CMADS數(shù)據(jù)集用于開都河上游水文模擬的適用性評估

陳世雪，玉素甫江·如素力,2*

（1.新疆師范大學地理科學與旅游學院，烏魯木齊 830054；2.新疆干旱區(qū)環(huán)境與資源重點實驗室，烏魯木齊 830054）

0 引言

【研究意義】水資源是干旱區(qū)人類生存、生態(tài)環(huán)境保護、經(jīng)濟可持續(xù)發(fā)展的物理基礎(chǔ)與瓶頸，其有效利用已成為國際社會關(guān)注的熱點問題[1-3]。隨著氣候變化和人類活動的加劇，深刻影響水循環(huán)過程，導致水資源的時空變化，因此，正確模擬水循環(huán)的重要組成部分—地表徑流的變化，對流域水資源的合理、有效利用具有重要意義[4]。且準確測量降水時空分布有助于掌握水文水分狀況，對水資源管理、干旱洪水災(zāi)害預(yù)測以及水文生態(tài)模擬具有重要意義。

【研究進展】我國西北地區(qū)下墊面及其地理分異規(guī)律復(fù)雜，氣象站點空間分布不均、站點稀少，氣象要素觀測資料的缺乏制約了人類對該地區(qū)水資源過程的認識和理解，為數(shù)據(jù)缺乏地區(qū)進行水文氣象研究尋找高精度、高時空分辨率的氣象數(shù)據(jù)至關(guān)重要?；谛l(wèi)星和再分析的氣象數(shù)據(jù)成為數(shù)據(jù)缺乏地區(qū)的重要數(shù)據(jù)來源，再分析數(shù)據(jù)集采用數(shù)據(jù)同化技術(shù)對各種來源的觀測資料進行質(zhì)量控制和同化處理[5]，不僅包含的要素多、范圍廣，而且具有長時間序列已經(jīng)成為水文氣象研究的重要數(shù)據(jù)源。目前，全球主要的再分析數(shù)據(jù)集包括：歐洲中期天氣預(yù)報中心的ERA 系列[6]、美國NASA 的MERRA 數(shù)據(jù)集[7]、美國國家環(huán)境預(yù)報中心的NCEP 系列[8]、日本氣象中心的JRA 系列[9]等。中國大氣同化驅(qū)動數(shù)據(jù)集CMADS（The China Meteorological Assimilation Driving Datasets for the SWAT model)引入中國氣象局大氣同化系統(tǒng)CLDAS（CMALand Data Assimilation System）同化技術(shù)，利用數(shù)據(jù)循環(huán)嵌套、模式推算等多種科學手段而建立，具有多來源、多尺度和多分辨率的特點[10]，在數(shù)據(jù)缺乏地區(qū)具有很大的應(yīng)用潛力。SWAT 分布式水文模型由于其具有較強的物理機制，在流域地表徑流評估和地下水評價等方面得到廣泛應(yīng)用[11-13]。目前，對多源氣象數(shù)據(jù)精度評估主要以地面氣象站數(shù)據(jù)為基準采用數(shù)學統(tǒng)計方法進行驗證[14-16]，已有研究人員利用分布式水文模型融合驗證，進一步驗證多源氣象數(shù)據(jù)的精度及適用性[17-19]。近年來，CMADS 數(shù)據(jù)集在東亞地區(qū)得到廣泛應(yīng)用，在馬來西亞穆達河流域[20]、越南Cau 河流域[21]、朝鮮半島漢江流域[22]精度評估和水文模擬研究中取得滿意結(jié)果。目前對CMADS 數(shù)據(jù)集的評估國內(nèi)主要集中在中國東北[10,23]、中國南部[24-26]。西北干旱地區(qū)在瑪納斯河[27]、黑河[28]、精博河[29]等流域有相關(guān)的研究?！厩腥朦c】現(xiàn)有研究對土地面積遼闊、地形地貌復(fù)雜、地面氣象觀測站點稀少、區(qū)域氣候差異較大的我國西部地區(qū)的CMADS 數(shù)據(jù)集的精度及適用性評估較少，而且對再分析數(shù)據(jù)在干旱地區(qū)的適應(yīng)性國內(nèi)外學者有不同的看法?！緮M解決的關(guān)鍵問題】故本文選擇干旱區(qū)內(nèi)陸河流開都河上游作為研究區(qū)，評估CMADS 數(shù)據(jù)集的精度及其在流域水文模擬中的適用性，從而驗證CMADS 數(shù)據(jù)在大氣觀測數(shù)據(jù)缺乏地區(qū)的可用性及優(yōu)勢，對該區(qū)域的生態(tài)環(huán)境演變、水文與水資源研究具有重要意義。研究結(jié)果可驗證CMADS 在開都河上游流域的精度及在徑流模擬中的適用性，為站點稀少的內(nèi)陸干旱區(qū)開展水文研究尋找替代數(shù)據(jù)提供科學參考。

