基于TOPKAPI模型的黑河上游徑流模擬研究

劉玉環，劉志雨，李致家，黃鵬年

(1.河海大學水文水資源學院，江蘇南京210098；2.水利部水文局，北京100053)

基于TOPKAPI模型的黑河上游徑流模擬研究

劉玉環1，劉志雨2，李致家1，黃鵬年1

(1.河海大學水文水資源學院，江蘇南京210098；2.水利部水文局，北京100053)

為了進一步完善黑河上游區域近幾年的水文循環研究，采用基于物理基礎的分布式水文模型TOPKAPI模型，對1998年～2007年的日徑流、月徑流過程分別進行模擬研究；并使用徑流深誤差Re、Nash-Sutcliffe效率系數及決定系數R2三種評價指標對結果進行分析。黑河上游流域的日徑流過程模擬徑流深誤差合格率在率定期和驗證期合格率均為100%；Nash-Sutcliffe效率系數分別為0.82、0.77；相關系數R2分別為0.84、0.81。月徑流過程率定期和驗證期的徑流深誤差Re均為-0.36%，模擬徑流量相對偏小；效率系數E也均為0.81，相關系數R2分別為0.85、0.89。結果表明，TOPKAPI模型可以較好地模擬黑河上游流域的日徑流及月徑流過程，有良好的適用性。

徑流模擬；TOPKAPI模型；黑河上游

0 引 言

西北地區地貌復雜，地形起伏大，植被覆蓋率低，在全球變暖的情況下，降雨增多、冰川消融，使得河川徑流量增加，多易發生陡漲陡落的洪水，進而造成山體滑坡等災害發生[1]。黑河流域位于河西走廊中部，橫跨三種不同的自然環境單元。其上、中、下游的水文循環是完全不同的[2]，上游段是主要的產水區域；因此，開展黑河上游山區降水徑流過程的模擬研究也一直是黑河流域水資源研究的重點。目前，國內已有很多學者采用多種水文模型如：SWAT模型[1，3]、VIC模型[4，2]、HIMS模型[5]、SRM融雪徑流模型[6]、IHACRES模型[7]等對黑河上游段的徑流過程進行模擬研究。另外，李菲菲、吳志勇、郝振純等人[2，4，8]先后從不同角度對黑河流域徑流變化及其對氣候變化的響應進行了研究。本次研究采用的是基于物理基礎分布式水文模型TOPKAPI模型，它能夠充分考慮流域氣候、下墊面等因子空間分布不均勻的事實，客觀地反映氣候和下墊面因子的空間分布對流域徑流變化的影響，并在國外已得到了廣泛的應用：S.Sinclair等人[9]利用TOPKAPI模型計算整個南非的土壤含水量變化過程以及對模型增加下滲模塊的改進；L.Ciarapica[10]利用TOPKAPI模型分析了不同流域尺度下降雨徑流的代表性。雖然模型結構相對復雜，但是操作簡單、計算高效、人機相互性強，并且在應用于不同尺度流域時，能夠很好地兼顧物理意義的重要性和參數的相對簡單性。本文對黑河上游1998年～2007年日徑流、月徑流過程進行模擬研究，其中1998年～2004年為模擬的率定期，2005年～2007年為驗證期，探討TOPKAPI模型在黑河上游流域的適用性。

1 流域概況

黑河流域位于東經96°42′～102°04′，北緯37°50′～42°40′之間，是西北地區第二大內陸河流域。黑河發源于南部祁連山區，流程90 km至鶯落峽(38°48′N，100°11′E)進入走廊平原，即為黑河(干流)的上游，面積約1.0×104km2。上游山區水分和氣候條件相對較好，降水量由東向西遞減，區域內冰川覆蓋率為0.6%，冰川融水補給占出山徑流的3.6%，屬于典型的雨水—冰雪融水類河段。年平均氣溫1.5～2.0℃，年降水量250～500 mm，最高達700 mm，相對濕度約60%，蒸發量700～1 300 mm。植被屬山地森林草原，生長高山灌叢和喬木林，土壤多為草原土壤系列。

