焦振航，舒紅，吳凱，聶磊

(武漢大學(xué)測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室，湖北 武漢 430079)

降水驅(qū)動(dòng)數(shù)據(jù)改進(jìn)對(duì)VIC土壤濕度模擬的影響

焦振航*，舒紅，吳凱，聶磊

(武漢大學(xué)測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室，湖北 武漢 430079)

降水驅(qū)動(dòng)數(shù)據(jù)精度顯著影響模型模擬土壤濕度的能力。本文提出了逐日校正降水驅(qū)動(dòng)數(shù)據(jù)的方法，利用澳大利亞氣象局發(fā)布的逐日降水?dāng)?shù)據(jù)改進(jìn)ERA-Interim再分析資料逐6小時(shí)降水?dāng)?shù)據(jù)，用以驅(qū)動(dòng)Variable Infiltration Capacity(VIC)水文模型，并與逐月校正法和直接用再分析資料驅(qū)動(dòng)模型得到的結(jié)果進(jìn)行對(duì)比分析。利用澳大利亞Yanco地區(qū)內(nèi)13個(gè)觀測(cè)站點(diǎn)數(shù)據(jù)進(jìn)行驗(yàn)證，結(jié)果表明逐日和逐月校正方法均能提高模擬值同站點(diǎn)觀測(cè)值的相關(guān)系數(shù)，且逐日改進(jìn)方法效果更顯著，相關(guān)系數(shù)提高了24%左右，在大部分站點(diǎn)逐日改進(jìn)方法還能降低均方根誤差5%左右。

VIC；土壤濕度；降水改進(jìn)

1 引 言

土壤濕度對(duì)陸-氣間的相互作用有重要影響，是水文、農(nóng)林業(yè)發(fā)展和氣候研究中需著重關(guān)注的物理參數(shù)之一[1]。但是很難通過(guò)野外觀測(cè)獲得大面積(>106km2)的土壤濕度數(shù)據(jù)[2]。隨著陸面水文模型的發(fā)展，獲得大范圍土壤濕度的時(shí)空分布成為可能。Nijssen等利用VIC模型模擬了1980年～1993年空間分辨率為2°×2°的逐日全球土壤濕度分布，證明VIC可以較好模擬土壤濕度的年際變化和空間分布模式[3]。Andreadis等基于VIC模型模擬了空間分辨率為0.5°×0.5°的徑流和土壤濕度數(shù)據(jù)，重建了北美大陸歷史上1930年，1950年和20世紀(jì)初的干旱[4]。Wu等基于VIC模型模擬了近35年(1971年～2005年)全國(guó)范圍30 km×30 km分辨率的逐日土壤濕度，結(jié)果表明VIC模型較好地模擬了土壤濕度，尤其是在濕潤(rùn)和半濕潤(rùn)地區(qū)，模擬的 0 cm～100 cm的土壤含水量多年平均值與實(shí)際的全國(guó)土壤水分分布較為一致[4]。Mi等利用VIC模型和集合卡爾曼濾波算法發(fā)展了一種土壤表層濕度的數(shù)據(jù)同化方案，得到的結(jié)果比VIC模型模擬結(jié)果更接近于實(shí)際測(cè)量值[5]。Lin等利用VIC及其匯流模型模擬了2006年5月～9月全國(guó)0.5°×0.5°逐日徑流深和土壤相對(duì)濕度分布，對(duì)淮河流域2006年汛期強(qiáng)降水過(guò)程期間的模擬結(jié)果進(jìn)行了漬澇災(zāi)害的分析，結(jié)果表明VIC模型模擬的徑流深和土壤相對(duì)濕度分布是一致的，模擬的土壤濕度具有可用性[6]。

土壤濕度受到多種因素影響，其中以降水量和氣溫的影響最顯著[7]。因此提出了一種利用高測(cè)量精度低時(shí)間分辨率的澳大利亞氣象局逐日降水?dāng)?shù)據(jù)優(yōu)化低測(cè)量精度高時(shí)間分辨率的ERA-Interim再分析資料逐6小時(shí)降水?dāng)?shù)據(jù)來(lái)驅(qū)動(dòng)VIC模型獲得土壤濕度的方法，并探討該校正方法對(duì)VIC土壤濕度模擬精度的影響。

