摘要：以2016—2017年清江流域2次大徑流事件和3次小徑流事件為研究對(duì)象，首先，分析了CMORPH衛(wèi)星-地面自動(dòng)站-雷達(dá)三源融合降水產(chǎn)品（CMPAS）、中國(guó)全球大氣再分析產(chǎn)品（CRA）和雨量站降雨資料（Gauge） 3種產(chǎn)品的降水時(shí)空分布特征；然后，基于徑流事件實(shí)況與不同降水產(chǎn)品的特點(diǎn)，設(shè)計(jì)了兩種徑流模擬試驗(yàn)方案，對(duì)3種產(chǎn)品的降水?dāng)?shù)據(jù)輸入WRF-Hydro模式的徑流模擬結(jié)果進(jìn)行分析。最后，結(jié)合降水時(shí)空分布差異，探討3種降水產(chǎn)品在徑流模擬中的應(yīng)用效果。結(jié)果表明： （1） 5次徑流事件中，3種降水產(chǎn)品探測(cè)的降雨中心、雨帶位置和走向大致相同，流域內(nèi)面雨量隨時(shí)間變化趨勢(shì)較為一致。（2）兩種試驗(yàn)方案下，3種降水產(chǎn)品均能模擬出各次徑流事件。對(duì)大徑流事件，CMPAS的模擬效果最優(yōu)，相關(guān)系數(shù)均在0.76以上、納什效率系數(shù)均在0.63以上；對(duì)小徑流事件，Gauge的模擬效果最優(yōu)，相關(guān)系數(shù)均在0.75以上，納什效率系數(shù)均在0.48以上；CRA無(wú)論對(duì)大、小徑流事件，其模擬效果相對(duì)都較差，但參數(shù)經(jīng)重新率定后，其模擬效果明顯改善。（3） 3種降水產(chǎn)品經(jīng)重新率定參數(shù)后（方案2），其在峰現(xiàn)、漲水、退水各時(shí)段的徑流模擬效果改善不同。對(duì)小徑流事件，相對(duì)漲水和退水時(shí)段，各產(chǎn)品在峰現(xiàn)時(shí)段的模擬效果改善較為明顯，而對(duì)大徑流事件，3種降水產(chǎn)品在各時(shí)段的模擬效果均無(wú)明顯改善。

關(guān)鍵詞：三源融合降水；再分析數(shù)據(jù)；雨量站降水；WRF-Hydro模式；徑流模擬

中圖法分類(lèi)號(hào)： P338文獻(xiàn)標(biāo)識(shí)碼： ADOI： 10.12406/byzh.2022-205

資助項(xiàng)目：國(guó)家自然科學(xué)基金面上項(xiàng)目（42075148）；湖北省自然科學(xué)基金項(xiàng)目（2022CFD129，2018CFB706）；中國(guó)氣象局武漢暴雨研究所科研業(yè)務(wù)項(xiàng)目（WHIHRKYYW202304）

Effect analysis of WRF-Hydro model combined with different precipitation products to simulate runoff in the Qingjiang River Basin

NIE Tong1， GAO Yufang1， 3， PENG Tao2， 3， WU Yazhen4， 5

（1. School of Applied Meteorology， Nanjing University of Information Science Technology， Nanjing 210044； 2. China Meteorological Administration Basin Heavy Rainfall Key Laboratory / Hubei Key Laboratory for Heavy Rain Monitoring and Warning Research， Institute of Heavy Rain， China Meteorological Administration， Wuhan 430205； 3. Three Gorges National Climatological Observatory， Yichang 443099； 4. Key Laboratory for Meteorological Disaster Monitoring and Early Warning and Risk Management of Characteristic Agriculture in Arid Regions， CMA， Yinchuan 750002； 5. Ningxia Key Laboratory for Meteorological Disaster Prevention and Mitigation， Yinchuan 750002）

Abstract： Taking two large runoff events and three small runoff events in the Qingjiang River Basin from 2016 to 2017 as the research ob？ jects， we analyze the spatial and temporal distributions of precipitation from the three products of CMORPH satellite-gauge-radar merged precipitation product （CMPAS）， China global atmospheric reanalysis product （CRA）， and rain gauge precipitation （Gauge）. Then， based on the characteristics of runoff events and different precipitation products， the two experiments are designed， and the runoff simulations of WRF-Hy？ dro model driven by the precipitation data from the three precipitation products are analyzed. Finally， combined with the spatiotemporal varia？ tions of precipitation， we explore the effectiveness of the three precipitation products in the runoff simulations. The main results are as follow.（1） The rainfall centers and the rainband locations and orientations detected with the three precipitation products are similar for the five runoff events， and the temporal trends of rainfall averaged over the Qingjiang River Basin are consistent. （2） All three precipitation products can pro？ duce the runoff events in both experiments. For large runoff events， CMPAS performs best， with correlation coefficients above 0.76 and Nash efficiency coefficients above 0.63. For small runoff events， Gauge performs best， with correlation coefficients above 0.75 and Nash efficiency coefficients above 0.48. CRA has a relatively poor performance for both large and small runoff events， but its simulations are significantly im？ proved after calibrating parameters. （3） After calibrating the parameters in the second experiment， the simulation results of runoff are im？ proved to different extents for the peaking， rising， and falling periods of each event. For the small runoff events， compared with the rising and falling periods， the simulations driven by each precipitation product for the peaking period is significantly improved， while， for the large runoff events， the simulation results driven by the three precipitation products for each period is not significantly improved.

