唐雄朋，王國慶，張建云，楊艷青，金君良，劉翠善，劉艷麗，鮑振鑫

(1. 南京水利科學研究院水文水資源與水利工程科學國家重點實驗室，江蘇 南京 210029； 2. 水利部應對氣候變化研究中心，江蘇 南京 210029)

0 引 言

無資料地區(qū)的水文預報是世界范圍內一直困擾水文學家的難題之一(劉昌明, 白鵬 et al. 2012)。目前大多數(shù)水文預報是根據(jù)已有的水文觀測序列借助一定的概念性或者分布式水文模型對流域復雜的水文現(xiàn)象進行描述(徐宗學 and 程磊 2010)。各種水文模型均需要輸入一定長度的水文氣象要素來進行參數(shù)率定，進而才能用于流域水文預報。然而，在全球范圍內，特別是在一些欠發(fā)達地區(qū)，水文氣象測站分布及其稀少；另外對于一些跨境河流(Jacobs 2002)，水文氣象站點數(shù)據(jù)分屬不同的國家和地區(qū)管理，增加了地面觀測數(shù)據(jù)收集的難度。為了滿足當前無資料地區(qū)或者缺資料地區(qū)防洪抗旱、水資源管理等方面的需求，國際水文科學協(xié)會(IAHS)啟動了一系列的國際水文計劃，旨在減少水文預報中的不確定性，完善現(xiàn)有水文模型并且發(fā)展開發(fā)全新的水文模擬系統(tǒng)(Sivapalan, Takeuchi et al. 2003)。

數(shù)十年來，國內外水文學家圍繞著水文氣象要素輸入、減小水文模型參數(shù)的不確定性，提高無資料地區(qū)或缺資料地區(qū)的水文預報精度進行了大量的研究(毛能君, 夏軍 et al. 2016, 姬晶, 劉攀 et al. 2017)。當前，對于無資料或缺資料地區(qū)水文預報和模擬，最常用的方法為參數(shù)區(qū)域化方法(Bao, Zhang et al. 2012)和借助遙感再分析氣象產品(Shaohua Liu 2016)輸入 模型。常用的參數(shù)區(qū)域化方法主要包括參數(shù)移植法、插值法和平均法，而其中最常用的為參數(shù)移植法。參數(shù)移植法即是通過選擇跟研究流域相似的有資料流域作為參考，將參考流域率定的模型參數(shù)移用到無資料或缺資料地區(qū)進行水文模擬工作。Bao, Zhang et al. (2012)使用了基于回歸分析和相似性分析的區(qū)域化方法，利用VIC模型評估了兩種方法在中國55個不同氣候區(qū)域的適用性，并且取得了較好的模擬效果。Zhang and Chiew (2009)使用3種參數(shù)區(qū)域化方法，借助Sim-Hyd模型和新安江模型在澳大利亞210個不同流域評估了3種方法的適用性，研究發(fā)現(xiàn)地理位置臨近流域之間的參數(shù)移植效果較好。而伴隨著近20年以來衛(wèi)星技術和計算機技術的發(fā)展，越來越多的遙感和再分析降水產品也為無資料地區(qū)的水文模擬提供了可能。目前應用比較廣泛的遙感降水產品主要有GsMAP(Kubota, Shige et al. 2007)、CMORPH、PERSIANN(Zhu, Xuan et al. 2016)和TRMM(Shaohua Liu 2016)等，再分析降水產品主要有AgMERRA(Rienecker, Suarez et al. 2011)、chirps(Katsanos, Retalis et al. 2015)和APHRODITE(Xu, Xu et al. 2016)等。Zhu, Xuan et al. (2016)利用SWAT模型評估了TRMM，NCEP-CFSR和PERSIANN-CDR在中國兩個濕潤地區(qū)的徑流模擬適用性，結果表明TRMM和PERSIANN將水產品在兩個濕潤地區(qū)都有較好的徑流模擬結果，NCEP-CFSR的水文模擬能力則會隨著研究區(qū)域的不同而不穩(wěn)定。Chen, Jayasekera et al. (2015)以整個湄公河流域為研究對象，利用SMA模型評估了TRMM3B42V7，CMORPH和APHRODITE三種產品的徑流模擬適用性，結果發(fā)現(xiàn)APHRODITE降水產品徑流模擬效果最好。

