基于DEM的大別-皖南山區(qū)平均洪峰滯時(shí)定量分析*

曹子月，姚 成，李致家,2，鐘 栗，顧瑋琪

(1:河海大學(xué)水文水資源學(xué)院，南京 210098) (2：河海大學(xué)水安全與水科學(xué)協(xié)同創(chuàng)新中心，南京 210098)

基于DEM的大別-皖南山區(qū)平均洪峰滯時(shí)定量分析*

曹子月1，姚 成1，李致家1,2，鐘 栗1，顧瑋琪1

(1:河海大學(xué)水文水資源學(xué)院，南京 210098) (2：河海大學(xué)水安全與水科學(xué)協(xié)同創(chuàng)新中心，南京 210098)

以皖南山區(qū)及大別山區(qū)27個(gè)中小流域?yàn)檠芯繉ο?，基于?shù)字高程模型DEM提取流域地貌信息，并計(jì)算流域平均洪峰滯時(shí). 通過建立多元線性回歸及通徑分析數(shù)學(xué)模型，探討地貌因子對流域洪水響應(yīng)過程的影響. 結(jié)果表明：在流域系統(tǒng)水平，形狀系數(shù)、圓度比、流域相對高差、河道分支頻率以及森林覆蓋率是影響流域平均洪峰滯時(shí)的主要指標(biāo)，其中流域相對高差是相關(guān)系數(shù)最高的解釋變量；各地貌因子間相互作用復(fù)雜，其多元線性回歸模型對平均洪峰滯時(shí)的方差解釋量為73.4%，其通徑分析模型分別從直接作用及間接作用角度進(jìn)一步合理闡述各變量對流域平均洪峰滯時(shí)的影響. 本文可為皖南山區(qū)無資料地區(qū)分析洪水響應(yīng)過程提供重要參考，對防洪減災(zāi)有顯著意義.

數(shù)字高程模型；洪峰滯時(shí)；地貌因子；多元線性回歸；通徑分析

在我國，山區(qū)中小河流數(shù)量眾多，沿岸水土條件好、耕地多、人口密集，且絕大多數(shù)山區(qū)中小河流都位于無資料地區(qū)，未得到系統(tǒng)的治理，防洪能力普遍偏低. 每到汛期，便會出現(xiàn)洪澇災(zāi)害，嚴(yán)重威脅人民群眾的生命和財(cái)產(chǎn)安全. 興建防洪設(shè)施不是一朝一夕的工程，所以提高山區(qū)中小河流預(yù)報(bào)精度是當(dāng)務(wù)之急. 其中，準(zhǔn)確地預(yù)測流域洪峰滯時(shí)更具有實(shí)用意義，可為防洪時(shí)疏散群眾、轉(zhuǎn)移財(cái)產(chǎn)提供重要參考.

目前國內(nèi)外關(guān)于洪峰滯時(shí)的研究較多，Talei等把洪峰滯時(shí)作為選擇降雨徑流模型特定洪水事件的依據(jù)[1-2]. Banasik等指出洪峰滯時(shí)對確定瞬時(shí)單位線中的峰現(xiàn)時(shí)間和峰值有重要意義[3]. Leopold、Hood、Kang等對比不同的城市化程度，分析了洪峰滯時(shí)的變化[4-6]. 周敏敏等比較了土地利用變化前后流域平均滯時(shí)的變化，并分析了滯時(shí)與凈流深和洪峰流量的相關(guān)關(guān)系[7].

然而，無資料地區(qū)缺少可靠的實(shí)測數(shù)據(jù)，無法直接算出每場洪水的洪峰滯時(shí). 近年來，得益于GIS技術(shù)與計(jì)算機(jī)能力快速發(fā)展，利用數(shù)字高程模型(DEM)進(jìn)行流域數(shù)字化和提取流域地貌特征的方法已得到廣泛研究[8-9]. 加強(qiáng)分析地貌特征，有助于明確流域水文過程中各類參數(shù)的物理意義，對無資料地區(qū)進(jìn)行水文參數(shù)移植及開展水文模擬和預(yù)報(bào)具有一定的借鑒意義[10]. 而流域地貌特征對流域水文過程影響的研究主要集中在產(chǎn)匯流[11]、降雨徑流關(guān)系[12]、產(chǎn)沙特性[13-15]、產(chǎn)污特性和水質(zhì)[15]等方面，但流域地貌特征對滯時(shí)的影響研究卻并不多見. Jeong等[16]研究了韓國錦江流域的洪峰滯時(shí)與流域特征的相關(guān)關(guān)系，并給出了一個(gè)多元線性回歸方程. 這是國際上較早的定量分析滯時(shí)與流域特征的研究. 但其僅選取流域面積、流域長度、流域坡度等8個(gè)流域特征進(jìn)行多元線性回歸分析，考慮并不周到.

