1. На главную
  2. Электронные версии
  3. Водные ресурсы
  4. T. 50, № 6, 2023

Водные ресурсы, 2023, T. 50, № 6, стр. 664-673

Сопоставление компонентов стока, водного баланса и параметров концептуальных моделей HBV и GR4J на примере рек бассейна Верхней Уссури (юг Приморского края)

С. Ю. Лупаков a, *, А. Н. Бугаец a, Л. В. Гончуков b, c, О. В. Соколов b, Н. Д. Бугаец a

a Тихоокеанский институт географии ДВО РАН
690041 Владивосток, Россия

b Дальневосточный региональный научно-исследовательский гидрометеорологический институт
690091 Владивосток, Россия

c Институт водных проблем РАН
117971 Москва, Россия

* E-mail: rbir@mail.ru

Поступила в редакцию 03.08.2022
После доработки 19.05.2023
Принята к публикации 01.06.2023

Аннотация

Выполнен анализ эффективности моделирования стока, значений параметров, динамики расчетных компонентов стока в двух гидрологических концептуальных моделях GR4J и HBV для 17-ти водосборов рек бассейна верхней Уссури (Приморский край, Россия) площадью от 138 до 24 400 км2. Обе модели демонстрируют увеличение оценок эффективности моделирования NSE с увеличением площади водосборов до 1–2 тыс. км2, далее происходит их стабилизация в интервале 0.75–0.85 за период калибровки и 0.70–0.80 за период верификации. При этом оценки, полученные для модели HBV, на 5–10% выше, чем для модели GR4J. На основе анализа измеренных и рассчитанных годовых максимумов стока за теплый период можно сделать вывод, что модель GR4J в среднем на 5–6% эффективнее рассчитывает максимальные значения расходов дождевых паводков, чем HBV. При этом полученные значения относительной ошибки BIAS свидетельствует о более точном воспроизведении среднегодового стока моделью HBV. Основные отличия, определяющие эффективность моделирования в районе исследования, следующие: схема задания градиента осадков при разбивке водосборов на высотные пояса, особенности расчета модельного испарения, метод расчета оттока из концептуальных стокоформирующих емкостей в моделях GR4J и HBV.

Ключевые слова: модель, HBV, GR4J, параметры, водный баланс, Уссури.

Список литературы

  1. Бугаец А.Н., Гарцман Б.И., Краснопеев С.М., Бугаец Н.Д. Опыт обработки информации модернизированной гидрологической сети с использованием системы управления данными CUAHSI HIS ODM // Метеорология и гидрология. 2013. № 5. С. 91–101.

  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. https://doi.org/10.7868/S0032180X15030028

  3. Виноградов Ю.Б. Математическое моделирование процессов формирования стока. Л.: Гидрометеоиздат, 1988. 312 с.

  4. 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. https://doi.org/10.52002/0130-2906-2022-1-84-94

  5. 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. С. 417–426. https://doi.org/10.31857/S032105962104012X

  6. Мотовилов Ю.Г., Гельфан А.Н. Модели формирования стока в задачах гидрологии речных бассейнов. М.: РАН, 2018. 300 с. https://doi.org/10.31857/S9785907036222000001

  7. Симонов Ю.А., Семенова Н.К., Христофоров А.В. Методика краткосрочных прогнозов расходов воды на реках бассейна Камы на основе использования модели HBV // Метеорология и гидрология. 2021. № 6. С. 55–65. https://doi.org/10.52002/0130-2906-2021-6-55-65

  8. Ayzel G. Runoff predictions in ungauged Arctic basins using conceptual models forced by reanalysis data // Water Resour. 2018. V. 45 (S2). P. S1–S7. https://doi.org/10.1134/S0097807818060180

  9. Ayzel G., Abramov D. OPENFORECAST: an assessment of the operational run in 2020–2021 // Geosci. (Switzerland). 2022. V. 12 (2). P. 67. https://doi.org/10.3390/geosciences12020067

  10. Bergstrom S. Development and application of a conceptual runoff model for Scandinavian catchments. Norrkoping, Sweden: Univ. Lund. Bull., 1976. 134 p.

  11. Beven K. Rainfall-runoff modelling. The Primer. Chichester: Ltd. John Wiley & Sons, 2001. 356 p. https://doi.org/10.1002/9781119951001

  12. 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. 42 (S2). P. S8–S16. https://doi.org/10.1134/S0097807819080037

  13. Bugaets A.N., Gonchukov L.V., Sokolov O.V., Gartsman B.I., Krasnopeev S.M. Information system to support regional hydrological monitoring and forecasting // Water Resour. 2018. V. 45 (S1). P. S59–S66. https://doi.org/10.1134/S0097807818050329

  14. Clark M.P., Kavetski D., Fenicia F. Pursuing the method of multiple working hypotheses for hydrological modeling // Wat. Res. Res. 2011. V. 47. W09301. https://doi.org/10.1029/2010wr009827

  15. Gassman P.W., Reyes M.R., Green C.H., Arnold J.G. The soil and water assessment tool: historical development, applications, and future research and directions // Am. Soc. Agricultural Biol. Engineers. 2007. V. 50. № 4. P. 1211–1250. https://doi.org/10.13031/2013.23637

  16. Haddeland I., Clark D.B., Franssen et al. Multimodel Estimate of the Global Terrestrial Water Balance: Setup and First Results // Hydrometeorol. 2011. V. 12. P. 869– 884. https://doi.org/10.1175/2011JHM1324.1

  17. Klemes V. Operational testing of hydrologic simulation models // Hydrolog. Sci. J. 1986. V. 31. P. 13–24. https://doi.org/10.1080/02626668609491024

  18. 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. P. 885–900. https://doi.org/10.13031/2013.23153

  19. Mroczkowski M., Raper G.P., Kuczera G. The quest for more powerful validation of conceptual catchment models // Water Resour. Res. 1997. V. 26. P. 2275–2286. https://doi.org/10.1029/97WR01922

  20. 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 model for rainfall–runoff modelling // J. Hydrol. 2005. V. 303. P. 290–306. https://doi.org/10.1016/j.jhydrol.2004.08.026

  21. Perrin C., Michel C., Andreassian V. Improvement of a Parsimonious Model for Streamflow Simulation // J. Hydrol. 2003. V. 279. P. 275–289. https://doi.org/10.1016/S0022-1694(03)00225-7

  22. Rango A., Martinec J. Revisiting the degree-day method for snowmelt computations // Water Resour. Bull. 1995. V. 31. P. 657–669. https://doi.org/10.1111/j.1752-1688.1995.tb03392.x

  23. Seibert J., Bergstrom S. A retrospective on hydrological catchment modelling based on half a century with the HBV model // Hydrol. Earth Syst. Sci. 2022. V. 26. P. 1371–1388. https://doi.org/10.5194/hess-26-1371-2022

  24. 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. https://doi.org/10.5194/hess-16-3315-2012

  25. Uhlenbrook S., Seibert J., Leibundgut C., Rodhe A. Prediction uncertainty of conceptual rainfall-runoff models caused by problems in identifying model parameters and structure // Hydrol. Sci. J. 1999. V. 44. № 5. P. 779–797. https://doi.org/10.1080/02626669909492273

  26. Valery A. Modélisation précipitations-débit sous influence nivale, élaboration d’un module neige et évaluation sur 380 bassins versants. Paris: Cemagref, 2010. 405 p.

Дополнительные материалы отсутствуют.

Инструменты

следующая статья выпуска предыдущая статья выпуска содержание выпуска

Водные ресурсы

Архивы выпусков Информация о журнале Отправить рукопись в журнал