CFSR數據集在輝發河流域水文模擬中的應用

黃艷偉, 李 穎, 朱紅雷, 彭星玥, 王雨蝶

(1.河南師范大學, 河南 新鄉 453007; 2.中國科學院 東北地理與農業生態研究所, 長春 130102)

衛星降水產品和氣象資料再分析數據集目前已成為流域水文模擬的重要數據源[1-4]。TRMM[5]、CMORPH[6]、PERSIANN[7]和GSMaP等[8]衛星降水產品在國內外被廣泛應用于無資料或缺資料地區的水文研究。氣象資料再分析數據集主要以美國國家環境預報中心的CFSR再分析數據集、歐洲中期數值預報中心的ERA-Interim和美國國家航空航天局的MERRA數據集為代表[9-10]。其中，CFSR和當前應用最為廣泛的水文模型SWAT相結合，在其官網(https:∥globalweather.tamu.edu/)提供了1979—2014年的氣溫、降水、風速、太陽輻射和相對濕度等模型輸入數據，省去了從氣象站點資料計算、分析和整理格式的步驟，受到了國內外學者的廣泛青睞。如，于宴民和穆振俠[11]對CFSR降水數據進行了修正，結合SWAT模型對高山寒區河流喀什河進行了徑流模擬。胡勝等[12]以灞河流域為研究區，從年和月尺度評價了傳統氣象數據和CFSR氣象數據的徑流模擬結果，并提出了CFSR氣象數據訂正的方法。Yu等[13]結合實測降水數據，利用泰森多邊形和相關系數對CFSR降水進行了修正，發現修正后的徑流模擬結果NSE提高了18.92%,R2增加了2.3%。Liu等[14]比較了CMADS和CFSR數據在青藏高原的精度，并利用SWAT分析了兩種氣象數據驅動下黃河源區流域徑流模擬的精度。與以往僅采用遙感降水產品驅動模型的研究不同，CFSR再分析數據集還提供了氣溫、風速、太陽輻射和相對濕度等其他輸入數據。因此，只根據徑流模擬結果評價CFSR數據集的適宜性可能不太全面。本文以輝發河流域為研究區，在比較CFSR數據集和實測氣象數據精度的基礎上，采用SWAT模型，從徑流模擬和蒸散發兩個角度評價CFSR數據集在該流域的適宜性。

1 數據和方法

1.1 研究區概況

輝發河是吉林省吉林市以上松花江第一大支流，發源于遼寧省清原縣龍崗山，流經梅河口市、輝南縣、于樺甸市金沙鄉許家店流入松花江。流域面積14 896 km2，本文以五道溝水文站上游為研究區域，約占全流域面積的84%。流域內水系較為發達，有白銀河、梅河、蓮河、大沙河和一統河等眾多支流，多年平均徑流量17.49億m3，多年平均徑流深196 mm。流域屬溫帶大陸性季風氣候區，夏季溫熱多雨，冬季寒冷漫長，多年平均氣溫為4.5℃,1月份年平均溫度在-16.2℃左右，8月份平均氣溫在25℃左右。流域年平均降水量776 mm，主要集中在6—9月份，占年降水量的70%左右，受降雨影響，河水季節變化較大(圖1)。

圖1 研究區位置

1.2 CFSR精度分析

提取與梅河口、磐石和樺甸3個氣象站點對應的CFSR柵格降水、氣溫、風速、太陽輻射和相對濕度數據，以實測氣象數據為基準，采用相關系數(CC)和相對誤差(Bias)兩個指標評價CFSR數據在日尺度和月尺度上的估算精度。

(1)

(2)

1.3 SWAT模型輸入數據

SWAT模型是美國農業部(USDA)開發的分布式水文模型，具有較強的物理基礎[15]，模型的水量平衡方程可以用如下公式表示:

(3)

式中:SWt為土壤的最終含水量(mm);SW0為第i天可被植被吸收的土壤原始含水量,定義為原始土壤含水量減去凋萎點含水量(mm);t為時間(days);Ri為第i天的降水量(mm);Qi為第i天的地表徑流量(mm);ETi為第i天的蒸散發(mm);Pei為第i天存在于土壤剖面底層的滲透量和測流量(mm);QRi為第i天的地下水回流量(mm)。

SWAT模型的輸入數據主要包括DEM數據、土地利用數據、土壤數據、氣象數據以及水文站實測徑流數據等。本文數據及其來源如下:

(1) DEM數據來源于美國宇航局(NASA)和國防部國家測繪局(NIMA)，以及德國與意大利航天機構聯合測量的SRTM(Shuttle Radar Topography Mission)數據集，空間分辨率為90 m。

