多衛(wèi)星遙感降水產(chǎn)品寒區(qū)誤差時(shí)空特征分析

徐淑琴，丁星臣，王 斌,2

多衛(wèi)星遙感降水產(chǎn)品寒區(qū)誤差時(shí)空特征分析

徐淑琴1，丁星臣1，王 斌1,2

（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）

選取北方寒區(qū)呼蘭河流域作為典型研究區(qū)，以地面雨量站及采用IDW插值方法獲得的IDWP降水?dāng)?shù)據(jù)作為基準(zhǔn)，采用多種統(tǒng)計(jì)學(xué)指標(biāo)評(píng)估多衛(wèi)星遙感降水產(chǎn)品在日、月、季度時(shí)間及0.05°×0.05°像元空間尺度對(duì)寒區(qū)地面降水探測(cè)精度，以SWAT模型研究其徑流模擬適用性，比較TRMM最新一代3B42V7降水產(chǎn)品相對(duì)于3B42V6改進(jìn)程度。結(jié)果表明，TRMM 3B42V7與TRMM 3B42V6相比，對(duì)流域平均及總體降水量探測(cè)均有改進(jìn)，日時(shí)間尺度上，V6過低估計(jì)地面降水0.89%，而V7過高估計(jì)5.43%，月及季度時(shí)間尺度上，兩者與雨量站降水量較為接近，降水強(qiáng)度探測(cè)方面，兩者對(duì)不同降水強(qiáng)度區(qū)間降水發(fā)生頻率均有不同程度估計(jì)，V6和V7均過高估計(jì)高強(qiáng)度大雨和暴雨量，分別高出21.98%、17.03%。V7對(duì)空間降水探測(cè)精度優(yōu)于V6。日徑流模擬方面，V7與V6相比，在寒區(qū)對(duì)徑流模擬改進(jìn)效果不顯著，驗(yàn)證期二者模擬結(jié)果接近，均可應(yīng)用于寒區(qū)徑流模擬。CMORPH_CRT、CMORPH_RAW、PERSIANN_CDR數(shù)據(jù)在寒區(qū)評(píng)估效果較差，不宜在北方寒區(qū)推廣。

