王 旭，袁亞男，朱金鳳，王盛萍

(華北電力大學(xué)環(huán)境科學(xué)與工程學(xué)院，北京 102206)

0 引 言

水資源問題是當(dāng)今我國的社會(huì)戰(zhàn)略性問題之一，合理配置水資源是促進(jìn)水資源可持續(xù)發(fā)展的重要問題，其中，模擬模型是進(jìn)行水資源合理配置的有效手段，MIKE BASIN作為水資源優(yōu)化配置的重要工具日益引起學(xué)者關(guān)注。

較多學(xué)者基于MIKE BASIN成功模擬了水文過程，并進(jìn)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(jìn)行耦合，解決了Vrbas流域在數(shù)據(jù)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(zhàn)略決策[1]。Kaiglová 與 Langhammer 等(2014)利用MIKE BASIN模型軟件建模來對(duì)復(fù)雜條件狀況下的水質(zhì)污染情況進(jìn)行評(píng)估，盡管研究區(qū)數(shù)據(jù)資源有限，但模型仍進(jìn)行了有效率定[2]。楊芬等(2013)以缺水型大城市----北京為研究對(duì)象，以ArcGIS為平臺(tái)，基于MIKE BASIN模型針對(duì)永定河、薊運(yùn)河等6個(gè)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(jīng)分析比較，發(fā)現(xiàn)MIKE BASIN模型可以更好地應(yīng)用于缺水型大城市的水資源配置問題，并能夠進(jìn)行不同水源條件的方案計(jì)算，為水資源的配置、規(guī)劃工作提供了科學(xué)依據(jù)[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(qiáng)調(diào)的是，以往關(guān)于MIKE BASIN的研究多針對(duì)自然流域進(jìn)行探討。區(qū)別于自然流域，較多人工開挖河流，特別是對(duì)于濱海平原區(qū)的河渠周圍地形梯度變化較不顯著，現(xiàn)有的較多數(shù)字高程模型精度很難再現(xiàn)人工開挖河段周邊的地形特征，進(jìn)而很難提取其匯流區(qū)域和徑流路徑。

MIKE BASIN建模時(shí)提供有2種不同的流域表征方法，除了基于DEM自動(dòng)提取流域匯流區(qū)以外，還提供有示意性集水區(qū)以簡(jiǎn)化表征匯流區(qū)域。對(duì)于濱海平原區(qū)人工開挖河段，在數(shù)據(jù)條件有限的情況下，是否可基于示意性集水區(qū)應(yīng)用MIKE BASIN進(jìn)行水文過程模擬仍然不得而知。

本文的研究對(duì)象為海河流域大清河系的一條支流----獨(dú)流減河。獨(dú)流減河為人工開挖河流，其周邊區(qū)域地勢(shì)較平坦，在DEM數(shù)字高程模型中地形梯度變化不顯著，很難利用現(xiàn)有數(shù)字高程模型提取河段的匯水區(qū)域。研究通過搭建示意性集水區(qū)，基于MIKE BASIN，并耦合NAM模型構(gòu)建獨(dú)流減河水文模擬模型。其中，示意性集水區(qū)是指模型根據(jù)河流走向自動(dòng)生成的子流域，其大小和形狀不能完全代表真實(shí)情況，但卻可以通過設(shè)置相關(guān)參數(shù)使其可以代表真實(shí)流域情況進(jìn)行模擬計(jì)算。本研究的目的主要在于基于MIKE BASIN示意性集水區(qū)的應(yīng)用，探討該模型對(duì)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(qū)域概況

獨(dú)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(nèi)，是海河南系最大的河流。受東亞季風(fēng)支配[4]，研究區(qū)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(qū)域內(nèi)多年平均水面蒸發(fā)量大約為1 848.6 mm；多年平均風(fēng)速為2.7 m/s，最大風(fēng)速為22.0 m/s。河道從西青區(qū)的進(jìn)洪閘開始，至獨(dú)流減河防潮閘入海，全長68.8 km，流域面積511 km2，設(shè)計(jì)流量3 200 m3/s。根據(jù)獨(dú)流減河進(jìn)洪閘水文資料中的實(shí)測(cè)流量數(shù)據(jù)統(tǒng)計(jì)，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(xiàn)在1956年，達(dá)到78.27 億m3。獨(dú)流減河20世紀(jì)五六十年代的洪峰流量較大，每年最大洪峰流量的發(fā)生時(shí)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(fā)生在1954年的8月，該月的洪峰流量達(dá)到1 370 m3/s。其他年份尤其是1980年以后，進(jìn)洪閘站的來水流量逐漸減少，常年處于斷流狀態(tài)。

