ERA5降雨數(shù)據(jù)的降尺度評(píng)估及水文模擬
——以橫江流域?yàn)槔?/h1>

2022-02-13 09:27:46肖梓明張行南方園皓

節(jié)水灌溉訂閱 2022年1期 收藏

關(guān)鍵詞：橫江水文徑流

肖梓明，張行南，方園皓

（河海大學(xué)水文水資源學(xué)院，南京210098）

0 引 言

近年來隨著人口上漲、農(nóng)業(yè)產(chǎn)業(yè)升級(jí)，農(nóng)業(yè)灌溉對(duì)水資源的需求越來越大，為了解決水資源短缺問題，水資源規(guī)劃管理愈發(fā)重要。為了構(gòu)建合適的水資源規(guī)劃管理模型，實(shí)現(xiàn)準(zhǔn)確的水文模擬必不可少，例如徐宗學(xué)、程磊[1]認(rèn)為，灌區(qū)模擬問題難以運(yùn)用傳統(tǒng)的方法進(jìn)行研究，考慮時(shí)空變異的分布式水文模型能夠處理這一問題。在流域水文模型中，降水作為重要的數(shù)據(jù)輸入，對(duì)水文模擬的準(zhǔn)確性起著至關(guān)重要的作用；在農(nóng)業(yè)灌溉中，準(zhǔn)確的降雨對(duì)灌溉制度及灌溉決策起著指導(dǎo)作用，例如孫晉鍇等[2]基于多年降雨數(shù)據(jù)對(duì)豫東地區(qū)夏玉米灌溉制度進(jìn)行了優(yōu)化；侯靜文等[3]對(duì)桂林市降雨預(yù)報(bào)準(zhǔn)確度進(jìn)行了分析，并應(yīng)用到當(dāng)?shù)厮竟喔葲Q策中。傳統(tǒng)的水文模擬中，降水?dāng)?shù)據(jù)主要采用地面站點(diǎn)的觀測(cè)值，存在著空間分布性差、站點(diǎn)布設(shè)受地形限制等諸多問題，導(dǎo)致數(shù)據(jù)獲取及準(zhǔn)確性方面存在影響，進(jìn)而影響水文模擬。所以如果能在流域尺度上提供準(zhǔn)確的降水?dāng)?shù)據(jù)，將會(huì)使水文模擬的準(zhǔn)確性大大提高。

大氣環(huán)流模式（GCM）作為當(dāng)前全球氣候模擬的有力工具，是獲取降雨數(shù)據(jù)的重要來源之一，其準(zhǔn)確性、可靠性和精度也獲得了眾多學(xué)者的肯定[4,5]，但是由于計(jì)算條件的限制，GCM 一般在比較低的空間分辨率下進(jìn)行運(yùn)行（通常是2°或者更低），有學(xué)者[6]認(rèn)為0.125°的空間分辨率才能滿足流域尺度的水文模擬，因此不能將GCM 的降雨數(shù)據(jù)直接運(yùn)用在水文模擬中。

此前，已有不少學(xué)者將GCM 降雨數(shù)據(jù)運(yùn)用到水文模型中的先例，例如：張徐杰[7]采用GCM 集合數(shù)據(jù)，在降尺度處理下，利用SWAT 水文模型對(duì)蘭江流域未來的徑流量進(jìn)行了模擬，發(fā)現(xiàn)蘭江流域徑流量和可利用水資源量在未來有減小的趨勢(shì)；宣偉棟[8]通過LARS-WG 天氣發(fā)生器對(duì)5 種全球氣候模式的結(jié)果進(jìn)行降尺度，對(duì)奴下等站點(diǎn)未來降雨徑流進(jìn)行模擬，做出趨勢(shì)分析；宋小園[9]對(duì)于最新的CMIP5 氣候模式，將氣候情景預(yù)測(cè)結(jié)果和SWAT 水文模型耦合，構(gòu)建了未來徑流模擬，效果顯著。由此可見，GCM 降雨數(shù)據(jù)作為水文模型降雨輸入存在一定的合理性。但是為了彌補(bǔ)GCM 降雨數(shù)據(jù)在流域尺度上分辨率過低的問題，還需要經(jīng)過降尺度處理，將尺度大分辨率低的數(shù)據(jù)轉(zhuǎn)化為尺度小分辨率高的數(shù)據(jù)，使其滿足流域尺度要求。

