基于分布式水文模型DHSVM的平通河流域水文模拟

石 超 龚 霞 张行南，3 夏达忠

（1.河海大学 水文水资源学院，南京 210098；2.中交上海航道勘察设计研究院有限公司，上海 200120；3.河海大学 水资源高效利用与工程安全国家工程研究中心，南京 210098）

我国中小河流分布广、数量多，流域地理、气候复杂多样.传统的水文模型由于无法反映产汇流的空间分布特性，难以取得良好的效果，因此，建立结合GIS技术、RS技术、信息技术和通信技术，获取流域下垫面空间分布信息的分布式水文模型，已成为中小河流洪水预报的发展方向.

目前应用较多的分布式水文模型有SHE系列［1-2］、TOPMODEL［3］、SWAT［4］和 VIC［5］模型等，其中由华盛顿大学西北太平洋国家实验室于1994年提出的分布式水文土壤植被模型（DHSVM），可以精细地考虑地形、土壤、植被等下垫面地质条件与水文循环的关系［6］，在国外获得了成功应用.DHSVM用于中小尺度流域的径流模拟，其分辨率一般可达几十到几百米之间.王守荣等［7］首先在国内半干旱半湿润的海河和滦河流域应用该模型，取得了较好的模拟结果；高艳红等［8］也将该模型的汇流方案与运用包含土壤、植被陆面过程OSULSM的中尺度大气模式MM5耦合，成功模拟了黑河流域上游洪水事件.但由于山区中小河流洪水时空分布、成因、形成过程复杂等原因，这些模型应用于复杂地形的山区中小河流域时效果却不理想［9］.

本文基于平通河流域的特点以及中小河流域预报的特点与难点，集成GIS、RS等充分利用流域地形、土壤、植被等下垫面数据，运用DHSVM对平通河的水文过程进行了模拟研究，探讨了该方法的适用性和现有中小河流流域水文模拟方法与体系.

1 分布式水文土壤植被模型（DHSVM）

1.1 模型基本原理

如图1所示，DHSVM是具有物理意义的分布式水文模型，该模型以数字高程模型（DEM）节点为中心，把流域划分成若干计算网格，流域的每个网格都被赋予了各自的土壤特性和植被特性，以及在每个网格里输入气温、降雨、长短波辐射等气象要素.在计算时段内，模型对流域各网格依据能量和质量平衡方程进行联立求解，各网格之间则通过坡面流和壤中流的汇流演算发生水文联系.

图1 分布式水文模型DHSVM示意图

1.2 模型物理过程

DHSVM模型主要由7部分模块组成，分别为降雨截留，蒸散发，降雪截留／融化，不饱和土壤水运动，饱和壤中流，饱和坡面流和河道汇流，其中蒸散发模块采用两层植被模型，每一层又分为潮湿和干燥两部分，采用Penman－Monteith方法来计算植被和土壤的蒸散发；不饱和土壤水模块采用达西定律计算流经多个根系土壤层的不饱和壤中流的运动；采用运动波或者扩散波的近似方法来逐个计算各网格的饱和壤中流；在计算坡面流的时候，考虑3种产流机制（蓄满产流、超渗产流和回归流），采用逐网格计算和单位线法计算坡面流（如图2所示）；采用相对简单但是很稳健的线性槽蓄法来计算河道的汇流.

图2 DHSVM模型坡面流向河道汇流的过程示意图

2 模型模拟计算

2.1 流域水文地质条件

平通河流域位于四川盆地西北边缘高山深谷褶断带，北川和平武县境内，东经104°14′～104°43′，北纬31°56′～32°21′，是嘉陵江流域中西部的子流域，为涪江流域的一级支流，流域控制面积1067km2，属中尺度流域.平通河发源于平武县、松潘县与北川县三县交界处的六角顶，流域最高海拔3326m，流域内沿河两岸及豆叩以下区域是主要农耕区，从河谷向分水岭、从低山向中山，植被类型依次均为山地次生灌木林，山地常绿阔叶林、山地落叶阔叶林、山地针阔混交林、山地暗针叶林.流域属于亚热带湿润季风气候，年均降雨量942.1mm，年平均气温14℃，多年平均流量25.5m3／s，年均径流深645.8mm.河道全长123km，天然落差2300m，平均比降6.59‰.平通河流域内有徐塘、同兴、堡子场、桥头、豆叩5个雨量站，流域出口为甘溪水文站，距离流域最近的气象站为平武气象站（站点位置见图3）.

2.2 模型输入数据及参数

DHSVM是基于网格的分布式水文模型，其模型输入需要对流域进行计算网格的划分.模型需要的准备数据有：1）流域的地形数据DEM；2）植被数据包括植被类型以及参数；3）土壤数据，土壤类型以及和水文相关的参数；4）气象数据；5）河网信息.

