夏曉玲,曾莉萍,劉 濤,3,王加敏,方 荻,2,張明祥

(1.貴州新氣象科技有限責任公司,貴州 貴陽 550002; 2.貴州省山地環(huán)境氣候研究所,貴州 貴陽 550002; 3.貴州省人工影響天氣辦公室,貴州 貴陽 550002)

0 引 言

貴州省地處云貴高原東斜坡地帶,氣候濕潤,降雨豐沛,河流眾多,水資源充足。但貴州省下墊面情況復雜,全省73%的面積為碳酸巖鹽[1],92.5%的面積為山地和丘陵,山間平壩區(qū)面積甚少[2],導致貴州水資源時空分布非常不均勻、水資源供需矛盾突出,難以有效利用水資源。隨著社會經(jīng)濟的快速發(fā)展,水資源的可持續(xù)利用面臨著更加巨大的挑戰(zhàn)[3-4]。水力發(fā)電作為水資源開發(fā)利用的重要手段之一,需要精細化的水文(徑流量)預報為其提高開發(fā)利用率提供支撐。隨著“3S”等科學技術(shù)的發(fā)展,Soil and Water Assessment Model(SWAT模型)成為運用最為廣泛的分布式水文模型之一。該模型可以在下墊面復雜、降水時空分布不均情況下對流域水文過程進行精細化模擬[5-7]。

2015年,Uniyal等[8]使用ArcSWAT模型研究氣候變化對印度拉尼河水平衡等的影響,發(fā)現(xiàn)21世紀末氣候條件變化會對該區(qū)域的徑流產(chǎn)生重大影響。2017年,Reshmidevi等[9]使用與ArcGIS集成的SWAT進行水文模擬,預測了水資源壓力可能來源于河流流量、地下水補給量的減少以及灌溉需求的增加。中國針對分布式水文模型的研究發(fā)展迅速[10]。1997年,黃平等[11]總結(jié)了具有物理機制的分布式水文模型,構(gòu)建了流域三維動態(tài)水文數(shù)值模型。2007年,熊立華等[12]利用拓撲關(guān)系表達流域水流的空間聚合與分散,建立了水文模型。2013年,于嵐嵐等[13]在大凌河流域進行小流域降雨模擬,針對洪水傳播時間為固定值這個缺陷,采用變動態(tài)存儲系數(shù)法演算洪水,提高了洪水模擬的合格率。2015年,朱悅璐等[14]將CanESM2氣候模式下的兩種情景與半分布式水文模型VIC相對接,分析未來2020s、2030s、2040s、2050s四個時期渭河徑流變化。2020～2021年間,劉君龍、劉飛、徐志等均運用SWAT模型對不同流域的水文過程進行了模擬[15-17]。陳長征等[18]對SWAT模型的參數(shù)化優(yōu)化方法進行了研究分析。國內(nèi)外研究大多從水文過程著手,通過優(yōu)化水文模型以提高徑流量或洪水預報。本文基于ArcGIS軟件平臺,針對貴州省平寨流域,首次在喀斯特地貌特征明顯的區(qū)域應用SWAT分布式水文模型開展徑流量預測研究,以期為類似流域研究提供參考。

1 研究區(qū)域概況

平寨水庫壩址在三岔河中游木底河平寨附近,處于貴州省六枝特區(qū)與織金縣交界處(圖1)。平寨水庫壩高162.7 m,淹沒區(qū)面積為15.10 km2,正常蓄水位1 331 m,死水位1 305 m,平均水深50 m,校核洪水位1 333.29 m,總庫容量為10.89億m3,調(diào)節(jié)庫容4.48億m3,電站總裝機容量146.6 MW。流域總面積3 492 km2,占三岔河流域面積的48.2%。

