對(duì)流域水文動(dòng)態(tài)及其過(guò)程的了解是預(yù)測(cè)和評(píng)價(jià)森林植被水源涵養(yǎng)功能的重要基礎(chǔ),而模型模擬是實(shí)現(xiàn)對(duì)水文動(dòng)態(tài)規(guī)律描述的基本手段。然而,水文模型模擬和預(yù)測(cè)精度與模型參數(shù)的取值有很大關(guān)系,存在不確定性的問(wèn)題。因此,如何選取適用于指定研究區(qū)域模型參數(shù)是確保水文模型預(yù)報(bào)精度的重要前提。本研究將概念性半分布式模型HBV應(yīng)用于祁連山黑河上游山區(qū)排露溝小流域,進(jìn)行了4年（2000-2003年）逐日徑流水分動(dòng)態(tài)模擬。首先通過(guò)區(qū)域敏感性分析方法RSA（Regional Sensitivity Analysis）,分析比較了基于傳統(tǒng)統(tǒng)計(jì)、流量特征以及組合目標(biāo)函數(shù)時(shí)HBV模型的參數(shù)敏感性。接著采用普適似然不確定估計(jì)GLUE（Generalized Likelihood Uncertainty Estimation）方法,利用覆蓋率、中值寬度和流量累積差分析評(píng)價(jià)了HBV模型基于不同目標(biāo)函數(shù)時(shí)模擬徑流的不確定性。最后利用動(dòng)態(tài)可識(shí)別方法DYNIA（Dynamic Identifiability Analysis）分析了模擬期間觀測(cè)徑流數(shù)據(jù)在識(shí)別各模型參數(shù)時(shí)信息量的變化、模型參數(shù)最優(yōu)值隨模擬時(shí)間的關(guān)系以及模型結(jié)構(gòu)的完備性。R... 

【文章來(lái)源】：北京林業(yè)大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：117 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

祁連山排露溝小流域位置及數(shù)字高程模型(DEM)

祁連山排露溝水文動(dòng)態(tài)模擬中HBV模參數(shù)檢驗(yàn)分析手段。1.基于圖形表達(dá)的RSA分析基于圖形表達(dá)的區(qū)域敏感性分析只能定性分析參數(shù)的敏感性，如果乂的分組概率和圖2-4的分布情況一樣，有作為參數(shù)的樣本組與無(wú)作為參數(shù)樣木組的兩數(shù)累積概率分布均遠(yuǎn)離均勻分布，那么參數(shù)乂是敏感的；反之，如果參數(shù)《的分積概率分布和圖2-4的內(nèi)分布一樣，兩組參數(shù)分組累積概率分布情況非常的接且與均勻分布非常接近，那么參數(shù)02就是不敏感參數(shù)或者敏感性非常低。

圖3-1 HBV模型概念圖(來(lái)源于瑞典氣象水文局，SMHI)ig.3-1 Concept of the HBV model (Source: Sweden's Meteorological and Hydro logical InstituSMHI)研究使用的HBV模型是一個(gè)具有一定物理基礎(chǔ)的半分布式概念性水文模light,版本3.0.0.l(Seibert，2005),模型結(jié)構(gòu)見(jiàn)圖3-2。HBV模型可以先將分為多個(gè)子流域，再根據(jù)每個(gè)子流域的植被類型、土壤類以及高程型分成多，HBV-light與HBV-6版本相比，進(jìn)行了兩處改進(jìn)：1) HBV提供了另外一29


本文編號(hào)：2937614