AnnAGNPS 模型参数空间聚合水文效应研究高清版文档格式.docx

AnnAGNPS 模型参数空间聚合水文效应研究高清版文档格式.docx

《AnnAGNPS 模型参数空间聚合水文效应研究高清版文档格式.docx》由会员分享，可在线阅读，更多相关《AnnAGNPS 模型参数空间聚合水文效应研究高清版文档格式.docx（57页珍藏版）》请在冰点文库上搜索。

水资源环境

指导老师:

陈兴伟教授

陈莹副教授

申请学位级别:

理学硕士

论文提交日期:

2015年5月24日

论文评阅人:

论文答辩日期:

2015年5月28日

答辩委员会主席:

黄河清研究员

学位授予单位:

福建师范大学

学位授予日期:

2015年6月19日

2015年6月

中文摘要

在全球气候变化和人为活动影响日益增强的背景下,严重的土壤侵蚀造成耕地面积减少、土壤质量退化、水体污染,继而引起一系列的生态和环境问题。

分布式水文模型已成为研究变化环境下流域产流产沙演变规律的重要工具。

分布式水文模型将流域划分为一定数量的计算单元,以反映流域下垫面特征的空间变化,通过求解这些计算单元来模拟流域水文过程。

这些计算单元的分辨率通常大于地形、土壤、土地利用等输入数据的空间分辨率,因此在每个计算单元内的参数值会存在某种程度的集总,即参数的空间聚合。

参数的空间聚合程度影响着模型模拟结果,探讨包括地形、土壤、土地利用等输入参数的空间聚合对模拟结果的影响,有助于选择适宜的单元参数聚合值,减少模型的不确定性。

山美水库流域位于我国东南沿海泉州市境内,是泉州市重要的水源地。

构建流域高精度的日产流产沙分布式水文模型,对于防治流域水土流失、保护流域水资源、促进区域社会经济可持续发展具有重要意义。

本文以山美水库流域为研究区,在对AnnAGNPS模型参数敏感性分析的基础上,构建了流域较高精度的日尺度产流产沙AnnAGNPS模型。

通过设置9种不同临界源面积（CSA取值,分析不同分室划分引起的地形、土壤和土地利用的空间聚合效应;

并定量分析了参数空间聚合对径流量和输沙量的影响;

通过设置7种情景,并进一步定量区分了地形和土壤/土地利用参数的空间聚合对产流产沙过程的影响。

结果表明:

（1AnnAGNPS模型能较好的模拟山美水库流域年、月、日尺度产流与产沙过程。

（2随着（CSA取值增加,流域地形、土壤和土地利用呈现明显的聚合效应。

地形参数表现为河网密度、沟道坡度和分室坡度显著降低;

土地利用表现为林地面积显著增加,园地、耕地和建设用地面积显著下降;

各土壤类型面积变化表现出不同的聚合效应。

（3土壤/土地利用参数空间聚合导致年平均径流量和输沙量减少,且对输沙量影响更显著;

地形参数的空间聚合导致年输沙量减少,对年平均径流量无显著影响;

土地利用参数空间聚合对径流量和输沙量的影响均大于地形参数的影响。

（4地形参数的空间聚合是影响日径流过程的主要因素,随着聚合程度的增加,日径流过程线呈现洪峰流量增加、峰现时间提前的趋势,且对年平均最大1d径流的影响大于连续最大5d。

（5土壤/土地利用参数的空间聚合对最大1d输沙量影响较大,随着聚合程度的增加而显著下降,

且连续最大5d变化率大于最大1d;

而地形参数空间聚合程度的增加造成日输沙过程峰值的出现时间提前。

关键词:

AnnAGNPS;

日尺度;

径流;

泥沙;

流域离散化;

模型参数;

聚合效应

Abstract

Withtheinfluenceofglobalclimatechangeandtheintensificationofhumanactivities,soilerosionhascausedaseriesofenvironmentalandecologicalnegativeconsequences,suchassoildegradationandwaterpollution.Distributedhydrologicalmodelhasbecomeaneffectiveapproachtostudythechangecharacteristicsofrunoffandsedimentyieldunderthechangedenvironment.

