卡哈巴河流域水文稳定性与敏感性分析：结合综述与模拟研究

《Water》：Hydrological Stability and Sensitivity Analysis of the Cahaba River Basin: A Combined Review and Simulation Study Pooja Preetha, Brian Tyrrell and Autumn Moore

　　

研究人员提出了一种将水文模型敏感性分析与实时传感器任务调度相结合的水文建模连续集成框架与方法，旨在高水文变异性区域和时段优先收集数据，推动模型优化。以美国阿拉巴马州中部的卡哈巴河流域为案例，基于QGIS平台利用1?m数字高程模型(DEM)、NLCD土地覆盖数据与SSURGO土壤数据对基准土壤和水评估工具(SWAT)模型（30?m?DEM）进行了精细化改进。改进后的模型显著提升了子流域划分精度，子流域数量由8个增至99个，从而更准确地刻画异质性景观下的坡度、径流及蓄水空间差异。敏感性分析评估了DEM分辨率与曲线数(CN)扰动对水文响应的影响，包括滞留量、产流分配及主导流向。结果显示，高分辨率DEM（≤5?m）可捕捉显著影响入渗与地表径流的微地形特征，而粗分辨率DEM（≥20?m）系统性低估滞留量并平滑水文梯度。高分辨率DEM可有选择性地应用于高敏感性热点区域以提升模型精度。局部径流模拟表明，精细地形数据显著增强模型真实性，10?m?DEM较30?m?DEM的滞留量提升可达58%。研究证实，将传感器布设与模型优化匹配至空间显式敏感性分区，可同时提高预测精度与计算效率。该连续集成方法为流域管理中高分辨率建模与自适应传感耦合提供了可扩展路径，并支持未来实时数据同化以实现模型持续改进。

卡哈巴河流域位于美国阿拉巴马州中部，面积约1870平方英里，跨越阿巴拉契亚高原、谷岭区及沿海平原，具有湿润亚热带气候、年均降水量约1400?mm，土地利用涵盖城市、农业及森林，生物多样性丰富。当前水文研究依赖遥感数据与地面观测，但遥感手段受云层干扰、时空分辨率有限，难以捕捉地下水过程与微尺度地形对径流的影响；传统经验模型（如SCS曲线数法）多基于粗分辨率DEM校准，无法充分反映微地形滞留效应，导致模型在高异质性区域的预测精度不足。为此，研究人员提出连续集成框架，将模型敏感性分析与实时传感器任务调度结合，以优化数据采集与模型更新，并在卡哈巴河流域进行验证。该研究发表于国际期刊《Water》。

关键技术方法方面，研究人员以卡哈巴河流域为研究对象，采用基准SWAT模型（30?m?DEM）与QGIS平台改进模型（1?m?DEM）进行对比，结合NLCD土地覆盖与SSURGO土壤数据构建水文响应单元(HRU)。通过MIT林肯实验室超级计算中心并行处理，开展不同DEM分辨率（30?m至1?m）与CN扰动的局部敏感性分析，并利用SCS曲线数法结合多流向(MFD)算法模拟径流分配与滞留过程。

研究结果部分，在SWAT模型实验：DEM转换效应中，研究发现高分辨率DEM显著提升子流域划分精度（由8个增至99个），改善热点区域识别与径流预测能力，但计算时间增加4–10倍，因此建议仅在敏感性高的区域使用超高分辨率数据。敏感性实验：空间异质性局部影响量化显示，DEM分辨率对滞留量与流向具有一阶控制作用，10?m?DEM较30?m?DEM滞留量提升达57.71%，且流向角度偏差随分辨率降低而增大；CN值的小幅扰动对滞留量有明显影响，但对流向影响较小，且呈现非线性响应。

讨论部分指出，现有CN表与初始滞留假设基于粗分辨率DEM，不适用于高分辨率地形数据，需要重新校准。高分辨率DEM（≤5?m）可显著提升水文模拟的真实性，尤其在复杂地形区域；而平坦地区可采用较低分辨率以节约计算资源。研究还发现，高分辨率DEM揭示的微地形蓄水特征未被现有模型充分表征，这为未来自适应传感器部署与多分辨率建模提供了依据。

结论部分总结，连续集成框架可实现模型输出与传感器部署的动态反馈，提高数据利用效率；DEM分辨率提升可揭示局部水文热点并改善径流与滞留预测；高分辨率地形数据对入渗与流向刻画至关重要，粗分辨率会低估滞留并平滑径流模式；CN参数需在高分辨率条件下重新校准；局部径流分配模拟中，高分辨率DEM的滞留量提升可达58%；计算成本与精度的权衡可通过选择性使用高分辨率数据实现；敏感性分区可为自适应传感器布设提供指导；现有经验模型在高分辨率应用中需更新参数体系。该研究为结合实时传感与高分辨率建模的自适应流域管理提供了可扩展方案，未来将进一步发展自动化传感器任务识别、多分辨率数据同化及地表-地下水耦合模拟。