TRMM RT降雨在洪水模擬應用中的可行性分析

閔心怡，楊傳國，程雨春，李 瑩

(1.河海大學水文水資源學院，南京 210098；2.中國氣象局 國家氣候中心，北京 100081)

水循環的關鍵環節之一是降水，由于其在時空上的高度異質性，對水資源的空間分配產生了重大影響[1]。高質量的降雨資料不僅僅是保證洪水預報精確性的前提，同時也在氣象、水文和農業生產等領域起著至關重要的作用[2]。目前傳統的降雨數據來源為雨量站點觀測，但由于雨量站分布密度較小且空間分布不均，難以保證降水空間結構的準確性[3,4]。

近年來，衛星技術的發展推動了衛星在降雨觀測方面的應用，這是因為其可實現對大范圍降水的連續觀測，從而獲取大面積連續雨強分布[5]，使得其能應用于實際的應用研究。TRMM(Tropic Rainfall Measurement Mission) 降雨數據的應用較為廣泛，其數據的覆蓋范圍為南北緯度60°之間，水平分辨率是0.25°×0.25°。高潔[6]對基于TRMM衛星數據的降雨測量進行精度評價，發現TRMM降雨數據對于無資料地區、大尺度范圍，在中長期水資源規劃、旱情分析等方面具有較強的實用性。蔡研聰[1]等研究得出中高緯度的TRMM衛星降雨數據具有適宜的空間和時間尺度，但誤差隨時間尺度增大而增加。利用降雨量模擬水文徑流過程的方式多種多樣，其中由美國陸軍工程師團(USCE)所發布的HEC-HMS(Hydrologic Modeling System)模型由于其便捷性和科學性受到極大的關注。模型是可用于山洪預警系統的，其除了能夠模擬研究流域斷面的流量過程外，還可計算任一單元出口的徑流過程[7]，應用性較廣。

目前，衛星降雨數據精度評價及其在水文模擬中的應用，主要集中的逐日甚至逐月尺度上，對小時尺度的衛星降雨數據評估，并將其應用到流域洪水模擬的研究還較少。本文將選擇地處濕潤地區的新安江流域為研究區，在小時尺度上評估TRMM實時衛星降雨數據精度，驗證其用于洪水模擬預測的可行性。

1 研究區概況

新安江發源于安徽省休寧縣與江西省交界處的五股尖山, 東入浙江省西部, 經淳安至建德與蘭江匯合后為錢塘江干流桐江段、富春江段, 東北流入錢塘江, 是錢塘江正源[8]。新安江干流長約359 km[9]，本文研究區面積約6 219 km2。地形主要以河谷平原和少部分丘陵為主，地處北亞熱帶，山溪性河流水力資源豐富，水熱條件優越。雨量在初夏期間，即五六月時最多，原因主要是因為長江中下游地區在該時段處于梅雨季節，且由于對流的影響暴雨天氣較多，并伴隨臺風等自然災害，易造成山洪災害。圖1為研究區子流域劃分及匯流河道分布圖。

圖1 研究區子流域劃分及匯流河道分布圖Fig.1 Subbasins and river channels in the study area

研究區的洪水數據從《中國水文年鑒-錢塘江流域》摘錄，選擇臨溪和屯溪兩個水文站，每個水文站均摘錄2007-2013年期間的洪水數據。由于摘錄的實測洪水并非逐小時的洪水過程，因此運用HEC-DSSVue錄入洪水后，采用線性插值的方法，插值出逐小時的實測洪水數據。

2 降雨資料介紹與評估校正

2.1 實測小時降雨數據及其代表性分析

本文使用了新安江流域逐時網格降水量數據集。該數據集通過提取全國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)逐時降水量，采用雙線性插值方法，生成研究區每小時降水量的網格產品，數據格式為ArcGIS格式，產品空間分辨率均為0.25°×0.25°，所選用時間為2007-2013年3-10月洪水期間降雨數據。

