海河南拒马河流域水文特性及HBV模型的应用

王乐扬, 李清洲, 王艳君, 姜彤, 李晨希

(1.南京信息工程大学 地理科学学院,江苏 南京 210044; 2.山东农业大学 水利工程学院,山东 泰安 271018;3.水利部南京水利水文自动化研究所,江苏 南京 210012)

近年来,随着社会经济的高速发展、气候变化以及土地利用方式的转变,我国河流出现了“水多、水少、水浑、水脏”等问题[1-3]。而通过构建数学模型,对河流水文过程进行模拟可以为解决这些问题提供一定的参考依据[4]。水文模型是以流域水文系统为研究对象,根据降水在自然界的运动、分配规律建立数学模型,通过计算机分析和模拟水分运移过程及其时空分布特征[5]。HBV模型是瑞典气象水文研究所(Swedish Meteorological and Hydrological Institute,SMHI)研发的流域水文模型,主要用于洪水和水量预报,该模型既可以流域为研究对象开展集总式模拟,也可以基于DEM划分子流域开展分布式水文计算。该模型具有结构简单、参数优选速度快、应用相对容易和模拟性能好等特点。在全球多个流域的应用表明,模拟误差小于20%,对大中尺度流域具有较好的适用性[6-7]。模型综合考虑了降水、气温、土壤等因素,较为全面地考虑了不同气候区的产流、汇流特征。模型的输入数据包括：流域或子流域面平均日降水量、气温和潜在蒸发量;模型输出为流域出口断面的日径流量过程。基于实测与模拟的日径流量过程计算相应的月径流量过程,进而评估模型对不同尺度径流量模拟的精度。

HBV模型作为一种概念性水文模型,在中国乃至全球有着较为广泛的应用。赵彦增等[8]选择了淮河官寨流域为研究对象,研究了HBV模型在我国中部地区的应用效果,径流过程的模拟效果理想;卢燕宇等[9]以淮河上游地区为例,基于HBV水文模型建立了降水-流量-水位关系,并确立了确定临界雨量的方法流程。中国东北地区有较长的冰雪覆盖期,春汛和春旱预报尤为重要,张建新等[10]和吴辰等[11]分别利用乌苏里江一级支流挠力河、牡丹江的水文气象资料验证了HBV模型在寒冷地区的应用,结果表明,HBV模型对于中国东北寒冷冰雪地区的洪水预报是可行的。中国东南沿海地区降水量大,暴雨洪涝灾害频发,王兵等[12]和胡志芳等[13]利用HBV水文模型分别对广东省连江流域以及韩江流域进行模拟,结果显示,HBV模型对于中国东南沿海地区的逐日径流过程有较好的适用性。

半干旱地区的水文模拟因为受人类活动影响较大,模拟起来较为困难[14-15]。郝振纯等[16]和程磊等[17]利用SWAT模型分别对皇甫川流域径流和窟野河流域进行径流模拟,结果表明,SWAT模型对于干旱半干旱地区模拟效果一般。董小涛等[18]分别利用新安江模型、HEC模型和TOPMODEL模型对滦河宽城流域进行洪水模拟计算,尽管各指标的合格率远低于湿润地区的,但其研究成果也可以为洪水作业预报方案提供参考。

总的来看,HBV水文模型在全球一些区域有较为广泛的应用,而半干旱地区水文模拟及预报是目前普遍面临的挑战。全球变暖背景下一些半干旱地区的洪涝和干旱等极端事件增多,灾害损失严重[6]。因此,本文选择位于半干旱区的南拒马河流域进行HBV模型的应用研究,以期为干旱半干旱地区的水文分析及预报提供参考依据。

