秦振雄,彭 濤,王繼保,董曉華,3,常文娟,3,馬海波,3,劉 冀,3,王高旭

(1:三峽大學水利與環(huán)境學院, 宜昌 443002)(2:金華市水利水電勘測設計院有限公司, 金華 321017)(3:水資源安全保障湖北省協(xié)同創(chuàng)新中心, 武漢 430072)(4:南京水利科學研究院, 水文水資源與水利工程科學國家重點實驗室, 南京 210029)

設計洪水是防洪工程布局與規(guī)模選擇的重要依據(jù)[1]，也是進行洪水調(diào)度的重要基礎. 基于降水或徑流極值序列進行水文頻率分析，是目前計算設計洪水的常用方法. 水文極值序列滿足獨立同分布是應用水文頻率分析的前提條件[2-3]. 然而，在氣候變化及人類活動的雙重影響下，流域下墊面的產(chǎn)匯流條件和洪水的時空分布發(fā)生了改變，導致場次洪水的產(chǎn)匯流條件在不同時期存在不同的特征，從而使得水文極值序列不再具有一致性，水文頻率分析一致性假定的前提產(chǎn)生了動搖，引發(fā)基于統(tǒng)計原理計算的設計洪峰和時段洪量等設計參數(shù)的可靠性下降[4-5]. 因此，迫切需要開展樣本非一致性條件下的設計洪水修訂研究，為水利工程的規(guī)劃設計、施工及運行管理提供科學依據(jù).

洪水事件作為一種隨機水文事件，頻率分析是設計洪水研究的核心內(nèi)容，變化環(huán)境下非一致性洪水頻率分析已成為當前水文科學的前沿問題[6-10]. 目前，國內(nèi)非一致性水文序列頻率計算方法以基于還原或還現(xiàn)途徑為主，包括降雨徑流相關(guān)分析法、時間序列分解與合成法和水文模型法等，是目前國內(nèi)應用較為廣泛的方法. 如叢娜等[11]對海河流域王快水庫的降水和洪峰序列進行了變化趨勢和突變特征分析，建立了變異點前后不同時期的降雨徑流關(guān)系和峰量關(guān)系，從而實現(xiàn)了洪水序列的一致性修訂; 韓瑞光等[12]采用河北雨洪模型修正了大清河阜平站控制流域設計洪水成果，探討了下墊面變化對流域洪水的影響; 鐘栗等[13]采用新安江-海河模型，分析計算了1980年前后衛(wèi)河流域自由水蓄水容量等4種模型參數(shù)的變化情況，并對設計洪量進行了修訂; 姚成等[14]基于新安江-海河水文模型研究了下墊面變化對合河流域設計洪水的影響，并利用徑流深的模擬結(jié)果修訂了設計洪水. 近年來，國外學者提出了基于非平穩(wěn)序列的直接水文頻率分析方法，如時變矩法、混合分布法、條件概率分布法等. Singh等[15]提出混合分布模型并應用于非一致性洪水頻率的計算，取得較好效果. Strupczewski等[6]提出一種考慮統(tǒng)計參數(shù)均值和方差趨勢性的時變矩非一致性洪水頻率分析方法，從而計算得到隨時間變化的設計值；Singh等[16]將條件概率分布模型應用到年內(nèi)季節(jié)洪水序列的頻率分析. 總的來說，不同的方法有不同的適用條件和優(yōu)缺點，如降雨徑流相關(guān)法可以對過去、現(xiàn)在不同時期水文極值序列進行一致性修正，但無法反映水文序列未來的變化情況[5];分解與合成法在預測期較長的情況下，現(xiàn)有的確定性成分預測方法存在較大外延風險[5]; 水文模型法通過模型參數(shù)反映不同時期下墊面的變化，從而達到洪水序列還原/還現(xiàn)目的，但基于集總式水文模型的傳統(tǒng)水文還原方法存在失真與失效問題; 基于非一致性洪水序列的直接水文頻率分析方法雖已取得一些成果[17-20]，但對水文過程的物理機制考慮較少[21]. SWAT(soil and water assessment tool) 模型是美國農(nóng)業(yè)部農(nóng)業(yè)研究局開發(fā)的分布式流域水文模型，具有很強的物理基礎，已被廣泛應用于變化環(huán)境對流域水文過程影響的模擬與預測[22-23]. 與傳統(tǒng)的集總式水文模型相比，SWAT分布式水文模型能夠客觀反映降水和下墊面條件空間不均性引起的產(chǎn)匯流過程變化，是非一致性條件下的水文過程模擬的有效方法. 因此，本文利用SWAT模型模擬下墊面變化對洪水過程的影響，根據(jù)徑流深的模擬結(jié)果對各設計洪水特征值進行一致性修訂，為變化環(huán)境下流域設計洪水修訂提供新的思路.

