北江流域水文要素時空模擬及致災成因分析

關鍵詞：分布式水文模型；水文要素時空分析；滑坡災害；北江流域

中圖分類號：TV123 文獻標識碼：A 文章編號：1001-9235（2024）12-0022-08

中國幅員遼闊、江河湖泊眾多，是遭受洪水較為頻繁的國家，洪災導致的人員傷亡占各種自然災害的半數以上［1］。21世紀以來，在全球氣候變暖的背景下，極端暴雨事件頻率增多，強度加大，發生流域性大洪水和城市內澇災害的可能性加大、次數增多［2］。當土壤含水量升高甚至飽和時，土壤滲透率降低，若此時發生暴雨，短時間內將有大量雨水落在地表，而下滲量極小，從而導致地表徑流量增大，極易引發洪澇及其衍生地質災害。了解水文要素在區域內的時空分布尤其是土壤含水量的變化，對災害的預報及防范有重要意義［3-4］。

水文模型是預測洪澇及其衍生地質災害的有力工具，在所有水文模型中，分為集總式和分布式模型［5］。集總式模型的參數需求較低，模型較為簡單容易，但精度低，不能很好地分析區域內水文要素分布與變化［6-8］。而分布式模型將流域劃分為較小的單元，根據地質地理信息數據在每個單元上取不同的參數，從而能捕捉到水文要素在降雨過程中的空間分布差異性［9-11］。隨著計算機的發展和基于遙感的時空數據可用性的提高，分布式水文模型的應用變得越來越廣泛，其發展也變得更加復雜，使得土壤含水量、土壤濕度和洪水淹沒范圍等水文變量可以在不同的空間和時間尺度上進行預測［12-15］。

北江流域位于中國華南地區，每逢雨季，土壤飽和疊加強降雨導致洪水及其衍生地質災害頻繁出現，造成巨大生命和財產損失。因此，在此地區開展水文研究與災害分析變得緊迫與關鍵。本文利用CREST分布式水文模型對北江流域進行了水文分析。首先，基于地理數據獲得模型所需的分布式參數，結合均布式參數模擬徑流過程，并對參數進行了率定和驗證。然后基于率定的模型分析了北江流域土壤濕度及徑流量等水文要素時空分布。最后，對流域內災害成因進行了分析，旨在為在此區域的洪澇及其衍生地質災害預防提供依據。

1研究區概況與數據來源

1. 1研究區概況

北江流域屬于珠江流域片，位于中國南方的濕潤地區，其地理特征和氣候條件顯著影響著當地的水文循環，見圖1。該流域總面積為4. 67萬km²，擁有典型的亞熱帶季風氣候，夏季盛行偏南風及東南風，而冬季則以偏北風為主。年均降水量超過1500mm，表現出明顯的季節性差異：豐水期在4—9月，這一時期的降水量約占全年總量的75%；相比之下，從10月至次年3月的枯水期內，降水量僅占全年總量的大約25%。北江干流與各支流的分布格局深受區域內弧形山脈及谷地地形的影響，地勢由北向南逐漸降低。在同一弧形谷地中，兩側支流通常在較短的距離內匯入北江干流。特別是在汛期，北江洪水匯集迅速、洪量急劇升高。

1. 2數據來源

構建CREST模型所使用的數據包括降雨量、潛在蒸散發、DEM數據、徑流數據、土壤類型。日降水數據來自于中國網格降水數據，分辨率為0. 1°；日潛在蒸散發數據（Potential" Evapotranspiration，PET）來自于饑荒預警系統網絡全球數據門戶FEWSNET （http：//earlywarning. usgs. gov/fews），分辨率為1° ；DEM 數據來自于USGS HydroSHEDS （http：//hydrosheds. cr. usgs. gov/index. php），分辨率為15\"；流域以石角站為控制站，日徑流數據來自中國水文年鑒；土壤類型數據來自世界土壤數據庫（Harmonized World Soil Database，HWSD）V1. 2，分辨率為1 km；模型所使用的各種不同分辨率的數據均通過ArcGIS軟件中的最鄰近法重采樣為15\"。降水誘發的滑坡點數據來源于全球滑坡目錄（GlobalLandslide Catalog，GLC） （https：//catalog. data. gov/dataset/global-landslide-catalog-export）。

