CN106599571A - 兼顾流量和蒸发的流域水文模型分期率定方法 - Google Patents

Abstract

本发明公开了一种兼顾流量和蒸发的流域水文模型分期率定方法，包括以下步骤：收集整理流域历史常规水文观测资料和遥感蒸发资料；对流量观测资料进行基流分割，将全模拟期划分为枯水期和非枯水期；构建流域水文模型；确立兼顾流量和蒸发的多目标优化函数，进行参数识别；利用优选参数，通过水文模型得到流量和蒸发模拟序列；选取评价指标，对流量和蒸发模拟结果进行精度评定。本发明可广泛应用于流域水文模拟和预报，也可用于无资料地区参数化等领域，基于本发明的参数率定考虑了蒸发对枯水期水量平衡的显著影响，优选参数能更加真实地反映流域水文特性，提高流域水文模拟精度。

Description

兼顾流量和蒸发的流域水文模型分期率定方法

技术领域

本发明涉及流域水文模型领域，具体来说涉及一种兼顾流量和蒸发的流域水文模型分期率定方法。

背景技术

流域水文模型利用水文学物理机制，分析流域降水和径流的内在关系，实现降水径流的模拟和预报。水文模型参数，是流域水文特性的具体反映；参数识别，是在对实测资料进行分析的基础上，根据特定的目标函数确定一套固定的参数寻找法则，通过优化算法估计出模型的参数值。

传统的流域水文模型，仅根据流域出口断面的流量过程进行参数识别。如今，蒸发可由遥感技术实现高精度反演，则可增加考虑流域蒸发作为水文模拟的另一个评价标准。通过构建蒸发相关的目标函数，自动率定出优选参数，在提高流域水文模拟和无资料地区参数化等领域应用广泛。

现有的利用遥感蒸发的流域水文模型率定方法主要步骤为：①分别收集整理流域历史常规水文资料(降雨、流量和潜在蒸发等)和遥感蒸发资料；②根据流域特点，如流域属于湿润区域或干旱区域，并基于可用的水文资料，选择或构建流域水文模型，如新安江模型、SWAT模型等；③根据每一时段流量和蒸发的观测值与模拟值构建目标函数，进行参数优选；④选取评价指标，对模拟结果进行精度评定。

现行方法存在的问题是：

(1)在汛期，径流量主要受降水控制，蒸发对水量平衡影响甚微；而在枯水期，蒸发控制土壤含水量消耗，从而影响基流和下一阶段土壤前期含水量，对水量平衡影响显著。现行方法针对蒸发在汛期和枯水期对流域水量平衡的影响差异不加以区分，对每个时段的蒸发模拟都加以约束。

(2)对流量和蒸发的约束相当，优选参数在提高蒸发模拟的同时一般会降低径流模拟结果。

发明内容

针对现有技术存在的不足，本发明提出了一种全模拟期内考虑径流模拟、枯水期内考虑蒸发模拟的流域水文模型多目标分期率定方法。

为解决上述技术问题，本发明采用如下技术方案：

一种兼顾流量和蒸发的流域水文模型分期率定方法，包括如下步骤：

步骤1，收集整理流域水文资料，包括历史常规水文观测资料和遥感蒸发资料，其中，流域历史常规水文观测资料包含降雨观测资料、流量观测资料和潜在蒸发观测资料，假设水文资料时段长度为N；

步骤2，对流量观测资料进行基流分割，将流域水文资料的N个时段划分出枯水期和非枯水期，其中，流域水文资料的N个时段为全模拟期，枯水期含有K个时段，非枯水期含有N-K个时段；

步骤3，基于流域属于湿润或者干旱区域的流域特点以及水文资料的时空尺度特征，构建流域水文模型；将降雨观测资料、潜在蒸发资料输入流域水文模型，进行径流模拟和蒸发模拟，模拟得到流量模拟序列和实际蒸发模拟序列；

步骤4，根据全模拟期内每个时段的流量观测值与流量模拟值、枯水期内每个时段的遥感蒸发值与实际蒸发模拟值，确立兼顾流量和蒸发的多目标优化函数，利用优化算法识别步骤3中构建的流域水文模型的模型参数；

所述多目标优化函数为：

式中：q_oi、q_si分别为全模拟期内第i时段的流量观测值和流量模拟值，i＝1,2,…,N，N为全模拟期内总时段数；R_o、R_s分别为全模拟期内的径流观测总量和径流模拟总量，e_oj、e_sj分别为第j枯水时段的遥感蒸发值和实际蒸发模拟值，j＝1,2,…,K，K为枯水期总时段数；E_o、E_s分别为枯水期内的遥感蒸发总量和蒸发模拟总量,

