有限數據條件下基于MIKE BASIN的人工開挖河段獨流減河水文模擬

王 旭，袁亞男，朱金鳳，王盛萍

(華北電力大學環境科學與工程學院，北京 102206)

0 引 言

水資源問題是當今我國的社會戰略性問題之一，合理配置水資源是促進水資源可持續發展的重要問題，其中，模擬模型是進行水資源合理配置的有效手段，MIKE BASIN作為水資源優化配置的重要工具日益引起學者關注。

較多學者基于MIKE BASIN成功模擬了水文過程，并進行了有效的水資源配置。Ireson A.等(2006)將MIKE BASIN模型與ASM地下水模型進行耦合，解決了Vrbas流域在數據匱乏下的建模困難問題，并為水文模擬和水資源配置提供戰略決策[1]。Kaiglová 與 Langhammer 等(2014)利用MIKE BASIN模型軟件建模來對復雜條件狀況下的水質污染情況進行評估，盡管研究區數據資源有限，但模型仍進行了有效率定[2]。楊芬等(2013)以缺水型大城市----北京為研究對象，以ArcGIS為平臺，基于MIKE BASIN模型針對永定河、薊運河等6個地表水源及地下水源開展了一系列水文模擬及水資源配置研究，經分析比較，發現MIKE BASIN模型可以更好地應用于缺水型大城市的水資源配置問題，并能夠進行不同水源條件的方案計算，為水資源的配置、規劃工作提供了科學依據[3]。

上述眾多研究凸顯了MIKE BASIN在水文水資源研究中的廣泛適用性。但是，需要強調的是，以往關于MIKE BASIN的研究多針對自然流域進行探討。區別于自然流域，較多人工開挖河流，特別是對于濱海平原區的河渠周圍地形梯度變化較不顯著，現有的較多數字高程模型精度很難再現人工開挖河段周邊的地形特征，進而很難提取其匯流區域和徑流路徑。

MIKE BASIN建模時提供有2種不同的流域表征方法，除了基于DEM自動提取流域匯流區以外，還提供有示意性集水區以簡化表征匯流區域。對于濱海平原區人工開挖河段，在數據條件有限的情況下，是否可基于示意性集水區應用MIKE BASIN進行水文過程模擬仍然不得而知。

本文的研究對象為海河流域大清河系的一條支流----獨流減河。獨流減河為人工開挖河流，其周邊區域地勢較平坦，在DEM數字高程模型中地形梯度變化不顯著，很難利用現有數字高程模型提取河段的匯水區域。研究通過搭建示意性集水區，基于MIKE BASIN，并耦合NAM模型構建獨流減河水文模擬模型。其中，示意性集水區是指模型根據河流走向自動生成的子流域，其大小和形狀不能完全代表真實情況，但卻可以通過設置相關參數使其可以代表真實流域情況進行模擬計算。本研究的目的主要在于基于MIKE BASIN示意性集水區的應用，探討該模型對于人工開挖河段水文過程模擬的適用性。

1 研究方法

1.1 研究區域概況

獨流減河是海河流域的一條人工河道，主要行徑于天津市境內，是海河南系最大的河流。受東亞季風支配[4]，研究區年平均氣溫約為14 ℃，年平均降水量為360～970 mm，主要集中在6-9月。區域內多年平均水面蒸發量大約為1 848.6 mm；多年平均風速為2.7 m/s，最大風速為22.0 m/s。河道從西青區的進洪閘開始，至獨流減河防潮閘入海，全長68.8 km，流域面積511 km2，設計流量3 200 m3/s。根據獨流減河進洪閘水文資料中的實測流量數據統計，多年平均徑流量為6.95 億m3，主要集中在8-10月份，其中，年徑流量最大值出現在1956年，達到78.27 億m3。獨流減河20世紀五六十年代的洪峰流量較大，每年最大洪峰流量的發生時間主要集中在8、9月份。其中超過500 m3/s的洪水共有9次，最大的一次發生在1954年的8月，該月的洪峰流量達到1 370 m3/s。其他年份尤其是1980年以后，進洪閘站的來水流量逐漸減少，常年處于斷流狀態。