為了應(yīng)對(duì)GCM 數(shù)據(jù)分辨率過低問題，本文以橫江流域?yàn)槔?，運(yùn)用統(tǒng)計(jì)降尺度方法，結(jié)合4種機(jī)器學(xué)習(xí)方法，對(duì)歐洲中期天氣預(yù)報(bào)中心（ECMWF）發(fā)布的ERA5 再分析數(shù)據(jù)中的降水?dāng)?shù)據(jù)，結(jié)合19個(gè)大氣環(huán)流因子建立模型，進(jìn)行降尺度分析，并將結(jié)果輸入新安江水文模型[10]，進(jìn)行徑流模擬，以此分析ERA5 再分析數(shù)據(jù)降尺度后作為流域水文模型降水?dāng)?shù)據(jù)來源的可靠性，以此來確定是否可以為農(nóng)業(yè)灌溉提供數(shù)據(jù)支撐。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

橫江是長(zhǎng)江上游金沙江下游一級(jí)支流，源自貴州威寧草海，位于東經(jīng)103°18′至105°57′、北緯26°45′至28°36′之間，全長(zhǎng)307 km，流域面積約為1.486 萬km2，多年平均降雨量1 150.9 mm，年內(nèi)降水集中在6-10月，占全年降水的80%左右，以橫江水文站為控制站。圖1為流域概況圖。橫江流域境內(nèi)主要農(nóng)作物為水稻、冬小麥、玉米、甘薯、馬鈴薯等，農(nóng)業(yè)需水量大，需要合理的水資源規(guī)劃管理。

圖1 橫江流域概況Fig.1 Overview of Hengjiang River Basin

1.2 數(shù)據(jù)來源

（1）ERA5再分析數(shù)據(jù)。ERA5是ECMWF發(fā)布的第五代再分析全球氣候數(shù)據(jù)，空間分辨率0.25°×0.25°，本文所采用的降水?dāng)?shù)據(jù)下載地址為https：//cds.climate.copernicus.eu/cdsapp#!/search?type=dataset，數(shù)據(jù)集為“ERA5 hourly data on single levels from 1979 to present”。

（2）大氣環(huán)流因子數(shù)據(jù)。本文所采用的大氣環(huán)流因子來自于ECMWF 發(fā)布的TIGGE 數(shù)據(jù)集，空間分辨率0.5°×0.5°，數(shù)據(jù)下載地址為https：//apps.ecmwf.int/datasets/data/tigge/levtype=sfc/type=cf/。

（3）實(shí)測(cè)水文數(shù)據(jù)。降雨數(shù)據(jù)為橫江流域內(nèi)的10 個(gè)水文（雨量）站的實(shí)測(cè)數(shù)據(jù)，分別為豆沙關(guān)、甘海子、橫江、龍海、龍街子、墨石驛、牛場(chǎng)、箐口塘、下壩、新泉；徑流數(shù)據(jù)為橫江水文站實(shí)測(cè)徑流數(shù)據(jù)。以上數(shù)據(jù)均摘錄自水文年鑒，數(shù)據(jù)的時(shí)間長(zhǎng)度為2009年1月1日至2014年12月31日。

1.3 研究方法

在建立統(tǒng)計(jì)降尺度模型時(shí)，我們認(rèn)為局地降雨與大氣環(huán)流因子存在某種統(tǒng)計(jì)關(guān)系，即：

式中：Y為局地降雨數(shù)據(jù)；F為統(tǒng)計(jì)關(guān)系；xi為大氣環(huán)流因子。

因子詳情如表1 所示。建立統(tǒng)計(jì)關(guān)系的示意圖如圖2 所示（●代表氣象格點(diǎn)，★代表雨量站），氣象格點(diǎn)為ERA5降雨數(shù)據(jù)，雨量站點(diǎn)為實(shí)測(cè)雨量數(shù)據(jù)。每個(gè)氣象格點(diǎn)的控制范圍如圖中陰影區(qū)域，為每個(gè)雨量站匹配大氣環(huán)流因子時(shí)，保證距離最近，即雨量站要被陰影所覆蓋。由于因子數(shù)量較多，確定統(tǒng)計(jì)關(guān)系式時(shí)較為復(fù)雜，本文借助機(jī)器學(xué)習(xí)方法進(jìn)行關(guān)系擬合，共選取四種機(jī)器學(xué)習(xí)方法：人工神經(jīng)網(wǎng)絡(luò)（ANN）[11]、支持向量機(jī)（SVM）[12]、決策樹（DT）[13]、隨機(jī)森林（RF）[14]，以2009-2013年為訓(xùn)練集，2014年為測(cè)試集，檢驗(yàn)降尺度后的降雨數(shù)據(jù)精度，并將結(jié)果輸入至新安江模型，檢驗(yàn)其在水文模擬中的效果。