圖1 平寨流域

平寨流域范圍內(nèi)現(xiàn)有數(shù)據(jù)較為完整的水文站為陽長水文站,1993年1月1日該水文站開始記錄數(shù)據(jù)。陽長水文站由畢節(jié)地區(qū)水文水資源局設(shè)立,控制集水面積為2 696 km2,在納雍縣、陽長鎮(zhèn)、新陽長大橋下游約50 m的位置。氣象站點選用水城、汪家寨、松林坡、新房、牛場共5個站點。

2 數(shù)據(jù)與方法

2.1 建模數(shù)據(jù)來源

建立SWAT模型所需要的基礎(chǔ)數(shù)據(jù)庫主要分為兩類:空間數(shù)據(jù)和屬性數(shù)據(jù)。

(1) 空間數(shù)據(jù)包括高程數(shù)據(jù)(DEM)、土地利用類型數(shù)據(jù)、河流水系分布數(shù)據(jù)、土壤類型分布數(shù)據(jù)等。其中DEM高程圖和土地利用數(shù)據(jù)的精度為30 m×30 m,格式為Raster;土地利用數(shù)據(jù)來源是2015年全國范圍的遙感影像(基于Landsat),分辨率為1 km,分為14類;河流水系圖精度為1∶500 000,格式為Shapefile。以上所有空間數(shù)據(jù)需具有統(tǒng)一的投影坐標,本文投影采用WGS_1984_UTM_Zone_48。

(2) 屬性數(shù)據(jù)主要是氣象和水文的觀測資料,氣象資料:氣溫(最低、最高)、降水量、日照時數(shù)、平均相對濕度、平均風速等;時間范圍為2009年1月1日至2018年12月31日,時間分辨率為逐日數(shù)據(jù)或逐月數(shù)據(jù);水文資料為陽長水文站逐日/逐月的流量觀測,逐日水文資料時間范圍為2017年1月1日至2019年12月31日;逐月水文資料時間范圍為2009年1月至2018年12月。

2.2 預報、分析數(shù)據(jù)來源

氣象數(shù)據(jù)包括平寨流域關(guān)鍵氣象站點(水城、汪家寨、松林坡、新房、牛場)2021年6～9月每月9,19,29日的未來8 d降水預報數(shù)據(jù)。實況數(shù)據(jù)包括2021年6～9月平寨水庫日入庫流量數(shù)據(jù)。

2.3 研究方法

2.3.1 模型評價指標

本文的評價指標有確定系數(shù)R2、納什系數(shù)NSE、偏差百分率PBIAS。公式如下:

(1)

(2)

(3)

式中:Qobs,Qobsave,Qsim,Qsimave分別為觀測值、觀測值的平均值、SWAT模型的模擬值、模擬值的平均值,m3/s;n為數(shù)據(jù)長度,此處為年份。確定系數(shù)和納什系數(shù)取值范圍在0～1,值越接近1,說明模型的模擬效果越好。確定系數(shù)大于等于0.5時,認為模擬效果可以被接受。納什系數(shù)大于等于0.75時,表示模型的模擬效果很好;當NSE為0.36～0.75時,說明模型的模擬結(jié)果基本達要求;如果納什系數(shù)不大于0.36,說明模擬結(jié)果達不到要求。偏差百分率越接近0說明模擬效果越好,絕對值在10%以內(nèi)表示可以接受。

2.3.2 模型不確定性分析

運用SWAT-CUP軟件對模型參數(shù)進行率定。SWAT-CUP是獨立于SWAT與ArcGIS,專門開發(fā)的計算機程序。本文使用SWAT-CUP軟件中SUFI2算法對平寨流域SWAT模擬徑流量結(jié)果進行參數(shù)自動校準,獲取12個影響最大的參數(shù),并代回模型反算結(jié)果進行驗證。

