張利敏，楊明祥，王 浩

(1.北京工業(yè)大學建筑工程學院, 北京 100124; 2.中國水利水電科學研究院 流域水循環(huán)模擬與調(diào)控國家重點實驗室, 北京 100038)

0 引 言

降水是水循環(huán)最重要的環(huán)節(jié)之一，也是水文模型的重要輸入組成部分[1]。由于站點稀少、時空分布不均或觀測時間的非連續(xù)性等問題，水文氣象數(shù)據(jù)的稀缺性一直是水文建模中的一大問題，這很大程度上制約了研究工作的開展。借助再分析氣象數(shù)據(jù)來驅(qū)動模型進行模擬是一種可選方案[2]。再分析數(shù)據(jù)是基于氣候模式和衛(wèi)星遙感數(shù)據(jù)源而開發(fā)的，具有不間斷區(qū)域覆蓋、高時空分辨率等優(yōu)點，是水文模擬和其他應(yīng)用的潛在替代氣象數(shù)據(jù)源[3,4]。目前應(yīng)用比較廣泛的再分析降水產(chǎn)品有：美國國家環(huán)境預(yù)報中心(NCEP)氣候再分析資料(CFSR)[5](1979-2014-07，～38 km)、美國國家航空航天局(NASA)的氣候再分析資料(MERRA)(1979-2012，～50 km)[6]、歐洲中期天氣預(yù)報中心(ECMWF)發(fā)布的ERA-Interim(1979-2012，～82 km)[7]以及日本氣象廳(JMA)的JRA-55(1958-2012，～60 km)[8]等再分析資料。近年來，覆蓋東亞地區(qū)的再分析數(shù)據(jù)CMADS(China Meteorological Assimilation Driving Datasets for the SWAT Model，Version 1.1, 2008-2016，～30 km)成為研究的熱點，由于其擁有較高的空間分辨率，可為解決東亞地區(qū)氣象站點資料匱乏問題提供可選方案。

由于再分析數(shù)據(jù)所使用的數(shù)值模式、數(shù)據(jù)同化技術(shù)和數(shù)據(jù)源方面存在很大的不確定性，因此，在應(yīng)用于特定區(qū)域之前，有必要對再分析數(shù)據(jù)質(zhì)量和性能進行評估。DILE等[9]在青尼羅河上游構(gòu)建SWAT模型以評估CFSR數(shù)據(jù)的質(zhì)量，結(jié)果表明整體上實測氣象數(shù)據(jù)模擬的徑流結(jié)果好于CFSR的模擬結(jié)果，但是CFSR在實測數(shù)據(jù)匱乏的地區(qū)也可能是一個有價值的選擇。田霖等[10]在干旱山區(qū)的研究表明CFSR數(shù)據(jù)與觀測數(shù)據(jù)偏差較大，導(dǎo)致徑流的模擬值與實測值相對偏差大于40%。QUADRO等[11]觀察到3種產(chǎn)品(CFSR、MERRA和NCEP-2)的降水模式與南美洲大部分地區(qū)的觀測降水基本一致，并且CFSR降水顯示出最小的偏差。目前CMADS數(shù)據(jù)集已在軍塘湖、青藏高原、黑河、金沙江以及韓國的漢江等流域和地區(qū)進行了檢驗和評估[12-14]。例如，孟現(xiàn)勇等[15]在黑河流域分別用CFSR、CMADS和傳統(tǒng)站驅(qū)動SWAT模型，并對徑流模擬結(jié)果進行對比分析，總體上，CMADS的模擬結(jié)果優(yōu)于CFSR和傳統(tǒng)站。GUO等在中國漓江流域做了CMADS、TMPA-3B42V7和傳統(tǒng)觀測站的精度對比，發(fā)現(xiàn)CMADS和傳統(tǒng)觀測站的相關(guān)性比TMPA-3B42V7高，徑流模擬精度可靠[16]。對再分析資料進行檢驗和評估工作，有助于改進和提高數(shù)據(jù)的性能[17]，緩解水文建模對氣象數(shù)據(jù)稀缺性的難題。與此同時，準確的氣象數(shù)據(jù)對于區(qū)域及全球的水資源管理、水文過程模擬、防災(zāi)減災(zāi)等方面起著至關(guān)重要的作用[18]。