圖2 統(tǒng)計(jì)關(guān)系建立示意圖Fig.2 Schematic diagram of statistical relationship establishment

表1 大氣環(huán)流因子信息表Tab.1 Predictor information table

本文所采用的4種機(jī)器學(xué)習(xí)方法的具體模型如下：

ANN模型為：

式中：y(t)為模型t時(shí)刻輸出的降雨；xi(t)為t時(shí)刻第i個(gè)因子值；vij為連接輸入層和隱層的權(quán)重；wj為連接隱層和輸出層的權(quán)重；n為因子個(gè)數(shù)；m為隱層維數(shù)；θj為隱層閾值；θ0為輸出層閾值；f為Sigmoid函數(shù)：f(x)=(1+ e-x)-1。

SVM模型為：

式中：ai、a*i、b為最優(yōu)超平面參數(shù)；N為支持向量數(shù)；樣本空間X和Xi經(jīng)映射得到。

DT 模型的核心思想為切分點(diǎn)確定，本文以最小二乘法為切分點(diǎn)選擇原則。RF 則是以多個(gè)決策樹組成，每個(gè)決策樹之間互不影響，其最重要的參數(shù)為決策樹個(gè)數(shù)和隨機(jī)選擇特征的最大數(shù)量，目標(biāo)則是均方誤差最小和決定系數(shù)最大。

由于降雨量為0時(shí)會(huì)對(duì)機(jī)器學(xué)習(xí)的回歸運(yùn)算產(chǎn)生影響，所以本文將整個(gè)降尺度過程分為3步，首先利用機(jī)器學(xué)習(xí)的分類思想，對(duì)ERA5降水?dāng)?shù)據(jù)進(jìn)行晴雨準(zhǔn)確率（即是否有雨）的模型運(yùn)算；其次利用機(jī)器學(xué)習(xí)的回歸思想，對(duì)第一部分有雨的部分進(jìn)行降雨量準(zhǔn)確率的模型運(yùn)算；最后將前兩部分整合，得出整個(gè)ERA5降雨數(shù)據(jù)的降尺度結(jié)果。

本文所采用的水文模型為新安江模型。新安江模型是河海大學(xué)趙人俊于1973年提出的水文模型，該模型主要運(yùn)用于濕潤(rùn)半濕潤(rùn)地區(qū)，產(chǎn)流方式為蓄滿產(chǎn)流，蓄水容量曲線為核心部分，其結(jié)構(gòu)分為蒸散發(fā)、產(chǎn)流、分水源、匯流。經(jīng)過眾多學(xué)者的不懈努力，已成為國(guó)內(nèi)廣泛運(yùn)用的流域水文模型。

2 結(jié)果與分析

2.1 降尺度降雨對(duì)比

ERA5 的空間分辨率為0.25°×0.25°，而預(yù)測(cè)因子的空間分辨率為0.5°×0.5°，為了保證模型在同樣的分辨率下進(jìn)行，對(duì)數(shù)據(jù)進(jìn)行插值處理，保證其分辨率相同。

（1）晴雨準(zhǔn)確率。將所有的降雨數(shù)據(jù)分為兩類：有雨和無雨，采用機(jī)器學(xué)習(xí)的分類思想進(jìn)行模型運(yùn)算。在質(zhì)量評(píng)估方面采用TS 評(píng)分進(jìn)行評(píng)價(jià)，ERA5 降尺度后在10 個(gè)站點(diǎn)的TS評(píng)分如圖3 所示。從圖3 可以得出以下結(jié)論：①ERA5 數(shù)據(jù)降尺度前的TS 評(píng)分大多在0.4～0.6 之間，只有在龍海站的TS 評(píng)分較高，達(dá)到了0.726，總體效果并不是很理想；②ANN、SVM、DT、RF 4 種方法在10 個(gè)站的均值分別為0.737、0.745、0.684、0.746，而ERA5 在降尺度前的均值為0.508，可以看出，在4 種降尺度方法下TS 評(píng)分均有較大幅度的提高，以SVM 和RF 效果最優(yōu)，DT 效果最差；③ERA5 對(duì)橫江流域的晴雨準(zhǔn)確率并不理想，但可以選用SVM 和RF 方法對(duì)其進(jìn)行優(yōu)化，優(yōu)化后的效果更為準(zhǔn)確。