Distributedhydrologicalmodeldividedthewatershedintoalargenumberofsub-basinstoreflectthecharacteristicsofthespatialvariationofwatershed.Distributedhydrologicalmodelsolvethesecellsequationstosimulatehydrologicalprocesses.Theresolutionofsub-basinsisusuallylargerthanthetopography,soil,landuseandotherinputdataspatialresolution.Sotheparameterofeachsub-basinwillshowsomedegreeofaggregate,namedparameterspatialaggregation.TheparameterspatialaggregatehavesignificantimpactonwatershedmodelresultsTherefore,itisofgreatsignificancetoevaluatetheimpactsofparameterspaceaggregationonrunoffandsedimentindifferenttimescales,andtherelatedresultswillhelptobetterunderstandthemodeluncertaintyandconstructedahighprecisiondistributedhydrologicalmodel.

ShanmeireservoirbasinislocatedwithinthesoutheastcoastofChina,Quanzhou,andisthedrinkingwatersourceforQuanzhoucity.Constructionadailyrunoffandsedimentdistributedhydrologicalmodelwithhighprecisionisofgreatsignificancetoprotectwaterresourcesandpromoteregionalsocialandeconomicsustainabledevelopment.

TheShanmeireservoirbasinwasselectedasthestudyarea.Basedonthesensitivityanalysisofparameterbydifferentialsensitivityanalysis（DSAmethod,thedailytimestepAnnualizedAgriculturalNon-pointSourcePollutionmodel（AnnAGNPSwasconstructed.Thenninediscretizationscenariosbasedonthevaluesofcriticalsourcearea（CSAwerecarriedouttoevaluatetheimpactofcelldivisionontheparameteraggregation,andtheimpacttheinputparameterspatialaggregationonrunoffandsedimentyieldwasquantitativeanalyzedrespectivelyatannual,monthlyanddailytimescale.Theresultsshowasfollow:

（1AnnAGNPSmodelcansimulatewellforannual,monthlyanddailytimescalerunoffandsedimentprocessinthestudyarea.（2With

increasingofthevalueofCSA,thetopography,soil,landuseandcoveroftheresearchareashowasignificantaggregationeffects.Thetopographyaggregationeffectswerereflectedbytheapparentreducingoftherivernetworkdensity,andtheslopeofchannelandcell;

thelandusecoveraggregationeffectswerereflectedbyasignificantincreasingofwoodlandareaandadecreasingofareaofgarden,cultivatedandconstructionland;

whilethesoilaggregationeffectswerevarious.（3ThespatialaggregationofSLparametersreducedtheannualrunoff,whiletheTparametersaggregationhadnotsignificantinfluenceontheannualrunoff.BothTparametersandSLparametersaggregationreducedannualsedimentyield,andpredicatedsedimentyielddecreasedatagreaterraterelativetoannualrunoffresponsetotheincreaseinvaluesofCSA.Moreover,aggregationeffectsofSLparametersonreducingsedimentloadweresignificantlygreaterthanthatofTparameters.（4AggregationofTparameterswasthemainfactoraffectingthedailyrunoffprocess,resultingintheincreaseofpeakrunoffanddecreaseofthetimetothepeakrunoff.Andtheinfluenceontheannualmaximum1-dayrunoffwasgreaterthantheannualmaximum5-day.（5Thespatialaggregationofparametershavegreateffectsonannualmaximum1-daysedimentload,theannualmaximum1-daysedimentloaddecreasedsignificantlywiththeincreasingdegreeofaggregation.Thechangeratiooftheannualmaximum5-daysedimentloadwaslargerthanthatofannualmaximum1-day.Additionally,theTparametersaggregationresultinthedecreaseofthetimetopeakrunoff.

KeyWords:

AnnAGNPS;

Dailytimescale;

Runoff;

Sedimentyield;

Discretization,Modelparameters;

Aggregationeffect

中文文摘

分布式水文模型应用反映流域特征空间变化的输入参数来预测流域响应,通常将流域划分为一定数量的计算单元,这些计算单元的分辨率通常大于地形、土壤、土地利用等输入数据的空间分辨率,因此在每个计算单元中的参数值会存在某种程度的集总,即参数的空间聚合,而这种流域空间参数的聚合程度对模拟结果存在一定的影响。

探讨流域参数空间聚合对不同时间尺度径流及输沙量的影响,对于深入揭示流域模型的不确定性,构建高精度的流域分布式水文模型具有重要意义。

山美水库流域位于我国东南沿海泉州市境内,是泉州市重要的水源地,近年来水体富营养化日益严峻,因此防治水土流失,保护水源地水质迫在眉睫。

本文基于AnnAGNPS模型构建了流域较高精度的日产流产沙分布式水文模型;

