在半干旱的墨西哥流域中，考虑时空降雨变异性时，SCS-CN方法和Green-Ampt方法在HEC-HMS模型中的比较性能

《Hydrology》：Comparative Performance of SCS-CN and Green-Ampt Methods in HEC-HMS Under Spatio-Temporal Rainfall Variability in a Semi-Arid Mexican Basin

　　

摘要：半干旱流域降雨的显著时空变异性仍然是降雨-入渗-径流模拟的核心挑战，特别是在未设站或新设站流域，这些流域缺乏连续的土壤水分数据。本研究评估了在HEC-HMS中，于子流域尺度实施的SCS-CN和Green-Ampt（GA）入渗方法的比较预测性能，使用了墨西哥一个已设站的半干旱流域内自2019年10月投入运行的监测网络在2020-2025雨季记录的八个降雨-径流分析时间窗口。研究采用了一种盲验证框架：两种方法的参数均先验地来源于按土地利用、水文土壤组、土壤质地类别索引的表格化资料，并辅以每个子流域三个深度的质地分析、饱和导水率（saturated hydraulic conductivity, K_s）的原位测试以及田间持水量（field capacity, θ_fc）的称重法测定；GA所需的初始含水量（θ_i）被设定为等于实测的田间持水量（θ_i = θ_fc），以均衡两种方法间的初始条件。空间分布的降雨由四个监测站在一对一雨量站-子流域分配方案下捕获，四个子流域之间的月降雨深度从22.8毫米变化到204.9毫米。两种方法再现观测流量的吻合程度不同：与Levelogger记录相比，SCS-CN表现出非常好的性能（皮尔逊相关系数R = 0.95；纳什-萨特克利夫效率系数NSE = 0.76），而Green-Ampt表现出中等相关性但不令人满意的NSE（R = 0.70；NSE = 0.45）。与初始预期（基于物理的GA方法将优于SCS-CN）相反，SCS-CN在各个时间窗口均表现出显著更高的性能，两个模拟流量序列的平均绝对偏差为36.9 m³/s。一项系统性敏感性分析（±6%、±10%、±20%扰动）揭示了一种非对称响应：SCS-CN对曲线数（Curve Number, CN）扰动高度敏感（平均偏差幅度为65.9 m³/s），而Green-Ampt对其复合土壤水力参数化几乎不敏感（幅度为3.2 m³/s），这表明在盲验证条件下，基于物理的方法存在结构性局限性。

**论文解读：基于HEC-HMS的SCS-CN与Green-Ampt方法在半干旱流域降雨时空变异性下的比较性能研究**

**研究背景与问题**

半干旱流域的降雨具有显著的时空变异性，主要表现为短时、局地性的对流风暴，其强度、持续时间和空间范围与湿润地区存在显著差异。在全球变暖背景下，这种变异性被进一步放大，导致更强烈的暴雨和更长的干旱期并存。这种变异性给降雨-入渗-径流（rainfall–infiltration–runoff）模拟带来了巨大挑战，尤其是在缺乏连续土壤水分监测数据的未设站（ungauged）或新设站（newly instrumented）流域。传统的集总式水文模型常假设流域内降雨空间均匀，这一假设在半干旱地区屡遭质疑，因为高度局地化的降雨会在入渗和径流估算中引入显著偏差。

目前，广泛应用的SCS-CN（Soil Conservation Service Curve Number）方法是一种经验性的集总式方法，通过土地利用、水文土壤组和前期土壤湿度条件（antecedent moisture condition, AMC）估算径流，不显式解析降雨强度或持续时间。而Green-Ampt（GA）方法则是一种基于物理过程的入渗公式，能描述湿润锋（wetting front）动态，更适合于分层土壤和变历时降雨事件。然而，在实测降雨时空变异性条件下，对这两种方法在子流域尺度进行系统比较的研究仍然匮乏。尤其在水文监测网络密度较低的墨西哥，SCS-CN仍是设计流量估算的主要方法，但缺乏与GA方法在实测空间降雨数据下的严格对比验证。

因此，本研究旨在填补这一空白，通过在一个已设站（instrumented）的半干旱流域，采用盲验证（blind-validation）框架，评估SCS-CN和GA方法在基于过程的水文模型HEC-HMS（Hydrologic Modeling System）中的比较预测性能。

**研究内容与结论**

研究人员在墨西哥中部一个面积约100 km²的“Chilitas”半干旱流域，自2019年10月起部署了包含4个雨量站和1个出口水位计（Levelogger）的永久监测网络。利用该网络在2020-2025年雨季记录的8个降雨-径流分析时间窗口，研究人员在HEC-HMS平台中，将流域划分为4个子流域，分别采用SCS-CN和GA方法进行模拟，并以盲验证方式（即参数全部先验确定，不基于实测流量进行校准）评估其性能。研究得出以下关键结论：

