遙感降水量產(chǎn)品寒區(qū)精度評(píng)估與徑流模擬適用性研究

徐淑琴 丁星臣 王 斌,2 王 蕾

(1.東北農(nóng)業(yè)大學(xué)水利與土木工程學(xué)院，哈爾濱150030； 2.農(nóng)業(yè)部農(nóng)業(yè)水資源高效利用重點(diǎn)實(shí)驗(yàn)室，哈爾濱 150030;3.西北農(nóng)林科技大學(xué)水利與建筑工程學(xué)院， 陜西楊凌 712100)

遙感降水量產(chǎn)品寒區(qū)精度評(píng)估與徑流模擬適用性研究

徐淑琴1丁星臣1王 斌1,2王 蕾3

(1.東北農(nóng)業(yè)大學(xué)水利與土木工程學(xué)院，哈爾濱150030； 2.農(nóng)業(yè)部農(nóng)業(yè)水資源高效利用重點(diǎn)實(shí)驗(yàn)室，哈爾濱 150030;3.西北農(nóng)林科技大學(xué)水利與建筑工程學(xué)院， 陜西楊凌 712100)

采用地面雨量站觀測(cè)的降水量為基準(zhǔn)數(shù)據(jù)，以寒區(qū)呼蘭河流域作為典型研究區(qū)，評(píng)估了TRMM(Tropical rainfall measuring mission)最新一代衛(wèi)星降水量產(chǎn)品 3B42V7、3B42RT以及CHIRPS (Climate hazards group infrared precipitation with station data)、基于地面降水量插值獲得的IDWP降水量數(shù)據(jù)在日、月、季度和空間尺度上的精度。利用站點(diǎn)和衛(wèi)星2種降水量數(shù)據(jù)驅(qū)動(dòng)SWAT模型，采用 SUFI-2算法計(jì)算模型并考慮模型參數(shù)的敏感性，進(jìn)行日流量過(guò)程模擬，評(píng)估了多衛(wèi)星降水量產(chǎn)品在流域水文模擬和預(yù)報(bào)中的應(yīng)用能力。研究結(jié)果表明: 流域日平均尺度上， 3B42V7、3B42RT、CHIRPS分別高估地面降水量5.43%、41.24%、3.37%。3B42V7在流域日、月、季度時(shí)間尺度上很接近地面觀測(cè)降水量。3B42RT的日降水強(qiáng)度累計(jì)概率分布與雨量站較為接近。3B42V7和CHIRPS在率定期和驗(yàn)證期的日流量模擬效果均較好，NSCE率定期為0.77、0.84；驗(yàn)證期為0.67、0.56。3B42RT對(duì)流量峰值的模擬較差?？煽紤]采用 TRMM 3B42V7 和CHIRPS作為基礎(chǔ)降水量資料應(yīng)用于寒區(qū)水資源管理、干旱監(jiān)測(cè)和洪水預(yù)報(bào)等相關(guān)研究。

寒區(qū)； 遙感降水量產(chǎn)品； SWAT模型； 時(shí)間尺度； 空間尺度

引言

世界各地受降水影響發(fā)生的洪水、干旱和環(huán)境污染常造成大量的財(cái)產(chǎn)損失和人員傷亡[1]。作為最重要的氣象要素，降水是從事氣候分析、干旱評(píng)估、洪水預(yù)報(bào)等相關(guān)研究的必要數(shù)據(jù)[2]，目前，主要采用地面雨量站、天氣雷達(dá)、遙感等方式觀測(cè)降水量[3]。地面雨量站觀測(cè)是最常用的測(cè)雨方法，但受站網(wǎng)布設(shè)密度及其空間分布不均的影響，站點(diǎn)降水量往往代表性不足。天氣雷達(dá)觀測(cè)范圍有限、覆蓋率較低，缺乏普遍的適用性，不能滿足大流域降雨觀測(cè)的需求，在地形復(fù)雜地區(qū)相對(duì)具有較大的不確定性[4-5]。近年來(lái)，一系列高時(shí)空分辨率的遙感降水量產(chǎn)品的出現(xiàn)，為解決常規(guī)及雷達(dá)測(cè)雨問(wèn)題的不足提供了新的途徑和方法，其中具有代表性的產(chǎn)品主要有熱帶降雨觀測(cè)計(jì)劃(Tropical rainfall measuring mission，TRMM)[3]、美國(guó)氣候預(yù)測(cè)降水中心融合技術(shù)降水量產(chǎn)品 (Climate prediction center morphing technique，CMORPH)[6]、氣候?yàn)?zāi)害組紅外降水量數(shù)據(jù)(Climate hazards group infrared precipitation with station data，CHIRPS)[7]、全球衛(wèi)星測(cè)繪降水量計(jì)劃(Global satellite mapping of precipitation，GSMaP)等[8]。在應(yīng)用這些降水量產(chǎn)品前，了解其數(shù)據(jù)誤差的時(shí)空分布及在水文模擬中的應(yīng)用能力是十分必要的。

國(guó)內(nèi)外學(xué)者針對(duì)區(qū)域和全球尺度的衛(wèi)星降水量評(píng)估與應(yīng)用開展了一系列研究[9-12]。在以往學(xué)者研究中，多將雨量站點(diǎn)觀測(cè)的點(diǎn)降水量作為真值來(lái)評(píng)估遙感降水量產(chǎn)品對(duì)不同降水事件的預(yù)報(bào)精度及其在徑流模擬中的適用性，但在我國(guó)高寒地區(qū)缺少相關(guān)研究。以黑龍江省為例，該省為中國(guó)緯度最高、最冷的寒區(qū)省份[13]，其雨量站的站網(wǎng)平均密度為902 km2/站，約為中國(guó)站網(wǎng)平均密度(500 km2/站[14-16])的1/2；冬季長(zhǎng)達(dá)半年之久且降水量偏少，降雨主要集中在6—9月份；冬季以降雪為主，初雪(冰)約在10月，終雪(冰)可持續(xù)至次年4月，降水可表現(xiàn)為雨、雪、雨雪混合物等多種形態(tài)。這種不利條件導(dǎo)致在黑龍江省開展的水文研究中，存在降水量數(shù)據(jù)缺乏，日流量模擬效果較差，而遙感降水量產(chǎn)品可以在一定程度上彌補(bǔ)其不足。然而，有研究表明寒區(qū)特殊的氣候特點(diǎn)會(huì)影響遙感降水量的探測(cè)精度[17]，遙感降水量產(chǎn)品在寒區(qū)的精度和適用性有待深入研究。