寒區(qū)；衛(wèi)星遙感降水產(chǎn)品；時(shí)間尺度；空間尺度；SWAT模型；日徑流模擬

降水作為淡水主要來源，與水和能量循環(huán)密切相關(guān)。了解降水發(fā)生時(shí)間、地點(diǎn)及強(qiáng)度對(duì)氣象部門準(zhǔn)確預(yù)報(bào)降水，預(yù)防干旱、暴雨、洪水、泥石流、暴風(fēng)雪等災(zāi)害發(fā)生具有重要作用[1]。與氣溫、相對(duì)濕度等氣象要素相比，降水在時(shí)間和空間上變化差異顯著[2]。世界各地分布大量以地面雨量站和天氣雷達(dá)為主要觀測(cè)方式的降水觀測(cè)系統(tǒng)，但在海洋、沙漠、人口稀少地區(qū)和部分發(fā)展中國家缺少足夠地面降水觀測(cè)系統(tǒng)[3]。地面雨量站是最直接、最準(zhǔn)確降水觀測(cè)方式，但各站之間距離較遠(yuǎn)，站網(wǎng)布設(shè)密度較低，無法準(zhǔn)確合理反映降水空間分布[4]。雨量站降水觀測(cè)頻率較低，只能提供逐日降水量，存在缺測(cè)和誤測(cè)，無法為水文過程模擬提供連續(xù)時(shí)間序列準(zhǔn)確降水?dāng)?shù)據(jù)[5]。近年來，采用IR/MW（Infrared/microwave）傳感器獲取紅外降水估值及被動(dòng)微波數(shù)據(jù)聯(lián)合反演降水量并與地面雨量站降水?dāng)?shù)據(jù)融合，研制基于柵格形式高時(shí)空分辨率衛(wèi)星遙感降水產(chǎn)品[6-7]，其中代表性衛(wèi)星遙感降水產(chǎn)品主要有TRMM（Tropical Rainfall Measuring Mission）—3B42V6 和 3B42V7、CMORPH（the Climate Prediction Center MORPHing technique）—CRT和 RAW、 PERSIANN（Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks）—CDR、 PGF（Princeton Global Forcings product）等[8]。熱帶降雨測(cè)量衛(wèi)星TRMM攜帶PR（Precipitation Radar）傳感器是全球唯一星載測(cè)雨雷達(dá)[9]，具有觀測(cè)三維降水信息能力，在各種星載傳感器中成為獲取降水資料首選[10]。2011年7月，美國航天局Gorddard中心（Gorddard Space Flight Center，GSFC）對(duì)TRMM V6版本數(shù)據(jù)升級(jí)，發(fā)布V7版本TRMM數(shù)據(jù)（包括3B42、 3B43和3B42RT），替換原有V6數(shù)據(jù)集[11]。與V6相比，V7版本除再加工V6使用原有數(shù)據(jù)集外，引入SSMIS、MHS、GridSat-B1數(shù)據(jù)，在地面雨量校正方面，完全采用全球降水氣候計(jì)劃GPCC（Global Precipitation Climatology Center）數(shù)據(jù)，觀測(cè)衛(wèi)星采用緯度帶校準(zhǔn)方案。因此，TRMM V7數(shù)據(jù)對(duì)衛(wèi)星降水產(chǎn)品在氣候分析、水資源管理、洪水預(yù)報(bào)等具有重要作用，對(duì)V7數(shù)據(jù)誤差定量化評(píng)估，并與V6數(shù)據(jù)比較，可為未來V7數(shù)據(jù)TMPA算法修正提供技術(shù)支持。國內(nèi)外學(xué)者針對(duì)區(qū)域及全球尺度衛(wèi)星降水評(píng)估及應(yīng)用開展系列研究，楊云川等以長(zhǎng)江上游金沙江流域典型高山峽谷地區(qū)為研究區(qū)，評(píng)估TRMM PR 3B42 V6產(chǎn)品3h、日、月3種時(shí)間尺度精度[11]；胡慶芳等對(duì)比TRMM 3B42V6、TRMM 3B42RTV6和CMORPH精度特征，闡明TRMM 3B42V6誤差特征及成因[12]；Mantas等在地形復(fù)雜的秘魯安第斯山脈評(píng)估不同時(shí)間尺度下TRMM 3B42V7和3B42RT精度[13]；Sun等在淮河流域評(píng)估CGDPA、TRMM3B42V7、CMORPH_CRT、CMORPH_BLD、CMORPH_CMA數(shù)據(jù)精度，并采用大尺度VIC水文模型研究其水文模擬適用性[14]。Chen等在東江河流域評(píng)估TRMM準(zhǔn)實(shí)時(shí)3B42RT降水?dāng)?shù)據(jù)精度，采用新安江模型研究在徑流模擬及洪水預(yù)報(bào)適用性[15]。Xue等在不丹多山覆蓋流域評(píng)估TRMM 3B42V6、TRMM 3B42V7精度，并研究遙感降水?dāng)?shù)據(jù)輸入CREST最新V2.0版本分布式水文模型對(duì)徑流模擬適用性[16]。

國內(nèi)衛(wèi)星遙感降水水文應(yīng)用研究基礎(chǔ)薄弱，存在以下不足：①多數(shù)研究選擇大尺度流域或全國，空間尺度越大，衛(wèi)星遙感降水探測(cè)精度高，掩蓋小尺度流域誤差分布；②多選擇南方濕潤地區(qū)流域，對(duì)北方寒區(qū)研究不足；③季尺度及日以下尺度評(píng)估較少。為此，本文以北方寒區(qū)之一呼蘭河流域?yàn)榈湫脱芯繀^(qū)，將雨量站降水觀測(cè)值作為基準(zhǔn)數(shù)據(jù)，在日、月、季度時(shí)間尺度對(duì)比分析TRMM 3B43V7精度相對(duì)3B42V6改進(jìn)程度，同時(shí)引入CMORPH_CRT、 CMORPH_RAW、 PERSIANN_CDR、采用IDW插值獲得的0.05°×0.05°IDWP降水?dāng)?shù)據(jù)，評(píng)估以上多衛(wèi)星遙感降水產(chǎn)品時(shí)間及空間尺度探測(cè)精度，驗(yàn)證其降水?dāng)?shù)據(jù)可靠性和代表性，利用以上數(shù)據(jù)驅(qū)動(dòng)SWAT模型，采用SUFI-2算法考慮模型參數(shù)不確定性，通過日流量過程模擬，評(píng)估其流域水文過程模擬和預(yù)報(bào)性能，為寒區(qū)實(shí)現(xiàn)實(shí)時(shí)區(qū)域水文預(yù)報(bào)及災(zāi)害監(jiān)測(cè)等提供可靠降水?dāng)?shù)據(jù)。