步骤5，采用步骤4中优选的模型参数运行流域水文模型，得到径流模拟和蒸发模拟结果；

步骤6，选取水文模拟评价指标，对步骤5得到的径流模拟和蒸发模拟结果进行精度评定。

上述步骤2中，采用直接分割法、水量平衡法、同位素法或时间序列分析法对流量观测资料进行基流分割，划分出各枯水期时段。

上述步骤3中，构建的流域水文模型为新安江模型或SWAT模型。

上述步骤4中，利用优化算法识别模型参数，实现如下：

采用遗传算法、Rosenbrock法、单纯形法对步骤3中构建的流域水文模型的初始模型参数进行依次优化。

上述步骤5中，评价指标包括但不限于水量平系数WBI、确定性系数DC和相关系数CC，分别采用如下公式计算：

其中：为实测流量值的均值，分别为枯水期内实测蒸发值的均值和模拟蒸发值的均值。

与现有技术相比，本发明具有以下优点和有益效果：

1)本发明提出了一种全新的利用遥感蒸发的水文模型率定方法，分别根据全模拟期内径流模拟和枯水期内蒸发模拟对水文模型进行多目标分期率定；

2)基于本发明的参数率定能考虑到蒸发对有雨期水量平衡影响甚微而对枯水期水量平衡影响显著，在约束径流模拟的基础上对枯水期的蒸发模拟加以约束；

3)在利用遥感数据过程中能考虑其中的水文学物理机制，能有效避免异参同效和过拟合等问题，且优选参数能更加真实地反映流域水文特性，提高水文模拟和预报的可靠性。

附图说明

图1为本发明的流程图。

具体实施方式

下面结合附图对本发明进行进一步说明。如图1所示，一种兼顾流量和蒸发的流域水文模型分期率定方法，包括如下步骤：

步骤1，收集整理流域水文资料，包括历史常规水文观测资料和遥感蒸发资料e_o，其中，流域历史常规水文观测资料包含降雨观测资料P、流量观测资料q_o和潜在蒸发观测资料EP，假设水文资料时段长度为N，e_o＝{e_oi},q_o＝{q_oi},i＝1,2,…,N；

步骤2，对流量观测资料q_o进行基流分割，将流域水文资料的N个时段划分出枯水期和非枯水期，其中，流域水文资料的N个时段为全模拟期，枯水期含有K个时段，非枯水期含有N-K个时段；

步骤3，基于流域属于湿润或者干旱区域的流域特点以及水文资料的时空尺度特征，构建流域水文模型；将降雨观测资料P、潜在蒸发资料EP输入流域水文模型，进行径流模拟和蒸发模拟，模拟得到流量模拟序列q_s和实际蒸发模拟序列e_s,q_s＝{q_si},e_s＝{e_si}，i＝1,2,…,N；

步骤4，根据全模拟期内第i时段的流量观测值q_oi与流量模拟值q_si,i＝1,2,…,N、枯水期内第j时段的遥感蒸发值e_oj与实际蒸发模拟值e_sj,j＝1,2,…,K，确立兼顾流量和蒸发的多目标优化函数，利用优化算法识别步骤3中构建的流域水文模型的模型参数；

所述多目标优化函数为：

式中：q_oi、q_si分别为全模拟期内第i时段的流量观测值和流量模拟值(mm)，i＝1,2,…,N，N为全模拟期内总时段数；R_o、R_s分别为全模拟期内的径流观测总量和径流模拟总量(mm)，e_oj、e_sj分别为第j枯水时段的遥感蒸发值和实际蒸发模拟值，j＝1,2,…,K，K为枯水期总时段数；E_o、E_s分别为枯水期内的遥感蒸发总量和蒸发模拟总量,

步骤5，采用步骤4中优选的模型参数运行流域水文模型，得到最终流量模拟序列q_s和最终实际蒸发模拟序列e_s；

步骤6，选取水文模拟评价指标，对步骤5得到的最终流量模拟序列q_s和最终实际蒸发模拟序列e_s进行精度评定。

上述步骤2中，采用直接分割法、水量平衡法、同位素法或时间序列分析法对流量观测资料进行基流分割，划分出各枯水期时段。

上述步骤3中，构建的流域水文模型为新安江模型或SWAT模型。

上述步骤4中，利用优化算法识别模型参数，实现如下：

采用遗传算法、Rosenbrock法、单纯形法对步骤3中构建的流域水文模型的初始模型参数进行依次优化。具体地，以遗传算法的结果作为初值，然后采用Rosenbrock法计算，最后采用单纯形法得到最终结果，其中，遗传算法的处理对象为初始参数，Rosenbrock法的处理对象是遗传算法处理后得到的参数，单纯形法的处理对象是Rosenbrock法处理后得到的参数，三种算法是对初始参数的依次优化。