本文基于AgMERRA再分析產品，借助AWBM模型和Sim-Hyd模型以洞里薩湖區(qū)域3個子流域為研究對象，評估了AgMERRA降水產品的區(qū)域徑流模擬適應性，為稀缺資料地區(qū)徑流估算提供參考。

1 研究區(qū)域概況

洞里薩湖位于柬埔寨東北部，又名金邊湖，是東南亞最大的淡水湖泊，長約500 km、寬約110 km，在金邊市匯入湄公河，如圖1所示。研究區(qū)位于亞洲熱帶季風區(qū)中心，5-10月為濕季，主要受到海上西南季風影響，而11月至次年4月為干季，主要受到來自大陸東北季風影響。其多年平均降水量時空分布不均，西北部的多年平均降水量約為1 200 mm，而西南部可以超過4 000 mm，而在洞里薩湖周邊其多年平均降水量約為1 600 mm，年降水量的88%左右集中在雨季5-10月份(唐海行 1999)。

本文以柬埔寨洞里薩湖湖區(qū)3個子流域Kampong Chen(KC)、Kampong Thom(KT1)和Kampong Thmar(KT2)為研究對象。首先對比分析了AgMERRA講述產品和地面觀測降水數(shù)據(jù)，然后借助AWBM模型和Sim-Hyd模型評估了AgMERRA降水產品在研究區(qū)的徑流模擬能力。

圖1 洞里薩湖概況及水文站點位置圖Fig.1 The description of Tonle Sap Lake and location of hydro-meteorology stations

2 研究方法和數(shù)據(jù)

2.1 地面觀測數(shù)據(jù)

本研究收集了研究區(qū)4個雨量站日尺度降水數(shù)據(jù)，3個水文站日尺度徑流過程數(shù)據(jù)(圖1)。雨量站和水文站基本信息見表1。本研究地面觀測資料均由柬埔寨水文氣象部門提供，在應用前其質量受到水文氣象部門的嚴格控制。本研究為保證數(shù)據(jù)質量，剔除了連續(xù)缺測多日的降水和徑流數(shù)據(jù)。

表1 地面站點信息Tab.1 Information of gauge stations

2.2 AgMERRA再分析產品

AgMERRA再分析數(shù)據(jù)是由美國國家航空航天局(NASA)全球模擬和同化部門(Global Modeling and Assimilation Office，GMAO)提供的第二代再分析數(shù)據(jù)集(https://data.giss.nasa.gov/impacts/agmipcf/agmerra/)。本數(shù)據(jù)集采用3Dvar同化技術方案，包含了多種高時空分辨率分辨率(0.25°×0.25°，日尺度)氣象產品，其包含氣象要素種類、時空分辨率等信息見表2。

表2 AgMERRA再分析產品信息Tab.2 Information of AgMERRA reanalysis products

而本文計算主要使用到的為AgMERRA產品中的降水、平均氣溫和相對濕度。

2.3 Remanenko蒸散發(fā)計算

由于研究區(qū)缺乏2.4節(jié)水文模型模擬計算需要的蒸散發(fā)數(shù)據(jù)，本文采用Remanenko方法(左德鵬, 徐宗學 et al. 2009, 付菁, 范廣洲 et al. 2011)計算了3個子流域的月潛在蒸散發(fā)數(shù)據(jù)，具體計算公式如公式(1)所示。

ET=C×(25+Ta)2×(100-Rh)

(1)

式中：C值取0.001 8；Ta為月平均氣溫，℃；Rh為月相對濕度，%。

由于AgMERRA產品提供的是最高氣溫時的相對濕度產品，因此本文在計算的過程中對相對濕度數(shù)據(jù)做了相應的折算處理。具體折算公式如公式(2)所示。

(2)

式中：RH為實際平均相對濕度，%；Ta為月平均氣溫，℃；Tmax為月平均最高氣溫，℃；RHtmax為根據(jù)AgMERRA產品計算的月平均最高氣溫對應的相對濕度，%。

