降水驅動數據改進對VIC土壤濕度模擬的影響

焦振航，舒紅，吳凱，聶磊

(武漢大學測繪遙感信息工程國家重點實驗室，湖北 武漢 430079)

降水驅動數據改進對VIC土壤濕度模擬的影響

焦振航*，舒紅，吳凱，聶磊

(武漢大學測繪遙感信息工程國家重點實驗室，湖北 武漢 430079)

降水驅動數據精度顯著影響模型模擬土壤濕度的能力。本文提出了逐日校正降水驅動數據的方法，利用澳大利亞氣象局發布的逐日降水數據改進ERA-Interim再分析資料逐6小時降水數據，用以驅動Variable Infiltration Capacity(VIC)水文模型，并與逐月校正法和直接用再分析資料驅動模型得到的結果進行對比分析。利用澳大利亞Yanco地區內13個觀測站點數據進行驗證，結果表明逐日和逐月校正方法均能提高模擬值同站點觀測值的相關系數，且逐日改進方法效果更顯著，相關系數提高了24%左右，在大部分站點逐日改進方法還能降低均方根誤差5%左右。

VIC；土壤濕度；降水改進

1 引 言

土壤濕度對陸-氣間的相互作用有重要影響，是水文、農林業發展和氣候研究中需著重關注的物理參數之一[1]。但是很難通過野外觀測獲得大面積(>106km2)的土壤濕度數據[2]。隨著陸面水文模型的發展，獲得大范圍土壤濕度的時空分布成為可能。Nijssen等利用VIC模型模擬了1980年～1993年空間分辨率為2°×2°的逐日全球土壤濕度分布，證明VIC可以較好模擬土壤濕度的年際變化和空間分布模式[3]。Andreadis等基于VIC模型模擬了空間分辨率為0.5°×0.5°的徑流和土壤濕度數據，重建了北美大陸歷史上1930年，1950年和20世紀初的干旱[4]。Wu等基于VIC模型模擬了近35年(1971年～2005年)全國范圍30 km×30 km分辨率的逐日土壤濕度，結果表明VIC模型較好地模擬了土壤濕度，尤其是在濕潤和半濕潤地區，模擬的 0 cm～100 cm的土壤含水量多年平均值與實際的全國土壤水分分布較為一致[4]。Mi等利用VIC模型和集合卡爾曼濾波算法發展了一種土壤表層濕度的數據同化方案，得到的結果比VIC模型模擬結果更接近于實際測量值[5]。Lin等利用VIC及其匯流模型模擬了2006年5月～9月全國0.5°×0.5°逐日徑流深和土壤相對濕度分布，對淮河流域2006年汛期強降水過程期間的模擬結果進行了漬澇災害的分析，結果表明VIC模型模擬的徑流深和土壤相對濕度分布是一致的，模擬的土壤濕度具有可用性[6]。

土壤濕度受到多種因素影響，其中以降水量和氣溫的影響最顯著[7]。因此提出了一種利用高測量精度低時間分辨率的澳大利亞氣象局逐日降水數據優化低測量精度高時間分辨率的ERA-Interim再分析資料逐6小時降水數據來驅動VIC模型獲得土壤濕度的方法，并探討該校正方法對VIC土壤濕度模擬精度的影響。

2 水文模型與研究區域

2.1 VIC模型

VIC模型是美國Washington大學、California大學Berkeley分校以及Princeton大學共同研制的陸面水文模型，是一個基于空間分布網格的分布式水文模型[8]。主要考慮了大氣—植被—土壤之間的物理交換過程，模擬了水熱狀態變化和水熱傳輸[9]。模型同時考慮陸—氣間水分收支和能量收支過程，同時考慮兩種產流機制(蓄滿產流和超滲產流)[10]。VIC模型已發展為具有三層土壤的VIC-3L模型，即在VIC-2L模型的頂層分出一個頂薄層(通常為 0.1 m)。模型采用Richards方程來描述垂直方向一維土壤水分運動，采用Darcy定律來模擬土壤各層間的水汽通量[12～17]。模型假設水只能通過大氣作用進入網格，網格間的非通道流動被忽略，且網格內的地表和地下徑流被認為遠大于網格間的水流，一旦水分進入河流網，就不能再回到土壤中。

2016年發布的5.0.0版本重構并簡化了代碼來支持多種類型數據驅動模型運行的程序，徑流和陸地表面模擬用各自的模型分開執行，其中的傳統驅動模式允許VIC逐格網獨立的模擬，分別考慮每個計算網格內多種植被覆蓋類型及土壤特性對土壤濕度的影響，但需要時間分辨率高于一天的數據來驅動模型。

