全 文 ：浑 太 森 林 流 域 径 流 过 程 模 拟*
蔡研聪1,2 摇 金昌杰1 摇 王安志1**摇 关德新1 摇 吴家兵1 摇 袁凤辉1
( 1中国科学院沈阳应用生态研究所森林与土壤生态国家重点实验室, 沈阳 110164; 2 中国科学院大学, 100049 北京)
摘摇 要摇 基于浑河与太子河上游 1998—2007 年北口前站和南甸峪站水文数据以及清原、新
宾和本溪县气象站点同期气象数据,应用 DHSVM分布式水文模型模拟浑太流域的水文过程,
验证模型的科学适用性,并提供最敏感模型参数的参考值.结果表明:浑河源区月径流模拟的
Nash鄄Suttclife系数(E 值)在率定期(1998—2002 年)和验证期(2003—2007 年)分别达到
0郾 9675 和 0. 8957,较好重现了研究区的月径流过程.太子河上游流域的年、月径流模拟值的 E
值均大于 0. 6,说明模型在浑太流域有较好的适用性、率定的参数方案有良好的可靠性.本文
为无站点观测资料的流域水文研究建立了一个坚实的框架,并构建了合理的参数方案.
关键词摇 分布式水文模型 DHSVM摇 模型率定摇 参数方案
文章编号摇 1001-9332(2013)10-2779-08摇 中图分类号摇 P339摇 文献标识码摇 A
Runoff process in forested basin of Hun River鄄Taizi River, Northeast China: A simulation
study. CAI Yan鄄cong1,2, JIN Chang鄄jie1, WANG An鄄zhi1, GUAN De鄄xin1, WU Jia鄄bing1, YUAN
Feng鄄hui1 ( 1State Key Laboratory of Forest and Soil Ecology, Institute of Applied Ecology, Chinese
Academy of Sciences, Shenyang 110164, China; 2Graduate University of Chinese Academy of Sci鄄
ences, Beijing 100049, China) . 鄄Chin. J. Appl. Ecol. ,2013,24(10): 2779-2786.
Abstract: Based on the hydrological data from the Beikouqian and Nandianyu stations in the up鄄
stream of Hun River and Taizi River as well as the meteorological data from the Qingyuan, Xinbin,
and Benxi County stations, Northeast China in 1998-2007, a distributed hydrological model (DHS鄄
VM) was applied to simulate the hydrological process in Hun鄄Tai basin. The scientific applicability
of the model was validated, and the reference values of the most sensitive model parameters were
provided. The simulated monthly runoff Nash鄄Suttclife coefficient (E value) for the source region of
Hun River in calibration period (1998-2002) and validation period (2003-2007) was 0. 9675 and
0. 8957, respectively, which could better reappear the monthly runoff process in this source region.
The simulated monthly and annual runoff E values for the upstream of Taizi River were greater than
0. 6, indicating that this model had good applicability in Hun鄄Tai basin, and the calibrated parame鄄
ter scheme had a good reliability. This paper established a solid framework for the hydrological
study over ungauged basin, and constructed a reasonable parameter scheme.
Key words: distributed hydrological model DHSVM; model calibration; parameter scheme.
*水体污染控制与治理科技重大专项(2012ZX07202鄄008)和国家自
然科学基金项目(31070546,30970483)资助.
**通讯作者. E鄄mail: waz@ iae. ac. cn
2012鄄12鄄14 收稿,2013鄄08鄄29 接受.
摇 摇 在水资源总体缺乏的大背景下,区域乃至全球
范围的水文状况研究是当前研究热点之一. 山区流
域由于地形复杂、海拔变化等造成气候条件差异悬
殊、植被分布的垂直地带性,给山区的水文变化分析
带来了困难[1-2] . 近几十年来,数学、计算机等学科
的蓬勃发展、RS技术和 GIS空间数据处理与分析能
力的快速提升,推进了数据资料缺乏的山区流域相
关领域研究的进一步发展. 一些模型的开发(MT鄄
CLIM、CLIGEN天气发生器等)以及插值方法的提出
和应用[3-4],弥补了观测数据的不足,促进了山区流
域气候变化对径流过程影响、流域产汇流过程分析
和森林变化的生态环境效应等方面的研究. 随着对
水文过程的深入理解和数值模拟技术的发展,大量
水文模型不断涌现,代表性的有 SHE、 Topmodel、
Sacramento、Stanford、SWAT、DHSVM、Tank 模型和新
安江模型等.其中,分布式水文土壤植被模型(DHS鄄
VM)作为典型的山区流域模型,对山区流域的水文
应 用 生 态 学 报摇 2013 年 10 月摇 第 24 卷摇 第 10 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇
Chinese Journal of Applied Ecology, Oct. 2013,24(10): 2779-2786
响应有着出色的模拟能力,已应用于多方面的水文
研究,并得到了广泛认可.
