论文部分内容阅读
土壤水分既是衡量农业干旱的一个重要指标,又是影响农业生产的重要因子。土壤水分信息的准确获取一直是我国农业生产和科学研究的热点和难题。目前,在流域小尺度(102km2)范围内,人工监测获取土壤水分信息的方法依然占据着主导,但是在更大尺度范围内,人工监测则面临了巨大的挑战。为此,通过水文模型模拟土壤水分的方法应运而生,其几乎也是目前唯一能进行流域性大尺度土壤湿度模拟的方法。本研究引入了最新的交互式全球大集合预报系统(TIGGE)资料作为水文模型的驱动资料。相较于传统的确定性预报资料,TIGGE资料能提供更多的概率预报结果,最大限度地避免极端差错预报的出现,提高数值模式预报的整体效果。研究中分别运用TOPMODEL和XXT水文模型对淮河子流域临沂流域2008年5-7月土壤水分亏缺深进行了模拟,并运用回归分析的方法探寻其与土壤湿度之间的内在规律,为流域性大尺度土壤水分模拟探索新的方法。主要研究内容和结论如下：1)分别对中国气象局(CMA)、欧洲中期天气预报中心(ECMWF)和美国国家大气研究中心(NCEP)三大中心的24h控制性预报、集合预报和超级集合预报共7种形式的降雨资料进行了检验评估。主要结论包括：①在偏差检验中,集合预报和超级集合预报的整体偏差都要低于单中心的控制性预报,相比于实际观测值,TIGGE预报往往倾向于偏大值。②在均方根误差(RMSE)检验中,ECMWF中心的控制性预报(C-ECMWF)的RMSE最大(19.28mm),最小的是NCEP中心的集合预报(E-NCEP),为13.33mm,集合预报整体上改善了单中心控制性预报的预报技巧。③就相关性分析来看,NCEP中心控制性预报(C-NCEP)、CMA中心集合预报(E-CMA)、ECMWF中心集合预报(E-ECMWF)、E-NCEP和超级集合预报(SE)通过α=0.01水平的相关显著性检验均与实测降雨显著相关,其中SE的相关性最高为0.393,而CMA中心控制性预报(C-CMA)和C-ECMWF与实测降水资料相关系数接近0,表现出较差的相关性。④在Ts评分中,7种形式的TIGGE资料的预报能力均随着降雨量级的增加而逐渐减弱：在小雨期间,Ts评分位于0.1-0.3,中雨则降至0～0.28之间,预报能力下降明显；其次,三个中心的集合预报Ts评分均高于对应的单一控制性预报。⑤通过检验,超级集合(SE)预报综合表现最好,三大中心的各集合预报整体上也都优于各模式的单一控制性预报,表明通过TIGGE多成员进行集合预报能有效改善TIGGE降雨预报的整体效果。2)利用改进后的TOPMODEL和XXT模型模拟研究区土壤水分亏缺深。主要结论包括：①无论是实测数据(OS)还是TIGGE数据驱动的两个模型,在模型参数率定期和验证期都表现出相当的能力,率定期TOPMODEL的Nash系数为0.729,XXT为0.756；验证期TOPMODEL的Nash系数为0.683,XXT为0.681。②在土壤水分亏缺深模拟方面,TOPMODEL显示出明显的缺陷,其不仅对土壤水分亏缺的变化趋势不够敏感,而且在实际降雨量较多的时候,模拟值还会出现负值,而XXT则较好地弥补了这一缺陷。③XXT模拟的土壤水分亏缺深与降雨观测值之间呈现弱负相关,r位于-0.2--0.3之间,与蒸发观测值呈现弱正相关,r位于0.25～0.45之间,与实测径流和模拟径流整体上均呈现较强的正相关,r位于0.6～0.95之间,且均与E-CMA径流模拟值的相关性最好(r高达0.937),与E-NCEP径流模拟值的相关性最弱(r最低为0.628)。3)探寻土壤水分亏缺深与不同土层深度土壤湿度之间的内在关系,建立两者之间的回归模型。主要结论包括：①通过散点图分析,E-CMA. E-ECMWF、E-NCEP.SE和OS驱动XXT模型模拟的土壤水分亏缺深与10cm和20cm深实测土壤湿度值均呈比较明显的线性关系。②在10cm深土层土壤水分模拟研究中,E-CMA驱动XXT模型模拟的土壤水分亏缺深与该层土壤湿度的回归拟合度最佳,其R2为0.818,回归模型为y=-160.788x+77.575。③在20cm深土层土壤水分模拟研究中,OS驱动XXT模型模拟的土壤水分亏缺深与该层土壤湿度的回归拟合度最佳,其R2为0.735,回归模型为y=-168.479x+81.938。