Key words： satellite-gauge-radar merged precipitation product； reanalysis data； gauge precipitation； WRF-Hydro model； runoff simulation

引言

降水是流域水循環(huán)中最重要的組成部分，其可用性和質(zhì)量對(duì)應(yīng)用水文模型進(jìn)行徑流預(yù)報(bào)至關(guān)重要（王兆禮等，2017；Bai and Liu，2021）。一直以來(lái)，對(duì)各種降水?dāng)?shù)據(jù)的徑流預(yù)報(bào)效果進(jìn)行評(píng)估都是水文氣象學(xué)的研究熱點(diǎn)，而不同降水?dāng)?shù)據(jù)在不同區(qū)域的應(yīng)用效果存在差異（呂少寧等，2011；陳志超，2019）。傳統(tǒng)徑流預(yù)報(bào)所用降水?dāng)?shù)據(jù)主要源于地面雨量站，而傳統(tǒng)徑流預(yù)報(bào)方法往往只是在觀測(cè)站點(diǎn)分布均勻且密集的區(qū)域較為適用（周璇等，2015；胡文峰等，2019；許心怡等，2021）。隨著衛(wèi)星遙感技術(shù)不斷發(fā)展，可供使用的不受地形限制的高時(shí)空分辨率降水產(chǎn)品逐漸增多，如國(guó)家氣象信息中心的CMORPH衛(wèi)星-地面自動(dòng)站-雷達(dá)三源融合降水產(chǎn)品（CMPAS），是該中心利用全國(guó)近3萬(wàn)個(gè)自動(dòng)站降水觀測(cè)數(shù)據(jù)、CMORPH衛(wèi)星降水產(chǎn)品以及雷達(dá)估測(cè)降水資料再基于概率密度匹配法、貝葉斯模式法、最優(yōu)插值法研發(fā)的近實(shí)時(shí)降水產(chǎn)品（孫帥等，2020），其時(shí)間分辨率為1 h、空間分辨率為0.05°。研究表明，CMPAS不僅能合理反映中國(guó)地區(qū)降水的空間分布（Huang et al.，2021），也能精確反映雨量實(shí)況，并可用于臺(tái)風(fēng)降水監(jiān)測(cè)、行政區(qū)面雨量計(jì)算（鄧悅等，2021；Li et al.，2022）以及其他大氣學(xué)科領(lǐng)域。在水文預(yù)報(bào)研究中，CMPAS作為水動(dòng)力模型的降雨輸入時(shí)，模擬的城市洪水淹沒(méi)空間分布比任何單一來(lái)源站點(diǎn)資料都更為精細(xì)（高大偉等，2021）。然而，CMPAS在流域水文模型徑流預(yù)報(bào)中的應(yīng)用效果究竟如何尚待討論。再如，中國(guó)國(guó)家氣象信息中心基于集合同化算法、多源融合方法、Noah陸面模式及地表參數(shù)優(yōu)化等核心技術(shù)建立的時(shí)空分辨率為3 h/0.34°的中國(guó)全球陸面再分析數(shù)據(jù)集（CRA），它作為世界上第一個(gè)具有東亞（中國(guó)）區(qū)域特征的高分辨率大氣再分析數(shù)據(jù)集（Yang et al.，2021；Zhang et al.，2021），對(duì)量級(jí)較大的降水具有較好的模擬效果（Ye et al.，2021）。因此，評(píng)估其在中國(guó)洪澇災(zāi)害易發(fā)區(qū)的水文應(yīng)用效果，對(duì)廣泛推廣CRA數(shù)據(jù)集具有重要意義。

