基于SWAT模型的滩坑流域水文气象服务系统
1. 浙江省气象服务中心, 310017, 杭州;
2. 杭州市气象局, 310017, 杭州
收稿日期：2020-03-24; 修回日期：2021-05-14
项目名称：浙江省科技厅公益项目“基于气象-水文耦合模型的中小河流域洪水气象风险等级预报技术研究”(2017C33148)
摘要：精细化、时效长的雨量和径流预报能够为水库的防汛抗旱、水土保持以及持续化发展提供重要决策依据。滩坑流域水文气象服务系统通过对滩坑流域DEM、土地利用和土壤等信息进行数字化提取，利用历史降水和径流序列进行参数率定，构建SWAT水文模型，再以雷达、中尺度气象站的流域实况监测数据、多模式集成的雨量预报等精细化格点序列作为初始场，驱动SWAT模型，形成流域入库径流逐日预报产品。再结合Html5、GIS技术为滩坑水电站建立适用于PAD端、手机端、电脑端的水文气象服务系统。本系统实现流域雨量实况、0~14 d不同时段流域面雨量预报、客观面雨量预报评估以及逐日流域入库径流预报等产品的实时展示，该系统自研发应用以来，取得良好的效果。通过分析2017年6月中旬和2019年6月下旬2次大洪水过程，该系统流域面雨量和径流预报时效为14 d，有效洪水预见期达1周以上，大大提高水库流域洪涝灾害的预报能力，为滩坑水电站的生产调度和防洪防汛提供有效的决策支持。
关键词：SWAT模型 参数率定 径流预报 水文气象服务
Hydrological and meteorological service system for Tankeng basin based on SWAT model
1. Zhejiang Meteorological Service Center, 310017, Hangzhou, China;
2. Hangzhou Meteorological Bureau, 310017, Hangzhou, China
暴雨洪涝灾害严重威胁着人类的生存和发展，水库、水电站等水利工程的兴建就是为了合理使用和调配水资源，从而达到除害兴利、水土保持的目的。在水电站的生产调度中，水文气象信息是防洪调度的重要决策依据，为了提高水电站的防洪调度能力，迫切需要高水平的水文气象预报产品。
当前，气象综合观测能力不断增强，数值模式预报水平显著提升，GIS技术迅猛发展，为分布式水文模型注入新的活力。其中SWAT模型就是这样一个具有很强物理机制，同时又能够利用GIS技术模拟流域水文物理过程的一种分布式水文模型，该模型于1994年由美国农业部(USDA)开发，国内外学者利用该模型在流域径流模拟预报、实时业务运行等方面，取得诸多应用成果[1-4]，但已有研究[5-7]更多关注未来72 h内的降水和径流预报，为了满足水电站对精细化、长时效水文气象预报产品的需求，有必要开展更深入的研究。
笔者利用气象监测和模式预报数据，并以此作为初始场，驱动SWAT水文模型，同时结合Html5、GIS技术，为滩坑水电站研制适用于手机端、电脑端的水文气象服务系统。该系统的流域面雨量和径流预报可达14 d，大大提高水库流域洪涝灾害的预报能力，延长洪涝预见期，为水电站的防洪调度提供有利支撑。
1 研究区概况
小溪是浙江省西南地区瓯江右岸的最大支流，发源于浙江省庆元县百山祖自然保护区，经景宁县至青田县，于青田县石溪口汇入瓯江。滩坑水电站位于小溪干流的下游(E 118°45′ ~119°10′，N 28°05′~28°55′)，流域集水面积3 330 km2，占小溪流域总面积的93%，水库正常蓄水位160 m，总库容41.55亿m3，总装机为60万kW，年发电量可达10.23亿kW·h，是一座具有多年调节能力的大型水库，同时也是集洪水、发电、灌溉、防洪、旅游等功能为一体的综合性水电工程。滩坑水库是峡谷型库区，90%以上流域为中低山地貌，局部有丘陵和山间盆地分布，发育土壤分红壤、黄壤、水稻土和潮土等，植被覆盖良好，森林景观资源非常丰富。滩坑流域属于亚热带季风气候，四季分明，温暖湿润，雨量充沛，每年5—9月的总降水量占全年降水量的70%。年内径流分布不均，夏秋季多，春冬季少，径流多年变化与降水多年变化一致。
2 资料与方法
2.1 流域基础地理数据预处理
水文预报系统以流域为研究对象。由于流域是天然集水区域，需要对其进行数字化提取处理。本系统采用的DEM数据，来源于CGIAR-CSISRTM高程数据库，其空间分辨率为90 m×90 m，利用SWAT模型对该数据划分子流域生成数字河网(图 1a)。
