CMADS降水的時空分布評估及分布式水文模擬
——以紅河流域為例

王 潔,陳裕迪,蒿 萌,王麗榮,吳蘇舒,馬燮銚

(1.南京信息工程大學(xué) 水文與水資源工程學(xué)院,南京 210044; 2.廣德市農(nóng)業(yè)農(nóng)村局,安徽 廣德 242200; 3.河北省氣象災(zāi)害防御中心,石家莊 050021; 4.江蘇省水利科學(xué)研究院, 南京 210017)

0 引 言

氣候變化和人類活動的加劇,導(dǎo)致自然界的水循環(huán)發(fā)生了深刻變異,水文氣象災(zāi)害頻發(fā)[1]。分布式水文模擬技術(shù)是研究變化環(huán)境下水循環(huán)變異的重要手段,而眾多跨界流域水文氣象數(shù)據(jù)難以自由共享,缺乏高精度的數(shù)據(jù)驅(qū)動水文模型。同時跨界流域還存在著測站建設(shè)不統(tǒng)一、分布不均或數(shù)量過少,或氣候變化和下墊面的改變都破壞了水文氣象資料的一致性等問題[2-4]。水文模擬主要依賴于水文模型,驅(qū)動水文模型通常需要高精度的水文數(shù)據(jù)。然而,在很多偏遠地區(qū)無法設(shè)置高精度水文站和氣象站,此外,由于資金限制,許多發(fā)展中國家的水文和氣象觀測站非常有限,無法為水文監(jiān)測和預(yù)報提供足夠的信息。無資料地區(qū)的水文模擬一直是國內(nèi)外水文學(xué)者面臨的極具挑戰(zhàn)的問題。

眾多研究表明[3,5-6],驅(qū)動水文模型時,高精度的氣象數(shù)據(jù)輸入會大大提高模型水文模擬能力,再分析數(shù)據(jù)的出現(xiàn)豐富了無資料地區(qū)水文模擬所需要的數(shù)據(jù)源。目前國外相關(guān)科研與學(xué)術(shù)機構(gòu)已經(jīng)開發(fā)出多種再分析降水數(shù)據(jù),如美國國家氣象局氣候預(yù)測系統(tǒng)再分析(Climate Forecast System Reanalysis,CFSR)降水產(chǎn)品[7]、日本的JRA-55降水產(chǎn)品[8]以及歐洲的ERA降水產(chǎn)品系列[9]等再分析數(shù)據(jù)資料。近年由中國學(xué)者研發(fā)的土地利用與水文過程模擬(Soil and Water Assessment Tool,SWAT)模型中國大氣同化驅(qū)動數(shù)據(jù)集(China Meteorological Assimilation Driving Datasets for the SWAT model ,CMADS)作為再分析數(shù)據(jù)的一種,擁有極高的分辨率,在中國及東南亞得到廣泛應(yīng)用[3,10-12]。

紅河流域作為中越重要的跨界流域,其氣象資料難以充分獲取。因此,本文以紅河流域為研究對象,采用多種評估指標,從時空兩個角度,對CMADS進行多方位的綜合評估,根據(jù)評估結(jié)果進行降水校正,并通過校正后的CMADS驅(qū)動SWAT模型,提升無資料地區(qū)高精度水文模擬技術(shù),為紅河流域水資源開發(fā)利用提供技術(shù)支撐。

1 研究區(qū)域與數(shù)據(jù)

1.1 研究區(qū)域

紅河發(fā)源于中國云南省,自西北向東南流至河口縣出境,流經(jīng)老撾、越南,最終注入北部灣, 全長1 280 km[13]。本文研究區(qū)域主要為紅河的上游及中游地區(qū), 經(jīng)緯度為100°06′E—105°59′E, 20°37′N—25°34′N,如圖1所示,研究流域總面積12.8萬m2。

圖1 CMADS格點及實測站點位置

紅河流域境內(nèi)地形和氣候都較為復(fù)雜,降水與氣溫的時間與空間差異性大。年降水量700～3 000 mm不等,流域降水量整體上自下游向上游減少;降水量年內(nèi)分布不均,主要集中在雨季的5—10月份,其余月份為旱季。流域內(nèi)1月份、7月份平均氣溫分別為16.6、28.9 ℃。越南首都河內(nèi)市上游的Son Tay站近50 a的平均河川徑流量為1 110億m3[14]。

