降雨空间变异性对径流的影响外文翻译资料

英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料

降雨空间变异性对径流的影响

I.G. Pechlivanidis, N. McIntyre and H.S. Wheater

伦敦帝国理工学院土木与环境工程系，英国伦敦

摘要：降雨 -​​ 径流模拟的一个关键问题是评估降雨的空间变异性对径流的影响程度。分布式模型可以描述降雨等空间变量的影响，故可成为研究降水空间分布对径流作用的工具。本文探讨了在降雨 - 径流模拟中依据流域尺度和流域类型确定降雨空间描述方法的重要性。该研究使用9个面积从30到1040平方公里的流域，调查流域面积和特性的影响，探究流域特征和模型参数之间的区域关系，用以解决估计模型无量纲参数值的任务。结果表明，大部分情况下流域降雨的空间分布对于模型参数取值具有重要影响，在小空间尺度上更加显著。最后，当研​​究不透水区域时，空间变异性的重要性得到增强。

关键词：降雨空间分布; 率定; 半分布式水文模拟; 降雨 - 径流模型。

1. 简介

降雨 - 径流研究中出现的一个问题是：“降雨的空间性质对径流响应有多重要？”在最近的综述中，Singh[1997]得出结论，降雨空间分布的重要性随流域降雨特性、流域规模、流域类型以及前期条件的变化而变化。为了更好地理解降水空间分布对径流的作用，学界已经做了很多努力，[Bell and Moore, 2000, Smith et al.， 2004, Segond et al.， 2007]认为空间降雨对径流流量、峰值径流和峰现时间有较大的影响。然而，尽管关于空间降雨与径流生成关系的文献很多，结论却存在矛盾。水文模型可以根据输入是否考虑空间变异性（如降雨量和模型参数）分为集总式和分布式两类[Beven，2001]。与集总式相比，空间分布模型能更好描述空间变量输入的影响，成为研究降水空间分布对流量估算的作用的适当工具[Arnaud etal，2002，Tetzlaff and Uhlenbrook，2005]。然而，分布式模型的率定比较复杂，需要估计大量的参数值。[Carpenter和Georgakakos，2006]提出了各种分布式模型率定策略来考虑模型参数的空间变异性;其中大部分涉及应用基于区域化方法的参数估计[Wagener and Wheater，2006]。

本文采用了英国Upper Lee流域内9个站点8年内每小时水文数据，详细分析了5个风暴事件，以此阐述降水空间分布对径流影响的研究的初步结果。 对于这每个事件，分别使用3种降雨空间变异描述方法，研究径流对降雨空间变异的响应。 本文还介绍了一种率定分布式模型的简单方法。

1. 关于空间降水变异性对于径流的影响的综述

从文献中可以得出，降雨的空间性质是控制径流响应的重要因素。 然而，当研究湿润流域时，由于降雨空间变化的影响与流域的阻尼和过滤效应之间的平衡，这种影响可能不那么明显[Smith et al。，2004，Segond et et al，2007]。

适合水文目的的降雨测量的空间分辨率与流域的大小有关，降水空间分布的重要性在较大的流域下降[Woods and Sivapalan，1999]。对于小型（lt;100平方公里）和中型到大型（100-2000平方公里）的流域，降雨的空间分辨率很重要，需要更精确的区域降雨估算[Arnaud et al。，2002]。研究表明，随着规模的增加，流域响应时间分布成为决定径流产生的主导因素[Bell and Moore，2000]。降水空间分布的影响也可能根据先前汇流条件的影响而变化[Singh，1997]。一般而言，在湿润条件下能够通过空间平均降雨输入获得良好的径流预测。然而，对于干旱条件，径流预测误差显著高于湿润条件[Arnaud et al。，2002]。这一结果表明，降水空间分布与土壤水分空间分布之间存在相互作用，控制着径流预测。

降雨变成直接径流的比例也受流域渗透率的控制，可以掩盖降水空间分布的影响[Tetzlaff和Uhlenbrook，2005]。 在透水流域，降雨变化影响受流域综合反应的抑制，而在不透水区域，大部分降水变为有效降雨。 不透水的流域反应迅速，研究表明径流模拟需要高密度雨量站点[Berne et al。，2004]。

城市化对径流产生的影响很大。如果在城市化的背景下考虑空间降雨对径流的影响，结论是，小型城市流域需要非常密集的雨量计网络，使用天气雷达数据是一个值得研究的方法[Dodov和Foufoula-Georgiou, 2005]。

