来源：市场资讯
（来源：生态修复网）
摘要
水量平衡是水文学与水资源研究和实践的基础。然而，目前针对区域水量平衡本身开展的系统性和深入性研究仍然较少。本研究首次提出全链条水量平衡（full-chain water balance，FCWB）的概念，并采用一种新的地表水–地下水耦合模型对其进行模拟和分析。首先，通过时空连接和信息交互，将半分布式水文模型与地下水数值模型进行耦合，构建了多层级、多时空尺度的全链条水量平衡模拟机制，并在中国三江平原开展验证应用。在模型开发和构建过程中，全链条水量平衡中出现了若干误差。通过误差诊断、追踪和回溯，成功解决了代码中的缺陷和输入数据问题。结果表明，经过全面率定和验证后的基准模型能够有效再现2005—2019年的区域水文循环，并生成完整的全链条水量平衡输出结果。在基准模型基础上，进一步构建了多年平均年降水情景下的通用模型。对比两种模型的水量平衡输出结果发现，地下水储量变化由基准情景下的1.1亿m³转变为通用情景下的−3.1亿m³。这表明，近年来地下水储量的恢复归因于异常偏高的降水，而不是地下水超采问题已经得到解决，从而增强了水资源管理者继续推进地下水超采治理的决心。
研究目标
本文的研究目标包括：提出“全链条水量平衡”（full-chain water balance，FCWB）的概念，系统描述区域内土壤水、地表水和地下水之间的水量输入、输出、储量变化及其相互转化关系。构建一种新型地表水–地下水耦合模型，通过时空连接和信息交互，将半分布式水文模型 MODCYCLE 与地下水数值模型 COMUS 进行耦合，使模型能够同时模拟地表水文过程、地下水水头及地下水横向流动。建立多层级、多时空尺度的全链条水量平衡模拟与输出机制，包括基础水量平衡、子系统水量平衡和区域水量平衡，为模型开发、率定、验证和误差诊断提供依据。以三江平原为研究区，对所构建模型及全链条水量平衡机制进行应用验证，并分析不同降水情景下区域地下水储量变化及地下水超采问题。
方法
在平原地区，当地下水含水层之间存在水平水力联系时，作为全链条水量平衡组成部分的地下水侧向流动，需要采用地表水–地下水耦合模型进行模拟，其中地下水流动的模拟必须采用数值方法。
通常，包含地下水数值模型的地表水–地下水耦合模型可分为两大类（Guevara-Ochoa et al., 2020）。
第一类是完全耦合的地表–地下水过程模型（fully coupled surface–subsurface water process models）。该类模型以质量守恒方程作为控制方程，显式描述流域内地表水与地下水储量及通量之间的关系。通常采用Saint-Venant方程模拟地表水过程，采用Richards方程模拟地下水过程（Brunner and Simmons, 2012；Farthing and Ogden, 2017；Freeze and Harlan, 1969；Haque et al., 2021；Maxwell and Miller, 2005；Singh, 2018）。这类模型从地表到地下均采用数值求解，具有较强的物理机制，但对输入数据要求较高、计算效率较低，因此不适用于大尺度时空范围内的水文模拟（Barthel and Banzhaf, 2016；Flipo et al., 2014；Pryet et al., 2015；Semenova and Beven, 2015）。
第二类是松散耦合的地表水–地下水模型（loosely coupled surface water–groundwater models）。该类模型在充分考虑水文条件复杂性的同时，减少了地表水数值计算的工作量，适用于大尺度时空范围内的水文循环模拟，同时能够模拟地下水的水平流动及地下水位动态。
