不同尺度和数据基础的水文模型适用性评估研究——淮河流域为例

在淮河流域蚌埠站以上区域构建人工神经网络(ANN)、HBV-D 模型和SWIM模型等水文模型,评估不同时间、空间尺度和数据基础下水文模型的适宜性。得出:①时间尺度上三个模型对数据要求不同, ANN模型需要月尺度数据即可建立降水-径流关系且能取得较好的模拟效果,HBV-D 和SWIM模型为日尺度水文模型,需逐日降水、温度和径流量等数据,SWIM模型还需作物管理、营养盐和土壤侵蚀等数据;②空间尺度上,ANN模型适应于大尺度,HBV-D 模型适用于1×10⁴ km²及以上流域,SWIM模型更适合于1×10⁴ km²以下小流域降水-径流关系建立;③模拟效果分析,月尺度统计上ANN模型对水文模拟的整体效果较好,但不适合用于气候变化背景下水文水资源等研究,而有物理基础的HBV-D和SWIM模型虽模拟的纳希效率系数不及ANN模型,但在气候变化背景下仍是较好的工具。