修正SWAT模型在喀斯特小流域的径流模拟研究——以羊鸡冲小流域为例

在贵州喀斯特地区,地表径流通过土壤裂隙、岩溶管道等途径流失,限制了地表径流的形成。文章以龙里羊鸡冲小流域为研究区,基于2013-2019年的实测数据,修正SWAT(Soil and Water Assessment Tool)模型的裂隙流模块,修改了裂缝入渗的表示方法,对修正前后的日径流模拟进行对比分析。结果表明:率定期内纳什系数由0.32提升到0.60,决定系数由提高0.37提升到0.58。在验证期内,纳什系数由0.52提高到0.55,决定系数由0.56提高到0.60,修正后的模型与原模型相比具有更好的适用性。修正后模型的径流时间序列与实测数据更吻合,能合理估算研究区的入渗水量,为喀斯特小流域的水资源管理提供参考依据。

基于陆气耦合模式的降雨径流模拟研究进展

基于陆气耦合模式的降雨径流模拟是变化环境下水文循环过程研究的重要内容之一。围绕陆气耦合降雨径流模拟,分析基于陆气耦合模式的降雨径流模拟框架,对比基础输入资料、天气模式和陆面水文模型各方面的优缺点,回顾基于该框架的发展历程,从集合预报、数据驱动、陆面水文模型与天气模式3个方面介绍了陆气耦合降雨径流模拟技术的发展,提出多尺度转换、双向耦合、不确定性问题及误差修正4个热点关键技术问题,并对未来研究进行展望,以期为推进基于陆气耦合模式的降雨径流模拟研究提供参考。

基于长短时记忆网络的山区中小流域降雨径流模拟

洪水预报是流域防洪减灾的重要非工程措施之一。目前我国中小河流暴雨洪水灾害频发,但应对短历时强降雨的洪水预报能力仍不强。以安徽省东部山区中小流域为研究对象,引入长短时记忆网络建立流域降雨径流模型,探讨其在山区中小流域的洪水模拟效果。结果表明,考虑降雨输入的空间差异可提升深度学习模型降雨径流模拟预测性能,且长短时记忆网络能够取得优于传统人工神经网络的精度;长短时记忆网络模型有效建立了流域降雨与径流间的复杂非线性关系,模型在所选流域内场次洪水的峰值模拟效果较好,训练、测试集场次洪水峰值合格率均在90%以上;长短时记忆网络内部结构特征与流域水文过程具有较好的相似性,对山区中小流域暴雨洪水非线性关系拟合效果突出。

考虑植被根系深度动态变化的VIC径流模拟模型

为了提高干旱半干旱地区植被变化影响下的水文模型模拟精度,结合植物根系的垂直分布与气候、土壤条件,提出了基于流域气象和土壤性质等下垫面特征的流域根系平均深度估算方法,以黄土高原地区无定河流域为例,构建了考虑植被根系深度动态变化的可变下渗容量(VIC)径流模拟模型(VIC-DR模型)。将该模型径流模拟结果与有汇流演算的VIC模型(VIC-R模型)结果进行比较。结果表明:与VIC-R模型相比,VIC-DR模型模拟精度显著提高,VIC-DR模型对无定河流域月尺度、日尺度径流量模拟结果的纳什效率系数分别提高了10.6%和8.7%,相对误差分别下降了15.4%和5.1%,与实测值相关系数均大于0.6;VIC-DR模型的模拟结果符合流域实际情况,模型适用性良好。

额尔齐斯河库威站日尺度的降雨融雪径流模拟

额尔齐斯河流域受地理条件的影响,流域内水文气象站点较少,基础资料匮乏,而融雪洪水在该流域的汛期及水资源管理上有着较大影响。本研究通过应用降水和气温的再分析产品及AVHRR积雪数据,利用K-means聚类法进行不同径流时期特点的划分,并在不同时期构建相应SRM+LSTM模型,并使用2009年数据及2023年实地观测的径流数据进行验证。结果表明:再分析产品CMFD能够较好地应用于额尔齐斯河流域,并能根据降水、温度、积雪及径流间的关系得到不同径流划分时期,即12月11日—次年4月10日为积雪退水期、4月11日—8月10日为融雪降水产流期、8月11日为降水产流期。SRM模型模拟效果较差,大部分径流纳什效率系数(NSE)<0;而SRM+LSTM模型能够较好地模拟该流域的不同时期的径流,决定系数R2均能达到0.5以上,纳什效率系数也能达到0.5以上,证明SRM+LSTM模型能够较好地应用于该地区,精度较高。