Wigmosta等[5]于 1994 年首次提出 DHSVM 模
型———一个基于物理过程的分布式水文模型. 其设
计初衷是用于模拟山区流域复杂地形的水文状况,
把土壤、植被、大气作为一个整体系统加以研究,考
虑了植被、土壤等下垫面要素的空间异质性.早期模
型(DHSVM 2. 0)的结构主要由双层冠层蒸发散模
型、单层积雪与融雪的能量平衡模型、双层不饱和土
壤模型以及饱和壤中流模型 4 部分组成,模拟的空
间尺度为 10 ~ 200 m,时间尺度从 1 h 到 1 d.之后,
为了更精确地描述地表的现实状况,DHSVM引入了
道路模块[6],分析道路的水文效应[7-8] .由于现实研
究需要,经过进一步发展,新一代 DHSVM 模型
(DHSVM 3. 0)增加了土壤侵蚀模块[9],增强了解决
土壤侵蚀与河流含沙量等重要生态问题的模拟能
力.鉴于早期 DHSVM 模型仅适合于山区使用的局
限,Cuo等[10]考虑到城市化地区特殊的下垫面性质
与独特的水文过程,重新改造了模型结构以适合城
市化地区的实际情况,在植被参数中增加了不渗透
面比例参数、不渗透产流比例参数,定性模拟城市径
流的主要过程,这一新结构极大拓展了 DHSVM 的
应用范围.随着模型结构的不断完善,DHSVM 在生
产实际中的应用更广泛,在评估土地利用变化[11]、
气候变化[12-14]、森林砍伐[15-17]等的水文响应方面
都有突出表现.
DHSVM较完善的模型结构加之其广泛的适用
范围,在不同气候区都取得了很好的模拟效果.国内
的相关研究主要集中在模型结构改进[18-20]和不同
模型的耦合两方面[21-23] . 王守荣等[23]尝试了区域
气候模式与 DHSVM 的耦合试验,利用 RegCM2 /
China的试验结果驱动 DHSVM,预测在未来 CO2加
倍情景下滦河、桑干河流域的蒸散发与径流变化趋
势,并验证 DHSVM 在国内流域的较好适用性;之
后,又改进了 DHSVM 的蒸散发公式和气象数据内
插算法,模拟这两个流域的水文过程,取得了出色的
模拟成果[19] .现今,DHSVM已广泛应用于国内不同
流域,都表现出较好的模拟能力[20,24-26] .
本文利用 DHSVM 3. 0 模拟 1998—2007 年辽宁
省浑太流域径流过程,在浑河流域源区选取清原水
文站的汇水区作为模型的参数率定区域,在太子河
源区选取南甸峪水文站的汇水区作为已校准模型的
验证流域,从月和年尺度验证其在参数率定流域的
模拟结果,并应用校准的模型模拟验证流域的径流
过程,检验其模拟效果,综合分析评价模型在浑太流
域的科学适用性,并提供一些重要敏感模型参数的
参考值,以期明确浑河和太子河森林流域径流过程
对其下游水库水量调节和防洪的影响.
1摇 研究地区与研究方法
1郾 1摇 研究区概况
浑河和太子河是辽宁省两大重要河流,河长分
别为 415 和 464 km,流域面积分别为 11481 和
13883 km2,年径流量分别为 3. 052 伊 1010和 3. 6 伊
1010m3 .模型参数的率定流域位于浑河流域源区
(41毅45忆—42毅20忆 N,124毅30忆—125毅20忆 E),流域面
积约 1832 km2,河道比降 5译 ~ 8译,属于辽东山地
丘陵区,高程范围为 172. 77 ~ 1080. 44 m (图 1),流
域年均降水量 800 ~ 900 mm.模型验证流域在太子
河的 南 支 源 头 ( 41毅 2忆—41毅 19忆 N, 124毅 14忆—
1254毅46忆 E),汇流面积 765 km2,流域地形起伏较
大,高程在 268 ~ 1290 m.两大河流源区的城市化程
度都很小,森林植被生长较好.流域降水的年内分配
很不均匀,冬季多受大陆干冷气团影响,降水较少;4
月开始,气旋入侵频繁,降水随之增多;夏季,在东南
季风控制下,海洋暖湿气流北上,雨量显著增多,降
水多集中在 6—8 月,其中,7—8 月的降水占全年降
水量的 50% .降水是流域河川径流产生和补给的主
要来源,流域内径流的年际变化与年降水变化一致,
7—8 月的径流量占年径流量的 50%以上.
1郾 2摇 数据来源及预处理
模型输入数据主要包括数字高程模型(digital
elevation model,DEM)、植被类型图、土壤类型图、气
象站和水文站观测数据. 气象水文资料分别是
1998—2007 年清原、新宾和本溪县 3 个气象站点的
逐日气象数据以及北口前和南甸峪水文站的同期日
图 1摇 研究区地理位置
Fig. 1摇 Geographical location of the study area.
