Mô Hình Mưa-Lưu Lượng: Hướng Dẫn Cơ Bản

Chuyên khảo phân tích Beven rainfall runoff modelling 2nd ed, đánh giá các khía cạnh quan trọng, đề xuất hướng nghiên cứu tiếp theo.

• Tác giả: Keith Beven
• Trường học: Lancaster University
• Đề tài: Mô Hình Mưa-Lưu Lượng: Hướng Dẫn Cơ Bản
• Loại tài liệu: sách
• Năm xuất bản: 2012
• Địa điểm: Chichester

Tóm tắt

I. Tổng Quan Về Mô Hình Mưa Lưu Lượng Khái Niệm Cơ Bản

Mô hình mưa-lưu lượng là công cụ quan trọng trong lĩnh vực thủy văn. Chúng giúp dự đoán lưu lượng nước từ mưa, hỗ trợ trong việc quản lý tài nguyên nước và phòng chống lũ lụt. Mô hình này không chỉ đơn thuần là công thức toán học mà còn phản ánh các quá trình tự nhiên phức tạp. Việc hiểu rõ về mô hình này là cần thiết cho các nhà nghiên cứu và quản lý tài nguyên nước.

1.1. Mô Hình Mưa Lưu Lượng Là Gì

Mô hình mưa-lưu lượng là phương pháp mô phỏng mối quan hệ giữa lượng mưa và lưu lượng nước trong một lưu vực. Chúng thường được sử dụng để dự đoán phản ứng của lưu vực trước các sự kiện mưa lớn.

1.2. Tại Sao Cần Sử Dụng Mô Hình Mưa Lưu Lượng

Việc sử dụng mô hình mưa-lưu lượng giúp cải thiện khả năng dự đoán lũ lụt, quản lý tài nguyên nước và tối ưu hóa các hệ thống thoát nước. Điều này rất quan trọng trong bối cảnh biến đổi khí hậu.

II. Thách Thức Trong Mô Hình Mưa Lưu Lượng Những Vấn Đề Cần Giải Quyết

Mặc dù mô hình mưa-lưu lượng mang lại nhiều lợi ích, nhưng cũng tồn tại nhiều thách thức. Các vấn đề như độ chính xác của dữ liệu đầu vào, sự không chắc chắn trong mô hình và khả năng dự đoán trong các điều kiện khí hậu khác nhau là những yếu tố cần được xem xét.

2.1. Độ Chính Xác Của Dữ Liệu Đầu Vào

Độ chính xác của mô hình phụ thuộc vào chất lượng dữ liệu đầu vào. Dữ liệu không chính xác có thể dẫn đến kết quả sai lệch, ảnh hưởng đến quyết định quản lý tài nguyên nước.

2.2. Sự Không Chắc Chắn Trong Mô Hình

Sự không chắc chắn trong mô hình có thể đến từ nhiều nguồn khác nhau, bao gồm các giả định trong mô hình và biến động tự nhiên của môi trường. Việc nhận diện và quản lý sự không chắc chắn này là rất quan trọng.

III. Phương Pháp Mô Hình Mưa Lưu Lượng Các Kỹ Thuật Chính

Có nhiều phương pháp khác nhau để xây dựng mô hình mưa-lưu lượng. Các phương pháp này có thể được phân loại thành mô hình đơn giản và mô hình phức tạp, tùy thuộc vào mục tiêu nghiên cứu và điều kiện cụ thể của lưu vực.

3.1. Mô Hình Đơn Giản Phương Pháp Tính Toán Cơ Bản

Mô hình đơn giản thường sử dụng các phương pháp tính toán cơ bản như phương pháp Rational. Đây là phương pháp dễ áp dụng nhưng có thể không chính xác trong các tình huống phức tạp.

3.2. Mô Hình Phức Tạp Mô Hình Dựa Trên Quy Trình

Mô hình phức tạp hơn như mô hình phân phối thường sử dụng các phương trình vi phân để mô phỏng các quá trình thủy văn. Chúng cung cấp độ chính xác cao hơn nhưng yêu cầu dữ liệu đầu vào phong phú.

