呼蘭河流域網格化降水產品評估研究

邢貞相，袁 澤，段維義，喻 熠，紀 毅，劉昊奇，付 強

（東北農業大學水利與土木工程學院，哈爾濱 150030）

降水是水文循環中主要環節，是水文模型最重要氣象輸入變量之一，準確的降水輸入是獲得可靠地表水文模擬基本條件[1]。地面降水觀測站是測量降水最直接途徑，但復雜地形中雨量計密度低，分布不均勻，難以滿足陸面水文模型對降水數據連續性、長序列及大尺度要求[2]。因此，準確獲取區域降水數據對于水文模型驗證、應用及水資源管理具有重要意義[3]。

因網格化降水產品具有空間分辨率高、覆蓋面積廣、時間跨度長、便于獲取和處理等優勢應用廣泛，成為水文研究中地面監測降水潛在替代品。目前我國應用較多的網格化降水產品有中國區域地面氣象要素數據（China meteorological forcing dataset，CMFD）、全球高分辨率的陸面模擬系統（Global land data assimilation system,GLDAS）、中國氣象局陸面同化系統（China meteorological administration land data assimilation system,CLDAS）、中國自動站與CMORPH融合的逐時降水產品（CMPA）等。目前國內流域使用CMFD和GLDAS驅動分布式水文模型，王姝等使用CMFD驅動NoahMP陸面過程-RAPID河網匯流耦合模式，模擬大渡河流域水文過程[4]；王福興在輝發河流域驗證GLDAS降水、氣溫及長波輻射精度較高，并以GLDAS驅動WEB-DHM模型，較好再現該流域水循環過程[5]。CLDAS和CMPA在水文模擬上應用相對較少，但已有對水文模擬應用的潛力評估，孫帥等證明CLDAS長序列融合降水產品優于CMORPH和MERRA2降水產品，滿足中國陸面水文模擬、氣候研究等相關領域需要[6]；田鳳云等從水文應用角度評估CMPA在黃土高原精度，結果表明該產品可合理反映研究區降水日變化過程[7]。

呼蘭河流域位于東經125.90°～128.80°、北緯

46.18°～48.13°，是松花江（見圖1a）左岸最大支流之一，屬高寒地區，雨量站站網較為稀疏，降水形態多變，表現為雨、雪、雨雪混合物等多種形態，地面雨量計觀測誤差較大。網格化降水產品雖可在一定程度上彌補其不足，但不同降水產品存在區域表現差異，需要對其準確性和區域適用性評價展開針對性研究[8-9]。本研究基于地面雨量計的中國逐日網格降水量實時分析系統數據集（CGDPA）和位于呼蘭河流域內3個國家級雨量站逐日降水資料作為參考值[10-11]，評估CMFD、GLDAS、CLDAS降水產品和CMPA在呼蘭河流域全年、汛期（6～9月）、非汛期3種時段時空分布特征和精度，評估各網格化降水產品在多個時空尺度上適用性，為呼蘭河流域水文模擬和水資源管理提供可靠的網格化降水數據來源。

1 研究區域概況

呼蘭河流域（見圖1）發源于小興安嶺西麓，全長523 km，流域面積35 683 km2，東北部為山地，西部和中部為丘陵和臺地。呼蘭河流域屬北溫帶季風氣候區，春季降水量占全年降水15%，徑流主要靠融雪補給，且徑流量小；夏、秋汛期（6～9月）降水占全年降水70%～80%，徑流量占全年徑流總量75%～80%，是呼蘭河流域暴雨洪水多發期；冬季漫長、干燥，最低氣溫-41.8℃，凍土深度約2 m，河流在冬季有時因缺少地下水補給而斷流。呼蘭河流域降水、徑流明顯的季節性變化和地表土壤季節性凍融造成該流域水文過程復雜。

圖1 研究區域示意圖Fig.1 Sketch map of study area

蘭西水文站位于呼蘭河干流，是呼蘭河流入松花江前的把口站，控制斷面以上河長378 km，集水區面積為25 587 km2，將該區域作為網格化降水產品時空特征對比分析和精度評價的主要區域。