目前，大多数公开发布的松散耦合地表水–地下水模型，都是在已有水文模型和地下水数值模型基础上的改进耦合。其中，基于子流域（subbasins）或水文响应单元（Hydrological Response Units，HRUs）的半分布式水文模型与基于网格单元的地下水数值模型之间的耦合最具代表性，也已有大量相关研究和应用（Bailey et al., 2016；Galbiati et al., 2006；Guzman et al., 2015；Kim et al., 2008；Markstrom et al., 2008；Sophocleous et al., 1999）。这些耦合模型在耦合机制上主要面临两个问题：第一，建立两个模型之间的时空连接；第二，实现两个模型之间的信息交互。无论是将两个模型在代码层面完全整合形成高度集成的水文模型（Bailey et al., 2016），还是采用额外代码智能调用两个模型共同完成地表水–地下水联合模拟（Guzman et al., 2015），抑或通过人工数据文件交换实现两个模型之间的信息传递（Liu and Cui, 2012；Zhang et al.），上述两个问题都必须得到解决。
本研究提出了一种新的半分布式水文模型与地下水数值模型耦合机制。其中，前者为MODCYCLE（An Object-Oriented Modularized Model for Basin Scale Water Cycle Simulation）（Lu et al., 2012；Zhang et al., 2012），基于子流域和HRUs构建，并借鉴了SWAT模型的水文模拟原理；后者为地下水数值模型COMUS（C++ Object-Oriented Model for Underground Water Simulation）（Lu et al., 2024），采用以网格中心为基础的有限差分算法。通过耦合地表水与地下水模拟过程，该模型将地下水水平流动纳入水文过程模拟中。在此基础上，进一步开发了具有层级化、多时空尺度特征的水量平衡处理机制，实现了区域全链条水量平衡模拟。
1.耦合机制
2.1.1 MODCYCLE与COMUS
在整体结构上，MODCYCLE首先利用数字高程模型（Digital Elevation Model，DEM）将研究区域（可包含多个流域）划分为不同的子流域（subbasins）。每个子流域对应一条主河道，子流域之间通过主河道的树状拓扑结构建立水力联系。
基于土地利用、土壤和土地管理措施图的空间叠加，每个子流域可进一步划分为若干水文响应单元（Hydrological Response Units，HRUs）。HRU不具有空间位置属性，各HRU之间相互独立，不存在水力联系。主河道和水库（湖泊）共同构成模型的河流系统（与渠道共同组成水网系统）。
在子流域尺度上，模型将地下水系统划分为浅层和深层两部分，并采用线性水库方法进行模拟。不同子流域之间的地下水相互独立，不存在水平地下水交换。这种地下水模拟方法对于山区较为合理，因为山区地表流域通常与地下水流域基本一致（喀斯特山区除外）（Gleeson and Manning, 2008；Welch and Allen, 2012）。然而，在平原地区，流域边界并不明显，不同子流域中的地下水含水层彼此连通，因此地下水水平流动不能忽略，尤其是在地下水开采强烈的平原地区。
COMUS采用以网格中心为基础的有限差分地下水流动方程、改进的不完全Cholesky预处理共轭梯度（Preconditioned Conjugate Gradient，PCG）求解器以及基于应力期（stress period）的数据管理方式，与MODFLOW-2005保持一致。然而，COMUS在湖泊–地下水相互作用模拟方面进行了原创性改进（Lu et al., 2021；Wu et al., 2023）。特别是在含水层干湿转换模拟方面，模型提出了一种新的方法——基于Picard迭代的始终活动单元（Picard Iteration-based Always Active Cell，PAAC），从根本上解决了地下水数值模拟领域长期存在的网格单元干湿转换问题（Lu et al., 2024）。
2.1.2 时空连接
MODCYCLE采用日时间步长开展水文模拟，而COMUS允许用户根据需求自定义应力期和时间步长。为了保证两个模型之间信息交互的同步，耦合模型统一采用日时间步长进行计算，同时可根据需要输出不同时间分辨率（日、月、年及多年平均）的模拟结果。至此，两个模型完成了地表水–地下水耦合模拟的时间连接。本节重点介绍模型之间的空间连接机制。
