变化环境下水文模型时变参数的识别及函数型式构建

选用两参数月水量平衡模型,采用集合卡尔曼滤波算法识别水文模型参数时变过程,通过模型参数与气候因子的相关性分析,构建了参数与降水、潜在蒸散发和气温的线性函数。以美国MOPEX数据库的3个流域为研究对象,利用1983~2003年的月水文数据进行实例研究,结果表明：相较于常数参数方案,考虑时变型式参数的模型在率定期和检验期的径流模拟纳什效率系数可分别提高18%和17%,且对峰值的模拟更优;通过典型干旱年（1999~2001年）与湿润年（2003年）分析降水变化对径流的影响,发现以往将参数视为常数会低估径流的变化,低估量最高可达38%,而时变参数方案可将径流变化量误差降至7%。因此,将水文模型参数考虑为气候因子的函数型式更有利于变化环境下径流预测的准确性。