基于分布式水文模型DHSVM的平通河流域水文模擬

石 超 龔 霞 張行南，3 夏達忠

（1.河海大學 水文水資源學院，南京 210098；2.中交上海航道勘察設計研究院有限公司，上海 200120；3.河海大學 水資源高效利用與工程安全國家工程研究中心，南京 210098）

我國中小河流分布廣、數量多，流域地理、氣候復雜多樣.傳統的水文模型由于無法反映產匯流的空間分布特性，難以取得良好的效果，因此，建立結合GIS技術、RS技術、信息技術和通信技術，獲取流域下墊面空間分布信息的分布式水文模型，已成為中小河流洪水預報的發展方向.

目前應用較多的分布式水文模型有SHE系列［1-2］、TOPMODEL［3］、SWAT［4］和 VIC［5］模型等，其中由華盛頓大學西北太平洋國家實驗室于1994年提出的分布式水文土壤植被模型（DHSVM），可以精細地考慮地形、土壤、植被等下墊面地質條件與水文循環的關系［6］，在國外獲得了成功應用.DHSVM用于中小尺度流域的徑流模擬，其分辨率一般可達幾十到幾百米之間.王守榮等［7］首先在國內半干旱半濕潤的海河和灤河流域應用該模型，取得了較好的模擬結果；高艷紅等［8］也將該模型的匯流方案與運用包含土壤、植被陸面過程OSULSM的中尺度大氣模式MM5耦合，成功模擬了黑河流域上游洪水事件.但由于山區中小河流洪水時空分布、成因、形成過程復雜等原因，這些模型應用于復雜地形的山區中小河流域時效果卻不理想［9］.

本文基于平通河流域的特點以及中小河流域預報的特點與難點，集成GIS、RS等充分利用流域地形、土壤、植被等下墊面數據，運用DHSVM對平通河的水文過程進行了模擬研究，探討了該方法的適用性和現有中小河流流域水文模擬方法與體系.

1 分布式水文土壤植被模型（DHSVM）

1.1 模型基本原理

如圖1所示，DHSVM是具有物理意義的分布式水文模型，該模型以數字高程模型（DEM）節點為中心，把流域劃分成若干計算網格，流域的每個網格都被賦予了各自的土壤特性和植被特性，以及在每個網格里輸入氣溫、降雨、長短波輻射等氣象要素.在計算時段內，模型對流域各網格依據能量和質量平衡方程進行聯立求解，各網格之間則通過坡面流和壤中流的匯流演算發生水文聯系.

圖1 分布式水文模型DHSVM示意圖

1.2 模型物理過程

DHSVM模型主要由7部分模塊組成，分別為降雨截留，蒸散發，降雪截留／融化，不飽和土壤水運動，飽和壤中流，飽和坡面流和河道匯流，其中蒸散發模塊采用兩層植被模型，每一層又分為潮濕和干燥兩部分，采用Penman－Monteith方法來計算植被和土壤的蒸散發；不飽和土壤水模塊采用達西定律計算流經多個根系土壤層的不飽和壤中流的運動；采用運動波或者擴散波的近似方法來逐個計算各網格的飽和壤中流；在計算坡面流的時候，考慮3種產流機制（蓄滿產流、超滲產流和回歸流），采用逐網格計算和單位線法計算坡面流（如圖2所示）；采用相對簡單但是很穩健的線性槽蓄法來計算河道的匯流.

圖2 DHSVM模型坡面流向河道匯流的過程示意圖

2 模型模擬計算

2.1 流域水文地質條件

平通河流域位于四川盆地西北邊緣高山深谷褶斷帶，北川和平武縣境內，東經104°14′～104°43′，北緯31°56′～32°21′，是嘉陵江流域中西部的子流域，為涪江流域的一級支流，流域控制面積1067km2，屬中尺度流域.平通河發源于平武縣、松潘縣與北川縣三縣交界處的六角頂，流域最高海拔3326m，流域內沿河兩岸及豆叩以下區域是主要農耕區，從河谷向分水嶺、從低山向中山，植被類型依次均為山地次生灌木林，山地常綠闊葉林、山地落葉闊葉林、山地針闊混交林、山地暗針葉林.流域屬于亞熱帶濕潤季風氣候，年均降雨量942.1mm，年平均氣溫14℃，多年平均流量25.5m3／s，年均徑流深645.8mm.河道全長123km，天然落差2300m，平均比降6.59‰.平通河流域內有徐塘、同興、堡子場、橋頭、豆叩5個雨量站，流域出口為甘溪水文站，距離流域最近的氣象站為平武氣象站（站點位置見圖3）.

2.2 模型輸入數據及參數

DHSVM是基于網格的分布式水文模型，其模型輸入需要對流域進行計算網格的劃分.模型需要的準備數據有：1）流域的地形數據DEM；2）植被數據包括植被類型以及參數；3）土壤數據，土壤類型以及和水文相關的參數；4）氣象數據；5）河網信息.

