ERA5再分析數據在中小型水庫水位模擬的適用性分析
——以長江水庫為例

陳君來,張周文,陳蔚華,胡緒寶

(中山市水利水電勘測設計咨詢有限公司,廣東 中山 528400)

水庫通過改變水資源的時空分布達到興利除害的目的。根據《2020年全國水利發展統計公報》,中國共建成水庫約9.8萬座,其中99%為中小型水庫[1]。構建可靠的流域水文模型,模擬預報水位、入庫徑流,可支撐中小型水庫的調度決策,保障水庫流域防洪安全。新安江模型作為我國濕潤半濕潤地區重要代表性水文模型,在流域洪水預報以及流域數字孿生建設中得到了廣泛應用[2-6]。流域降水、蒸散發以及出口流量是構建新安江模型基本數據[7]。然而,對于許多中小型水庫流域,庫前水位是唯一可用的觀測數據[8]。王玉虎等[9]通過水庫水位反推入庫徑流,構建基于新安江模型的董鋪水庫洪水預報模型,預報精度可達到水庫洪水調度的要求。張曉菁等[10]基于新安江模型和調洪演算方程建立水庫水位預報模型,提出了一種全新的水庫水位多預見期實時預報方法。以上研究表明,庫前水位數據可作為流量的替代數據,與降水、蒸散發數據結合,完成中小型水庫流域水文模型的構建。因而,獲取準確有效的流域降水、蒸散發數據,就成為構建水庫流域水文模型的關鍵性工作。

再分析數據是利用觀測資料和數值模式相結合的方法,形成的具有全球完整性和一致性的氣象數據集。再分析數據具有高時空分辨率、全球覆蓋、長時間序列等特點,為缺乏觀測數據或觀測數據質量不高的地區構建水文模型提供了一種可行的替代方案[11]。ERA5是歐洲中期天氣預報中心(ECMWF)是繼 ERA-Interim后發布的第五代再分析全球氣候數據產品,ERA5產品包括EAR5、ERA5.1和ERA5 Land數據集[12-13]。該數據產品系列擁有時空分辨率高、更新快、參數多等優點,受到學者們的廣泛關注。Tarek等[14]驅動2種集水區水文模型(GR4J和HMETS),對3 138個北美流域進行了水文模擬,發現在大部分北美地區,使用ERA5再分析數據進行水文模擬的性能與使用觀測數據相當。唐豪等[15]評估了ERA5-Land再分析數據集在瑪納斯流域SWAT模型徑流模擬中的適用性,認為ERA5-Land數據集可作為水文模擬輸入數據。肖梓明等[16]比較了ERA5原始降水數據與降尺度后的數據在橫江流域新安江模型的模擬效果,驗證了降尺度后的ERA5降水數據作為流域水文模型降水輸入的可行性。以上研究表明,將 ERA5 系列再分析數據應用于中小型水庫水文模型研究是可行的。然而,由于再分析數據所使用的數值模式、數據同化技術和數據源方面存在很大的不確定性,因此在應用于特定區域之前,有必要對再分析數據的質量和性能進行評估。此外,ERA5 和 ERA5Land 作為 ERA5 系列的2個不同產品,其適用性也應當分別進行評估。

本研究以中山市長江水庫流域為例,評估了 ERA5 和 ERA5-Land 再分析降水、潛在蒸散發數據在不同時間尺度下的準確性。并基于耦合水庫調洪的三水源新安江模型,設置不同輸入情景,探討了 ERA5 和 ERA5-Land 再分析降水以及潛在蒸散發數據在水庫水位模擬中的適用性。本研究旨在為缺資料中小型水庫流域構建可靠的水文模型提供可行方案,為水庫流域水資源管理和調度提供科學依據。

1 研究區概況

長江水庫位于廣東省中山市,是中山市唯一的一座中型水庫,屬全國防洪重點中型水庫。長江水庫流域集雨面積36.4 km2,位于濕潤半濕潤地區,滿足蓄滿產流機制,可使用新安江模型進行水文模擬。長江水庫流域分布有4個雨量站、1個水位雨量站,附近有中山蒸發站,見圖1。