基于相关性检验的VMD-LSTM耦合模型月径流模拟研究

近年来,极端强降雨和干旱事件频发,流域水文过程的不确定性变化加剧,使得流域中长期径流预测的难度增加。为提升LSTM(长短期记忆神经网络)模型对径流时序变化的捕捉及拟合能力,以博阳河流域为研究区域,选取月降雨、蒸发及流量数据,利用VMD(变分模态分解)和相关性检验,排除无关频率分量对LSTM模型规律学习的干扰,以达到模型输入优选的目的;此外,还考虑了VMD与LSTM模型的不同耦合方式对模型精度和稳定性的影响,最终优选出二者兼具的VMD-LSTM月径流耦合模式。结果表明:VMD-LSTM耦合模型可显著提升模拟精度,但在模型稳定性方面有所欠缺;而基于相关性检验的VMD-LSTM耦合模型不仅能够进一步提高模型精度,并且在模型的稳定性方面也有所改进。在基于相关性检验的VMD-LSTM耦合模型的不同耦合方式对比中,对输入、输出均进行VMD分解且对输入变量进行优选的D_(1)耦合方案的模拟效果最好,其60次模拟计算的NSE均为0.98以上且稳定性极佳;另外,在分析方案D_(1)的可解释性时发现历史径流对于LSTM模型的影响要比降雨和蒸发大。该研究结论可为流域水资源管理提供精准可信的中长期径流模拟成果。

基于CNN-LSTM-Attention模型的沁河流域径流模拟及未来多情景预测

为提升深度学习模型对变化环境下流域的径流模拟精度,以沁河流域为例,构建了基于卷积神经网络(CNN)、长短期记忆网络(LSTM)和注意力机制(Attention)的CNN-LSTM-Attention耦合模型,加入多种优化算法,结合第六次国际耦合模式比较计划CMIP6中的BCC-CSM2-MR气候模式并考虑多种情景,应用于流域的径流模拟和预测,同时比较了多种深度学习模型的模拟精度。结果表明:CNN-LSTM-Attention模型在沁河流域表现出了较好的径流模拟效果,模拟精度均优于其他深度学习模型,纳什效率系数(NSE)为0.883,均方根误差(RMSE)为2.317,平均绝对误差(MAE)为1.098;不同气候变化情景下,沁河流域在2025—2050年的年径流量均呈现缓慢衰减趋势且波动程度较大,尤其在SSP1-2.6情景下,径流量衰减和波动程度突出。研究可为深度学习模型在人水关系智能化计算模拟领域的应用提供新思路,并为流域后续的水资源开发利用和管理提供科学参考价值。

蒙阴流域日径流模拟多模型比较研究

选择MARRMoT建模工具箱中16个集总式水文模型对湿润半湿润的蒙阴流域进行日径流模拟,对比分析不同模型在该流域的适用性。使用Nelder-Mead单纯形搜索法确定模型参数,选取确定性系数、Kling-Gupta效率系数和洪量相对误差指标评定模型精度;根据模拟精度对模型适用性进行排序,综合考虑模型结构和参数个数,对模拟精度的影响因素进行分析。结果表明,新安江模型和GR4J模型的精度最优,SMAR和HBV模型次之;模型结构是影响模拟精度的重要因素,模型参数个数影响不大,复杂的模型并不意味着更好的模拟结果。研究可为湿润半湿润流域水文模型的选择及应用提供参考。

基于多层土壤湿度数据同化的小流域径流模拟

土壤水分状态在水文循环中起关键作用,对径流预报的准确性影响很大。以美国宾西法尼亚州中部的Shale Hills流域为例,研究多层实测土壤湿度数据同化对径流模拟的作用。首先利用新安江模型对研究区内2008~2012年的日径流进行模拟,同时通过集合卡尔曼滤波算法构建基于新安江模型的水文数据同化模型,并设置未同化的开环试验作为对比,研究模型同化土壤湿度对改善径流模拟和土壤水分的能力。模拟结果显示,新安江模型在该流域有较好的适用性;相比于同化前,模型同化多层土壤湿度后径流量相对误差降低了5.2%,纳什效率系数从0.62提高到0.66,土壤含水率的均方根误差从16.4 mm减小到3.0 mm。其次对单层土壤含水率同化结果进行比较,结果表明,下层土壤含水率同化比上层同化对径流模拟作用更明显,但仅加入上层实测土壤含水率同化能够降低下层土壤水模拟的不确定性。研究结果表明同化多层土壤湿度可提高径流模拟精度,同时也能够有效优化土壤水的模拟结果。