WRF-Hydro （Weather Research and ForecastingHydro）模式是2013年由美國(guó)國(guó)家大氣研究中心（NCAR）主導(dǎo)研發(fā)的分布式水文模式，旨在將大氣與陸地水文的多尺度過(guò)程聯(lián)系起來(lái)。具體而言，就是將氣象信息（如降水等）及陸面初始狀態(tài)驅(qū)動(dòng)信息輸入WRF-Hydro模式后，經(jīng)陸面模塊對(duì)輸入水體進(jìn)行地面產(chǎn)流和下滲的重新分配，然后將地表徑流和土壤水等信息網(wǎng)格降尺度至細(xì)網(wǎng)格的水文模塊進(jìn)行匯流計(jì)算，模擬過(guò)程中水文模塊計(jì)算的細(xì)網(wǎng)格水文信息通過(guò)網(wǎng)格聚尺度至粗網(wǎng)格的陸面模塊，對(duì)陸面狀態(tài)信息進(jìn)行實(shí)時(shí)更新，再進(jìn)行下一時(shí)刻模擬，得到流量和水位等徑流模擬關(guān)鍵信息（Gochis et al.，2018）。該模式目前在國(guó)外多個(gè)流域，如美國(guó)圣哈辛托、西非西西里、意大利克拉蒂河等，已有應(yīng)用研究（Senatore et al.，2015；Ar？ nault et al.，2016；Abbaszadeh et al.，2020），顯示出較高的水文模擬精度。國(guó)內(nèi)，顧天威等（2021）分析研究了WRF-Hydro模式在清江流域的應(yīng)用效果，為進(jìn)一步研究不同降水產(chǎn)品在清江流域的適用性奠定了基礎(chǔ)。而使用不同時(shí)空尺度的降水?dāng)?shù)據(jù)進(jìn)行的模擬可能會(huì)產(chǎn)生完全不同的結(jié)果。清江流域是長(zhǎng)江流域暴雨多發(fā)區(qū)之一，對(duì)多種降水產(chǎn)品資料進(jìn)行徑流模擬應(yīng)用效果評(píng)估，有利于合理利用水資源、提高氣象水文部門(mén)防洪減災(zāi)服務(wù)能力。為此，本研究針對(duì)CMPAS、CRA降水產(chǎn)品和雨量站降水?dāng)?shù)據(jù)（Gauge），基于WRF-Hydro模式，以清江流域?yàn)檠芯繀^(qū)域，探討這3種降水產(chǎn)品在清江流域徑流模擬中的應(yīng)用效果，以期為該流域有效開(kāi)展多種降水資料的徑流預(yù)報(bào)業(yè)務(wù)提供參考，并為類(lèi)似清江流域、降水資料獲取困難的其他流域提供借鑒。

1資料與方法

1.1研究區(qū)域

清江發(fā)源于湖北省利川市東北部，是長(zhǎng)江的一級(jí)支流，干流全長(zhǎng)423 km。本研究以清江水布埡水文站控制流域?yàn)檠芯繀^(qū)域（圖1），該流域面積10 860 km2，年均流量464 m3·s-1。清江流域暴雨最早可能出現(xiàn)在4月份，流域內(nèi)洪水主要由暴雨造成，年最大洪峰多出現(xiàn)在6—7月，此時(shí)長(zhǎng)江中下游正處于梅雨期，暴雨多發(fā)且持續(xù)時(shí)間較長(zhǎng)，因此出現(xiàn)峰高量大徑流的概率較大。該流域清江自西向東多急流、險(xiǎn)灘，匯流速度快且其機(jī)制復(fù)雜，洪澇災(zāi)害發(fā)生頻繁（祁海霞等，2020）。因此，將多種降水資料應(yīng)用到該流域?qū)搅魈崆白鞒鲱A(yù)報(bào)，對(duì)提高江河流域徑流預(yù)報(bào)業(yè)務(wù)質(zhì)量具有重要意義。

1.2資料來(lái)源

研究中使用的資料主要包括：（1）從國(guó)家氣象監(jiān)測(cè)網(wǎng)（meteorological observing networks in China）中提取的2016年4—7月和2017年4月清江流域及周邊201個(gè)地面雨量站（圖1）逐小時(shí)降雨數(shù)據(jù)，以及同時(shí)段CMPAS （1 h，0.05°）和CRA （3 h，0.5°；http：//data.cma. cn/）降水產(chǎn)品，將其作為WRF-Hydro模式的降水輸入數(shù)據(jù)。（2）來(lái)自SRTMDEM 90 m分辨率原始高程數(shù)據(jù)系統(tǒng)的DEM數(shù)據(jù)，主要用于同水文站經(jīng)緯度信息和WRF模式預(yù)處理工具WPS生成的地形文件通過(guò)WRF-Hydro的GIS預(yù)處理工具提取并生成輸入WRF-Hydro的地形、水系等信息。（3）陸面初始狀態(tài)信息，來(lái)源于美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心（NECP）的FNL全球大氣再分析資料（6 h，0.25°；http：//rda.ucar.edu/）。本研究以清江流域水布埡水文站逐小時(shí)徑流觀測(cè)數(shù)據(jù)為對(duì)照，檢驗(yàn)上述3種降水產(chǎn)品基于WRF-Hydro模式的徑流模擬效果。

為了分析CMPAS、CRA和Gauge 3種降水產(chǎn)品在清江流域的時(shí)空分布特征，探討其在徑流模擬中的應(yīng)用效果，選取2016—2017年清江流域5次徑流事件（表1），其中峰值流量<2 000 m3·s-1的徑流事件有3次、>4 000 m3·s-1的徑流事件有2次，將前3次事件和后2次事件分別簡(jiǎn)稱(chēng)為小徑流事件和大徑流事件。

1.3試驗(yàn)方案設(shè)計(jì)

WRF-Hydro模式主要由陸面模塊、壤中匯流、地表匯流、地下水模型與河道匯流模塊構(gòu)成，模式運(yùn)算中的陸面模塊和水文模塊分別在粗網(wǎng)格和細(xì)網(wǎng)格上計(jì)算。本研究采用WRF-Hydro模式5.1.1版本，所需地形信息由WRF模式（4.1版本）預(yù)處理工具WPS生成，WRF模式設(shè)置3層嵌套，其3層網(wǎng)格水平分辨率分別為15 km、3 km、1 km，其中最內(nèi)層用于WRF-Hydro模式運(yùn)行；水文模塊的網(wǎng)格水平分辨率為100 m。參考已有研究成果（Senatore et al.，2015；Arnault et al.，2016；包紅軍等，2017；顧天威等，2021；高玉芳等，2022），將WRF-Hydro模式spin up時(shí)間設(shè)置為60 d，對(duì)CMPAS和Gauge降水?dāng)?shù)據(jù)進(jìn)行逐小時(shí)輸入，而對(duì)CRA降水?dāng)?shù)據(jù)進(jìn)行逐3 h輸入，徑流模擬結(jié)果則分別對(duì)應(yīng)上述3種降水產(chǎn)品進(jìn)行逐小時(shí)或逐3 h輸出。