為了評估研究區選用的降雨資料系列的代表性，根據1986-2015年的降雨資料作為長系列，通過對比均值、最大值和Cv值對研究期資料系列進行代表性分析。結果表明，研究區2007-2013年降雨資料系列均值(0.221 mm/h)與長系列相比偏小2.78%，最大值(8.140 mm/h)偏小4.61%，Cv值(2.639)相對偏大3.99%。可見短系列的統計參數與長系列相近，短系列對于長系列而言有一定的代表性，即2007-2013年的降雨資料具有代表性。研究期包括3個偏豐年份(2007、2009、2013年)、2個平水年份(2008、2011年)和2個偏枯年份(2010、2012年)，所選的年份在豐平枯級別方面也具有典型性和代表性。

2.2 TRMM RT衛星降雨數據

TRMM降雨數據可從NASA官網上下載(https:∥pmm.nasa.gov/)。所下載數據為TRMM_V7 3 h實時衛星降雨數據(3B42 RT)，未同化任何實測降雨數據，時效性高，適用于開展洪水模擬預測。選用范圍及時間和實測小時降雨保持一致。

2.3 TRMM RT衛星降雨數據評估與校正

2.3.1 評估指標

本文所選指標為相關系數(R)、偏差值(Bias)、均方根誤差(RMSE)和相對均方根誤差(RelativeRMSE)，公式分別如下：

(1)

(2)

(3)

(4)

2.3.2 精度評估結果

分別對2007-2013年間洪水期的TRMM RT衛星降雨數據進行精度評估，結果如表1所示。

表1 TRMM RT衛星降雨數據精度評估

相關系數主要反映了衛星降雨與實測降雨的關聯程度，不同年份相關系數在0.669～0.912之間，平均值為0.840，表明TRMM RT數據能夠較好的反映降水時間過程；偏差值能直觀反映衛星降雨與實測降雨間差異，研究時段內偏差均顯著小于0，平均值為-0.355，表明TRMM RT降雨對極值降雨存在明顯低估；均方根誤差能反映兩個變量之間的差異，相對均方根誤差是均方根誤差除以平均降水雨量計的數據，可以用來評估數據的可靠性，是檢查數據有效性的重要手段[10]。根據相對均方根誤差，2011年和2008年數據精度較高。對于出現的高估情況，其原因可能與制作降水產品時使用的反演算法和對固態降水反演不準確有關[11]。

2.3.3 降雨量分級校正

由于衛星降雨對不同量級降雨的監測能力差異，本文采用降雨量分級校正的方法對TRMM RT衛星降雨數據進行校正。該方法以實測降雨量為判斷依據，計算研究區TRMM RT降雨的在不同雨量級上的偏差，進而計算得到不同降雨等級的校正系數。降雨分級標準及TRMM RT降雨校正系數如表2所示。

表2 3 h降雨量等級劃分及TRMM RT降雨校正系數

校正前后的TRMM RT降雨數據與實測降雨數據之間的關系如圖2所示。由關系圖可以看出，TRMM RT降雨數據在校正前與實測值相比具有一定的相關性，但總體上數值明顯偏低，與實測降雨的偏差較大；采用降雨分級校正后，TRMM RT的降雨數據與實測降雨的誤差變小，兩者之間的相關性有顯著的提高。

圖2 研究區TRMM RT衛星降雨校正前后與實測降雨關系分布圖Fig.2 The relationship between the measured rainfall and the rainfall before and after the correction of TRMM RT satellite in the study area

3 HEC-HMS模型與參數率定

3.1 模型原理

HEC-HMS(Hydrologic Modeling System)模型計算每一個子流域的產流和匯流(包括坡面匯流和河道匯流)，然后再演算至出口斷面，得到模擬的降雨徑流過程線[12]。其計算過程主要分為4個部分，即凈雨計算、坡面匯流計算、基流計算和河道匯流計算[13,14]。

