基于Budyko框架的泥石流易发火山碎屑流域水文动态模拟研究

《Water》:Hydrological Dynamics of Debris Flow-Prone Pyroclastic Catchments: A Budyko-Based Modeling Approach

【字体: 大 中 小 】 时间:2026年10月24日 来源:Water 3.5

编辑推荐:

  降雨诱发的火山碎屑斜坡地质灾害已知受前期土壤湿度(antecedent soil wetness)影响,但基于流域水量平衡评估该条件的研究仍属空白。研究人员基于Budyko框架开发了一种集总式动态水量平衡模型(Dynamic Water Balance Mod

  
降雨诱发的火山碎屑斜坡地质灾害已知受前期土壤湿度(antecedent soil wetness)影响,但基于流域水量平衡评估该条件的研究仍属空白。研究人员基于Budyko框架开发了一种集总式动态水量平衡模型(Dynamic Water Balance Model, DWBM),用以刻画意大利坎帕尼亚(Campania)地区以石灰岩基岩上覆火山碎屑沉积物为主的八个滑坡易发流域的水文行为。利用2003年至2023年间的月尺度雨量计、卫星及再分析(reanalysis)数据,研究人员将代表流域截留能力、蒸散发效率、最大土壤蓄水量、基流响应及地下水损失的模型参数,分别以七个无测站流域基于再分析径流估算的流量和一个有测站流域基于水位—流量(stage–discharge)关系得到的流量为校准目标进行率定,由此评估了再分析径流在为无测站流域建立水文模型方面的一致性。在校准期间,模型令人满意地再现了流量(RMSE = 11.66–25.95 mm;NNSE = 0.80–0.90;KGE = 0.76–0.91),尽管部分流域在模型验证阶段的性能有所下降(RMSE = 13.60–28.97 mm;NNSE = 0.61–0.92;KGE = 0.55–0.91)。Monte Carlo与Sobol分析揭示了各参数的敏感性差异:蒸散发效率、流域截留能力和最大土壤蓄水量直接贡献于模型输出变异性,而地下水相关参数主要通过与其他参数的交互作用产生影响。研究发现模型参数与流域特征之间存在具有物理可解释性的关系,从而能够对资料匮乏的火山碎屑流域进行水文刻画。模拟的土壤蓄水量为前期斜坡湿度提供了具有物理意义的代理指标,有望支持降雨诱发地质灾害的评估。
意大利坎帕尼亚(Campania)地区频繁遭受降雨诱发的浅层滑坡与泥石流灾害,这些灾害多发生在由松散火山碎屑沉积物(如火山灰、浮石、火山砾)覆盖的陡峭斜坡上,下伏喀斯特化石灰岩裂隙基岩。火山碎屑土孔隙度高(灰层中可达75%),入渗迅速且能暂时储存大量水分,但因粗颗粒占主导而持水能力有限,导致土壤湿度与径流高度变异。已有研究指出前期土壤湿度对地质灾害发生具有重要影响,但迄今尚未有研究基于流域尺度水量平衡系统评估这一条件。此外,无测站流域地面观测资料匮乏,制约了斜坡水文过程的分析。因此,亟需借助卫星遥感与再分析产品,采用集总式水文模型开展火山碎屑流域水量平衡模拟,为地质灾害易发性评估提供水文依据。

研究人员基于Budyko框架开发了集总式动态水量平衡模型(Dynamic Water Balance Model, DWBM),以意大利坎帕尼亚地区石灰岩基岩上覆火山碎屑物的8个滑坡易发流域为研究对象,利用2003—2023年月尺度雨量计、卫星与再分析数据分析其水文行为。其中7个无测站流域以ERA5-Land再分析径流为校准目标,1个有测站流域(C1)则采用水位—流量关系推算的流量。校准期模型表现良好(RMSE = 11.66–25.95 mm;NNSE = 0.80–0.90;KGE = 0.76–0.91),验证期部分流域性能下降(RMSE = 13.60–28.97 mm;NNSE = 0.61–0.92;KGE = 0.55–0.91)。Monte Carlo与Sobol敏感性分析表明,蒸散发效率参数α1是控制模型输出的主导参数,最大土壤蓄水容量Smax与参数α2主要通过与其他参数的交互作用产生影响,地下水参数d与dg总体敏感性较低,但在个别流域(C8)可成为主导。模型参数与流域形态特征存在物理可解释的关系:平均海拔与α1、α2、d呈负相关、与dg呈正相关;Smax与距维苏威火山口距离呈幂律关系。模拟土壤蓄水量为前期斜坡湿度提供了具有物理意义的代理变量,可支持降雨诱发地质灾害评估。

