TRMM在海河流域南系的降水估算精度評價及其對SWAT模型的適用性

譚麗麗，黃 峰，喬學瑾，劉海鵬，李春強，李保國※

（1.中國農業大學土地科學與技術學院，農業農村部華北耕地保育重點實驗室，自然資源部農用地質量與監控重點實驗室，北京100193；2.河北省氣象科學研究所，石家莊050021）

0 引 言

基于衛星遙感的降水產品以其覆蓋范圍廣、時效性強的優勢能夠彌補地面站點監測的不足，可為降水數據匱乏的地區提供補充監測[1]。目前，已開發和廣泛應用的衛星遙感降水產品包括TRMM（Tropical Rainfall Measurement Mission）[2]、 CMORPH （Climate Predication Centre Morphing Technique）[3]、 GSMaP （Global Satellite Mapping of Precipitation）[4-5]、GPM （Global Precipitation Measurement）[6]等。由美國NASA（National Aeronautics and SpaceAdministration） 和 日 本 JAXA （Japan Aerospace Exploration Agency） 聯合啟動的TRMM是目前國際上應用較為廣泛的衛星降水產品[7-8]。其中，基于3B42算法的降水產品已覆蓋全球50°N～50°S的地區。其最新版本3B42V7是通過與地面降水站點進行調整的后實時（延遲2個月）降水產品[9]，它的優勢在于使用了更為密集的地面雨量站網絡對原始數據進行調整[10]。

近年來，3B42V7降水產品在全球范圍內得到了廣泛的精度驗證和應用[11-12]，為雨量站匱乏區域的水文分析和流域水資源管理[13]提供較為可靠的數據源。Zulkafli等[14]在亞馬遜河流域將TRMM 3B42V6和3B42V7進行對比，結果表明，與263個雨量站降水數據相比，3B42V7估算的偏差較小且能改善降水的分布。Zambrano-Bigiarini等[15]評估了7種衛星降水產品（包括TMPA 3B42V7）在智利復雜地形和多樣氣候梯度條件下的適用性，研究結果顯示3B42V7在氣象研究和水資源評估方面具有很大潛力。杜軍凱等[16]應用3B42V7降水產品研究了太行山區降水空間分布格局。王兆禮等[17]利用3B42V7降水產品評估了中國大陸的干旱狀況。與其他遙感產品相比，3B42V7雖然已經表現出較高的估算精度[18]，但仍存在偏差，地理環境的復雜性、對傳感器的校準、算法等均是造成偏差的來源[9]。因此，有必要在使用3B42V7之前對其進行降水估算精度的評估。

SWAT（Soil and Water Assessment Tool） 模型是流域尺度水文模型，它能夠模擬水質、地表徑流、產沙量、作物生長等過程，并且可以模擬土地利用變化、農業管理實踐和氣候變化對上述過程的影響[19]。Awoke等[20]利用SWAT模型模擬了土地利用變化和氣候變化情景下，Raccoon河流域水量和水質的變化以及對作物產量的影響。Omer等[21]利用SWAT模型研究了氣候變化和人類活動對滹沱河流域河流徑流的影響。Tao等[22]利用SWAT模型研究了不同土地利用變化情景下撫河流域水文過程的變化情況。在海河流域SWAT模型也有應用研究，Sun等[23]建立了海河流域SWAT模型，評估了海河流域地表水資源量和蒸散量。

海河流域南系是海河流域水資源開發利用程度最高的區域，過度開采地表水和地下水引發了一系列的生態環境問題，水資源安全受到嚴重威脅[24]。尤其是雄安新區的建立，對海河流域水資源量提出了更高的要求。水文模型為區域合理開發利用水資源提供了有利的支撐工具，而降水作為水文建模必不可缺且至關重要的輸入項，是需要首要考慮的重要因子。然而，降水監測站點分布的不均一性和時間序列的不完整性限制了流域水文模擬的應用范圍。因此，基于TRMM反演的降水資料對于區域水資源管理具有重要意義。本文將在不同時空尺度上評價3B42V7在海河流域南系估算降水的精度，并驗證其在水文模型SWAT中的適用性。

