呼蘭河流域網(wǎng)格化降水產(chǎn)品評(píng)估研究

邢貞相，袁 澤，段維義，喻 熠，紀(jì) 毅，劉昊奇，付 強(qiáng)

（東北農(nóng)業(yè)大學(xué)水利與土木工程學(xué)院，哈爾濱 150030）

降水是水文循環(huán)中主要環(huán)節(jié)，是水文模型最重要?dú)庀筝斎胱兞恐唬瑴?zhǔn)確的降水輸入是獲得可靠地表水文模擬基本條件[1]。地面降水觀測(cè)站是測(cè)量降水最直接途徑，但復(fù)雜地形中雨量計(jì)密度低，分布不均勻，難以滿足陸面水文模型對(duì)降水?dāng)?shù)據(jù)連續(xù)性、長(zhǎng)序列及大尺度要求[2]。因此，準(zhǔn)確獲取區(qū)域降水?dāng)?shù)據(jù)對(duì)于水文模型驗(yàn)證、應(yīng)用及水資源管理具有重要意義[3]。

因網(wǎng)格化降水產(chǎn)品具有空間分辨率高、覆蓋面積廣、時(shí)間跨度長(zhǎng)、便于獲取和處理等優(yōu)勢(shì)應(yīng)用廣泛，成為水文研究中地面監(jiān)測(cè)降水潛在替代品。目前我國(guó)應(yīng)用較多的網(wǎng)格化降水產(chǎn)品有中國(guó)區(qū)域地面氣象要素?cái)?shù)據(jù)（China meteorological forcing dataset，CMFD）、全球高分辨率的陸面模擬系統(tǒng)（Global land data assimilation system,GLDAS）、中國(guó)氣象局陸面同化系統(tǒng)（China meteorological administration land data assimilation system,CLDAS）、中國(guó)自動(dòng)站與CMORPH融合的逐時(shí)降水產(chǎn)品（CMPA）等。目前國(guó)內(nèi)流域使用CMFD和GLDAS驅(qū)動(dòng)分布式水文模型，王姝等使用CMFD驅(qū)動(dòng)NoahMP陸面過程-RAPID河網(wǎng)匯流耦合模式，模擬大渡河流域水文過程[4]；王福興在輝發(fā)河流域驗(yàn)證GLDAS降水、氣溫及長(zhǎng)波輻射精度較高，并以GLDAS驅(qū)動(dòng)WEB-DHM模型，較好再現(xiàn)該流域水循環(huán)過程[5]。CLDAS和CMPA在水文模擬上應(yīng)用相對(duì)較少，但已有對(duì)水文模擬應(yīng)用的潛力評(píng)估，孫帥等證明CLDAS長(zhǎng)序列融合降水產(chǎn)品優(yōu)于CMORPH和MERRA2降水產(chǎn)品，滿足中國(guó)陸面水文模擬、氣候研究等相關(guān)領(lǐng)域需要[6]；田鳳云等從水文應(yīng)用角度評(píng)估CMPA在黃土高原精度，結(jié)果表明該產(chǎn)品可合理反映研究區(qū)降水日變化過程[7]。

呼蘭河流域位于東經(jīng)125.90°～128.80°、北緯

46.18°～48.13°，是松花江（見圖1a）左岸最大支流之一，屬高寒地區(qū)，雨量站站網(wǎng)較為稀疏，降水形態(tài)多變，表現(xiàn)為雨、雪、雨雪混合物等多種形態(tài)，地面雨量計(jì)觀測(cè)誤差較大。網(wǎng)格化降水產(chǎn)品雖可在一定程度上彌補(bǔ)其不足，但不同降水產(chǎn)品存在區(qū)域表現(xiàn)差異，需要對(duì)其準(zhǔn)確性和區(qū)域適用性評(píng)價(jià)展開針對(duì)性研究[8-9]。本研究基于地面雨量計(jì)的中國(guó)逐日網(wǎng)格降水量實(shí)時(shí)分析系統(tǒng)數(shù)據(jù)集（CGDPA）和位于呼蘭河流域內(nèi)3個(gè)國(guó)家級(jí)雨量站逐日降水資料作為參考值[10-11]，評(píng)估CMFD、GLDAS、CLDAS降水產(chǎn)品和CMPA在呼蘭河流域全年、汛期（6～9月）、非汛期3種時(shí)段時(shí)空分布特征和精度，評(píng)估各網(wǎng)格化降水產(chǎn)品在多個(gè)時(shí)空尺度上適用性，為呼蘭河流域水文模擬和水資源管理提供可靠的網(wǎng)格化降水?dāng)?shù)據(jù)來源。