1 研究區(qū)概況

呼蘭河為松花江支流，流域范圍東經(jīng)125.90°~128.80°和北緯46.18°~48.13°。全長(zhǎng) 523 km，流域面積35 683 km2。研究區(qū)高程范圍7~1 427 m，東北高，西南低。流域內(nèi)大部分地區(qū)無霜期較長(zhǎng)，積溫較高，土層深厚，黑土廣泛分布。統(tǒng)計(jì)流域內(nèi)四個(gè)氣象站1980~2010年日氣象數(shù)據(jù)，計(jì)算流域多年年平均降水量為549.4 mm，多年日平均降水量為1.5 mm，多年日平均氣溫為2.9℃，多年日最高氣溫為39.4℃，多年日最低氣溫為-42.4℃，多年日平均日照時(shí)數(shù)為7 h。由于降水地區(qū)分布極不均勻，上游山地森林區(qū)降水大，水量豐富。下游平原區(qū)降水少，蒸發(fā)強(qiáng)烈。流域內(nèi)降水時(shí)間分布不均，6~9月集中全年降水量65%，徑流量約占全年徑流量70%以上。本文選擇蘭西水文站（東經(jīng)126°20′、北緯46°15′）控制斷面以上27 430 km2集水面積作為研究區(qū)（見圖1）。

圖1 研究區(qū)分布圖Fig.1 Distribution map of study area

2 數(shù)據(jù)來源

本文研究所需數(shù)據(jù)來源及精度見表1。DEM數(shù)據(jù)用于獲取流域河網(wǎng)、劃分子流域及計(jì)算地形參數(shù)。研究區(qū)域提取出10種土地覆被類型，分別為水域、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)。土壤類型包含17種，分別為簡(jiǎn)育高活性淋溶土、簡(jiǎn)育黑土、潛育黑土、滯水黑土、簡(jiǎn)育黑鈣土、粘化栗鈣土、鈣積黑鈣土、潛育黑鈣土、鈣積潛育土、石灰性黑土、松軟潛育土、有機(jī)土、人為堆積土、漂白高活性淋溶土、潛育高活性淋溶土、飽和雛形土、沙丘流沙。以上柵格數(shù)據(jù)統(tǒng)一投影至WGS_1984_UTM_Zone_52N坐標(biāo)系。TRMM日降水?dāng)?shù)據(jù)由3h數(shù)據(jù)累加合成獲得。IDW插值方法簡(jiǎn)單、可靠，應(yīng)用廣泛[17]。

本文采用IDW方法對(duì)地面雨量站數(shù)據(jù)插值獲得精度為0.05°空間柵格降水?dāng)?shù)據(jù)，作為空間精度評(píng)估基準(zhǔn)降水?dāng)?shù)據(jù)。氣象及降水?dāng)?shù)據(jù)研究起止時(shí)間均為2001年1月1日~2006年12月31日，其中TRMM 3B42V6、TRMM3B42V7、CMORPH_CRT、CMORPH_RAW、PERSIANN_CDR、基于IDW插值降水?dāng)?shù)據(jù)在后文中分別簡(jiǎn)稱為V6、V7、CRT、RAW、CDR、IDWP。