獨(dú)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(jīng)區(qū)域?yàn)榈湫偷牡推皆＊?dú)流減河的建成，為大清河中上游地區(qū)抗災(zāi)減災(zāi)、促進(jìn)工農(nóng)業(yè)發(fā)展起到了積極作用，為保證天津城市防洪安全作出了貢獻(xiàn)，同時(shí)也在天津市的城市生活和經(jīng)濟(jì)發(fā)展過程中發(fā)揮了不可替代的作用[5,6]。圖1為獨(dú)流減河河流水系。

圖1 獨(dú)流減河河流水系Fig.1 Water system diagram of Duliujian River

1.2 MIKE BASIN/NAM模型結(jié)構(gòu)與原理

MIKE BASIN軟件是由丹麥水利研究所(DHI)研發(fā)，以ArcGIS為平臺(tái)，適用于流域或區(qū)域尺度的水資源綜合規(guī)劃和管理工具，可以解決地表水產(chǎn)匯流計(jì)算及水質(zhì)模擬等問題[7,8]，是一個(gè)多功能且高度靈活的模型框架，可應(yīng)用于流域內(nèi)水資源分配、管理和規(guī)劃等。MIKE BASIN模型通常利用特定流域內(nèi)的河流網(wǎng)絡(luò)和子流域作為基本模型數(shù)據(jù)。除此之外，還可以根據(jù)應(yīng)用程序的類型應(yīng)用許多功能,包括:河流布線、用水戶(常規(guī)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(zhì)選項(xiàng)[9]。

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

本研究通過耦合MIKE BASIN與NAM降雨徑流模型實(shí)現(xiàn)獨(dú)流減河的降雨徑流模擬。NAM模型是一個(gè)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(qū)尺度上發(fā)生的降雨徑流過程。它考慮了多達(dá)4個(gè)不同儲(chǔ)水區(qū)的水文過程，可以根據(jù)需要及數(shù)據(jù)條件以多種不同的方式進(jìn)行流域產(chǎn)匯流模擬計(jì)算。目前，NAM已應(yīng)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(rèn)情況下，NAM包含9個(gè)參數(shù)，分別代表表層區(qū)域、根區(qū)和地下水存儲(chǔ)區(qū)[10]。模型建立所需數(shù)據(jù)包括氣象、降雨、蒸發(fā)、流量數(shù)據(jù)和流域參數(shù)、初始條件。模型的輸出主要為地表徑流，可細(xì)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(bǔ)給[11]。另外，NAM還允許模擬人工干預(yù)措施，如灌溉和抽取地下水。NAM模型結(jié)構(gòu)見圖3。

圖3 NAM模型結(jié)構(gòu)Fig.3 NAM model structure

NAM模型將徑流量的計(jì)算分為4個(gè)主要部分，包括坡面流量、壤中流量、基流量和蒸發(fā)量的計(jì)算。

(1)坡面流量計(jì)算：

(1)

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

(2)壤中流量計(jì)算：

(2)

式中：CKIF為壤中流時(shí)間常數(shù)；TIF為壤中流根區(qū)臨界值，取值范圍為0～1.0；U為地表儲(chǔ)水層水量；相同符號(hào)意義同前。

(3)基流量計(jì)算：

(3)

式中：TG為地下水補(bǔ)給臨界值，取值范圍為0～1.0；相同符號(hào)意義同前。

(4)蒸發(fā)量計(jì)算：

(4)

式中：Ep為潛在蒸散發(fā)量；相同符號(hào)意義同前。

1.3 模型構(gòu)建

1.3.1 步長設(shè)置

MIKE BASIN 模型針對(duì)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(shè)置各自的計(jì)算步長。本研究所獲得降雨、徑流數(shù)據(jù)資料均以月為單位步長，因此，NAM降雨徑流模擬步長設(shè)置以月為單位。

1.3.2 河網(wǎng)提取

流域水系概化通過自動(dòng)分析與流域?qū)嶋H情況相結(jié)合的方式進(jìn)行。其中，獨(dú)流減河流域地形通過中國地區(qū)SRTM 數(shù)據(jù)集直接提取獨(dú)流減河流域DEM數(shù)字高程模型。在已有的DEM基礎(chǔ)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(dǎo)入到MIKE BASIN軟件中，對(duì)河網(wǎng)進(jìn)行數(shù)字化處理，從而得到獨(dú)流減河的河流水系圖。

