Оценка влияния различных методов расчета потенциального испарения на результаты гидрологического моделирования

封面

如何引用文章

全文:

开放存取 开放存取
受限制的访问 ##reader.subscriptionAccessGranted##
受限制的访问 订阅存取

详细

В представленном исследовании выполнена оценка влияния четырех наиболее часто применяемых в гидрологических моделях методов расчета потенциального испарения – Пенмана–Монтейса, Пристли–Тэйлора, Одина и Харгривза, которые отличаются по степени требовательности к составу исходных метеоданных, – на эффективность и результаты моделирования динамики компонентов водного баланса. В качестве методической основы гидрологического моделирования использована широко известная концептуальная модель HBV, в которой актуальное испарение связано с текущим состоянием емкости, имитирующей динамику почвенного влагозапаса. Объекты исследования – 18 водосборов площадью от 2.4 до 755 км2, расположенных в пределах бывшей Приморской воднобалансовой станции, материалы которой были использованы для расчетов и моделирования. При сопоставлении результатов моделирования с данными наблюдений станции оказалось, что модельные величины испарения при использовании физически обоснованных методов в большей степени соответствуют методике определения потенциального испарения Будыко и данным водных испарителей на станции. Анализ чувствительности модели к входной потенциальной эвапотранспирации показал, что применение физически обоснованных методов расчета потенциального испарения в целом не влияет на эффективность моделирования гидрографа стока исследуемых водосборов. В то же время при использовании эмпирических моделей эвапотранспирации неопределенность результатов расчета потенциального испарения необходимо компенсировать за счет менее физически обоснованных параметров модели, что, в свою очередь, может привести к искажению динамики компонентов водного баланса и генетических составляющих стока.

全文:

受限制的访问

作者简介

Н. Сидоренко

Дальневосточный региональный научно-исследовательский гидрометеорологический институт

编辑信件的主要联系方式.
Email: ninaysidorenko@mail.ru
俄罗斯联邦, Владивосток

А. Бугаец

Тихоокеанский институт географии ДВО РАН

Email: ninaysidorenko@mail.ru
俄罗斯联邦, Владивосток

С. Лупаков

Тихоокеанский институт географии ДВО РАН

Email: ninaysidorenko@mail.ru
俄罗斯联邦, Владивосток

Б. Гарцман

Институт водных проблем РАН

Email: ninaysidorenko@mail.ru
俄罗斯联邦, Москва

Л. Гончуков

Дальневосточный региональный научно-исследовательский гидрометеорологический институт; Институт водных проблем РАН

