有限数据条件下基于MIKE BASIN的人工开挖河段独流减河水文模拟

王 旭，袁亚男，朱金凤，王盛萍

(华北电力大学环境科学与工程学院，北京 102206)

0 引 言

水资源问题是当今我国的社会战略性问题之一，合理配置水资源是促进水资源可持续发展的重要问题，其中，模拟模型是进行水资源合理配置的有效手段，MIKE BASIN作为水资源优化配置的重要工具日益引起学者关注。

较多学者基于MIKE BASIN成功模拟了水文过程，并进行了有效的水资源配置。Ireson A.等(2006)将MIKE BASIN模型与ASM地下水模型进行耦合，解决了Vrbas流域在数据匮乏下的建模困难问题，并为水文模拟和水资源配置提供战略决策[1]。Kaiglová 与 Langhammer 等(2014)利用MIKE BASIN模型软件建模来对复杂条件状况下的水质污染情况进行评估，尽管研究区数据资源有限，但模型仍进行了有效率定[2]。杨芬等(2013)以缺水型大城市----北京为研究对象，以ArcGIS为平台，基于MIKE BASIN模型针对永定河、蓟运河等6个地表水源及地下水源开展了一系列水文模拟及水资源配置研究，经分析比较，发现MIKE BASIN模型可以更好地应用于缺水型大城市的水资源配置问题，并能够进行不同水源条件的方案计算，为水资源的配置、规划工作提供了科学依据[3]。

上述众多研究凸显了MIKE BASIN在水文水资源研究中的广泛适用性。但是，需要强调的是，以往关于MIKE BASIN的研究多针对自然流域进行探讨。区别于自然流域，较多人工开挖河流，特别是对于滨海平原区的河渠周围地形梯度变化较不显著，现有的较多数字高程模型精度很难再现人工开挖河段周边的地形特征，进而很难提取其汇流区域和径流路径。

MIKE BASIN建模时提供有2种不同的流域表征方法，除了基于DEM自动提取流域汇流区以外，还提供有示意性集水区以简化表征汇流区域。对于滨海平原区人工开挖河段，在数据条件有限的情况下，是否可基于示意性集水区应用MIKE BASIN进行水文过程模拟仍然不得而知。

本文的研究对象为海河流域大清河系的一条支流----独流减河。独流减河为人工开挖河流，其周边区域地势较平坦，在DEM数字高程模型中地形梯度变化不显著，很难利用现有数字高程模型提取河段的汇水区域。研究通过搭建示意性集水区，基于MIKE BASIN，并耦合NAM模型构建独流减河水文模拟模型。其中，示意性集水区是指模型根据河流走向自动生成的子流域，其大小和形状不能完全代表真实情况，但却可以通过设置相关参数使其可以代表真实流域情况进行模拟计算。本研究的目的主要在于基于MIKE BASIN示意性集水区的应用，探讨该模型对于人工开挖河段水文过程模拟的适用性。

1 研究方法

1.1 研究区域概况

独流减河是海河流域的一条人工河道，主要行径于天津市境内，是海河南系最大的河流。受东亚季风支配[4]，研究区年平均气温约为14 ℃，年平均降水量为360～970 mm，主要集中在6-9月。区域内多年平均水面蒸发量大约为1 848.6 mm；多年平均风速为2.7 m/s，最大风速为22.0 m/s。河道从西青区的进洪闸开始，至独流减河防潮闸入海，全长68.8 km，流域面积511 km2，设计流量3 200 m3/s。根据独流减河进洪闸水文资料中的实测流量数据统计，多年平均径流量为6.95 亿m3，主要集中在8-10月份，其中，年径流量最大值出现在1956年，达到78.27 亿m3。独流减河20世纪五六十年代的洪峰流量较大，每年最大洪峰流量的发生时间主要集中在8、9月份。其中超过500 m3/s的洪水共有9次，最大的一次发生在1954年的8月，该月的洪峰流量达到1 370 m3/s。其他年份尤其是1980年以后，进洪闸站的来水流量逐渐减少，常年处于断流状态。

