水文模型分类

文章编号:100020240(2004)0120061205分布式水文模型的进展及展望

收稿日期:2003206212;修订日期:2003210210 基金项目:中国科学院知识创新工程方向性项目(KZCX32SW2329);国家自然科学基金重大计划项目(90202014);中国科学院知识创新工程项目(KZCX1210203201)资助 作者简介:王书功(1976—),男,河北唐山人,2000年在兰州大学获学士学位,现为中国科学院寒区旱区环境与工程研究所博士研究生,主要从事水文与水资源研究.E2mail:wangsg@王书功,　康尔泗,　李　新(中国科学院寒区旱区环境与工程研究所,甘肃兰州　730000)摘　要:分布式水文模型是当前水文建模领域最为活跃的研究方向,是解决流域水文、生态和环境问题的有效的途径.讨论了分布式水文模型的结构、与地理信息系统和遥感技术的关系、参数标定、应用领域等问题,指出分布式水文模型发展面临的问题并展望了未来的发展方向.关键词:分布式水文模型;进展;展望中图分类号:P333.9文献标识码:A

1　引言水文模型是描述水文过程的数学模型,是水文循环规律研究的必然结果.水文模型可以分为确定性模型和随机性模型:确定性模型应用有限的物理学规律描述水文过程,其预测结果不存在不确定性[1];随机模型应用概率理论和随机性过程描述水文环节,其预测结果多为条件概率的形式.确定性模型根据模型对流域的描述是空间集总式的还是分布式的描述,以及对水文过程是经验性描述、概念性描述还是完全物理描述进一步划分为黑箱模型、概念模型和基于物理学的分布式模型.黑箱模型、概念模型和物理模型分别代表确定性水文模型的不同发展阶段.黑箱模型基于传输函数,几乎没有任何物理意义;概念模型处于完全物理描述和经验式黑箱分析的中间位置;基于物理的水文模型建立在人们对控制流域响应的水文过程的物理认识的基础上.由于流域的水文异质性,物理模型必须对流域进行离散化,使得模型计算单元内的水文性质满足物理学的均一性要求,因而,物理模型是空间分布式的模型.分布式物理模型能够模拟整个径流过程,可以预测多个水文变量(如径流量、土壤含水量以及蒸散发等)的时空格局.在分布式模型中,物质、能量和动量的传输直接应用控制微分方程描述,例如应用St.Venant方程描述坡面漫流、应用Richard方程描述包气带水分运移以及应用Boussinesq方程描述地下水流运动.分布式模型中的偏微分方程多采用数值解,如有限单元法和有限差分法,因此,相对集总式概念模型,分布式模型需要更多的计算时间和性能更好的计算机.分布式水文模型是近20a来水文建模领域的热点,20世纪80年代以来,计算机的普遍应用和计算能力大幅度提高,为分布式水文模型的发展铺平了技术道路;流域对自然和人为因素的响应研究以及流域管理决策人员的需求,极大地推动了分布式水文模型的发展.1986年丹麦水力学研究所、英国水文研究所和法国的SOGREAH合作开发的系统水文欧洲SHE是最早为人所知的分布式水文模型,它致力于模拟水文循环的所有重要环节.Famigliettietal.[2]将修改的TOPMODEL[3]和一个表面能量平衡模型耦合在一起,计算整个流域范围内的蒸散发空间变化.Wigmostaetal.[4]建立了一个分布式的水文植被模型,研究复杂地形条件下的流域水文过程.本文立足于分布式水文模型的研究成果,归纳了分布式水文模型的一般结构、应用领域以及与地理信息系统和遥感技术的关系及其存在的问题,论述了分布式水文模型未来发展方向.第26卷　第1期2004年2月冰　川　冻　土JOURNALOFGLACIOLOGYANDGEOCRYOLOGYVol.26　No.1Feb.2004

龙源期刊网

分布式水文模型研究进展

作者：郑贵元 李建贵 孙伟 王雯清

来源：《安徽农学通报》2017年第10期

摘 要：该文介绍了分布式水文模型的研究现状，以及分布式水文模型的构建，并对存在问题及发展方向进行了总结和展望。

关键词：Wassi；研究进展；分布式水文模型；水文模拟

中图分类号 P208 文献标识码 A 文章编号 1007-7731（2017）10-0027-03

自20世纪以来全球水资源危机日益加深，为了研究在特定气候和人类活动影响下的水文规律，水文研究从流域水循环的模拟即集总式水文模型扩展到分布式或半分布式水文模型[1-4]再到使用专业水文模拟软件进行协同分布式模拟计算。水文模型是水文科学的重要的研究方法和手段[5-6]。本文首先介绍了分布式水文模型的研究现状，然后介绍了分布式水文模型的构建，最后对分布式水文模型的进行了展望和总结。

1 分布式水文模型研究现状

目前分布式水文模型在区域研究中，影响较大的模型有水碳耦合模型。水碳模型最早始于20世纪80年代的光合模型和光合与气孔导度关系的模型。现在比较常用的区域水碳模型有SMPT-SB模型等。SMPT-SB是一个反映叶片和冠层尺度水碳耦合的模型，张宝忠[7]等使用SMPT-SB模型分析了华北地区夏玉米叶片和冠层尺度的光合与蒸腾的变化规律，计算后所得叶片光合、蒸腾和水分利用效率数值与真实数的回归系数接近1，模型较好的反映了叶片光合与蒸腾的耦合关系。而使用次数较为频繁的模型有CEVSA、BEPS、IBIS等模型，这几种模型都是基于地球循环大环境下的水文模型。潘登[8]等使用应用分布式水文模型优化黑龙港及运东平原农田灌溉制度，通过模型优化后当地的灌溉制度得到了改善，反映出水文模型对生产实践具有实际参考意义。

