邢貞相，袁 澤，段維義，喻 熠，紀(jì) 毅，劉昊奇，付 強

（東北農(nóng)業(yè)大學(xué)水利與土木工程學(xué)院，哈爾濱 150030）

降水是水文循環(huán)中主要環(huán)節(jié)，是水文模型最重要氣象輸入變量之一，準(zhǔn)確的降水輸入是獲得可靠地表水文模擬基本條件[1]。地面降水觀測站是測量降水最直接途徑，但復(fù)雜地形中雨量計密度低，分布不均勻，難以滿足陸面水文模型對降水?dāng)?shù)據(jù)連續(xù)性、長序列及大尺度要求[2]。因此，準(zhǔn)確獲取區(qū)域降水?dāng)?shù)據(jù)對于水文模型驗證、應(yīng)用及水資源管理具有重要意義[3]。

因網(wǎng)格化降水產(chǎn)品具有空間分辨率高、覆蓋面積廣、時間跨度長、便于獲取和處理等優(yōu)勢應(yīng)用廣泛，成為水文研究中地面監(jiān)測降水潛在替代品。目前我國應(yīng)用較多的網(wǎng)格化降水產(chǎn)品有中國區(qū)域地面氣象要素數(shù)據(jù)（China meteorological forcing dataset，CMFD）、全球高分辨率的陸面模擬系統(tǒng)（Global land data assimilation system,GLDAS）、中國氣象局陸面同化系統(tǒng)（China meteorological administration land data assimilation system,CLDAS）、中國自動站與CMORPH融合的逐時降水產(chǎn)品（CMPA）等。目前國內(nèi)流域使用CMFD和GLDAS驅(qū)動分布式水文模型，王姝等使用CMFD驅(qū)動NoahMP陸面過程-RAPID河網(wǎng)匯流耦合模式，模擬大渡河流域水文過程[4]；王福興在輝發(fā)河流域驗證GLDAS降水、氣溫及長波輻射精度較高，并以GLDAS驅(qū)動WEB-DHM模型，較好再現(xiàn)該流域水循環(huán)過程[5]。CLDAS和CMPA在水文模擬上應(yīng)用相對較少，但已有對水文模擬應(yīng)用的潛力評估，孫帥等證明CLDAS長序列融合降水產(chǎn)品優(yōu)于CMORPH和MERRA2降水產(chǎn)品，滿足中國陸面水文模擬、氣候研究等相關(guān)領(lǐng)域需要[6]；田鳳云等從水文應(yīng)用角度評估CMPA在黃土高原精度，結(jié)果表明該產(chǎn)品可合理反映研究區(qū)降水日變化過程[7]。

呼蘭河流域位于東經(jīng)125.90°～128.80°、北緯

46.18°～48.13°，是松花江（見圖1a）左岸最大支流之一，屬高寒地區(qū)，雨量站站網(wǎng)較為稀疏，降水形態(tài)多變，表現(xiàn)為雨、雪、雨雪混合物等多種形態(tài)，地面雨量計觀測誤差較大。網(wǎng)格化降水產(chǎn)品雖可在一定程度上彌補其不足，但不同降水產(chǎn)品存在區(qū)域表現(xiàn)差異，需要對其準(zhǔn)確性和區(qū)域適用性評價展開針對性研究[8-9]。本研究基于地面雨量計的中國逐日網(wǎng)格降水量實時分析系統(tǒng)數(shù)據(jù)集（CGDPA）和位于呼蘭河流域內(nèi)3個國家級雨量站逐日降水資料作為參考值[10-11]，評估CMFD、GLDAS、CLDAS降水產(chǎn)品和CMPA在呼蘭河流域全年、汛期（6～9月）、非汛期3種時段時空分布特征和精度，評估各網(wǎng)格化降水產(chǎn)品在多個時空尺度上適用性，為呼蘭河流域水文模擬和水資源管理提供可靠的網(wǎng)格化降水?dāng)?shù)據(jù)來源。