研究采用的主要技术方法包括:基于Budyko框架的集总式DWBM模型(含土壤蓄水与含水层蓄水两个交互水库),通过Fu曲线方程将降水分配为直接径流、实际蒸散发、土壤蓄水变化与地下水补给;数据来源为坎帕尼亚39个地面雨量站(泰森多边形法估算降水)、TerraClimate潜在蒸散发(ET0)、ERA5-Land再分析径流与土壤湿度、数字高程模型(DEM)提取地貌指数;样本为8个火山碎屑流域(2003—2023年)。模型以最大化归一化Nash-Sutcliffe效率(NNSE)为目标的进化算法率定,并采用Monte Carlo(50,000组参数)与Sobol全局敏感性分析(基于Saltelli采样,49,152组)评估参数贡献,结合Pearson相关与回归分析建立参数与地貌特征的关系。

研究结果方面:3.1 Budyko模型校准与性能。校准参数变异系数显示dg变异性最大(CV≈38.8%),其次为Smax(CV≈27.7%)与d(CV≈22.7%),α1变异性最小(CV≈9.8%);C3流域因降水最少且蒸散发较高而呈现低地下水补给与低径流的独特行为;测站流域C1的参数落入无测站流域参数范围,且以ERA5-Land径流为目标校准的参数与实测流量校准的参数相近,支持再分析径流作为校准目标的适用性。模型成功再现了冬季—春季径流峰值与夏季低流量的地中海水文季节格局,但湿季极端洪峰存在低估。独立数据比较显示,模拟蒸散发与TerraClimate蒸散发的季节动态一致,但夏季因模拟土壤水分耗竭而偏低;模拟土壤蓄水量较ERA5-Land呈现更强的季节性波动(夏季降至近零、湿季恢复至350–450 mm)。

3.2 敏感性分析。3.2.1 Monte Carlo采样显示Smax、α1、α2与dg的NNSE分布呈清晰穹顶形,而d呈宽平分布,表明d的可辨识性较弱;3.2.2 Sobol分析表明α1一阶指数最高(S1≈0.18–0.39),其影响以直接效应为主;Smax与α2的总阶指数显著高于一阶指数,说明其影响主要通过参数交互实现;d与dg在多数流域敏感性最低,但在C8流域其总阶指数超过α1与Smax,表明地下水过程可在特定流域成为主导控制。

讨论与结论部分:参数—地貌相关分析表明,平均海拔是控制α1、α2、d与dg的最稳定地貌因子,Fisher检验显示α2(p=0.019)与dg(p=0.035)与海拔关系显著,反映高海拔小流域中实际蒸散发、直接径流与基流均小于低海拔大流域的深部喀斯特含水层补给特征;Smax不受常规地貌指数控制,而与距维苏威火山口距离呈幂律关系(Smax = 2088.2D?0.45,R2 = 0.45),与火山碎屑厚度随距喷发口距离减薄的火山学规律一致。上述物理可解释关系支持将参数区域化外推至无测站流域。研究局限性包括:流域数量较少、再分析径流为模型产物且网格较粗、未考虑火山碎屑厚度的动态变化。结论表明:DWBM能满意再现8个火山碎屑流域的月水量平衡动态;ERA5-Land再分析径流可作为无测站流域实测径流的可接受替代;α1为主导参数;海拔可解释α1、α2、d与dg的变异,Smax与维苏威火山距离相关。未来将探索以土壤蓄水量等水文变量改进降雨诱发地质灾害评估,但对地下水补给量大的流域,仅基于土壤蓄水量的阈值可能具有局限性。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号