圖3 各個(gè)站點(diǎn)晴雨準(zhǔn)確率TS評(píng)分Fig.3 TS scores of sunny or rainy accuracy at various stations

（2）降雨量準(zhǔn)確率。在晴雨準(zhǔn)確率的基礎(chǔ)上，對(duì)有雨部分進(jìn)行降雨量計(jì)算。在質(zhì)量評(píng)估方面采用相關(guān)系數(shù)r、平均絕對(duì)誤差MAE進(jìn)行評(píng)價(jià)，ERA5 降尺度后在10 個(gè)站點(diǎn)的兩項(xiàng)指標(biāo)如圖4 和圖5 所示。從圖中可以得出以下結(jié)論：①ERA5 數(shù)據(jù)降尺度前與實(shí)測(cè)站點(diǎn)的相關(guān)系數(shù)大多在0.5～0.7 之間，屬于顯著相關(guān)，在橫江站更是達(dá)到了0.721，只有在龍街子和下壩較低，分別為0.492和0.441，而在平均絕對(duì)誤差方面，大多集中在3～5 mm 之間，下壩更是達(dá)到了7.398 mm，誤差較大，精度較低；②ANN、SVM、DT、RF 4種方法在10個(gè)站的相關(guān)系數(shù)均值分別為0.578、0.632、0.431、0.553，而ERA5 為0.596，可以看出ANN 和RF 方法在降尺度后仍然保持著相當(dāng)?shù)南嚓P(guān)性，SVM 有所提高，DT 則大幅度下降；在平均絕對(duì)誤差方面，4 種方法的均值分別為4.813、4.283、5.670、4.779，而ERA5 為5.063，可以看出ANN、SVM、RF 均有所提高，SVM更是提高了0.78 mm，反觀DT 精度有所下降；③綜合以上可以得出結(jié)論：ERA5 在橫江流域的降雨精度不足，在降尺度方法方面可以選擇SVM 方法，使得結(jié)果在相關(guān)系數(shù)和平均絕對(duì)誤差上均有所提高。

圖4 各個(gè)站點(diǎn)降雨量相關(guān)系數(shù)Fig.4 Correlation coefficients of rainfall at various stations

圖5 各個(gè)站點(diǎn)降雨量平均絕對(duì)誤差Fig.5 Average absolute error of rainfall at each station

2.2 水文模擬

為了檢驗(yàn)4 種方法對(duì)ERA5 降尺度后的降雨數(shù)據(jù)在水文模擬中的效果，本文計(jì)算了4種降雨結(jié)果在研究區(qū)的面雨量，再將面雨量輸入新安江模型進(jìn)行徑流模擬。面雨量的計(jì)算采用泰森多邊形法。

橫江流域以橫江水文站為控制站，以其實(shí)測(cè)流量作為橫江流域的出口斷面流量，同樣的將2009-2013年劃分為率定期，2014 劃分為驗(yàn)證期，基于率定期實(shí)測(cè)數(shù)據(jù)對(duì)新安江模型的各項(xiàng)參數(shù)進(jìn)行率定。新安江模型有16 項(xiàng)參數(shù)，其中敏感參數(shù)率定結(jié)果詳見表2。表中參數(shù)意義如下：KC為蒸散發(fā)折算系數(shù)、SM為自由水蓄水容量、KG為自由水蓄水庫(kù)對(duì)地下水的日出流系數(shù)、KI為自由水蓄水庫(kù)對(duì)壤中流的日出流系數(shù)、CG為地下水消退系數(shù)、CI為壤中流消退系數(shù)、CS為地面徑流消退系數(shù)。

