Влияние временной агрегации данных наблюдений на результаты калибровки параметров и эффективность моделирования стока на примере малых водосборов (юг Приморского края, Россия)

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

Представлены результаты исследования влияния временной агрегации (1, 3, 6, 12 и 24 ч) входных данных на эффективность и значения параметров концептуальной гидрологической модели HBV на основе специальных натурных наблюдений, выполненных на четырех малых экспериментальных водосборах (3.1–26.3 км2) в бассейне р. Правая Соколовка (Верхнеуссурийский стационар, верховья р. Уссури, юг Приморского края) в период 2012–2022 гг. Показано, что с уменьшением расчетного шага качество моделирования, рассчитанное с помощью коэффициента Нэша–Сатклифа, постепенно снижается. Для всех исследуемых водосборов модель демонстрирует высокую эффективность при расчете гидрографов высоких паводков, при этом не воспроизводит внутрисуточные колебания расходов воды (0.1–1.0 мм слоя) в период межени. Модельные доли генетических составляющих стока, при которых происходит постепенный переход к доминированию одной из генетических составляющих, не зависят от расчетного шага и имеют относительно постоянные значения. В то же время с увеличением расчетного шага по времени абсолютные значения модельных расходов воды, выраженные в мм слоя, также последовательно увеличиваются приблизительно в два раза. Закономерности изменения значений параметров блока формирования и трансформации стока HBV, а также максимальных измеренных сумм осадков от временного шага для дождей ≥20 мм/сут хорошо описываются степенными зависимостями с показателями 0.3–0.6. Сделано предположение о том, что для дождей высокой интенсивности наличие зависимости максимальных сумм осадков от временного интервала агрегации может оказывать влияние на значения параметров моделей типа HBV.

Full Text

Restricted Access

About the authors

С. Ю. Лупаков

Тихоокеанский институт географии ДВО РАН

Author for correspondence.
Email: rbir@mail.ru
Russian Federation, Владивосток

А. Н. Бугаец

Тихоокеанский институт географии ДВО РАН

Email: rbir@mail.ru
Russian Federation, Владивосток

Л. В. Гончуков

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

Email: rbir@mail.ru
Russian Federation, Владивосток; Москва

В. В. Шамов

Тихоокеанский институт географии ДВО РАН

Email: rbir@mail.ru
Russian Federation, Владивосток

О. В. Соколов

Дальневосточный региональный научно-исследовательский гидрометеорологический институт