1.3.3 子流域劃分

獨(dú)流減河為城鎮(zhèn)人工開挖河渠河段，根據(jù)現(xiàn)有的DEM(分辨率：30 m×30 m)較難提取其自然匯水區(qū)域，因此，根據(jù)獨(dú)流減河河道的特點(diǎn)及分流情況，分別搭建4個(gè)示意性集水區(qū)區(qū)域(見圖4)。同時(shí)，在集水區(qū)出水口及流域分流處設(shè)置流域節(jié)點(diǎn)和分流節(jié)點(diǎn)。

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

1.3.4 模型數(shù)據(jù)輸入

研究僅獲得河段下游工農(nóng)兵閘站以及大寺站2個(gè)測(cè)站月降水資料，以及河段上游進(jìn)洪閘和入?？谔幏莱遍l月徑流資料。模型搭建時(shí)，要求對(duì)各示意性集水區(qū)輸入降水、徑流等觀測(cè)序列(*.dfs0)。因?yàn)楦骷畢^(qū)相距較近，河段全長僅68.8 km，且區(qū)間無其他徑流匯入，因此，各示意性集水區(qū)降水采用均一設(shè)置(uniform)，取2個(gè)測(cè)站平均，部分集水區(qū)徑流量數(shù)據(jù)則根據(jù)上下游的徑流量內(nèi)插得到。

1.3.5 模型參數(shù)率定及驗(yàn)證

參數(shù)率定即為調(diào)整模型的參數(shù)使模型擬合輸出值與實(shí)際觀測(cè)值誤差達(dá)到最小，本研究采用試錯(cuò)法(Trail and error)對(duì)示意性集水區(qū)各個(gè)參數(shù)進(jìn)行率定。即保持其他參數(shù)值不變的情況下，手動(dòng)調(diào)整某一參數(shù)設(shè)置值，統(tǒng)計(jì)輸出并對(duì)比分析模型評(píng)價(jià)指標(biāo)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(duì)模型中的其他參數(shù)依次進(jìn)行率定。

采用2種驗(yàn)證機(jī)制進(jìn)行模型驗(yàn)證。第1種是相似集水區(qū)驗(yàn)證(Prox-basin test)。由于該地區(qū)數(shù)據(jù)資源有限，研究數(shù)據(jù)的選擇主要以汛期有連續(xù)5個(gè)月以上的降雨或徑流量觀測(cè)數(shù)據(jù)為依據(jù)，最終選定1995年作為模型的率定期，對(duì)該年1號(hào)示意性集水區(qū)進(jìn)行模型率定后，將該集水區(qū)(Catchment 1)中各參數(shù)的最終率定結(jié)果輸入到同年的2、3、4號(hào)集水區(qū)(Catchment 2、3、4)的降雨徑流模型中進(jìn)行驗(yàn)證；第2種驗(yàn)證機(jī)制是樣本分割測(cè)試(Split-sample test)，根據(jù)水文狀況相似為依據(jù)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(xù)5個(gè)月以上具有降雨及徑流量觀測(cè)數(shù)據(jù)。

研究采用相關(guān)系數(shù)R2、均方根誤差RMSE以及Nash-Sutcliffe(NSE)系數(shù)[14-16]評(píng)價(jià)模型模擬性能。其中，相關(guān)系數(shù)R2表示觀測(cè)和模擬時(shí)間序列之間相關(guān)系數(shù)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(shù)率定，模型校正之前進(jìn)行了靈敏度分析，即對(duì)NAM模型中的9個(gè)主要參數(shù)作一定的調(diào)整，在既定的參數(shù)取值范圍內(nèi)通過逐次改變參數(shù)初始值的5%,10%,20%,30%,50%和100%，以各指標(biāo)的相對(duì)變化為依據(jù)，評(píng)價(jià)在參數(shù)變化時(shí)相應(yīng)的模型模擬性能，分析各水文參數(shù)對(duì)徑流模擬的敏感程度。

2 結(jié)果與討論

2.1 靈敏度分析

表1表述了靈敏度分析時(shí)參數(shù)變化所對(duì)應(yīng)的模擬評(píng)價(jià)指標(biāo)。

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

續(xù)表1 參數(shù)率定中R2、RMSE和 NSE的變化情況

從表1可以看出，當(dāng)Umax(地表儲(chǔ)水層最大含水量)的數(shù)值由基值(10 mm)增大到30%的過程中，相關(guān)系數(shù)R2從0.38增大到0.48，R2相對(duì)增大26%，但是當(dāng)Umax值繼續(xù)增大到基值的100%時(shí)，R2較基值對(duì)應(yīng)情況僅增大3%左右；在此過程中，對(duì)應(yīng)NSE從0.17增大到0.23(較基值對(duì)應(yīng)NSE相對(duì)增大35%)，又減小至0.18(較基值對(duì)應(yīng)NSE相對(duì)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(dāng)參數(shù)值增大到30%時(shí)，僅增長了11%。結(jié)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(duì)徑流累積量有一定的影響，Umax的取值越大，徑流累積量相對(duì)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(shù)之一。

