黃艷偉, 李 穎, 朱紅雷, 彭星玥, 王雨蝶

(1.河南師范大學(xué), 河南 新鄉(xiāng) 453007; 2.中國(guó)科學(xué)院 東北地理與農(nóng)業(yè)生態(tài)研究所, 長(zhǎng)春 130102)

衛(wèi)星降水產(chǎn)品和氣象資料再分析數(shù)據(jù)集目前已成為流域水文模擬的重要數(shù)據(jù)源[1-4]。TRMM[5]、CMORPH[6]、PERSIANN[7]和GSMaP等[8]衛(wèi)星降水產(chǎn)品在國(guó)內(nèi)外被廣泛應(yīng)用于無(wú)資料或缺資料地區(qū)的水文研究。氣象資料再分析數(shù)據(jù)集主要以美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心的CFSR再分析數(shù)據(jù)集、歐洲中期數(shù)值預(yù)報(bào)中心的ERA-Interim和美國(guó)國(guó)家航空航天局的MERRA數(shù)據(jù)集為代表[9-10]。其中，CFSR和當(dāng)前應(yīng)用最為廣泛的水文模型SWAT相結(jié)合，在其官網(wǎng)(https:∥globalweather.tamu.edu/)提供了1979—2014年的氣溫、降水、風(fēng)速、太陽(yáng)輻射和相對(duì)濕度等模型輸入數(shù)據(jù)，省去了從氣象站點(diǎn)資料計(jì)算、分析和整理格式的步驟，受到了國(guó)內(nèi)外學(xué)者的廣泛青睞。如，于宴民和穆振俠[11]對(duì)CFSR降水?dāng)?shù)據(jù)進(jìn)行了修正，結(jié)合SWAT模型對(duì)高山寒區(qū)河流喀什河進(jìn)行了徑流模擬。胡勝等[12]以灞河流域?yàn)檠芯繀^(qū)，從年和月尺度評(píng)價(jià)了傳統(tǒng)氣象數(shù)據(jù)和CFSR氣象數(shù)據(jù)的徑流模擬結(jié)果，并提出了CFSR氣象數(shù)據(jù)訂正的方法。Yu等[13]結(jié)合實(shí)測(cè)降水?dāng)?shù)據(jù)，利用泰森多邊形和相關(guān)系數(shù)對(duì)CFSR降水進(jìn)行了修正，發(fā)現(xiàn)修正后的徑流模擬結(jié)果NSE提高了18.92%,R2增加了2.3%。Liu等[14]比較了CMADS和CFSR數(shù)據(jù)在青藏高原的精度，并利用SWAT分析了兩種氣象數(shù)據(jù)驅(qū)動(dòng)下黃河源區(qū)流域徑流模擬的精度。與以往僅采用遙感降水產(chǎn)品驅(qū)動(dòng)模型的研究不同，CFSR再分析數(shù)據(jù)集還提供了氣溫、風(fēng)速、太陽(yáng)輻射和相對(duì)濕度等其他輸入數(shù)據(jù)。因此，只根據(jù)徑流模擬結(jié)果評(píng)價(jià)CFSR數(shù)據(jù)集的適宜性可能不太全面。本文以輝發(fā)河流域?yàn)檠芯繀^(qū)，在比較CFSR數(shù)據(jù)集和實(shí)測(cè)氣象數(shù)據(jù)精度的基礎(chǔ)上，采用SWAT模型，從徑流模擬和蒸散發(fā)兩個(gè)角度評(píng)價(jià)CFSR數(shù)據(jù)集在該流域的適宜性。