2水文模型構建與分析方法

2. 1 CREST模型簡介研究采用分布式水文模型CREST進行水文模擬。該模型由俄克拉荷馬大學和美國國家航空航天局聯合開發，可將高程、土地利用、土壤等分布式數據與降雨數據耦合，在任意定義的分辨率下模擬地表和地下水通量和儲量的時空變化，適用于全球、區域和流域等多個尺度的應用。模型包括蒸散發、產流、匯流以及產匯流反饋模塊，主要原理可概括為：①降雨經冠層截留后，分為回到大氣中的蒸散發量及降落到地面的凈雨；②凈雨利用可變入滲曲線劃分為地表徑流及入滲產生的地下徑流；③利用線性水庫模擬地表和地下徑流的網格內與網格間匯流；④通過反饋機制進行產匯流耦合。

2. 2模型參數預處理

CREST模型包含12個基本參數，這些參數可以根據需要設為均布式和分布式參數，其范圍和使用值見表1。為反映水文要素的空間分布差異性，本研究將土壤水容量（Wm）、土壤飽和導水率（Ksat）設為由地理空間信息決定的分布式參數，其他參數設為需率定的均布式參數。參數率定采用模型內置的 SCE-UA 自動校準算法。

土壤水容量為每個網格單元所能容納的最大水量，可按照Yao等［16］的方法根據土壤類型推算；土壤飽和導水率可基于土壤類型根據表2得到。北江流域土壤類型分布見圖2，處理得到的分布式參數見圖3。

2. 3模擬效果評估指標

為分析水文模型對徑流的模擬效果，使用納什效率系數（NSE）評估模擬徑流（R_simu）與實測徑流（R_obs）的擬合度；使用皮爾遜相關系數（CC）評估數據之間的一致性程度；使用相對偏差（BIAS）衡量數據平均值之間的系統偏差比率。相關統計指標計算式見表3。

2. 4核密度分析法

滑坡災害活動強度可利用滑坡災害密度表示，密度越大，活動越強。研究采用Arcgis內置的核密度估計法（Kernel Density Estimation），這是一種非參數檢驗方法。該方法利用指定寬度的移動搜索窗口，在窗口范圍內，根據滑坡點按離柵格中心遠近賦予不同的權重，以此估計滑坡點的密度。核密度估計的計算見式（1）：

3模擬結果與討論

3. 1模型校準與驗證

首先，為驗證CREST模型在北江流域的模擬效果及適用性，以2019年1月1日至2020年12 月31日作為率定期，2021年1月1日至2022年12月31日作為驗證期，利用CREST水文模型對北江流域2019—2022年時間段進行水文模擬。將模擬得到的徑流與觀測徑流對比，見圖4。

使用統計指標對模型模擬效果進行驗證，結果顯示，在2019—2020年率定期期間，最優參數集的模擬結果為NSE=0. 84，BIAS= -6. 30%，CC=0. 92，表明模型參數具有較好的準確性；對2021—2022年驗證期的流量過程進行驗證，模擬結果為NSE=0. 82、BIAS= 6. 4%、CC=0. 91，表明在率定期之外該參數集依然具有較高的準確性。根據GB/T22482—2008《水文情報預報規范》的要求，當0. 7≤NSE≤0. 9時，達到乙級預報標準。從NSE來看，模擬結果符合乙級標準。此外，該模型結合了雷達降雨、蒸散發等氣象數據，模擬結果側面說明了所用氣象數據的合理性。

從圖4中率定期、驗證期的徑流過程可以發現，CREST模型模擬的徑流與實測徑流的漲退水變化趨勢整體上較為一致。然而，峰值流量的模擬結果與實測值之間差異較大，這可能是由于北江流域在汛期受到人為防洪調度的影響，致使模擬流量與實際流量相比明顯偏小。

從總體模擬結果來看，模擬數據與實測數據較為吻合，能夠較好地重現徑流漲退水過程，盡管洪峰流量模擬有所偏差，但仍能反映出徑流的主要變化過程。綜上所述，CREST水文模型在北江流域具有較好的適用性，可以利用該參數集對該流域進行流量預測及水文分析。

3. 2水文要素時空分析

2022年6月21日，北江發生百年一遇級洪水，提取2022年6月的降水、土壤濕度及徑流分布，對該事件發生前后水文要素的時空變化進行分析，見圖5—7。

3. 2. 1降水量

6月的降水主要集中與流域中游及下游地區。

時間分布上，降水主要集中在上旬及中旬，每5日平均降水量在6月16至20日（圖5d）達到峰值。6月21日之后，降水量開始減少，并在26日之后的5d內（圖5f），平均降水量降至10 mm以下。