本文以黑龍江省內(nèi)呼蘭河流域?yàn)檠芯繀^(qū)，評(píng)估TRMM 3B42V7、TRMM 3B42RT、CHIRPS 3種衛(wèi)星遙感降水量產(chǎn)品，以及基于地面雨量站采用反距離加權(quán)插值方法IDW(Inverse distance weighted)插值的柵格降水量數(shù)據(jù)，在不同時(shí)間尺度及0.05°×0.05°像元空間尺度上的精度及誤差分布，并利用這些降水量產(chǎn)品驅(qū)動(dòng)SWAT(Soil and water assessment tool)模型，研究其在寒區(qū)徑流模擬中的適用性，以期為遙感降水量產(chǎn)品在寒區(qū)的應(yīng)用提供更為可靠的降水量數(shù)據(jù)。

1 研究區(qū)概況及數(shù)據(jù)來(lái)源

1.1 研究區(qū)概況

呼蘭河為松花江支流，位于黑龍江省中部，處于東經(jīng)125.90°～128.80°、北緯46.18°～48.13°之間，全長(zhǎng)523 km，流域面積35 683 km2，地勢(shì)東北高、西南低，高程范圍為7～1 427 m。降水分布不均，上游山地森林區(qū)降水量較大，而下游平原區(qū)降水量較少。依據(jù)流域內(nèi)4個(gè)氣象站1980—2010年的逐日氣象數(shù)據(jù)，統(tǒng)計(jì)出流域多年日平均降水量為1.5 mm，多年日平均最高氣溫為8.5℃，多年日平均最低氣溫為-2.4℃。本文選擇呼蘭河蘭西水文站(東經(jīng)126.33°、北緯46.25°)控制斷面以上的27 430 km2集水區(qū)作為研究區(qū)(圖1)。在圖1中，黑色方格代表用于時(shí)間尺度評(píng)估而選取的0.25°×0.25°的13個(gè)柵格，以編碼“0602”為例，代表時(shí)間尺度分析中第6個(gè)柵格內(nèi)包含2個(gè)地面雨量站，其他黑色方格定義與此相同。

圖1 研究區(qū)域示意圖Fig.1 Sketch map of study area

1.2 數(shù)據(jù)來(lái)源及處理

本研究DEM數(shù)據(jù)采用中科院地理空間數(shù)據(jù)云平臺(tái)(http:∥www.gscloud.cn/)提供的NASA和METI共同推出的最新地球電子地形ASTER GDEM 90 m分辨率的數(shù)字高程數(shù)據(jù)，將下載的呼蘭河流域不同DEM條帶利用ArcGIS柵格鑲嵌工具拼接DEM條帶，并將拼接后的DEM圖加載進(jìn)ArcSWAT2012，從而獲取流域河網(wǎng)，劃分子流域及計(jì)算地形參數(shù)。根據(jù)流域水系和地形實(shí)際情況，設(shè)定最小匯水面積閾值為500 km2，研究流域被劃分為37個(gè)子流域和248個(gè)水文響應(yīng)單元(Hydrological response units，HRU)。土地覆被數(shù)據(jù)采用美國(guó)馬里蘭大學(xué)(UMD)1 km分辨率土地覆被數(shù)據(jù)(http:∥glcf.umd.edu/)，研究區(qū)域共有水域、常綠闊葉林、落葉針葉林、落葉闊葉林、混交林、稀樹草原、多樹草原、草原、耕地、城市和建成區(qū)10種土地覆被類型。由于土地覆被參數(shù)較難獲取，本文采用SWAT數(shù)據(jù)庫(kù)中的參數(shù)，通過(guò)索引表建立UMD土地覆被數(shù)據(jù)與SWAT 土地利用/作物分類數(shù)據(jù)庫(kù)中同種土地利用類型之間的聯(lián)系。土壤數(shù)據(jù)采用聯(lián)合國(guó)糧農(nóng)組織(FAO)和維也納國(guó)際應(yīng)用系統(tǒng)研究所(IIASA)構(gòu)建的1 km分辨率世界和諧土壤數(shù)據(jù)庫(kù)(Harmonized world soil database，HWSD)，呼蘭河流域共提取出17種土壤類型。以上柵格數(shù)據(jù)統(tǒng)一投影至WGS_1984_UTM_Zone_52N坐標(biāo)系。實(shí)測(cè)氣象和降水量數(shù)據(jù)采用呼蘭河流域及周邊地區(qū)4個(gè)氣象站與16個(gè)雨量站的逐日數(shù)據(jù)。水文數(shù)據(jù)采用蘭西水文站的逐日流量數(shù)據(jù)。衛(wèi)星降水量產(chǎn)品采用0.25°的TRMM 3B42V7日降水量產(chǎn)品(http:∥mirador.gsfc.nasa.gov/)、TRMM 3B42RT 3h(ftp:∥disc2.nascom.nasa.gov/data/TRMM/Gridded/)、CHIRPS日降水量產(chǎn)品(ftp:∥ftp.chg.ucsb.edu/pub/org/chg/products/CHIRPS-2.0/global_daily/tifs/p25/)，TRMM 3B42RT日降水量數(shù)據(jù)通過(guò)每隔3 h(00:00、03:00、06:00、09:00、12:00、15:00、18:00、21:00UTC)降水量數(shù)據(jù)累加獲得，關(guān)于以上遙感降水量產(chǎn)品的詳細(xì)介紹見文獻(xiàn)[18]。反距離加權(quán)插值方法IDW不依賴特定的統(tǒng)計(jì)假設(shè)，在水文學(xué)的降水量數(shù)據(jù)幾何插值方法中被廣泛應(yīng)用[19]，本文采用IDW方法對(duì)地面點(diǎn)雨量站數(shù)據(jù)插值獲得0.05°×0.05°的空間柵格降水量數(shù)據(jù)用于遙感降水量產(chǎn)品的空間精度評(píng)估。以上數(shù)據(jù)研究的起止時(shí)間均為2001年1月1日—2006年12月31日，其中TRMM 3B42V7、3B42RT、CHIRPS、IDW插值的柵格降水量數(shù)據(jù)在后文中分別簡(jiǎn)稱為3B42V7、3B42RT、CHIP、IDWP。