2 數據與方法

2.1 數據

2.1.1 數據介紹

本研究收集整理2008～2015年降水資料為基礎數據（見表1）：

①中國逐日網格降水量實時分析系統數據集，簡稱CGDPA數據。通過實時提取全國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）逐日降水量，采用“基于氣候背景場”最優插值方法，實時生成中國區域逐日降水量網格產品。

②中國區域地面氣象要素數據集，簡稱CMFD數據。該數據集以Princeton再分析資料、GLDAS資料、GEWEX-SRB輻射資料和TRMM（Tropical rainfall measuring mission）降水資料為背景場，融合氣象觀測數據制作一套再分析數據集，包含近地面氣溫、近地面氣壓、近地面空氣比濕、近地面全風速、地面向下短波輻射、地面向下長波輻射、地面降水率7個氣象變量[12]，將CMFD數據集地面降水率變量簡寫為CMFD_P。

③全球高分辨率陸面模擬系統，簡稱GLDAS數據，是基于多源觀測數據和再分析資料同化形成的全球高分辨率陸面模擬系統。GLDAS降水數據基于CMPA得出，融合地面觀測值和5種衛星估計值[7]。本研究將GLDAS氣象驅動數據中降水率變量簡寫為GLDAS_P。

④東亞區域大氣驅動場再分析數據集，簡稱CLDAS數據。該數據集利用多種來源地面、衛星等觀測資料，采用多重網格變分同化（STMAS）、最優插值（OI）、概率密度函數匹配（CDF）、輻射傳輸模型物理反演、地形校正等技術研制而成，有氣溫、氣壓、比濕、風速、小時降水和短波輻射6個氣象要素，本研究將CLDAS數據集小時降水變量簡寫為CLDAS_P。

⑤中國自動站與CMORPH融合逐小時降水量

0.1°網格數據集，簡稱CMPA數據。該數據集以地面逐時降雨格點數據為基礎，使用最優插值（Optimal Interpolation，OI）方法與衛星降雨資料結合生成降雨融合產品。

此外，實測雨量站點數據來源于中國氣象數據網（http://data.cma.cn）中國地面氣候資料日值數據集（V3.0），該數據集內共包含三個呼蘭河流域內站點，分別為北林站、海倫站、鐵力站（見圖1b）。

2.1.2 數據處理

由于各降水產品所使用源數據、生成方法和應用場景不同，5套網格化降水產品之間存在不相同儲存格式、單位、時區、時間步長、空間分辨率和空間范圍（見表1），為便于統一分析對比，需對5套降水產品預處理。

表1 降水產品基本信息Table 1 Summary of the precipitation products

5套網格化降水產品中，CMFD、GLDAS、CLDAS為再分析氣象驅動數據集，儲存格式為自描述文件格式NetCDF（Network common data form），單個文件中均包含多個氣象要素，使用Python語言編程提取上述3套數據中逐1 h/3 h降水率（mm·s-1）變量并轉換為累計1 h/3 h降水量（mm）。CGDPA與CMPA是實時更新降水量網格數據集，儲存格式為GrADS標準格式，使用CDO（Climate data operators）工具將其轉換為與上述3套再分析氣象驅動數據集相同的NetCDF格式。

為便于分析和應用各套降水產品，使用雙線性插值方法將所有降水產品原有網格尺度重新映射到1 km×1 km網格上，并投影轉換（朗伯等角圓錐投影）、裁切至研究區域等處理。而后將5套數據時區統一轉換為北京時間（UTC+8），并將其累積為3 h、日值、月值和年值降水量序列。

2.2 方法

2.2.1 分析方法

由于呼蘭河流域70%～80%降水來自夏、秋汛期（6～9月），本研究進一步將呼蘭河流域全年分為汛期（6～9月）和非汛期（10月～次年5月）兩個時期。CMFD_P、GLDAS_P、CLDAS_P、CMPA 4套降水產品時間和空間分布特征以CGDPA日數據和流域內3個國家級雨量站日觀測資料作為參考值，通過日降水精度、月平均降水年內分配特征、各時段年際變化特征和多年平均降水量精度闡述CMFD_P、GLDAS_P、CLDAS_P、CMPA時間分布特征。以研究區域各點全年、汛期、非汛期3個時段多年平均降水量闡述CMFD_P、GLDAS_P、CLDAS_P、CMPA空間分布特征。