独流减河河道宽阔顺直，由西向东与海河干流平行走向，地形平坦开阔，所经区域为典型的低平原。独流减河的建成，为大清河中上游地区抗灾减灾、促进工农业发展起到了积极作用，为保证天津城市防洪安全作出了贡献，同时也在天津市的城市生活和经济发展过程中发挥了不可替代的作用[5,6]。图1为独流减河河流水系。

图1 独流减河河流水系Fig.1 Water system diagram of Duliujian River

1.2 MIKE BASIN/NAM模型结构与原理

MIKE BASIN软件是由丹麦水利研究所(DHI)研发，以ArcGIS为平台，适用于流域或区域尺度的水资源综合规划和管理工具，可以解决地表水产汇流计算及水质模拟等问题[7,8]，是一个多功能且高度灵活的模型框架，可应用于流域内水资源分配、管理和规划等。MIKE BASIN模型通常利用特定流域内的河流网络和子流域作为基本模型数据。除此之外，还可以根据应用程序的类型应用许多功能,包括:河流布线、用水户(常规和灌溉用户)、水电站和水库、水文(降雨径流模拟)、地下水、水库沉积和使用ECOlab的水质选项[9]。

MIKE BASIN模型构建中起支撑作用的是河流河网，主要由GIS图形生成，MIKE BASIN 可通过导入河网形状或由数字高程模型进行跟踪得到河网模型及其子流域的划分。模型主要由河网、集水区域(子流域)、供水户、用水户、水库及电站等要素组成，各个要素以类似于搭积木的方式组合起来，通过 MIKE BASIN 的内置操作规则相互作用并联系起来[9]。

本研究通过耦合MIKE BASIN与NAM降雨径流模型实现独流减河的降雨径流模拟。NAM模型是一个确定性、集总性和概念性的降雨径流模型，用于模拟在集水区尺度上发生的降雨径流过程。它考虑了多达4个不同储水区的水文过程，可以根据需要及数据条件以多种不同的方式进行流域产汇流模拟计算。目前，NAM已应用于世界各地具有不同气候和水文条件的大量流域中。图2表述了NAM模型模拟的降雨径流过程。

图2 NAM模拟水文过程示意Fig.2 NAM simulation hydrological process

默认情况下，NAM包含9个参数，分别代表表层区域、根区和地下水存储区[10]。模型建立所需数据包括气象、降雨、蒸发、流量数据和流域参数、初始条件。模型的输出主要为地表径流，可细化为坡面流、壤中流和基流，其他的水文信息包括土壤含水量和地下水补给[11]。另外，NAM还允许模拟人工干预措施，如灌溉和抽取地下水。NAM模型结构见图3。

图3 NAM模型结构Fig.3 NAM model structure

NAM模型将径流量的计算分为4个主要部分，包括坡面流量、壤中流量、基流量和蒸发量的计算。

(1)坡面流量计算：

(1)

式中：CQOF为坡面径流系数，取值范围为0～1.0；TOF为坡面流根区临界值，取值范围为0～1.0；L/Lmax为根区相对含水量；PN为降水-地表储水层储水量。

(2)壤中流量计算：

(2)

式中：CKIF为壤中流时间常数；TIF为壤中流根区临界值，取值范围为0～1.0；U为地表储水层水量；相同符号意义同前。

(3)基流量计算：

(3)

式中：TG为地下水补给临界值，取值范围为0～1.0；相同符号意义同前。

(4)蒸发量计算：

(4)

式中：Ep为潜在蒸散发量；相同符号意义同前。

1.3 模型构建

1.3.1 步长设置

MIKE BASIN 模型针对不同的模块(比如：水量分配、用水户、降雨径流模块等)可分别设置各自的计算步长。本研究所获得降雨、径流数据资料均以月为单位步长，因此，NAM降雨径流模拟步长设置以月为单位。