2 模型構建

2.1 TOPKAPI模型

TOPKAPI[10-11](TOPographic Kinematic Approximation and Integration)模型主要包括蒸散發、融積雪、壤中流、地表徑流及河道徑流[12-15]5個計算模塊。模型的基礎源于運動學方法和流域地形學相結合的理念，假設土壤內及地表網格內側向的水流運動可以采用運動波模擬，區域降雨—徑流過程中的水文過程通過三個“結構上相似的”、零維、非線性水庫方程[12]來描述上層土壤的排水、飽和坡面或不透水土壤層面的陸面徑流以及河道匯流過程；蒸散發采用Thornthwaite公式[12](忽略氣壓和風速的簡化計算方法)進行計算；融積雪模塊可借用ARNO模型，通過基于實測溫度的輻射量估算方法進行計算。模型的參數如坡度、土壤滲透率、拓撲結構和糙率等從DEM圖、土壤類型圖、土地利用圖中獲得，非線性水庫方程的積分可在DEM的每個柵格中實現。

2.2 數據源及其預處理

圖1 黑河上游流域土壤類型、土地利用分布

模型所需要的數據主要包括水文氣象、DEM、土壤類型、土地利用等4類。其中，DEM數據由“地理空間數據云”提供。通過模型預處理模塊計算得到研究區域邊界以及相應水系、坡度等基本信息，其中提取水系時，采用“河道燒錄”技術[13]，對流域的DEM進行局部修正，使數字水系經過的柵格普遍下沉，以便更好地模擬河流的主要河道，提高DEM的可用性和模型輸入的精度。土壤類型圖可從聯合國糧農組織(FAO)得到(見圖1)，模型所需的飽和含水率、殘余含水率、土壤厚度、土壤滲透率等土壤參數均包含在地圖的網格信息內，參與模型的產流計算。土地利用圖來源于美國聯邦地質調查局(USGS)的全球土地利用數據庫(見圖1)，并提供計算需要曼寧系數、河道阻力以及植物生長因子等參數值。根據研究流域測站分布情況，選用鶯落峽水文站和野牛溝、祁連等6個氣象站，分別提供逐日氣溫資料、降雨資料以及流量資料。以上地圖在本次研究均在模型TPKPreprocessor插件中進行前期處理，采用1km×1km分辨率，其中網格日氣溫采用克里金方法進行插值計算。

2.3 參數敏感性分析與率定

從理論上講，模型參數是不需要率定的，可以通過測量直接得到；但是，由于實際得到的數據值是在點尺度測量的，面尺度代表性不夠，時空變化幅度很大，所以參數仍需率定[13]。

模型待率定的參數[11]主要有：飽和體積含水量θs、殘余體積含水量θr、田間持水量θf、土壤透水指數αs、土壤滲漏指數αp、土壤飽和水力傳導度(ksh，ksv)、土壤厚度L、曼寧系數no、河道阻力系數nc，植物生長因子kcrop。這些參數分別與相應的土壤類型或土地利用圖相關聯，每一種土壤或土地利用的分類都有一套完整的參數列表，參與徑流模擬參數率定，并通過ArcGIS預處理進行分類(見圖1)。表1為各成分對應的百分比，可看出：研究區域土壤大多是“I系列”(石質土為主)，牧草及高山草占了約90%，因此，它們是此次參數率定的主要對象。

表1 土壤類型和土地利用分類及比例

采用人工試錯法進行參數率定，并僅對較為敏感的幾個參數(θs、θr、ksh、L、no、kcrop)進行率定。為減少“異參同效”帶來的誤差，只是在物理意義范圍內進行微調。試錯法分析表明，土壤厚度L和土壤飽和水平傳導度ksh這兩個參數對產流影響較大，參數值與土壤蓄水量呈正相關，而與徑流量和洪峰呈負相關；曼寧系數和河道阻力對匯流影響較大，參數值越小，匯流速度越快，洪峰提前；而植物生長因子是影響蒸發的主要因子，兩者呈正相關關系。

