不同訂正方法下CFSR再分析數據在天山西部山區徑流模擬中的應用*

高 瑞，穆振俠，彭 亮，周育琳，尹梓淵，湯 瑞

?

不同訂正方法下CFSR再分析數據在天山西部山區徑流模擬中的應用*

高 瑞，穆振俠**，彭 亮，周育琳，尹梓淵，湯 瑞

(新疆農業大學水利與土木工程學院，烏魯木齊 830052)

以天山西部山區喀什河流域為典型研究區，基于1990-2000年的水文氣象站點實測資料、2005年喀什河流域遙測降水數據及各時間段對應的CFSR（Climate Forecast System Reanalysis）再分析數據，通過實測站與其最近CFSR站多年月平均降水的比值，CFSR站點處2005年的年降水量與同期遙測年降水量的比值，以及基于實測站點降水數據和各CFSR站點與實測站點最近的CFSR站點的空間關系3種方法對CFSR降水數據進行訂正。借助VIC模型，分析不同訂正方法下研究區徑流的模擬效果。降水時間序列分析結果表明，CFSR降水數據能夠較好地在時間和空間上反應喀什河流域內月降水的變化情況。徑流模擬結果表明，（1）CFSR降水數據的不同訂正方法對徑流結果影響較為明顯；（2）基于實測站點降水數據以及各CFSR站點與實測站點最近的CFSR站點的空間關系訂正的所有CFSR降水，在徑流模擬中表現最好，模型率定期和驗證期的模型效率系數均在0.80以上，多年徑流相對誤差在15.0%以內。該訂正方法不僅考慮了降水在時間維度上的變化，還考慮其在地理空間維度的變化，較其它兩種方法在徑流模擬中具有更好的應用前景。

CFSR降水數據；降水訂正方法；VIC模型；稀缺資料地區

新疆地域遼闊，土地面積約占全國陸地總面積的1/6，是全國陸地面積最大的省（自治區）。其中山丘區占總面積的42.7%，沙漠及荒漠區占總面積的40.21%[1]。由于受到地理條件限制，轄區內雨量站點分布不均且站點數量較少[2-3]。區內70%的雨量站設在天山北坡的低山帶和山前平原區，平均每5300km2設一個雨量站[1]，是全國降水站點分布稀少地區之一，基于此條件下的站點數據難以完成相關水文方面的研究。為順利開展稀缺資料地區徑流模擬與山洪預報等相關研究，有必要借助其它氣象數據源。

在已有研究中，CFSR（Climate Forecast System Reanalysis）再分析數據得到了較多學者的關注。該數據在氣象領域中的應用較多[4-7]，如胡增運等[6-7]用CFSR再分析降水數據反應新疆地區的實際降水時空分布特征，總體效果較好但局部地區與實際降水情況存在較大差異。而在水文領域中的研究與應用[8-10]目前還較少，尤其針對該降水數據的訂正方法：于宴民[8]借助CFSR再分析數據在研究區構建SWAT模型，但由于CFSR降水數據與實際降水存在較大的差異性，因此結合2005年研究區遙測面雨量提出了CFSR降水數據的訂正方法；胡勝等[10]所研究的流域內較為均勻地分布了12個傳統實測雨量站點，CFSR站點與最鄰近的實測站點月降水數據存在較好的冪指數關系。利用該關系對CFSR降水數據進行訂正，通過SWAT模型能夠較好地模擬此研究區的徑流過程。但上述研究中的訂正方法在應用上均存在一定的不足之處，如僅用2005年流域內遙測面雨量與對應的2005年CFSR年降水量的比值對1990-2000年的CFSR降水進行訂正未能夠充分考慮氣候和下墊面條件等因子的變化對降水產生的影響；針對嚴重稀缺資料地區，難以得到胡勝所述的冪指數關系，或進行訂正的冪指數關系未能充分考慮海拔和坡向等因子對降水的影響。由此，本文嘗試在嚴重稀缺資料的喀什河流域得到適用于此類地區的CFSR降水數據訂正方法，更好地為該類地區的水文模擬和水災害防治作出貢獻。

1 資料與方法

1.1 研究區概況

喀什河流域位于伊犁河谷東北部，北鄰天山山脈的博羅科努山和依連哈比爾尕山，南為天山支脈阿吾拉勒山；地理坐標范圍為81°47′-84°56′E，43°37′-44°13′N，整個流域面積約為9541km2[11]；河谷大致呈東西走向，東高西低，兩岸大致平行，致使從西邊來的濕氣能夠長驅直入。流域海拔1364-4584m[12]；3660m以上幾乎為永久性積雪區[13]，冰川面積達421.6km2[11]。由于地理條件和下墊面的特殊性，流域內徑流補給方式以冰川積雪消融為主、降雨和地下水補給為輔。研究區水系如圖1所示。