鑒此，本文選取皖南山區(qū)和大別山區(qū)27個(gè)中小流域，基于DEM從流域系統(tǒng)和土地覆被兩個(gè)方面定量描述流域地貌格局特征，運(yùn)用相關(guān)、回歸、通徑分析等方法，分析地貌格局對流域平均洪峰滯時(shí)的影響. 嘗試將此定量關(guān)系移用至無資料地區(qū)，間接得出目標(biāo)流域的平均洪峰滯時(shí).

1 研究概況

1.1 研究區(qū)域概況

本研究區(qū)域(29.5°～31.5°N，115.6°～119.5°E)包括皖南山區(qū)及大別山區(qū)(圖1). 其中皖南山區(qū)地形以山地丘陵為主，主要地區(qū)屬于長江流域；大別山區(qū)為江淮分水帶，主要屬于淮河流域. 在兩塊山區(qū)中共選取黃尾河、呈村等27個(gè)獨(dú)立的中小流域進(jìn)行研究，各流域均位于河流上游山區(qū)，屬自然閉合流域，沒有受到水庫等水工建筑影響.

圖1 研究區(qū)27個(gè)流域分布Fig.1 Distribution of 27 basins in study area

皖南山區(qū)屬于亞熱帶濕潤地區(qū)，年平均氣溫16℃左右，一年中日平均氣溫≥10℃的積溫為4800～5200℃，氣候溫暖濕潤，進(jìn)入雨季后，由于地形抬升對降雨影響較明顯，山區(qū)降水量在1200 mm以上，為安徽省的多雨地區(qū). 該區(qū)氣候隨季節(jié)變化大，水資源分布不均勻，多暴雨，常發(fā)生洪澇災(zāi)害、干旱和地溫凍害.

大別山區(qū)地處亞熱帶,年平均氣溫14～16℃，一年中日平均氣溫≥0℃的積溫為5200℃，日平均氣溫≥10℃的積溫為4700～4900℃，無霜期210～240 d，降雨量在1200 mm以上，山區(qū)降水一般隨高度增加而增加，大別山區(qū)是全省的降雨中心，降雨量的季節(jié)和年際變化較大，常有洪澇干旱災(zāi)害發(fā)生.

1.2 地形地貌因子和地表覆蓋類型提取

本文在Coffman等[17]研究成果的基礎(chǔ)上，將流域地貌指標(biāo)分為兩組(表1). 一組與流域系統(tǒng)相關(guān)，包括形狀特征及結(jié)構(gòu)特征兩類；另一組與土地覆被相關(guān)，以各類土地利用類型所占比例表示.

表1 流域地貌格局分類體系

提取地形地貌因子的DEM數(shù)據(jù)(來源于中國科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心國際科學(xué)數(shù)據(jù)鏡像網(wǎng)站)精度為90 m×90 m，數(shù)據(jù)采集時(shí)間為2000年；LandCover數(shù)據(jù)(來源于國家基礎(chǔ)地理信息中心)精度為30 m×30 m，數(shù)據(jù)采集時(shí)間為2010年. 應(yīng)用ArcGIS10.1軟件提取各項(xiàng)指標(biāo)[18]，其中整個(gè)流域下墊面信息提取基于Arc HydroTools來實(shí)現(xiàn)，處理步驟包括數(shù)據(jù)格式轉(zhuǎn)換、提取水系河網(wǎng)、劃分子流域邊界等. 河網(wǎng)分級采用Horton-Strahler分級系統(tǒng)[19]. 流域的部分主要參數(shù)見表2.

