CN116644597A - 基于时变增益模型和pt-jpl耦合的流域水循环模拟方法 - Google Patents
基于时变增益模型和pt-jpl耦合的流域水循环模拟方法 Download PDFInfo
- Publication number
- CN116644597A CN116644597A CN202310648822.XA CN202310648822A CN116644597A CN 116644597 A CN116644597 A CN 116644597A CN 202310648822 A CN202310648822 A CN 202310648822A CN 116644597 A CN116644597 A CN 116644597A
- Authority
- CN
- China
- Prior art keywords
- model
- jpl
- coupling
- runoff
- vegetation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 82
- 238000000034 method Methods 0.000 title claims abstract description 67
- 230000008878 coupling Effects 0.000 title claims abstract description 58
- 238000010168 coupling process Methods 0.000 title claims abstract description 58
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 58
- 238000004088 simulation Methods 0.000 title claims abstract description 57
- 230000008859 change Effects 0.000 claims abstract description 67
- 238000011160 research Methods 0.000 claims abstract description 38
- 230000008569 process Effects 0.000 claims abstract description 22
- 230000000694 effects Effects 0.000 claims abstract description 10
- 238000011156 evaluation Methods 0.000 claims abstract description 9
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 239000002689 soil Substances 0.000 claims description 56
- 238000001704 evaporation Methods 0.000 claims description 28
- 230000008020 evaporation Effects 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 18
- 230000005855 radiation Effects 0.000 claims description 15
- 230000005068 transpiration Effects 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 230000007704 transition Effects 0.000 claims description 8
- 230000035772 mutation Effects 0.000 claims description 6
- 238000012952 Resampling Methods 0.000 claims description 5
- 230000000243 photosynthetic effect Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 230000004907 flux Effects 0.000 claims description 4
- 238000013480 data collection Methods 0.000 claims description 3
- 238000001556 precipitation Methods 0.000 claims description 3
- 230000008033 biological extinction Effects 0.000 claims description 2
- 230000029553 photosynthesis Effects 0.000 claims description 2
- 238000010672 photosynthesis Methods 0.000 claims description 2
- 229920006395 saturated elastomer Polymers 0.000 claims description 2
- 230000035945 sensitivity Effects 0.000 claims description 2