1.2 數據來源

（1）CFSR再分析數據：限于喀什河流域資料較少且不夠完整，將在此流域被證實具有適用性的CFSR再分析數據作為其氣象數據的拓展源。CFSR是由美國環境預報中心（National Centers for Environmental Prediction）提供的全球范圍內的高分辨率再分析數據。該數據時間范圍在1979-2009年，時間分辨率為日，空間分辨率為0.312°×0.312°。本文由各網格中心點位置提取各網格數據（http://globalweather.tamu.edu/），并視作CFSR站點數據，站點分布如圖1所示。

（2）水文與氣象數據：收集喀什河流域內3個實測水文氣象站點及鄰近的伊寧氣象站1990-2000年逐日水文氣象資料。其中，烏拉斯臺作為水文站點包括了降水和徑流兩個要素，尼勒克和伊寧作為氣象站包括的氣象要素有日降水量、日最高氣溫、日最低氣溫和日均風速，而吉林臺作為遙測站僅有降水數據。除此之外，由于水利工程建設，流域內布設了多個遙測站點并插值出整個流域的年降水量，現唯有2005年的遙測降水數據完整。

（3）DEM數據：采用全球90m×90m分辨率的SRTM數據（www.cgiar-csi.org），借助ArcGIS平臺重采樣為0.025°×0.025°分辨率的網格。

（4）土壤數據：土壤數據來自Land-Atmosphere Interaction Research Group at Beijing Normal University（http://globalchange.bnu.edu.cn/home）所提供的全球及國內30弧秒的土壤數據產品。

（5）植被數據：植被數據來自馬里蘭大學1998年制作的全球1km×1km分辨率的地表覆蓋類型數據，該數據共包含14類地表覆蓋物（http://glcf.umd.edu/data/landcover/）。

1.3 研究方法

1.3.1 水文時間序列分析

水文現象隨時間變化的過程稱為隨機水文過程，該過程一般是連續的。為便于分析與計算，水文隨機過程通常會被離散化處理，在離散時刻對其進行觀測，得到水文時間序列。水文時間序列可能含有周期成分、非周期成分和隨機成分，一般是由兩種或兩種以上成分合成。非周期成分包括趨勢、跳躍和突變。在實際工作中，水文時間序列經常需要具有一致性，即研究的流域內氣候與下墊面因子需要相對穩定。若水文時間序列中出現趨勢、跳躍和突變等成分，則意味著相對穩定的環境受到了破壞，利用這種序列預估未來事件，可能被大大歪曲。因此，有必要通過水文時間序列中的多維水文時間序列分析來識別CFSR再分析數據中的各個成分，即分析流域內實測站點與CFSR站點處水文要素的時間序列集合。基于前人研究的結果，在CFSR再分析數據各要素中，降水要素與真實情況存在較大差異且降水對徑流的影響最為明顯[12]；考慮到降水訂正方法與VIC模型運行的時間尺度均為月尺度，因此本文僅對研究區內CFSR降水數據進行月時間序列分析。

（1）水文時間序列分析中代表站的選取

通過每一個實測站點的月降水時間序列和所有CFSR站點的月降水時間序列分析CFSR再分析月降水時間序列中的各種成分，工作量繁重且意義不大。因此，分別在實測站點與CFSR站點中選取一個站點，通過多維時間序列來分析CFSR站點的月降水變化情況。實測水文氣象站點中選取離所有CFSR站點最近的烏拉斯臺水文站點。CFSR站點中根據某一站點與其它所有CFSR站點月降水數據的相關性來選取代表站。