1 材料與方法

1.1 研究區(qū)概況

開都河是我國西北地區(qū)典型的干旱區(qū)內(nèi)陸河流，源起天山中部，流經(jīng)大、小尤爾都斯盆地后穿過峽谷，經(jīng)焉耆盆地自大河口注入博斯騰湖，流域內(nèi)包括和靜、焉耆、和碩、博湖4 縣以及8 個團場[30]。開都河是焉耆盆地和孔雀河流域社會經(jīng)濟發(fā)展的重要資源，也是塔里木河下游的重要補給水源，對塔河生態(tài)恢復(fù)和重建起了關(guān)鍵作用[31]。大山口（85°44′E，42°13′N）是開都河流域的唯一出山口，將開都河流域分為上游山區(qū)和下游平原區(qū)，本文以開都河上游為研究區(qū)域，地處82°56′—86°10′E，42°12′—43°20′N 之間，流域集水面積18586 km2。研究區(qū)示意圖如圖1所示，開都河上游氣象站點稀少，僅巴音布魯克1 個氣象站點，限制了該地區(qū)的水文氣象研究。開都河上游位于新疆天山中段的山間盆地，地形復(fù)雜，主要由周圍山區(qū)圍繞的小尤爾都斯盆地、大尤爾都斯盆地和峽谷組成，平均高程2 998 m。地勢西北高，東南低，由西北向東南傾斜。開都河是典型的干旱區(qū)內(nèi)陸河，由于距海遠和山脈的阻擋，研究區(qū)降水少蒸發(fā)大，流域內(nèi)多年年均降水量165 mm，多年平均氣溫5～8 ℃。降水的時空異質(zhì)性導致流域內(nèi)降水時空分布不均，時間上看降水主要集中在6—9月，空間上看降水西多東少，呈自東向西遞增趨勢。

圖1 研究區(qū)示意圖Fig.1 Schematic diagram of study area

1.2 數(shù)據(jù)來源

1.2.1 DEM 數(shù)據(jù)

數(shù)字高程數(shù)據(jù)取自地理空間數(shù)據(jù)云（http://www.gscloud.cn/）SRTM（30 m）DEM，SWAT模型可根據(jù)DEM 數(shù)據(jù)劃分子流域，生成數(shù)字河網(wǎng)。為保證模型輸入數(shù)據(jù)的一致性，將DEM、土地利用、土壤數(shù)據(jù)統(tǒng)一投影為：WGS_1984_UTM_Zone_45N，數(shù)據(jù)為GIRD 格式。

1.2.2 土地利用數(shù)據(jù)

土地利用數(shù)據(jù)來自于中國多時期土地利用土地覆被遙感監(jiān)測數(shù)據(jù)集（CNLUCC），空間分辨率30 m，該數(shù)據(jù)集包括6 個一級分類，25 個二級分類，結(jié)合SWAT 模型土地利用分類標準將研究區(qū)土地重分類為6 類（圖2）。其中主要土地利用類型草地占總面積的74.73%，其次未利用土地占17.42%、濕地占5.38%、水域占1.99%、林地占0.47%、建設(shè)用地占0.01%。

圖2 開都河上游土地利用類型分布Fig.2 Distribution of land use types in the upper reaches of the Kaidu River

1.2.3 土壤數(shù)據(jù)