1.3.2 河网提取

流域水系概化通过自动分析与流域实际情况相结合的方式进行。其中，独流减河流域地形通过中国地区SRTM 数据集直接提取独流减河流域DEM数字高程模型。在已有的DEM基础上，利用ArcGIS软件新建shape文件格式图层绘制出河流的大致走向，再以*shp.格式的文件形式导入到MIKE BASIN软件中，对河网进行数字化处理，从而得到独流减河的河流水系图。

1.3.3 子流域划分

独流减河为城镇人工开挖河渠河段，根据现有的DEM(分辨率：30 m×30 m)较难提取其自然汇水区域，因此，根据独流减河河道的特点及分流情况，分别搭建4个示意性集水区区域(见图4)。同时，在集水区出水口及流域分流处设置流域节点和分流节点。

图4 子流域划分示意Fig.4 Sub-catvhment division diagram

1.3.4 模型数据输入

研究仅获得河段下游工农兵闸站以及大寺站2个测站月降水资料，以及河段上游进洪闸和入海口处防潮闸月径流资料。模型搭建时，要求对各示意性集水区输入降水、径流等观测序列(*.dfs0)。因为各集水区相距较近，河段全长仅68.8 km，且区间无其他径流汇入，因此，各示意性集水区降水采用均一设置(uniform)，取2个测站平均，部分集水区径流量数据则根据上下游的径流量内插得到。

1.3.5 模型参数率定及验证

参数率定即为调整模型的参数使模型拟合输出值与实际观测值误差达到最小，本研究采用试错法(Trail and error)对示意性集水区各个参数进行率定。即保持其他参数值不变的情况下，手动调整某一参数设置值，统计输出并对比分析模型评价指标变化情况以及模拟水文过程线变化情况，再以同样的方法对模型中的其他参数依次进行率定。

采用2种验证机制进行模型验证。第1种是相似集水区验证(Prox-basin test)。由于该地区数据资源有限，研究数据的选择主要以汛期有连续5个月以上的降雨或径流量观测数据为依据，最终选定1995年作为模型的率定期，对该年1号示意性集水区进行模型率定后，将该集水区(Catchment 1)中各参数的最终率定结果输入到同年的2、3、4号集水区(Catchment 2、3、4)的降雨径流模型中进行验证；第2种验证机制是样本分割测试(Split-sample test)，根据水文状况相似为依据选择2012年(1月1日至12月31日)作为率定期。其中，2012年与1995年同为丰水年，年降雨量较为相似，且汛期也具备连续5个月以上具有降雨及径流量观测数据。

研究采用相关系数R2、均方根误差RMSE以及Nash-Sutcliffe(NSE)系数[14-16]评价模型模拟性能。其中，相关系数R2表示观测和模拟时间序列之间相关系数的平方，R2取值范围是0

1.3.6 灵敏度分析

为有效开展模型参数率定，模型校正之前进行了灵敏度分析，即对NAM模型中的9个主要参数作一定的调整，在既定的参数取值范围内通过逐次改变参数初始值的5%,10%,20%,30%,50%和100%，以各指标的相对变化为依据，评价在参数变化时相应的模型模拟性能，分析各水文参数对径流模拟的敏感程度。

2 结果与讨论

2.1 灵敏度分析

表1表述了灵敏度分析时参数变化所对应的模拟评价指标。

表1 参数率定中R2、RMSE和 NSE的变化情况Tab.1 Changes of R2、RMSE and NSE during the calibration

续表1 参数率定中R2、RMSE和 NSE的变化情况

从表1可以看出，当Umax(地表储水层最大含水量)的数值由基值(10 mm)增大到30%的过程中，相关系数R2从0.38增大到0.48，R2相对增大26%，但是当Umax值继续增大到基值的100%时，R2较基值对应情况仅增大3%左右；在此过程中，对应NSE从0.17增大到0.23(较基值对应NSE相对增大35%)，又减小至0.18(较基值对应NSE相对增大6%)；同样地，总水量平衡误差RMSE在Umax由基值增大到10%的过程中，其增长率为28%，当参数值增大到30%时，仅增长了11%。结合水量平衡误差RMSE以及模拟水文过程线的变化，可以得出Umax主要对径流累积量有一定的影响，Umax的取值越大，径流累积量相对越小，反之径流累积量越大。由此可得知，Umax是NAM模型中较为灵敏的参数之一。