1 研究區(qū)域概況

呼蘭河流域（見圖1）發(fā)源于小興安嶺西麓，全長523 km，流域面積35 683 km2，東北部為山地，西部和中部為丘陵和臺地。呼蘭河流域?qū)俦睖貛Ъ撅L(fēng)氣候區(qū)，春季降水量占全年降水15%，徑流主要靠融雪補給，且徑流量小；夏、秋汛期（6～9月）降水占全年降水70%～80%，徑流量占全年徑流總量75%～80%，是呼蘭河流域暴雨洪水多發(fā)期；冬季漫長、干燥，最低氣溫-41.8℃，凍土深度約2 m，河流在冬季有時因缺少地下水補給而斷流。呼蘭河流域降水、徑流明顯的季節(jié)性變化和地表土壤季節(jié)性凍融造成該流域水文過程復(fù)雜。

圖1 研究區(qū)域示意圖Fig.1 Sketch map of study area

蘭西水文站位于呼蘭河干流，是呼蘭河流入松花江前的把口站，控制斷面以上河長378 km，集水區(qū)面積為25 587 km2，將該區(qū)域作為網(wǎng)格化降水產(chǎn)品時空特征對比分析和精度評價的主要區(qū)域。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)

2.1.1 數(shù)據(jù)介紹

本研究收集整理2008～2015年降水資料為基礎(chǔ)數(shù)據(jù)（見表1）：

①中國逐日網(wǎng)格降水量實時分析系統(tǒng)數(shù)據(jù)集，簡稱CGDPA數(shù)據(jù)。通過實時提取全國2 419個站（包括國家氣候觀象臺，國家氣象觀測一級站、二級站）逐日降水量，采用“基于氣候背景場”最優(yōu)插值方法，實時生成中國區(qū)域逐日降水量網(wǎng)格產(chǎn)品。

②中國區(qū)域地面氣象要素數(shù)據(jù)集，簡稱CMFD數(shù)據(jù)。該數(shù)據(jù)集以Princeton再分析資料、GLDAS資料、GEWEX-SRB輻射資料和TRMM（Tropical rainfall measuring mission）降水資料為背景場，融合氣象觀測數(shù)據(jù)制作一套再分析數(shù)據(jù)集，包含近地面氣溫、近地面氣壓、近地面空氣比濕、近地面全風(fēng)速、地面向下短波輻射、地面向下長波輻射、地面降水率7個氣象變量[12]，將CMFD數(shù)據(jù)集地面降水率變量簡寫為CMFD_P。

③全球高分辨率陸面模擬系統(tǒng)，簡稱GLDAS數(shù)據(jù)，是基于多源觀測數(shù)據(jù)和再分析資料同化形成的全球高分辨率陸面模擬系統(tǒng)。GLDAS降水?dāng)?shù)據(jù)基于CMPA得出，融合地面觀測值和5種衛(wèi)星估計值[7]。本研究將GLDAS氣象驅(qū)動數(shù)據(jù)中降水率變量簡寫為GLDAS_P。

④東亞區(qū)域大氣驅(qū)動場再分析數(shù)據(jù)集，簡稱CLDAS數(shù)據(jù)。該數(shù)據(jù)集利用多種來源地面、衛(wèi)星等觀測資料，采用多重網(wǎng)格變分同化（STMAS）、最優(yōu)插值（OI）、概率密度函數(shù)匹配（CDF）、輻射傳輸模型物理反演、地形校正等技術(shù)研制而成，有氣溫、氣壓、比濕、風(fēng)速、小時降水和短波輻射6個氣象要素，本研究將CLDAS數(shù)據(jù)集小時降水變量簡寫為CLDAS_P。

⑤中國自動站與CMORPH融合逐小時降水量

0.1°網(wǎng)格數(shù)據(jù)集，簡稱CMPA數(shù)據(jù)。該數(shù)據(jù)集以地面逐時降雨格點數(shù)據(jù)為基礎(chǔ)，使用最優(yōu)插值（Optimal Interpolation，OI）方法與衛(wèi)星降雨資料結(jié)合生成降雨融合產(chǎn)品。

此外，實測雨量站點數(shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng)（http://data.cma.cn）中國地面氣候資料日值數(shù)據(jù)集（V3.0），該數(shù)據(jù)集內(nèi)共包含三個呼蘭河流域內(nèi)站點，分別為北林站、海倫站、鐵力站（見圖1b）。

