WXGEN天氣發生器在長江上游地區的適用性評價

胡云華， 賀秀斌， 唐 強

(1.中國科學院 水利部 成都山地災害與環境研究所， 四川 成都 610041； 2.中國科學院大學, 北京 100049)

天氣發生器是為水文和農作物生長等模型提供模擬天氣數據的模型，一般情況下，模型都直接使用實際觀測數據進行運算，但是在研究區氣象數據缺乏或者不完整的情況下，特別是進行預測預報時，模型將利用天氣發生器生成所需的天氣數據[1]。常見的天氣發生器有WXGEN，CLIGEN，WGEN，USCLIMATE等，其優點在于可以利用較少的統計數據來模擬長時間的氣象數據[2]。但天氣發生器主要的缺點在于模擬結果在不同地區或者時段具有很大的不確定性，而且現有的大部分天氣發生器都是基于美國的天氣特征研發的，原則上在將模型應用于其他地區之前，都應該進行適用性評價，以確定所模擬的天氣數據的可靠性[3]。以WEPP模型所使用的CLIGEN天氣發生器為例，隨著WEPP模型在國內應用的增加，何炳輝等[4]、陳杰等[5]、張光輝[6]、范正成等[7]曾對CLIGEN天氣發生器在中國紫色土地區、黃土高原地區、臺灣地區的適用性進行了評價。WXGEN是SWAT模型和EPIC模型所使用的天氣發生器[8-9]，它最早是基于Richardson等[10]所研發的天氣發生器建立起來的。由于WXGEN天氣發生器不像CLEGEN天氣發生器有單獨開發的視窗程序，模型的調用和結果的讀取都比較復雜，目前WXGEN天氣發生器只在全球少數地區進行過適應性評價[11]，Trevor等[12]曾利用德克薩斯州5個氣象站的數據對EPIC模型中的WXGEN天氣發生器進行評價，結果認為WXGEN天氣發生器生成的天氣數據并不可靠，使用其生成的數據可能會對EPIC模型運行的結果有較大的影響。Hayhoe等[13]曾利用加拿大境內5個氣象站數據對WXGEN和CLIGEN兩個天氣發生器的適用性進行了對比評價，結果表明，兩種天氣發生器模擬的表現各有優劣，相對于CLIGEN，WXGEN能更好地吻合實測天氣數據的頻率分布，保持了各因子之間的相關性。

目前，SWAT[14-16]模型和EPIC[17-19]模型在國內已經有大量應用，但是模型當中的WXGEN天氣發生器還從未在國內進行過適用性評價，本文從長江上游地區選擇了5個不同地貌區的國家氣象站，利用氣象站40 a的日觀測數據對SWAT模型中的WXGEN天氣發生器進行運算和結果檢測，由于SWAT模型可以直接查看的天氣數據參數有限，本研究只對模型模擬的日和月降雨量、平均氣溫、最高氣溫、最低氣溫、太陽輻射量5個重要的水文氣象參數進行精度評價，其目的在于評價WXGEN天氣發生器在長江上游地區的適用性，為該地區SWAT和EPIC模型的應用提供參考。

1 材料與方法

1.1 WXGEN的基本原理

降雨的發生對相對濕度、太陽輻射和溫度均有重要影響。因此，WXGEN天氣發生器首先獨立地模擬某一天的降水和風速，然后模擬最高和最低溫度、太陽輻射和相對濕度。降雨模擬采用馬科夫鏈，馬科夫鏈可以定義某一天是干日還是濕日，當確定為濕日時，則用偏態馬科夫鏈模型來模擬日降水量，偏態馬科夫鏈是基于Fiering的典型徑流偏態分布方程來建立的，公式為：

Rday=μmon+2·σmon·

(1)

式中：Rday——某一天的降水量(mm)；μmon——該月份的日均降水量(mm)；σmon——該月日降水量的標準差； SNDday——某一天的標準正態偏離量；gmon——該月日降水的偏態系數。最高溫度、最低溫度和太陽輻射的模擬則是基于Matalas發表的弱平穩過程模型，利用殘差元素與月標準差相乘，并與月平均值相加而得，計算公式如下：

Tmx=μmxmon+χi1·σmxmon

(2)

Tmn=μmnmon+χi2·σmnmon

(3)

Hday=μradmon+χi3·σradmon

(4)

式中：Tmx——最高溫度(℃)； μmxmon——月最高溫度平均值(℃)；χi1——某一天最高溫度殘差(℃)； σmxmon——該月的日最高溫度標準差；Tmn——最低溫度(℃)； μmnmon——月最低溫度平均值(℃)；χi2——在某一天最低溫度殘差(℃); σmnmon——該月的日最低溫度標準差；Hday——日太陽輻射(MJ/m2); μradmon——月太陽輻射的平均值(MJ/m2)；χi3——在某一天太陽輻射的殘差(MJ/m2)； σradmon——該月的日太陽輻射標準差[1]。

