分析TRMM卫星降水在径流模拟中的输入不确定性

具有较高时空分辨率的卫星降水估计（satellite precipitation estimate,SPE）越来越多地被应用于水文模拟。但是由于包含误差,SPE在水文应用中会带来输入不确定性,相关问题尚未研究清楚。本研究旨在量化两种降水输入:卫星降水产品(热带降水观测任务 tropical rainfall measurement mission,TRMM)和相应的站点降水,分别驱动两个水文模型（集总式Ge′nie rural (GR)模型和分布式coupled routing and excess storage (CREST)模型,进行降雨-径流过程模拟时的多源不确定性。使用方差分解法对多源不确定性组分进行划分。为验证所提框架的有效性,选择赣江流域外洲水文站的径流进行模拟。结果表明:卫星降水和站点降水驱动下CREST模拟所得总不确定性,均低于对应情况下GR模拟所得结果;且在两种降水产品和两个水文模型结合的四种情景中,卫星降水驱动CREST模型模拟所得输入不确定性最低。上述结果表明,分布式CREST模型比集总式GR模型能更好地利用TRMM卫星降水的空间分布信息。      

不同填洼结果下TOPMODEL在流域径流模拟中的应用比较研究

湿度指数是TOPMODEL的重要输入。从数字高程模型（DEM）中提取湿度指数之前需对DEM进行洼地处理。大多数填洼方法在对洼地处理后一般存在平坦区，在确定性最陡坡度法下平坦区栅格水流将很难进行流量分配，此类填洼本文称之为不完全填洼。为了使整个流域的水量在流域出口点达到平衡，本文提出了一种完全填洼方法，讨论了完全填洼和不完全填洼下集水面积、坡度、湿度指数的空间分布，比较了二种填洼结果下TOPMODEL在牧马河流域径流模拟中的应用。模拟结果表明，完全填洼和不完全填洼下TOPMODEL模拟的的径流过程区别不大。     

水文模型参数优选中率定与校核目标函数的关系研究

在水文模型参数优选过程中,通常很难找到一组参数值使得率定阶段和校核阶段的径流模拟误差同时达到最小,为此,我们需要采用基于Pareto关系的多目标优化方法来寻求Pareto最优解的集合.本文采用一种基于马尔可夫链蒙特卡洛（MCMC）方法的多目标优化方法来搜寻水文模型参数优选问题中Pareto解集,并以三水源新安江模型为例,给出了由率定阶段的目标函数和校核阶段的目标函数所构成的Pareto锋面.结果证明,率定阶段和校核阶段的目标函数是相互冲突的,不可能同时取最小值,由于这种Pareto关系的存在,使得我们在选择水文模型的全局最优参数值时存在很大的不确定性.因此,如何减少这种不确定性是水文模型研究中一个很重要的问题.