2.1.2 數(shù)據(jù)處理

由于各降水產(chǎn)品所使用源數(shù)據(jù)、生成方法和應(yīng)用場景不同，5套網(wǎng)格化降水產(chǎn)品之間存在不相同儲存格式、單位、時區(qū)、時間步長、空間分辨率和空間范圍（見表1），為便于統(tǒng)一分析對比，需對5套降水產(chǎn)品預(yù)處理。

表1 降水產(chǎn)品基本信息Table 1 Summary of the precipitation products

5套網(wǎng)格化降水產(chǎn)品中，CMFD、GLDAS、CLDAS為再分析氣象驅(qū)動數(shù)據(jù)集，儲存格式為自描述文件格式NetCDF（Network common data form），單個文件中均包含多個氣象要素，使用Python語言編程提取上述3套數(shù)據(jù)中逐1 h/3 h降水率（mm·s-1）變量并轉(zhuǎn)換為累計1 h/3 h降水量（mm）。CGDPA與CMPA是實時更新降水量網(wǎng)格數(shù)據(jù)集，儲存格式為GrADS標(biāo)準(zhǔn)格式，使用CDO（Climate data operators）工具將其轉(zhuǎn)換為與上述3套再分析氣象驅(qū)動數(shù)據(jù)集相同的NetCDF格式。

為便于分析和應(yīng)用各套降水產(chǎn)品，使用雙線性插值方法將所有降水產(chǎn)品原有網(wǎng)格尺度重新映射到1 km×1 km網(wǎng)格上，并投影轉(zhuǎn)換（朗伯等角圓錐投影）、裁切至研究區(qū)域等處理。而后將5套數(shù)據(jù)時區(qū)統(tǒng)一轉(zhuǎn)換為北京時間（UTC+8），并將其累積為3 h、日值、月值和年值降水量序列。

2.2 方法

2.2.1 分析方法

由于呼蘭河流域70%～80%降水來自夏、秋汛期（6～9月），本研究進一步將呼蘭河流域全年分為汛期（6～9月）和非汛期（10月～次年5月）兩個時期。CMFD_P、GLDAS_P、CLDAS_P、CMPA 4套降水產(chǎn)品時間和空間分布特征以CGDPA日數(shù)據(jù)和流域內(nèi)3個國家級雨量站日觀測資料作為參考值，通過日降水精度、月平均降水年內(nèi)分配特征、各時段年際變化特征和多年平均降水量精度闡述CMFD_P、GLDAS_P、CLDAS_P、CMPA時間分布特征。以研究區(qū)域各點全年、汛期、非汛期3個時段多年平均降水量闡述CMFD_P、GLDAS_P、CLDAS_P、CMPA空間分布特征。

2.2.2 評估指標(biāo)

4套降水產(chǎn)品多年平均降水量采用相對誤差（RE）評價，日尺度定量精度使用相關(guān)系數(shù)（CC）、偏差（BIAS）、根均平方誤差（RMSE）和泰勒圖分析4種標(biāo)準(zhǔn)評價。當(dāng)CC高于0.7時，變量顯著相關(guān)[13]，當(dāng)BIAS值為-10%～10%，精度可接受[14]。泰勒圖將模擬值歸一化標(biāo)準(zhǔn)差和真實值之間相關(guān)系數(shù)繪制同一圖中，模擬點同參考點距離表示評估值與真實值中心化均方根誤差。通過泰勒圖對比不同模擬方案優(yōu)劣，即越靠近參考點說明相關(guān)系數(shù)越高，均方根誤差越小[11]。

