spectra l assess m ent of l ea f area i ndex ch l o rophy ll content,and b i om ass ofch ickpea[J].Photog ra mm etr i c Eng i neeri ng&R e m ote Sensi ng,1983,49(12):1721-1750.[16] WARDLEY N W,CURRAN P J.T he esti m ation of green leaf area i ndex from re m ote l y sensed a i rbo rne mu lti spectra l scannerda ta[J].Interna tiona l Journal o f R e m ote Sensi ng,1984,5(4):671-679.[17] J UST I CE C,HOBEN B,GWYNNE M.M onito ri ng east african vege tati on usi ng AVHRR da ta[J].Internationa l Journa l ofR e m ote Sensi ng,1986,7(11):1453-1474.[18] 程 瑛,徐殿祥,郭 铌.近20年来祁连山区植被变化特征分析[J].干旱区研究,2008,25(6):772-777.(CHENG Y i ng,XU D i an x i ang,GUO N.i A na l y si s on t he v ege tati on chang e i n the Q ili an M ounta i ns s i nce recent22years [J].A rid Zone R esearch,2008,25(6):772-777.(in Ch i nese))[19] 蒙继华,吴炳方,李强子.全国农作物叶面积指数遥感估算方法[J].农业工程学报,2007,23(2):160-167.(M ENG Ji hua,W U B i ng fang,L I Q iang z.i M ethod for esti m ati ng crop l ea f area i nde r of Chi na using re m ote sensi ng[J].T ransac tions of t he Ch i nese Soc iety of A g ricu lt ura l Eng i neering,2007,23(2):160-167.(i n Ch i nese))[20] NA S H J E,S UTCL I FFE J V.R iver fl ow forecasting t hrough conceptua lmode l s:Part1 a discussi on o f pri nc i p l es[J].Journa lof Hydro l ogy,1970,10(3):282-290.Obtai ni ng method of vegetatio n para meter for hydrol ogi calmodel and its appli catio n LU Gui hua1,2,JI N Jun liang1,2,WU Zhi yong1,2,H E H a i1,2(1.R esearch Institute of W ater Proble m s,H ohai University,N anjing 210098,China;2.StateK ey Laboratory o f Hydrolo gy Water R esources and H ydraulic Engineering,H ohai Un i v ersit y,N anjing 210098,China)Abst ract:Spot/V egeta ti o n NDV I(No r m alized D ifference Vege tation I ndex)data are used to esti m ate Leaf A rea I ndex(LA I)i n this paper.The obta i n ed spatial and te m poral vegetation data are used i n m acro sca le land surface hydro l o g ica lm ode l to si m ulate the period o f1998~2001hydro log ic processes of the Y i n g l u ox ia B asi n,H eihe R i v er.The results sho w t h at t h e LA I deri v ed fro m LA I NDV I m odel usi n g re m o te sensi n g data w e ll reflects the spatia l and te m poral d istr i b ution of real LA I.M oreover,the hydro l o g ica l si m u lation usi n g vegetati o n data fro m sate llite i m ages is sign ificantly i m proved co m pared w it h the hydro l o gy using V I C adv ised.K ey w ords:Spot/Vegetati o n NDV I;LA I;V I C m ode;l hydrolog ical si m u lation。
水文模型参数估计方法的基本原理

水文模型参数估计方法的基本原理水文模型是研究水文过程的一种数学模型,通过对水文数据的分析和处理,可以估计出水文模型的参数。
水文模型参数估计是水文模型建立的关键步骤,准确的参数估计可以提高水文模型的预测能力和适用性。
本文将介绍水文模型参数估计方法的基本原理。
一、参数估计的背景和意义水文模型是描述水文过程的数学模型,包括降雨、蒸发、径流等过程。
通过建立水文模型,可以对水文过程进行模拟和预测,为水资源管理、洪水预警等提供科学依据。
而水文模型的参数估计是水文模型建立的关键步骤,参数的准确性直接影响模型的可靠性和适用性。
二、参数估计的方法1. 直接法直接法是最常用的参数估计方法之一,通过对水文数据进行统计分析,直接估计出模型参数的值。
常用的直接法包括最小二乘法、最大似然法等。
最小二乘法是通过最小化观测值和模型估计值之间的差异来估计参数的方法,最大似然法是通过最大化观测值出现的概率来估计参数的方法。
2. 间接法间接法是通过参数与其他变量之间的关系来估计参数的方法。
常用的间接法包括灵敏度分析法、贝叶斯方法等。
灵敏度分析法是通过分析参数对模型输出的影响程度来估计参数的方法,贝叶斯方法是基于贝叶斯统计理论,通过先验分布和后验分布来估计参数的方法。
3. 试验法试验法是通过实际的水文试验或野外观测来估计参数的方法。
试验法的优点是可以直接获取参数的实际值,但需要耗费大量的时间和资源。
常用的试验法包括流速剖面法、定量降雨法等。
三、参数估计的影响因素参数估计的准确性受到多个因素的影响,包括水文数据的质量、模型结构的选择、参数估计方法的选择等。