1 數(shù)據(jù)和方法

1.1 研究區(qū)概況

輝發(fā)河是吉林省吉林市以上松花江第一大支流，發(fā)源于遼寧省清原縣龍崗山，流經(jīng)梅河口市、輝南縣、于樺甸市金沙鄉(xiāng)許家店流入松花江。流域面積14 896 km2，本文以五道溝水文站上游為研究區(qū)域，約占全流域面積的84%。流域內(nèi)水系較為發(fā)達(dá)，有白銀河、梅河、蓮河、大沙河和一統(tǒng)河等眾多支流，多年平均徑流量17.49億m3，多年平均徑流深196 mm。流域?qū)贉貛Т箨懶约撅L(fēng)氣候區(qū)，夏季溫?zé)岫嘤辏竞渎L(zhǎng)，多年平均氣溫為4.5℃,1月份年平均溫度在-16.2℃左右，8月份平均氣溫在25℃左右。流域年平均降水量776 mm，主要集中在6—9月份，占年降水量的70%左右，受降雨影響，河水季節(jié)變化較大(圖1)。

圖1 研究區(qū)位置

1.2 CFSR精度分析

提取與梅河口、磐石和樺甸3個(gè)氣象站點(diǎn)對(duì)應(yīng)的CFSR柵格降水、氣溫、風(fēng)速、太陽(yáng)輻射和相對(duì)濕度數(shù)據(jù)，以實(shí)測(cè)氣象數(shù)據(jù)為基準(zhǔn)，采用相關(guān)系數(shù)(CC)和相對(duì)誤差(Bias)兩個(gè)指標(biāo)評(píng)價(jià)CFSR數(shù)據(jù)在日尺度和月尺度上的估算精度。

(1)

(2)

1.3 SWAT模型輸入數(shù)據(jù)

SWAT模型是美國(guó)農(nóng)業(yè)部(USDA)開(kāi)發(fā)的分布式水文模型，具有較強(qiáng)的物理基礎(chǔ)[15]，模型的水量平衡方程可以用如下公式表示:

(3)

式中:SWt為土壤的最終含水量(mm);SW0為第i天可被植被吸收的土壤原始含水量,定義為原始土壤含水量減去凋萎點(diǎn)含水量(mm);t為時(shí)間(days);Ri為第i天的降水量(mm);Qi為第i天的地表徑流量(mm);ETi為第i天的蒸散發(fā)(mm);Pei為第i天存在于土壤剖面底層的滲透量和測(cè)流量(mm);QRi為第i天的地下水回流量(mm)。

SWAT模型的輸入數(shù)據(jù)主要包括DEM數(shù)據(jù)、土地利用數(shù)據(jù)、土壤數(shù)據(jù)、氣象數(shù)據(jù)以及水文站實(shí)測(cè)徑流數(shù)據(jù)等。本文數(shù)據(jù)及其來(lái)源如下:

(1) DEM數(shù)據(jù)來(lái)源于美國(guó)宇航局(NASA)和國(guó)防部國(guó)家測(cè)繪局(NIMA)，以及德國(guó)與意大利航天機(jī)構(gòu)聯(lián)合測(cè)量的SRTM(Shuttle Radar Topography Mission)數(shù)據(jù)集，空間分辨率為90 m。

(2) 以2005年Landsat 5 TM影像為基礎(chǔ)，在ArcGIS中采用人機(jī)交互的方式獲取研究區(qū)土地利用/覆被數(shù)據(jù)。為保持土地利用分類(lèi)系統(tǒng)和SWAT模型一致，對(duì)本文的土地利用數(shù)據(jù)進(jìn)行了重分類(lèi)。

(3) 土壤數(shù)據(jù)來(lái)源于吉林省土肥站與長(zhǎng)春地理所1988年聯(lián)合編制的1∶50萬(wàn)土壤圖。參照中國(guó)科學(xué)院南京土壤研究所土壤分中心的中國(guó)土壤數(shù)據(jù)庫(kù)(http:∥www.soil.csdb.cn/)，獲取不同土壤類(lèi)型分層結(jié)構(gòu)和理化性質(zhì)數(shù)據(jù)，并按照模型輸入要求計(jì)算相關(guān)參數(shù)，建立流域土壤數(shù)據(jù)庫(kù)。