為探討并提高CMPAS、CRA、Gauge基于WRF-Hydro模式在清江流域徑流模擬的適用性，設(shè)計(jì)了以下2種試驗(yàn)方案。

方案1：利用CMPAS率定得到一套清江流域水文參數(shù)（顧天威等，2021），包括入滲系數(shù)（REFKDT，取值0.1）、曼寧糙率（MannN，取值0.3）、地表糙率（OV？ ROUGHRTFAC，取值2.5）和地表持水深度（RETDPRT？ FAC，取值4），以CMPAS、CRA、Gauge降水?dāng)?shù)據(jù)輸入分別驅(qū)動(dòng)模式，對(duì)選定的徑流事件進(jìn)行模擬驗(yàn)證。

方案2：不同的降水產(chǎn)品因數(shù)據(jù)精度不同，其作為WRF-Hydro模式的降水輸入時(shí)，徑流模擬效果可能不同，且不同徑流過(guò)程產(chǎn)流機(jī)制不同，WRF-Hydro模式參數(shù)也需要作相應(yīng)的調(diào)整。因此，結(jié)合不同徑流事件，分別利用CMPAS、CRA、Gauge降水?dāng)?shù)據(jù)對(duì)WRF-Hdyro模式重新進(jìn)行參數(shù)率定，再以CMPAS、CRA、Gauge數(shù)據(jù)輸入驅(qū)動(dòng)模式，對(duì)選定的徑流事件進(jìn)行模擬驗(yàn)證，以期提高不同降水產(chǎn)品在清江流域徑流模擬中的應(yīng)用效果。

2結(jié)果與分析

首先，分析上述3種產(chǎn)品的降水時(shí)空分布特征；然后，分別基于上述兩種試驗(yàn)方案，將3種產(chǎn)品的降水?dāng)?shù)據(jù)輸入WRF-Hydro模式進(jìn)行徑流模擬。最后，結(jié)合降水時(shí)空分布差異，分析3種降水產(chǎn)品在徑流模擬中的適用性。

2.1 3種產(chǎn)品的降水時(shí)空分布特征

對(duì)CMPAS、CRA、Gauge 3種降水產(chǎn)品，均使用雙線性插值方法將其插值到0.01°×0.01°分辨率網(wǎng)格上，分析三者在時(shí)空分布上的差異。圖2 （見(jiàn)上頁(yè)）給出表1中5次徑流事件分別對(duì)應(yīng)的CMPAS、CRA、Gauge產(chǎn)品的累積降雨量空間分布。

從圖2中可見(jiàn)，3種降水產(chǎn)品在清江流域5次徑流事件中的累積降雨量空間分布相似，其降雨中心位置及雨帶分布大致相同?？傮w上，CMPAS和Gauge的雨量分布較為接近，在3次小徑流事件中，Gauge的降雨量較其他兩種降水產(chǎn)品偏多，而CRA的降雨量較其他兩種降水產(chǎn)品明顯偏少，其累積降雨量與其他兩種降水產(chǎn)品相比相差較大，僅達(dá)到其他兩種降水產(chǎn)品累積降雨量的50%。在2次大徑流事件中，3種降水產(chǎn)品在清江流域南部的降雨量均較大，且CRA的降雨量與其他兩種降水產(chǎn)品降雨量的差距有所縮小。從5次徑流事件的降水中心雨量看，CRA產(chǎn)品明顯偏小，這與Ye等（2021）在對(duì)基于中國(guó)地面氣象站的小時(shí)觀測(cè)數(shù)據(jù)比較CRA降水?dāng)?shù)據(jù)的影響后研究得到的結(jié)論“CRA降雨量在華中和華東地區(qū)具有較大的負(fù)偏差”一致。

為了對(duì)比分析3種降水產(chǎn)品的面雨量隨時(shí)間變化特征，采用算數(shù)平均法計(jì)算CMPAS、Gauge逐小時(shí)和CRA逐3 h面雨量。圖3給出表1中5次徑流事件中CMPAS、Gauge逐小時(shí)與CRA逐3 h面雨量隨時(shí)間變化圖。從中可見(jiàn)，3種降水產(chǎn)品的面雨量隨時(shí)間變化趨勢(shì)較為一致，但當(dāng)面雨量峰值較大時(shí)（圖3a、d），CMPAS和CRA產(chǎn)品的面雨量峰值明顯小于Gauge的面雨量峰值；而當(dāng)面雨量隨時(shí)間變化相對(duì)較均勻時(shí)（圖3c），3種產(chǎn)品的面雨量差距較小。綜合圖2和圖3結(jié)果可知，5次徑流事件中，Gauge的降雨量均高于其他兩種降水產(chǎn)品，尤其是在事件Ⅲ這一大徑流事件中表現(xiàn)更為明顯。

