Page 31 - 2022年第53卷第10期
P. 31

(如能量平衡法,作物系数法),计算得到作物缺水指数                          [10] 。基于该方法的作物缺水指数表征农业干
              旱的精度较经验估算法高,但是该类评估方法忽略了作物不同生育期的自身特性对需水量的影响                                               [11] ,
              干旱评估结果仍存在不确定性。②作物模型法。结合遥感数据产品,采用作物模型计算作物缺水指数
              以评估农业干旱。作物模型法机理性更强,指数结果更加符合实际。然而,由于微波遥感数据存在部
              分缺陷,限制了作物模型模拟出的作物需耗水数据和农业干旱指数的精度。③水文- 作物耦合模型法。
              结合水文模型对土壤含水量、作物模型对蒸散发模拟的优势,水文 - 作物耦合模型对作物需耗水量的
              模拟精度相比单独的作物模型得到提高,基于该需耗水量构建的作物缺水指数反映实际农业干旱状况
              的能力相比基于遥感数据的作物模型法也进一步提升。
                  Mcnider等  [12] 耦合了水文模型 WaSSI(WaterSupplyStressIndex)和作物模型 DSSAT(DecisionSupport
              System forAgrotechnologyTransfer),基于需水量和供水量构建反映缺水程度的缺水指数,基于该指数
              的农业干旱评估结果显示,相比于其它干旱指数,与实际干旱状况更加接近。然而,Mcnider等采用
              的耦合模型仅能模拟单一作物的生长,这使得模型难以精确模拟和评估区域农业干旱。此外,该耦合
              模型中采用的灌溉模块未考虑到地表水体的水量限制,这在干旱缺水时期会使模拟出的干旱严重程度
              比实际偏轻。因此,如何构建考虑不同作物、不同生育期特征、灌溉和作物轮作影响的农业干旱指数
              仍是一个有待深入研究的问题              [13] 。
                  为考虑不同作物和灌溉对农业干旱指数的影响,研究提出基于水文 - 作物耦合模型的作物需耗水
              量确定方法,在此基础上综合考虑土壤水分亏缺和不同作物生长需耗水过程对农业干旱评估的影响,
              提出基于 VIC - EPIC(VariableInfiltrationCapacity - EnvironmentalPolicyIntegratedClimate)模型模拟作物
              需耗水过程的作物缺水距平指数 CWAPI(CropWaterAnomalyPercentageIndex),在青口河流域进行农
              业干旱评估,验证 CWAPI对农业干旱的反映能力。


              2 VIC - EPIC模型的组成与率定


              2.1 VIC - EPIC模型的组成
              2.1.1 VIC模型 水文- 作物耦合模型中的水文模型选择 VIC模型                         [14] 。VIC模型十分适合模拟土壤含
              水量,其模拟效果已在国内外              [15 - 16] 被反复论证过,高精度的土壤含水量将能提高耦合的作物模型对蒸
              散量的模拟效果。VIC模型中采用可变下渗容量曲线计算下渗量,采用 Arno模型计算基流。在此基础
              上,根据水量平衡方程可计算出逐时段的土壤含水量,由于 VIC模型默认将土壤分为三层,所以按照
              水量平衡方法可依次计算出第一、二、三层的土壤含水量。
              2.1.2 EPIC(EnvironmentalPolicyIntegratedClimate)模型 根据不同作物模型的优缺点,作物模型选用
              EPIC模型。因为常见的作物模型,如 WOFOST(WOrldFOodSTudies)和 SWAP(SoilWaterAtmosphere
              Plant)模型,对作物生长模拟十分细致,常需要很多试验确定的参数,不适用于缺少试验数据的区域
              作物生长模拟。简化的 EPIC模型              [17] 所需提供的参数较少,而且存在丰富的参数数据集,可应用于区
              域的作物生长模拟。该模型虽然所需参数较少,但是能够利用辐射、温度、土壤含水量等数据模拟根
              长、叶面积指数、潜在蒸散发、最大作物散发量、实际作物散发量、土壤实际蒸发,这些模拟可以满
              足作物生长的模拟要求。同时,该模型采用统一的算法能够模拟超过 100多种类型的作物,已在全球
              被广泛使用和验证。具体模拟方法可参考文献[17]。
              2.1.3 基于融合单元的汇流模型 由于子流域的调蓄作用对大尺度汇流模型模拟精度影响较大                                             [18] ,
              故在每个网格内划分出相应子流域,子流域的出口断面在网格的边缘,将融合了网格的子流域称为融
              合单元。由于融合单元均在网格所在的子流域边界内,便于汇流模型考虑网格内流域调蓄作用对汇流
              过程的影响,因此融合单元相比网格容易实现精细化汇流模拟及其精度的提高。
                  采用基于融合单元与河段响应函数的汇流模型                      [18] 模拟各融合单元的流量过程:应用水流流向确定
              方法 FLOW(FlexibleLocationofWaterways)确定地形参数和划分河网,采用运动波方程和连续性方程计
              算融合单元内坡面汇流,运用扩散波方程计算融合单元间的河道汇流。

                                                                                                   1
                                                                                              —   1 6 9 —
   26   27   28   29   30   31   32   33   34   35   36