- 230000007246 mechanism Effects 0.000 abstract description 5
- 238000012795 verification Methods 0.000 description 7
- 239000010410 layer Substances 0.000 description 6
- 241000282414 Homo sapiens Species 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 239000002344 surface layer Substances 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000008595 infiltration Effects 0.000 description 2
- 238000001764 infiltration Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 235000014548 Rubus moluccanus Nutrition 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 210000003041 ligament Anatomy 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于时变增益模型和PT‑JPL耦合的流域水循环模拟方法，所述方法包括：收集研究区内水文、气象以及遥感数据；数据前处理；耦合分布式时变增益模型(DTVGM)与PT‑JPL模型；对构建的耦合模型进行参数率定及模拟效果评估；利用构建的耦合模型定量评估气候变化和植被变化对流域径流变化的影响。本发明方法通过耦合DTVGM和PT‑JPL模型，引入植被动态变化信息至水文模型中，增强DTVGM中蒸散发过程的物理机制描述，提高了土地利用类型和植被覆被变化剧烈流域水循环过程的模拟精度，有助于剖析不同时间尺度下流域水循环要素演变规律，并进一步定量评估气候变化驱动下植被变化度对流域水文过程的影响。
Description
技术领域
本发明涉及流域水循环模拟技术领域，具体涉及一种基于时变增益模型和PT-JPL耦合的流域水循环模拟方法。
背景技术
水是支撑生命、生态系统和人类社会的基本自然资源，流域水循环的准确模拟及相关研究对于社会可持续发展至关重要。地球的水文循环联系着大气圈、岩石圈、生物圈和人类圈之间的相互作用，同时也受到人类活动和社会经济发展的深刻影响。近年来，受气候变化和高强度人类活动影响，流域水循环正在经历高度的时空变异，洪旱灾害频发，流域内出现河流流量减少、水环境恶化以及水质污染等问题，对人类的水安全构成了威胁。因此，科学认识流域水循环过程，研究掌握流域水资源的演变规律对区域水资源科学管理和经济社会的可持续发展具有重要意义。
流域水文循环是一个多因素相互作用的复杂过程，用数学方法描述和模拟实际水文循环的主要过程，已成为研究流域水循环的重要科学方法。水文模型是流域水循环模拟的主要手段，其是用简单的数学方程或物理模型对现实复杂的水循环过程进行模拟。作为流域水循环过程中的重要环节，蒸散发是同时出现在地表水量和能量平衡方程中的变量。随着卫星遥感技术的发展，大尺度范围且高时空分辨率的地表特征和植被动态数据变得容易获取，诸多研究利用基于遥感的蒸散发模型估算区域蒸散发，如基于Penman-Montieth(PM)方程或Priestley-Taylor(PT)方程的蒸散发模型，其具有明确的物理意义，在水文、生态和气候的相关研究中得到了广泛应用。Fisher等人根据植物生理限制和土壤干旱限制，将PT模型由潜在蒸散发模型转换为实际蒸散发估算模型(PT-JPL模型)。
植被控制着陆地和大气之间碳、水、动量和能量的交换，是连接水圈、生物圈和大气圈的纽带。植被通过其物种组成、群落结构和根系分布，影响水分在蒸散发-土壤水-径流中的分配，进而影响水资源量的时空分布格局。在现有流域水循环模拟技术中，传统水文模型多采用折算法估算实际蒸散发，将潜在蒸散发量通过土壤可用水函数获取流域实际蒸散发量。然而，这种经验函数存在一定的不确定性，其将土壤蒸发和植被蒸腾当作一个整体计算，难以考虑植被变化引起蒸散发及其组分的变化，进而影响流域水循环模拟精度。
发明内容
本发明的目的在于提供一种基于时变增益模型和PT-JPL耦合的流域水循环模拟方法，旨在提高土地利用类型和植被覆被变化剧烈流域水循环过程模拟精度。
为实现上述目的，本发明提供如下技术方案：
步骤一、数据收集：收集研究区内水文、气象以及遥感数据；
步骤二、数据前处理：包括数据空间插值与重采样；
步骤三、耦合分布式时变增益水文模型(DTVGM)与PT-JPL模型，可计算蒸散发各组分，改进DTVGM中蒸散发模块的物理机制描述。
3-1构建研究区PT-JPL模型；
3-2耦合DTVGM与PT-JPL模型。DTVGM中采用的是水量平衡方程，通过迭代计算出各个水文要素，DTVGM水量平衡方程如下：
Pi+Wi＝Wi+1+Rsi+ETi+Rssi+Rgi (1)
式中：Pi为i时段降雨(mm)；Wi和Wi+1分别为i时段初和时段末的土壤含水量(mm)；ETi为i时段总蒸散发(mm)；Rsi为i时段地表径流(mm)；Rss i为i时段壤中流(mm)；Rgi为i时段地下径流(mm)；
将PT-JPL模拟的蒸散发代入DTVGM水量平衡方程中可得：
Pi-Ec,i+Wi＝Wi+1+Rsi+Et,i+Es,i+Rssi+Rgi (2)
