基于流溪河模型的梅江流域洪水預報研究

王幻宇，陳洋波，覃建明，李明亮，董禮明

(1.中山大學地理科學與規(guī)劃學院，廣州，510275; 2.江西省贛州市水文局，江西 贛州 341000)

0 引 言

梅江亦稱梅川，古稱漢水，又稱寧都江，系贛江一級支流，流域內(nèi)呈北高南低的不規(guī)則扇形。發(fā)源于寧都、宜黃兩縣交界的王陂嶂南麓，自北向南貫穿寧都縣腹地，經(jīng)瑞金市瑞林鄉(xiāng)，過于都縣曲陽等七個鄉(xiāng)鎮(zhèn)，至于都縣貢江鎮(zhèn)龍舌咀注入貢水。寧都水文站斷面以上集水面積2 372 km2，流域形似竹葉，主河長79 km。流域?qū)賮啛釒Ъ撅L區(qū)，多年平均降雨量1 640 mm，降雨主要集中在3-9月，暴雨類型主要有鋒面雨、地形雨、臺風雨，汛期洪水陡漲陡落，是江西省典型的中小流域。寧都水文站設立于1958年11月，站址在寧都縣梅江鎮(zhèn)東門外。河段較順直，河床細沙組成，上游約300 m處有竹坑河匯入，上游約700 m處有會同河匯入，上游團結水庫壩址距水文站站49 km。本文以寧都水文站以上流域開展研究，以下簡稱梅江流域。

流溪河模型[1-3]是一個主要應用于流域洪水預報的分布式物理水文模型，模型將流域劃分為若干單元流域，各單元流域上產(chǎn)生的徑流量通過匯流網(wǎng)絡進行逐單元匯流至流域出口，匯流分成邊坡匯流和河道匯流，分別采用運動波法和擴散波法進行計算。流溪河模型提出了基于PSO法的模型參數(shù)自動優(yōu)選方法[3,4]，實際應用中只要有一場具有代表性的實測洪水就可以優(yōu)選模型參數(shù)。采用精細化的匯流計算方法和高效率的參數(shù)優(yōu)選技術，使得流溪河模型在我國中小河流洪水預報中應用具有很好的應用潛力。流溪河模型已成功應用于水庫洪水預報[5]、中小河流洪水預報[6]、大流域水文氣象耦合洪水預報[7]。

為了探討流溪河模型在梅江流域洪水預報中的適用性，提高模型在中小河流洪水模擬的效果。本文基于90 m×90 m的DEM數(shù)據(jù)，分別構建了1級、2級、3級河道的梅江流域洪水預報模型，采用PSO算法進行模型參數(shù)優(yōu)選，對不同河道分級建立的流溪河模型進行了驗證。結果表明，河道分級對中小河流洪水過程的影響較大，1級河道的模型不能充分表達流域洪水演進過程，3級河道可以滿足模型計算精度要求。采用3級河道構建的梅江流域洪水預報流溪河模型對50場洪水進行模擬驗證，模擬效果優(yōu)良，該方案可用于梅江流域?qū)崟r洪水預報。

1 梅江流域洪水預報流溪河模型構建

1.1 梅江流域洪水資料

梅江流域內(nèi)有22個雨量站，流域出口處的寧都水文站有較長期的水文觀測資料，站點分布見圖1。本文收集了梅江流域內(nèi)1971年以來的51場實測洪水過程的資料，包括雨量站降雨及水文站流量，均以小時為時段。將洪峰流量小于700 m3/s的洪水定義為小洪水，洪峰流量大于1 500 m3/s的洪水定義為大洪水，其他洪水定義為中洪水。則共有小洪水10場，中洪水21場，大洪水20場，都具有較好的代表性。

