CN102955863A - 一种基于分布式水文模拟的旱情评估和预报模型方法 - Google Patents

Abstract

一种基于分布式水文模拟的旱情评估和预报模型方法，包括：步骤1：构建基于地理信息系统的流域空间地理信息库；步骤2：在流域空间信息库的基础上，采用GIS空间分析工具，构建基于地貌网格单元的分布式水文模型，以气象数据作为模型的输入条件，应用分布式水文模型对流域水文过程进行分布式模拟，模拟结果是输出各项水文要素信息；步骤3：依据各项气象水文要素之间内在关系，在水量平衡计算的基础上，构建干旱预报模型，并采用PDSI指标作为旱情的综合衡量指标。本发明基于分布式水文模拟的干旱预报模型，在表现旱情的地区分布特征和随时间的演变态势等方面具有优势；另外可以结合气象信息对灾情的进一步发展变化进行预报和预测。

Description

一种基于分布式水文模拟的旱情评估和预报模型方法

技术领域

本发明涉及干旱预报预警技术领域，具体是一种基于分布式水文模拟的旱情评估和预报模型方法。

背景技术

干旱缺水已经成为制约我国经济社会可持续发展的重要因素之一。我国历史上旱灾频繁，但目前出现的新趋势却更加令人忧虑，近年来全国几乎所有省份，都发生过干旱，且旱灾损失呈增加趋势。即使是南方湿润地区，局部旱灾损失甚至大于洪灾。近年干旱造成的损失严重，除与气候变化引起的局部降水偏少原因外，也与水利基础设施配套不全、农业生产技术落后、难以抵御自然灾害的现状有关。此外，干旱预报和预警的技术工作跟不上，也是一个重要的不利因素。

目前的干旱预报工作，一是依赖于降水和气温等气象预报信息，没有建立专业的干旱预报和预警体系；二是依靠以往旱情观测数据的概率统计和相关性分析，而缺乏从干旱发生发展机理出发的干旱预报模型。这两点在很大程度上导致对干旱的预防和应对能力不强，只能“被动抗旱”，而做不到“主动防旱”。干旱的起因是降水偏少，但发展成为旱灾，则有一个缓慢的渐进过程。该过程不仅取决于降水亏缺量及其持续时间，还与各地区的地势地貌、土壤类型、作物种类、气温条件和水源状况等多种因素密切相关。目前采用的干旱指标和评估方法很多，大多数是从干旱成因条件(降水亏缺等)，或者是旱情的特征表象(土壤含水量下降、地表径流减少等)，或者是干旱的灾害损失等某一方面，来评估旱情严重程度。实际上这些指标并不是独立的，相互之间有着水文转化联系。如果采用某一指标来孤立地评估旱情，其结果是不全面的，有时甚至会引起歧义。而且有些指标过于单一，没有体现旱情随降水亏缺及持续时间的发展变化，且难以反映旱情在地区间和季节上的差异。另外，已有的干旱评估方法和旱情等级指标大多是用于对已发生的旱情状况进行评估，而缺乏预测预报功能。

发明内容

本发明提供一种基于分布式水文模拟的旱情评估和预报模型方法，从水文循环过程的角度，采用机理性的分布式水文模型来模拟流域水文过程，获悉流域内各项气象水文要素，藉此建立全面反映干旱等级特征及其发展变化的旱情指标体系及其相应的预报模型方法，为构建干旱预警系统奠定指标体系和模型方法。

一种基于分布式水文模拟的旱情评估和预报模型方法，包括

步骤1：构建基于地理信息系统的流域空间地理信息库，其中包括数字高程DEM、土壤类型分布图、土地利用分布图、植被叶面积指数LAI分布图、河流水系分布图和大中型水库工程特性参数；

步骤2：在流域空间信息库的基础上，采用GIS空间分析工具，构建基于地貌网格单元的分布式水文模型，以气象数据作为模型的输入条件，应用分布式水文模型对流域水文过程进行分布式模拟，模拟结果是输出各项水文要素信息；