0872 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷
均流量数据(源于 1998—2007 年浑河、太子河水系
水文年鉴).参数率定流域位于浑河上游,验证模型
流域处在太子河上游. 区域的高程数据采用航天飞
机雷达地形测绘数据(SRTM 90 m分辨率的 DEM),
并将其重采样为 100 m 分辨率(图 1). 研究区植被
数据使用地球系统科学数据共享平台的 2000 年
1 颐 100万植被图,1998—2007 年间流域未受强烈的
人类活动干扰,土地利用无明显变化,故假设这期间
的植被空间分布保持不变,以 2000 年的植被分布状
况作为基准,对参数率定流域的植被重分类为落叶
阔叶林(蒙古栎林、紫椴、色木槭、康椴林、黑桦林)、
农作物(春小麦、中晚熟大豆、高粱、糖甜菜、向日
葵、亚麻田)、矮树林(蒙古栎矮林)、灌木丛(榛子灌
丛)和落叶针叶林(长白落叶松林)5 类,所占比例分
别为 44. 8% 、24. 6% 、3% 、17. 6%和 10% ,同样对模
型验证流域的植被重分类为落叶阔叶林、农作物、灌
木丛、混交林(红松、蒙古栎林)、落叶针叶林、草地
(野古草、大油芒和杂类草草甸),所占比例分别为
58郾 4% 、19. 8% 、4. 6% 、16. 6%和 0. 6% . 原始土壤
类型数据来源于国家自然科学基金委员会“中国西
部环境与生态科学数据中心冶 (http: / / westdc. west鄄
gis. ac. cn) 的世界和谐土壤数据库 ( harmonized
world soil database,HWSD)1. 1 版本的中国1 颐 100万
土壤图,它包括上层 ( 0 ~ 30 cm)、下层 ( 30 ~
100 cm)的土壤质地类型.由于 DHSVM未考虑土壤
质地类型的垂向异质性,故本研究假设土壤类型在
垂向上是同质的,以顶层土壤质地类型为准,对研究
区土壤质地重分类(图 2). 两个流域的主要土壤质
地均是壤土. 当前,土壤深度空间分布暂无实测数
据,采用经验公式推导[27]:
S=depmin+(depmax-depmin){wslp[1-(
slp
slpmax
) Pslp]+
wsrc[1-(
src
srcmax
) psrc]+wele[1-(
ele
elemax
) Pele]}
式中:S 为土壤深度值;depmin和 depmax为区域最小和
最大土壤深度;wslp、wsrc和 wele分别为坡度、汇流面积
和高程的权重值(3 个参数的权重值总和为 1);slp、
src和 ele分别为某个栅格单元的坡度、汇流面积和
高程值;slpmax、srcmax和 elemax分别为所指定的区域最
大坡度、最大汇流面积和最大高程值阈值;pslp、psrc和
pele分别为坡度、汇流面积和高程的幂(3 个参数的
幂值均在 0 ~ 1). 以上推算公式改编为 AML 程序,
在 ArcInfo的 workstation 环境下运行程序,获取土壤
深度空间分布图(图 2).
研究区内的气象站均未观测每日入射长、短波
辐射,本文根据已知气象要素资料和经验公式推算
短波辐射和长波辐射.短波辐射估算采用 FAO研究
报告中的方法[28]:
图 2摇 研究区植被类型(A)、土壤类型(B)和土壤深度(C)的空间分布
Fig. 2摇 Spatial distribution of vegetation type (A), soil type (B) and soil depth (C ) in the study area.
a)北口前 Beikouqian; b)南甸峪 Nandianyu.
187210 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 蔡研聪等: 浑太森林流域径流过程模拟摇 摇 摇 摇 摇 摇
摇 摇 Rs =(a+bn / N) / R
R=24伊60仔 GSCdr(棕ssin渍sin啄+cos渍cos啄sin棕s)
式 中: Rs 是 到 达 地 表 面 的 短 波 辐 射 量
(MJ·m-2·d-1);R 是太阳到地球大气层外的短波
辐射 量; GSC 是 太 阳 常 数, 其 值 为 0郾 0820
MJ·m-2·min-1;dr 是太阳与地球间的相对距离;a
和 b分别是散射和直接短波辐射量常数,在没有实
测太阳辐射资料,无法率定 a和 b时,采用平均性气
候条件下的推荐值,即 0. 25 和 0. 50;棕s 是日落时的
太阳时角;渍 是观测点纬度(北半球为正,南半球为
负);啄是太阳倾角.
长波辐射估算采用文献[29]中的推理公式:
Rl =滓(0郾 9n / N+0郾 1)(0郾 34-0郾 14 ed )Tk4+滓Tk4
式 中: R l 为 到 达 地 表 面 的 长 波 辐 射 量
(MJ·m-2·d-1);滓为斯蒂芬鄄波尔兹曼常数,约为
4. 903伊10-9 MJ·K-4·m-2·d-1;n 为实际日照时数
(h·d-1);N为理论最大日照时数(h·d-1);ed为实
际水汽压(kPa);Tk为绝对温度(K),Tk =T+273. 2,T
为日均气温(益).