圖1 梅江流域水情遙測站網(wǎng)分布圖

1.2 流溪河模型構建

流溪河模型建模所需的DEM數(shù)據(jù)采用SRTM(http:∥srtm.csi.cgiar.org/)公共數(shù)據(jù)庫中的數(shù)據(jù)。土地利用類型為美國地質(zhì)調(diào)查局全球土地覆蓋數(shù)據(jù)庫中的數(shù)據(jù) (http:∥landcover.usgs.gov/)，包括常綠針葉林、常綠闊葉林、灌叢、高山和亞高山草甸、湖泊和耕地，土壤類型采用國際糧農(nóng)組織的土壤數(shù)據(jù)(http:∥www.isric.org/)，主要土壤類型有CN10033、CN10097和CN10647等?？臻g分辨率都采用90 m×90 m，見圖2。

流溪河模型基于D8流向法[8,9]劃分邊坡單元和河道單元，根據(jù)DEM計算確定各個單元的累積流值，并設定一系列的累積流的閥值，對于累積流大于閥值的單元，被劃分成河道單元，對于累積流值小于閥值的單元，被劃分成邊坡單元。由于在劃分河道單元時，累積流閥值的選用對計算結果的影響較大，為了避免累積流閥值選用時的不確定性，在對河道單元進行劃分時，流溪河模型根據(jù)strahler[10]方法將河道分級，根據(jù)河道分級的情況確定相應的河道單元劃分結果。

圖2 梅江流域特性數(shù)據(jù)

針對梅江流域，對累積流閥值FA0取了不同的值將河道分為1、2、3級。采用分段點將河道劃分為若干虛擬河段，并假定同一虛擬河段的河道屬性一致。不同河道分級的分段點數(shù)量不同，隨著河道分級的增加，河道的分段點就會增多，虛擬河段的段數(shù)也在增加，模型對流域河道的刻畫就越清晰，見表1。但是當河道分級增加到4級時，利用衛(wèi)星遙感影像對4級河道進行分析可以發(fā)現(xiàn)，水系末端的河道形態(tài)不明顯，跟實際的流域水系分布不符，所以本文采用的最高級河道為3級?；?、2、3級河道分別構建梅江流域洪水預報流溪河模型，見圖3。

圖3 流溪河模型結構示意圖

河道分級河道單元數(shù)邊坡單元數(shù)結點數(shù)虛擬河段數(shù)137230370034213833026891114329293011432045

1.3 流溪河模型初始參數(shù)推求

流溪河模型基于各單元上的流域物理特性確定模型初始參數(shù)，對不同河道分級建立的模型，據(jù)此確定的模型初始參數(shù)相同。參數(shù)分成4大類，包括地形類參數(shù)，氣象類參數(shù)，土壤類參數(shù)和土地利用類參數(shù)。流向和坡度是流溪河模型的地形類參數(shù)，根據(jù)DEM直接計算確定，不再調(diào)整，是不可調(diào)參數(shù)。氣象類參數(shù)主要是蒸發(fā)能力，根據(jù)經(jīng)驗，所有單元均取為5 mm/d。土地利用類型參數(shù)是邊坡糙率和蒸發(fā)系數(shù)。蒸發(fā)系數(shù)是個非常不敏感的參數(shù)，根據(jù)流溪河模型參數(shù)化經(jīng)驗，統(tǒng)一取為0.7。邊坡糙率根據(jù)文獻[11]推薦值確定。

土壤類參數(shù)包括土壤厚度、飽和含水率、田間持水率、飽和水力傳導率、凋萎含水率和土壤特性。飽和含水率、田間持水率、飽和水力傳導率和凋萎含水率采用由Arya等人提出的土壤水力特性計算器[12]計算，結果如表2。土壤特性統(tǒng)一取為2.5。

2 模型參數(shù)優(yōu)選

在流溪河模型中，根據(jù)DEM將流域劃分成正方形的單元流域，本文將梅江流域按90 m分辨率的DEM分成了304 072個單元流域，每個單元上共有13個參數(shù)，導致模型進行參數(shù)優(yōu)選時計算工作量非常大。每個單元流域參數(shù)都存在不確定性，當成千上萬的單元流域不確定性累積疊加將會影響到分布式模型的模擬效果，而且洪水預報對模型模擬的精度要求較高，導致分布式模型在洪水預報中應用時受到限制。

