论文部分内容阅读
对流域水文动态及其过程的了解是预测和评价森林植被水源涵养功能的重要基础,而模型模拟是实现对水文动态规律描述的基本手段。然而,水文模型模拟和预测精度与模型参数的取值有很大关系,存在不确定性的问题。因此,如何选取适用于指定研究区域模型参数是确保水文模型预报精度的重要前提。本研究将概念性半分布式模型HBV应用于祁连山黑河上游山区排露沟小流域,进行了4年(2000-2003年)逐日径流水分动态模拟。首先通过区域敏感性分析方法RSA(Regional Sensitivity Analysis),分析比较了基于传统统计、流量特征以及组合目标函数时HBV模型的参数敏感性。接着采用普适似然不确定估计GLUE(Generalized Likelihood Uncertainty Estimation)方法,利用覆盖率、中值宽度和流量累积差分析评价了HBV模型基于不同目标函数时模拟径流的不确定性。最后利用动态可识别方法DYNIA(Dynamic Identifiability Analysis)分析了模拟期间观测径流数据在识别各模型参数时信息量的变化、模型参数最优值随模拟时间的关系以及模型结构的完备性。RSA结果表明HBV模型参数的敏感性随着选用的目标函数变化；当选取以流量为特征的目标函数以及组合目标函数时,能增加模型参数的敏感性,在一定程度上减少了模型参数的不确定性。GLUE结果表明HBV总体上可以很好地模拟排露沟流域的径流量,但低估了洪峰量。以流量为特征的目标函数以及组合目标函数时,大多数的模型参数显示了较高的识别性和低的不确定性。DYNIA结果显示了模型参数有各自关键期,这些关键期参数的识别性较高并对模拟径流形成起着重要作用。在HBV模型中涉及到的21个参数中,共有11个参数(分别为：流域参数PCALT, TCALT;融雪模块参数CFMAX, SFCF;土壤模块参数FCshrub’ LPshrub,LPgrass;响应模块参数PERC, UZL, K2;路径汇流模块参数MAXBAS)的最优值不随时间变化,在模拟过程中保持恒定值；5个参数(融雪模块参数TT；土壤模块参数FCforest,BETAshrub,BETAgrass;响应模块参数K1)的最优值变化幅度相对于各自参数的原始范围小于10%,可以认为这5个参数相对稳定其识别不随时间变化；而剩余5个参数(融雪模块参数CFR；土壤模块参数forest,BETAforest,FCgrass;响应模块参数Ko)的最优值在整个模拟过程中随着时间不断波动,难以识别率定。综合所述,HBV模型可以很好地模拟排露沟流域出口断面的流量过程。基于水文特征的目标函数以及组合目标函数能有效增加模型参数的敏感性,减少模型参数的不确定性,可以作为模型参数率定评价时优先选取的目标函数。在21个模型参数中,共有16个参数得到了很好的识别,但CFR, LPforest,BETAforest,FCgrass,K05个参数难以有效识别,需要通过对其函数表达式作进一步修正和验证。