(4) 實(shí)測(cè)氣象數(shù)據(jù)選用樺甸、梅河口和磐石2006—2010年的逐日觀測(cè)數(shù)據(jù)，包括最高氣溫、最低氣溫、降水、相對(duì)濕度、風(fēng)速和日照時(shí)數(shù)。本文所用氣象站點(diǎn)均沒(méi)有太陽(yáng)輻射的實(shí)測(cè)資料，參考童成立等[16]的研究結(jié)果，利用基于站點(diǎn)位置和日照時(shí)數(shù)的方法估算了各氣象站逐日太陽(yáng)輻射值。CFSR氣象數(shù)據(jù)為官網(wǎng)上直接下載的2006—2010的逐日數(shù)據(jù)。

(5) 五道溝徑流數(shù)據(jù)來(lái)源于吉林省水文局。

1.4 模型率定、驗(yàn)證及不確定性分析

由于ArcSWAT 2012版本取消了自帶的參數(shù)敏感性分析，因此本文采用SWAT CUP 2012中的SUFI_2算法進(jìn)行參數(shù)敏感性分析、徑流率定和驗(yàn)證，以及參數(shù)的不確定性分析[17]。選擇決定性系數(shù)(R2)和Nash-Sutcliffe效率系數(shù)(NS)用來(lái)評(píng)價(jià)模型率定和驗(yàn)證的精度與效果

(4)

(5)

采用P-factor和R-factor兩個(gè)指標(biāo)來(lái)衡量參數(shù)的不確定性。P-factor是指95%置信水平上的不確定性區(qū)間(95%prediction uncertainty,95 PPU)所包含的實(shí)測(cè)值占總體的比例。95 PPU是指置信水平為2.5%和97.5%之間模擬結(jié)果的累積分布區(qū)間。95 PPU寬度越小，同時(shí)P-factor越接近于1，表示模型模擬的結(jié)果越好。R-factor是指95 PPU內(nèi)樣本的聚集程度，公式如下:

(6)

R-factor越大，實(shí)測(cè)值在95 PPU中的分布越零散，反之，則實(shí)測(cè)值分布越集中。當(dāng)P-factor取1,R-factor取0時(shí)，表明模擬結(jié)果與實(shí)測(cè)數(shù)據(jù)完全一致。但是這種情況很難達(dá)到，一般認(rèn)為，當(dāng)P-factor>0.6，且R-factor<1時(shí)，模型的模擬精度滿(mǎn)足要求。

2 結(jié)果與分析

2.1 CFSR精度分析結(jié)果

從表1中可以看出，在所有氣象要素中CFSR數(shù)據(jù)集的溫度與實(shí)測(cè)數(shù)據(jù)相關(guān)性最高，3個(gè)站點(diǎn)均在0.97以上。其次為輻射數(shù)據(jù)，3個(gè)站點(diǎn)的相關(guān)系數(shù)分別為0.84,0.9,0.82。CFSR的降水和風(fēng)速與實(shí)測(cè)數(shù)據(jù)的相關(guān)系數(shù)范圍在0.64～0.8。相關(guān)系數(shù)最低值出現(xiàn)在相對(duì)濕度要素，3個(gè)站點(diǎn)分別為0.65,0.63,0.59。6個(gè)氣象要素相對(duì)誤差值的分布和相關(guān)系數(shù)并不一致，相對(duì)誤差的最大值為磐石市的最低溫度，高達(dá)-155.28%。其次為風(fēng)速要素，3個(gè)站點(diǎn)相對(duì)誤差分別為61.33%，55.46%和56.58%。降水和相對(duì)濕度的相關(guān)系數(shù)較低，但相對(duì)誤差值卻較小，均低于10%。

表1 日尺度上CFSR與站點(diǎn)實(shí)測(cè)數(shù)據(jù)的比較結(jié)果

表2為月尺度上CFSR與站點(diǎn)實(shí)測(cè)數(shù)據(jù)的相關(guān)系數(shù)。與日尺度相比，除相對(duì)濕度外，各氣象要素的相關(guān)系數(shù)均有不同程度的提高，最高溫度、最低溫度、降水和輻射的相關(guān)系數(shù)在0.93以上。月尺度上3個(gè)站點(diǎn)的風(fēng)速相關(guān)系數(shù)分別為0.86,0.78,0.84。相對(duì)濕度的相關(guān)系數(shù)反而有所下降，下降幅度分別為0.04,0.05,0.09。

