張磊磊 康穎 岳青華

摘 要：基于黃河源區(qū)17個(gè)氣象站1998—2015年逐日降水量資料，分析多源衛(wèi)星降水?dāng)?shù)據(jù)（TMPA、RT、CMORPH和PERSIANN）在該地區(qū)的適用性，并在此基礎(chǔ)上評(píng)估TMPA數(shù)據(jù)在水文模擬應(yīng)用中的潛力。結(jié)果表明：PERSIANN數(shù)據(jù)精度最低，其次為CMORPH和RT，TMPA數(shù)據(jù)精度最高，其中PERSIANN和RT數(shù)據(jù)在該地區(qū)存在高估降水量的問(wèn)題。利用氣象站插值降水量和唐乃亥水文站1998—2013年逐月徑流資料對(duì)分布式水文模型（VIC模型）進(jìn)行參數(shù)率定，在此基礎(chǔ)上采用精度最高的TMPA數(shù)據(jù)驅(qū)動(dòng)VIC模型，進(jìn)一步驗(yàn)證了TMPA在黃河源區(qū)分布式水文模擬應(yīng)用中具有較高潛力，TMPA模擬的徑流過(guò)程與基于地面氣象站插值降水量模擬的徑流過(guò)程精度基本相當(dāng)。

關(guān)鍵詞：TMPA;RT;CMORPH;PERSIANN;黃河源區(qū)

Abstract：The applicability of various remote sensing satellite precipitation data （TMPA， RT， CMORPH and PERSIANN） was estimated based on the daily precipitation data of 17 rainfall stations in the period of 1998-2015 for the source region of the Yellow River. The result shows that the data precision of TMPA is the highest， then is followed by CMORPH， RT and PERSIANN. Among the four datasets， PERSIANN and RT have a problem of overestimating precipitation in this area. Based on the measured rainfall and the observed streamflow of Tangnaihai Hydrometric Station from 1998 to 2013 and interpolated precipitation of weather station， the parameters of distributed hydrological model （VIC model） were determined. Then， the performance of the TMPA data was further verified. The result shows that TMPA has high potentiality for hydrological model. Based on the distributed hydrological model， the performance of the TMPA data is equivalent to that by using actual precipitation.

Key words： TMPA; RT; CMORPH; PERSIANN; source region of Yellow River

青藏高原地區(qū)地處我國(guó)西南部，是長(zhǎng)江、黃河、瀾滄江、怒江、雅魯藏布江等的發(fā)源地，被稱為“亞洲水塔”[1]。受地形、氣候等條件的影響，青藏高原氣象站點(diǎn)稀疏且分布極不均勻，這給青藏高原的水資源研究帶來(lái)了極大挑戰(zhàn)，而流域水文模型可通過(guò)有限實(shí)測(cè)降水?dāng)?shù)據(jù)反演徑流過(guò)程。

在流域水文模擬中，降水是影響模型模擬精度的重要因素之一，模型的空間降水量輸入主要是根據(jù)氣象站實(shí)測(cè)雨量通過(guò)某一插值方法確定，但雨量站點(diǎn)的設(shè)立往往受地形、氣候、經(jīng)濟(jì)、社會(huì)等方面的影響，觀測(cè)到的雨量信息并不能完全代表流域降水特征。隨著科技的飛速進(jìn)步及計(jì)算機(jī)軟硬件的發(fā)展，通過(guò)衛(wèi)星探測(cè)云層信息反演的遙感衛(wèi)星降水?dāng)?shù)據(jù)逐步被應(yīng)用[2]，相對(duì)于單點(diǎn)觀測(cè)數(shù)據(jù)，衛(wèi)星降水?dāng)?shù)據(jù)具有時(shí)間和空間分辨率高、覆蓋面積廣的特點(diǎn)，雖然衛(wèi)星降水?dāng)?shù)據(jù)是利用反演方式推求的，與實(shí)際降水仍存在一定的偏差，但其對(duì)缺乏資料流域的水文過(guò)程模擬與驗(yàn)證仍然具有十分重要的意義。