土壤數(shù)據(jù)自世界土壤數(shù)據(jù)庫HWSD 土壤數(shù)據(jù)庫下載，不需要進行粒徑轉(zhuǎn)換。根據(jù)土壤分組將土壤數(shù)據(jù)重分類為：簡育灰色土、鈣積栗鈣土、黏化鈣積土、石化石膏土、松軟潛育土、永凍薄層土、松軟薄層土、飽和薄層土、冰川9 種類型（圖3）。

圖3 開都河上游土壤類型分布Fig.3 Distribution of soil types in the upper reaches of the Kaidu River

1.2.4 氣象與水文數(shù)據(jù)

本研究地面實測氣象輸入數(shù)據(jù)由研究區(qū)及周圍氣象站點組成，利用天氣發(fā)生器彌補缺失數(shù)據(jù)，輸入SWAT 模型進行徑流模擬。地面氣象數(shù)據(jù)包括：逐日降水量、日最高/最低氣溫、平均相對濕度、平均風速、日照時間，輻射數(shù)據(jù)由日照時間計算得到。本文使用開都河出山口大山口水文站1990—2018年逐月徑流數(shù)據(jù)用于模型率定與驗證。

1.2.5 CMADS 數(shù)據(jù)集

由于研究區(qū)內(nèi)地面氣象觀測站稀少，制約該地區(qū)進行水文氣象研究。本文采用高分辨率CMADS1.1數(shù)據(jù)集（時間分辨率：逐日；空間分辨率：1/4°；時間尺度：2008—2018年）驅(qū)動SWAT 模型進行水文模擬。該數(shù)據(jù)集按照SWAT 模型輸入驅(qū)動數(shù)據(jù)格式進行了格式整理與修正，使SWAT 模型可直接使用該數(shù)據(jù)集而不需要任何格式轉(zhuǎn)換[32]。SWAT 模型在開都河上游自動讀取CMADS 數(shù)據(jù)集35 個格網(wǎng)點，相比傳統(tǒng)氣象站點具有數(shù)量優(yōu)勢。傳統(tǒng)氣象站還存在部分數(shù)據(jù)缺測現(xiàn)象，構(gòu)建SWAT 模型需要調(diào)用天氣發(fā)生器彌補缺測數(shù)據(jù)進行水文模擬，CMADS 數(shù)據(jù)集不存在缺測數(shù)據(jù)，這是該數(shù)據(jù)集相較傳統(tǒng)氣象站的另一個優(yōu)點。CMADS 數(shù)據(jù)集提供了SWAT 模型運行所需的5 種氣象數(shù)據(jù)（降水量、氣溫、相對濕度、太陽輻射和風速），給水文模擬研究提供了便利。因此，評估CMADS 數(shù)據(jù)精度及其在水文模擬中的適用性對數(shù)據(jù)缺乏地區(qū)開展水文研究意義重大。

1.3 研究方法

1.3.1 SWAT 模型

SWAT（Soil and water assessment tool）分布式水文模型是由美國農(nóng)業(yè)部開發(fā)的基于長時間序列的大尺度分布式水文模型。基于DEM 數(shù)據(jù)，生成流域邊界和33 個子流域，進一步劃分為具有均勻土地利用、土壤和坡度的水文響應(yīng)單元（HRU）247 個，在HRU尺度上進行水文模擬。設(shè)置2008—2009年為預(yù)熱期，2010—2014年為率定期，2015—2017 為驗證期。

對模型率定有2 種方法，一是利用歷史觀測數(shù)據(jù)率定出最佳參數(shù)，將多源降水數(shù)據(jù)輸入率定好的模型進行模擬；二是用不同參數(shù)分別率定不同氣象數(shù)據(jù)驅(qū)動的模型[33]。由于水文模型校準過程中存在參數(shù)不確定性，無法保證用實測數(shù)據(jù)率定得到的參數(shù)適合移植到再分析數(shù)據(jù)驅(qū)動的模型中，因此，本文選擇對地面氣象數(shù)據(jù)和CMADS 驅(qū)動水文模型分別率定，利用SWAT-cup 軟件的SUFI-2 算法，選擇26 個與徑流有關(guān)的參數(shù)，基于參數(shù)敏感性水平t值和參數(shù)顯著性水平p值篩選保留13 個敏感參數(shù)，經(jīng)過多次迭代調(diào)整參數(shù)范圍，尋找參數(shù)最佳值。選取線性回歸方程決定系數(shù)R2、納什效率系數(shù)NSE作為評價指標。NSE計算式為：