表1 研究數(shù)據(jù)及來源Table 1 Research data and source

3 研究方法

在時(shí)空尺度定量評(píng)估中，參照已有研究成果選定如下指標(biāo)：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，B）、探測(cè)率（POD，P）、空?qǐng)?bào)率（FAR，F(xiàn)）、成功系數(shù)（CSI）、納什效率系數(shù)（NSCE，N）[17-18]。其中CC反映衛(wèi)星遙感降水產(chǎn)品同地面雨量站降水線性相關(guān)程度；MAE和RMSE反映衛(wèi)星遙感降水產(chǎn)品同地面雨量站降水平均誤差；B反映衛(wèi)星遙感降水產(chǎn)品系統(tǒng)偏差程度；P反映衛(wèi)星遙感降水產(chǎn)品對(duì)降水事件漏報(bào)程度；F反映衛(wèi)星遙感降水產(chǎn)品對(duì)降水事件錯(cuò)報(bào)程度；CSI反映衛(wèi)星遙感降水產(chǎn)品成功觀測(cè)降水事件比例。同時(shí)采用B和N定量比較不同降水?dāng)?shù)據(jù)對(duì)徑流模擬效果。MAE、RMSE、B、F越趨近于0越好，CC、P、CSI、N越趨近于1越好。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）比較衛(wèi)星降水產(chǎn)品在不同日降水強(qiáng)度范圍發(fā)生頻率，日降水強(qiáng)度范圍采用世界氣象組織WMO（the World Meteorological Organization）分類標(biāo)準(zhǔn)[9,20]：（1）0≤p＜1 mm（微量降水）；（2）1 mm≤p＜2 mm（小雨）；（3）2 mm≤p＜5 mm（低強(qiáng)度中雨）；（4）5 mm≤p＜10 mm（高強(qiáng)度中雨）；（5）10 mm≤p＜20 mm（低強(qiáng)度大雨）；（6）20 mm≤p＜50 mm（高強(qiáng)度大雨）；（7）P≥50 mm（暴雨）。

4 時(shí)空特征分析

采用matlab編程提取0.25°×0.25°柵格多種衛(wèi)星遙感降水量，當(dāng)柵格形心點(diǎn)在流域分水線以外時(shí)，認(rèn)為該降水量不在流域內(nèi)部，呼蘭河流域共提取54個(gè)柵格降水量。衛(wèi)星遙感降水量與雨量站日與月時(shí)間尺度流域平均降水量對(duì)比統(tǒng)計(jì)指標(biāo)計(jì)算結(jié)果見表2。日時(shí)間尺度上，V6、V7與雨量站相關(guān)性較好，CDR最差為-0.03。V6過低估計(jì)地面降水0.89%，而V7過高估計(jì)5.43%，V7與V6相比，探測(cè)降水量總體變大。日降水事件探測(cè)能力方面，V6降水漏報(bào)程度最高，V7優(yōu)于V6，而其他三種數(shù)據(jù)降水事件漏報(bào)程度均較低，CDR最低為0.9，以上數(shù)據(jù)成功觀測(cè)到降水事件比例CSI較為接近，為0.5左右。月時(shí)間尺度上，V6、V7與雨量站CC相同為0.98，兩種數(shù)據(jù)與雨量站一致性較好，優(yōu)于日降水?dāng)?shù)據(jù)。由于V7在2005年12月和2006年1、2月份出現(xiàn)缺測(cè)，本文以0替代缺測(cè)時(shí)間段，導(dǎo)致P值不為1。CRT、RAW、CDR在日與月時(shí)間尺度上與雨量站降水一致性均較差。

表2 日與月時(shí)間尺度流域平均降水量統(tǒng)計(jì)指標(biāo)計(jì)算結(jié)果Table 2 Calculated results of watershed average precipitation statistical indicators in day and month time scale

當(dāng)流域排水系統(tǒng)不通暢時(shí)，極端降水事件常引發(fā)洪水、財(cái)產(chǎn)損失和人員傷亡等災(zāi)害。為評(píng)估衛(wèi)星遙感降水產(chǎn)品對(duì)極端日降水量探測(cè)能力，本文將2001~2006年各月日最大降水量繪制于圖2。V6和V7與雨量站相關(guān)性較好，CC為0.84、0.85，BIAS為43.63%、28.60%，V6與V7相比過高估計(jì)日最大降水量。CDR與雨量站CC值最低為-0.15。CRT整體過高估計(jì)日最大降水量?？煽紤]采用V7數(shù)據(jù)預(yù)報(bào)極端降水事件。