獨流減河河道寬闊順直，由西向東與海河干流平行走向，地形平坦開闊，所經區域為典型的低平原。獨流減河的建成，為大清河中上游地區抗災減災、促進工農業發展起到了積極作用，為保證天津城市防洪安全作出了貢獻，同時也在天津市的城市生活和經濟發展過程中發揮了不可替代的作用[5,6]。圖1為獨流減河河流水系。

圖1 獨流減河河流水系Fig.1 Water system diagram of Duliujian River

1.2 MIKE BASIN/NAM模型結構與原理

MIKE BASIN軟件是由丹麥水利研究所(DHI)研發，以ArcGIS為平臺，適用于流域或區域尺度的水資源綜合規劃和管理工具，可以解決地表水產匯流計算及水質模擬等問題[7,8]，是一個多功能且高度靈活的模型框架，可應用于流域內水資源分配、管理和規劃等。MIKE BASIN模型通常利用特定流域內的河流網絡和子流域作為基本模型數據。除此之外，還可以根據應用程序的類型應用許多功能,包括:河流布線、用水戶(常規和灌溉用戶)、水電站和水庫、水文(降雨徑流模擬)、地下水、水庫沉積和使用ECOlab的水質選項[9]。

MIKE BASIN模型構建中起支撐作用的是河流河網，主要由GIS圖形生成，MIKE BASIN 可通過導入河網形狀或由數字高程模型進行跟蹤得到河網模型及其子流域的劃分。模型主要由河網、集水區域(子流域)、供水戶、用水戶、水庫及電站等要素組成，各個要素以類似于搭積木的方式組合起來，通過 MIKE BASIN 的內置操作規則相互作用并聯系起來[9]。

本研究通過耦合MIKE BASIN與NAM降雨徑流模型實現獨流減河的降雨徑流模擬。NAM模型是一個確定性、集總性和概念性的降雨徑流模型，用于模擬在集水區尺度上發生的降雨徑流過程。它考慮了多達4個不同儲水區的水文過程，可以根據需要及數據條件以多種不同的方式進行流域產匯流模擬計算。目前，NAM已應用于世界各地具有不同氣候和水文條件的大量流域中。圖2表述了NAM模型模擬的降雨徑流過程。

圖2 NAM模擬水文過程示意Fig.2 NAM simulation hydrological process

默認情況下，NAM包含9個參數，分別代表表層區域、根區和地下水存儲區[10]。模型建立所需數據包括氣象、降雨、蒸發、流量數據和流域參數、初始條件。模型的輸出主要為地表徑流，可細化為坡面流、壤中流和基流，其他的水文信息包括土壤含水量和地下水補給[11]。另外，NAM還允許模擬人工干預措施，如灌溉和抽取地下水。NAM模型結構見圖3。

圖3 NAM模型結構Fig.3 NAM model structure

NAM模型將徑流量的計算分為4個主要部分，包括坡面流量、壤中流量、基流量和蒸發量的計算。

(1)坡面流量計算：

(1)

式中：CQOF為坡面徑流系數，取值范圍為0～1.0；TOF為坡面流根區臨界值，取值范圍為0～1.0；L/Lmax為根區相對含水量；PN為降水-地表儲水層儲水量。

(2)壤中流量計算：

(2)

式中：CKIF為壤中流時間常數；TIF為壤中流根區臨界值，取值范圍為0～1.0；U為地表儲水層水量；相同符號意義同前。

(3)基流量計算：

(3)

式中：TG為地下水補給臨界值，取值范圍為0～1.0；相同符號意義同前。

(4)蒸發量計算：

(4)

式中：Ep為潛在蒸散發量；相同符號意義同前。

1.3 模型構建

1.3.1 步長設置

MIKE BASIN 模型針對不同的模塊(比如：水量分配、用水戶、降雨徑流模塊等)可分別設置各自的計算步長。本研究所獲得降雨、徑流數據資料均以月為單位步長，因此，NAM降雨徑流模擬步長設置以月為單位。