1.2 研究數(shù)據(jù)

本研究所采用CMADS (V1.2)數(shù)據(jù)集,空間分辨率為(1/8)°×(1/8)°,時間范圍是2008—2018年,主要包括降水P、濕度H、氣溫T等氣象數(shù)據(jù),一共使用了728個CMADS格點數(shù)據(jù)。該數(shù)據(jù)是基于多種技術(shù)和科學(xué)方法,利用中國2 000多個國家自動站和商業(yè)評估中心下的近4 000個區(qū)域自動站融合同化而成[15],數(shù)據(jù)覆蓋范圍為60°E—160°E、0°N—65°N,可以作為眾多水文模型驅(qū)動的數(shù)據(jù)源,如SWAT模型、可變下滲容量(Variable Infiltration Capacity,VIC)模型等。

本研究采用的實測站點數(shù)據(jù)包括4個水文站的流量數(shù)據(jù)和32個氣象站的日降水量,其中水文站主要分布在流域的中下游,氣象站分布較為廣泛(圖1),能夠較好地反映降水的空間差異性。為驅(qū)動水文模型,本研究還采用的數(shù)字高程模型(Digital Elevation Model,DEM)高程數(shù)據(jù)、土壤分布數(shù)據(jù)及土地利用數(shù)據(jù),數(shù)據(jù)來源等具體信息如表1所示。

表1 研究數(shù)據(jù)及主要來源

2 研究方法

2.1 降水評估指標

降水作為模型驅(qū)動的主要因子,深刻影響流域內(nèi)的自然水循環(huán)。本文首先從時間上和空間上對比分析了氣象站點實測降水量與CMADS的降水數(shù)據(jù),對CMADS在紅河流域的適用性進行了評估,采用相關(guān)系數(shù)(r)、均方根誤差(Root Mean Square Error,RMSE)、百分比偏差(Percent Bias,PBIAS)、平均誤差(Mean Error,ME)、標準差比(STDration)、命中率(Probability of Detection,POD)、誤報率(False Acceptance Rate,FAR)、關(guān)鍵成功指數(shù)(Critical Success Index,CSI)和Kappa系數(shù)作為具體的評價指標[16]。Kappa系數(shù)分類標準如表2所示。

表2 Kappa系數(shù)分類標準

其中Kappa系數(shù)最初用于估測遙感反演的空間數(shù)據(jù)與實測空間數(shù)據(jù)兩者的相似性[17],本文引入該系數(shù),主要用于評估CMADS年均降水空間分布一致性。Kappa系數(shù)越接近1,說明CMADS降水數(shù)據(jù)與實測降水數(shù)據(jù)越接近,計算方法如下列公式所示[18],具體評價標準如表2所示。

(1)

(2)

式中:k為Kappa系數(shù);P0是分類的總體精度,即CMADS和實測降水分類一致的概率;Pe表示由于偶然機會造成2種降水數(shù)據(jù)分類相一致的概率;n為降水類型數(shù)量;N為樣本總數(shù);Pi+、P+i分別是第i類型的實測降水數(shù)據(jù)個數(shù)之和及CMADS降水數(shù)據(jù)個數(shù)之和。

2.2 SWAT模型

本研究采用SWAT水文模型,并引入3個指標:均方根誤差與實測標準差比值(Root Mean Square Error and Standard Error’s Ratio, RSR)、納什效率系數(shù)(Nash-Sutcliffe Efficiency,NSE)和百分比偏差PBIAS用于評估水文模型模擬結(jié)果的優(yōu)劣。RSR綜合了誤差指數(shù)統(tǒng)計的優(yōu)點,當RSR接近0時,模擬結(jié)果更加準確。NSE綜合反映了兩者之間的吻合程度,當NSE=1時,模擬值與實測值精準匹配,其值越接近于1,模型模擬結(jié)果越好[19]。PBIAS反映模型模擬的偏差大小,其值越接近于0,模型模擬結(jié)果越接近實測值。3個指標的計算公式如式(3)—式(5)所示。模型模擬效果的評價標準采用Moriasi等[20]的評價標準,具體如表3所示。