式中：n為模擬時間數(shù)；QO為徑流觀測值；QS為徑流模擬值；為觀測降水數(shù)據(jù)平均值。當R2＞0.6，NSE＞0.5 時，表示結(jié)果可接受。

1.3.2 精度評估指標

氣溫和降水是影響水文模型模擬精度的重要輸入數(shù)據(jù)，為了評估CMADS 數(shù)據(jù)集在開都河上游的精度，本文選擇距巴音布魯克氣象站最近格網(wǎng)點的逐日降水、日最高/最低氣溫數(shù)據(jù)評估該數(shù)據(jù)集的精度[34]。選擇皮爾遜相關(guān)系數(shù)R、平均絕對誤差MAE、均方根誤差RMSE等3 個統(tǒng)計指標。

利用3 個分類評價指標反映多源降水數(shù)據(jù)對日降水的探測能力，包括探測率（Probability of Detection，POD）、誤報率（FalseAlarm Ratio，F(xiàn)AR）和臨界成功指數(shù)（Critical Success Index，CSI）3 種指標，并將日降水量0.1 mm/d 作為降水事件的閾值，具體計算式為：

式中：H為CMADS 數(shù)據(jù)集正確探測到降水事件的次數(shù)；M為CMADS 未探測到而實際發(fā)生降水的次數(shù)；F為CMADS 探測到而實際沒有發(fā)生降水事件的次數(shù)。

降水探測率POD表示CMADS 對降水事件是否發(fā)生的探測命中率，POD值越高，降水產(chǎn)品對降水事件的漏報率越低，對日降水的探測能力越強；誤報率FAR指對降水產(chǎn)品探測降水事件錯誤估計的概率，F(xiàn)AR值越低表示對降水事件的估計越準確；CSI關(guān)鍵成功指數(shù)反映了降水產(chǎn)品檢測降水事件的能力，該指數(shù)能夠很好地區(qū)分不同的降水事件。POD、FAR和CSI取值從0 到1，POD和CSI越大，F(xiàn)AR越小，表明CMADS 對降水的探測能力越好。

2 結(jié)果與分析

2.1 CMADS 數(shù)據(jù)精度評價

2.1.1 日尺度精度評價

對比分析2008年1月—2017年12月開都河上游CMADS 和傳統(tǒng)氣象站的降水量、最高/最低氣溫在日尺度的探測能力（圖4）。從圖4可以看出，CMADS 數(shù)據(jù)在溫度估計方面有較好表現(xiàn)，日最高/最低氣溫的相關(guān)系數(shù)分別為0.95 和0.92。對日尺度降水探測表現(xiàn)較差，CMADS 逐日降水數(shù)據(jù)與實測降水數(shù)據(jù)的Pearson 相關(guān)系數(shù)為0.59，主要是由于降水的空間異質(zhì)性更加顯著，更難準確預(yù)測。在誤差表現(xiàn)上，降水的表現(xiàn)優(yōu)于氣溫?？偟膩碚f，CMADS 數(shù)據(jù)集和地面觀測數(shù)據(jù)較吻合，表明CMADS 數(shù)據(jù)集在開都河上游水文氣象研究中具有較好的潛力。

圖4 CMADS數(shù)據(jù)集日降水量、日最高溫度和日最低溫度散點圖Fig.4 Scatter plots of daily precipitation,daily maximum temperature and daily minimum temperature for the CMADS dataset

表1是CMADS 降水量數(shù)據(jù)在日尺度降水量探測中分類評價指標評估結(jié)果。從表1可以看出，CMADS捕捉實際降水事件的能力表現(xiàn)較好，探測率POD=0.69，臨界成功指數(shù)CSI=0.43，但同時出現(xiàn)了較大的空報率FAR=0.45，總的來說，CMADS 對日降水量的探測命中率較高但同時存在較多空報的情況。