圖1 長江水庫流域示意

長江水庫主要采用泄洪洞和溢洪道泄洪,其中溢洪道為開敞式寬頂堰溢洪道,采用無閘式寬頂堰溢流泄洪。泄洪洞為鋼筋混凝土圓形涵洞,采用平板鋼閘門控制開度[17]。長江水庫為中山市戰略性備用水源,在枯水期及咸潮期,為城區居民用水提供優質水源保障。汛期期間,由中山市水庫水電工程管理中心根據水庫蓄水、來水情況實施調度。

2 數據來源及處理

2.1 資料來源

本文采用的ERA5數據集為“ERA5 hourly data on single levels from 1979 to present”,空間分辨率 0.25°×0.25°,時間分辨率1 h,時間為2016—2019年。ERA5-Land是ECMWF ERA5氣候再分析數據的陸地部分反演生產的,本文采用的數據集為“ERA5-Land hourly data from 1950 to present”,空間分辨率為0.1°×0.1°,時間分辨率1 h,時間為2016—2019年。實測降水數據為長江水庫流域內5個雨量站的實測數據,實測蒸發數據為附近蒸發站點中山站E601型蒸發器實測日尺度數據,水位數據為長江水庫水位站實測水位數據,時間為2016—2019年,各站點位置見圖1。實測降水、水位數據均來自中山市水務局官網,時間為2016—2019年。水庫調度資料由中山市水庫水電工程管理中心提供。

2.2 流域面雨量、蒸散發量計算

流域面雨量計算公式為:

(1)

式中P——流域面雨量,mm;Pt——第t個雨量站雨量,mm;fi——第i個雨量站所在的多邊形面積,km2;F——流域面積,km2;n——雨量站個數。

對于地面站點雨量,采用泰森多邊形法劃分流域。對于再分析格點雨量,由流域邊界裁剪格點對應柵格邊界劃分流域。

長江水庫流域可根據雨量站劃分為5個泰森多邊形,可根據ERA5格點劃分1個多邊形,可根據ERA5-Land格點劃分4個多邊形。雨量站泰森多邊形劃分和ERA5-Land格點對應的多邊形,見圖2,圖中十字絲為對應ERA5-Land格點位置。

圖2 長江水庫流域泰森多邊形劃分和ERA5-Land格點對應的多邊形

2.3 長江水庫調度情況說明

根據中山市水庫水電工程管理中心提供的汛期調度記錄,泄洪洞在2016—2021年之間開啟過2次,其中2016年8月21—24日多次調整閘門開度,2018年9月3—5日,調整閘門開度為50 cm。

根據長江水庫供水調度計劃,水庫年批準取水量為2 300萬m3,日均供水量為5萬～10萬m3[18]。

3 研究方法

3.1 再分析數據評估指標

為評價ERA5、ERA5-Land 2種再分析數據與實測數據之間的相關性和差異,采用了Pearson 相關系數(r)、均方根誤差(F)和標準差比(STDration)3種指標。各指標公式如下。

相關系數:

(2)

均方根誤差:

(3)

標準差比:

(4)

其中相關系數的取值范圍為-1～1,絕對值越大表明再分析數據與實測站點數據相關性越強;均方根誤差RMSE的取值范圍為0～+∞,相同時間尺度下值越小,再分析數據與實測站點數據越接近;標準差比STDration的取值范圍為0～+∞,值越趨近1,再分析數據與實測站點數據越接近。

3.2 耦合水庫調洪的三水源新安江模型

本文基于耦合水庫調洪的三水源新安江模型建立水庫水位預報模型。模型的輸入為流域面平均降水量和蒸發,輸出為水庫水位,模型結構見圖3。其中三水源新安江模型分為4個層次結構:蒸散發計算、產流計算、分水源計算和匯流計算。

圖3 耦合水庫調洪的三水源新安江模型結構

調洪演算采用試算法求解由水量平衡方程和水庫蓄泄方程所組成的方程組:

(5)

根據長江水庫調度記錄,長江水庫泄洪洞閘門大部分時候屬于關閉狀態。故模型率定期設置為閘門關閉期,此時不考慮泄洪洞泄量,水位持續上升至溢洪道堰頂高程時,溢洪道參與泄洪。即率定期為2016、2017年,中間根據閘門開啟時間將模擬時間序列分為2段,2段采用相同的模型參數,驗證期同理。另外,由于詳細供水資料難以獲取,增加多年平均日供水量參數,參數范圍5～10,用于水庫調洪計算。

參數率定采用差分進化算法DE[19],目標函數為:

(6)