DHSVM模型需要输入的气象强迫数据包括逐日降水量、气温、风速、相对湿度以及长短波辐射.模型采用了平通河流域附近的平武气象站的实测资料（站点位置见图3），数据来源于中国气象科学数据共享服务网.本次研究应用的日降水数据来源于平通河流域的徐塘、同兴、堡子场、桥头、豆叩5个雨量站和甘溪水文站（站点位置见图3）.

图3 平通河流域水系及站点分布图

植被数据来源于中国科学院地理科学与资源研究所—中国1∶25万土地覆盖遥感调查与监测数据库，并对80年的土地利用数据进行概化.概化的结果显示平通河流域植被的主要类型有林地和密灌丛、草地以及耕地（图4（a））.

土壤数据来源于NOAA（The National Oceanic and Atmospheric Administration），该数据分辨率为10km，美国农业部USDA将土壤分为13种类型，为了适应DHSVM模型的需要，对80年的土壤类型进行了概化并重新采样.平通河流域土壤类型主要有两种：壤土和粘壤土（图4（b））.

在DHSVM模型中，DEM数据用来模拟流域气象场空间分布、流域信息（流域边界、河网信息等）的提取以及坡面流的计算等，本文采用GDEM数据，GDEM是日本经济产业省（METI）和美国航空航天署（NASA）合作使用ASTER数据生成的全球数字高程模型Global Digital Elevation Model（GDEM）（图4（c））.

图4 平通河流域土壤覆被、植被类型分布及地形图

DHSVM模型中具有物理意义的参数大体上可以分为两类：第一类是常量参数，即这类参数在开始的时候设定，在模拟水文过程中就保持不变［6］；第二类是描述流域土壤和植被相关性质的变量参数，流域中不同的土壤和植被类型有不相同的参数，DHSVM模型把不同的土壤和植被都给定一个范围，将这些参数组合放置在配置文件中形成一个关联变量［10］.

2.3 模型参数率定

根据 Wigmosta等［11］，DHSVM模型有9个土壤植被参数对水文过程的模拟较为敏感，其中土壤敏感参数有：侧向饱和传导率（K）、衰减指数（f）、土壤孔隙度（φ）、田间持水量（θfc）.植被的敏感参数有：叶面积指数（LAI）、最小气孔阻抗（rsmin）、植被根系每层深度（dk）、上层林冠根区比例（fijk）和植被高度（hj）.

本文采用人工试错法对以上参数进行率定，以确定性系数DC、年径流偏差B目标函数来评测流域日径流模拟精度.

式中，Qobs为实测流量系列（m3／s）；Qcal为计算流量系列（m3／s）为实测流量系列的均值（m3／s）；n为流量系列的长度.

采用1983～1985年作为模型的率定期，以1980年的土地利用状况为基础，用1986～1987年的实测降雨资料和流域出口断面的日径流资料对模型进行验证，首先设定初始土壤含水量为0.35倍的土壤蓄水量，对水文参数值给出定值，然后进行调试.如果率定期的模型日径流量和实测的径流系列比较吻合，就用率定期的土壤含水量作为模型验证期初始的土壤含水量.接着再对模型的参数进行微调，最终确定模型的参数值.

率定的模型土壤（见表1）、植被（见表2）最终敏感参数如下.

表1 土壤敏感参数表

表2 植被敏感参数表

3 模拟结果分析

通过DHSVM模型对平通河流域进行水文数值模拟得到了流域逐日流量过程线（如图5～6所示），通过曲线可以得出，1983～1985年率定期计算的日流量过程和实测资料的流量过程大体上吻合.1983～1985年各年的确定性系数分别为0.724、0.712和0.751；年径流深相对误差分别为9.6%、8.78%和-0.46%.验证期的模拟精度基本满意：1986～1987年的确定性系数分别为0.701和0.75，年径流深的误差分别为-0.56%和7.53%.

图5 平通河流域率定期（1983～1985年）逐日流量过程比较

图6 平通河流域验证期1987年逐日流量过程比较

据图5，对比实测流量和计算流量看出，模型模拟的基流比实测的结果偏小，原因一方面可能是模型没有考虑枯枝落叶层的影响，枯枝落叶层能够吸收一部分降水，落叶层起到拦阻蓄水的作用，拦阻的水量能够下渗到土壤中；另一方面是模型本身的结构问题，模型假设流域内植被上冠层以下的地表部分全部由低矮地面植被层覆盖或者全部为裸地，但实际情况下，地面植被层并不是完全覆盖的，这样就增加了蒸发，从而减小了径流.对此，可以为地面植被层赋予权重网格，每个网格的地面植被层不再是简单地认为有或者无，而是以该网格中地面植被面积占该计算网格单元的比例作为权重乘以地面植被覆盖整个网格单元计算时该层的相应蒸散发值，这样可以更精确地计算蒸散发，从而减小模拟误差.