CK1,2(坡面流時(shí)間常量)參數(shù)值的增大幅度為5%到50%時(shí)，R2的數(shù)值變化是0.43～0.59，R2的相對(duì)變化率從2%增加到41%；在此變化過程中，RMSE的數(shù)值從最初的10.15 m3/s，增加到14.59 m3/s，又在參數(shù)變化50%時(shí)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(shù)變化30%的情況下，達(dá)到44%的最大變化率，最小變化率僅為6%左右。通過對(duì)徑流模擬曲線的分析可得，CK1,2主要影響峰值形狀，對(duì)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(shù)，在后續(xù)參數(shù)率定過程中進(jìn)行調(diào)整。

對(duì)于參數(shù)TOF(根區(qū)坡面流臨界值)而言，參數(shù)增長5%后，R2的變化率達(dá)到最大30%，此后，隨著參數(shù)值繼續(xù)增大，R2的增長率有所下降；RMSE的變化同樣在參數(shù)增大5%時(shí)較為明顯，達(dá)到37%的最大變化率；同理，NSE相對(duì)增長35%。當(dāng)TIF(根區(qū)壤中流臨界值)參數(shù)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(dá)到33%，變化較大；而NSE的變化為0.16～0.22，其相對(duì)變化率在參數(shù)由基值增大到20%達(dá)到38%，此后隨參數(shù)的增大有逐漸減小的趨勢(shì)；而RMSE的變化率最大為26%，相對(duì)較高。TOF和TIF2個(gè)參數(shù)對(duì)徑流累積量及洪峰流量有一定的影響，但相對(duì)較小。

結(jié)合上述結(jié)果及分析，可知Umax、CK1,2、TOF和TIF在NAM模型中是相對(duì)較為靈敏的參數(shù)，在后續(xù)的模型率定過程中可主要針對(duì)這4個(gè)參數(shù)對(duì)模擬曲線進(jìn)行調(diào)整，使模擬及實(shí)測(cè)徑流量能達(dá)到較好的擬合效果。

其他參數(shù)如Lmax、CQOF、CKIF、TG和CKBF，其參數(shù)值從5%變化到100%的過程中，相關(guān)系數(shù)R2、均方根誤差RMSE和納什系數(shù)NSE的相對(duì)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(duì)變化最大值也僅有8%，遠(yuǎn)遠(yuǎn)低于上述4個(gè)靈敏度較高的參數(shù)各指標(biāo)的相對(duì)變化率。同樣的，其余幾個(gè)參數(shù)的各項(xiàng)指標(biāo)變化程度均小于上述4個(gè)較靈敏參數(shù)，因此可以斷定，這5個(gè)參數(shù)為靈敏度較低的參數(shù)。

2.2 模型參數(shù)率定

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

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

圖5是模型中1號(hào)示意性集水區(qū)經(jīng)參數(shù)率定后的徑流量模擬結(jié)果,表示了模型校正后1號(hào)集水區(qū)徑流模擬結(jié)果?？梢钥闯?，無論峰值模擬或徑流過程線模擬，模擬徑流與實(shí)測(cè)徑流2者之間誤差較小，RMSE為5.6 m3/s,相關(guān)系數(shù)R2及納什系數(shù)NSE高達(dá)0.99，這表明實(shí)測(cè)和模擬徑流之間有非常好的線性關(guān)系。依據(jù)模型模擬評(píng)價(jià)標(biāo)準(zhǔn)(見表3)，模型在率定階段模型性能非常好。

圖5 1號(hào)示意性集水區(qū)1995年徑流量模擬結(jié)果Fig.5 Runoff simulation results of the No.1 illustrative sub-basin in 1995

2.3 模型的驗(yàn)證

2.3.1 相似集水區(qū)驗(yàn)證 (Prox-basin test)

表4列出1995年流域不同子集水區(qū)模擬徑流結(jié)果。圖6為2、3、4號(hào)集水區(qū)相應(yīng)的水文過程線。

表3 1號(hào)集水區(qū)校正階段(1995)獨(dú)流減河模擬性能及相應(yīng)評(píng)價(jià)指標(biāo)Tab.3 Simulation performance and evaluation index of the No.1 sub-catchment in verification(1995)