水文模型已被廣泛應(yīng)用于水資源評價與開發(fā)利用、水旱災(zāi)害防治、水生態(tài)環(huán)境保護、氣候變化及人類活動對水資源數(shù)量和質(zhì)量的影響分析等研究。SWAT模型是一個具有較強物理基礎(chǔ)的分布式水文模型，以日為時間步長，多用于模擬和預(yù)測較長時間序列內(nèi)大中流域尺度上不同土壤、土地利用與管理方式下的水量、泥沙、營養(yǎng)物質(zhì)和殺蟲劑運移的變化[19]。目前，SWAT模型在全球的不同國家和地區(qū)、不同流域尺度廣泛應(yīng)用[20-22]。根據(jù)XU等[23]的研究表明，當雨量站密度在每1 000 km21.0～1.4時，水文模型的表現(xiàn)可接受且相對穩(wěn)定。本文選取全球應(yīng)用較廣泛的NCEP第3代(最新)再分析數(shù)據(jù)CFSR以及覆蓋東亞地區(qū)較新CMADS數(shù)據(jù)進行比較，2者均擁有較高的空間分辨率，且獲取方便，數(shù)據(jù)格式均可直接用于SWAT模型。本文的研究目的是比較再分析數(shù)據(jù)CFSR、CMADS和實測站點數(shù)據(jù)(OBS)的降水在渾河流域的空間分布(多年平均降水量)和年內(nèi)分配(1-12月多年平均降水量)情況，然后用CFSR、CMADS和OBS分別驅(qū)動SWAT模型(即CFSR+SWAT、CMADS+SWAT和OBS+SWAT)對3種降水數(shù)據(jù)在渾河流域徑流模擬的適用性進行評估。

1 材料與方法

1.1 研究區(qū)概況

渾河流域位于遼寧省東北部，河流發(fā)源于清源縣內(nèi)。本文選取的是沈陽水文站上游，流域面積7 919 km2，地理位置為東經(jīng)123°22′～125°17′，北緯 41°29′～42°16′(如圖1所示)，占整個渾河流域總面積(11 481 km2)的69%。最高海拔約1 200 m，地勢東高西低，由山地、丘陵和平原組成。多年平均降水量771.8 mm(統(tǒng)計時段為1959-2013年)，大多集中在6-9月，約占全年降水量的70%～80%。流域上游是大伙房水庫水源保護區(qū)，植被覆蓋率高，下游是平原，坐落著沈陽和撫順2大城市。

圖1 研究區(qū)概況Fig.1 Overview of the study area

1.2 空間插值方法

利用已知站點的氣象要素數(shù)據(jù)，通過一定的空間插值方法來估算非站點的氣象要素數(shù)據(jù)是獲取連續(xù)空間上氣象要素數(shù)據(jù)的重要途徑。國內(nèi)外常用的氣象插值方法有克里金方法(Kriging)、反距離加權(quán)法(Inverse Distance Weighted)、多項式插值法(Polynomial Interpolation)和樣條函數(shù)法(Spline)等?？死锝鸱椒?、反距離權(quán)重法、多項式插值法等方法在站點分布密度大及地勢平坦的地區(qū)可以取得較好的插值效果，而對于地形復(fù)雜且站點匱乏的地區(qū)，這些插值方法的插值效果往往不理想[24,25]。而樣條法可以不受空間尺度影響，不要求空間平穩(wěn)，利用光滑參數(shù)來優(yōu)化平衡數(shù)據(jù)逼真度和擬合光滑曲面[26]。HARTKAMP等[27]研究了在大區(qū)域內(nèi)插值氣象數(shù)據(jù)的統(tǒng)計方法，考慮到數(shù)值誤差預(yù)測、數(shù)據(jù)結(jié)構(gòu)和計算簡單性，建議使用樣條法插值氣候變量。澳大利亞學者HUTCHINSON在總結(jié)前人研究的基礎(chǔ)上，基于普通薄盤樣條(Thin plate spline, TPS)和局部薄盤樣條插值理論編寫了針對氣候數(shù)據(jù)曲面擬合的專用插值軟件(Australian National University spline interpolation，ANUSPLIN)[28]。局部薄盤光滑樣條法是對薄板光滑樣條原型的擴展，除了通常的樣條自變量外還允許引入線性協(xié)變量子模型，根據(jù)最佳擬合效果自動確定模型系數(shù)，而且可以同時進行多個表面的空間插值，這很適合時間序列的氣象數(shù)據(jù)的空間插值[26,29]。局部薄盤光滑樣條的理論統(tǒng)計模型表述如下：

zi=f(xi)+bTyi+ei(i=1,…,N)

(1)