表1 CMADS日降水量分類評價指標評估結(jié)果Table 1 Evaluation results of CMADS daily precipitation classification evaluation index

2.1.2 月尺度精度評價

表2是CMADS 數(shù)據(jù)集對降水量、氣溫的月尺度探測水平。分析發(fā)現(xiàn)，CMADS 數(shù)據(jù)集在月尺度降水探測中相關(guān)性的表現(xiàn)顯著優(yōu)于日尺度相關(guān)性，月尺度氣溫的表現(xiàn)能力也較日尺度有所改善，但同時月尺度降水量和氣溫探測也出現(xiàn)了更大的平均絕對誤差和均方根誤差。因此CMADS 數(shù)據(jù)集對月尺度氣溫和降水量的探測總體比較符合實際氣象數(shù)據(jù)，但是存在一定的偏差。

表2 CMADS 數(shù)據(jù)集和實測降水量、氣溫月尺度統(tǒng)計指標Table 2 CMADSdataset and monthly scale statistical indicators of measured precipitation and air temperature

2.1.3 季節(jié)尺度精度評價

開都河流域是典型的干旱區(qū)內(nèi)陸河，降水季節(jié)分配不均。按照春（3—5月）、夏（6—8月）、秋（9—11月）、冬（12—次年2月）4 個季節(jié)進行統(tǒng)計分析，進一步評估CMADS 數(shù)據(jù)集在開都河上游季節(jié)尺度的表現(xiàn)。圖5是開都河上游季節(jié)尺度降水量和氣溫的探測精度評估結(jié)果。從圖5可以看出，CMADS降水量數(shù)據(jù)在季節(jié)尺度誤差較??；相關(guān)性在夏季表現(xiàn)最好，冬季較差，可能是CMADS 數(shù)據(jù)集對積雪的探測能力較差。氣溫在冬季相關(guān)性低于春、夏、秋季，同時冬季出現(xiàn)最大誤差，說明CMADS 對冬季氣溫探測誤差較大?？偟膩碚f，CMADS 數(shù)據(jù)集對夏季氣溫和降水量探測較準確，對冬季氣溫和降水量的探測能力較差，氣溫和降水量均出現(xiàn)較大的均方根誤差和平均絕對誤差。

圖5 CMADS 數(shù)據(jù)集降水量、氣溫在不同季節(jié)的精度評價Fig.5 Accuracy evaluation of CMADS dataset for precipitation and air temperature in different seasons

2.1.4 多時間尺度精度評估結(jié)果分析

基于巴音布魯克氣象站數(shù)據(jù)，分別在日、月、季節(jié)尺度上評估了CMADS 降水量數(shù)據(jù)和氣溫數(shù)據(jù)精度與誤差，結(jié)果表明，CMADS 降水量數(shù)據(jù)在月尺度表現(xiàn)較好，主要是由于CMADS 數(shù)據(jù)對月降水量的探測存在較小誤差；在日尺度表現(xiàn)不佳，主要原因是CMADS 降水量數(shù)據(jù)存在較多空報降水事件的情況；在季節(jié)尺度對夏季探測較好，在冬季由于對降雪事件的探測能力較差導致誤差較大。從對氣溫的多時間尺度精度評估發(fā)現(xiàn)，CMADS 數(shù)據(jù)對氣溫的探測能力較強，只在冬季表現(xiàn)出較大的誤差。