步骤3：依据分布式水文模拟获得的各项气象水文要素之间内在关系，在水量平衡计算的基础上，构建干旱预报模型，并采用PDSI(Palmer Drought Severity Index)指标作为旱情的综合衡量指标，其步骤具体包括：

使用分布式水文模拟获得的各项气象水文要素计算各旬气候水文常数，所述气候水文常数包括蒸散常数α、补水常数β、径流常数γ、失水常数δ、气候特征常数k*；依据所述各旬气候水文常数，采用下式计算出逐旬的气候适宜降水量：

式中：i为旬数；

为气候适宜蒸发量，

PE_i为每旬的可能蒸发量；

为气候适宜补水量，PR_i为每旬的可能补水量；

为气候适宜径流量，

PRO_i为每旬的可能径流量；

为气候适宜失水量，PL_i为每旬的可能失水量；

根据逐旬的实际降水P_i与其气候适宜降水

之间的差值获得逐旬的降水距平值d和距平指数z：

使用PDSI指数x值来定量界定干湿等级，PDSI指数x与水分距平值z和持续时间t之间的函数关系如下： $x_i=\underset{t=1}{\overset{i}{\mathrm{\Σ}}}{z}_t/(5.692t+37.1);$

干旱预报模型的数学表达式如下：

x_i＝0.867x_i-1+z_i/42.792

z_i＝K.d_i

式中： $K=796.4K^{\′}/\underset{1}{\overset{24}{\mathrm{\Σ}}}\left(D{K}^{\′}\right),$ $K^{\′}=1.812\ln ((\stackrel{\‾}{\mathrm{PE}}+\stackrel{\‾}{R}+\stackrel{\‾}{\mathrm{RO}})/\left((\stackrel{\‾}{P}+\stackrel{\‾}{L})\stackrel{\‾}{D}\right))+6.173,$

其中

为d_i绝对值D的多年平均值。需说明的是上述公式中的常数只是针对示范地区的，在其它地区应用时需要重新确定。

本发明提出的基于分布式水文模拟的干旱预报模型，能从降水、蒸发、径流和土壤水之间的内在变化关系出发，定量描述旱情程度以及模拟干旱发生、发展直至结束的全过程，该模型能够综合反映水分亏缺量和持续时间因子对干旱程度的影响，能够体现气象和下垫面条件，如降水、气温、土壤、地形、土地利用类型和植被的时空变化对干旱程度的影响，相对于降水距平、干湿、径流距平和土壤墒情等单一评估指标而言，该模型的旱情模拟结果在表现旱情的地区分布特征和随时间的演变态势等方面具有优势；另外，本发明提出的旱情评估预报模型，可以结合气象信息对灾情的进一步发展变化进行预报和预测，不仅为建立专业的干旱评估和预报预警系统奠定了数学模型基础，还有利于促进单一的被动抗旱向全面的主动防旱转变。

附图说明

图1是本发明基于分布式水文模拟的旱情评估和预报模型方法原理框图；

图2是本发明实施例中水文过程模拟的示意图；

图3是长江上游代表性的27个地点的示意图；

图4是用不同旱情指标表示的2006年9月上旬干旱状况；

图5是用本发明的PDSI指标表示的2006年7-9月期间干旱逐旬发展过程。

具体实施方式

下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述。

图1所示为本发明基于分布式水文模拟的干旱评估和预报模型方法原理框图，具体实施步骤如下：

步骤1：构建基于地理信息系统的流域空间地理信息库，其中包括数字高程DEM、土壤类型分布图、土地利用分布图、植被叶面积指数LAI分布图、河流水系分布图和大中型水库工程特性参数等。

本发明实施例以长江上游为例进行说明，其中数字高程DEM来自中国测绘局25m×25m网格的DEM数据；土地利用资料来源于USGS的全球土地利用数据库2.0版，数据空间分辨率是1km。土壤分类及其属性资料来源于中科院南京土壤研究所，空间分辨率为2km，在研究区域共划分了81种土壤类型；植被叶面积指数LAI表示植被的变化，该指数根据逐月的NDVI数据(来源于NOAA遥感影像，分辨率为0.1′弧度)来估算。

