淮河小流域多源降水?dāng)?shù)據(jù)產(chǎn)品徑流模擬對(duì)比分析

渠暢 魏玲娜 董建志 徐士惠 寧瑋

摘要：

為研究多源降水?dāng)?shù)據(jù)產(chǎn)品的地區(qū)適用性，對(duì)比不同產(chǎn)品的水文模擬效果，選取淮河上游紫羅山、中游黃泥莊兩個(gè)流域，對(duì)比分析CHIRPS、CMORPH、ERA5、IMERG 4種產(chǎn)品模擬流域平均降水的誤差特征，利用集總式FLEX模型對(duì)產(chǎn)品模擬結(jié)果進(jìn)行比較，探討了產(chǎn)品在淮河流域不同位置對(duì)徑流模擬效果的影響。結(jié)果表明：① 兩個(gè)流域CHIRPS降水誤差最大，CMORPH次之，ERA5和IMERG的精度較高，上游紫羅山流域多源數(shù)據(jù)集整體高估；② 不同降水?dāng)?shù)據(jù)產(chǎn)品徑流模擬性能不一，模擬效果與產(chǎn)品精度評(píng)估結(jié)果基本一致，總體ERA5和IMERG模擬徑流與實(shí)測(cè)吻合較好；③ 總體而言，4種數(shù)據(jù)集有效反映了流域的空間水文特性，上游紫羅山流域徑流模擬效果優(yōu)于中游黃泥莊流域。

關(guān) 鍵 詞：

徑流模擬； FLEX模型； 衛(wèi)星降水產(chǎn)品； 淮河流域

中圖法分類號(hào)： P339

文獻(xiàn)標(biāo)志碼： A

DOI：10.16232/j.cnki.1001-4179.2023.08.015

0 引 言

降水是一種時(shí)空變異特性顯著的水文氣象要素，陸地徑流的產(chǎn)生、土壤水分的變化和蒸散發(fā)的形成等流域水文循環(huán)過程無一不與降水分配密切相關(guān)［1］。作為水文模型的關(guān)鍵輸入變量［2-3］，降水?dāng)?shù)據(jù)的準(zhǔn)確性對(duì)水文模擬的不確定性影響極大［4］。因此，高精度大范圍的連續(xù)降水?dāng)?shù)據(jù)對(duì)流域水文過程模擬及預(yù)報(bào)具有重要意義。

目前獲取降水?dāng)?shù)據(jù)的途徑主要有地面雨量計(jì)觀測(cè)、雷達(dá)探測(cè)、數(shù)值天氣模式模擬以及衛(wèi)星遙感產(chǎn)品［5-6］等。傳統(tǒng)的降水信息利用地面站點(diǎn)雨量計(jì)實(shí)測(cè)獲得，例如自動(dòng)雨量站等，盡管時(shí)間分辨率較高，但仍不能滿足空間覆蓋率的需求，尤其對(duì)于時(shí)空變化劇烈的熱帶地區(qū)［7］，地面站點(diǎn)觀測(cè)更是無能為力。衛(wèi)星遙感技術(shù)能夠提供具有一定時(shí)空精度的連續(xù)降水?dāng)?shù)據(jù)，其空間覆蓋范圍廣、獲取便捷，可在一定程度上彌補(bǔ)其他來源降水?dāng)?shù)據(jù)的缺陷［8］，為水文氣象研究與實(shí)際應(yīng)用提供有力支持，尤其給缺資料地區(qū)提供了新的數(shù)據(jù)來源［9-10］。衛(wèi)星遙感技術(shù)快速發(fā)展促進(jìn)了衛(wèi)星降水?dāng)?shù)據(jù)產(chǎn)品的日趨成熟和完善，同時(shí)大大推動(dòng)了衛(wèi)星產(chǎn)品在水文、氣象、農(nóng)業(yè)、環(huán)境等諸多領(lǐng)域的應(yīng)用。現(xiàn)有的衛(wèi)星降水?dāng)?shù)據(jù)產(chǎn)品已顯示了全球化的監(jiān)測(cè)與預(yù)測(cè)潛力，例如IMERG的時(shí)空分辨率已能達(dá)到0.1°和30 min。同時(shí)，隨著觀測(cè)手段的多樣化和數(shù)據(jù)同化技術(shù)的成熟，對(duì)地面、衛(wèi)星、雷達(dá)、探空、飛機(jī)、船舶等多種觀測(cè)資料進(jìn)行質(zhì)量控制，利用全球氣候系統(tǒng)模式對(duì)實(shí)際的大氣狀況進(jìn)行模擬，可獲得高分辨率、長時(shí)間序列的全球降水?dāng)?shù)據(jù)，例如歐洲中期天氣預(yù)報(bào)中心的ERA-Interim和ERA5，以及美國國家環(huán)境預(yù)報(bào)中心的CFSR等等［11］。

