劉義花，李紅梅，李 林，汪青春，許顯花

（1.青海省氣候中心，西寧 810001；2.青海省人工影響天氣辦公室，西寧 810001；3.黃南州氣象局，青海 黃南 811300）

青海省是瀾滄江、黃河、長江的源頭，是生態(tài)的脆弱區(qū)和敏感區(qū)。青海省集水面積在500 km2以上的河流有278 條，河道長度大于100 km 的河流有65條。每年夏季受強(qiáng)降雨的影響，暴雨洪澇災(zāi)害頻次高、危害重、影響大，加之暴雨洪澇災(zāi)害形成的機(jī)理非常復(fù)雜，諸多因素中降雨是引發(fā)暴雨洪澇災(zāi)害最直接的外在動力因素。因此，通過各種技術(shù)和方法有效提高中小河流洪水、山洪地質(zhì)災(zāi)害預(yù)警能力，可為青海省防災(zāi)減災(zāi)提供基礎(chǔ)。

歐美國家最有代表性的洪水災(zāi)害預(yù)警指標(biāo)是美國的暴雨洪澇預(yù)警指標(biāo)（Flash flood guidance，F(xiàn)FG）［1］。該方法較為全面地考慮了降雨、土層含水以及下墊面特性三大主要因素，并進(jìn)行預(yù)警指標(biāo)的計(jì)算，以此提供動態(tài)變化結(jié)果，其結(jié)果由相應(yīng)等級的平臺進(jìn)行分析和發(fā)布。日本的臨界雨量確定方法考慮的因素更集中于降雨和土層含水方面的分析［2］，其臨界雨量的分析研究主要針對滑坡、泥石流等災(zāi)害預(yù)警方面。目前國內(nèi)現(xiàn)有山洪災(zāi)害臨界雨量的確定方法種類繁多，主要有實(shí)測雨量統(tǒng)計(jì)法［3-5］、水位/流量反推法［6］、暴雨臨界曲線法［7］、比擬法［8］等。此外，主要采用水動力模型來確定臨界雨量閾值，主要有SWAT模型［9-11］、HBV 水文模型［12-17］、Floodarea 模型［18，19］等來確定暴雨洪澇致災(zāi)臨界雨量閾值。隨著青藏高原極端降水的增多，本研究試圖采用多種模型進(jìn)行適用性分析，旨在為大通河流域洪水預(yù)警提供較為科學(xué)的預(yù)警指標(biāo)，為青藏高原生態(tài)健康持續(xù)發(fā)展、防災(zāi)減災(zāi)提供科學(xué)指標(biāo)。

1 研究區(qū)概況

大通河流域是青海省湟水河左岸最大支流（圖1），位于青海省東北部，流域呈狹長狀，河流兩岸山嶺對峙，林草豐茂，干流峽盆相間。大通河流域面積8 418.48 km2，跨祁連、天峻、門源、海晏 4 個(gè)縣，海拔在2 925~5 066 m。土地利用類型主要是以草地為主，其次為林地、濕地、裸土。大通河主要支流有莫日曲、克克賽河、薩拉溝、永安河、老虎溝及左左拉水河。

2 資料與方法

2.1 資料

地理信息資料：統(tǒng)一采用美國NASA 公布的全球3 弧度秒（90 m 分辨率）SRTM 數(shù)據(jù)，水利部門水利水電規(guī)劃設(shè)計(jì)總院發(fā)布的《全國水資源分區(qū)電子地圖（1∶25 萬）》，國家基礎(chǔ)地理信息網(wǎng)發(fā)布的中國1~5級河流水系數(shù)據(jù)（比例尺1∶100 萬），統(tǒng)一采用國家基礎(chǔ)地理信息網(wǎng)發(fā)布的中國省、市、縣級數(shù)據(jù)（2005年，比例尺1∶100 萬）水系、道路、土地利用、土壤特征參數(shù)；氣象資料：祁連、野牛溝、門源、天峻氣象站1961—2011 年日降水、平均氣溫等資料；此外采用了大通河流域青石嘴水文站2007—2011 年逐日水位、流量資料，水文站警戒水位、保證水位、堤防高度資料。