步骤2：在流域空间信息库的基础上，采用GIS空间分析工具，构建基于地貌网格单元的分布式水文模型，以气象数据作为模型的输入条件，应用分布式水文模型对流域水文过程进行分布式模拟，模拟结果是输出各项水文要素信息。

具体的，根据所述流域空间信息库中的地理信息生成以山坡单元组成的格网系统和以河沟水系组成的河网系统，在所述格网系统中，采用分布式水文模型，以气象输入数据为分布式水文模型的输入条件，以山坡为基本计算单元，计算时间步长为小时，采用距离方向加权平均法将气象输入数据插值到流域格网系统中的每个计算单元上，进行基本的山坡水文过程模拟，包括：降雨截留、地标融雪、截留蒸发、叶面蒸腾、地表蒸发、土壤水分运行、坡面汇流和潜水出流等(见图2)，其中所述气象输入数据包括每日的降水、气温、日照时间、风速和相对湿度等。格网系统中各山坡单元产流后，将汇入到河网系统中。在河网系统中采用一维运动波方程来计算河道的汇流过程，从而得到各个子流域和全流域出口处的流量。

分布式水文模型输出的各项水文要素信息，包括：各子流域出口处的河道日流量过程线，以及各项气象和水文要素的空间分布图(网格尺度为1～5km，时间尺度为旬或周)，如地表径流深、实际蒸发量和表层土壤含水量等，即采用分布式水文模型模拟流域水文过程，可获取流域内径流、蒸发和土壤水等各项水文要素信息。

步骤3：依据分布式水文模拟获得的各项气象水文要素之间内在关系，在水量平衡计算的基础上，构建干旱预报模型，并采用PDSI指标作为旱情的综合衡量指标。干旱预报模型的构建方法具体如下：

1、使用分布式水文模拟获得的各项气象水文要素计算各旬气候水文常数，所述气候水文常数包括蒸散常数α、补水常数β、径流常数γ、失水常数δ、气候特征常数k^*。

选择具有代表性的网格单元(见图3)，利用这些代表网格单元的气象水文要素(分布式水文模拟输出的)，分别统计各点的气象水文常数，包括：1)蒸散常数：

其中

分别为多年的旬均实际蒸发量和可能(潜在)蒸发量；2)补水常数：

其中

分别为多年的旬均实际补水量和可能补水量；3)径流常数：

其中

分别为多年的旬均实际径流量和可能径流量；4)失水常数：

其中

分别为多年的旬均实际失水量和可能失水量；5)气候特征常数：

其中

表示多年的旬均水分需求，

表示多年的旬均水分供给，这两者的比值能够反映出不同地区和不同旬的水分气候差异。

每旬的实际蒸发量ET_i、可能蒸发量PE_i和实际径流量RO_i是直接利用各网格单元的水文模拟结果，其它一些参量可以利用网格单元土壤含水量的模拟结果按下列的公式计算：

实际补水量：R_i＝max(0.0，(C_i+1-C_i)×(θ_s-θ_r)×S_d)            (1)

可能补水量：PR_i＝(1-C_i)×(θ_s-θ_r)×S_d                        (2)

可能径流量：PRO_i＝C_i×(θ_s-θ_r)×S_d                           (3)

实际失水量：L_i＝min(C_i×(θ_s-θ_r)×S_d，max(0.0，ET_i-P))       (4)

可能失水量：PL_i＝min(C_i×(θ_s-θ_r)×S_d，max(0.0，PE_i-P))      (5)

在上述公式中，C_i为某一时段土壤相对含水量(％)，θ_s为土壤饱和含水量，θ_r为土壤残余含水量，S_d为土壤层有效厚度，一般1.5-2.0m。这样，可依据分布式水文模拟结果，分别统计各参量1961-2000期间多年的旬平均值，从而计算出上述气候常数α，β，γ，δ，k^*。

