基于过程的河流流温建模的模型输入与数据要求——以受调控的阿尔卑斯山周边河流为例

《Water Resources Research》：Model Inputs and Data Requirements for Process-Based Stream Temperature Modeling in Regulated Peri-Alpine Rivers

本研究利用HEC-RAS平台建立瑞士萨林河水温模型，考虑日射修正和水-沉积物热交换，通过高分辨率数据集验证模型性能。结果显示，日射修正使MAE降低19%，KGE提高18%；加入水-沉积物热交换后MAE进一步降至0.48-0.83°C，KGE达0.85-0.93。模型在长期（22公里）和短期（10分钟）尺度均表现良好，验证了其在水电调控和河流管理中的应用价值。

　　在面对受水力发电影响的河流温度波动问题时，科学家们不断探索如何通过精确的模型来评估和预测这些温度变化对生态系统的潜在影响。水力发电过程中，水坝的启闭会导致河流温度出现显著的短期波动，这种现象被称为“热峰效应”（thermopeaking）。为了缓解这些热峰对生态环境的负面影响，水坝管理者需要借助模型对河流温度的变化进行模拟，并评估不同管理方案的效果。然而，当前的模型在某些时间尺度上仍存在不足，尤其是在日常和季节性的温度变化模拟方面。因此，本研究的重点在于探讨如何通过改进模型结构和参数化方法，提高模拟精度，特别是在处理短期温度波动时。

本研究采用了一种基于过程的河流温度模型，结合瑞士萨尔因河（Sarine）的长期、高时间分辨率的温度数据，对模型在不同时间尺度上的表现进行了系统评估。萨尔因河是一条受水坝调控的河流，全长126公里，流域面积达1,892平方公里。在本研究中，重点考察了河流中的一段22公里的区域，该区域受到两个水坝的影响，分别是上游的罗斯森（Rossens）坝和下游的马格拉格（Maigrauge）坝。由于河流受到水坝调控，其温度变化呈现出明显的非自然特征，这种变化对河流生态系统的影响需要被准确捕捉。

为了提高模型的精度，研究团队采取了两项关键的修正措施。首先，对太阳辐射数据进行了本地遮荫效应的校正。太阳辐射是影响河流温度的主要因素之一，而河流的自然遮荫（如植被覆盖）在一定程度上改变了实际的太阳辐射量。因此，使用地理信息系统（GIS）工具对太阳辐射进行校正，可以更准确地反映河流实际接收到的太阳能量。其次，模型引入了与水-沉积物热交换相关的参数，用于描述河流底部沉积物对温度变化的缓冲作用。沉积物与水之间的热交换是河流热预算中的重要组成部分，特别是在水坝调控导致水位波动的河流中，沉积物的热特性对模拟精度具有关键影响。

模型的评估基于多个统计指标和目的导向的指标。统计指标包括平均绝对误差（MAE）和 Kling-Gupta 效率（KGE），它们用于衡量模型输出与观测数据之间的差异。而目的导向的指标则聚焦于实际应用中更关键的河流温度特征，例如热峰梯度（TT90）和热峰振幅（AT90），以及超过15°C的天数（N15）。这些指标能够更准确地反映河流温度变化对生态系统的影响，特别是在鱼类健康方面。例如，超过15°C的天数与某些鱼类疾病的发生率相关，因此模型在模拟这一指标时的准确性对生态评估至关重要。

在研究中，初始模型（Model I）在年尺度上表现出一定的模拟能力，但其在日常和季节尺度上的表现却不尽如人意。这表明，尽管模型能够捕捉到整体趋势，但其对短期温度变化的预测能力仍存在局限。随后，通过引入遮荫校正（Model II）和沉积物热交换（Model III），模型的性能得到了显著提升。特别是在遮荫校正后，模型的平均绝对误差降低了19%，KGE提高了18%，说明太阳辐射的本地遮荫对河流温度的模拟具有重要影响。而在沉积物热交换的引入下，模型的误差进一步减少，表明沉积物对温度变化的缓冲作用也是关键因素。

