复杂大流域极端降雨事件的产水产沙响应：以黄河流域为例

复杂大流域极端降雨事件的产水产沙响应：以黄河流域为例

         

1. 文章信息

文章题目： Water and sediment yield response to extreme rainfall events in a complex large river basin: A case study of the Yellow River Basin, China

发表期刊： Journal of Hydrology

期刊等级：中科院 SCI  1 区

影响因子： 6.708 （2 021-2022 ）

发表时间： 2021 年 7 月

2. 研究背景

气候变化已成为全世界关注的焦点。对气候变化的自然反应和管理对策已成为一些政府和科学界关注的中心问题，流域径流变化和水土流失与气候变化有直接关系。阐明水沙对气候变化的响应，对于水旱灾害防治、水资源利用、水土保持等具有重要意义。降水增加或减少对流域产流产沙的影响有着广泛的认知，例如，在俄克拉荷马州中部的年平均降水量的变化将导致径流和土壤侵蚀的较大的变化。在对雅鲁藏布江上游年平均降水量的增加将导致径流量的持续增加，特别是在雨季。有学者还定量描述了镇江关流域产水产沙与降水变化的关系，得出年降水量变化10%会引起年径流量变化 10%-14%, 年产沙量变化 17%-24% 的结论。在年降雨量恒定的情况下，降水集中度（ PCD ）和降雨强度都显示出对流域径流和产沙量的影响。

然而，目前对极端降雨事件影响下的产水产沙变化的研究大多局限于局部区域，对于大型复杂流域，很少综合考虑区域间的差异。对黄河流域长期观测到的降水量的统计表明，在大型流域中，极端降水事件的时空分布和强度往往有很大差异。近年来，研究者们开始尝试建立大型流域的分布式水文模型，在这过程中遇到了许多困难，比如，模拟的实现受到计算时间的限制、数据处理复杂耗时、在评估由强烈的人类活动引起的与水沙产量相关的变化时涉及一定程度的主观性，并且直接影响模型的预测准确性等等。本研究试图找到解决这一问题的办法。将黄河流域（图 1 ）作为案例研究，初步建立分布式水沙演化模拟模型，探索人类活动强烈的超大型流域水沙演化模拟技术，探讨流域尺度模型的率定和验证方法，研究流域水沙对极端降雨事件的响应规律。

本研究分析了复杂大流域水沙变化的时空特征，最终目的是定量分析极端降雨事件对黄河流域坡面和河道水沙变化的贡献。

图 1 黄河流域概况

3. 研究方法

本研究利用 SWAT 软件建立流域尺度的产水产沙模型，研究黄河流域水沙对极端降雨事件的时空响应。使用 ArcSWAT 将整个流域划分为若干子流域，然后根据土地利用、土壤和坡度进一步划分为多个水文响应单元（ HRU ），然后将其作为模型中的基本计算单元。水库（ RES ）是位于 SWAT 中流域主河道网络上的蓄水池，接收来自所有上游子流域的荷载,在供水和防洪方面发挥着重要作用。为提高准确性，将水库纳入模型计算当中。消耗性用水（ WUS ）是 SWAT 中的一种管理工具，用于从盆地中移除水。该工具允许从任何子流域的河段或地下水层中去除可以按月设置的用水量。

为明确大型复杂流域不同区域坡面产水产沙变化规律，提高计算结果的准确性和可靠性，将流域划分为 6 个区域（图 2 ）。极端降雨事件的情景是通过将汛期（ 6 月至 9 月） 4 个月（ 122 天）的日降水量的 6%、12% 和 18% 集中在基准年 2013 年的前 4 个日降雨量上获得的，年内其余天数的降雨量与实测值保持一致（表 1 ）,在此基础上：

（   1   ）   利用黄河流域月尺度水沙实测数据进行率定和验证，然后进行模拟;