采用的土地利用数据(GLC2000)，来源于国家冰川冻土沙漠科学数据中心(http://www.ncdc.ac.cn)的中国地区土地覆盖综合数据集，其空间分辨率为1 km×1 km，根据SWAT模型的土地利用分类标准，对滩坑流域的土地利用类型进行重新分类，最后得到2类，其中98.43%为林地类，剩余1.57%为农田类(图 1b)。
采用的土壤数据，来源于国家冰川冻土沙漠科学数据中心(http://www.ncdc.ac.cn)，基于世界土壤数据库(HWSD)的中国土壤数据集(V1.1)，空间分辨率为1 km×1 km。HWSD土壤数据库可以提供SWAT模型所需的土壤参数，主要包括：土层厚度、有机碳含量等，有效含水量、饱和导水率等，对滩坑流域的土壤类型再进行重分类，可知滩坑流域土壤类型共分12种(图 1c)，比例较高的有：普通高活性强酸土(Haplic Alisols)、腐殖质强淋溶土(Humic Acrisols)以及不饱和粗骨土(Dystric Regosols)，比例分别为40.73%、26.98%、26.27%。
2.2 参数率定及模拟
在SWAT模型构建中，将滩坑流域划分为19个子流域。依据滩坑流域的土壤、土地利用、坡度信息定义水文响应单元，其中设置土壤类型、土地利用、坡度的阈值分别为15%、10%、10%，再提取这149个水文响应单元，并对模型中与径流相关的10个参数进行率定。
选取Nash-Sutcliffe Efficiency效率系数(E)及决定性系数(R2)来评估SWAT模型在滩坑流域的模拟效果。具体公式如下：
|
$
E = 1 - \frac{{\sum\limits_{i = 1}^n {{Q_{{\rm{s}}, i}}} - Q_{{\rm{o}}, i}^2}}{{\sum\limits_{i = 1}^n {{Q_{{\rm{o}}, i}}} - {{\bar O}_{\rm{o}}}^2}};
$
|
(1) |
|
$
{R^2} = \frac{{{{\left( {\sum\limits_{i = 1}^n {{Q_{{\rm{o}}, i}}} - {{\bar Q}_{\rm{o}}}{Q_{{\rm{s}}, i}} - {{\bar Q}_{\rm{s}}}} \right)}^2}}}{{\sum\limits_{i = 1}^n {{Q_{{\rm{o}}, i}}} - {{\bar Q}_{\rm{o}}}^2\sum\limits_{i = 1}^n {{Q_{{\rm{s}}, i}}} - {{\bar Q}_{\rm{s}}}^2}}。$
|
(2) |
式中：n为模拟时间，h或d；Qs, i为径流模拟值，m3/s；Qo, i为径流实测值，m3/s；Qs为平均径流模拟值，m3/s；Qo为平均径流实测值，m3/s；E为效率系数，取值0~1，量纲为1，表征模拟值与实测值的拟合度；R2为决定系数，表征模拟值与实测值之间的相关程度。
选择模型的参数率定期为2010—2012年，模型的验证期为2014年，评估SWAT模型对研究区域的逐日径流模拟能力。由图 2a可知，模型对滩坑流域逐日径流变化的模拟效果较好，率定期的模拟效率系数E为0.75，决定性系数R2为0.75，验证期的模拟效率系数E为0.86，决定性系数R2为0.87，符合模型评价标准[8-9]，模拟结果较为可靠(图 2b)。
2.3 系统设计与架构
本系统基于模块化设计思路采用前后端分离的总体设计框架[10-11]，后端基于.NET开发WebService接口供前端调用，WebService接口通过SOAP协议实现异地调用，通过分布式集群以及负载均衡快速响应大量前端数据请求；利用ArcGIS Server管理工具批量发布动态图层服务，高效地将气象数据转换为地图数据。前后端之间通过Jquery的ajax请求进行数据通信，能够快速与后端建立通信获取数据，并支持数据的异步加载，即在页面不刷新的情况下获取数据。前端基于Html5与轻量级的leaflet地图类库高效支持各类地图数据的加载和显示，e-charts图表插件的使用丰富化数据的展现形式。块交互友好、响应迅速，页面展示支持自适应布局，页面适配多个主流尺寸，支持常规手机和电脑的浏览展示[12-13]。
系统从数据到展示主要分为4个处理环节：多源数据获取、数据处理及计算、地图服务和数据接口发布、产品多样化显示，4个环节呈递进关系，并相互关联，系统架构流程图见图 3。
3 结果与分析
3.1 系统客户端实现的功能