2.2 研究區域

澳大利亞Murrumbidgee流域位于澳大利亞東南部，流域面積 84 000 km2。其中的Yanco地區的范圍為-34.5°S～-35.5°S，145.5°E～146.5°E，面積 3 600 km2。考慮土壤濕度具有空間異質性，應采用較高空間分辨率的網格和大氣驅動數據進行模擬，將實驗區分成19行19列共361個獨立網格，每個網格的大小均為0.05°×0.05°，實驗區如圖1所示，外圍實線表示Murrumbidgee流域，正方形實線表示實驗區網格，黑點表示13個觀測站點，編號如圖1所示。

圖1實驗研究區

3 實驗設計

3.1 數據

VIC運行需要5個文件：氣象驅動數據文件、土壤參數文件、植被(所有類型)參數庫文件、植被參數(每種類型占比)文件和全局控制文件[18]。

氣象驅動數據采用2009年9月1日～2011年10月1日的歐洲中期天氣預報中心ECMWF的ERA-Interim再分析數據，包括日平均氣溫、降水、大氣壓、入射短波輻射、入射長波輻射、水汽壓和風速7個驅動變量，空間分辨率為0.125°×0.125°，采用最鄰近插值法加密數據到空間分辨率0.05°×0.05°，時間分辨率為6小時。用于優化的降水數據來自澳大利亞氣象局BOM(Bureau of Meteorology)，空間分辨率為0.05°×0.05°，時間分辨率為1天。

土壤參數文件用來描述土壤的空間異質性，具體為NOAA(National Oceanic and Atmospheric Administration)管理局提供的全球5′土壤質地分類數據[12]。文件中包含每個格網的主要土壤類型和平均高程等參數，其中某些參數需要率定以適應研究區域。

植被參數庫文件來自VIC官網自帶的示例文件，儲存每種土地覆蓋類型的參數，包括LAI，結構阻抗，零平面位移等。植被參數文件用來表示各個網格內包含的多個植被類型、各類植被所占比例及葉面積指數等信息。依據馬里蘭大學發布的 1 km全球植被分布數據得到，其將陸面覆蓋類型分為14類[13]。

全局控制文件負責控制模型運行，選擇以何種方式運行模型，說明驅動數據時間步長、模擬起止時間和各參數文件的路徑等信息。

站點觀測資料來自Murrumbidgee流域官網2005年至今的時間分辨率為 20 min四層深度的土壤濕度觀測值，評價模擬結果時采用頂層(0 cm～5 cm)測量值與模型第一層(0 cm～10 cm)模擬值進行對比，兩者的觀測/模擬深度并不一致，但是由于表層(0 cm～10 cm)的土壤濕度通常有密切的關系[19～20]，所以實驗中將不同的觀測/模擬深度視為同一深度。

3.2 參數率定

水文模型參數是水文模型的重要組成部分，參數率定是水文模型實際應用的關鍵[21]。采用均勻設計法率定6個參數：第二、三層土壤厚度d2、d3(m)、最大基流流速Dm(m3/s)、非線性基流流速Ds(m3/s)、蓄水量曲線指數B、非線性基流時土壤的含水量Ws。采用均勻設計實驗方案能明顯減少模型參數率定次數和時間，模擬精度可以滿足大多數應用需要。

采用確定性系數(Nash-Sutcliffe效率系數，NSE)來評價率定結果，NSE越接近1代表率定結果越好。確定性系數計算方法如下式。

(1)

研究區域參數率定結果 表1

3.3 方法

設計三組實驗，第一組的降水驅動數據直接采用ERA-Interim再分析資料的逐6 h降水數據。第二組的降水驅動數據采用經過澳大利亞氣象局逐日降水數據優化后的ERA-Interim再分析資料的逐6小時降水數據。因為澳大利亞氣象局的逐日降水數據精度高，但是時間分辨率是1天，而VIC模型驅動數據要求時間分辨率高于1天，因此利用同一天的ERA-Interim再分析資料的降水數據和澳大利亞氣象局逐日降水數據計算出比例系數，用于優化ERA-Interim再分析數據，優化公式如下。

(2)

(3)

4 實驗結果

采用13個觀測站的實測土壤含水量資料來驗證三組實驗模擬的土壤含水量。實驗模擬結果驗證的定量化分析，采用均方根誤差(Root mean square error，RMSE)和相關系數(Correlation coefficient，R)兩個評價指標。RMSE和R的計算公式如下：