（2）降水時間序列的趨勢分析—滑動平均法

滑動平均法是由原始的降水時間序列xt按照一定的方法求出新的序列yt，使原序列光滑化。數學表達式為

若原始的降水時間序列xt具有趨勢成分，選擇合適的k（不宜太大），yt就能把趨勢清晰地顯示出來。本文利用5點滑動平均（k=2）對原始降水時間序列進行分析。

（3）降水時間序列跳躍成分的識別和檢驗

水文時間序列的跳躍成分識別和檢驗分為兩步，先識別突變點τ，再檢驗其跳躍成分是否顯著。

①突變點的識別與推斷—時序累積值相關曲線法

該方法令研究序列為xt，參證序列為yt。分別計算其時序累積值mj和gj，即

（3）

式中，j為1990-2000年月降水序號，以1990年1月為1，2月為2，以此類推，研究期內共132個月份序號。

點繪mj和gj的關系圖，若研究序列xt跳躍不顯著，則mj-gj為一條通過原點的直線，否則為一折線，轉折點即為突變點。

②跳躍成分顯著性檢驗—游程檢驗法

該方法假設突變點τ前后兩序列的分布函數分別為F1(x)和F2(x)，若跳躍成分顯著則拒絕原假設H0:F1(x)=F2(x)，存在跳躍成分。反之，接受原假設，兩分布函數來自同一總體。

統計量為

（5）

在給定的顯著水平下，查算得到Uα/2，若|U|＜Uα/2，則接受原假設，即突變點跳躍成分不顯著。反之，認為它們來自兩個不同的總體，具有跳躍成分。

1.3.2 CFSR降水數據的不同訂正方法

本文根據現有的兩種降水數據資料，即實測水文和氣象站點的降水數據資料以及流域內僅有的2005年遙測面雨量，通過以下3種方法對CFSR再分析降水數據進行訂正。

（1）方法一：利用實測站與其最近的CFSR站的月時間尺度降水比值對所有CFSR降水數據進行訂正。

處于流域中上游的吉林臺站和烏拉斯臺站，降水資料完整且地理位置上分別與兩個CFSR站點較為接近（如圖 1所示）。為體現出年內各個月份的降水差異[14]，并考慮研究區上所構建的為月尺度VIC模型，本文利用實測站點與CFSR站點中代表站的多年月平均降水比值對所有CFSR站點降水數據進行訂正。

（2）方法二：利用CFSR站點處2005年的年降水量與同期遙測年降水量的比值對所有CFSR降水數據進行訂正。

基于流域內2005年的面遙測降水量，通過提取對應時間范圍內21個CFSR站點位置上的年降水量，計算21個CFSR站點上的2005年遙測年降水量與對應年份CFSR年降水量的比值，將此比值視作訂正系數，并對1990-2000的CFSR降水數據進行訂正。

受到技術上的限制，無法得到時間與空間分辨率較高的歷史年份內的遙測數據。此方法的研究意義主要是考慮到今后遙測數據更為容易獲得，且更為完整，因此本文嘗試通過遙測降水數據來訂正CFSR再分析降水數據。

（3）方法三：基于實測站點降水數據和各CFSR站點與實測站點最近的CFSR站點的空間關系訂正所有CFSR降水數據。

選取流域內所有離CFSR站點較近的2個實測站點與所有CFSR站點進行月降水相關性分析[14]，選定實測站中的代表站，并將此站點的降水數據作為訂正其它CFSR站點降水數據的依據。再借助此代表站相鄰的CFSR站點與所有CFSR站點的相關性來訂正各CFSR站點上的降水數據。

1.3.3 VIC模型

VIC（Variable Infiltration Capacity）模型是由華盛頓大學、加利福尼亞大學伯克利分校及普林斯頓大學的研究人員基于SVATS（soil vegetation atmospheric transfer schemes）思想構建的大尺度分布式水文模型[15]。該模型可對水循環過程中的水量平衡進行模擬計算，得到每個網格內的水文要素，如徑流、蒸發等，再經匯流計算得到流域出口的流量過程。

本文在天山西部山區的喀什河流域構建VIC模型，模型中的土壤參數文件和植被參數文件等確定后不再改變，僅將訂正方法訂正后的降水數據與各CFSR站點本身的最高氣溫、最低氣溫與風速按照模型要求的格式制作成氣象驅動數據，并帶入模型中驅動模型，從而得到不同降水訂正方法后的徑流模擬結果。本文所建立的VIC模型將1990年定義為模型預熱期，1991-1996年定義為模型率定期，1997-2000年定義為模型驗證期，時間分辨率均為月。

1.3.4 模型評價指標

本研究以反映徑流過程擬合程度好壞的模型效率系數Ec、反映總量精度的多年徑流相對誤差Er和檢驗枯水期徑流模擬效果的LOG[16]為指標，對徑流模擬結果進行評價。其中Ec的確定性系數越大，則過程擬合越好，模擬精度越高；Er的相對誤差的絕對值越小，則模擬精度越高；LOG指標越接近0，說明枯水期徑流模擬效果越好。各指標計算式為