淮河流域地處我國南北氣候的過渡地帶，降水時空分布不均勻，洪澇災害發(fā)生頻繁. 20世紀以來，淮河流域發(fā)生了1921、1931、1954、1991和2007年流域性大洪水. 近幾10年來，由于流域大規(guī)模的水利工程、水土保持工程建設以及土地利用變化，導致流域下墊面及產(chǎn)匯流機制發(fā)生了顯著變化，對徑流及設計洪水計算成果產(chǎn)生了明顯影響，破壞了流域洪水系列的一致性. 目前，在淮河流域開展的研究側(cè)重土地利用變化對設計洪水影響以及洪水極值非平穩(wěn)性特征分析方面[24-25]，而對非一致性設計洪水進行修訂方面的研究尚不多見. 鑒于此，本文將具有物理機制的SWAT模型引入淮河上游流域，重建具有一致性的洪水系列，修訂設計洪水成果，為流域防洪規(guī)劃和防災減災提供科學依據(jù).

1 研究區(qū)域與數(shù)據(jù)來源

1.1 研究區(qū)域概況

淮河流域(31°55′～36°36′N，111°55′～120°25′E)位于中國東部，介于長江與黃河流域之間，流域面積約為27×104km2. 淮河西起桐柏山，干流流經(jīng)河南、安徽、江蘇三省，全長1000 km. 淮河流域?qū)倥瘻貛О霛駶櫦撅L氣候區(qū)，多年平均年降水量約920 mm. 降水年內(nèi)時空分配不均，冬季和春季干旱少雨，夏季和秋季炎熱多雨；空間差異上，南部降水多而北部降水少，同緯度山區(qū)降水量多于平原. 流域的西部、西南部和東北部是山地與丘陵地區(qū)，其余為平原，約占總面積的2/3. 王家壩以上為淮河上游，王家壩至中渡為淮河中游，中渡以下為淮河下游，本文以淮河上游流域為研究區(qū)域，控制流域面積30630 km2，選擇干流上的息縣、淮濱和王家壩3個控制站，分別進行設計洪水修訂. 研究區(qū)及主要水文站位置如圖1所示.

圖1 研究區(qū)及主要水文站位置

1.2 數(shù)據(jù)來源

本文采用的數(shù)據(jù)包括水文、氣象、數(shù)字高程模型 (DEM) 、土地利用、土壤等. 各類數(shù)據(jù)的描述和來源如表1所示.