水文数据的质量直接影响参数估计的准确性,数据的缺失、误差等都会导致参数估计的偏差。
模型结构的选择也会影响参数估计的准确性,不同的模型结构对参数的敏感程度不同。
参数估计方法的选择也是影响参数估计准确性的重要因素,不同的方法对参数的估计精度有所差异。
四、参数估计的评价指标参数估计的准确性可以通过多个评价指标进行评估,常用的评价指标包括均方根误差(RMSE)、决定系数(R²)等。
水文模型与陆面模式耦合研究进展

文章编号:100020240(2006)0620961210水文模型与陆面模式耦合研究进展 收稿日期:2006206221;修订日期:2006210221 基金项目:国家重点基础研究发展规划项目(2006CB400502;2001CB309404),中国科学院“百人计划”择优支持项目(82057493);中国科学院大气物理所东亚区域气候2环境重点实验室开放基金项目资助 作者简介:雍斌(1975-),男,安徽马鞍山人,1997年毕业于合肥工业大学,现为南京大学国际地球系统科学研究所博士研究生,主要从事遥感与地理信息系统及其在陆面水文过程中的应用方面的研究.E 2mail :yongbin @雍 斌1, 张万昌2,1, 刘传胜1(1.南京大学国际地球系统科学研究所,江苏南京 210093;2.中国科学院大气物理所东亚区域气候2环境重点实验室,全球变化东亚区域研究中心,北京 100029)摘 要:水文模型与陆面模式耦合是目前全球变化研究中的热点问题,如何实现分布式水文模型与陆面过程模式的双向耦合,并将其有机嵌入大气模式中,是未来大气环流模式(GCM )和区域气候模式(RCM )发展和完善的重要目标之一.在简单介绍陆面过程模式和水文模型发展历程的基础上,对水文模型和陆面过程耦合研究的国内外进展进行了综述,指出了模式耦合中存在的共同问题和未来工作的研究要点.最后,探讨了分布式水文模型与陆面模式耦合在全球变化研究框架中的地位与意义,并展望了陆面水文过程发展的主流趋势和研究方向.关键词:水文模型;陆面模式;陆面水文过程;耦合;全球变化;参数化中图分类号:P435+.2文献标识码:A1 引言 水是土壤2植被2大气传输系统(SVA T )物质、能量循环的主要驱动力和载体,陆面水文过程则通过水分循环以降水、径流、蒸散发、融雪等多种方式完成了土壤、植被和大气之间水分、热量、动量通量的复杂的交换过程.陆面水文过程研究的最终目的就是要发展和完善水文模型与陆面过程的双向耦合模式,建立描述陆气间水汽通量和能量通量相互传输的参数化方案,实现对地球流体的气候、生态、水文的模拟和预测以及对极端灾害事件的真正预警机制.2 陆面过程模式的发展 陆面过程模式是用来描述陆地表面水文物理过程、生物化学过程、植被动力过程、辐射传输过程、边界层湍流输送过程等[1-2],模拟和预测陆-气间各种相互作用的模型和模块的统称.陆面过程模式是定量刻画土壤2植被2大气间能量、动量和水汽交换的参数化方案,是大气环流模式(GCM )和区域气候模式(RCM )中的重要组成部分. 陆面过程模式的发展历史可以分为3个阶段:1)简单模式阶段.1956年Budyko et al .[3]提出了一个简单的陆面过程方案对大气和陆面间的相互作用进行参数化,即Bucket 模式;1969年Manabe [4]首次将该模式引入到GCM 中;随后多领域学者也相继投身到与GCM 相耦合的陆面过程模式研究中,陆面过程研究进入以Bucket 模式为核心的简单模式阶段.该模式以水量平衡为基础,将土壤层看作一个水箱,非常简单地处理了土壤蒸发和地表径流过程;2)生物大气模式阶段.从20世纪80年代开始,陆面过程进入了以Deardorff [5]的大叶模式,Dickinson et al .[6-7]的BA TS 模式以及Sellerset al .[8]的SiB 模式为典型代表的生物大气模式阶段.这段时期各种陆面模式的主要特点是显式引入了植被对大气的作用,对生物圈的作用考虑较为完善,对陆气间的水热通量和动量通量进行了参数化模拟计算;3)新一代多模式阶段.20世纪90年代以来,全球变化研究的热潮推动了GCM 和RCM 的快速发展,人们对陆面过程模式给予了更多的关注.各种陆面过程模式不断问世,如BA TS2[9]、SiB2[10]、CL M [11]、AV IM [12]、BA IM [13]、L SX [14]、第28卷 第6期2006年12月冰 川 冻 土J OU RNAL OF G L ACIOLO GY AND GEOCR YOLO GYVol.28 No.6Dec.2006SSiB[15]、L SM[16]、IA P94[17]和V IC[18-19]等,陆面过程模式研究围绕生物化学和水文过程展开,进入了新一代多模式阶段.新一代陆面过程参数化方案考虑了碳循环作用,对陆气间的物理、化学、生物、水文过程的描述更加详细.这一阶段,人们在全球不同气候区对典型生物及流域进行了大规模的国际间合作的陆面过程观测试验,并实施了以国际陆面参数化方案比较计划(PIL PS—Project for Inter2 comparison of Land2surface Parameterization Scheme)为代表的一系列模式敏感性试验.PIL PS 在相同的初边值条件下对20多个陆面模式进行了对比计算,结果发现不同的陆面模式计算出的水热通量相差很大,没有一个模式能够很好地模拟整个陆气交换过程,当前陆面过程模式中仍然存在很大的不确定性[20-22].近5~6a里,由于植被动力学、生态水文学、数据同化技术、同位素和遥感技术的迅速发展,陆面过程模式得到了各种理论和高新技术的有力支持,呈现出多学科交叉研究的态势. 现代陆面过程模式的研究重点包括:水文过程模型和碳循环模型与气候模式间的耦合;尺度转换以及陆面四维同化系统的研建;非均匀下垫面的参数化问题;中尺度通量的参数化及其转换表达;边界层与自由大气间能量与物质的交换等[23-24].其中,陆气间的双向耦合、时空尺度转换、次网格非均匀下垫面的参数化等,是提高模式模拟精度的关键所在.3 水文模型的发展 水文模型是对自然界中复杂水文现象的近似模拟,是水文科学研究的重要手段[25].裸土蒸发、植被蒸散、土壤水传输、下层土壤重力排水和地表径流等陆面水文过程都属于水文模型的参数化模拟对象[26]. 水文模型的发展主要经历了3个阶段:1)经验性“黑箱”模型阶段.自20世纪20-30年代开始,一批重要的水文学原理和计算方法陆续出现[27],如以达西定律为代表的描述非饱和土壤水运动的各种控制方程;以霍顿公式为代表的各种下渗曲线公式;以彭曼方程为代表的流域蒸散发计算方法;以圣维南方程组和槽蓄原理为基础的洪水波运动非线性偏微分表达;以Nash瞬时单位线和线性水库法为代表的降雨径流模拟方法等[28].尤其是Horton 超渗产流和Dunne蓄满产流概念的提出,使人们认识到自然界中存在着两种截然不同的产流机制.关于这两种产流机制的探讨、研究和应用仍是当今水文界经久不衰的话题.这些理论、公式、方法[27]在实践中不断得到发展和完善,为水文模型的建立和应用奠定了坚实的理论基础,水文模型的雏形———经验性的“黑箱”模型应运而生;2)概念性集总式模型阶段.50年代中期至80年代中期,概念集总式水文模型逐步取代了“黑箱”模型而占据主导地位.其中代表性模型有SSA RR、Stanford、Sacramen2 to、Tank、H EC-1、SCS、新安江模型、和A PI连续演算模型等[28-29].