基于SWAT模型耦合精細化格點降水預報產品的徑流預測研究

夏曉玲,曾莉萍,劉 濤,3,王加敏,方 荻,2,張明祥

(1.貴州新氣象科技有限責任公司,貴州 貴陽 550002; 2.貴州省山地環境氣候研究所,貴州 貴陽 550002; 3.貴州省人工影響天氣辦公室,貴州 貴陽 550002)

0 引 言

貴州省地處云貴高原東斜坡地帶,氣候濕潤,降雨豐沛,河流眾多,水資源充足。但貴州省下墊面情況復雜,全省73%的面積為碳酸巖鹽[1],92.5%的面積為山地和丘陵,山間平壩區面積甚少[2],導致貴州水資源時空分布非常不均勻、水資源供需矛盾突出,難以有效利用水資源。隨著社會經濟的快速發展,水資源的可持續利用面臨著更加巨大的挑戰[3-4]。水力發電作為水資源開發利用的重要手段之一,需要精細化的水文(徑流量)預報為其提高開發利用率提供支撐。隨著“3S”等科學技術的發展,Soil and Water Assessment Model(SWAT模型)成為運用最為廣泛的分布式水文模型之一。該模型可以在下墊面復雜、降水時空分布不均情況下對流域水文過程進行精細化模擬[5-7]。

2015年,Uniyal等[8]使用ArcSWAT模型研究氣候變化對印度拉尼河水平衡等的影響,發現21世紀末氣候條件變化會對該區域的徑流產生重大影響。2017年,Reshmidevi等[9]使用與ArcGIS集成的SWAT進行水文模擬,預測了水資源壓力可能來源于河流流量、地下水補給量的減少以及灌溉需求的增加。中國針對分布式水文模型的研究發展迅速[10]。1997年,黃平等[11]總結了具有物理機制的分布式水文模型,構建了流域三維動態水文數值模型。2007年,熊立華等[12]利用拓撲關系表達流域水流的空間聚合與分散,建立了水文模型。2013年,于嵐嵐等[13]在大凌河流域進行小流域降雨模擬,針對洪水傳播時間為固定值這個缺陷,采用變動態存儲系數法演算洪水,提高了洪水模擬的合格率。2015年,朱悅璐等[14]將CanESM2氣候模式下的兩種情景與半分布式水文模型VIC相對接,分析未來2020s、2030s、2040s、2050s四個時期渭河徑流變化。2020～2021年間,劉君龍、劉飛、徐志等均運用SWAT模型對不同流域的水文過程進行了模擬[15-17]。陳長征等[18]對SWAT模型的參數化優化方法進行了研究分析。國內外研究大多從水文過程著手,通過優化水文模型以提高徑流量或洪水預報。本文基于ArcGIS軟件平臺,針對貴州省平寨流域,首次在喀斯特地貌特征明顯的區域應用SWAT分布式水文模型開展徑流量預測研究,以期為類似流域研究提供參考。

1 研究區域概況

平寨水庫壩址在三岔河中游木底河平寨附近,處于貴州省六枝特區與織金縣交界處(圖1)。平寨水庫壩高162.7 m,淹沒區面積為15.10 km2,正常蓄水位1 331 m,死水位1 305 m,平均水深50 m,校核洪水位1 333.29 m,總庫容量為10.89億m3,調節庫容4.48億m3,電站總裝機容量146.6 MW。流域總面積3 492 km2,占三岔河流域面積的48.2%。

圖1 平寨流域

平寨流域范圍內現有數據較為完整的水文站為陽長水文站,1993年1月1日該水文站開始記錄數據。陽長水文站由畢節地區水文水資源局設立,控制集水面積為2 696 km2,在納雍縣、陽長鎮、新陽長大橋下游約50 m的位置。氣象站點選用水城、汪家寨、松林坡、新房、牛場共5個站點。

2 數據與方法

2.1 建模數據來源

建立SWAT模型所需要的基礎數據庫主要分為兩類:空間數據和屬性數據。

(1) 空間數據包括高程數據(DEM)、土地利用類型數據、河流水系分布數據、土壤類型分布數據等。其中DEM高程圖和土地利用數據的精度為30 m×30 m,格式為Raster;土地利用數據來源是2015年全國范圍的遙感影像(基于Landsat),分辨率為1 km,分為14類;河流水系圖精度為1∶500 000,格式為Shapefile。以上所有空間數據需具有統一的投影坐標,本文投影采用WGS_1984_UTM_Zone_48。