3. 2. 2土壤濕度

6月1日，流域土壤濕度整體較高。隨著降雨的不斷持續，土壤水得到補充，土壤含水量持續增大。從圖6e可以看出，在6月21日，整個流域的土壤濕度均達到100%，流域完全飽和；之后降雨逐漸減小，流域內土壤濕度整體下降，土壤濕度分布格局與土壤水容量分布格局相似（圖6f），原因是高土壤水容量地區相比低水容量地區土壤濕度降低較慢。

3. 2. 3徑流量

2022年6月1日，下游干流的徑流量較小，未超過4000m³/s。隨后徑流量逐步增加，在6月6日、16日徑流量分別超過4000、8000 m³/s。至6月21日，下游干流徑流量超過16000 m³/s（圖7e）。之后，在26日徑流量回落至8000m³/s以下。相比之下，兩側支流的徑流量在整個期間內一直較小，即使在洪水暴發當天仍均未超過4000 m³/s。

3. 3致災原因分析

將模擬得到的2022年全年土壤濕度數據進行處理，生成了2022年北江流域平均土壤濕度分布圖。將其與歷史滑坡災害點核密度圖進行比較，以分析土壤濕度與滑坡災害之間的關系，見圖8、9。

從圖8的平均土壤濕度分布圖中可以看出，北江流域的北部邊緣、中部、西部邊緣及東南部地區的土壤濕度相較于其他區域更高。圖9的歷史滑坡災害點核密度分布圖則顯示，滑坡災害點在流域的北部邊緣、西部邊緣及東南部呈現出明顯的空間聚集特性，尤其是在東南部地區，歷史滑坡災害點的核密度值達到了最高。

通過對比分析可以發現，北江流域滑坡災害的高發區域基本上對應于CREST模型模擬出的土壤濕度較高的區域，這表明土壤濕度與滑坡災害之間存在較為顯著的正相關關系。值得注意的是，盡管中部地區的土壤濕度也較高，但歷史滑坡災害點卻較少，這可能是因為該地區多為山區，遠離人口密集區，即便發生了滑坡事件，也很少會有記錄。

此外，2022年6月21日北江發生了百年一遇級別的洪水。通過對2022年6月土壤濕度的時空分析可見，在洪水發生之前，整個流域的土壤濕度已處于較高水平，加之強降雨的作用，形成了大量的地表徑流，這是導致下游干流形成洪水的重要原因之一。

綜上所述，從災害預測的角度可以得出以下結論：北江流域的東南部平均土壤濕度較高，該地區滑坡災害的發生頻率也較高；在高土壤濕度的條件下遭遇強降雨，極易在下游引發洪澇地質復合災害。

4結論

研究利用分布式CREST模型模擬了中國華南地區北江流域的水文過程，并對汛期水文要素的時空演變進行了分析，進一步探討了致災成因。

a）在對日徑流的率定和驗證期間，相關評估指標顯示出模型輸出的模擬徑流與實測徑流具有良好的一致性，表明CREST模型能較好地反映出北江流域的水文狀況。

b）針對2022年6月21日北江百年一遇洪水事件前后的降水量、土壤濕度和徑流量等水文要素進行分析，發現在洪水發生前期北江流域的土壤濕度整體較高，經過持續降水，土壤濕度及徑流量持續升高，在發生當天整個流域土壤幾乎全部飽和，下游徑流量超過16000m³/s，之后降水逐漸減小，土壤濕度整體及徑流量整體回降。

c）分析發現，滑坡點多集中在平均土壤濕度較高的區域，尤其是東南部地區，該區域歷史滑坡災害分布最為密集；由于該地區位于下游，因此在汛期需要注意防范土壤飽和及強降雨疊加導致的洪澇地質復合災害。

未來可根據模型輸出的徑流量結果進一步模擬洪水淹沒區域，并將土壤濕度分布的結果與滑坡巖土模型耦合，以量化分析降水造成的滑坡地質災害。此外，分布式水文模型還可以結合預測降雨等氣象數據進行模擬，對預防由降水造成的洪澇及地質災害的具有重要意義。