式中：zi表示空間i點的因變量(例如，降水、溫度等)；xi表示d維樣條獨立變量矢量；f是要估算的關(guān)于xi的未知光滑函數(shù)；yi為獨立協(xié)變量；bT為yi的系數(shù)；bTyi為局部薄盤樣條函數(shù)；ei為自變量的隨機誤差；N為觀測點個數(shù)。

關(guān)于模型更多的信息可查看閻洪[26]、劉志紅[29]等的研究。

1.3 SWAT模型構(gòu)建

SWAT模型是上世紀90年代由美國農(nóng)業(yè)部(USDA)的農(nóng)業(yè)研究中心開發(fā)的一種用于流域管理的水文模型，在世界范圍內(nèi)得到廣泛應(yīng)用。SWAT模型所需要的主要輸入數(shù)據(jù)有數(shù)字高程模型(DEM)、土地利用數(shù)據(jù)、土壤數(shù)據(jù)、氣象數(shù)據(jù)等。DEM數(shù)據(jù)來自于國際農(nóng)業(yè)研究協(xié)商小組空間信息協(xié)會(CGIAR-CSI)(http://srtm.csi.cgiar.org/srtmdata/)，分辨率為 90 m × 90 m?；贒EM對研究區(qū)進行子流域劃分，并用實測河網(wǎng)對生成的數(shù)字河網(wǎng)進行校正。流域中用于表征下墊面特征的土地利用數(shù)據(jù)GLC2000[30]和土壤數(shù)據(jù)HWSD[31]均來自于寒區(qū)旱區(qū)科學數(shù)據(jù)中心(http:∥westdc.westgis.ac.cn)，空間分辨率為1 km，用SPAW軟件計算模型所需的土壤參數(shù)。SWAT模型將子流域中同類型的土壤、土地利用和坡度視的組合視為一個水文響應(yīng)單元(Hydrologic Research Unit, HRU)，HRU是模型計算的最小單元，每一個HRU獨立計算，最后演算匯總至流域出口。

氣象再分析數(shù)據(jù)CMADS以中國國家氣象局的CLDAS驅(qū)動場要素為原始數(shù)據(jù)，通過數(shù)據(jù)循環(huán)嵌套、重采樣和雙線性插值等多種技術(shù)手段而建立。CMADS1.1數(shù)據(jù)集通過官網(wǎng)(http://www.cmads.org)獲取，空間分辨率為0.25°×0.25°，時間為2008-2016年。CFSR 再分析數(shù)據(jù)是NCEP利用全球預(yù)報系統(tǒng)(Global Forecast System)反演的全球再分析數(shù)據(jù)產(chǎn)品，耦合了大氣-海洋-陸地-海冰模式，空間分辨率為0.312°×0.312°。該數(shù)據(jù)可從SWAT官網(wǎng)(https:∥globalweather.tamu.edu/)獲取，包括：降水、最高/低溫度、相對濕度、太陽輻射和風速等要素，時間為1979-2014年7月。包括流域內(nèi)及周邊的74個實測站點的氣象數(shù)據(jù)(OBS)(1959-2014年)來自中國國家氣象局。模型所需輸入的氣象要素(均為日尺度)包括降水量、最高最低溫度、相對濕度、太陽輻射和風速，選取3種數(shù)據(jù)共同的時間段2008-2013年用于模型參數(shù)的率定和驗證，其中2008-2010設(shè)為率定期，2011-2013年設(shè)為驗證期。

1.4 評價指標

首先用ANUSPLIN軟件將再分析數(shù)據(jù)CMADS和CFSR的降水量插值到實測站點位置，以相關(guān)系數(shù)(r)、相對誤差(RE)、均方根誤差(RMSE)和標準差比(STDration)來初步判斷再分析數(shù)據(jù)的可靠性，同時比較2種再分析數(shù)據(jù)與實測數(shù)據(jù)的年均降水量空間插值分布。然后，分別用CFSR、CMADS再分析數(shù)據(jù)和流域內(nèi)的4個實測站點數(shù)據(jù)驅(qū)動SWAT模型模擬渾河流域的徑流，以納什系數(shù)(NSE)和確定性系數(shù)(R2) 2個指標評價CFSR、CMADS和OBS在渾河流域的適用性。相關(guān)公式如下。

相關(guān)系數(shù)：

(2)

相對誤差：

(3)

均方根誤差：

1997年10月，國際炒家首次沖擊了香港金融市場，10月21日、22日香港恒生指數(shù)連續(xù)兩天大幅下挫9%，累計跌幅近1200點；23日，恒生指數(shù)報收于10426.3點，跌幅超過10%。