表1 數(shù)據(jù)描述及來源

2 研究方法

2.1 趨勢與突變分析

采用Mann-Kendall檢驗法 (簡稱M-K法)、線性傾向估計法和滑動平均法分析年最大洪峰序列的變化趨勢，運用Pettitt檢驗法和滑動t檢驗法檢驗洪水序列的突變特征. M-K法作為非參數(shù)的檢驗方法，不要求樣本滿足某種分布，不受少數(shù)異常值的干擾，具有計算相對簡單、檢測范圍廣的優(yōu)點，因此廣泛應用于水文序列趨勢分析[26]. 采用M-K趨勢檢驗時，統(tǒng)計量|Z|≥1.96、2.32時，分別表示通過了置信度95%、99%的顯著檢驗，且Z為正值和負值時分別表示上升和下降趨勢. 線性傾向估計法是建立徑流量與時間之間的一元線性回歸方程，線性回歸方程的斜率k大于0，表示徑流量隨時間呈增加趨勢，反之，表示減少趨勢; 滑動平均是用平均值來顯示時間序列變化趨勢的方法，它相當于低通濾波器[27]. Pettitt檢驗法是一種常用的非參數(shù)突變檢驗方法，其原理是通過檢驗時間序列均值變化的時間來確定系列跳躍變化的時間點[28]. 為了提高突變檢測的可靠性，同時采用滑動t檢驗法[27]對洪水序列進行突變檢驗，并取兩種檢驗方法相對一致的變異點作為突變年份.

2.2 SWAT模型

2.2.1 基礎數(shù)據(jù)庫構(gòu)建 SWAT模型是以日為步長進行連續(xù)模擬，能夠用于流域尺度的水文過程模擬. 構(gòu)建SWAT模型需要處理地理空間數(shù)據(jù)和屬性數(shù)據(jù)兩種類型的數(shù)據(jù)，前者包括DEM、土地利用類型和土壤類型等，后者包括土壤數(shù)據(jù)庫、土地利用數(shù)據(jù)庫和氣象水文數(shù)據(jù)庫等.

1)空間數(shù)據(jù)：利用ArcGIS對DEM原始數(shù)據(jù)進行拼接、投影變換、填洼、流向分析和流域提取，得到淮河上游流域(王家壩以上)的數(shù)字高程模型.

2)土壤數(shù)據(jù)庫：土壤數(shù)據(jù)庫包括土壤類型數(shù)據(jù)和土壤屬性數(shù)據(jù). 本文采用的HWSD數(shù)據(jù)是由柵格圖和與之相關(guān)聯(lián)的Access格式的屬性數(shù)據(jù)庫組成. 在ArcGIS軟件中加載原始土壤類型數(shù)據(jù)后，對其進行投影、裁剪和重分類等操作，得到研究區(qū)的土壤類型圖 (圖2a). 由于SWAT模型內(nèi)置的土壤屬性數(shù)據(jù)庫中只適用于北美地區(qū)，需要針對土壤數(shù)據(jù)庫文件進行修改. 由于本文只考慮流域的水文過程，不考慮水質(zhì)等問題，因此只需修改土壤的物理屬性參數(shù).

3)土地利用數(shù)據(jù)庫：本文使用的土地利用數(shù)據(jù)是中國科學院制定的兩級分類系統(tǒng)，土地利用類型被分為水田、旱地、灌木林和城鎮(zhèn)用地等多達16種類型，與SWAT模型內(nèi)采用的由美國地質(zhì)調(diào)查局指定的分類系統(tǒng)不一致. 因此在使用ArcGIS軟件對原始土地利用數(shù)據(jù)進行鑲嵌拼接、投影轉(zhuǎn)換和裁剪等處理后，利用Reclass模塊進行重分類，將研究區(qū)的土地利用類型分為耕地、林地、草地、水域和城鄉(xiāng)建設用地5種類型(圖2b).

圖2 淮河上游流域土壤類型和土地利用類型

4)氣象數(shù)據(jù)庫：SWAT模型需要逐日降水量、最高和最低氣溫、相對濕度、平均風速和太陽輻射數(shù)據(jù). 這些數(shù)據(jù)可以是實測數(shù)據(jù)，也可以根據(jù)逐月數(shù)據(jù)等參數(shù)由天氣發(fā)生器獲得. 由于氣象數(shù)據(jù)中降水和氣溫的數(shù)據(jù)對SWAT模型的模擬影響相對更大，因此日降水、最高和最低氣溫采用實測數(shù)據(jù)，其他所需氣象數(shù)據(jù)采用CFSR天氣發(fā)生器模擬生成.