2.2基于WRF-Hydro模式的不同降水輸入下徑流模

擬結(jié)果分析

基于方案1和方案2，分別將CMPAS、CRA、Gauge的降雨數(shù)據(jù)輸入到WRF-Hydro模式進(jìn)行徑流模擬，參照觀測(cè)徑流，采用CC、NSE、ΔT、ΔQp和ΔQm對(duì)3種降水產(chǎn)品的徑流模擬結(jié)果進(jìn)行評(píng)估，分析其在清江流域徑流模擬中的應(yīng)用效果。

2.2.1基于方案1的模擬結(jié)果

圖4給出基于方案1的事件Ⅰ—Ⅴ的CMPAS、Gauge逐小時(shí)和CRA逐3 h徑流模擬結(jié)果及對(duì)應(yīng)3種產(chǎn)品的面雨量圖。從中可見(jiàn)，3種產(chǎn)品的降水?dāng)?shù)據(jù)輸入下均能模擬出徑流過(guò)程，但模擬效果表現(xiàn)出明顯差異。對(duì)于3次小徑流事件（圖4a、b、e），Gauge和CRA數(shù)據(jù)的徑流模擬曲線高于其觀測(cè)曲線，這兩種產(chǎn)品數(shù)據(jù)的峰值流量模擬相對(duì)于觀測(cè)徑流表現(xiàn)為明顯高估；另外，Gauge數(shù)據(jù)的峰值流量模擬明顯高于CMPAS和CRA數(shù)據(jù)的峰值流量模擬。對(duì)于2次大徑流事件（圖4c、d），CRA數(shù)據(jù)的徑流模擬曲線高于CMPAS和Gauge的徑流模擬曲線，后兩種產(chǎn)品數(shù)據(jù)的峰值流量模擬相對(duì)于觀測(cè)徑流表現(xiàn)為低估。整體上，所有5次事件中，CMPAS數(shù)據(jù)的徑流模擬曲線與徑流觀測(cè)曲線均較接近。

以上分析表明，基于方案1的參數(shù)，CMPAS的徑流模擬效果最優(yōu)；對(duì)于小徑流事件，3種產(chǎn)品降水?dāng)?shù)據(jù)的徑流模擬效果均欠佳，從而需要就小徑流事件重新對(duì)WRF-Hydro模式進(jìn)行參數(shù)率定。

2.2.2基于方案2的模擬結(jié)果

方案2的設(shè)計(jì)是在方案1的徑流模擬結(jié)果基礎(chǔ)上對(duì)WRF-Hydro模式重新進(jìn)行參數(shù)率定，分析針對(duì)不同大、小徑流事件以及3種不同降水產(chǎn)品在重新率定參數(shù)后徑流模擬結(jié)果的改善效果。為進(jìn)一步改善不同產(chǎn)品降水?dāng)?shù)據(jù)輸入下WRF-Hydro模式的徑流模擬效果，分別利用3種產(chǎn)品降水?dāng)?shù)據(jù)對(duì)入滲系數(shù)（REFK？ DT）、曼寧糙率（MannN）、地表糙率（OVROUGHRT？ FAC）、地表持水深度（RETDPRTFAC）和最大體積土壤水分參數(shù)（SMCMAX）參數(shù)重新率定。采用手動(dòng)率定方法（Liu et al.，2020）率定參數(shù)，如先調(diào)整入滲系數(shù)并確定模擬最優(yōu)結(jié)果，在此基礎(chǔ)上，保持確定的最佳入滲系數(shù)不變，再繼續(xù)率定下一個(gè)參數(shù)，率定范圍和步長(zhǎng)見(jiàn)表3（其中，參數(shù)率定從左至右依次進(jìn)行）。以方案1中模擬效果相對(duì)較差的事件Ⅱ、Ⅴ用于率定，其余事件用于驗(yàn)證。3種降水產(chǎn)品基于方案2的參數(shù)率定結(jié)果見(jiàn)表4。

圖5給出基于方案2的CMPAS、CRA和Gauge降水?dāng)?shù)據(jù)輸入下事件Ⅰ—Ⅴ的徑流模擬結(jié)果（曲線）及對(duì)應(yīng)的面雨量（柱狀）。從中可見(jiàn)，針對(duì)小徑流事件重新率定參數(shù)后，3種降水產(chǎn)品在大、小徑流事件中的徑流模擬效果不同：對(duì)于3次小徑流事件，3種降水產(chǎn)品的徑流模擬效果均有明顯改善，其模擬徑流曲線和峰值流量均較方案1與觀測(cè)徑流更接近，Gauge數(shù)據(jù)的模擬徑流最接近觀測(cè)徑流，CRA數(shù)據(jù)的模擬效果雖不及其他兩種降水?dāng)?shù)據(jù)，但較方案1也有明顯改善；對(duì)于2次大徑流事件，CMPAS數(shù)據(jù)的模擬徑流曲線最接近觀測(cè)徑流，Gauge數(shù)據(jù)的模擬徑流較方案1更小于觀測(cè)徑流，CRA數(shù)據(jù)的模擬徑流較方案1更接近觀測(cè)徑流。