6種降水產(chǎn)品各年對(duì)無降水事件發(fā)生探測(cè)率見圖3。V6＞雨量站＞V7＞CRT＞RAW＞CDR，V7與雨量站一致性較好，V6與V7相比，過高估計(jì)無降水事件發(fā)生，而CDR嚴(yán)重低估無降水事件發(fā)生。

為評(píng)估衛(wèi)星遙感降水產(chǎn)品對(duì)各月多年平均降水量探測(cè)能力，同時(shí)比較預(yù)報(bào)降水量，本文計(jì)算2001~2006年各月多年平均降水量見圖4，從百分比堆疊柱狀圖中可比較各月降水量，CDR在1~5月和9~12月寒區(qū)溫度較低月份降水量均大于其他五種數(shù)據(jù)。V6和V7探測(cè)降水量與雨量站較為接近。

季度時(shí)間尺度上，各季度多年平均降水量見表3，V6和V7數(shù)據(jù)與雨量站降水量接近，CRT、RAW、CDR過高估計(jì)秋季與冬季降水量，過低估計(jì)夏季降水量。CRT、CDR過高估計(jì)春季降水量。

不同空間位置降水強(qiáng)度變化對(duì)地表徑流和洪水模擬影響顯著。比較時(shí)間尺度上不同衛(wèi)星遙感降水產(chǎn)品日降水強(qiáng)度差異見圖5，與地面雨量站觀測(cè)相比，V6和CDR過低估計(jì)微量降水事件發(fā)生，低估44.94%、59.13%，而V7和RAW過高估計(jì)10.18%、66.64%。在[2，inf）降水強(qiáng)度范圍，V6均大于雨量站，整體高估23.43%，V7和CRT與雨量站一致性較好。在暴雨探測(cè)能力上，CRT最接近雨量站，僅低估7.9%。各降水強(qiáng)度范圍降水總量占總降水量百分比即雨量貢獻(xiàn)率（見圖6），V6和V7均過高估計(jì)高強(qiáng)度大雨和暴雨，分別過高估計(jì)21.98%、17.03%。RAW整體過高估計(jì)（0，10]降水強(qiáng)度范圍降水量，低估[10，inf）降水量。

空間分析可直觀了解流域不同位置衛(wèi)星遙感降水產(chǎn)品對(duì)雨量探測(cè)精度，本文將衛(wèi)星遙感降水柵格數(shù)據(jù)重采樣并采用IDW方法對(duì)雨量站降水量插值最終獲得6種0.05°×0.05°像元柵格降水?dāng)?shù)據(jù)。以IDWP降水作為基準(zhǔn)數(shù)據(jù)，分析其他5種降水產(chǎn)品在流域不同位置相關(guān)性、系統(tǒng)誤差、成功系數(shù)（見圖7）。與V6相比，V7空間相關(guān)性較好，流域大部分面積具有較好CC值，而V6僅流域東北方向CC較好，V7CCmax小于V6。CRT、RAW在流域西北方向CC值相對(duì)較好，但與V6和V7相比，流域整體相關(guān)性均較差。CDRCC值表現(xiàn)最差。空間系統(tǒng)誤差方面，與V7相比，V6在流域東北方向探測(cè)精度較差，過高估計(jì)降水量。CRT和CDRBIASmax較大，CDR過高估計(jì)流域西南方向降水量。降水探測(cè)方面，V6和V7在東側(cè)流域高程較大位置CSI分布較好，CRT和RAWCSI值在北側(cè)分布較好，CDR探測(cè)精度分布最好。

圖2 2001～2006年各月日最大降水量Fig.2 The maximum daily precipitation of each month in 2001-2006

圖3 無雨頻率Fig.3 Frequency of no rain

5 日徑流模擬適用性評(píng)價(jià)

本文采用美國農(nóng)業(yè)部（United States Department of Agriculture，USDA）農(nóng)業(yè)研究中心（Agricultural Research Service，ARS）JEFF Arnold等開發(fā) SWAT（Soil and water assessment tool）模型研究衛(wèi)星遙感降水產(chǎn)品徑流模擬適用性[19]。