2.3.3 實時入庫流量修正

目前常用的入庫流量計算方法有水量平衡法、區(qū)間推流法、入庫控制站代表法等,其中以水量平衡法應用最廣。該算法基于水量平衡原理,用時段內(nèi)入庫水量減去出庫水量得到庫內(nèi)水量變化值,利用庫容變化和出庫流量反推計算入庫流量。但該算法對壩上水位數(shù)據(jù)的敏感度較高,特別是水庫面積較大,壩上水位的小幅波動會導致庫容差大幅變動,從而影響入庫流量計算,使入庫流量呈現(xiàn)鋸齒狀震蕩,無法準確反映實際情況,有些水庫在枯水期甚至出現(xiàn)計算入庫流量為“負”值的現(xiàn)象。

用m次多項式來擬合得到的實驗數(shù)據(jù),設(shè)擬合多項式為

Y(t)=a0+a1t+a2t2+…+amtm

(4)

用最小乘法來確定方程(4)中的待定系數(shù),令

(5)

=φ(a0,a1,…,am)

(6)

為使φ(a0,a1,…,am)達到最小,將它分別對ak(k=0,1,…,m)求偏導數(shù),并令其為0,可得方程組:

(7)

該方程組稱為正規(guī)方程組。當n=2(5個節(jié)點),m=3時,得到具體的正規(guī)方程組,由此解出a0,a1,ai,ait代入式(4),并令t=0,1,-1,2,-2,得到五點三次平滑公式:

(8)

(9)

(10)

(11)

(12)

該算法要求節(jié)點個數(shù)為k≥5,當節(jié)點個數(shù)多于5時,為對稱起見,除在兩端分別用式(8)、(9)、(10)、(11)、(12)外,其余都用式(10)進行平滑,這就相當于在每個子區(qū)間上用不同的三次最小二乘多項式進行平滑。對于平寨入庫流量運用五點三次算法進行平滑處理的結(jié)果,平滑后的流量數(shù)據(jù)走勢與原始數(shù)據(jù)基本相同,且洪水總量、洪峰流量與峰現(xiàn)時間洪水三要素與原始數(shù)據(jù)差異較小,能夠較好擬合原始流量數(shù)據(jù),具有較高的實際應用價值。

2.3.4 水文氣象模式耦合

將降水預報產(chǎn)品作為輸入場驅(qū)動水文模型,實現(xiàn)水文氣象模式耦合,進而開展徑流量預報,旨在延長洪水預報的預見期。降水預報數(shù)據(jù)是貴州新氣象科技有限責任公司在結(jié)合貴州省氣象臺與ECWMF模式降水預報產(chǎn)品的基礎(chǔ)上制作的主客觀融合格點降水、氣溫、風等產(chǎn)品,這些數(shù)據(jù)分辨率為5 km×5 km,屬于精細化產(chǎn)品。將這些數(shù)據(jù)插值至平寨流域范圍內(nèi)的5個氣象站點。雨量訂正方法為首先隨機選取一部分數(shù)據(jù),運用一元線性回歸方式建立訂正模型,然后運用其余數(shù)據(jù),帶入訂正模型,檢驗訂正后誤差百分率,再用消除極值方法,保證預報誤差在10%以內(nèi),作為訂正后的雨量預報數(shù)據(jù),和訂正前預報數(shù)據(jù)同時帶入水文模型對比分析。

3 結(jié)果分析

3.1 SWAT在平寨流域的模型建立與檢驗

3.1.1 SWAT模型數(shù)據(jù)庫建立

獲取基礎(chǔ)數(shù)據(jù)后,根據(jù)不同地理信息數(shù)據(jù),平寨河流域被劃分出2 117個水文響應單元、23個子流域。陽長水文監(jiān)測站被劃分在第11個子流域,運用陽長水文站觀測的實測流量數(shù)據(jù)對模型進行率定和驗證,2017年日徑流值為預熱期,2018年為率定期,2019年為驗證期;2009～2010年月徑流值為預熱期,2011～2014年為率定期,2015～2018年為驗證期。圖2為平寨流域SWAT模型建模界面。