DHSVM模型需要輸入的氣象強迫數據包括逐日降水量、氣溫、風速、相對濕度以及長短波輻射.模型采用了平通河流域附近的平武氣象站的實測資料（站點位置見圖3），數據來源于中國氣象科學數據共享服務網.本次研究應用的日降水數據來源于平通河流域的徐塘、同興、堡子場、橋頭、豆叩5個雨量站和甘溪水文站（站點位置見圖3）.

圖3 平通河流域水系及站點分布圖

植被數據來源于中國科學院地理科學與資源研究所—中國1∶25萬土地覆蓋遙感調查與監測數據庫，并對80年的土地利用數據進行概化.概化的結果顯示平通河流域植被的主要類型有林地和密灌叢、草地以及耕地（圖4（a））.

土壤數據來源于NOAA（The National Oceanic and Atmospheric Administration），該數據分辨率為10km，美國農業部USDA將土壤分為13種類型，為了適應DHSVM模型的需要，對80年的土壤類型進行了概化并重新采樣.平通河流域土壤類型主要有兩種：壤土和粘壤土（圖4（b））.

在DHSVM模型中，DEM數據用來模擬流域氣象場空間分布、流域信息（流域邊界、河網信息等）的提取以及坡面流的計算等，本文采用GDEM數據，GDEM是日本經濟產業省（METI）和美國航空航天署（NASA）合作使用ASTER數據生成的全球數字高程模型Global Digital Elevation Model（GDEM）（圖4（c））.

圖4 平通河流域土壤覆被、植被類型分布及地形圖

DHSVM模型中具有物理意義的參數大體上可以分為兩類：第一類是常量參數，即這類參數在開始的時候設定，在模擬水文過程中就保持不變［6］；第二類是描述流域土壤和植被相關性質的變量參數，流域中不同的土壤和植被類型有不相同的參數，DHSVM模型把不同的土壤和植被都給定一個范圍，將這些參數組合放置在配置文件中形成一個關聯變量［10］.

2.3 模型參數率定

根據 Wigmosta等［11］，DHSVM模型有9個土壤植被參數對水文過程的模擬較為敏感，其中土壤敏感參數有：側向飽和傳導率（K）、衰減指數（f）、土壤孔隙度（φ）、田間持水量（θfc）.植被的敏感參數有：葉面積指數（LAI）、最小氣孔阻抗（rsmin）、植被根系每層深度（dk）、上層林冠根區比例（fijk）和植被高度（hj）.

本文采用人工試錯法對以上參數進行率定，以確定性系數DC、年徑流偏差B目標函數來評測流域日徑流模擬精度.

式中，Qobs為實測流量系列（m3／s）；Qcal為計算流量系列（m3／s）為實測流量系列的均值（m3／s）；n為流量系列的長度.

采用1983～1985年作為模型的率定期，以1980年的土地利用狀況為基礎，用1986～1987年的實測降雨資料和流域出口斷面的日徑流資料對模型進行驗證，首先設定初始土壤含水量為0.35倍的土壤蓄水量，對水文參數值給出定值，然后進行調試.如果率定期的模型日徑流量和實測的徑流系列比較吻合，就用率定期的土壤含水量作為模型驗證期初始的土壤含水量.接著再對模型的參數進行微調，最終確定模型的參數值.

率定的模型土壤（見表1）、植被（見表2）最終敏感參數如下.

表1 土壤敏感參數表

表2 植被敏感參數表

3 模擬結果分析

通過DHSVM模型對平通河流域進行水文數值模擬得到了流域逐日流量過程線（如圖5～6所示），通過曲線可以得出，1983～1985年率定期計算的日流量過程和實測資料的流量過程大體上吻合.1983～1985年各年的確定性系數分別為0.724、0.712和0.751；年徑流深相對誤差分別為9.6%、8.78%和-0.46%.驗證期的模擬精度基本滿意：1986～1987年的確定性系數分別為0.701和0.75，年徑流深的誤差分別為-0.56%和7.53%.

圖5 平通河流域率定期（1983～1985年）逐日流量過程比較

圖6 平通河流域驗證期1987年逐日流量過程比較

據圖5，對比實測流量和計算流量看出，模型模擬的基流比實測的結果偏小，原因一方面可能是模型沒有考慮枯枝落葉層的影響，枯枝落葉層能夠吸收一部分降水，落葉層起到攔阻蓄水的作用，攔阻的水量能夠下滲到土壤中；另一方面是模型本身的結構問題，模型假設流域內植被上冠層以下的地表部分全部由低矮地面植被層覆蓋或者全部為裸地，但實際情況下，地面植被層并不是完全覆蓋的，這樣就增加了蒸發，從而減小了徑流.對此，可以為地面植被層賦予權重網格，每個網格的地面植被層不再是簡單地認為有或者無，而是以該網格中地面植被面積占該計算網格單元的比例作為權重乘以地面植被覆蓋整個網格單元計算時該層的相應蒸散發值，這樣可以更精確地計算蒸散發，從而減小模擬誤差.