1 研究區(qū)域概況

呼蘭河流域（見圖1）發(fā)源于小興安嶺西麓，全長(zhǎng)523 km，流域面積35 683 km2，東北部為山地，西部和中部為丘陵和臺(tái)地。呼蘭河流域?qū)俦睖貛Ъ撅L(fēng)氣候區(qū)，春季降水量占全年降水15%，徑流主要靠融雪補(bǔ)給，且徑流量??；夏、秋汛期（6～9月）降水占全年降水70%～80%，徑流量占全年徑流總量75%～80%，是呼蘭河流域暴雨洪水多發(fā)期；冬季漫長(zhǎng)、干燥，最低氣溫-41.8℃，凍土深度約2 m，河流在冬季有時(shí)因缺少地下水補(bǔ)給而斷流。呼蘭河流域降水、徑流明顯的季節(jié)性變化和地表土壤季節(jié)性凍融造成該流域水文過程復(fù)雜。

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

蘭西水文站位于呼蘭河干流，是呼蘭河流入松花江前的把口站，控制斷面以上河長(zhǎng)378 km，集水區(qū)面積為25 587 km2，將該區(qū)域作為網(wǎng)格化降水產(chǎn)品時(shí)空特征對(duì)比分析和精度評(píng)價(jià)的主要區(qū)域。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)

2.1.1 數(shù)據(jù)介紹

本研究收集整理2008～2015年降水資料為基礎(chǔ)數(shù)據(jù)（見表1）：

①中國(guó)逐日網(wǎng)格降水量實(shí)時(shí)分析系統(tǒng)數(shù)據(jù)集，簡(jiǎn)稱CGDPA數(shù)據(jù)。通過實(shí)時(shí)提取全國(guó)2 419個(gè)站（包括國(guó)家氣候觀象臺(tái)，國(guó)家氣象觀測(cè)一級(jí)站、二級(jí)站）逐日降水量，采用“基于氣候背景場(chǎng)”最優(yōu)插值方法，實(shí)時(shí)生成中國(guó)區(qū)域逐日降水量網(wǎng)格產(chǎn)品。

②中國(guó)區(qū)域地面氣象要素?cái)?shù)據(jù)集，簡(jiǎn)稱CMFD數(shù)據(jù)。該數(shù)據(jù)集以Princeton再分析資料、GLDAS資料、GEWEX-SRB輻射資料和TRMM（Tropical rainfall measuring mission）降水資料為背景場(chǎng)，融合氣象觀測(cè)數(shù)據(jù)制作一套再分析數(shù)據(jù)集，包含近地面氣溫、近地面氣壓、近地面空氣比濕、近地面全風(fēng)速、地面向下短波輻射、地面向下長(zhǎng)波輻射、地面降水率7個(gè)氣象變量[12]，將CMFD數(shù)據(jù)集地面降水率變量簡(jiǎn)寫為CMFD_P。

③全球高分辨率陸面模擬系統(tǒng)，簡(jiǎn)稱GLDAS數(shù)據(jù)，是基于多源觀測(cè)數(shù)據(jù)和再分析資料同化形成的全球高分辨率陸面模擬系統(tǒng)。GLDAS降水?dāng)?shù)據(jù)基于CMPA得出，融合地面觀測(cè)值和5種衛(wèi)星估計(jì)值[7]。本研究將GLDAS氣象驅(qū)動(dòng)數(shù)據(jù)中降水率變量簡(jiǎn)寫為GLDAS_P。

