基于ＨＢＶ模型的藉河流域致災臨界面雨量模擬研究

蘇謝衛 任源鑫 王毅勇 宋佳欣 王有恒

摘要：運用半分布式HBV水文模型，選取藉河流域2006—2013年水文資料、氣象資料在渭河一級支流藉河天水（二）站水文站以上流域建立降水-流量-水位關系，確定流域致災臨界面雨量。結果表明，HBV模型在率定期Nash系數為0.50，確定性系數R2為0.70;在驗證期Nash系數為0.71，確定性系數R2為0.84。根據天水（二）站水文站實測流量數據以及HBV模型水位-降水關系，對流域致災臨界面雨量進行確定，并選擇3次洪水過程進行驗證，證明基于HBV水文模型方法確定的致災臨界面雨量指標預警效果良好。

關鍵詞：HBV模型;藉河流域;致災臨界面雨量

中圖分類號：P339? ? ? ? ?文獻標識碼：A

文章編號：0439-8114（2018）21-0046-05

DOI：10.14088/j.cnki.issn0439-8114.2018.21.011? ? ? ? ? ?開放科學（資源服務）標識碼（OSID）：

Simulation Study of Critical Surface Rainfall in Jihe River Basin Based on HBV Model

SU Xie-wei1，REN Yuan-xin1，WANG Yi-yong1，SONG Jia-xin1，WANG You-heng2

（1.Baoji College of Arts and Sciences，Shaanxi Provincial Key Laboratory of Disaster Monitoring and Mechanism Simulation， Baoji 721013， Shaanxi，China;2.Northwest Regional Climate Center，Lanzhou 730020，China）

Abstract： Using semi-distributed HBV hydrological model， the hydrological data and meteorological data of Jihe River Basin from 2006 to 2013 were selected in the first-level tributary of Weihe River Jihe Tianshui（II） hydrological station. The relationship between precipitation， discharge and water level is established in the basin above the hydrological station， and the precipitation at the precipitation-induced interface is determined. The results show that the Nash coefficient of the HBV model is 0.50 and the deterministic coefficient R2 is 0.70. The Nash coefficient is 0.71 and the deterministic coefficient R2 is 0.84 in the verification period. According to the measured discharge data of Tianshui（II） hydrologic station and the relationship between water level and precipitation in HBV model are used to determine the rainfall at the interface of basin disaster， and the three flood processes are selected to verify it. It is proved that the early warning effect of the rainfall index of the disaster interface based on the HBV hydrological model method is good.

Key words： HBV model;Jihe River Basin;area precipitation thresholds of rainstorm-flood hazard

21世紀以來，暴雨洪澇災害在中國的影響已位居前列，其中造成的經濟損失更是達到各種自然災害的首位[1]。同時，暴雨洪澇災害還帶來大量的人員傷亡。中小河流站點稀疏，洪水過程短，難以預測。洪澇災害預警可以用臨界面雨量來表示，臨界面雨量是指一個流域某一時間段內降雨量達到或超過某一量級和強度時，該流域將發生洪澇災害，把這時的降雨量稱之為該流域的臨界面雨量[2]。

近年來，水文模型廣泛應用于流域洪水致災臨界面雨量的確定中，涌現出一些使用較多的模型，如HBV模型、SWAT模型、SWIN模型、中國新安江模型等[3]。HBV水文模型是瑞典氣象和水文研究所開發研制的水文預報模型[4]。模型不同版本已經在全世界多個國家的洪水預報項目上得到廣泛應用。HBV模型在中國也得到了廣泛應用，如靳曉莉等[5]指出HBV模型通過參數區域化可以有效應用于東江無資料流域的模擬;王有恒等[6]利用HBV水文模型對白龍江流域進行了應用研究;劉義華等[7]證明了HBV模型在玉樹巴塘河流域具有很好的適用性。運用半分布式HBV水文模型，選取藉河流域2006—2013年水文資料、氣象資料在渭河一級支流藉河天水（二）站水文站以上流域建立降水-流量-水位關系，確定流域致災臨界面雨量，以期為建立致災臨界面指標預警提供參考。

1? 研究區概況

藉河流域位于甘肅省天水市，所在縣級行政區如圖1所示。藉河是渭河一級支流，發源于甘肅省天水市秦州區和甘谷縣交界處的龍臺山景東梁東麓，東流經天水市城區，至麥積區北道埠峽口匯入渭河。藉河全長85 km，流域面積1 019 km2，河道比降12‰，自然落差1 517 m，流域地形西高東低，海拔1 193～2 710 m。藉河流域地處副熱帶氣候區，屬半濕潤氣候，多年平均氣溫10.5 ℃，年降水量580 mm，無霜期180 d左右。降雨多集中于夏季[8]。藉河流域屬黃土峁梁溝壑區，水土流失較嚴重，年平均侵蝕模數4 650 t/km2。

2? 資料與方法

2.1? 數據來源

氣象資料取自藉河天水（二）站水文站上游流域11個氣象站2005—2013年逐日最高溫、最低溫、平均氣溫和降雨量，水文資料來自水文年鑒2005—2013年天水（二）站水文站逐日流量數據。DEM為90 m分辨率的SRTM數據、土地利用數據為1∶100萬基礎數據集以及土壤持水力FC值等信息。