（7）

（8）

同時中國正在改變它的近海防御戰略，大力實施其遠海防御戰略。中國軍方聲稱，從近海防御到遠海防御戰略的轉變符合中國當前發展；中國的經濟利益發展到世界哪個地區，中國的軍隊就有必要到那個地區維護中國的利益，中國軍隊必須發展與經濟實力需要相一致的力量。為此，中國海軍需要發展遠洋作戰能力，對從波斯灣經印度洋，穿馬六甲海峽，過南海直至東海這條對中國至關重要的通道提供足夠的安全保護。就當時海軍發展趨勢而言，確保南海通道安全是首要目標，中國海軍在海南島新建的軍事基地已經具備威懾他國破壞南海通道安全的能力，但離足夠的安全保護還有一定距離。

2 結果與分析

2.1 基于CFSR再分析數據的降水序列趨勢分析

2.1.1 CFSR站點中代表站的確定

10號CFSR站點與其它各個CFSR站點月降水時間序列的相關性如表1所示。由表可見，相關系數小于0.60的有3個站點，其余17個站點均大于0.60，說明10號CFSR站點與其它CFSR站點的整體相關性較好。因此，可以選擇10號CFSR站點作為CFSR站點的代表站進行降水序列分析。

表1 10號CFSR站點與其它CFSR站點月降水序列的相關系數

2.1.2 降水時間序列趨勢分析結果

烏拉斯臺代表站和10號CFSR代表站月降水時間序列如圖2所示。由圖可以看出，烏拉斯臺站點月降水從1-25（月份序列號，下同）有下降趨勢，26-50有上升趨勢，51-96有輕微的下降趨勢，之后又有略微的上升趨勢。10號CFSR站點月降水的變化趨勢與烏拉斯臺保持了一致的下降與上升趨勢，但在51-96區間內，其降水量下降趨勢較烏拉斯臺站的更為明顯。

2.1.3 降水時間序列的跳躍成分識別和檢驗結果

（1）突變點的識別與推斷結果—時序累積值相關曲線法

由圖3可以看出，10號CFSR站點與烏拉斯臺站點月降水時序累積值曲線基本呈現為過原點的直線，但在CFSR站點月降水量為（1800，5000）的區間內，（mj，gj）與過原點的中心線偏離較遠。因此，突變點必定存在該區間內。為了準確確定該突變點的位置，利用圖 3中相鄰兩點到過原點趨勢線的垂直距離差值來確定，差值越大，轉折程度越大。由此得到第65個點（此點到中心線的數值距離為342.5）與第66個點（此點到中心線的數值距離為155.0）之間相差最大，差值為187.5，故第65（1995年5月）號點為突變點。

注：月序以1990年1月為1，2月為2，以此類推。下同

Note: The ordinal month from Jan. 1990, and 2 is Feb.1990, and so on. The same as below

（2）跳躍成分顯著性檢驗結果

根據突變點在降水時間序列中的位置（τ=65），可以得到n1=65，n2=67（n1,n2>20），根據游程個數可以得到k=65。顯著性水平在5%時，由式（5）得到，說明該突變點跳躍成分不顯著，從而認為整個降水時間序列的跳躍成分不顯著。

綜上所述，CFSR降水數據趨勢與實際情況具有一致性，在數值方面較實際情況有所偏大。因此，若要在稀缺資料地區使用該數據，要對其進行合理訂正。

2.2 不同降水訂正方法下徑流模擬結果

2.2.1 方法（一）：利用實測站與其最近的CFSR站的月時間尺度降水比值對CFSR降水數據進行訂正

（1）代表站的選擇

通過實測站點與其最接近的CFSR站點的多年月平均年降水量的對比可以看出，吉林臺站的多年月平均降水變化趨勢與離其最近的11號CFSR站點的變化趨勢一致，且相差較小（圖 4）；烏拉斯臺站點的多年月平均降水變化趨勢與離其最近的10號CFSR站點的變化趨勢較一致，但同一時間段內兩站點的降水量差距較大，4-7月尤為突出（圖 5）。另外，烏拉斯臺與其最近的10號CFSR站點分別處在背風坡和迎風坡，橫向、縱向地理位置差異較大，而吉林臺與其最近的11號CFSR站點均處在流域右岸，縱向距離相差僅27m。因此實測站點與CFSR站點的代表站分別選吉林臺與11號CFSR站點。