國內(nèi)外大量研究是針對(duì)降水?dāng)?shù)據(jù)產(chǎn)品的精度和地區(qū)特征進(jìn)行的［12-14］。例如，Xin等［15］在粵港澳大灣地區(qū)比較了ERA5-Land和ERA5-HRES兩種產(chǎn)品，發(fā)現(xiàn)后者在探測(cè)降水強(qiáng)度和降水事件方面更優(yōu)，同時(shí)發(fā)現(xiàn)ERA5在城市化水平較高的地區(qū)降水探測(cè)表現(xiàn)不佳。Huang等［16］以400多個(gè)臺(tái)灣當(dāng)?shù)赜炅坑?jì)觀測(cè)值為基準(zhǔn)，對(duì)比發(fā)現(xiàn)IMERG產(chǎn)品在數(shù)量和質(zhì)量上都優(yōu)于TRMM，可以更準(zhǔn)確地描述臺(tái)灣夏季降水在多個(gè)時(shí)間尺度的變化。Tang等［17］對(duì)IMERG在中國日尺度和小時(shí)尺度的產(chǎn)品質(zhì)量綜合分析后發(fā)現(xiàn)IMERG產(chǎn)品優(yōu)于除GSMaP以外的其他數(shù)據(jù)集（TRMM 3B42、CMORPH、PERSIAN-CDR、GSMaP、CHIRPS、SM2RAIN、ERA5、ERA-Interim和MERRA2），且產(chǎn)品質(zhì)量隨時(shí)間推移不斷提高。

在此基礎(chǔ)上，學(xué)者們也在不斷嘗試將各種數(shù)據(jù)產(chǎn)品應(yīng)用到水文模擬中，對(duì)其適用性能加以探討。例如，鄒磊等［18］曾利用分布式時(shí)變?cè)鲆婺Ｐ蛯?duì)元江流域多套降水產(chǎn)品的可替代性進(jìn)行研究；許心怡等［19］利用灤河流域IMERG和CMFD（中國區(qū)域地面氣象要素驅(qū)動(dòng)數(shù)據(jù)集）開展定量多尺度時(shí)空精度評(píng)估，借助SWAT模型對(duì)比分析了兩種產(chǎn)品的水文效用。盡管降水?dāng)?shù)據(jù)產(chǎn)品驅(qū)動(dòng)水文模擬領(lǐng)域的研究已積累了一定的成果，但對(duì)于具體流域不同降水產(chǎn)品的誤差如何，其誤差又是如何影響水文模擬結(jié)果的仍有待進(jìn)一步研究。

淮河流域位于中國南北氣候過渡帶，氣候條件復(fù)雜，旱澇災(zāi)害嚴(yán)重，區(qū)域內(nèi)降水集中，導(dǎo)致在地勢(shì)起伏較大的山丘區(qū)，小流域山洪源近流急、峰高量大，破壞力強(qiáng)，但雨量站網(wǎng)信息不足，降水量分布估計(jì)存在較大誤差影響洪水預(yù)報(bào)的精度。因此，有必要針對(duì)淮河小流域的多源降水產(chǎn)品的可替代性和水文模擬的適應(yīng)性加以研究。本文選取淮河上游紫羅山和中游黃泥莊兩個(gè)典型流域，對(duì)比分析CHIRPS、CMORPH、ERA5、IMERG 這4種常用降水?dāng)?shù)據(jù)產(chǎn)品面雨量的誤差特征，分析其對(duì)徑流模擬效果的影響，以此評(píng)估這4種數(shù)據(jù)集在紫羅山與黃泥莊兩流域水文過程模擬中的精度。

1 研究流域與數(shù)據(jù)

