分布式流域水文模型刍议

本文，对水文模型，流域水文模型，分布式流域水文模型的概念进行了阐述；对分布式流域水文模型的性质、特点进行了论述，并对其在实时洪水预报中应用前景进行了分析。     

分布式水文概念模型率定方案比较研究

本文在基于新安江模型的分布式水文概念模型的基础上,以伊河东湾流域为研究对象,分别采用集总式、半集总式、半分布式三种率定方案进行模型率定和径流模拟,并与传统的集总式水文模型进行成果比较。研究结果表明:总的来说,分布式模型的模拟结果略好于集总式模型;由于考虑了不同子流域参数变异性,半分布式方案要优于其他方案;但随着模型结构的复杂性增加,参数率定的难度增大,模拟结果的不确定性增多,分布式水文概念模型的模拟效率还有待于进一步的提高。     

遥感和地理信息系统在分布式流域水文模型研制中的应用

综合了近几年来进行的部分研究以及国内外研究和应用的情况，介绍了遥感和地理信息系统在分布式流域水文模研制中的应用情况和发展趋势，展示了概念性模型参数地理化的可能性。     

基于分布式水文模型的雅鲁藏布江径流水源组成解析

为开展河川径流的水源解析,构建过程描述和本构参数两方面均有较强物理性的分布式水文模型。以雅鲁藏布江为对象,利用水文分区曲线对降雨、融雪和融冰等不同水源主导的流量过程进行划分,以划分的流量过程线子集对相应水文过程参数进行分步率定,提高了水文模型参数的物理性,以此构建了雅鲁藏布江流域分布式水文模型及参数集,内部多个水文站点和流域雪水当量的验证表明模型具有良好的性能。基于模型解析了2001-2015年间雅鲁藏布江的径流水源组成,降雨、融雪、融冰水源对总径流量贡献的比例分别为66%、20%和14%。本文方法对高山寒区径流的水源解析有普遍意义,结果对理解气候变化下雅鲁藏布江径流变化趋势有参考价值。     

基于分布式水文模型的雅鲁藏布江径流水源组成解析

为开展河川径流的水源解析，构建过程描述和本构参数两方面均有较强物理性的分布式水文模型。以雅鲁藏布江为对象，利用水文分区曲线对降雨、融雪和融冰等不同水源主导的流量过程进行划分，以划分的流量过程线子集对相应水文过程参数进行分步率定，提高了水文模型参数的物理性，以此构建了雅鲁藏布江流域分布式水文模型及参数集，内部多个水文站点和流域雪水当量的验证表明模型具有良好的性能。基于模型解析了2001—2015年间雅鲁藏布江的径流水源组成，降雨、融雪、融冰水源对总径流量贡献的比例分别为66%、20%和14%。本文方法对高山寒区径流的水源解析有普遍意义，结果对理解气候变化下雅鲁藏布江径流变化趋势有参考价值。     

基于DEM的集总式水文预报模型产流结构生成

降水数值预报和水文预报的耦合是水文研究的热点问题之一,在避免水文预报模型开发的前提下,本文探讨了如何利用现有的集总式水文预报模型,实现两个系统耦合的问题。提出了在DEM资料提取的数字流域基础上,人工干预子流域和泰森多边形的生成方法,使生成的子流域、泰森多边形与原集总式的水文预报方案划分情况基本一致,在产流层面解决了降水数值预报和集总式水文预报方案耦合的技术问题,为降水数值预报成果在水文预报中广泛应用创造了条件。该方法在潘家口水库的水文预报中应用,取得了较好的效果。     

分布式水文模型的进展及展望

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.     

流域水文模型研究中的若干问题

论述了流域水文模型出现的必然性,剖析了现有流域水文模型的局限性和用于水文预报需要解决的问题,并提出了若干建议,以期能推进流域水文模型的研究     

数字高程模型在流域水文模型应用中的若干问题

数字高程模型(DEM)在流域水文模型中得到了广泛应用,主要是因为DEM能够自动提取流域水文模型所需要的确定流域排水结构的水文信息。回顾并讨论了DEM在流域水文模型应用中的几个问题,主要包括河网自动提取的方法、DEM中排水方向的确定以及封闭洼地的处理,同时还包括在流域水文模型中应用时DEM的结构类型及尺度问题。由于由DEM生成的模拟河网与流域实际河网间存在一定的差别,最后还讨论了如何对模拟河网进行矫正的问题。     

缺资料流域水文模型参数区域化研究进展

缺资料流域由于缺乏历史径流资料无法进行水文模型参数率定,因此模型参数识别具有很大的难度和不确定性。目前国内外学者对缺资料流域水文模型参数识别一般采用区域化方法,即通过某种途径,利用有资料流域的模型参数推求缺资料流域的模型参数,从而对缺资料流域进行预报。文章总结分析了缺资料流域水文模型参数区域化方法中的参数移植法和回归法的研究进展,对存在的方法选择问题、尺度问题等进行了讨论,并指出在参数不确定性、尺度转换以及多种信息源利用等方面还有待于进一步研究。     