长短时记忆网络与新安江模型耦合的降雨径流模拟性能

深度学习技术在降雨径流模拟方面具有广阔应用前景,但受训练样本限制,需与传统水文模型相耦合,由传统水文模型提供训练数据。耦合数据的选择和超参数方案对耦合模型的模拟性能影响显著,但尚未有专门的研究。本文以东湾流域为例,用双向长短时记忆网络耦合新安江模型不同模块数据,并用灰狼优化算法优化超参数,构建降雨径流模型。结果表明:模型耦合不同数据时,对日径流和场次洪水的模拟性能均有提高,尤以耦合产流量和模拟流量数据时最为明显。不同耦合数据需调整超参数方案,灰狼优化算法可满足需求。本研究为提高耦合模型径流模拟能力提供了新思路和新方法。

基于再分析降水资料的青藏高原典型流域径流模拟分析

基于实测资料、中国区域地面气象要素驱动数据集(CMFD)和ERA5-Land再分析降水资料,构建了青藏高原尼洋河更张站以上流域的可变下渗能力(VIC)模型,评估再分析降水资料和VIC模型在资料缺乏地区径流模拟中的适用性,并探究了VIC模型分辨率对径流模拟结果的影响。结果表明:在资料严重缺乏地区,基于实测资料的VIC模型难以反映径流的实际情况,而采用再分析降水资料可以明显提升流域径流模拟精度;与基于CMFD再分析数据的VIC模型模拟结果相比,基于ERA5-Land再分析数据的模型径流模拟精度更高,月径流模拟结果的纳什效率系数达到0.76,表明ERA5-Land再分析降水资料和VIC模型在研究区具有较好的适用性,但模型对洪峰模拟结果的精度需要进一步提高;VIC模型径流模拟精度随着其分辨率的提高有所提升,当模型分辨率由10 km提高到1 km时,月径流模拟结果的纳什效率系数提高了9.1%,相对误差减小了16.5%;较高分辨率的VIC模型对峰现时间、洪峰流量模拟更准确,但是难以模拟退水过程。

黑河上游年径流模拟模型优选与归因分析

【目的】本研究旨在深入探究人类活动与气候变化对黑河上游年径流量的影响,为区域水资源保护与规划利用提供科学支持。【方法】研究综合Mann-Kendall非参数统计检验、Pettitt检验和滑动t检验方法,对1954—2020年黑河上游年径流序列进行趋势检验,识别年径流序列趋势变化的突变点并划分基准期与分析期。在此基础上,采用BP神经网络模型、灰色时间序列模型和多元线性回归模型,模拟基准期年径流变化,优选模拟效果最佳模型,进而借助优选模型与径流变化归因方法,定量解析人类活动与气候变化要素对年径流变化的驱动规律。【结果】趋势检验发现,年径流序列在1982年和2006年前后发生了突变,黑河上游年径流序列可划分为1954—1982年(基准期)、1982—2006年(分析期1)和2006—2020年(分析期2)3个阶段。在基准期年径流序列的模拟中,BP神经网络模型在验证期的相对误差(0.79%)、纳什效率系数(0.84)与拟合优度(0.84)3个参数上相较其他模型优势明显。借助神经网络模型进行年径流变化归因分析,发现人类活动导致年径流在1982—2020年间减少的平均值为7.56×10^(8) m^(3)。但2006—2020年间黑河上游人类活动对径流的负面贡献率较1982—2006年间减少约18.00%。详细解析气候变化对年径流量的影响,发现在2006—2020年间,降水量与蒸散发对年径流的贡献率较1954—1982年分别增加约11.00%和8.00%。【结论】BP神经网络模型对于黑河上游年径流序列模拟有较好效果,模拟合格率达94.23%,最大误差仅为1.36%;黑河流域上游年径流量序列在1982年和2006年发生了趋势突变,1982年后人类活动强度增大导致上游年径流量减小,2006年后黑河流域综合治理效果显现,人类活动对年径流量的负面效应减弱;1982—2020年期间的气候变化影响中,蒸散发与降水对径流的贡献分别占46.57%与53.43%。

