張磊磊 康穎 岳青華

摘 要：基于黃河源區(qū)17個氣象站1998—2015年逐日降水量資料，分析多源衛(wèi)星降水數(shù)據(jù)（TMPA、RT、CMORPH和PERSIANN）在該地區(qū)的適用性，并在此基礎(chǔ)上評估TMPA數(shù)據(jù)在水文模擬應用中的潛力。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年逐月徑流資料對分布式水文模型（VIC模型）進行參數(shù)率定，在此基礎(chǔ)上采用精度最高的TMPA數(shù)據(jù)驅(qū)動VIC模型，進一步驗證了TMPA在黃河源區(qū)分布式水文模擬應用中具有較高潛力，TMPA模擬的徑流過程與基于地面氣象站插值降水量模擬的徑流過程精度基本相當。

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)地處我國西南部，是長江、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，青藏高原氣象站點稀疏且分布極不均勻，這給青藏高原的水資源研究帶來了極大挑戰(zhàn)，而流域水文模型可通過有限實測降水數(shù)據(jù)反演徑流過程。

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)氣象站實測雨量通過某一插值方法確定，但雨量站點的設(shè)立往往受地形、氣候、經(jīng)濟、社會等方面的影響，觀測到的雨量信息并不能完全代表流域降水特征。隨著科技的飛速進步及計算機軟硬件的發(fā)展，通過衛(wèi)星探測云層信息反演的遙感衛(wèi)星降水數(shù)據(jù)逐步被應用[2]，相對于單點觀測數(shù)據(jù)，衛(wèi)星降水數(shù)據(jù)具有時間和空間分辨率高、覆蓋面積廣的特點，雖然衛(wèi)星降水數(shù)據(jù)是利用反演方式推求的，與實際降水仍存在一定的偏差，但其對缺乏資料流域的水文過程模擬與驗證仍然具有十分重要的意義。

筆者以青藏高原氣象站點分布相對較多且較為均勻的黃河源區(qū)為研究對象，基于實測降水資料，評估4種遙感衛(wèi)星降水數(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)星降水數(shù)據(jù)結(jié)合分布式水文模型（VIC模型）評估其在黃河源區(qū)水文模擬中的應用。

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個氣象站點（見圖1）逐日降水量資料、遙感降水數(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）氣象站降水數(shù)據(jù)來自國家氣象局，資料系列為1998—2015年。

（2）逐3 h TRMM 3B42V7（TMPA、RT）數(shù)據(jù)來自于NSAA（美國宇航局），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（美國防衛(wèi)氣象衛(wèi)星計劃）上的微波成像專用傳感器（SSMI）、Aqua衛(wèi)星上的改進的微波掃描輻射器（AMSR）、NOAA系列衛(wèi)星上的高級微波探測器（AMSU）以及TRMM本身自帶的微波成像儀（TMI）等多個微波數(shù)據(jù)源，數(shù)據(jù)質(zhì)量相對較高。其中TMPA數(shù)據(jù)基于氣象站月降水數(shù)據(jù)進行了修正，而RT則無修正?；? h數(shù)據(jù)逐網(wǎng)格累計平均得到研究區(qū)域日、月和年降水數(shù)據(jù)。

（3）逐3 h CMORPH（V1.0）數(shù)據(jù)來自于NOAA（美國海洋與大氣管理局），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)紅外降水數(shù)據(jù)建立的數(shù)值模型，利用微波數(shù)據(jù)進行空間插值獲得的，降水的時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，其對紅外降水信息的利用方式更為間接也更為復雜。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，以TMI、SSMI和AMSU等微波數(shù)據(jù)對模型參數(shù)進行率定，以熱紅外數(shù)據(jù)（IR）驅(qū)動模型反演出一套數(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自黃委水文局，資料系列為1998—2013年。