式中：Ec,i、Et,i和Es,i分别是PT-JPL模拟的冠层截留蒸发(mm)、冠层蒸腾(mm)和土壤蒸发(mm)，以此实现PT-JPL与DTVGM的耦合，改进DTVGM中蒸散发模块的物理机制描述。耦合后的模型通过流域气象、遥感等驱动数据的输入完成流域水循环模拟。
步骤四、对构建的耦合模型进行参数率定及模拟效果评估：基于洗牌复形演化算法(SCE-UA)对耦合模型进行参数率定。利用确定性系数、均方根误差、百分比偏差三个评价指标对耦合模型效果进行评估。
步骤五、定量评估气候变化和植被变化对流域径流过程的影响：基于构建的耦合模型，通过设置多情景模拟对比定量评估气候变化和植被变化对流域径流演变的影响。
进一步的，步骤一中所述水文数据为研究区实测径流和蒸散发数据，气象数据指研究区内气象站点的降水、气温、气压、日照时数和相对湿度数据。遥感数据包括研究区增强植被指数(EVI)、归一化植被指数(NDVI)、叶面积指数(LAI)、反照率(Albedo)和土地利用/覆盖类型数据。
进一步的，步骤二中利用反距离加权平均方法实现气象站点数据的空间插值处理，采用反距离加权平均方法内插出研究区空间分辨率为500m的气象数据。重采样采用的是双线性内插法，将收集到的遥感数据统一采样到500m分辨率，实现数据之间分辨率的统一以及数据的平滑过渡。
进一步的，步骤三中基于气温、气压、日照时数、相对湿度以及EVI、NDVI、LAI、Albedo和土地利用/覆盖类型数据构建研究区PT-JPL模型，模型中总蒸散发、冠层蒸腾、土壤蒸发、冠层截留蒸发，以及其中各个参数的详细计算公式如下：
ET＝Et+Es+Ec (3)
fwet＝RH4 (7)
fsm＝RHVPD/β (11)
Rnc＝Rn-Rns (13)
fAPAR＝m1EVI+b1 (14)
fIPAR＝m2ND VI+b2 (15)
式中：ET为总蒸散发(W·m-2)，定义为冠层蒸腾(Et，W·m-2)、土壤蒸发(Es，W·m-2)及冠层截留蒸发(Ec，W·m-2)三部分之和，这里W·m-2根据研究区每个时段的平均温度进行单位转换，例如在20℃下，1W·m-2＝0.408×10-6mm·s-1，W·m-2与mm·s-1单位转换参考文献：Aarti Soni,Tajdarul H.Syed.Analysis of variations and controls ofevapotranspiration over major Indian River Basins(1982–2014).Science of TheTotal Environment,2021,754,141892；fwet、fg、ft、fm和fsm分别为相对表面湿润度、绿冠率、温度约束、植物水分约束和土壤水分约束；α是PT系数；Δ为饱和水汽压曲线斜率(kPa·℃-1)；γ为干湿表常数(kPa·℃-1)；G为地表热通量(W·m-2)；Rnc和Rns分别为冠层截获的净辐射和土壤表面的净辐射(W·m-2)，Rn为净辐射量(W·m-2)，为消光系数，取值0.6；RH代表相对湿度(％)；VPD是饱和水蒸汽压差(kPa)；Tmax代表最大温度(℃)，Topt为植被最适生长温度(℃)；fAPAR和fIPAR分别是冠层吸收的光合有效辐射比例和冠层截获的光合有效辐射比例；/>为研究时段内冠层吸收的光合有效辐射最大比例，即fAPAR的最大值；m1和β分别为植被吸收的光合作用有效辐射比例的经验参数(范围0-1.4)和土壤水分限制因子对饱和水汽压差的敏感性(范围0-1)，具体的数值根据研究区不同的植被类型进行调整；m2为植被截获的光合有效辐射比例的经验参数(m2＝1)；LAI为叶面积指数；EVI为增强型植被指数，NDVI为归一化植被指数；b1＝1.2×(-0.04)，b2＝-0.05。
进一步的，步骤三3-1中将PT-JPL中的三个敏感参数m1、β和Topt在各个植被类型中进行调参，对三个参数设置步长和上下界，循环输入模型中，输出的蒸散发结果与各植被类型上的实测蒸散发数值进行对比，选取最佳模拟结果所对应的参数数值参与耦合模型的构建。
进一步的，步骤三3-2中耦合DTVGM与PT-JPL模型，将DTVGM模型中原有的蒸散发模块替换为PT-JPL模型。PT-JPL模型所得冠层截留蒸发、冠层蒸腾和土壤蒸发应用到DTVGM的产流计算中，并通过迭代计算获取土壤含水量。DTVGM产流模型在垂直方向上分为三层：地表以上，表层土壤和深层土壤。地表以上产生地表径流，表层土壤产生壤中流，深层土壤主要产生地下径流。具体产流部分的计算如下：
地表径流：基于PT-JPL模型计算得到冠层截留蒸发，进而可获得穿过冠层的降雨量。根据水文非线性时变增益理论，地表径流计算如下：
式中：Rs为地表径流(mm)；Pe为穿过冠层的降雨量(mm)；Wu为表层土壤含水量(mm)；WMu为表层土壤饱和含水量(mm)；g1与g2是时变增益因子的有关参数，其中g1为土壤饱和后径流系数，g2为土壤水影响系数；C为覆被影响参数。
壤中流：假设壤中流正比于土壤含水量，计算如下：
Rss＝krWu (17)
式中：Rss为壤中流(mm)；kr为土壤水出流系数。土壤水是运动的，土壤含水量是一个过程量，在实际计算时采取的是时段起止时间土壤含水量的平均值。
式中：Wu,i和Wu,i+1分别为i时段初和时段末的表层土壤含水量(mm)。
地下径流：
Rg＝kgWg (19)
式中：Rg为地下径流(mm)；kg为地下水出流系数；Wg为深层土壤含水量(mm)。
DTVGM中采用的是水量平衡方程，通过迭代计算出各个水文要素，DTVGM水量平衡方程上述如式(1)。
将地表径流、壤中流、地下径流及PT-JPL模型模拟的蒸散发代入DTVGM水量平衡方程中可得：
