基于MOHID-Land模型与van Genuchten–Mualem参数体系的流域土壤水力参数不确定性量化研究

《Eng》：A Deterministic Calibration Strategy for MOHID-Land Based on Soil Parameter Uncertainty Dhiego da Silva Sales, Jader Lugon Junior, David de Andrade Costa, Mariana Dias Villas-Boas, Ramiro Joaquim Neves and Ant?nio José da Silva Neto

　　

本研究针对山区流域水文模拟中土壤水力参数的不确定性对径流预测的显著影响，采用三维分布式水文模型MOHID-Land结合van Genuchten–Mualem (VGM) 土壤水力函数，以巴西里约热内卢州Pedro do Rio流域为研究对象，系统评估了残余含水量θr、饱和含水量θs、孔隙尺寸分布指数n、进气值倒数α及饱和水力传导度Ksat五个关键参数的扰动对模拟流量的影响。研究利用Rosetta pedotransfer模型从EMBRAPA土壤质地数据库推导VGM参数，并通过MOHID Soil Tool实现空间离散化。采用单因素扰动法（One-At-a-Time, OAT）设计39组情景，以±30%至±100%的范围调整参数，基于95%预测不确定度带 (95PPU) 量化模拟结果的离散程度。结果表明，Ksat与α是控制流量不确定性的主导参数，其扰动导致95PPU带宽分别达日均流量的120%与85%；θs与n次之；θr影响最弱。研究揭示了VGM参数在陡坡地形水文模拟中的敏感性层级，为物理性水文模型的参数率定与不确定性削减提供了定量依据。

研究背景与意义

山区流域水文过程受地形与土壤异质性共同驱动，传统概念性模型（如SWAT）常简化土壤水分运动机制，难以精确刻画非饱和带动态。MOHID-Land作为三维物理性分布式模型，通过耦合Buckingham–Darcy通量定律与连续方程，可解析饱和-非饱和带的水分运移，但其模拟精度高度依赖van Genuchten–Mualem (VGM) 土壤水力参数的准确性。当前，此类参数的空间变异性与测量不确定性如何传递至流域出口流量，尤其在陡坡地形下的量化研究仍显不足。因此，本研究以巴西大西洋森林区的Pedro do Rio流域为对象，旨在量化VGM关键参数的不确定性对径流模拟的影响，以提升复杂地形区水文预测的可靠性。该研究成果发表于工程领域期刊《Eng》。

关键技术方法

研究人员构建了包含7层土壤柱的MOHID-Land三维模型，水平分辨率0.002°（约200 m），垂直层厚依坡度动态调整。土壤物理属性源自EMBRAPA全国数据库，经Rosetta模型转换为VGM参数（θ_r、θ_s、α、n、K_sat），并通过MOHID Soil Tool实现空间离散化。气象强迫中降水数据来自流域内39个雨量站的合成数据集，其余变量采用ERA5再分析资料。不确定性分析采用单因素扰动法（OAT），对5个VGM参数施加系统性扰动，生成39组模拟情景。基于Timeseries Error and Uncertainty Analyzer工具计算95%预测不确定度带 (95PPU)，并以平均带宽μ_Bandwidth与变异系数CV量化不确定性的幅值与时间稳定性。

研究结果

2.2.1. 土壤水力过程与van Genuchten–Mualem (VGM) 参数框架

研究建立了基于Buckingham–Darcy定律的三维土壤水流控制方程，明确水力传导度K(θ)随基质势h的非线性衰减关系。通过VGM函数（式5-7）定义土壤水分特征曲线与相对渗透率，其中各参数物理意义明确：θ_s（饱和含水量）、θ_r（残余含水量）、α（进气值倒数）、n（孔隙尺寸分布指数）、m=1-1/n（孔径均匀度）、K_sat（饱和水力传导度）。引入各向异性因子K_F=10，表征水平与垂向K_sat的差异。

2.2.2. 模型设置（基准情景S1）

模型域覆盖160×200网格，下边界为不透水基岩。河道几何形态基于实地测量断面插值确定。植被参数（曼宁糙率、作物系数K_c、Feddes根系吸水参数）依据土地利用类型设定。土壤垂直分层匹配EMBRAPA定义的6个发生层，最深两层共享100–200 cm层属性。所有参数均通过MOHID Soil Tool自动化处理，确保空间一致性。

2.3. 不确定性分析情景

OAT实验显示，参数扰动范围参考Weber等（2019）与Brunetti等（2020）的研究，确保物理合理性。K_sat扰动范围（10–1000 cm/day）最宽，α次之（0.113–2.270 m^-1），θ_s（0.35–0.65 m3/m3）、θ_r（0.08–0.15 m3/m3）与n（1.067–2.666）范围较窄。共执行39组模拟，以S1为基准对比。

2.3. 不确定性量化结果

K_sat增加100%导致年均流量上升45%，95PPU带宽扩大至基准的2.3倍；α降低90%则使低流量期模拟偏差增加60%。θ_s与n的扰动主要影响土壤蓄水能力与峰值流量时序。θ_r变化对径流影响不显著（p>0.05）。时间稳定性分析表明，高流量期CV值普遍低于低流量期，反映湿润条件下参数敏感性减弱。

结论与讨论

本研究证实，在陡坡流域的物理性水文模拟中，饱和水力传导度K_sat与进气值倒数α是首要的不确定性来源，其优先级高于土壤持水能力参数（θ_s、θ_r、n）。这一发现挑战了传统以θ_s为核心的率定策略，建议将K_sat与α作为优先校准参数。研究同时指出，单因素扰动法虽无法捕捉参数交互效应，但在计算成本限制下，能有效识别一阶敏感参数。未来工作需结合贝叶斯方法量化多参数联合不确定性，并进一步验证VGM参数在深层土壤中的适用性。本研究为山区流域水文模型的参数优化与不确定性管理提供了重要的实证基础。