1.1 流域概況

選擇淮河上游的紫羅山和中游的黃泥莊作為典型流域進(jìn)行研究，研究區(qū)域如圖1所示。其中紫羅山流域?yàn)樽狭_山站（112°31′E，34°10′N）以上集水區(qū)，面積1 800 km2，位于淮河西部沙潁河水系北汝河上游，屬半干旱大陸性氣候，多年平降水量758 mm，降水主要集中在汛期，水面蒸發(fā)量954.3 mm，流域地形起伏較大，海拔290～2 120 m。黃泥莊流域?yàn)辄S泥莊站（115°37′E，31°28′N）以上集水區(qū)，面積805 km2，位于大別山北麓，淮河流域史河源頭，受東亞季風(fēng)活動(dòng)控制，屬于濕潤地區(qū)，年均氣溫12～21 ℃，多年平均降水量約1 380 mm，年內(nèi)分配不均，主要集中在6～9月。流域呈不規(guī)則扇形，地形以丘陵和山地為主，海拔130～1 500 m，河谷狹長，水系發(fā)育良好。兩流域植被覆蓋良好，受人類活動(dòng)影響較小，適合開展天然狀態(tài)下的水文過程模擬研究。

1.2 數(shù)據(jù)收集與處理

2010～2018年的逐日流量數(shù)據(jù)和地面雨量數(shù)據(jù)來源于中華人民共和國水文年鑒中的淮河流域水文資料。黃泥莊流域內(nèi)有禪堂站、關(guān)廟站、吳店站、斑竹園站、西河站、銀沙站、徐坳站、馬鬃嶺站8個(gè)雨量站以及黃泥莊水文站共9個(gè)站點(diǎn)；紫羅山流域內(nèi)有孫店站、龍王廟站、兩河口站、禪螳站、木植街站、黃莊站、排路站、沙坪站、付店站、婁子溝站、十八盤站、秦亭站、王坪站、三屯站14個(gè)雨量站以及紫羅山水文站共15個(gè)站點(diǎn)。收集整理紫羅山流域內(nèi)汝陽站與黃泥莊流域臨近氣象站點(diǎn)金寨站2010～2018年逐日的日平均氣溫、日最高氣溫、日最低氣溫，分別用于模型蒸發(fā)量計(jì)算。

選用CHIRPS、CMORPH、IMERG 衛(wèi)星降水產(chǎn)品和ERA5再分析降水?dāng)?shù)據(jù)，時(shí)間為2010年1月1日至2018年12月31日，采用最鄰近法［19］將空間分辨率統(tǒng)一至0.1°×0.1°以便對(duì)比不同數(shù)據(jù)產(chǎn)品的流域平均面雨量精度，同時(shí)計(jì)算流域內(nèi)所有數(shù)據(jù)集格點(diǎn)的算術(shù)平均值作為流域平均降水量。各降水?dāng)?shù)據(jù)產(chǎn)品的信息如表1所列。

2 研究方法

2.1 FLEX模型與構(gòu)建

基于FLEX（Flux Exchange hydrological model）模型構(gòu)建刻畫不同水文過程響應(yīng)單元、適應(yīng)不同流域所需具體應(yīng)用目標(biāo)的水文模型［20-22］。該模型在搭建過程中可以根據(jù)研究區(qū)域的實(shí)際氣候、地形等下墊面特征對(duì)水箱進(jìn)行增刪或?qū)?shù)加以修改，其結(jié)構(gòu)靈活度高，區(qū)域適應(yīng)性強(qiáng)?？紤]到研究流域的面積較小，水文要素的空間差異較小，集總式概念模型比分布式模型有更好的參數(shù)化靈活性和更強(qiáng)的誤差過濾能力［23］，本文利用FLEX模型框架構(gòu)建了包含：植被冠層截留水箱（Si）、非飽和土壤層水箱（Su）、快速退水水箱（Sf）以及慢速退水水箱（Ss）的四水箱FLEX水文模型，分別用以模擬植被截留、非飽和土壤水產(chǎn)匯流等環(huán)節(jié)，反映降水經(jīng)過植被的截留、土壤與植被的蒸散發(fā)（見圖2）。模型包含了11個(gè)主要參數(shù)，參數(shù)的含義及取值范圍如表2所列［24］。

針對(duì)氣象站點(diǎn)高程（elev_CM）和流域平均高程（elev_P4）的差別對(duì)流域進(jìn)行溫度修正，用式（1）計(jì)算修正因子（Tcalt）。潛在蒸散發(fā)（Ep）計(jì)算采用Hargreaves公式［25］。

3 結(jié)果和討論

3.1 不同降水產(chǎn)品的面雨量精度評(píng)價(jià)