表2 月尺度上CFSR與站點(diǎn)實(shí)測(cè)數(shù)據(jù)相關(guān)系數(shù)

2.2 徑流模擬適宜性評(píng)價(jià)

以2006年作為模型的預(yù)熱期，2007—2008年為率定期，2009—2010年為驗(yàn)證期。采用SWAT CUP 2012中的SUFI_2算法進(jìn)行模型率定、驗(yàn)證和參數(shù)的不確定性分析。本文選擇了對(duì)輝發(fā)河流域徑流敏感性較高的14個(gè)參數(shù)，參數(shù)的意義及初始值范圍的設(shè)置詳見(jiàn)Zhu等[19]的相關(guān)內(nèi)容。初始的參數(shù)取值范圍通常較大，會(huì)增加模型的不確定性和降低模型模擬精度。SUFI_2算法在執(zhí)行完每次模擬后會(huì)推薦一組新的、較小的參數(shù)范圍值。將4種徑流模擬情景(CFSR和實(shí)測(cè)站點(diǎn)的日尺度和月尺度徑流模擬)各執(zhí)行兩次迭代，每次迭代模擬次數(shù)為500，以最后一次迭代推薦的參數(shù)范圍值對(duì)4種徑流模擬情景進(jìn)行驗(yàn)證和不確定性分析。

2.2.1 日尺度徑流模擬結(jié)果 圖2和表3為輝發(fā)河流域日尺度徑流和參數(shù)不確定性分析結(jié)果。從圖2中可以看出，CFSR和實(shí)測(cè)氣象站點(diǎn)模擬的日徑流和觀測(cè)徑流具有較好的一致性。CFSR 95 PPU的寬度明顯大于實(shí)測(cè)氣象站點(diǎn)95 PPU的寬度，意味著CFSR的95 PPU可能會(huì)包含更多數(shù)量的觀測(cè)數(shù)據(jù)，但分布較為零散。因此，CFSR在率定期和驗(yàn)證期的P因子和R因子都高于實(shí)測(cè)氣象站點(diǎn)。對(duì)于目標(biāo)函數(shù)R2和NS,CFSR和實(shí)測(cè)氣象站點(diǎn)在率定期的結(jié)果較為接近，而在驗(yàn)證期，實(shí)測(cè)氣象站點(diǎn)的模擬結(jié)果相對(duì)較好，R2和NS值分別為0.85,0.84。CFSR模擬的徑流相對(duì)誤差在率定期和驗(yàn)證期分別為0.40%和-8.40%，實(shí)測(cè)氣象站點(diǎn)模擬的徑流值相對(duì)偏低，相對(duì)誤差分別為-23.77%和-19.12%。

圖2 日尺度徑流模擬結(jié)果

表3 日尺度徑流模擬和不確定性分析結(jié)果

2.2.2 月尺度徑流模擬 輝發(fā)河流域月尺度徑流和參數(shù)不確定性分析結(jié)果見(jiàn)圖3和表4。相較于日尺度的模擬結(jié)果，月尺度的R2和NS值都有不同程度的提高，最高值出現(xiàn)在實(shí)測(cè)氣象站點(diǎn)在驗(yàn)證期的結(jié)果，R2和NS值均為0.97。實(shí)測(cè)氣象站點(diǎn)模擬的徑流相對(duì)誤差在月尺度也明顯降低，CFSR的徑流相對(duì)誤差由負(fù)值轉(zhuǎn)化為正值。對(duì)于P因子和R因子，CFSR和實(shí)測(cè)氣象站點(diǎn)在月尺度上并沒(méi)有明顯的提高。