Email: rbir@mail.ru
Russian Federation, Владивосток

References

  1. Бугаец А.Н., Пшеничникова Н.Ф., Терешкина А.А., Лупаков С.Ю., Гарцман Б.И., Шамов В.В., Гончуков Л.В., Голодная О.М., Краснопеев С.М., Кожевникова Н.К. Цифровое почвенное картографирование для целей гидрологического моделирования на примере экспериментальных водосборов (юг Приморского края) // Почвоведение. 2021. Т. 55. № 9. С. 1085–1096.
  2. Гарцман Б.И. Дождевые наводнения на реках юга Дальнего Востока: методы расчетов, прогнозов, оценок риска. Владивосток: Дальнаука, 2008. 223 c.
  3. Гарцман Б.И., Шамов В.В. Натурные исследования стокоформирования в дальневосточном регионе на основе современных средств наблюдений // Вод. ресурсы. 2015. Т. 42. С. 589–599.
  4. Гарцман Б.И., Шамов В.В., Губарева Т.С., Лупаков С.Ю., Бугаец А.Н., Кожевникова Н.К., Болдескул А.Г., Луценко Т.Н., Пшеничникова Н.Ф., Гончуков Л.В. Условия формирования стока: комплексные исследования на экспериментальных водосборах в верховьях р. Уссури // ДАН. Науки о Земле. 2023. Т. 511. № 2. С. 127–133.
  5. Гарцман Б.И., Шамов В.В., Третьяков А.С. Система водно-балансовых моделей малого речного бассейна // География и природ. ресурсы. 1993. № 3. С. 27–36.
  6. Гарцман И.Н., Лыло В.М., Черненко В.Г. Паводочный сток рек Дальнего Востока. Л.: Гидрометеоиздат, 1971. 264 с.
  7. Горчаков А.М. Исследование элементов водного баланса и его структуры в Приморье. Л.: Гидрометеоиздат, 1983. 182 с.
  8. Губарева Т.С., Лупаков С.Ю., Гарцман Б.И., Шамов В.В., Рубцов А.В., Кожевникова Н.К. Возможности оценивания бассейновой транспирации на основе измерения стволового сокодвижения: постановка задачи // Гидросфера. Опасные процессы и явления. 2019. Т. 1. № 4. С. 504–532.
  9. 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.
  10. Лупаков С.Ю., Бугаец А.Н., Шамов В.В. Оценка параметров гидрологической модели HBV по данным полевых наблюдений на экспериментальных водосборах (юг Приморского края) // География и природ. ресурсы. 2022. Т. 43. № 3. С. 158–166.
  11. 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.
  12. 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.
  13. Atkinson S.E., Woods R.A., Sivapalan M. Climate and landscape controls on water balance model complexity over changing landscapes // Water Resour. Res. 2002. V. 38 P. 1314.
  14. Bastola S., Murphy C. Sensitivity of the performance of a conceptual rainfall-runoff model to the temporal sampling of calibration data // Hydrol. Res. 2013. V. 44 (3). P. 484–494.
  15. Bergstrom S. Development and application of a conceptual runoff model for Scandinavian catchments. Norrkoping, Sweden: SMHI, 1976. 134 p.
  16. Blöschl G., Sivapalan M. Scale issues in hydrological modelling: a review // Hydrol. Processes. 1995. V. 9. P. 251–290.
  17. Brighenti T.M., Bonuma N.B., Srinivasan R., Chaffe P.L.B. Simulating sub-daily hydrological process with SWAT: a review // Hydrol. Sci. J. 2019. V. 64. P. 1415–1423.
  18. Bugaets A., Gartsman B., Gubareva T., Lupakov S., Kalugin A., Shamov V., Gonchukov L. Comparing the runoff decompositions of small experimental catchments: end-member mixing analysis (EMMA) vs. Hydrological modelling // Water. 2023. V. 15. P. 752–774.
  19. Cullmann J., Mishra V., Peters R. Flow analysis with WaSiM-ETH – Model parameter sensitivity at different scales // Advances in Geosci. 2006. V. 9. P. 73–77.
  20. Fichi A., Perrin C., Andreassian V. Impact of temporal resolution of inputs on hydrological model performance: An analysis based on 2400 flood events // J. Hydrol. 2016. V. 538. P. 454–470.
  21. Finnerty B.D., Smith M.B., Seo D.J., Koren V., Moglen G.E. Space-time scale sensitivity of the Sacramento model to radar-gage precipitation inputs // J. Hydrol. 1997. V. 203 (1–4). P. 21–38.
  22. Fuentes-Andino D., Hundecha Y., Lindstrom G., Olsson J. Exploring the potential for parameter transfer from daily to hourly time step in the HYPE model for Sweden // Hydrol. Sci. J. 2022. V. 67. P. 1988–2001.
  23. Haddeland I., Lettenmaier D.P., Skaugen T. Reconciling simulated moisture fluxes resulting from alternate hydrologic model time steps and energy budget closure assumptions // J. Hydrometeorol. 2006. V. 7 (3). P. 355–370.
  24. Jie M.-X., Chen H., Xu C.-Y., Zeng Q., Chen J., Kim J.-S., Guo S., Guo F.-Q. Transferability of conceptual hydrological models across temporal resolutions: approach and application // Water Resour. Management. 2018. V. 32 (4). P. 1367–1381.
  25. Kandel D.D., Western A.W., Grayson R.B. Scaling from process timescales to daily time steps: A distribution function approach // Water Resour. Res. 2005. V. 41 (2). P. 1–16.
  26. Kavetski D., Fenicia F., Clark M.P. Impact of temporal data resolution on parameter inference and model identification in conceptual hydrological modeling: Insights from an experimental catchment // Water Resour. Res. 2011. V. 47 (5). W05501.
  27. Krajewski W.F., Lakshmi V., Georgakakos K.P., Jain S.C. A Monte Carlo study of rainfall sampling effect on a distributed catchment model // Water Resour. Res. 1991. V. 27 (1). P. 119–128.
  28. Littlewood I.G., Croke B.F.W. Data time-step dependency of conceptual rainfall—streamflow model parameters: an empirical study with implications for regionalization // Hydrol. Sci. J. 2008. V. 53 (4). P. 685–695.
  29. Morel-Seytoux H.J. Soil aquifer stream interactions – a reductionist attempt toward physical-stochastic integration // J. Hydrol. 1988. V. 102. P. 355–379.
  30. 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.
  31. 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.
  32. Paschalis A., Fatichi S., Molnar P., Rimkus S., Burlando P. On the effects of small-scale space-time variability of rainfall on basin flood response // J. Hydrol. 2014. V. 514. P. 313–327.
  33. Reynolds J.E., Halldin S., Xu C.Y., Seibert J., Kauffeldt A. Sub-daily runoff predictions using parameters calibrated on the basis of data with a daily temporal resolution // J. Hydrol. 2017. V. 550. P. 399–411.
  34. Seibert J. Multi-criteria calibration of a conceptual runoff model using a genetic algorithm // Hydrol. Earth Syst. Sci. 2000. V. 4. P. 215–224.
  35. 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.
  36. Shuai P., Chen X., Mital U., Coon E.T., Dwivedi D. The effects of spatial and temporal resolution of gridded meteorological forcing on watershed hydrological responses // Hydrol. Earth Syst. Sci. 2022. V. 26. P. 2245–2276.
  37. Wang Y., He B., Takase K. Effects of temporal resolution on hydrological model parameters and its impact on prediction of river discharge // Hydrol. Sci. J. 2009. V. 54 (5). P. 886–898.
  38. Wawrzyniak T., Osuch M., Nawrot A., Napiorkowski J.J. Run-off modelling in an Arctic unglaciated catchment (Fuglebekken, Spitsbergen) // Annals Glaciol. 2017. V. 58. P. 36–46.
  39. Woolhiser D.A., Goodrich D.C. Effect of storm rainfall intensity patterns on surface runoff // J. Hydrol. 1988. V. 102. P. 335–354.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2. Fig. 1. Map of the study area - territory of the Verkhneussurian station (VUS), triangles show closing stations: 1 - Berezovy, 2 - Elovy, 3 - Medvezhy, 4 - Pravaya Sokolovka, round icons - gauges and meteorological stations