以上分析表明，基于方案2的參數(shù)，對(duì)于小徑流事件，3種降水產(chǎn)品模擬效果均較好，而方案1的參數(shù)對(duì)大徑流事件的模擬效果較好，這進(jìn)一步說(shuō)明不同參數(shù)適用于不同大、小徑流事件。

2.2.3 3種降水?dāng)?shù)據(jù)輸入下漲水、峰現(xiàn)及退水時(shí)段的徑

流模擬結(jié)果

3種降水產(chǎn)品因時(shí)空分辨率和數(shù)據(jù)來(lái)源存在差異，經(jīng)重新率定參數(shù)后（方案2），其模擬徑流改善效果不同。為進(jìn)一步探討在重新率定參數(shù)后3種降水產(chǎn)品數(shù)據(jù)輸入下（方案2）模擬徑流的改善效果，采用CC和NSE對(duì)基于方案1、方案2的清江流域5次徑流事件在漲水、峰現(xiàn)和退水時(shí)段的徑流模擬結(jié)果進(jìn)行分析，其結(jié)果見(jiàn)圖6。

3結(jié)論與討論

基于清江流域內(nèi)及周?chē)?01個(gè)地面雨量站降雨數(shù)據(jù)和WRF-Hydro分布式水文模式，以2016—2017年該流域5次大、小徑流事件為研究對(duì)象，分析CMPAS、CRA和Gauge 3種產(chǎn)品的降水時(shí)空分布特征，并設(shè)計(jì)兩種徑流模擬試驗(yàn)方案，對(duì)3種產(chǎn)品的降水?dāng)?shù)據(jù)輸入WRF-Hydro模式的徑流模擬結(jié)果進(jìn)行分析，主要得到如下結(jié)論：

（1） 3種不同降水產(chǎn)品探測(cè)到的5次徑流事件，在空間分布上，其探測(cè)的降雨中心位置、雨帶位置和走向大致相同；在時(shí)間分布上，3種降水產(chǎn)品探測(cè)到的流域內(nèi)面雨量隨時(shí)間變化趨勢(shì)較為一致。整體而言，CMPAS和Gauge探測(cè)的降雨分布較為接近，Gauge探測(cè)的降雨量較其他兩種降水產(chǎn)品偏多。CMPAS融合了衛(wèi)星、自動(dòng)站和雷達(dá)資料，綜合了更多氣象要素，使之較接近降雨實(shí)況。

（2）綜合分析兩種試驗(yàn)方案的徑流模擬結(jié)果表明，針對(duì)小徑流事件進(jìn)行參數(shù)率定，徑流模擬效果明顯改善。兩種方案下，3種降水產(chǎn)品都能模擬出徑流事件，模擬效果存在差異。對(duì)大徑流事件，CMPAS模擬徑流相關(guān)系數(shù)均在0.76以上、納什效率系數(shù)均在0.63以上，其模擬徑流效果較好；對(duì)小徑流事件，Gauge相關(guān)系數(shù)均在0.75以上，納什效率系數(shù)均在0.48以上，其模擬徑流效果較好；由于CRA分辨率較低，徑流模擬效果相對(duì)較差，但經(jīng)重新率定參數(shù)后，平均納什效率系數(shù)增加到0.17，平均絕對(duì)洪峰相對(duì)誤差、平均絕對(duì)洪量相對(duì)誤差分別達(dá)到14.61%和16.75%，其徑流模擬效果得到明顯改善。

（3）漲水和峰現(xiàn)時(shí)段模擬徑流量偏高是導(dǎo)致整體模擬效果不佳的主要原因，經(jīng)參數(shù)率定后，對(duì)小徑流事件，CMPAS、CRA和Gauge相對(duì)于漲水和退水階段均是在峰現(xiàn)時(shí)段徑流模擬效果改善明顯，通過(guò)增大入滲系數(shù)和土壤最大體積分?jǐn)?shù)，降低了CMPAS和Gauge在此前高估的徑流量和峰值流量。另外，通過(guò)增大曼寧糙率，降低了CRA峰現(xiàn)時(shí)段模擬徑流量，使其更接近觀測(cè)值。而對(duì)于大徑流事件，3種降水?dāng)?shù)據(jù)輸入下的徑流模擬效果在各時(shí)段均無(wú)明顯改進(jìn)。

本文主要基于WRF-Hydro模式，針對(duì)大、小徑流事件，對(duì)CMPAS、CRA和Gauge3種產(chǎn)品的降水?dāng)?shù)據(jù)在清江流域徑流模擬中的應(yīng)用效果進(jìn)行了研究，得到上述幾點(diǎn)對(duì)不同降水產(chǎn)品在清江流域徑流模擬中的應(yīng)用有指導(dǎo)意義的結(jié)論，可望為與清江流域氣象水文條件類(lèi)似流域基于WRF-Hydro模式的徑流模擬研究提供技術(shù)支撐。但由于CRA數(shù)據(jù)獲取受限，導(dǎo)致可研究的徑流事件較少，分析結(jié)果可能存在誤差，如大徑流事件在調(diào)參后無(wú)明顯的改進(jìn)效果。未來(lái)可基于其他降水產(chǎn)品選取更多場(chǎng)次徑流事件，進(jìn)一步對(duì)不同大、小徑流事件的徑流模擬效果進(jìn)行探討，以期為精細(xì)化徑流預(yù)報(bào)提供參考。

