基于HBV模型的尼洋曲流域上游洪水致災臨界面雨量研究

林志強, 洪健昌, 尼瑪吉, 路紅亞

(西藏自治區氣候中心, 西藏 拉薩 850000)

?

基于HBV模型的尼洋曲流域上游洪水致災臨界面雨量研究

林志強, 洪健昌, 尼瑪吉, 路紅亞

(西藏自治區氣候中心, 西藏 拉薩 850000)

[目的] 建立工布江達以上尼洋曲流域的降水—徑流關系，構建該流域的致洪臨界雨量指標，以期為開展山洪氣象預警工作提供參考。 [方法] 根據流域暴雨洪水致災機制，利用地面氣象觀測和CMORPH資料，基于HBV水文模型進行計算分析。 [結果] 利用2007—2011年觀測數據對HBV水文模型的參數優化和率定，模擬數據與觀測數據的確定性系數為0.91，NASH效率系數為0.89；采用2012—2014年觀測數據進行驗證，確定性系數為0.86，NASH效率系數為0.85，率定期和驗證期的平均相對誤差均為3.1%，表明經過率定的HBV模型對尼洋曲上游流域具有較好的適用性。 [結論] 尼洋曲流域的洪水過程不僅與實時降水的面雨量有關，還與前期基礎水位有關，致災臨界面雨量隨前期基礎水位升高而減小，并且隨著前期水位的變化，臨界雨量值呈現了非線性響應特征。

尼洋曲流域; 臨界面雨量; HBV模型; 洪水災害

文獻參數： 等.基于HBV模型的尼洋曲流域上游洪水致災臨界面雨量研究[J].水土保持通報，2016,36(4)：22-26.DOI:10.13961/j.cnki.stbctb.2016.04.004

在西藏自治區境內，流域面積大于10 000 km2的河流有20多條，流域面積大于2 000 km2的河流有100條以上[1]，由于西藏地區海拔高，地形條件復雜，生態脆弱，社會經濟欠發達，抗災能力弱，汛期受強降雨影響，中小河流山洪地質災害災害頻次高、危害重、影響大，是政府關注的重點，也是西藏地區防災減災服務的首要任務之一[2-3]，尤其是在氣候變暖背景下，西藏地區極端氣候事件頻發[4]，中小河流山洪和地質災害的危害更為凸顯。例如，2000年8月底，日喀則地區年楚河流域東部特大洪災，日喀則到邊境重鎮亞東的交通全部中斷，許多農牧民的房子被沖垮；2014年7月全區因持續性或局部強降雨導致的山洪、泥石流等地質災害10余起，受災區域遍及拉薩市、山南地區、林芝地區、日喀則地區，災情造成的直接經濟損失達160余萬元。山洪形成的主要原因是降雨，當一個小流域某時段內的降雨量達到或超過某一量級和強度，形成的洪水流量剛好為河道的安全泄洪能力，大于該量級雨量可引發山洪災害，將此時的降雨量稱為致災臨界雨量。致災臨界雨量是山洪災害預測預報的重要指標，其中動態臨界雨量在業務應用中最為方便[5-7]，具有較大的參考價值。為服務于西藏地區中小河流致洪暴雨預報，綜合考慮流域社會生產和氣象、水文觀測站的分布，本研究選取尼洋曲上游(工布江達以上)流域為研究區域，以半分布式水文模型HBV為基礎，利用歷史氣象和水文資料，建立該流域的致洪臨界雨量指標，以期為開展山洪氣象預警業務提供參考，為高原復雜地形流域的致災臨界雨量確定探索方法，以減少山洪危害，保障西藏社會經濟發展和人民生命財產安全。

1　資料與方法

1.1研究區概況

尼洋曲雅魯藏布江5大支流之一，位于雅魯藏布江中下游左岸，流域介于北緯29°28′—30°30′和東經92°10′—94°35′，流域東西長約230 km，南北寬約110 km，流域面積17 535 km2，居雅魯藏布江5大支流第4位，水量僅次于帕隆藏布[8]。尼洋曲流域內山岳起伏，地形復雜，處于高原和藏東南峽谷的過渡地帶，總的趨勢是西北高、東南低。流域自然條件優越，年降水量約634.7 mm，干濕季分明，5—10月為雨季，集中6—7月，沿雅魯藏布江河谷進入的暖濕氣流控制本流域，溫暖濕潤多雨，降水從東向西遞減；11月至次年4月為旱季，主要受西風帶影響，干燥少雨[9]。流域內森林和水力資源豐富，農業歷史悠久，水能資源豐富，據測算天然水能蘊藏量達2.70×106kW，在干流和支流已建設大小水電站數十座，但水能開發利用率仍然較低。尼洋曲源頭至工布江達為上游段，上段為寬谷，下段為峽谷，長125 km，落差1 570 m，平均坡降12.6‰，拉林公路沿河而建，在汛期(6—9月)流域洪水多發，對交通和電力有較大影響，由于流域內降雨致洪，河道水位上漲，導致沿河區域被淹，人民生命財產受損，是沿岸重要的氣象衍生災害。