2 水文模型與研究區(qū)域

2.1 VIC模型

VIC模型是美國(guó)Washington大學(xué)、California大學(xué)Berkeley分校以及Princeton大學(xué)共同研制的陸面水文模型，是一個(gè)基于空間分布網(wǎng)格的分布式水文模型[8]。主要考慮了大氣—植被—土壤之間的物理交換過(guò)程，模擬了水熱狀態(tài)變化和水熱傳輸[9]。模型同時(shí)考慮陸—?dú)忾g水分收支和能量收支過(guò)程，同時(shí)考慮兩種產(chǎn)流機(jī)制(蓄滿產(chǎn)流和超滲產(chǎn)流)[10]。VIC模型已發(fā)展為具有三層土壤的VIC-3L模型，即在VIC-2L模型的頂層分出一個(gè)頂薄層(通常為 0.1 m)。模型采用Richards方程來(lái)描述垂直方向一維土壤水分運(yùn)動(dòng)，采用Darcy定律來(lái)模擬土壤各層間的水汽通量[12～17]。模型假設(shè)水只能通過(guò)大氣作用進(jìn)入網(wǎng)格，網(wǎng)格間的非通道流動(dòng)被忽略，且網(wǎng)格內(nèi)的地表和地下徑流被認(rèn)為遠(yuǎn)大于網(wǎng)格間的水流，一旦水分進(jìn)入河流網(wǎng)，就不能再回到土壤中。

2016年發(fā)布的5.0.0版本重構(gòu)并簡(jiǎn)化了代碼來(lái)支持多種類型數(shù)據(jù)驅(qū)動(dòng)模型運(yùn)行的程序，徑流和陸地表面模擬用各自的模型分開執(zhí)行，其中的傳統(tǒng)驅(qū)動(dòng)模式允許VIC逐格網(wǎng)獨(dú)立的模擬，分別考慮每個(gè)計(jì)算網(wǎng)格內(nèi)多種植被覆蓋類型及土壤特性對(duì)土壤濕度的影響，但需要時(shí)間分辨率高于一天的數(shù)據(jù)來(lái)驅(qū)動(dòng)模型。

2.2 研究區(qū)域

澳大利亞Murrumbidgee流域位于澳大利亞?wèn)|南部，流域面積 84 000 km2。其中的Yanco地區(qū)的范圍為-34.5°S～-35.5°S，145.5°E～146.5°E，面積 3 600 km2?？紤]土壤濕度具有空間異質(zhì)性，應(yīng)采用較高空間分辨率的網(wǎng)格和大氣驅(qū)動(dòng)數(shù)據(jù)進(jìn)行模擬，將實(shí)驗(yàn)區(qū)分成19行19列共361個(gè)獨(dú)立網(wǎng)格，每個(gè)網(wǎng)格的大小均為0.05°×0.05°，實(shí)驗(yàn)區(qū)如圖1所示，外圍實(shí)線表示Murrumbidgee流域，正方形實(shí)線表示實(shí)驗(yàn)區(qū)網(wǎng)格，黑點(diǎn)表示13個(gè)觀測(cè)站點(diǎn)，編號(hào)如圖1所示。

圖1實(shí)驗(yàn)研究區(qū)

3 實(shí)驗(yàn)設(shè)計(jì)

3.1 數(shù)據(jù)

VIC運(yùn)行需要5個(gè)文件：氣象驅(qū)動(dòng)數(shù)據(jù)文件、土壤參數(shù)文件、植被(所有類型)參數(shù)庫(kù)文件、植被參數(shù)(每種類型占比)文件和全局控制文件[18]。

氣象驅(qū)動(dòng)數(shù)據(jù)采用2009年9月1日～2011年10月1日的歐洲中期天氣預(yù)報(bào)中心ECMWF的ERA-Interim再分析數(shù)據(jù)，包括日平均氣溫、降水、大氣壓、入射短波輻射、入射長(zhǎng)波輻射、水汽壓和風(fēng)速7個(gè)驅(qū)動(dòng)變量，空間分辨率為0.125°×0.125°，采用最鄰近插值法加密數(shù)據(jù)到空間分辨率0.05°×0.05°，時(shí)間分辨率為6小時(shí)。用于優(yōu)化的降水?dāng)?shù)據(jù)來(lái)自澳大利亞氣象局BOM(Bureau of Meteorology)，空間分辨率為0.05°×0.05°，時(shí)間分辨率為1天。