并在此基础上,通过设置9种不同临界源面积（CSA取值,分析不同分室划分引起的地形、土壤和土地利用的空间聚合效应;

主要研究内容及结论如下:

（1AnnAGNPS的敏感性参数。

参考AnnAGNPS模型在国内外不同区域产流产沙模拟的参数敏感性分析结果,选取一系列参数,运用DSA方法,识别研究区的敏感性参数。

结果表明,CN值、土壤有效含水量、凋萎系数和沟道曼宁系数是影响径流的主要参数;

土壤可侵蚀因子K、地表残留物覆盖率、年根系生物量、耕作后地面残留物覆盖率、随机粗糙率、沟道曼宁系数、耕作扰动面积、年降水降落高度、年冠层覆盖度是影响泥沙的敏感性参数。

（2构建山美水库流域日产流、产沙的AnnAGNPS模型。

根据模型敏感性参数的分析结果,选取山美站和永春站的实测径流、泥沙数据进行模型参数的率定和验证。

结果表明,AnnAGNPS模型对山美水库流域和桃溪子流域年、月、日尺度径流模拟的R2、Ens系数均大于0.66,相对误差小于7%;

模型对月、日尺度泥沙模拟R2、Ens系数均大于0.62,相对误差小于13%。

模型对径流、泥沙模拟精度较高,

AnnAGNPS模型能够较好的模拟山美流域产流产沙的规律,所确定的参数可以用于分析AnnAGNPS模型参数空间聚合水文效应。

（3输入参数的空间聚合效应。

基于9种不同临界源面积（CSA取值,分析不同分室划分水平对输入参数空间聚合的影响。

结果表明,随着流域离散程度增加,河网密度、分室坡度和沟道坡度呈下降趋势;

林地面积逐渐增加,园地、耕地等其他土地利用类型均出现显著的下降趋势,各土壤类型面积变化表现出不同的聚合效应。

（4参数空间聚合的水文效应。

保持原有参数不变情况下,通过设置7种情景组合,定量分析地形、土壤/土地利用参数聚合对产流产沙的影响,结果表明:

①土壤/土地利用参数空间聚合导致年平均径流量和输沙量减少,且对输沙量影响更显著;

地形参数的空间聚合导致输沙量减少,对年平均径流量无显著影响;

②地形参数的空间聚合是影响日径流过程的主要因素,随着聚合程度的增加,日径流过程线呈现洪峰流量增加、峰现时间提前的趋势,且对年平均最大1d径流的影响大于连续最大5d。

③土壤/土地利用参数的空间聚合对最大1d输沙量影响较大,随着聚合程度的增加而显著下降,且连续最大5d变化率大于最大1d;

中文摘要..............................................................................................................................IAbstract............................................................................................................................III中文文摘............................................................................................................................V目录.................................................................................................................................VII第一章绪论...................................................................................................................-1-1.1研究背景与意义（1

1.2国内外研究进展（2

1.2.1AnnAGNPS模型产流产沙模拟....................................................................-2-

1.2.2分布式水文模型参数空间聚合的水文效应................................................-3-1.3研究内容与技术路线.（4

1.3.1研究内容........................................................................................................-4-

1.3.2技术路线........................................................................................................-6-第二章研究区概况.......................................................................................................-7-2.1地理位置与范围（7

2.2地质地貌与水系（7

2.3气候（8

2.4土壤与植被（9

2.5社会经济概况（10

第三章山美水库流域日尺度产流产沙AnnAGNPS模型的构建..........................-11-3.1模型简介.（11

3.1.1模型结构......................................................................................................-11-

3.1.2水文过程原理..............................................................................................-12-

3.1.3输沙过程原理..............................................................................................-15-3.2基础数据库的构建（18

3.2.1地形数据库..................................................................................................-19-

3.2.2土壤数据库..................................................................................................-19-

3.2.3土地利用数据库..........................................................................................-21-

3.2.4水文气象数据库..........................................................................................-22-

3.2.5农业经营管理数据......................................................................................-24-

3.2.6其他数据......................................................................................................-25-3.3分室划分.（25

3.4基流计算（26

3.5模型敏感性参数分析（29

3.5.1敏感性分析方法..........................................................................................-29-

3.5.2敏感性分析结果..........................................................................................-30-3.6模型率定和验证.（32

3.6.1模型率定方法..............................................................................................-32-

3.6.2径流模拟.....................................