④東亞區(qū)域大氣驅(qū)動(dòng)場(chǎng)再分析數(shù)據(jù)集，簡(jiǎn)稱CLDAS數(shù)據(jù)。該數(shù)據(jù)集利用多種來源地面、衛(wèi)星等觀測(cè)資料，采用多重網(wǎng)格變分同化（STMAS）、最優(yōu)插值（OI）、概率密度函數(shù)匹配（CDF）、輻射傳輸模型物理反演、地形校正等技術(shù)研制而成，有氣溫、氣壓、比濕、風(fēng)速、小時(shí)降水和短波輻射6個(gè)氣象要素，本研究將CLDAS數(shù)據(jù)集小時(shí)降水變量簡(jiǎn)寫為CLDAS_P。

⑤中國(guó)自動(dòng)站與CMORPH融合逐小時(shí)降水量

0.1°網(wǎng)格數(shù)據(jù)集，簡(jiǎn)稱CMPA數(shù)據(jù)。該數(shù)據(jù)集以地面逐時(shí)降雨格點(diǎn)數(shù)據(jù)為基礎(chǔ)，使用最優(yōu)插值（Optimal Interpolation，OI）方法與衛(wèi)星降雨資料結(jié)合生成降雨融合產(chǎn)品。

此外，實(shí)測(cè)雨量站點(diǎn)數(shù)據(jù)來源于中國(guó)氣象數(shù)據(jù)網(wǎng)（http://data.cma.cn）中國(guó)地面氣候資料日值數(shù)據(jù)集（V3.0），該數(shù)據(jù)集內(nèi)共包含三個(gè)呼蘭河流域內(nèi)站點(diǎn)，分別為北林站、海倫站、鐵力站（見圖1b）。

2.1.2 數(shù)據(jù)處理

由于各降水產(chǎn)品所使用源數(shù)據(jù)、生成方法和應(yīng)用場(chǎng)景不同，5套網(wǎng)格化降水產(chǎn)品之間存在不相同儲(chǔ)存格式、單位、時(shí)區(qū)、時(shí)間步長(zhǎng)、空間分辨率和空間范圍（見表1），為便于統(tǒng)一分析對(duì)比，需對(duì)5套降水產(chǎn)品預(yù)處理。

表1 降水產(chǎn)品基本信息Table 1 Summary of the precipitation products

5套網(wǎng)格化降水產(chǎn)品中，CMFD、GLDAS、CLDAS為再分析氣象驅(qū)動(dòng)數(shù)據(jù)集，儲(chǔ)存格式為自描述文件格式NetCDF（Network common data form），單個(gè)文件中均包含多個(gè)氣象要素，使用Python語言編程提取上述3套數(shù)據(jù)中逐1 h/3 h降水率（mm·s-1）變量并轉(zhuǎn)換為累計(jì)1 h/3 h降水量（mm）。CGDPA與CMPA是實(shí)時(shí)更新降水量網(wǎng)格數(shù)據(jù)集，儲(chǔ)存格式為GrADS標(biāo)準(zhǔn)格式，使用CDO（Climate data operators）工具將其轉(zhuǎn)換為與上述3套再分析氣象驅(qū)動(dòng)數(shù)據(jù)集相同的NetCDF格式。

為便于分析和應(yīng)用各套降水產(chǎn)品，使用雙線性插值方法將所有降水產(chǎn)品原有網(wǎng)格尺度重新映射到1 km×1 km網(wǎng)格上，并投影轉(zhuǎn)換（朗伯等角圓錐投影）、裁切至研究區(qū)域等處理。而后將5套數(shù)據(jù)時(shí)區(qū)統(tǒng)一轉(zhuǎn)換為北京時(shí)間（UTC+8），并將其累積為3 h、日值、月值和年值降水量序列。