表3 SWAT模型性能評價標準

(3)

(4)

(5)

3 結(jié)果與討論

3.1 降水產(chǎn)品適應(yīng)性評估

3.1.1 日尺度精度評價

本文按照距離最近原則找到與32個實測氣象站點距離最近的CMADS格點,對實測氣象站點2008—2016年的日降水進行分析。分析CMADS模擬晴天與降水的能力,結(jié)果表明CMADS能正確模擬77.44%的晴天與降水,此外9.82%的降水天誤報為晴天,12.74%的晴天誤報為降水日。

為了進一步探究CMADS對不同日降水等級的模擬情況,將日降水量重新劃分為6個級別進行一致性分析。分析結(jié)果如圖2、圖3以及表4所示。

表4 研究流域CMADS模擬不同等級降雨P(guān)OD、FAR、CSI

圖2 不同等級日降水頻率和累積貢獻率對比分析(CMADS模擬值與實測值)

圖3 研究區(qū)域CMADS模擬和實測數(shù)據(jù)的32個站點的年內(nèi)分配

從降水頻率和降水等級來看,如圖2所示,研究區(qū)域的日降水大部分集中在0～10 mm,且這一范圍的降水累積貢獻率差別最大,CMADS的降水頻率明顯高于實測降水,對誤報的0～10 mm的降水進行了分析,發(fā)現(xiàn)71.14%的誤報是晴天被模擬成小雨情況,這也造成CMADS的小雨累積貢獻率大于實測的小雨累積貢獻率。從圖3可看出,各月降水占全年降水百分比類似正態(tài)分布,7月份占比最高。從表4分析CMADS模擬不同等級實測降水的POD、FAR和CSI評估結(jié)果來看,CMADS存在不同等級的降水低估,此外,降水量越大,命中率越低,誤報率也越大,關(guān)鍵成功指數(shù)越小。

3.1.2 月尺度精度評價

月尺度上,32個實測氣象站點與CMADS的平均相關(guān)系數(shù)為0.89,這表明在月尺度上,CMADS與實測降水數(shù)據(jù)變化趨勢保持一致;此外,平均RMSE為46.5 mm,平均STDration為1.07,平均PBIAS為-10.14%,平均ME為-10.08 mm,這從整體上說明CMADS在月尺度上能較好地模擬紅河流域的降水,PBIAS和ME均為負,表明CMADS存在一定的降水低估。月尺度上本文還分析了CMADS和實測數(shù)據(jù)的32個站點的平均年內(nèi)分配,結(jié)果如圖3所示,從圖3可以看出2種降水數(shù)據(jù)在年內(nèi)分配具有相同的分配規(guī)律,年內(nèi)降水主要分布6—9月份,其中7月份與8月份的降水最多,2月份降水最少。

實測與CMADS降水數(shù)據(jù)的站點平均月降水量累積曲線對比結(jié)果如圖4所示,從圖4可知,CMADS存在降水低估現(xiàn)象,截至2016年12月,降水的累積相對誤差為-10.6%。大部分月份相對誤差在-6%～-30%之間,2008 —2016年降水低估的月份占85%,且降水低估主要發(fā)生在降水量較多的夏季,其中低估的最大值發(fā)生在2013年7月,低估量為47.3 mm。降水高估主要發(fā)生在4月和5月,其中高估最大值發(fā)生在2015年4月,高估量為87.3 mm。主要原因是廣南站和文山站在2015年4月10日存在降雨的嚴重高估,導(dǎo)致了這個月的月降水出現(xiàn)了明顯的高估。

圖4 研究區(qū)域氣象站點與CMADS月平均累積降水比較

為了進一步探究CMADS在不同月份的模擬精度,本文以所有站點12個月的多年月平均降水數(shù)據(jù)為研究對象,評估結(jié)果如圖5所示。從圖5可以看出12個月的相關(guān)系數(shù)r無明顯差異,相關(guān)系數(shù)均處在0.5～0.8之間,大部分月份的STDration均在0.8～1.2之間。雨季的均方根誤差大于旱季,雨季降水量較大,會造成較大的降水誤差累積。