3 模型模擬及結果分析

選取3個指標用于評價模型適用性，分別是相對誤差Re、Nash-Sutcliffe系數E和相關系數R2評價模型的適用性[16]。表2為模型進行參數調整后得到的日徑流、月徑流模擬結果的三項評價指標值。橫向看來：日尺度徑流模擬率定期比驗證期三項評價指標值較好，月尺度徑流的結果相差不大。縱向來看：兩種尺度的徑流深誤差Re均控制在10%以內，但整體上模擬徑流量與實測徑流相比普遍偏小；效率系數E均大于0.7，符合預報項目精度中乙級精度評價標準[17]；相關系數R2也都大于0.8，說明模擬值與實測值的線性擬合程度高，模擬效果較好。總的來說，月徑流比日徑流的評價結果較好。因此，TOPKAPI模型在黑河上游模擬整體適用性良好。

表2 日徑流、月徑流率定期和驗證期模擬評價結果

3.1 日模擬結果分析

圖2給出了模型對日徑流過程模擬結果與實測結果的對比。結果顯示，模型在春季4月、5月份模擬效果較差，洪峰值偏低，徑流量偏小，這是春季融雪的緣故。由于黑河上游區域屬于半干旱流域，夏季洪峰陡漲陡落，不管是率定期還是驗證期，7月份的洪峰模擬值一直偏小，徑流量卻偏大；這有可能是模型計算時對洪水的坦化作用導致的。在洪水消退期間(9月～12月)，模擬值普遍高于實測值。從整體上看，模型模擬出的流量過程線與實測流量過程線擬合較好。

圖2 日徑流量率定期和驗證期模擬值與實測值對比

分析表3可以看出：黑河上游平均年降水量在300～600 mm之間，年徑流深大多小于200 mm，是典型的半干旱流域。無論在率定期還是驗證期徑流深誤差都小于±20%，合格率達100%。圖3直觀地反映出，徑流深模擬值和實測值相關性很好，所有的點基本上都在主軸附近，擬合趨勢較好(見圖4)；效率系數在率定期有4年大于0.8，驗證期都是大于0.7，符合乙級預報精度。而2004年模擬效果是最差的，盡管徑流深誤差只有1.85%，但是整體擬合效果不好。這主要是該年夏季7月、8月降雨比其他年份約小了30%，使得計算出的洪峰值普遍低于實測值；而春秋兩季洪峰整體又偏高，導致徑流誤差小，模擬效果差。

表3 日徑流率定期和驗證期模擬結果

圖3 年徑流量模擬值與實測值

圖4 年徑流模擬值與實測值散點

3.2 月模擬結果分析

黑河上游流域的月徑流過程線(見圖5)反映了半干旱地區徑流過程的特點：月徑流多呈單峰型，峰值一般出現在6月～9月，汛期(6月～9月)流量遠遠大于非汛期(11月～次年5月)的流量。在發生較大洪峰年份(如1999年)和復式洪峰年份(如2000年、2001年)的模擬效果不甚理想。特別是春季4月、5月份融雪量增加，模擬效果較差，徑流量普遍偏低。正如表2所示，率定期和驗證期的徑流深誤差Re均為-0.36%，模擬徑流相對偏小；效率系數E也都是0.81，相關系數R2分別為0.85、0.89。月徑流模擬值和實測徑流值趨勢較一致，說明模型模擬結果較好，能夠滿足水資源管理和氣候變化下水文響應研究的應用之需。