2 研究方法

為定量評(píng)估時(shí)間及空間尺度上遙感降水量產(chǎn)品的精度，闡明遙感降水量的誤差空間分布特征，本文采用相關(guān)系數(shù)(CC)、平均絕對(duì)誤差(MAE)、均方根誤差(RMSE)、相對(duì)偏差(BIAS)、探測(cè)率(POD)、空?qǐng)?bào)率(FAR)、成功系數(shù)(CSI)和納什效率系數(shù)(NSCE)作為統(tǒng)計(jì)評(píng)估指標(biāo)，其計(jì)算公式分別為

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

式中n——數(shù)據(jù)個(gè)數(shù)

Gi——地面雨量站降水量，mm

Ri——遙感降水量，mm

U——遙感降水量數(shù)據(jù)和地面雨量站同時(shí)有雨的頻數(shù)

V——遙感降水量數(shù)據(jù)無(wú)雨而地面雨量站有雨的頻數(shù)

W——遙感降水量數(shù)據(jù)有雨而地面雨量站無(wú)雨的頻數(shù)

Qobs——水文實(shí)測(cè)流量值，m3/s

Qsim——模擬流量值，m3/s

其中CC反映了遙感降水量同地面雨量站降水量的線性相關(guān)程度；MAE和RMSE反映了遙感降水量同地面雨量站降水量的平均誤差；BIAS反映了遙感降水量數(shù)據(jù)的系統(tǒng)偏差程度；POD反映了遙感降水量產(chǎn)品對(duì)降水事件的漏報(bào)程度，其值越高，表明遙感降水量產(chǎn)品對(duì)降水事件的漏報(bào)程度越低；FAR反映了遙感降水量產(chǎn)品對(duì)降水事件的錯(cuò)報(bào)程度，其值越低，錯(cuò)報(bào)程度越低；CSI反映了遙感降水量產(chǎn)品成功觀測(cè)到降水事件的比例，其值越大越好。同時(shí)采用BIAS和NSCE定量比較遙感降水量產(chǎn)品和地面雨量站降水量對(duì)徑流的模擬效果[18-19]。

TIAN等[21]對(duì)TRMM 3B42V6和CMORPH兩種遙感降水量產(chǎn)品日到年時(shí)間尺度的精度評(píng)估及短時(shí)間到長(zhǎng)時(shí)間尺度誤差分布的研究表明：不同空間位置降水強(qiáng)度的變化對(duì)地表徑流和洪水模擬會(huì)產(chǎn)生顯著的影響。因此，本文采用概率密度函數(shù)PDF(Probability density function)及累積分布函數(shù)CDF(Cumulative distribution function)比較遙感降水量產(chǎn)品在不同日降水強(qiáng)度范圍發(fā)生的頻率，日降水強(qiáng)度的范圍采用世界氣象組織WMO(The World Meteorological Organization)的分類標(biāo)準(zhǔn)[18，20,22]：降水量Plt;1 mm(微量降水)、1 mm≤Plt;2 mm(小雨)、2 mm≤Plt;5 mm(低強(qiáng)度中雨)、5 mm≤Plt;10 mm(高強(qiáng)度中雨)、10 mm≤Plt;20 mm(低強(qiáng)度大雨)、20 mm≤Plt;50 mm(高強(qiáng)度大雨)、P≥50 mm(暴雨)。

3 時(shí)間尺度精度評(píng)估及誤差分析

呼蘭河流域提取出54個(gè)0.25°×0.25°的遙感降水量產(chǎn)品柵格數(shù)據(jù)。流域尺度上，雨量站、3B42V7、3B42RT、CHIP的2001—2006年流域日平均降水量見圖2，3B42RT降水量整體偏大，CHIP降水量整體偏小，雨量站與3B42V7介于兩者之間。與雨量站流域日平均總降水量相比，3B42V7、3B42RT、CHIP分別高估地面降水量5.43%、41.24%、3.37%。3B42V7、3B42RT、CHIP與雨量站日時(shí)間尺度的CC分別為0.79、-0.009、0.56，3B42RT在流域日平均時(shí)間尺度的相關(guān)性較差。其MAE分別為1.03、3.08、1.53，3B42RT數(shù)據(jù)與雨量站觀測(cè)數(shù)據(jù)的誤差為3B42V7和CHIP的2倍。對(duì)降水事件的探測(cè)能力方面，其POD分別為0.74、0.79、0.58，3B42RT對(duì)降水事件的漏報(bào)程度最低，原因可能是3B42RT對(duì)降水量整體高估造成的，但其對(duì)降水量的錯(cuò)報(bào)程度較高，F(xiàn)AR為0.4，而3B42V7和CHIP為0.29、0.21。3種數(shù)據(jù)成功觀測(cè)到有降水發(fā)生的比例較為接近，均在0.55左右。

為了與流域尺度日時(shí)間序列平均降水量的散點(diǎn)圖分布進(jìn)行對(duì)比，研究另外選取了至少包含2個(gè)雨量站的0202和0902遙感降水量網(wǎng)格，其日降水量分布見圖3，與圖2相比，3種數(shù)據(jù)的變化趨勢(shì)基本一致，CHIP降水量整體變大。

