论文部分内容阅读
由全球极端气候引起的洪涝灾害是人类面临的最重大问题之一。我国地处中纬度,是一个汛期暴雨集中,强度大,山区洪水陡涨陡落的国家。随着我国水资源危机和环境危机的加剧,通过水文模拟实现对区域水资源状况进行检测和预测的需求十分迫切。TOPMODEL和神经网络(ANN)作为两种不同类型且应用成熟的径流模拟工具各有优缺点。其中TOPMODEL模型能描述水文物理过程但却很难捕捉径流过程中的非线性因素,而ANN作为黑箱模型只考虑到系统的输入输出。因此,本文将ANN强大的非线性处理能力集成到结构简明且具有明确物理概念的TOPMODEL水文模型的地下产流方案中,将前两天的降雨径流信息作为ANN的输入,每天的初始地下水位作为输出,并借助粒子群优化算法对整个模型进行参数率定,从而构建既具有物理意义又能捕捉系统非线性因素的新型降雨-径流模型。为了评价新构建的降雨-径流模型在不同流域尺度和不同气候和生态条件下的适用性。本研究选择了温暖湿润气候区的汉江上游的酉水街流域,半湿润半干旱区的淮河流域的子流域临沂流域以及位于干旱、半干旱区的黑河流域莺落峡子流域为研究区,对新构建的降雨-径流模型进行日径流模拟与评估,并与半分布式TOPMODEL模型进行对比分析,研究结果表明：(1)在温润区的酉水街流域,新型降雨-径流模型和TOPMODEL模型均能对径流有较为满意的模拟效果,其中新型降雨-径流模型在酉水街流域日降雨径流过程模拟中的确定性系数较高,略优于TOPMODEL。(2)在临沂流域。两个模型在该区域与温润区的酉水街流域相比表现较差,其中新型降雨-径流模型表现仍相对较好。(3)在莺落峡,虽然TOPMODEL的模拟效果远差于其他两个流域,但新型降雨-径流模型表现却非常突出,确定性系数达到0.8以上,这一结果突出体现了新型降雨-径流模型在低径流区域的贡献。综上所述,新型降雨-径流模型在多个流域尺度和多气候生态条件下表现均令人满意,日径流过程模拟均优于TOPMODEL模型,尤其是在干旱区莺落峡流域。因此,结果表明将神经网络集成到TOPMODEL的地下产流方案是成功可行的,而且该方法也能较为容易的推广到其他水文模型。此外,新型降雨-径流模型结构简单、参数较少,效率高,便于与大尺度气候模式及数值天气预报业务模式耦合,也易于与生态、农林业、环境、水土保持等模型耦合。