Browsing by Author "嚴景俐"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    應用SWAT+模擬高屏溪及曾文水庫流域之水文收支
    (2025) 嚴景俐; Yen, Ching-Li
    臺灣用水需求節節攀升，可用水資源的調配取決於對流域水文收支之瞭解，然而各流域的水文收支情形迥異，往往需要水文模式的協助才得以獲得全貌。本研究以高屏溪上游的荖濃溪、濁口溪，及曾文溪上游的曾文水庫流域為研究區域，分別以水利署和氣象署測站雨量資料、TCCIP網格雨量資料，搭配SWAT+模式(Soil and Water Assessment Tool+)來模擬其水文收支，應用非支配排序基因演算法(Non-dominated Sorting Genetic Algorithm II, NSGA-II)，透過模式參數的調整，同時優化NSE、logNSE，衡量此模式的模擬結果在高、低流量事件之準確性，找到一組帕累托最優解(Pareto optimal)。研究成果顯示，在NSGA-II檢定後，曾文水庫集水區2005～2022年測站雨量之流量的NSE達0.55~0.58、logNSE達0.74~0.75；網格雨量之流量的NSE達0.2~0.62、logNSE達0.28~0.69。高屏溪流域除了雨流關係較差的兩個年段之外，濁口溪集水區2006～2008年測站雨量之流量的NSE達0.62~0.63、logNSE達0.57~0.64；網格雨量之流量的NSE達0.31~0.33、logNSE達0.56~0.58。而荖濃溪集水區1983～2004年測站雨量之流量的NSE達0.54、logNSE達0.48~0.5；網格雨量之流量的NSE達0.56~0.62、logNSE達0.42~0.47。測站雨量的流量模擬結果在高、低流量事件均優於網格雨量的流量模擬結果。在參數的部分，整體而言檢定參數的選擇對於不同雨量資料之模擬結果較有限，其中最敏感的參數是ESCO、CN2、AWC，三者都是影響土壤層以上水文流動之參數，而最不敏感的參數則是SURLAG，可能反映臺灣的集水區面積較小，地表逕流較少保存在地表逕流儲存庫，故其對於流量模擬的影響力較低。在不同降水資料中，網格雨量之年均降水量比測站雨量更少，使得蒸發散比例明顯較高，為了更好地模擬流量，初始土壤含水量、含水層補注及基流之比例都低於測站雨量，且河道較不易下滲（CHK），顯示出不同雨量來源輸入下對模擬水文收支之影響。曾文溪流域CN值比高屏溪較大，故降水多轉為地表逕流進入河道，且能從更深層之土壤提取蒸發水分（ESCO），導致初始、最終土壤含水量之比例較低，再加上曾文溪流域的土壤水滲透到含水層的時間較長（AQUIFER_DELAY），且地下水向上或下層移動之門檻較低（REVAP_MIN），使其淺層含水層補給略少，導致雖然從參數來看淺層向深層含水層滲漏比例較高（PERCC_LTE），但實際的深層含水層滲漏流出之比例卻略低。在基流方面，雖然基流反應較快（ALPHA），但因為地下水轉變為基流之門檻較高（FLO_MIN），故基流比例也較低。透過本研究除了能解析高屏溪及曾水文庫流域之水文收支之外，也將有助於了解用SWAT+建立臺灣在地化之流量模擬的程序。