2.2? 研究方法

2.2.1? 模型簡介? HBV水文模型是一個概念性、半分布式水文模型，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[9]。模型具有原理結構簡單、輸入資料少、模擬精度高等優點。模型輸入數據主要是研究區DEM、日均氣溫、降水、土地利用、土壤最大含水量和河流匯流時間等參數，模擬各個子流域的徑流，最后模擬匯流到流域出口的徑流過程。

2.2.2? HBV模型建立

1）利用Map Windows GIS將藉河流域劃分為11個子流域，見圖2。

2）在R平臺下，調用gstat和sp程序包，基于克里金（Kriging）插值法實現藉河11個子流域中心點的插值，目的是通過流域內11個氣象站氣溫和降水數據，通過插值方法獲取11個子流域中心點相應的氣象數據。

3）分別建立各子流域土壤持水力（FC）值文件（表1）和土地利用類型文件（表2）。

4）采用Nash-Sutcliffe系數和確定性系數（R2）對模型模擬結果進行率定。一般情況下，Nash系數和確定性系數（R2）取值范圍在0～1，越接近1，模擬效果越好。

R2=? ?（1）

Nash系數=1-? ?（2）

式中，Q0與為觀測值與觀測值平均值，Qs與為模擬值與模擬值平均值。

3? 結果與分析

3.1? 率定期

HBV模型率定是為了判斷模型哪些參數值的改變會對模型結果影響較大，并找到最優參數值來提高模型模擬結果。選取2006—2009年藉河流域天水（二）站水文站逐日徑流數據對模型進行參數率定。

HBV模型輸入參數為33個，敏感性較高的參加需要反復多次調試，本研究采用試錯法將敏感性較高的參數輸入到模型中，通過反復調試，獲得影響模型結果的敏感性參數，如表3所示。率定結果用Nash系數和確定性系數R2表示，模型率定期模擬結果Nash系數為0.50，確定性系數R2為0.70，圖3為藉河流域天水（二）站水文站以上流域的徑流模擬結果。可見，經過率定的模型能夠較好地反映藉河流域天水（二）站水文站上游的水文過程。

3.2? 驗證期

將2010—2013年作為驗證期，用于對模型結果的檢驗，結果如圖4所示。將2010—2013年天水（二）站水文站逐日徑流數據、氣象數據輸入率定好的模型，得到結果Nash系數為0.71，確定性系數R2為0.84。模型結果與徑流實測結果基本吻合，可見，HBV模型在藉河流域具有良好的適用性，模擬結果精度較高。

4? 致災臨界面雨量確定

4.1? 降水-流量-水位

通過HBV模型建立降水與流量的關系，本研究只考慮洪水上漲時水位流量關系，以流量為紐帶建立降水-流量-洪水三元關系，從而確定流域致災臨界面雨量。

由于HBV模型對藉河流域的模擬精度較高，通過建立的降水-流量關系，輸入1965—2013年的逐日氣象數據對藉河流域天水（二）站水文站的徑流數據進行插補延長，得到水文站1965—2013年完整逐日徑流量數據，結果如圖5所示。根據水位-流量關系，獲得藉河流域天水（二）站水文站1965—2013年逐日水位數據。

4.2? 暴雨洪澇災害判別條件確定

藉河流域天水（二）站水文站暴雨洪澇災害判別條件的確定采用分布函數擬合方法，采取最優擬合函數，計算10年一遇、50年一遇、100年一遇的重現期水位作為暴雨洪澇災害判別條件。

通過插補延長得到的天水（二）站水文站逐日水位數據，得到逐年最大日水位，即建立日水位最大值AM水位極值序列，通過采用年最大抽樣法得到最大值（AM）序列，是中國洪水計算中采用的規范[10]。用Easyfit軟件中50多種分布函數對AM序列進行擬合，以Kolmogorov-Smirnov檢驗對擬合結果進行評價，顯著性水平為0.08。通過對Easyfit軟件中分布函數進行排序分析得知，Log-Logistic（3P）分布函數在藉河天水（二）站水文站流域擬合極端水位效果最好，經過Log-Logistic（3P）分布函數計算得出10年一遇、50年一遇、100年一遇重現期的水位，作為藉河天水（二）站水文站流域暴雨洪澇災害判別條件，結果見表4。

4.3? 致災臨界面雨量確定

由于流域暴雨災害發生是氣象、地形地貌、下墊面類型和工程設施等多個要素共同作用的結果，因此，流域暴雨洪澇災害的致災臨界氣象條件不是一個靜態的值，而是與前期水文特征、水利設施及下墊面等條件密切相關的動態條件[11]。

在本研究中，以藉河天水（二）站水文站以上流域為例，致災臨界面雨量與前期水文數據有關，根據已經建立的降水-流量-水位關系，在已知前期水位數據的情況下，就可得到所求臨界面雨量。首先運行HBV模型使流域水位上漲到一定水平，給HBV模型輸入1個給定的面雨量進行徑流模擬，得到洪峰流量值。將洪峰流量值帶入建立的流量-水位關系中，得到對應的降水量值，通過對輸入面雨量值的不斷調整進行多次模擬，直到水位值與臨界水位一致，此時的面雨量就是臨界面雨量值。