但集总模型的最大缺陷是忽略了地形、土壤、植被、土地利用、降水等流域特征参数空间分布的异质性,而把流域作为一个整体来处理;3)分布式水文模型阶段.80年代中期开始,随着计算机、GIS和遥感技术的迅速发展,构造具有一定物理基础并能反映流域内各种要素空间异质性的分布式水文模型成为可能.与集总式相比,分布式水文模型具有明显的优势.首先,分布式水文模型可以对流域各特征要素的空间异质性分布进行参数化,可以深刻反映多源影响的水文过程的物理机制,输出重要的水文过程参数;其次,分布式水文模型是建立高精度水文模型的有效途径;另外,经过验证的分布式水文模型可以对无资料流域或欠缺资料的流域进行模拟和预测.当然分布式水文模型本身也存在缺陷,这就是需要建模者对水文变化的连续物理过程有深入了解.而且模型的参数众多,难以率定,需要大量的观测数据进行验证,因而建立分布式水文模型必须投入大量的人力和物力.目前国际上比较成熟的、影响较大的分布式水文模型有TOPMODEL[30]、SWA T[31]、D HS2 VM[32]、SH E[33-34]等.但这些模型对输入参数的要求和提供的参数库建立在欧美的数据集或观测标准之上,使得模型在我国的推广受到很大影响[35].针对国内数据情况建立具有我国流域特色的分布式水文模型,近10a来取得了不少创新性的研究成果,主要研究者有刘昌明等[36]、郭生练等[37]、夏军等[38]、康尔泗等[39]、贾仰文等[40]、任立良等[41],这些研究为我国开展陆面模式与分布式水文模型之间的耦合奠定了良好的基础. 当前水文模型的研究热点及未来的发展趋势应该包括以下4个方面:加强气候变化的水文响应研究,加深对自然变化和人类活动共同影响下的陆面水文过程变化机理研究,将水文模型与气候模式紧密耦合,提高陆面水文过程的模拟精度;开展无资料流域水文预测与应用(即PUB计划),改进269 冰 川 冻 土 28卷 MOPEX参数估计方法[25];解决水文模型的不确定性、非线性和水文尺度转换等问题;将GIS、遥感、示踪剂和同位素等高新技术引入水文模型,获取复杂、困难的水文信息,提高水文模型的实用性.4 水文模型与陆面模式的耦合 传统水文模型的研究主要针对水量的自然变化,而现代水文模型则更多地考虑地球生物圈、全球气候变化以及人类活动的影响[42].气候变化必然会引起水循环系统的变化,从而导致水资源在时空上的重新分配,改变区域降水、蒸散发、土壤湿度、径流等水文要素的循环过程;同时陆-气界面通过植被覆盖、地表粗糙度、反照率、蒸散发等地表参数的变化影响二者之间的水量及能量通量交换,从而对气候系统进行反馈.陆2气间存在双向反馈,互为驱动力[28,43].目前,很多气候模式中的陆面过程细致考虑了一维垂向上的蒸发、蒸腾及感热计算,但对二维水文过程估算粗糙,未能反映土壤湿度的侧向分布、缺少汇流过程、蒸发估计不准,因此无法很好地描述陆2气间的相互作用.在新一代陆面模式中耦合一个好的水文模型显得至关重要.从新安江模型发展而来的V IC模型和基于地形指数的TOPMODEL模型由于考虑了水文过程对土壤湿度分布、地表径流大小和空间分布,进而对蒸发大小和分布的影响,所以有可能耦合到陆面模式中去.4.1 水文模型与陆面模式耦合进展4.1.1 V IC模型 发展陆面过程模式的目的是为了能通过近地表的大气强迫(降水、气温、风速、辐射等),给出陆面水分和能量平衡的现实描述.大尺度陆面水文模型V IC,用空间概率分布函数来描述计算栅格内变化的入渗能力,可同时进行陆2气间水分及能量平衡的模拟,弥补了传统水文模型对能量过程描述的不足.V IC模型能输出每个网格上的径流深和蒸发,再通过汇流模型将网格上的径流深转化成流域出口断面的流量过程.该模型最初由Wood et al.[44]根据一层土壤变化的入渗能力提出,Liang et al.[18]在此基础上将其发展为两层土壤的V IC22L模型,后来模型中又增加了一个10cm左右的薄土层,变成3层土壤的V IC23L模型[19].该模型的主要特点是:1)同时考虑陆2气间水分收支和能量收支过程;2)同时考虑两种产流机制(蓄满产流和超渗产流)[19];3)考虑次网格内土壤、降水、植被非均匀性对产流的影响[45];4)考虑积雪、融雪及土壤冻融过程[46].基于上述特点,V IC模型在世界上很多地区进行水文过程的模拟取得了良好的效果[47-52],该模型还参加了不少重要的国际陆面参数化方案的比较计划项目[20-22,53-54]. Liang et al.[19]为解决次网格土壤异质性问题,将超渗和蓄满两种产流机制同时考虑到V IC模型中,研究了在不同的土壤和降水条件下,土壤空间分布非均匀性对两种产流机制的影响.通过在美国宾夕法尼亚州的3个流域上实验研究发现:如果不考虑超渗产流将会低估地表径流而高估土壤含水量,改良后的模型对陆2气耦合系统中地表径流和土壤水的分配起到重要作用.为了能动态表达地表水和地下水相互作用对土壤湿度和蒸散法的影响, Liang et al.[55]通过模拟地表径流和地下水,分析了地表水经渗透后的剩余部分径流的产生机理,改进后的模型较好地模拟了总地表径流和地下水含量.之后,Liang et al.[56]又在俄克拉荷马州蓝河流域研究了6种不同空间分辨率(网格大小分别为1/32、1/16、1/8、1/4、1/2和1°)下降水和土壤异质性对整个模式水分通量的影响.结果表明:V IC 模型存在临界分辨率;模型经过参数率定后,只要分辨率高于临界值则模拟结果相差不大;但如果分辨率低于临界值,即便用高分辨率下率定的参数来运行模式,也难以得到较好的模拟效果;此外,还发现如果研究区的土壤湿度对土壤特性的空间分布越敏感,则模拟的径流和蒸发对降水空间分布就越敏感. 此外,Su Fengge et al.[43]改进了V IC模型中土壤蓄水曲线和土壤深度参数,研制了气候变化对中国径流影响的评估模型,谢正辉等[57]构建了适用于区域气候模式的50km×50km分辨率网格的大尺度水文模型框架;周锁铨等[58]提出了一个在模拟地表径流、土壤湿度和地表通量时,考虑次网格降水和土壤空间异质性的计算方案GV IC,并与BA TS模式耦合,模拟和分析了长江流域地气系统水分循环过程;Zeng Xinmin et al.[59]将V IC与新安江模型相结合,研建了VXM水文模型,替代RIEMS区域气候模式中BA TS的径流描述部分,并分析了降水和入渗不均匀性对陆面水文过程模拟的影响.4.1.2 TO PMODEL模型 地形是降雨2径流陆面水文过程中的关键因素[30],是流域中气温、降水、土壤、植被等空间分3696期雍 斌等:水文模型与陆面模式耦合研究进展 布的主导因子,对陆面过程的通量计算有重要影响[23].以地形为基础的TO PMODEL半分布式流域水文模型于1979年由Beven et al.[30]提出,目前该模型在水文模拟、生态监测、气候变化、地球物理化学等领域得到了广泛的应用与发展[60-63].TOP2 MODEL以变源产流面积概念为建模基础、水量平衡原理和Darcy定律为理论依据、三个重要假设为模型简化的条件,充分考虑地形对产流源面积的形成和动态变化的影响,有效地反映出流域饱和缺水量的空间变化[30,60-64].正是由于TOPMOD EL考虑了水文过程中地形对土壤湿度分布、地表径流量、蒸散发大小及空间分布的影响,所以有可能耦合到陆面模式中去.TOPMOD EL中的饱和源面积定义为地形和地下水埋深的函数[30],这与陆面模式(如SiB和BA TS等)中近地表土壤含水量密切相关.Warrach et al.