1.3.2 河網提取

流域水系概化通過自動分析與流域實際情況相結合的方式進行。其中，獨流減河流域地形通過中國地區SRTM 數據集直接提取獨流減河流域DEM數字高程模型。在已有的DEM基礎上，利用ArcGIS軟件新建shape文件格式圖層繪制出河流的大致走向，再以*shp.格式的文件形式導入到MIKE BASIN軟件中，對河網進行數字化處理，從而得到獨流減河的河流水系圖。

1.3.3 子流域劃分

獨流減河為城鎮人工開挖河渠河段，根據現有的DEM(分辨率：30 m×30 m)較難提取其自然匯水區域，因此，根據獨流減河河道的特點及分流情況，分別搭建4個示意性集水區區域(見圖4)。同時，在集水區出水口及流域分流處設置流域節點和分流節點。

圖4 子流域劃分示意Fig.4 Sub-catvhment division diagram

1.3.4 模型數據輸入

研究僅獲得河段下游工農兵閘站以及大寺站2個測站月降水資料，以及河段上游進洪閘和入海口處防潮閘月徑流資料。模型搭建時，要求對各示意性集水區輸入降水、徑流等觀測序列(*.dfs0)。因為各集水區相距較近，河段全長僅68.8 km，且區間無其他徑流匯入，因此，各示意性集水區降水采用均一設置(uniform)，取2個測站平均，部分集水區徑流量數據則根據上下游的徑流量內插得到。

1.3.5 模型參數率定及驗證

參數率定即為調整模型的參數使模型擬合輸出值與實際觀測值誤差達到最小，本研究采用試錯法(Trail and error)對示意性集水區各個參數進行率定。即保持其他參數值不變的情況下，手動調整某一參數設置值，統計輸出并對比分析模型評價指標變化情況以及模擬水文過程線變化情況，再以同樣的方法對模型中的其他參數依次進行率定。

采用2種驗證機制進行模型驗證。第1種是相似集水區驗證(Prox-basin test)。由于該地區數據資源有限，研究數據的選擇主要以汛期有連續5個月以上的降雨或徑流量觀測數據為依據，最終選定1995年作為模型的率定期，對該年1號示意性集水區進行模型率定后，將該集水區(Catchment 1)中各參數的最終率定結果輸入到同年的2、3、4號集水區(Catchment 2、3、4)的降雨徑流模型中進行驗證；第2種驗證機制是樣本分割測試(Split-sample test)，根據水文狀況相似為依據選擇2012年(1月1日至12月31日)作為率定期。其中，2012年與1995年同為豐水年，年降雨量較為相似，且汛期也具備連續5個月以上具有降雨及徑流量觀測數據。

研究采用相關系數R2、均方根誤差RMSE以及Nash-Sutcliffe(NSE)系數[14-16]評價模型模擬性能。其中，相關系數R2表示觀測和模擬時間序列之間相關系數的平方，R2取值范圍是0

1.3.6 靈敏度分析

為有效開展模型參數率定，模型校正之前進行了靈敏度分析，即對NAM模型中的9個主要參數作一定的調整，在既定的參數取值范圍內通過逐次改變參數初始值的5%,10%,20%,30%,50%和100%，以各指標的相對變化為依據，評價在參數變化時相應的模型模擬性能，分析各水文參數對徑流模擬的敏感程度。

2 結果與討論

2.1 靈敏度分析

表1表述了靈敏度分析時參數變化所對應的模擬評價指標。

表1 參數率定中R2、RMSE和 NSE的變化情況Tab.1 Changes of R2、RMSE and NSE during the calibration

續表1 參數率定中R2、RMSE和 NSE的變化情況

從表1可以看出，當Umax(地表儲水層最大含水量)的數值由基值(10 mm)增大到30%的過程中，相關系數R2從0.38增大到0.48，R2相對增大26%，但是當Umax值繼續增大到基值的100%時，R2較基值對應情況僅增大3%左右；在此過程中，對應NSE從0.17增大到0.23(較基值對應NSE相對增大35%)，又減小至0.18(較基值對應NSE相對增大6%)；同樣地，總水量平衡誤差RMSE在Umax由基值增大到10%的過程中，其增長率為28%，當參數值增大到30%時，僅增長了11%。結合水量平衡誤差RMSE以及模擬水文過程線的變化，可以得出Umax主要對徑流累積量有一定的影響，Umax的取值越大，徑流累積量相對越小，反之徑流累積量越大。由此可得知，Umax是NAM模型中較為靈敏的參數之一。