表4 月尺度徑流模擬和不確定性分析結(jié)果

圖3 月尺度徑流模擬結(jié)果

2.2.3 融雪徑流模擬精度評(píng)價(jià) 輝發(fā)河流域?qū)儆跂|北寒區(qū)，降雪可從每年的10月份持續(xù)到次年4月份。春季氣溫回暖，積雪融化速率加快，極易形成融雪性洪水。為評(píng)價(jià)CFSR數(shù)據(jù)集對(duì)融雪徑流的模擬精度，從月尺度模擬結(jié)果中選取每年3—5月的徑流數(shù)據(jù)，與水文站點(diǎn)實(shí)測(cè)的徑流量進(jìn)行比較，同時(shí)，以實(shí)測(cè)氣象站點(diǎn)模擬的結(jié)果作為參考，結(jié)果見(jiàn)圖4。從圖中可以看出，實(shí)測(cè)氣象站點(diǎn)和CFSR數(shù)據(jù)集模擬的春季徑流與水文站點(diǎn)的觀測(cè)結(jié)果整體趨勢(shì)較為一致。其中，利用實(shí)測(cè)氣象站點(diǎn)的模擬的結(jié)果擬合較好，相對(duì)誤差為-4.78%。CFSR數(shù)據(jù)集對(duì)春季徑流的模擬存在一定程度的高估，相對(duì)偏差為32.61%。

圖4 CFSR和氣象站模擬的春季徑流精度評(píng)價(jià)

2.3 蒸散發(fā)模擬結(jié)果與分析

SWAT模型引入了3種方法計(jì)算蒸散發(fā):Penman-Monteith，Priestley-Taylor和Hargreaves，本文采用的是模型默認(rèn)的Penman-Monteith方法。首先計(jì)算潛在蒸散發(fā)(PET),SWAT采用40 cm高的紫花苜蓿作為Penman-Monteith方法的參照作物。確定潛在蒸散發(fā)后，實(shí)際蒸散發(fā)按以下流程計(jì)算:首先蒸發(fā)植被冠層截留的降水，然后SWAT采用Richtie[20]提出的方法計(jì)算最大散發(fā)量和最大升華/土壤蒸發(fā)，接著計(jì)算土壤的實(shí)際升華和蒸發(fā)。如果HRU中存在雪，將發(fā)生升華，沒(méi)有雪時(shí)，土壤蒸發(fā)才會(huì)發(fā)生。將從以下3個(gè)方面分析蒸散發(fā)的模擬結(jié)果:(1) CFSR和實(shí)測(cè)氣象數(shù)據(jù)中影響蒸散發(fā)因素的對(duì)比分析;(2) 蒸散發(fā)模擬結(jié)果的分析;(3) 假設(shè)降水因素校正后，CFSR其他氣象因素對(duì)蒸散發(fā)模擬的影響。

2.3.1 蒸散發(fā)影響因素比較 Penman-Monteith方法中影響潛在蒸散發(fā)計(jì)算結(jié)果的因素主要為溫度、相對(duì)濕度、風(fēng)速和凈輻射，進(jìn)一步比較實(shí)測(cè)氣象站點(diǎn)和CFSR的溫度、相對(duì)濕度、風(fēng)速和凈輻射在空間上的異質(zhì)性可以更好地理解潛在蒸散發(fā)的模擬結(jié)果。圖5為CFSR和實(shí)測(cè)氣象數(shù)據(jù)日最高溫度、最低溫度、相對(duì)濕度、風(fēng)速和日照輻射在各子流域上的相對(duì)誤差，圖中藍(lán)色表示相對(duì)誤差為負(fù)值，紅色表示正值。從圖5中可以發(fā)現(xiàn)，CFSR的日最高溫度在整個(gè)流域都低于實(shí)測(cè)日最高溫度，相對(duì)誤差范圍為-11.41%～-2.97%。CFSR日最低溫度在流域上游低于實(shí)測(cè)值，而在下游高于實(shí)測(cè)值。CFSR和實(shí)測(cè)日最低溫度平均值范圍分別為-0.25～0.53℃和-0.65～0.78℃，由于兩者值較小，導(dǎo)致相對(duì)誤差計(jì)算結(jié)果范圍偏大(-120.98%～167.25%)。CFSR的相對(duì)濕度、風(fēng)速和日照輻射在整個(gè)流域均大于實(shí)測(cè)值，相對(duì)誤差范圍分別為1.16%～8.64%,48.1%～67.89%和7.71%～17.3%。根據(jù)劉小莽等[21]和楊林山等[22]對(duì)潛在蒸散發(fā)氣候敏感性分析的研究結(jié)果，溫度、風(fēng)速和太陽(yáng)輻射與潛在蒸散發(fā)的敏感系數(shù)為正值，即潛在蒸散發(fā)會(huì)隨著溫度、風(fēng)速和太陽(yáng)輻射的增加而增大，相對(duì)濕度敏感系數(shù)為負(fù)值。與實(shí)測(cè)氣象數(shù)據(jù)相比，CFSR數(shù)據(jù)集中各氣象因素對(duì)潛在蒸散發(fā)估算結(jié)果正負(fù)效應(yīng)都存在。