土壤參數(shù)文件用來(lái)描述土壤的空間異質(zhì)性，具體為NOAA(National Oceanic and Atmospheric Administration)管理局提供的全球5′土壤質(zhì)地分類數(shù)據(jù)[12]。文件中包含每個(gè)格網(wǎng)的主要土壤類型和平均高程等參數(shù)，其中某些參數(shù)需要率定以適應(yīng)研究區(qū)域。

植被參數(shù)庫(kù)文件來(lái)自VIC官網(wǎng)自帶的示例文件，儲(chǔ)存每種土地覆蓋類型的參數(shù)，包括LAI，結(jié)構(gòu)阻抗，零平面位移等。植被參數(shù)文件用來(lái)表示各個(gè)網(wǎng)格內(nèi)包含的多個(gè)植被類型、各類植被所占比例及葉面積指數(shù)等信息。依據(jù)馬里蘭大學(xué)發(fā)布的 1 km全球植被分布數(shù)據(jù)得到，其將陸面覆蓋類型分為14類[13]。

全局控制文件負(fù)責(zé)控制模型運(yùn)行，選擇以何種方式運(yùn)行模型，說(shuō)明驅(qū)動(dòng)數(shù)據(jù)時(shí)間步長(zhǎng)、模擬起止時(shí)間和各參數(shù)文件的路徑等信息。

站點(diǎn)觀測(cè)資料來(lái)自Murrumbidgee流域官網(wǎng)2005年至今的時(shí)間分辨率為 20 min四層深度的土壤濕度觀測(cè)值，評(píng)價(jià)模擬結(jié)果時(shí)采用頂層(0 cm～5 cm)測(cè)量值與模型第一層(0 cm～10 cm)模擬值進(jìn)行對(duì)比，兩者的觀測(cè)/模擬深度并不一致，但是由于表層(0 cm～10 cm)的土壤濕度通常有密切的關(guān)系[19～20]，所以實(shí)驗(yàn)中將不同的觀測(cè)/模擬深度視為同一深度。

3.2 參數(shù)率定

水文模型參數(shù)是水文模型的重要組成部分，參數(shù)率定是水文模型實(shí)際應(yīng)用的關(guān)鍵[21]。采用均勻設(shè)計(jì)法率定6個(gè)參數(shù)：第二、三層土壤厚度d2、d3(m)、最大基流流速Dm(m3/s)、非線性基流流速Ds(m3/s)、蓄水量曲線指數(shù)B、非線性基流時(shí)土壤的含水量Ws。采用均勻設(shè)計(jì)實(shí)驗(yàn)方案能明顯減少模型參數(shù)率定次數(shù)和時(shí)間，模擬精度可以滿足大多數(shù)應(yīng)用需要。

采用確定性系數(shù)(Nash-Sutcliffe效率系數(shù)，NSE)來(lái)評(píng)價(jià)率定結(jié)果，NSE越接近1代表率定結(jié)果越好。確定性系數(shù)計(jì)算方法如下式。

(1)

研究區(qū)域參數(shù)率定結(jié)果 表1

3.3 方法

設(shè)計(jì)三組實(shí)驗(yàn)，第一組的降水驅(qū)動(dòng)數(shù)據(jù)直接采用ERA-Interim再分析資料的逐6 h降水?dāng)?shù)據(jù)。第二組的降水驅(qū)動(dòng)數(shù)據(jù)采用經(jīng)過(guò)澳大利亞氣象局逐日降水?dāng)?shù)據(jù)優(yōu)化后的ERA-Interim再分析資料的逐6小時(shí)降水?dāng)?shù)據(jù)。因?yàn)榘拇罄麃啔庀缶值闹鹑战邓當(dāng)?shù)據(jù)精度高，但是時(shí)間分辨率是1天，而VIC模型驅(qū)動(dòng)數(shù)據(jù)要求時(shí)間分辨率高于1天，因此利用同一天的ERA-Interim再分析資料的降水?dāng)?shù)據(jù)和澳大利亞氣象局逐日降水?dāng)?shù)據(jù)計(jì)算出比例系數(shù)，用于優(yōu)化ERA-Interim再分析數(shù)據(jù)，優(yōu)化公式如下。