式中：Pe,i为i时段穿过冠层的降雨量；Et,i和Es,i是PT-JPL模拟的冠层蒸腾和土壤蒸发，冠层截留蒸发Ec,i用于计算穿过冠层的降雨量Pe,i，以此将PT-JPL模型带入到DTVGM中。考虑到土壤表层到深层的水分传递较慢，将两层分开计算，即先计算表层土壤含水量，再计算深层，则表层土壤含水量计算方式如下：
令：
则牛顿迭代公式为：
式中：和/>分别为第j次和j+1次迭代表层土壤含水量。
在给定初始表层土壤含水量后即可迭代出每个时段的表层土壤含水量，则可计算出地表径流和壤中流。计算完表层土壤含水量后，给定表层到深层的下渗率f，可得深层土壤含水量：
Wg,i+1＝Wg,i+f·Δt (23)
式中：f为土壤下渗率(mm/h)，Δt为计算时段长(小时)。
总的径流量R为地表径流、壤中流以及地下径流之和。
R＝Rs+Rss+Rg (24)
进一步的，步骤三中所述的DTVGM汇流模块采用Lohmann汇流方法。该汇流方法将汇流分为两部分，首先是坡面汇流，即水流流出网格出口至某个河道中，采用单位线汇流进行计算。然后是河道汇流，即水流最终流向流域出口点，采用线性圣维南方程进行计算。针对研究流域每个独立的网格单元，Lohmann汇流方法采用D8算法判断水流流向。
进一步的，步骤四中基于洗牌复形演化算法(SCE-UA)对耦合模型进行参数率定，目标函数表示为径流的纳什效率系数(NSE)。NSE是衡量观测序列与模拟序列之间匹配程度的一个指标，范围从-∞到1，最优值为1。模型结果的精度验证选用确定性系数(R2)、均方根误差(RMSE)、百分比偏差(PBIAS)三个评价指标：
其中，N是样本的数量；xi和yi是径流或蒸散发的观察值和模拟值；和/>分别表示径流或蒸散发观察值和模拟值的平均值。
进一步的，步骤五中基于耦合模型设置两种模拟情景来定量评估气候变化和植被变化对流域径流过程的影响。首先采用Mann-Kendall非参数分析法分析研究区径流随时间的变化情况。假设径流随时间变化产生n个样本数值(Q1,Q2,...,Qn)，按照径流变化的时间序列构建一个秩序列ut：
式中：Qi和Qj分别是在时间i和j观察到的径流值。统计量UFt定义如下：
统计量UBt的计算公式与统计量UFt相同，不同之处仅在于UFt是按照时间序列的正序去计算，而UBt则按照时间序列逆序去计算。如果UFt和UBt之间存在交叉点，并且交叉点位于两条临界线，则与交叉点相对应的时间为突变发生的时间。
根据径流变化的突变时间将研究时段分为基准期和变化期，设置两种模拟情景来驱动耦合模型。第一种情景(S1)是使用基准期的平均LAI数据驱动变化期的耦合模型。第二种情景(S2)是使用变化期的LAI数据驱动变化期的耦合模型。这两种情景在基准期和变化期均保持正常的气象数据输入，而两者之间的差异在于不同的LAI输入。气候和植被变化对径流的影响可根据以下公式进行最终计算：
ΔQ＝Qobs2-Qobs1 (33)
ΔQc＝QS1-Qobs1 (34)
ΔQve＝QS2-QS1 (35)
ΔQot＝Qobs2-QS2 (36)
式中：ΔQ为总径流变化量(mm)；Qobs2和Qobs1分别为变化期和基准期实测径流数值(mm)；ΔQc和ΔQve分别代表气候和植被变化对径流的影响(mm)；QS1为情景S1模拟的变化期径流数值(mm)；QS2为情景S2模拟的变化期径流数值(mm)。ΔQot为除气候和植被变化外其他因子造成的径流变化数值(mm)。
本发明的优点和有益效果是：
本发明在流域水文模拟过程中，通过耦合分布式时变增益模型和PT-JPL模型，将DTVGM模型中原有的蒸散发模块替换为PT-JPL模型，引入植被动态变化信息至水文模型中，充分利用遥感植被动态信息，增强分布式时变增益水文模型中蒸散发过程的物理机制描述，提高了土地利用类型和植被覆被变化剧烈流域水循环过程的模拟精度，对于区域水资源科学管理具有重要意义。
附图说明
下面结合附图和实施例对本发明作进一步说明。
图1为本发明实施的流程示意图；
图2为实施例1中PT-JPL模拟的各植被类型蒸散发验证结果；
图3为实施例1中PT-JPL模拟的流域蒸散发数值；
图4为实施例1中耦合模型径流率定及验证结果；
图5为实施例1中气候变化和植被变化对流域径流变化的贡献。
具体实施方式
实施例1
本发明提出了一种基于时变增益模型和PT-JPL耦合的流域水循环模拟方法，以分布式时变增益水文模型(DTVGM)为基础，耦合DTVGM与PT-JPL蒸散发模型，改进DTVGM蒸散发模块的物理机制描述，提高了模型在土地利用类型和植被覆被变化剧烈流域水循环过程的模拟精度，有助于分析不同时间尺度下流域水循环要素演变规律，定量评估气候变化和植被恢复对流域水文过程的影响，对区域水资源管理、生态建设和社会可持续发展具有重要意义。下面将以某一流域为案例区，对本发明的技术方案的具体应用作进一步说明，具体应用包括以下步骤：
步骤一、数据收集：
水文数据包括研究区实测径流和蒸散发数据；气象数据包括研究区内气象站点的降水、气温、气压、日照时数和相对湿度数据；所述遥感数据包括研究区增强植被指数、归一化植被指数、叶面积指数、反照率和土地利用/覆盖类型数据。
研究流域内水文站点的径流数据来源于《中华人民共和国水文年鉴》，实测蒸散发数据来自中国通量观测研究联盟(ChinaFlux，https://www.chinaflux.org/)；气象数据是基于中国气象站点数据集空间插值而来；遥感数据分别来自于中分辨率成像光谱仪(MODIS，https://modis.gsfc.nasa.gov/)。遥感数据的具体内容如表1所示。
表1遥感数据准备
步骤二、数据前处理：
利用反距离加权平均方法对中国气象站点数据实现空间插值处理，然后利用双线性内插法将遥感数据重采样至500m分辨率，实现数据之间分辨率的统一和数据的平滑过渡。
步骤三、耦合分布式时变增益水文模型(DTVGM)与PT-JPL模型：