表2 土壤類參數(shù)初值

流溪河模型采用PSO法進行模型參數(shù)自動優(yōu)選，采用一場實測洪水進行模型參數(shù)優(yōu)選就可以獲取較優(yōu)的模型參數(shù)，有效提高了模型的性能。本文以2012062119場次洪水進行模型參數(shù)優(yōu)選，其他50場次洪水進行模型驗證。對不同的河道分級，本文均采用2012062119場次洪水進行參數(shù)優(yōu)選，優(yōu)選的模型參數(shù)各不相同。限于篇幅，圖4僅列出了3級河道參數(shù)優(yōu)選過程中適應值和參數(shù)值的進化結果。從圖4中看出，經(jīng)過20次的進化計算，模型參數(shù)收斂到最優(yōu)值，說明流溪河模型參數(shù)優(yōu)選具有較好的收斂速度。優(yōu)選的洪水過程與實測洪水擬合程度非常高，確定性系數(shù)高達0.943，相關性系數(shù)為0.978，過程相對誤差為0.18，峰值誤差為0.042，水量平衡系數(shù)為0.935，峰現(xiàn)時間差為-5，模擬結果見圖5。

圖4 參數(shù)優(yōu)選過程中參數(shù)進化圖(3級河道)

圖5 優(yōu)選的洪水過程線(3級河道)

3 模型驗證

采用1、2、3級河道建立的流溪河模型及相應的優(yōu)選參數(shù)，分別對50場洪水進行了模擬，統(tǒng)計了模擬的各場洪水的6個評價指標。由于數(shù)據(jù)較多，表3僅列出了各級模型的平均統(tǒng)計指標，圖6僅繪出了其中6場洪水的模擬結果。

表3 不同河道分級的流溪河模型洪水模擬結果統(tǒng)計指標表

從統(tǒng)計指標和模擬過程可以看出，3級河道的模型模擬效果最好。說明3級河道充分刻畫了洪水的河道匯流演進過程，可以滿足中小河流洪水模擬的精度要求。2級河道的模型模擬效果也不錯，比3級河道的模型效果稍差，而且2、3級河道的模型的總體性能都較好，同時也說明了參數(shù)優(yōu)選能降低河道分級不確定性對模型洪水模擬的影響。1級河道的模型模擬效果較差，模擬洪水過程與實測值的擬合程度不高，模擬得到的洪水峰值低于實測值，峰值誤差比2、3級河道的模型都高，不能很好地模擬實測洪水峰值。梅江流域的洪水主要由暴雨引起，洪水陡漲陡落，是典型的中小河流洪水。而中小河流洪水防治的重要指標是洪峰流量，是中小河流洪水預報的關鍵。因此可以認為，1級河道的模型不能充分刻畫河道匯流過程，影響到模型模擬的精度，在進行中小河流洪水預報應用時不宜采用；3級河道的模型可比較理想的模擬實測洪水過程，說明3級河道劃分已能充分刻畫中小河流洪水過程中的河道匯流特征，模擬結果滿足實際洪水預報的精度要求。

本文采用河道分級為3級，河道斷面形狀為矩形時的梅江流域洪水預報流溪河模型，參數(shù)采用優(yōu)選的模型參數(shù)。該方案對50場洪水模擬的確定性系數(shù)均值為0.51，相關系數(shù)達0.87，洪峰誤差均值為5.64%，最大的也沒有超過20%，平均峰現(xiàn)時間為-3.2小時，洪水過程的模擬結果與實測值吻合很好。根據(jù)我國水文情報預報規(guī)范，該預報方案等級可評定為甲等，可用于梅江流域?qū)崟r洪水預報。