圖3 淮河上游流域子流域劃分

2.2.2 子流域劃分 首先基于流域DEM生成河網(wǎng)水系并進行子流域劃分，然后根據(jù)土地利用、土壤和坡度等下墊面特征將各個子流域分成若干水文響應單元 (HRUs). 參考研究區(qū)實際情況并兼顧模型計算速度，設定最小集水面積閾值為300 km2，選擇王家壩站為流域出口斷面，將淮河上游流域共劃分了59個子流域，如圖3所示. 本文采用每個子流域劃分多個HRUs的方法，根據(jù)子流域內(nèi)不同土地利用、土壤和坡度占相應子流域的比例，分別設置土地利用、土壤和坡度類型的面積閾值為10%、15%和10%，最終將淮河上游流域生成427個HRUs.

2.2.3 模型敏感性分析與參數(shù)率定 為降低率定參數(shù)的盲目性，提高模型運行效率和模擬結(jié)果精度，需要對SWAT模型參數(shù)進行敏感性分析. 本文采用SWAT模型自帶的LH-OAT方法進行參數(shù)敏感性分析，該方法綜合了LH(latin hypercube) 抽樣法和OAT(one-factor-at-a-time) 敏感性分析法的優(yōu)點，準確性較高.

選用SWAT-CUP的優(yōu)化算法SUFI-2(sequential uncertainty fitting algorithm，ver. 2) 進行參數(shù)的全局敏感性分析以及自動率定. SUFI-2是一種反演建模法. 通過迭代計算確定最佳的模型參數(shù)范圍. 同時，選取常用的確定性系數(shù)(R2)和Nash-Sutcliffe系數(shù)(NSE)作為評價模型模擬結(jié)果好壞的指標.

2.3 設計洪水修訂方法

本文利用徑流深R的預報結(jié)果對洪峰流量Q進行修訂，具體過程如下[14]：

1) 選取1960-2010年淮河干流上游實測R與實測Q資料，點繪R與Q的相關(guān)關(guān)系圖，根據(jù)它們的相關(guān)關(guān)系判斷采用徑流深的預報結(jié)果對洪峰流量進行修訂的可行性.

2) 根據(jù)洪水變異診斷結(jié)果得到一致性變化前、后的2個洪水序列，分別通過參數(shù)率定得到2組SWAT模型參數(shù)，然后采用變化后的模型參數(shù)模擬變化前的洪水，由此計算得到變化前后預報徑流深的相對變化幅度η:

η=(R2-R1)/R1

(1)

式中，R1、R2分別表示變化前、后的參數(shù)模擬的徑流深預報值，mm.

3) 將變化前的實測洪水徑流深進行無量綱化，得到(0，1]區(qū)間的值α：

α=R/Rmax

(2)

式中，R表示場次洪水實測徑流深，mm；Rmax表示最大場次洪水實測徑流深，mm.

同樣的，對洪峰流量也進行歸一化處理，得到相對的洪峰流量值β:

圖4 1960-2010年淮河上游3個水文站年最大洪峰流量的變化趨勢(折線為年際變化，斜線為線性趨勢，虛線為9年滑動平均)

表2 淮河上游3個水文站的年最大洪峰流量突變檢驗結(jié)果

β=Q/Qmax

(3)

式中，Q表示需要修訂的洪峰流量，m3/s；Qmax表示洪峰流量最大值，m3/s.

4) 建立η～α的相關(guān)關(guān)系曲線圖，然后把計算得到的β作為η～α曲線圖的縱坐標，查詢對應的橫坐標值μ，則修訂后的洪峰流量值為:

Q修=Q(1-μ)

(4)

不同時段洪量的修訂方法與洪峰流量的類似，將式 (3) 和式 (4) 中的洪峰流量Q替換為對應的洪量指標即可.