圖3給出了紫羅山流域4種產(chǎn)品與地面站點(diǎn)流域平均日降水量散點(diǎn)圖，同時(shí)列出了各評(píng)價(jià)指標(biāo)計(jì)算結(jié)果。由圖3可知，ERA5和IMERG的與地面雨量站觀測(cè)的日降水量一致性更高，r分別為0.80與0.79，更接近1。整體而言，4種產(chǎn)品的系統(tǒng)偏差BIAS均大于0，說明降水?dāng)?shù)據(jù)產(chǎn)品的降水量偏大，而SH值均大于0，代表衛(wèi)星對(duì)有無降水發(fā)生的探測(cè)準(zhǔn)確性高于事件隨機(jī)概率。其中ERA5和IMERG的BIAS分別為3.3%和3.4%，RMSE在4 mm左右，誤差較小，說明ERA5和IMERG與地面雨量站觀測(cè)的一致性高，前者比后者誤差略小。進(jìn)一步對(duì)比這兩種產(chǎn)品的分類誤差指標(biāo)，ERA5的Pd和SH比IMERG略高，RFA更小，說明前者對(duì)日降水事件的捕捉能力比后者稍好。4種產(chǎn)品中，CHIRPS產(chǎn)品的RMSE為6.22 mm，誤差最大，r為0.56，與地面雨量站觀測(cè)的線性相關(guān)關(guān)系最弱，Pd和SH值都最小，降水事件的探測(cè)能力相對(duì)最弱，說明CHIRPS整體的精度最差。

圖4為黃泥莊流域4種降水?dāng)?shù)據(jù)集與地面站點(diǎn)觀測(cè)的平均日降水量散點(diǎn)圖。由圖4可知，ERA5和IMERG產(chǎn)品與地面雨量站觀測(cè)的日降水量一致性比CHIRPS和CMORPH好，r分別為0.81與0.78，更接近1。4種產(chǎn)品的系統(tǒng)偏差有正有負(fù)，CHIRPS的BIAS和RMSE均最大，與地面觀測(cè)降水的偏離程度最大。而ERA5和IMERG產(chǎn)品的BIAS分別為0.22%和-3.17%，相對(duì)較小，RMSE也較小，r值為0.78和0.81，說明ERA5和IMERG與地面雨量站觀測(cè)的一致性高，前者比后者誤差略大。進(jìn)一步對(duì)比4種產(chǎn)品的分類誤差評(píng)價(jià)指標(biāo)，ERA5的Pd和SH比IMERG稍高說明ERA5對(duì)日降水是否發(fā)生的辨識(shí)能力比IMERG稍強(qiáng)。而CHIRPS產(chǎn)品的RMSE為10.84 mm，誤差最大，r為0.58，與地面雨量站的相關(guān)性最弱，Pd和SH值都最小，降水事件探測(cè)能力較弱，說明CHIRPS產(chǎn)品的精度最差。

4種數(shù)據(jù)集對(duì)兩個(gè)流域降水事件是否發(fā)生的探測(cè)能力均是顯著的，SH>0.2，ERA5和IMERG兩種產(chǎn)品的誤差更小，與地面站點(diǎn)觀測(cè)的日降水量一致性更高，CHIRPS的精度最差。對(duì)比上游和中游兩個(gè)流域，各數(shù)據(jù)集對(duì)上游紫羅山流域的日降水量大體都是高估的狀態(tài)，而中游黃泥莊流域4種產(chǎn)品的日降水量誤差都比上游紫羅山大，RMSE比紫羅山高61%～81%，黃泥莊流域的氣候條件更濕潤，多年平均降水量比紫羅山流域高82%，說明實(shí)際4種數(shù)據(jù)集的降水量估計(jì)相對(duì)精度水平黃泥莊流域高于紫羅山流域。這是因?yàn)樯嫌魏０胃撸匦巫兓戎杏胃訌?fù)雜，對(duì)衛(wèi)星遙感探測(cè)和氣候模式模擬的降水影響更大。4種不同的產(chǎn)品在淮河上游和中游對(duì)降水事件發(fā)生辨識(shí)能力基本一致，例如Pd值反映的漏報(bào)程度從低到高依次為ERA5、IMERG、CMORPH和CHIRPS，SH值反映的綜合估計(jì)能力從高到低依次為CMORPH、ERA5、CHIRPS和IMERG。