3-1构建研究区PT-JPL模型；
基于气温、气压、日照时数、相对湿度、增强植被指数、归一化植被指数、叶面积指数、反照率和土地利用/覆盖类型数据构建研究区PT-JPL模型，(如式(3)～(15)所示)。将PT-JPL中的三个敏感参数m1、β和Topt在各个植被类型中进行调参，对三个参数设置步长和上下界，循环输入模型中，输出的蒸散发结果与各植被类型上的实测蒸散发数值进行对比，选取最佳模拟结果所对应的参数数值参与耦合模型的构建。
模型中各植被类型对应的m1和β最优数值如表2所示，Topt选取各植被类型生长季平均温度。PT-JPL模拟的各植被类型月蒸散发验证结果如图2所示，在验证过程中剔除了一些实测数据缺失的月份，整体的验证结果表明蒸散发模拟精度较高，研究区月平均蒸散发模拟结果如图3。
表2不同植被类型对应的m1和β数值
3-2耦合DTVGM与PT-JPL模型，将DTVGM模型中原有的蒸散发模块替换为PT-JPL模型；将PT-JPL计算的蒸散发组分与DTVGM中的产流过程相耦合，具体如式(1)、(2)所示。将PT-JPL模型所得冠层截留蒸发、冠层蒸腾和土壤蒸发应用到DTVGM的产流计算中，并通过迭代计算获取土壤含水量，产流的具体计算过程如式(16)～(24)。DTVGM汇流模块采用Lohmann汇流方法将耦合模型输出的网格产流演算至流域出口站点。该汇流方法将汇流分为两部分，首先是坡面汇流，即水流流出网格出口至某个河道中，采用单位线汇流进行计算。然后是河道汇流，即水流最终流向流域出口点，采用线性圣维南方程进行计算。针对研究流域每个独立的网格单元，Lohmann汇流方法采用D8算法(又叫做单流向算法)判断水流流向。
步骤四、对构建的耦合模型进行参数率定及模拟效果评估：基于SCE-UA方法对耦合模型进行参数率定；利用确定性系数、均方根误差、百分比偏差三个评价指标对耦合模型的模拟效果进行评估。
模型率定期为2006-2009年，验证期为2010-2012年。率定期中基于研究流域出口水文站点实测径流数据，采用SCE-UA算法进行耦合模型参数率定。计算公式如式(25)～(28)。当率定次数达到1425次时，NSE＝0.91达到最优，此时R2＝0.94，RMSE＝64.02m3/s，PBIAS＝-11％，模拟结果如图4所示。在验证期中，NSE达到0.89，同时R2＝0.91，RMSE＝83.1m3/s，PBIAS＝-13％。为了证明耦合模型模拟结果精度的提升，又对比了2006-2012年原始DTVGM与耦合模型模拟结果的精度如表3所示，结果表明耦合模型精度提升。
表3模型模拟结果精度对比
步骤五、定量评估气候变化和植被变化对流域径流过程的影响：利用耦合后的模型，通过设置多情景模拟对比分析，定量评估气候变化和植被变化对流域径流演变的影响。
采用Mann-Kendall(MK)非参数分析法分析研究区径流的变化情况，根据径流变化的突变点将研究时段分为基准期和变化期；设置两种模拟情景来驱动耦合模型；两种情景均在基准期和变化期保持正常的气象数据输入，而两者之间的差异在于不同的LAI输入；第一种模拟情景S1是使用基准期的平均LAI数据驱动变化期的耦合模型；第二种情景S2是使用变化期的LAI数据驱动变化期的耦合模型；基于耦合模型所得不同情景下的模拟结果计算气候变化和植被变化对研究区径流变化的影响：
通过MK突变检验方法发现研究区径流的突变年份在2009年左右，因此将2006-2009年定为基准期，2010-2012年作为变化期，突变时间的确定根据公式(29)～(32)进行。设置两种模拟情景驱动耦合模型开展气候变化和植被变化对流域径流变化的影响评估。气候和植被变化对径流的影响根据公式(33)～(36)进行最终计算。图5中展示了2010-2012年实测和S1、S2模拟情景下的径流量变化(左)以及气候变化、植被变化对径流变化的贡献(右)。总体来看，气候和植被变化是造成径流变化的主要原因，其中气候变化对径流的影响程度远远大于植被变化的影响，但植被变化也在一定程度上减少了该流域的径流量，植被变化对径流的影响不可忽视。
以上所述仅对本发明的实例实施而已，并不用于限制本发明，本发明中对数据的转换以及聚类算法的选取，可根据需求及具体研究区设定。凡是在本发明的权利要求限定范围内，所做的任何修改、等同替换、改进等，均应在本发明的保护范围之内。
Claims (8)
1.一种基于时变增益模型和PT-JPL耦合的流域水循环模拟方法，其特征在于，所述方法包括以下步骤：
步骤一、数据收集：收集研究区内水文、气象以及遥感数据；
步骤二、数据前处理：包括数据空间插值与重采样；
步骤三、耦合DTVGM与PT-JPL模型：
3-1构建研究区PT-JPL模型；
3-2耦合DTVGM与PT-JPL模型，将DTVGM模型中原有的蒸散发模块替换为PT-JPL模型；其中DTVGM水量平衡方程如下：
Pi+Wi＝Wi+1+Rsi+ETi+Rssi+Rgi (1)
式中：Pi为i时段降雨；Wi和Wi+1分别为i时段初和时段末的土壤含水量；ETi为i时段总蒸散发；Rsi为i时段地表径流；Rssi为i时段壤中流；Rgi为i时段地下径流；
将PT-JPL模型模拟蒸散发代入DTVGM水量平衡方程中得耦合后模型的水量平衡方程如下：
Pi-Ec,i+Wi＝Wi+1+Rsi+Et,i+Es,i+Rssi+Rgi (2)
式中：
Ec,i、Et,i和Es,i分别为PT-JPL模型模拟的冠层截留蒸发、冠层蒸腾和土壤蒸发；
耦合后的模型通过驱动数据的输入完成流域径流模拟；所述驱动数据包括流域气象及遥感数据；
步骤四、对构建的耦合模型进行参数率定及模拟效果评估：基于洗牌复形演化算法对耦合模型进行参数率定；利用确定性系数、均方根误差、百分比偏差三个评价指标对耦合模型的模拟效果进行评估；