2.2 方法

2.2.1 HBV 水文模型 HBV 水文模型是瑞典國家水文氣象局開發(fā)研制的半分布式的概念性水文模型。該模型對各類復(fù)雜氣象條件下的水文模擬具有較高的區(qū)域適應(yīng)性。HBV-D 模型由氣候資料插值、積雪和融化、蒸散發(fā)估算、土壤濕度計(jì)算過程、產(chǎn)流過程、匯流過程等子模塊組成，模型應(yīng)用相對簡便，輸入模型數(shù)據(jù)主要包括DEM、日均氣溫、降雨、土地利用、土壤最大含水量和河流匯流時(shí)間等參數(shù)，此外HBV 水文模型有30 多個(gè)有物理意義的參數(shù)，其值通過人工試錯(cuò)法進(jìn)行優(yōu)化調(diào)整，采用Nash 效率系數(shù)（Nash-Suttcliffe Efficiency coefficient，NSE）、確定系數(shù)（R2）對模擬結(jié)果進(jìn)行評價(jià)，關(guān)于NSE 和確定系數(shù)計(jì)算方法可參考文獻(xiàn)［15］。

2.2.2 SWAT 模型 SWAT 模型是以美國的水文、氣候等環(huán)境要素為對象開發(fā)的，盡管其計(jì)算基于物理過程，然而由于其核心方程USLE 是為應(yīng)用于美國水土流失狀況而建立的經(jīng)驗(yàn)公式，因此，在應(yīng)用于美國以外的區(qū)域時(shí)，SWAT 模型需要根據(jù)當(dāng)?shù)氐膶?shí)際狀況進(jìn)行敏感性分析。SWAT 模型參數(shù)敏感性分析是通過調(diào)整模型參數(shù)的初始值或是取值范圍，使模型的模擬值接近于測量值。利用SWAT 模型自帶的自動參數(shù)分析模塊，可以分析眾多參數(shù)對模擬結(jié)果的不同影響，并可看出各參數(shù)對模擬結(jié)果影響的大小，結(jié)合參數(shù)的閾值與實(shí)際情況對參數(shù)進(jìn)行調(diào)整，可獲得較精確的模擬結(jié)果。SWAT 模型模擬流域徑流過程分為2 部分：水循環(huán)的陸面部分（即產(chǎn)流和坡面匯流部分）和水循環(huán)的水面部分（即河網(wǎng)匯流部分）。前者控制每個(gè)子流域內(nèi)主河道的水量輸入量，后者決定水量從河網(wǎng)向流域出口的輸移過程。SWAT 徑流模擬主要由地表徑流、蒸散發(fā)、土壤水和地下水4個(gè)部分組成。本研究將模擬的地表徑流和水文站實(shí)測值進(jìn)行對比，其中SUFI-2 算法是2007 年開發(fā)的一種綜合優(yōu)化和梯度搜索方法［20］，不僅可以同時(shí)率定多個(gè)參數(shù)，而且具有全局搜索的功能，同時(shí)還考慮了輸入數(shù)據(jù)、模型結(jié)構(gòu)、參數(shù)及實(shí)測數(shù)據(jù)的不確定性。SUF1-2 算法開始時(shí)先假設(shè)一個(gè)比較大的參數(shù)補(bǔ)缺空間，使實(shí)測數(shù)據(jù)被包含在95PPU 范圍內(nèi)，然后逐步縮小不確定性的區(qū)間范圍，同時(shí)關(guān)注P 因子和R 因子的變化。SUFI-2 算法的計(jì)算步驟包括以下7 步：①確定目標(biāo)函數(shù)；②確定參數(shù)的物理意義和區(qū)間范圍；③根據(jù)選定的目標(biāo)函數(shù)，對每個(gè)參數(shù)進(jìn)行多次模擬；④參數(shù)范圍確定后進(jìn)行LatinHypercu 抽樣；⑤進(jìn)行LatinHypercube 抽樣后，得到多種參數(shù)組合，并進(jìn)行模擬；⑥對第一步進(jìn)行評估、模擬，并計(jì)算結(jié)果；⑦進(jìn)行參數(shù)的不確定性分析（表1）。

表1 SWAT 模型所選參數(shù)的意義

2.2.3 統(tǒng)計(jì)模型 本研究將計(jì)算區(qū)域平均雨量的方法引入到區(qū)域雨量預(yù)警，對所有雨量站的實(shí)測雨量加權(quán)平均。泰森多邊形法在水文計(jì)算中應(yīng)用廣泛，特別是用于計(jì)算區(qū)域平均雨量，該方法賦予流域內(nèi)各雨量站一個(gè)權(quán)重，相當(dāng)于將各個(gè)雨量站實(shí)測雨量進(jìn)行折減，這樣可與分析評價(jià)預(yù)警值進(jìn)行有效銜接。該方法是將所有相鄰的雨量站點(diǎn)連成三角形，然后對這些三角形各邊作垂直平分線，畫出的垂直平分線分別相交圍成若干個(gè)多邊形。每個(gè)多邊形內(nèi)有一個(gè)雨量站，實(shí)測降雨量以R表示，同時(shí)，獲取流域內(nèi)各個(gè)多邊形的面積為Ai，然后根據(jù)面積加權(quán)乘上雨量算出流域平均雨量，即：