1 资料与方法

1.1 流域及资料概况

大清河属于海河五大支流之一,南拒马河是大清河流域的重要水系,始于铁锁崖,经易县、定兴县至高碑店白沟镇与白沟河汇合成大清河。流域南邻漕河、瀑河,北界北拒河,流域面积2 156 km2。流域地处温带半干旱大陆性季风气候区,具有夏秋高温多雨、冬春寒冷干旱的特点,年均气温8.7 ℃。多年平均降水量不到500 mm,且75%以上集中在汛期6—9月。同时,降水年际变化大,最大与最小年降水量的比值超过3。北河店水文站是流域出口控制站,控制流域面积2 006 km2。

本文研究南拒马河流域的北河店水文站以上区域,收集了流域内涞源、霞云岭、房山、易县、涿州5个气象站1961—2017年的逐日气温、降水等气象资料。根据地形,将研究流域划分为12个子流域,如图1所示。采用泛克里金插值法将气温、降水等资料插值到各子流域。

图1 北河店站控制流域水系及气象站地理位置

1.2 模型评价指标

本文采用Nash-Sutcliffe效率系数(NSE)作为模型的评价指标[19]。Nash-Sutcliffe效率系数在水文领域有非常广泛的使用。NSE的变化范围为(-∞,1]；当模拟值与实测值完全相同时,该系数为1;当系数值为负时,说明模型的结果与实际结果的偏差较大。NSE按下式计算：

(1)

式中:CNSE为Nash-Sutcliffe效率系数;Qoi为实测径流量;Qsi为模拟径流量;Qm为实测径流量均值;n为资料序列长度。

2 结果与讨论

2.1 降水和径流过程

图2给出了南拒马河流域1961—2017年逐年的降水和径流过程。由图2可以看出,南拒马河流域年径流量有明显的下降趋势,平均线性递减率为0.93 mm/年,尤其在1980年之后,很多年份的径流量较前期的显著减少。相比而言,尽管降水量也呈现减少趋势(递减率为0.69 mm/年),但减少并不显著。根据Mann-Kendall非参数统计方法进行趋势变化显著性分析,结果发现径流量系列和降水量系列的M-K值分别为-5.48和-0.99,说明实测径流量具有显著的下降趋势,而降水量呈现非显著性下降趋势。

图2 南拒马河流域1961—2017年逐年降水和径流过程

根据南拒马河流域径流量的丰枯演变特征,可将径流系列划分为3个阶段：1961—1979年、1980—1999年和2000—2017年。第1阶段(1961—1979年),径流量呈现典型的丰枯交替特征,枯水年份的径流量不到100 mm,而丰水年份的径流量可以超过400 mm。第2阶段(1980—1999年),径流量丰枯交替的变异性更大,最大年径流量超过500 mm,而最小年径流量不到20 mm。第3阶段(2000—2017年),径流量一直处于偏枯过程,所有年份的径流量均在50 mm以下。

研究表明,20世纪80年代以来,海河流域人类活动愈加显著,对径流产生了较大影响,而在之前的时期内,径流受人类活动的影响相对轻微[20]。结合上述径流变化的阶段性,可以将第1阶段视为天然时期,第2阶段为中度人类活动影响时期,而第3阶段为强人类活动影响时期。图3绘出了南拒马河流域不同阶段的降水-径流关系。由图3可以看出,南拒马河流域的实测年径流量与年降水量在第1阶段和第2阶段均具有较好的非线性相关关系,在第3阶段两者的相关性较差。统计表明,南拒马河流域的年降水量与年径流量在3个阶段的Spearman相关系数分别为0.58、0.40和0.01。

图3 南拒马河流域不同阶段降水-径流关系

2.2 参数率定及精度评定

研究表明,验证流域水文模型的模拟效果,一般需要6年以上的资料系列[12-13]。为保证模拟序列的一致性,根据南拒马河流域径流变化的阶段性特征,在径流量变化的第1阶段选取1973—1979年共7年的资料来率定模型参数并验证模型的水文模拟能力。其中,将1973年作为预热期，以减小模型状态变量初始值对模拟效果的影响；率定期和验证期分别为1974—1977年和1978—1979年。采用人工试错的途径进行参数优化,选Nash-Sutcliffe效率系数最高的一组参数作为优化的参数。HBV水文模型共有6个敏感性高的参数[21],各参数的物理含义以及率定结果见表1。

