追溯本源：降雨过程和模拟过程外文翻译资料

英语原文共 23 页，剩余内容已隐藏，支付完成后下载完整资料

追溯本源：降雨过程和模拟过程

作为科学家，我们对将我们的知识组装进一个干净整洁的包中的这种可能性倍感兴趣，这个包表明我们确实了解我们的科学及其复杂的相互关联的现象。

W.M.Kohler，1969

记住一点：计算机是模拟的工具，模拟的结果变成了用户虚拟现实。在当前这样的社会，一个后现代社会中没有像在19世纪那样来证明一个虚拟现实的某一特定认知的 “伟大的故事”。我们更应该看到这样的情况：通信是建立在根据特定的规则玩的一些语言游戏基础上。每一个社会团体都可以“玩一种游戏”，因此对其进行判断的标准就是其效率的高低。计算机媒体应该被看作是一个允许其所有者玩特别高效游戏的技术设备hellip;一个好的计算机程序是用最有效的方式创造一种发送者想要的现实。

P. B. Andersen and L. Mathiessen, 1987

1.1 为什么要模拟?

正如序言中所指出的，我们需要去模拟降雨-径流水文过程的原因是多方面的。主要原因是水文测量技术的局限性。我们无法测量我们想要了解的所有有关水文系统的知识。事实上，我们的测量技术有限，时间上的测量范围也有限。因此我们需要一种外推法，将可用的时间和空间的测量数据来推断未知的，特别是对无资料地区小流域（没有测量数据的地方）和推断未来的数据（这里不可能有测量数据），来评估未来水文变化可能的影响。多种类型的模型提供了一种定量的外推或预报的手段有望未来在决策中起到帮助作用。

有太多的降雨径流模拟，是纯粹的为研究目的而进行的，是作为构建水文系统的系统化知识的一种手段。这种示范对问题理解的做法是发展科学领域的一个重要途径。当一个模型或理论被证明是与可靠的数据相冲突时，我们就会设法寻求以该模型为基础的理解做一些修改，在这个修改中，我们就可以学到很多。然而，无论是在水资源规划，防洪，减轻污染，取水许可及其他领域，使用模型预测的最终目的是必须提高对水文问题做出的决策。随着世界各地对水资源的需求不断增加，在天气形势年际间不断波动的背景下，完善的决策支持需要的是完善的模型。这就是本书所讨论的内容。

降雨径流模拟可以在基于流域的输入和输出观测上构建的纯粹分析的框架中开展。流域被视为一个黑盒子，完全没有涉及控制降雨向径流转换的内部过程。以这种方式建立的一些模型在第4章中有介绍，在这章中表明，对那些建立在根据流域响应性质的理解基础上的结果模型做出一些物理解释是可能的。这种对流域响应性质的理解应该是任何降雨径流模拟研究的出发点。

当然，有许多水文教科书用不同程度的数学分析和大量的方程来描述水文过程。更多的数学描述并不总是指出在他们的分析中做出的那些重要的简化，但提出的方程常常在任何地方都适用。然而，它只需撒彩色染料喷洒在土壤表面，然后挖开看看那里染料染色的土壤（图1.1），就可以认识到水文理论的局限性。（参见Flury 等，1994; Zehe and Fliihler, 2001;Weiler and Naef, 2003; Kim等，2006; Blume等，2009）。每当在野外进行水流路径的详细研究时，我们发现实际水流情况的复杂性。我们可以察觉到这种复杂性很容易，但做出适用于定量预测的数学描述是非常困难的，并且总是会涉及重要的简化和近似问题。因此，在第一章将关注的是流域响应的认知模型作为模拟过程的第一阶段。这种复杂性是为什么没有共同接受降雨径流过程的模拟策略、但存在多种选择和方法的原因之一，这些将在后面的章节中讨论。

图1.1在智利安第斯山脉的森林覆盖流域的土壤剖面尺度上染料渗透情况图（来自 Blume et al.，2009）

1.2 怎样使用这本书?

在一开始应该就清楚地表明的是，这本书不仅是关于当前适于用户可用的构建不同类型的降雨径流模型的理论基础。例如，你会发现书中正文部分使用方程相对较少。有必要展示一些理论的进展的地方，这通常是在各章节结尾的Box内中，在第一次阅读可以跳过。这些理论也可以在给出的（筛选过的）参考文献中可以找到，如果必要的话。

这一本书更多的是关于不同的模拟方法的概念和现已广泛用于水文预报的软件包的进行批判性分析的书。现阶段，作为软件的模型的描述变得越来越复杂，并含有结合地理信息系统以及令人印象深刻的三维图形输出显示的有关的链接。这些显示很容易使人认为模型的输出是流域响应的精确模拟，特别是如果没有数据可用来与预报值进行对比的情况。然而，即使是目前可利用的最复杂的模型也不一定产生较好的模拟效果，则模型预报的评估将是必要的。希望读者将从本书学习到：在评估不同的模拟方法和可利用的软件包所基于的假设，以及一个模型在实施特定的应用中的实现问题方面，所必要的概念和技术。