圖2 平寨流域SWAT模型建模界面展示

3.1.2 參數(shù)敏感性分析

由于陽長站的水文數(shù)據(jù)時間長度最長,數(shù)據(jù)質(zhì)量控制最好,因此參數(shù)率定選擇陽長站,經(jīng)過SUFI2算法2 000次迭代計算常用的25個參數(shù)后,發(fā)現(xiàn)12個對陽長站徑流量影響最大的參數(shù)(表1)。結(jié)果表明:徑流曲線數(shù)(CN2)對徑流影響最大,土壤有效含水量(SOL_AWC)、地下水滯后系數(shù)(GW_DELAY)、和基流α系數(shù)(ALPHA_BF)次之,淺層地下水徑流系數(shù)(GWQMN)影響最小。

表1 參數(shù)敏感性分析

3.1.3 率定及驗證

借助SWAT-CUP軟件,運用陽長站實際觀測的徑流量對模擬日徑流量(2018年)和模擬月徑流量(2011～2014年)進行率定,將最佳模擬結(jié)果的參數(shù)值代回SWAT模型,重新模擬陽長站2019年日徑流量及2015～2018年月徑流量,并與實際觀測的徑流量做對比分析(表2)?？梢钥闯?模擬日徑流量值校準效果優(yōu)于模擬月徑流量值,日值與月值率定期R2和NSE均為0.8左右,驗證期日值R2和NSE均大于0.7,而月值NSE小于0.7。率定期日值和月值的PBIAS絕對值均小于10%。整體而言,驗證期評價指標基本在誤差范圍內(nèi),因此SWAT模型對平寨流域的徑流過程模擬有一定的效果。

表2 SWAT模型在平寨流域陽長站率定期、驗證期的模擬結(jié)果

平寨流域陽長站率定期、驗證期的水文觀測資料與模型模擬值對比結(jié)果(圖3～4)表明:從變化趨勢來看,模擬值與實測值基本一致;模擬的洪峰流量、洪峰值出現(xiàn)時間也和實際觀測的較為吻合。日值模擬中,在率定期2018年6月22日、7月11日、9月26日分別出現(xiàn)了3次洪峰流量過程,第一次和第三次過程模擬值低于實測值,第二次過程中模擬值較實測值高;2019年驗證期,洪峰過程分別出現(xiàn)在6月18日、7月23日、9月9日,第一次過程模擬值與實測值較為接近,其他過程模擬值均小于實測值。月值模擬中,率定期2011年6月、2012年7月、2014年7月出現(xiàn)了3次洪峰流量,徑流量模擬值在第一次洪峰過程中顯著高于實測值,而在第二次和第三次過程中略小于實測值。整體而言,SWAT模型模擬出的平寨流域的徑流量可基本滿足日常應用的要求。

圖3 平寨流域陽長站逐日徑流量實測值與模擬值對比

圖4 平寨流域陽長站逐月徑流量實測值與模擬值對比

3.2 耦合氣象預報數(shù)據(jù)預測入庫流量

在平寨流域SWAT模型中加入水城、汪家寨、松林坡、新房、牛場氣象站點2021年6～9月每月9,19,29 d的未來8 d降水預報數(shù)據(jù)。由于陽長站和平寨水庫距離較為接近,且平寨水庫水位流量站建站時間較短且數(shù)據(jù)質(zhì)量不高,因此無法運用平寨水庫流量站開展參數(shù)率定建模工作,本文嘗試運用陽長站點的參數(shù)率定結(jié)果,代入模型對平寨水庫的入庫流量進行預測。