2.4 降雨徑流模擬

考慮到水文模型的區(qū)域適應性(Arnold, Srinivasan et al. 1998)和模型參數(shù)的不確定性(唐雄朋, 呂海深 et al. 2016)，本文使用Sim-Hyd模型(王國慶, 王軍平 et al. 2006)、AWBM模型(王國慶, 張建云 et al. 2005)借助AgMERRA提供的降水、氣溫數(shù)據(jù)和2.1節(jié)計算所得的潛在蒸散發(fā)數(shù)據(jù)模擬了柬埔寨洞里薩湖3個子流域的徑流過程。兩個模型均為概念性水文模型，其在計算過程中使用了一系列具有一定物理概念的數(shù)學表達式來描述流域的水文過程。AWBM模型是由澳大利亞開發(fā)的基于水量平衡的將于徑流模型，模型產流計算主要分為地表徑流和基流，其模擬時間尺度可以為小時，日和月三種尺度；Sim-Hyd模型(王國慶, 王軍平 et al. 2006)是在上世紀70年代提出的一個概念性水文模型，該模型最大的優(yōu)點是同時考慮了蓄滿產流和超滲產流兩種模式，在模型產流計算中主要分為地表徑流、壤中流和地下徑流三個部分。由于兩個模型在國內外不同流域已經(jīng)有廣泛的應用，對于兩種模型產匯流計算的數(shù)學描述在很多文獻均有詳盡的描述，本文不再贅述。

2.5 模型評價指標

本文中水文模型參數(shù)的率定采用的SCE-UA優(yōu)化算法(Duan, Sorooshian et al. 1992)。模型率定的目標函數(shù)為Nash-Sutcliffe(NSE)和相對誤差(RE)，其計算公式為：

(3)

(4)

3 結果與討論

3.1 AgMERRA降水統(tǒng)計分析

在利用AgMERRA再分析產品做水文模擬之前，首先使用統(tǒng)計方法對比分析了再分析降水產品和地面觀測站點(圖1)降水序列，由于再分析降水產品提供的是面平均降水量，因此在統(tǒng)計分析的過程中，根據(jù)地面站點地理位置采用雙線性插值的方法獲得站點位置再分析降水量。

圖2為4個地面觀測雨量站點不同時期(由于站點觀測站點可用序列長度不一致)的月降水量過程線。由圖2可以看出，AgMERRA再分析月尺度降水產品與地面雨量觀測站月降水量擬合較好。4站點月尺度降水量與AgMERRA同時期月降水相關系數(shù)0.71、0.69、0.74、0.83，表明再分析降水與地面觀測雨量站降水序列變化趨勢基本一致；由圖2同樣可以看出再分析降水產品對降水較小月份預估比較準確，而對于降水較大的月份預估則相對較差?？偟膩碚f，再分析降水產品可以較好的預估研究區(qū)降水變化趨勢，但是對于較大降雨月份預估欠佳，造成這種現(xiàn)象的原因可能是由于再分析降水產品提供的是面平均降水量，而地面站點提供的則為點降水量，雖然本文通過雙線性插值降尺度獲得了站點的再分析降水量，但是在其降尺度過程中難免會引入新的誤差。

圖2 研究區(qū)4個雨量站與AgMERRA再分析降水月降水過程Fig.2 Comparison of the precipitation of AgMERRA and gauge observations at monthly scale

3.2 模型模擬結果分析

由于研究區(qū)地面降水觀測站點比較稀疏，并且有較少的降水站點落在3個研究區(qū)子流域內，并且地面站點降水連續(xù)性較差，因此本文所做的水文模擬沒有使用地面觀測降水數(shù)據(jù)驅動水文模型。

圖3為兩個模型(AWBM模型，Sim-Hyd模型)在KC子流域的徑流模擬圖。AWBM模型在KC流域率定期和驗證期NSE系數(shù)和相對誤差分別為0.81,1.7%和0.78,8.7%。從納什系數(shù)和相對誤差來看，AWBM模型模擬結果相對較好，驗證期NSE系數(shù)較率定期有所降低，驗證期2009年9月流量較大，而模擬模擬值較小，進而導致模型驗證期效果相對較差。圖3下圖為Sim-Hyd模型在KC流域的徑流模擬圖，Sim-Hyd模型對于較好地模擬了低流量過程，而對于高流量過程的模擬則相對較差?？偟膩碇v，對于KC流域，兩個模型對于2007年、2008 年兩年流量模擬效果均較差，觀察其實測徑流過程，可以發(fā)現(xiàn)這兩年實測徑流過程呈現(xiàn)出 “雙峰”的變化過程，而這一現(xiàn)象有可能是由于KC流域人類活動干擾如水庫大壩等水利設施的修建或者是人工取用水所造成的，而這也是模型驗證期表現(xiàn)略低于率定期的原因之一。