(2) 以2005年Landsat 5 TM影像為基礎，在ArcGIS中采用人機交互的方式獲取研究區土地利用/覆被數據。為保持土地利用分類系統和SWAT模型一致，對本文的土地利用數據進行了重分類。

(3) 土壤數據來源于吉林省土肥站與長春地理所1988年聯合編制的1∶50萬土壤圖。參照中國科學院南京土壤研究所土壤分中心的中國土壤數據庫(http:∥www.soil.csdb.cn/)，獲取不同土壤類型分層結構和理化性質數據，并按照模型輸入要求計算相關參數，建立流域土壤數據庫。

(4) 實測氣象數據選用樺甸、梅河口和磐石2006—2010年的逐日觀測數據，包括最高氣溫、最低氣溫、降水、相對濕度、風速和日照時數。本文所用氣象站點均沒有太陽輻射的實測資料，參考童成立等[16]的研究結果，利用基于站點位置和日照時數的方法估算了各氣象站逐日太陽輻射值。CFSR氣象數據為官網上直接下載的2006—2010的逐日數據。

(5) 五道溝徑流數據來源于吉林省水文局。

1.4 模型率定、驗證及不確定性分析

由于ArcSWAT 2012版本取消了自帶的參數敏感性分析，因此本文采用SWAT CUP 2012中的SUFI_2算法進行參數敏感性分析、徑流率定和驗證，以及參數的不確定性分析[17]。選擇決定性系數(R2)和Nash-Sutcliffe效率系數(NS)用來評價模型率定和驗證的精度與效果

(4)

(5)

采用P-factor和R-factor兩個指標來衡量參數的不確定性。P-factor是指95%置信水平上的不確定性區間(95%prediction uncertainty,95 PPU)所包含的實測值占總體的比例。95 PPU是指置信水平為2.5%和97.5%之間模擬結果的累積分布區間。95 PPU寬度越小，同時P-factor越接近于1，表示模型模擬的結果越好。R-factor是指95 PPU內樣本的聚集程度，公式如下:

(6)

R-factor越大，實測值在95 PPU中的分布越零散，反之，則實測值分布越集中。當P-factor取1,R-factor取0時，表明模擬結果與實測數據完全一致。但是這種情況很難達到，一般認為，當P-factor>0.6，且R-factor<1時，模型的模擬精度滿足要求。

2 結果與分析

2.1 CFSR精度分析結果

從表1中可以看出，在所有氣象要素中CFSR數據集的溫度與實測數據相關性最高，3個站點均在0.97以上。其次為輻射數據，3個站點的相關系數分別為0.84,0.9,0.82。CFSR的降水和風速與實測數據的相關系數范圍在0.64～0.8。相關系數最低值出現在相對濕度要素，3個站點分別為0.65,0.63,0.59。6個氣象要素相對誤差值的分布和相關系數并不一致，相對誤差的最大值為磐石市的最低溫度，高達-155.28%。其次為風速要素，3個站點相對誤差分別為61.33%，55.46%和56.58%。降水和相對濕度的相關系數較低，但相對誤差值卻較小，均低于10%。

表1 日尺度上CFSR與站點實測數據的比較結果

表2為月尺度上CFSR與站點實測數據的相關系數。與日尺度相比，除相對濕度外，各氣象要素的相關系數均有不同程度的提高，最高溫度、最低溫度、降水和輻射的相關系數在0.93以上。月尺度上3個站點的風速相關系數分別為0.86,0.78,0.84。相對濕度的相關系數反而有所下降，下降幅度分別為0.04,0.05,0.09。

表2 月尺度上CFSR與站點實測數據相關系數

2.2 徑流模擬適宜性評價

以2006年作為模型的預熱期，2007—2008年為率定期，2009—2010年為驗證期。采用SWAT CUP 2012中的SUFI_2算法進行模型率定、驗證和參數的不確定性分析。本文選擇了對輝發河流域徑流敏感性較高的14個參數，參數的意義及初始值范圍的設置詳見Zhu等[19]的相關內容。初始的參數取值范圍通常較大，會增加模型的不確定性和降低模型模擬精度。SUFI_2算法在執行完每次模擬后會推薦一組新的、較小的參數范圍值。將4種徑流模擬情景(CFSR和實測站點的日尺度和月尺度徑流模擬)各執行兩次迭代，每次迭代模擬次數為500，以最后一次迭代推薦的參數范圍值對4種徑流模擬情景進行驗證和不確定性分析。