圖5 CMADS相對于實測數(shù)據(jù)在月尺度上的評估結(jié)果

3.1.3 空間尺度適應(yīng)性評估

為了比較CMADS降水量和實測降水量在流域空間分布上的特征,本文采用了反距離權(quán)重插值法繪制研究實測雨量站多年平均降水空間分布圖,如圖6所示,展示了2種數(shù)據(jù)多年平均降水空間分布圖,計算時段為2008—2016年。分析可知CMADS降水數(shù)據(jù)與地面實測降水數(shù)據(jù)在空間上分布大致相似,總體上多年平均降水量呈現(xiàn)自南向北減少的趨勢,且在研究流域中西部均存在一個較強的局部降水中心。為進一步進行分析,本文計算了2種降水數(shù)據(jù)的空間相關(guān)系數(shù)、均方根誤差和百分比偏差,并將年均降水量劃分為5個等級(表5),采用Kappa系數(shù)進行空間一致性分析。經(jīng)過計算,百分比偏差為0.04%,空間相關(guān)系數(shù)為0.804,表現(xiàn)為2種降水數(shù)據(jù)在多年平均降水空間分布上高度相關(guān);均方根誤差為114.87 mm,存在較大誤差,Kappa系數(shù)為0.412,表現(xiàn)為中等一致性。綜合3個指標,CMADS與地面實測降水在空間上存在一定相關(guān),但也存在一定差異。

表5 年降水等級劃分

圖6 研究流域?qū)崪y年均降水和CMADS年均降水空間分布

對2種數(shù)據(jù)進行相對誤差分析,如圖7所示,研究區(qū)域北部存在較大的年均降水低估,中部存在較大的年均降水高估。造成CMADS和實測降水數(shù)據(jù)間的空間差異原因有很多,首先CMADS是空間分布均勻柵格數(shù)據(jù),而實測數(shù)據(jù)為單點數(shù)據(jù),紅河流域的氣象站點分布不均勻且稀疏,插值結(jié)果受站點數(shù)量及分布影響很大,誤差較大的區(qū)域內(nèi)基本無站點分布。其次研究區(qū)域位于印度季風(fēng)和東亞季風(fēng)的交匯區(qū)[21],流域內(nèi)山脈眾多阻擋了水汽輸送,導(dǎo)致降水時空變異十分復(fù)雜,這就造成了實測降水數(shù)據(jù)空間分布上局部偏大或偏小,導(dǎo)致CMADS在降水模擬上的誤差。

圖7 研究區(qū)域CMADS年均降水與實測年均降水的相對誤差

根據(jù)以上的研究,綜合時空尺度,CMADS在研究流域具有良好的適用性,可以為無資料地區(qū)的水文模擬提供可靠的數(shù)據(jù)支持,但進一步的應(yīng)用需對CMADS降水數(shù)據(jù)進行校正。

3.2 CMADS驅(qū)動SWAT模型

3.2.1 降水誤差校正

為提高模型驅(qū)動的準確性,對降水數(shù)據(jù)進行降水校正?？紤]地形、國家及水文站分布情況,本文將研究區(qū)域一共劃分為4個分區(qū),Ⅰ區(qū)、Ⅱ區(qū)、Ⅲ區(qū)、Ⅳ區(qū)面積分別為2.6萬、4.7萬、2.6萬、2.9萬km2,分區(qū)結(jié)果如圖8所示,分別進行降水校正。本文采用平均偏差校正,即采用再分析降水與實測降水的總量來校正再分析降水[22]。由于研究區(qū)域的降水具有較強的季節(jié)性,本研究分別求出了每個分區(qū)12個月的校正系數(shù),根據(jù)校正系數(shù)求出校正后的降水。校正系數(shù)公式和校正后的降水分別由式(4)和式(5)計算得到。

圖8 研究區(qū)域分區(qū)

(4)

Pij=BjPsij。

(5)

式中:n為實測雨量站點個數(shù);Pgij為各分區(qū)內(nèi)及附近雨量站點在j月降水觀測值;Psij為對應(yīng)CMADS格點j月降水值;Bj為月校正系數(shù);Pij為CMADS格點校正后的降水,其中j=1,2,3,…,12。

對校正后的CMADS降水數(shù)據(jù)進行降水評估,月尺度上各站點評估結(jié)果的平均值與校正前對比如表6所示。校正結(jié)果表明,各項評估指標均得到了提高。校正后的結(jié)果可更好地用于模型驅(qū)動。

