習麗麗

(遼寧省沈陽水文局，遼寧 沈陽 110043)

在當前全球氣候變化背景下，氣候變化對灌區(qū)作物凍融期徑流補給的影響也逐步得到國內外學者的關注，許多寒區(qū)水文模型在融雪徑流模擬中得到具體應用[1- 5]，這其中SWAT模型由于可以同時考慮積雪和融雪兩個能量平衡方程，在區(qū)域融雪徑流補給模擬中應用效果較好。但是傳統(tǒng)SWAT模型在融雪徑流模擬時未能考慮溫度梯度修正對融雪量的影響，在融雪徑流補給模擬中存在一定的局限，SRM融雪徑流模型可對積溫進行梯度修正，在凍融期徑流補給模擬中應用較好[6- 9]，但是SRM模型未能同時考慮積雪能量平衡，為此本文結合SRM模型和SWAT模型的共同特點，對傳統(tǒng)SWAT模型進行改進，并將改進的SWAT模型用于遼寧中東部灌區(qū)作物凍融期徑流融雪補給模擬中。研究成果對于灌區(qū)作物凍融期徑流模擬具有較高的參考價值。

1 改進的SWAT模型原理

(1)SWAT模型引入積雪量平衡方程計算場次的積雪量，計算方程為：

SNO2=SNO1+Rday-Esub-SNOmlt

(1)

式中，SNO2—總的融雪量，mm；SNO1—月融雪量，mm；Rday—融雪期間的降水量，mm；Esub—融雪蒸發(fā)量，mm；SNOmlt—為計算時段內的融雪量，mm。

由于受到氣象、地形等多重要素的影響，區(qū)域積雪空間分布十分不均勻，SWAT模型在計算融雪量時結合融雪面積率曲線來進行積雪范圍和積雪量之間的相關關系，計算方程為：

SNOcov=SNO/SNO100×[SNO/SNO100+exp(COV1-COV2×SNO/SNO100)]-1

(2)

式中，SNOcov—積雪百分數(shù)，%；SNO100—全覆蓋(100%)對應的積雪量，mm；COV1和COV2—積雪率(95%和50%)對應的曲線率。

(2)SWAT模型采用融雪徑流平衡方程計算場次融雪量：

(3)

其中，

bmlt=(bmlt6+bmlt12)/2+(bmlt6-bmlt12)/2sin[2π/365(dn-81)]

(4)

(5)

式中，SNOmlt—場次融雪總量，mm；bmit—融雪徑流系數(shù)，mm/(d·℃)；Tsnow—模型融雪期的溫度，℃；Tmax—融雪計算日的溫度最高值，℃；Tmlt—融雪開始的溫度，℃；bmlt6和bmlt12—不同時期的融雪系數(shù)，mm/(d·℃)；Tsnow(dn)—計算時段初始積雪溫度，℃；Tsnow(dn-1)—計算時段前一天的積雪溫度，℃；λsno—積溫滯后系數(shù)。

本文采用SRM模型對傳統(tǒng)SWAT模型的融雪方程進行改進，其計算方程為：

(6)

式中，Q—計算時段的融雪量,mm；CS和CR—融雪徑流的兩個因子數(shù)；a—計算時段融雪的深度；T—融雪因子；T—溫度修正因子；S—積雪覆蓋比例因子；P—降水因子；A—集水面積，km2；k—融雪徑流退水系數(shù)；n—計算時段。

2 改進模型在山區(qū)融雪徑流模擬中的應用

2.1 區(qū)域概況

本文以遼寧中東部某灌區(qū)為研究區(qū)域，該區(qū)域在冬季長期積雪，在春季后，開始進入融雪徑流時期，是凍融期作物徑流補給的主要來源。區(qū)域常年融雪徑流量在500～600百萬m3，在該區(qū)域流域出口，設有一個長期的徑流試驗觀測站，對融雪徑流進行觀測。本文結合該區(qū)域徑流試驗站融雪徑流觀測數(shù)據(jù)，對比分析改進的SWAT模型在作物凍融期徑流補給模擬的精度。

2.2 模型參數(shù)敏感性分析

由于模型參數(shù)較多，本文首先對模型融雪徑流影響的主要參數(shù)進行敏感性分析，各參數(shù)敏感分析結果見表1。

表1 模型參數(shù)敏感性分析

在表1中可以看出，對于區(qū)域作物凍融期融雪徑流影響較為敏感的兩個參數(shù)分別為最大融雪和最小融雪系數(shù)，從模型融雪平衡方程中可以看出，兩個參數(shù)是計算融雪量的主要影響因子，因此其對于改進SWAT模型融雪徑流影響較為敏感，而飽和水力傳導系數(shù)以及土壤蒸發(fā)補償系數(shù)在模型融雪徑流計算時較為不敏感，這兩個參數(shù)主要對其他非凍融期的徑流影響較為敏感。