NSE 越趨近于 1,說明模型模擬的水位值與實測水位值越一致。

3.3 情景設置

為比較地面站點、ERA5、ERA5-Land數據在日尺度水庫水位模擬中的適用性,設置了7種情景,見表1。各情景率定期下,DE算法的參數設置一致,種群染色體采用實數編碼,種群規模設置為100,最大進化代數為20代,變異放縮因子為0.5,交叉重組概率為0.7。

表1 水庫水位模擬情景設置

4 結果分析

4.1 ERA5、ERA5-Land再分析降水數據對比分析

圖4為研究區不同時間尺度再分析降水數據與實測降水對比。對于ERA5再分析降水數據,在小時、日、月、年尺度下,相關性系數的值分別為0.32、0.71、0.91、0.89,標準差比的值分別為0.32、0.71、0.91、0.89,均方根誤差的值分別為1.60 mm/h、12.35 mm/d、87.22 mm/mo、343.95mm/a。而對于ERA5-Land再分析降水數據,在小時、日、月、年尺度下,相關性系數的值分別為0.31、0.71、0.90、0.90,標準差比的值分別為0.32、0.71、0.91、0.89,均方根誤差的值分別為1.60 mm/h、12.50 mm/d、92.79 mm/mo、413.33 mm/a。

圖4 研究區不同時間尺度再分析降水數據與實測降水對比

2種再分析降水數據相關性系數的值基本一致,表明2種數據刻畫實測降水的能力并無明顯差異。進一步比較兩者的均方根誤差和標準差比,ERA5的整體誤差水平相對較小,略優于ERA5-Land。圖4中,不同時間尺度的再分析降水數據的表現與實測降水的一致性存在差異。整體來看,年尺度和月尺度的再分析降水數據表現出與實測降水明顯的相關性,與實測降水一致性較好,日尺度的相關性次之,小時尺度表現一般。

圖5是研究區再分析降水與實測降水數據平均年內分配?？梢钥闯?2種ERA5再分析數據的月平均降水量年內差異較小,降水分配與地面實測數據表現一致。另外,2種ERA5再分析數據在汛期(4—9月)均存在低估降水量的現象,而在非汛期的一致性較好。這與以往的研究結果是類似的,再分析數據的精度受原始輸入數據資料質量和同化算法的影響與實測降水會存在一定的差異[20]。

圖5 研究區再分析降水與實測降水數據年內分配

4.2 不同時間尺度下ERA5、ERA5-Land再分析蒸散發數據分析

圖6為研究區不同時間尺度再分析潛在蒸散發數據與實測蒸發數據對比。對于ERA5再分析潛在蒸散發數據,在日、月、年尺度下,相關性系數的值分別為0.33、0.60、0.46,標準差比的值分別為2.31、1.40、5.63,均方根誤差的值分別為3.11 mm/d、29.08 mm/mo、252.25 mm/a。而對于ERA5-Land再分析潛在蒸散發數據,在日、月、年尺度下,相關性系數的值分別為0.37、0.53、0.50,標準差比的值分別為1.70、1.37、4.25,均方根誤差的值分別為3.71 mm/d、68.22 mm/mo、767.81 mm/a。

圖6 研究區不同時間尺度再分析蒸散發數據與實測蒸發對比

2種再分析潛在蒸散發數據與蒸發皿實測蒸發月尺度的相關性數值范圍為0.5～0.6,年尺度、日尺度的相關性不大于0.5。進一步比較兩者的均方根誤差和標準差比,ERA5的整體誤差水平較小,對實測蒸發的刻畫優于ERA5-Land。圖4中,不同時間尺度的再分析潛在蒸散發數據與實測蒸發的一致性存在差異。整體來看,月尺度的再分析蒸散發數據與實測蒸發在月尺度的一致性相對較好,年尺度次之,日尺度表現一般。

與降雨數據相比,潛在蒸散發數據與蒸發皿實測蒸發數據的相關性明顯較弱。以往研究表明,潛在蒸散發數據與蒸發皿蒸發存在著復雜的關系。首先,蒸發皿皿蒸發可通過蒸發皿系數轉換為潛在蒸散發,但是蒸發皿系數存在季節變化[21]。此外,由于本研究中,蒸發站位于研究區外,用其代表研究區的蒸散發能力也存在著不確定性。