此外，降雨空间变异性的重要性还取决于降雨径流模拟策略。一个精细的模型离散化模拟是最好的，这样可以避免因为流域过大取平均值后损失降雨信息。 [Koren等，1999]。尽管研究发现，当集总模型而不是分布式模型应用于流域时，可能会产生较大的误差，但后一种模型却因为降水的空间变异性带来了较大的不确定性[Chaubey et al.， 1999]。降水空间分布的重要性取决于降雨 - 径流模拟策略。 精细模型离散化是优选的，以避免由于太大规模的平均而导致的降雨信息丢失[Koren et al。，1999]。 虽然研究发现，当集总而不是分布式模型应用于流域时可能会出现较大的误差，但由于降雨的空间变化，后一类模型的使用在模型参数中引入了很大的不确定性[Chaubey et al。，1999]。

1. 流域简介

本文利用英国泰晤士河地区1040平方公里Upper Lee流域（图1）的观测资料评估降水空间分布变化的重要性。 该流域的特点是处于湿润的温带，平均年降水量为632毫米，海拔高度在英国国家基准面以上20至250米之间。

1991 - 1998年期间小时流量和雨量数据由英格兰和威尔士环境局在提供。 流量站和雨量器的位置可以在图1中找到。在当前的分析中，仅使用以下流域实测数据：Water Hall（150平方公里），Stevenage（31），Hertford（176），Griggs Bridge（50） ，Wadesmill（136），Mardock（79），Sheering（55），Glen Faba（278）和Feildes Weir（1040）。

图一：Upper Lee流域的地图（流域的主要支流用蓝色方框标记，用黄色方框测量子流域）

红色圆圈为雨量站、蓝色三角为流量站

位于Luton Hoo和Water Hall的150平方公里Upper Lee流域有一个流量计。（译者注：Luton Hoo是英国乡间别墅和庄园，靠近贝德福德郡的卢顿和赫特福德郡的哈彭登。）Luton Hoo的Upper Lee的下垫面具有高渗透性。 Luton Hoo地区大部分是城市，其次是耕地和园林。另一方面，Upper Lee的其余部分子流域直到Water Hall流量计，城市占比较小。高渗透性是130平方公里Mimram汇水面的特征。虽然流域都主要是农村，但Welwyn Garden有一个小城市段。位于斯蒂夫尼奇和赫特福德的Beane小流域面积为176平方公里，有两个流量计。Stevenage既包括农村和城市地区，土壤类型是透水的粘土。 136平方公里的Rib子流域的大部分是农村地区，城市只占一小部分。土壤类型是透水的粉土，是由大量的巨石粘土沉积而成的。 Griggs Bridge和Wadesmill有两个可用的流量计。Ash子流域面积最小，仅79平方公里，主要在农村。只有很小比例的子流域被城市覆盖。这里的土壤类型是粘土。 Stort最大的子流域面积有278平方公里。该区域山区主要是农村，而下部的山谷是城市。 Bortop Stortford，Sawbridgeworth和Harlow三个城市影响了径流。下垫面是透水粘土。总体而言，位于Feildes Weir的10​​40平方公里的Upper Lee主要是农村，主要为耕地。该地区的住房面积显著增长，城市地区占到总面积的15％。

采用相对精细的子流域划分方法，将子流域分为约15-25平方公里的单元，使得空间离散不是影响降水空间准确描述的主要因素。 由于平均每60平方公里有一个雨量计，更小的细分是不合理的，子流域划分应基于土壤和土地覆盖类型以及河网分布情况。

1. 降雨径流模型
   1. 模型说明

本文使用的PDM模型 [Moore，2007]是一个概率分布模型，它假设每个时段的降雨都积累在土壤中，可以用特定函数来描述流域的土壤水分布（图2）

图2. PDM模型结构

土壤中的蓄水量通过蒸发遵循潜在速率和储存体积的线性关系而耗尽。 假设土壤水分存储容量c由帕累托分布（方程1）描述

土壤水因蒸发作用而耗尽，蒸发速率与土壤水容量、土壤水最大容量呈线性关系。土壤蓄水量c为帕累托分布(式1)。

方程1

其中c是流域的土壤水容量，cmax是流域任何一点的最大容量，b控制流域的土壤水容量的空间变化的参数。

有效降雨量ER等于方程2的正值在整个流域的积分

方程2

其中r是单位时间内k的降雨量（mm），s是空间变化的土壤水存储量（mm），ae是实际蒸发蒸腾量，等于潜在的蒸发蒸腾量乘以流域的相对饱和度。

PDM与由两个并联的遵循线性关系的储水库组成而成，用以描述系统的快速响应和慢响应。 参数％q定义了到达快速响应水库的总有效降雨量的比例，而k（快）和k（慢）分别是快速和慢速水库的时间常数。通过两种途径的结合，确定了亚单元出口的模拟流量。后者通过信道路由模块路由到集水区出口，信道路由模块由一个概念线性水库组成，水库停留时间为T