3 結(jié)果分析

3.1 洪峰流量變化趨勢與突變檢驗結(jié)果

圖4為1960-2010年淮河上游干流的息縣、淮濱和王家壩站年最大洪峰序列的變化趨勢. 從圖4可以看出，息縣和淮濱站的年最大洪峰序列在1960-2010年間整體上均呈現(xiàn)不顯著的減少趨勢，而王家壩站的年最大洪峰序列在整體上呈現(xiàn)不顯著的增加趨勢; 通過9年滑動平均曲線可以看出，3個站均以1990s中期為界，分別在該時間點以前呈現(xiàn)減小趨勢，其后則呈現(xiàn)增加趨勢.

采用滑動t檢驗法和Pettitt法綜合檢測各站年最大洪峰系列的突變點，結(jié)果如表2所示. 從滑動t檢驗法的結(jié)果來看，王家壩站在1991年出現(xiàn)了明顯的突變情況，并且達到了95%的顯著性水平，而息縣和淮濱站的突變點也出現(xiàn)在1991年，但并未達到95%的顯著性水平. 同時，Pettitt檢驗法的結(jié)果顯示，息縣站的突變點為1991年，與滑動t檢驗法的檢驗結(jié)果一致，并且達到了95%的顯著性水平；淮濱站的突變點為1975年，達到了95%的顯著性水平，1991年也是可能的突變點，但是未達到95%的顯著性水平; 王家壩站的突變點為1968年，由于1968年是特大值點，應該排除該變異點，在排除該變異點后，可能的變異點為1985年和1991年，但是未達到95%的顯著性水平. 綜上所述，2種方法均檢測到3個站的年最大洪峰系列在1991年發(fā)生了突變，這可能由于1991年前后人類活動導致淮河上游流域下墊面發(fā)生明顯變化，導致流域洪水形成過程受到了影響.

3.2 SWAT模型參數(shù)率定與驗證結(jié)果

選取對模擬結(jié)果影響比較敏感的參數(shù)進行自動率定，所選參數(shù)的敏感性分析及率定結(jié)果如表3所示. 由表3可以看出，基流退水常數(shù)、SCS徑流曲線系數(shù)、主河道水力傳導度等參數(shù)最為敏感. 由此可見，研究區(qū)域徑流產(chǎn)生及模擬受地下徑流變化、土壤狀況和地表水與地下水轉(zhuǎn)換過程的影響較大.

本文選定1992年為模型預熱期，1993-2002年為率定期，2003-2010年為驗證期. 圖5為SWAT模型在王家壩站率定期和驗證期的模擬結(jié)果. 圖5顯示，洪水過程線的模擬值與實測值變化趨勢基本吻合，但汛期的洪峰流量模擬效果不甚理想. 由3個站在率定期和驗證期的確定性系數(shù)R2和NSE系數(shù)的結(jié)果可知，率定期3個站的R2與NSE的值均大于0.6，表明率定期洪水模擬精度較高；驗證期除了息縣站的R2與NSE的值為0.58以外，其他站點的R2與NSE值均大于0.65，表明驗證期洪水模擬值與實測值基本吻合，微劣于率定期 (表4). 從空間上來看，息縣站的模擬效果稍遜于淮濱和王家壩站，原因可能是息縣站以上為山溪性河流，洪水過程具有峰形尖瘦、陡漲陡落的特點，增加了水文模擬的不確定性. 總之，從洪

表3 參數(shù)敏感性分析和率定的結(jié)果

圖5 淮河上游流域王家壩站實測流量與模擬流量比較

表4 淮河上游流域3個水文站的洪水模擬結(jié)果評價

水過程模擬結(jié)果和評價指標值來看，3個站的洪水模擬效果整體較好，R2與NSE的值均高于評價標準，表明SWAT模型可以模擬淮河上游的洪水過程.