3.2 地面雨量站點(diǎn)模擬效果分析

采用地面雨量站的流域平均日降水?dāng)?shù)據(jù)，利用FLEX模型對(duì)兩流域進(jìn)行徑流模擬，其中2010～2014年作為模型率定期，2015～2018年作為模型驗(yàn)證期。在表2給定的參數(shù)范圍內(nèi)隨機(jī)生成20 000組參數(shù)，利用2.1節(jié)中的參數(shù)優(yōu)選方法進(jìn)行率定，結(jié)果如表3所列。

由于地面雨量站的降水觀測(cè)精度較高，通過分析地面雨量站模擬的徑流與實(shí)測(cè)徑流過程的擬合程度可推斷所建FLEX模型的合理性。對(duì)兩個(gè)流域的擬合結(jié)果進(jìn)行統(tǒng)計(jì)（見表4），紫羅山流域的徑流模擬結(jié)果率定期NSE介于0.42～0.92之間，KGE介于0.42～0.80 之間，模擬與實(shí)測(cè)徑流的相關(guān)系數(shù)r≥0.89，相比之下驗(yàn)證期擬合效果差些；黃泥莊流域的徑流模擬結(jié)果率定期NSE介于0.75～0.90之間，KGE介于0.57～0.79之間，r≥0.9，擬合效果驗(yàn)證期同樣優(yōu)于驗(yàn)證期。另外，上游紫羅山流域呈現(xiàn)較為明顯的徑流模擬效果豐水年份優(yōu)于枯水年份的情形，驗(yàn)證期甚至出現(xiàn)2016年NSE<0的情況，經(jīng)考證可能是流域出口斷面上游不遠(yuǎn)處2015年開始修建前坪水庫（控制面積1 325 km2）導(dǎo)致的；而中游黃泥莊流域豐枯年份擬合效果相當(dāng)，驗(yàn)證期的擬合效果比紫羅山流域好。

圖5（a）、（b）、（c）分別展示了其中模擬效果好、中等和不好的年份的徑流擬合結(jié)果。由圖5（a）和（b）可見，黃泥莊流域2010年和紫羅山流域2012年模型計(jì)算的流域出口斷面徑流與實(shí)測(cè)徑流過程吻合均較好，洪峰流量接近，峰現(xiàn)時(shí)間基本一致。而模擬效果較差的黃泥莊流域盡管2015年洪峰流量普遍偏低，但峰現(xiàn)時(shí)間和退水過程特征與實(shí)測(cè)基本吻合，見圖5（c）。紫羅山和黃泥莊流域整個(gè)率定期的NSE分別為0.88和0.86，r為0.95和0.94，驗(yàn)證期的模擬效果評(píng)價(jià)指標(biāo)比率定期稍差，NSE為0.64和0.70，r為0.81和0.87，總體模擬與實(shí)測(cè)徑流的一致性高。說明已建模型對(duì)研究流域的水文循環(huán)過程概化合理，可用于下一步多源降水?dāng)?shù)據(jù)產(chǎn)品的徑流模擬效果評(píng)估。

3.3 不同產(chǎn)品徑流模擬結(jié)果比較分析

3.3.1 率定期與驗(yàn)證期模擬結(jié)果對(duì)比

以兩流域以地面站點(diǎn)、4種產(chǎn)品降水?dāng)?shù)據(jù)作為輸入，得到率定期與驗(yàn)證期的徑流模擬效果統(tǒng)計(jì)如表5所示。由表可見，除了黃泥莊流域IMERG產(chǎn)品模擬結(jié)果驗(yàn)證期KGE值0.54高于地面站點(diǎn)的0.49外，其余時(shí)間兩流域地面雨量站點(diǎn)觀測(cè)降水模擬的徑流效果均優(yōu)于多源產(chǎn)品的模擬徑流效果。兩個(gè)流域率定期的模擬效果均好于驗(yàn)證期。其中，紫羅山流域驗(yàn)證期的4種產(chǎn)品模擬效果都不理想，推測(cè)與2015年流域內(nèi)修建水庫有關(guān)，水利工程建設(shè)過程中河道內(nèi)的天然徑流過程受到影響。