1 數據與方法

1.1 研究區概況

海河流域南系（圖1）主要包括大清河水系、子牙河水系、漳衛河水系、黑龍港及運東平原[25]，本研究區涵蓋大清河水系和子牙河水系。研究區（112°10′16″E～117°47′47″E，36°16′24″N～40°5′15″N）東臨渤海，西倚太行，總面積91 767 km2，其中包括河北省中部和南部的大部分區域、山西省東部的部分區域，以及北京和天津部分區域。研究區內主要分為山地和平原2種地貌類型，包括大清河山區、大清河平原、子牙河山區、子牙河平原[25]。山區屬于太行山脈，是流域內重要的水源涵養區和生態屏障[26]，但氣候干旱與水資源匱乏導致其涵養水源的能力日趨下降；平原區是中國重要的糧食生產和產業基地，主要以冬小麥和夏玉米輪作為主，其周年耗水量為800～1 000 mm，而該區多年平均降水量僅為523 mm[27]，遠不能滿足作物正常生長的需求。因此，在該流域進行衛星降水產品的精度評價和適用性分析對日后流域水資源和農業管理決策的制定，以及流域生態安全意義重大。

1.2 數據來源

為從多方面驗證3B42V7降水產品在海河流域南系的估算精度和適用性，選擇地面雨量站數據、氣象站降水數據、水文站流量數據對其進行分析評價。

1.2.1 地面降水數據

28個氣象站日降水數據（2007—2016年）來自河北省氣象局和中國氣象局網站（http://data.cma.cn/），101個雨量站日降水數據（2010—2016年）來自《中華人民共和國水文年鑒》[28-29]。站點分布詳見圖1。月和年降水量由日降水量累加得到。

1.2.2 TRMM數據產品

TRMM于1997年11月底開始提供數據，至2015年4月停止服務，但其數據產品仍在更新中[30-31]。3B42V7是TRMM的最新版本，空間分辨率為0.25°×0.25°，時間分辨率為3 h，它結合了TRMM降水雷達（TRMM precipitation radar， TPR） 、 被 動 微 波 （passive microwave，PMW）、紅外（infrared，IR）以及地面觀測多種手段進行降水估計。本研究使用的3B42V7日降水產品來源于亞太數據研究中心APDRC（http://apdrc.soest.hawaii.edu/）。提取28個氣象站和101個雨量站所在網格的3B42V7日降水量作為本研究的TRMM數據源。

圖1 海河流域南系Fig.1 Map of southern Haihe River Basin

1.3 評價方法

利用皮爾遜相關系數（correlation coefficient，CC）、相對偏差（relative bias ratio，Rbias）、平均誤差（mean error，ME） 和 均 方 根 誤 差 （root mean square error，RMSE）定量評估3B42V7降水產品的精度。利用決定系數（R2）和納什效率系數（Nash-Sutcliffe coefficient of efficiency，NSE）定量評價不同類型降水對SWAT模擬徑流的反饋。

1.4 水文模型建模

SWAT模型建模所需的土地利用數據和土壤數據（圖2）分別來自中國科學院資源環境科學數據中心（http://www.resdc.cn/） 和 HWSD （http://www.fao.org/land-water/databases-and-software/）。建模過程中考慮了農業管理措施（灌溉、施肥）和水庫。

利用紫荊關站、中唐梅站、阜平站、界河鋪站、地都站和泉口站2010—2016年月平均流量[28-29]對已建立的SWAT模型進行校準和驗證。

設置2種情景評價3B42V7降水數據在水文模型SWAT中的適用性。情景I：利用雨量站日降水數據（2010—2014年）和雨量站對應的3B42V7網格日降水數據（2015—2016年）驅動模型；情景Ⅱ：利用氣象站日降水數據（2010—2016年）驅動模型。2種情景均設置1 a預熱期，利用SUFI-2算法在月尺度上對已建立的模型進行校準和驗證，校準期為2011—2014年，驗證期為2015—2016年。以NSE為目標函數來評價模型模擬流量的效果，同時用p-factor和r-factor評價已經建立模型的不確定性[32]。一般地，當NSE＞0.5，p-factor＞0.7，rfactor＜1.5，認為可以滿足水文模擬的需求[33]。