这本书的目的之一是培训读者评估模型，不仅能根据模型能否再生出用于检验的数据来判断模型的好坏，而且要严格地评估模型的假设。因此，在任何可能的情况下，模型都会用一个所做的假设列表来描述。我们鼓励读者当第一次遇到模型时做出类似的列表。在每一章的结尾提供这一章的主要观点的回顾。在阅读这一章的正文之前，阅读这个总结是一个很好的方法。一些降雨径流模拟软件的来源在附录A中列出。水文模拟中使用的术语表在附录B中提供。这些术语在文本中首次出现时突出显示。

相对于第一版，这个版本已经有较大的扩展，特别是在标记为“进阶篇”的章节。本版增加了以下内容：关于下一代水文模型的新内容，模拟无资料流域，以及模拟水的来源和停留时间分布。此外，在过去十年中出现了大量的关于分布式模型的使用和水文预报不确定性的处理的研究，因此，第5、第6和第7章进行了大幅度地修订。

1.3 模拟步骤

大多数关于水文模拟的书籍都是从用于特定应用的模型的选择开始的。这里，在流域内降雨径流过程的认知模型开始，我们从模拟过程的一个更早的阶段（见图1.2）。认知模型是对流域如何在不同的条件下的降雨做出响应的认知的总结，或者更加准确的是对这响应的感性认知。一个认知模型必然是具有个性化的。这将取决于水文学家曾接受过的训练、阅读过的书籍和文章、分析过的数据，特别他经历过的不同环境和野外场地。因此，可以预料，一个水文学家的认知模型不同于另一个水文学家的认知模型（一个典型的个性华化的例子，参见1.4节）。

图1.2 模拟过程中步骤的示意图

一个特定流域的认知模型的评价是重要的。必须记住，所有用于预报的数学描述将不可避免地是认知模型的简化形式，在某些情况下，是粗略的简化，但也许仍足以提供充分的预报。认知模型不受数学理论的约束。它主要存在于每个水文学家的头脑中，甚至不需要写下来。我们可以用一个纯粹的定性方法察觉到实际上用数学的语言来描述可能是非常困难的水流过程的复杂性（例如见图1.1中 Flury 等（1994）所做的水流的实验）。然而，传统上数学描述是将建立一个定量预报模型规划的第一阶段。

这里我们称这种数学描述为正在被考虑的过程或多个过程的概念模型。在时，为了简化过程的描述的假定和假设需要被明确。例如，许多模型都是基于使用达西定律描述土壤中水流的运动，它规定水流与水力势能的梯度是成比例的（见框5.1）。测量表明，在结构化土壤中的水力势能梯度在明显过小的距离内会有特别大地变化。因此，如果达西定律应用于土壤剖面尺度或更大的尺度，它是无保留地的假设一些平均梯度可用于表征水流地特性，并且可以忽略穿过土壤大孔隙中优先流的影响（图1.1观测资料的一种解释）。值得注意的是，在许多文章和模型用户手册中，虽然给出模型的方程，但没有明确地对基础的简化假设加以说明。然而，通常情况下，一旦我们知道一些方程的应用背景，列出这些假设是不困难的。这应该是评估与一个相对于头脑里的认知模型相关的特定模型的出发点。列出一个模型所有的假设是一个有用的做法，在这里介绍不同的模拟方法时我们就是采用这个方法。

从简单的质量平衡方程来计算代表流域存水量的各个特征值，延伸到联立的非线性偏微分方程，概念性的模型可能或多或少是复杂的。一些方程可以很容易地直接编译成数字计算机上使用的编程代码。然而，如果方程不能分析求解给出一些实际系统的边界条件（某些水文模型中的偏微分方程的通常是这样的情况），那么就需要增加一个逼近阶段，有必要采用数值分析技术来定义一个将在计算机上运行的代码形式的程序模型。通过有限差分或有限体积的等价形式来更换原始方程的微分是一个例子。必须注意的是：从概念模型的方程到程序模型的代码的转换有可能增加相对于原来的方程的真实解的显著误差。因为这是非线性微分方程解的一个特定的问题，但相对于更多的概念性流域模型，这个一直是最近讨论的主题（Clark and Kavetski,，2010）。由于这样的模型往往是高度非线性的，评估这种仅由于概念模型的数值解的求解在所有可能使用的条件下的实施而造成的误差是困难的。然而，在这种情况下，这中误差对模型在率定过程中模型的行为的有着重要的影响（例如: Kavetksi and Clark, 2010）。

程序模型是我们将在计算机上运行的代码。然而，可以将模型代码应用于特定流域进行定量预报之前，一般是需要经过一个参数校准的阶段。所有应用在水文学中的模型都包含各种不同的输入和状态变量的方程。有定义流域的几何形状的输入量，通常在一个特定的模拟的过程中认为是恒定不变的。有一些变量，是定义模拟期间的时间变量边界条件的，如在特定的时间步长的降雨和其他气象变量。有一些状态变量，如土壤蓄水量或地下水位的深度，作为模型计算的结果在模拟期间是变化的。有些状态变量的初始值，是在模拟开始时定义流域状态的。最后，有些模型参数是定义流域区域或水流范围特性的。