筆者以青藏高原氣象站點(diǎn)分布相對(duì)較多且較為均勻的黃河源區(qū)為研究對(duì)象，基于實(shí)測(cè)降水資料，評(píng)估4種遙感衛(wèi)星降水?dāng)?shù)據(jù)（TMPA、TRMM RT、CMORPH和PERSIANN）在黃河源區(qū)的適用性，以精度較高的遙感衛(wèi)星降水?dāng)?shù)據(jù)結(jié)合分布式水文模型（VIC模型）評(píng)估其在黃河源區(qū)水文模擬中的應(yīng)用。

1 研究區(qū)域、數(shù)據(jù)及方法

1.1 研究區(qū)域

黃河源區(qū)地理位置介于東經(jīng)95.5°—104.1°、北緯32.1°—36.2°之間，地處青藏高原的東北部，流域平均高程在4 000 m以上，流域面積為121 972 km2。雖然其流域面積僅占黃河流域總面積的16.2%，但其產(chǎn)流量占流域總徑流量的35%，是黃河流域重要的產(chǎn)流區(qū)，被稱為“黃河水塔”。

1.2 數(shù)據(jù)資料及處理

本研究涉及的基礎(chǔ)數(shù)據(jù)包括流域內(nèi)及周邊17個(gè)氣象站點(diǎn)（見(jiàn)圖1）逐日降水量資料、遙感降水?dāng)?shù)據(jù)（TMPA數(shù)據(jù)、RT數(shù)據(jù)、CMORPH數(shù)據(jù)、PERSIANN數(shù)據(jù)）和唐乃亥水文站逐月徑流資料。

（1）氣象站降水?dāng)?shù)據(jù)來(lái)自國(guó)家氣象局，資料系列為1998—2015年。

（2）逐3 h TRMM 3B42V7（TMPA、RT）數(shù)據(jù)來(lái)自于NSAA（美國(guó)宇航局），資料系列分別為1998—2015年（TMPA）和2000—2015年（RT），空間范圍為北緯50°—南緯50°、西經(jīng)180°—東經(jīng)180°，分辨率為0.25°×0.25°。TRMM數(shù)據(jù)融合包括DMSP（美國(guó)防衛(wèi)氣象衛(wèi)星計(jì)劃）上的微波成像專用傳感器（SSMI）、Aqua衛(wèi)星上的改進(jìn)的微波掃描輻射器（AMSR）、NOAA系列衛(wèi)星上的高級(jí)微波探測(cè)器（AMSU）以及TRMM本身自帶的微波成像儀（TMI）等多個(gè)微波數(shù)據(jù)源，數(shù)據(jù)質(zhì)量相對(duì)較高。其中TMPA數(shù)據(jù)基于氣象站月降水?dāng)?shù)據(jù)進(jìn)行了修正，而RT則無(wú)修正?；? h數(shù)據(jù)逐網(wǎng)格累計(jì)平均得到研究區(qū)域日、月和年降水?dāng)?shù)據(jù)。

（3）逐3 h CMORPH（V1.0）數(shù)據(jù)來(lái)自于NOAA（美國(guó)海洋與大氣管理局），資料系列為1998—2014年，數(shù)據(jù)空間范圍為北緯60°—南緯60°、西經(jīng)180°—東經(jīng)180°，分辨率為0.25°×0.25°。雖然其數(shù)據(jù)源與TRMM大致相同，但其是根據(jù)紅外降水?dāng)?shù)據(jù)建立的數(shù)值模型，利用微波數(shù)據(jù)進(jìn)行空間插值獲得的，降水的時(shí)間和空間分布取決于微波反演數(shù)據(jù)，并不依賴于紅外數(shù)據(jù)的數(shù)值，其對(duì)紅外降水信息的利用方式更為間接也更為復(fù)雜。逐日、月和年數(shù)據(jù)處理方法同上。