月時(shí)間尺度4種降水量產(chǎn)品13個(gè)編碼柵格的月平均降水量見圖4，3B42V7和CHIP與雨量站降水量的一致性較好，CC為0.98、0.97。3B42V7產(chǎn)品具有較好的月降水量預(yù)報(bào)能力，可能是由于其應(yīng)用TRMM衛(wèi)星的TCI(TRMM combined instrument)估值以及GPCP(Global precipitation climatologyproject)和CAMS(Climate assessment and monitoring system)提供的逐月雨量站數(shù)據(jù)進(jìn)行校正的結(jié)果。3B42RT整體高估了月平均降水量，CC僅為-0.16，RMSE為72.32 mm，而3B42V7和CHIP的RMSE僅為11.26 mm和13.67 mm，3B42RT在每年1—3月份、9—12月份，寒區(qū)溫度較低及溫度為負(fù)值的月份月平均降水量均大于其他3種降水量產(chǎn)品。

圖2 雨量站、3B42V7、3B42RT、CHIP流域日平均降水量Fig.2 Average daily rainfall of rainfall station, 3B42V7, 3B42RT and CHIP in the basin

圖3 流域0202與0902柵格日降水量Fig.3 Daily rainfall of 0202 and 0902 rasters in the basin

圖4 雨量站、3B42V7、3B42RT、CHIP流域月平均降水量Fig.4 Monthly average rainfall of rainfall station, 3B42V7, 3B42RT and CHIP in the basin

流域13個(gè)編碼柵格的日時(shí)間尺度統(tǒng)計(jì)指標(biāo)見表1，3B42V7的CC值均大于3B42RT和CHIP，其CC的均值為0.56，說(shuō)明3B42V7在流域日時(shí)間尺度上很接近地面觀測(cè)降水量，CC值較高的0202、0501、0602柵格位于流域的東北方向，高程較大。3B42RT對(duì)地面降水量的觀測(cè)能力均較差，CC的均值為-0.01，CHIP相對(duì)較好，CC的均值為0.41。其他3種統(tǒng)計(jì)指標(biāo)3B42V7的表現(xiàn)均優(yōu)于3B42RT和CHIP。

為了從時(shí)間角度評(píng)估遙感降水量產(chǎn)品對(duì)地面降水量的探測(cè)能力，流域13個(gè)編碼柵格的POD、FAR、CSI值見圖5，3B42V7對(duì)降水量的漏報(bào)與錯(cuò)報(bào)程度較低，成功觀測(cè)到降水發(fā)生的比例較高，而3B42RT計(jì)算得到3種指標(biāo)均較差，CHIP的POD和CSI介于兩者之間，其FAR與3B42V7的變化一致，對(duì)降水量的錯(cuò)報(bào)程度較低。

流域13個(gè)編碼柵格的日、月、季度降水量散點(diǎn)圖見圖6。由于在同一月份，南北方可能處于不同的季節(jié)，同一地域的各季節(jié)以及不同地域的同一季節(jié)在時(shí)間上不一定等長(zhǎng)，且黑龍江省內(nèi)不同地域季度時(shí)間變化較為一致，因此本文參照文獻(xiàn)[23]，按農(nóng)事活動(dòng)劃分，研究區(qū)的春季約為4—5月份、夏季約為6—8月份、秋季約為9—10月份、冬季約為11月—次年3月份。日時(shí)間尺度上，3B42V7與雨量站觀測(cè)的CC為0.56，CHIP為0.4，3B42RT較差為-0.01。隨著時(shí)間尺度的增加，遙感降水量的觀測(cè)能力增強(qiáng)，在月和季度時(shí)間尺度上，3B42V7和CHIP的CC均大于0.9，說(shuō)明遙感降水量產(chǎn)品對(duì)月和季度降水量觀測(cè)的準(zhǔn)確性要優(yōu)于日降水量，經(jīng)過(guò)全球地面資料校正的3B42V7在寒區(qū)對(duì)不同時(shí)間尺度降水量的探測(cè)精度均高于其他2種降水量產(chǎn)品。

表1 日尺度統(tǒng)計(jì)指標(biāo)Tab.1 Statistical indicators in daily scale

圖5 日尺度13個(gè)編碼柵格的POD、FAR、CSI值Fig.5 POD，F(xiàn)AR，CSI values of 13 coding grids in daily scale

圖6 流域尺度13個(gè)編碼柵格日、月、季度降水量散點(diǎn)圖Fig.6 Precipitation scatter plots of 13 coding rasters in day,month and quarter for basin scale

圖7和圖8進(jìn)一步比較了時(shí)間尺度上不同遙感降水量產(chǎn)品的日降水強(qiáng)度差異，圖8b、8c為圖8a在不同日降水量范圍的局部放大。與地面雨量站觀測(cè)相比，3B42V7的變化接近雨量站，CHIP過(guò)低的估計(jì)了微量降水，低估了27%。3B42RT過(guò)低估計(jì)了小雨，低估了42%，過(guò)高估計(jì)了(5 mm,20 mm]降雨強(qiáng)度區(qū)間即高強(qiáng)度中雨和低強(qiáng)度大雨。雨量站、3B42V7、3B42RT、CHIP探測(cè)到有暴雨發(fā)生的概率分別為0.52%、1.08%、0.72%、2.86%，CHIP過(guò)高地估計(jì)了暴雨事件的發(fā)生，為其他兩種遙感降水量產(chǎn)品的2倍多。從日降水強(qiáng)度累計(jì)概率分布圖可以看出，表現(xiàn)很差的3B42RT數(shù)據(jù)與雨量站觀測(cè)的一致性相對(duì)較好，CHIP整體低估了不同降水強(qiáng)度區(qū)間降水事件的發(fā)生，但在(20 mm,70 mm]降水強(qiáng)度區(qū)間，與雨量站觀測(cè)相比過(guò)高估計(jì)了103.58%。