1.3 平均洪峰滯時(shí)計(jì)算

定義洪峰滯時(shí)為流域內(nèi)最大實(shí)測降雨到出口斷面洪峰之間的時(shí)間間隔[20]. 它反映了流域洪水響應(yīng)過程的快慢，與流域地貌格局密切相關(guān). 考慮到系列的連續(xù)性、代表性和時(shí)間序列的統(tǒng)一性，本文在研究區(qū)域內(nèi)選取黃尾河等27個(gè)流域1967-2010年的實(shí)測流量、雨量資料，均處理成Δt= 1 h的時(shí)段數(shù)據(jù). 采用泰森多邊形法計(jì)算流域面平均雨量；流量資料為各水文站的實(shí)測資料. 計(jì)算各流域多場單峰洪水的洪峰滯時(shí)，取其算術(shù)平均，從而得到各流域平均洪峰滯時(shí)(Tp)，計(jì)算結(jié)果如表3所示.

表2 各流域主要地貌參數(shù)

表3 流域平均洪峰滯時(shí)計(jì)算結(jié)果

2 研究思路

2.1 回歸分析

回歸分析是確定兩種或兩種以上變量間相互依賴定量關(guān)系的一種統(tǒng)計(jì)分析方法. 它基于觀測數(shù)據(jù)建立變量間適當(dāng)?shù)囊蕾囮P(guān)系，以分析數(shù)據(jù)內(nèi)在規(guī)律，并可用于預(yù)報(bào)、控制等問題. 回歸模型一般形式為：

Y=β0+β1·X1+β2·X2+…+βm·Xm+u

(1)

應(yīng)變量Y可以近似地表示為自變量X1、X2、…、Xm的線性函數(shù).β0為常數(shù)項(xiàng)，β1、β2、…、βm為偏回歸系數(shù)，表示在其他自變量保持不變時(shí)，Xj增加或減少一個(gè)單位時(shí)Y的平均變化量，u為隨機(jī)誤差(殘差)[22].

基于前人建立經(jīng)驗(yàn)公式的合理性[23]，本文在回歸模型一般形式的基礎(chǔ)上稍作改動：

lnY=lnβ0+β1·lnX1+β2·lnX2+…+βm·lnXm+u

(2)

變形后為：

(3)

式中，應(yīng)變量Y可以近似地表示為自變量X1、X2、…、Xm冪次乘積形式. 所以本文在進(jìn)行多元回歸分析之前，對所有數(shù)據(jù)進(jìn)行對數(shù)化處理.

表4 流域系統(tǒng)形態(tài)結(jié)構(gòu)特征指標(biāo)與平均洪峰滯時(shí)的相關(guān)性

Tab.4 Correlation coefficients between average peak lag timeand pattern factors in watershed system

水平類型格局因子平均洪峰滯時(shí)流域系統(tǒng)形狀特征流域長度0．754??流域面積0．835??流域周長0．738??圓度比-0．356伸長比0．067地形切割深度-0．371形狀系數(shù)0．045結(jié)構(gòu)特征河道維持常數(shù)-0．355?流域平均坡度-0．390?流域相對高差-0．479??地形粗糙度-0．349?河網(wǎng)密度0．406?河道分支頻率0．080高差-0．122細(xì)度比0．786??結(jié)構(gòu)比-0．494??粗糙數(shù)-0．008坡度粗糙度-0．013

**表示相關(guān)系數(shù)在0.01水平上顯著；*表示相關(guān)系數(shù)在0.05

水平上顯著. 2.1.1 相關(guān)分析 先對27個(gè)流域的流域系統(tǒng)各格局因子與平均洪峰滯時(shí)進(jìn)行相關(guān)分析. 結(jié)果表明，流域長度、面積、周長3個(gè)形狀特征以及河網(wǎng)密度、細(xì)度比兩個(gè)結(jié)構(gòu)特征與平均洪峰滯時(shí)的正相關(guān)性顯著；河道維持常數(shù)、流域平均坡度、流域相對高差、地形粗糙度、結(jié)構(gòu)比與平均洪峰滯時(shí)的負(fù)相關(guān)性顯著；而伸長比、粗糙數(shù)等常用水文參數(shù)與平均洪峰滯時(shí)的相關(guān)性并不顯著(表4). 因此，可將流域長度、面積、周長、圓度比等形狀特征因子和河道維持常數(shù)、流域平均坡度、細(xì)度比、河網(wǎng)密度等結(jié)構(gòu)特征因子與平均洪峰滯時(shí)做回歸分析. 考慮到流域的土地覆被情況也作用于流域洪水響應(yīng)過程，對洪峰滯時(shí)造成一定影響,進(jìn)一步加入森林、草地、耕地、水體、城市用地等土地利用因子做回歸分析.