（4）逐3 h PERSIANN數(shù)據(jù)也來(lái)自于NOAA，資料系列為2000—2015年，空間范圍為北緯60°—南緯60°、西經(jīng)180°—東經(jīng)180°，分辨率為0.25°×0.25°。PERSIANN數(shù)據(jù)屬于熱紅外/可見(jiàn)光（IR/VIS）數(shù)據(jù)，數(shù)據(jù)源與TRMM近似，利用人工神經(jīng)網(wǎng)絡(luò)，以TMI、SSMI和AMSU等微波數(shù)據(jù)對(duì)模型參數(shù)進(jìn)行率定，以熱紅外數(shù)據(jù)（IR）驅(qū)動(dòng)模型反演出一套數(shù)據(jù)。逐日、月和年數(shù)據(jù)處理方法同上。

（5）唐乃亥站水文資料來(lái)自黃委水文局，資料系列為1998—2013年。

為與衛(wèi)星數(shù)據(jù)進(jìn)行比較分析，且方便驅(qū)動(dòng)水文模型，基于17個(gè)氣象站降水資料，采用反距離插值法將單站雨量數(shù)據(jù)插值至網(wǎng)格，并由逐日雨量逐步累加至逐月和逐年。

1.3 研究方法

采用統(tǒng)計(jì)學(xué)方法（相關(guān)系數(shù)CC和相對(duì)誤差Er）評(píng)估衛(wèi)星降水?dāng)?shù)據(jù)的精度，并利用氣象站觀測(cè)降水量和唐乃亥站實(shí)測(cè)徑流量率定VIC模型參數(shù)，在此基礎(chǔ)上評(píng)估衛(wèi)星降水對(duì)流域徑流模擬的精度（模型精度評(píng)價(jià)采用納什效率系數(shù)NSE和相對(duì)誤差Er），各評(píng)判指標(biāo)的計(jì)算公式如下：

1.4 VIC模型

VIC模型是由華盛頓大學(xué)研發(fā)的一種基于參數(shù)空間格網(wǎng)化的分布式水文模型[3]。該模型既考慮了大氣、植被、土壤之間的物理交換過(guò)程，反映土壤、大氣和植被之間的水熱狀態(tài)變化和水熱傳輸，又考慮了次網(wǎng)格植被、土壤分布不均勻性對(duì)產(chǎn)匯流的影響，彌補(bǔ)了傳統(tǒng)水文模型對(duì)熱量過(guò)程描述不足的問(wèn)題。VIC模型是目前主要水文模型中考慮寒區(qū)水文特性（凍土、積雪）比較全面的綜合性水文模型之一，近年來(lái)在水文模擬[4]、水資源管理[5]、氣候變化[6]、水文預(yù)報(bào)[7]以及再分析降水資料在水文模擬中的應(yīng)用[8]等方面得到了廣泛的應(yīng)用，具有很高的靈活性和適用性。

模型構(gòu)建所需的植被數(shù)據(jù)來(lái)自美國(guó)馬里蘭大學(xué)發(fā)布的植被數(shù)據(jù)庫(kù)（空間分辨率1 km×1 km），土壤數(shù)據(jù)來(lái)自聯(lián)合國(guó)糧農(nóng)組織發(fā)布的全球土壤數(shù)據(jù)庫(kù)（空間分辨率為1/12°×1/12°）。

綜合考慮計(jì)算機(jī)計(jì)算能力和運(yùn)行時(shí)間，且考慮后期氣候模式的運(yùn)行，搭建黃河源區(qū)（1/12）°×（1/12）°模型架構(gòu)。當(dāng)采用衛(wèi)星降水驅(qū)動(dòng)模型時(shí)，采用鄰近網(wǎng)格法將衛(wèi)星降水網(wǎng)格數(shù)據(jù)的空間分辨率（0.25°×0.25°）轉(zhuǎn)換為（1/12）°×（1/12）°。

2 結(jié)果分析

2.1 降水特征統(tǒng)計(jì)分析

圖2為黃河源區(qū)多源衛(wèi)星降水和氣象站插值降水多年平均降水量的空間分布。從圖2中可以看出，基于氣象站插值的年降水量具有顯著空間不均勻性，呈現(xiàn)自東南向西北逐漸減少的趨勢(shì)，東南部年降水量超過(guò)600 mm，而在西北部年降水量?jī)H在200～300 mm之間。與氣象站插值降水空間分布相比，各衛(wèi)星降水?dāng)?shù)據(jù)的空間分布存在較大差異，CMORPH和TMPA能夠較好地展現(xiàn)流域降水自東南向西北逐漸減少的趨勢(shì)，但在西部地區(qū)CMORPH低估氣象站插值降水，其年降水量?jī)H在200 mm以下，而在東南地區(qū)兩者略高估氣象站插值年降水量;RT和PERSIANN年降水量空間變化較小，年降水量均在1 000 mm以上，遠(yuǎn)大于氣象站插值的年降水量。