式中，AR為流域面雨量，Ri為站點(diǎn)i的雨量，Ai為i站點(diǎn)所在子區(qū)域的面積，A為流域總面積，n為泰森多邊形個(gè)數(shù)。此外，根據(jù)實(shí)測雨量和水位資料，采用相關(guān)分析統(tǒng)計(jì)學(xué)方法，得到流域雨-洪關(guān)系，由此確定流域致洪臨界雨量。

2.2.4 臨界雨量確定方法 面雨量是整個(gè)區(qū)域單位面積上的平均降水量，能客觀地反映整個(gè)區(qū)域的降水情況。降雨是造成中小河流洪水的直接原因和主要激發(fā)條件，在一個(gè)流域內(nèi)，降水量達(dá)到或超過某一量值和強(qiáng)度時(shí)，該流域內(nèi)發(fā)生洪水災(zāi)害，造成淹沒農(nóng)田、房屋等損失及人員傷亡，常把這一量值和強(qiáng)度稱為該流域的致災(zāi)臨界雨量、雨強(qiáng)。中小河流洪水一般由于降雨集中、強(qiáng)度強(qiáng)、持續(xù)時(shí)間長，造成河道水位上漲致漫過堤壩及水庫或?qū)Ψ篮楣こ淘斐善茐?，如潰壩、決堤導(dǎo)致洪水淹沒村莊和農(nóng)田、基礎(chǔ)設(shè)施遭到破壞、造成人員傷亡等災(zāi)害?？紤]到洪水上漲到一定程度，防洪工程出現(xiàn)危險(xiǎn)造成災(zāi)害的風(fēng)險(xiǎn)大，因此將中小河流洪水水位分為3 個(gè)等級：警戒水位（三級）、保證水位（二級）、漫壩時(shí)水位即堤壩高度（一級）。對每一個(gè)水文控制點(diǎn)，計(jì)算達(dá)到這3 種水位的臨界面雨量。三級洪水臨界面雨量定義為某水文控制點(diǎn)以上流域一定時(shí)效的降雨使該水文控制點(diǎn)水位上升達(dá)到警戒水位的面雨量；二級洪水臨界面雨量定義為某水文控制點(diǎn)以上流域一定時(shí)效的降雨使該水文控制點(diǎn)水位上升達(dá)到保證水位的面雨量；一級洪水臨界面雨量定義為某水文控制點(diǎn)以上流域一定時(shí)效的降雨使該水文控制點(diǎn)水位上升至漫過堤壩時(shí)水位的面雨量，通過水文模型模擬的徑流深度以及觀測流量和水位、水位和研究區(qū)面雨量的關(guān)系，劃分出研究不同基礎(chǔ)水位下臨界面雨量的閾值。

3 結(jié)果與分析

3.1 HBV 水文模型適用

采用GIS 和水文分析技術(shù)提取大通河流域的范圍、流域中心點(diǎn)，基于R 雨量插值軟件和流域內(nèi)氣象站觀測數(shù)據(jù)，得出2007—2011 年流域面雨量的逐日變化序列（圖2），其中中雨以上量級降水主要出現(xiàn)在5—9 月，累計(jì)次數(shù)為41 次，頻次和強(qiáng)度增加明顯。

通過HBV 水文模型模擬的徑流量和觀測流量的擬合和對比分析，從而確定模型的穩(wěn)定性和可靠性，然后根據(jù)流域降雨量和水位、水位和流量之間的相互關(guān)系，進(jìn)而確定洪水臨界面雨量閾值。此外，在模型模擬之前，對模型所需數(shù)據(jù)進(jìn)行了修改，如流域面積、模擬的時(shí)間段，并對模型中的31 個(gè)參數(shù)進(jìn)行了敏感性分析。一般而言，HBV 水文模型模擬效果評定指標(biāo)NSE 系數(shù)和確定系數(shù)為0~1，越接近1，誤差越小，以此來驗(yàn)證模型模擬效果，經(jīng)多次調(diào)整參數(shù)，發(fā)現(xiàn) Beta（Non-linearity in soil water zone）、Kuz2（Quick time constant upper zone）、Ered（Evapotranspira?tion red during interception）、Klz（Time constant lower zone）、Smini（Initial soil moisture content）參數(shù)的敏感性較高，調(diào)整后的值為0.26、0.09、0.5、0.004、30。