基于机器学习的汉江流域径流模拟与时滞变化分析

针对传统水文模型存在参数率定困难、容易陷入局部最优解以及适用性不强等问题,基于机器学习原理构建了基于贝叶斯优化算法的长短期记忆(BOLSTM)模型,并将其用于汉江流域径流模拟;基于模拟结果,采用SHAP方法对降雨径流过程中的影响因子进行了归因分析,并采用时滞分析方法量化了南水北调中线工程对流域径流过程的影响。结果表明:BOLSTM模型的径流模拟效果较好;南水北调中线工程的建设推迟了降雨对汉江流域出口流量产生影响的时间,降雨6 d后流域出口流量有所增加;而工程建设前则会在降雨5 d后导致流域出口流量发生变化,且工程建设前汉江流域降雨对流域出口流量的影响更大。

再分析数据在玛纳斯河径流模拟中适用性研究

气象数据是水文过程研究的关键因素,但是因为流域地形复杂,上游没有足够实测数据的气象站点,流域水文过程研究在较大程度上受到了限制。以玛纳斯河流域为研究区,研究对象选取CMFD、ERA5-Land和CFSR 3种再分析数据,构建基于物理过程的SWAT模型和基于数据驱动的AdaBoost模型,验证不同数据集在2种类型水文模型中径流模拟的适用性,选用纳什效率系数(NSE)和决定系数(R^(2))进行定量分析。结果表明:(1)数据集在AdaBoost模型中的表现要好于SWAT模型,各数据集和气象站NSE与R^(2)均有所提升,AdaBoost模型由于对输入数据的限制更少其更适用于资料缺乏地区。(2)验证期ERA5-Land在2种模型中拟合效果均为最好(ERA5-Land+SWAT:NSE=0.83,R^(2)=0.85;ERA5-Land+AdaBoost:NSE=0.87,R^(2)=0.87),再分析数据集ERA5-Land可为西北实测气象资料不足的干旱区径流模拟提供参考。

基于BCC-CSM2-MR模式的开都河流域未来气温降水趋势分析及径流模拟

径流的趋势变化影响着流域居民的生产生活,在全球变暖的背景下分析流域未来气候变化和径流演变趋势对指导流域生产生活有着重要意义。为此,以国家气候中心研发的BCC-CSM2-MR模式作为气象数据,分析了开都河流域未来不同排放情景下降水和气温的变化情况,并以此数据驱动SWAT模型模拟了不同气候情景下径流变化情况。结果表明,在4种气候情景下流域平均气温均有所上升,其中SSP5-8.5情景下气温上升最为明显,降水则会出现一定波动,流域未来径流在枯水期差异较小,径流受气候变化影响的差异主要体现在汛期。

基于EEMD-SE-LSTM 组合模型的开都河日径流模拟研究

为提高开都河日径流模拟的精度和更科学地进行开都河水资源的管理与规划,在集成经验模态分解(EEMD)的基础上进行样本熵(SE)重构来完成长短期记忆网络(LSTM)组合模型的构建。采用集成经验模态分解提取开都河日径流序列中具有物理含义的信息,得到一系列本征模态分量(IMF)及一个趋势项(Res),计算每个分量的样本熵,复杂程度接近的子序列叠加为新序列,建立长短期记忆神经网络模型进行预测,叠加得到最终模拟值。结果表明:EEMD-SE-LSTM组合模型日径流模拟的精度得到提高,其确定系数R2=0.81、纳什效率系数NSE=0.73,均高于LSTM模型的R2=0.73、NSE=0.52和EEMD-LSTM模型的R2=0.64、NSE=0.63;EEMD-SE-LSTM组合模型的日径流模拟准确性更高,其评价指标(R2=0.81、NSE=0.73)高于其他单一模型SVM(R2=0.70、NSE=0.58)。EEMD-SE-LSTM组合模型提高了日径流模拟精度,可以更好地为开都河水资源管理与规划提供科学依据。