圖3為不同降水?dāng)?shù)據(jù)在黃河源區(qū)的年際變化過(guò)程。CMORPH和TMPA數(shù)據(jù)，尤其是TMPA數(shù)據(jù)，降水過(guò)程與氣象站插值降水的年際過(guò)程基本一致，Er僅為0.5%，CC可達(dá)0.99，雖然CMORPH基本能夠重現(xiàn)氣象站插值降水的年際變化過(guò)程，但在2006年及2012—2013年間差異較大，Er和CC分別為-8.2%和0.84;對(duì)于PERSIANN和RT數(shù)據(jù)而言，除2008年P(guān)ERSIANN與氣象站插值降水較為一致外，其他年份均遠(yuǎn)遠(yuǎn)高估降水量，Er均在85%以上。

圖4為黃河源區(qū)多源降水?dāng)?shù)據(jù)季節(jié)分布。表1為不同降水?dāng)?shù)據(jù)在黃河源區(qū)季節(jié)和年降水量統(tǒng)計(jì)。從圖4、表1可以看出，基于氣象站插值的降水主要發(fā)生在夏秋季節(jié)，其降水量占全年降水量的79%，且降水自東南向西北逐步遞減。就衛(wèi)星降水而言，總體上衛(wèi)星降水能夠重現(xiàn)氣象站插值降水在時(shí)間和空間上的變化趨勢(shì)，但各數(shù)據(jù)間差異顯著：CMORPH和TMPA在夏秋季節(jié)的精度較高，其CC值要高于冬春季，而PERSIANN和RT則反之;從降水量來(lái)看，除RT之外，CMORPH和PERSIANN存在夏季低于而秋冬季高于氣象站插值降水量的現(xiàn)象，尤其是PERSIANN數(shù)據(jù)冬季的相對(duì)誤差甚至在100%以上，對(duì)于RT數(shù)據(jù)而言，年內(nèi)各季節(jié)降水量均高于氣象站插值降水量，且春秋季的Er值大于夏冬季節(jié)。對(duì)于TMPA數(shù)據(jù)而言，無(wú)論是在年際還是年內(nèi)，其精度均最高，能夠較好重現(xiàn)氣象站插值降水的年際和年內(nèi)過(guò)程，TMPA多年平均降水量為531 mm，略高于氣象站插值的年均降水量，相對(duì)誤差為0.5%。究其原因可能是TMPA數(shù)據(jù)在RT數(shù)據(jù)的基礎(chǔ)上基于實(shí)際月降水量進(jìn)行了總量控制，在一定程度上能夠反映實(shí)際發(fā)生的情況。

2.2 水文模型模擬評(píng)估

從4種衛(wèi)星降水?dāng)?shù)據(jù)的評(píng)估結(jié)果來(lái)看，TMPA降水?dāng)?shù)據(jù)不論是在時(shí)間還是在空間上均能較好地重現(xiàn)氣象站插值降水的變化過(guò)程，精度最高。因此，本節(jié)利用VIC模型進(jìn)一步評(píng)估了TMPA數(shù)據(jù)在水文模擬應(yīng)用中的潛力，其中VIC模型的參數(shù)由氣象站插值降水驅(qū)動(dòng)模型并以唐乃亥水文站實(shí)測(cè)逐月徑流過(guò)程（1998—2013年）確定，進(jìn)而利用TMPA數(shù)據(jù)驅(qū)動(dòng)水文模型進(jìn)一步評(píng)估基于TMPA數(shù)據(jù)的徑流模擬精度。