从图5可以看出，1983～1987年模型模拟的流量都比实际流量大，所以径流深的相对误差比较大.其原因可能如下：

1）资料的误差，由于平通流流域没有气象站，缺少温度、风速、相对湿度、长短波辐射等气象资料.直接移用距离最近的平武气象站的气象资料，气象资料是影响蒸散发重要的因素，这些资料的应用会带来误差.

2）本文用的是1980年的土地覆被作为模型的输入，来模拟1983～1987年的流量过程，平通河流域1980年代砍伐森林，植被破坏比较严重，下垫面变化比较大［12］.采用1980年的土地覆被会造成一定的误差.

3）随着社会和经济的发展，在平通河流域也修建了一些水利工程、这些水利工程也会造成径流量的减少，在模型中都没有反映，这样可能使模拟的径流量偏大.

4）水文模型本身的结构的问题，水文模型是对现实问题的一种概化，无法考虑各项指标对产汇流的影响，比如植被叶面积指数也只按植被类型赋值，没有考虑不同树龄植被叶面积指数的差别；模型并没有考虑枯枝落叶层的截留和蒸发作用；同一种植被类型的植被覆盖率、气孔阻抗为固定值，没有考虑到这些参数的年内变化和不同树龄的差别，模型中的河道汇流模块没有考虑河道的下渗损失量；还有就是参数多，率定的结果存在不确定性，这些都可能是模型误差的影响因素.

4 结 论

基于平通河流域，运用分布式水文模型DHSVM进行了水文数值模拟计算，并采用1983～1987年的甘溪水文站的资料对模型进行率定和模型验证，得到结论如下：

1）DHSVM模型能够较好的模拟平通河流域的水文过程，在率定期和验证期，确定性系数在0.7以上，年径流误差在10%以内.说明DHSVM模型在平通河流域基本上是适用的.

2）误差分析表明，由于模型模拟的基流数据比实测数据偏小，在枯水年或长时间未降水时期，模拟误差相对较大，因此在枯水期采用该模型并不理想.

3）计算结果表明，在中小河流进行水文模拟时，由于资料匮乏，无法考虑各项指标对产汇流的影响，在数据条件允许的情况下，DHSVM模型还需考虑每个网格地面植被层不完全覆盖整个网格单元的情况对蒸散发的影响，枯枝落叶层对蒸散发以及降水截留以及不同树龄植被叶面积指数的差别等影响因素，才能取得更加精确的模拟效果.

［1］熊立华，郭生练.分布式流域水文模型［M］.北京：中国水利水电出版社，2004：179－197.

［2］Abbott M B，Bathurst J C，Cunge J A，et al.An Introduction to the European Hydrological System－Systeme Hydrologique Europeen，“SHE”1：History and Philosophy of a Physically－Based Distributed Modeling System［J］.Journal of Hydrology，1986a，87：45－50.

［3］Beven K J，Kirby M J.A Physically Based Variable Contributing Area Model of Basin Hydrology［J］.Hyrological Science Bulletin，1979，24（1）：43－69.

［4］刘昌明，李道峰，田 英，等.基于DEM的分布式水文模型在大尺度流域应用研究［J］.地理科学进展，2003，22（5）：437－445.

［5］Liang X，Lettenmaier D P，Wood E F，et al.A Simple Hydrologically Based Model of Land Surface Water and Energy Fluxes for General Circulation Models［J］.J Geophys Res，1994，99（D7）：14415－14－428.

［6］康丽莉，王守荣，顾骏强.分布式水文模型DHSVM对兰江流域径流变化的模拟试验［J］.热带气象学报，2008，24（2）：176－182.

［7］王守荣，黄荣辉，丁一汇.分布式水文-土壤-植被模式的改进及气候水文Off－line模拟实验［J］.气象学报，2002，60（3）：290－300.

［8］高艳红，吕世华.2002年7月黑河流域上游降水以及产、汇流过程的模拟［J］.中国科学 D辑，2003，33（增刊）：1－8.

［9］翟所光，张照利.小流域防汛现状与对策［J］.山东水利，1999（4）：10－11.

［10］郝振纯，梁之豪，梁丽乔，等.DHSVM模型在宝库河流域的径流模拟适用性分析［J］.水电能源科学，2012，30（11）：9－12，94.

［11］Wigmosta M S，Nijssen B，Storck P.The Distributed Hydrology Soil Vegetation Model.Mathematical Models of Small Watershed Hydrology and Applications［A］.In：Singh V P，Department of Civil ans Environment Engineering Louisiana State University，Water Resources Publications，Littleton，LLC，2002：7－42.

［12］朱志芳，龚固堂，许熙辉，等.基于RS＿GIS的平通河流域土地利用格局变化及其分形分析［J］.四川林业科技，2009，30（1）：24－28.