该模型参数可能包括各种特征值，如空间分布式模型中的不同土层的孔隙度和水力传导率，或对于流域尺度上使用状态变量的模型，水在饱和区的平均停留时间。他们通常认为这些特征值在模拟期间是恒定不变的（虽然对于一些参数来说，例如正在生长的植被拦截存储的水的能力，有可能是对于某些应用程序很可能是非常重要的很强的时间依赖性）。在所有的情况下，即使它们被认为是随时间不变的，也不容易事先通过推理确切地给出特定流域的参数值。事实上，最常用的参数校准方法是调整参数值的技术，以取得模型预报结果和可用的实际的流域响应的任何观察资料之间的最佳匹配（见第1.8节和第7章）。

一旦指定模型参数值，就可以进行模拟了并得到响应的定量预报。下一阶段是对这些预报结果的验证或评估。这种评价也可以在定量框架内进行，通过计算与有关径流响应的可用的观测资料（如果有的话）相关模型的一个或多个性能的指数来进行。特别是如果可以通过与观察到的流量相比较来率定模型参数，那么这时间问题通常不是很难找到一个可以接受的模型；大多数模型结构都有可以改变的足够的数目的参数，允许这些参数与数据合理的匹配。更经常的问题是，可以给出与流量数据的合理的匹配的模型结构和参数值集的组合有很多种。因此，仅就流量预报方面而言，区分不同的可行的模型可能是困难的，因此难以来验证单个模型。这将在第7章中详细讨论，具体见模型预报的不确定性评估部分和作为流域对降雨的响应假设的检验模型的部分。

另一方面，也可以通过与流域原来的认知模型进行比较，对流量预报连同任何流域水文响应的预报所做的评估。在这里，找到一个完全可以接受的模型通常是更加困难的。这误差可能导致对使用的参数值进行修正、对于一个概念模型重新评估，甚至在某些情况下，必须随着从尝试模拟水文过程中获得的理解来修改流域的认知模型。

本章的其余部分将关注的模拟过程中的不同阶段。对流域对降雨响应的认知模型的例子是在第1.4节所述；在1.5节可以考虑地球化学信息可能得到的附加信息；产流和径流的演算应用需求在1.6节给出；在第1.7节中给出了概念模型的定义；在第1.8节中讨论模型校准和验证问题。

1.4 流域水文认知模型

在文献中有许多对流域响应过程的描述。大多数一般的水文书籍都更加详细或更加简略的论述流域响应的过程。由Kirkby（1978年）， Anderson and Burt (1990年), and Beven (2006年)，和Beven（2006年）编辑的书是特别注意不同的章节反映出许多不同的水文学家的经验。水文系统是十分复杂的，每个学文学家都有他或她自己的降雨径流过程中最重要的印象或认知模型，因此不同的水文学家可能有不同的观点在模拟中最重要的过程或描述他们的最好方法。当然，不同的观点中肯定会有共同的认识，同时反映在水文书籍里，但是我们对水文响应的理解仍然是不断进化的，并且具体细节问题将取决于经验，特别是取决于水文学家体验过的水文环境的类型。在不同的环境和地形、土壤、植被和基岩的不同特点的流域，不同的水文过程可能占主导地位。在水文科学百科全书第3卷的10节（Anderson，2005年）给出了不同的水文学家得出的水文径流过程不同类型的一览表；例如，由 Beven (2002年)提供的半干旱地区的径流过程和由Bonell (2004年)提供的热带地区的径流过程。

对水文系统有一个完整的了解，所涉及的问题之一是大部分的水流量发生在地下的土壤或基岩中。我们去测量和评估地下水流的过程的能力通常是非常有限的。大多数可用的测量技术仅反映测量仪器可以接触的区域的状况。当水流范围的特性在空间上迅速变化（有时甚至是在时间上）时，这种测量的小尺度性质只能给出水流的性质的剖面。因此，关于地下水流过程的特性还有太多处于是不可知的状态，事实上，由于目前测量技术的局限性，这些特性又是难以探知的。因此，从现有的测量资料对地下水流过程进行推论是必要的。这样的推论可以为水文响应的认知模型的提供更多的信息，但它们终究只是推论。

对水文系统进一步理解的方法之一是更详细地探索水文系统的一部分。对特定的山坡或地块上的水流过程的研究有许多，将原状土柱带回实验室研究也有。通常情况下这类的研究发现，更详细的研究揭示流动路径的更加的复杂性和可变性的。通常，添加不同类型的信息，例如人工使用或环境示踪剂，也会出现相同的情形。图1.1是一个典型的例子（也参见第1.5节）。这种复杂性可以是认知模型的一部分。如上所述，认知模型可能只是一组定性印象，但复杂性不

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[25389]，资料为PDF文档或Word文档，PDF文档可免费转换为Word