1.2數據資料

氣象數據采用流域內及其鄰近地面氣象觀測站，包括嘉黎、墨竹工卡、加查和澤當4個氣象站的逐日降水和氣溫資料，由西藏自治區氣象局信息網絡中心提供；由于流域地處西藏高原地區，海拔較高，自然條件惡劣，流域內無氣象觀測站點，因此采用了CMORPH(CPC MORPHing technique)降水數據作為降水觀測的補充。在流域的簡單對比分析；水文數據采用工布江達水文站逐日水位和流量資料；數字地面高程(DEM)為90 m分辨率的SRTM數據，利用GIS水文分析工具，去除小面積的流域后將尼洋曲上游分為141個子流域，采用泰森多邊形方法得到各子流域逐日面雨量；土地利用為西藏地區1∶10萬土地利用基礎數據集。氣象、高程和土地利用數據用于驅動HBV水文模型。

CMORPH數據是應用較廣泛的衛星反演降水數據，由NOAA氣候預測中心(CPC)創建，采用CMORPH逐日降水，空間分辨率為0.25°×0.25°。通過雙線性插值將CMORPH數據插值到流域氣象觀測站上，結果表明流域4個氣象站的相關系數在0.31～0.47之間，平均絕對誤差在1.2～1.7 mm之間，均方根誤差在2.4～3.1 mm之間，與成璐等[10]的分析結果相近，總體而言，受高原地區復雜地形的影響,CMORPH降水在高原地區的精度較我國其它地區有所降低,由于CMORPH數據覆蓋范圍廣，時效性強，可以彌補高原地區地面雨量觀測不足，具有業務應用價值，

1.3HBV水文模型

HBV(hydrologiska fyrans vattenbalans)水文模型是由瑞典水文研究所研發的一個概念性、半分布式的流域水文模型，能模擬包括積雪、融雪、實際蒸散量、土壤水分存儲、地下水和徑流等水文過程，已在全世界多個不同氣候條件的國家得到應用[11]，能適用于各種復雜氣候條件下的水文模擬，具有輸入參數少、適用性強和模擬精度高等優點。HBV模型將流域分為多個子流域，每個子流域根據高程、水面面積和下墊面類型等分成多個徑流帶，水量平衡方程定義為：

(1)

式中：P，E，Q——降水、蒸發和流量；SP——雪蓋；SM——土壤含水量；UZ——表層地下含水層；LZ——深層地下含水層；VL——水體體積。

HBV模型綜合考慮了土壤、水文、氣象等多要素，能夠對水文過程進行科學合理描述，具有很好的普適性。近些年來我國學者應用該模型于不同地區水文研究：王亞杰等[12]應用于海南南渡江流域洪澇致災臨界面雨量研究；劉綠柳等[13-14]利用HBV模型研究未來氣候變化對珠江流域水文過程的影響；高超等[15]對比了HBV等水文模型在不同尺度流域和數據的適用性；張建新等[16]則分析了HBV模型在東北冰雪地區的適用性；王有恒等[17]、樊靜等[18]和劉義花等[19]分別分析了甘肅白龍江流域、新疆開都河流域和青海玉樹巴塘河流域的洪水致災臨界雨量，這些研究表明，HBV模型對熱帶/亞熱帶濕潤地區、溫帶濕潤地區、干旱半干旱地區和冰雪地區均具有較好的適用性，但對高原復雜地形流域地區的研究較少，本研究采用2007—2011年觀測數據對HBV模型進行率定，采用平均絕對誤差(MAE)、平均相對誤差(MRE)、均方根誤差(RMSE)、確定性系數(R2)和NASH效率系數(M)來度量模擬結果：

(2)

(3)

(4)

(5)

(6)

式中：QO，QS——觀測值和模擬值； N——樣本數，MAE，MRE和RMSE越小，模擬效果越好；R2和M取值在0～1之間，越接近1，模擬效果越好。HBV模型綜合考慮了降水、氣溫、土壤含水性能和產匯流等要素進行徑流模擬，包括了降水模塊、土壤模塊、產匯流模塊和河道模塊等，包括積雪和融雪參數、溫度閾值參數、田間持水量等30多個具有物理意義的參數，為了使HBV模型更適用于研究區域，采用部分實測數據對HBV模型進行參數率定(表1)，然后以其他數據進行驗證，以檢驗參數率定結果。

