基于利用降雨-径流数据调整主要参数来改进SCS-CN方法

《Journal of Hydro-environment Research》：Improving the SCS-CN method based on adjusting the main parameters using rainfall-runoff data

本研究针对伊朗半干旱帕斯库哈克流域，通过联合校准USDA SCS-CN方法的CN值与初始 abstraction系数λ，优化了降雨径流模拟精度。采用2011-2023年观测数据，发现当地CN值（59.4-66.8）显著低于USDA标准值（82-91），且λ=0.018的联合优化模型在验证期表现出最佳性能（NSE=0.78，RMSE=1.68mm），并验证了参数不确定性控制在±5%时模型稳定性最优。研究为半干旱地区水文模型参数化提供了新方法。

　　本研究聚焦于伊朗西南部的帕斯库哈克代表性流域，探讨了如何通过校准曲线数（CN）和初始抽象系数（λ）来改进美国农业部（USDA）土壤保持服务曲线数法（SCS-CN方法）在干旱和半干旱地区应用的准确性。该流域海拔从2007米到2931米，气候属于半干旱类型，最终汇入马哈尔卢湖。研究利用2011年至2023年的降雨-径流数据，其中2011-2020年用于模型训练，2021-2023年用于模型验证。研究结果显示，计算出的CN值普遍低于标准表格中的数值，这反映了该流域特有的土壤和土地利用条件。同时，通过同时模型拟合（CN = 59.4；λ = 0.018）获得的模型表现最佳，Nash-Sutcliffe效率（NSE）达到0.78，根均方误差（RMSE）为1.68毫米，平均绝对误差（MAE）为1.30毫米，相较于传统的参数设置有显著提升。针对这一最优场景的蒙特卡洛分析进一步表明，将参数不确定性控制在±5%范围内可以保持较高的模型精度（平均NSE约为0.76；95%置信区间为0.70–0.78），而更大的参数扰动则会降低预测准确性。这些发现强调了在半干旱流域中，进行基于地点的CN和λ联合校准，并严格控制参数不确定性，对于可靠的径流预测至关重要。

### 洪水及其影响

洪水一直是全球最具破坏性和频发性的自然灾害之一。在过去50年中，洪水占所有灾害的44%，并造成了全球31%的经济损失和16%的人员伤亡。在伊朗，这一时期记录了大约4000次洪水事件，表明该国在水文风险方面的暴露程度较高。洪水的形成不仅与人为活动有关，还受到自然流域特征的影响，如地形、土地利用和土壤渗透能力等。这些因素共同作用，决定了地表径流的产生、聚集和流动。因此，准确估算流域的径流潜力对于洪水预防和综合水资源管理至关重要。

### 气候变化与水文模型的重要性

随着极端天气事件频率和强度的增加，精确估算流域径流潜力成为日益重要的任务。特别是在缺乏密集和连续水文观测网络的半干旱和干旱地区，直接测量径流变得极具挑战性。因此，水文模型成为估算地表径流的关键工具。SCS-CN方法因其简单性和对输入数据的低要求，成为最广泛使用的水文模型之一。该方法基于150个实验流域的实测数据，利用一个称为曲线数（CN）的单一经验参数来估算降雨事件产生的直接径流。CN反映了土地利用、土壤水文组、降雨前土壤湿度和植被覆盖等因素的综合影响。然而，该方法最初是在湿润温带条件下制定的，因此在干旱和半干旱地区可能无法准确反映流域的水文响应。

### 模型校准与参数调整

为了提高模型的适用性，研究采用了一种基于观测数据的校准方法，对CN和λ进行联合优化。传统的CN值来源于USDA的查找表，而研究则通过实际降雨-径流数据计算CN值，并结合不同的λ调整策略进行分析。研究共考虑了四种λ调整方法：固定（λ = 0.2）、离散（均值或中位数）、降雨依赖的回归分析以及同时模型拟合。通过比较这些方法在验证数据集上的表现，评估模型的性能。NSE、RMSE和MAE等指标被用于衡量模型的准确性。

### 研究方法

研究采用了SCS-CN方法，其核心是基于降雨和径流的观测数据估算CN值。通过GIS环境，研究整合了土地利用图层和土壤水文组图层，生成了CN图。这种方法在半干旱地区尤为重要，因为土壤性质、土地覆盖和降雨强度等参数存在显著差异。此外，研究还通过计算不同抗旱湿度条件下的CN值，评估其在不同情况下的适用性。研究发现，使用计算出的CN值能够显著提高模型的准确性，这表明基于实际观测数据的校准方法优于传统方法。