表4 驗(yàn)證階段(1995)獨(dú)流減河模擬性能及相應(yīng)評(píng)價(jià)指標(biāo)Tab.4 Simulation performance and evaluation index of Duliujian River in verification(1995)

圖6 2、3、4號(hào)示意性集水區(qū)1995年徑流量模擬結(jié)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(qū)驗(yàn)證的模擬結(jié)果稍遜：總體上各個(gè)集水區(qū)模擬徑流峰值流量較實(shí)測(cè)流量較小，徑流過程線漲水階段模擬徑流較觀測(cè)徑流要高，起漲點(diǎn)較早，而退水階段模擬徑流較觀測(cè)徑流普遍偏小。但從評(píng)價(jià)指標(biāo)上看，2號(hào)、3號(hào)、4號(hào)集水區(qū)的納什系數(shù)NSE分別為0.92、 0.87、0.94，均大于0.75，而從R2或RMSE指標(biāo)來講，3個(gè)集水區(qū)分別為0.94、0.91、0.96和8.86、11.40、15.48 m3/s，從模擬性能評(píng)價(jià)標(biāo)準(zhǔn)來看，各指標(biāo)均在誤差允許范圍內(nèi)，表明模型模擬精度較高。分析認(rèn)為，模型驗(yàn)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(cè)誤差以外，研究區(qū)上游集水區(qū)和下游集水區(qū)因周邊城鎮(zhèn)、道路等不透水面積比的不同而導(dǎo)致地表產(chǎn)流能力、產(chǎn)流過程可能存在一定差異。

2.3.2 樣本分割測(cè)試(Split-sample test)

圖7所示為2012年1號(hào)集水區(qū)模型驗(yàn)證結(jié)果。率定階段1995年與驗(yàn)證階段2012年降雨量分別為727.5和726.4 mm。

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

結(jié)合圖7、表5，可以看出，模型在驗(yàn)證階段其相關(guān)系數(shù)為R2=0.85，納什系數(shù)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(rèn)為，驗(yàn)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(qū)周邊土地利用可能發(fā)生變化，導(dǎo)致其水文過程有明顯區(qū)別。這有待于進(jìn)一步分析獨(dú)流減河周邊區(qū)域土地利用變化以進(jìn)行驗(yàn)證。總體來看，雖然各指標(biāo)有所下降，但依據(jù)模擬性能評(píng)判指標(biāo)，樣本分割測(cè)試所驗(yàn)證的模擬結(jié)果是在合理的、可接受的范圍內(nèi)。因此，建立的獨(dú)流減河模擬模型具有一定的適用性，特別是對(duì)于徑流過程的模擬，模型基本可再現(xiàn)獨(dú)流減河水文過程變化。

表5 1號(hào)集水區(qū)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(jié) 論

研究區(qū)地形梯度變化較小，加之?dāng)?shù)據(jù)資源有限，依據(jù)現(xiàn)有精度的DEM提取區(qū)域內(nèi)自然匯水面積較為困難。為有效模擬獨(dú)流減河水文過程，研究耦合MIKE BASIN與NAM模型，通過應(yīng)用示意性集水區(qū)，成功模擬了獨(dú)流減河水文過程。通過進(jìn)行靈敏度分析得出，Umax、CK1,2、TOF和TIF4個(gè)參數(shù)相對(duì)NAM模型中的其他參數(shù)而言，靈敏度較高，對(duì)模型模擬效果影響較大，其中Umax和CK1,22個(gè)參數(shù)主要表現(xiàn)在對(duì)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(yàn)證機(jī)制或樣本分割驗(yàn)證機(jī)制，模型模擬性能較好，R2、RMSE以及NSE在相似流域驗(yàn)證時(shí)表現(xiàn)較好，相關(guān)系數(shù)R2的數(shù)值為0.91～0.96，均超過0.90，根據(jù)表3所述模型擬合優(yōu)度評(píng)判標(biāo)準(zhǔn)，模擬效果達(dá)到最優(yōu)匹配水平，說明模擬徑流量與實(shí)測(cè)徑流量的擬合程度較好。總水量平衡誤差RMSE為8.86～15.48 m3/s，模擬結(jié)果相對(duì)較好；而納什系數(shù)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(cè)試由于存在有土地利用變化等不確定因素干擾，2012年驗(yàn)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(gè)模型評(píng)價(jià)指標(biāo)仍在可接受范圍內(nèi)。研究認(rèn)為，對(duì)于濱海平原區(qū)的人工開挖河流，在數(shù)據(jù)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(qū)，實(shí)現(xiàn)河流水文過程的有效模擬，這對(duì)于區(qū)域進(jìn)一步的水資源分析和優(yōu)化配置研究將具有重要意義。