針對無資料流域徑流預(yù)報的難點,探討水文模型參數(shù)優(yōu)化的共性問題,綜述區(qū)域化方法和遙感方法的研究現(xiàn)狀。首先從水文模型參數(shù)優(yōu)化面臨的共性問題,即水文地理數(shù)據(jù)生成、目標(biāo)函數(shù)構(gòu)建和優(yōu)化方法選擇等問題出發(fā),分析其對參數(shù)優(yōu)選結(jié)果的影響,并歸納出當(dāng)前廣泛認(rèn)可的解決方案。然后結(jié)合區(qū)域化方法的技術(shù)原理和研究進(jìn)展,著重論述測站密度對區(qū)域化方法性能的影響,并分析該方法在中國的適用性。接著從研究區(qū)域、水文模型結(jié)構(gòu)、遙感資料以及率定目標(biāo)等方面歸納總結(jié)遙感方法優(yōu)化水文模型參數(shù)的最新研究進(jìn)展。最后對區(qū)域化方法和遙感方法的優(yōu)缺點及未來發(fā)展前景進(jìn)行對比分析,為中國無資料或缺資料流域徑流預(yù)報實踐提供參考。 

【文章來源】：北京大學(xué)學(xué)報(自然科學(xué)版). 2020,56(06)北大核心EICSCD

【文章頁數(shù)】：13 頁

【部分圖文】：

7657個GRDC日徑流觀測站的分布情況

將DRT水文地理數(shù)據(jù)集科學(xué)地應(yīng)用到水文模型徑流預(yù)報中,能最大程度地減少研究人員自行升尺度過程中可能發(fā)生的錯誤,提高匯流演算的精度。目前,DRT水文地理數(shù)據(jù)集在中國流域徑流預(yù)報中尚未得到有效的利用。因此,本文以長江流域為例,分析其在中國的適用性。大通水文站距河口624 km,是長江干流的最后一個控制站,累計匯流面積為170.54 km2 (數(shù)據(jù)來自GRDC),是國家一類水文站,對長江下游地區(qū)的徑流監(jiān)測起著重要的作用[18]。我們利用DRT水文地理數(shù)據(jù)集,選取水文模擬中常用的1/16°,1/8°和1/4°這3種空間分辨率,提取匯流到大通站的河流網(wǎng)絡(luò)及流域邊界線,如圖3所示,其中長江流域高分辨率水文參考數(shù)據(jù)(流域邊界和河流)來自中國國家地球系統(tǒng)科學(xué)數(shù)據(jù)中心湖泊?流域分中心(http://lake.geodata.cn)。從河流網(wǎng)絡(luò)與流域形狀來看,不同空間分辨率的DRT水文地理數(shù)據(jù)集均與高分辨率流域水文地理信息保持高度一致。從DRT水文地理數(shù)據(jù)集提取的大通站控制的上游匯流累積面積在1/16°,1/8°和1/4°的空間分辨率上分別是168.03,168.14和168.50 km2,與從高分辨率水文信息提取的參考匯流累積面積的誤差均在1.5%以內(nèi),充分顯示出DRT水文地理數(shù)據(jù)集的準(zhǔn)確性。1.2 目標(biāo)函數(shù)

基于相對誤差構(gòu)造的方法中,主要有均方根誤差RMSE (root mean square error)、平均絕對誤差MAE (mean absolute error)以及誤差百分比PBIAS(percent bias)等方法,其優(yōu)勢是能夠側(cè)重評估一些極值模擬的情況(如評估高流量或低流量模擬結(jié)果)。基于相關(guān)系數(shù)構(gòu)造的方法主要包括皮爾森相關(guān)系數(shù)R (Pearson’s correlation coefficient)、確定性系數(shù)R2 (coefficient of determination)、納什效率系數(shù)NSE (Nash-sutcliffe efficiency)、觀測標(biāo)準(zhǔn)偏差RSR(RMSE-observations standard deviation ratio)、克林效率系數(shù)KGE (Kling-Gupta efficiency)等方法,其特點是對觀測時間序列里所有結(jié)果同等重視,可用于從整體上評估模擬結(jié)果與觀測結(jié)果的擬合程度。這些目標(biāo)函數(shù)中,PBIAS,RSR,NSE和KGE也常用來評估水文參數(shù)優(yōu)化后徑流模擬的性能,其中Moriasi等[19]提出的通過PBIAS,RSR和NSE在月份時間尺度上的結(jié)果來評價模型性能的方法得到廣泛的認(rèn)可。以水文模型中最常用的效率系數(shù)NSE為例,若NSE>0.75,視模型表現(xiàn)為“優(yōu)秀(very good)”;若0.65≤NSE<0.75,視模型表現(xiàn)為“良好(good)”;若0.50≤NSE<0.65,視模型表現(xiàn)為“中等(Satisfactory)”;若NSE<0.50,視模型表現(xiàn)為“較差(Unsatisfactory)”。

【參考文獻(xiàn)】：
期刊論文
[1]土壤水分遙感反演研究進(jìn)展[J]. 潘寧,王帥,劉焱序,趙文武,傅伯杰.  生態(tài)學(xué)報. 2019(13)
[2]水文學(xué)研究進(jìn)展與展望[J]. 楊大文,徐宗學(xué),李哲,袁星,王磊,繆馳遠(yuǎn),田富強(qiáng),田立德,龍笛,湯秋鴻,劉星才,張學(xué)君.  地理科學(xué)進(jìn)展. 2018(01)
[3]無測站流域徑流預(yù)測區(qū)域化方法研究進(jìn)展[J]. 于瑞宏,張宇瑾,張笑欣,劉廷璽.  水利學(xué)報. 2016(12)
[4]水文學(xué)前沿科學(xué)問題之我見[J]. 芮孝芳.  水利水電科技進(jìn)展. 2015(05)
[5]水文模型不確定性及集合模擬總體框架[J]. 王浩,李揚,任立良,王建華,嚴(yán)登華,魯帆.  水利水電技術(shù). 2015(06)
[6]遙感蒸散發(fā)模型研究進(jìn)展綜述[J]. 馮景澤,王忠靜.  水利學(xué)報. 2012(08)
[7]長江流域水文站網(wǎng)系統(tǒng)評價及發(fā)展建議[J]. 李海源,香天元,徐漢光.  人民長江. 2011(17)
[8]分布式水文模型研究與應(yīng)用進(jìn)展[J]. 徐宗學(xué),程磊.  水利學(xué)報. 2010(09)
[9]中國水文站網(wǎng)[J]. 何惠.  水科學(xué)進(jìn)展. 2010(04)
[10]遙感與GIS在洪水災(zāi)情分析中的應(yīng)用[J]. 陳秀萬.  水利學(xué)報. 1997(03)



本文編號：3440891