流域水文模型研究进展

本文介绍了流域水文模型的分类,论述了流域水文模型基础理论——产汇流理论的发展及其自身的研究进展,探讨了流域水文模型的研究趋势和发展困境,并对未来做出了展望,以期能推进流域水文模型的研究。     

ARC/INFO在流域水文分析中的应用

以吉林东部某山区小流域水文分析为例,将地理信息系统(GIS)与流域研究相结合,运用ARC/INFO的图像处理功能建立流域数字高程模型(DEM),利用其表面分析功能进行坡度、坡向、流线和流域识别等分析,实现GIS在流域水文分析中的应用。结果表明:运用ARC/INFO分析得到的流域坡度、坡向、流线及流域边界划分合理,输出结果直观美化,并在此基础上预测降水的汇流方向,效果较好。实现了对地形的三维化,提供了一种山区流域水文分析方法。     

分布式水文模型构建理论与方法述评

回顾了分布式水文模型的发展历程,分析总结了分布式水文模型的构建理论与方法,并对其关键内核——“物理基础”的含义做了深入而新颖的分析。分析了两类当前比较活跃的模型——分布式物理模型与分布式概念性模型中存在的问题及发展前景,并探讨了综合二者之长的具有物理基础的松散型分布式水文模型的构建思路,以及学者们期待中的基于确定性与随机性耦合的分布式水文模型。     

基于ArcGIS的DEM流域划分

从数字高程模型DEM(Digit Elevation Models)直接提取河网及流域信息,是分布式水文模型开发与应用的基础.本文利用ArcGIS中的水文分析工具从DEM中提取了流域水文特征.主要包括:DEM的预处理、水流方向的确定、水流累积量提取、河网的提取、集水区的提取和流域的划分.本文探讨了两种不同划分流域的方法...     

水文模型系统在峨嵋河流域洪水模拟中的应用

研究目的是采用水文模型系统(HMS)模拟峨嵋河流域暴雨水文过程,并为长江上游地区气候和水文响应研究提供可靠的信息。HMS是一种分布式水文模型可用于研究各种气候因子和地表覆盖变化而引起的水文过程响应,该系统(HMS)利用气象、土壤类型、土地利用和地表覆盖、数字高程(DEM)和降雨径流等资料,研究气候、陆面、地表水和地下水的相互作用机理。在本次研究中,采用SCS Curve Number(CN)和Green-Ampt(GA)方法来计算径流过程,用GIS来数字化DEM、土壤、土地利用和陆地覆盖数据。通过用不同时间间隔的降雨和不同计算方法的水力参数模拟水文过程,来检验降雨的时间尺度效应和水力参数的空间变异性对水文过程的影响。结果表明,HMS对峨嵋河流域暴雨洪水的模拟及预测具有较好的适用性。     

基于贝叶斯模型平均的径流模拟及不确定性分析

水文模型是模拟水循环过程重要手段,依靠单个模型进行模拟往往存在很大的不确定性,使通过多模型进行组合模拟成为必然趋势。选取3个集总式水文模型应用贝叶斯模型平均(BMA)进行流域月径流量的多模型模拟,采用期望最大化算法推求BMA分布参数以得到BMA均值模拟序列和90%不确定性区间。以武烈河实测数据为例进行分析,结果表明:BMA方法既能通过均值模拟提供更高精度的模拟效果,还可通过不确定性置信区间定量评价模型结构不确定性,为径流模拟提供丰富信息。     

遥感信息在水文动态模拟中的应用

以浙江省曹娥江流域为试验区,采用萨克拉门托流域水文模型,重点探讨了利用LandsatTM影象资料直接或辅助确定水文模型参数的途径和方法。研究表明,应用遥感信息确定萨克拉门托流域模型参数,进行日、月和年径流的动态模拟是完全可行的,并可取得较满意的精度,从而为无资料地区的水文动态模拟和监测提供了新经验。     

黑河出山径流的非线性特征分析

应用非线性动力学的理论和方法,对黑河出山径流的非线性特征进行了分析.结果表明,黑河月出山径流的年内分布、年平均流量的一次峰、谷变化符合单重或双重威布尔分布,并具有自相似性质.黑河出山径流多年变化在相空间中的运动轨迹收缩到一个约为4.32维的吸引子上,而描述流量的动力方程需要8个独立变量.黑河出山径流的非线性特征还表现在对内部结构为非线性函数的输入输出模型的良好应用上,如GRNN神经网络模型、非线性回归模型等.     

Modeling catchment sediment yield: a genetic programming approach

Hydrologic processes are complex, non-linear, and distributed within a watershed both spatially and temporally. One such complex pervasive process is soil erosion. This problem is usually approached directly by considering the sediment yield. Most of the hydrologic models developed and used earlier in sediment yield modeling were lumped and had no provision for including spatial and temporal variability of the terrain and climate attributes. This study investigates the suitability of a recent evolutionary technique, genetic programming (GP), in estimating sediment yield considering various meteorological and geographic features of a basin. The Arno River basin in Italy, which is prone to frequent floods, has been chosen as case study to demonstrate the GP approach. The results of the present study show that GP can efficiently capture the trend of sediment yield, even with a small set of data. The major advantage of the GP analysis is that it generates simple parsimonious expression offering some possible interpretations to the underlying process.