(2)

(3)

4 實(shí)驗(yàn)結(jié)果

采用13個(gè)觀測(cè)站的實(shí)測(cè)土壤含水量資料來(lái)驗(yàn)證三組實(shí)驗(yàn)?zāi)M的土壤含水量。實(shí)驗(yàn)?zāi)M結(jié)果驗(yàn)證的定量化分析，采用均方根誤差(Root mean square error，RMSE)和相關(guān)系數(shù)(Correlation coefficient，R)兩個(gè)評(píng)價(jià)指標(biāo)。RMSE和R的計(jì)算公式如下：

(4)

(5)

其中，ymi為第i個(gè)時(shí)間的模型模擬值，yoi為第i個(gè)時(shí)間的驗(yàn)證站點(diǎn)觀測(cè)值；Ym為模擬值組成的向量，Yo為觀測(cè)值組成的向量。

圖2 Y7驗(yàn)證站點(diǎn)觀測(cè)和三組實(shí)驗(yàn)?zāi)M結(jié)果的對(duì)比

圖2給出了Y7站點(diǎn)的驗(yàn)證站點(diǎn)觀測(cè)值和三組實(shí)驗(yàn)?zāi)M值的土壤濕度，圖中虛線代表站點(diǎn)觀測(cè)的時(shí)間稀疏性(時(shí)間不連續(xù)性)。對(duì)比可以看出，實(shí)驗(yàn)二和實(shí)驗(yàn)三都能較好地模擬土壤濕度的變化趨勢(shì)，且實(shí)驗(yàn)二比實(shí)驗(yàn)三更好些，這一點(diǎn)在2010年10月1日～2010年11月1日三組實(shí)驗(yàn)對(duì)比和2011年9月1日到2011年10月1日三組實(shí)驗(yàn)結(jié)果對(duì)比中更加明顯。直接用ERA-Interim再分析數(shù)據(jù)驅(qū)動(dòng)的實(shí)驗(yàn)一雖然數(shù)值上較接近站點(diǎn)觀測(cè)，但在2010年7月1日至2010年9月1日與站點(diǎn)觀測(cè)呈相反的變化趨勢(shì)，可能原因是ERA-Interim再分析資料不準(zhǔn)確。

圖3給出了13個(gè)站點(diǎn)位置的實(shí)驗(yàn)?zāi)M值相對(duì)站點(diǎn)觀測(cè)值的RMSE和R的變化情況。

圖3 在13個(gè)站點(diǎn)位置的三組實(shí)驗(yàn)?zāi)M值相對(duì)站點(diǎn)觀測(cè)值的RMSE和R比較

從圖3(a)可以看出逐日改進(jìn)的實(shí)驗(yàn)二模擬得到的土壤濕度跟站點(diǎn)觀測(cè)得到的土壤濕度最接近，相對(duì)于逐月改進(jìn)降水?dāng)?shù)據(jù)驅(qū)動(dòng)VIC模擬的土壤濕度和直接用ERA-Interim再分析資料降水?dāng)?shù)據(jù)驅(qū)動(dòng)VIC模擬的土壤濕度，逐日改進(jìn)降水?dāng)?shù)據(jù)驅(qū)動(dòng)VIC模擬的土壤濕度呈現(xiàn)RMSE最小，直接用ERA-Interim數(shù)據(jù)驅(qū)動(dòng)的實(shí)驗(yàn)一模擬值的RMSE次之，但總體來(lái)看實(shí)驗(yàn)一和實(shí)驗(yàn)二的模擬值相差不大，而逐月改進(jìn)的實(shí)驗(yàn)三的RMSE最大。從圖3(b)可以看出實(shí)驗(yàn)二模擬值跟站點(diǎn)觀測(cè)值的相關(guān)系數(shù)是最高的，說(shuō)明逐日改進(jìn)對(duì)土壤濕度的趨勢(shì)模擬有很大幫助，相關(guān)系數(shù)提高24%左右。實(shí)驗(yàn)三模擬值在10個(gè)站點(diǎn)中相對(duì)實(shí)驗(yàn)一模擬值有一定改進(jìn)，在其余站點(diǎn)則無(wú)改進(jìn)或改進(jìn)不明顯。概言之，利用澳大利亞氣象局逐日降水?dāng)?shù)據(jù)改進(jìn)ERA-Interim再分析資料的逐6小時(shí)降水?dāng)?shù)據(jù)來(lái)驅(qū)動(dòng)VIC模型可以提高模型模擬土壤濕度的精度。