圖5 月徑流量率定期和驗證期模擬值與實測值

黑河徑流年內豐枯規律明顯，冬季徑流極小，春季過后開始迅速增長，到夏季達到最大。冬季當地氣溫極低，導致冰雪融化停頓，徑流極少，隨著春季溫度上升和后期積溫的上升，冰雪融化加快，徑流迅速增大，這說明氣溫是影響當地徑流變化的重要因素，同時也反映出冰雪融水在當地徑流組成中占有重要地位。

3.3 討 論

(1)由于研究區域內部氣象站點很少，采用附近氣象站點的數據插值到研究區域進行校正，加上降水插值時未考慮流域地形起伏的影響，使得資料本身存在著很大的誤差，盡管啟用了融雪模塊，對于春季融雪徑流模擬效果還是不理想。

(2)黑河上游區域的土壤類型主要石質土偏腐殖質，石質土是與母巖風化物性質近似的土壤，剖面由腐殖質層和基巖層組成，質地偏砂，含礫石多，土壤通透性強。因此，土壤的導水能力很強，極易發生陡漲陡落的洪水，使得日徑流和月徑流模擬都有挑戰性。

(3)在人類活動的影響下，黑河上游流域的下墊面條件(主要是上游水庫的調蓄)以及氣候條件發生了變化，破壞了資料的一致性和代表性，導致模型在模擬時無法顯示較為真實的水文過程。

4 結 語

本文采用基于物理基礎的TOPKAPI模型對黑河上游近十年的日徑流、月徑流進行模擬，模型在日徑流模擬整體達到了乙級精度標準；在月徑流中模擬效果整體比日徑流較好。因此，TOPKAPI模型可以較好的模擬黑河上游流域的降雨徑流過程。在相同尺度下，基于物理基礎的TOPKAPI模型模擬的效果要更好一些。在未來水文站點分布健全、資料精準的情況下，具有物理機制的分布式水文模型可能會有突出更優勢地位。

[1]何旭強. 基于SWAT模型的黑河上游徑流模擬及其對氣候變化的響應[D]. 西安：西北師范大學，2013.

[2]李菲菲. 黑河上游地區氣候變化及水文水資源系統的響應研究[D]. 南京：河海大學，2007.

[3]余文君. SWAT模型在黑河山區流域的改進與應用[D]. 南京：南京師范大學，2012.

[4]吳志勇，郭紅麗，金君良，等. 氣候變化情景下黑河流域極端水文事件的響應[J]. 水電能源科學，2010(2)：7-9，46.

[5]吳夢瑩，王中根，黨素珍. 基于HIMS的黑河上游山區徑流模擬與分析[J]. 資源科學，2012(10)：1913-1921.

[6]李弘毅，王建. SRM融雪徑流模型在黑河流域上游的模擬研究[J]. 冰川凍土，2008(5)：769-775.

[7]吳維臻，李金麟，田杰，等. 黑河流域出山徑流模擬[J]. 干旱區資源與環境，2013(8)：143-147.

[8]郝振純，袁偉，陳新美，等. 黑河上游水文氣象要素變化規律分析[J]. 水電能源科學，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模型與應用指南[M]. 劉志雨，翁明華，趙春蘭，譯. 南京：河海大學出版社，2014：14-61.

[12]劉志雨. ArcTOP：TOPKAPI與GIS緊密連接的分布式水文模型系統[J]. 水文，2005(4)：18-22.

[13]趙君，張曉民. 改進的TOPKAPI模型及其在洪水預報中的應用[J]. 河海大學學報：自然科學版，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，徐宗學. 黑河上游山區徑流變化特征分析[J]. 干旱區資源與環境，2012(9)：51-56.

[17]包為民. 水文預報[M]. 北京：中國水利水電出版社，2011：328-329.

(責任編輯 陳 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

國家自然科學基金(9112506)；水利部公益項目(201501022)

劉玉環(1993—)，女，河南南陽人，碩士研究生，主要從事水文預報與流域水文模型研究.

TV122

A

0559-9342(2016)12-0020-04