1.2 數據選擇與處理

為了能充分評價SWAT模型中的WXGEN天氣發生器在長江上游不同地區的適用性，本研究以地貌類型為劃分標準選擇了川中紅層切割臺地地區的都江堰站、盆地東南斷褶山地地區的重慶沙坪壩站、盆地西南斷塊山原地區的麗江站、高山嶺谷地區的馬爾康站、西部寒凍高原地區的托托河站5個氣象站進行天氣模擬和結果評價(表1)，其中都江堰和重慶沙坪壩站的氣候類型屬于亞熱帶濕潤季風氣候，麗江站、馬爾康站和托托河站都屬于高原季風氣候，托托河站是世界上海拔最高的氣象觀測站。利用基于ArcGIS平臺的SWAT模型建立了長江上游的ArcSWAT工程文件，通過ArcSWAT模型的運算，讀取WXGEN天氣發生器的模擬結果，并進行精度分析。WXGEN天氣發生器在進行天氣模擬時，需要輸入至少30 a的天氣統計參數，主要的統計參數有：月平均最高氣溫、月平均最低氣溫、最高氣溫標準偏差、月平均降雨量、降雨量標準偏差、月內干日日數、露點溫度、月平均太陽輻射量等。本研究利用北京師范大學開發的SwatWeather.exe工具對WXGEN模型所需要的各氣象參數進行計算，統計了5個氣象站1971—2005年35 a的天氣統計參數，并將參數導入工程文件中，運行模型生成2001—2010年各氣象站每天的降雨、氣溫和太陽輻射數據，再和實測結果進行比較分析，評價天氣發生器模擬天氣數據的效果。

表1 各氣象站的基本信息

1.3 評估方法

為了能量化天氣發生器所產生的日、月各氣象參數的精確度，利用絕對誤差平均值和標準誤差來評價天氣發生器生成的天氣數據的誤差大小，利用誤差標準差來評價誤差的波動性。為了檢驗實測數據和模擬數據的分布情況，利用F檢驗來檢驗模擬數據和實測數據的方差是否相等，在數據滿足方差相等的情況下，利用等方差雙樣本T檢驗來檢驗兩組數據的平均數與其各自所代表的總體的差異是否顯著，在數據不滿足方差相等的情況下，利用異方差雙樣本T檢驗來檢驗兩組數據的平均數與其各自所代表的總體的差異是否顯著。由于很多氣象數據可能不滿足T檢驗正態分布的要求，因此使用不考慮數據分布特征的非參數檢驗方法Mann—Whitney(M—W)檢驗和Kolmogorov—Smirnov(K—S)Z檢驗方法來檢驗模擬數據和實測數據的分布是否存在差異，所有的檢驗取信度均設為0.05。

2 結果與分析

2.1 日天氣數據的模擬結果評價

從表2可以看出，WXGEN模擬的5個氣象站10 a日天氣數據各種誤差指標大體相似，說明該天氣發生器在長江上游各氣象站模擬的日天氣數據的精度比較接近，WXGEN模擬的5個氣象站每日的平均氣溫的平均誤差為±2.6 ℃，每日最高氣溫的平均誤差為±3.8 ℃，每日最低氣溫的平均誤差為±2.5 ℃，每日降水量的平均誤差為±3.19 mm，每日太陽輻射的平均誤差為±6.31 MJ/m2。從誤差的標準差來看，每日降雨量和太陽輻射的誤差波動較大，而氣溫誤差的波動相對較小。從數據的分布檢驗來看，除個別氣象站的個別氣象參數外，其他大部分參數沒有通過F檢驗，說明每日的氣象數據方差不相等，T檢驗結果表明，除了每日的平均氣溫外，其他各項參數在0.05的顯著水平下差異顯著。從M—W和K—S非參數檢驗的結果來看，除都江堰站、重慶沙坪壩站的日平均氣溫和馬爾康站的日降雨量在M—W檢驗中滿足0.05的顯著水平下差異不顯著外，其他各參數均在0.05的顯著水平下差異顯著。綜上所述，各日氣象參數的模擬效果排序依次為平均氣溫>最低氣溫>最高氣溫>降雨量>太陽輻射量。從總體效果來看，各日氣象參數的模擬結果誤差較大，和標準數據分布存在顯著差異，模擬結果可靠性比較差。