2.1.2 逐步回歸分析 為便于做多元線性回歸分析，將自變量、因變量數(shù)值均取ln值以滿足公式(2). 從而令變量之間具有線性關(guān)系，這是進(jìn)行線性回歸分析的前提. 除了線性關(guān)系，進(jìn)行多元線性回歸分析還需要其他3個(gè)假設(shè)：

1)獨(dú)立性：自變量不能有多重共線性；

2)正態(tài)性：自變量任意線性組合，殘差服從正態(tài)分布；

3)方差齊性：自變量任意線性組合，因變量方差不變，殘差齊性.

為了滿足獨(dú)立性要求，本文采用的變量篩選方法為逐步回歸. 逐步回歸的基本思想是將變量逐個(gè)引入模型，每引入一個(gè)解釋變量后都要進(jìn)行F檢驗(yàn)，并對已經(jīng)選入的解釋變量逐個(gè)進(jìn)行t檢驗(yàn)，當(dāng)原來引入的解釋變量由于后面解釋變量的引入變得不再顯著時(shí)，將其刪除. 這是一個(gè)反復(fù)的過程，直到既沒有顯著的解釋變量選入回歸方程，也沒用不顯著的解釋變量從回歸方程中剔除為止. 依據(jù)上述思想，可利用逐步回歸篩選并剔除引起多重共線性的變量. 關(guān)于正態(tài)性和方差齊性的假設(shè)，則在回歸分析之后進(jìn)行檢驗(yàn).

運(yùn)用逐步回歸法(Alpha=0.05，n=27)在滿足模型獨(dú)立性條件下，最終確定影響平均洪峰滯時(shí)的主導(dǎo)因子，并計(jì)算出多元線性回歸方程各因子的系數(shù).

決定系數(shù)(R2)代表回歸方程對因變量的解釋程度. 該模型R2=0.734，表明該回歸模型能解釋因變量接近75%的變差.

標(biāo)準(zhǔn)系數(shù)可以反映自變量對因變量的影響程度. 表5中同時(shí)給出了自變量多重共線性的檢驗(yàn)，其中VIF是方差膨脹因子，刻畫了相比多重共線性不存在時(shí)方差增大數(shù)值，一般VIF>10，即認(rèn)為存在多重共線性. 從表5可見，各自變量VIF<10，故認(rèn)為該回歸模型不存在多重共線性的問題. 此外，容差是VIF的倒數(shù).

表5 系數(shù)

殘差基本服從正態(tài)分布(圖2)，標(biāo)準(zhǔn)化殘差基本在[-1，1]之間波動(圖3)，與自變量無關(guān)，滿足方差齊性假設(shè).

圖2 標(biāo)準(zhǔn)化殘差正態(tài)曲線直方圖Fig.2 Normal curve histogram of residual

圖3 標(biāo)準(zhǔn)化預(yù)計(jì)值和殘差散點(diǎn)圖Fig.3 Scatter plot of normalized expected value and residual

綜上，圓度比、形狀系數(shù)、流域相對高差、河道分支頻率、森林覆蓋率是影響滯時(shí)的主要指標(biāo)，將模擬所得系數(shù)代入公式(3)，可得洪峰滯時(shí)的回歸分析方程為：

(4)

式中，Tp為平均洪峰滯時(shí)(h)，Rc為圓度比，Cf為河道分支頻率，F(xiàn)c為森林覆蓋率，Rf為形狀系數(shù)，Rp為流域相對高差(m).