1. **性能对比**：与观测峰值流量相比，SCS-CN方法表现出“非常好”的性能（NSE = 0.76，R = 0.95），而GA方法仅达到“中等相关性”但“不令人满意”的效率（NSE = 0.45，R = 0.70）。这与研究人员的初始假设（基于物理的GA方法应优于经验性的SCS-CN）相反。
2. **敏感性分析**：SCS-CN方法对曲线数（Curve Number, CN）的扰动（±6%, ±10%, ±20%）高度敏感，峰值流量平均偏差幅度达65.9 m³/s。而GA方法对其四个复合土壤水力参数（饱和导水率K_s、湿润锋吸力水头ψ_s、初始含水量θ_i、有效孔隙度θ_e）的联合扰动几乎不敏感，偏差幅度仅为3.2 m³/s。这表明GA方法在盲验证条件下存在结构性局限，其性能不佳并非由参数误差导致。

这项研究首次在墨西哥半干旱流域，基于多年（2019-2025）的实测数据，在子流域尺度通过盲验证框架比较了SCS-CN和GA方法。其重要意义在于，它挑战了普遍认为物理模型更优的认知，明确指出在缺乏连续土壤水分监测、仅限于先验参数化（a priori parameterization）的半干旱新设站流域，经验性的SCS-CN方法在预测峰值流量方面可能更为稳健和可靠。该研究成果发表在《Hydrology》（Hydrology）期刊上。

**主要技术方法**

1. **监测网络与数据采集**：在一个约100 km²的半干旱流域（墨西哥Zacatecas州，Chilitas流域），自2019年10月起布设了一个永久监测网络，包含4个雨量站（分辨率为0.2 mm，5分钟记录间隔）和1个位于出口的压力水位计（Levelogger CRS451，事件触发模式，阈值5 mm）。通过水位-流量关系曲线（rating curve）将水位转换为流量。
2. **盲验证框架与先验参数估计**：摒弃了常规的参数校准步骤，SCS-CN和GA方法的参数完全基于先验知识确定。SCS-CN的CN值从NRCS-USDA标准表格中按土地利用、水文土壤组（HSG）和AMC-II条件选取。GA方法的土壤水力参数（K_s、ψ_s、θ_s、θ_i、θ_fc、θ_e）根据每个子流域三个深度（0-20, 20-40, 40-60 cm）的Bouyoucos质地分析结果，索引自标准文献表格。同时，通过原位双环入渗试验（double-ring infiltrometer test）测定K_s，通过称重法测定田间持水量θ_fc。为公平比较，GA的初始含水量θ_i被设定为等于实测的θ_fc。
3. **HEC-HMS模拟与敏感性分析**：在HEC-HMS软件中，采用SCS-CN和GA两种入渗损失方法，结合Clark单位线进行直接径流转换，对4个子流域在8个降雨-径流时间窗口进行模拟。并对关键参数（SCS-CN的CN，GA的四个土壤水力参数）进行了±6%、±10%和±20%的系统性扰动敏感性分析，评估模型对参数不确定性的鲁棒性。

**研究结果**

**3.1 先验输入参数的确定**

通过Bouyoucos分析确定各子流域不同深度的土壤质地。结果表明，表层（0-20 cm）以砂质为主，利于入渗；而深层（20-60 cm）粘粒含量增加，会降低入渗率。基于此，研究人员为各子流域划分了水文土壤组（HSG）。原位K_s测试（如Outlet子流域的16.7 mm/h）与标准表格值（29.9 mm/h）及经验公式（24 mm/h）存在差异，研究建议优先采用现场实测值。最终确定的先验CN值（79-90）和GA参数集（表4）反映了各子流域土壤、土地利用和水力特性的综合影响。

**3.2 HEC-HMS水文模拟**

利用先验参数对8个时间窗口进行了模拟。结果显示，子流域间降雨量差异显著（月降雨量22.8-204.9 mm），证实了在5 km距离尺度上降雨空间均匀性的假设不成立。例如，在Window 1（低强度降雨）中，SCS-CN模拟的出口峰值流量为13.6 m³/s（高估实测值4.9 m³/s），而GA仅模拟出0.2 m³/s（严重低估），表明GA对低强度降雨事件中先验设定的初始土壤水分条件高度敏感。对于Window 3，模拟揭示了不同子流域在入渗、有效降雨和径流贡献上的差异化特征，上层（Upper）子流域因粘性土壤和密集河网，成为主要的径流贡献区和河道补给型入渗带。

**3.3 统计性能评估**

基于8个时间窗口的峰值流量数据，SCS-CN方法表现出非常好的性能（R=0.95，NSE=0.76，MAE=18.02 m³/s）。GA方法表现出中等相关性但不令人满意的效率（R=0.70，NSE=0.45，MAE=37.92 m³/s）。两种方法模拟结果之间的平均绝对偏差为36.9 m³/s（R=0.70，NSE=0.25），表明两者在峰值流量大小上存在显著差异。