Download (109KB)
Indexing metadata
3. Fig. 2. General scheme of the HBV model

Download (190KB)
Indexing metadata
4. Fig. 3. Dynamics of: a - measured (Qobs) and calculated (Qsim) discharge of 1- and 24-h resolution (1 and 24 h, respectively), b - moisture storage of conceptual soil capacity (SM, lines) and S2 capacity (SLZ, dashed), c - moisture storage of S1 capacity (SLZ, dashed), d - recharge of S1 capacity (Recharge) of 1-, 6-, and 24-h resolution (indicated in footnotes) for Bear Creek. Medvezhiego for the period of the outstanding flood of 2016

Download (281KB)
Indexing metadata
5. Fig. 4. Dependences of calibrated values of HBV parameters on time step

Download (326KB)
Indexing metadata
6. Fig. 5. Distribution of model components of runoff from the discharge at the trailing gauge (mm) for Medvezhye Creek: a - surface (Q0) and soil (Q1) runoff; b - ground (Q2) runoff. Footnotes show the values of calculated time step

Download (164KB)
Indexing metadata
7. Fig. 6. Generalised dependences of maximum measured precipitation P on time step for rainfall ≥20 mm/day

Download (92KB)
Indexing metadata

Copyright (c) 2024 Russian Academy of Sciences

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».