從公式(4)可以看出，流域相對高差、形狀系數(shù)與平均洪峰滯時(shí)均呈負(fù)相關(guān)關(guān)系，表明在景觀阻力和流域系統(tǒng)水力傳導(dǎo)能力一定的條件下，隨著流域相對高差、形狀系數(shù)增大，流域單元的平均水流勢能也會增加，因而水流速度更大，洪水響應(yīng)過程更快，從而洪峰滯時(shí)更短. 而圓度比、河道分支頻率以及森林覆蓋率與平均洪峰滯時(shí)呈正相關(guān)關(guān)系，表明在降雨強(qiáng)度和流域系統(tǒng)水力傳導(dǎo)能力一定的條件下，越接近圓形、河道分支越多、森林覆蓋越廣的流域，其洪水響應(yīng)過程越慢，洪峰滯時(shí)越長.

模擬的平均洪峰滯時(shí)與實(shí)測資料計(jì)算所得的平均洪峰滯時(shí)大致相當(dāng)，說明模型模擬效果較好(圖4).

圖4 平均洪峰滯時(shí)實(shí)測值與模擬值對比Fig.4 Comparison between observation and simulation values of average peak time lag

2.2 通徑分析

通過上述逐步回歸分析，得到具有統(tǒng)計(jì)學(xué)意義的回歸方程，若要從洪水響應(yīng)的物理過程上佐證公式(4)的合理性，則需要更深入地挖掘地貌格局因子對平均洪峰滯時(shí)的影響機(jī)理. 因此本文在逐步回歸分析的基礎(chǔ)上采用通徑分析進(jìn)一步探討.

通過對自變量與應(yīng)變量之間表面直接相關(guān)性的分解，將相關(guān)系數(shù)分解為直接通徑系數(shù)(某一自變量對因變量的直接作用)和間接通徑系數(shù)(該自變量通過其他自變量對因變量的間接作用)[23]. 通徑分析的理論已證明，任一自變量與因變量y之間的簡單相關(guān)系數(shù)=與y的直接通徑系數(shù)+所有與y的間接通徑系數(shù)，任一自變量與因變量y的間接通徑系數(shù)=相關(guān)系數(shù)×通徑系數(shù). 在通徑分析過程中，一般認(rèn)為最難計(jì)算的就是通徑系數(shù). 事實(shí)上，通過軟件進(jìn)行線性回歸計(jì)算，計(jì)算結(jié)果給出的線性回歸方程的標(biāo)準(zhǔn)系數(shù)(standardized coefficients)即為我們需要的通徑系數(shù). 通徑分析結(jié)果如表6、7所示.

表6 平均洪峰滯時(shí)與地貌參數(shù)的簡單相關(guān)系數(shù)

由通徑分析計(jì)算結(jié)構(gòu)可知，流域相對高差對平均洪峰滯時(shí)的直接影響最大，表現(xiàn)為負(fù)相關(guān)，說明流域相對高差越大，平均洪峰滯時(shí)越小，與實(shí)際相符. 圓度比通過流域相對高差間接對平均洪峰滯時(shí)產(chǎn)生影響，形狀系數(shù)和森林覆蓋率對平均洪峰滯時(shí)的直接影響較小. 一般來說，植被覆蓋對流域匯流過程有阻滯作用，會導(dǎo)致平均洪峰滯時(shí)增大，森林覆蓋率本身對平均洪峰滯時(shí)的直接影響為正方向；但本研究區(qū)域主要為山區(qū)，森林覆蓋率高的土地一般在上游，面積坡度大，流域匯流過程更快，反而導(dǎo)致平均洪峰滯時(shí)減小，森林覆蓋率對平均洪峰滯時(shí)的最終影響為負(fù)方向. 這也解釋了森林覆蓋率對平均洪峰滯時(shí)的直接通徑系數(shù)為負(fù)，而簡單相關(guān)系數(shù)為正(表6).

表7 通徑分析計(jì)算結(jié)果

綜上，可以從物理成因的角度進(jìn)一步解釋公式(4)中各系數(shù)的合理性，公式(4)所構(gòu)建的回歸模型除了具有統(tǒng)計(jì)學(xué)上的意義，同時(shí)符合實(shí)際情況.