IV. Ứng Dụng Thực Tiễn Của Mô Hình Mưa Lưu Lượng Kết Quả Nghiên Cứu

Mô hình mưa-lưu lượng đã được áp dụng rộng rãi trong nhiều lĩnh vực, từ quản lý tài nguyên nước đến dự đoán lũ lụt. Các nghiên cứu cho thấy rằng việc sử dụng mô hình này có thể cải thiện đáng kể khả năng dự đoán và quản lý các sự kiện khí hậu cực đoan.

4.1. Dự Đoán Lũ Lụt Một Ứng Dụng Quan Trọng

Mô hình mưa-lưu lượng giúp dự đoán lũ lụt, từ đó cung cấp thông tin kịp thời cho các cơ quan chức năng trong việc ứng phó với thiên tai.

4.2. Quản Lý Tài Nguyên Nước Tối Ưu Hóa Sử Dụng

Việc áp dụng mô hình mưa-lưu lượng trong quản lý tài nguyên nước giúp tối ưu hóa việc sử dụng nước, đảm bảo cung cấp nước cho các hoạt động nông nghiệp và sinh hoạt.

V. Kết Luận Tương Lai Của Mô Hình Mưa Lưu Lượng

Mô hình mưa-lưu lượng sẽ tiếp tục phát triển trong tương lai với sự tiến bộ của công nghệ và dữ liệu. Việc cải thiện độ chính xác và khả năng dự đoán của mô hình sẽ là mục tiêu hàng đầu, đặc biệt trong bối cảnh biến đổi khí hậu ngày càng gia tăng.

5.1. Xu Hướng Phát Triển Công Nghệ Mới

Công nghệ mới như trí tuệ nhân tạo và học máy có thể được tích hợp vào mô hình mưa-lưu lượng, giúp cải thiện độ chính xác và khả năng dự đoán.

5.2. Tăng Cường Hợp Tác Quốc Tế Trong Nghiên Cứu

Hợp tác quốc tế trong nghiên cứu và chia sẻ dữ liệu sẽ giúp nâng cao chất lượng mô hình và ứng dụng của chúng trên toàn cầu.

Trích đoạn nội dung tài liệu

Rainfall-Runoff Modelling Rainfall-Runoff Modelling The Primer SECOND EDITION Keith Beven Lancaster University, UK This edition first published 2012 © 2012 by John Wiley & Sons, Ltd Wiley-Blackwell is an imprint of John Wiley & Sons, formed by the merger of Wiley’s global Scientific, Technical and Medical business with Blackwell Publishing. Registered office: John Wiley & Sons, Ltd, The Atrium, Southern Gate, Chichester, West Sussex, PO19 8SQ, UK Editorial offices: 9600 Garsington Road, Oxford, OX4 2DQ, UK The Atrium, Southern Gate, Chichester, West Sussex, PO19 8SQ, UK 111 River Street, Hoboken, NJ 07030-5774, USA For details of our global editorial offices, for customer services and for information about how to apply for permission to reuse the copyright material in this book please see our website at www.com/wiley-blackwell. The right of the author to be identified as the author of this work has been asserted in accordance with the UK Copyright, Designs and Patents Act 1988. All rights reserved.

No part of this publication may be reproduced, stored in a retrieval system, or transmitted, in any form or by any means, electronic, mechanical, photocopying, recording or otherwise, except as permitted by the UK Copyright, Designs and Patents Act 1988, without the prior permission of the publisher. Designations used by companies to distinguish their products are often claimed as trademarks. All brand names and product names used in this book are trade names, service marks, trademarks or registered trademarks of their respective owners. The publisher is not associated with any product or vendor mentioned in this book.

This publication is designed to provide accurate and authoritative information in regard to the subject matter covered. It is sold on the understanding that the publisher is not engaged in rendering professional services. If professional advice or other expert assistance is required, the services of a competent professional should be sought. Library of Congress Cataloging-in-Publication Data Beven, K.

