论文部分内容阅读
随着计算机技术、遥感技术、地理信息系统技术的飞速发展,分布式水文模型成为水文科学研究领域的重要工具。来自于模型输入、模型参数、模型结构的不确定性会对分布式水文模型最终的模拟结果产生影响。本文旨在淮河上游流域构建一套贝叶斯不确定性分析框架以合理地估计径流预测的不确定性,并基于此框架研究不同卫星降水对于参数率定和径流预测不确定性的影响。此外本文还提出一种新方法以减小优化算法对分布式水文模型参数估计时的不确定性,并在美国French Creek流域验证了新方法的有效性。论文的主要研究内容与结论如下:(1)全面系统地对4种较新的卫星-降水产品进行检验评估,研究各降水产品的水文模拟适用性。卫星-站点降水产品结合了卫星降水与地面站点降水的优点,逐渐成为了分布式水文模型潜在的优质降水输入。本文首先对四种较新的卫星-站点降水产品在淮河蚌埠站以上流域2003-2012期间的产品质量和水文适用性进行了详细的检验评估。这四种降水产品包括NASA开发的TRMM 3B42V7;NOAA开发的CMORPH误差订正降水产品CMORPH CRT;NOAA开发的CMORPH卫星站点降水融合产品CMORPHBLD;中国国家气象信息中心开发的CMORPH卫星站点降水融合产品CMORPH CMA。与地面站点观测降水比较的结果显示,偏差订正方法和站点密度会直接影响卫星-站点降水产品的质量。各降水产品的误差特征会通过水文模型进行传递,从而直接体现在径流模拟的结果中。CMORPH CMA的模拟径流统计评分最好,甚至超过观测降水对应的模拟径流的效果。可以看出,CMORPH CMA在对降水分布的描绘以及水文适用性上都有着极大的潜力,因此在中国可以作为一种替代传统地面站点观测降水的高质量降水产品。(2)提出一种改进的残差模型以合理地表征径流模拟中的综合不确定性,从而提高了径流预测的可靠性。对于水文模拟中多种来源的不确定性,可以利用模型残差来集总地反映。通过引入合理的残差模型对残差的统计特征进行描述,可以通过贝叶斯方法合理地估计模型参数和径流预测不确定性。本文在淮河流域对比了三种传统的异方差处理方式,分别为显式的线性模型(LM)和基于双曲正切函数的非线性模型(NL),以及隐式的Box-Cox转换(BC)。在此基础上,本文提出了一种全新的“结合”方法(CA)以结合LM和BC的优势,以处理淮河流域径流模拟残差表现出的复杂异方差特征。再采用一阶自回归模型(AR(1))和偏态幂指数分布(SEP)来分别对残差的自相关性和非正态性进行处理,本文共得到四种残差模型:LM-SEP,NL-SEP,BC-SEP和CA-SEP,并将它们应用于VIC模型在淮河流域的模拟中。结果显示LM-SEP对应的径流预测区间的不确定性最大,并且有很多负值径流产生。NL和BC能够较好地对异方差进行处理,因此它们对应的径流预测能力有所提高,但是仍然不能避免负值径流预测的产生。相比之下,改进残差模型CA-SEP可以合理地表征径流模拟中的综合不确定性,其对应的径流概率预测最为可靠,并且能够有效避免负值径流预测的产生。(3)分析不同卫星降水输入对于参数率定和径流预测不确定性估计的影响,利用贝叶斯平均方法提高了径流预测效果。利用上述改进的残差模型CA-SEP,本文进一步在淮河流域基于贝叶斯框架研究了三种全球性的卫星-站点产品TRMM,CMORPH CRT,CMORPHBLD作为分布式水文模型输入时的不确定性,着重分析了它们对参数估计和径流预测的影响。在得到每种降水产品对应的参数后验分布以及径流置信区间后,利用贝叶斯模型平均(BMA)将从三个径流置信区间中抽取的径流集合进行融合。为了能更好地反映BMA和三种降水产品对应的径流预测效果,本文在同样的框架中利用高质量的卫星-站点降水产品CMORPH CMA驱动VIC模型,并将其结果作为评估参考基准。结果表明,通过贝叶斯不确定性分析可以更加明显地反映出不同卫星-站点降水产品的不确定性,利用它们驱动VIC模型会得到不同的参数后验分布与径流预测结果。三种全球性的降水产品对应的径流确定性预测和概率预测效果并不一致。利用BMA方法可以显著改善的预测结果,甚至超过了 CMORPHCMA对应的径流预测。因此该方法框架可以被应用于无资料流域,从而进一步提高全球性的卫星-站点降水产品的应用价值,为水资源管理和水文决策提供有力的支持。(4)提出一种新的参数率定方法以减小分布式水文模型高维参数估计时的不确定性。参数优化是应用水文模型时不可避免的一个环节。针对分布式水文模型中潜在的高维参数率定问题,本文提出了一种新颖的方法HIP-POP,它汲取了手动率定的思想,能够帮助已有的参数自动率定算法更有效地探究高维参数空间,从而减小高维参数率定问题中“异参同效”现象引起的参数不确定性,使得最终的参数估计值更符合物理实际。并且该方法可以提高算法的效率,减轻计算负担。为了检验HIP-POP方法的效果,本文利用两种应用广泛的分布式水文模型VIC和DHSVM在美国宾夕法尼亚州的French Creek流域展开理想实验。本文设计了三种基于HIP-POP的参数率定方案,并将它们与传统的参数率定方案进行对比。结果显示,基于HIP-POP方法的参数率定方案可以有效减小参数的不确定性,并且让参数估计值更符合物理实际。三种方案产生的未收敛和贴近取值范围边界的参数要显著少于传统参数率定方案。此外,基于HIP-POP方法的参数率定方案能够使得目标函数更快地收敛。HIP-POP方法原理简单,可以方便地与参数优化算法相结合,并很好地应用于具有较多参数且计算耗时较多的分布式水文模型的率定中。