圖3 Kampong Chen徑流模擬圖(2000-2005年為率定期，2006-2010年為驗證期)Fig.3 Observed and simulated monthly streamflow in the calibration and verification period of the Kampong Chen (Calibration period: 2000-2005, Verification period: 2006-2010)

圖4為兩個模型在Kampongthom(KT1)流域的月徑流模擬過程。AWBM模型在KT1流域率定期和驗證期的NSE系數(shù)和相對誤差分別為0.81，21%和0.79，12.3%。Sim-Hyd模型在KT1流域率定期和驗證期的NSE系數(shù)和相對誤差分別為0.71，11.2%和0.70，-4.5%。兩個模型對比可以看出，AWBM模型模擬結果顯著好于Sim-Hyd模型，這可能是由于兩個模型不同的模型結構造成的。由徑流模擬圖可以看出模型對于2010年峰值模擬均較差，流量模擬值顯著低于實測徑流值，可能的原因是由于再分析降水產品在2010年低估了研究區(qū)的降水，由于我們缺少該研究區(qū)的地面觀測數(shù)據(jù)，無法對模型2010年模擬結果做出更深入的研究。總的來說，兩個模型對于KT1流域的徑流模擬結果均在可接受的范圍內(NSE>0.7)。

圖4 Kampongthom徑流模擬圖(2000-2005年 為率定期，2006-2010年為驗證期)Fig. 4 Observed and simulated monthly streamflow in the calibration and verification period of the Kampongthom (Calibration period: 2000-2005, Verification period: 2006-2010)

圖5為兩個模型在Kampongthmar(KT2)流域的月徑流模擬過程。AWBM模型在KT2流域率定期和驗證期NSE系數(shù)和相對誤差分別為0.84，3.9%和0.84，5.2%；Sim-Hyd模型在KT2流域率定期和驗證期NSE系數(shù)和相對誤差分別為0.72，-10%和0.78，-3.4%。由圖5可以看出AWBM模型對KT2流域在率定期模擬較好，在驗證期2009年高流量月份低估了流量，總的來講AWBM模型在KT2流域對于低流量過程模擬較好，但是對于高流量過程模擬則相對較差。而Sim-Hdy模型對于KT2流域低流量過程模擬的較差，對峰值的模擬在率定期模擬的較好，而在驗證期則模擬的較差。造成這種現(xiàn)象的原因可能是由于模型結構造成的，也可能因為KT2流域面積較大，而概念性水文模型對于較大流域的產匯流過程模擬相對較差。

在本文降水產品統(tǒng)計評估和水文模擬過程中，我們可以看到AgMERRA格點降水產品與站點將水存在著一定的誤差，并且水文模擬結果也存在著部分峰值低估、低值高估的現(xiàn)象，其可能的原因有以下幾點：

(1)AgMERRA再分析產品降水是面降水量，而站點降水是點降水，其直接對比分析可能會存在著一定的誤差，在以后的研究中可考慮采用一定的空間降尺度方法和偏差糾正方法以減小再分析降水的誤差；

(2)由于站點資料的限制，本研究只是用了AgMERRA降水以及AgMERRA產品計算的蒸散發(fā)數(shù)據(jù)模擬了研究區(qū)的徑流過程，而這些不同數(shù)據(jù)源均存在著一定的不確定性，這也是導致水文模擬結果部分月份不太準確的原因；

4 主要結論

(1)AgMERRA降水產品與研究區(qū)降水過程變化趨勢基本一致，但是仍然存在在一定的誤差?？赡艿脑蚴怯捎贏gMERRA降水產品是面降雨量，而在其時空降尺度的過程中有可能會引入新的誤差(Yong, Ren et al. 2010)。

(2)結合AgMERRA降水、相對濕度和平均氣溫數(shù)據(jù)產品，借助AWBM模型和Sim-Hyd模型模擬了研究區(qū)三個子流域的徑流過程。結果發(fā)現(xiàn)，AWBM模型和Sim-Hyd模型均可以相對較好的模擬研究區(qū)徑流過程。

(3)AWBM模型在三個流域的模擬結果均好于Sim-Hyd模型，可能的原因是由于研究區(qū)雨季產流類型主要為蓄滿產流，而AWBM模型在濕潤地區(qū)具有較好的適應性(王國慶, 張建云 et al. 2005)。

□