(4)

(5)

其中，ymi為第i個時間的模型模擬值，yoi為第i個時間的驗證站點觀測值；Ym為模擬值組成的向量，Yo為觀測值組成的向量。

圖2 Y7驗證站點觀測和三組實驗模擬結果的對比

圖2給出了Y7站點的驗證站點觀測值和三組實驗模擬值的土壤濕度，圖中虛線代表站點觀測的時間稀疏性(時間不連續性)。對比可以看出，實驗二和實驗三都能較好地模擬土壤濕度的變化趨勢，且實驗二比實驗三更好些，這一點在2010年10月1日～2010年11月1日三組實驗對比和2011年9月1日到2011年10月1日三組實驗結果對比中更加明顯。直接用ERA-Interim再分析數據驅動的實驗一雖然數值上較接近站點觀測，但在2010年7月1日至2010年9月1日與站點觀測呈相反的變化趨勢，可能原因是ERA-Interim再分析資料不準確。

圖3給出了13個站點位置的實驗模擬值相對站點觀測值的RMSE和R的變化情況。

圖3 在13個站點位置的三組實驗模擬值相對站點觀測值的RMSE和R比較

從圖3(a)可以看出逐日改進的實驗二模擬得到的土壤濕度跟站點觀測得到的土壤濕度最接近，相對于逐月改進降水數據驅動VIC模擬的土壤濕度和直接用ERA-Interim再分析資料降水數據驅動VIC模擬的土壤濕度，逐日改進降水數據驅動VIC模擬的土壤濕度呈現RMSE最小，直接用ERA-Interim數據驅動的實驗一模擬值的RMSE次之，但總體來看實驗一和實驗二的模擬值相差不大，而逐月改進的實驗三的RMSE最大。從圖3(b)可以看出實驗二模擬值跟站點觀測值的相關系數是最高的，說明逐日改進對土壤濕度的趨勢模擬有很大幫助，相關系數提高24%左右。實驗三模擬值在10個站點中相對實驗一模擬值有一定改進，在其余站點則無改進或改進不明顯。概言之，利用澳大利亞氣象局逐日降水數據改進ERA-Interim再分析資料的逐6小時降水數據來驅動VIC模型可以提高模型模擬土壤濕度的精度。

5 結 語

陸面模型獲取大面積連續時間的土壤水分是土壤濕度產品生產的基本方法，降水數據是影響模型模擬土壤濕度精度的關鍵因素之一。本文提出了逐日改進降水數據的方法，利用澳大利亞氣象局發布的逐日降水數據優化ERA-Interim再分析資料的逐6小時降水數據，用以驅動VIC模型模擬土壤濕度，將實驗結果和站點觀測數據做對比分析，結果表明逐日優化能顯著提高模型模擬值和站點觀測值的相關系數和模擬精度。逐月改進也能提高模型模擬值和站點觀測值的相關系數，但是降低了模型模擬的精度。綜上，逐日改進方法更適用于模擬土壤濕度和研究長時間序列變化。

三組實驗的模型模擬值相對站點觀測值均偏大，這可能跟參數率定有一定關系。本文只是為了驗證兩種改進方法的可行性。實際應用中，可考慮更精確的方法來率定模型參數，進一步提高模型模擬值的精度。

[1] 賴欣，文軍，岑思弦等. CLM4.0模式對中國區域土壤濕度的數值模擬及評估研究[J]. 大氣科學，2014，38(3)：499～512.

[2] 吳志勇，陸桂華，張建云等. 基于VIC模型的逐日土壤含水量模擬[J]. 地理科學，2007，27(3)：359～364.

[3] Nijssen B，Schnur R，Lettenmaier D P. Global Retrospective Estimation of Soil Moisture Using the Variable Infiltration Capacity Land Surface Model，1980-93. [J]. Journal of Climate，2001，14(8)：1790～1808.

[4] Andreadis K M，Clark E A，Wood A W，et al. Twentieth-Century Drought in the Conterminous United States[J]. Journal of Hydrometeorology，2005，6(6)：985～1001.

[5] 米素娟，唐家奎，張顯峰等. 基于VIC模型與集合卡爾曼濾波的土壤水分同化研究[J]. 地理與地理信息科學，2013，29(1)：91～95.

[6] 林建，謝正輝，陳鋒等. 2006年汛期VIC水文模型模擬結果分析[J]. 氣象，2008，34(3)：69～77.