3 模型驗(yàn)證

為討論上文構(gòu)建模型的外延性，選取皖南山區(qū)黃山(山岔)流域進(jìn)行驗(yàn)證. 該流域位于長江支流青弋江上游，屬自然閉合流域，未受水工建筑等影響，且氣候以及地形條件均符合皖南山區(qū)上游典型的中小流域特征. 故選取該流域1978-2010年水文站完整序列實(shí)測資料，從中選取31場汛期典型單峰洪水，計(jì)算流域平均洪峰滯時(shí)，并提取該流域的地貌參數(shù)，所得結(jié)果如表8所示.

表8 黃山(山岔)驗(yàn)證模型所需的參數(shù)

將表8中各參數(shù)代入公式(4)，得到流域平均洪峰滯時(shí)為2.97 h. 根據(jù)實(shí)測資料所得的平均洪峰滯時(shí)與公式(4)計(jì)算得到的平均洪峰滯時(shí)的絕對誤差為13.2 min，模擬效果較好，說明模型具有較好的外延性. 由此，認(rèn)為該模型能夠定量分析地貌格局對流域平均洪峰滯時(shí)的影響，若將此定量關(guān)系移用至皖南山區(qū)無資料地區(qū)，可間接得出目標(biāo)流域的平均洪峰滯時(shí)，揭示影響流域水文過程的重要因子，為發(fā)展水文相似理論提供基礎(chǔ)分析，具有一定的實(shí)用意義.

4 結(jié)論與展望

本文為解決無資料地區(qū)的洪峰滯時(shí)研究提出了新思路，即通過數(shù)學(xué)分析方法定量揭示地形地貌因子及地表覆蓋類型對平均洪峰滯時(shí)的影響機(jī)制，同時(shí)建立平均洪峰滯時(shí)與地貌因子之間的數(shù)學(xué)公式. 對于特定流域，建立水文過程與地貌特征的定量關(guān)系，發(fā)展流域水文相似理論，提高無資料地區(qū)的水文預(yù)測水平.

為消除多元線性回歸中多重共線性的影響，采用了逐步回歸的變量篩選方式. 回歸模型各項(xiàng)指標(biāo)良好，回歸效果顯著，具有統(tǒng)計(jì)學(xué)意義. 方程式模擬效果較好，可以合理表達(dá)70%以上的研究流域. 進(jìn)一步采用通徑分析方法定量研究各地貌因子對平均洪峰滯時(shí)的物理影響機(jī)制. 基于回歸分析得到的簡單相關(guān)系數(shù)矩陣和回歸系數(shù)矩陣，計(jì)算各自變量對平均洪峰滯時(shí)的直接通徑系數(shù)和間接通徑系數(shù). 通徑分析結(jié)果揭示了流域相對高差對平均洪峰滯時(shí)的直接影響最大，同時(shí)通過其他因子(圓度比等)對平均洪峰滯時(shí)存在明顯間接影響.

模型的驗(yàn)證結(jié)果表明模型具有較好的外延性，在站網(wǎng)密度較低的皖南山區(qū)，由于實(shí)際降雨和流量過程的缺測，如何模擬出較為精確的洪水響應(yīng)過程，一直是水文研究的難點(diǎn). 本文根據(jù)地形地貌因子，基于數(shù)學(xué)方法得出流域平均洪峰滯時(shí)，可為皖南無資料地區(qū)的洪水預(yù)報(bào)提供佐證.

此類從地貌參數(shù)的角度推求流域平均洪峰滯時(shí)的方法，在無資料地區(qū)具有顯著的實(shí)際應(yīng)用效果，更加方便快捷. 但是，本研究僅初步揭示了地貌特征與洪水響應(yīng)特征的密切聯(lián)系，而流域的洪水響應(yīng)特征還受到其他諸多因素的影響，本文對于地貌參數(shù)的選取尚未做到足夠精確合理，以后的研究中可先對地貌參數(shù)做主成分分析，提高計(jì)算精度. 且本文僅是從統(tǒng)計(jì)學(xué)上的角度進(jìn)行回歸分析，故所得方程式只能應(yīng)用于下墊面條件相似的流域，因此流域相似性的研究也是后續(xù)研究的另一重點(diǎn)及難點(diǎn).