Rainfall-runoff modelling : the primer / Keith Beven. Includes bibliographical references and index. Runoff–Mathematical models. Rain and rainfall–Mathematical models.48 8–dc23 2011028243 A catalogue record for this book is available from the British Library.

Wiley also publishes its books in a variety of electronic formats. Some content that appears in print may not be available in electronic books. Set in 10/12pt Times by Thomson Digital, Noida, India First Impression 2012 For the next generation of hydrological modellers Contents Preface to the Second Edition xiii About the Author xvii List of Figures xix 1 Down to Basics: Runoff Processes and the Modelling Process 1 1.2 How to Use This Book 3 1.3 The Modelling Process 3 1.4 Perceptual Models of Catchment Hydrology 6 1.5 Flow Processes and Geochemical Characteristics 13 1.6 Runoff Generation and Runoff Routing 15 1.7 The Problem of Choosing a Conceptual Model 16 1.8 Model Calibration and Validation Issues 18 1.9 Key Points from Chapter 1 21 Box 1.1 The Legacy of Robert Elmer Horton (1875–1945) 22 2 Evolution of Rainfall–Runoff Models: Survival of the Fittest? 25 2.1 The Starting Point: The Rational Method 25 2.2 Practical Prediction: Runoff Coefficients and Time Transformations 26 2.3 Variations on the Unit Hydrograph 33 2.4 Early Digital Computer Models: The Stanford Watershed Model and Its Descendants 36 2.5 Distributed Process Description Based Models 40 2.6 Simplified Distributed Models Based on Distribution Functions 42 2.7 Recent Developments: What is the Current State of the Art? 43 2.8 Where to Find More on the History and Variety of Rainfall–Runoff Models 43 2.9 Key Points from Chapter 2 44 Box 2.1 Linearity, Nonlinearity and Nonstationarity 45 Box 2.2 The Xinanjiang, ARNO or VIC Model 46 Box 2.3 Control Volumes and Differential Equations 49 viii Contents 3 Data for Rainfall–Runoff Modelling 51 3.3 Meteorological Data and the Estimation of Interception and Evapotranspiration 56 3.4 Meteorological Data and The Estimation of Snowmelt 60 3.5 Distributing Meteorological Data within a Catchment 61 3.6 Other Hydrological Variables 61 3.7 Digital Elevation Data 61 3.8 Geographical Information and Data Management Systems 66 3.9 Remote-sensing Data 67 3.10 Tracer Data for Understanding Catchment Responses 69 3.11 Linking Model Components and Data Series 70 3.12 Key Points from Chapter 3 71 Box 3.1 The Penman–Monteith Combination Equation for Estimating Evapotranspiration Rates 72 Box 3.2 Estimating Interception Losses 76 Box 3.3 Estimating Snowmelt by the Degree-Day Method 79 4 Predicting Hydrographs Using Models Based on Data 83 4.1 Data Availability and Empirical Modelling 83 4.2 Doing Hydrology Backwards 84 4.3 Transfer Function Models 87 4.4 Case Study: DBM Modelling of the CI6 Catchment at Llyn Briane, Wales 93 4.5 Physical Derivation of Transfer Functions 95 4.6 Other Methods of Developing Inductive Rainfall–Runoff Models from Observations 99 4.7 Key Points from Chapter 4 106 Box 4.1 Linear Transfer Function Models 107 Box 4.2 Use of Transfer Functions to Infer Effective Rainfalls 112 Box 4.3 Time Variable Estimation of Transfer Function Parameters and Derivation of Catchment Nonlinearity 113 5 Predicting Hydrographs Using Distributed Models Based on Process Descriptions 119 5.1 The Physical Basis of Distributed Models 119 5.2 Physically Based Rainfall–Runoff Models at the Catchment Scale 128 5.3 Case Study: Modelling Flow Processes at Reynolds Creek, Idaho 135 5.4 Case Study: Blind Validation Test of the SHE Model on the Slapton Wood Catchment 138 5.5 Simplified Distributed Models 140 5.6 Case Study: Distributed Modelling of