CK1,2(坡面流時間常量)參數值的增大幅度為5%到50%時，R2的數值變化是0.43～0.59，R2的相對變化率從2%增加到41%；在此變化過程中，RMSE的數值從最初的10.15 m3/s，增加到14.59 m3/s，又在參數變化50%時減小到10.13 m3/s，這一過程中，RMSE的變化率從0.2%增加到44%；而NSE在參數變化30%的情況下，達到44%的最大變化率，最小變化率僅為6%左右。通過對徑流模擬曲線的分析可得，CK1,2主要影響峰值形狀，對洪峰流量有較為顯著的影響，其中，CK1,2的值越高，洪峰流量越低，相反，CK1,2越小，洪峰則越高。綜上所述，CK1,2也可作為模型中較為靈敏的參數，在后續參數率定過程中進行調整。

對于參數TOF(根區坡面流臨界值)而言，參數增長5%后，R2的變化率達到最大30%，此后，隨著參數值繼續增大，R2的增長率有所下降；RMSE的變化同樣在參數增大5%時較為明顯，達到37%的最大變化率；同理，NSE相對增長35%。當TIF(根區壤中流臨界值)參數值由基值增大5%直至20%后，R2的變化范圍為0.39～0.52，R2變化率可達到33%，變化較大；而NSE的變化為0.16～0.22，其相對變化率在參數由基值增大到20%達到38%，此后隨參數的增大有逐漸減小的趨勢；而RMSE的變化率最大為26%，相對較高。TOF和TIF2個參數對徑流累積量及洪峰流量有一定的影響，但相對較小。

結合上述結果及分析，可知Umax、CK1,2、TOF和TIF在NAM模型中是相對較為靈敏的參數，在后續的模型率定過程中可主要針對這4個參數對模擬曲線進行調整，使模擬及實測徑流量能達到較好的擬合效果。

其他參數如Lmax、CQOF、CKIF、TG和CKBF，其參數值從5%變化到100%的過程中，相關系數R2、均方根誤差RMSE和納什系數NSE的相對變化率不大。如Lmax，R2的變化率最大為8%，NSE在10%左右，RMSE的相對變化最大值也僅有8%，遠遠低于上述4個靈敏度較高的參數各指標的相對變化率。同樣的，其余幾個參數的各項指標變化程度均小于上述4個較靈敏參數，因此可以斷定，這5個參數為靈敏度較低的參數。

2.2 模型參數率定

表2列出了建立NAM降雨徑流模型所需要的相關參數及其取值范圍[12]、初始值和最終率定結果。

表2 NAM模型主要參數Tab.2 The main parameters in NAM model

圖5是模型中1號示意性集水區經參數率定后的徑流量模擬結果,表示了模型校正后1號集水區徑流模擬結果?？梢钥闯?，無論峰值模擬或徑流過程線模擬，模擬徑流與實測徑流2者之間誤差較小，RMSE為5.6 m3/s,相關系數R2及納什系數NSE高達0.99，這表明實測和模擬徑流之間有非常好的線性關系。依據模型模擬評價標準(見表3)，模型在率定階段模型性能非常好。

圖5 1號示意性集水區1995年徑流量模擬結果Fig.5 Runoff simulation results of the No.1 illustrative sub-basin in 1995

2.3 模型的驗證

2.3.1 相似集水區驗證 (Prox-basin test)

表4列出1995年流域不同子集水區模擬徑流結果。圖6為2、3、4號集水區相應的水文過程線。

表3 1號集水區校正階段(1995)獨流減河模擬性能及相應評價指標Tab.3 Simulation performance and evaluation index of the No.1 sub-catchment in verification(1995)

表4 驗證階段(1995)獨流減河模擬性能及相應評價指標Tab.4 Simulation performance and evaluation index of Duliujian River in verification(1995)

