TRMM衛星降水數據在黃河源區的適用性研究

曾華楠 谷黃河 余鐘波

摘 要：具有較高時空分辨率的衛星降水數據為研究缺乏地面實測站點流域的水文循環過程提供了有力的支撐。以黃河源區為研究對象，在對比分析2002—2015年TRMM 3B42衛星降水數據與站點實測降水數據的基礎上，利用VIC分布式水文模型驗證了TRMM降水數據在我國資料稀缺的高寒流域徑流模擬的適用性。結果表明，TRMM衛星測雨數據與站點實測降水數據在時空分布及變化趨勢上有較好的一致性，TRMM數據多年平均相對誤差為-7.1%，相關系數達到0.86。根據VIC模型模擬結果可知，TRMM數據與站點實測數據的月尺度模擬效果較好，日尺度模擬效果不佳，豐水年TRMM數據模擬精度較枯水年高。

關鍵詞：TRMM;VIC模型;適用性評價;黃河源區

Abstract：Satellite precipitation data with high spatial-temporal resolution provides a strong support for the study of hydrological processes in watersheds lacking ground stations. In this study， the applicability of satellite precipitation data TRMM 3B42 for streamflow simulation over the source region of the Yellow River from 2002 to 2015 was evaluated by using the VIC distributed hydrological model. The results show that the TRMM satellite precipitation data is consistent with the gauge data in the spatial and temporal distribution and change trend. The annual average bias between the TRMM data and the rain-gauge observations precipitation is -7.1% and the correlation coefficient reaches to 0.86. According to the simulation results of the VIC model， the TRMM data show good performance in monthly streamflow simulation. However， it gets poor performance for daily streamflow simulation. The simulation accuracy of the TRMM data in the wet years is higher than that in dry years.

Key words： TRMM; VIC model; applicability evaluation; headwaters of Yellow River Basin

在流域水文預報中，降水空間分布信息的獲取對水文預報精度有著重要的影響[1-2]。目前，降水數據的主要獲得渠道為地面雨量站觀測，受地形條件及站點密度影響，傳統的站點觀測數據往往不能很好地同時反映降水的時間分布及空間分布，一定程度上制約了分布式水文模型在流域模擬以及水文預報上的應用[3-4]。衛星遙感資料不受地形因素影響，在大范圍降水觀測上有明顯優勢，可提供降水數據的空間分布信息[5]，在水文領域有很好的應用前景[6]。

TRMM衛星降水數據在我國部分地區已有應用，滑申冰等[7]將TRMM降水數據應用于秦淮河流域，結果表明TRMM降水數據在秦淮河流域具有一定的適用性;王兆禮等[8]評估了TRMM降水數據在珠江流域的適用性，結果表明TRMM數據一定程度上可以作為資料缺乏地區的降水數據來源;李瓊等[9]將TRMM 3B43降水數據在黃河源區不同海拔和地形條件下的特征進行評價，得出隨坡度增大TRMM數據相對誤差呈增大趨勢;成業[10]將不同分辨率的黃河源區

TRMM降水數據通過SRM模型進行了模擬研究，得出TRMM數據具有良好的適用性。總體來看，TRMM降水數據在黃河源區的適用性研究以及在水文模型中的應用相對較少。筆者將TRMM降水數據應用于黃河源區，將該數據與地面實測降水數據進行時空變化及趨勢對比分析，并結合VIC水文模型，進一步探究TRMM數據在該地區的適用性。

1 研究區概況和方法

1.1 研究區概況

黃河源區指黃河干流唐乃亥水文站以上區域，位于青藏高原東北部，集水面積為12.2萬km2。該區域分布有高山、盆地、峽谷、草原、沙漠和眾多湖泊、沼澤、冰川及多年凍土，表現為高原面上一系列近于平行的低山和寬谷，地形相對開闊，起伏平緩，河流切割作用弱，地勢西高東低，高原面保留完整。黃河流域水資源調查評價成果及相關計算成果表明，黃河源區多年平均（1956—2000年系列）年降水量為485.9 mm，多年平均天然徑流量為205.2億m3，占黃河天然總徑流量的38%[11]，素有黃河水塔之稱[12]，是黃河流域最重要的產流區[13]。近年來，受人類活動與氣候變化的共同影響，黃河源區的徑流量出現了不同程度的減少，引發了一系列問題。黃河源區地表徑流的模擬對黃河源區的防災減災及生態綜合治理有著非常重要的意義，但黃河源區地處偏僻，源區只有11個雨量站，覆蓋率極低，給黃河源區徑流模擬帶來了一定的困難[14]。