圖5為基于TMPA數(shù)據(jù)和氣象站插值降水利用VIC模型模擬的逐月徑流過(guò)程與唐乃亥實(shí)測(cè)月徑流過(guò)程的對(duì)比。圖6為黃河源區(qū)唐乃亥站模擬與實(shí)測(cè)徑流年內(nèi)過(guò)程。從圖5、圖6可以看出，黃河源區(qū)徑流（1998—2013年）的年內(nèi)過(guò)程呈“肥胖單峰型”，其中5—10月為豐水期，徑流量占全年徑流總量的79%，12月—次年3月為枯水期，僅占全年徑流總量的21%。從模型模擬結(jié)果來(lái)看，模擬徑流在5—6月均有不同程度的高估，而在7—9月則存在低估，但相對(duì)于利用氣象站插值降水模擬的徑流過(guò)程，基于TMPA數(shù)據(jù)模擬的精度在夏秋季節(jié)有所提高，相對(duì)誤差分別由5.3%和3.2%降至2.1%和2.2%，而冬春季TMPA數(shù)據(jù)模擬的精度有所降低，相對(duì)誤差分別由13.2%和10.7%升至22.8%和22%，但總體而言，TMPA數(shù)據(jù)基本上與基于氣象站插值降水的模擬結(jié)果相當(dāng)，NSE分別為0.85和0.82，Er分別為4.1%和2.9%。因此，TMPA數(shù)據(jù)在黃河源區(qū)具有良好的適用性，可為青藏高原其他資料匱乏的相似氣候區(qū)的水文水資源研究提供一定的借鑒。

3 結(jié) 論

（1）多源衛(wèi)星降水與地面氣象站插值降水在時(shí)間和空間上的對(duì)比分析表明，PERSIANN和RT降水?dāng)?shù)據(jù)極大高估了降水量，而TMPA和CMORPH數(shù)據(jù)則接近氣象站插值的年降水量。就總體精度而言，PERSIANN數(shù)據(jù)精度最低、TMPA數(shù)據(jù)精度最高。

（2）在模型參數(shù)一致的情況下，TMPA數(shù)據(jù)模擬的徑流過(guò)程與氣象站插值降水模擬的精度基本相當(dāng)，在一定程度上能夠重現(xiàn)實(shí)際徑流的年際和年內(nèi)變化過(guò)程，TMPA數(shù)據(jù)在徑流模擬上具有較大的應(yīng)用潛力。

參考文獻(xiàn)：

[1] IMMERZEEL W W， VANBEEK L P H， BIERKENS M F P. Climate Change will Affect the Asian Water Towers[J].Science，2010，328：1382-1385.

[2] 劉元波，傅巧妮，宋平，等.衛(wèi)星遙感反演降雨研究綜述[J].地球科學(xué)進(jìn)展，2011，26（11）：1162-1172.

[3] XU L， LETTENMAIER D P， WOOD E， et al. A Simple Hydrologically Based Model of Land Surface Water and Energy Fluxes for General Circu-Lation Models[J].Journal of Geophysical Research， 1994， 99（D7）： 14415-14428.

[4] 陳宏，尉英華，王穎，等.基于VIC水文模型的灤河流域徑流變化特征及其影響因素[J].干旱氣象，2017，35（5）：776-783.

[5] 朱悅璐，暢建霞.基于VIC模型構(gòu)建的綜合干旱指數(shù)在黃河流域的應(yīng)用[J].西北農(nóng)林科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2017，45（2）：203-212.

[6] 金君良，何健，賀瑞敏，等.氣候變化對(duì)淮河流域水資源及極端洪水事件的影響[J].地理科學(xué)，2017，37（8）：1226-1233.

[7] 吳志勇，鄭寧，冒云，等.基于VIC模型和地貌單位線的中小水庫(kù)入庫(kù)預(yù)報(bào)研究[J].水電能源科學(xué)，2017，35（10）：21-24.

[8] 高瑞，穆振俠，彭亮，等.CFSR、ERA-Interim再分析降水?dāng)?shù)據(jù)在高寒山區(qū)徑流模擬中的適用性[J].水電能源科學(xué)，2017，35（9）：8-12.

【責(zé)任編輯 張 帥】