圖5 CFSR和實(shí)測(cè)氣象數(shù)據(jù)各氣象因素的相對(duì)誤差

2.3.2 蒸散發(fā)模擬結(jié)果比較 圖6為CFSR和實(shí)測(cè)氣象數(shù)據(jù)兩者作為模型輸入計(jì)算的PET和ET相對(duì)誤差。從圖6中可以得出，在整個(gè)流域上CFSR的PET和ET估算結(jié)果均高于實(shí)測(cè)氣象數(shù)據(jù)的結(jié)果，PET和ET的相對(duì)誤差范圍分別為0.57%～20.23%和4.83%～17.98%，模擬誤差較大。PET和ET的相對(duì)誤差在空間分布上并不一致，PET相對(duì)誤差較高的部分主要集中在流域下游，而ET相對(duì)誤差較高的部分則分布在流域中上游。這是由于實(shí)際蒸散發(fā)還要考慮降水量、地表覆被類(lèi)型和土壤含水量等多個(gè)因素的影響[23-24]。綜合圖5—6的結(jié)果發(fā)現(xiàn)，輝發(fā)河流域CFSR數(shù)據(jù)集中偏高的風(fēng)速和日照輻射導(dǎo)致其模擬的PET和ET比實(shí)測(cè)氣象數(shù)據(jù)的結(jié)果偏大。

圖6 CFSR和實(shí)測(cè)氣象數(shù)據(jù)PET和ET的相對(duì)誤差

2.3.3 CFSR其他氣象因素對(duì)蒸散發(fā)模擬的影響 將CFSR數(shù)據(jù)集中的降水因素替換為實(shí)測(cè)降水，其他因素不變，重新驅(qū)動(dòng)模型，模型參數(shù)選用實(shí)測(cè)氣象站點(diǎn)率定得到的參數(shù)。假設(shè)CFSR數(shù)據(jù)集中的降水經(jīng)過(guò)校正后與實(shí)測(cè)結(jié)果完全一致，以實(shí)測(cè)氣象站點(diǎn)的模擬結(jié)果作為參考，評(píng)價(jià)CFSR的氣溫、風(fēng)速、相對(duì)濕度和日照時(shí)數(shù)對(duì)蒸散發(fā)模擬結(jié)果的影響，模擬結(jié)果見(jiàn)圖7。從圖中可以看出，該模擬情景下，僅有兩個(gè)子流域存在較少的低估，流域整體上的ET模擬結(jié)果仍然偏高，相對(duì)誤差最高可達(dá)到7.75%。這意味著，即使CFSR數(shù)據(jù)集中的降水經(jīng)過(guò)校正后，其他氣象因素對(duì)蒸散發(fā)的影響仍不可忽略。

圖7 CFSR其他氣象因素對(duì)蒸散發(fā)模擬的影響

3 討論和結(jié)論

3.1 討 論

無(wú)資料和缺資料地區(qū)水文水資源的模擬和評(píng)估是當(dāng)前水文學(xué)研究的熱點(diǎn)問(wèn)題。全球再分析氣象資料因其時(shí)空分辨率高、時(shí)間序列長(zhǎng)和更新速度快等優(yōu)點(diǎn)，越來(lái)越受到相關(guān)學(xué)者的青睞。本文以CFSR數(shù)據(jù)集為例，采用SWAT模型，評(píng)價(jià)了其在輝發(fā)河流域的適宜性。