指標(biāo)計算公式如下：

式中，n為樣本總數(shù)；i為時次；P和O分別為降水產(chǎn)品估計值和參考值；Pˉ和Oˉ分別為降水產(chǎn)品估計值和參考值均值。

3 結(jié)果與分析

3.1 基于時間分布特征的降水產(chǎn)品評估

3.1.1 日降水量精度

由圖2可知，對于3個時段，GLDAS_P對應(yīng)點據(jù)距參考值點較遠(yuǎn)，精度最低；CMPA、CLDAS_P和CMFD_P對應(yīng)點據(jù)距參考值點較近。根據(jù)泰勒圖分析原理和4套數(shù)據(jù)對應(yīng)點據(jù)距參考值點距離遠(yuǎn)近可知，4套降水產(chǎn)品表征的日面雨量和日點雨量在全年（見圖2a）和汛期（見圖2b）精度優(yōu)劣程度排序相同，均依次為CMPA＞CLDAS_P＞CMFD_P＞GLDAS_P。非汛期（見圖2c）由于CMFD_P在不同空間尺度上均有較小離散程度（歸一化標(biāo)準(zhǔn)差更接近“1.0”），整體精度最高；CLDAS_P和CMPA的CC和RMSE（具體數(shù)值見表2）在海倫站精度較低，同時CLDAS_P距參考值點近于CMPA，故CLDAS_P精度高于CMPA；結(jié)合上文GLDAS_P散點距參考值點最遠(yuǎn)、精度最低結(jié)論，最終得出4套降水品在非汛期精度優(yōu)劣為CMFD_P＞CLDAS_P＞CMPA＞GLDAS_P。

表2 列出4套降水產(chǎn)品不同空間尺度日降水量精度評價指標(biāo)具體數(shù)值。據(jù)表2可知，對于相關(guān)系數(shù)，CMFD_P、CLDAS_P、CMPA在3個時段均與CGDPA顯著相關(guān)，汛期相關(guān)系數(shù)在0.9以上，非汛期在0.7以上。對于RMSE，CMFD_P和CLDAS_P在全年和汛期RMSE值接近，全年RMSE在1.7～2.7 mm，汛期RMSE在2.2～5.0 mm，精度優(yōu)于其他兩套降水產(chǎn)品。對于BIAS，CMFD_P的BIAS值最小，3個時段BIAS絕對值均小于10%；此外，GLDAS_P在全年BIAS均小于10%，而汛期與非汛期BIAS較大，且正負(fù)不一致（汛期BIAS為正值，非汛期BIAS為負(fù)值）。

3.1.2 年內(nèi)分配特征

4套網(wǎng)格化降水產(chǎn)品分別與CGDPA數(shù)據(jù)對比的多年平均年內(nèi)月分配過程見圖3?？梢姡?套數(shù)據(jù)體現(xiàn)年內(nèi)月分配過程與CGDPA數(shù)據(jù)月分配過程變化趨勢總體一致，其中月最大降水集中在7月，月最小降水出現(xiàn)在1月、2月和12月。此外，從年內(nèi)降水量集中程度看，CLDAS_P、CMPA、CMFD_P年內(nèi)分配過程均表征流域內(nèi)70%～80%年降水量集中在汛期，其余少量降水分布在非汛期特征；與上述3套數(shù)據(jù)相比，GLDAS_P在年內(nèi)降水量集中程度表現(xiàn)上相對較差，汛期降水量占比偏低、非汛期降水量占比偏高，與3.1.1得出該數(shù)據(jù)年內(nèi)日降水量在汛期、非汛期精度低的結(jié)論一致。但這一結(jié)論與王福興[5]在輝發(fā)河流域應(yīng)用該數(shù)據(jù)的結(jié)論不同，原因可能是不同流域表征的年內(nèi)分配特征存在較大差異。這也是網(wǎng)格化降水產(chǎn)品應(yīng)用時需局地適用性評價的原因。

圖2 4套降水產(chǎn)品的日降水量泰勒圖Fig.2 Taylor diagrams of daily precipitation

表2 4套降水產(chǎn)品不同時段日降水量的精度分析Table 2 Accuracy analysis of daily precipitation during different period

圖3 各降水產(chǎn)品在呼蘭河流域多年平均年內(nèi)分配Fig.3 Distribution of monthly average precipitation from different products in the Hulanhe Basin

3.1.3 多年平均降水量精度

由圖4可知，4套數(shù)據(jù)汛期誤差均高于全年和非汛期。對于全年降水量，與CGDPA相比，CMFD_P與GLDAS_P多年平均全年降水量分別高估8%和11%、CLDAS_P與CMPA多年平均全年降水量分別低估16%和23%；對于汛期，與CGDPA相比，CMFD_P高估10%，其他3套降水產(chǎn)品分別低估12%、16%和17%；對于非汛期，與CGDPA相比，CMFD_P與GLDAS_P分別高估12%和78%，CLDAS_P與CMPA分別低估38%和26%。