MODCYCLE的地表水文模拟包括两部分：一部分是通过HRUs实现的坡面水文过程模拟；另一部分是通过河流、渠道、湖泊、水库等实现的水网水文过程模拟（Gao et al., 2016）。因此，MODCYCLE与COMUS之间的空间连接也由这两部分构成，分别用于模拟地下水与土壤水、地下水与地表水之间的相互转化过程。
HRUs与网格单元
HRU是地表水文模拟的基本单元。蒸散发、入渗和径流等关键水文过程均在HRU内完成模拟。其中，降水和灌溉形成的深层渗漏补给以及潜水蒸发，需要建立HRU与地下水数值模拟网格单元之间的空间联系。该联系通过HRU与网格单元的空间叠加实现，如图1所示。
对于每一个网格单元，其地下水源汇项等于与之对应的所有HRU模拟值之和。然而，由HRU计算得到的径流将通过坡面汇流进入河流和湖泊（水库），并继续与地下水发生相互作用。由于部分网格单元可能跨越多个子流域，因此径流将在流域边界处分流，分别进入不同河流，并进一步影响基流和渗漏。因此，除了HRU与网格单元之间的叠加外，还需要对子流域与网格单元进行空间叠加（图1）。HRU、子流域与网格单元之间空间关系的定量表达见公式（1）。
水网与网格单元
在MODCYCLE中，水网由河流、渠道和湖泊组成（水库可按湖泊进行模拟）。利用DEM划分子流域时，每个子流域对应一条主河道。主河道与网格叠加后，被划分为若干河段，并按照由上游至下游的顺序依次编号（图2）。主河道的流量及蓄水变化采用Muskingum方法模拟，河流水位采用明渠Manning公式计算。
渠道由于为人工修建，不受地形或子流域边界约束。渠道与网格叠加后，同样被划分为若干河段，并按由上游至下游顺序编号（图2）。渠道水位亦采用Manning公式计算。每个河段或渠道段均对应唯一的网格行列编号，从而建立河流（渠道）与地下水网格之间的空间关系。河流、渠道与地下水之间的相互作用统一通过地下水数值模型中的隐式迭代计算完成。
湖泊包括淹没区和非淹没区，两者均与网格叠加形成独立的湖泊网格单元，用于模拟湖泊与地下水之间的相互转化过程（图2）。在水平方向上，湖泊网格与地下水网格的位置和面积完全一致；在垂向方向上，则依据湖底高程确定其与含水层之间的关系（Lu et al., 2021；Wu et al., 2023）。
2.全链条水量平衡机制
耦合模型涉及不同空间尺度和时间尺度上的水量转化模拟，产生了大量与土壤水、地表水和地下水等过程相关的输出结果，因此，全链条水量平衡的组织并非易事。为此，我们开发了一种具有层级结构、多时空尺度的水量平衡机制。该机制首先处理水文模拟的基础组成部分，然后组织形成各子系统层级的水量平衡，最终整合形成不同区域尺度上的水量平衡。
通常，如果基础层级的水量平衡出现问题，将会影响子系统水量平衡；同样，子系统层级的问题也会进一步影响区域水量平衡，从而形成一种逐级递进的水量平衡校验机制。各层级水量平衡均可输出日、月和年尺度的水量平衡结果，供用户使用。
2.2.1 基础水量平衡
基础层级的水量平衡是指水文模拟各基本组成部分的水量平衡，包括植被截留、积雪、地表积水、包气带土壤水、各含水层地下水以及不同类型地表水体等。这些基础水量平衡既可形成各自独立的系统，又彼此紧密联系，因为某一水量平衡的输出可能成为另一水量平衡的输入。
例如，包气带土壤水和浅层地下水的水量平衡可表示为公式。
在一定时期内，土壤水储量变化（ΔWsoil）等于该时期水量输入（Qsin）与水量输出（Qsout）之差。其中，输入项包括地表积水入渗（Qinfil）和潜水蒸发（Qrevap），输出项包括土壤蒸散发（QsoilET）、侧向流（Qltr）和深层渗漏（Qpcl）。
同样，在一定时期内，浅层地下水储量变化（ΔWsha）等于该时期浅层含水层补给量（Qrg）与排泄量（Qdg）之差。补给项包括来自土壤水的深层渗漏（Qpcl）、地表水渗漏（Qspg）、地下水灌溉回归补给（Qrtn）以及边界流入（Qbin）；排泄项包括基流（Qbase）、潜水蒸发（Qrevap）、地下水开采（Qextrc）、向下渗漏（Qleak）以及边界流出（Qbout）。其中，深层渗漏和潜水蒸发直接连接了这两个基础水量平衡。