模型需要所规定参考高度下的风速值,而气象
台站观测数据是 10 m高度的风速,需将气象站的风
速数据转换到参考高度下的风速值.已有研究表明,
通常情况下风速与高度呈指数增加关系[30-31]:
U10 / Ux =(Z10 / Zx) 1 / 7
式中:U10和 Ux 分别为 10 m 和 x m 处的风速;Z10和
Zx 分别为各自的观测高度 (即 Z10 = 10 m, Zx =
x m).
1郾 3摇 模型参数确定及模拟结果评价指标
DHSVM涉及的土壤与植被参数较多,同时有些
参数值无法通过野外试验获取,影响模型参数率定.
此种情况下,参数敏感性分析是一种有效的解决方
法,通过计算各个参数的敏感性值,识别并筛选出敏
感性大的参数,以有效地减少待率定参数的个数,着
重率定最敏感的参数,这样可极大提高工作效率,也
有助于对模型结构的理解,并提高模拟精度. Wig鄄
mosta对 DHSVM 的敏感性分析结果表明,DHSVM
中约有 10 个参数对流域陆面水文过程的模拟较敏
感[32] .姚长青[33]采用扰动分析法,也得到类似结
果.之后,Wigmosta从 DHSVM在不同流域中的应用
研究总结出了 5 个特别敏感的参数:1 个植被参数
(植被最小气孔阻力)和 4 个土壤参数(侧向饱和导
水率、侧向导水率随深度变化的衰减系数、田间持水
量和土壤孔隙度) [32] . 植被最小气孔阻力控制着蒸
腾过程,进而影响水量平衡,侧向饱和导水率和衰减
系数由于对地下水运动的控制而影响了径流过程,
这 3 个敏感参数均难以定量测定,可通过模型率定
的方法获取;田间持水量和凋萎系数由 Soil Water
Characteristics软件估算;其余土壤(最大下渗率、垂
向导水率、热导率、曼宁系数等)、植被(冠层反照
率、叶面积指数 LAI、土壤湿度阈值等)与地形因子
参数(降雨随海拔升高的变化率,温度直减率等)采
用康丽莉等[24]推荐的参考值.本文采用试错法校正
模型参数,选取 1998—2002 年作为模型率定期,利
用 2003—2007 年水文站观测数据验证率定后的模
型.使用 Nash鄄Suttclife 系数(E)衡量模型模拟值与
观测值之间的拟合度,以评价模拟效果,其表达式
如下:
E = 1 -
移
n
i = 1
(Qsim - Qobs) 2
移
n
i = 1
(Qsim - 軍Qobs) 2
式中:Qsim为模拟值;Qobs为观测值;軍Qobs为观测平均
值;n 为总的观测次数. E<0,表示直接采用观测值
的算术平均值比模型模拟值更具有代表性;E 越接
近于 1,模拟效果越好.
1郾 4摇 数据处理
DEM、植被类型数据、土壤类型数据这 3 种空间
数据采用 ArcGIS 9. 3 软件进行格式转换、投影转
换、裁剪、重采样、重分类等处理,土壤深度数据在
ArcInfo workstation 9. 3 中生成. 采用 Excel 2003 和
Matlab 2013a软件对水文气象数据进行基本的统计
分析. 文中研究区空间分布图在 ArcGIS 9. 3 中生
成,其他图表由 Excel 2003 绘制.
2摇 结果与分析
2郾 1摇 参数率定流域的月均径流量
由图 3 可以看出,在率定期(1998—2002 年)和
验证期(2003—2007 年),模型模拟结果与现实月均
流量过程线均保持较一致的变化趋势,能够反映径
流的季节性变化.表征月平均流量模拟效果的 E 值
在率定期和验证期内分别为 0. 9675 和 0. 8957,在
整个模拟阶段的 E值为 0. 9267,这些信息为模型对
研究区流域月平均流量的模拟结果提供了统计学上
可信的支持.在丰水期和枯水期,模拟结果都较好地
与实际情况吻合. 部分较大的误差(模拟与实测的
差值)主要集中于夏季径流峰值期(图 4),丰水月份
的径流模拟存在低估现象,其中,2004年7月的误
2872 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷
图 3摇 参数率定流域的模拟、实测月均流量对比
Fig. 3 摇 Comparison between simulated and observed monthly
mean streamflow over basin for calibrating parameters.
图 4摇 参数率定流域的月均流量模拟误差
Fig. 4摇 Error of simulated monthly mean streamflow over basin
for calibrating parameters.
差最大,约 35. 84 m3·s-1 .从整体上看,模拟的径流
能较好地再现月径流过程.
2郾 2摇 参数率定流域的年径流总量
比较 DHSVM 的年径流量模拟结果与实测值
(图 5)可以看出,该模型能较好地刻画研究区
1998—2007 年的年径流变化过程,效率系数值为
0郾 959.在丰水年和枯水年,模拟值都较好地接近实
测年径流量,尤其是 1998—2000 年的年径流量相对
误差都小于 3. 7 mm.年径流量模拟的误差(模拟值
与实测值之差)都控制在-16. 8% ~ 16. 9% (图 6),
平均绝对误差约 8. 7% (约 19. 42 mm). 其中,2004
年的模拟误差最大,偏低 39. 52 mm;2003 年的模拟
径流量过高估计了 28. 03 mm.