（2）CFSR降水訂正后的徑流模擬結果

利用吉林臺站和11號CFSR站點的多年月平均降水比值將其它CFSR的降水數據進行訂正，將訂正后的降水數據代入VIC模型并驅動模型，得到該流域內烏拉斯臺水文站處的徑流模擬過程（圖 6），模擬效果評價參數如表2所示。

由圖 6可以看出，徑流枯水期模擬值與實測值相差較小，而徑流較大時期的模擬值與實測值相差較大。在徑流模擬的率定期內，1991年的高徑流模擬值較同期實測徑流值偏小；1992-1995年的高徑流模擬值較同期實測徑流值偏大，尤其1994年模擬高徑流嚴重偏大于實測徑流。從最大徑流模擬出現時間來看，個別年份的模擬徑流最大值出現時間有些滯后，如1994年。驗證期內，最大徑流模擬值較實測徑流值明顯偏小；模擬徑流退水曲線與實測徑流退水曲線具有一致的趨勢，僅在徑流值大小上存在一定差異。

由表2可以看出，率定期內各徑流模擬效果評價指標均好于驗證期內的。模型模擬效率系數較差，率定期最高（0.54），但仍未達到0.60[8]（徑流模擬效果評價指標）。率定期內的多年徑流相對誤 差（4.7%）較理想，但驗證期的表現較差，高達38.2%。徑流枯水期的模擬效果在率定期表現較好，其對應評價指標LOG為0.15。總體來看，此降水訂正方法對應的徑流模擬效果不太理想。

分析可知，在無實測資料的流域上游，僅用各數據類型的代表站的多年月平均降水比值來訂正所有CFSR降水數據，嚴重忽略了地理高程、迎風坡和背風坡等因素對降水產生的影響。這也是導致徑流模擬效果較差的可能原因。

表2 不同降水訂正方法后VIC模型月徑流模擬效果

注：Ec為模型效率系數，Er為多年徑流相對誤差，LOG為枯水期徑流模擬效果檢驗指標。

Note: Ec is the model efficiency coefficient, Er is runoff relative error, LOG is dry season runoff simulation test index.

2.2.2 方法（二）：利用CFSR站點處2005年降水量與同期遙測年降水量的比值對CFSR降水數據進行訂正

（1）降水訂正系數的確定

根據21個CFSR站點上2005年降水量與CFSR同期降水量的比值確定CFSR降水數據的訂正系數，結果如表3所示。

（2）CFSR降水訂正后徑流模擬結果

將1990-2000的CFSR降水數據訂正后帶入VIC模型并驅動模型，得到該流域烏拉斯臺站的徑流模擬過程（圖7），模擬效果評價參數如表2所示。

從圖7可以看出，徑流枯水期的模擬效果整體好于徑流高值的模擬效果。在徑流模擬的率定期內，模擬徑流的退水曲線與實測徑流的退水曲線在趨勢與數值大小上均存在較大差異。模擬徑流高值與同期實測徑流高值的差距較方法（一）明顯縮小，但量上依然存在一定差距，如1991年的模擬徑流最大值較同期實測徑流值嚴重偏小。在驗證期內，模擬與實測徑流的退水曲線差距更大，模擬值變化趨勢與實際徑流變化趨勢存在較大差異。徑流高值的模擬值均嚴重小于同期實測徑流值，模擬效果很不理想。

表3 各CFSR站點處2005年遙測降水量與CFSR年降水量的比值

Note: APT is annual precipitation of telemetry station, APC is annual precipitation of CFSR, CCP is correction coefficient of precipitation.

根據表2可以看出，徑流模擬率定期內各參數評價指標明顯好于驗證期。模型效率系數（0.67）在率定期內表現較理想，但在驗證期內低至0.18，效果很不理想。多年徑流相對誤差在模型模擬的兩個時期均大于20.0%，驗證期更是高達49.7%，效果很差。枯水期的模擬效果評價指標（LOG）在率定期內為0.21，驗證期內為0.31，效果均不太理想。

分析可知，該降水訂正方法主要考慮到了地理條件因素對降水的影響，而在時間維度上缺考慮。僅用2005年的年降水比值來訂正1990-2000年長系列的降水數據，其訂正系數的代表性受到一定質疑。但值得肯定的是，在稀缺資料地區這種考慮到降水空間差異性的訂正方法，比僅用實測值與CFSR數據的代表站點的降水比值來訂正所有CFSR降水數據的方法更具合理性。