3.2.1 整體預報效果分析

針對2021年6～9月平寨水庫的SWAT模型入庫流量預報,分別計算逐月的確定系數(shù)R2、NSE系數(shù)、百分比偏差PBIAS(表3),可以看出,2021年8月和9月的NSE系數(shù)為負,其余時段的NSE系數(shù)為正,最高為2021年6月,NSE系數(shù)為0.45,說明耦合了氣象預報數(shù)據(jù)的SWAT模型在平寨流域的模擬結(jié)果在6～7月基本達到要求,但是8～9月模擬效果不佳。將降水預報偏差較大的日期進行一定的訂正,運用訂正后的降水模擬平寨水庫的入庫流量,可以看出6～9月的NSE系數(shù)和R2相比降水訂正前有明顯的提高,偏差有一定縮小,但整體表現(xiàn)沒有建模時期的效果好,最高納什系數(shù)僅為0.61,降水修正后8～9月的NSE系數(shù)由原先的負值變?yōu)檎?說明由于8～9月的降水預報偏差較大,造成了入庫流量預報效果不佳。

表3 2021年主汛期SWAT模型在平寨水庫預報效果

3.2.2 逐日入庫流量情況預報效果分析

從逐日入庫流量預測和實況對比(圖5)可以看出,在2021年7月2日前后的洪峰過程,SWAT模型的模擬效果和實況流量基本一致,預測流量和出現(xiàn)的時間和實況吻合程度較高,預測的洪峰為224.7 m3/s,6月30日的實況流量為250.78 m3/s,隨后的幾天預測效果也比較理想。但是2021年6月9日前后的洪峰過程預測,在時間上有一定的滯后,流量數(shù)值的預報和實況較為接近,7月27日前后以及8月30日前后小洪峰過程預測的入庫流量明顯小于實況。將降水訂正和實況對比,6～9月的預報流量走勢和洪峰過程均較訂正前更接近實測值,且8～9月的洪峰過程預報效果有明顯的提升,因此運用SWAT模型耦合降水預報對平寨水庫的入庫流量進行預測時,在模型參數(shù)固定的條件下降水預報的準確性起到關(guān)鍵作用。

圖5 平寨水庫降水訂正前后及入庫流量預報

4 結(jié) 論

本文以貴州省平寨流域作為研究區(qū),基于DEM高程資料、土地利用數(shù)據(jù)、土壤數(shù)據(jù)、氣象數(shù)據(jù)、陽長水文站實測徑流量數(shù)據(jù)等,應用SWAT模型,對其水文循環(huán)過程進行了模擬預測,具體結(jié)論如下。

(1) 利用實測徑流量資料對2017～2019年逐日徑流量和2009～2018年逐月徑流量進行了率定及驗證,其中日值模擬中設(shè)定2017年為預熱期,2018年為率定期,2019年為驗證期,月值模擬中設(shè)定2009～2010年為預熱期,2011～2014年為率定期,2015～2018年為驗證期。參數(shù)敏感性分析結(jié)果顯示CN2參數(shù)最敏感,其次為SOL_AWC;GWQMN對徑流量影響最小。

(2) 逐日數(shù)據(jù)率定期R2和NSE均為0.88,PBIAS小于10%,驗證期R2和NSE均大于0.7,逐月數(shù)據(jù)率定期R2大于0.8,NSE為0.79,PBIAS為3.7%,驗證期R2大于0.75,NSE為0.69,模擬效果達到要求,在平寨流域有很好的適用性。

(3) SWAT模型模擬的徑流量變化趨勢與實測徑流量變化趨勢基本一致。日值模擬的洪峰過程與實際過程相符,均能準確模擬。月值模擬中,2016年峰值模擬效果最優(yōu)。

(4) 在平寨流域中SWAT模型耦合氣象預報數(shù)據(jù),模擬得到該時段徑流量變化,發(fā)現(xiàn)幾次洪峰過程預報有明顯的偏大的情況,洪峰出現(xiàn)的時間也有一定的錯位。如果將降水訂正至和實況接近,這幾次洪峰過程預報降水會更接近實況,因此運用SWAT數(shù)據(jù)耦合降水預報對平寨水庫的入庫流量進行預測時,降水預報的準確性較為重要。