分布式水文模型与自回归误差校正相结合的低枯流量预报研究OA北大核心CSTPCD

随着全球气候变化和人类活动影响加剧,干旱事件频发,枯水期的水资源供需矛盾日益突出,准确预报低枯流量愈受重视。本文采用分布式水文模型GBEHM,结合自回归(AR)误差校正方法修正径流模拟结果,进而结合气象预报降水信息,建立了低枯流量预报方法,并将其应用于长江石鼓水文站以上流域,开展了2000—2012年的径流模拟和候、旬、月尺度的预报研究。模拟结果表明:GBEHM模型能较好地重现逐日径流过程,率定期和验证期的纳什效率系数分别为0.94和0.91,相对水量平衡误差分别为1.0%和3.9%;枯水期的模拟径流较观测值偏低,经AR误差校正后率定期和验证期合格率提升至81%~96%。分析预报结果表明,枯水期和严重干旱期的径流预报合格率分别接近80%和85%,经AR误差校正后,预报合格率最大可提升至91%和97%。本研究结合分布式水文模型和误差实时校正技术,实现了候、旬、月尺度的高精度低枯流量预报,提高了枯水期和严重干旱期的径流预报精度,具有工程应用前景。