3.3 SWAT模型模擬結(jié)果及分析

由于洪水過程歷時相對較短，SWAT模型難以精細模擬日以下尺度的洪水事件. 為避免現(xiàn)有模型的不足，本文將日平均流量近似處理為日最大洪峰流量，采用同一組參數(shù)對SWAT模型進行率定，利用模型模擬1993-2010年連續(xù)18年的日平均流量序列，并劃分洪水場次，將日平均流量模擬值作為歷年18場洪水的洪峰流量及相應的徑流深模擬結(jié)果.

根據(jù)淮河上游歷史洪水資料，選取息縣、淮濱和王家壩站1993-2010年共18場洪水模擬結(jié)果進行誤差分析，得到各站點洪峰流量和徑流深的模擬統(tǒng)計結(jié)果，如表5和表6所示. 結(jié)果顯示，SWAT模型對于洪水徑流深R的模擬效果要明顯好于洪峰流量Q. 根據(jù)《水文情報預報規(guī)范 (GB/T 22482-2008) 》，模型在息縣和王家壩站的徑流深模擬達到了乙級標準，在淮濱站達到了丙級標準，參數(shù)率定的精度基本符合要求. 洪峰流量模擬效果稍差的原因可能是SWAT模型沒有考慮水利工程調(diào)蓄的影響，同時所選的歷史洪水中多峰洪水較多，多峰洪水過程較復雜，模擬難度較高，因此導致整體洪峰流量模擬精度較低，合格率不高. 由于徑流深R的模擬結(jié)果較好，合格率較高，因此選擇徑流深R的模擬結(jié)果對淮河上游流域洪水的一致性進行修訂.

表5 王家壩站洪峰流量和徑流深的模擬結(jié)果

表6 淮河上游流域3個水文站洪水模擬的合格率

3.4 徑流深與洪峰流量的相關(guān)關(guān)系

圖6為息縣、淮濱和王家壩站1960-2010年的實測徑流深R與實測洪峰流量Q的線性相關(guān)擬合曲線,可以看出R與Q存在較好的線性相關(guān)關(guān)系，3個站擬合關(guān)系的確定性系數(shù)R2分別達到0.84、0.74和0.76，這表明兩變量存在較為顯著的相關(guān)關(guān)系. 因此，使用R的預報結(jié)果對Q進行修訂是可行的.

各站點相對實測徑流深α與相對修訂幅度η的擬合曲線如圖7所示. 擬合曲線線型采用反比例函數(shù)，采用確定性系數(shù)評估擬合效果. 由圖7可知，3個站擬合曲線的R2均大于0.7，因此擬合程度滿足精度要求，可以進一步用于洪峰流量的修訂.

3.5 設計洪水修訂結(jié)果

首先根據(jù)歷史洪水序列變異時間點將各站點水文序列劃分為基準期(1960-1991年)和變異期 (1992-2010年)兩個時期，然后根據(jù)變異期的SWAT模型參數(shù)模擬基準期的洪水，最后利用式 (1)～(4) 對洪峰流量和不同時段洪量進行修訂，并對修訂前后的洪水序列進行頻率分析. 本文采用皮爾遜III型曲線作為頻率分析的分布線型，其中頻率曲線參數(shù)采用適線法進行估計，并將矩法估計值作為初始值. 由于目估適線法主觀性成分較大，為了減小目估適線法帶來的誤差，這里采用確定性系數(shù)最大作為最優(yōu)理論頻率曲線的選擇標準. 通過理論頻率曲線，得到各站洪峰流量與不同時段洪量修訂前、后的設計洪水成果，如表7所示.