圖7 流域尺度13個(gè)編碼柵格日降水強(qiáng)度概率分布Fig.7 Daily precipitation intensity probability distribution of 13 coding rasters for basin scale

4 空間尺度精度評(píng)估與誤差分析

為了更直觀地了解流域不同空間位置遙感降水量的探測(cè)精度，基于地面雨量站觀測(cè)數(shù)據(jù)采用IDW插值方法計(jì)算得到了流域的日尺度面降水量數(shù)據(jù)，通過(guò)對(duì)遙感降水量產(chǎn)品重采樣最終生成0.05°×0.05°空間分辨率下的4種高分辨率降水量產(chǎn)品。以IDWP作為真值，評(píng)估了3B42V7、3B42RT、CHIP的降水量空間探測(cè)精度。由于研究區(qū)滿足缺測(cè)數(shù)據(jù)較少及時(shí)間上連續(xù)的雨量站數(shù)量較少，因此在同一個(gè)0.25°的柵格上插值獲得的0.05°柵格降水量數(shù)據(jù)較為接近，導(dǎo)致空間分析結(jié)果圖像中出現(xiàn)0.25°的分界線，但這并不影響空間分析的準(zhǔn)確性。

從圖9中可以看出，3B42V7和CHIP的CC、RMSE整體較好，而3B42RT的空間相關(guān)性較差，在流域的東南方向表現(xiàn)較好。在降水探測(cè)方面，3B42RT較差，3B42V7、CHIP在流域的東側(cè)對(duì)降水量漏報(bào)程度較低，而3種遙感降水量數(shù)據(jù)的CC、RMSE、POD值在流域的西側(cè)表現(xiàn)均較差，分析其原因可能是由于流域不同位置高程的分布對(duì)降水量的探測(cè)精度產(chǎn)生了影響，流域的東側(cè)為低山地區(qū)，高程較大，統(tǒng)計(jì)指標(biāo)均較高，而西側(cè)為平原地區(qū)，高程較小，衛(wèi)星對(duì)降水量的探測(cè)精度較差。

圖8 流域尺度13個(gè)編碼柵格日降水強(qiáng)度累計(jì)概率分布圖Fig.8 Precipitation intensity cumulative probability distributions of 13 coding rasters for basin scale

圖9 0.05°×0.05°空間分辨率下3B42V7、3B42RT、CHIP統(tǒng)計(jì)指標(biāo)分布圖Fig.9 Statistical indicators distributions of 3B42V7, 3B42RT and CHIP under spatial resolution of 0.05°×0.05°

5 日徑流過(guò)程模擬

降水是水文模型最重要的輸入數(shù)據(jù)，準(zhǔn)確的降水量數(shù)據(jù)不僅可以反映降水類型空間和時(shí)間上的分布，還可以提高水文模型的模擬效果[24]。盡管不同的降水量產(chǎn)品在空間分辨率和探測(cè)精度上存在差異，但受水文模型參數(shù)不確定性的影響，在使用各降水量產(chǎn)品重新率定模型后，可能會(huì)得到相似的水文模擬結(jié)果[25]。為評(píng)估不同遙感降水量產(chǎn)品在水文過(guò)程模擬中應(yīng)用的適用性，本文采用美國(guó)農(nóng)業(yè)部(United States Department of Agriculture，USDA)農(nóng)業(yè)研究中心(Agricultural Research Service，ARS)ARNOLD等[26]開發(fā)的具有較強(qiáng)物理機(jī)制的SWAT(Soil and water assessment tool)模型，其可以模擬流域內(nèi)復(fù)雜的地形變化、土地利用方式、氣候變化及不同管理措施對(duì)流域產(chǎn)流、產(chǎn)沙及農(nóng)業(yè)非點(diǎn)源污染的產(chǎn)輸出產(chǎn)生的影響[27]。分別建立不同降水量輸入的SWAT模型(以下簡(jiǎn)稱為雨量站、3B42V7、3B42RT、CHIP、IDWP模型)，選取蘭西水文站2001—2003年的實(shí)測(cè)徑流數(shù)據(jù)率定模型，2004—2006年數(shù)據(jù)用于驗(yàn)證模型。采用納什效率系數(shù)(NSCE)及相對(duì)偏差(BIAS)評(píng)價(jià)徑流的模擬效果。根據(jù)以往的經(jīng)驗(yàn)，當(dāng)|BIAS|lt;10%時(shí)，模擬結(jié)果為很好；當(dāng)NSCEgt;0.75或10%lt;|BIAS|lt;15%時(shí)，模擬結(jié)果為較好；當(dāng)0.36lt;NSCElt;0.75或15%lt;|BIAS|lt;25%時(shí)，模擬結(jié)果令人滿意；當(dāng)NSCElt;0.36或|BIAS|≥25%時(shí)，模擬結(jié)果為較差[28]。

5.1 參數(shù)敏感性分析及率定結(jié)果

模型率定前對(duì)徑流模擬結(jié)果影響較大的參數(shù)進(jìn)行敏感性分析可以提高模型計(jì)算的準(zhǔn)確性，減少實(shí)測(cè)值與模擬值的累積誤差，本文選取與SWAT模型地表徑流產(chǎn)流過(guò)程、土壤水與地下水運(yùn)動(dòng)過(guò)程、蒸散發(fā)及融雪過(guò)程等相關(guān)的25個(gè)參數(shù)，利用SWAT-CUP的全局敏感性分析模塊，采用拉丁超立方體抽樣法，模型計(jì)算1 500次，以t值和p值作為敏感性評(píng)價(jià)指標(biāo)，t值給出了敏感性程度，絕對(duì)值越大越敏感；p值決定了敏感性的顯著性，值越接近于0，越顯著。模型計(jì)算采用SUFI-2(Sequential uncertainties fitting ver-2)算法[29]。最終確定的雨量站、3B42V7、3B42RT、CHIP、IDWP模型的參數(shù)及敏感性值見圖10。對(duì)徑流模擬影響較大的參數(shù)為河岸調(diào)蓄的基流α因子ALPHA_BNK、SCS徑流曲線數(shù)CN2、最大冠層截留量CANMX、土壤蒸發(fā)補(bǔ)償系數(shù)ESCO等。雨量站和IDWP的敏感性曲線具有一致的變化規(guī)律。模型初次率定的過(guò)程中需不斷的調(diào)整參數(shù)以增大目標(biāo)函數(shù)NSCE，導(dǎo)致地表徑流、土壤水和地下水量含量不斷變化，與其相關(guān)的參數(shù)較為敏感，而SMTMP融雪積溫、6月21日和12月21日的融雪因子SMFMX、積雪溫度滯后因子TIMP敏感性較低。CN2影響著來(lái)自降水補(bǔ)給的地表徑流產(chǎn)流量，CHIP與3B42V7的CN2敏感性較低。雨量站模型對(duì)應(yīng)的參數(shù)率定結(jié)果見表2。