(1) 從精度分析結(jié)果中可以發(fā)現(xiàn)，和其他因素相比，CFSR數(shù)據(jù)集中對(duì)徑流模擬起關(guān)鍵作用的降水因素與觀測(cè)值在日尺度上的相關(guān)性并不高。與Tropical Rainfall Measurement Mission (TRMM)降水產(chǎn)品類(lèi)似，CFSR的降水因素在總量上與實(shí)測(cè)數(shù)據(jù)保持了較好的一致性，但是逐日降水的誤差仍然較大，導(dǎo)致其相關(guān)性較低。

(2) 與實(shí)測(cè)氣象數(shù)據(jù)模擬的徑流相比，CFSR數(shù)據(jù)集在日尺度和月尺度上均表現(xiàn)出較好的模擬結(jié)果。實(shí)測(cè)氣象數(shù)據(jù)的徑流模擬結(jié)果中，Bias值較大是由于率定過(guò)程中追求更高的目標(biāo)函數(shù)R2和NS值導(dǎo)致的。

(3) CFSR數(shù)據(jù)集模擬的春季徑流存在一定程度的高估。SWAT中的融雪采用(雪堆溫度與最高氣溫的平均值，與融雪溫度閾值之差)的線(xiàn)性函數(shù)計(jì)算。雖然CFSR數(shù)據(jù)集中的最高溫度和最低溫度相對(duì)實(shí)測(cè)值較為偏低，但從融雪到產(chǎn)生徑流的過(guò)程受多個(gè)因素和參數(shù)的影響，例如降雪量、CN2，ESCO和SOL_AWC等參數(shù)。CFSR和實(shí)測(cè)氣象數(shù)據(jù)的差異必然導(dǎo)致率定得到的參數(shù)值有所不同，繼而影響春季徑流的模擬結(jié)果。

(4) 以往的研究通過(guò)建立CFSR降水?dāng)?shù)據(jù)與實(shí)測(cè)氣象站點(diǎn)的統(tǒng)計(jì)關(guān)系，對(duì)CFSR逐格點(diǎn)進(jìn)行校正，尋求更為準(zhǔn)確的徑流模擬結(jié)果[11,13,25-26]，但較少考慮CFSR數(shù)據(jù)集中溫度、風(fēng)速、相對(duì)濕度和日照輻射等氣象因素對(duì)流域水循環(huán)其他組分的影響。本文的研究結(jié)果表明，采用CFSR數(shù)據(jù)集作為模型輸入，其模擬的PET和ET均高于實(shí)測(cè)氣象數(shù)據(jù)的模擬結(jié)果，即使將CFSR中的降水替換為實(shí)測(cè)降水?dāng)?shù)據(jù)，ET仍存在一定程度的高估。

3.2 結(jié) 論

本文以輝發(fā)河流域?yàn)檠芯繀^(qū)，采用SWAT模型，分別從徑流和蒸散發(fā)兩個(gè)角度評(píng)價(jià)CFSR數(shù)據(jù)集在該流域的適宜性。在月尺度和日尺度上構(gòu)建了4種徑流模擬情景，分析了不同數(shù)據(jù)輸入和時(shí)間尺度下徑流的模擬結(jié)果;以子流域作為空間單元，比較了CFSR數(shù)據(jù)集和實(shí)測(cè)氣象數(shù)據(jù)中PET影響因素的相對(duì)誤差，以及PET和ET的模擬誤差。結(jié)果表明:(1) CFSR數(shù)據(jù)集與站點(diǎn)實(shí)測(cè)數(shù)據(jù)存在一定程度的差異，尤其是風(fēng)速、輻射和溫度;(2) 在徑流模擬方面，整體上CFSR數(shù)據(jù)集在日尺度和月尺度上均表現(xiàn)較好，但春季徑流模擬結(jié)果較高;(3) 在將CFSR數(shù)據(jù)集應(yīng)用于水文模擬時(shí)，還應(yīng)考慮溫度、風(fēng)速和日照輻射等其他因素對(duì)流域水循環(huán)各組分的影響，對(duì)CFSR中各氣象因素都進(jìn)行校正可能會(huì)得到更為準(zhǔn)確的模擬結(jié)果。