(2) 屬性數據主要是氣象和水文的觀測資料,氣象資料:氣溫(最低、最高)、降水量、日照時數、平均相對濕度、平均風速等;時間范圍為2009年1月1日至2018年12月31日,時間分辨率為逐日數據或逐月數據;水文資料為陽長水文站逐日/逐月的流量觀測,逐日水文資料時間范圍為2017年1月1日至2019年12月31日;逐月水文資料時間范圍為2009年1月至2018年12月。

2.2 預報、分析數據來源

氣象數據包括平寨流域關鍵氣象站點(水城、汪家寨、松林坡、新房、牛場)2021年6～9月每月9,19,29日的未來8 d降水預報數據。實況數據包括2021年6～9月平寨水庫日入庫流量數據。

2.3 研究方法

2.3.1 模型評價指標

本文的評價指標有確定系數R2、納什系數NSE、偏差百分率PBIAS。公式如下:

(1)

(2)

(3)

式中:Qobs,Qobsave,Qsim,Qsimave分別為觀測值、觀測值的平均值、SWAT模型的模擬值、模擬值的平均值,m3/s;n為數據長度,此處為年份。確定系數和納什系數取值范圍在0～1,值越接近1,說明模型的模擬效果越好。確定系數大于等于0.5時,認為模擬效果可以被接受。納什系數大于等于0.75時,表示模型的模擬效果很好;當NSE為0.36～0.75時,說明模型的模擬結果基本達要求;如果納什系數不大于0.36,說明模擬結果達不到要求。偏差百分率越接近0說明模擬效果越好,絕對值在10%以內表示可以接受。

2.3.2 模型不確定性分析

運用SWAT-CUP軟件對模型參數進行率定。SWAT-CUP是獨立于SWAT與ArcGIS,專門開發的計算機程序。本文使用SWAT-CUP軟件中SUFI2算法對平寨流域SWAT模擬徑流量結果進行參數自動校準,獲取12個影響最大的參數,并代回模型反算結果進行驗證。

2.3.3 實時入庫流量修正

目前常用的入庫流量計算方法有水量平衡法、區間推流法、入庫控制站代表法等,其中以水量平衡法應用最廣。該算法基于水量平衡原理,用時段內入庫水量減去出庫水量得到庫內水量變化值,利用庫容變化和出庫流量反推計算入庫流量。但該算法對壩上水位數據的敏感度較高,特別是水庫面積較大,壩上水位的小幅波動會導致庫容差大幅變動,從而影響入庫流量計算,使入庫流量呈現鋸齒狀震蕩,無法準確反映實際情況,有些水庫在枯水期甚至出現計算入庫流量為“負”值的現象。

用m次多項式來擬合得到的實驗數據,設擬合多項式為

Y(t)=a0+a1t+a2t2+…+amtm

(4)

用最小乘法來確定方程(4)中的待定系數,令

(5)

=φ(a0,a1,…,am)

(6)

為使φ(a0,a1,…,am)達到最小,將它分別對ak(k=0,1,…,m)求偏導數,并令其為0,可得方程組:

(7)

該方程組稱為正規方程組。當n=2(5個節點),m=3時,得到具體的正規方程組,由此解出a0,a1,ai,ait代入式(4),并令t=0,1,-1,2,-2,得到五點三次平滑公式:

(8)

(9)

(10)

(11)

(12)

該算法要求節點個數為k≥5,當節點個數多于5時,為對稱起見,除在兩端分別用式(8)、(9)、(10)、(11)、(12)外,其余都用式(10)進行平滑,這就相當于在每個子區間上用不同的三次最小二乘多項式進行平滑。對于平寨入庫流量運用五點三次算法進行平滑處理的結果,平滑后的流量數據走勢與原始數據基本相同,且洪水總量、洪峰流量與峰現時間洪水三要素與原始數據差異較小,能夠較好擬合原始流量數據,具有較高的實際應用價值。