分析藉河流域1965—2013年歷次洪水過程，發現前期水位多分布在1 164.28、1 164.29、1 164.30 m，篩選出1979、1982和2005年，擬合出在3個不同前期水位條件下的水位-雨量關系，如圖6所示。根據已有的暴雨洪澇災害判別條件得到在不同前期水位條件下的臨界面雨量值。

4.4? 致災臨界面雨量驗證

選取1979、1982和2005年3次洪水過程對臨界面雨量值進行驗證，結果見表5。在1979年洪水過程中，8月2日平均水位為1 164.278 m，即前期水位值為1 164.278 m，8月3日發生洪水當天面雨量為54 mm，根據前期水位為1 164.278 m的臨界面雨量判斷，8月3日面雨量超過三級預警，未達到二級預警，實測水位為1 164.900 m，超過10年一遇重現期水位，未達到50年一遇重現期水位。HBV模型對此次洪水過程預警正確。

在1982年洪水過程中，7月28日平均水位為1 164.291 m，即前期水位值為1 164.291 m，7月29日發生洪水當天面雨量為49 mm，根據前期水位為1 164.291 m的臨界面雨量判斷，7月29日面雨量超過三級預警，未達到二級預警，實測水位為1 165.000 m，超過10年一遇重現期水位，未達到50年一遇重現期水位。HBV模型對此次洪水過程預警正確。

在2005年洪水過程中，8月13日平均水位為1 165.304 m，即前期水位值為1 165.304 m，8月14日發生洪水當天面雨量為60 mm，根據前期水位為1 165.304 m的臨界面雨量判斷，8月14日面雨量超過二級預警，未達到一級預警，實測水位為1 165.500 m，超過50年一遇重現期水位，未達到100年一遇重現期水位。HBV模型對此次洪水過程預警結果精確。

從藉河天水（二）站水文站3次洪水過程驗證來看，HBV模型對流域致災臨界面雨量的預警結果良好。

5? 結論與討論

1）選取2006—2009年逐日氣象數據和水文數據對HBV水文模型進行率定，選取2010—2013為驗證期對模型結果進行驗證。經過驗證證明，HBV水文模型在藉河流域具有良好的適用性。

2）通過HBV模型建立藉河降水-流量關系，只考慮洪水期水位流量關系，得到藉河天水（二）站水文站以上流域降水-流量-水位關系。采用分布函數擬合方法確定暴雨洪澇災害判別條件為10年一遇、50年一遇和100年一遇重現期的水位。

3）分析藉河流域1965—2013年歷次洪水，確定1 164.28、1 164.29、1 164.30 m為3個不同前期水位條件下的臨界面雨量。選取1979、1982、2005年3次洪水過程對臨界面雨量值進行驗證，證明HBV水文模型可以對藉河流域的氣象預報工作進行服務，作出參考。

4）由于HBV模型只是根據前人的研究經驗對模型參數進行敏感性分析，但不同土地利用類型對產流過程有較大影響[12]，城市化等人類活動會改變下墊面性質進而影響洪澇災害的發生[13]，因此HBV水文模型在藉河流域模擬徑流過程仍然具有不確定因素。

參考文獻：

[1] 秦大河.影響我國的主要氣象災害及其發展態勢[J].自然災害學報，2007，16（12）：46-48.

[2] 王仁喬，周月華，王? 麗，等.湖北省山洪臨界雨量及降雨區劃研究[J].高原氣象，2006，25（2）：330-334.

[3] 向? 亮，劉學鋒，郝立生，等.未來百年不同排放背景下灤河流域徑流特征分析[J].地理科學進展，2011，30（7）：861-866.

[4] 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.

[5] 靳曉莉，張? 奇，許崇育.一個概念性水文模型的參數區域化研究：以東江流域為例[J].湖泊科學，2008，20（6）：723-732.

[6] 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].水文保持通報，2015，35（3）：218-221.

[7] 劉義華，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.

[8] WANG S P，ZHANG Z Q，SUN G，et al. Detecting water yield variability due to the small proportional land use and land cover changes in a watershed on the Loess Plateau，China[J].Hydrological Processes，2009，23：3083-3092.

[9] BERGSTORM S. Development and application of a conceptual run off model for Scandinavian catchment[M].Norrkoping：University of Lurd，1976.

[10] 劉學鋒，向? 亮，于長文.海河流域降水極值的時空演變特征[J].氣候與環境研究，2010，15（4）：451-461.

[11] 章國材.暴雨洪游預報與風險評估[M].北京：氣象出版社，2012.

[12] 孟廣濤，毛? 瑢，方向京，等.模擬暴雨條件下珠江上游不同地被產流產沙過程研究[J].水土保持研究，2007，14（1）：287-288， 294.

[13] 石? 怡，許有鵬，蔡? 娟.城市化對秦淮河中下游洪澇災害風險的影響分析[J].水土保持研究，2011，18（5）：26-31.