2.2.1 日尺度徑流模擬結果 圖2和表3為輝發河流域日尺度徑流和參數不確定性分析結果。從圖2中可以看出，CFSR和實測氣象站點模擬的日徑流和觀測徑流具有較好的一致性。CFSR 95 PPU的寬度明顯大于實測氣象站點95 PPU的寬度，意味著CFSR的95 PPU可能會包含更多數量的觀測數據，但分布較為零散。因此，CFSR在率定期和驗證期的P因子和R因子都高于實測氣象站點。對于目標函數R2和NS,CFSR和實測氣象站點在率定期的結果較為接近，而在驗證期，實測氣象站點的模擬結果相對較好，R2和NS值分別為0.85,0.84。CFSR模擬的徑流相對誤差在率定期和驗證期分別為0.40%和-8.40%，實測氣象站點模擬的徑流值相對偏低，相對誤差分別為-23.77%和-19.12%。

圖2 日尺度徑流模擬結果

表3 日尺度徑流模擬和不確定性分析結果

2.2.2 月尺度徑流模擬 輝發河流域月尺度徑流和參數不確定性分析結果見圖3和表4。相較于日尺度的模擬結果，月尺度的R2和NS值都有不同程度的提高，最高值出現在實測氣象站點在驗證期的結果，R2和NS值均為0.97。實測氣象站點模擬的徑流相對誤差在月尺度也明顯降低，CFSR的徑流相對誤差由負值轉化為正值。對于P因子和R因子，CFSR和實測氣象站點在月尺度上并沒有明顯的提高。

表4 月尺度徑流模擬和不確定性分析結果

圖3 月尺度徑流模擬結果

2.2.3 融雪徑流模擬精度評價 輝發河流域屬于東北寒區，降雪可從每年的10月份持續到次年4月份。春季氣溫回暖，積雪融化速率加快，極易形成融雪性洪水。為評價CFSR數據集對融雪徑流的模擬精度，從月尺度模擬結果中選取每年3—5月的徑流數據，與水文站點實測的徑流量進行比較，同時，以實測氣象站點模擬的結果作為參考，結果見圖4。從圖中可以看出，實測氣象站點和CFSR數據集模擬的春季徑流與水文站點的觀測結果整體趨勢較為一致。其中，利用實測氣象站點的模擬的結果擬合較好，相對誤差為-4.78%。CFSR數據集對春季徑流的模擬存在一定程度的高估，相對偏差為32.61%。

圖4 CFSR和氣象站模擬的春季徑流精度評價

2.3 蒸散發模擬結果與分析

SWAT模型引入了3種方法計算蒸散發:Penman-Monteith，Priestley-Taylor和Hargreaves，本文采用的是模型默認的Penman-Monteith方法。首先計算潛在蒸散發(PET),SWAT采用40 cm高的紫花苜蓿作為Penman-Monteith方法的參照作物。確定潛在蒸散發后，實際蒸散發按以下流程計算:首先蒸發植被冠層截留的降水，然后SWAT采用Richtie[20]提出的方法計算最大散發量和最大升華/土壤蒸發，接著計算土壤的實際升華和蒸發。如果HRU中存在雪，將發生升華，沒有雪時，土壤蒸發才會發生。將從以下3個方面分析蒸散發的模擬結果:(1) CFSR和實測氣象數據中影響蒸散發因素的對比分析;(2) 蒸散發模擬結果的分析;(3) 假設降水因素校正后，CFSR其他氣象因素對蒸散發模擬的影響。

2.3.1 蒸散發影響因素比較 Penman-Monteith方法中影響潛在蒸散發計算結果的因素主要為溫度、相對濕度、風速和凈輻射，進一步比較實測氣象站點和CFSR的溫度、相對濕度、風速和凈輻射在空間上的異質性可以更好地理解潛在蒸散發的模擬結果。圖5為CFSR和實測氣象數據日最高溫度、最低溫度、相對濕度、風速和日照輻射在各子流域上的相對誤差，圖中藍色表示相對誤差為負值，紅色表示正值。從圖5中可以發現，CFSR的日最高溫度在整個流域都低于實測日最高溫度，相對誤差范圍為-11.41%～-2.97%。CFSR日最低溫度在流域上游低于實測值，而在下游高于實測值。CFSR和實測日最低溫度平均值范圍分別為-0.25～0.53℃和-0.65～0.78℃，由于兩者值較小，導致相對誤差計算結果范圍偏大(-120.98%～167.25%)。CFSR的相對濕度、風速和日照輻射在整個流域均大于實測值，相對誤差范圍分別為1.16%～8.64%,48.1%～67.89%和7.71%～17.3%。根據劉小莽等[21]和楊林山等[22]對潛在蒸散發氣候敏感性分析的研究結果，溫度、風速和太陽輻射與潛在蒸散發的敏感系數為正值，即潛在蒸散發會隨著溫度、風速和太陽輻射的增加而增大，相對濕度敏感系數為負值。與實測氣象數據相比，CFSR數據集中各氣象因素對潛在蒸散發估算結果正負效應都存在。