在處理空間數(shù)據(jù)及計(jì)算屬性數(shù)據(jù)構(gòu)建SWAT模型數(shù)據(jù)庫過程中，按照子流域?qū)嶋H分布情況，將最小匯水面積閾值設(shè)為500 km2，研究區(qū)共劃分37個(gè)子流域。流域坡度劃分為5類。劃分水文響應(yīng)單元（Hydrological response units，HRU）需設(shè)定土地利用、土壤類型和坡度閾值分別為15%、20%、15%，即通過設(shè)定該閾值，清除各子流域內(nèi)次要土地利用類型，清除流域面積百分?jǐn)?shù)小于閾值土地利用、土壤和坡度類型，重新分配其余土地利用類型面積百分?jǐn)?shù)，流域中100%土地面積可被模擬，有助于提高徑流模擬精度，最終將流域劃分為248個(gè)水文響應(yīng)單元。SWAT模型以HRU作為基本單元計(jì)算產(chǎn)匯流量。選擇2001~2003年為率定期，2004~2006年為驗(yàn)證期，模型率定采用SUFI-2算法，NSCE和BIAS作為評(píng)價(jià)指標(biāo)，模型計(jì)算1 500次，以V7數(shù)據(jù)為例，選取對(duì)徑流影響較大20個(gè)參數(shù)敏感性分析結(jié)果（見圖7），SCS徑流曲線數(shù)CN2、河岸調(diào)蓄基流α因子ALPHA_BNK、最大冠層截留量CANMX、SMTMP融雪積溫等參數(shù)對(duì)徑流模擬影響較大。當(dāng)|B|＜10%時(shí)，模擬結(jié)果良好；當(dāng)N＞0.75或10%＜|B|＜15%時(shí)，模擬結(jié)果較好；當(dāng)0.36＜N＜0.75或15%＜|B|＜25%時(shí)，模擬結(jié)果最優(yōu)；當(dāng)N＜0.36或|B|≥25%時(shí)，模擬結(jié)果較差[20]。

圖4 各月多年平均降水量百分比堆疊柱狀圖Fig.4 Everage annual precipitation stacked histograms percentage of percentage in each month

表3 季度多年平均降水量Table 3 Average annual precipitation in quarter (mm)

圖5 多年日降水強(qiáng)度概率分布Fig.5 Probability distribution of annual daily precipitation intensity

圖6 多年日降水量貢獻(xiàn)率Fig.6 Contribution rate of annual daily precipitation

圖7 V6、V7、CRT、RAW、CDR各統(tǒng)計(jì)指標(biāo)空間分布圖Fig.7 Spatial distribution of statistical indicators from V6,V7,CRT,RAW,CDR

表4 TRMM 3B42V7參數(shù)敏感性分析結(jié)果Table 4 Sensitivity analysis results of TRMM 3B42V7 parameters

模型率定1 500次日徑流模擬結(jié)果見圖8，率定期N值分別為0.84、0.86、0.75、0.07、0.18、-0.05，雨量站、V6、V7模擬效果較好，V6模擬效果最好，N值大于雨量站。驗(yàn)證期N值分別為0.68、0.57、0.63、0.35、0.31、0.05，CDR 模擬效果較差，V7N值大于V6，但均小于雨量站。系統(tǒng)誤差方面，率定期V6|B|值最小，為0.01%，驗(yàn)證期RAW|B|值最小為1.5%。總體來看，V7與V6相比，在寒區(qū)對(duì)徑流模擬效果改進(jìn)不大，驗(yàn)證期兩者模擬結(jié)果接近。

圖8 率定期與驗(yàn)證期日徑流模擬結(jié)果Fig.8 Results of daily runoff simulation in calibration and validation period

為直觀比較不同降水?dāng)?shù)據(jù)建立的SWAT模型對(duì)流域各年日徑流模擬效果，流域各年日徑流模擬結(jié)果NSCE和BIAS值見圖9。

由圖9可知，雨量站、V6、V7對(duì)2003和2006年徑流模擬結(jié)果較好，NSCE均大于0.75，BIAS值較低；CRT和RAW對(duì)2006年徑流模擬效果最優(yōu)，NSCE分別為0.41、0.53，而CDR模擬效果均較差。通過選擇非穩(wěn)定變化流量時(shí)段可更好檢驗(yàn)輸入數(shù)據(jù)對(duì)徑流模擬效果影響程度，由于2003年流量峰值較大，模型過度擬合峰值對(duì)其他年份模擬產(chǎn)生較大影響，從V6和V7數(shù)據(jù)模擬結(jié)果看，可應(yīng)用于寒區(qū)徑流模擬。