Email: ninaysidorenko@mail.ru
俄罗斯联邦, Владивосток; Москва

参考

  1. Бугаец А.Н., Гарцман Б.И., Терешкина А.А., Гончуков Л.В., Бугаец Н.Д., Сидоренко Н.Ю., Пшеничникова Н.Ф., Краснопеев С.М. Опыт применения модели SWAT для изучения гидрологического режима малого речного бассейна (река Комаровка, Приморский край) // Метеорология и гидрология. 2018. № 5. С. 68–79. doi: 10.3103/S1068373918050060
  2. Бугаец А.Н., Пшеничникова Н.Ф., Терешкина А.А., Краснопеев С.М., Гарцман Б.И. Анализ пространственной дифференциации почвенного покрова юга Приморья на примере бассейна р. Комаровка // Почвоведение. 2015. № 3. С. 268–276. doi: 10.7868/S0032180X15030028
  3. Будыко М.И. Испарение в естественных условиях. Л.: Гидрометеоиздат, 1948. 136 с.
  4. Будыко М.И. О методике определения испарения // Метеорология и гидрология. 1952. № 9. С. 3–9.
  5. Горчаков А.М. Исследование элементов водного баланса и его структуры в Приморье. Л.: Гидрометеоиздат, 1983. 182 с.
  6. Кузьмин П.П., Зубенок Л.И., Константинов А.Р., Астахова Н.И. Виноградов В.В. Внутригодовое распределение суммарного испарения с поверхности суши на территории СССР // Тр. ГГИ. 1968. Вып. 151. С. 5–11.
  7. Лупаков С.Ю., Бугаец А.Н. Использование концептуальной модели речного стока HBV для анализа паводков на малых водосборах // Метеорология и гидрология. 2022. № 1. С. 84–94. doi: 10.52002/0130-2906-2022-1-84-94
  8. Лупаков С.Ю., Бугаец А.Н., Шамов В.В. Применение различных структур модели HBV для исследования процессов формирования стока на примере экспериментальных водосборов // Вод. ресурсы. 2021. Т. 48. № 4. С. 417–426. doi: 10.31857/S032105962104012
  9. Мотовилов Ю.Г., Гельфан А.Н. Модели формирования стока в задачах гидрологии речных бассейнов. М.: РАН, 2018. 300 с. doi: 10.31857/S9785907036222000001
  10. Мотовилов Ю.Г., Морейдо В.М., Миллионщикова Т.Д. Приближенная формула для расчета дефицита влажности воздуха при оценках испарения в моделях формирования стока на реках России // Вод. ресурсы. 2022. Т. 49. № 6. С. 753–765. doi: 10.31857/S0321059622060098
  11. Назари М., Чаичи М.Р., Камель Х., Грисмер М., Садеги С.М.М. // Арид. экосистемы. 2020. Т. 26. № 4. С. 84–92. doi: 10.24411/1993-3916-2020-10122
  12. Попова Н.Ю., Гарцман Б.И. Сравнительный анализ методов оценки испарения с речных бассейнов юга Дальнего Востока // Тр. ДВНИГМИ. 2012. № 1. С. 246–262.
  13. Рекомендации по расчету испарения с поверхности суши. Л.: Гидрометеоиздат, 1976. 96 с.
  14. Урываев А.П. Об измерениях и расчетах суммарного испарения в условиях Приморья. Л.: Гидрометеоиздат, 1973. Вып. 42. С. 77–89.
  15. Allen R.G., Pereira L.S., Raes D., Smith M. Crop evapotranspiration: Guide-lines for computing crop water requirements. Rome, Italy: FAO-56, 1998. 300 p.
  16. Bergstrom S. Development and application of a conceptual runoff model for Scandinavian catchments. Norrkoping, Sweden: SMHI Rep. № 7. 1976. 134 p.
  17. Bugaets A.N., Gartsman B.I., Gonchukov L.V., Lupakov S.Y., Shamov V.V., Pshenichnikova N.F., Tereshkina A.A. Modeling the hydrological regime of small testbed catchments based on field observations: a case study of the Pravaya Sokolovka River, the Upper Ussuri River basin // Water Resour. 2019. V. 46 (S2). P. S8–S16. doi: 10.1134/S0097807819080037
  18. Chow V.T., Maidment D.R., Mays L.W. Applied Hydrology. International Edition. N. Y. USA: McGraw-Hill Book Company, 1988. 588 p.
  19. Dong B., Lenters J.D., Hu Q., Kucharik C.J., Wang T., Soylu M.E., Mykleby P.M. Decadal-scale changes in the seasonal surface water balance of the Central United States from 1984 to 2007 // J. Hydrometeorol. 2020. V. 21. P. 1905–1927.
  20. Dyck S. Overview on the present status of the concepts of water balance models // IAHS Publ. 1985. V. 148. P. 3–19.
  21. Hargraves G.H., Samani Z.A. Reference crop evapotranspiration from temperature // Appl. Eng. Agric. 1985. V. 1. P. 96–99.
  22. Lu J., Sun G., McNulty S.G., Amatya D.M. A comparison of six potential evapotranspiration methods for regional use in the southeastern United States // J. Am. Water Resour. Assoc. 2005. V. 41. P. 621–633.
  23. Mintz Y., Walker G. Global fields of soil moisture and land surface evapotranspiration derived from observed precipitation and surface air temperature // J. Applied Meteorol. 1993. V. 32. P. 1305–1334.
  24. Monteith J.L. Evaporation and environment // Symposia of the Society for Experimental Biology. 1965. V. 19. P. 205–234.
  25. Moriasi D.N., Arnold J.G., Van Liew M.W., Bingner R.L., Harmel R.D., Veith T.L. Model evaluation guidelines for systematic quantification of accuracy in watershed simulations // Trans. ASABE. 2007. V. 50. № 3. P. 885–900. https://doi.org/10.13031/2013.23153
  26. Nash J.E., Sutcliffe J.V. River flow forecasting through conceptual models: Pt I. A discussion of principles // J. Hydrol. 1970. V. 10. P. 282–290.
  27. Oudin L., Hervieu F., Michel C., Perrin C., Andreassian V., Anctil F., Loumagne C. Which potential evapotranspiration input for a lumped rainfall-runoff model? Pt 2. Towards a simple and efficient potential evapotranspiration sensitivity analysis and identification of the best evapotranspiration and runoff options for rainfall-runoff modeling // J. Hydrol. 2005. V. 303. P. 290–306.
  28. Priestley C.H.B., Taylor R.J. On the assessment of surface heat flux and evaporation using large-scale parameters // Monthly Weather Review. 1972. V. 100. P. 81–92. doi: 10.1175/1520-0493(1972)100<0081:OTAOSH>2.3.CO;2
  29. Seibert J., Vis M. Teaching hydrological modelling with a user-friendly catchment-runoff-model software package // Hydrol. Earth Syst. Sci. 2012. V. 16. P. 3315–3325. doi: 10.5194/hess-16-3315-2012
  30. Xu Z.X., Li J.Y. Estimating basin evapotranspiration using distributed hydrologic model // J. Hydrol. Engineering. 2003. V. 8. P. 74–80.
  31. Zhao L., Xia J., Xu C., Wang Z., Sobkowiak L., Long C. Evapotranspiration estimation methods in hydrological models // J. Geogr. Sci. 2013. V. 23. P. 359–369. doi: 10.1007/s11442-013-1015-9