表1　HBV水文模型參數率定值

2　水文模型參數率定和驗證

將2007—2011年的氣象和水文觀測數據作為率定數據，用于確定HBV水文模型參數，模型率定期觀測數據和模擬數據的MAE，MRE和RMSE分別為0.14 m，3.1%和0.18 m，確定性系數達0.91，NASH效率系數為0.89，模擬效果很好，表明HBV模型能夠有效地模擬尼洋曲上游日徑流過程(圖1)。以2012—2014年為驗證期，此期間觀測數據用于檢驗模型參數適用性和模擬結果，以檢驗模型的穩定性和可靠性。驗證結果與率定期效果基本一致，驗證期的MAE，MRE和RMSE分別為0.15 m，3.1%和0.22 m，確定性系數為0.86，NASH效率系數為0.85，模擬的水文過程與實測基本吻合(圖1)，進一步驗證了經過率定的HBV模型能很好地模擬尼洋曲上游流域水文過程，該模型能用于指定尼洋曲上游流域致災臨界雨量。

圖1　尼洋曲流域上游HBV-D水文模型率定期和驗證期模擬-觀測值

根據西藏自治區水文水資源勘測局提供的工布江達水文站河道考證資料，工布江達的警戒水位(一級)為5 m，保證水位(二級)為5.5 m，對2007—2014年逐日水位資料進行分析，共有151 d達到警戒水位，68 d達到保證水位，圖2給出了這些日數中不同量級的前一天的水位(起漲水位)和面雨量的出現率。工布江達站的警戒水位和保證水位的起漲水位都在4.3 m以上，警戒水位和保證水位的起漲水位概率分布呈正態分布，5.3 m出現概率最多。達到警戒水位和保證水位所需的面雨量隨著起漲水位的增加而減小，起漲水位在5 m以下時，要達到警戒水位，面雨量需在20 mm以上；要達到保證水位，面雨量在40 mm以上。起漲水位達到5 m以上時，面雨量只需達到5 mm以上即可使水位達到警戒水位，只需達到20 mm以上即可使水位達到保證水位。當起漲水位達到6 m以上時，第二天的水位都能達到警戒水位。

圖2　警戒水位和保證水位的前日水位和面雨量概率分布

3　不同前期水位的致災臨界雨量

流域洪水的發生是氣象、地形、下墊面類型和水利防洪工程建設等多方面要素共同作用的結果，為了提供更有力的參考，致災臨界雨量應是一個與多方面條件相關的動態閾值，尤其與前期水文條件息息相關。按照圖3所示流程利用率定后的HBV模型反算臨界面雨量：首先運行HBV模型使水位達到一定水平，然后輸入給定面雨量進行徑流模擬，不斷增加雨量值，直到模擬水位達到臨界水位水平，該雨量即為所求臨界雨量值(表2)。臨界雨量值隨前期基礎水位的升高而減小，且臨界雨量隨著不同的前期水位變化呈現非線性變化特征，升高相同高度的水位時，前期水位更高則臨界面雨量增加值減小，這是因為高的前期水位，流域土壤更為濕潤，持水能力減小，使得進入河流的水量增加，因而需要的雨量增加值減小。

圖3　HBV模型確定致災臨界雨量流程

前期基礎水位/m臨界水位臨界面雨量/mm2.0警戒水位(5m)150保證水位(5.5m)1802.5警戒水位(5m)113保證水位(5.5m)1513.0警戒水位(5m)82保證水位(5.5m)1313.5警戒水位(5m)70保證水位(5.5m)1104.0警戒水位(5m)50保證水位(5.5m)754.5警戒水位(5m)20保證水位(5.5m)435.0警戒水位(5m)5保證水位(5.5m)21

4　討論與結論

強降水導致的中小河流流域洪水是西藏東南部地區重要的氣象衍生災害，根據流域暴雨洪水致災機制，本文利用2007—2014年地面氣象觀測、水文觀測資料和CMORPH資料，基于HBV水文模型建立了尼洋曲上游流域致災臨界面雨量，本文研究表明HBV模型對西藏高原復雜地形河流流域具有適用性，結果能為西藏地區其他流域確定致災臨界面雨量提供思路，為西藏地區防災減災和水文氣象服務提供決策參考。利用經過率定的HBV模型和氣象部門的定量降水預報(PRF)、數值模式提供的集合降水預報等結果，可以進行河流徑流中短期預報；另外，由于本研究采用的模型模擬時間步長和資料的限制，僅作出了日雨量的臨界值，在水文氣象服務和較短時間內決策服務中，需要作出日尺度以內的徑流預報，這是本研究今后進一步的工作目標。

[1]關志華,陳傳友.西藏河流水資源[J].資源科學,1980,2(2):25-35.