步骤五、定量评估气候变化和植被变化对流域径流过程的影响：利用耦合后的模型，通过设置多情景模拟对比分析，定量评估气候变化和植被变化对流域径流演变的影响。
2.根据权利要求1所述的一种基于时变增益模型和PT-JPL耦合的流域水循环模拟方法，其特征在于：步骤一中所述水文数据包括研究区实测径流和蒸散发数据；所述气象数据包括研究区内气象站点的降水、气温、气压、日照时数和相对湿度数据；所述遥感数据包括研究区增强植被指数、归一化植被指数、叶面积指数、反照率和土地利用/覆盖类型数据。
3.根据权利要求1所述的一种基于时变增益模型和PT-JPL耦合的流域水循环模拟方法，其特征在于：步骤二中所述的数据空间插值法为反距离加权平均方法，采用反距离加权平均方法内插出研究区空间分辨率为500m的气象数据；重采样采用的是双线性内插法，将收集到的遥感数据统一重采样到500m分辨率。
4.根据权利要求1所述的一种基于时变增益模型和PT-JPL耦合的流域水循环模拟方法，其特征在于：步骤三3-1中基于气温、气压、日照时数、相对湿度、增强植被指数、归一化植被指数、叶面积指数、反照率和土地利用/覆盖类型数据构建研究区PT-JPL模型，PT-JPL模型中蒸散发各组分的冠层蒸腾、土壤蒸发和冠层截留蒸发及总蒸发的计算公式如下：
ET＝Et+Es+Ec (3)
fwet＝RH4 (7)
fsm＝RHVPD/β (11)
Rnc＝Rn-Rns (13)
fAPAR＝m1EVI+b1 (14)
fIPAR＝m2NDVI+b2 (15)
式中：ET为总蒸散发，Et为冠层蒸腾，Es为土壤蒸发，Ec为冠层截留蒸发；fwet、fg、ft、fm和fsm分别为相对表面湿润度、绿冠率、温度约束、植物水分约束和土壤水分约束；α为PT系数；Δ为饱和水汽压曲线斜率；γ为干湿表常数；G为地表热通量；Rnc和Rns分别为冠层截获的净辐射和土壤表面的净辐射；Rn为净辐射量；为消光系数；RH代表相对湿度；VPD是饱和水蒸汽压差；Tmax代表最大温度，Topt为植被最适生长温度；fAPAR和fIPAR分别是冠层吸收的光合有效辐射比例和冠层截获的光合有效辐射比例；/>为研究时段内冠层吸收的光合有效辐射最大比例；m1和β分别为植被吸收的光合作用有效辐射比例的经验参数和土壤水分限制因子对饱和水汽压差的敏感性；m2为植被截获的光合有效辐射比例的经验参数；LAI为叶面积指数，EVI为增强型植被指数，NDVI为归一化植被指数；b1＝1.2×(-0.04)，b2＝-0.05。
5.根据权利要求4所述的一种基于时变增益模型和PT-JPL耦合的流域水循环模拟方法，其特征在于：步骤三3-1中对PT-JPL模型中三个对植被变化敏感的参数：m1、β和Topt在各个植被类型中进行调参；设置步长和参数上下界，循环输入模型中，在各植被类型上将模型所得蒸散发结果与实测蒸散发数值进行对比，选取最佳模拟结果所对应的参数数值参与耦合模型的构建。
6.根据权利要求1所述的一种基于时变增益模型和PT-JPL耦合的流域水循环模拟方法，其特征在于：步骤三3-2中将PT-JPL模型所得冠层截留蒸发、冠层蒸腾和土壤蒸发应用到DTVGM的产流计算中，并通过迭代计算获取土壤含水量。
7.根据权利要求1所述的一种基于时变增益模型和PT-JPL耦合的流域水循环模拟方法，其特征在于：步骤三的3-2中DTVGM中的汇流采用Lohmann汇流方法。
8.根据权利要求1所述的一种基于时变增益模型和PT-JPL耦合的流域水循环模拟方法，其特征在于：步骤五为定量评估气候变化和植被变化对流域径流变化的影响，其具体步骤：采用Mann-Kendall非参数分析法分析研究区径流的变化情况，根据径流变化的突变点将研究时段分为基准期和变化期；设置两种模拟情景来驱动耦合模型；两种情景均在基准期和变化期保持正常的气象数据输入，而两者之间的差异在于不同的LAI输入；第一种模拟情景S1是使用基准期的平均LAI数据驱动变化期的耦合模型；第二种情景S2是使用变化期的LAI数据驱动变化期的耦合模型；基于耦合模型所得不同情景下的模拟结果计算气候变化和植被变化对研究区径流变化的影响：
ΔQ＝Qobs2-Qobs1 (33)
ΔQc＝QS1-Qobs1 (34)
ΔQve＝QS2-QS1 (35)
ΔQot＝Qobs2-QS2 (36)
式中：ΔQ为总径流变化量；Qobs2和Qobs1分别为变化期和基准期实测径流数值；ΔQc和ΔQve分别代表气候和植被变化对径流的影响；QS1为情景S1模拟的变化期径流数值；QS2为情景S2模拟的变化期径流数值；ΔQot为除气候和植被变化外其他因子造成的径流变化数值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310648822.XA CN116644597B (zh) | 2023-06-02 | 2023-06-02 | 基于时变增益模型和pt-jpl耦合的流域水循环模拟方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310648822.XA CN116644597B (zh) | 2023-06-02 | 2023-06-02 | 基于时变增益模型和pt-jpl耦合的流域水循环模拟方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116644597A true CN116644597A (zh) | 2023-08-25 |
| CN116644597B CN116644597B (zh) | 2024-01-26 |
Family
ID=87622755