**3.4 敏感性分析**

敏感性分析结果揭示了两种方法的非对称响应。SCS-CN对CN的扰动高度敏感，偏差幅度随扰动幅度增大而显著增加（范围为12.6至78.5 m³/s），且最小偏差出现在-6%扰动处，表明先验CN值略高于该流域的最优值。相比之下，GA方法对其四个土壤水力参数的联合扰动几乎不敏感，所有扰动水平下的平均偏差均稳定在37.3-40.5 m³/s 的窄范围内（幅度仅3.2 m³/s）。这表明GA方法在盲验证条件下的系统性能不佳不是参数误差造成的，而是其物理假设（如均匀湿润锋）在半干旱、土壤分层明显的流域中的结构性局限。

**讨论与结论**

**讨论部分总结**：研究证实，5 km尺度的降雨时空变异性在子流域尺度上产生差异化的径流和补给量，使用单一面积加权CN值会系统性偏估水资源量。GA方法对初始土壤含水量（θ_i）的敏感性及其在低强度、非饱和降雨事件中的局限性，是其性能低于SCS-CN的主要原因。SCS-CN方法虽具经验性，但通过子流域尺度的CN加权，隐式地捕捉了部分流域响应，提供了更稳健的操作性能。敏感性分析结果进一步支持了这一结论，即SCS-CN的强敏感性提供了明确的参数调整杠杆，而GA的“近乎无响应”则凸显了其结构性僵化。研究的方法学框架（仪器监测、半分布式HEC-HMS、盲验证）对于其他面临数据稀缺的半干旱流域具有可转移性。

**结论部分翻译**：本研究基于2019年10月投入运行的监测网络，在2020-2025年雨季，于墨西哥中部一个约100 km²的已设站半干旱流域，评估了SCS-CN和Green-Ampt（GA）入渗方法在HEC-HMS中模拟降雨时空变异性下降雨-入渗-径流过程的比较性能。根据现有文献，这是少数几个在墨西哥半干旱流域对两种方法进行多年、子流域尺度、仪器化的比较研究之一。基于此，得出以下结论：

(1) **地貌特征化**：通过集成5米分辨率DEM与GIS空间分析及野外验证，识别出四个水文特征不同的子流域（Lower, Middle, Upper, Outlet），其汇流时间（time of concentration, T_c）范围为101.6至133.2分钟。Kastanozem、Phaeozem和Leptosol土壤的表层（0-20 cm）砂粒占优，而20-60 cm深度粘粒占优，导致流域内入渗响应高度异质。

(2) **降雨时空变异性**：四个雨量站（平均间距约5 km）记录的月降雨量在子流域间从22.8 mm变化到204.9 mm，证明了在主导半干旱地区的空间可变对流风暴中，水文实践中常见的空间均匀性假设不成立。这种异质性转化为各子流域差异化的有效降雨、入渗深度和径流体积，其中上层粘性土占优的子流域（通过其密集河网的河床入渗）充当优先补给区。这些发现证实，面积平均的降雨输入会系统性偏估半干旱流域的水资源量。

(3) **方法间比较性能**：先验CN值在子流域间从79变化到90（范围20%），而GA方法中设定为田间持水量的初始含水量从0.354到0.180 cm³/cm³（Lower到Outlet, 表4），这在低强度降雨期间有利于入渗。SCS-CN和GA模拟峰值流量序列的成对比较得出皮尔逊相关系数为0.70，纳什-萨特克利夫效率系数（NSE）为0.25（表7），这些值属于Moriasi等人[54]标准的不满意类别，两个模拟序列之间的平均绝对偏差为36.88 m³/s。因此，初始工作假设（在时空可变降雨下，基于物理的GA方法将优于SCS-CN）未得到证实：SCS-CN系统性地产生了更接近观测峰值流量的近似值。这一结果归因于三个主要因素：GA对前期湿度条件（假设所有窗口统一为θ_i = θ_fc）的高度敏感性、子流域层面经验性CN加权提供的部分补偿，以及占主导地位的低深度、低强度对流风暴未能维持GA公式所需的饱和条件。

(4) **模型-观测吻合度**：模拟值与流域出口Levelogger记录的比较显示，SCS-CN方法达到了R=0.95和NSE=0.76（MAE=18.02 m³/s），将其性能归类为Moriasi标准[54]的“非常好”（NSE>0.75）类别。相比之下，Green-Ampt方法达到了R=0.70和NSE=0.45（MAE=37.92 m³/s），属于“不满意”（NSE≤0.50）类别。这些结果表明，只要能在子流域尺度上获得时空分布的降雨观测，SCS-CN可以可靠地应用于已设站半干旱流域的峰值流量估算，这强化了本研究采用的仪器化监测方法的价值。

(5) **敏感性与结构性解释**：敏感性分析（图7）揭示了方法间的非对称响应：SCS-CN对曲线数扰动高度敏感（在±6%、±10%和±20%扰动下，平均偏差幅度为65.9 m³/s），而Green-Ampt对其四个土壤水力参数的复合扰动几乎不敏感（幅度为3.2 m³/s）。这种近乎不变性表明，在盲验证条件下GA的系统性性能不佳无法通过合理先验不确定性范围内的参数调整来纠正，这反映了基于物理的公式的结构性局限性，而非参数不精确。