1.2 VIC模型簡介

VIC模型是一種基于SVATS（Surface Vegetation Atmospheric Transfer Schemes）思想的大尺度分布式水文模型。最初的VIC模型是基于Wood等[15]的思想、由Stamm等[16]構建的，該模型把土壤分為2層，稱為VIC-2L模型[17]。隨著模型結構的發展，Liang等[18]把土壤分為3層，模型改進為VIC-3L模型。VIC模型采用蓄滿產流與超滲產流兩種機制，充分考慮了植被、土壤和大氣間的相互作用，并根據水量平衡和能量平衡進行蒸發、下滲及產流的模擬，對水文過程的模擬具有較高的精度，被廣泛應用。

VIC模型所需的驅動數據采用中國氣象局氣象站點數據，包括日最高氣溫、最低氣溫、平均風速等。對于VIC模型所需其他數據，根據Maryland大學開發的全球分辨率為1 km的土地覆蓋數據庫確定植被類型，參考LDAS（Land Data Assimilation System）設定逐月葉面面積指數LAI，利用Reynolds等開發的分辨率為10 km的土壤數據庫來確定土壤有關參數。

1.3 數據來源及預處理

TRMM是第1顆通過多頻率微波、可見遠紅外線以及太空降水雷達來測量熱帶和亞熱帶降水的衛星，于1997年底發射。根據其全球驗證計劃，共有10個帶地面雷達與雨量站網的驗證站為TRMM產品提供技術支撐。TRMM獨有的儀器裝備以及與太陽不同步的軌道特征使其得到了研究者們的青睞，在水文與氣候理論研究方面，包括降水氣候的建立、降水與對流強度的日循環定量化以及潛熱的剖面化等，都有廣泛的應用。一些研究表明，TRMM年、月系列的降水數據在水資源評價中有較高的精度[19]，TRMM衛星所搭載的PR（Precipitation Radar）是世界上第一臺星載測雨雷達，其工作頻率為13.8 GHz，掃描寬度為220 km，垂直分辨率為250 m，水平分辨率為4.3 km。用PR進行降水觀測，可以得到完整的三維降水分布。PR提供了全球南緯50°—北緯50°范圍內降水的時空分布及變化情況，根據雷達回波即可確定降水強度及其分布。TRMM包括3B31、3B42、3B43等多種測雨產品，其中3B42為逐日測雨資料，水平分辨率為0.25°×0.25°，該產品主要由星載雷達PR的測雨資料計算所得，并用TMI、VIRS等測雨資料進行了校正。

本文選取2002—2015年黃河源區TRMM 3B42降水產品數據與實測站點數據進行模擬驗證。利用中國區域高時空分辨率地面氣象要素驅動數據與TRMM降水數據進行對比，該數據融合了全國雨量站點數據，黃河源區以外的雨量站也考慮在內，降低了黃河源區吉邁以上流域雨量站稀少帶來的精度誤差。本文以0.125°×0.125°的空間分辨率將流域劃分為745個網格，采用反距離加權插值的方法將日降水量、最高氣溫、最低氣溫、風速插值到網格上，構建VIC模型所需驅動數據。將站點實測數據與TRMM數據的月徑流模擬和日徑流模擬結果進行對比。

1.4 評價指標

將3B42降水產品與站點實測降水數據進行時空變化及趨勢對比分析，并通過VIC模型進行水文模擬，根據兩種降水數據的模擬結果評估3B42降水產品的精度，并進一步分析TRMM數據在黃河源區的適用性。采用相對誤差BIAS、相關系數PCC和均方根誤差RMSE作為評定指標來評判降水產品的精度，采用相對誤差BIAS、相關系數PCC和納什效率系數NSE作為模型模擬精度的評價指標，各評價指標及公式見表1。

在評定降水產品的精度時，以區域尺度對降水產品精度進行評定。在進行水文模擬時，用站點數據對VIC模型進行率定，經率定的參數與TRMM降水數據同時應用于該模型中進行水文模擬，以評定TRMM數據在該地區水文模擬中的適用性。

2 結果分析

2.1 降水對比分析

依據TRMM降水數據與站點降水數據得到的多年（2002—2015年）平均和不同季節降水的空間分布如圖1和圖2所示。兩者在時空分布上表現出了較好的一致性，夏季降水最多，冬季降水最少，降水量從西北向東南遞增。基于站點實測數據的多年平均降水量為587.59 mm，基于TRMM數據的多年平均降水量為545.98 mm，二者相對誤差為-7%。兩種不同的降水數據在空間分布上存在著局部差異，站點實測數據在黃河源區北部存在局部最大值，基于TRMM降水數據的降水集中在東南部地區。從逐季平均降水量的空間分布來看，TRMM降水數據與站點實測降水數據呈現較好的一致性。TRMM降水數據每季度均存在低估的情況，相對誤差在-10%以下，誤差主要集中在夏季，達到-25.55 mm，多于其他3個季度總和;各季節降水量空間分布上，TRMM降水數據均表現為降水在東南部地區較為集中。總體來看，TRMM降水數據在時空分布上與站點實測降水數據有較好的一致性，可以反映降水的時空分布情況。