2.3 模型精度評定

結合區(qū)域內徑流試驗站2007～2017年實測的融雪徑流數(shù)據(jù)對比分析不同模型融雪徑流模擬精度，分析結果見表2及圖1。

表2 模型精度評定結果

從表2中可以看出，和實測融雪徑流數(shù)據(jù)對比下，改進的SWAT模型在區(qū)域融雪徑流模擬精度要好于傳統(tǒng)SWAT模型，這主要是因為改進的SWAT模型可對積溫進行梯度修正，考慮積溫變化對山區(qū)區(qū)域融雪徑流的影響，使得其模擬精度要好于傳統(tǒng)SWAT模型，在融雪徑流期徑流模擬誤差減少15.1%，確定性系數(shù)提高0.29。從圖1中可以看出，改進的SWAT模型模擬的各月融雪徑流過程和實測過程具有較好的吻合度。

2.4 氣候變化對灌區(qū)作物凍融期徑流補給影響的敏感度分析

為定量分析氣候變化對灌區(qū)作物凍融期徑流補給影響的敏感度，結合敏感度分析方法和改進的SWAT模型分析各年份在氣溫變化(升高和降低相同溫度)以及降水變化(增加和減少相同百分比降水量)情況下的融雪徑流變化，從而分析氣候變化對灌區(qū)作物凍融期徑流補給影響的敏感度。

圖1 改進SWA模型徑流模擬與實測值對比結果

表3 氣候變化下各年份融雪徑流補給敏感度影響分析結果

圖2 各年份氣候變化下的融雪徑流敏感度

從表3中可以看出，氣溫變化下各年份融雪徑流影響最為敏感，其敏感度在0.45～1.03之間，敏感度均值為0.69，而降水變化下各年份融雪徑流影響敏感度低于氣溫變化，其敏感度在0.11～0.24之間，敏感度均值為0.17，這主要是因為在灌區(qū)作物凍融期期，氣溫是融雪徑流變化的主因，而降水變化是次因，在東北地區(qū)這一點更為明顯，因此在氣溫變化相同級別下，其融雪徑流影響最為敏感，是融雪徑流變化影響的主要因子。從圖2中可以看出，氣候變化下區(qū)域融雪徑流變幅趨勢不明顯，從氣溫變化下的敏感度可以看出，在溫室效應下，區(qū)域融雪徑流補給敏感度呈現(xiàn)一定的遞增趨勢。

3 結論

本文引入改進的SWAT模型，并將模型應用到遼寧中東部某山區(qū)區(qū)域融雪徑流模擬中，分析結論表明：

(1)改進的SWAT模型在灌區(qū)作物凍融期融雪徑流補給模擬精度明顯好于傳統(tǒng)SWAT模型，在水量和過程模擬精度上都較大程度改善，更適用于寒冷區(qū)域作物凍融期融雪徑流補給模擬；

(2)氣溫是作物凍融期融雪徑流量變化的主因，其敏感度明顯高于降水變化下的敏感度，溫室效應下融雪徑流補給變化敏感度呈現(xiàn)一定的遞增趨勢。

[1] 王瑾杰, 丁建麗, 張喆, 等. 干旱區(qū)降雨、融雪混合補給下的徑流模擬研究——以博爾塔拉河上游流域為例[J]. 干旱區(qū)地理, 2016, 39(06): 1238- 1246.

[2] 劉文, 李智錄, 李抗彬. SRM融雪徑流模型在塔什庫爾干河流域的應用研究[J]. 水利技術監(jiān)督, 2007(03): 43- 46.

[3] 張厚泉, 鄭秀清, 陳軍鋒. 非飽和土壤季節(jié)性凍融過程的仿真分析[J]. 系統(tǒng)仿真學報, 2010, 22(12): 2979- 2983.

[4] 苗春燕, 鄭秀清, 陳軍鋒. 季節(jié)性凍融期不同地下水位埋深下土壤溫度變化特征[J]. 中國農學通報, 2008(01): 496- 502．

[5] 于海鳴, 劉建基. 新疆丘陵區(qū)小流域春季融雪設計洪水估算[J]. 水利規(guī)劃與設計, 2005(03): 29- 31+72.

[6] 關明皓. SRM模型在大凌河流域融雪徑流模擬中的運用研究[J/OL]. 水利技術監(jiān)督, 2016, 24(03): 67- 69.

[7] 邁爾丹江·米吉提. SRM融雪徑流模型在新疆葉爾羌河流域適用性分析[J]. 黑龍江水利科技, 2015, 43(06): 13- 14．

[8] 趙軍, 黃永生, 宋閣慶, 等. SRM融雪徑流模型在疏勒河流域上游的應用[J]. 水資源與水工程學報, 2015, 26(01): 72- 76+80．

[9] 李弘毅, 王建. SRM融雪徑流模型在黑河流域上游的模擬研究[J]. 冰川凍土, 2008(05): 769- 775．