2、计算逐旬的气候适宜降水量

依据上面统计所得的各气候常数，采用下式计算出逐旬的气候适宜降水量(单位为mm)：

式中：i为旬数；为气候适宜蒸发量，

为气候适宜补水量，

为气候适宜径流量，

为气候适宜失水量，

3、计算逐旬的降水距平值d和距平指数z

降水距平值d(单位为mm)表示该旬的实际降水P_i与其气候适宜降水

之间的差值：

由此可以初步求出各旬水分距平指数z(即未经修正的z值)：

z_i＝k^*.d_i                            (8)

z值反映的是计算单元的水分亏缺综合状态，不但可以表示干旱，而且也可以表示湿润。若z值为负，表示气候为负异常，也就是处于缺水干旱状态；若z值为正，表示气候为正异常，也就是降水偏多。按照公式(7)和(8)，可以依次计算出图3中各代表网格在1961-2000期间的逐旬的z值。

4、干旱预报推演公式

式8计算出的z值只是反映了当旬的水分亏缺情况，没有反应前1旬或前几旬的缺水对该旬的影响，并不能直接用作干旱评估。因此，接下来需要确定一个评价指标，来明确干湿程度与水分亏缺值和持续时间之间的函数关系。通常所说的干湿程度只是对干湿状态的一个定性描述，为了能定量描述，采用Palmer方法，将干湿程度一共划分了9个级别，并采用了PDSI指数x值来定量界定干湿等级，见表1。

表1PDSI的干湿等级划分

PDSI指数x与水分距平值z和持续时间t之间的函数关系，如下：

$x_i=\underset{t=1}{\overset{i}{\mathrm{\Σ}}}{z}_t/(5.692t+37.1)---\left(9\right)$

5、干旱指数累积关系的递推公式

式(9)还不能立即应用，因为旱期起始时z的累积值不同，对后面时段的z值影响较大。甚至会出现这样情况，即某两个旬的z值虽相同，但一个是出现在几个较湿旬之后，另一个出现在几个较干旬之后，很明显后者的干旱指数应大于前者。因此，必须确定每个旬的z_i值对干旱指数x_i值的影响。令i＝1，t＝1，式(9)则为：x₁＝z₁/42.792。假设本旬是干旱起始旬，则：

x₁-x₀＝Δx₁＝z₁/42.792                (10)

x₀为初始值，如果要维持上个旬的旱情，那么随着时间t的增加，则水分距平值z的累积值必然增加。但t的增值是恒定的，即每旬增加1。因此维持上个旬的旱情所需要增加的z值取决于x值，故令：

x_i-x_i-1＝Δx_i＝(z_i/42.792)+C.x_i-1            (11)

式中C为常数，当t＝2，x_i-1-x_i＝-1，利用式(9)和(10)，可计算C＝-0.133，代入式(11)得：

x_i＝0.867x_i-1+z_i/42.792                (12)

式(12)是计算干旱指数的基本公式之一。由于该式是利用图3中的代表网格建立的，用于研究区域内的其它网格不一定适合。从实际情况和统计角度考虑，显然不同地点、不同旬的降水距平值有不同的意义。可以比较某地不同年份同一旬的序列距平，而不能比较不同旬或不同地区的距平值。因为同样的水分距平值在一个地方表示水分严重短缺，而在另一个地方可能只是轻微短缺。所以需要对式(12)中的z值进行了进行正规化处理，这样才能使得该式计算出的干旱指数有较好的空间可比性。

z_i＝K.d_i                    (13)

式中： $K=796.4K^{\′}/\underset{1}{\overset{24}{\mathrm{\Σ}}}\left(D{K}^{\′}\right),$ $K^{\′}=1.812\ln ((\stackrel{\‾}{\mathrm{PE}}+\stackrel{\‾}{R}+\stackrel{\‾}{\mathrm{RO}})/\left((\stackrel{\‾}{P}+\stackrel{\‾}{L})\stackrel{\‾}{D}\right))+6.173,$

