[发明专利]一种改善水文模型径流模拟的方法

说明书

本发明公开了一种改善水文模型径流模拟的方法，其包括步骤如下：采用MISDc模型作为水文模型，进行参数率定；手段1，采用直接插入法替换水文模型的土壤水分数据，将实际的土壤水分数据用于水文模型模拟径流；手段2，采用集合卡尔曼滤波器法将实际的土壤水分数据与水文模型模拟的土壤水分数据相结合，得到的状态变量值用于模型模拟径流；分别比较两种优化结果的NS系数和NRMSE值，采用NS系数较大者和NRMSE值较小者对应的手段得到径流模拟的优化结果。本发明运用数据同化的方法将较为精确的实际的土壤水分数据同化到水文模型当中，提高水文模型的径流模拟结果，从而对水文洪水预报提供帮助。

技术领域

本发明属于水文模型参数优化技术领域，具体涉及一种改善水文模型径流模拟的方法。

背景技术

近几年，洪水和山洪事件的数量和强度不断增加，不仅造成了环境问题，还导致了巨大的人员和经济损失。其中，土壤水分是水文学中的关键状态变量，因为它控制着从土地中渗透、流失或蒸发的降雨比例，对水文预报起到重要作用。但是，由于土壤质地的空间异质性，土壤水分在空间分布上差异显著，想要得到精确区域乃至全球范围内的土壤水分，仅仅依靠地面站点的观测是远远不可能实现的。因此，土壤水分的遥感观测成为必要手段，通过遥感监测可以较为方便地获得大尺度上的土壤水分观测数据。然而遥感监测在时间和空间分辨率上同样存在缺陷，且遥感监测数据与地面测量数据相比误差较大。为此，科学家们将数据同化方法引入到水文和陆面过程研究中，以期解决土壤水分、土壤温度等关键变量的估计精度问题。

数据同化作为数据处理的关键技术，已日趋成为生态水文过程研究与遥感反演研究的前沿与热点问题，这项技术能够考虑模型结构及模型输入数据的不确定性，将其与遥感信息结合，引入遥感观测数据，在卫星过境时刻实时修正模型状态变量，可以充分发挥陆面过程模型和遥感数据的优势，为土壤含水量的连续模拟提供新途径。且其在协调、融合遥感技术与生态建模方面起到了重要的桥梁作用，能够有效地融合多源遥感数据以及模型的模拟结果，进而提高土壤水分的预测精度。

水文模型同样也是获得土壤水分条件准确估计值的一种有效方法，并已在全球范围内使用。然而，水文模拟是“不完美的”，因为它们包含不确定性，这些不确定性主要与①用于驱动模型的水文数据的质量和数量以及由于规模不兼容造成的代表性误差有关；②真实物理过程的简单表示导致不可避免的假设和简化，从而不可避免地不完美地逼近复杂的现实和③参数估计的误差，这可能导致模型输出的巨大误差。因此，近几年，一些科学家提出可以将数据同化技术应用到水文模型当中，实时更新水文模型中的土壤水分的状态变量，从而提高水文模型的预报精度，改善水文模型在研究区域的应用。

发明内容

解决的技术问题：针对上述技术问题，本发明提供了一种改善水文模型径流模拟的方法，能够提高径流模拟结果的精度，从而为水文洪水预报提供帮助。

技术方案：一种改善水文模型径流模拟的方法，包括步骤如下：

S1.采用MISDc模型作为水文模型，进行参数率定；

S2.手段1，采用直接插入法替换水文模型的土壤水分数据，将实际的土壤水分数据用于水文模型模拟径流；手段2，采用集合卡尔曼滤波器法将实际的土壤水分数据与水文模型模拟的土壤水分数据相结合，得到的状态变量值用于模型模拟径流；

S3.由S2中两种手段得到水文模型径流模拟的优化结果，分别比较两种优化结果的NS系数和优化前后的标准化均方根误差NRMSE，采用NS系数较大者和NRMSE值较小者对应的手段得到径流参数模拟的优化结果。

优选的，所述步骤S1中参数率定的标准通过如下计算确定：

式中，Q_obs为实测流量，Q_sim为模型模拟得到的流量，上标“—”表示平均值，当计算的err值到达最小值时的参数即为最优参数。

优选的，所述步骤S1包括：