表2 敏感參數(shù)率定結(jié)果Tab.2 Calibration results of sensitive parameters

在模擬精度方面采用納什效率系數(shù)（NSE）、徑流深相對(duì)誤差（Bias）、均方根誤差（RMSE）對(duì)驗(yàn)證期徑流模擬結(jié)果進(jìn)行評(píng)估。圖6為徑流模擬過程。在不同方法下徑流模擬結(jié)果如表3 所示。從圖表中可以看出，實(shí)測(cè)降雨在驗(yàn)證期的表現(xiàn)良好，NSE達(dá)到了0.61，Bias也控制在正負(fù)5%以內(nèi)，為-1.17%。而ERA5 的模擬效果很差，NSE為-0.36，Bias為59.44%，從圖6可以看出，ERA5模擬徑流與觀測(cè)徑流整體過程基本吻合，造成NSE和Bias效果差的原因可能是ERA5 的整體雨量較大，造成了模擬值比實(shí)測(cè)值偏高的情況。4種降尺度方法在模擬精度上，相對(duì)ERA5 都有不同幅度的提高，其中ANN 和RF 方法較好，ANN的NSE相對(duì)實(shí)測(cè)數(shù)據(jù)提高了0.07，Bias相對(duì)實(shí)測(cè)數(shù)據(jù)下降了1.81%，RF 的NSE與實(shí)測(cè)數(shù)據(jù)相同，但在Bias上比實(shí)測(cè)數(shù)據(jù)低了6.1%。SVM 方法在汛期表現(xiàn)很差，存在著峰值嚴(yán)重低估的情況，在水文模擬中不可取。DT 方法與ERA5 存在著相同的問題，即徑流過程較好，但整體水量偏高。

圖6 徑流過程模擬Fig.6 Runoff process simulation

表3 不同方法下的徑流模擬結(jié)果Tab.3 Runoff simulation results under different methods

3 結(jié) 論

（1）ERA5 降雨數(shù)據(jù)在橫江流域精度較低，在水文模擬上雖然統(tǒng)計(jì)指標(biāo)較差，但徑流過程與實(shí)測(cè)吻合，造成這種現(xiàn)象的原因可能是整體水量偏大，在模擬過程中可適當(dāng)調(diào)大蒸散發(fā)折算系數(shù)KC，在農(nóng)業(yè)灌溉中，可根據(jù)當(dāng)日降水量適當(dāng)減小計(jì)算需灌水量。

（2）建立了從ERA5低分辨率的網(wǎng)格到實(shí)測(cè)站點(diǎn)的統(tǒng)計(jì)降尺度模型，并從晴雨準(zhǔn)確率和降雨量準(zhǔn)確率兩個(gè)方面檢驗(yàn)降尺度后的數(shù)據(jù)精度，結(jié)果表明：在晴雨準(zhǔn)確率和降雨量準(zhǔn)確率方面，可選用SVM進(jìn)行降尺度研究。

（3）在水文模擬中，4種降尺度方法表現(xiàn)各不相同，使用ANN方法進(jìn)行降尺度的效果最優(yōu)，驗(yàn)證了將ERA5降雨數(shù)據(jù)降尺度后，作為流域水文模型降水輸入的可行性，進(jìn)一步為農(nóng)業(yè)灌溉提供數(shù)據(jù)支撐。

猜你喜歡

橫江水文徑流

2022年《中國(guó)水文年報(bào)》發(fā)布

水資源開發(fā)與管理(2023年8期)2023-09-08 13:27:10

橫江葡萄：四兩撥千斤

江西農(nóng)業(yè)(2020年12期)2020-07-24 05:20:32

水文

河南水利年鑒(2020年0期)2020-06-09 05:43:48

水文水資源管理

河南水利年鑒(2020年0期)2020-06-09 05:43:30

水文

河南水利年鑒(2017年0期)2017-05-19 02:29:33

Topmodel在布哈河流域徑流模擬中的應(yīng)用

水利科技與經(jīng)濟(jì)(2016年9期)2016-04-22 01:07:12

新安江上游橫江地表水中砷、硒、汞含量變化研究

中國(guó)資源綜合利用(2016年6期)2016-01-22 07:29:00

◎麥笛的詩(shī)

新詩(shī)(2015年2期)2015-11-17 19:06:09

探秘“大徑流”

交通建設(shè)與管理(2015年15期)2015-03-20 15:19:31

攻克“大徑流”

交通建設(shè)與管理(2015年15期)2015-03-20 15:19:01

節(jié)水灌溉2022年1期

節(jié)水灌溉的其它文章

歡迎訂閱《節(jié)水灌溉》雜志

組合添加物對(duì)吉林西部蘇打鹽堿土改良效果的試驗(yàn)研究

毛細(xì)水在礦山高陡巖質(zhì)邊坡生態(tài)修復(fù)綠化養(yǎng)護(hù)中的應(yīng)用研究

微咸水灌溉下硅肥對(duì)水稻生長(zhǎng)性狀的影響研究

四種不同類型保水劑的基本性能分析

橫向擺桿式明渠測(cè)流方法在矩形渠道中的應(yīng)用研究