其他基础水量平衡同样依据水量输入和输出进行处理。
2.2.2 子系统水量平衡
耦合模型将区域水文系统划分为土壤水、地表水和地下水三个子系统。
土壤水子系统以包气带土层及其上覆植被为载体；地表水子系统包括河流、渠道、湖泊、水库及其他地表水体；地下水子系统则指各含水层地下水的总体。
各子系统的水量平衡由其内部所有基础水量平衡综合而成，其表达式见公式。
土壤水子系统储量变化（ΔWsubsyssoil）为植被截留（ΔWintcep）、积雪（ΔWsnow）、地表积水（ΔWpond）和包气带土壤水（ΔWsoil）储量变化之和。考虑各基础水量平衡之间相互转化的抵消作用后，土壤水子系统总体输入主要包括降水、农田灌溉和潜水蒸发；输出则包括各种形式的蒸散发、地表径流、侧向流和深层渗漏。
同样，地表水子系统储量变化（ΔWsubsyssurf）为河流（ΔWstrm）、渠道（ΔWcanal）、湖泊（ΔWlake）和水库（ΔWresv）储量变化之和。虽然不同类型地表水体之间存在相互转化，但总体上均接受来自降水、局地径流及外部来水的补给，并通过蒸发、渗漏、引水和出流等方式损失水量。
地下水子系统储量变化（ΔWsubsysgw）则为各含水层地下水储量变化之和。总体而言，其补给来源包括降水和灌溉水入渗、地表水渗漏以及边界流入；排泄方式包括潜水蒸发、基流、地下水开采以及边界流出。
2.2.3 区域水量平衡
基础水量平衡和子系统水量平衡均需在特定区域内进行计算。各子系统水量平衡进一步整合后形成区域水量平衡。
耦合模型支持多种区域类型，包括子流域、支流流域、平原区、山区、行政区以及整个研究区域，用户也可自定义分区。区域水量平衡可表示为公式。
其中，区域储量变化（ΔWregion）由土壤水子系统、地表水子系统和地下水子系统的储量变化共同组成。尽管三个子系统之间存在复杂的相互转化关系，但综合后，区域水量平衡主要受降水、蒸发以及边界流入、流出的控制。
区域水量输入包括降水（Qpcp）、外部地表水流入（Qsurfin）和地下水边界流入（Qgwin）；区域水量输出包括各种形式的蒸散发（QET）、地表水流出（Qsurfout）以及地下水边界流出（Qgwout）。
3.模型的局限性
2.3 模型的局限性
由于实际水文条件本身具有复杂性，模型在构建过程中不得不对某些过程进行简化，而这些简化可能会影响特定水文过程的模拟精度。以下为本模型的主要局限性。
HRU的空间离散化。 在一个子流域或网格单元内，HRU并未赋予明确的空间位置属性。这意味着不同HRU之间不存在水文连通关系，其作用仅通过各自在子流域或网格单元内所占面积的权重加以体现。
河网的简化表示。 模型无法完整表示所有天然河流。在每个子流域内，仅采用物理过程方程模拟一条主河道；其余河流均概化为“支流（sub-streams）”，不进行物理模拟，而是通过概念性参数来表征其渗漏损失及其对子流域汇流时间的影响。
河道几何形态的简化。 尽管实际河流具有复杂多样的断面形态，模型仍假定主河道采用梯形断面，并默认河岸高程等于地表高程。用户需自行设定满岸条件下的水深、河面宽度、河道坡度以及Manning糙率等关键参数。
点源的聚合处理。 模型中的点源用于模拟独立于地表过程之外直接汇入主河道的水量输入，例如工业和生活回流水或污水处理厂排放。尽管实际流域中的点源数量及空间分布可以确定，但模型在子流域尺度上对其进行了聚合处理。具体而言，每个子流域的主河道仅允许设置一个累计点源输入。
山区子流域地下水的概化处理。 山区子流域地下水系统被概化为浅层和深层两个含水层，并采用线性水库方法进行模拟。此外，不同子流域之间的地下水含水层被视为水力上相互独立，不存在地下水交换。
材料
耦合模型开发完成后，首先应用于中国东北地区三江平原。三江平原位于黑龙江、松花江和乌苏里江三江汇合区域，总面积约为105700 km²。研究区包括两个相连的大型平原区，即三江低平原（Sanjiang Low Plain，SLP，41600 km²）和兴凯湖平原（Xingkai Lake Plain，XLP，8300 km²），它们是区域社会经济活动最为集中的地区。上游地区主要由山区及小型河谷平原组成，与两大平原相比，人类活动相对较少。研究区概况见图3。