[65]指出由于TOPMOD EL能够简单而定量地刻画地形对次网格土壤含水量空间分布的影响,而且需要率定的参数少,这就使得TOPMODEL与陆面模式耦合的能力很可能要优于V IC模型.这个结论坚定了很多学者在区域或全球气候模式中实现TOPMODEL与陆面模式成功耦合的信心. Famiglietti et al.[66]首先采用统计动力法,将流域尺度改进后的TO PMODEL集成到宏观尺度上,构建了可用于气候模式的陆面水文参数化方案TOPL A TS,来表达陆面过程中水分和能量循环的时空变化特征.该模式利用地形-土壤指数(即ln {(αT e)/T x tanβ)})的空间统计分布来模拟土壤水随坡降再分配的状况,从而使模式具有表达土壤缺水量、根区含水量、径流量和能量通量等次网格异质性变化特征的能力.为了将遥感观测资料同化到TOPL A TS模式中,Peters2Lidard et al.[67]对模式中地热通量、土壤水垂向扩散、土壤蒸发、散发、感热和潜热通量的稳定性校正系数等参数化过程进行了改进,使得模型更适合进行短时期、近地面的水分能量动态变化过程模拟,这对于大气边界层的研究,以及充分利用遥感观测数据等非常有意义. Seuffert et al.[68]用TOPLA TS替换了中尺度模式Lokal Model中的土壤处理模块TERRA,实现了TOPL A TS与气候模式的双向紧密耦合.改进后的模式较好地考虑了土壤和植被的空间异质性分布. Niu Guoyue et al.[69-70]发展了一种基于简单TOPMODEL的全球气候模式陆面径流参数化方案SIM TOP,最近还提出了一种用于计算地下水埋深的简单地下水模型SIM GM,并将新建的SIM TOP 和SIM GM耦合到NCA R-CL M3标准全球气候模式中.该模式将地形指数空间离散分布简化为单参数指数函数,而非先前的三参数gamma函数,进一步简化了径流量的计算公式.新方案对地表径流和地下径流的模拟精度明显比原模式中baseline径流方案好得多.由于减少了率定参数,同时采用降尺度公式调整了次网格地形指数均值空间分布,与Chen Ji et al.[71]提出的TOPMOD EL耦合方案相比,改进后模式的地表径流和地下径流的计算公式更加简洁、高效,模拟精度也更好些.但由于模式中并没有对冻土中过冷液态水及其水力特性进行相关处理,导致模式在中高纬度地区的模拟效果比低纬度热带地区要差.而且在中纬度地区,该模式模拟的融雪时间过早,雪深小于实测值. 此外,目前还出现了不少考虑地形因子影响的探讨分析和参数化耦合方案.如,Stieglitz et al.[72]基于TO PMODEL概念框架和原理公式,提出了用地形因子来控制区域和全球气候模式中的地表水文过程模拟;Chen et al.[71]将地形指数ln (α/tanβ)嵌入L ABs大尺度水文模型中,模拟和分析了地形对于美国北方大尺度流域上水和能量年季变化的影响等.TOPMODEL与陆面模式的耦合为陆面水文过程的发展提供了捷径和新思路.4.1.3 其它水文模型 除了V IC和TOPMOD EL,其它水文模型与陆面模式的耦合及相关研究也取得了很大的进展.例如,ARNO模型吸取了新安江模型的蓄水容量曲线的思想[73],与Hamburg气候模式成功耦合[74],较好地处理了GCM计算网格内土壤水空间分布不均匀性问题;Mengelkamp et al.[75]将水平方向径流汇流模型嵌入SEWAB陆面过程中模拟和检验了模式的水分收支状况;Habet s et al.[76]将MODCOU大尺度水文模型与ISBA陆面模式相耦合,改进了ISBA的网格产汇流方案;王守荣等[77]在滦河及桑干河流域进行了水文模型D HSVM与区域大气模式RegCM2/China的嵌套模拟试验;苏凤阁等[78]结合新安江模型蓄水容量曲线概念与线性水库汇流方法改善了陆面过程模式AV IM对产汇流过程描述的不足等等. 另外,由于地下水和地表水有重要的相互作用,地下水位模型与陆面模式的耦合也成为目前国内外的一个研究热点.地下水位的时空分布在很大程度上受地形、植被、气候条件及人类活动的影469 冰 川 冻 土 28卷 响,反过来地下水的变化又影响着土壤含水量的分布和变化,进而影响土壤蒸发、植被蒸腾和地表感热和潜热通量,从而对气候产生重要影响,因此地下水的动态变化是陆气相互作用中一个重要的物理过程[7,11,17-19].目前,国内外学者提出了一些新的地下水数值计算模型,并与陆面过程模式相耦合,动态表达了非稳态下的地下径流机制[79-82].4.2 水文模型与陆面模式耦合中存在的共同问题和研究要点 各种水文模型与陆面模式耦合的尝试,拓宽了研建陆2气参数化方案的视野,加深了人们对陆面水文过程机制的理解.目前,水文模型与陆面模式的耦合基本上可归为两类:1)用气候模式预测的结果作为输入,来驱动水文模型,即单向耦合;2)直接将水文模型内嵌到陆面过程模式中,实现双向耦合.虽然不同的研究者从不同的角度提出了不同形式的耦合方案,但这些模式的通用性不强,而且未能很好解决耦合过程中出现的一些关键问题,从而导致模式对陆2气间的相互作用的描述仍不够准确.尺度问题、非均匀性问题、不确定性问题是水文模型与陆面过程耦合中存在的共同问题,同时也是目前和今后的研究重点. (1)尺度问题.大气和水文时空尺度差异很大,大气过程在空间上变化比较均匀、时间上比较激烈,而水文过程正好与之相反.在空间尺度上,气候模式属于大尺度范畴,而水文模型通常活跃在流域尺度(102~105m),即Dooge[83]定义的中观尺度(102~104m)及宏观尺度的低阶部分(105m);时间尺度上,气候模式的积分步长从几分钟到1h不等,水文模型的计算步长通常为小时、日、月甚至年.如何解决水文模型和气候模式之间时空过程的尺度不匹配问题是进行模式耦合的研究关键.目前解决尺度问题的3种可能途径是:1)研究资料在时间尺度上的解集方法,如将降雨径流月资料解集到日,日资料解集到小时,这就为解决水文模型与气候模式在时间尺度上不匹配提供了一种可行方法;2)对各种水文、气象要素在不同分辨率上的空间统计关系进行数学表达[84];3)利用各种手段、方法(如灰色系统法等)获取不同尺度模型耦合新信息,从而得到最恰当的尺度转换简化关系[85].(2)次网格非均匀性问题.地形、土壤、植被、降水等要素在GCM和RCM次网格内的高度非均匀性严重影响了陆面水文过程的模拟精度和效果,进行陆气耦合必须考虑次网格的非均匀性.进行非均匀性研究是为了提出一个二维或者三维的、具有良好验证性和通用性的陆面水文过程参数化方案,从而定量表达土壤2植被2大气界面交互过程.目前虽然有很多处理方案试图解决非均匀性问题,但对土壤水、蒸散发等水文过程的描述仍缺乏有效性. (3)不确定性问题.水文模型和陆面模式中大量不确定性参数,以及模式耦合模拟时水文模型和气候模式模拟结果的实时传递和相互反馈中存在的各种不确定性因素,将直接导致整个陆气模式系统的不确定.不确定性问题是十分棘手的问题,我们应当积极推动PUB计划[86],采用不确定因素多准则集成技术、风险估计方法、多元数据对比方法对模式的不确定性进行量化[25],用数据同化技术来提高对数据、参数的优化能力,为气候模式提供更好的初始场. (4)高新技术方法的合理应用.陆面水文过程的发展与RS、GIS、D EM技术和计算机科学技术的快速发展密不可分.