致謝：本文在數(shù)值計(jì)算過(guò)程中承蒙南京信息工程大學(xué)高性能計(jì)算中心給予支持和幫助，謹(jǐn)致謝忱！

參考文獻(xiàn)（References）：

包紅軍，李致家，王莉莉，等.2017.基于分布式水文模型的小流域山洪預(yù)報(bào)方法與應(yīng)用[J].暴雨災(zāi)害，36（2）：156-163. Bao H J， Li Z J， Wang L L， et al. 2017. Flash flood forecasting method based on Distributed Hydrological Models in a small basin and its application [J]. Torrential RainandDisasters，36（2）：156-163（inChinese）. doi：10.3969/j.issn.1004-9045.2017.02.008

陳志超.2019.不同衛(wèi)星遙感降水?dāng)?shù)據(jù)在洪水模擬中的對(duì)比[J].水土保持應(yīng)用技術(shù)， （5）：15-17. Chen Z C. 2019. Comparison of different satellite remote sensing precipitation data in flood simulation [J]. Technology of Soil and Water Conservation，（5）：15-17（in Chinese）. doi：10.3969/j. issn.1673-5366.2019.05.05

鄧悅，任曉煒，丘平珠，等.2021.臺(tái)風(fēng)“海高斯”（2007）期間多種降水融合實(shí)況產(chǎn)品的誤差評(píng)估[J].氣象研究與應(yīng)用，42（3）：62-68. Deng Y， Ren X W， Qiu P Z， et al. 2021. Error evaluation of multiple precipitation fusion live products during Typhoon Higos （2007） [J]. Journal of MeteorologicalResearchandApplication，42（3）：62-68（inChinese）. doi：10.19849/ j.cnki.CN45-1356/P.2021.3.11

高大偉，吳利紅，馬浩，等.2021.基于CMPAS的臨海市超強(qiáng)臺(tái)風(fēng)洪澇淹沒(méi)個(gè)例模擬及檢驗(yàn)[J].暴雨災(zāi)害，40（5）：549-557. Gao D W， Wu L H， Ma H， et al. 2021. Simulation and verification of a flood inundation event in Linhai induced by super severe typhoon based on CMPAS data [J]. Torrential Rain and Disasters，40（5）：549-557 （in Chinese）. doi：10.3969/ j.issn.1004-9045.2021.05.012

高玉芳，武雅珍，吳雨晴，等.2022.基于WRF模式的清江流域降雨-徑流模擬研究[J].熱帶氣象學(xué)報(bào)，38（5）：621-630. Gao Y F， Wu Y Z， Wu Y Q， et al. 2022. Rainfall-runoff simulation of Qingjiang River Basin based on WRF model [J]. Journal of Tropical Meteorology，38（5）： 621-630 （in Chinese）. doi：10.16032/j.issn.1004-4965.2022.056

顧天威，陳耀登，高玉芳，等.2021.基于WRF-Hydro模式的清江流域洪水模擬研究[J].水文，41（3）：63-68，18. Gu T W， Chen Y D， Gao Y F， et al. 2021. Study of flood simulation in Qingjiang River Basin based on WRF-Hydro model [J]. Journal of China Hydrology，41（3）：63-68，18 （in Chinese）. doi：10.19797/j.cnki.1000-0852.20190429

胡文峰，陳玲玲，姚俊強(qiáng)，等.2019.新疆精河流域河川徑流及對(duì)氣候變化的響應(yīng)[J].沙漠與綠洲氣象，13（4）：24-29. Hu W F， Chen L L， Yao J Q， et al. 2019. Hydrological response of runoff to climate change in Jinghe River Basin， Xinjiang [J]. Desert and Oasis Meteorology，13（4）： 24-29 （in Chinese）. doi：10.12057/j.issn.1002-0799.2019.04.004

呂少寧，文軍，劉蓉.2011.中國(guó)大陸地區(qū)不同降水資料的適用性及其應(yīng)用潛力[J].高原氣象，30（3）：628-640. LüS N， Wen J， Liu R. 2011. Applicability and potential of the different precipitation data in mainland China [J]. Plateau Meteorology，30（3）：628-640 （in Chinese）. doi：http：//ir. casnw.net/handle/362004/9555

祁海霞，彭濤，林春澤，等.2020.清江流域降水的多模式BMA概率預(yù)報(bào)試驗(yàn)[J].氣象，46（1）：108-118. Qi H X， Peng T， Lin C Z， et al. 2020. Probabilistic forecasting of precipitation over the Qingjiang River Basin using BMA multimodel ensemble technique [J]. Meteorological Monthly，46（1）：108-118 （in Chinese）. doi：10.7519/j.issn.1000-0526. 2020.01.011