圖6 2、3、4號示意性集水區1995年徑流量模擬結果Fig.6 Runoff simulation results of the No.2, No.3, No.4 sub-catchment in 1995

可以看出，與率定階段相比，模型在其他子集水區驗證的模擬結果稍遜：總體上各個集水區模擬徑流峰值流量較實測流量較小，徑流過程線漲水階段模擬徑流較觀測徑流要高，起漲點較早，而退水階段模擬徑流較觀測徑流普遍偏小。但從評價指標上看，2號、3號、4號集水區的納什系數NSE分別為0.92、 0.87、0.94，均大于0.75，而從R2或RMSE指標來講，3個集水區分別為0.94、0.91、0.96和8.86、11.40、15.48 m3/s，從模擬性能評價標準來看，各指標均在誤差允許范圍內，表明模型模擬精度較高。分析認為，模型驗證階段模擬性能較校正階段稍遜，除了存在有一定徑流觀測誤差以外，研究區上游集水區和下游集水區因周邊城鎮、道路等不透水面積比的不同而導致地表產流能力、產流過程可能存在一定差異。

2.3.2 樣本分割測試(Split-sample test)

圖7所示為2012年1號集水區模型驗證結果。率定階段1995年與驗證階段2012年降雨量分別為727.5和726.4 mm。

圖7 1號集水區2012年徑流量模擬過程Fig.7 Runoff simulation results of the No.1 sub-catchment in 2012

結合圖7、表5，可以看出，模型在驗證階段其相關系數為R2=0.85，納什系數NSE及RMSE分別為0.61和13.03 m3/s。相比于1995年，R2及NSE均有所下降，RMSE則有所升高。分析認為，驗證階段模擬性能較校正階段有所下降，主要原因在于1995-2012年間集水區周邊土地利用可能發生變化，導致其水文過程有明顯區別。這有待于進一步分析獨流減河周邊區域土地利用變化以進行驗證。總體來看，雖然各指標有所下降，但依據模擬性能評判指標，樣本分割測試所驗證的模擬結果是在合理的、可接受的范圍內。因此，建立的獨流減河模擬模型具有一定的適用性，特別是對于徑流過程的模擬，模型基本可再現獨流減河水文過程變化。

表5 1號集水區2012年降雨徑流模擬性能Tab.5 Simulated performance of rainfall runoff in No.1 sub-catchment in 2012

3 結 論

研究區地形梯度變化較小，加之數據資源有限，依據現有精度的DEM提取區域內自然匯水面積較為困難。為有效模擬獨流減河水文過程，研究耦合MIKE BASIN與NAM模型，通過應用示意性集水區，成功模擬了獨流減河水文過程。通過進行靈敏度分析得出，Umax、CK1,2、TOF和TIF4個參數相對NAM模型中的其他參數而言，靈敏度較高，對模型模擬效果影響較大，其中Umax和CK1,22個參數主要表現在對徑流累積量及洪峰流量的影響上?？傮w來看，無論采用相似流域驗證機制或樣本分割驗證機制，模型模擬性能較好，R2、RMSE以及NSE在相似流域驗證時表現較好，相關系數R2的數值為0.91～0.96，均超過0.90，根據表3所述模型擬合優度評判標準，模擬效果達到最優匹配水平，說明模擬徑流量與實測徑流量的擬合程度較好?？偹科胶庹`差RMSE為8.86～15.48 m3/s，模擬結果相對較好；而納什系數NSE為0.87～0.94，均大于0.75，由表3所述可知，模擬效果極好。分割測試由于存在有土地利用變化等不確定因素干擾，2012年驗證階段模擬性能較率定階段1995年顯著下降，但總體上來看，R2=0.85、RMSE=13.03 m3/s，NSE=0.61，3個模型評價指標仍在可接受范圍內。研究認為，對于濱海平原區的人工開挖河流，在數據資源有限的情況下通過耦合MIKE BASIN與NAM，可借助示意性集水區，實現河流水文過程的有效模擬，這對于區域進一步的水資源分析和優化配置研究將具有重要意義。