將站點實測降水數據與TRMM降水數據的年際變化和月份變化進行對比，如圖3所示，可以看出二者的年降水量隨時間變化趨勢相同，均呈現上升趨勢，實測站點數據平均上升速度為5.66 mm/a，TRMM降水數據平均上升速度為4.37 mm/a，站點實測數據比TRMM降水數據上升速度略快。年降水量相對誤差最大的為2015年，相對誤差達到了-16.7%;年降水量相對誤差最小的為2010年，為-0.4%。站點實測降水量最多的月份為7月，為120.76 mm;TRMM數據降水量最多的月份也為7月，為117.42 mm;TRMM數據月降水量相對誤差最大的月份為5月，為-12.6%，相對誤差最小的月份為3月，為-0.7%。總體而言，TRMM降水數據在黃河源區與站點實測數據相關性較好，但整體存在低估的現象。

將站點實測平均日降水數據與TRMM平均日降水數據進行對比，采用相對誤差、相關系數以及均方根誤差評價TRMM數據的精度，如圖4所示。相對誤差為-7.1%，相關系數達到了0.86，均方根誤差為1.39，TRMM降水數據與站點實測降水數據有很好的相關性。以日降水量小于0.1 mm為無雨，0.1～10 mm之間為小雨，10～25 mm之間為中雨，大于25 mm為大雨。站點實測小雨發生的概率較高;中雨發生概率TRMM數據為2.25%、站點實測中雨發生概率為1.19%，TRMM數據的中雨概率接近站點實測概率的2倍;TRMM數據與站點實測數據大雨各發生一次。由日降水散點圖可看出，隨著降水量增大，TRMM數據誤差逐漸增大。

綜上，在黃河源區，TRMM數據與站點實測降水數據有著較好的時空相關性，二者相關系數較高，均方根誤差較小。TRMM數據在黃河源區整體精度較高但存在低估情況，且TRMM數據誤差隨降水量增大而增大。

2.2 水文模擬分析

利用VIC模型、站點實測降水數據與TRMM數據進行水文模擬，使用站點實測數據進行模型參數率定，將率定的參數同時應用于基于站點實測數據的模擬與基于TRMM數據的模擬，將所得結果與實測流量過程進行對比，如圖5所示，其中2002—2010年為率定期、2011—2015年為檢驗期。由表2可知，在月尺度模擬上，基于TRMM數據與站點實測數據的模擬結果較為接近，站點實測數據模擬效果較TRMM數據好。基于TRMM數據與站點實測數據的模擬結果相對誤差均在10%以下，TRMM數據模擬流量值偏大。基于TRMM數據與站點實測數據模擬的流量結果與實測流量相關系數均在0.8以上。基于TRMM數據與站點實測數據模擬結果率定期納什效率系數大于檢驗期納什效率系數，整個序列的納什效率系數均在0.7以上。整體而言，用站點實測降水數據與TRMM降水數據進行月尺度模擬均取得了較好的模擬結果，這也說明了TRMM降水數據在無資料和資料稀缺地區水文模擬中的適用性。

以2002年為枯水年、2004年為平水年、2009年為豐水年，對比日徑流過程模擬結果，如圖6所示。站點實測數據模擬過程較TRMM數據模擬過程平緩，TRMM數據模擬過程陡漲陡落現象明顯、峰值流量較大。TRMM數據模擬的峰現時間與實測結果較為一致。由表3可知，TRMM數據在枯水年與平水年模擬效果不佳，納什效率系數均為負值，但與實測流量的相關系數分別達到0.671與0.674，與站點數據模擬結果的相關系數接近。TRMM數據在豐水年模擬效果好，模擬相對誤差為-14.2%，好于站點數據模擬效果，相關系數達到0.774。可見，TRMM數據模擬日流量效果在豐水年優于枯水年。整體來看，TRMM數據與站點實測數據的月尺度模擬效果均較好，日尺度模擬效果均不佳。