2.2.2 評估指標

4套降水產品多年平均降水量采用相對誤差（RE）評價，日尺度定量精度使用相關系數（CC）、偏差（BIAS）、根均平方誤差（RMSE）和泰勒圖分析4種標準評價。當CC高于0.7時，變量顯著相關[13]，當BIAS值為-10%～10%，精度可接受[14]。泰勒圖將模擬值歸一化標準差和真實值之間相關系數繪制同一圖中，模擬點同參考點距離表示評估值與真實值中心化均方根誤差。通過泰勒圖對比不同模擬方案優劣，即越靠近參考點說明相關系數越高，均方根誤差越小[11]。

指標計算公式如下：

式中，n為樣本總數；i為時次；P和O分別為降水產品估計值和參考值；Pˉ和Oˉ分別為降水產品估計值和參考值均值。

3 結果與分析

3.1 基于時間分布特征的降水產品評估

3.1.1 日降水量精度

由圖2可知，對于3個時段，GLDAS_P對應點據距參考值點較遠，精度最低；CMPA、CLDAS_P和CMFD_P對應點據距參考值點較近。根據泰勒圖分析原理和4套數據對應點據距參考值點距離遠近可知，4套降水產品表征的日面雨量和日點雨量在全年（見圖2a）和汛期（見圖2b）精度優劣程度排序相同，均依次為CMPA＞CLDAS_P＞CMFD_P＞GLDAS_P。非汛期（見圖2c）由于CMFD_P在不同空間尺度上均有較小離散程度（歸一化標準差更接近“1.0”），整體精度最高；CLDAS_P和CMPA的CC和RMSE（具體數值見表2）在海倫站精度較低，同時CLDAS_P距參考值點近于CMPA，故CLDAS_P精度高于CMPA；結合上文GLDAS_P散點距參考值點最遠、精度最低結論，最終得出4套降水品在非汛期精度優劣為CMFD_P＞CLDAS_P＞CMPA＞GLDAS_P。

表2 列出4套降水產品不同空間尺度日降水量精度評價指標具體數值。據表2可知，對于相關系數，CMFD_P、CLDAS_P、CMPA在3個時段均與CGDPA顯著相關，汛期相關系數在0.9以上，非汛期在0.7以上。對于RMSE，CMFD_P和CLDAS_P在全年和汛期RMSE值接近，全年RMSE在1.7～2.7 mm，汛期RMSE在2.2～5.0 mm，精度優于其他兩套降水產品。對于BIAS，CMFD_P的BIAS值最小，3個時段BIAS絕對值均小于10%；此外，GLDAS_P在全年BIAS均小于10%，而汛期與非汛期BIAS較大，且正負不一致（汛期BIAS為正值，非汛期BIAS為負值）。

3.1.2 年內分配特征

4套網格化降水產品分別與CGDPA數據對比的多年平均年內月分配過程見圖3。可見，4套數據體現年內月分配過程與CGDPA數據月分配過程變化趨勢總體一致，其中月最大降水集中在7月，月最小降水出現在1月、2月和12月。此外，從年內降水量集中程度看，CLDAS_P、CMPA、CMFD_P年內分配過程均表征流域內70%～80%年降水量集中在汛期，其余少量降水分布在非汛期特征；與上述3套數據相比，GLDAS_P在年內降水量集中程度表現上相對較差，汛期降水量占比偏低、非汛期降水量占比偏高，與3.1.1得出該數據年內日降水量在汛期、非汛期精度低的結論一致。但這一結論與王福興[5]在輝發河流域應用該數據的結論不同，原因可能是不同流域表征的年內分配特征存在較大差異。這也是網格化降水產品應用時需局地適用性評價的原因。

圖2 4套降水產品的日降水量泰勒圖Fig.2 Taylor diagrams of daily precipitation

表2 4套降水產品不同時段日降水量的精度分析Table 2 Accuracy analysis of daily precipitation during different period