5 結(jié) 語(yǔ)

陸面模型獲取大面積連續(xù)時(shí)間的土壤水分是土壤濕度產(chǎn)品生產(chǎn)的基本方法，降水?dāng)?shù)據(jù)是影響模型模擬土壤濕度精度的關(guān)鍵因素之一。本文提出了逐日改進(jìn)降水?dāng)?shù)據(jù)的方法，利用澳大利亞氣象局發(fā)布的逐日降水?dāng)?shù)據(jù)優(yōu)化ERA-Interim再分析資料的逐6小時(shí)降水?dāng)?shù)據(jù)，用以驅(qū)動(dòng)VIC模型模擬土壤濕度，將實(shí)驗(yàn)結(jié)果和站點(diǎn)觀測(cè)數(shù)據(jù)做對(duì)比分析，結(jié)果表明逐日優(yōu)化能顯著提高模型模擬值和站點(diǎn)觀測(cè)值的相關(guān)系數(shù)和模擬精度。逐月改進(jìn)也能提高模型模擬值和站點(diǎn)觀測(cè)值的相關(guān)系數(shù)，但是降低了模型模擬的精度。綜上，逐日改進(jìn)方法更適用于模擬土壤濕度和研究長(zhǎng)時(shí)間序列變化。

三組實(shí)驗(yàn)的模型模擬值相對(duì)站點(diǎn)觀測(cè)值均偏大，這可能跟參數(shù)率定有一定關(guān)系。本文只是為了驗(yàn)證兩種改進(jìn)方法的可行性。實(shí)際應(yīng)用中，可考慮更精確的方法來(lái)率定模型參數(shù)，進(jìn)一步提高模型模擬值的精度。

[1] 賴欣，文軍，岑思弦等. CLM4.0模式對(duì)中國(guó)區(qū)域土壤濕度的數(shù)值模擬及評(píng)估研究[J]. 大氣科學(xué)，2014，38(3)：499～512.

[2] 吳志勇，陸桂華，張建云等. 基于VIC模型的逐日土壤含水量模擬[J]. 地理科學(xué)，2007，27(3)：359～364.

[3] Nijssen B，Schnur R，Lettenmaier D P. Global Retrospective Estimation of Soil Moisture Using the Variable Infiltration Capacity Land Surface Model，1980-93. [J]. Journal of Climate，2001，14(8)：1790～1808.

[4] Andreadis K M，Clark E A，Wood A W，et al. Twentieth-Century Drought in the Conterminous United States[J]. Journal of Hydrometeorology，2005，6(6)：985～1001.

[5] 米素娟，唐家奎，張顯峰等. 基于VIC模型與集合卡爾曼濾波的土壤水分同化研究[J]. 地理與地理信息科學(xué)，2013，29(1)：91～95.

[6] 林建，謝正輝，陳鋒等. 2006年汛期VIC水文模型模擬結(jié)果分析[J]. 氣象，2008，34(3)：69～77.

[7] 王丹，南瑞，韓俊杰等. 黑龍江省土壤濕度及其對(duì)氣溫和降水的敏感性分析[J]. 氣象與環(huán)境學(xué)報(bào)，2012，28(2)：49～53.

[8] Xu L，Wood E F，Lettenmaier D P. Surface soil moisture parameterization of the VIC-2L model： Evaluation and modification[J]. Global & Planetary Change，1996，13(1)：195～206.

[9] 謝正輝，劉謙，袁飛等. 基于全國(guó)50km×50km網(wǎng)格的大尺度陸面水文模型框架[J]. 水利學(xué)報(bào)，2004(5)：76～82.

[10] Liang X，Xie Z. A new surface runoff parameterization with subgrid-scale soil heterogeneity for land surface models[J]. Advances in Water Resources，2001，24(9-10)：1173～1193.

