基于SMAR模型的森林小流域根区土壤湿度模拟

根区土壤水分(RZSM)对水文模拟和农业管理等具有重要作用,但直接测量RZSM难度很大。SMAR模型可模拟RZSM的变化,但目前在复杂地形地区的应用还较少。使用美国Shale Hills流域32个站点土壤水分剖面三年期间(2011~2014年)的日实测数据,探究基于物理机制的SMAR模型对RZSM模拟的准确性,评价该方法不同时空条件下的模拟性能。研究结果表明,SMAR模型能够准确利用表层土壤水分(SSM)数据估计RZSM;模拟结果与实测数据相比,平均RRMSE为0.034,说明能够很好地模拟出流域尺度根系层土壤湿度空间分布情况。从时间上看,模型在湿冷季节的准确性优于在干暖季节的准确性。研究结果增加了对复杂地形下利用SSM模拟RZSM的理解,为复杂地形条件下根系土壤层湿度的模拟提供了支撑。

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。