[1] Talei A, Chua LHC, Quek C. A novel application of a neuro-fuzzy computational technique in event-based rainfall-runoff modeling.ExpertSystemswithApplications, 2010, 37(12): 7456-7468. DOI: 10.1016/j.eswa.2010.04.015.

[2] Talei A, Chua LHC. Influence of lag time on event-based rainfall—runoff modeling using the data driven approach.JournalofHydrology, 2012, 438( 1): 223-233. DOI: 10.1016/j.jhydrol.2012.03.027.

[3] Banasik K, Hejduk A. Ratio of basin lag times for runoff and sediment yield processes recorded in various environments.SedimentDynamicsfromtheSummittotheSea, 2014, 367: 163-169.

[4] Leopold LB. Lag time for small drainage basins.Catena, 1991, 18(2): 157-171. DOI:10.1016/0341-8162(91)90014-O.

[5] Hood MJ, Clausen JC, Warner GS. Comparison of stormwater lag times for low impact and traditional residential development.JournaloftheAmericanWaterResourcesAssociation, 2007, 43(4): 1036-1046. DOI:10.1111/j.1752-1688.2007.00085.x.

[6] Kang IS, Park JI, Singh VP. Effect of urbanization on runoff characteristics of the On-Cheon Stream watershed in Pusan, Korea.HydrologicalProcesses, 1998, 12(2): 351-363.

[7] Zhou Minmin, Qu Simin, Shi Pengetal. Response of basin lag time to land use change in Dapoling Basin in upper Huaihe River.JournalofHohaiUniversity(NaturalSciences), 2015, 43(2): 100-106. [周敏敏, 瞿思敏, 石朋等. 淮河上游大坡嶺流域土地利用方式變化引起的流域滯時(shí)變化. 河海大學(xué)學(xué)報(bào), 2015, 43(2): 100-106.]

[8] Mackay DS, Band LE. Extraction and representation of nested catchment areas from digital elevation models in lake-dominated topography.WaterResourRes, 1998, 34(4): 897-901. DOI: 10.1029/98WR00094.

[9] Liang CJ, Mackay DS. A general model of watershed extraction and representation using globally optimal flow paths anf up-slope contributing areas.IntJGeogrInfSci, 2000, 14(4): 337-358. DOI: 10.1080/13658810050024278.

[10] Cai Feng, Fan Juan, Li Zhijia. Analysis and applications of relationship between concentration parameters of Xin’anjiang model and topographic attributes.WaterResourcesandPower, 2011, 29(5): 19-21. DOI: 1000-7709(2011) 05-0019-03.[蔡峰, 范娟, 李致家. 新安江模型匯流參數(shù)與地貌特征規(guī)律分析及應(yīng)用. 水電能源科學(xué), 2011, 29(5): 19-21.]

[11] Liang Ke, Li Zhijia, Kan Guangyuan. Novel flow concentration method and its application in ungauged area.YellowRiver, 2016, 38(3): 15-21. [梁珂, 李致家, 闞光遠(yuǎn). 新型匯流計(jì)算方法及其在缺資料地區(qū)的應(yīng)用. 人民黃河, 2016, 38(3): 15-21.]

[12] Liu Jintao, Wang Aihua, Wei Yuetal. Analyzing the influence of geomorphologic structure factors on runoff characteristics of catchments.AdvancesinWaterScience, 2015, 26(5): 631-638. [劉金濤, 王愛花, 韋玉等. 流域地貌結(jié)構(gòu)因子對徑流特征的影響分析. 水科學(xué)進(jìn)展, 2015, 26(5): 631-638.]

[13] Liao Yishan, Cai Qiangguo, Qin Fenetal. Geomorphological feature and scale effect on sediment yield and soil erosion in hilly loess areas, North China.JournalofSoilandWaterConservation, 2008, 37(1): 1-6. [廖義善, 蔡強(qiáng)國, 秦奮等. 基于DEM的黃土丘陵溝壑區(qū)流域地貌特征及侵蝕產(chǎn)沙尺度研究. 水土保持學(xué)報(bào), 2008, 37(1): 1-6.]

[14] Salim AHA. Geomorphological analysis of the morphometric characteristics that determine the volume of sediment yield of Wadi Al-Arja, South Jordan.JournalofGeographicalSciences, 2014, 24(3): 457-474. DOI: 10.1007/s11442-014-1100-8.