3 結 語

以黃河源區為研究區域，將實測降水量與TRMM降水數據進行對比，并用VIC模型模擬徑流過程，探究了TRMM數據在高寒地區的適用性，結論如下。

（1）在黃河源區，TRMM降水數據對多年平均降水量存在低估的情況，但降水空間分布情況以及降水變化趨勢與實測降水數據有很好的相關性，TRMM數據在黃河源區能描述降水的時空分布情況。

（2）TRMM降水數據的誤差隨著降水量增大而增大。

（3）在月尺度水文模擬上，基于TRMM降水數據的模擬結果與基于實測降水數據的模擬結果較為接近，與實測徑流相比表明其具有很好的效果。在日尺度模擬上，基于TRMM數據的模擬結果與實測流量具有很好的相關性。

總之，TRMM降水數據在降水量的估計以及水文模型模擬中顯示出了良好的潛力，可以作為資料稀缺地區或無資料地區的降水數據來源。

參考文獻：

[1] CHANG A T C， CHIU L S， KUMMEROW C， et al. First Results of the TRMM Microwave Imager （TMI） Monthly Oceanic Rain Rate： Comparison with SSM/I[J].Geophysical Research Letters，1999，26（15）：2379-2382.

[2] GOOVAERTS P. Geostatistical Approaches for Incorporating Elevation into the Spatial Interpolation of Rainfall[J].Journal of Hydrology，2000，228（1-2）：113-129.

[3] CHENG M， BROWN R， COLLIER C C. Delineation of Precipitation Areas Using Meteosat Infrared and Visible Data in the Region of the United Kingdom[J].Journal of Applied Meteorology，1993，32（5）：884-898.

[4] 楊傳國，余鐘波，林朝暉，等.基于TRMM衛星雷達降雨的流域陸面水文過程[J].水科學進展，2009，20（4）：461-466.

[5] 吳慶梅，程明虎，苗春生.用TRMM資料研究江淮、華南降水的微波特性[J].應用氣象學報，2003，14（2）：206-214.

[6] BRAS R L. A Brief History of Hydrology[J]. Bulletin of the American Meteoro Society，1999，80（6）：1151-1164.

[7] 滑申冰，宋宗朋，胡菊，等.多源降水信息在秦淮河流域洪水模擬中的應用[J].人民長江，2018，49（12）：10-15.

[8] 王兆禮，鐘睿達，賴成光，等.TRMM衛星降水反演數據在珠江流域的適用性研究：以東江和北江為例[J].水科學進展，2017，28（2）：174-182.

[9] 李瓊，楊梅學，萬國寧，等.TRMM 3B43降水數據在黃河源區的適用性評價[J].冰川凍土，2016，38（3）：620-633.

[10] 成業.基于多時空分辨率降水數據的黃河源區徑流模擬研究[D].北京：中國地質大學（北京），2017：61-63.

[11] 牛玉國，張學成.黃河源區水文水資源情勢變化及其成因初析[J].人民黃河，2005，27（3）：31-33，36，64.

[12] 吳晗，董增川，蔣飛卿，等.黃河源區氣候變化特性分析[J].水資源與水工程學報，2018，29（6）：1-7.

[13] 張金萍，張鑫，肖宏林.基于集對分析的黃河源區氣候變化分析[J].中國農村水利水電，2019（10）：58-65.

[14] 張昂，李鐵鍵，傅汪，等.基于衛星降水融合產品的黃河源區汛期徑流模擬[J].應用基礎與工程科學學報，2017，25（1）：1-16.

[15] WOOD E F， LETTENMAIER D P， ZARTARIAN V G. A Land-Surface Hydrology Parameterization with Subgrid Variability for General Circulation Models[J].Journal of Geophysical Research，1992，97（D3）：2717-2728.

[16] STAMM J F， WOOD E F， LETTENMAIER D P. Sensitivity of a GCM Simulation of Global Climate to the Representation of Land-Surface Hydrology[J].Journal of Climate，1994，7（8）：1218-1239.

[17] LIANG X ， LETTENMAIER D P ， WOOD E F， et al. A Simple Hydrologically Based Model of Land Surface Water and Energy Fluxes for General Circulation Models[J]. Journal of Geophysical Research Atmospheres， 1994， 99（D7）：14415-14428.

[18] LIANG X， WOOD E F， LETTENMAIER D P， et al. The Project for Intercomparison of Land-Surface Parameterization Schemes（PILPS） Phase 2（c） Red-Arkansas River Basin Experiment： 3.Spatial and Temporal Analysis of Energy Fluxes[J]. Glob Planet Change， 1998，19（1-4）：161-179.

[19] 毛紅梅.TRMM雨量在漢江上游大尺度水文模型中的應用[J].水利水電快報，2008，29（8）：22-26，32.

【責任編輯 張 帥】