地表覆蓋條件對北漳店流域洪水形成的影響

吳 博，梁團豪，林 嵐，王曉妮

(水利部松遼水利委員會，長春 130021)

0 引 言

鑒于水文與水資源學科的快速發展，分布式水文模型已然成為水文學領域的研究熱點[1]。HEC-HMS是美國陸軍工程兵團研發的分布式水文模型，該模型綜合考慮了不同子流域的下墊面條件，與流域天然水文情況高度一致[2]。由此可見，基于某些特定條件下的分布式水文模型相比集總式水文模型有著顯著優勢[3]。近幾年由于社會的快速發展，人類社會活動造成地表植被破壞，洪澇災害發生頻率越來越高[4]。為了實現強化水資源剛性約束，推進經濟社會高質量發展，研究地表覆被變化對水文現象的影響逐漸成為熱點研究課題[5]。本文通過HEC-HMS分布式水文模型對北漳店流域進行徑流模擬，分析了不同地表覆蓋條件與其參數間的關系。定量確定了土壤入滲率φ以及地表截流量W和不同地表覆蓋條件與葉面積指數之間的關系。研究結果可以為相近下墊面類型洪水預測工作提供依據。

北漳店流域位于長治市東北方向，位于E111°2′～E112°3′，W37°4′～W38°2′之間。北漳店流域面積為271 km2。流域北部為山區相對較高、東部地勢平坦相對較低，流域內最高海拔為1 545 m。主河道長為38.5 km，綜合比降為1.6%。北漳店流域位于干旱半干旱地區，四季分明、冬季比較寒冷且漫長、夏季相對比較短暫且日照充足。年平均氣溫11.0 ℃，多年平均蒸發為1 778.8 mm[6]。

1 研究方法

北漳店流域的數字高程模型下載自地球科學數據共享平臺。對下載的北漳店流域的數字高程模型利用ARCGIS和ArcHydroTools進行數字流域提取，劃分成子流域如圖1。HEC-HMS水文模型采取馬斯京根作為河道匯流方法，采取Green + Ampt作為河道產流方法，采取退水曲線作為基流方法，采取SCS單位線作為坡面匯流方法。首先進行模型的構建和參數優化率定，然后建立不同土地利用類型與模型參數之間的相關關系，定量研究不同植被覆蓋條件對洪水過程的影響。

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

2 模型模擬

2.1 土地利用

依托ARCGIS平臺對北漳店流域2002、2007及2017年的土地使用狀況解譯如圖2所示。其中土地利用類型主要分為6類，分別為耕地、林地、草地、未利用土地、建設用地和水面。2002、2007及2017年北漳店流域土地使用情況見表1。

圖2 北漳店流域遙感解譯圖Fig.2 Remote sensing interpretation of beizhangdian watershed

表1 研究區土地利用情況Tab.1 land use in the study area

2.2 優化參數

HEC-HMS模型優化參數流程概化如圖3。在模型中輸入初始參數。對2002-2016年間典型洪水進行參數率定與優化，參數率定優化結果見表2、表3。

圖3 優化參數流程Fig.3. optimization parameter flow

表2 模型參數優化結果表Tab.2 Optimization results of model parameters

表3 河道匯流參數結果Tab.3 River confluence parameter results

2.3 研究結果

圖4顯示了2002-2010年間8場次典型洪水率定結果。圖5為選取2011-2016年間4場洪水進行驗證。由表4可以得出，徑流深誤差合格率達到75%；洪水峰現時差合格率為87.5%；確定性系數合格率為87.5%；洪峰流量誤差合格率達到87.5%；綜合四項影響因素，洪水模擬合格率為87.5%。驗證期綜合考慮4個影響因素，驗證合格率為75%。

表4 洪水模擬結果誤差統計Tab.4 Error statistics of flood simulation results

圖4 洪水參數率定結果Fig.4 Result of flood parameter calibration

圖5 洪水參數驗證結果Fig.5 Verification results of flood parameters

3 流域產流參數與地表覆被類型相關關系

3.1 地表覆被類型對地表截流量W的影響

3.1.1 地表截流量與土地利用相關關系建立

地表植被覆蓋類型是影響地表截流量W的最為直觀的條件[7]，下墊面為地表覆被變化的直接體現，降雨滲入地表后，有一部分被地表截留，另一部分滲入草叢中，形成地表徑流，草叢越茂密，其截留入滲雨水也就越多，因此建立地表截流量W與草地、耕地、林地相關關系并進行數據回歸分析，研究結果顯示，地表截流量W與下墊面類型有著線性關系，二者符合如下關系：