与MODCYCLE相比，耦合模型除常规输入数据外，还需输入地下水数值模拟所需的水文地质参数、地下水初始水位及含水层离散信息。然而，各类源汇项无需单独输入，而是由模型自动模拟。因此，相较于独立地下水数值模型，耦合模型能够提供更加合理和准确的地下水源汇项；相较于半分布式水文模型，则能够模拟地下水水位及地下水水平流动。同时，其所需输入数据量又少于分别独立构建两个模型所需的数据总量。受篇幅限制，本节主要介绍研究区空间离散化及边界条件处理，其余输入数据与SWAT和MODFLOW模型所需数据基本一致。
1.空间离散化与空间连接
建模过程中，首先利用数字高程模型（DEM）和实际数字化河网生成子流域及主河道。由于两大平原地区人口密集、人类活动强烈，对区域水文循环扰动显著，尤其地下水长期超采已改变了原有地下水分布格局（Guo et al., 2023），可能对平原地区全链条水量平衡产生深刻影响，因此需要采用地表水–地下水耦合模拟进行深入研究。
基于平原与山区分界线，将子流域及主河道划分为山区子流域（主河道）和平原子流域（主河道），对于跨越边界的子流域和主河道，则进行人工分割。处理完成后，整个三江平原共划分为1388个子流域及对应主河道，其中三江低平原628个子流域、兴凯湖平原136个子流域、山区624个子流域，其空间分布见图4(a)。
耦合模型能够同时对多个平原区开展地下水数值模拟，并允许不同平原采用不同的网格尺度。根据两大平原的特点，三江低平原采用3 km网格离散，共划分为91行137列、12467个单层方形网格，其中4899个为活动单元；兴凯湖平原采用2 km网格离散，共划分为77行74列、5698个单层方形网格，其中2238个为活动单元，如图4(b)所示。
由于两大平原含水层较为均一，不存在明显隔水层，因此模型将其概化为单层含水层。随后，将平原区主河道及重点渠道与地下水网格进行空间叠加，建立河流（渠道）与地下水网格之间的空间联系。三江低平原河流—网格叠加处理示意见图5(a)。
耦合模型支持动态土地利用模式下的水文模拟（Sun et al., 2021），因此输入多个时期土地利用数据，并与土壤、子流域、地下水网格及行政区划图进行空间叠加，生成分区初始水文响应单元（HRUs），如图5(b)所示。随后，根据作物种植结构及雨养/灌溉方式等农业管理措施，对初始HRUs进一步细化，形成模型最终使用的HRUs。最终HRUs具有逐年更新、不具有子流域/网格内空间位置属性、仅以其在子流域或网格中的面积比例表示等特点，从而实现子流域/地下水网格与HRUs之间的空间连接。
2.边界条件
耦合模型构建过程中，需要定义研究区水文循环边界条件，包括地表水边界和地下水边界。
三江平原北部和东部以大型河流为边界，南部和西部以天然分水岭为边界，整体属于一个半封闭流域。三条主要河流均为跨境河流，其总入境流量约为2446亿m³/年，远大于研究区本地产流量（141亿m³/年），因此必须将其入流作为模型边界条件输入。研究区地表水边界如图3所示（Trunk 和 Tributary inflow）。三条干流的入流数据来源于实测资料；而来自国境线外支流由于缺乏实测流量资料，则采用类比法，根据境外支流流域面积及境内相似流域径流资料进行估算。
结果
本节将展示模型校准的结果，随后将利用模型模拟结果对 2005 年至 2019 年期间三江平原的全链条水资源平衡情况进行分析。
1.模型校准与验证
模型性能采用Nash–Sutcliffe效率系数（NSE）和决定系数（R²）进行评价，其计算公式见公式。其中，On和Sn分别表示长度为N序列中的第n个观测值和模拟值，O和S分别表示观测值和模拟值的平均值。
5.1.1 径流
研究区位于边境地区，水文资料获取受到一定限制。本研究采用4个水文站的长时间序列径流观测数据，对山区地表水文过程进行率定（2005–2012年）和验证（2013–2019年）（水文站分布见图3，模型率定结果见图6）。
