基于TOPKAPI模型的黑河上游径流模拟研究

刘玉环，刘志雨，李致家，黄鹏年

(1.河海大学水文水资源学院，江苏南京210098；2.水利部水文局，北京100053)

基于TOPKAPI模型的黑河上游径流模拟研究

刘玉环1，刘志雨2，李致家1，黄鹏年1

(1.河海大学水文水资源学院，江苏南京210098；2.水利部水文局，北京100053)

为了进一步完善黑河上游区域近几年的水文循环研究，采用基于物理基础的分布式水文模型TOPKAPI模型，对1998年～2007年的日径流、月径流过程分别进行模拟研究；并使用径流深误差Re、Nash-Sutcliffe效率系数及决定系数R2三种评价指标对结果进行分析。黑河上游流域的日径流过程模拟径流深误差合格率在率定期和验证期合格率均为100%；Nash-Sutcliffe效率系数分别为0.82、0.77；相关系数R2分别为0.84、0.81。月径流过程率定期和验证期的径流深误差Re均为-0.36%，模拟径流量相对偏小；效率系数E也均为0.81，相关系数R2分别为0.85、0.89。结果表明，TOPKAPI模型可以较好地模拟黑河上游流域的日径流及月径流过程，有良好的适用性。

径流模拟；TOPKAPI模型；黑河上游

0 引 言

西北地区地貌复杂，地形起伏大，植被覆盖率低，在全球变暖的情况下，降雨增多、冰川消融，使得河川径流量增加，多易发生陡涨陡落的洪水，进而造成山体滑坡等灾害发生[1]。黑河流域位于河西走廊中部，横跨三种不同的自然环境单元。其上、中、下游的水文循环是完全不同的[2]，上游段是主要的产水区域；因此，开展黑河上游山区降水径流过程的模拟研究也一直是黑河流域水资源研究的重点。目前，国内已有很多学者采用多种水文模型如：SWAT模型[1，3]、VIC模型[4，2]、HIMS模型[5]、SRM融雪径流模型[6]、IHACRES模型[7]等对黑河上游段的径流过程进行模拟研究。另外，李菲菲、吴志勇、郝振纯等人[2，4，8]先后从不同角度对黑河流域径流变化及其对气候变化的响应进行了研究。本次研究采用的是基于物理基础分布式水文模型TOPKAPI模型，它能够充分考虑流域气候、下垫面等因子空间分布不均匀的事实，客观地反映气候和下垫面因子的空间分布对流域径流变化的影响，并在国外已得到了广泛的应用：S.Sinclair等人[9]利用TOPKAPI模型计算整个南非的土壤含水量变化过程以及对模型增加下渗模块的改进；L.Ciarapica[10]利用TOPKAPI模型分析了不同流域尺度下降雨径流的代表性。虽然模型结构相对复杂，但是操作简单、计算高效、人机相互性强，并且在应用于不同尺度流域时，能够很好地兼顾物理意义的重要性和参数的相对简单性。本文对黑河上游1998年～2007年日径流、月径流过程进行模拟研究，其中1998年～2004年为模拟的率定期，2005年～2007年为验证期，探讨TOPKAPI模型在黑河上游流域的适用性。

1 流域概况

黑河流域位于东经96°42′～102°04′，北纬37°50′～42°40′之间，是西北地区第二大内陆河流域。黑河发源于南部祁连山区，流程90 km至莺落峡(38°48′N，100°11′E)进入走廊平原，即为黑河(干流)的上游，面积约1.0×104km2。上游山区水分和气候条件相对较好，降水量由东向西递减，区域内冰川覆盖率为0.6%，冰川融水补给占出山径流的3.6%，属于典型的雨水—冰雪融水类河段。年平均气温1.5～2.0℃，年降水量250～500 mm，最高达700 mm，相对湿度约60%，蒸发量700～1 300 mm。植被属山地森林草原，生长高山灌丛和乔木林，土壤多为草原土壤系列。