2.2.3 方法（三）：基于實測站點降水數據以及各CFSR站點與實測站點最近的CFSR站點的空間關系訂正所有CFSR降水

（1）代表站的選擇

將吉林臺站和烏拉斯臺站的月時間序列降水量分別與各個CFSR站點的月時間序列降水量進行相關性分析，其相關系數如表4所示。由表可以看出，CFSR站點降水數據與烏拉斯臺的相關性整體好于與吉林臺站的。在烏拉斯臺與CFSR月降水數據之間的21個相關系數中低于0.60的僅3個，其余18個相關系數均大于0.70。因此，選擇烏拉斯臺作為CFSR降水數據訂正的依據。

（2）CFSR站點的篩選

盡管研究區內CFSR站點降水量與實際降水量的整體變化趨勢存在一致性，但仍有部分站點降水量與實際情況存在較大差異，因此，需要把存在較大差異的站點剔除。以10號CFSR站月降水時間序列為依據，建立其與其它CFSR站月降水時間序列的相關關系（表 5），以相關系數大于0.6為標準，最終將相關系數低于0.60的19-21號CFSR站點剔除。

（3）CFSR降水訂正后徑流模擬結果

由訂正系數及烏拉斯臺站實測降水量得到各CFSR站點的降水數據，將此降水數據帶入VIC模型并驅動模型，得到流域內烏拉斯臺水文站處的徑流模擬過程（圖 8），模擬效果評價指標參數如表2所示。

從圖8可以看出，此方法下的徑流模擬值與實測徑流值擬合情況比前兩種方法要好，徑流變化趨勢一致。徑流最大值除個別年份（1991、1993、1997、1998年）外，在量與時間上均有較好的模擬，但枯水期的徑流模擬值普遍偏低于實測徑流值，其退水曲線擬合程度還有待進一步提高。

表4 吉林臺、烏拉斯臺站點與各CFSR站點月降水量時間序列的相關系數

表5 10號CFSR站點與其它CFSR站點月降水時間序列的相關系數

由表2可以明顯看出，徑流模擬率定期與驗證期內的模型模擬效率系數和多年徑流相對誤差有明顯改善。其中，模型效率系數在兩個時期均大于0.80，多年徑流相對誤差均小于15.0%，模擬效果理想。枯水期徑流模擬效果評價指標LOG總體上較前兩種方法下的LOG變化不大，但在徑流模擬驗證期內，此方法對應的LOG（0.18）最小。

分析可知，該降水訂正方法不僅考慮了降水在時間上的變化，還考慮到了在地理空間上的變化。其中，10號CFSR站點與其它各CFSR站點月降水序列的相關系數及CFSR站點的篩選均考慮了地理條件因素對降水的影響。

3 結論與討論

3.1 結論

本文以匱乏實測氣象數據資料的天山西部山區喀什河流域為典型研究區，通過3種不同降水數據的訂正方法對CFSR再分析降水數據進行訂正，并借助VIC模型探討訂正后的CFSR數據在天山西部山區徑流模擬中的應用。得到如下結論：

（1）對CFSR與實測站點的月降水數據的水文時間序列分析表明，CFSR月降水情況與實際降水變化情況較為一致。雖然在1995年5月存在突變點，但在5%的顯著水平下，其跳躍成分不顯著。由此說明CFSR再分析降水數據能夠較好地在時間與空間上反應喀什河流域內月降水的變化情況。

（2）基于喀什河流域實際下墊面構建的VIC模型，不同訂正方法訂正后的CFSR降水數據對模擬徑流值的影響十分明顯。

（3）基于實測站點降水數據以及各CFSR站點與實測站點最近的CFSR站點的空間關系訂正的所有CFSR降水數據在徑流模擬中表現最好。該訂正方法同時考慮了降水在時間維度和地理空間維度上的變化，能夠較好地還原無資料區域的真實降水特征，在徑流模擬效果上應用性更好。而其它兩種訂正方法分別在地理與時間方面欠考慮，其徑流模擬結果表現較差。

3.2 討論

本文方法（二）與于宴民等[8]的設計思路一致，其CFSR降水訂正系數未能充分考慮到氣候和下墊面因子對降水產生的影響。胡勝等[10]利用實測站點與其最近CFSR站點降水數據建立冪指數關系，從而訂正CFSR降水數據。該方法消除了時間上缺乏代表性的缺點，但適用性仍有局限。針對喀什河這樣嚴重稀缺資料的流域，實測降水數據與CFSR降水數據難以確定適用于整個研究區的冪指數關系。若利用流域下游的若干站點確定的冪指數關系對流域上游CFSR降水數據進行訂正，存在一定的不合理性。