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310648822.XA Active CN116644597B (zh) | 2023-06-02 | 2023-06-02 | 基于时变增益模型和pt-jpl耦合的流域水循环模拟方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116644597B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117454062A (zh) * | 2023-09-08 | 2024-01-26 | 中国水利水电科学研究院 | 一种植被恢复潜力的计算方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104765981A (zh) * | 2015-05-07 | 2015-07-08 | 中国科学院地理科学与资源研究所 | 一种基于分布式时变增益水文模型的蒸散发数据同化方法 |
| CN110059362A (zh) * | 2019-03-22 | 2019-07-26 | 兰州大学 | 考虑植被动态变化的区域尺度双源蒸散发模型的构建方法 |
| CN110197020A (zh) * | 2019-05-21 | 2019-09-03 | 河海大学 | 一种环境变化对水文干旱影响的分析方法 |
| CN114510824A (zh) * | 2022-01-11 | 2022-05-17 | 兰州大学 | 同步考虑植被冠层和根系动态变化的区域尺度蒸散发模型的构建方法 |
-
2023
- 2023-06-02 CN CN202310648822.XA patent/CN116644597B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104765981A (zh) * | 2015-05-07 | 2015-07-08 | 中国科学院地理科学与资源研究所 | 一种基于分布式时变增益水文模型的蒸散发数据同化方法 |
| CN110059362A (zh) * | 2019-03-22 | 2019-07-26 | 兰州大学 | 考虑植被动态变化的区域尺度双源蒸散发模型的构建方法 |
| CN110197020A (zh) * | 2019-05-21 | 2019-09-03 | 河海大学 | 一种环境变化对水文干旱影响的分析方法 |
| CN114510824A (zh) * | 2022-01-11 | 2022-05-17 | 兰州大学 | 同步考虑植被冠层和根系动态变化的区域尺度蒸散发模型的构建方法 |
Non-Patent Citations (4)
| Title |
|---|
| 占车生;董晴晴;叶文;王会肖;王飞宇;: "基于水文模型的蒸散发数据同化研究进展", 地理学报, no. 05 * |
| 夏军等: "黄河无定河流域分布式时变增益水文模型的应用研究", 《应用基础与工程科学学报》, vol. 15, no. 4, pages 457 - 465 * |
| 曾思栋: "变化环境下流域水系统模拟及应用研究", 《中国博士学位论文全文数据库 基础科学辑》, no. 6, pages 012 - 1 * |
| 邵蕊: "黄土高原大规模植被恢复的区域蒸散耗水规律及其生态水文效应", 《中国优秀硕士学位论文全文数据集 基础科学辑》, no. 1, pages 006 - 1514 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117454062A (zh) * | 2023-09-08 | 2024-01-26 | 中国水利水电科学研究院 | 一种植被恢复潜力的计算方法 |
| CN117454062B (zh) * | 2023-09-08 | 2024-04-02 | 中国水利水电科学研究院 | 一种植被恢复潜力的计算方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116644597B (zh) | 2024-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lian et al. | Partitioning global land evapotranspiration using CMIP5 models constrained by observations | |
| Zhang et al. | Multi-decadal trends in global terrestrial evapotranspiration and its components | |
| Cui et al. | Estimation of actual evapotranspiration and its components in an irrigated area by integrating the Shuttleworth-Wallace and surface temperature-vegetation index schemes using the particle swarm optimization algorithm | |
| CN111027175B (zh) | 基于耦合模型集成模拟的洪水对社会经济影响的评估方法 | |