在水文模型中通过有效地集成RS、GIS的空间采集和分析功能,并结合四维数据同化系统技术、示踪剂和同位素技术等,以获取栅格降雨、各种下垫面特征的空间参数或气候模式预测的大气强迫数据,来实现陆2气间的双向驱动.这些高新技术的合理应用是提高水文模型与陆面模式耦合能力的重要技术支撑.4.3 分布式水文模型与陆面模式耦合在全球变化研究框架中的地位与意义 目前,全球变化已经成为国际地球科学发展的主题,人类正面临着一个变化的地球的挑战.近20 a来国际地圈2生物圈计划(IG B P),世界气候研究计划(WCRP),全球能量和水循环实验(GEWEX)都将陆面水文过程作为全球变化的重要的研究内容之一,进行了大量的水文模型与陆面过程之间的耦合研究.如何在大气模式中建立能有效描述陆2气间水气通量和能量通量的陆面水文过程参数化方案已经成为全球变化研究中的热点问题. 图1是当前人们正在尝试并希望未来能够实现的一种全球变化模式研究框架(来自2006年与日本东京大学Toshio K oike教授在中国科学院大气物理所东亚中心的学术交流).该框架旨在全球尺度的GCM中内嵌一个区域气候模式RCM,来获取高分辨率的模式输出,从而实现动力降尺度的目的.图1中上方的GCM和RCM方框指基于同一动力框架(如MM5等)的大气环流模式和区域气候模式.其左下方的两个框图是为增强全球变化框架功能而嵌5696期雍 斌等:水文模型与陆面模式耦合研究进展 。
陆面水文模型VIC研究及其与天气发生器的集成——以湖北省白莲河流域为例

陆面水文模型VIC研究及其与天气发生器的集成——以湖北省白莲河流域为例陆面水文模型VIC是一种广泛应用于区域尺度水文研究的模型,可以模拟陆地水文循环和地表水与地下水的互动过程。
本文以湖北省白莲河流域为例,研究了VIC模型在该流域的应用,并将其与天气发生器集成,探讨了二者之间的相互作用关系。
一、引言水资源是人类生存和发展的基础和关键要素,在全球变暖和人口快速增长的背景下,水资源的可持续利用已成为重要议题。
陆面水文模型VIC(Variable Infiltration Capacity model)是一种基于物理过程的模型,广泛用于模拟陆地水文循环。
天气发生器是一种生成人工气象数据的工具,用于模拟特定区域的气候情况。
本文通过将VIC模型与天气发生器集成,旨在深入研究VIC模型的模拟能力,并探讨其与天气发生器的联合应用对流域水文过程的影响。
二、VIC模型概述VIC模型是一种基于水量平衡原理和土壤水分平衡方程的陆地水文模型,可以模拟地表水文和地下水循环过程。
该模型综合考虑了降水、蒸散发、土壤水分、地下径流等因素,可用于研究流域尺度的水文过程。
VIC模型的基本原理包括降水输入、蒸发蒸蔽指数(ETP)计算、土壤水分计算以及径流计算四个步骤。
其中,降水输入通过气象站点观测数据或气象模型输出数据获取,蒸发蒸蔽指数计算采用Penman-Monteith公式,土壤水分计算基于土壤水分平衡方程,径流计算利用流域面积和泄流演算公式计算。
三、VIC模型在白莲河流域的应用白莲河流域是湖北省的一个典型流域,其地理特征和气候条件对流域水文过程有重要影响。
本文以白莲河流域为案例,应用VIC模型模拟了该流域的水文过程。
首先,收集了流域内的气象站数据,如降水、气温等。
然后,通过VIC模型提供的接口,将气象数据输入模型进行模拟计算。
模拟结果显示,VIC模型在白莲河流域的应用能够较准确地模拟流域的水文过程,包括蒸发蒸蔽指数、土壤含水量、地下径流等。
陆面数据同化系统的研究综述

陆面数据同化系统的研究综述一、本文概述随着地球系统科学的发展,陆面数据同化系统(Land Data Assimilation Systems,LDAS)在气候模拟、天气预报、水文循环、生态环境等多个领域的应用日益广泛。
本文旨在全面综述陆面数据同化系统的研究现状和发展趋势,为相关领域的研究和实践提供参考。
本文将首先介绍陆面数据同化系统的基本概念和原理,阐述其在地球系统科学中的重要作用。
接着,将回顾陆面数据同化系统的发展历程,包括同化方法、数据来源、同化模型等方面的进步和变革。
在此基础上,本文将重点分析当前陆面数据同化系统面临的主要挑战和问题,如数据的不确定性、同化模型的复杂性、同化方法的局限性等。
为了更深入地探讨陆面数据同化系统的研究现状,本文将从同化技术、同化应用、同化评估等多个方面展开论述。
在同化技术方面,将介绍目前主流的同化方法,如变分同化、集合卡尔曼滤波同化等,并分析其优缺点和适用范围。
在同化应用方面,将概述陆面数据同化系统在气候模拟、天气预报、水文循环、生态环境等领域的应用实例和效果。
在同化评估方面,将介绍常用的评估指标和方法,如误差分析、一致性检验、敏感性分析等,以评估同化结果的可靠性和准确性。
本文将展望陆面数据同化系统的发展趋势和未来研究方向。
随着遥感技术、大数据技术、技术等新兴技术的发展,陆面数据同化系统将在同化方法、数据来源、同化模型等方面实现更多的创新和突破。
随着全球变化研究的深入,陆面数据同化系统将在应对气候变化、生态环境保护等方面发挥更加重要的作用。
本文希望通过综述陆面数据同化系统的研究现状和发展趋势,为相关领域的研究和实践提供有益的参考和启示。
二、陆面数据同化系统的概念与重要性陆面数据同化系统,简称陆面同化,是一个集成了多源、多时相、多尺度的陆面观测数据的综合处理与分析平台。
其核心任务在于通过同化算法,将不同来源、不同分辨率、不同精度的陆面观测数据融合为一套协调一致、时空连续的数据集,从而实现对陆地表层系统状态及其变化的全面、准确描述。
陆面水文模型VIC研究及其与天气发生器的集成——以湖北省白莲河流域为例

陆面水文模型VIC研究及其与天气发生器的集成——以湖北省白莲河流域为例陆面水文模型VIC研究及其与天气发生器的集成——以湖北省白莲河流域为例引言:陆面水文模型(VIC)是一种广泛应用于陆地水文研究中的模型,具有对水文循环的较好模拟能力。
天气发生器是一种用于生成气象数据的工具,可以为水文模型提供输入数据。
在湖北省白莲河流域这一典型流域中,结合VIC模型和天气发生器,可以辅助研究该流域的陆面水文过程和水资源管理等问题。
本文将详细介绍VIC模型的原理和白莲河流域的特点,并探讨如何集成天气发生器,为该流域水文研究提供有益的工具。
一、VIC模型原理VIC模型是一种分布式水文模型,以单元格为基本单位,将流域划分为若干个单元格,模拟水文过程。
VIC模型的核心是水量平衡方程,通过计算降雨、蒸发、融雪等各项水文过程,来模拟流域的水文循环。
VIC模型具有较好的适用性和可扩展性,可以根据不同流域的特点进行参数化调整,以提高模拟效果。
二、白莲河流域特点白莲河流域位于湖北省南部,是一个 typewriter平流域,总面积约为10000 km2,气候类型为亚热带季风气候。
该地区的降雨主要分布在夏季,且存在较为明显的降雨空间差异。
流域内地形复杂,山地和平原交错,土壤类型多样,是典型的研究对象。
三、VIC模型在白莲河流域的应用VIC模型结合白莲河流域的地理特点和气候条件,可以模拟流域的水文过程,预测径流量和地下水补给量等关键水文指标。
通过对土壤湿度和蒸发量等变量的模拟,可以了解流域水资源的利用状况,为水资源管理提供决策依据。
四、天气发生器的集成天气发生器是一种可以根据历史气象数据生成未来一段时间内的气象数据的工具。
将天气发生器与VIC模型集成,可以为VIC模型提供准确的输入数据。
通过对白莲河流域历史气象数据进行分析,建立气象数据的统计分布模型,并生成未来一段时间内的气象数据,进而进行水文模拟。