由于三江平原山区水文条件较为相似，因此，在具有观测资料水文站控制区域率定得到的参数，可推广应用于其他无观测资料的山区。各水文站的大多数NSE和R²均大于0.70，表明模型模拟效果达到较高精度。
5.1.2 地下水水位
平原地区长期连续水文观测资料较少，因此地下水观测水位成为模型率定（2005–2012年）和验证（2013–2019年）的重要依据，而这一数据也是未耦合地下水数值模拟的水文模型无法利用的。
本研究从两个方面开展参数率定：一是若干代表性观测井（图3）地下水位时间变化过程；二是模拟期末地下水位空间分布。观测值与模拟值对比结果表明，模型能够较好地再现地下水位变化趋势、周期特征及空间分布格局（图7）。
5.1.3 灌溉水量
农业是三江平原最大的用水部门，占区域总用水量约90%，对天然水文循环具有重要影响，因此必须准确模拟灌溉过程。
三江平原各行政区均具有较为详细的农业灌溉统计资料，其主要依据灌溉定额、灌溉水利用系数及灌溉面积估算得到。尽管统计精度有限，但可作为模型验证依据。图8给出了两大平原模拟总灌溉量与统计估算值的比较。总灌溉量包括输水过程损失和田间灌溉量。
2012年以前，随着水稻种植面积迅速增加（Guo et al., 2023），农业灌溉量持续增长。统计估算灌溉量年际变化较小，而模型模拟灌溉量受降水影响明显，因此年际波动较大。然而，两种方法得到的多年平均灌溉量分别为126.9亿m³和121.6亿m³，两者较为接近，验证了模型模拟灌溉过程的可靠性。
通过上述率定，模型能够较准确地再现2005—2019年三江平原实际水文过程，可用于区域全链条水量平衡分析。率定后的主要模型参数见表1。
2.边界条件
5.2.1 全链条水量平衡分析
耦合模型能够输出不同时间尺度、空间尺度及层级的水量平衡结果。为了更清晰地反映全链条水量平衡中各通量与状态变量之间的关系，并揭示三江平原水文循环及水资源演化特征，本文以2005—2019年全区多年平均年水量平衡为例进行分析，其结果见表2，同时可用水文循环链示意图表示（图9）。
土壤水子系统的主要输入来源为降水，其次为农田灌溉和潜水蒸发，多年平均年输入水量为722.5亿m³。水分通过蒸发、蒸腾、渗漏及径流等多种途径输出，多年平均输出为717.0亿m³。输入与输出相差5.5亿m³，表明近15年来土壤水储量总体呈增加趋势。降水增加和灌溉增加是三江平原土壤含水量提高、土壤趋于湿润的主要原因。
在封闭流域中，地表水子系统的主要输入通常来源于区域降水形成的径流。然而，在三江平原，来自三大河流的入流才是最主要的补给来源，为区域提供了丰富的地表水资源。流域出口径流是地表水最大的输出项，由于其中包含本地产流，因此流出量大于流入量。此外，引水、蒸发及渗漏也是地表水的重要输出项。尽管湖泊（水库）蓄水量有所减少，但过去15年区域整体地表水储量仍呈增加趋势。
三江平原地下水子系统最主要的补给来源是降水及农田灌溉经土壤层深层渗漏形成的补给，多年平均补给量为109.8亿m³。另一项重要补给来源是河流渗漏，尤其三大河流贡献显著，是区域地下水的重要补给来源之一。
地下水开采是地下水最大的排泄项，其中农业灌溉开采量达80.8亿m³，占地下水总排泄量的57%。地下水超采通常会导致地下水位持续下降、形成地下水降落漏斗并减少地下水储量。然而，2005—2019年间三江平原地下水储量总体呈恢复趋势，年均增加约1.1亿m³。模拟期间降水高于多年平均水平，可能是地下水恢复的重要原因。
5.2.2 全链条水量平衡的应用
上述全链条水量平衡能够直观反映不同水文子系统之间的水量转化关系，有助于水文学者理解区域水文演化规律。同时，还可用于计算降水径流系数、地下水降水入渗补给系数、基流指数等宏观水文参数，为模型率定提供依据。
此外，若表2中任一子系统输入与输出之差不等于储量变化，则说明模型模拟过程中存在错误，需要进一步检查与修正，因此，全链条水量平衡能够为降低模型不确定性提供明确依据。而模型最重要的应用价值，则在于为水资源管理决策提供支持。