2.2 方法

2.2.1 分析方法

由于呼蘭河流域70%～80%降水來自夏、秋汛期（6～9月），本研究進(jìn)一步將呼蘭河流域全年分為汛期（6～9月）和非汛期（10月～次年5月）兩個(gè)時(shí)期。CMFD_P、GLDAS_P、CLDAS_P、CMPA 4套降水產(chǎn)品時(shí)間和空間分布特征以CGDPA日數(shù)據(jù)和流域內(nèi)3個(gè)國(guó)家級(jí)雨量站日觀測(cè)資料作為參考值，通過日降水精度、月平均降水年內(nèi)分配特征、各時(shí)段年際變化特征和多年平均降水量精度闡述CMFD_P、GLDAS_P、CLDAS_P、CMPA時(shí)間分布特征。以研究區(qū)域各點(diǎn)全年、汛期、非汛期3個(gè)時(shí)段多年平均降水量闡述CMFD_P、GLDAS_P、CLDAS_P、CMPA空間分布特征。

2.2.2 評(píng)估指標(biāo)

4套降水產(chǎn)品多年平均降水量采用相對(duì)誤差（RE）評(píng)價(jià)，日尺度定量精度使用相關(guān)系數(shù)（CC）、偏差（BIAS）、根均平方誤差（RMSE）和泰勒?qǐng)D分析4種標(biāo)準(zhǔn)評(píng)價(jià)。當(dāng)CC高于0.7時(shí)，變量顯著相關(guān)[13]，當(dāng)BIAS值為-10%～10%，精度可接受[14]。泰勒?qǐng)D將模擬值歸一化標(biāo)準(zhǔn)差和真實(shí)值之間相關(guān)系數(shù)繪制同一圖中，模擬點(diǎn)同參考點(diǎn)距離表示評(píng)估值與真實(shí)值中心化均方根誤差。通過泰勒?qǐng)D對(duì)比不同模擬方案優(yōu)劣，即越靠近參考點(diǎn)說明相關(guān)系數(shù)越高，均方根誤差越小[11]。

指標(biāo)計(jì)算公式如下：

式中，n為樣本總數(shù)；i為時(shí)次；P和O分別為降水產(chǎn)品估計(jì)值和參考值；Pˉ和Oˉ分別為降水產(chǎn)品估計(jì)值和參考值均值。

3 結(jié)果與分析

3.1 基于時(shí)間分布特征的降水產(chǎn)品評(píng)估

3.1.1 日降水量精度

由圖2可知，對(duì)于3個(gè)時(shí)段，GLDAS_P對(duì)應(yīng)點(diǎn)據(jù)距參考值點(diǎn)較遠(yuǎn)，精度最低；CMPA、CLDAS_P和CMFD_P對(duì)應(yīng)點(diǎn)據(jù)距參考值點(diǎn)較近。根據(jù)泰勒?qǐng)D分析原理和4套數(shù)據(jù)對(duì)應(yīng)點(diǎn)據(jù)距參考值點(diǎn)距離遠(yuǎn)近可知，4套降水產(chǎn)品表征的日面雨量和日點(diǎn)雨量在全年（見圖2a）和汛期（見圖2b）精度優(yōu)劣程度排序相同，均依次為CMPA＞CLDAS_P＞CMFD_P＞GLDAS_P。非汛期（見圖2c）由于CMFD_P在不同空間尺度上均有較小離散程度（歸一化標(biāo)準(zhǔn)差更接近“1.0”），整體精度最高；CLDAS_P和CMPA的CC和RMSE（具體數(shù)值見表2）在海倫站精度較低，同時(shí)CLDAS_P距參考值點(diǎn)近于CMPA，故CLDAS_P精度高于CMPA；結(jié)合上文GLDAS_P散點(diǎn)距參考值點(diǎn)最遠(yuǎn)、精度最低結(jié)論，最終得出4套降水品在非汛期精度優(yōu)劣為CMFD_P＞CLDAS_P＞CMPA＞GLDAS_P。