為與衛(wèi)星數(shù)據(jù)進行比較分析，且方便驅(qū)動水文模型，基于17個氣象站降水資料，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)計學方法（相關(guān)系數(shù)CC和相對誤差Er）評估衛(wèi)星降水數(shù)據(jù)的精度，并利用氣象站觀測降水量和唐乃亥站實測徑流量率定VIC模型參數(shù)，在此基礎(chǔ)上評估衛(wèi)星降水對流域徑流模擬的精度（模型精度評價采用納什效率系數(shù)NSE和相對誤差Er），各評判指標的計算公式如下：

1.4 VIC模型

VIC模型是由華盛頓大學研發(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產(chǎn)匯流的影響，彌補了傳統(tǒng)水文模型對熱量過程描述不足的問題。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，近年來在水文模擬[4]、水資源管理[5]、氣候變化[6]、水文預報[7]以及再分析降水資料在水文模擬中的應用[8]等方面得到了廣泛的應用，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)來自美國馬里蘭大學發(fā)布的植被數(shù)據(jù)庫（空間分辨率1 km×1 km），土壤數(shù)據(jù)來自聯(lián)合國糧農(nóng)組織發(fā)布的全球土壤數(shù)據(jù)庫（空間分辨率為1/12°×1/12°）。

綜合考慮計算機計算能力和運行時間，且考慮后期氣候模式的運行，搭建黃河源區(qū)（1/12）°×（1/12）°模型架構(gòu)。當采用衛(wèi)星降水驅(qū)動模型時，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，東南部年降水量超過600 mm，而在西北部年降水量僅在200～300 mm之間。與氣象站插值降水空間分布相比，各衛(wèi)星降水數(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，但在西部地區(qū)CMORPH低估氣象站插值降水，其年降水量僅在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，遠大于氣象站插值的年降水量。

圖3為不同降水數(shù)據(jù)在黃河源區(qū)的年際變化過程。CMORPH和TMPA數(shù)據(jù)，尤其是TMPA數(shù)據(jù)，降水過程與氣象站插值降水的年際過程基本一致，Er僅為0.5%，CC可達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，其他年份均遠遠高估降水量，Er均在85%以上。

圖4為黃河源區(qū)多源降水數(shù)據(jù)季節(jié)分布。表1為不同降水數(shù)據(jù)在黃河源區(qū)季節(jié)和年降水量統(tǒng)計。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間和空間上的變化趨勢，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)冬季的相對誤差甚至在100%以上，對于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)。對于TMPA數(shù)據(jù)而言，無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)上基于實際月降水量進行了總量控制，在一定程度上能夠反映實際發(fā)生的情況。

2.2 水文模型模擬評估

從4種衛(wèi)星降水數(shù)據(jù)的評估結(jié)果來看，TMPA降水數(shù)據(jù)不論是在時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程，精度最高。因此，本節(jié)利用VIC模型進一步評估了TMPA數(shù)據(jù)在水文模擬應用中的潛力，其中VIC模型的參數(shù)由氣象站插值降水驅(qū)動模型并以唐乃亥水文站實測逐月徑流過程（1998—2013年）確定，進而利用TMPA數(shù)據(jù)驅(qū)動水文模型進一步評估基于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程與唐乃亥實測月徑流過程的對比。圖6為黃河源區(qū)唐乃亥站模擬與實測徑流年內(nèi)過程。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，但相對于利用氣象站插值降水模擬的徑流過程，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，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間和空間上的對比分析表明，PERSIANN和RT降水數(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)模擬的徑流過程與氣象站插值降水模擬的精度基本相當，在一定程度上能夠重現(xiàn)實際徑流的年際和年內(nèi)變化過程，TMPA數(shù)據(jù)在徑流模擬上具有較大的應用潛力。

參考文獻：

[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].地球科學進展，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)在黃河流域的應用[J].西北農(nóng)林科技大學學報（自然科學版），2017，45（2）：203-212.

[6] 金君良，何健，賀瑞敏，等.氣候變化對淮河流域水資源及極端洪水事件的影響[J].地理科學，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入庫預報研究[J].水電能源科學，2017，35（10）：21-24.

[8] 高瑞，穆振俠，彭亮，等.CFSR、ERA-Interim再分析降水數(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，2017，35（9）：8-12.

【責任編輯 張 帥】