圖3 各降水產品在呼蘭河流域多年平均年內分配Fig.3 Distribution of monthly average precipitation from different products in the Hulanhe Basin

3.1.3 多年平均降水量精度

由圖4可知，4套數據汛期誤差均高于全年和非汛期。對于全年降水量，與CGDPA相比，CMFD_P與GLDAS_P多年平均全年降水量分別高估8%和11%、CLDAS_P與CMPA多年平均全年降水量分別低估16%和23%；對于汛期，與CGDPA相比，CMFD_P高估10%，其他3套降水產品分別低估12%、16%和17%；對于非汛期，與CGDPA相比，CMFD_P與GLDAS_P分別高估12%和78%，CLDAS_P與CMPA分別低估38%和26%。

此外，需強調表3中CMFD_P在汛期多年平均降水量為490 mm，顯著高于其他3套降水產品數值（370～390 mm），可能因該套數據在融合降水時以TRMM等衛星降水數據作為背景場[15]、而TRMM降水在呼蘭河流域日尺度降水高估[16]有關。

圖4 4套降水產品在呼蘭河流域不同時段降水量相對誤差Fig.4 Relative errors of four sets of precipitation products in Hulanhe Basin in different time periods

表3 各套降水產品在呼蘭河流域多年平均全年、汛期和非汛期降水量及相對誤差Table 3 Mean annual annual precipitation in a year,flood season and non-flood season and relative error for each precipitation products in Hulanhe Basin

3.1.4年際變化特征

4套降水產品在2008～2015年全年降水量（見圖5a）和汛期降水量（見圖5b）變化趨勢均與CGDPA所表現趨勢一致，呼蘭河2009、2012和2013年發生全流域性洪水，與圖4顯示全年降水量（見圖4a）和汛期降水量（見圖4b）年際變化特征一致。在非汛期（見圖5c），GLDAS_P、CMFD_P表現變化趨勢均與CGDPA一致，但CMPA、CLDAS_P所表現變化趨勢與CGDPA不一致，一方面是降水量級偏低、氣候差異較大、參照地面觀測數據精度低[15]等原因導致其融合數據誤差較大。同時，也與在3.1.1、

3.1.3 中兩套數據非汛期精度均不高的結論相符。

3.2 基于空間分布特征的降水產品評估

5套降水產品在呼蘭河流域空間分布見圖6。

圖5 各降水產品在呼蘭河流域不同時段降水量序列Fig.5 Precipitation series of each precipitation product in different time periods in the Hulanhe Basin

圖6 各降水產品在呼蘭河流域不同時段空間分布Fig.6 Spatial patterns of each precipitation products in different time periods in Hulanhe Basin

由圖6可知，對于全年、汛期2個時段，不同降水產品表現各時段降水量自東北向西南遞減的變化趨勢。但不同降水產品對各時段降水量空間分布細節刻畫上所表現的特征差異明顯。CMFD_P降水空間分布和CGDPA空間分布特征具有較高相似度，均捕捉到降水空間極大值區域，但兩者汛期極大值區位置有差異，可能因CGDPA數據制作方法中考慮地形因素[16]，使該數據極大值趨向流域高程最高點；GLDAS_P所表現的空間細部差異小于CMFD_P和CGDPA，此外，GLDAS_P無法捕捉降水極大值區域，可能與該產品空間分辨較低有關（見表1）；CLDAS_P和CMPA降水產品所表現的空間分布特征具有較高相似度，均可捕捉到降水空間的極大值區域，其極大值區域位置也較接近。但這兩套降水產品所刻畫的細部空間特征明顯優于其他3套降水產品，可能與其空間分辨率高、數據融合所使用地面站點較多有關[17]。

對于非汛期，CGDPA、CMFD_P、GLDAS_P 3套降水產品所表現降水量空間變化趨勢相同，均為自東南向西北遞減，無法捕捉極大值區域；CLDAS_P、CMPA降水產品所表現降水量空間變化趨勢接近，可捕捉到極大值區域。由此可見，不同降水產品在非汛期所表現出降水量空間變化趨勢異于其他兩個時段，與該流域不同時期降水成因不同有關[18]，具體影響因素有待深入研究。