2.3.4 水文氣象模式耦合

將降水預報產品作為輸入場驅動水文模型,實現水文氣象模式耦合,進而開展徑流量預報,旨在延長洪水預報的預見期。降水預報數據是貴州新氣象科技有限責任公司在結合貴州省氣象臺與ECWMF模式降水預報產品的基礎上制作的主客觀融合格點降水、氣溫、風等產品,這些數據分辨率為5 km×5 km,屬于精細化產品。將這些數據插值至平寨流域范圍內的5個氣象站點。雨量訂正方法為首先隨機選取一部分數據,運用一元線性回歸方式建立訂正模型,然后運用其余數據,帶入訂正模型,檢驗訂正后誤差百分率,再用消除極值方法,保證預報誤差在10%以內,作為訂正后的雨量預報數據,和訂正前預報數據同時帶入水文模型對比分析。

3 結果分析

3.1 SWAT在平寨流域的模型建立與檢驗

3.1.1 SWAT模型數據庫建立

獲取基礎數據后,根據不同地理信息數據,平寨河流域被劃分出2 117個水文響應單元、23個子流域。陽長水文監測站被劃分在第11個子流域,運用陽長水文站觀測的實測流量數據對模型進行率定和驗證,2017年日徑流值為預熱期,2018年為率定期,2019年為驗證期;2009～2010年月徑流值為預熱期,2011～2014年為率定期,2015～2018年為驗證期。圖2為平寨流域SWAT模型建模界面。

圖2 平寨流域SWAT模型建模界面展示

3.1.2 參數敏感性分析

由于陽長站的水文數據時間長度最長,數據質量控制最好,因此參數率定選擇陽長站,經過SUFI2算法2 000次迭代計算常用的25個參數后,發現12個對陽長站徑流量影響最大的參數(表1)。結果表明:徑流曲線數(CN2)對徑流影響最大,土壤有效含水量(SOL_AWC)、地下水滯后系數(GW_DELAY)、和基流α系數(ALPHA_BF)次之,淺層地下水徑流系數(GWQMN)影響最小。

表1 參數敏感性分析

3.1.3 率定及驗證

借助SWAT-CUP軟件,運用陽長站實際觀測的徑流量對模擬日徑流量(2018年)和模擬月徑流量(2011～2014年)進行率定,將最佳模擬結果的參數值代回SWAT模型,重新模擬陽長站2019年日徑流量及2015～2018年月徑流量,并與實際觀測的徑流量做對比分析(表2)。可以看出,模擬日徑流量值校準效果優于模擬月徑流量值,日值與月值率定期R2和NSE均為0.8左右,驗證期日值R2和NSE均大于0.7,而月值NSE小于0.7。率定期日值和月值的PBIAS絕對值均小于10%。整體而言,驗證期評價指標基本在誤差范圍內,因此SWAT模型對平寨流域的徑流過程模擬有一定的效果。

表2 SWAT模型在平寨流域陽長站率定期、驗證期的模擬結果

平寨流域陽長站率定期、驗證期的水文觀測資料與模型模擬值對比結果(圖3～4)表明:從變化趨勢來看,模擬值與實測值基本一致;模擬的洪峰流量、洪峰值出現時間也和實際觀測的較為吻合。日值模擬中,在率定期2018年6月22日、7月11日、9月26日分別出現了3次洪峰流量過程,第一次和第三次過程模擬值低于實測值,第二次過程中模擬值較實測值高;2019年驗證期,洪峰過程分別出現在6月18日、7月23日、9月9日,第一次過程模擬值與實測值較為接近,其他過程模擬值均小于實測值。月值模擬中,率定期2011年6月、2012年7月、2014年7月出現了3次洪峰流量,徑流量模擬值在第一次洪峰過程中顯著高于實測值,而在第二次和第三次過程中略小于實測值。整體而言,SWAT模型模擬出的平寨流域的徑流量可基本滿足日常應用的要求。