2郾 3摇 模型验证流域的月均径流量
采用浑河源区率定的参数值来模拟验证流域的
径流过程.由图 7 可以看出,太子河源区模拟的径流
过程与实际较相似,保持了较好的月变化趋势,效率
系数E值为0 . 66,拟合度R2达到0 . 66 . 1998—2007
图 5摇 参数率定流域的模拟、实测年径流总量对比
Fig. 5摇 Comparison between simulated and observed annual run鄄
off over basin for calibrating parameters.
图 6摇 参数率定流域的年径流量误差百分比
Fig. 6摇 Percentage error of annual runoff over basin for calibra鄄
ting parameters.
图 7摇 模型验证流域的实测与模拟的月均流量对比
Fig. 7 摇 Comparison of monthly mean streamflow between ob鄄
served and simulated over basin for model validation.
年间,流域的实测月均流量为 6. 76 m3·s-1,月均流
量模拟值是 6. 79 m3·s-1,说明模型在总体上能够
描述流域多年间径流的月变化特征.
2郾 4摇 模型验证流域的年总径流量
南甸峪水文站汇水区模拟的年径流过程线与实
测过程线在趋势上吻合较好(图 8),E 值和 R2分别
为0. 7428和0. 7597(图9) . 1998—2002年,模拟值
387210 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 蔡研聪等: 浑太森林流域径流过程模拟摇 摇 摇 摇 摇 摇
图 8摇 模型验证流域的实测与模拟的年径流量对比
Fig. 8摇 Comparison of annual runoff between observed and sim鄄
ulated over basin for model validation.
图 9摇 实测与模拟年径流量的散点图
Fig. 9 摇 Scatter plot between observed and simulated annual
runoff.
存在一定的高估,平均偏差为 47. 49 mm,2003—
2007 年,模型总体上低估了年径流量,约低估
47. 45 mm,流域的总出水量基本相等.
3摇 讨摇 摇 论
本文通过手动调参方法,在参数率定流域上建
立了一套模型参数方案(表 1).其中,有 3 个最敏感
的模型参数.最小气孔导度( rsmin)是一个连接植被
生理和物候成分的重要参数[34],控制着植被的蒸腾
作用,进而影响整个流域的水量平衡.侧向饱和导水
率(ksl)是影响流域径流量的关键因子之一,其值增
加,径流量将增加,将产生径流峰值,并缩短汇流时
间[35] . Oosterbaan和 Nijland[36]指出,土壤导水率有
高度的空间变异性,随深度而变化.基于此,DHSVM
引入衰减系数(kse),用于表征土壤侧向导水率在不
同深度的变异. kse 增大,土壤的侧向导水率随深度
下降会加快,导致河川径流减小,延长汇流时间[35] .
模型参数的获取方法主要有野外观测实验法、
室内模拟实验法、模型率定法等. 其中,传统的野外
观测实验或者室内模拟实验法是获取模型参数近似
表 1摇 3 个最敏感模型参数的率定结果
Table 1 摇 Calibration result of three most sensitive model
parameters
植被类型
Vegetation type
rsmin
(s·m-1)
土壤质地
Soil type
ks l kse
落叶阔叶林
Deciduous broadleaved forest
666. 6 / 400
农作物
Crop
100 粉质壤土
Silty loam
5. 4e鄄5 0. 3
矮树林 Brush 150
灌木丛 Shrub 180 壤土Loam 7. 4e鄄5 1. 0
落叶针叶林
Deciduous coniferous forest
600 / 200
混交林 Mixed forest 200 / 200
草地 Grassland 200
rsmin: 最小气孔阻力 Minimum stomatal resistance; ksl: 侧向饱和导水
率 Lateral saturated hydraulic conductivity; kse: 衰减系数 Exponential
decrease. 落叶阔叶林、落叶针叶林及混交林 3 种植被类型划分上层
植被和下层植被,故 rsmin包含两个参数值;其他植被类型无上层植
被,rsmin是下层植被的参数值 Three vegetation types (deciduous broad鄄
leaved forest, deciduous coniferous forest and mixed forest) were divided
into upper and lower layer, so their rsmin 爷 s number was two. The other
vegetation types were not divided into two layers, so the rsmin爷s value was
the lower layer爷s value.
值的主要方法,但它们在一定程度上难以满足模型
的要求.因为它们大都是基于点或者几米的小尺度
观测所需的参数,而模型的模拟空间尺度通常是一
个大范围的面区域,面积达 100 m2甚至几千平方千
米,二者的空间范围差异悬殊,因此,模型参数大都
有尺度效应,小尺度观测值无法作为模型模拟单元
的代表值.如在土壤导水率的研究中,很多研究人员
发现,基于过程的水文模型率定得到的土壤导水率
值往往大于室内实验和野外观测值[37-39] . Davis
等[40]研究发现,利用较大土样(0. 22 m伊0. 30 m)测
量得到的垂向导水率比小土样大 1 ~ 3 个数量级,且
前者的观测值用于模型能得到更精确的径流模拟
值.因此,在缺乏大尺度观测值情况下,模型的参数
率定是获取区域合理参数值的有效方法.