上述步骤5中，评价指标包括但不限于水量平系数WBI、确定性系数DC和相关系数CC，分别采用如下公式计算：

其中：为实测流量值的均值，分别为枯水期内实测蒸发值的均值和模拟蒸发值的均值。

Claims (5)

1.一种兼顾流量和蒸发的流域水文模型分期率定方法，其特征在于，包括如下步骤：

步骤1，收集整理流域水文资料，包括历史常规水文观测资料和遥感蒸发资料，其中，流域历史常规水文观测资料包含降雨观测资料、流量观测资料和潜在蒸发观测资料，假设水文资料时段长度为N；

步骤2，对流量观测资料进行基流分割，将流域水文资料的N个时段划分出枯水期和非枯水期，其中，流域水文资料的N个时段为全模拟期，枯水期含有K个时段，非枯水期含有N-K个时段；

步骤3，基于流域属于湿润或者干旱区域的流域特点以及水文资料的时空尺度特征，构建流域水文模型；将降雨观测资料、潜在蒸发资料输入流域水文模型，进行径流模拟和蒸发模拟，模拟得到流量模拟序列和实际蒸发模拟序列；

步骤4，根据全模拟期内每个时段的流量观测值与流量模拟值、枯水期内每个时段的遥感蒸发值与实际蒸发模拟值，确立兼顾流量和蒸发的多目标优化函数，利用优化算法识别步骤3中构建的流域水文模型的模型参数；

所述多目标优化函数为：

$\min F=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{(q_{oi}-q_{si})}^2}{N}\·\[1+\frac{\left|R_o-R_s\right|}{R_o}\]+\frac{\underset{j=1}{\overset{K}{\mathrm{\Σ}}}{(e_{oj}-e_{sj})}^2}{K}\·\[1+\frac{\left|E_o-E_s\right|}{E_o}\]$

式中：q_oi、q_si分别为全模拟期内第i时段的流量观测值和流量模拟值，i＝1,2,…,N，N为全模拟期内总时段数；R_o、R_s分别为全模拟期内的径流观测总量和径流模拟总量，e_oj、e_sj分别为第j枯水时段的遥感蒸发值和实际蒸发模拟值，j＝1,2,…,K，K为枯水期总时段数；E_o、E_s分别为枯水期内的遥感蒸发总量和蒸发模拟总量,

步骤5，采用步骤4中优选的模型参数运行流域水文模型，得到径流模拟和蒸发模拟结果；

步骤6，选取水文模拟评价指标，对步骤5得到的径流模拟和蒸发模拟结果进行精度评定。

2.根据权利要求1所述的兼顾流量和蒸发的流域水文模型分期率定方法，其特征在于：

步骤2中，采用直接分割法、水量平衡法、同位素法或时间序列分析法对流量观测资料进行基流分割，划分出各枯水期时段。

3.根据权利要求1所述的兼顾流量和蒸发的流域水文模型分期率定方法，其特征在于：

步骤3中，构建的流域水文模型为新安江模型或SWAT模型。

4.根据权利要求1所述的兼顾流量和蒸发的流域水文模型分期率定方法，其特征在于：

步骤4中，利用优化算法识别模型参数，实现如下：

采用遗传算法、Rosenbrock法、单纯形法对步骤3中构建的流域水文模型的初始模型参数进行依次优化。

5.根据权利要求1所述的兼顾流量和蒸发的流域水文模型分期率定方法，其特征在于：

步骤5中，评价指标包括但不限于水量平系数WBI、确定性系数DC和相关系数CC，分别采用如下公式计算：

$WBI=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{q}_{si}}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{q}_{oi}},$

$DC=\[1-\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{(q_{si}-q_{oi})}^2}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{(q_{oi}-\stackrel{\‾}{q_o})}^2}\]\×100\%,$

$CC=\frac{\underset{j=1}{\overset{K}{\mathrm{\Σ}}}(e_{sj}-\stackrel{\‾}{e_s})(e_{oj}-\stackrel{\‾}{e_o})}{\sqrt{\underset{j=1}{\overset{K}{\mathrm{\Σ}}}{(e_{sj}-\stackrel{\‾}{e_s})}^2{(e_{oj}-\stackrel{\‾}{e_o})}^2}},$

其中：为实测流量值的均值，分别为枯水期内实测蒸发值的均值和模拟蒸发值的均值。