[11] Lievens H，Tomer S K，Bitar A A，et al. SMOS soil moisture assimilation for improved hydrologic simulation in the Murray Darling Basin，Australia[J]. Remote Sensing of Environment，2015，168：146～162.

[12] 山紅翠，袁飛，盛東等. VIC模型在西江流域徑流模擬中的應(yīng)用[J]. 中國(guó)農(nóng)村水利水電，2016(4)：43～45.

[13] 張利平，陳小鳳，張曉琳等. VIC模型與SWAT模型在中小流域徑流模擬中的對(duì)比研究[J]. 長(zhǎng)江流域資源與環(huán)境，2009，18(8)：745～752.

[14] Wood E F，Lettenmaier D P，Zartarian V G. A Land Surface Hydrology Parameterization with Sub-Grid Variability for General Circulation Models[J]. Journal of Geophysical Research Atmospheres，1992，97(D3)：2717～2728.

[15] Liang X，Lettenmaier D P，Wood E F. One-dimensional statistical dynamic representation of subgrid spatial variability of precipitation in the two-layer variable infiltration capacity model[J]. Journal of Geophysical Research Atmospheres，1996，101(D16)：21403～21422.

[16] Xu L，Wood E F，Lettenmaier D P. Surface soil moisture parameterization of the VIC-2L model： Evaluation and modification[J]. Global & Planetary Change，1996，13(1)：195～206.

[17] Liang X，Lettenmaier D P，Wood E F，et al. A simple hydrologically based model of land surface water and energy fluxes for general circulation models[J]. Journal of Geophysical Research Atmospheres，1994，99(D7)：14415～14428.

[18] 劉謙. VIC大尺度陸面水文模型在中國(guó)區(qū)域的應(yīng)用[D]. 長(zhǎng)沙：湖南大學(xué)，2004.

[19] Jensen J B，H?yer S，Jensen M E. Soil moisture estimation through ASCAT and AMSR-E sensors： An intercomparison and validation study across Europe[J]. Remote Sensing of Environment，2011，115(12)：3390～3408.

[20] Albergel C，Rüdiger C，Pellarin T，et al. From near-surface to root-zone soil moisture using an exponential filter： an assessment of the method based on in-situ observations and model simulations[J]. Hydrology & Earth System Sciences，2008，12(6)：1323～1337.

[21] 朱悅璐，暢建霞. 基于均勻設(shè)計(jì)法的VIC模型參數(shù)率定[J]. 西北農(nóng)林科技大學(xué)學(xué)報(bào)·自然科學(xué)版，2015，43(12)：217～224.

The Rainfall Calibration Methods’ Impact on VIC Soil Moisture Simulation

Jiao Zhenhang，Shu Hong，Wu Kai，Nie Lei

(State Key Laboratory of Information Engineering in Surveying，Mapping and Remote Sensing，WuHan 430079，China)

The capability of hydrology model in soil moisture simulation is mainly influenced by rainfall data’s precision. A new method to calibrate rainfall forcing data on daily time scale was proposed. The method was used to calibrate 6 hourly ERA-Interim reanalysis rainfall data with daily rainfall data from Bureau of Meteorology Australia. The calibrated data was used as Variable Infiltration Capacity(VIC) model atmospheric forcing data，compared with the method that calibrated on monthly time scale and another method that used ERA-Interim reanalysis data to force the model directly. In situ soil moisture measurements from 13 sites in Yanco area were used to validate the results. Both daily and monthly calibration can improve the correlation coefficient between VIC simulations and in situ observations，and daily calibration is better as it improved the correlation coefficient about 24%. Daily calibration can also reduce RMSE about 5% in most sites.

VIC；soil moisture；rainfall calibration

1672-8262(2017)04-37-05

P208，TP75

A

2017—05—31

焦振航(1993—)，男，碩士研究生，主要從事遙感數(shù)據(jù)同化方面的研究。

舒紅(1970—)，男，博士，教授(博導(dǎo))，主要從事時(shí)空統(tǒng)計(jì)和遙感數(shù)據(jù)同化研究。

中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金科研項(xiàng)目(2042016kf0176)；武漢大學(xué)自主科研項(xiàng)目(2042016kf1035)。