4 結 語

為了探討流溪河模型在中小河流實時洪水預報中的適用性，本文以江西省梅江流域為研究對象，基于90 m×90 m的DEM數(shù)據(jù)構建了1、2、3級河道的梅江流域洪水預報流溪河模型，采用PSO算法優(yōu)選模型參數(shù)，并對不同河道分級的模型進行了驗證。結果表明，河道分級對中小河流洪水過程的影響較大，1級河道建立的模型不能較好地模擬出實測洪水過程，尤其是洪水峰值流量的模擬，不能滿足模型在中小河流洪水預報中的計算要求。3級河道構建的模型可以很好地模擬實測洪水過程，采用流溪河模型進行中小河流洪水預報時，可以以3級河道構建模型；流溪河模型采用1場洪水就可以對模型參數(shù)進行有效優(yōu)選，在實測資料系列不長的我國中小河流洪水預報中應用具有明顯優(yōu)勢；采用3級河道構建梅江流域洪水預報流溪河模型和優(yōu)選的模型參數(shù)，模擬效果良好，可用于梅江流域?qū)崟r洪水預報。

分布式水文模型由于模型結構復雜、參數(shù)難以率定、模型計算量大等原因，導致大部分的分布式模型不能應用到流域?qū)崟r洪水預報中。本文構建不同河道分級的梅江流域洪水預報流溪河模型，采用PSO優(yōu)選模型參數(shù)，并進行了模型驗證。明確了采用流溪河模型進行中小河流實時洪水預報時，采用3級河道構建模型和采用PSO算法優(yōu)選模型參數(shù)的方法是可行的。本文的研究可為分布式水文模型在中小河流洪水預報中的應用提供參考和借鑒。

□

[1] 陳洋波. 流溪河模型[M]. 北京：科學出版社,2009.

[1] 陳洋波,任啟偉,徐會軍,等.流溪河模型I:原理與方法[J].中山大學學報(自然科學版), 2010,49(1):105-112.

[2] 陳洋波,任啟偉,徐會軍,等.流溪河模型II:參數(shù)確定[J].中山大學學報(自然科學版), 2010,49(2):105-112.

[3] Yangbo Chen, Ji Li, Huijun Xu. Improving flood forecasting capability of physically based distributed hydrological model by parameter optimization [J]. Hydrology & Earth System Sciences, 2017,21:1 279-1 294.

[4] 陳洋波,徐會軍,李 計.流域洪水預報分布式模型參數(shù)自動優(yōu)選[J].中山大學學報(自然科學版),2017,56(3):15-23.

[5] 黃家寶,董禮明,陳洋波,等.基于流溪河模型的樂昌峽水庫入庫洪水預報模型研究[J].水利水電技術,2017,48(4):1-12.

[6] 陳洋波,覃建明,王幻宇,等.基于流溪河模型的中小河流洪水預報方法[J].水利水電技術,2017,48(7):12-27.

[7] Yangbo Chen, Ji Li, Huanyu Wang, et al. Large-watershed flood forecasting with high-resolution distributed hydrological model [J]. Hydrology & Earth System Sciences, 2017, 21:735-749.

[8] Ji Li, Yangbo Chen, Huanyu Wang, et al. Extending flood forecasting lead time in a large watershed by coupling WRF QPF with a distributed hydrological model [J]. Hydrology & Earth System Sciences, 2017, 21:735-749.

[9] O'Callaghan J, Mark D M. The extraction of drainage networks from digital elevation data [J]. Comput. Vis. Graph. Image Process, 1984,28(3):323-344.

[10] Strahler A N.Quantitative Analysis of watershed Geomorphology[J].Transactions of the American Geophysical Union, 1957,35(6):913-920.

[11] Wang Z, Batelaan O, De Smedt F. A distributed model for Water and Energy Transfer between Soil, Plants and Atmosphere (WetSpa) [J]. Phys. Chem. Earth,1996,21:189-193.

[12] Arya L M, J F Paris. A physioempirical model to predict the soil moisture characteristic from particle-size distribution and bulk density data[J].Soil Sci. Soc. Am. J,1981,45:1 023-1 030.