(4)

標準差比值：

(5)

Nash系數(shù)：

(6)

決定系數(shù)：

(7)

2 結(jié)果與分析

2.1 再分析降水數(shù)據(jù)對比分析

2.1.1 多年平均降水空間分布

研究區(qū)再分析數(shù)據(jù)CMADS、CFSR和OBS多年平均降水量(2008-2013，下同)的空間分布如圖2所示。從圖2中可以看出：3種氣象數(shù)據(jù)降水量的年均空間分布趨勢基本一致，受大氣環(huán)流和海洋水汽的影響，上游的降水量較為充沛，尤其是在流域的東南部(清源縣)。就年均降水總量而言，相對于OBS，CMADS存在低估，而CFSR存在高估。原因?qū)⒃谙乱徊糠诌M行分析。但是，在不考慮年均降水量的情況下，CMADS與OBS的降水空間分布趨勢一致性更好。

圖2 CMADS、CFSR和OBS多年平均降水的空間插值結(jié)果Fig.2 Spatial interpolation results of annual mean precipitation of CMADS, CFSR and OBS

2.1.2 降水年內(nèi)分配

圖3 研究區(qū)4個站點處3種降水數(shù)據(jù)年內(nèi)分配Fig.3 Annual distribution map of the three precipitation data at four stations in the study area

表1 研究區(qū)4個站點處CMADS和CFSR降水的評價指標Tab.1 Evaluation indexes of CMADS and CFSR precipitation at four stations in the study area

CMADS以CMORPH衛(wèi)星降水產(chǎn)品為背景場，而由于地表反射率的干擾[32]，對4 mm以下的降水判定較為困難[33]，這可能導(dǎo)致了CMORPH降水產(chǎn)品在中國地區(qū)的降水量總體相對偏低[34]。另一方面，渾河流域的降雪期一般是從10月份下旬至次年的3月下旬，降水量偏少。相較于在夏季，觀測取樣誤差、測量儀器誤差等因素在冬季計算降水量過程中的權(quán)重增大。CFSR數(shù)據(jù)存在高估多年平均降水量在很多研究中也得到了證明。高瑞等[35]在新疆喀什流域的研究結(jié)果表明，CFSR多年平均降水量嚴重偏大，且最小相對誤差為7.1%(9月)，最大相對誤差為126%(3月)。在開都河流域表現(xiàn)出低估強降水和高估弱降水的特征[10]。根據(jù)LIU等[36]的研究，與氣象站點實測值相比，在青藏高原地區(qū)，CFSR的降水插值結(jié)果比CMADS差，表現(xiàn)出各月131個站點的平均降水量均大于OBS，相對誤差達到76%，其中77%的站點降水量表現(xiàn)出高估。而CMADS的降水插值相對誤差是8%，其中56%的站點表現(xiàn)為高估。

從對2種再分析數(shù)據(jù)的插值結(jié)果表明，再分析數(shù)據(jù)CMADS和CFSR與OBS相比，雖然CMADS對年均降水量在時間和空間分布存在低估，但是從各項指標的整體來看，CMADS要優(yōu)于CFSR。

2.2 SWAT模擬徑流結(jié)果比較

在2.1部分比較了再分析數(shù)據(jù)在研究區(qū)的年均降水量空間分布，以及實測站點處的多年平均降水量的年內(nèi)分配。在這一部分將用CMADS、CFSR和OBS分別驅(qū)動SWAT模型來模擬徑流，并比較月徑流的模擬精度，以此來檢驗再分析數(shù)據(jù)在東北渾河流域的適用性。

在SWAT工程中，渾河流域一共被劃分為34個子流域和317個HRU，分別用3種氣象數(shù)據(jù)驅(qū)動SWAT模型，再利用SWAT-CUP工具對研究區(qū)參數(shù)進行率定和驗證。在研究區(qū)上游水文站(北口前)和流域出口控制站(沈陽)的徑流模擬結(jié)果如圖4所示，模型評價指標如表2所示。CMADS+SWAT(OBS+SWAT)模式率定期和驗證期的NSE范圍為0.54～0.94(0.63～0.93)，R2范圍為0.73～0.97(0.78～0.95)，即根據(jù)MORIASI等[37]的評價標準，CMADS和OBS驅(qū)動SWAT模型在2站的率定期和北口前水文站的驗證期都取得了非常好的效果，在沈陽站的驗證結(jié)果令人滿意。CFSR+SWAT模式在2站的率定期取得了比較好的效果(NSE和R2范圍為0.78～0.85)，而在驗證期的模擬效果很差(NSE：-0.07～0.47；R2：0.39～0.5)。