[7] 王丹，南瑞，韓俊杰等. 黑龍江省土壤濕度及其對氣溫和降水的敏感性分析[J]. 氣象與環境學報，2012，28(2)：49～53.

[8] Xu L，Wood E F，Lettenmaier D P. Surface soil moisture parameterization of the VIC-2L model： Evaluation and modification[J]. Global & Planetary Change，1996，13(1)：195～206.

[9] 謝正輝，劉謙，袁飛等. 基于全國50km×50km網格的大尺度陸面水文模型框架[J]. 水利學報，2004(5)：76～82.

[10] Liang X，Xie Z. A new surface runoff parameterization with subgrid-scale soil heterogeneity for land surface models[J]. Advances in Water Resources，2001，24(9-10)：1173～1193.

[11] Lievens H，Tomer S K，Bitar A A，et al. SMOS soil moisture assimilation for improved hydrologic simulation in the Murray Darling Basin，Australia[J]. Remote Sensing of Environment，2015，168：146～162.

[12] 山紅翠，袁飛，盛東等. VIC模型在西江流域徑流模擬中的應用[J]. 中國農村水利水電，2016(4)：43～45.

[13] 張利平，陳小鳳，張曉琳等. VIC模型與SWAT模型在中小流域徑流模擬中的對比研究[J]. 長江流域資源與環境，2009，18(8)：745～752.

[14] Wood E F，Lettenmaier D P，Zartarian V G. A Land Surface Hydrology Parameterization with Sub-Grid Variability for General Circulation Models[J]. Journal of Geophysical Research Atmospheres，1992，97(D3)：2717～2728.

[15] Liang X，Lettenmaier D P，Wood E F. One-dimensional statistical dynamic representation of subgrid spatial variability of precipitation in the two-layer variable infiltration capacity model[J]. Journal of Geophysical Research Atmospheres，1996，101(D16)：21403～21422.

[16] Xu L，Wood E F，Lettenmaier D P. Surface soil moisture parameterization of the VIC-2L model： Evaluation and modification[J]. Global & Planetary Change，1996，13(1)：195～206.

[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] 劉謙. VIC大尺度陸面水文模型在中國區域的應用[D]. 長沙：湖南大學，2004.

[19] Jensen J B，H?yer S，Jensen M E. Soil moisture estimation through ASCAT and AMSR-E sensors： An intercomparison and validation study across Europe[J]. Remote Sensing of Environment，2011，115(12)：3390～3408.

[20] Albergel C，Rüdiger C，Pellarin T，et al. From near-surface to root-zone soil moisture using an exponential filter： an assessment of the method based on in-situ observations and model simulations[J]. Hydrology & Earth System Sciences，2008，12(6)：1323～1337.

[21] 朱悅璐，暢建霞. 基于均勻設計法的VIC模型參數率定[J]. 西北農林科技大學學報·自然科學版，2015，43(12)：217～224.

The Rainfall Calibration Methods’ Impact on VIC Soil Moisture Simulation

Jiao Zhenhang，Shu Hong，Wu Kai，Nie Lei

(State Key Laboratory of Information Engineering in Surveying，Mapping and Remote Sensing，WuHan 430079，China)

The capability of hydrology model in soil moisture simulation is mainly influenced by rainfall data’s precision. A new method to calibrate rainfall forcing data on daily time scale was proposed. The method was used to calibrate 6 hourly ERA-Interim reanalysis rainfall data with daily rainfall data from Bureau of Meteorology Australia. The calibrated data was used as Variable Infiltration Capacity(VIC) model atmospheric forcing data，compared with the method that calibrated on monthly time scale and another method that used ERA-Interim reanalysis data to force the model directly. In situ soil moisture measurements from 13 sites in Yanco area were used to validate the results. Both daily and monthly calibration can improve the correlation coefficient between VIC simulations and in situ observations，and daily calibration is better as it improved the correlation coefficient about 24%. Daily calibration can also reduce RMSE about 5% in most sites.

VIC；soil moisture；rainfall calibration

1672-8262(2017)04-37-05

P208，TP75

A

2017—05—31

焦振航(1993—)，男，碩士研究生，主要從事遙感數據同化方面的研究。

舒紅(1970—)，男，博士，教授(博導)，主要從事時空統計和遙感數據同化研究。

中央高?；究蒲袠I務費專項資金科研項目(2042016kf0176)；武漢大學自主科研項目(2042016kf1035)。