[15] Tang Lihua. Geomorphology-based water-sediment-pollutant model and its application[Dissertation]. Beijing: Tsinghua University, 2009. [唐莉華. 基于地貌特征的流域水-沙-污染物耦合模型及其應(yīng)用[學(xué)位論文]. 北京: 清華大學(xué), 2009.]

[16] Jeong SM, Park SC, Kim HSetal. Lag times and peak coefficients for watersheds in the Kum River Basin.BridgingtheGap, 2001, 3: 1-10. DOI: 10.1061/40569(2001)456.

[17] Coffman DM, Turner AK, Melhorn WN. The water system: Computer programs for stream network analysis. Lafayette, Indiana: Purdue University Water Resources Research Center, 1971.

[18] Tang Guoan, Yang Xinetaleds. ArcGIS geographic information systems spatial analysis experimental course (Second Edition). Beijing: Science Press, 2012: 478-509.[湯國安, 楊昕等. ArcGIS地理信息系統(tǒng)空間分析實(shí)驗(yàn)教程(第二版). 北京: 科學(xué)出版社, 2012: 478-509.]

[19] Rui Xiaofang ed. Principles of hydrology. Beijing: China Water & Power Press, 2004: 21. [芮孝芳. 水文學(xué)原理. 北京:中國水利水電出版社, 2004: 21.]

[20] Li Qi, Wen Kang. Power factor flow rate calculation in the general equation of the geomorphologic unit hydrograph.HaiheWaterResources, 1989, (1): 6-12.[李琪, 文康. 地貌單位線通用公式中動力因子——流速計(jì)算的研究. 海河水利, 1989, (1): 6-12.]

[21] Shi Liwen ed. SPSS 19.0 statistical analysis-from entry to the master. Beijing: Tsinghua University Press, 2012.[時(shí)立文. SPSS 19.0統(tǒng)計(jì)分析——從入門到精通. 北京: 清華大學(xué)出版社, 2012.]

[22] Song Xiaoyuan, Zhu Zhongyuan, Liu Yanweietal. Application of path analysis in stepwise linear regression SPSS.AridZoneResearch, 2016, 33(1): 108-113. DOI: 10.13866 /j.azr.2016.01.13.[宋小園, 朱仲元, 劉艷偉等. 通徑分析在 SPSS 逐步線性回歸中的實(shí)現(xiàn).干旱區(qū)研究, 2016, 33(1): 108-113.]

DEM-based quantitative analysis of average peak time lag of Dabie-South Auhui mountain area

CAO Ziyue1, YAO Cheng1, LI Zhijia1,2, ZHONG Li1& GU Weiqi1

(1:CollegeofHydrologyandWaterResources,HohaiUniversity,Nanjing210098,P.R.China) (2:NationalCooperativeInnovationCenterforWaterSafety&Hydro-ScienceofHohaiUniverstiy,Nanjing210098,P.R.China)

Based on Digital Elevation Model(DEM) in 27 small watersheds of Dabie-South Auhui mountain area, the topographic information was extracted and the average peak time lag was calculated. By establishing the mathematical model of multiple linear regression and path analysis, the influence of the factors on the flood response of the river basin is discussed. The results show the following: At the level of the valley system, shape factor and roundness, valley relative elevation, channel branching frequency and the forest coverage rate affect the basin average peak time lag mainly. And basin relative elevation is the most fundamental explanatory variables; Different geomorphic factors interaction is complex. The multiple linear regression model of average peak time lag has 73.4% explanatory. Further more，the path analysis model respectively describes influence of each variable to the average peak time lag from direct effect and indirect effect. The results can provide important reference to analysis the flood response process of South Anhui mountain area. It is significant for flood control and disaster mitigation.

Digital Elevation Model; peak time lag; geomorphology factor; multiple linear regression; path analysis

*國家自然科學(xué)基金項(xiàng)目(51679061，41130639)、水利部公益項(xiàng)目( 201501022)和國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(2016YFC0402705)聯(lián)合資助. 2015-09-29收稿; 2016-08-14收修改稿. 曹子月(1992～)，女，博士研究生；E-mail：13236530681@163.com.