补充文件

附件文件
动作
1. JATS XML
下载
2. Fig. 1. Map scheme of the study area: I - meteorological station, II - water evaporator, III - soil-evaporation polygon, IV - hydrological post and precipitation gauge, V - river network, VI - watershed boundary; numbers on the map correspond to the numbering in Table 1

下载 (288KB)
索引源数据
3. Fig. 2. Block diagram of the HBV model

下载 (110KB)
索引源数据
4. Fig. 3. Results of generalisation of mean monthly (a, c) and annual (b, d) PET values calculated using different methods for the full modelling period from data of the Primorskaya (a, b) and Timiryazevsky (c, d) meteorological stations

下载 (187KB)
索引源数据
5. Fig. 4. Correlation of model values of actual evapotranspiration AET, calculated using different PET methods for 18 catchments (numbers according to Table 1), and PVBS soil evaporation data for the period May-October (1973-1987): a - Penman-Monteis; b - Priestley-Taylor; c - Odin; d - Hargreaves

下载 (211KB)
索引源数据
6. Fig. 5. Relationship of NSE and BIAS values obtained from calibration for 18 catchments

下载 (77KB)
索引源数据
7. Fig. 6. Relationship between mean annual values of SM water storage and model evapotranspiration AET for the flood-hazardous period (June-September) using different methods of PET calculation, catchment numbers correspond to the numbering in (Table 1)

下载 (75KB)
索引源数据
8. Fig. 7. Determination coefficient (a) and relative displacement (b) of modelled and measured maximum water discharge for the warm period (June-September)

下载 (51KB)
索引源数据
9. Fig. 8. Coefficient of determination R2 and standard deviation (SD) calculated between pairs of different PET determination methods for different streamflow components Q0 (a, b), Q1 (c, d), Q2 (e, f): 1 - HG/OD, 2 - HG/PM, 3 - HG/PT, 4 - OD/PM, 5 - OD/PT, 6 - PM/PT. Catchment numbers correspond to the numbering (Table 1)

下载 (243KB)
索引源数据

版权所有 © Russian Academy of Sciences, 2024

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».