2 模型构建

2.1 TOPKAPI模型

TOPKAPI[10-11](TOPographic Kinematic Approximation and Integration)模型主要包括蒸散发、融积雪、壤中流、地表径流及河道径流[12-15]5个计算模块。模型的基础源于运动学方法和流域地形学相结合的理念，假设土壤内及地表网格内侧向的水流运动可以采用运动波模拟，区域降雨—径流过程中的水文过程通过三个“结构上相似的”、零维、非线性水库方程[12]来描述上层土壤的排水、饱和坡面或不透水土壤层面的陆面径流以及河道汇流过程；蒸散发采用Thornthwaite公式[12](忽略气压和风速的简化计算方法)进行计算；融积雪模块可借用ARNO模型，通过基于实测温度的辐射量估算方法进行计算。模型的参数如坡度、土壤渗透率、拓扑结构和糙率等从DEM图、土壤类型图、土地利用图中获得，非线性水库方程的积分可在DEM的每个栅格中实现。

2.2 数据源及其预处理

图1 黑河上游流域土壤类型、土地利用分布

模型所需要的数据主要包括水文气象、DEM、土壤类型、土地利用等4类。其中，DEM数据由“地理空间数据云”提供。通过模型预处理模块计算得到研究区域边界以及相应水系、坡度等基本信息，其中提取水系时，采用“河道烧录”技术[13]，对流域的DEM进行局部修正，使数字水系经过的栅格普遍下沉，以便更好地模拟河流的主要河道，提高DEM的可用性和模型输入的精度。土壤类型图可从联合国粮农组织(FAO)得到(见图1)，模型所需的饱和含水率、残余含水率、土壤厚度、土壤渗透率等土壤参数均包含在地图的网格信息内，参与模型的产流计算。土地利用图来源于美国联邦地质调查局(USGS)的全球土地利用数据库(见图1)，并提供计算需要曼宁系数、河道阻力以及植物生长因子等参数值。根据研究流域测站分布情况，选用莺落峡水文站和野牛沟、祁连等6个气象站，分别提供逐日气温资料、降雨资料以及流量资料。以上地图在本次研究均在模型TPKPreprocessor插件中进行前期处理，采用1km×1km分辨率，其中网格日气温采用克里金方法进行插值计算。

2.3 参数敏感性分析与率定

从理论上讲，模型参数是不需要率定的，可以通过测量直接得到；但是，由于实际得到的数据值是在点尺度测量的，面尺度代表性不够，时空变化幅度很大，所以参数仍需率定[13]。

模型待率定的参数[11]主要有：饱和体积含水量θs、残余体积含水量θr、田间持水量θf、土壤透水指数αs、土壤渗漏指数αp、土壤饱和水力传导度(ksh，ksv)、土壤厚度L、曼宁系数no、河道阻力系数nc，植物生长因子kcrop。这些参数分别与相应的土壤类型或土地利用图相关联，每一种土壤或土地利用的分类都有一套完整的参数列表，参与径流模拟参数率定，并通过ArcGIS预处理进行分类(见图1)。表1为各成分对应的百分比，可看出：研究区域土壤大多是“I系列”(石质土为主)，牧草及高山草占了约90%，因此，它们是此次参数率定的主要对象。

表1 土壤类型和土地利用分类及比例

采用人工试错法进行参数率定，并仅对较为敏感的几个参数(θs、θr、ksh、L、no、kcrop)进行率定。为减少“异参同效”带来的误差，只是在物理意义范围内进行微调。试错法分析表明，土壤厚度L和土壤饱和水平传导度ksh这两个参数对产流影响较大，参数值与土壤蓄水量呈正相关，而与径流量和洪峰呈负相关；曼宁系数和河道阻力对汇流影响较大，参数值越小，汇流速度越快，洪峰提前；而植物生长因子是影响蒸发的主要因子，两者呈正相关关系。

3 模型模拟及结果分析

选取3个指标用于评价模型适用性，分别是相对误差Re、Nash-Sutcliffe系数E和相关系数R2评价模型的适用性[16]。表2为模型进行参数调整后得到的日径流、月径流模拟结果的三项评价指标值。横向看来：日尺度径流模拟率定期比验证期三项评价指标值较好，月尺度径流的结果相差不大。纵向来看：两种尺度的径流深误差Re均控制在10%以内，但整体上模拟径流量与实测径流相比普遍偏小；效率系数E均大于0.7，符合预报项目精度中乙级精度评价标准[17]；相关系数R2也都大于0.8，说明模拟值与实测值的线性拟合程度高，模拟效果较好。总的来说，月径流比日径流的评价结果较好。因此，TOPKAPI模型在黑河上游模拟整体适用性良好。