Runoff Generation at Walnut Gulch, Arizona 148 5.7 Case Study: Modelling the R-5 Catchment at Chickasha, Oklahoma 151 5.8 Good Practice in the Application of Distributed Models 154 5.9 Discussion of Distributed Models Based on Continuum Differential Equations 155 5.10 Key Points from Chapter 5 157 Box 5.1 Descriptive Equations for Subsurface Flows 158 Contents ix Box 5.2 Estimating Infiltration Rates at the Soil Surface 160 Box 5.3 Solution of Partial Differential Equations: Some Basic Concepts 166 Box 5.4 Soil Moisture Characteristic Functions for Use in the Richards Equation 171 Box 5.5 Pedotransfer Functions 175 Box 5.6 Descriptive Equations for Surface Flows 177 Box 5.7 Derivation of the Kinematic Wave Equation 181 6 Hydrological Similarity, Distribution Functions and Semi-Distributed Rainfall–Runoff Models 185 6.1 Hydrological Similarity and Hydrological Response Units 185 6.2 The Probability Distributed Moisture (PDM) and Grid to Grid (G2G) Models 187 6.4 Case Study: Application of TOPMODEL to the Saeternbekken Catchment, Norway 198 6.6 Semi-Distributed Hydrological Response Unit (HRU) Models 204 6.7 Some Comments on the HRU Approach 207 6.8 Key Points from Chapter 6 208 Box 6.1 The Theory Underlying TOPMODEL 210 Box 6.2 The Soil and Water Assessment Tool (SWAT) Model 219 Box 6.3 The SCS Curve Number Model Revisited 224 7 Parameter Estimation and Predictive Uncertainty 231 7.1 Model Calibration or Conditioning 231 7.2 Parameter Response Surfaces and Sensitivity Analysis 233 7.3 Performance Measures and Likelihood Measures 239 7.4 Automatic Optimisation Techniques 241 7.5 Recognising Uncertainty in Models and Data: Forward Uncertainty Estimation 243 7.6 Types of Uncertainty Interval 244 7.7 Model Calibration Using Bayesian Statistical Methods 245 7.8 Dealing with Input Uncertainty in a Bayesian Framework 247 7.9 Model Calibration Using Set Theoretic Methods 249 7.10 Recognising Equifinality: The GLUE Method 252 7.11 Case Study: An Application of the GLUE Methodology in Modelling the Saeternbekken MINIFELT Catchment, Norway 258 7.12 Case Study: Application of GLUE Limits of Acceptability Approach to Evaluation in Modelling the Brue Catchment, Somerset, England 261 7.13 Other Applications of GLUE in Rainfall–Runoff Modelling 265 7.14 Comparison of GLUE and Bayesian Approaches to Uncertainty Estimation 266 7.15 Predictive Uncertainty, Risk and Decisions 267 7.16 Dynamic Parameters and Model Structural Error 268 7.17 Quality Control and Disinformation in Rainfall–Runoff Modelling 269 7.18 The Value of Data in Model Conditioning 274 7.19 Key Points from Chapter 7 274 Box 7.1 Likelihood Measures for use in Evaluating Models 276 Box 7.2 Combining Likelihood Measures 283 Box 7.3 Defining the Shape of a Response or Likelihood Surface 284 x Contents 8 Beyond the Primer: Models for Changing Risk 289 8.1 The Role of Rainfall–Runoff Models in Managing Future Risk 289 8.2 Short-Term Future Risk: Flood Forecasting 290 8.3 Data Requirements for Flood Forecasting 291 8.4 Rainfall–Runoff Modelling for Flood Forecasting 293 8.5 Case Study: Flood Forecasting in the River Eden Catchment, Cumbria, England 297 8.6 Rainfall–Runoff Modelling for Flood Frequency Estimation 299 8.7 Case Study: Modelling the Flood Frequency Characteristics on the Skalka Catchment, Czech Republic 302 8.8 Changing Risk: Catchment Change 305 8.9 Changing Risk: Climate Change 307 8.10 Key Points from Chapter 8 309 Box 8.1 Adaptive Gain Parameter Estimation for Real-Time Forecasting 311 9 Beyond the Primer: Next Generation Hydrological Models 313 9.1 Why are New Modelling Techniques Needed? 