3.3.2 不同產(chǎn)品徑流模擬結(jié)果對(duì)比

利用圖6對(duì)兩個(gè)流域4種數(shù)據(jù)集模擬的徑流過程進(jìn)行比較，其中參數(shù)由MOSCEM-UA算法重新優(yōu)化率定，發(fā)現(xiàn)降水?dāng)?shù)據(jù)產(chǎn)品的徑流模擬性能不一?？傮w上，4種數(shù)據(jù)集模擬結(jié)果與實(shí)測(cè)徑流吻合度較好，除紫羅山流域驗(yàn)證期因修建水庫影響外，兩流域模擬結(jié)果大致能捕捉到與實(shí)測(cè)徑流類似的動(dòng)態(tài)變化過程和徑流峰現(xiàn)時(shí)間，但局部也出現(xiàn)一些因降雨誤報(bào)形成的虛假洪水過程，例如紫羅山流域的2013年6～9月。率定期紫羅山流域的NSE值集中在0.48～0.66，KGE值介于0.59～0.70之間，r值在0.71～0.81間變化，4種衛(wèi)星的模擬的徑流效果差異較小，見圖6（a）。黃泥莊流域率定期NSE值集中在0.21～0.67，KGE介于 0.46～0.68間，r值在0.52～0.82 間變化。由圖 6（b） 可見，CHIRPS和CMORPH模擬的徑流過程擬合程度不及ERA5和IMERG兩種產(chǎn)品，CHIRPS在2011年8月和10月均出現(xiàn)了與實(shí)測(cè)結(jié)果不符的洪水場(chǎng)次，而CMORPH則出現(xiàn)了徑流量高值模擬偏低，低值模擬偏高的情況；此外，相比率定期，驗(yàn)證期的評(píng)估指標(biāo)值有所衰減，NSE值介于0.11～0.58之間，KGE介于0.26～0.54之間，r值介于0.42～0.77之間。由圖6（c）可見，IMERG的模擬結(jié)果比其他3種降水?dāng)?shù)據(jù)集好，與實(shí)測(cè)徑流過程有著相似的時(shí)間變化，ERA5的結(jié)果不佳原因在于其驗(yàn)證期降水?dāng)?shù)據(jù)的誤差（BIAS和RMSE）較IMERG明顯偏大。

對(duì)比兩個(gè)流域率定期的模擬效果，4種數(shù)據(jù)中CHIRPS、CMORPH和IMERG三者在上游紫羅山流域的模擬效果均優(yōu)于中游黃泥莊流域，推測(cè)原因?yàn)樯嫌谓邓a(chǎn)品的偏差（BIAS和RMSE）較小，中游更大，導(dǎo)致模擬效果上游比中游好。此外，該結(jié)果與率定期地面站點(diǎn)模擬效果上游流域優(yōu)于中游基本一致，也說明了多源降水?dāng)?shù)據(jù)集基本反映了流域的空間水文特征。

4 結(jié) 論

降水?dāng)?shù)據(jù)產(chǎn)品因其優(yōu)越性已逐步成為可以替代地面觀測(cè)資料用于水文分析、模擬及預(yù)報(bào)的基礎(chǔ)數(shù)據(jù)。本文選取淮河上游紫羅山和中游黃泥莊兩個(gè)流域，對(duì)比分析CHIRPS、CMORPH、ERA5、IMERG 4種常用降水?dāng)?shù)據(jù)集產(chǎn)品的誤差特征，利用FLEX模型對(duì)4種產(chǎn)品的模擬結(jié)果進(jìn)行比較，探討了產(chǎn)品誤差對(duì)徑流模擬效果的影響，得到結(jié)論如下：

（1） 兩流域CHIRPS產(chǎn)品的誤差最大，CMORPH次之，而ERA5和IMERG的精度都比較高，數(shù)據(jù)偏差較小、探測(cè)能力較強(qiáng)。在海拔更高、地勢(shì)起伏更大的上游紫羅山地區(qū)，多源降水?dāng)?shù)據(jù)集呈整體高估的狀態(tài)。

（2） 不同的降水?dāng)?shù)據(jù)集產(chǎn)品徑流模擬性能不一，模擬效果與數(shù)據(jù)集精度評(píng)估結(jié)果一致，總體ERA5和IMERG的徑流模擬結(jié)果與實(shí)測(cè)吻合較好，但4種數(shù)據(jù)集都有局部降雨誤報(bào)導(dǎo)致虛假洪峰的現(xiàn)象。

（3） 整體上，4種數(shù)據(jù)集基本反映了流域空間上的水文特征，在淮河上游紫羅山流域和中游黃泥莊流域?qū)邓录l(fā)生辨識(shí)能力基本一致，上游紫羅山流域的徑流模擬效果均優(yōu)于中游黃泥莊流域。