摇 摇 本文利用 Nash鄄Suttclife 系数(E 值)评价参数
率定流域年月尺度的模拟与实测径流量的拟合度,
初步率定了一套模型参数方案. 为了进一步验证模
型参数方案的可靠性,将参数率定流域建立的参数
方案直接用于南甸峪水文站汇流区的径流过程模
拟.两个流域下垫面的植被构成较类似(图 10),验
证流域所在的南甸峪水文站汇流区主要由落叶阔叶
林、农作物和混交林构成,位于北口前汇流区的参数
率定流域的植被构成较多样,包括落叶阔叶林、农作
物、灌木丛、混交林、落叶针叶林.另外,参数率定流
域与模型验证流域的土壤类型几乎一样,均以壤土
为主.然而,从E值的变化可以看出,参数率定流域
4872 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷
图 10摇 植被类型的面积比例
Fig. 10摇 Area proportion of each vegetation type.
A:落叶阔叶林 Broadleaved deciduous forest; B:农作物 Crop; C:灌木
丛 Shrub; D:混交林 Mixed forest; E:草地 Grassland; F:矮树林 Bush;
G:落叶针叶林 Deciduous coniferous forest.
的结果优于模型验证流域. 造成模拟效果减弱的主
要原因之一可能是验证流域的气象资料存在一定不
足:该流域上唯一的气象站点位于研究区外(图 1),
且研究区属于山区,地形复杂,气象要素变化较大,
因此直接采用该气象站点的观测资料作为模型输入
数据,对研究区气候代表性的表达会有一定误差.
尽管验证流域的模拟效果未达到最佳水平,但
DHSVM仍然体现出了较好的水量平衡模拟能力,年
月尺度的径流模拟所得到的 E 值均大于 0. 6. 模型
在验证流域上应用时,基于同一类型植被和土壤的
参数值在空间分布上是同质的,这也会增加模拟误
差.但从验证模拟的结果来看,径流模拟值仍能够较
好地接近实测值,这也肯定了 3 个敏感参数率定结
果在浑太流域上具备良好的空间代表性,所建立的
DHSVM模型参数方案也具有一定科学参考价值.
DHSVM应用于其他子流域甚至无实测站点流域时,
可借鉴此参数率定结果.
4摇 结摇 摇 论
DHSVM模拟的浑太森林流域年月径流的结果
较好肯定了其在研究区的适用性,并在浑太流域建
立了一套较合理的参数方案,给出了 3 个最敏感参
数的合理参考值,这将为今后在浑河其他流域的水
文过程模拟奠定研究基础,尤其是无观测站点区域.
DHSVM丰富的输出结果(蒸散发、土壤湿度、潜水
面深度、径流量、雪盖范围等),也便于初步对区域
水文过程的理解.虽然模型在参数率定流域和验证
流域的模拟结果存在一定差异,但模拟结果的 E 值
仍然都大于 0. 6,基本上能反映流域的年月径流变
化特征.在今后的研究中,其他参数有待于进一步优
化,以提高模拟精度. 另外,模型对流域植被和土壤
参数的空间分布考虑尚存在一些不足,其中,植被的
年内和年间变化未考虑,易于造成蒸腾计算的误差.
同时,实测资料的不足也导致未能真实反映流域下
垫面的特征,如一些能够通过常规仪器观测的植被、
土壤的参数.构建一套完整的浑太流域下垫面的植
被和土壤参数方案,是今后水文模拟研究的重要数
据基础,可加深对流域特征空间异质性的认识.