2.2 月天氣數據的模擬結果評價

從表3可以看出，WXGEN模擬的5個氣象站10 a的月天氣數據各種誤差指標均比較接近，說明該天氣發生器在長江上游各氣象站模擬的月天氣數據的精度大體相當。5個氣象站每月的平均氣溫的平均誤差為±0.98 ℃，每月的最高氣溫的平均誤差為±1.36 ℃，每月的最低氣溫的平均誤差為±1.1 ℃，每月的降水量的平均誤差為±32.76 mm，每月的太陽輻射量的平均誤差為±1.73 MJ/m2。從誤差的標準差來看，月氣溫和太陽輻射的誤差波動較小，但月降雨量的誤差波動較大。從總體而言，天氣發生器模擬的各項月天氣數據誤差小于日天氣數據模擬的誤差。從數據的分布檢驗來看，5個氣象站月平均氣溫、最高氣溫、最低氣溫均在0.05的顯著水平下方差相等，T檢驗，M—W檢驗和K—S檢驗在0.05的顯著水平下差異不顯著，說明天氣發生器對月氣溫數據的模擬效果較好。月降雨量數據不滿足正態分布，從非參數的M—W和K—S檢驗來看，5個氣象站月降雨量的實測值和模擬值在0.05的顯著水平下差異不顯著。除都江堰站和麗江站的月平均太陽輻射量在0.05的顯著水平下差異顯著外，其他3個氣象站在0.05的顯著水平下差異均不顯著。綜上，WXGEN模擬各項月天氣數據誤差相對較小，模擬精度較高，模擬數據的分布和實測數據都較相似，結果有一定的可靠性。

表2 WXGEN模擬的日天氣數據各誤差評定指標值

表3 WXGEN模擬的月天氣數據各誤差評定指標值

2.3 天氣數據誤差的月際差異

2.3.1 降水數據的月際差異分析 對5個氣象站12個月的降雨量絕對誤差平均值進行計算，結果如圖1所示。WXGEN天氣發生器產生的月降雨量數據誤差具有明顯的月際差異，誤差最大的月份是7月，5個氣象站平均絕對誤差為82.29 mm，誤差最小的是1和12月，5個氣象站平均絕對誤差為6.32和5.96 mm。從季節上來看，夏季模擬的誤差最大，其次是春季和秋季，冬季模擬的誤差最小。從絕對誤差平均值的形態特征來看，它和長江上游地區年降水量的分布特征正相關，即降雨量越大，天氣發生器模擬的降雨量絕對誤差越大。對5個氣象站12個月的誤差平均值進行計算，結果如圖2所示。從總體特征上看，除都江堰站6和7月的模擬值比較明顯地高于實測值外，其他各站模擬的降雨量普遍低于實際降雨量。從季節特征來看，模型對降雨量較小的冬季的模擬效果較好，對降雨量較大的春季和秋季模擬的預測值普遍低于實際值，對降雨量最大的夏季模擬的結果存在較大的波動性。

圖1 5個氣象站各月份的降水絕對誤差平均值分布

圖2 5個氣象站各月份的降水誤差平均值分布

2.3.2 氣溫和太陽輻射數據的月際差異分析 對5個氣象站12個月的平均氣溫、最高氣溫和最低氣溫絕對誤差平均值進行計算，結果如圖3所示。WXGEN天氣發生器產生的氣溫數據和太陽輻射絕對誤差具有明顯的月際差異。最高氣溫的絕對誤差大于最低氣溫和平均氣溫，從絕對誤差的季節分布特征來看，春季和秋季模型模擬的氣溫數據誤差大于夏季和冬季，太陽輻射的模擬絕對誤差最大值出現在夏季，誤差大小同長江上游地區的太陽輻射量的年分布成正相關。對5個氣象站12個月的平均氣溫、最高氣溫和最低氣溫誤差平均值進行計算，結果如圖4所示。從總體特征上看，模擬的各月最高氣溫和最低氣溫均低于實際值，而太陽輻射量模擬值卻高于實際值。

圖3 5個氣象站各月份的氣溫和太陽輻射絕對誤差平均值分布

圖4 5個氣象站各月份的氣溫和太陽輻射誤差平均值分布

3 結 論

WXGEN天氣發生器在長江上游5個不同地貌區氣象站模擬的日和月各氣象參數的誤差評價指標的值基本一致，說明該天氣發生器在長江上游各地區的模擬的精度基本相當；從模擬的日觀測數據和實測數據的分布情況來看，大部分模擬參數和實測參數都在0.05的顯著水平下差異顯著，說明天氣發生器產生的日氣象數據和實際天氣數據差異較大，數據可靠性差，如將結果應用于SWAT模型的運算，可能會對結果造成比較大的影響；WXGEN天氣發生器模擬的各項月天氣數據誤差小于日天氣數據模擬的誤差，從分布特征來看，大部分月模擬參數和實測參數都在0.05的顯著水平下差異不顯著，模擬結果比較可靠，因此WXGEN天氣發生器更適合于長江上游地區月氣象數據的模擬。