從本文模擬的結果來看，基于烏拉斯臺站點降水數據及各CFSR站點與10號CFSR站點的空間關系，訂正所有CFSR降水數據的方法能夠很好地模擬徑流變化，但徑流模擬值與實測值之間仍存在一定的差異。產生此差異的原因可能來自兩個方面，一是CFSR再分析數據本身代表性不足，且訂正過后的CFSR降水數據與實際降水數據仍存在一定偏差，且難以量化；二是水文模型中個別參數與實際情況存在一定的偏差。

今后有必要利用該訂正方法進一步驗證其它類型再分析數據在此地區及其它稀缺資料地區徑流模擬中的應用效果。基于此降水訂正方法，通過比較各再分析數據對應的徑流模擬結果，一方面驗證該訂正方法的通用性，另外還可發現針對此區域或其它稀缺資料地區更為適用的再分析數據。此外，還需更多的野外實踐調查來確定相關參數的設置，以提高模擬精度。

需強調的是，遙測氣象站點的發展不僅能夠提供真實有效氣象資料，還在定量分析各種再分析數據和實際降水數據方面具有重要意義，今后有待進一步研究。

[1]鄧銘江,王世江,董新光,等.新疆水資源及可持續利用[M].北京:中國水利水電出版社,2005:1-33.

Deng M J,Wang S J,Dong X G,et al.Water resources and sustainable utilization in Xinjiang Uygur Autonomous Region[M].Beijing:China Water Power Press,2005:1-33.(in Chinese)

[2]普宗朝,張山清.近48年新疆夏半年參考作物蒸散量時空變化[J].中國農業氣象,2011,32(1):67-72.

Pu Z C,Zhang S Q.Study on spatial-temporal variation characteristic of summer half year ET0in recent 48 years in Xinjiang[J].Chinese Journal of Agrometeorology,2011,32(1):67-72.(in Chinese)

[3]王智,吳友均,梁鳳超,等.新疆地區年降水量的空間差值方法研究[J].中國農業氣象,2011,32(3):331-337.

Wang Z,Wu Y J,Liang F C,et al.Study on spatial interpolation method of annual precipitation in Xinjiang[J].Chinese Journal of Agrometeorology,2011,32(3):331-337.(in Chinese)

[4]許素芹,陳捷,宋汝剛.NCEP再分析資料引用研究[J].青島大學學報(自然科學版),2010,23(3):38-41.

Xu S Q,Chen J,Song R G.The application study of NCEP reanalysis data[J].Journal of Qingdao University(Natural Science Edition),2010,23(3):38-41.(in Chinese)

[5]向華,張峰,江靜,等.利用CFSR資料分析近30年全球云量分布及變化[J].氣象,2014,40(5):555-561.

Xiang H,Zhang F,Jiang J,et al.Analysis of global cloud amount over the past 30 years based on CFSR data[J].Meteorological Monthly,2014,40(5):555-561.(in Chinese)

[6]胡增運,倪勇勇,邵華,等.CFSR、ERA-Interim和MERRA降水資料在中亞地區的適用性[J].干旱區地理,2013,36(4):700-708.

Hu Z Y,Ni Y Y,Shao H,et al.Applicability study of CFSR,ERA-Interim and MERRA precipitation estimates in Central Asia[J].Arid Land Geography,2013,36(4):700-708.(in Chinese)

[7]范彬彬,羅格平,張弛,等.新疆夏季降水時空分布的適用性評估[J].地理研究,2013,32(9):1602-1612.

Fan B B,Luo G P,Zhang C,et al.Evaluation of summer precipitation of CFSR,ERA-Interim and MERRA analyses in Xinjiang[J].Geographical Research,2013,32(9):1602-1612.(in Chinese)

[8]于宴民,穆振俠.CFSR數據在高寒山區徑流模擬中的適用性[J].灌溉排水學報,2015,34(11):93-97.

Yu Y M,Mu Z X.Applicability of CFSR data in runoff simulation of cold highland area[J].Journal of Irrigation and Drainage,2015,34(11):93-97.(in Chinese)

[9]Milad J,Lariyah M S,Majid M,et al.Prediction of surface flow by forcing of climate forecast system reanalysis data[J].Water Resources Management,2016,30(8):2627-2640.

[10]胡勝,曹明明,邱海軍,等.CFSR氣象數據在流域水文模擬中的適用性評價:以灞河流域為例[J].地理學報,2016,71(9):1571-1586.