表1 南拒马河流域敏感参数含义及优化值

利用Nash-Sutcliffe效率系数作为模型评价指标,表2给出了率定期和验证期逐日和逐月流量的模拟效果。由表2可以看出：南拒马河流域验证期模拟效果较率定期要好,月尺度径流量的模拟精度高于日尺度径流量的模拟精度；在日尺度上,率定期和验证期的Nash-Sutcliffe效率系数均超过0.6;在月尺度上,率定期和验证期的Nash-Sutcliffe效率系数分别为0.71和0.88;两个时期径流量的模拟误差分别为2.7%和-3.6%。由此充分说明HBV模型对南拒马河流域水文过程总体上具有较好的模拟效果。

表2 HBV模型对南拒马河流域径流的模拟效果

分析后认为,率定期和检验期的选择是验证期模拟精度比率定期精度高的可能原因;与月尺度降水、径流过程相比,日尺度的气象水文实测资料具有更为明显的随机测量误差,这是导致HBV模型在月尺度上的模拟效果更好的主要原因。

2.3 径流过程模拟

为进一步分析HBV模型对不同丰枯年份水文过程的模拟效果,图4和图5分别给出了北新店站率定期和验证期逐日和逐月的实测和模拟径流过程及降水过程。

由图4和图5可以看出,无论日径流量过程还是月径流量过程,实测和模拟径流量过程线总体拟合较好。同时,也可以发现,HBV模型对峰值径流量模拟存在高估和低估的现象,例如模型对1974、1977、1979年的峰值径流量模拟值偏低,但对1976年的峰值径流量模拟值明显偏高。此外,HBV模型对低值径流量的模拟结果大多偏小,只有旱季个别月份的模拟径流量高于实测径流量。

图4 北河店站率定期和验证期逐日降水过程与实测和模拟径流过程

图5 北河店站率定期与验证期逐月降水过程与实测和模拟径流过程

峰值径流量大多是由汛期暴雨产流所致,而干旱半干旱地区的暴雨一般具有突发性强和区域性强的特征。本研究采用流域内5个气象站的资料进行水文模拟,这5个气象站尽管分布均匀,可以监测到大多数的降水信息,但对局地性暴雨信息可能未必能够监测得较为完整。因此,加密监测站点或采用遥感、雷达等多源降水产品信息是提高半干旱区峰值径流量模拟精度的重要途径。

半干旱区枯季低流量多由前期降水入渗土壤形成的壤中流和地下径流组成。本研究采用Nash-Sutcliffe效率系数为目标函数开展模型参数率定。已有研究表明,高值径流量模拟精度的高低可以在很大程度上决定NSE值的大小[10]。如果对高值径流量模拟得较好,NSE值一般都会较高,相比而言,对低值径流量模拟的好坏对NSE值的影响相对较小[9]。因此,如何选择更为合适的目标函数也至关重要。

此外,半干旱地区产流机制多为超渗产流,而HBV模型的优点是更好地刻画寒区产流过程。尽管HBV模型能够较好地模拟半干旱地区的水文过程,但结合半干旱地区的超渗产流机制进一步完善HBV模型结构,是提高HBV模型在半干旱地区水文模拟精度的重要途径。

3 结论

HBV模型对南拒马河流域天然水文过程具有较好的模拟效果,可以模拟出径流变化特征,率定期和验证期日流量模拟的Nash-Sutcliffe效率系数超过0.63,径流量模拟误差小于5%。

完善HBV模型结构，选取更为合适的目标函数以及开展多源降水信息的应用，是提高半干旱地区水文模拟精度的重要途径。此外,人类活动导致流域水文过程变得复杂,使长序列水文过程呈现出不同的变异性特征。因此，在水文模拟中如何考虑人类活动的影响,是水文科学中需进一步研究的核心内容。