Page 62 - 2023年第54卷第6期

图 １展示了 ＳＦＩＡＲ － ＧＡＲＣＨ与 ＷＯＡ － ＳＦＩＤＡＲ模型模拟序列与实测序列之间五分位数（０％，２５％，
５０％，７５％和 １００％）的对比结果。由于日径流最大值与其余分位数值相差较大，为了能够清晰地表达
各分 位 数 值 的 差 距，将 不 同 站 点 最 大 值 单 独 绘 制。在 交 口 河 站，ＳＦＩＡＲ－ ＧＡＲＣＨ 模 型 所 得 ７５％和
１００％分位值更接近实测序列统计值，表明 ＳＦＩＡＲ － ＧＡＲＣＨ模型能够更好地模拟较大径流值。而刘家
河、神木和景村站中 ＷＯＡ － ＳＦＩＤＡＲ模型模拟的各分位数值均比 ＳＦＩＡＲ － ＧＡＲＣＨ模型更接近实测序列
统计值。两模型模拟序列能够较好地模拟日径流不同分位数值，且 ＷＯＡ － ＳＦＩＤＡＲ模型效果更优。

注：（ａ）（ｂ）（ｃ）（ｄ）代表刘家河、交口河、神木和景村水文站在 ０％、２５％、５０％和 ７５％分位的模拟与实测值对比结果；
（ｅ）为 ４个站点的 １００％分位模拟与实测值对比结果。
图 １ 模拟和实测不同分位数值对比

表 ４列出了 ＳＦＩＡＲ － ＧＡＲＣＨ与 ＷＯＡ － ＳＦＩＤＡＲ模型在 ４个水文站中模拟序列与实测序列均值、变
差系数（ Ｃ）和偏态系数（Ｃ）值的对比结果。刘家河、神木和景村站中 ＷＯＡ － ＳＦＩＤＡＲ模型模拟序列与
ｓ
ｖ
实测序列统计值更为接近。交口河站，ＷＯＡ － ＳＦＩＤＡＲ模型模拟序列与实测序列的 Ｃ值（２．８１）更接近，
ｖ
说明该模型能够更好地衡量日径流的离散程度。此外，由表 ４还可以看出，除交口河站外，ＷＯＡ －
３
ＳＦＩＤＡＲ模型模拟峰值与实测峰值更为接近，ＰＤＩＦＦ绝对值小于 ４００ｍ ?ｓ。两模型模拟峰值大多低于
实测峰值，日径流存在较强的自相关性，同时 ＳＦＩＡＲ － ＧＡＲＣＨ与 ＷＯＡ － ＳＦＩＤＡＲ模型依赖于前期观测
值，是模拟峰值偏低的主要因素。综合来看，ＷＯＡ － ＳＦＩＤＡＲ模型模拟序列可以更好地保持日径流实测
序列的统计特性。

表 ４ 模拟与实测序列统计特性和峰值对比结果

３
３
３
３
站点 模型 均值?（ｍ ?ｓ） Ｃ ｖ Ｃ ｓ ＰＤＩＦＦ?（ｍ ?ｓ） 站点 模型 均值?（ｍ ?ｓ） Ｃ ｖ Ｃ ｓ ＰＤＩＦＦ?（ｍ ?ｓ）
实测值 ７．４８ ６．１１ ４０．２０ 实测值 １４．２５ ２．８１ １９．００
刘家河 ＳＦＩＡＲ － ＧＡＲＣＨ １６．１６ ５．７５ ２１．７４ ７９６．１８ 交口河 ＳＦＩＡＲ － ＧＡＲＣＨ １２．６８ ７．２２ １６．６０ ５０．９９
ＷＯＡ － ＳＦＩＤＡＲ １１．２４ ６．０１ ３２．５９ － ３２１．４４ ＷＯＡ － ＳＦＩＤＡＲ １１．２２ ５．８０ １４．７６ － ３８５．０５
实测值 ４２．１６ ２．１８ １６．４６ 实测值 １０．６２ ３．６５ １８．０２
景村 ＳＦＩＡＲ － ＧＡＲＣＨ ４９．６０ ３．０９ ９．４６ － ８７７．８０ 神木 ＳＦＩＡＲ － ＧＡＲＣＨ １８．７７ ４．６７ １０．７５ － ６２５．７５
ＷＯＡ － ＳＦＩＤＡＲ ４６．７１ ２．０４ １２．３６ － ３８５．１５ ＷＯＡ － ＳＦＩＤＡＲ １４．３７ ４．０２ １５．７６ － ３８５．７１

为进一步探讨两种模型对不同月份径流的模拟效果，图 ２对比了各月份模拟与实测序列的均值、
Ｃ和 Ｃ值。可以看出，模拟均值、Ｃ和 Ｃ值的逐月变化趋势与实测序列统计值基本一致，模拟均值与
ｓ
ｖ
ｓ
ｖ
实测均值之间的误差相对较大，７、８月份尤为明显。ＳＦＩＡＲ － ＧＡＲＣＨ与 ＷＯＡ － ＳＦＩＤＡＲ模型的输入因
子为前期径流，这会导致模型所得结果出现一种伪 “滞时” 的现象，即模型最大值与实测最大值出现
０
— ６ ９ —