### 研究区域的特征

帕斯库哈克流域位于伊朗法尔斯省，是马哈尔卢湖流域的一部分。该流域的总面积为73.2平方公里，主要由裸露土壤（30.95平方公里）、草地（39.98平方公里）、农业用地（2.08平方公里）、居民区（0.15平方公里）和铺设道路（0.07平方公里）组成。该流域的平均海拔为2292米，平均坡度为15.2度。流域的最高点位于西南部的查哈尔马坎山，最低点则位于东部，作为流域的出水口。研究还分析了流域的纵断面，以了解水流速度、河流侵蚀能力和流域集中时间等关键特征。

### 数据收集与处理

研究使用了2011年至2023年的降雨-径流数据，其中2011-2020年用于模型训练，2021-2023年用于模型验证。研究通过分析流域内和邻近的雨量站数据，计算了每个降雨事件的平均流域降雨量。同时，研究还收集了阿里阿巴德库什克水文站的每日平均流量数据，用于计算每个事件的直接径流体积。为了减少噪声，研究排除了降雨量小于1英寸的事件，以避免这些数据对模型结果产生偏差。此外，研究通过蒙特卡洛分析，评估了参数不确定性对模型预测的影响，以确保模型在不同条件下的稳定性。

### 参数校准与模型优化

研究发现，计算出的CN值普遍低于标准查找表中的数值，这表明传统的参数设置在该流域可能并不适用。通过联合校准CN和λ，研究提高了模型的准确性。研究采用了多种λ调整方法，包括固定、离散和降雨依赖的回归分析，以找到最适合该流域的参数组合。同时，研究还通过同时模型拟合的方法，确定了最优的CN和λ值，分别为59.4和0.018。这种方法在验证数据集上表现出色，NSE达到0.78，RMSE为1.68毫米，MAE为1.30毫米。此外，研究还发现，将λ视为降雨量的线性函数，虽然可以提高模型的准确性，但整体表现仍不如离散方法。

### 模型性能比较

通过比较不同参数设置方法的模型性能，研究发现，使用计算出的CN值和优化的λ值（0.018）能够显著提高径流预测的准确性。研究中，传统的CN值和λ = 0.2的设置在验证数据集上表现较差，NSE值为-2.357，表明模型预测结果与实际观测值之间存在较大偏差。相比之下，使用计算出的CN值和λ = 0.2的设置，NSE值为0.72，表明模型在该情况下具有较高的准确性。同时，使用计算出的CN值和离散λ值（均值或中位数）的方法，NSE值分别达到0.598和0.535，进一步表明参数校准的重要性。然而，使用计算出的CN值和插值λ值的方法，NSE值为0.461，表明这种调整方式在某些情况下效果不佳。

### 模型的不确定性分析

为了进一步评估模型的鲁棒性，研究采用蒙特卡洛方法对最优参数组合（CN = 59.4；λ = 0.018）进行了不确定性分析。参数被扰动±5%、±10%和±15%（每个扰动进行1000次模拟），结果显示，±5%的扰动仍能保持较高的模型性能，NSE值为0.76，置信区间为0.70–0.78，RMSE为1.69毫米，MAE为1.31毫米。然而，随着扰动幅度的增加，模型性能逐渐下降，NSE值降至0.73（±10%）和0.68（±15%）。这表明，对CN和λ进行严格的参数约束对于确保半干旱流域径流预测的可靠性至关重要。

### 模型的局限性与实际应用

尽管SCS-CN方法因其简单性和低输入要求而被广泛应用，但其在高降雨强度事件中的表现仍存在一定的局限性。研究仅基于51个事件进行校准，这可能限制了模型在复杂水文条件下的适用性。此外，土地利用变化和气候变化可能导致CN和λ随时间发生改变，因此水文模型需要定期更新。在实际应用中，法尔斯省的水资源管理者应采用优化后的CN和λ值，特别是在降雨量超过30毫米的事件中，以提高洪水预测的准确性。然而，模型的进一步改进需要结合更广泛的事件数据和连续的水文图谱分离技术，同时探索基于遥感的空间分布CN图，以提高模型的适应性和鲁棒性。

### 未来研究方向

未来的研究应拓展校准范围，涵盖更多降雨事件，并采用连续的水文图谱分离技术，以提高模型的稳定性。此外，应进一步探索基于遥感的空间分布CN图，以更好地反映流域内的异质性。同时，研究气候变化对λ的影响，并将动态土地利用情景纳入模型，将有助于提高模型在不同环境条件下的适应性和预测能力。通过这些方法，可以更准确地估算半干旱流域的径流潜力，从而为水资源管理和洪水预防提供科学依据。