從模擬值絕對誤差的分布來看，各月氣象參數模擬值的絕對誤差存在比較明顯的季節規律性，夏季的月降雨量絕對誤差和月太陽輻射絕對誤差高于春季和秋季，冬季的月降雨量絕對誤差和月太陽輻射絕對誤差最小，月平均氣溫、月最高氣溫和月最低氣溫的3個氣溫參數的絕對誤差在春季和秋季高于夏季和冬季；從模擬值平均誤差的分布來看，模擬的各月最高氣溫和最低氣溫均低于實際值，而太陽輻射量模擬值卻高于實際值，除都江堰站6和7月的模擬降雨量比較明顯地高于實測值外，其他各站模擬的降雨量普遍低于實際降雨量。造成這種規律性的誤差分布的原因可能是天氣發生器在長江上游地區應用時產生了系統誤差，因此針對我國不同地區的氣象特征對WXGEN天氣發生器進行改進或者研發基于我國氣候特征的天氣發生器將是未來研究中需要解決的問題。

[參考文獻]

[1]Neitsch S L, Arnold J G, Kiniry J R, et al. Soil and Water Assessment Tool Theoretical Documentation Version 2009 [M]. Texas Water Resources Institute Technical Report. 2011:65-87.

[2]Wilks D S, Wilby R L.The weather generation game: A review of stochastic weather models[J]. Progress in Physical Geography, 1999,23(3):329-357.

[3]Semenov M A, Brooks R J, Barrow E M, et al. Comparison of the WGEN and LARS-WG stochastic weather generators for diverse climates[J]. Climate Research, 1998,10(2):95-107.

[4]何丙輝,繆馳遠,陳曉燕,等.CLIGEN氣候生成器模型在紫色土地區的適應性研究[J].中國水土保持科學,2007,21(3):183-187.

[5]Chen Jie, Zhang Xunchang, Liu Wenzhao, et al. Assessment and improvement of CLIGEN non-precipitation parameters for the Loess Plateau of China [J]. Transaction of the ASABE, 2008,51(3):901-913.

[6]張光輝.CLIGEN天氣發生器在黃河流域的適應性研究[J].水土保持學報,2004,18(1):175-178.

[7]Fan Jenchen, Yang Chihhsiang, Liu Chehsin, et al. Assessment and validation of CLIGEN-simulated rainfall data for Northern Taiwan [J]. Paddy and Water Environment, 2013,11(4):161-173.

[8]Arnold J G, Srinivasan R, Muttiah R S, et al. Large area hydrologic modeling and assessment(Part 1): Model development[J]. Journal of the American Water Resources Association, 1998,34(1):73-89.

[9]Williams J R, Jones C A, Kiniry J R, et al. The EPIC crop growth-model[J]. Transactions of the ASAE, 1989,32(2):497-511.

[10]Richardson C W. Stochastic simulation of daily precipitation, temperature, and solar radiation[J]. Water Resources Research, 1981,17(1):182-190.

[11]Hayhoe H N. Relationship between weather variables in observed and WXGEN generated data series[J]. Agricultural and Forest Meteorology, 1998,90(3):203-214.

[12]Trevor W R W, John F G. An assessment of the weather generator (WXGEN)used in the erosion/productivity impact calculator (EPIC)[J]. Agricultural and Forest Meteorology, 1995,73(12):115-133.

[13]Hayhoe H N, Stewart D W. Evaluation of CLIGEN and WXGEN Weather Data Generators Under Canadian Conditions[J]. Canadian Water Resources Journal, 1996,21(1):53-67.

[14]張東,張萬昌,朱利,等.SWAT分布式流域水文物理模型的改進及應用研究[J].地理科學,2005,25(4):434-440.

[15]王中根,劉昌明,黃友波.SWAT模型的原理、結構及應用研究[J].地理科學進展,2003,22(1):79-86.

[16]范麗麗,沈珍瑤,劉瑞民,等.基于SWAT模型的大寧河流域非點源污染空間特性研究[J].水土保持通報,2008,28(4):133-137.

[17]李軍,邵明安,張興昌.黃土高原地區EPIC模型數據庫組建[J].西北農林科技大學學報：自然科學版,2004,32(8):21-26.

[18]鐘壬琳,張平倉.紅壤和紫色土抗侵蝕性指標的計算方法研究[J].水土保持通報,2011,31(6):95-98.

[19]王志強,方偉華,何飛,等.中國北方氣候變化對小麥產量的影響:基于EPIC模型的模擬研究[J].自然災害學報.2008,17(1):109-114.