圖9 流域各年日徑流模擬NSCE和BIAS值Fig.9 NSCE and BIAS values of the basin daily runoff simulation in each year

6 結(jié)論

對(duì)于流域平均降水量，日時(shí)間尺度上，V6過低估計(jì)地面降水0.89%，V7過高估計(jì)5.43%，V7與V6相比，探測(cè)降水量總體變大。月時(shí)間尺度上，V6、V7與雨量站一致性較好，優(yōu)于日降水?dāng)?shù)據(jù)。降水強(qiáng)度探測(cè)方面，CDR對(duì)降水事件漏報(bào)程度最低。V6與V7相比過高估計(jì)日最大降水量。對(duì)無降水事件發(fā)生探測(cè)率方面，V7與雨量站一致性較好，V6過高估計(jì)無降水事件發(fā)生，而CDR嚴(yán)重低估無降水事件發(fā)生。季度時(shí)間尺度上，V6和V7數(shù)據(jù)與雨量站降水量接近。統(tǒng)計(jì)流域所有衛(wèi)星遙感及雨量站降水量，日降水強(qiáng)度探測(cè)方面，對(duì)于微量降水，V6過低估計(jì)44.94%，V7過高估計(jì)10.18%。雨量探測(cè)率方面，V6和V7均過高估計(jì)高強(qiáng)度大雨和暴雨。日徑流模擬方面，V6與V7在驗(yàn)證期模擬效果接近。而CMORPH_CRT、CMORPH_RAW、PERSIANN_CDR三種降水產(chǎn)品評(píng)估效果均較差，但CDR數(shù)據(jù)對(duì)降水強(qiáng)度漏報(bào)程度最低，POD為0.9。

[1] Becker A,Finger P,Meyerchristoffer A,et al.A description of the global land-surface precipitation data products of the Global Precipitation Climatology Centre with sample applications including centennial(trend)analysis from 1901-present[J].Earth System Science Data,2012,5(2):921-998.

[2] Nastos P T,Kapsomenakis J,Philandras K M.Evaluation of the TRMM 3B43 gridded precipitation estimates over Greece[J].Atmospheric Research,2016,169:497-514.

[3] Kidd C,Huffman G,Kirschbaum D,et al.So,how much of the Earth's surface is covered by rain gauges?[C]//Geophysical Research Abstracts,EGU General Assembly,2014.

[4] Javanmard S,Yatagai A,Nodzu M I,et al.Comparing high-resolution gridded precipitation data with satellite precipitation estimates of TRMM_3B42 over Iran[J].Advances in Geosciences,2010,25(25):119-125.

[5] Bull M.Temperature and precipitation variability in Italy in the last two centuries from homogenised instrumental time series,Int[J].International Journal of Climatology,2006,26(3):345-381.

[6] Awange J L,Forootan E.An evaluation of high-resolution gridded precipitation products over Bhutan(1998-2012)[J].International Journal of Climatology,2015,36(3):21.

[7] 郭瑞芳,劉元波.多傳感器聯(lián)合反演高分辨率降水方法綜述[J].地球科學(xué)進(jìn)展,2015,8:891-903.

[8] 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.

[9] Immerzeel W W,Rutten M M,Droogers P.Spatial downscaling of TRMM precipitation using vegetative response on the Iberian Peninsula[J].Remote Sensing of Environment,2009,113(2):362-370.

[10] 田苗,李衛(wèi)國.基于TRMM遙感數(shù)據(jù)的旱澇時(shí)空特征分析[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2015,46(5):252-257.

[11] 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.

[12] 胡慶芳,楊大文,王銀堂,等.贛江流域TRMM降水?dāng)?shù)據(jù)的誤差特征與成因[J].水科學(xué)進(jìn)展,2013,24(6):794-800.

