地表覆盖条件对北漳店流域洪水形成的影响

吴 博，梁团豪，林 岚，王晓妮

(水利部松辽水利委员会，长春 130021)

0 引 言

鉴于水文与水资源学科的快速发展，分布式水文模型已然成为水文学领域的研究热点[1]。HEC-HMS是美国陆军工程兵团研发的分布式水文模型，该模型综合考虑了不同子流域的下垫面条件，与流域天然水文情况高度一致[2]。由此可见，基于某些特定条件下的分布式水文模型相比集总式水文模型有着显著优势[3]。近几年由于社会的快速发展，人类社会活动造成地表植被破坏，洪涝灾害发生频率越来越高[4]。为了实现强化水资源刚性约束，推进经济社会高质量发展，研究地表覆被变化对水文现象的影响逐渐成为热点研究课题[5]。本文通过HEC-HMS分布式水文模型对北漳店流域进行径流模拟，分析了不同地表覆盖条件与其参数间的关系。定量确定了土壤入渗率φ以及地表截流量W和不同地表覆盖条件与叶面积指数之间的关系。研究结果可以为相近下垫面类型洪水预测工作提供依据。

北漳店流域位于长治市东北方向，位于E111°2′～E112°3′，W37°4′～W38°2′之间。北漳店流域面积为271 km2。流域北部为山区相对较高、东部地势平坦相对较低，流域内最高海拔为1 545 m。主河道长为38.5 km，综合比降为1.6%。北漳店流域位于干旱半干旱地区，四季分明、冬季比较寒冷且漫长、夏季相对比较短暂且日照充足。年平均气温11.0 ℃，多年平均蒸发为1 778.8 mm[6]。

1 研究方法

北漳店流域的数字高程模型下载自地球科学数据共享平台。对下载的北漳店流域的数字高程模型利用ARCGIS和ArcHydroTools进行数字流域提取，划分成子流域如图1。HEC-HMS水文模型采取马斯京根作为河道汇流方法，采取Green + Ampt作为河道产流方法，采取退水曲线作为基流方法，采取SCS单位线作为坡面汇流方法。首先进行模型的构建和参数优化率定，然后建立不同土地利用类型与模型参数之间的相关关系，定量研究不同植被覆盖条件对洪水过程的影响。

图1 北漳店概化子流域Fig.1 Subwatershed of beizhangdian generalization

2 模型模拟

2.1 土地利用

依托ARCGIS平台对北漳店流域2002、2007及2017年的土地使用状况解译如图2所示。其中土地利用类型主要分为6类，分别为耕地、林地、草地、未利用土地、建设用地和水面。2002、2007及2017年北漳店流域土地使用情况见表1。

图2 北漳店流域遥感解译图Fig.2 Remote sensing interpretation of beizhangdian watershed

表1 研究区土地利用情况Tab.1 land use in the study area

2.2 优化参数

HEC-HMS模型优化参数流程概化如图3。在模型中输入初始参数。对2002-2016年间典型洪水进行参数率定与优化，参数率定优化结果见表2、表3。

图3 优化参数流程Fig.3. optimization parameter flow

表2 模型参数优化结果表Tab.2 Optimization results of model parameters

表3 河道汇流参数结果Tab.3 River confluence parameter results

2.3 研究结果

图4显示了2002-2010年间8场次典型洪水率定结果。图5为选取2011-2016年间4场洪水进行验证。由表4可以得出，径流深误差合格率达到75%；洪水峰现时差合格率为87.5%；确定性系数合格率为87.5%；洪峰流量误差合格率达到87.5%；综合四项影响因素，洪水模拟合格率为87.5%。验证期综合考虑4个影响因素，验证合格率为75%。

表4 洪水模拟结果误差统计Tab.4 Error statistics of flood simulation results

图4 洪水参数率定结果Fig.4 Result of flood parameter calibration

图5 洪水参数验证结果Fig.5 Verification results of flood parameters

3 流域产流参数与地表覆被类型相关关系

3.1 地表覆被类型对地表截流量W的影响

3.1.1 地表截流量与土地利用相关关系建立

地表植被覆盖类型是影响地表截流量W的最为直观的条件[7]，下垫面为地表覆被变化的直接体现，降雨渗入地表后，有一部分被地表截留，另一部分渗入草丛中，形成地表径流，草丛越茂密，其截留入渗雨水也就越多，因此建立地表截流量W与草地、耕地、林地相关关系并进行数据回归分析，研究结果显示，地表截流量W与下垫面类型有着线性关系，二者符合如下关系：