2.2 模型率定與驗證

對地面氣象數(shù)據(jù)和 CMADS 數(shù)據(jù)集驅(qū)動的SWAT 模型分別進行率定。經(jīng)過多次迭代，確定13個敏感參數(shù)及其敏感性排序（表3），不同氣象數(shù)據(jù)的敏感參數(shù)排序及參數(shù)最佳值不同，地面氣象數(shù)據(jù)驅(qū)動的模型最敏感的3 個參數(shù)分別是：各土壤層底層到土壤表層的深度SOL_Z、融雪溫度SFTMP、SCS 曲線系數(shù)CN2；CMADS 數(shù)據(jù)集驅(qū)動模型最敏感參數(shù)是：淺層地下水再蒸發(fā)閾值深度REVAPMN、融雪基溫SMTMP、SCS 曲線系數(shù)CN2，其中共同的敏感參數(shù)是徑流參數(shù)CN2和融雪參數(shù)，說明地表徑流和融雪是開都河徑流模擬中的重要影響參數(shù)。從表4可以看出，CMADS 數(shù)據(jù)集驅(qū)動的SWAT 模型其率定期、驗證期模擬效果均優(yōu)于地面氣象數(shù)據(jù)模擬結(jié)果，且R2和NSE均在0.7 以上，表明CMADS數(shù)據(jù)集驅(qū)動的SWAT 模型在開都河流域具有較好適用性?？偟膩碚f，地面氣象數(shù)據(jù)在率定期模擬結(jié)果沒有達到滿意標準，不適用于開都河徑流模擬研究，CMADS 數(shù)據(jù)在率定期和驗證期均表現(xiàn)較好的模擬結(jié)果，表明CMADS 數(shù)據(jù)集模擬效果比地面氣象數(shù)據(jù)好，與實測徑流量的相關(guān)性更高。說明CMADS數(shù)據(jù)集可以替代地面觀測氣象數(shù)據(jù)進行水文模擬研究。

表3 開都河流域大山口水文站徑流敏感性參數(shù)Table 3 Runoff sensitivity parameters of oyamaguchi hydrological station in Kaiduhe River Basin

表4 開都河流域大山口水文站月徑流模擬結(jié)果Table 4 Simulation results of monthly runoff at Dashankou hydrological station in Kaidu River basin

2.3 模擬結(jié)果分析

圖6是地面氣象站驅(qū)動SWAT 模型徑流模擬結(jié)果，從圖6可知，率定期模擬徑流量與實際徑流量吻合度較差，對徑流的高估較多，且存在波動。驗證期模擬結(jié)果有所改善，對徑流峰值出現(xiàn)的時間再現(xiàn)較為準確，且對出現(xiàn)2 個峰值的徑流模擬出2 個峰值，但是存在徑流高估。總的來說，用巴音布魯克及周圍氣象站數(shù)據(jù)驅(qū)動SWAT 模型模擬2008—2018年徑流量，對率定期徑流模擬表現(xiàn)較差。

圖6 地面氣象站數(shù)據(jù)驅(qū)動SWAT 模型徑流模擬結(jié)果Fig.6 Results of ground-based weather station data-driven SWAT model runoff simulations rate period,validation period

圖7是CMADS 數(shù)據(jù)集驅(qū)動SWAT 模型的徑流模擬結(jié)果，在率定期和驗證期都能達到滿意效果，表明CMADS 數(shù)據(jù)集可以作為地面氣象數(shù)據(jù)的替代數(shù)據(jù)應(yīng)用于水文模擬研究。從時間上看，CMADS 數(shù)據(jù)集對徑流的洪峰捕捉較為準確，模擬徑流和實際徑流時間變化基本一致，但是對一些高值和低值的捕捉不夠準確，存在波動。對于徑流存在2 個峰值的模擬效果較差，僅模擬出1 個峰值。在率定期，存在基流高估事件；對于較高的峰值出現(xiàn)低估，較低峰值出現(xiàn)高估。驗證期表現(xiàn)為低估峰值、略高估基流?？偟膩砜?，CMADS 數(shù)據(jù)集驅(qū)動的SWAT 模型模擬結(jié)果雖然存在部分模擬不夠精確的情況，但總體符合實際徑流量變化情況。

圖7 CMADS 數(shù)據(jù)集驅(qū)動SWAT 模型徑流模擬結(jié)果Fig.7 CMADS dataset driven SWAT model runoff simulation results