本系统通过Html5与GIS技术搭建多终端展示的精细化水文气象服务平台，适用于pad、手机和电脑等终端访问和展示，水库、电力等用户获取精细化的雨量、径流的实况和预报等产品更加友好。本系统客户端平台的主要功能如下：
1) 雨量实况。该功能模块主要展示流域内及水库需要了解的包括周边区域的历史雨量实况，该功能结合地图模块做流域面雨量值和对应等级色块填充，同时支持雷达、气象站雨量实况层的叠加。
2) 0~14 d不同时段流域精细化面雨量预报。该功能模块主要展示未来0~14 d不同时段的流域精细化面雨量预报，主要包括6 h以内逐小时面雨量预报；0~3 d以内逐3 h、逐6 h、逐12 h、逐24 h、08:00—翌日08:00、20:00—翌日20:00累积等6个不同时段的面雨量预报；4~7 d以内逐6 h、逐12 h、逐24 h、08:00—翌日08:00、20:00—翌日20:00累积等5个不同时段的面雨量预报；8~14 d以内逐12 h、逐24 h、08:00—翌日08:00、20:00—翌日20:00累积等4个不同时段的面雨量预报。该功能不仅通过地图模块展示，还可通过柱状图、曲面图以及文本等形式展示。
3) 客观面雨量预报评估。该功能主要展示对历史流域面雨量客观预报产品准确率的检验结果。评价指标有平均绝对误差、TS评分、空报率、漏报率、综合模糊评分等，分别在24~168 h内不同时段展示评价结果，使用柱状图、折线图以及表格等多种方式联合展示。
4) 径流预报。该功能模块主要展示由气象—水文耦合模型得到的未来0~14 d逐日径流预报。
本系统自2016年在滩坑流域开展水文气象预报服务以来，取得一定的应用和服务效果。本研究主要分析2017年6月中旬和2019年6月下旬发生在滩坑水库流域的洪峰流量>1 000 m3/s的梅汛期洪水预报情况。
3.2 滩坑流域2017年6月中旬大洪水
2017年6月份之前滩坑流域降水明显偏少，自6月1日迎来首场汛期暴雨，滩坑流域进入降水集中期，6月11—16日出现连续大雨及大到暴雨过程，累积面雨量达148.6 mm，流域径流明显增加，16日发生了2017年的第一场洪水，其中日平均最大洪水流量出现在16日达1 019.3 m3/s。
2017年6月1日开始，滩坑水库精细化水文气象服务系统提供的预报时效可覆盖此次过程，并对未来14 d的逐日流域面雨量、入库径流展开滚动预报。至6月7日08:00，该系统对此次洪水过程做出比较正确的预报：预报自11日起，滩坑流域入库径流逐日增加，至16日达最大值892.5 mm，之后径流逐日减小至结束(图 4)。对比实际观测，雨量预报绝对误差为5.3 mm，径流预报绝对误差为88.4 m3/s，16日最大径流值较实测值偏小126.8 m3/s，误差距平比例为12.4%。此次有效洪水预见期达9 d，洪水过程的预报与实况比较一致。
3.3 滩坑流域2019年6月下旬大洪水
2019年梅汛期暴雨过程频繁、总雨量大，滩坑流域出现3次大洪水过程，其中6月21—23日由于连续大雨、暴雨出现了年内最大洪水过程，过程累计面雨量达123.1 mm，日平均最大洪水流量达1 336.3 m3/s，出现在6月23日。自9日起的逐日预报即可覆盖本次过程，至16日08:00预报与实际比较一致(图 5)，过程面雨量预报绝对误差为6.1 mm，径流预报绝对误差为134.4 m3/s。预报21日起流域降水明显增加，至23日达最大值51 mm，实测66.6 mm，预报23日流域径流达最大值1 001.1 m3/s，实测1 336.3 m3/s。此次有效洪水预见期达7天，洪水过程的预报与实况比较一致。
4 讨论与结论
滩坑流域精细化水文气象服务系统提取滩坑流域的DEM、土地利用和土壤等数字化信息，对历史降水和径流数据进行参数率定，构建了滩坑流域SWAT水文模型；利用气象站监测数据、雷达以及多模式预报产品等多源信息，形成客观化、精细化的流域雨量实况反演及预报产品，并以此数据作为初始场驱动SWAT水文模型，实现入库径流预报；通过Html5与GIS技术研发适用于pad、手机和电脑多终端展示的精细化水文气象服务平台，实现了流域面雨量实况、面雨量和径流预报、预报评估等产品的图表化展示，水库用户获取相关信息更加直观、便捷。
本系统自业务化运行以来，水库流域面雨量及径流预报时效提升至2周，汛期有效洪水预见期提升至1周以上，为滩坑电站的生产调度、防洪防汛、水土保持提供决策支持。同时，该系统在业务运行中也存在一些问题，比如在该系统如何体现水库的泄洪、调洪受人工干预，上游水库对本水库径流的影响等问题。因此，滩坑流域精细化水库气象服务系统还需结合实际业务进一步实验及不断完善。
2022, Vol. 20 
