資源描述：
《SWAT模型參數(shù)敏感性分析及應(yīng)用_黃清華》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。
1、V0.I33No.1—JeA：__204^SNAT模型參數(shù)敏感性分析及應(yīng)用黃清華1,張萬(wàn)昌2,3(1中國(guó)礦業(yè)大學(xué)資源與地球科學(xué)學(xué)院，江蘇徐州221008;2南京大學(xué)國(guó)際地球系統(tǒng)科學(xué)研究所，江蘇南京21009;3中國(guó)科學(xué)院大氣物理研究所，北京100029)摘要：地理信息系統(tǒng)(GIS)支持下的SWAT(SoilandWaterAssesmsentTool)分布式水文模型以流域離散化空間參數(shù)來(lái)描述流域水文變化特性，從物理意義上表達(dá)流域內(nèi)的水文過(guò)程，但眾多不確定的參數(shù)影響了模型的應(yīng)用效果，因此有必要對(duì)參數(shù)進(jìn)行敏感性分析。
2、將SWAT模型應(yīng)用到祁連山黑河上游山區(qū)流域，進(jìn)行了"年(1990-2000年)逐日徑流模擬，通過(guò)一個(gè)簡(jiǎn)便的敏感性分析方法，將模型影響水文過(guò)程的參數(shù)分成4類敏感級(jí)別，最后確定模型的參數(shù)。在11年的逐日模擬中1990-1995年為參數(shù)敏感性分析期和模型率定期,1996-2000年為模型的檢驗(yàn)期，模擬結(jié)果顯示22在黑河山區(qū)流域，豐水年逐日出山徑流的模型效率系數(shù)R達(dá)到Q8以上，平水年和枯水年RIQ51-0.79之間。關(guān)鍵詞：分布式水文模型；SWAT;黑河；敏感性分析中圖分類號(hào)：P334.92文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)"000
3、-6060(2010)01-0008-08(8~15)流域水文過(guò)程受氣象條件和流域下墊面的地質(zhì)、地貌、植被及土壤等因子的共同作用，在時(shí)空尺度上發(fā)生著巨大的變化。有別于視流域水文過(guò)程為空間均一的經(jīng)典的集總式水文模型，基于DEM的分布式水文模型由于充分考慮了流域陸面參數(shù)在空間上的變異性，同時(shí)又能較好地表達(dá)流域水文過(guò)程的1132物理意義，已成為徑流模擬新的發(fā)展方向■。與傳統(tǒng)的集總式模型相比，建立在物理機(jī)制上的分布式水文模型要求輸入的參數(shù)較多，并且由于水文陸面過(guò)程中參數(shù)的空間差異性、獲取過(guò)程中的誤差及參數(shù)評(píng)估的困難使得模
4、型初始參數(shù)值的輸入具有很142大的不確定性15-62素172建立在GIS基礎(chǔ)上的SWAT分布式水文模型具有很強(qiáng)的物理機(jī)制，近10年來(lái)己在國(guó)內(nèi)外廣泛應(yīng)18?9211-102_用，在我國(guó)西北地區(qū)也有應(yīng)用實(shí)例。由于SWAT模型是在國(guó)外高密度、長(zhǎng)序列有明確科學(xué)目標(biāo)的系統(tǒng)觀測(cè)數(shù)據(jù)基礎(chǔ)上發(fā)展起來(lái)的，在歐美國(guó)家應(yīng)用時(shí)，長(zhǎng)期的觀測(cè)數(shù)據(jù)積累較好，模型參數(shù)較容易確定。本文研究區(qū)所在的我國(guó)西北祁連山黑河干流流域位于半干旱的高寒山區(qū)，流域下墊面性質(zhì)及氣象條件較為復(fù)雜，影響出山徑流的因素較多，并且模型基礎(chǔ)資料較少，增加了流域徑流模擬的復(fù)雜
5、性和不確定性，因此有必要對(duì)影響模型效率的參數(shù)進(jìn)行敏感性分析，并在此基礎(chǔ)上確定關(guān)鍵參數(shù)，然后對(duì)敏感性級(jí)別較高的參數(shù)進(jìn)行率定以減少模型參數(shù)選擇的盲目性?？紤]到各敏感參數(shù)之間相互關(guān)系的復(fù)雜性，本文僅分析各單一參數(shù)對(duì)輸出結(jié)果的敏感性，暫不考慮各參數(shù)之間的相互影響。，降低了分布式水文模型的運(yùn)行效率和模擬精度咋此外，對(duì)模型參數(shù)敏感性認(rèn)識(shí)的不足icI也是影響分布式水文模型應(yīng)用的一個(gè)重要因0因此需要理解模型中每一個(gè)參數(shù)對(duì)模擬結(jié)果的影響通過(guò)對(duì)參數(shù)的敏感性分析進(jìn)行參數(shù)篩選,減少模型率定參數(shù)的數(shù)量，提高模型運(yùn)行時(shí)間效率和減少參數(shù)的不確
6、定性，為模型的進(jìn)一步改進(jìn)提供更加可靠的依據(jù)。1SWAT模型原理SWAT是美國(guó)農(nóng)業(yè)部（USDA）農(nóng)業(yè)研究中心1收稿日期：2009-07-18;修訂日期：2009-10?07基金項(xiàng)目：國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展規(guī)劃項(xiàng)目（2006CTN0050、2001CB309404）資助作者簡(jiǎn)介：黃清華（1972?），男，江西南昌人，博士研究生，主要從事遙感與地理信息系統(tǒng)、分布式水文模型及水利信息化方面的研究Emai:lqinghuahuang@163.oom1112(HUMUS)項(xiàng)目開，已經(jīng)在美國(guó)18日為時(shí)間步(ARS)1993年為美
7、國(guó)水文模型發(fā)的大、中尺度流域環(huán)境模擬模型個(gè)主要流域進(jìn)行過(guò)測(cè)試。該模型是以長(zhǎng),具有物理機(jī)制的分布式模型，可進(jìn)行連續(xù)的長(zhǎng)吋段的年、月或日的模擬。水文模擬是模型中的一個(gè)主要模塊，水文過(guò)程的計(jì)算分為6個(gè)部分：地表徑流、蒸散發(fā)、土壤水下滲、地下徑流側(cè)流、淺層地下徑流(回歸流)和融雪徑流。徑流模擬計(jì)算沿用了SNRRB模型的水量平衡公式的方法，計(jì)算每個(gè)水文子單元產(chǎn)水量，公式如下：$SW=P-Q-ET-DP-QR,(1)式中：$SW、P、Q、ET、DP和QR分別為土壤含水量、降水、地表徑流、實(shí)際蒸散發(fā)、深層下滲和淺層回歸流。水文
8、子單元產(chǎn)水為地表徑流、地下徑流側(cè)流、淺層地下徑流通過(guò)各種途徑匯集的總和。逐日地表徑1122流(surfacerunoff)采用改進(jìn)的USDASCS模型的徑流曲線數(shù)方法計(jì)算；峰值徑流量基于推導(dǎo)公式(Rationalformula)計(jì)算。土壤表層到根區(qū)的剖面分成多層，各層分別計(jì)算土壤水的出入滲、側(cè)流、蒸發(fā)。模型采用土壤蓄水演算技術(shù)(StorageRoutingTech 計(jì)算