CK1,2(坡面流时间常量)参数值的增大幅度为5%到50%时，R2的数值变化是0.43～0.59，R2的相对变化率从2%增加到41%；在此变化过程中，RMSE的数值从最初的10.15 m3/s，增加到14.59 m3/s，又在参数变化50%时减小到10.13 m3/s，这一过程中，RMSE的变化率从0.2%增加到44%；而NSE在参数变化30%的情况下，达到44%的最大变化率，最小变化率仅为6%左右。通过对径流模拟曲线的分析可得，CK1,2主要影响峰值形状，对洪峰流量有较为显著的影响，其中，CK1,2的值越高，洪峰流量越低，相反，CK1,2越小，洪峰则越高。综上所述，CK1,2也可作为模型中较为灵敏的参数，在后续参数率定过程中进行调整。

对于参数TOF(根区坡面流临界值)而言，参数增长5%后，R2的变化率达到最大30%，此后，随着参数值继续增大，R2的增长率有所下降；RMSE的变化同样在参数增大5%时较为明显，达到37%的最大变化率；同理，NSE相对增长35%。当TIF(根区壤中流临界值)参数值由基值增大5%直至20%后，R2的变化范围为0.39～0.52，R2变化率可达到33%，变化较大；而NSE的变化为0.16～0.22，其相对变化率在参数由基值增大到20%达到38%，此后随参数的增大有逐渐减小的趋势；而RMSE的变化率最大为26%，相对较高。TOF和TIF2个参数对径流累积量及洪峰流量有一定的影响，但相对较小。

结合上述结果及分析，可知Umax、CK1,2、TOF和TIF在NAM模型中是相对较为灵敏的参数，在后续的模型率定过程中可主要针对这4个参数对模拟曲线进行调整，使模拟及实测径流量能达到较好的拟合效果。

其他参数如Lmax、CQOF、CKIF、TG和CKBF，其参数值从5%变化到100%的过程中，相关系数R2、均方根误差RMSE和纳什系数NSE的相对变化率不大。如Lmax，R2的变化率最大为8%，NSE在10%左右，RMSE的相对变化最大值也仅有8%，远远低于上述4个灵敏度较高的参数各指标的相对变化率。同样的，其余几个参数的各项指标变化程度均小于上述4个较灵敏参数，因此可以断定，这5个参数为灵敏度较低的参数。

2.2 模型参数率定

表2列出了建立NAM降雨径流模型所需要的相关参数及其取值范围[12]、初始值和最终率定结果。

表2 NAM模型主要参数Tab.2 The main parameters in NAM model

图5是模型中1号示意性集水区经参数率定后的径流量模拟结果,表示了模型校正后1号集水区径流模拟结果。可以看出，无论峰值模拟或径流过程线模拟，模拟径流与实测径流2者之间误差较小，RMSE为5.6 m3/s,相关系数R2及纳什系数NSE高达0.99，这表明实测和模拟径流之间有非常好的线性关系。依据模型模拟评价标准(见表3)，模型在率定阶段模型性能非常好。

图5 1号示意性集水区1995年径流量模拟结果Fig.5 Runoff simulation results of the No.1 illustrative sub-basin in 1995

2.3 模型的验证

2.3.1 相似集水区验证 (Prox-basin test)

表4列出1995年流域不同子集水区模拟径流结果。图6为2、3、4号集水区相应的水文过程线。

表3 1号集水区校正阶段(1995)独流减河模拟性能及相应评价指标Tab.3 Simulation performance and evaluation index of the No.1 sub-catchment in verification(1995)

表4 验证阶段(1995)独流减河模拟性能及相应评价指标Tab.4 Simulation performance and evaluation index of Duliujian River in verification(1995)