孫帥，師春香，潘旸，等.2020.中國(guó)區(qū)域三源融合降水產(chǎn)品的改進(jìn)效果評(píng)估[J].水文，40（6）：10-15，23. Sun S， Shi C X， Pan Y， et al. 2020. The improved effects evaluation of three-source merged of precipitation prod-ucts in China [J]. Journal of China Hydrology，40（6）：10-15，23 （in Chinese）. doi：10.19797/j.cnki.1000-0852.20190178

王兆禮，鐘睿達(dá)，賴成光，等.2017.TRMM衛(wèi)星降水反演數(shù)據(jù)在珠江流域的適用性研究——以東江和北江為例[J].水科學(xué)進(jìn)展，28（2）： 174-182. Wang Z L， Zhong R D， Lai C G， et al. 2017. Evaluation of TRMM 3B42-V7 satellite-based precipitation data product in the Pearl River Basin， China： Dongjiang River and Beijiang River Basin as examples [J]. Advances in Water Science，28（2）：174-182 （in Chinese）. doi：10.14042/j.cnki.32.1309.2017.02.002

許心怡，李建柱，馮平.2021.不同降水產(chǎn)品在灤河流域徑流模擬中的適用性[J].水力發(fā)電學(xué)報(bào)，40（12）：25-39. Xu X Y， Li J Z， F P. 2021. Applicability of different precipitation products to runoff simulations of Luanhe River Basin [J]. Journal of Hydroelectric Engineering，40（12）： 25-39 （in Chinese）. doi：10.11660/slfdxb.20211203

周璇，羅亞麗，郭學(xué)良.2015.CMORPH衛(wèi)星-地面自動(dòng)站融合降水?dāng)?shù)據(jù)在中國(guó)南方短時(shí)強(qiáng)降水分析中的應(yīng)用[J].熱帶氣象學(xué)報(bào)，31（03）： 333-344. Zhou X， Luo Y L， Guo X L. 2015. Application of a CMORPH-AWS merged hourly gridded precipitation product in analyzing characteristics of short-duration heavy rainfall over southern China [J]. Journal of Tropical Meteorology，31（03）：333-344 （in Chinese）. doi：10.16032/j.issn.1004-4965.2015.03.005

Abbaszadeh P， Gavahi K， Moradkhani H. 2020. Multivariate remotely sensed and in-situ data assimilation for enhancing community WRF-Hydro model forecasting [J]. Advances in Water Resources，145（2020）：103721. doi：10.1016/j.advwatres.2020.103721

Arnault J， Wagner S， Rummler T， et al. 2016. Role of runoff-infiltration partitioning and resolved overland flow on land-atmosphere feedbacks： a case study with the WRF-Hydro coupled modeling system for West Africa [J]. Journal of Hydrometeorology，17（5）：1489-1516. doi：10.1175/ JHM-D-15-0089.1

Bai P， Liu X M. 2018. Evaluation of five satellite-based precipitation products in two gauge-scarce basins on the Tibetan Plateau [J]. Remote Sensing，10（8）：13-16. doi：10.3390/rs10081316

Gochis D， Yu W， Yates D， et al. 2018. The WRF-Hydro modeling system technical description， （Version 5.0） [R]. NCAR Technical Note

Huang Y， Song H Q， Sun X L， et al. 2021. Evaluation of the adaptability of six sets of precipitation data in Inner Mongolia [J]. Meteorological and Environmental Research，12（5）：21-30+34. doi：10.19547/j.issn2152-39 40.2021.05.005

Li S Y， Huang X L， Wu W， et al. 2022. Evaluation of CMPAS precipitation products over Sichuan， China [J]. Atmospheric and Oceanic Science Letters， 15（2）： 49-55. doi：10.1016/j.aosl.2021.100129

Liu Y C， Liu J， Li C Z， et al. 2020. Parameter sensitivity analysis of the WRF-Hydro modeling system for streamflow simulation： A case study in semi-humid and semi-arid catchments of Northern China [J]. Asia-Pacific Journal of Atmospheric Sciences， 1（1）： 1-16. doi：10.1007/ s13143-020-00205-2

Senatore A， Mendicino G， Gochis D， et al. 2015. Fully coupled atmosphere-hydrology simulations for the central Mediterranean： Impact of enhanced hydrological parameterization for short and long time scales [J]. Journal of Advances in Modeling Earth Systems，7（4）： 1693-1715. doi：10.1002/2015MS000510

Yang J X， Huang M T， Zhai P M. 2021. Performance of the CRA-40/Land， CMFD， and ERA-Interim datasets in reflecting changes in surface air temperature over the Tibetan Plateau [J]. Journal of Meteorological Research，35（4）：663-672. doi：10.1007/s13351-021-0196-x

Ye M S， Yao X P， Zhang T， et al. 2021. Intercomparison of CRA-Interim precipitation products with ERA5 and JRA-55 [J]. Journal of Tropical Meteorology，27（2）：136-147. doi：10.46267/j.1006-8775.2021.013

Zhang J P， Zhao T B， Li Z， et al. 2021. Evaluation of surface relative humidity in China from the CRA-40 and current reanalyses [J]. Advances in AtmosphericSciences，38（11）：1958-1976. doi：10.1007/s00376-021-03 33-6

（責(zé)任編輯王銀平）