從圖5可以看出，1983～1987年模型模擬的流量都比實際流量大，所以徑流深的相對誤差比較大.其原因可能如下：

1）資料的誤差，由于平通流流域沒有氣象站，缺少溫度、風速、相對濕度、長短波輻射等氣象資料.直接移用距離最近的平武氣象站的氣象資料，氣象資料是影響蒸散發重要的因素，這些資料的應用會帶來誤差.

2）本文用的是1980年的土地覆被作為模型的輸入，來模擬1983～1987年的流量過程，平通河流域1980年代砍伐森林，植被破壞比較嚴重，下墊面變化比較大［12］.采用1980年的土地覆被會造成一定的誤差.

3）隨著社會和經濟的發展，在平通河流域也修建了一些水利工程、這些水利工程也會造成徑流量的減少，在模型中都沒有反映，這樣可能使模擬的徑流量偏大.

4）水文模型本身的結構的問題，水文模型是對現實問題的一種概化，無法考慮各項指標對產匯流的影響，比如植被葉面積指數也只按植被類型賦值，沒有考慮不同樹齡植被葉面積指數的差別；模型并沒有考慮枯枝落葉層的截留和蒸發作用；同一種植被類型的植被覆蓋率、氣孔阻抗為固定值，沒有考慮到這些參數的年內變化和不同樹齡的差別，模型中的河道匯流模塊沒有考慮河道的下滲損失量；還有就是參數多，率定的結果存在不確定性，這些都可能是模型誤差的影響因素.

4 結 論

基于平通河流域，運用分布式水文模型DHSVM進行了水文數值模擬計算，并采用1983～1987年的甘溪水文站的資料對模型進行率定和模型驗證，得到結論如下：

1）DHSVM模型能夠較好的模擬平通河流域的水文過程，在率定期和驗證期，確定性系數在0.7以上，年徑流誤差在10%以內.說明DHSVM模型在平通河流域基本上是適用的.

2）誤差分析表明，由于模型模擬的基流數據比實測數據偏小，在枯水年或長時間未降水時期，模擬誤差相對較大，因此在枯水期采用該模型并不理想.

3）計算結果表明，在中小河流進行水文模擬時，由于資料匱乏，無法考慮各項指標對產匯流的影響，在數據條件允許的情況下，DHSVM模型還需考慮每個網格地面植被層不完全覆蓋整個網格單元的情況對蒸散發的影響，枯枝落葉層對蒸散發以及降水截留以及不同樹齡植被葉面積指數的差別等影響因素，才能取得更加精確的模擬效果.

［1］熊立華，郭生練.分布式流域水文模型［M］.北京：中國水利水電出版社，2004：179－197.

［2］Abbott M B，Bathurst J C，Cunge J A，et al.An Introduction to the European Hydrological System－Systeme Hydrologique Europeen，“SHE”1：History and Philosophy of a Physically－Based Distributed Modeling System［J］.Journal of Hydrology，1986a，87：45－50.

［3］Beven K J，Kirby M J.A Physically Based Variable Contributing Area Model of Basin Hydrology［J］.Hyrological Science Bulletin，1979，24（1）：43－69.

［4］劉昌明，李道峰，田 英，等.基于DEM的分布式水文模型在大尺度流域應用研究［J］.地理科學進展，2003，22（5）：437－445.

［5］Liang X，Lettenmaier D P，Wood E F，et al.A Simple Hydrologically Based Model of Land Surface Water and Energy Fluxes for General Circulation Models［J］.J Geophys Res，1994，99（D7）：14415－14－428.

［6］康麗莉，王守榮，顧駿強.分布式水文模型DHSVM對蘭江流域徑流變化的模擬試驗［J］.熱帶氣象學報，2008，24（2）：176－182.

［7］王守榮，黃榮輝，丁一匯.分布式水文-土壤-植被模式的改進及氣候水文Off－line模擬實驗［J］.氣象學報，2002，60（3）：290－300.

［8］高艷紅，呂世華.2002年7月黑河流域上游降水以及產、匯流過程的模擬［J］.中國科學 D輯，2003，33（增刊）：1－8.

［9］翟所光，張照利.小流域防汛現狀與對策［J］.山東水利，1999（4）：10－11.

［10］郝振純，梁之豪，梁麗喬，等.DHSVM模型在寶庫河流域的徑流模擬適用性分析［J］.水電能源科學，2012，30（11）：9－12，94.

［11］Wigmosta M S，Nijssen B，Storck P.The Distributed Hydrology Soil Vegetation Model.Mathematical Models of Small Watershed Hydrology and Applications［A］.In：Singh V P，Department of Civil ans Environment Engineering Louisiana State University，Water Resources Publications，Littleton，LLC，2002：7－42.

［12］朱志芳，龔固堂，許熙輝，等.基于RS＿GIS的平通河流域土地利用格局變化及其分形分析［J］.四川林業科技，2009，30（1）：24－28.