313 9.2 Representative Elementary Watershed Concepts 315 9.3 How are the REW Concepts Different from Other Hydrological Models? 318 9.4 Implementation of the REW Concepts 318 9.5 Inferring Scale-Dependent Hysteresis from Simplified Hydrological Theory 320 9.6 Representing Water Fluxes by Particle Tracking 321 9.7 Catchments as Complex Adaptive Systems 324 9.8 Optimality Constraints on Hydrological Responses 325 9.9 Key Points from Chapter 9 327 10 Beyond the Primer: Predictions in Ungauged Basins 329 10.1 The Ungauged Catchment Challenge 329 10.2 The PUB Initiative 330 10.3 The MOPEX Initiative 331 10.4 Ways of Making Predictions in Ungauged Basins 331 10.5 PUB as a Learning Process 332 10.6 Regression of Model Parameters Against Catchment Characteristics 333 10.7 Donor Catchment and Pooling Group Methods 335 10.8 Direct Estimation of Hydrograph Characteristics for Constraining Model Parameters 336 10.9 Comparing Regionalisation Methods for Model Parameters 338 10.10 HRUs and LSPs as Models of Ungauged Basins 339 10.11 Gauging the Ungauged Basin 339 10.12 Key Points from Chapter 10 341 11 Beyond the Primer: Water Sources and Residence Times in Catchments 343 11.1 Natural and Artificial Tracers 343 11.2 Advection and Dispersion in the Catchment System 345 11.3 Simple Mixing Models 346 11.4 Assessing Spatial Patterns of Incremental Discharge 347 11.5 End Member Mixing Analysis (EMMA) 347 Contents xi 11.6 On the Implications of Tracer Information for Hydrological Processes 348 11.7 Case Study: End Member Mixing with Routing 349 11.8 Residence Time Distribution Models 353 11.9 Case Study: Predicting Tracer Transport at the Gårdsjön Catchment, Sweden 357 11.10 Implications for Water Quality Models 359 11.11 Key Points from Chapter 11 360 Box 11.1 Representing Advection and Dispersion 361 Box 11.2 Analysing Residence Times in Catchment Systems 365 12 Beyond the Primer: Hypotheses, Measurements and Models of Everywhere 369 12.1 Model Choice in Rainfall–Runoff Modelling as Hypothesis Testing 369 12.2 The Value of Prior Information 371 12.3 Models as Hypotheses 372 12.4 Models of Everywhere 374 12.5 Guidelines for Good Practice 375 12.6 Models of Everywhere and Stakeholder Involvement 376 12.7 Models of Everywhere and Information 377 12.8 Some Final Questions 378 Appendix A Web Resources for Software and Data 381 Appendix B Glossary of Terms 387 References 397 Index 449 Preface to the Second Edition Models are undeniably beautiful, and a man may justly be proud to be seen in their company. But they may have their hidden vices.

The question is, after all, not only whether they are good to look at, but whether we can live happily with them. Kaplan, 1964 One is left with the view that the state of water resources modelling is like an economy subject to inflation – that there are too many models chasing (as yet) too few applications; that there are too many modellers chasing too few ideas; and that the response is to print ever-increasing quantities of paper, thereby devaluing the currency, vast amounts of which must be tendered by water resource modellers in exchange for their continued employment. Robin Clarke, 1974 It is already (somewhat surprisingly) 10 years since the first edition of this book appeared. It is (even more surprisingly) 40 years since I started my own research career on rainfall–runoff modelling.

That is 10 years of increasing computer power and software development in all sorts of domains, some of which has been applied to the problem of rainfall–runoff modelling, and 40 years since I started to try to understand some of the difficulties of representing hydrological processes and identifying rainfall–runoff model parameters.