Wassi模型是一个基于月供水压力指数的水文模型[9]，sun[10-11]等使用Wassi模型对了美国和墨西哥等国家和地区进行了水文模拟计算，模拟结果显示Wassi模型较好的反映了美国等的供水压力状况，并预测了未来的降雨量。P.V.caldwell[12]等和孙阁教授合作研究了水蒸发、不同土地使用类型、气候变化等要素对供水变化的影响。

一、 试题

简述流域水文模型的类型及其应用问题

水文模型的基本类型有哪些各有哪些作用

论述流域水文模型的类型及其特征

水文模型的分类

水文模型分为物理模型和数学模型两类。

物理模型是一种比尺或比拟模型模拟，前者将研究对象的原型按一定的比例在实验室内建成物理模型，先对模型进行观测分析，然后根据相似律再对原型的物理过程进行定性或定量分析，后者是以一些物理量来比拟水的某些特性的模型。

数学模型则首先针对人们已掌握的流域径流形成的物理机制，应用物理定律建立其数学描述方程式，然后用数学方法时行求解，从而获得各种情况下流域降雨与径流之间的定量关系。

数学模型又可分为确定性模型和随机模型两类。确定性模型是描述水文现象必然规律的数学结构；随机模型描述水文现象随机性规律的数学结构。确定性模型可分为集总式和分散式模型两种，前者忽略水文现象的空间分布差异。随机模型分散式模型集总式模型确定性模型数学模型比拟模拟比尺模拟物理模型水文模型

数学模型相对于物理模型的优点：

1、数学模型的所有条件都可以由原型所观测的数据直接给出，不受比尺的限制，即数学模型无相似律问题。

2、数学模型的边界及其它条件既可严格控制，也可随时按实际需要改变。

3、数学模型的通用性强，只要研制出一种适合的软件就可用于解决不同的实际问题。

4、数学模型具有理想的抗干扰能力，只要条件不变，重复模拟可得到完全相同的结果，不会因人、因地而异。

5、数学模型的研制费用相对便宜，运行处理费用更加便宜。

流域水文模型的分类

流域水文模型以流域为研究对象，对流域内发生降雨径流这一特定的水文过程进行数学模拟，即把流域上的降雨过程，模拟计算出流域出口断面的流量过程。从流域水文模型的发展和应用来看，流域水文模型属于数学模型，可分为确定性模型和随机模型，我们通常所说的是指确定性模型。

从反映水文运动物理规律的科学性和复杂性程度而言，流域水文模型通常被分为三大类：系统模型（即黑箱模型，back-box model）、概念性模型（conceptual model）、物理模型（physically-based model）。

(完整版)SWAT水文模型

参考资料 SWAT水文模型介绍

1概述

SWAT（Soil and Water Assessment Tool）模型是美国农业部（USDA)农业研究局（ARS）开发的基于流域尺度的一个长时段的分布式流域水文模型。它主要基于SWRRB模型，并吸取了CREAMS、GLEAMS、EPIC和ROTO的主要特征.SWAT具有很强的物理基础,能够利用GIS和RS提供的空间数据信息模拟地表水和地下水的水量和水质，用来协助水资源管理，即预测和评估流域内水、泥沙和农业化学品管理所产生的影响。该模型主要用于长期预测，对单一洪水事件的演算能力不强,模型主要由8个部分组成:水文、气象、泥沙、土壤温度、作物生长、营养物、农业管理和杀虫剂。SWAT模型拥有参数自动率定模块，其采用的是Q.Y.Duan等在1992年提出的SCE-UA算法。模型采用模块化编程，由各水文计算模块实现各水文过程模拟功能，其源代码公开,方便用户对模型的改进和维护。

2模型原理

SWAT模型在进行模拟时，首先根据DEM把流域划分为一定数目的子流域,子流域划分的大小可以根据定义形成河流所需要的最小集水区面积来调整，还可以通过增减子流域出口数量进行进一步调整。然后在每一个子流域内再划分为水文响应单元HRU。HRU是同一个子流域内有着相同土地利用类型和土壤类型的区域。每一个水文响应单元内的水平衡是基于降水、地表径流、蒸散发、壤中流、渗透、地下水回流和河道运移损失来计算的。地表径流估算一般采用SCS径流曲线法。渗透模块采用存储演算方法，并结合裂隙流模型来预测通过每一个土壤层的流量,一旦水渗透到根区底层以下则成为地下水或产生回流。在土壤剖面中壤中流的计算与渗透同时进行.每一层土壤中的壤中流采用动力蓄水水库来模拟。河道中流量演算采用变动存储系数法或马(完整版)SWAT水文模型

参考资料 斯金根演算法。模型中提供了三种估算潜在蒸散发量的计算方法—Hargreaves、Priestley-Taylor和Penman-Monteith。每一个子流域内侵蚀和泥沙量的估算采用改进的USLE方程，河道内泥沙演算采用改进的Bagnold泥沙运移方程.植物吸收的氮采用供需方法计算，植物的氮日需求量是植物与生物量中氮浓度的函数.土壤中向植物供给氮，当需求超过供给时，出现营养物压力。地表径流、壤中流和渗透过程运移的硝态氮量由水量和土壤层中的平均硝态氮浓度来估计。泥沙中运移的有机氮采用McElroy et al.开发的负荷方程，后经进一步改进。该负荷方程基于土壤表层的有机氮浓度、泥沙量和富集率来估计径流中的有机氮损失。植物吸引的磷采用与氮相似的供需方法。径流中带走的可溶解磷采用土壤表层中的不稳定磷、径流量和磷土分离系数来计算。泥沙运移的磷采用与有机氮运移相同的方程.河道中营养物的动态模拟采用QUAL2E模型。