本文采用的FLEX模型在淮河兩個(gè)小流域模擬過程中，對(duì)降水空間不均勻性、下墊面土壤、植被、產(chǎn)匯流特征的空間異質(zhì)性等考慮不足，導(dǎo)致局部退水過程與洪峰流量擬合不好，后續(xù)研究將結(jié)合分布式模型改善模擬效果，同時(shí)發(fā)揮遙感降水產(chǎn)品較好地反映降水空間分布的優(yōu)勢(shì)，對(duì)比分析產(chǎn)品在空間上的誤差分布特征，進(jìn)一步探討降水?dāng)?shù)據(jù)產(chǎn)品的時(shí)空精度對(duì)流域徑流模擬的影響。

參考文獻(xiàn)：

［1］ 劉元波，傅巧妮，宋平，等.衛(wèi)星遙感反演降水研究綜述［J］.地球科學(xué)進(jìn)展，2007，26（11）：1162-1172.

［2］ ZHU Q，XUAN W，LIU L，et al.Evaluation and hydrological application of precipitation estimates derived from PERSIANN-CDR，TRMM 3B42V7，and NCEP-CFSR over humid regions in China［J］.Hydrological Processes，2016，30（17）：3061-3083.

［3］ 張婷，李怡，李建柱，等.多源降雨數(shù)據(jù)融合及其水文應(yīng)用研究進(jìn)展［J］.自然災(zāi)害學(xué)報(bào)，2022，31（1）：15-28.

［4］ 王一冰，謝先紅，施建成，等.多源降水?dāng)?shù)據(jù)驅(qū)動(dòng)下青藏高原徑流集合模擬［J］.科學(xué)通報(bào)，2021，66：4169-4186.

［5］ 董甲平，冶運(yùn)濤，顧晶晶，等.淮河流域遙感降水降尺度多時(shí)間特性分析［J］.水力發(fā)電學(xué)報(bào)，2022，41（8）：77-91.

［6］ 武海喆，劉登峰，黃強(qiáng)，等.降水產(chǎn)品在黃土高原的精度評(píng)價(jià)及替代性研究［J］.水力發(fā)電學(xué)報(bào)，2021，40（6）：31-40.

［7］ FALCK A S，MAGGIONI V，TOMASELLA J，et al.Propagation of satellite precipitation uncertainties through a distributed hydrologic model：A case study in the Tocantins-Araguaia basin in Brazil［J］.Journal of Hydrology，2015，527：943-957.

［8］ SUN Q，MIAO C，DUAN Q，et al.A Review of Global Precipitation Data Sets：Data Sources，Estimation，and Intercomparisons［J］.Reviews of Geophysics，2018，56（1）：79-107.

［9］ JIANG S H，REN L L，YONG B，et al.Evaluation of high-resolution satellite precipitation products with surface rain gauge observations from Laohahe Basin in northern China ［J］.Water Science and Engineering，2010，3（4）：405-417.

［10］ 熊景華，郭靖，郭生練，等.基于多源降水?dāng)?shù)據(jù)估算瀾湄流域可能最大降水［J］.水力發(fā)電學(xué)報(bào)，2022，41（9）：77-86.

［11］ 尹家波，郭生練，王俊，等.基于貝葉斯模式平均方法融合多源數(shù)據(jù)的水文模擬研究［J］.水利學(xué)報(bào)，2020，51（11）：1335-1346.

［12］ 金秋，張?jiān)鲂?，黃鈺瀚，等.基于TRMM衛(wèi)星產(chǎn)品的長江流域降水精度評(píng)估［J］.人民長江，2017，48（19）：48-52.

［13］ 石曉丹，王加虎，滿霞玉，等.烏蘇里江流域TＲMM降水?dāng)?shù)據(jù)精度評(píng)價(jià)與修正［J］.人民長江，2017，48（6）：38-41.

［14］ 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.

［15］ XIN Y，LU N，JIANG H，et al.Performance of ERA5 reanalysis precipitation products in the Guangdong-Hong Kong-Macao Greater Bay Area，China［J］.Journal of Hydrology，2021，602：126791.

［16］ HUANG W R，LIU P Y，CHANG Y H，et al.Evaluation and application of satellite precipitation products in studying the summer precipitation variations over Taiwan［J］.Remote Sensing，2020，12（3）：347.