從率定的結(jié)果可以看出，HBV 水文模型對大通河流域日徑流深模擬的確定性系數(shù)達(dá)0.84，NSE 為0.61，對洪水過程能較好地捕捉，模型模擬的結(jié)果與實(shí)況較一致，能夠很好地模擬出大通河流域的日徑流過程（圖3a）。為進(jìn)一步檢驗(yàn)HBV 水文模型模擬效果，使用2009—2011 年逐日資料對HBV 在大通河流域的預(yù)報(bào)效果進(jìn)行了檢驗(yàn)，可以看出經(jīng)過率定后HBV 水文模型在大通河流域具有很強(qiáng)的適用性，逐日徑流深模擬的確定性系數(shù)超過了0.81，NSE 為0.51，模擬出的水文過程線與實(shí)際基本吻合（圖3b），很好地預(yù)報(bào)出了洪水對降水的響應(yīng)過程，從而能夠根據(jù)洪水流量與水位的關(guān)系，建立降水-流量-水位之間的關(guān)系，推算大通河流域到達(dá)警戒水位、保證水位、漫過堤壩時(shí)水位的臨界面雨量。

3.2 SWAT 模型適用

基于SWAT 模型，通過對模型輸入地理高程、土壤性質(zhì)、土壤類型、降水量、觀測流量等數(shù)據(jù)，模擬了大通河流域2007—2008 年逐日徑流量，并對SWAT模型的參數(shù)進(jìn)行了率定，經(jīng)多次調(diào)整參數(shù)，發(fā)現(xiàn)最敏感的4 個(gè)因子為徑流曲線參數(shù)、基流消退參數(shù)、地下水滯后參數(shù)和淺層含水層產(chǎn)生基流的閾值深度，其值分別為 0.6、0.5、0.7、0.63。2007—2008 年作為模型的率定期，率定期模型的效率系數(shù)為0.87，相關(guān)系數(shù)為0.94；2009—2011 年驗(yàn)證期模型的效率系數(shù)為0.62，相關(guān)系數(shù)為0.83。率定期和驗(yàn)證期模型的效率系數(shù)和相關(guān)系數(shù)都高于0.6，表明大通河流域SWAT 模型模擬的水文過程模擬精度較高，具有良好的適用性。從圖4 可以看出，率定期對洪水過程的模擬有較好的捕捉，模型模擬的結(jié)果基本與實(shí)況一致，對洪水達(dá)到洪峰的過程有較好的捕捉（圖4a）；從2009—2011 年驗(yàn)證期可以看出，雖然個(gè)別年份擬合效果欠佳，但從整體來看，大通河流域觀測值與模擬值基本吻合（圖4b），很好地預(yù)報(bào)出了洪水對降水的響應(yīng)過程，并根據(jù)流量與水位的關(guān)系，建立降水-流量-水位之間的關(guān)系，推算到達(dá)警戒水位、保證水位、漫過堤壩時(shí)水位的臨界面雨量。

3.3 水位和流量的關(guān)系

通過大通河流域青石嘴逐日觀測流量和水位數(shù)據(jù)來看，自2007 年以來流量（圖5a）和水位（圖5b）呈略增加的態(tài)勢，但自2011 年以來流量減少明顯，這與研究區(qū)的降水量有密切關(guān)系，2010 年研究區(qū)平均降水量為557.6 mm，2011年平均降水量為504.2 mm，說明降水量是影響徑流量減少的主要原因。此外還建立了青石嘴站流量和水位的擬合關(guān)系（圖5c），且二者的相關(guān)性特別高，通過了0.001 水平的顯著性檢驗(yàn)。

3.4 統(tǒng)計(jì)模型結(jié)果

通過研究大通河流域基礎(chǔ)水位與水位增量之間的關(guān)系，建立了Y-L-R（其中Y為水位增量，L為基礎(chǔ)水位，R為面雨量）的回歸關(guān)系，通過數(shù)據(jù)統(tǒng)計(jì)與分析，大通河流域24 h 雨量線性回歸擬合方程為Y=-0.005 8L+0.003 8R+16.982 7，其中r＝0.333，通過了0.05 水平的顯著性檢驗(yàn)。根據(jù)大通河流域水位與面雨量的關(guān)系，將Y=保證水位（或警戒水位）-L代入24 h 雨量線型回歸方程，即可得到對應(yīng)24 h 不同基礎(chǔ)水位相對應(yīng)的臨界面雨量。