(1)凈雨計算。凈雨計算的原理主要是初始降水量減去初損量，初損主要包括降雨在形成徑流前的截留和填洼蓄水量，并認為凈雨在研究區空間分布均勻。可選擇的方法有CSC曲線數模型、格林-安普頓損失模型以及SMA模型等。本文所選的CSC曲線數模型與CN值、初損和不透水性有關。

(2)坡面匯流計算。坡面匯流計算可采用的方法主要分為兩大類，分別為單位線法和運動波模型。其中單位線法又有CSC單位線、斯奈德單位線和克拉克單位線等。本文在HEC-HMS模型中采用斯奈德單位線法，主要需考慮的參數為流域滯時和峰值系數。

(3)基流計算。基流計算可選擇的方法有退水曲線法、線性水庫模型和常數月變化模型等。本文所采用的為退水曲線法，該模型需要給定的參數為初始流量、退水常數和峰值系數。初始流量為每場次洪的起漲流量，峰值系數取計算洪峰流量的0.1倍，退水常數則根據實測資料率定[15]。

(4)河道匯流計算。河道匯流計算可采用的方法有馬斯京根法、運動波模型和滯后模型等。目前運用最廣泛的是馬斯京根法，原因是其計算簡單且適用于無資料地區，需要率定的參數少[16]。該方法主要的參數為蓄量常數K和槽蓄系數x。K反映恒定流條件下的河段傳播時間，x反映河段的楔蓄作用和調蓄能力，取值范圍0～0.5，x越大表明河道楔蓄作用越大、調蓄作用越小。

3.2 模型建立

將研究區域的DEM數據利用HEC-geoHMS進行水文分析，分割和計算子流域，得到各子流域的信息，HEC-HMS的基本模型建立完成。

在基本模型的基礎上，通過HEC-DSSVue導入降雨數據和洪水數據；HEC-HMS考慮到每一個子流域自身下墊面條件估算的有關參數，并對初始參數進行自動優化，計算每一個子流域的平均坡度、產流和匯流(包括坡面匯流和河道匯流)，再演算至出口斷面，得到模擬的降雨徑流過程線[12]。

3.3 參數率定

通過HEC-HMS模型，利用實測降雨數據對臨溪、屯溪兩站分別進行降雨徑流模擬，為了使建立的HEC-HMS模型模擬結果達到最優, 必須對模型參數進行優化。HEC-HMS模型提供了單變量梯度法 (Univariate Gradient) 與Nelder Mead法2種方法及7種目標函數供用戶選擇, 目標函數包括峰值加權均方根誤差、洪峰流量百分比誤差和洪量百分比誤差等[17]。參數率定完成后，利用實測洪水檢驗HEC-HMS模型的模擬精度，為基于衛星降雨數據的降雨徑流模擬提供參照。

在臨溪站所選取的洪水場次分別為20080608、20100304、20100713、20110608、20120626和20130606，用于模型參數率定。在最終確定的參數下，模擬洪水與實測洪水擬合的較好，在峰現時間和洪水過程方面準確度較高，相關系數R平均值達到0.95，效率系數NS平均值為0.79，如表3所示。

表3 臨溪站實測降雨和校正后TRMM RT降雨模擬洪水精度評估

在屯溪站所選取的洪水場次分別為20080608、20100516、20100706、20110604、20130429和20130624。屯溪站實測降雨模擬洪水的洪水總量與實測值較接近，峰形一致，相關系數平均值達到0.93，效率系數平均值為0.78，如表4所示。各個洪水場次的模擬精度相差不大，表明HEC-HMS模型參數率定結果可靠，該模型適用于研究區的洪水過程模擬。

表4 屯溪站實測降雨和校正后TRMM RT降雨模擬洪水精度評估

4 基于TRMM RT衛星降雨洪水的模擬評估

根據率定的HEC-HMS模型及參數，利用校正前后的TRMM RT衛星降雨數據進行相同洪水場次的模擬。保持參數前后保持一致，僅分析降雨輸入的不確定性，從而分析利用衛星實時降雨產品開展洪水模擬預報的可用性。

