现代水文预报 结课论文技术总结.docxVIP

基于不同水文模型对流域径流模拟和土壤含水量模拟应用研究摘要：为研究分布式水文模型在不同气候条件下的适应性，本文选择黑河上游山区流域（寒冷、干早）和汉江褒河流域(湿润、多雨)两个不同气候类型的河流流域为研究区域，基于空间分辨率为90m的DEM数据构建数字流域，采用新安江模型、TOPMODEL模型及改进型TOPMODEL模型三种水文模型对研究区域进行径流过程模拟和土壤含水量模拟，以期寻找出对研究区适应性较好的模型，从而提高模拟效果和预报精度，扩大水文模型的应用范围，为流域水资源评价及管理提供一定的参考依据。关键词：分布式水文模型；径流模拟；土壤含水量模拟中图分类号：文献标识码：1 引言水文预报是水文科学的重要组成部分。水文预报就是根据己知的信息（测验或分析的信息）对未来一定时期内水文要素的状态做出定量或定性的预测。在实际工作中，特别是防洪减灾中，洪水预报是调度决策的重要依据，关系人民生命财产的安全和经济社会的稳定发展，而发布的洪水预报将在很短的时间内得到检验和验证。因此，水文预报是一项理论性强、应用要求高的工作[]。水文预报是对水文现象的未来状态作出事先的估计水文预报从经验公式、集总模型走到分布式模型，已取得丰硕成果准确及时的水文预报在防洪抢险、保证工农业安全生产，充分利用水资源以及发挥水利措施的作用力而都有很大的作用因此，开展这力而的研究具有重要的理论价值和现实意义[]。王文等[]将现有水文预报方法分为过程驱动模型方法和数据驱动模型方法两大类，过程驱动模型指以水文学概念为基础，对径流的产流过程与河道演进过程进行模拟，从而进行流量过程预报的模型。过程驱动模型近年在中长期预报方面的发展主要表现在对概念性流域降雨径流模型的结构进行改进，以适应较大时间尺度预报的需要.数据驱动模型则是基本不考虑水文过程的物理机制，而以建立输入输出数据之间的最优数学关系为目标的黑箱子方法.数据驱动模型以回归模型最为常用，近年来由于神经网络模型、非线性时间序列分析模型、模糊数学方法和灰色系统模型等的引进，以及水文数据获取能力和计算能力的发展，数据驱动模型在水文预报中受到了广泛的关注。一个区域的水循环过程是一个自然过程，它受气候系统和地表系统的控制，其中气候系统控制降水的水分分布、范围、总量等，地表系统控制水的循环方式、贮存环境、地表径流量、地下径流量、河道汇流等水系特征。但是，由于气候系统和地表系统的不均匀性，导致水循环的时空分布的不均匀性和周期性的变化，使得在一定的条件下给人类社会带来的缺水、洪水、污水等一系列的社会问题。水循环系统纵贯水旱灾害的预报与防治、水资源评价及管理、人类活动的水循环响应等领域，所以水循环过程和机理的研究已经成为水科学基础研究的首要问题，涵养水源、削减洪峰等问题日益也成为可持续发展的基本问题。我国的人口众多，人类活动对水循环系统的干扰大，所以在我国一些流域进行水循环过程研究也已成为迫在眉睫的任务。国内外研究表明，分布式水文模型是模拟水循环、获取流域径流和流域水储量变化的有力工具。计算机技术、地理信息及遥感技术的飞速发展及水文建模理论的深入推动分布式水文模型成为目前水文模拟的主流，它能够充分考虑气候和下垫面因子空间分布不均匀的事实，真实的模拟现实世界流域降雨径流形成的影响，客观的反映气候和下垫面因子的空间分布对流域径流和水储量变化的影响。在水资源日益重要的形式下，用分布式水文模型模拟流域内水储量的变化，可以为解决区域森林水文生态效益评价、区域生态环境规划、流域管理和科学分配水资源提供重要依据，对于流域水资源评价及管理，有着重要的应用价值[4]。本文选择了黑河上游山区流域为研究区域，利用新安江模型和TOPMODEL模型两种水文模型，进行流域水文过程模拟，以期寻找出对研究区适应性较好的模型，从而提高模拟效果和预报精度，扩大水文模型的应用范围，为流域水资源评价及管理提供一定的参考依据。2 概述与方法2.1研究区概况水黑河流域是我国西北半干旱地区第二大内陆河流域，位于甘肃省西北部，流域面积约12.87万km2，是河西走廊三大内陆河之一。按自然地理特点，可分为三个区：祁连山东区与祁连山前山区、河西走廊区及阿拉善高平原区。其地表水资源主要源于其干流莺落峡以上的祁连山山区流域，莺落峡水文站为出山径流观测站。黑河上游山区流域莺面积10009 km2，域海拔范围1674~5120m，平均海拔为3737m。黑河莺落峡以上流域的冰川覆盖度为0.59%，年径流量16.05×108m3时，冰川面积59 km2，冰川融水补给率为3.4%。黑河流域山区年降水量为400mm左右，年蒸发量为1600mm左右。流域内土壤以棕钙土、灰漠土、棕漠土、亚高山草甸土和亚高山草原土为主。区内植被带主要由草甸、灌丛和森林等组成，垂直带谱极其分明。森林主要分布于中山地带，灌木和草甸分