4.2 模型识别方法

首先采用区域化方法估计各子单元的PDM模型参数。该方法概括如下:

bull;使用集中PDM模型对上背风面的每个测量子流域进行率定和验证(分别为8年和4年)。采用Nash Sutcliffe 方法(NSE)进行率定。

bull;回归分析，将率定的模型参数与已知流域特征联系起来。流域特征(土地覆盖、土壤类型、气候和地形)取自洪水估计手册[详见NERC, 1999]。

bull;使用回归方程(表1)估计子流域内所有子单元的参数值。因此，假定在子流域尺度上建立的方程适用于较小的子单元尺度[Pechlivanidis et al.， 2007]。

bull;将空间参数用于优化区域估计，以测量案例研究子流域的流量。虽然参数估计值在空间上是不同的，但是参数没有变化，因此每个参数的值在子流域内都是一致调整的。尽管参数的数量要大得多，但这将每个子流域的率定限制在6个因数以内。该参数的率定工作是使用统一随机搜索(URS)完成的，即从预先定义的范围内随机抽取30,000套乘数，并分别对每个子流域采用NSE得出最佳性能的乘数。即便初始土壤湿度条件未标定。也可以用前20%的时间序列的数据可以用于推求初始条件(在计算NSE时忽略差异)，以消除对初始条件的敏感性。

表1. PDM模型参数与流域特征的关系

4.3 空间降水的模拟

本文考虑了降雨的三种空间表征，研究了降雨空间变异对径流的影响：1）降雨没有空间变化：整个Upper Lee流域的降雨假设均匀; 2）在子流域尺度上没有降雨的空间变化：在9个子流域中的每一个都假设降雨均匀; 3）降雨的完全空间变化：降雨在子流域内变化，并估算每个子单元的降雨。子流域子单元的算术平均值提供了子流域和流域面平均降雨量。可以使用距离反比平方法对整个Upper Lee流域的17个雨量器进行空间插值。由于先前的统计分析没有显示降雨分布和流域特性（海拔，下垫面等）之间的强关系（R2 = 0.26）;因此插值方法不需考虑任何地形方面的因素。

首先，在为期8年的率定期内，我们为每个子流域和降雨情景初步率定了PDM模型，以评估空间降雨分辨率对NSE模型性能的影响。然后，在降雨情景3优化的值上保持模型参数集不变，依次应用三种降雨情景，研究空间降雨对径流的影响。这是通过测量NSE的变化，以及从观测数据到降雨事件的峰值径流、峰间时间和径流量的百分比变化来评估的。总而言之，模拟期间选取了5个降雨事件，代表不同类型的降雨事件，如表2所示。对每个事件都估计了降雨的各种空间特性(例如变化位置、平均值、体积、最大值、持续时间、先决条件和蒸发量)。然而，目前的分析只关注降雨的空间变异性。ISDI (Spatial Deviation Index, ISDI) [Segond et al.， 2007]定义了每个风暴事件和流域的空间偏差指数(Spatial Deviation Index, ISDI)作为降雨量的空间变异性的度量，ISDI的高值表示高的空间变异性。

表2. Feildes堰流域的降雨事件和空间特征

1. 结果

表3呈现了降水空间分布量分辨率对可实现的NSE性能的影响。在场景1、场景2和场景3中，所有子流域的平均NSE值分别为0.72、0.75和0.76。虽然较细分辨率的降雨(场景3)的平均性能更好，但场景2和场景3之间的模型性能差异并不显著，而在某些情况下，场景2的性能优于场景3。可用的雨量网络可能是导致这种现象结果，因为雨量站网可能不支持比比场景2更精细的空间分辨率。

表3.基于NSE目标函数的8年期间的模型性能

图3(a)使用固定参数集绘制了所有五个事件和所有子流域的NSE性能与ISDI的关系图，说明了三种降雨表示方式对NSE的影响。在所有三种降雨情况下，PDM模型对空间变化较小的事件(表2中分别为1994年2月、1995年1月和1996年1月)的表现相同。在后一种情况下，考虑场景3而不是场景1时，NSE值提高了15%。图3(a)的结论与之前的案例研究相似[Bell and Moore, 2000, Segond et al.， 2007]。<!--

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[18116]，资料为PDF文档或Word文档，PDF文档可免费转换为Word