圖10 雨量站、3B42V7、3B42RT、CHIP、IDWP模型的參數(shù)敏感性分析結(jié)果Fig.10 Parameter sensitivity analysis results of rainfall station, 3B42V7, 3B42RT, CHIP and IDWP models

5.2 日徑流過(guò)程模擬對(duì)比

率定期與驗(yàn)證期的日徑流量模擬結(jié)果見圖11a、11b，率定期雨量站、3B42V7、3B42RT、CHIP、IDWP模型的NSCE值為0.89、0.77、0.20、0.84、0.87，BIAS值為1.10%、5.51%、-12.65%、-20.70%、2.85%，率定期模擬效果均較好，而CHIP的BIAS值相對(duì)較大。由于2003年呼蘭河流域發(fā)生了繼1985年之后20年間的全流域性大洪水[30]，洪水峰值很大，模型率定過(guò)程中為減小誤差，過(guò)于擬合峰值，導(dǎo)致驗(yàn)證期流量模擬效果與率定期相比相對(duì)較差。驗(yàn)證期的NSCE值為0.79、0.67、0.26、0.56、0.77，BIAS值為4.69%、22.26%、15.35%、-8.39%、-1.87%，雨量站和IDWP模擬效果較好，3B42V7和CHIP模擬結(jié)果令人滿意，3B42RT模擬效果較差。驗(yàn)證期日流量的累計(jì)概率分布見圖11c,雨量站、3B42V7和IDWP與實(shí)測(cè)值的一致性較好，3B42RT對(duì)流量峰值的模擬較差。

6 結(jié)論

(1)與雨量站流域日平均總降水量相比，3B42V7、3B42RT、CHIP高估地面降水量5.43%、41.24%、3.37%。3B42RT在流域日平均時(shí)間尺度的相關(guān)性較差,其對(duì)降水事件的漏報(bào)程度最小，但對(duì)降水量的錯(cuò)報(bào)程度較高，3種數(shù)據(jù)成功觀測(cè)到有降水發(fā)生的比例較為接近，均在0.55左右。月時(shí)間尺度上，3B42V7和CHIP與雨量站降水量的一致性較好，CC為0.98、0.97。3B42RT整體高估了月平均降水量，其在寒區(qū)溫度較低及溫度為負(fù)值的月份月平均降水量均大于其他3種降水量產(chǎn)品。

(2)對(duì)編碼柵格的比較，3B42V7在流域日時(shí)間尺度上很接近地面觀測(cè)降水量。3B42V7和CHIP的錯(cuò)報(bào)程度較低，遙感降水量產(chǎn)品對(duì)月和季度降水量觀測(cè)的準(zhǔn)確性要優(yōu)于日降水量，經(jīng)過(guò)全球地面資料校正的3B42V7在寒區(qū)對(duì)不同時(shí)間尺度降水量的探測(cè)精度均高于其他2種降水量產(chǎn)品。

表2 利用雨量站降水量數(shù)據(jù)率定的SWAT模型參數(shù)取值Tab.2 Parameter values of SWAT model calibrated by rainfall station precipitation

注：V為現(xiàn)有的參數(shù)值被抽樣值取代，R為現(xiàn)有的參數(shù)值乘以(1+抽樣值)。

圖11 日徑流量模擬結(jié)果與累計(jì)概率分布圖Fig.11 Results of daily flow simulation and cumulative probability distribution

(3)對(duì)降水強(qiáng)度的探測(cè)方面，CHIP過(guò)低地估計(jì)了微量降水，低估了27%，過(guò)高地估計(jì)了暴雨事件的發(fā)生，在(20 mm,70 mm]降水強(qiáng)度區(qū)間，與雨量站觀測(cè)相比過(guò)高估計(jì)了103.58%。3B42RT過(guò)低估計(jì)了小雨，低估了42%，過(guò)高估計(jì)了(5 mm,20 mm]降雨強(qiáng)度區(qū)間即高強(qiáng)度中雨和低強(qiáng)度大雨。

(4)空間尺度評(píng)估方面，3B42V7和CHIP的CC、RMSE整體較好。流域高程較大的低山地區(qū)，遙感降水量的探測(cè)精度很好，在高程較低的平原探測(cè)精度較差。

(5)本文選擇各年日流量峰值變化極不穩(wěn)定的時(shí)間段研究遙感降水量對(duì)日徑流的模擬效果，率定期模擬效果均較好，驗(yàn)證期雨量站、3B42V7、CHIP、IDWP模擬效果相對(duì)較好，3B42RT對(duì)流量峰值的模擬較差。

1 LEHNER B, D?LL P, ALCAMO J, et al. Estimating the impact of global change on flood and drought risks in europe: a continental, integrated analysis[J]. Climatic Change, 2006, 75(3):273-299.

2 PRAKASH S, MITRA A K, AGHAKOUCHAK A, et al. Error characterization of trmm multisatellite precipitation analysis (TMPA-3B42) products over India for different seasons[J]. Journal of Hydrology, 2015, 529(3):1302-1312.