3 討論

基于衛(wèi)星和再分析的氣象數(shù)據(jù)成為數(shù)據(jù)缺乏地區(qū)的重要數(shù)據(jù)來源，CFSR 和CMADS 再分析數(shù)據(jù)具備SWAT 模型所需的氣象要素，被廣泛應(yīng)用于徑流模擬等領(lǐng)域。田霖等[35]評估了CFSR 再分析數(shù)據(jù)集在開都河水文模型中的適用性，結(jié)果發(fā)現(xiàn)，未經(jīng)校正的CFSR 數(shù)據(jù)集在該地區(qū)日徑流模擬中表現(xiàn)較差（NSE＜0.34）。本文評估CMADS 再分析數(shù)據(jù)集在開都河上游徑流模擬中的表現(xiàn)，模擬結(jié)果較好，說明CMADS 比CFSR 更適合該地區(qū)徑流模擬研究，這也與Meng 等[28]在黑河地區(qū)以及Zhang 等[10]在東北地區(qū)的研究結(jié)果一致：CMADS 徑流模擬結(jié)果總體優(yōu)于CFSR。由于氣象插值會引入誤差和不確定性，本文放棄將CMADS 數(shù)據(jù)插值到研究區(qū)內(nèi)站點，選擇距站點最近的網(wǎng)格點數(shù)據(jù)進行精度評估和誤差分析，利用地面站點數(shù)據(jù)對CMADS 數(shù)據(jù)集的降水量和氣溫數(shù)據(jù)進行精度評估，結(jié)果發(fā)現(xiàn)氣溫在多時間尺度上均呈顯著相關(guān)性，降水相關(guān)性略低，這與Zhang 等[20]、Dao 等[21]、Vu 等[22]在東亞地區(qū)的評估結(jié)果一致。

開都河上游僅有巴音布魯克1 個氣象站，氣象站點稀少、氣象觀測數(shù)據(jù)缺乏，用單站點地面觀測數(shù)據(jù)評估降水產(chǎn)品精度存在不確定性，且1 個站點的精度也不能代表整個開都河上游，因此，使用巴音布魯克氣象站評估CMADS 數(shù)據(jù)網(wǎng)格點的精度僅表明該網(wǎng)格點的精度，對CMADS 數(shù)據(jù)集在開都河上游的精度評估具有參考性不具有代表性。SWAT 水文模型需要輸入整個上游網(wǎng)格氣象數(shù)據(jù)，使用CMADS 網(wǎng)格點數(shù)據(jù)輸入SWAT 模型模擬徑流可以進一步評估CMADS在流域的精度及適用性。CMADS 驅(qū)動SWAT 模型徑流模擬結(jié)果較好，說明CMADS 在西北地區(qū)具有較好的適用性，這與谷新晨等[27]、孟現(xiàn)勇等[32]、劉俊等[36]的研究結(jié)果相似。

CMADS 數(shù)據(jù)集輸入SWAT 模型徑流模擬取得較好結(jié)果，說明CMADS 數(shù)據(jù)集在開都河上游適用，但是CMADS 數(shù)據(jù)集僅提供2008—2018年的氣象數(shù)據(jù)，不能滿足長時間序列需求的水文氣象研究，因此，后續(xù)研究會進一步為數(shù)據(jù)缺乏地區(qū)尋找長時間序列、高精度、高時空分辨率的數(shù)據(jù)源。

4 結(jié)論

1）CMADS 數(shù)據(jù)集對氣溫的探測能力較好，除冬季氣溫探測較差以外，其余時間尺度相關(guān)性均在0.9 以上。對日降水探測表現(xiàn)較差，相關(guān)性為0.59，但誤差較??；在月尺度上，對降水量和氣溫的探測相關(guān)性顯著提高但同時出現(xiàn)更大的誤差；季節(jié)尺度上對降水的探測精度較低，尤其對冬季降水量的探測存在較大偏差，CMADS 數(shù)據(jù)集對降雪的探測不敏感。

2）CMADS 徑流模擬結(jié)果在率定期與驗證期均優(yōu)于地面氣象數(shù)據(jù)徑流模擬結(jié)果，CMADS 數(shù)據(jù)集適用于開都河上游徑流模擬研究，可以替代地面觀測數(shù)據(jù)用于該地區(qū)水文研究。

3）CMADS 數(shù)據(jù)集驅(qū)動的SWAT 模型徑流模擬結(jié)果雖然存在部分模擬不夠精確的情況，但總體符合實際徑流量變化情況，在氣象站點缺乏的干旱內(nèi)陸地區(qū)CMADS 數(shù)據(jù)集可以作為地面站點替代數(shù)據(jù)開展水文模擬研究。