圖3 平寨流域陽長站逐日徑流量實測值與模擬值對比

圖4 平寨流域陽長站逐月徑流量實測值與模擬值對比

3.2 耦合氣象預報數據預測入庫流量

在平寨流域SWAT模型中加入水城、汪家寨、松林坡、新房、牛場氣象站點2021年6～9月每月9,19,29 d的未來8 d降水預報數據。由于陽長站和平寨水庫距離較為接近,且平寨水庫水位流量站建站時間較短且數據質量不高,因此無法運用平寨水庫流量站開展參數率定建模工作,本文嘗試運用陽長站點的參數率定結果,代入模型對平寨水庫的入庫流量進行預測。

3.2.1 整體預報效果分析

針對2021年6～9月平寨水庫的SWAT模型入庫流量預報,分別計算逐月的確定系數R2、NSE系數、百分比偏差PBIAS(表3),可以看出,2021年8月和9月的NSE系數為負,其余時段的NSE系數為正,最高為2021年6月,NSE系數為0.45,說明耦合了氣象預報數據的SWAT模型在平寨流域的模擬結果在6～7月基本達到要求,但是8～9月模擬效果不佳。將降水預報偏差較大的日期進行一定的訂正,運用訂正后的降水模擬平寨水庫的入庫流量,可以看出6～9月的NSE系數和R2相比降水訂正前有明顯的提高,偏差有一定縮小,但整體表現沒有建模時期的效果好,最高納什系數僅為0.61,降水修正后8～9月的NSE系數由原先的負值變為正值,說明由于8～9月的降水預報偏差較大,造成了入庫流量預報效果不佳。

表3 2021年主汛期SWAT模型在平寨水庫預報效果

3.2.2 逐日入庫流量情況預報效果分析

從逐日入庫流量預測和實況對比(圖5)可以看出,在2021年7月2日前后的洪峰過程,SWAT模型的模擬效果和實況流量基本一致,預測流量和出現的時間和實況吻合程度較高,預測的洪峰為224.7 m3/s,6月30日的實況流量為250.78 m3/s,隨后的幾天預測效果也比較理想。但是2021年6月9日前后的洪峰過程預測,在時間上有一定的滯后,流量數值的預報和實況較為接近,7月27日前后以及8月30日前后小洪峰過程預測的入庫流量明顯小于實況。將降水訂正和實況對比,6～9月的預報流量走勢和洪峰過程均較訂正前更接近實測值,且8～9月的洪峰過程預報效果有明顯的提升,因此運用SWAT模型耦合降水預報對平寨水庫的入庫流量進行預測時,在模型參數固定的條件下降水預報的準確性起到關鍵作用。

圖5 平寨水庫降水訂正前后及入庫流量預報

4 結 論

本文以貴州省平寨流域作為研究區,基于DEM高程資料、土地利用數據、土壤數據、氣象數據、陽長水文站實測徑流量數據等,應用SWAT模型,對其水文循環過程進行了模擬預測,具體結論如下。

(1) 利用實測徑流量資料對2017～2019年逐日徑流量和2009～2018年逐月徑流量進行了率定及驗證,其中日值模擬中設定2017年為預熱期,2018年為率定期,2019年為驗證期,月值模擬中設定2009～2010年為預熱期,2011～2014年為率定期,2015～2018年為驗證期。參數敏感性分析結果顯示CN2參數最敏感,其次為SOL_AWC;GWQMN對徑流量影響最小。

(2) 逐日數據率定期R2和NSE均為0.88,PBIAS小于10%,驗證期R2和NSE均大于0.7,逐月數據率定期R2大于0.8,NSE為0.79,PBIAS為3.7%,驗證期R2大于0.75,NSE為0.69,模擬效果達到要求,在平寨流域有很好的適用性。

(3) SWAT模型模擬的徑流量變化趨勢與實測徑流量變化趨勢基本一致。日值模擬的洪峰過程與實際過程相符,均能準確模擬。月值模擬中,2016年峰值模擬效果最優。

(4) 在平寨流域中SWAT模型耦合氣象預報數據,模擬得到該時段徑流量變化,發現幾次洪峰過程預報有明顯的偏大的情況,洪峰出現的時間也有一定的錯位。如果將降水訂正至和實況接近,這幾次洪峰過程預報降水會更接近實況,因此運用SWAT數據耦合降水預報對平寨水庫的入庫流量進行預測時,降水預報的準確性較為重要。