表2 日径流、月径流率定期和验证期模拟评价结果

3.1 日模拟结果分析

图2给出了模型对日径流过程模拟结果与实测结果的对比。结果显示，模型在春季4月、5月份模拟效果较差，洪峰值偏低，径流量偏小，这是春季融雪的缘故。由于黑河上游区域属于半干旱流域，夏季洪峰陡涨陡落，不管是率定期还是验证期，7月份的洪峰模拟值一直偏小，径流量却偏大；这有可能是模型计算时对洪水的坦化作用导致的。在洪水消退期间(9月～12月)，模拟值普遍高于实测值。从整体上看，模型模拟出的流量过程线与实测流量过程线拟合较好。

图2 日径流量率定期和验证期模拟值与实测值对比

分析表3可以看出：黑河上游平均年降水量在300～600 mm之间，年径流深大多小于200 mm，是典型的半干旱流域。无论在率定期还是验证期径流深误差都小于±20%，合格率达100%。图3直观地反映出，径流深模拟值和实测值相关性很好，所有的点基本上都在主轴附近，拟合趋势较好(见图4)；效率系数在率定期有4年大于0.8，验证期都是大于0.7，符合乙级预报精度。而2004年模拟效果是最差的，尽管径流深误差只有1.85%，但是整体拟合效果不好。这主要是该年夏季7月、8月降雨比其他年份约小了30%，使得计算出的洪峰值普遍低于实测值；而春秋两季洪峰整体又偏高，导致径流误差小，模拟效果差。

表3 日径流率定期和验证期模拟结果

图3 年径流量模拟值与实测值

图4 年径流模拟值与实测值散点

3.2 月模拟结果分析

黑河上游流域的月径流过程线(见图5)反映了半干旱地区径流过程的特点：月径流多呈单峰型，峰值一般出现在6月～9月，汛期(6月～9月)流量远远大于非汛期(11月～次年5月)的流量。在发生较大洪峰年份(如1999年)和复式洪峰年份(如2000年、2001年)的模拟效果不甚理想。特别是春季4月、5月份融雪量增加，模拟效果较差，径流量普遍偏低。正如表2所示，率定期和验证期的径流深误差Re均为-0.36%，模拟径流相对偏小；效率系数E也都是0.81，相关系数R2分别为0.85、0.89。月径流模拟值和实测径流值趋势较一致，说明模型模拟结果较好，能够满足水资源管理和气候变化下水文响应研究的应用之需。

图5 月径流量率定期和验证期模拟值与实测值

黑河径流年内丰枯规律明显，冬季径流极小，春季过后开始迅速增长，到夏季达到最大。冬季当地气温极低，导致冰雪融化停顿，径流极少，随着春季温度上升和后期积温的上升，冰雪融化加快，径流迅速增大，这说明气温是影响当地径流变化的重要因素，同时也反映出冰雪融水在当地径流组成中占有重要地位。

3.3 讨 论

(1)由于研究区域内部气象站点很少，采用附近气象站点的数据插值到研究区域进行校正，加上降水插值时未考虑流域地形起伏的影响，使得资料本身存在着很大的误差，尽管启用了融雪模块，对于春季融雪径流模拟效果还是不理想。

(2)黑河上游区域的土壤类型主要石质土偏腐殖质，石质土是与母岩风化物性质近似的土壤，剖面由腐殖质层和基岩层组成，质地偏砂，含砾石多，土壤通透性强。因此，土壤的导水能力很强，极易发生陡涨陡落的洪水，使得日径流和月径流模拟都有挑战性。

(3)在人类活动的影响下，黑河上游流域的下垫面条件(主要是上游水库的调蓄)以及气候条件发生了变化，破坏了资料的一致性和代表性，导致模型在模拟时无法显示较为真实的水文过程。

4 结 语

本文采用基于物理基础的TOPKAPI模型对黑河上游近十年的日径流、月径流进行模拟，模型在日径流模拟整体达到了乙级精度标准；在月径流中模拟效果整体比日径流较好。因此，TOPKAPI模型可以较好的模拟黑河上游流域的降雨径流过程。在相同尺度下，基于物理基础的TOPKAPI模型模拟的效果要更好一些。在未来水文站点分布健全、资料精准的情况下，具有物理机制的分布式水文模型可能会有突出更优势地位。

[1]何旭强. 基于SWAT模型的黑河上游径流模拟及其对气候变化的响应[D]. 西安：西北师范大学，2013.