其中

为d_i绝对值D的多年平均值。这样式(12)和(13)即为干旱预报模型方法的最终数学表达式。由于该方法是基于分布式水文模拟，因此一方面可以利用对过去已发生水文过程的模拟结果，来再现历史干旱事件过程；另一方面，也可以利用气象预报信息(如区域气象模型的输出结果)作为本模型的输入，来推演预报下阶段的旱情发展；还可以利用历史气象统计数据，先通过分布式水文模拟，获取各项水文要素，然后采用式(12)和(13)，来推测下阶段干旱状况。

下面结合具体的模型应用实例对本发明的有益效果进行说明：

利用上述建立的旱情预报模型，首先完整地模拟了1961-20005年期间整个长江上游的干湿更替过程，对模型进行了检验。在此基础上，将2006年研究区域的气象数据作为模型输入，采取预报方式，计算了2006年期间长江上游旱情发生、发展直至结束的全过程。模型输出为PDSI指标表示的旱情等级分布图，其空间尺度为5km，时间尺度为旬。

(1)川渝地区2006年干旱时空发展过程分析：

2006年初，该地区降水较常年偏少25％以上，局部地区达到80％以上，长江上游面积超过60万km²的川渝地区旱情严重，主要体现在土壤墒情严重缺水。由于该段时间是枯水期，径流少且大部分是由地下水出流所贡献的，因此单从径流距平指标，水文干旱并不严重。到2月中旬，区域内降水增加，旱情有所缓解，四川盆地内的旱情轻微，川西高原及云南北部的旱情仍较严重，此状态一直持续到3月中下旬。4月份，除了昆明、攀枝花和西昌一带的旱情进一步加重，长江上游其它地区的旱情逐渐解除。6月上旬，昆明、攀枝花和西昌一带旱情解除，长江上游基本恢复正常状态。6月中下旬，区域内降水开始偏少，川北和重庆地区又开始出现轻微干旱，主要体现在径流的减少，川北的土壤墒情较严重，而重庆地区的土壤墒情尚正常。

见图5，到了7月中下旬，重庆地区降水量连续偏少45％以上，导致径流大幅减少，而此时又逢高温天气，蒸发能力强，土壤含水量开始逐渐减少，用PDSI指标表示的重庆地区旱情开始由轻微干旱转变为中等干旱。8月份，川渝地区降水量仍然偏少45％以上，局部地区偏少80％以上，且重庆、内江和南充一带持续高温天气。由图6可以看出，8月份持续的高温无雨天气条件，直接导致地表径流大幅减少，土壤含水率也大幅降低。用PDSI指标表示的重庆、内江和南充地区的旱情开始由中等干旱发展为严重干旱。

见图5，9月上旬，川渝地区普降大雨，大部分地区的土壤墒情得到了缓解，但由于前期土壤干涸及地表缺水太严重，降雨并没有形成明显的径流，重庆及周边地区的径流仍严重偏少。用PDSI指标表示的重庆、内江和南充地区的旱情开始由严重干旱转变为中等干旱。

(2)与常用旱情指标比较分析：

由于旱灾形成是一个缓慢发展过程，降水偏少是起因，但还与各地区土壤类型、作物种类，以及气温、季节等条件密切相关。相对而言，本模型能全面地模拟干旱形成的复杂水文循环过程，能够较好地模拟干旱的发生和发展过程，尤其是能够体现出前期的降水丰枯和土壤水分盈亏对后期旱情发展的影响。

图4中是用降水距平、干湿、径流距平和土壤墒情等指标表示的2006年9月上旬的旱情空间分布。具体的，可以利用上述模拟中的各项气象水文要素，采用降水距平、干湿度、径流距平、土壤墒情等指标，组成一个旱情衡量指标体系(见图1)，对已发生干旱现象，从不同角度、多方面地评价旱情的严重程度(见图4)，指标体系中各指标的计算方法具体如下：