［17］ TANG G，CLARK M P，PAPALEXIOU S M，et al.Have satellite precipitation products improved over last two decades？ A comprehensive comparison of GPM IMERG with nine satellite and reanalysis datasets［J］.Remote Sensing of Environment，2020，240：111697.

［18］ 鄒磊，夏軍，陳心池，等.多套降水產(chǎn)品精度評(píng)估與可替代性研究［J］.水力發(fā)電學(xué)報(bào)，2017，36（5）：36-46.

［19］ 許心怡，李建柱，馮平.不同降水產(chǎn)品在灤河流域徑流模擬中的適用性［J］.水力發(fā)電學(xué)報(bào)，2021，40（12）：25-39.

［20］ BECK H E，WOOD E F，PAN Ming，et al.MSWEP V2 global 3-hourly 0.1° precipitation：methodology and quantitative assessment［J］.Bulletin of the American Meteorological Society，2019，100（3）：473-500.

［21］ FENICIA F，SAVENIJE H H G，MATGEN P，et al.Understanding catchment behavior through stepwise model concept improvement［J］.Water Resources Research，2008，44：W01402.

［22］ FENICIA F，KAVETSKI D，SAVENIJE H H G.Elements of a flexible approach for conceptual hydrological modeling：1.Motivation and theoretical development ［J］.Water Resources Research，2011，47：W11510.

［23］ STEPHENS C M，PHAM H T，MARSHALL L A，et al.Which rainfall errors can hydrologic models handle？ Implications for using satellite-derived products in sparsely gauged catchments［J］.Water Resources Research，2022，58，e2020WR029331.

［24］ GAO H，HRACHOWITZ M，F(xiàn)ENICIA F，et al.Testing the realism of a topography-driven model（FLEX-Topo） in the nested catchments of the upper Heihe，China［J］.Hydrol Earth System Science，2014，18：1895-1915.

［25］ HARGREAVES G H，SAMANI Z A.Reference crop evapotranspiration from temperature［J］.Applied Engineering in Agriculture，1985，1（2）：96-99.

［26］ 杜彥臻，劉紅利，趙天宇，等.基于MOSCEM-UA的水文模型多目標(biāo)參數(shù)優(yōu)化研究［J］.中國農(nóng)村水利水電，2019（1）：41-45，50.

［27］ 羅陽，趙偉，翟景球.兩類天氣預(yù)報(bào)評(píng)分問題研究及一種新評(píng)分方法［J］.應(yīng)用氣象學(xué)報(bào)，2009，20（2）：129-136.

［28］ BEVEN K，F(xiàn)REER J.Equifinality，data assimilation，and uncertainty estimation in mechanistic modelling of complex environmental systems using the GLUE methodology ［J］.Journal of Hydrology，2001，249（1）：11-29.

［29］ GUPTA H V，KLING H，YILMAZ K K，et al.Decomposition of the mean squared error and NSE performance criteria：Implications for improving hydrological modelling ［J］.Journal of Hydrology，2009，377（1）：80-91.

（編輯：黃文晉）

Abstract：

To study the regional applicability and compare the hydrological simulation effects of different multi-source precipitation data products，the error characteristics between 4 typical watershed-average precipitation of CHIRPS，CMORPH，ERA5 and IMERG data were comparatively analyzed in Ziluoshan watershed and Huangnizhuang watershed，correspondly located at the upper and middle reaches of Huaihe River Basin.Furthermore，the modelling results were compared by using the lumped FLEX model，and the influences of using different data on runoff simulations at different location were investigated.The results showed that： ① The precipitation data error of CHIRPS in both watersheds was the largest，followed by CMORPH，ERA5 and IMERG have higher accuracy than others.The multi-source data overestimated the actual precipitation in the upstream region in general.② The runoff simulation of different precipitation data performed differently.The simulation performances were basically consistent with the evaluation results of product accuracy.The simulation runoff of ERA5 and IMERG fit the observed stream flow well.③ In overall，the four products can reflect spatial hydrological characteristics of the two watersheds effectively.The effect of runoff simulation in the upper reaches of Ziluoshan watershed was better than that in the middle reaches of Huangnizhuang watershed.This research can provide a scientific basis for the optimal selection of precipitation data products in hydrological applications.

Key words：

runoff simulation；FLEX model；multi-source precipitation data products；Huaihe River basin