圖6 徑流深與洪峰流量的相關(guān)關(guān)系

圖7 相對實測徑流深α與相對修訂幅度η擬合曲線

表7 淮河上游流域3個水文站設計洪水修訂成果*

由表7可知，洪峰流量修訂的幅度與洪峰流量的大小呈負相關(guān)關(guān)系，即洪峰流量大的洪水修訂幅度小,洪峰流量小的洪水修訂幅度大，這可能是由于發(fā)生大洪水時的流域下墊面的影響相對較小，相應的洪峰流量修訂幅度也相對較小. 同時，淮河上游洪水設計值較修訂前略有減小. 其中，洪峰流量減小幅度平均值在3.3%～6.1%之間，淮濱站的減小幅度最大；不同時段洪量的減小幅度平均值在1.4%～2.7%之間，整體修訂幅度小于洪峰流量的修訂幅度，并且洪量的時段越長，修訂幅度越小；隨著重現(xiàn)期的增大，各洪水指標的修訂幅度逐漸減小，這表明了變化環(huán)境下淮河上游流域洪峰流量和洪量在不同頻率下的設計值均有減小趨勢，而小洪水較大洪水減少得更多. 同時也揭示了流域下墊面對洪水的調(diào)蓄作用在小洪水中更加明顯. 另外，基于SWAT模型重建流域洪水序列考慮了流域下墊面變化的徑流量效應，導致各站修訂之后的設計值均呈現(xiàn)減少趨勢.

4 結(jié)論與討論

本文以淮河上游流域為研究對象，采用SWAT分布式水文模型構(gòu)建一致性洪水序列，對變異前的洪峰與洪量序列進行還現(xiàn)，得到了具有一致性的洪水序列和修訂后的設計洪水. 主要結(jié)論如下：

1)采用Mann-Kendall檢驗法、線性傾向估計、滑動t檢驗法和Pettitt法分析了淮河上游流域年最大洪峰流量序列的變化趨勢和突變特征. 結(jié)果表明，息縣和淮濱站年最大洪峰流量呈現(xiàn)不顯著的減小趨勢，王家壩站則表現(xiàn)出不顯著增加趨勢; 各站年最大洪峰流量序列在1991年發(fā)生突變，將洪水系列分為1991年前、后兩個部分.

2)基于淮河上游流域的DEM、土壤、土地利用、氣象水文等數(shù)據(jù)，建立了SWAT流域水文模型，并采用SWAT-CUP軟件對模型參數(shù)進行率定、驗證和敏感性分析. 結(jié)果顯示，息縣站R2和NSE相對其他站點略低，淮濱和王家壩站的率定期和驗證期的R2和NSE值均大于0.65，表明模型在淮河上游流域洪水模擬具有較好的適用性.

3) 采用徑流深的模擬結(jié)果對洪峰和洪量進行修訂，并對修訂前后的洪水序列進行頻率分析. 結(jié)果表明，由于氣候和下墊面的變化，淮河上游洪水設計值較修訂前略有減小，其中，洪峰流量減小幅度平均值在3.3%～6.1%之間，淮濱站的減小幅度最大; 不同時段洪量的減小幅度平均值在1.4%～2.7%之間，整體修訂幅度小于洪峰流量的修訂幅度，并且洪量的時段越長，修訂幅度越?。浑S著重現(xiàn)期的增大，各洪水指標的修訂幅度逐漸減小.

4) 土地利用變化、水利工程建設等人類活動改變了流域洪水過程，增加了SWAT模型在淮河上游流域洪水模擬的不確定性，但由于受資料所限，模型中沒有增加水庫模塊，這可能會降低模型模擬的精度. 同時，為避免現(xiàn)有模型的不足，本文將各站日平均流量近似處理為日最大洪峰流量，利用SWAT模型模擬各站場次洪水的洪峰流量及時段徑流深，最后采用徑流深的模擬結(jié)果對各站設計洪水特征值進行修訂. 將來可以考慮采用分布式VIC、DHSVM等水文模型，提高日以下時段洪水模擬效果，并采用洪峰流量的模擬結(jié)果直接對設計洪水進行修訂，從而提高計算成果的精度. 另外，由于資料所限，實測洪水序列中沒有加入歷史洪水進行頻率計算，這也可能會降低設計洪水成果的精度和穩(wěn)定性.