参考文献
[1]摇 Li H鄄T (李海涛), Shen W鄄Q (沈文清), Sang W鄄G
(桑卫国), et al. Research situation and application of
MTCLIM model ( Mountain Microclimate Simulation
Model) . Journal of Mountain Science (山地学报),
2001, 19(6): 533-540 (in Chinese)
[2]摇 Su H鄄X (苏宏新), Sang W鄄G (桑卫国). Advances in
mountain microclimate simulation. Acta Phytoecologica
Sinica (植物生态学报), 2002, 26 ( suppl. ): 107 -
114 (in Chinese)
[3]摇 Zhuang L鄄W (庄立伟), Wang S鄄L (王石立). Spatial
interpolation methods of daily weather data in northeast
China. Journal of Applied Meteorological Science (应用
气象学报), 2003, 15(5): 605-615 (in Chinese)
[4] 摇 Jiang X鄄J (姜晓剑), Liu X鄄J (刘小军), Huang F
(黄 摇 芬), et al. Comparison of spatial interpolation
methods for daily meteorological elements. Chinese Jour鄄
nal of Applied Ecology (应用生态学报), 2010, 21
(3): 624-630 (in Chinese)
[5]摇 Wigmosta MS, Vail LW, Lettenmaier DP. A distributed
hydrology鄄vegetation model for complex terrain. Water
Resources Research, 1994, 30: 1665-1679
[6]摇 Wigmosta MS, Perkins WA. Simulating the effects of
forest roads on watershed hydrology. Water Science and
Application, 2001, 2: 127-143
[7]摇 Cuo L, Giambelluca TW, Ziegler AD, et al. Use of the
distributed hydrology soil vegetation model to study road
effects on hydrological processes in Pang Khum Experi鄄
mental Watershed, northern Thailand. Forest Ecology
and Management, 2006, 224: 81-94
[8]摇 Cuo L, Giambelluca TW, Ziegler AD, et al. The roles
of roads and agricultural land use in altering hydrological
processes in Nam Mae Rim watershed, northern Thai鄄
land. Hydrological Processes, 2008, 22: 4339-4354
[9]摇 Doten CO, Bowling LC, Maurer EP, et al. A spatially
distributed model for the dynamic prediction of sediment
erosion and transport in mountainous forested water鄄
sheds. Water Resources Research, 2006, 42: W04417
[10]摇 Cuo L, Lettenmaier DP, Mattheussen BV, et al. Hydro鄄
logic prediction for urban watersheds with the distributed
hydrology鄄soil鄄vegetation model. Hydrological Processes,
2008, 22: 4205-4213
[11]摇 Storck P, Bowling L, Wetherbee P, et al. Application
of a GIS鄄based distributed hydrology model for prediction
of forest harvest effects on peak stream flow in the Pacif鄄
ic Northwest. Hydrological Processes, 1998, 12: 889-
904
[12]摇 Cuo L, Lettenmaier DP, Alberti M, et al. Effects of a
century of land cover and climate change on the hydrolo鄄
gy of the Puget Sound basin. Hydrological Processes,
587210 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 蔡研聪等: 浑太森林流域径流过程模拟摇 摇 摇 摇 摇 摇
2009, 23: 907-933
[13]摇 VanShaar JR, Haddeland I, Lettenmaier DP. Effects of
land鄄cover changes on the hydrological response of inte鄄
rior Columbia River basin forested catchments. Hydro鄄
logical Processes, 2002, 16: 2499-2520
[14]摇 Leung LR, Wigmosta MS. Potential climate change im鄄
pacts on mountain watersheds in the Pacific Northwest.
Journal of the American Water Resources Association,
1999, 35: 1463-1471
[15]摇 Schnorbus M, Alila Y. Forest harvesting impacts on the
peak flow regime in the Columbia Mountains of south鄄
eastern British Columbia: An investigation using long鄄
term numerical modeling. Water Resources Research,
2004, 40: W05205
[16]摇 Bowling LC, Storck P, Lettenmaier DP. Hydrologic
effects of logging in western Washington, United States.
Water Resources Research, 2000, 36: 3223-3240
[17]摇 Waichler SR, Wemple BC, Wigmosta MS. Simulation of
water balance and forest treatment effects at the H. J.
Andrews Experimental Forest. Hydrological Processes,
2005, 19: 3177-3199
[18]摇 Xue X鄄W (薛显武), Chen X (陈 摇 喜), Zhang Z鄄C
(张志才), et al. Effect of karst fracture on saturated
subsurface flow confluence. Water Resources and Power
(水电能源科学), 2009, 27(6): 20-23 (in Chinese)
[19]摇 Wang S鄄R (王守荣), Ding Y鄄H (丁一汇), Leung
LR, et al. Improvements of a distributed hydrology mod鄄
el DHSVM and its climatological鄄hydrological off鄄line
simulation experiments. Acta Meteorologica Sinica (气
象学报), 2002, 60(3): 290-300 (in Chinese)
[20]摇 Zhang Z鄄C (张志才), Chen X (陈摇 喜), Shi P (石
朋), et al. Distributed hydrological model and eco鄄
hydrological effect of vegetation in Karst watershed. Ad鄄
vances in Water Science (水科学进展), 2009, 20(6):