（   2   ）用降水集中度和最大降水量的空间分布两个基本指标来表征极端降水事件，通过几种极端降雨情景的模拟，研究该流域水沙变化的响应。

         

图 2  黄河流域子流域和校准单元

表 1  研究区域的极端降雨情景

4. 结论

（1） 参数敏感性

黄河流域被划分为 569 个子流域和 9980 个 HRU ，所有用于模型校正的单个单元如图 2 所示。 SWAT-CUP 显示（表 2 ），径流相关参数（ CN2、SOL_AWC、SOL_K、ESCO、GWQMN、REVAPMN 和 CH_K ）和泥沙相关参数（ SPCON、SPEXP、PRF 和 USLE_K ）的敏感性较高。然后通过参考其物理意义手动调整这些参数来校准和验证这些参数。

表 2   参数信息和拟合值

（ 2 ） 模拟值与观测值的比较

对 SWAT 模型的质量进行了评价，通过比较每月的径流和输沙模拟值与每月的观测值。在校准和验证期间，不同水文站的比较如图 3 和 4 所示。模型性能评价指标见表 1 和表 2 。模拟的月径流量和输沙量与实测值吻合较好。

图 3 水文站模拟和观测河川径流量的比较

图 4   水文站河流输沙模拟值与实测值的比较

从表   3   中可以看出，在径流模拟校准期间，   R2   系数在   0.711   和   0.859   之间，   NSE   系数在   0.550   和   0.785   之间，并且   PBIAS   在每个站点低于   9.1%   。此外，对于验证期，   R2   在   0.662   和   0.946   之间，   NSE   在   0.536   和   0.855   之间，每个站点的   PBIAS   低于   17.8%   。       

表 3   水文站径流评价指标率定与验证

由表 4 可知，在河流输沙率定期内，唐乃海、兰州、潼关站 R2、NSE 均在 0.6 以上， PBIAS 均在 30.4% 以下。兰州、潼关、三门峡三站的 R2 和 NSE 均大于 0.69 ， PBIAS 小于 14.7% 。但验证期在唐乃海，校准期在三门峡，相关系数 R2 和 NSE 值均低于 0.5 。径流模拟结果优于泥沙模拟结果。综上所述，所建立的 SWAT 模型对整个黄河流域具有较好的模拟性能，可用于研究不同情景下的产水产沙变化。

         

表 4   水文站泥沙评价指标的标定与验证

（ 3 ）不同情景下汛期 PCD

在每种情景下，计算了 2013 年汛期降雨序列的 PCD ，平均值列于表 5 。与实测降水量 （S0） 相比，极端降水事件（ S1、S2、S3 ）下的平均 PCD 值有所增加，且在各种情景下，汛期降水明显集中。从 PCD 值和时间分布来看， S3 以下的极端降水事件最为集中。在极端降雨事件下，流域不同区域对极端降雨事件的响应存在显著差异。黄河上游兰州以上地区产水量增幅较大，产沙增幅较小，中游头道至潼关地区产水量和产沙增幅较大。水沙来源均受极端降雨的影响，水沙关系更加复杂。

表 5   不同情景下的平均PCD

5 .讨论

利用SWAT模型模拟大型流域较困难，黄河流域面积大、降雨量分布不均，一套水文参数难以描述整个流域的水文规律，进行整个流域水沙模拟较为困难。因此作者将黄河流域划分成 6 个区域，每个区域单独进行调参率定，同时 考虑到水库和用水量， 显著提高了模拟结果的准确性。

其次， 在表 2 中，径流相关参数在不同区域进行了调整，而主要的沉积物相关参数是流域相关变量，其只能由相同的值分配以代表 SWAT 模型中的整个流域的报告。这可以解释为什么模拟的泥沙不如径流。此外，沉积物建模可能受到风或重力引起的土壤侵蚀的影响，这些侵蚀物质是塑造黄土沟壑形态的活性剂，并导致黄土高原大量的沉积物流失。这些都是今后改进水文模型时需要考虑的问题。