3 江善虎,任立良,雍斌,等.TRMM衛(wèi)星降水?dāng)?shù)據(jù)在洣水流域徑流模擬中的應(yīng)用[J].水科學(xué)進(jìn)展,2014,25(5):641-649.

JIANG Shanhu, REN Liliang, YONG Bin, et al. Hydrological evaluation of the trmm multi-satellite precipitation estimates over the Mishui basin[J]. Advances in Water Science,2014,25(5):641-649. (in Chinese)

4 谷黃河,余鐘波,楊傳國(guó),等.衛(wèi)星雷達(dá)測(cè)雨在長(zhǎng)江流域的精度分析[J].水電能源科學(xué), 2010, 28(8):9-12.

GU Huanghe, YU Zhongbo, YANG Chuanguo, et al. Application of satellite radar observed precipitation to accuracy analysis in Yangtze River basin [J]. Water Resources and Power, 2010, 28(8):9-12. (in Chinese)

5 唐國(guó)強(qiáng),李哲,薛顯武,等.贛江流域TRMM遙感降水對(duì)地面站點(diǎn)觀測(cè)的可替代性[J].水科學(xué)進(jìn)展, 2015, 26(3):340-346.

TANG Guoqiang, LI Zhe, XUE Xianwu, et al. A study of substitutability of TRMM remote sensing precipitation for gauge-based observation in Ganjiang River basin[J]. Advances in Water Science, 2015, 26(3):340-346. (in Chinese)

6 成璐, 沈潤(rùn)平, 師春香,等. CMORPH和TRMM 3B42降水估計(jì)產(chǎn)品的評(píng)估檢驗(yàn)[J]. 氣象, 2014，40(11):1372-1379.

CHENG Lu, SHEN Runping, SHI Chunxiang, et al. Evaluation and verification of cmorph and trmm 3B42 precipitation estimation products[J]. Meteorological Monthly, 2014,40(11):1372-1379. (in Chinese)

7 TUO Y, DUAN Z, DISSE M, et al. Evaluation of precipitation input for swat modeling in alpine catchment: a case study in the Adige river basin (Italy)[J]. Science of the Total Environment, 2016, 573:66-82.

8 嵇濤, 劉睿, 楊華,等. 多源遙感數(shù)據(jù)的降水空間降尺度研究——以川渝地區(qū)為例[J]. 地球信息科學(xué)學(xué)報(bào), 2015, 17(1):108-117.

JI Tao, LIU Rui, YANG Hua, et al. Spatial downscaling of precipitation using multi-source remote sensing data: a case study of Sichuan—Chongqing Region[J]. Journal of Geo-Information Science, 2015, 17(1):108-117. (in Chinese)

9 楊云川,程根偉,范繼輝,等.衛(wèi)星降雨數(shù)據(jù)在高山峽谷地區(qū)的代表性與可靠性[J].水科學(xué)進(jìn)展, 2013, 24(1):24-33.

YANG Yunchuan, CHENG Genwei, FAN Jihui, et al. Representativeness and reliability of satellite rainfall dataset in alpine and gorge region[J]. Advances in Water Science, 2013, 24(1):24-33. (in Chinese)

10 POMBO S, OLIVEIRA R P D. Evaluation of extreme precipitation estimates from trmm in Angola[J]. Journal of Hydrology, 2015, 523:663-679.

11 LIU Z. Comparison of versions 6 and 7 3-hourly TRMM multi-satellite precipitation analysis (TMPA) research products[J]. Atmospheric Research, 2015, 163:91-101.

12 LI L, HONG Y, WANG J, et al. Evaluation of the real-time trmm-based multi-satellite precipitation analysis for an operational flood prediction system in Nzoia Basin, Lake Victoria, Africa[J]. Natural Hazards, 2009, 50(1):109-123.

13 陳仁升, 康爾泗, 吳立宗, 等. 中國(guó)寒區(qū)分布探討 [J]. 冰川凍土, 2005(4): 469-475.

CHEN Rensheng, KANG Ersi, WU Lizong, et al. Cold regions in China [J]. Journal of Glaciology and Geocryology, 2005(4): 469-475. (in Chinese)

14 何惠. 中國(guó)水文站網(wǎng) [J]. 水科學(xué)進(jìn)展, 2010, 21(4): 460-465.

HE Hui. China gauging station network [J]. Advances in Water Science, 2010, 21(4): 460-465. (in Chinese)

15 陰法章, 關(guān)曉梅, 何亞龍. 黑龍江省水文站網(wǎng)密度分析及站網(wǎng)調(diào)整方向 [J]. 東北水利水電, 2007, 25(7): 36-38.

16 王斌, 王貴作, 黃金柏, 等. 柵格分布式水文模型在高寒區(qū)日流量模擬中的應(yīng)用[J]. 水力發(fā)電學(xué)報(bào), 2013, 32(6): 36-42.

WANG Bin, WANG Guizuo, HUANG Jinbai, et al. Distributed hydrological model based on grid and its application to daily runoff simulation for high-cold region[J]. Journal of Hydroelectric Engineering, 2013, 32(6): 36-42. (in Chinese)

17 EBERT E E, JANOWIAK J E, KIDD C. Comparison of near-real-time precipitation estimates from satellite observations and numerical models[J]. Bulletin of the American Meteorological Society, 2007, 88(1):47-64.

18 DUAN Z, LIU J, TUO Y, et al. Evaluation of eight high spatial resolution gridded precipitation products in Adige Basin (Italy) at multiple temporal and spatial scales[J]. Science of the Total Environment, 2016,573:1536-1553.

19 YONG B, REN L, HONG Y, et al. Hydrologic evaluation of multisatellite precipitation analysis standard precipitation products in basins beyond its inclined latitude band: a case study in Laohahe basin, China[J]. Water Resources Research, 2010, 46(7):759-768.