①降水距平指标：

式中P为某时段降水量，

为该时段的多年平均降水量。当取旬为时间尺度时，可用下式来计算降水距平指标ZP_i： ${\mathrm{ZP}}_i=\frac{P_i-\frac{1}{n}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{P}_{\mathrm{ij}}}{\frac{1}{n}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{P}_{\mathrm{ij}}}\×100\%$

②干湿度指标ZD_i定义为某时段内潜在蒸发能力EP与实际降水量P之比：ZD_i＝EP_i/P_i

③土壤墒情指标：利用分布式水文模拟得到的表层土壤相对饱和度，来进行旱情等级判断。

④径流距平指标：利用分布式水文模拟得到的径流深，先统计每个网格的每旬的多年平均径流量，然后对每个网格进行旱情等级判断，采用的计算表达式：

式中ZR_i为某时段的径流距平指标，R_i为某时段的径流深，为该时段多年平均径流深。

但是，这些指标都只是依据某一或两个气象水文要素状态而做出的评价。例如：降水距平指标是以历史平均水平为基础确定旱涝，虽然计算简单，但难以反映水分支出和地表水分平衡状态；干湿指标虽然能反映水分收入与支出之间的关系，但不利于不同地区的干旱程度比较。径流距平指标也是以历史平均水平为基础确定旱涝。这三个指标都难以反映干旱的持续时间影响。相对而言基于分布式水文模拟获得的土壤墒情指标，能较好地反映前期土壤缺水对后期土壤墒情的影响。但这四个指标都是从某一个方面来认识干旱，不够全面。

以2006年9月上旬为例，重庆地区普降大雨，若单从降水距平指标来看，重庆地区应为中等湿润(图4(a))；单从干燥/湿润指标来看，该地区也是中等湿润(图4(b))；但从径流距平指标来看，重庆地区却为严重干旱(图4(c))；从土壤墒情来看，该地区为轻微干旱(图4(d))。从这四个不同的指标，得出不同的旱情状况，即从不同方面反映了旱情的外在表现。如果从降雨-产汇流的水文过程来看，出现上述指标状态差异的原因是因为在此之前的8月份重庆地区干旱严重，土壤干裂、地表洼地干涸，9月上旬虽然降水偏多，但降水后土壤墒情首先得到了缓解，然后地表洼地得到了补给，再考虑蒸发，实际上不会产生地表径流，因此，9月上旬重庆地区旱情虽有所缓解，但仍持续干旱。相比而言，本模型的模拟结果能更好地反映了旱情的发展变化过程。

本发明提出的基于分布式水文模拟的旱情评估和预报模型，能从降水、蒸发、径流和土壤水之间的内在变化关系出发，定量描述旱情程度以及模拟干旱发生、发展直至结束的全过程，该模型能够综合反映水分亏缺量和持续时间因子对干旱程度的影响，能够体现气象和下垫面条件，如降水、气温、土壤、地形、土地利用类型和植被的时空变化对干旱程度的影响，相对于降水距平、干湿、径流距平和土壤墒情等单一评估指标而言，本模型的旱情模拟结果在表现旱情的地区分布特征和随时间的演变态势等方面具有优势，该指标与常规指标配合，能够为抗旱减灾管理提供全面的旱情信息分布图。

另外，本发明提出的旱情评估和预报模型，可以结合气象预报信息对地面旱情的进一步发展变化进行预报和预测，不仅为建立专业的干旱评估和预报预警系统奠定了数学模型基础，可改变在干旱预报上仅依赖气象预报的局面，提高旱灾防治技术水平，而且为研究各地区干旱成因机制和旱情发展过程提供了模型工具，可为干旱防治规划和应急预案制定提供依据，有利于促进单一的被动抗旱向全面的主动防旱转变。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何属于本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (4)

1.一种基于分布式水文模拟的旱情评估和预报模型方法，其特征在于：包括

步骤1：构建基于地理信息系统的流域空间地理信息库，其中包括数字高程DEM、土壤类型分布图、土地利用分布图、植被叶面积指数LAI分布图、河流水系分布图和大中型水库工程特性参数；