表2 列出4套降水產(chǎn)品不同空間尺度日降水量精度評(píng)價(jià)指標(biāo)具體數(shù)值。據(jù)表2可知，對(duì)于相關(guān)系數(shù)，CMFD_P、CLDAS_P、CMPA在3個(gè)時(shí)段均與CGDPA顯著相關(guān)，汛期相關(guān)系數(shù)在0.9以上，非汛期在0.7以上。對(duì)于RMSE，CMFD_P和CLDAS_P在全年和汛期RMSE值接近，全年RMSE在1.7～2.7 mm，汛期RMSE在2.2～5.0 mm，精度優(yōu)于其他兩套降水產(chǎn)品。對(duì)于BIAS，CMFD_P的BIAS值最小，3個(gè)時(shí)段BIAS絕對(duì)值均小于10%；此外，GLDAS_P在全年BIAS均小于10%，而汛期與非汛期BIAS較大，且正負(fù)不一致（汛期BIAS為正值，非汛期BIAS為負(fù)值）。

3.1.2 年內(nèi)分配特征

4套網(wǎng)格化降水產(chǎn)品分別與CGDPA數(shù)據(jù)對(duì)比的多年平均年內(nèi)月分配過程見圖3?？梢姡?套數(shù)據(jù)體現(xiàn)年內(nèi)月分配過程與CGDPA數(shù)據(jù)月分配過程變化趨勢(shì)總體一致，其中月最大降水集中在7月，月最小降水出現(xiàn)在1月、2月和12月。此外，從年內(nèi)降水量集中程度看，CLDAS_P、CMPA、CMFD_P年內(nèi)分配過程均表征流域內(nèi)70%～80%年降水量集中在汛期，其余少量降水分布在非汛期特征；與上述3套數(shù)據(jù)相比，GLDAS_P在年內(nèi)降水量集中程度表現(xiàn)上相對(duì)較差，汛期降水量占比偏低、非汛期降水量占比偏高，與3.1.1得出該數(shù)據(jù)年內(nèi)日降水量在汛期、非汛期精度低的結(jié)論一致。但這一結(jié)論與王福興[5]在輝發(fā)河流域應(yīng)用該數(shù)據(jù)的結(jié)論不同，原因可能是不同流域表征的年內(nèi)分配特征存在較大差異。這也是網(wǎng)格化降水產(chǎn)品應(yīng)用時(shí)需局地適用性評(píng)價(jià)的原因。

圖2 4套降水產(chǎn)品的日降水量泰勒?qǐng)DFig.2 Taylor diagrams of daily precipitation

表2 4套降水產(chǎn)品不同時(shí)段日降水量的精度分析Table 2 Accuracy analysis of daily precipitation during different period

圖3 各降水產(chǎn)品在呼蘭河流域多年平均年內(nèi)分配Fig.3 Distribution of monthly average precipitation from different products in the Hulanhe Basin

3.1.3 多年平均降水量精度

由圖4可知，4套數(shù)據(jù)汛期誤差均高于全年和非汛期。對(duì)于全年降水量，與CGDPA相比，CMFD_P與GLDAS_P多年平均全年降水量分別高估8%和11%、CLDAS_P與CMPA多年平均全年降水量分別低估16%和23%；對(duì)于汛期，與CGDPA相比，CMFD_P高估10%，其他3套降水產(chǎn)品分別低估12%、16%和17%；對(duì)于非汛期，與CGDPA相比，CMFD_P與GLDAS_P分別高估12%和78%，CLDAS_P與CMPA分別低估38%和26%。

此外，需強(qiáng)調(diào)表3中CMFD_P在汛期多年平均降水量為490 mm，顯著高于其他3套降水產(chǎn)品數(shù)值（370～390 mm），可能因該套數(shù)據(jù)在融合降水時(shí)以TRMM等衛(wèi)星降水?dāng)?shù)據(jù)作為背景場(chǎng)[15]、而TRMM降水在呼蘭河流域日尺度降水高估[16]有關(guān)。

圖4 4套降水產(chǎn)品在呼蘭河流域不同時(shí)段降水量相對(duì)誤差Fig.4 Relative errors of four sets of precipitation products in Hulanhe Basin in different time periods