此外，需強調(diào)表3中CMFD_P在汛期多年平均降水量為490 mm，顯著高于其他3套降水產(chǎn)品數(shù)值（370～390 mm），可能因該套數(shù)據(jù)在融合降水時以TRMM等衛(wèi)星降水?dāng)?shù)據(jù)作為背景場[15]、而TRMM降水在呼蘭河流域日尺度降水高估[16]有關(guān)。

圖4 4套降水產(chǎn)品在呼蘭河流域不同時段降水量相對誤差Fig.4 Relative errors of four sets of precipitation products in Hulanhe Basin in different time periods

表3 各套降水產(chǎn)品在呼蘭河流域多年平均全年、汛期和非汛期降水量及相對誤差Table 3 Mean annual annual precipitation in a year,flood season and non-flood season and relative error for each precipitation products in Hulanhe Basin

3.1.4年際變化特征

4套降水產(chǎn)品在2008～2015年全年降水量（見圖5a）和汛期降水量（見圖5b）變化趨勢均與CGDPA所表現(xiàn)趨勢一致，呼蘭河2009、2012和2013年發(fā)生全流域性洪水，與圖4顯示全年降水量（見圖4a）和汛期降水量（見圖4b）年際變化特征一致。在非汛期（見圖5c），GLDAS_P、CMFD_P表現(xiàn)變化趨勢均與CGDPA一致，但CMPA、CLDAS_P所表現(xiàn)變化趨勢與CGDPA不一致，一方面是降水量級偏低、氣候差異較大、參照地面觀測數(shù)據(jù)精度低[15]等原因?qū)е缕淙诤蠑?shù)據(jù)誤差較大。同時，也與在3.1.1、

3.1.3 中兩套數(shù)據(jù)非汛期精度均不高的結(jié)論相符。

3.2 基于空間分布特征的降水產(chǎn)品評估

5套降水產(chǎn)品在呼蘭河流域空間分布見圖6。

圖5 各降水產(chǎn)品在呼蘭河流域不同時段降水量序列Fig.5 Precipitation series of each precipitation product in different time periods in the Hulanhe Basin

圖6 各降水產(chǎn)品在呼蘭河流域不同時段空間分布Fig.6 Spatial patterns of each precipitation products in different time periods in Hulanhe Basin

由圖6可知，對于全年、汛期2個時段，不同降水產(chǎn)品表現(xiàn)各時段降水量自東北向西南遞減的變化趨勢。但不同降水產(chǎn)品對各時段降水量空間分布細(xì)節(jié)刻畫上所表現(xiàn)的特征差異明顯。CMFD_P降水空間分布和CGDPA空間分布特征具有較高相似度，均捕捉到降水空間極大值區(qū)域，但兩者汛期極大值區(qū)位置有差異，可能因CGDPA數(shù)據(jù)制作方法中考慮地形因素[16]，使該數(shù)據(jù)極大值趨向流域高程最高點；GLDAS_P所表現(xiàn)的空間細(xì)部差異小于CMFD_P和CGDPA，此外，GLDAS_P無法捕捉降水極大值區(qū)域，可能與該產(chǎn)品空間分辨較低有關(guān)（見表1）；CLDAS_P和CMPA降水產(chǎn)品所表現(xiàn)的空間分布特征具有較高相似度，均可捕捉到降水空間的極大值區(qū)域，其極大值區(qū)域位置也較接近。但這兩套降水產(chǎn)品所刻畫的細(xì)部空間特征明顯優(yōu)于其他3套降水產(chǎn)品，可能與其空間分辨率高、數(shù)據(jù)融合所使用地面站點較多有關(guān)[17]。

對于非汛期，CGDPA、CMFD_P、GLDAS_P 3套降水產(chǎn)品所表現(xiàn)降水量空間變化趨勢相同，均為自東南向西北遞減，無法捕捉極大值區(qū)域；CLDAS_P、CMPA降水產(chǎn)品所表現(xiàn)降水量空間變化趨勢接近，可捕捉到極大值區(qū)域。由此可見，不同降水產(chǎn)品在非汛期所表現(xiàn)出降水量空間變化趨勢異于其他兩個時段，與該流域不同時期降水成因不同有關(guān)[18]，具體影響因素有待深入研究。