表2 月徑流模擬評價指標Tab.2 The evaluation indexes for monthly runoff simulation

從徑流模擬圖圖4中可以看出，最大徑流值基本都在8月份，這與降水量在流域的年內(nèi)分配(圖3)是一致的。CMADS+SWAT模式和OBS+SWAT模式模擬的徑流變化與實測徑流基本一致，而CFSR+SWAT模式徑流模擬在各年的8月份有時低估有時高估，這一現(xiàn)象在2012和2013年對徑流峰值的模擬結(jié)果中最為明顯。通過對比流域內(nèi)CFSR和OBS在8月份的多站月平均降水量，發(fā)現(xiàn)CFSR數(shù)據(jù)在2012年高估實測降水約39.9 mm(+16.5%)，而在2013年嚴重低估實測降水約95 mm(-33.7%)。經(jīng)查找資料發(fā)現(xiàn)，被低估的2013年8月強降水引發(fā)了50 a一遇大洪水。此外，2010年是豐水年，8月份累積降水量較大，也發(fā)生了大洪水，但降水強度相對2013年較弱，該月CFSR低估實測降水約91 mm(-23.4%)。由于CFSR對強降水的低估，導(dǎo)致多年平均降水量在8月份低于實測降水量(圖3)，所以模擬的徑流峰值被低估(圖4)，在驗證期，CFSR+SWAT模式的徑流模擬效果很差。相反，在同一時期，CMADS+SWAT和OBS+SWAT模式徑流模擬結(jié)果較好，且模擬結(jié)果相近。站點的數(shù)量和站點空間分布的均勻性是影響水文模擬的2個重要方面。根據(jù)XU等[23]的研究表明，在水文模擬中雨量站密度最好為每1 000 km21.0～1.4。本研究中渾河流域?qū)崪y站密度約為每1 000 km20.5，但是OBS+SWAT模式還是取得了比較好的結(jié)果。原因可能是渾河流域是一個上游寬下游窄的形狀，上游區(qū)的2大支流各有一個氣象站點，中游和下游各有一個，即氣象站點在渾河流域分布相對均勻，能夠反映出流域的降水情況，彌補了站點數(shù)量的不足。

圖4 水文站點處在率定期(2008-2010)和驗證期(2011-2013)月徑流的實測值與SWAT模型模擬值Fig. 4 Observed monthly runoff and SWAT model simulations at the hydrological stations during the calibration period (2008-2010) and validation period (2011-2013)

3 結(jié) 論

通過比較CMADS、CFSR和OBS降水數(shù)據(jù)在渾河流域空間上的年均降水分布和年內(nèi)雨量分配評估結(jié)果，以及3種氣象數(shù)據(jù)驅(qū)動的SWAT模型徑流的模擬結(jié)果得結(jié)論如下。

(1)從3種降水數(shù)據(jù)(CMADS、CFSR和OBS)的多年降水量空間分布上而言，CMADS再分析數(shù)據(jù)的降水分布與OBS一致性更高。但是，從年均降水總量而言，CMADS存在低估，CFSR則存在高估。從統(tǒng)計的指標來看，CMADS數(shù)據(jù)與OBS的相關(guān)性更強，均方根誤差更小，標準差比值接近于1。相比于CFSR，CMADS的數(shù)據(jù)質(zhì)量更好。

(2)整體來說，CMADS和OBS驅(qū)動的SWAT模型模擬的結(jié)果取得了非常好的效果，且模擬的月徑流過程較為一致。而CFSR由于對降水量存在高估弱降水和低估強降水的現(xiàn)象，僅在率定期取得了滿意的結(jié)果，而在驗證期由于其對強降水的嚴重低估，導(dǎo)致模型模擬結(jié)果很差。

(3)從統(tǒng)計分析的結(jié)果以及SWAT模型模擬的結(jié)果來看，在渾河流域CMADS再分析數(shù)據(jù)的質(zhì)量遠高于CFSR。

(4)再分析數(shù)據(jù)是通過間接方式獲得的氣象數(shù)據(jù)，由于各再分析數(shù)據(jù)可能使用的數(shù)據(jù)來源、處理算法的差異等因素，造成在不同區(qū)域的適用性相差很大，因此在使用再分析數(shù)據(jù)之前，應(yīng)該首先對其在該區(qū)域的適用性進行評價。