[发明专利]一种基于产流系数的分布式水文模型空间率定方法

说明书

本发明公开了一种基于产流系数的分布式水文模型空间率定方法，包括如下步骤，目标流域的分布式水文模型初步构建；产流系数数据的收集与选择；对产流系数数据的处理；分布式水文模型敏感性参数的筛选与初始化；分布式水文模型网格产流量模拟及产流系数计算；基于产流系数模拟相对误差的参数迭代；参数率定终止及模拟效果验证。优点是：一定程度上克服了现有分布式水文模型率定方法无法准确反映物理参数空间变异性和无法在缺少实测径流的情况下精准刻画流域水文过程的问题，能够为大尺度及缺资料流域的水文预报和模拟提供准确的参数信息，为分布式水文模型的相关应用提供支撑。

技术领域

本发明涉及水文模拟预报技术领域，尤其涉及一种基于产流系数的分布式水文模型空间率定方法。

背景技术

分布式水文模型可以描述现实流域特征的空间变异性，是探究流域水循环机理、开展业务水文预报的主要工具之一。目前，由于人类尚未完全掌握所有现实流域中的产汇流机理，分布式水文模型多将复杂的水文过程进行概化，形成一些物理参数，这些参数大多和下垫面、地形、土壤特征有关，空间变异性较强，其取值需要通过率定确定。目前，通用的分布式水文模型参数率定方法主要有两大类，即基于实测径流的参数优选和基于相似流域的参数移植。基于实测径流的参数优选是指通过不断迭代调整模型参数，使得流域出口站点的实测径流与模拟径流尽可能吻合。然而，这种方法往往将站点以上流域的各参数设为同一值，无法反映参数的空间变异性，致使参数物理意义被削弱，难以完全精准刻画流域水文过程，且这一问题随着流域尺度的增大而进一步放大。基于相似流域的参数移植主要针对缺径流资料流域开展，即基于机器学习、多元回归等统计方法查找相似流域，将相似流域的参数值移植到缺资料的目标流域中。然而，该方法所得参数的不确定性较大，且仍然无法反映参数的空间变异性，对缺资料地区分布式水文模拟的参考价值有限。

在业务预报或水循环模拟中，采用上述两种方法进行参数率定可能导致预报或模拟结果呈现不稳定性，即部分洪水或径流过程模拟效果较好，另一部分洪水或径流过程模拟效果不佳。因此，实际工作中多需要依据前期预报情况动态调整模型参数，从参数层面极大地增加了模型的不确定性和工作量，限制了分布式水文模型在水文模拟和业务预报中的准确性，尤其限制了模型在大尺度及缺资料流域中的应用。

发明内容

本发明的目的在于提供一种基于产流系数的分布式水文模型空间率定方法，从而解决现有技术中存在的前述问题。

为了实现上述目的，本发明采用的技术方案如下：

一种基于产流系数的分布式水文模型空间率定方法，包括如下步骤，

S1、初步构建目标流域的分布式水文模型；

S2、选择适用于目标流域的产流系数数据产品或数据产品集合；

S3、对产流系数产品进行处理，获取分布式水文模型每个网格的产流系数参照值；

S4、筛选并初始化分布式水文模型的敏感性参数，构建分布式水文模型的初始参数场；

S5、基于所构建的分布式水文模型参数场，利用分布式水文模型开展水文模拟，获取分布式水文模型每个网格的产流系数模拟值；

S6、计算分布式水文模型每个网格的产流系数模拟值与分布式水文模型每个网格的产流系数参照值之间的相对误差；并结合相对误差对分布式水文模型的每个网格的参数在一定范围内进行扰动，形成新的分布式水文模型参数场；

S7、重复步骤S5-S6，直到分布式水文模型每个网格的产流系数的模拟效果都达到预定精度，终止率定；利用站点实测径流验证径流的模拟效果。

优选的，步骤S1具体为，收集目标流域的基础数据和气象驱动数据，并将数据插值到同一空间分辨率，初步建立目标流域的分布式水文模型；目标流域的基础数据包括目标流域的DEM数据、土壤数据和土地利用数据。