806-811 (in Chinese)
[21] 摇 Liu Q (刘 摇 茜), Wang M鄄Y (王明玉), Zhao Y鄄S
(赵英时). A weighted average soil moisture assimila鄄
tion experiment based on ensemble Kalman Filter. Geog鄄
raphy and Geo鄄Information Science (地理与地理信息科
学), 2010, 26(1): 94-97 (in Chinese)
[22]摇 Wang S鄄R (王守荣), Kang L鄄L (康丽莉), Shi Y (石
英). A study on climatic and hydrological modeling in
Lanjiang basin. Acta Meteorologica Sinica (气象学报),
2008, 66(3): 320-328 (in Chinese)
[23]摇 Wang S鄄R (王守荣), Huang R鄄H (黄荣辉), Ding Y鄄
H (丁一汇), et al. Numerical simulation experiments
by nesting hydrology model DHSVM with regional cli鄄
mate model RegCM2 / China. Acta Meteorologica Sinica
(气象学报), 2002, 60(4): 421-427 (in Chinese)
[24]摇 Kang L鄄L (康丽莉), Wang S鄄R (王守荣), Gu J鄄Q
(顾骏强). The simulation test of the distributed hydro鄄
logical model DHSVM on the runoff change of Lanjiang
river basin. Journal of Tropical Meteorology (热带气象
学报), 2008, 24(2): 176-182 (in Chinese)
[25]摇 Liu S鄄C (刘三超), Zhang W鄄C (张万昌), Gao M鄄F
(高懋芳), et al. Simulation of land surface evapo鄄
traspiration using distributed hydrological model, remote
sensing and GIS technology. Scientia Geographica Sinica
(地理科学), 2007, 27(3): 354-358 (in Chinese)
[26]摇 Yao C鄄Q (姚长青), Yang Z鄄F (杨志峰), Zhao Y鄄W
(赵彦伟). Study on integration of Distributed Hydrolo鄄
gy Soil Vegetation Model and GIS. Journal of Soil and
Water Conservation (水土保持学报), 2006, 20(1):
168-171 (in Chinese)
[27]摇 Land Surface Hydrology Research Group in the Depart鄄
ment of Civil and Environmental Engineering at Univer鄄
sity of Washington. Soil Depth [ EB / OL]. (1999鄄12鄄
27) [2013鄄06鄄03]. ftp: / / ftp. hydro. washington. edu /
pub / HYDRO / models / dhsvm / tutorial3郾 1 / amlscripts / soil鄄
depth. aml
[28]摇 Allen RG, Pereira LS, Raes D, et al. Crop Evapotrans鄄
piration鄄Guidelines for Computing Crop Water Require鄄
ments: FAO Irrigation and Drainage Paper 56. Rome:
FAO, 1998
[29]摇 Maidment DR. Trans. Zhang J鄄Y (张建云), Li J鄄S
(李纪生), Wen K (文摇 康), et al. Handbook of Hy鄄
drology. Beijing: Science Press, 2002 (in Chinese)
[30]摇 Pang Z鄄G (庞治国), Fu J鄄E (付俊娥), Li J鄄R (李纪
人), et al. Remote sensing model for estimating evapo鄄
transpiration based on energy balance. Advances in
Water Science (水科学进展), 2004, 15(3): 364-369
(in Chinese)
[31]摇 Tian G鄄L (田国良). Dynamic Study in the Typical
Area of the Yellow River Basin by Remote Sensing. Bei鄄
jing: Science Press, 1990 (in Chinese)
[32]摇 Yao C, Yang Z. Parameters optimization on DHSVM
model based on a genetic algorithm. Frontiers of Earth
Science in China, 2009, 3: 374-380
[33]摇 Yao C鄄Q (姚长青). Simulation of Watershed Land鄄sur鄄
face Hydrological Process and Its Integration with GIS.
PhD Thesis. Beijing: Beijing Normal University, 2006
(in Chinese)
[34]摇 Lhomme JP, Elguero E, Chehbouni A, et al. Stomatal
control of transpiration: Examination of Monteith爷 s for鄄
mulation of canopy resistance. Water Resources Re鄄
search, 1998, 34: 2301-2308
[35]摇 Hao Z鄄C (郝振纯), Liang Z鄄H (梁之豪), Liang L鄄Q
(梁丽乔), et al. Adaptability analysis of DHSVM mod鄄
el in runoff simulation of Baoku river basin. Water Re鄄
source and Power (水电能源科学), 2012, 30(11):
9-12 (in Chinese)
[36] 摇 Oosterbaan RJ, Nijland HJ. Determining the saturated
hydraulic conductivity / / Ritzema HP, ed. Drainage
Principles and Applications. Wageningen: International
Institute for Land Reclamation and Improvement, 1994:
435-476
[37]摇 Grayson RB, Moore ID, McMahon TA. Physically
based hydrologic modeling: 2. Is the concept realistic?
Water Resources Research, 1992, 28: 2659-2666
[38]摇 Chappell NA, Franks SW, Larenus J. Multi鄄scale per鄄
meability estimation for a tropical catchment. Hydrologi鄄
cal Processes, 1998, 12: 1507-1523
[39]摇 Blain CA, Milly PCD. Development and application of a
hillslope hydrologic model. Advances in Water Re鄄
sources, 1991, 14: 168-174
[40]摇 Davis SH, Vertessy RA, Silberstein RP. The sensitivity
of a catchment model to soil hydraulic properties ob鄄
tained by using different measurement techniques.
Hydrological Processes, 1999, 13: 677-688
作者简介摇 蔡研聪,男,1988 年生,博士研究生. 主要从事生
态水文模型、流域水文模型及森林与气候的水文效应研究.
E鄄mail: onion鄄20062006@ 163. com
责任编辑摇 杨摇 弘
6872 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