| Bai et al. | Incorporating vegetation dynamics noticeably improved performance of hydrological model under vegetation greening | |
| Wang et al. | Partitioning evapotranspiration in a temperate grassland ecosystem: Numerical modeling with isotopic tracers | |
| Hakala et al. | Hydrological modeling to evaluate climate model simulations and their bias correction | |
| CN105912836A (zh) | 一种纯遥感数据驱动的流域水循环模拟方法 | |
| Elhaddad et al. | Using a surface energy balance model to calculate spatially distributed actual evapotranspiration | |
| CN116644597B (zh) | 基于时变增益模型和pt-jpl耦合的流域水循环模拟方法 | |
| Hess et al. | Predictive evapotranspiration equations in rain gardens | |
| Kamali et al. | Spatial–temporal analysis of net primary production (NPP) and its relationship with climatic factors in Iran | |
| Sulamo et al. | Evaluation of the impacts of land use/cover changes on water balance of Bilate watershed, Rift valley basin, Ethiopia | |
| CN112651108B (zh) | 一种解耦气象要素和植被动态对水文要素影响的方法 | |
| Zhuo et al. | Integrating remotely sensed water stress factor with a crop growth model for winter wheat yield estimation in the North China Plain during 2008–2018 | |
| Zhang et al. | Diurnal relationship between the surface albedo and surface temperature in revegetated desert ecosystems, Northwestern China | |
| Hong et al. | Comparative assessment of net CO 2 exchange across an urbanization gradient in Korea based on eddy covariance measurements | |
| Raoult et al. | Evaluating and optimizing surface soil moisture drydowns in the ORCHIDEE land surface model at in situ locations | |
| CN112052559A (zh) | 一种基于月水量平衡的三参数水文模型及其构建方法 | |
| Fan et al. | An improved phenology model for monitoring green-up date variation in Leymus chinensis steppe in Inner Mongolia during 1962–2017 | |
| Seo et al. | Role of remotely sensed leaf area index assimilation in eco-hydrologic processes in different ecosystems over East Asia with Community Land Model version 4.5–Biogeochemistry | |
| Zhang et al. | Synergistic effects of changes in climate and vegetation on basin runoff | |
| Chang et al. | Methodological comparison of alpine meadow evapotranspiration on the Tibetan Plateau, China | |
| Chen et al. | Development of a three-source remote sensing model for estimation of urban evapotranspiration | |
| Yalcin | Estimation of irrigation return flow on monthly time resolution using SWAT model under limited data availability |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |