赵少华1, 2，邱国玉1，杨永辉2 *，吴 晓1，尹 靖1
1. 北京师范大学环境演变与自然灾害教育部重点实验室中国科学院遗传与发育生物学研究所农业资源研究中心150 km100 km7 km13 km
1 Schematic of primary remote sensing and hydrology coupled model 国内这方面的应用主要集中在运用遥感资料获取流域水文模型的输入和参数率定方面。如王 燕生[22]利用陆地卫星影像获取流域的下垫面资料，将流域按植被和土壤、土地利用分区，并应用气象雷达探测雨区及相应的面雨量，采用USDAHL水文模型，进行了少冷河的洪水预报研究。许有鹏等[23]以浙江省曹娥江流域为试验区，采用Sacramento模型，重点探讨了利用Ｌandsat TM影象资料直接或辅助确定水文模型参数的途径和方法，研究表明应用遥感信息确定该模型参数，进行日、月和年径流的动态模拟是完全可行的，并可取得较满意的精度。王腊春等[24]将遥感资料应用到新安江模型的参数提取，确定流域最大可能土壤蓄水量；该模型应用Landsat TM 数字磁带和黑白航空像片来分析研究区地表覆盖状况和辅助常规土壤图确定水文土壤类型，从而确定每一个分块面积上的CN和S值，在浙江溪西流域6次洪水的产流计算结果，计算值与实测值相对误差在~之间，精度满意。徐雨清等[25]以黄土高原半干旱地区的6个自然集水区为研究对象，应用GIS与RS技术研究了该地区的降雨径流关系问题，用GIS提取流域边界、水道、地形和下垫面特征，应用卫星遥感（NOAA AVHRR卫星数据）获取植被和土地利用状况，通过统计分析得出该区域多年平均年径流量与降雨量、地形、植被等因素的关系，并建立了模型。马铁民等[26]在新安江模型的基础上，通过参数调整和修改，建立了吉林省辉发河流域的遥感水文模型并对该流域的水情要素等进行研究，结果表明对该流域的水文及洪水预报效果良好。 3 几个主要的遥感水文耦合模型
SCS模型
SCS（Soil Conservation Services）模型是美国水土保持局研制的小流域暴雨径流估算模型。它是根据降雨径流形成规律，并重点考虑形成径流的下垫面特征来研究暴雨径流的数量关系；同时结合小流域实验观测资料进行统计相关分析所建立的小流域暴雨计算模型。在降雨径流关系上，SCS模型考虑流域下垫面的特点，在水文模型参数和遥感信息之间建立了直接的联系。模型的基本形式为：
Q=2/(P+; (P≥ (1a)
S=25400/CN-254 中国旅行地图 (1b)
惠州自驾游路线推荐其中P为降雨量，Q为径流值，S为最大蓄水容量，CN（Curve Number）为径流曲线数。此模型涉及到许多下垫面参数，并且由CN综合加以反映。参数CN 综合表达了截流、入渗、地表存储过程等，其数值取决于流域的地表覆盖、土壤类型以及土地利用等特征，这些特征均可由遥感数据信息来表征。
魏文秋等[27]通过改进SCS模型并应用遥感资料确定模型的土地利用和土壤类型，以安徽城西径流试验站进行了实例研究，结果表明产流模拟的精度是满意的。刘贤赵等[28]基于土地利用、土壤类型等遥感观测的信息数据和流域水文、气象资料，按照集水区自然分水线划分流域子单元，并提出适合该流域的CN值表，应用SCS模型对黄土高原典型流域—王东沟流域径流过程进行了模拟。结果表明，模型所模拟的径流过程与实测径流过程具有较好的一致性，模拟精度在75%以上，说明模型在参数的确定上较为合理。Gress等[29]描述了美国国家遥感中心采用Landsat TM 和 SPOT卫星的数据资料，对美国大平原地区的湿地进行重新分类的应用。Shrimali等[30]在印度北部的Sukhna Lake流域上，采用RS和GIS技术把山地易侵蚀区分为林地、农用地、灌木林、荒地、河床和沉降地六类，并采用SCS－CN 法计算了该地区的径流。
SiB2模型
SiB2（Simple Biosphere Mode，简化生物圈模型）是用来研究单层植被中的水、能量以及CO2通量的陆面模型[31]。该模型是由Sellers等[32]提出，后经Sellers等[33-36]改进。模型中的水文模块把未来的降雨归入冠层截流和穿透水的组分。当降雨超过冠层的持水能
力时，冠层截流水以潜在速率蒸发或者贡献给穿透水。
模型与遥感数据结合紧密，不同植被类型（如草地、森林及耕地等）、光合作用率及水文参数等可通过遥感观测获得或估算[37-38]。Randall等[39]应用该模型，结合GCM（General Circulation Model）模型模拟了未来的气候变化，结果表明降雨普遍减少，但季风地区增加，特别是在一月份的亚马孙流域和七月份近赤道的非洲及东南亚地区；同时蒸发也大量减少，特别是干旱地区如撒哈拉沙漠。另外，地下水量在多雨地区增加干旱地区减少的现象也普遍存在，SiB2模型有增加地下水的空间变异性趋势。Kim等[40]利用卫星遥感资料，通过SiB2模型模拟了泰国Chao Phraya河流域的水量平衡，并把模拟结果与观测站（观测流域面积110569 km2）的观测值进行比较，结果表明年径流量及水量平衡的模拟值与观测值吻合良好。
SRM模型