NPDM及改进模型在淮河流域的月径流模拟研究

【目的】参数模型大多数基于模型驱动,并且对于水文序列的概率分布和相关关系做了一定程度的假设。然而,水文序列的真实分布复杂多样,相关关系也无法仅用线性相关描述,因此基于模型驱动的传统随机模型难以模拟实际月径流概率分布中的强不对称或多模态性,与变量真实概率分布存在差异。【方法】非参数解集模型(Nonparametric Disaggregation Model, NPDM)从数据驱动出发能有效模拟径流间的随机性和相关性变动规律。改进模型(Improved Nonparametric Disaggregation Model, INPDM)考虑年径流和前期月径流综合影响建立条件概率分布函数,使用基于黄金分割搜索和抛物线插值方法的优化算法以最小二乘交叉验证指标(Least Squares cross Validation, LSCV)为目标函数寻求最优带宽,并结合可变核方法修正边界。为深入探讨两模型在淮河流域的适用性,建立淮河流域1950—2007年吴家渡站、1951—2007年鲁台子站年、月径流随机模拟的NPDM和INPDM模型,利用一系列统计特征值和相关特性对比分析模拟效果。【结果】结果表明:在均值方面,NPDM和INPDM模拟效果均较为理想,实现100%控制在一个均方差标准下;吴家渡站和鲁台子站模拟序列的标准差和变异系数均控制在两个月的均方偏差标准下;INPDM模型对于原序列的最大值、月径流间互相关性和非线性状态相关统计特性的再现能力要优于传统模型,NPDM模型在吴家渡站和鲁台子站的2阶自相关系数无法控制在一个均方差标准下的月份占比分别比INPDM模型高50%和16.6%,1阶自相关系数也呈现出类似结果,表明INPDM模拟序列的自相关系数统计特征值与原序列统计特性更接近;但NPDM模型描述月径流序列偏态系数的能力更强。【结论】综上表明基于优化算法改进后的非参数解集模型能充分再现径流序列的统计特性,可为淮河流域开展年、月径流的随机模拟研究提供参考。

基于SWAT模型的那棱格勒河流域径流模拟及水量平衡分析

那棱格勒河是柴达木盆地内流域面积和流量最大的内陆河流。本文在那棱格勒河上游构建了SWAT分布式水文模型,采用SUFI-2算法进行参数敏感度分析、率定和验证,对1979—2018年的月值径流量进行模拟分析。结果表明,敏感度最强的前3个参数依次为融雪基温、降雪气温及气温直减率,在率定期和验证期决定系数R^(2)和Nash-Sutcliffe效率系数分别高于0.81和0.65。水量平衡分析结果显示1979—2018年流域的蒸发量、地表径流量、地下水补给量、地下侧流量分别占降水的92.30%、17.76%、16.18%和5.84%。表明流域内径流量主要来自冰雪融水,各水量平衡分量受温度影响较大。降水量变化趋势与地表径流量变化趋势较一致,说明降水转化为径流的时间较短。本研究对那棱格勒河流域水文研究及水资源调控具有参考意义。

基于CN05.1数据集驱动SWAT模型的玉龙喀什河流域径流模拟

为探究CN05.1数据集驱动下的SWAT模型在气象站稀缺地区模拟效果以及流域径流对气候变化的响应,选取玉龙喀什河流域为研究区,利用上述数据集驱动SWAT模型对该流域1991—2020年进行逐月径流模拟,在此基础上,设置了25种气候情景模式,通过模型导入25种气候情景下气象数据模拟径流。结果表明:CN05.1+SWAT模型适用于玉龙喀什河流域的径流模拟,模拟结果与实测数据吻合较好,率定期和验证期的决定系数(R^(2))、纳什系数(C_(NS))和百分比偏差(σ_(P))均达到模型评价标准,率定期(1991—2005)C_(NS)、R^(2)、σ_(P)分别为0.85、0.86、-10.35%,验证期(2006—2020)C_(NS)、R^(2)、σ_(P)分别为0.76、0.79、-14.75%;CN05.1数据集可以为无气象资料的玉龙喀什河流域水文模拟提供时间连续、时间序列长、高分辨的气象数据,可用作后续的研究与应用;CN05.1数据集能够准确反映玉河流域的下垫面和地表大气特征;玉龙喀什河流域年径流量与温度和降水皆呈正相关,2个因子中温度变化对径流的影响更为显著,降水-温度-径流量之间基本可以用平面函数表达,决定系数为0.9957,方差为0.0002,均方根误差为0.0123。

基于新安江模型的潢河流域径流模拟分析研究

潢河是淮河上游右岸一条重要支流,模拟研究其径流变化过程,对潢河及淮干上游水文预报工作具有重要意义。在GIS技术的支持下,基于DEM提取潢河流域水系,收集相关降雨、蒸发、径流等水文气象监测资料,采用GLUE法优化率定模型参数,通过新安江模型模拟潢川水文站汛期日径流过程。结果表明,模拟效果良好,NSE纳什效率系数多在0.6以上,丰水年在0.85以上,实测-模拟径流量相关关系为0.96,研究结论可为潢河径流变化研究及水文预报工作提供技术思路。