然而，这两项修正并非孤立存在，而是需要结合使用才能实现最佳效果。最终的模型（Model IV）结合了遮荫校正和沉积物热交换，其在年尺度上的平均绝对误差降低至0.4–0.8°C，KGE提升至0.85–0.93。这表明，通过综合考虑太阳辐射的遮荫效应和沉积物的热交换过程，可以显著提高模型在不同时间尺度上的表现。尽管如此，模型仍存在一定的偏差，尤其是在夜间和冬季，由于缺乏对夜间降温过程的充分模拟，导致温度的平均值略高于观测值。这提示我们，在未来的研究中，需要进一步考虑夜间和冬季的热过程，以提高模型的整体表现。

此外，模型的校正过程需要依赖高质量的现场观测数据。研究团队在河流沿线布置了多个温度传感器，以获取10分钟时间间隔的温度数据，这些数据不仅用于模型的校准，还用于验证其在不同时间尺度上的可靠性。校准过程中，团队对沉积物的热扩散系数（α_s）等参数进行了调整，而其他参数如沉积物密度（ρ_s）、比热容（C_ps）和沉积物层厚度（h_2）则固定为某个合理值。这一策略在一定程度上降低了模型的复杂度，但同时也限制了对沉积物热过程的物理解释能力。

在评估模型性能时，研究团队发现，虽然统计指标能够提供一定的参考，但目的导向的指标更能体现模型的实际应用价值。例如，在模拟热峰梯度（TT90）时，Model IV表现出了更高的准确性，尤其是在上游区域。然而，在下游区域，由于水力发电导致的温度波动更为剧烈，TT90的模拟结果仍存在一定的偏差。这说明，模型在捕捉不同区域的温度变化特征时，需要根据具体环境条件进行调整。

研究还指出，模型在时间上的可迁移性（temporal transferability）是其在实际应用中的一个重要考量因素。通过在多个年份（2018、2020、2021、2022）进行验证，研究团队发现，Model IV在不同年份的表现具有一定的稳定性，尽管其在某些指标上仍然存在轻微的波动。这表明，尽管模型依赖于特定的校准数据，但其在时间上的表现仍具有一定的泛化能力。

在实际应用中，模型的可操作性是关键。尽管该模型需要一定的数据支持，但其所需的参数数量相对较少，且可以通过简单的校正方法进行优化。这种特性使得模型在复杂的河流系统中具有较高的实用性。例如，在受水力发电影响的河流中，由于水位的频繁变化，模型能够有效捕捉这些变化对温度的影响。同时，模型还能够用于评估河流生态系统的健康状况，例如通过模拟温度的季节性变化，来预测鱼类疾病的发生率。

研究还强调了数据在模型校准中的重要性。高精度的现场温度数据是提高模型性能的基础，而时间分辨率的提升则有助于更准确地捕捉河流的短期温度变化。然而，数据的获取和处理也面临一定的挑战，尤其是在沉积物热特性的测量方面。由于沉积物的热特性通常难以直接获取，研究团队采用了一种基于已知物理参数的校正方法，以提高模型的模拟精度。

在模型的应用方面，研究团队认为，基于过程的模型在河流管理中具有重要的价值。特别是在面对气候变化和人类活动对河流温度的影响时，这种模型能够提供更为准确的预测结果，从而支持科学决策。此外，随着遥感技术的发展，未来或许可以通过高分辨率的遥感数据来进一步提高模型的精度，特别是在缺乏现场观测数据的区域。

总体而言，本研究不仅验证了基于过程的河流温度模型在受水力发电影响的河流中的有效性，还揭示了遮荫校正和沉积物热交换在提高模型精度中的关键作用。同时，研究也指出了模型在某些方面仍存在的局限性，如夜间温度模拟的不足和对沉积物热过程的物理解释能力有限。这些发现为未来的研究提供了重要的方向，同时也为河流温度管理提供了实用的工具。通过持续改进模型的结构和参数化方法，科学家们有望开发出更加精确、适用于复杂河流系统的温度模拟模型，从而更好地支持生态管理和水力发电的可持续发展。