五、结论VIC模型结合天气发生器在白莲河流域的应用,可以帮助我们更好地理解该流域的水文过程和水资源管理问题。
水文模型发展综述

水文模型发展综述
水文模型的发展史可追溯至20世纪50年代,当时发展的水文模型以描述森林地质火山过程的模型为先驱。
20世纪80年代以后,水文模型经历了革命性的变革,从基础研究上发展到现实应用,变成了一种应用于水资源管理和水科学领域的强大工具。
目前,水文模型已十分发达,各种形式的水文模型如数学模型、计算流体动力学模型、格子拉格朗日模型等不断出现,受到了广泛的应用。
水文模型的发展向复杂化方向发展,水文模型对模拟系统特性的精度和真实性有越来越高的要求,模型解释力也在不断增强。
与此同时,新型水文模型也在逐步出现,如近年开发的自顶向下和自底向上混合模型,以及GEPIT模型等,有助于模拟更加真实复杂的水文系统。
此外,水文模型的发展也在朝着仿真技术的方向发展,如实时水文模拟技术和多媒体水文仿真技术。
综上,水文模型的发展史一直在积极变化,将逐渐在模拟精度、真实性、复杂性和仿真技术等方面发展,为水资源管理及科学研究提供更有效的支持。
如何进行水文模型参数估计与优化

如何进行水文模型参数估计与优化水文模型是研究水文过程的数学和物理模型,在水资源管理、洪水预报、水文预测等领域具有重要的应用价值。
水文模型通过对流域内水文过程的数学描述,可以模拟和预测流域内的水文变化,为水资源利用和水灾防治提供科学依据。
水文模型的准确性和可靠性取决于其参数的估计与优化。
本文将着重探讨水文模型参数估计与优化的方法和技术。
一、水文模型参数估计方法水文模型中的参数是用于表征流域水文过程特征的数值,包括径流系数、蒸散发系数、水库出流系数等。
水文模型参数的估计是建立模型并进行模拟预测的基础,常见的水文模型参数估计方法包括以下几种。
1. 直接观测法:通过野外观测和实测数据,直接获取模型参数。
例如,通过水文站点的水位、降雨量等实测数据,运用流量-水位关系曲线和单位线法等方法,推算出流域的径流系数。
2. 统计法:利用历史观测数据和统计分析方法,对模型参数进行估计。
例如,对于蒸散发系数,可以通过观测站点的气象数据,利用统计分析方法拟合出蒸发量与气象因子之间的关系,并将拟合参数应用于水文模型。
3. 迭代优化法:使用数值优化算法,通过不断迭代计算,寻找使模型模拟结果与实测数据拟合最好的参数。
其中,常用的数值优化算法包括梯度下降法、遗传算法、模拟退火算法等。
这些算法通过不断调整参数数值,优化模型的适应性。
二、水文模型参数优化技术水文模型参数优化的目标是寻找模型输出与实测数据之间最好的拟合程度,通常使用的评价指标包括均方根误差(RMSE)、平均绝对误差(MAE)等。
为了提高参数优化的效果,可以采用以下技术。
1. 敏感性分析:通过敏感性分析,确定影响模型输出的关键参数。
敏感性分析可以基于数值计算或数学推导,得到不同参数对输出结果的影响程度。
通过优先调整敏感性较高的参数,可以提高参数优化的效果。
2. 参数拟合范围设定:对于某些参数,可能存在边界约束或物理意义约束。
在进行参数优化时,需要合理设定参数的拟合范围,以保证优化结果的可靠性和合理性。
陆面过程模式的研究进展简介

陆面过程模式的研究进展简介
陆面过程模式是描述陆地表面与大气之间相互作用和相互转化的物理数学模型,主要应用于气候和气象预报、生态系统和环境监测、水资源管理等领域。
以下是关于陆面过程模式研究进展的简介:
1. 模式发展和完善:随着计算机技术和数值模式的不断发展,陆面过程模式逐渐从简单走向复杂,考虑的物理过程越来越多,如土壤水热耦合、植被动态模拟等。
同时,模式也越来越注重与生态、水文、气象等学科的交叉融合,以更好地模拟和预测陆地生态系统中的各种过程。
2. 参数化方案改进:参数化方案是陆面过程模式中的重要组成部分,其目的是将一些难以直接求解的物理过程进行简化描述。
近年来,研究者们不断改进和优化参数化方案,以提高模式的模拟精度和预测能力。
例如,土壤蒸发、植被蒸腾等过程的参数化方案得到了不断改进和完善。
3. 数据同化应用:数据同化是将观测数据与模式进行融合的方法,以提高模式的模拟精度和可靠性。
近年来,数据同化技术在陆面过程模式中得到了广泛应用,如卫星遥感数据、地面观测数据等被广泛应用于模式的数据同化中,以提高模式的预测能力。
4. 人工智能和机器学习应用:人工智能和机器学习技术在陆面过程模式中的应用也得到了越来越多的关注和研究。
例如,利用机器学习算法对陆面过程模式输出的结果进行后处理和误差修正,以提高模式的预测精度和可靠性。
总的来说,陆面过程模式的研究进展在不断推动着相关领域的发展和应用。
随着技术的不断进步和应用需求的不断提高,未来陆面过程模式的研究将会更加深入和广泛。
基于均匀设计法的VIC模型参数率定

基于均匀设计法的VIC模型参数率定朱悦璐;畅建霞【摘要】[目的]用新方法对大尺度分布式水文模型VIC的参数进行率定,为水文模型参数率定提供新的思路.[方法]采用均匀设计理论对传统的率定区间进行重构,确定最优组合,并对渭河流域的林家村、张家山以及流域出口断面水文站的径流进行模拟调试.[结果]将基准期需要率定的6个参数转化成一个6因素10水平的组合,仅通过10次率定就使各站的Nash系数达到0.85以上,总量精度误差控制在5%以内,能够满足工程精度要求.[结论]与其他参数率定方法相比,均匀设计原理在保证模拟效果的同时可以极大地减少工作量.【期刊名称】《西北农林科技大学学报(自然科学版)》【年(卷),期】2015(043)012【总页数】8页(P217-224)【关键词】VIC模型;参数率定;均匀设计;优选方案【作者】朱悦璐;畅建霞【作者单位】西安理工大学水利水电学院,陕西西安710048;西安理工大学水利水电学院,陕西西安710048;河海大学水文水资源与水利工程科学国家重点实验室,江苏南京210098【正文语种】中文【中图分类】P333水文模型参数是水文模型的重要组成部分,参数率定过程是水文模型是否建立成功的关键,参数率定好则模型模拟就准确,反之模拟结果无法应用于工程实际,因此水文模型的参数率定研究是进行后续水文工作的基础,具有十分重要的意义。
参数率定问题,就是找到模拟和实测曲线最优解的问题,很多学者对各种水文模型参数率定进行了大量研究并取得了丰富的成果[1]。
张洪刚等[2]以概念性水文模型为研究对象,综合考虑了水量平衡、确定性系数、洪峰、枯水流量过程等目标函数,提出了多目标函数参数自动优选法。
章四龙等[3]、包为民[4]设计了一种将优选方法与模型参数相耦合的自动率定函数,可以通过计算机运算找到目标函数的耦合图形。
在Duan等[5]的研究基础上,马海波等[6]对半分布式水文模型TOPMODEL在江西修水万家埠流域的模拟采用了SCE-UA算法,对模型的参数进行了优化并取得了较好的成果。
水文模型与陆面模式耦合研究进展

水文模型与陆面模式耦合研究进展1. 本文概述随着全球气候变化和人类活动对水循环过程的影响日益显著,水文模型与陆面模式的耦合研究成为了当前地球系统科学领域内的热点问题。
水文模型和陆面模式作为模拟和理解地球表层水循环、能量交换以及生物地球化学循环的重要工具,其耦合研究对于提高气候系统模拟的准确性和预测能力具有重要意义。
本文旨在综述近年来水文模型与陆面模式耦合研究的进展,分析现有耦合方法的优势与局限,探讨未来研究的发展方向和挑战。
通过综合评述国内外相关研究成果,本文将为相关领域的研究者提供有益的参考,并为水资源管理、生态保护和气候变化适应策略的制定提供科学依据。