SRM (Snowmelt Runoff Model)是1975年瑞士科学家Martinec在法国一个2.65 km2的小流域建立了第一个半物理机制的融雪径流模型。也称Martinet或Martinec-Rango模型，其目
标是模拟及预报以融雪为主要河流补给源的山区流域逐日径流，Martinec和Rango[41]早在1986年就对11个国家24个流域上该模型的应用情况做了回顾，并评估了模型的参数取值。目前SRM模型已经扩展了一个气候变化对流域融雪径流情势影响评价的模块。随着遥感技术的应用，SRM模型的应用范围已经达到25国家，从北纬32°~60°到南纬33°~54°，超过100个流域，流域面积范围从1 km2的小流域到120000 km2的大流域不等(最小的为0.76 km重庆坐船游三峡多少钱2)[42]。它可用来模拟年内或年际融雪季节的逐日流量；进行短期和季节性径流预报；评估气候变化对雪盖和融雪径流的潜在影响。
其模型公式如下[43]：
Qn+1=[陕西博物馆镇馆之宝CSn an (Tn+ΔTn) Sn+CRnPn] (A·10000/86400)·(1-kn+1)+QnKn+1 (2)
式中：Q为平均日流量(m3·S-1)；C为径流系数；CS为融雪径流系数；CR为降雨径流系数；a为度日因子(cm·℃-1·d-1)；T为度×日数(℃·d)；S为雪盖面积百分比；P为降水(cm)；A为流域或分带面积(km2)；k为衰退系数；n为模拟流量连续计算的天数；10000／86400：从cm·km-2·d-1 转换成m3·S-1的系数；T、S和P是模型变量，其它为模型参数。
Kaya[44]在其论文中研究了RS和GIS技术在SRM模型中的应用。Ferguson[45]综述了许多融雪模型的异同，其中重点比较了应用较广的HBV模型和SRM模型，指出其差异主要在于对水文和环境的模拟上，包括复杂性与简单性、空间分类的合适水平、参数的识别与校正等。王建等[46]选择Alps意大利境内的Rienza流域，利用SRM模型模拟春季融雪径流，研究环境因素对这些参数的影响尤其是对度-日因子的影响及它们之间的内在关系，重点讨论利用GIS和RS数据获取SRM模型中的关键参数和因子。结论表明模拟的关键是精确地输入模型参数；RS数据在提取雪盖面积的过程中，消除地形影响是必要的；从模型的应用状况分析，精确地获取雪盖面积是影响模拟结果的关键。
SWAT模型
SWAT(Soil and Water Assessment Tool)是Jeff Arnold 1994年为美国农业部农业研究中心（USDA-ARS）开发的模型。它是一个具有很强物理机制、长时段的流域水文模型，能够利用RS、GIS提供的空间信息，诸如土地覆盖、土壤类型、天气以及作物生长等因子模拟多种不同的水文物理化学过程，如水量、水质以及农用化学物质的输移与转化过程[47]。模型可采用多种方法将流域离散化（一般基于栅格DEM），能响应降水、蒸发等气候因素
和下垫面因素的空间变化及人类活动对流域水文循环的影响。
该模型结构复杂，参数众多，对资料的要求也较高，但其基本原理则基于水量平衡方程：
(3)
这里Wt 指土壤水的最终含量（mm）；W0土壤水的初始含量（mm）；t 为时间，以天数计；Rday,i 是第i天的降雨量（mm）；Qsurf,i是第i天的地表径流（mm）；Ea,i广西适合自驾游的地方是第i天的蒸散发量（mm）；Wseep,i是在第i天从土壤剖面进入渗流区的水量（mm）；Qgw,i是第i天的回流量（mm）。
由于SWAT模型能够和RS及GIS耦合，可有效地利用遥感数据，并且模型运行费用低廉等优点，因此Barry等[48]在众多模型中通过一系列的选择比较，选择了SWAT模型来模拟英国较低地区流域中养分向水体的输移。Pandey等[49]采用该模型，结合RS（提供数字高程）和GIS技术研究了印度Banikdih农业流域的径流、产沙量和养分循环等。Behera和Pan
da[50]也基于SWAT模型，利用卫星影像提供的遥感数据，对亚湿润亚热带地区农业流域的管理措施进行评估研究，结果表明模型对日径流量、产沙量以及径流中的养分含量的模拟结果满意。
4 结论与展望求水山公园水上乐园
由于遥感数据具有分布式特点，因此只有分布式水文模型才能够全部利用这种时间和空间分布的特点[51]，并且在目前的遥感水文耦合模型的应用中，也以分布式流域水文模型的遥感信息应用最多。遥感技术具有可以提供面状信息而非点状信息，可以直接或间接测量常规手段无法测量到的水文变量和参数(如区域土壤湿度)，可以提供长期、动态和连续的大范围资料等诸多优势[52-54]，因此在水文学上有着广泛的应用前景。目前随着RS、GIS以及其它空间技术、信息技术的不断发展，国内外在太阳辐射、流域下垫面特性、时空特性等的研究上不断深入，遥感水文耦合模型的研究和应用也取得了一定发展，在大尺度的流域水资源评估、洪水预报监测上等得到了较大的应用，特别对基于GIS、RS的耦合水文模型更是如此，其耦合的核心就是将GIS、RS的数据源与传统水文模型的结构相匹配，并运用GIS的功能模块经二次开发后实现模型的运行及输入输出，通过GIS、RS与水文模型
的集成，建立结构上匹配、机制上合理的耦合模型。