表3 各套降水產(chǎn)品在呼蘭河流域多年平均全年、汛期和非汛期降水量及相對(duì)誤差Table 3 Mean annual annual precipitation in a year,flood season and non-flood season and relative error for each precipitation products in Hulanhe Basin

3.1.4年際變化特征

4套降水產(chǎn)品在2008～2015年全年降水量（見圖5a）和汛期降水量（見圖5b）變化趨勢(shì)均與CGDPA所表現(xiàn)趨勢(shì)一致，呼蘭河2009、2012和2013年發(fā)生全流域性洪水，與圖4顯示全年降水量（見圖4a）和汛期降水量（見圖4b）年際變化特征一致。在非汛期（見圖5c），GLDAS_P、CMFD_P表現(xiàn)變化趨勢(shì)均與CGDPA一致，但CMPA、CLDAS_P所表現(xiàn)變化趨勢(shì)與CGDPA不一致，一方面是降水量級(jí)偏低、氣候差異較大、參照地面觀測(cè)數(shù)據(jù)精度低[15]等原因?qū)е缕淙诤蠑?shù)據(jù)誤差較大。同時(shí)，也與在3.1.1、

3.1.3 中兩套數(shù)據(jù)非汛期精度均不高的結(jié)論相符。

3.2 基于空間分布特征的降水產(chǎn)品評(píng)估

5套降水產(chǎn)品在呼蘭河流域空間分布見圖6。

圖5 各降水產(chǎn)品在呼蘭河流域不同時(shí)段降水量序列Fig.5 Precipitation series of each precipitation product in different time periods in the Hulanhe Basin

圖6 各降水產(chǎn)品在呼蘭河流域不同時(shí)段空間分布Fig.6 Spatial patterns of each precipitation products in different time periods in Hulanhe Basin

由圖6可知，對(duì)于全年、汛期2個(gè)時(shí)段，不同降水產(chǎn)品表現(xiàn)各時(shí)段降水量自東北向西南遞減的變化趨勢(shì)。但不同降水產(chǎn)品對(duì)各時(shí)段降水量空間分布細(xì)節(jié)刻畫上所表現(xiàn)的特征差異明顯。CMFD_P降水空間分布和CGDPA空間分布特征具有較高相似度，均捕捉到降水空間極大值區(qū)域，但兩者汛期極大值區(qū)位置有差異，可能因CGDPA數(shù)據(jù)制作方法中考慮地形因素[16]，使該數(shù)據(jù)極大值趨向流域高程最高點(diǎn)；GLDAS_P所表現(xiàn)的空間細(xì)部差異小于CMFD_P和CGDPA，此外，GLDAS_P無法捕捉降水極大值區(qū)域，可能與該產(chǎn)品空間分辨較低有關(guān)（見表1）；CLDAS_P和CMPA降水產(chǎn)品所表現(xiàn)的空間分布特征具有較高相似度，均可捕捉到降水空間的極大值區(qū)域，其極大值區(qū)域位置也較接近。但這兩套降水產(chǎn)品所刻畫的細(xì)部空間特征明顯優(yōu)于其他3套降水產(chǎn)品，可能與其空間分辨率高、數(shù)據(jù)融合所使用地面站點(diǎn)較多有關(guān)[17]。

對(duì)于非汛期，CGDPA、CMFD_P、GLDAS_P 3套降水產(chǎn)品所表現(xiàn)降水量空間變化趨勢(shì)相同，均為自東南向西北遞減，無法捕捉極大值區(qū)域；CLDAS_P、CMPA降水產(chǎn)品所表現(xiàn)降水量空間變化趨勢(shì)接近，可捕捉到極大值區(qū)域。由此可見，不同降水產(chǎn)品在非汛期所表現(xiàn)出降水量空間變化趨勢(shì)異于其他兩個(gè)時(shí)段，與該流域不同時(shí)期降水成因不同有關(guān)[18]，具體影響因素有待深入研究。