Hu S,Cao M M,Qiu H J,et al.Applicability evaluation of CFSR climate data for hydrologic simulation:a case study in the Bahe River Basin[J].Acta Geographica Sinica,2016,71(9):1571-1586.(in Chinese)

[11]王世江.中國新疆河湖全書[M].北京:中國水利水電出版社,2010:90-91.

Wang S J.Encyclopedia of river and lake in Xinjiang,China[M].Beijing:China Water&Power Press,2010:90-91.(in Chinese)

[12]于宴民,穆振俠.DEM分辨率對喀什河流域徑流模擬精度的影響[J].水電能源科學,2016,34(3):19-23.

Yu Y M,Mu Z X.Influence of DEM resolution on runoff simulation accuracy of Kashi River Basin[J].Water Resources and Power,2016,34(3):19-23.(in Chinese)

[13]穆振俠,姜卉芳.高寒山區降水規律及融雪徑流模擬[M].北京:中國水利水電出版社,2015:13-14.

Mu Z X,Jiang H F.The precipitation laws and snowmelt runoff simulation in high cold alpine areas[M].Beijing:China Water&Power Press,2015:13-14.(in Chinese)

[14]金君良.西部資料稀缺地區的水文模擬研究[D].南京:河海大學,2006.

Jin J L.Hydrological simulation research in data scarce areas of western China[D].Nanjing:Hohai University,2006.(in Chinese)

[15]陸桂華,吳志勇,何海.水文循環過程及定量預報[M].北京:科學出版社,2010:231-244.

Lu G H,Wu Z Y,He H.Hydrological cycle process and its quantitative forecast[M].Beijing:Science Press,2010:231-244.(in Chinese)

[16]Ajami N K,Hoshin G,Thorsten W,et al.Calibration of a semi-distributed hydrologic model for streamflow estimation along a river system[J].Journal of Hydrology,2004,3(33):112-135.

Application of CFSR Data under Different Correction Methods in Runoff Simulation in Western Tianshan Mountains

GAO Rui, MU Zhen-xia, PENG Liang, ZHOU Yu-lin, YIN Zi-yuan, TANG Rui

(College of Water Conservancy and Civil Engineering，Xinjiang Agricultural University，Urumqi 830052, China)

Kashi river basin, the west part of Tianshan Mountain, was chosen for this study. Based on the data of hydro-meteorological station from 1990 to 2000, telemetry station in 2005 and CFSR station from 1990 to 2000 and 2005, three correction methods were used to correct the precipitation of CFSR stations: the ratio between the mean monthly precipitation of Jilintai station and the mean monthly precipitation of No.11 CFSR station from 1990 to 2000 was the first method to correct the CFSR precipitation data; the ratio between the amount of telemetry precipitation and the amount of CFSR precipitation in 2005 at each CFSR station was the second method; the correlation between No.10 CFSR station and each CFSR station and the precipitation data of Wulasitai station was the third method. Then the effects of runoff simulation were analyzed based on the VIC model. After the analyzing of time series of precipitation, the features of CFSR precipitation in time scale and spatial scale are same to the features of real precipitation. The results of runoff simulation showed that, (1) different methods to correct CFSR precipitation have obviously different effects on runoff simulation. (2) Compared with other methods to correct CFSR precipitation, the way which used the correlation between No.10 CFSR station and each CFSR station and the precipitation data of Wulasitai station is the best one among other methods from the effects of runoff simulation. The efficiency coefficients of this model based on the best correction method in the calibration and verification period are both above 0.80, the relative errors of runoff are both under 15.0%. The best correction method in this study takes two factors - the change of precipitation in time scale and spatial scale - into consideration, and it has a better application in the numerical simulation of runoff than other methods, especially in scare data area.

CFSR precipitation data; Precipitation correction method; VIC model; Scarce data area

10.3969/j.issn.1000-6362.2017.06.002

2016-10-18

國家自然科學基金項目（51469034；51209181；51569031）；新疆自治區地方公派出國留學成組配套項目（XJDF201307）；新疆水文學及水資源重點學科基金項目（xjswszyzdxk20101202）

高瑞（1992-），碩士生，主要從事水文水資源研究。E-mail：grui92@163.com

高瑞,穆振俠,彭亮,等.不同訂正方法下CFSR再分析數據在天山西部山區徑流模擬中的應用[J].中國農業氣象,2017,38(6):342-352

**通訊作者。E-mail：muzhenxia@126.com