4.1 臨溪站

以典型洪水事件(20100304和20110608)為例，分別利用實測降雨、校正前后的TRMM RT降雨開展洪水過程模擬。結果表明，直接采用TRMM RT降雨所模擬出的洪水，雖然洪峰過程基本一致，但對洪量存在明顯低估；在20100304號洪水單峰大值區這種現象尤為明顯，并且模擬洪水的峰值過多(圖3)；相對而言，當時間尺度較長、實測洪水峰值大的情況下(即20110608號洪水)，模擬洪水的精度較高。利用校正后的TRMM RT降雨數據所模擬出來的洪水精度明顯提高，主要原因在于模擬值偏低現象明顯得到改善，洪水總量與實測洪水總量和峰值更為貼近。

圖3 臨溪站模擬洪水與實測洪水對比Fig.3 Comparison between the simulated and the measured floods in Linxi station

針對臨溪站6場洪水，利用校正后的TRMM衛星降雨數據模擬出的洪水的精度評估指標見表3。相關系數平均值達到0.89，效率系數平均值為0.42，但對于不同降雨場次效率系數值變化較大，表明了衛星降雨監測精度受降雨事件個例影響較大，存在較大的不確定性。

4.2 屯溪站

以屯溪站多峰洪水事件20080608號洪水和單峰洪水事件20100516號洪水為例，直接采用TRMM RT降雨得到的模擬徑流對于單峰洪水存在明顯的低估，未能反映本次降雨徑流過程；而20080608號洪水，利用TRMM RT降雨得到的模擬洪水在小值區模擬精度較好，峰現時間一致但峰值模擬依然偏小。校正后的TRMM RT降雨數據所模擬出的洪水同樣在洪水總量相對接近實測洪水，在小值區的洪水過程模擬地更精準(見圖4)。

圖4 屯溪站模擬洪水與實測洪水對比Fig.4 Comparison between simulated flood and the measured flood in Tunxi station

利用校正后TRMM RT降雨得到的屯溪站7場洪水模擬結果與實測洪水相關性平均值為0.86，說明模擬結果在峰現時間和實測洪水過程吻合度較高；效率系數在0.59，說明精度較佳，但部分模擬洪水在峰值區與實測洪水差距較大，效率系數小于0.35，衛星降雨監測能力仍有進一步提高的空間。

5 結 語

(1)驗證了TRMM RT小時尺度衛星降雨在研究區洪水期的監測精度，與實測數據相比，數值偏小35.5%，尤其在降水大值區存在明顯的低估。總體來看，降水過程吻合度較好，相關系數0.84，在連續降水時段，衛星監測靈敏度不高，在降雨極值及峰現時間方面均存在一定誤差。

(2)HEC-HMS模型具有較好的洪水模擬精度，臨溪和屯溪站實測降雨模擬洪水的效率系數平均值都達到0.78，相關系數均超過0.93，模擬洪水與實測洪水擬合性較好，HEC-HMS模型適用于濕潤地區的降雨徑流模擬。

(3)直接采用TRMM RT小時衛星降雨數據開展洪水模擬，仍存在較大的誤差，尤其是一些單峰洪水過程，在本研究區模擬的洪水流量比實際數值顯著偏低；本文采用降雨分級校正方法有效地降低了實時衛星降雨監測誤差，顯著提高了洪水模擬精度，對于無/缺資料地區洪水預報具有重要應用價值。

(4)利用校正后的TRMM RT小時衛星降雨數據進行洪水模擬有一定的可行性，臨溪和屯溪的模擬洪水平均效率系數分別為0.42和0.59，平均相關系數分別為0.89和0.86，精度較好，可見通過TRMM衛星降雨數據預測洪水有一定的前景，但還需要進一步提高衛星降雨監測能力和改進融合同化方法。