[2]溫克剛,劉光軒.中國氣象災害大典(西藏卷)[M].北京:氣象出版社,2008.

[3]林志強,德慶,文勝軍,等.西藏高原汛期大到暴雨的時空分布和環流特征[J].暴雨災害,2014,33(1):73-79.

[4]杜軍,路紅亞,建軍.1961—2012年西藏極端降水事件的變化[J].自然資源學報,2014,29(6):990-1002.

[5]葉金印,李致家,常露.基于動態臨界雨量的山洪預警方法研究與應用[J].氣象,2014,40(1):101-107.

[6]鄭芳,蔡建軍.蔡家川.流域降雨—徑流關系及水量平衡分析[J].水土保持通報,2012,32(1):71-76.

[7]盧燕宇,田紅.基于HBV模型的淮河流域洪水致災臨界雨量研究[J].氣象,2015,41(6):755-760.

[8]王秀麗,范世東,黃繼剛,等.西藏尼洋曲流域考察報告[J].西藏科技,1996,22(2):10-16.

[9]宋善允,王鵬祥,杜軍,等.西藏氣候[M].北京:氣象出版社,2013.

[10]成璐,沈潤平,師春香,等. CMORPH和TRMM3 B42降水估計產品的評估檢驗[J].氣象,2014,40(11):1372-1379.

[11]Bergstorm S. Development and application of a conceptual runoff model for Scandinavian catchment [M]. Norrkoping: University of Lurd, 1976.

[12]張亞杰,吳慧,吳勝安,等.南渡江流域暴雨洪澇致災臨界面雨量的確定[J].應用氣象學報,2014,25(6):731-740.

[13]劉綠柳,姜彤,徐金閣,等.21世紀珠江流域水文過程對氣候變化的響應[J].氣候變化研究進展,2012,8(1):28-34.

[14]劉綠柳,姜彤,徐金閣,等.西江流域水文過程的多氣候模式多情景研究[J].水利學報,2012,43(12):1413-1421.

[15]高超,劉青,蘇布達,等.不同尺度和數據基礎的水文模型適用性評估研究:淮河流域為例[J].自然資源學報,2013,28(10):1765-177.

[16]張建新,趙孟芹,章樹安,等. HBV模型在中國東北多冰雪地區的應用研究[J].水文,2007,27(4):31-34.

[17]王有恒,譚丹,景元書.HBV水文預報模型在白龍江流域的應用研究[J].水土保持通報,2015,35(3):218-221.

[18]樊靜,江遠安,陳穎,等.基于HBV模型的開都河致災洪水臨界雨量分析[J].沙漠與綠洲氣象,2014,8(6):31-35.

[19]劉義花,魯延榮,周強,等.HBV水文模型在玉樹巴塘河流域洪水臨界雨量閾值研究中的應用[J].水土保持研究,2015,22(2):224-228.

Critical Rainfall Inducing Flood Disaster of Nyang River Based on HBV Model

LIN Zhiqiang, HONG Jianchang, NI Maji, LU Hongya

(ClimateCenterofTibetAutonomousRegion,Lasa，Tibet850000，China)

[Objective] This paper studied the relationship between rainfall and runoff over upper Nyang river above Gongbo-gyamda Hydrological station to find the critical rainfall that will result to flood. We expected to provide reference for the meteorology pre-warning of mountain torrents. [Methods] Data of ground meteorological observation and CMORPH were used. The upper Nyang river watershed of the hazard critical rainfall was obtained according to the HBV rainfall-runoff model. [Results] After parameter optimization and calibration, the HBV model had a certainty coefficient of 0.91 and NASH efficiency coefficient of 0.89 in the phase of calibration during 2007—2011. Model was validated using the data of 2012—2014, in this phase, certainty factor was 0.86 and NASH efficiency was 0.85. For both the phases of calibration and validating, relative error was averaged as 3.1 %, which implied that the model was applicable. [Conclusion] The flood process in Nyang river basin was not only related to the rainfall in whole basin, but also to the previous water level. The critical rainfall of flood inducement decreased with the increase of previous water level, and vice versa. The critical rainfall showed a nonlinear responsive characteristics.

Nyang River basin; interfacial precipitation; HBV model; flood disaster

2015-09-16

2015-10-20

國家自然科學基金項目“西藏高原災害性天氣分析和預報方法研究”(41465006)； 高原氣候與氣候變化創新團隊基金項目(XZQX201302)

林志強(1982—),福建省漳州市人,碩士，工程師，主要從事高原天氣預報工作。E-mail:linzq82@gmail.com。

B

1000-288X(2016)04-0022-05

P339