Y=AX1+BX2+CX3+E

式中：Y为地表截流量，mm；X1为林地比例；X2为草地比例；X3为耕地比例；A、B、C为回归系数；E为常量。

对差异化植被覆盖条件下地表截流量W进行回归方程进行分析，其显著性检验结果及系数分别见表5和表6，转变成线性模型，在显著水平α=0.05条件下，F0.05(p,n-p-1)=F0.05(3,7)=3.863，分析结果如表6所示，可以看出检验值相比3.864要大，因此方程回归是显著的，这表明地表截流量W与植被覆盖类型的关系可通过上述模型更好的表征。

表5 回归系数表Tab.5 Regression coefficient table

表6 显著性检验分析表Tab.6 Significance test analysis

3.1.2 相关关系可靠性验证

将利用模型选定的地表截流量与参数组中对应参数进行替换，并对6场洪水重新模拟，误差统计如表7所示。比较结果可以得出，经过两组参数模拟的洪峰误差以及径流深均不超过8%，洪峰出现时差不大于1.55 h，相对差别不大，因此相关性可靠。

3.2 土壤入渗率与地表覆被变化的关系

3.2.1 土壤入渗率φ与土地利用相关关系建立

土壤入渗率φ和地表覆被类型的变化有着紧密关系，降雨落到地表后，有一部分经过渗透变为土壤水，还有一部分形成地表径流[8]。径流形成前要有部分被草丛等截留，当表层蓄满后开始向下移动，起初移动比降缓慢，降雨强度大于入渗强度，

表7 模拟误差比较Tab.7 Comparison of simulation errors

称之超渗产流[9]。直至雨水消失，径流也随之消失。雨水下渗一直控制着每一个阶段产流过程，其中一个很重要的因素就是土壤入渗率的变化。而地土地利用变化始终是影响土壤入渗φ的最重要的原因，因此建立土壤入渗率φ和土地利用变化类型之间的相关关系，并通过回归分析计算结果可以看出，土壤入渗率φ和下垫面类型之间有着线性关系，二者符合如下关系：

Y=AX1+BX2+CX3+DX4+E

式中：Y为土壤入渗率，mm/min；X1为林地比例；X2为草地比例；X3为耕地比例；X4为建设用地比例；A、B、C、D为回归系数；E为常量。

对不同植被覆盖条件下土壤入渗率φ进行回归分析，显著性检验及系数分别见表8和9，在的显著水平α=0.05条件下，F0.05(p,n-p-1)=F0.05(4,6)=3.633，方差分析结果见表9，可以得出检验值相比3.634要大，方程回归显著，可以看出土壤入渗率φ与下垫面类型可以用上述公式表征。

表8 回归系数表Tab.8 Regression coefficient table

表9 显著性检验分析表Tab.9 Significance test analysis

3.2.2 相关关系可靠性验证

将利用模型确定的土壤下渗率φ与参数组中对应参数进行替换，对6场洪水重新进行模拟，误差统计如表10所示。比较模拟结果可以得出，两组参数模拟的径流深及洪峰误差均不超过8%，峰现时差小于2.45 h，差别较小，因此相关性可靠。

表10 模拟误差比较Tab.10 Comparison of simulation errors

4 植被覆盖类型对流域洪水影响

为了比较不同地表植被覆盖类型对洪水的影响，有必要比较不同时期土地利用变化等的差异。表11中比较了2002-2017年土地利用类型变化情况。

表11 2002-2017年土地利用/覆被变化特征值变化 %

从表11可以看出，2002-2007年期间，耕地减少了16%，而林地增加了11%，叶面积指数增加了0.95%，是因为在2002-2007年该处地区进行了退耕还林的方法；2007-2017年期间，由于继续开展退耕还林还草措施，草地增加了52%，林地增加了9%，耕地比例减少了33%，叶面积指数增加了7%。通过上面已经建立的相关计算公式算出不同时期模型的率定参数，并将其带入模型中进行计算，结果见表12和表13。

表12 不同年份参数洪水模拟结果表Tab.12 Results of parameter flood simulation in different years

表13 不同时期的洪水模拟结果比较 %

5 结 论

从表11、表13可以得出结论，在2002-2007年期间，由于耕地减少16%，草地增长了47%，林地增长了10%，建设用地增长了19%，致使洪峰流量和径流深分别减少了11%和16%；2005-2017年相比2005年，耕地减少33%，草地增加52%，林地比例增加9%，建设用地增加22%，因此洪峰流量和径流深分别减少了6%和9%。研究表明，在流域实行退耕还林以后，林草地面积增加明显，地表截留雨量变大，耕地向林草地的转变也增加了该地区的土壤入渗能力与蓄水能力。以上因素表明地表覆被变化对于洪水有着很大的影响。径流深和洪峰伴随着地表植被的向好呈降低趋势。

□