论文部分内容阅读
近年来，在水资源管理和预测中，水文模型已经日益成为了一个非常有用的工具.与此同时，随着电子计算机技术和空间遥感技术的发展，能够更为有效地反映要素空间异质性变化的分布式水文模型的应用已经成为了现实.在本文中，我们通过集成MODIS的叶面积指数(LAI)数据从而在原有的分布式时变增益水文模型(DTVGM)的基础上增加了植被截留模块和改变了蒸散发模块并且重新构造了模型.然而，分布式水文模型本身具有过多参数的这一特点对模型优化提出了更高的要求.为了避免人工调参过程中模型使用者对模型参数取值的主观估计和模型调参过程中过多的时间耗费，我们在模型中集成了一种全局优化算法即洗牌法(SCE-UA)去执行模型的自动优化过程.在模型优化之前，我们运用耦合拉丁方超立方体采样和单因次单实验的算法(LH-OAT)对模型进行了模型敏感性分析以用来筛选出对模型结果输出影响比较大的参数集，以便更有效地运用洗牌法去对模型参数进行优化.最后，在马莲河流域，我们通过对修改过的DTVGM模型从2000年9月-2002年7月的近两年期间的日尺度的自动校正和2003年11月-2004年12月一年多时间的日尺度的验证，分别得到Nash-Sutcliffe系数0.72和0.56和相关系数0.85和0.79.因次，可以证明洗牌法对于优化水文模型来说是一种高效的优化算法和修改后的DTVGM模型在黄土高原上应用的可靠性.