2. 水文模型概述水文模型是模拟和预测水文循环过程的数学或计算模型,它们在水文学和水资源管理中起着至关重要的作用。
这些模型通常用于预测河流流量、洪水事件、地下水位变化以及地表水与地下水的相互作用等。
水文模型的主要目标是理解和预测水文系统在不同自然和人为因素影响下的行为。
水文模型可以根据其结构、复杂性和应用范围分为几种类型。
主要类型包括:概念性模型:这些模型基于对水文过程的基本理解,通常包括简化的方程来描述降雨径流过程。
它们易于构建和维护,适用于数据稀缺的地区。
物理模型:这些模型尝试尽可能真实地模拟水文过程,通常包括详细的物理方程来描述水、能量和物质的传输。
它们适用于复杂的水文系统研究,但需要大量的输入数据和计算资源。
分布式模型:与传统的集总式模型不同,分布式模型在空间上离散化水文过程,以考虑地形、土壤类型和土地利用等空间变化对水文循环的影响。
数据驱动模型:这些模型依赖于统计分析或机器学习方法,从历史数据中学习水文系统的行为,不需要明确的物理过程描述。
洪水预测与管理:通过模拟降雨事件和流域响应,预测潜在的洪水事件,为防洪措施提供科学依据。
水资源规划与管理:评估水资源的供需状况,优化水库运行和水分配策略。
生态系统保护:模拟水文过程对河流生态系统的影响,为生态保护和恢复提供指导。
“水文循环大气—陆面过程模拟及应用”项目成果简介

“水文循环大气—陆面过程模拟及应用”项目成果简介水文循环大气-陆面过程模拟研究是水文和气象学科共同关注的重大科学问题,属水文水资源与气象科学技术领域。
项目以延长流域洪水预报预见期为主要目标,从致洪暴雨水汽条件和天气系统异常特征分析入手,运用动力和统计相结合的降尺度方法,着重解决了大气模式和水文模型的尺度匹配问题,改进了陆面过程模拟关键技术,实现了基于模型和误差双向信息流的水文循环大气—陆面过程耦合模拟,创建了集降雨定量预报与实时洪水预报于一体的陆气耦合实时洪水预报集成系统,使洪水预报有效预见期在原有基础上增加了72小时以上。
主要研究内容包括过程机理、尺度匹配、模型方法和系统集成四个方面:1、过程机理方面:开展了水文循环的大气过程研究,揭示了洪涝年份流域上空水汽输送路径异常特征,不仅为定量降雨预报提供了先期水汽条件信息,而且为制定大气模式与水文模型的尺度匹配方案提供了依据。
创建了致洪暴雨天气系统识别指标体系,揭示了500hPa高度信号场异常与致洪暴雨的关系,不但为致洪暴雨的预警提供了信息,而且为选择合适的降雨预报模式提供了理论基础。
2、尺度匹配方面:开展了动力-统计降尺度方法及融合多源信息的定量降雨集成预报研究。
创建了基于中尺度模式的动力降尺度方法,揭示了不同类型降雨的预报误差特性,融合历史降雨与多模式预报降雨信息,运用统计降尺度方法构建了流域尺度的定量降雨集成预报模型。
开展了基于多源信息的流域降雨估算研究,引入TRMM卫星测雨资料,提出了T-G联合降雨估算方法,获得了流域降雨空间分布的小尺度特征。
3、模型方法方面:引入了壤中流产流机制,实现了对陆面模型模拟土壤含水量和径流过程的改进。
改进了陆面模型中植被参数获取和蒸散发计算方法,提出了水文参数移用方法,构建了中国范围大尺度水文模拟平台。
提出了考虑参数空间分布的流域汇流模型,为构建陆气耦合实时洪水预报模型提供了基础。
4、系统集成方面:研究了洪水预报误差修正和交互式预报技术。
GRAPES NOAH-LSM陆面模式水文过程的改进及试验研究

GRAPES NOAH-LSM陆面模式水文过程的改进及试验研究王莉莉;陈德辉【摘要】土壤含水量的计算影响着陆面过程的能量平衡和水量平衡,是陆面模式的核心计算要素之一.目前,GRAPES_Meso模式采用的NOAH-LSM (Noah-Land Surface Model)陆面模式既不能有效地表达径流产源面积的变动情况,也不能完整描述水文循环过程.本次试验针对以上问题对其进行了改进:(1)加入蓄水容量曲线,考虑网格内产流面积的变化及土壤含水量的不均匀性;(2)加入汇流模式,以考虑水平二维水分再分配,提高模式对径流和流量模拟能力.选取2008年8月至9月降水进行模拟试验,研究陆面水循环过程对近地面气象要素的影响.结果表明:改进后的模式模拟土壤湿度、2 m温度等近地面气象要素更接近观测值,并最终对降水量以及降水落区也产生了一定的影响.【期刊名称】《大气科学》【年(卷),期】2013(037)006【总页数】8页(P1179-1186)【关键词】GRAPES_Meso模式;NOAH-LSM (Noah-Land Surface Model);蓄水容量曲线;Muskingum方法;双向反馈【作者】王莉莉;陈德辉【作者单位】国家气象中心,北京100081;国家气象中心,北京100081【正文语种】中文【中图分类】P4611 引言土壤水仅占世界可用水资源总量的很小一部分,但由于土壤水含量难以准确测量,所以利用观测土壤水含量来进行气象模拟是非常不切实际的,又由于卫星短波频率使得覆盖面积和准确度都难以达到要求,所以直接利用其来进行气象模拟也是不切实际的。
因此,利用陆面模式对土壤含水量模拟,影响着热量平衡和水量平衡的计算,并且直接和间接的影响着近地面气象要素的预测起着非常重要的作用,例如陆面和大气之间主要的反馈因素——感热和潜热通量,主要取决下垫面的土壤含水量状况。
陆面模式的陆面水文过程就是对水量平衡进行描述的:降水落到地面后一部分被叶面截流,一部分到地面;经叶面截流的部分用于蒸发或滴落到地面,与直接落到地面的降水一起渗入土壤中或形成地表径流;土壤中的水和叶面截流的降水通过蒸发返回大气,植被的根系从土壤中吸收水分再由叶面向大气蒸腾水汽。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
裸土蒸发Eg(bare soil surface evaporation)
冠层水量平衡
冠层持水量Mc的平衡方程可由下式表达: M c P E w Dc t
P-降水率; Ew -土壤湿部蒸发; Dc-大于叶片最大持水量而滴落到地面的部分。
R
E K1 K2
P D1 D2
z=0 z=-z1 z=-z2
基于全国50 kmX50 km网格 大尺度陆面水文模型
基于全国50 kmX50 km网格 大尺度陆面水文模型
陆 面 过 程 模 式 ( )
水分收支过程
VIC
能量收支过程
Grid Cell Energy and Moisture Fluxes
Grid Cell Vegetation Coverage
z2
3 .( z3 z2 ) K ( ) z2 D( ) t z
z2
Qb
径流和排水
P z2 .( s 2 ), i0 p im 1 b R i0 P P z2 .( s 2 ) z2 . s .1 i , i0 P im m
陆面过程研究前沿问题
• 水文过程研究需要深入; • 生态过程机制(C,N循环)需要发展,植被 动态演替; • 各种非均匀性问题; • 陆面模型的参数标定与移植; • 陆面数据同化问题,全球土壤湿度等陆面分 量的时空分布; • 与区域与全球气候模式的耦合; • 各种应用问题; • 雪盖、冻土和旱土、大面积水面作用的描述 简单,冻土、雪盖占陆面面积都远大于1/4, 沙漠区占1/4。
• 陆面水文模型发展、参数标定与移植
及其耦合、模拟研究; • 基于全国50 kmX50 km大尺度陆面水文模型; • 陆面模型的参数标定、移植与模拟; • 讨论
陆面过程中地下水位的动态表示及其与气候模式的耦合.