表6 紅河流域CMADS校正前后與32個實測氣象站點在月尺度上的模擬結(jié)果

3.2.2 模型率定與驗證

為驗證基于CMADS數(shù)據(jù)水文模擬的效果,通過實測數(shù)據(jù)和校正后CMADS驅(qū)動SWAT水文模型開展研究。本研究中,4個水文站點的預(yù)熱期均為2008年,Lai Chau 站和Hoa Binh站的率定期為2009—2012年,驗證期為2013—2016年;Yen Bai站和Son Tay站率定期為2009—2011年,驗證期為2012—2013年?；趯崪y月流量,2種數(shù)據(jù)4個水文站的率定與驗證結(jié)果如表7和圖9所示。

表7 紅河流域月流量模擬評價結(jié)果

圖9 CMADS驅(qū)動SWAT模型下各站點月流量的率定與驗證結(jié)果

以NSE、RSR、PBIAS作為目標函數(shù),由模擬結(jié)果所知CMADS在研究流域有較好的適用性,除Hoa Binh站外,其他站點在率定期和驗證期的模擬結(jié)果均滿足性能等級為非常好的標準(表2),即RSR≤0.50,NSE>0.75且|PBIAS|<10%。其中Hoa Binh站在驗證期模擬結(jié)果不如其他站點,可能是模型在模擬過程中沒有考慮上游水庫影響。而采用實測數(shù)據(jù)驅(qū)動SWAT模型的結(jié)果均沒有CMADS模擬的好,這主要是由于可供模型驅(qū)動的實測氣象站點空間分布不均且較少。綜合分析對比實測數(shù)據(jù)驅(qū)動模型結(jié)果,在實測站點匱乏的情況下,CMADS極大地豐富了流域氣象資料,可以為紅河流域的流量模擬提供高質(zhì)量的氣象數(shù)據(jù)。

4 結(jié) 論

CMADS是通過各種數(shù)據(jù)來源和處理算法得到氣象數(shù)據(jù),其適用性在不同區(qū)域差別很大,因此在使用前應(yīng)對其適用性進行評價。本文首先分別從時間上和空間上對CMADS在紅河流域的適用性進行評估,然后通過CMADS驅(qū)動SWAT模型進行水文模擬,最后得到的結(jié)論如下:

(1)從時間上看,日尺度上,CMADS能正確模擬77.44%的晴雨天,降水等級越高,CMADS的誤報率越高;月尺度上,實測氣象站點與CMADS平均相關(guān)系數(shù)為0.89,平均RMSE為46.50 mm,在月尺度上能較好地模擬紅河流域的降水,PBIAS和ME均為負,表示CMADS存在降水低估。其次,兩種降水數(shù)據(jù)在年內(nèi)分配具有相同的分配規(guī)律,雨季的誤差大于旱季。

(2)從空間上看,CMADS降水數(shù)據(jù)與地面實測降水數(shù)據(jù)在空間上分布大致相似,存在較強的相關(guān)性?？傮w上多年平均降水量均自南向北減少,且在研究流域中西部均存在一個局部降水中心,誤差主要存在于研究區(qū)域中部。

(3)通過實測降水和校正后的CMADS驅(qū)動SWAT模型的率定驗證結(jié)果來看,在氣象資料匱乏的情況下,CMADS驅(qū)動SWAT模型得到了較好的模擬效果且優(yōu)于實測數(shù)據(jù)模擬結(jié)果,大部分站點在率定期和驗證期的模擬結(jié)果均能滿足NSE≥0.75,RSR≤0.50,|PBIAS|<10%即得到評價標準中非常好的模擬結(jié)果。

綜合時空適用性評估以及CMADS驅(qū)動SWAT模型結(jié)果,CMADS在研究流域具有良好的適用性,可以為紅河流域的水文模擬提供可靠的數(shù)據(jù)支持。本文之后的研究將根據(jù)CMADS驅(qū)動SWAT模型結(jié)果對紅河流域蒸散發(fā)、產(chǎn)匯流和降雨徑流規(guī)律等進行分析,為紅河流域水資源開發(fā)利用提供技術(shù)支撐。