图6 2、3、4号示意性集水区1995年径流量模拟结果Fig.6 Runoff simulation results of the No.2, No.3, No.4 sub-catchment in 1995

可以看出，与率定阶段相比，模型在其他子集水区验证的模拟结果稍逊：总体上各个集水区模拟径流峰值流量较实测流量较小，径流过程线涨水阶段模拟径流较观测径流要高，起涨点较早，而退水阶段模拟径流较观测径流普遍偏小。但从评价指标上看，2号、3号、4号集水区的纳什系数NSE分别为0.92、 0.87、0.94，均大于0.75，而从R2或RMSE指标来讲，3个集水区分别为0.94、0.91、0.96和8.86、11.40、15.48 m3/s，从模拟性能评价标准来看，各指标均在误差允许范围内，表明模型模拟精度较高。分析认为，模型验证阶段模拟性能较校正阶段稍逊，除了存在有一定径流观测误差以外，研究区上游集水区和下游集水区因周边城镇、道路等不透水面积比的不同而导致地表产流能力、产流过程可能存在一定差异。

2.3.2 样本分割测试(Split-sample test)

图7所示为2012年1号集水区模型验证结果。率定阶段1995年与验证阶段2012年降雨量分别为727.5和726.4 mm。

图7 1号集水区2012年径流量模拟过程Fig.7 Runoff simulation results of the No.1 sub-catchment in 2012

结合图7、表5，可以看出，模型在验证阶段其相关系数为R2=0.85，纳什系数NSE及RMSE分别为0.61和13.03 m3/s。相比于1995年，R2及NSE均有所下降，RMSE则有所升高。分析认为，验证阶段模拟性能较校正阶段有所下降，主要原因在于1995-2012年间集水区周边土地利用可能发生变化，导致其水文过程有明显区别。这有待于进一步分析独流减河周边区域土地利用变化以进行验证。总体来看，虽然各指标有所下降，但依据模拟性能评判指标，样本分割测试所验证的模拟结果是在合理的、可接受的范围内。因此，建立的独流减河模拟模型具有一定的适用性，特别是对于径流过程的模拟，模型基本可再现独流减河水文过程变化。

表5 1号集水区2012年降雨径流模拟性能Tab.5 Simulated performance of rainfall runoff in No.1 sub-catchment in 2012

3 结 论

研究区地形梯度变化较小，加之数据资源有限，依据现有精度的DEM提取区域内自然汇水面积较为困难。为有效模拟独流减河水文过程，研究耦合MIKE BASIN与NAM模型，通过应用示意性集水区，成功模拟了独流减河水文过程。通过进行灵敏度分析得出，Umax、CK1,2、TOF和TIF4个参数相对NAM模型中的其他参数而言，灵敏度较高，对模型模拟效果影响较大，其中Umax和CK1,22个参数主要表现在对径流累积量及洪峰流量的影响上。总体来看，无论采用相似流域验证机制或样本分割验证机制，模型模拟性能较好，R2、RMSE以及NSE在相似流域验证时表现较好，相关系数R2的数值为0.91～0.96，均超过0.90，根据表3所述模型拟合优度评判标准，模拟效果达到最优匹配水平，说明模拟径流量与实测径流量的拟合程度较好。总水量平衡误差RMSE为8.86～15.48 m3/s，模拟结果相对较好；而纳什系数NSE为0.87～0.94，均大于0.75，由表3所述可知，模拟效果极好。分割测试由于存在有土地利用变化等不确定因素干扰，2012年验证阶段模拟性能较率定阶段1995年显著下降，但总体上来看，R2=0.85、RMSE=13.03 m3/s，NSE=0.61，3个模型评价指标仍在可接受范围内。研究认为，对于滨海平原区的人工开挖河流，在数据资源有限的情况下通过耦合MIKE BASIN与NAM，可借助示意性集水区，实现河流水文过程的有效模拟，这对于区域进一步的水资源分析和优化配置研究将具有重要意义。