三江平原拥有三大河流提供的丰富地表水资源，但由于地表供水工程建设不足，加之大量井灌水稻种植，三江低平原长期存在严重地下水超采问题，导致局部地区地下水位持续下降。近年来地下水水位开始回升，2005—2019年的水量平衡模拟结果也显示地下水储量呈增加趋势，因此，当地水资源管理部门认为地下水超采问题已经得到缓解，继续推进地表水供水工程建设和地下水超采治理的动力有所减弱。
然而，对长期降水资料分析发现，模拟期平均降水量明显高于多年平均水平（图10）。利用1957—2019年降水资料计算15年滑动平均后可知，2005—2019年是所有15年时段中降水最多的时期，而2003—2017年则最接近长期平均降水情景。因此，如果仅依据2005—2019年地下水储量增加和近期地下水位回升现象判断地下水超采已经缓解，可能导致管理决策失误。因为这一时期地下水恢复很可能主要是异常偏丰降水造成的。
根据我国粮食安全政策，未来水稻种植面积仍可能继续扩大，而降水则可能恢复至多年平均水平甚至低于多年平均水平。在这种情况下，地下水补给与排泄是否仍能维持平衡，将成为当前水资源管理部门制定决策时必须认真考虑的问题。
基于2005—2019年模型（基准情景），作者进一步构建了长期平均降水情景模型（一般情景）。具体做法是：将基准模型中的降水、湿度、太阳辐射、气温和风速替换为2003—2017年的对应气象资料，同时将三大河流入流更新为同期实测数据，其余数据保持不变。两种情景下主要水量平衡结果见表3。
结果表明，在长期平均降水情景下，三江平原降水量低于基准情景，导致作物生长环境更加干旱，灌溉需求增加，地下水开采量进一步增大，使地下水储量变化由基准情景下的+1.1亿m³转变为一般情景下的−3.1亿m³。这说明，在长期平均降水条件下，三江平原地下水超采问题依然存在。
这一结果进一步增强了当地水资源管理部门持续推进地表水供水工程建设和加强地下水管理措施的决心。
耦合模型构建过程中，需要定义研究区水文循环边界条件，包括地表水边界和地下水边界。
三江平原北部和东部以大型河流为边界，南部和西部以天然分水岭为边界，整体属于一个半封闭流域。三条主要河流均为跨境河流，其总入境流量约为2446亿m³/年，远大于研究区本地产流量（141亿m³/年），因此必须将其入流作为模型边界条件输入。研究区地表水边界如图3所示（Trunk 和 Tributary inflow）。三条干流的入流数据来源于实测资料；而来自国境线外支流由于缺乏实测流量资料，则采用类比法，根据境外支流流域面积及境内相似流域径流资料进行估算。
结论与讨论
本文提出了一种新型半分布式水文模型与地下水数值模型之间的耦合机制。通过两个模型之间的时空连接和信息交互，实现了地表水文过程与地下水流动过程的灵活建模及一体化模拟。在此基础上，进一步构建了多层级、多时空尺度的全链条水量平衡模拟机制。主要结论如下：
在模型代码开发及三江平原建模过程中，全链条水量平衡曾出现大量误差。通过系统性的错误检查、追踪与回溯，我们逐步修复了程序缺陷，并纠正了模型输入数据及参数中的问题。这些工作对模型完善和构建起到了重要作用。然而，目前我们尚未明确如何在论文中完整展示上述过程。代码调试以及数据、参数误差的修正，都是基于全链条水量平衡误差开展的复杂过程。最终，论文只能展示修正后的正确结果，这也是本研究的局限性之一。此外，模型构建过程中还面临一个重要挑战，即需要进行大量的数据预处理工作。具体而言，相较于其他耦合模型，本模型需要针对山区和平原分别开展子流域划分；同时，不同平原区域地下水模拟采用不同网格分辨率，也进一步增加了数据处理工作量，使建模过程相对复杂。幸运的是，这些工作仅需完成一次。一旦模型建立完成，其灵活的耦合建模方式及高效的并行计算能力，将显著提高模型率定效率。
（1）该耦合模型能够较准确地模拟2005—2019年三江平原的水文循环过程。模型采用河川径流、地下水水位及农业灌溉水量进行了率定与验证。各水文站观测与模拟的月径流过程吻合良好，NSE均大于0.68，R²均大于0.71；地下水水位的时空拟合效果也达到较高精度。模拟得到的多年平均灌溉水量与统计估算值十分接近，但模型模拟结果对降水变化的响应更加明显，因此更加符合实际情况。
https://doi.org/10.1016/j.gsd.2026.101584
文章来源：生态环境视界
(生态修复网)
热门跟贴