[2]李菲菲. 黑河上游地区气候变化及水文水资源系统的响应研究[D]. 南京：河海大学，2007.

[3]余文君. SWAT模型在黑河山区流域的改进与应用[D]. 南京：南京师范大学，2012.

[4]吴志勇，郭红丽，金君良，等. 气候变化情景下黑河流域极端水文事件的响应[J]. 水电能源科学，2010(2)：7-9，46.

[5]吴梦莹，王中根，党素珍. 基于HIMS的黑河上游山区径流模拟与分析[J]. 资源科学，2012(10)：1913-1921.

[6]李弘毅，王建. SRM融雪径流模型在黑河流域上游的模拟研究[J]. 冰川冻土，2008(5)：769-775.

[7]吴维臻，李金麟，田杰，等. 黑河流域出山径流模拟[J]. 干旱区资源与环境，2013(8)：143-147.

[8]郝振纯，袁伟，陈新美，等. 黑河上游水文气象要素变化规律分析[J]. 水电能源科学，2013(7)：5-8，107.

[9]SINCLAIR S，PEGRAM G G S. A comparison of ASCAT and modelled soil moisture over South Africa，using TOPKAPI in land surface mode[J]. Hydrology and Earth System Sciences，2009，14(4)：613-626.

[10]CIARAPICA L，TODINI E. TOPKAPI：a model for the representation of the rainfall-runoff process at different scales[J]. Hydrological Processes，2002，16(2)：207-229.

[11]MAZZETTI C. TOPKAPI模型与应用指南[M]. 刘志雨，翁明华，赵春兰，译. 南京：河海大学出版社，2014：14-61.

[12]刘志雨. ArcTOP：TOPKAPI与GIS紧密连接的分布式水文模型系统[J]. 水文，2005(4)：18-22.

[13]赵君，张晓民. 改进的TOPKAPI模型及其在洪水预报中的应用[J]. 河海大学学报：自然科学版，2011(2)：131-136.

[14]DENG Peng，LI Zhijia，LIU Zhiyu. Numerical algorithm of distributed TOPKAPI model and its application[J]. Water Science and Engineering，2008(14)：14-21.

[15]LIU Zhiyu，MARTINA M L V，TODINI E. Flood forecasting using a fully distributed model：application of the TOPKAPI model to the Upper Xixian Catchment[J]. Hydrology and Earth System Sciences，2005，9(4)：347-364.

[16]李占玲，徐宗学. 黑河上游山区径流变化特征分析[J]. 干旱区资源与环境，2012(9)：51-56.

[17]包为民. 水文预报[M]. 北京：中国水利水电出版社，2011：328-329.

(责任编辑 陈 萍)

Runoff Simulation for the Upper Reaches of Heihe River Basin Based on TOPKAPI Model

LIU Yuhuan1, LIU Zhiyu2, LI Zhijia1, HUANG Pengnian1

(1. College of Hydrology and Water Resources, Hohai University, Nanjing 210098, Jiangsu, China;2. Bureau of Hydrology, Ministry of Water Resources, Beijing 100053, China)

In order to make the recent hydrological cycle study of the upper reaches of Heihe River Basin more perfect, a physical distributed hydrological model TOPKAPI is chosen to simulate the daily runoff and monthly runoff from 1998 to 2007. The simulation results are estimated by relative error of runoffRe, Nash-Sutcliffe coefficientEand relative coefficientR2. The results show that：(a) theRequalified rate of daily runoff is 100% in calibration and validation periods, theEof two periods are 0.82 and 0.77 respectively, and theR2are 0.84 and 0.81 respectively; (b) theReof monthly runoff in calibration and validation periods are all -0.36%, theEare all 0.81, and theR2are 0.85 and 0.89 respectively. It shows that the TOPKAPI Model can be successfully used to simulate the runoff of Heihe River Basin and the model performs excellent in the daily runoff and monthly runoff with good applicability.

runoff simulation; TOPKAPI Model; Upper Reaches of Heihe River Basin

2016-03-01

国家自然科学基金(9112506)；水利部公益项目(201501022)

刘玉环(1993—)，女，河南南阳人，硕士研究生，主要从事水文预报与流域水文模型研究.

TV122

A

0559-9342(2016)12-0020-04