– Xie Zhenghui, Zeng Qingcun, Dai Yongjiu, and Wang Bin, Numerical simulation of an unsaturated flow equation, Sciences in China(Series D), 4(14),429-436, 1998. – Xie Zhenghui, Zeng Qingcun, Dai Yongjiu, An unsaturated soil flow problem and its numerical simulation, Advances in Atmospheric Sciences, 16(2), 183198,1999 – Xie Zhenghui, Liang Xu, Zeng qingcun, A parameterization of groundwater table in a land surfacee model and its applications, Chinese Journal of Atmospheric Sciences, 28(4),331-342, 2004. – Liang Xu, Xie Zhenghui, A new parameterization for surface and groundwater interac -tions and its impact on water budgets with the variable infiltration capacity(VIC) land surface model, Journal of Geophysics Research,108(D16), 8613,doi:10.1029/2002-JD003090, 2003. – Yang Hongwei, Xie Zhenghui, A new method to dynamically simulate groundwater table in land surface model VIC, Progress in Natural Progress,13(11), 819-825, 2003. – Yeh et al 2005 JC. – Maxwell et al 2005, JHM. – Xie Zhenghui, Xiangjun Tian, Hongwei Yang, A land surface parameterization scheme with a groundwater model for climate models and its applications,2006. – Tian xiangjun, Xie Zhenghui, Coupling a Groundwater Component to the NCAR Community Atmosphere Model,2006.
贵阳论坛
相关研究小组人员
• • • • 田向军, 梁妙玲, 张生雷, 袁 飞, 师春香 郑 婧, 宋丽叶 袁 星, 陈 锋 苏凤阁,杨宏伟(USA)
陆面过程
陆面过程是能够 影响气候变化的 发生在陆地表面 的土壤中控制陆 地与大气之间动 量、热量及水分 交换的那些过程;
提 纲
2
Three-Layer Variable Infiltration Capacity
1
P N
...1 N+1 (VIC-3L) Model
Rs
Infiltration Capacity
RL Ec L S RL Et Eb
Canopy
Variable Infiltration Curve im
i0+P i
Variable Infiltration Curve Infiltration Capacity im
i0+P i
0
i=im[1-(1-A)1/b] R
W
W0
Baseflow Curve Baseflow,B
陆面水文生态模拟
– Xie Zhenghui, Liu Qian, Su Fengge, An application of the VIC-3L land surface model with the new surface runoff model in simulating streamflow for the Yellow River basin, IAHS Publiction No.289, 241-248, 2004. – 谢正辉,刘谦,袁飞,杨宏伟,基于全国50km×50km网格的大尺 度陆面水文模型框架,水利学报,(5),76-82,2004. – Yuan Fei, Xie Zhenghui, Liu Qian, Yang Hongwei, Su Fengge,et al, An application of the VIC-3L land surface model and remote sensing data in simulating streamflow for the Hanjiang River Basin, Canadian Journal of Remote Sensing, 30(5), 680-690,2004. – Su Fengge, Xie Zhenghui, A model for assessing effects of climate change on runoff in China, Progress in Natural Progress, 13(9), 701707,2003. – 梁妙玲,谢正辉,我国气候对植被分布和净初级生产力影响的数值模 拟,气候与环境研究,已接受,2006. – Yuan Fei, Xie Zhenghui, Liu Qian, Xia Jun, Simulating Hydrologic Changes with Climate Change Scenarios in the Haihe River Basin, Pedosphere, 15(5): 595-600, 2005.
土壤水模型
用一维Richard’s方程来描述土层间的传导和扩散过程:
K ( ) ( D( ) ) t z z z
Qb
z=-z3
各土层的控制方程为: 1
t
. z1 P R E K ( ) z1 D( )
z
z1
2 . z2 P R E K ( ) z2 D ( ) t z
0
i=im[1-(1-A)1/b] R
W
W0
P
R
0 As
1
Fraction of Area
Layer 1
Baseflow,B
Qb
Dm
Baseflow Curve
Qd
Layer 3
Qb
Ds Dm
0
WsW3c
W3c
Layer 3 Soil Moisture,W3
水分收支过程
植被蒸散、裸土蒸发、土壤水传输、排 水和径流决定了陆面过程中的水分收支, 也是VIC中所考虑的主要水文过程。 蒸散发(evaporation and transpiration) 冠层截流(canopy interception) 土壤水模型(soil hydrological model) 径流和排水(runoff and drainage)
地表地下陆面水文机制
– Liang Xu, Xie Zhenghui, 2001, A New Surface Runoff Parameterization with Subgrid -Scale Soil Heterogeneity for Land Surface Models, Advances in Water Resources, 24(9-10), 1173-1193, 2001. – Xie Zhenghui, Su Fengge, Liang Xu, Zeng Qingcun, et al,Applications of a surface runoff model with Horton and Dunne runoff for VIC, Advances in Atmospheric Sciences. 20(2), 165-172, 2003. – Liang Xu, Xie Zhenghui, Important factors in land-atmosphere interactions: surface runoff generactions and interactions between surface and groundwater, Global Planetary Change, 38,101114,2003. – Tian Xiangjun, Xie Zhenghui, Zhang Shengle, Liang Miaoling, A subsurface ruoff parameterization with water storage and recharge based on the Boussinesq-Storage Equation for a Land Surface Model, Science in China (Series D), 2006.