圖5 CFSR和實測氣象數據各氣象因素的相對誤差

2.3.2 蒸散發模擬結果比較 圖6為CFSR和實測氣象數據兩者作為模型輸入計算的PET和ET相對誤差。從圖6中可以得出，在整個流域上CFSR的PET和ET估算結果均高于實測氣象數據的結果，PET和ET的相對誤差范圍分別為0.57%～20.23%和4.83%～17.98%，模擬誤差較大。PET和ET的相對誤差在空間分布上并不一致，PET相對誤差較高的部分主要集中在流域下游，而ET相對誤差較高的部分則分布在流域中上游。這是由于實際蒸散發還要考慮降水量、地表覆被類型和土壤含水量等多個因素的影響[23-24]。綜合圖5—6的結果發現，輝發河流域CFSR數據集中偏高的風速和日照輻射導致其模擬的PET和ET比實測氣象數據的結果偏大。

圖6 CFSR和實測氣象數據PET和ET的相對誤差

2.3.3 CFSR其他氣象因素對蒸散發模擬的影響 將CFSR數據集中的降水因素替換為實測降水，其他因素不變，重新驅動模型，模型參數選用實測氣象站點率定得到的參數。假設CFSR數據集中的降水經過校正后與實測結果完全一致，以實測氣象站點的模擬結果作為參考，評價CFSR的氣溫、風速、相對濕度和日照時數對蒸散發模擬結果的影響，模擬結果見圖7。從圖中可以看出，該模擬情景下，僅有兩個子流域存在較少的低估，流域整體上的ET模擬結果仍然偏高，相對誤差最高可達到7.75%。這意味著，即使CFSR數據集中的降水經過校正后，其他氣象因素對蒸散發的影響仍不可忽略。

圖7 CFSR其他氣象因素對蒸散發模擬的影響

3 討論和結論

3.1 討 論

無資料和缺資料地區水文水資源的模擬和評估是當前水文學研究的熱點問題。全球再分析氣象資料因其時空分辨率高、時間序列長和更新速度快等優點，越來越受到相關學者的青睞。本文以CFSR數據集為例，采用SWAT模型，評價了其在輝發河流域的適宜性。

(1) 從精度分析結果中可以發現，和其他因素相比，CFSR數據集中對徑流模擬起關鍵作用的降水因素與觀測值在日尺度上的相關性并不高。與Tropical Rainfall Measurement Mission (TRMM)降水產品類似，CFSR的降水因素在總量上與實測數據保持了較好的一致性，但是逐日降水的誤差仍然較大，導致其相關性較低。

(2) 與實測氣象數據模擬的徑流相比，CFSR數據集在日尺度和月尺度上均表現出較好的模擬結果。實測氣象數據的徑流模擬結果中，Bias值較大是由于率定過程中追求更高的目標函數R2和NS值導致的。

(3) CFSR數據集模擬的春季徑流存在一定程度的高估。SWAT中的融雪采用(雪堆溫度與最高氣溫的平均值，與融雪溫度閾值之差)的線性函數計算。雖然CFSR數據集中的最高溫度和最低溫度相對實測值較為偏低，但從融雪到產生徑流的過程受多個因素和參數的影響，例如降雪量、CN2，ESCO和SOL_AWC等參數。CFSR和實測氣象數據的差異必然導致率定得到的參數值有所不同，繼而影響春季徑流的模擬結果。

(4) 以往的研究通過建立CFSR降水數據與實測氣象站點的統計關系，對CFSR逐格點進行校正，尋求更為準確的徑流模擬結果[11,13,25-26]，但較少考慮CFSR數據集中溫度、風速、相對濕度和日照輻射等氣象因素對流域水循環其他組分的影響。本文的研究結果表明，采用CFSR數據集作為模型輸入，其模擬的PET和ET均高于實測氣象數據的模擬結果，即使將CFSR中的降水替換為實測降水數據，ET仍存在一定程度的高估。

3.2 結 論

本文以輝發河流域為研究區，采用SWAT模型，分別從徑流和蒸散發兩個角度評價CFSR數據集在該流域的適宜性。在月尺度和日尺度上構建了4種徑流模擬情景，分析了不同數據輸入和時間尺度下徑流的模擬結果;以子流域作為空間單元，比較了CFSR數據集和實測氣象數據中PET影響因素的相對誤差，以及PET和ET的模擬誤差。結果表明:(1) CFSR數據集與站點實測數據存在一定程度的差異，尤其是風速、輻射和溫度;(2) 在徑流模擬方面，整體上CFSR數據集在日尺度和月尺度上均表現較好，但春季徑流模擬結果較高;(3) 在將CFSR數據集應用于水文模擬時，還應考慮溫度、風速和日照輻射等其他因素對流域水循環各組分的影響，對CFSR中各氣象因素都進行校正可能會得到更為準確的模擬結果。