[13] Mantas V M,Liu Z,Caro C,et al.Validation of TRMM multisatellite precipitation analysis(TMPA)products in the Peruvian Andes[J].Atmospheric Research,2015,163:132-145.

[14] Sun R,Yuan H,Liu X,et al.Evaluation of the latest satellitegauge precipitation products and their hydrologic applications over the Huaihe River basin[J].Journal of Hydrology,2016,536:302-319.

[15] Chen C,Yu Z,Li L,et al.Adaptability evaluation of TRMM satellite precipitation and its application in the Dongjiang River basin[J].Procedia Environmental Sciences,2011,10(1):396-402.

[16] 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(13-14):91-99.

[17] 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.

[18] 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.

[19] 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.

[20] 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(C):14-37.

Alternative observation of ground stations by multiple satellite remote sensing precipitation in alpine region/

XU Shuqin1,DING Xingchen1,WANG Bin1,2
(1.School of Water Conservancy and Civil Engineering,Northeast Agricultural University,Harbin 150030,China;2.Key Laboratory of Efficient Utilization of Agricultural Water Resources,Ministry of Agriculture,Harbin 150030,China)

The Hulan River basin in the north cold region was chosen as a typical research area,precipitation stations of the ground and IDWP precipitation data obtained by IDW interpolation method were taken as the benchmark data,the detecting precision of the cold region precipitationin the daily,monthly and quarterly time and spatial scales of 0.05°×0.05°pixels of the multi-satellite remote sensing precipitation products were evaluated by a variety of statistical indexes,SWAT model was used to research its applicability in runoff simulation.Compared the improvement of TRMMla test generation 3B42V7 precipitation product with 3B42V6.The results showed that compared with TRMM 3B42V6,TRMM 3B42V7had been improved in the detection of average and total precipitation in the basin.Onthe daily time scale,V6 underestimated surficial precipitationby 0.89%and V7 overestimated by 5.43%.On the monthly and quarterly time scales,V6 and V7 were relatively close to the precipitation of station.In terms of precipitation intensity detection,V6 and V7 had estimation of different degrees on precipitation occurring frequency of different precipitation intensity ranges,V6 and V7 had overestimated the amount of high intensity heavy rain and rainstormby 21.98%and 17.03%respectively.V7 was better than V6 in the detection of the space precipitation.In terms of daily runoff simulation,compared V7 with V6,the simulated effect of runoff in cold region was not improved greatly,simulation results of V6 and V7 were relatively close in the verification period,which could be both applied to the runoff simulation in cold region.The evaluated results of CMORPH_CRT,CMORPH_RAW and PERSIANN_CDR were poor in cold region,all of them should not be widely used in cold region.

cold region;satellite precipitation;SWAT model;temporal scale;spatial scale;daily runoff simulation

P333.9

A

1005-9369（2017）11-0063-11

時(shí)間2017-12-7 12:36:58 [URL]http://kns.cnki.net/kcms/detail/23.1391.S.20171207.1236.014.html

徐淑琴,丁星臣,王斌.多衛(wèi)星遙感降水產(chǎn)品寒區(qū)誤差時(shí)空特征分析[J].東北農(nóng)業(yè)大學(xué)學(xué)報(bào),2017,48(11):63-73.

Xu Shuqin,Ding Xingchen,Wang Bin.Alternative observation of ground stations by multiple satellite remote sensing precipitation in alpine region[J].Journal of Northeast Agricultural University,2017,48(11):63-73.(in Chinese with English abstract)

2017-06-21

國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（2016YFC0400101）；國家自然科學(xué)基金資助項(xiàng)目（51009026）；黑龍江省教育廳科學(xué)技術(shù)研究項(xiàng)目（12531024）；農(nóng)業(yè)部農(nóng)業(yè)水資源高效利用重點(diǎn)實(shí)驗(yàn)室開放課題資助項(xiàng)目（2015002）；東北農(nóng)業(yè)大學(xué)農(nóng)業(yè)水土工程創(chuàng)新團(tuán)隊(duì)項(xiàng)目

徐淑琴（1964-），女，教授，博士生導(dǎo)師，研究方向?yàn)榱饔驍?shù)字水文模型、水庫優(yōu)化調(diào)度。E-mail:1210569246@qq.com