以青藏高原东南部的理塘河流域为研究对象,以中国逐日降水数据集(CHM_PRE)驱动SWAT(soil and water assessment tool)模型进行日、月尺度径流模拟,并利用SWAT-CUP率定模型参数,探究CHM_PRE数据集对无资料高寒地区的径流模拟能力。结果表...以青藏高原东南部的理塘河流域为研究对象,以中国逐日降水数据集(CHM_PRE)驱动SWAT(soil and water assessment tool)模型进行日、月尺度径流模拟,并利用SWAT-CUP率定模型参数,探究CHM_PRE数据集对无资料高寒地区的径流模拟能力。结果表明:CHM_PRE可以很好地驱动SWAT模型模拟研究区径流过程,日径流模拟的纳什系数(E_(NS))介于0.69~0.76,月径流模拟的E_(NS)介于0.79~0.82,模拟结果相比实测结果低估了约15.2%~25.7%的径流量;研究区年均降雨量、融雪量和总径流量分别为751.61、264.05和346.39 mm,降水主要集中于6—9月,融雪主要集中于4—10月,主要的径流成分为地下径流;率定后的SWAT模型可以较好地模拟研究区径流的空间变异性,融雪量的空间差异高于降雨量和径流量;除秋季融雪、冬季降雨和融雪,研究区降雨量、融雪量和总径流量与海拔在年、季尺度上均呈显著正相关关系(P<0.001),海拔差异是导致水文空间差异的主要原因之一。展开更多
本文在Blasone研究工作的基础上,进一步提出了基于马尔科夫链-蒙特卡洛算法的改进通用似然不确定性估计方法(Markov Chain-Monte Carlo based Modified Generalized Likelihood Uncertainty Estimation,MMGLUE)。该方法结合近年来被广...本文在Blasone研究工作的基础上,进一步提出了基于马尔科夫链-蒙特卡洛算法的改进通用似然不确定性估计方法(Markov Chain-Monte Carlo based Modified Generalized Likelihood Uncertainty Estimation,MMGLUE)。该方法结合近年来被广泛用于推求参数后验分布的MCMC方法,对基于Monte Carlo随机取样方法的传统GLUE方法进行改进,并以预测区间性质最优为标准,对可行参数组阈值进行判断与选择,提出了衡量预测区间对称性的标准,并就预测区间性质与可行参数组个数的相关关系进行了探索。在汉江玉带河流域的实例研究证明,MMGLUE方法较传统的GLUE方法能够推求出性质更为优良的预测区间,从而更真实合理地反映水文模型的不确定性。展开更多
文摘以青藏高原东南部的理塘河流域为研究对象,以中国逐日降水数据集(CHM_PRE)驱动SWAT(soil and water assessment tool)模型进行日、月尺度径流模拟,并利用SWAT-CUP率定模型参数,探究CHM_PRE数据集对无资料高寒地区的径流模拟能力。结果表明:CHM_PRE可以很好地驱动SWAT模型模拟研究区径流过程,日径流模拟的纳什系数(E_(NS))介于0.69~0.76,月径流模拟的E_(NS)介于0.79~0.82,模拟结果相比实测结果低估了约15.2%~25.7%的径流量;研究区年均降雨量、融雪量和总径流量分别为751.61、264.05和346.39 mm,降水主要集中于6—9月,融雪主要集中于4—10月,主要的径流成分为地下径流;率定后的SWAT模型可以较好地模拟研究区径流的空间变异性,融雪量的空间差异高于降雨量和径流量;除秋季融雪、冬季降雨和融雪,研究区降雨量、融雪量和总径流量与海拔在年、季尺度上均呈显著正相关关系(P<0.001),海拔差异是导致水文空间差异的主要原因之一。
文摘本文在Blasone研究工作的基础上,进一步提出了基于马尔科夫链-蒙特卡洛算法的改进通用似然不确定性估计方法(Markov Chain-Monte Carlo based Modified Generalized Likelihood Uncertainty Estimation,MMGLUE)。该方法结合近年来被广泛用于推求参数后验分布的MCMC方法,对基于Monte Carlo随机取样方法的传统GLUE方法进行改进,并以预测区间性质最优为标准,对可行参数组阈值进行判断与选择,提出了衡量预测区间对称性的标准,并就预测区间性质与可行参数组个数的相关关系进行了探索。在汉江玉带河流域的实例研究证明,MMGLUE方法较传统的GLUE方法能够推求出性质更为优良的预测区间,从而更真实合理地反映水文模型的不确定性。