20 LI H, HONG Y, XIE P, et al. Variational merged of hourly gauge-satellite precipitation in China: preliminary results[J]. Journal of Geophysical Research Atmospheres, 2015,120(19):9897-9915.

21 TIAN Y, PETERSLIDARD C D, CHOUDHURY B J, et al. Multitemporal analysis of trmm-based satellite precipitation products for land data assimilation applications[J]. Journal of Hydrometeorology, 2007, 8(8):1165-1183.

22 TAN M, IBRAHIM A, DUAN Z, et al. Evaluation of six high-resolution satellite and ground-based precipitation products over Malaysia[J]. Remote Sensing, 2015, 7(2):1504-1528.

23 鄭紅,王艷秋,蒼蘊(yùn)琦. 哈爾濱的四季與季節(jié)劃分指標(biāo)的探討[J]. 黑龍江氣象,2001(3):32-33.

24 劉昌明, 白鵬, 王中根,等. 稀缺資料流域水文計(jì)算若干研究:以青藏高原為例[J]. 水利學(xué)報(bào), 2016, 47(3):272-282.

LIU Changming, BAI Peng, WANG Zhonggen, et al. Study on prediction of ungaged basins：a case study on the Tibetan Plateau[J]. Journal of Hydraulic Engineering, 2016, 47(3):272-282. (in Chinese)

25 XUE X, HONG Y, LIMAYE A S, et al. Statistical and hydrological evaluation of TRMM-based multi-satellite precipitation analysis over the Wangchu basin of Bhutan: are the latest satellite precipitation products 3B42V7 ready for use in ungauged basins?[J]. Journal of Hydrology, 2013, 499:91-99.

26 ARNOLD J G, SRINIVASAN R, MUTTIAH R S, et al. Large area hydrologic modeling and assessment part I: model development [J]. Journal of American Water Resources Association, 1998, 34(1): 73-89.

27 AOUISSI J, BENABDALLAH S, CHABANE Z L, et al. Evaluation of potential evapotranspiration assessment methods for hydrological modelling with swat—application in data-scarce rural Tunisia[J]. Agricultural Water Management, 2016, 174:39-51.

28 PEREIRA D D R, MARTINEZ M A, PRUSKI F F, et al. Hydrological simulation in a basin of typical tropical climate and soil using the SWAT model part I: calibration and validation tests[J]. Journal of Hydrology: Regional Studies, 2016, 7:14-37.

29 KHALID K, ALI M F, RAHMAN N F A, et al. Sensitivity analysis in watershed model using SUFI-2 algorithm[J]. Procedia Engineering, 2016, 162:441-447.

30 劉春友, 周永輝, 荊楚坤. 呼蘭河2003年洪水與1985年洪水對(duì)比分析[J]. 黑龍江水利科技, 2009, 37(4):16.

AccuracyEvaluationofMultisatelliteRemoteSensingPrecipitationProductsinAlpineRegionandItsApplicabilitytoRunoffSimulation

XU Shuqin1DING Xingchen1WANG Bin1,2WANG Lei3

(1.SchoolofWaterConservancyandCivilEngineering,NortheastAgriculturalUniversity,Harbin150030,China2.KeyLaboratoryofEfficientUtilizationofAgriculturalWaterResources,MinistryofAgriculture,Harbin150030,China3.CollegeofWaterResourcesandArchitecturalEngineering,NorthwestAamp;FUniversity,Yangling,Shaanxi712100,China)

The observed data of surficial precipitation stations were used as benchmark data, the Hulan River Basin of the alpine region was used as typical study area, the precision of the new generation satellite rainfall products TRMM(the tropical rainfall measuring mission) 3B42V7, 3B42RT and CHIRPS (Climate hazards group infrared precipitation with station data), IDWP precipitation data based on IDW(inverse distance weighted)were evaluated in day, month, quarter and spatial scales. The precipitation stations and satellite data were used to drive SWAT model, the SUFI-2 algorithm was used to calculate the model and sensitivity of parameters, simulate the daily flow process, and evaluate the application ability of multi satellite precipitation in watershed hydrological simulation and prediction. The research results showed that in the average watershed scale, the amount of 3B42V7, 3B42RT and CHIP over ground rainfall were 5.43%, 41.24% and 3.37%, 3B42V7 was very close to the ground precipitation in monthly, quarterly time scales. The cumulative probability distribution of daily precipitation intensity of 3B42RT was close to the surficial precipitation. The simulated results of 3B42V7 and CHIP were both very well in the rate of calibrated and validated period of the daily flow simulation results, NSCE was 0.77 and 0.84 in calibrated period, in the verification period it was 0.67 and 0.56, respectively. 3B42RT for the peak simulation of the flow was poor. The change of water quantity of CHIP was close to that of rainfall station, and the groundwater quantity of 3B42RT into the river was smaller than that of others, but the runoff depth and soil water content were larger. TRMM 3B42V7 and CHIRPS can be used as a basic application of precipitation data in cold regions for water resources management, drought monitoring and flood forecast research in ungauged and data-deficiency region. The next step would be to study the correction method of satellite precipitation data for cold region which would provide more reliable data for the future application of satellite precipitation data to carry out related research in the cold region.

cold region; remote sensing precipitation products; SWAT model; temporal scale; spatial scale

10.6041/j.issn.1000-1298.2017.11.035

P333.9

A

1000-1298(2017)11-0289-11

2017-03-29

2017-04-14

國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(2016YFC0400101)、國(guó)家自然科學(xué)基金項(xiàng)目(51009026)和農(nóng)業(yè)部農(nóng)業(yè)水資源高效利用重點(diǎn)實(shí)驗(yàn)室開放課題項(xiàng)目(2015002)

徐淑琴(1964—)，女，教授，博士生導(dǎo)師，主要從事流域數(shù)字水文模型與水庫(kù)優(yōu)化調(diào)度研究，E-mail: 1210569246@qq.com

王斌(1976—)，男，副教授，博士，主要從事水文過(guò)程模擬研究，E-mail: wangbin@neau.edu.cn