3.5 臨界（面）雨量的確定

基于3 種模型，確立大通河流域降雨量-水位定量關(guān)系。當(dāng)計(jì)算的河流洪水達(dá)到警戒、保證或漫過堤壩水位時(shí)，即認(rèn)定此時(shí)的面雨量為所對應(yīng)洪水等級的臨界（面）雨量。將不同前期水位與雨量代入到模型中，再以青石嘴站警戒水位2 932.67 m、保證水位2 930.17 m、堤壩高程2 929.85 m 為臨界判別條件，得出不同前期水位下對應(yīng)的各級臨界（面）雨量，結(jié)果見表2。由于河流漫壩時(shí)，原有的流量-水位關(guān)系不再適用，所以未給出漫壩水位時(shí)推算的臨界雨量值。

4 結(jié)論

因青藏高原獨(dú)特的地理環(huán)境及氣候特點(diǎn)，模型的適用性研究很有意義，通過3 種方法研制的臨界雨量閾值與實(shí)際洪水發(fā)生的情況比較，使劃分的閾值指標(biāo)為流域洪水預(yù)警起到關(guān)鍵作用。

1）HBV 水文模型是半分布式水文模型，通過面雨量插值、土壤類型、土壤持水力等模擬徑流深度，模型參數(shù)多，調(diào)參耗費(fèi)大量時(shí)間，模擬效果好。SWAT 模型是分布式水文模型，模型分為SWAT 和SWATCUP 2 塊，由于模型結(jié)構(gòu)復(fù)雜、參數(shù)較多，但模擬效果的評定指標(biāo)要比HBV 水文模型高，而且對每次洪峰捕捉效果良好。統(tǒng)計(jì)模型要求樣本數(shù)據(jù)序列長，因洪水發(fā)生時(shí)災(zāi)情數(shù)據(jù)收集與流量、水位、雨量數(shù)據(jù)的限制，且沒有考慮從降雨形成地表徑流過程，因此確定的臨界雨量閾值偏大。雖然各個(gè)模型均可以確定臨界雨量閾值，且各個(gè)模型均有優(yōu)點(diǎn)和缺陷，但還需要隨著極端強(qiáng)降水天氣過程的出現(xiàn)不斷地修正和完善臨界雨量閾值，達(dá)到防災(zāi)、減災(zāi)的目的。

表2 不同模型模擬下的大通河流域臨界雨量閾值比較

2）根據(jù)3 種模型在大通河流域洪水臨界雨量閾值研究適用的結(jié)果以及實(shí)際洪水發(fā)生的檢驗(yàn)情況來看，因NSE 和確定性系數(shù)是檢驗(yàn)HBV 水文模型模擬效果的衡量標(biāo)準(zhǔn)，但從模擬流量和實(shí)際流量擬合來看，模擬的徑流深度和實(shí)際徑流深度擬合率較低，對應(yīng)洪峰的位置偏差較大；統(tǒng)計(jì)模型需要長序列災(zāi)情資料和雨情資料，而2000 年以前的災(zāi)情資料缺失嚴(yán)重，嚴(yán)重影響模型模擬的效果；從SWAT 模型在大通河流域適用的結(jié)果來看，模擬流量和實(shí)際流量的擬合率滿足模型檢驗(yàn)的標(biāo)準(zhǔn)，洪峰對應(yīng)較為一致，歷年實(shí)際洪水發(fā)生的檢驗(yàn)結(jié)果也較好，表明大通河流域基于SWAT 模型確定的臨界雨量更加可靠。

3）在青海省中小河流域臨界雨量閾值研究當(dāng)中，如果獲取了中小河流域水文站連續(xù)的流量、水位，應(yīng)采用水文模型有效劃分該流域臨界雨量閾值，如果流域內(nèi)無水文站資料，建議應(yīng)用統(tǒng)計(jì)模型研究臨界雨量閾值，隨著水文資料和災(zāi)情資料的收集，應(yīng)用實(shí)際災(zāi)情逐步驗(yàn)證臨界雨量的有效性并不斷完善臨界雨量預(yù)警指標(biāo)。