Y=AX1+BX2+CX3+E

式中：Y為地表截流量，mm；X1為林地比例；X2為草地比例；X3為耕地比例；A、B、C為回歸系數；E為常量。

對差異化植被覆蓋條件下地表截流量W進行回歸方程進行分析，其顯著性檢驗結果及系數分別見表5和表6，轉變成線性模型，在顯著水平α=0.05條件下，F0.05(p,n-p-1)=F0.05(3,7)=3.863，分析結果如表6所示，可以看出檢驗值相比3.864要大，因此方程回歸是顯著的，這表明地表截流量W與植被覆蓋類型的關系可通過上述模型更好的表征。

表5 回歸系數表Tab.5 Regression coefficient table

表6 顯著性檢驗分析表Tab.6 Significance test analysis

3.1.2 相關關系可靠性驗證

將利用模型選定的地表截流量與參數組中對應參數進行替換，并對6場洪水重新模擬，誤差統計如表7所示。比較結果可以得出，經過兩組參數模擬的洪峰誤差以及徑流深均不超過8%，洪峰出現時差不大于1.55 h，相對差別不大，因此相關性可靠。

3.2 土壤入滲率與地表覆被變化的關系

3.2.1 土壤入滲率φ與土地利用相關關系建立

土壤入滲率φ和地表覆被類型的變化有著緊密關系，降雨落到地表后，有一部分經過滲透變為土壤水，還有一部分形成地表徑流[8]。徑流形成前要有部分被草叢等截留，當表層蓄滿后開始向下移動，起初移動比降緩慢，降雨強度大于入滲強度，

表7 模擬誤差比較Tab.7 Comparison of simulation errors

稱之超滲產流[9]。直至雨水消失，徑流也隨之消失。雨水下滲一直控制著每一個階段產流過程，其中一個很重要的因素就是土壤入滲率的變化。而地土地利用變化始終是影響土壤入滲φ的最重要的原因，因此建立土壤入滲率φ和土地利用變化類型之間的相關關系，并通過回歸分析計算結果可以看出，土壤入滲率φ和下墊面類型之間有著線性關系，二者符合如下關系：

Y=AX1+BX2+CX3+DX4+E

式中：Y為土壤入滲率，mm/min；X1為林地比例；X2為草地比例；X3為耕地比例；X4為建設用地比例；A、B、C、D為回歸系數；E為常量。

對不同植被覆蓋條件下土壤入滲率φ進行回歸分析，顯著性檢驗及系數分別見表8和9，在的顯著水平α=0.05條件下，F0.05(p,n-p-1)=F0.05(4,6)=3.633，方差分析結果見表9，可以得出檢驗值相比3.634要大，方程回歸顯著，可以看出土壤入滲率φ與下墊面類型可以用上述公式表征。

表8 回歸系數表Tab.8 Regression coefficient table

表9 顯著性檢驗分析表Tab.9 Significance test analysis

3.2.2 相關關系可靠性驗證

將利用模型確定的土壤下滲率φ與參數組中對應參數進行替換，對6場洪水重新進行模擬，誤差統計如表10所示。比較模擬結果可以得出，兩組參數模擬的徑流深及洪峰誤差均不超過8%，峰現時差小于2.45 h，差別較小，因此相關性可靠。

表10 模擬誤差比較Tab.10 Comparison of simulation errors

4 植被覆蓋類型對流域洪水影響

為了比較不同地表植被覆蓋類型對洪水的影響，有必要比較不同時期土地利用變化等的差異。表11中比較了2002-2017年土地利用類型變化情況。

表11 2002-2017年土地利用/覆被變化特征值變化 %

從表11可以看出，2002-2007年期間，耕地減少了16%，而林地增加了11%，葉面積指數增加了0.95%，是因為在2002-2007年該處地區進行了退耕還林的方法；2007-2017年期間，由于繼續開展退耕還林還草措施，草地增加了52%，林地增加了9%，耕地比例減少了33%，葉面積指數增加了7%。通過上面已經建立的相關計算公式算出不同時期模型的率定參數，并將其帶入模型中進行計算，結果見表12和表13。

表12 不同年份參數洪水模擬結果表Tab.12 Results of parameter flood simulation in different years

表13 不同時期的洪水模擬結果比較 %

5 結 論

從表11、表13可以得出結論，在2002-2007年期間，由于耕地減少16%，草地增長了47%，林地增長了10%，建設用地增長了19%，致使洪峰流量和徑流深分別減少了11%和16%；2005-2017年相比2005年，耕地減少33%，草地增加52%，林地比例增加9%，建設用地增加22%，因此洪峰流量和徑流深分別減少了6%和9%。研究表明，在流域實行退耕還林以后，林草地面積增加明顯，地表截留雨量變大，耕地向林草地的轉變也增加了該地區的土壤入滲能力與蓄水能力。以上因素表明地表覆被變化對于洪水有著很大的影響。徑流深和洪峰伴隨著地表植被的向好呈降低趨勢。

□