圖7是研究區再分析潛在蒸散發數據與實測蒸發數據平均年內分配。可以看出,2種數據的月平均值存在明顯的差異。從數值上看,ERA5-Land的值在各月份均是最大的,而ERA5與蒸發皿蒸發的值接近;從年內分配來看,ERA5與蒸發皿蒸發的一致性更強,存在季節差異,在汛期蒸發量較大,而ERA5-Land的年內分配更為均勻,汛期表現不明顯。

圖7 研究區再分析潛在蒸散發數據與實測蒸發數據年內分配

根據ECMWF官網的說明,ERA5 和 ERA5-Land的潛在蒸散發計算存在差異。ERA5的潛在蒸散發是基于地表能量平衡計算的,假設土壤水分充足(沒有土壤水分脅迫)并且大氣不受這種人為地表條件的影響,相當于植被蒸散發。ERA5-Land 中是針對開放水面計算的,相當于水面蒸發。因而,ERA5 和 ERA5-Land 2種產品的值存在明顯的差異。對于研究區,ERA5潛在蒸散發更接近蒸發皿蒸發。

4.3 不同情景下日尺度水庫水位模擬效果分析

圖8是不同情景下,日尺度水庫水位模擬與實測對比結果。可以看到不同輸入下,模型率定期的NSE均可達到0.6以上,而驗證期差異明顯。這說明耦合調洪演算的新安江模型可用于水庫流域的水位模擬,但是不同的數據輸入會影響模型構建的可靠性,影響預報的準確度。

a)長江水庫實測水位

S0、S1、S2、S5、S65種情景的降水輸入均采用地面降水,蒸發數據分別設置為0,多年平均實測蒸發、實測蒸發、ERA5 潛在蒸散發、ERA5-Land潛在蒸散發。對比5種情景模擬效果,S0情景在率定期和驗證期均表現最差,而S1、S2、S5、S64種情景的NSE均大于0.70,說明有效蒸發數據的輸入可以提高水庫水位模擬的準確性。S5情景率定期NSE為0.97,驗證期為0.85,明顯優于其他方案,說明ERA5潛在蒸散發數據在研究區的適應性好于ERA5-Land,兩者均可作為模型蒸發數據的替代輸入。

S3、S52種情景的蒸發輸入均采用ERA5潛在蒸散發,S4、S62種情景的蒸發輸入均采用ERA5-Land潛在蒸散發。S3、S4的降水輸入分別采用ERA5、ERA5-Land。而S5、S6的降水輸入均采用實測降水數據?？梢钥吹?在率定期和驗證期,S5均優于S3,S6均優于S4。說明實測降雨數據的輸入,可有效提高水庫水位模擬的精度,ERA5、ERA5-Land降水數據無法直接替代實測降水。根據肖梓明等[16]在橫江流域的研究,ERA5再分析降水數據經降尺度處理后,可代替實測降水作為流域徑流模擬的輸入。而對于水庫水位模擬,這有待進一步驗證。

S3、S4采用的是不同的數據源,分別是ERA5再分析數據、ERA5-Land再分析數據。2種情景在率定期的NSE分別為0.69、0.63,驗證期的NSE分別為0.33、0.23。ERA5再分析數據作為輸入源時會稍好于ERA5-Land。根據前面的分析,其原因可能是兩者蒸發數據的差異。

5 結論

本研究以長江水庫為例,利用Pearson相關系數、均方根誤差和標準差比評估了不同時間尺度下ERA5、ERA5-Land再分析降水、潛在蒸散發數據的準確性,并基于耦合水庫調洪的三水源新安江模型,分析了再分析降水、蒸散發數據在中小型水庫水位模擬中的適用性。主要結論如下。

a)長江水庫流域,ERA5 2種再分析降水數據與實測降水在年、月、日、小時尺度上均具有相關性,其中月尺度相關性最高,小時尺度最差。

b)長江水庫流域,ERA5 2種再分析潛在蒸散發數據與實測蒸發的一致性較弱,ERA5潛在蒸散發相比ERA5-Land更接近研究區蒸發皿蒸發。

c)耦合調洪演算的新安江模型可用于水庫流域的水位模擬,但是不同的數據輸入會影響模型構建的可靠性,影響預報的準確度。

d)長江水庫流域,ERA5再分析數據對于水庫水位模擬的適應性好于ERA5-Land,再分析潛在蒸散發數據可作為模型蒸發數據的替代輸入,而再分析降水數據不宜直接用于模型輸入。