步骤2：在流域空间信息库的基础上，采用GIS空间分析工具，构建基于地貌网格单元的分布式水文模型，以气象数据作为模型的输入条件，应用分布式水文模型对流域水文过程进行分布式模拟，模拟结果是输出各项水文要素信息；

步骤3：依据分布式水文模拟获得的各项气象水文要素之间内在关系，在水量平衡计算的基础上，构建干旱预报模型，并采用PDSI指标作为旱情的综合衡量指标，其步骤具体包括：

使用分布式水文模拟获得的各项气象水文要素计算各旬气候水文常数，所述气候水文常数包括蒸散常数α、补水常数β、径流常数γ、失水常数δ、气候特征常数k^*；依据所述各旬气候水文常数，采用下式计算出逐旬的气候适宜降水量：

式中：i为旬数；

为气候适宜蒸发量，

PE_i为每旬的可能蒸发量；

为气候适宜补水量，

PR_i为每旬的可能补水量；

为气候适宜径流量，

PRO_i为每旬的可能径流量；

为气候适宜失水量，

PL_i为每旬的可能失水量；

根据逐旬的实际降水P_i与其气候适宜降水

之间的差值获得逐旬的降水距平值d和距平指数z：

使用PDSI指数x值来定量界定干湿等级，PDSI指数x与水分距平值z和持续时间t之间的函数关系如下： $x_i=\underset{t=1}{\overset{i}{\mathrm{\Σ}}}{z}_t/(5.692t+37.1);$

干旱预报模型的数学表达式如下：

x_i＝0.867x_i-1+z_i/42.792

z_i＝K.d_i

式中： $K=796.4K^{\′}/\underset{1}{\overset{24}{\mathrm{\Σ}}}\left(D{K}^{\′}\right),$ $K^{\′}=1.812\ln ((\stackrel{\‾}{\mathrm{PE}}+\stackrel{\‾}{R}+\stackrel{\‾}{\mathrm{RO}})/\left((\stackrel{\‾}{P}+\stackrel{\‾}{L})\stackrel{\‾}{D}\right))+6.173,$

其中

为d_i绝对值D的多年平均值。

2.如权利要求1所述的基于分布式水文模拟的旱情和预报模型方法，其特征在于：所述步骤2具体包括：

根据所述流域空间信息库中的地理信息生成以山坡单元组成的格网系统和以河沟水系组成的河网系统，在所述格网系统中，采用分布式水文模型，以气象输入数据为分布式水文模型的输入条件，以山坡为基本计算单元，计算时间步长为小时，采用距离方向加权平均法将气象输入数据插值到流域格网系统中的每个计算单元上，进行基本的山坡水文过程模拟，包括：降雨截留、地标融雪、截留蒸发、叶面蒸腾、地表蒸发、土壤水分运行、坡面汇流和潜水出流；格网系统中各山坡单元产流后，将汇入到河网系统中。

3.如权利要求2所述的基于分布式水文模拟的旱情评估和预报模型方法，其特征在于所述分布式水文模型输出的各项水文要素信息包括：各子流域出口处的河道日流量过程线，以及各项气象和水文要素的空间分布图。

4.如权利要求1所述的基于分布式水文模拟的旱情评估和预报模型方法，其特征在于每旬的实际蒸发量ET_i、可能蒸发量PE_i和实际径流量RO_i是直接利用各网格单元的水文模拟结果，实际补水量、可能补水量、可能径流量、实际失水量和可能失水量按下列的公式计算：

实际补水量：R_i＝max(0.0，(C_i+1-C_i)×(θ_s-θ_r)×S_d)

可能补水量：PR_i＝(1-C_i)×(θ_s-θ_r)×S_d

可能径流量：PRO_i＝C_i×(θ_s-θ_r)×S_d

实际失水量：L_i＝min(C_i×(θ_s-θ_r)×S_d，max(0.0，ET_i-P))

可能失水量：PL_i＝min(C_i×(θ_s-θ_r)×S_d，max(0.0，PE_i-P))。

Images