圖2 海河流域南系土地利用類型和土壤類型Fig.2 Land use type and soil type map of Southern Haihe River Basin

2 結果與分析

2.1 3B42V7降水產品精度驗證

基于站點、流域和分區3種空間尺度，從日、月、年、季節4個時間尺度對3B42V7降水產品在海河流域南系的估算精度進行分析評價。

2.1.1 站點尺度

為驗證3B42V7降水數據的精度，利用28個氣象站月降水數據，即每個站點120對樣本，計算得到RMSE和ME，如表1所示。絕大多數站點的CC在0.99，相關性極強，只有少數站點（平定、新樂、深澤、辛集、天津）CC低于0.99，但也超過0.95。3B42V7在邢臺站和易縣站估算降水偏差較小，RMSE分別為3.22和3.47 mm，其余站點也均小于15 mm。此外，絕大多數站點的月降水ME均大于0，但小于8.5 mm，個別站點的月降水ME不到1 mm，這表明在本研究區內3B42V7對降水量存在一定的高估?？傮w來說，3B42V7在月尺度上估算精度較高。

進一步利用101個雨量站降水數據，以Rbias為評價指標，分別在年（每個站點7對樣本）、月（每個站點84對樣本）、季節（每個站點各季節21對樣本）以及冬小麥生長季（每個站點56對樣本）和夏玉米生長季（每個站點28對樣本）5個時間尺度對3B42V7降水產品的精度進行驗證，驗證標準采用Rbias為-20%～20%為可接受。圖3是101個雨量站降水及其對應的3B42V7網格降水在不同時間尺度上的Rbias。年尺度上（圖3a），Rbias在-20%～20%之間站點約占全部站點的84%。月尺度上（圖3b～圖3m），Rbias在-20%～20%的站點平均占52%，其中5－10月均在50%以上，6、7月這2個月占比最高，均超過70%。在季節尺度上（圖3n～圖3q），春季、夏季、秋季、冬季分別有約60%、81%、69%和36%的站點Rbias在-20%～20%之間。在冬小麥和夏玉米生育期內（圖3r～圖3s），Rbias在-20%～20%內的站點分別占64%和79%。在不同時間尺度上，3B42V7降水產品均有對降水的高估和低估，但絕大多數站點的Rbias在可接受范圍內，估算精度較好。

表1 3B42V7降水產品在月尺度精度評價結果Table 1 Precision evaluation of monthly 3B42V7 rainfall data

圖3 站點尺度不同時間雨量站與3B42V7產品降水量相對偏差Fig.3 Relative bias(Rbias)between rainfall from 3B42V7 and that from rain gauges at different time scale based on station scale

和雨量站的比較分析發現，6月和7月降水相對偏差在-20%～20%之間的站點占70%以上，夏季和夏玉米生育期內分別有81%和79%的站點相對偏差在-20%～20%之間。這表明在濕潤季節3B42V7降水估算精度較高，這與Darand等[34]的研究結果相一致。

2.1.2 流域尺度

通過匯總和分析氣象站降水數據，在流域尺度對3B42V7日降水精度進行評估。圖4是不同季節氣象站日降水和3B42V7估算的日降水。3B42V7降水產品能夠較好地估算降水的季節變化趨勢，很好地再現了研究區在典型溫帶季風氣候條件下降水時間分配不均衡的特點。流域內春、夏、秋、冬日降水CC分別為0.38、0.41、0.42、0.59，這表明3B42V7對于估算日降水能力還有待提高。

綜合站點和流域尺度的評價結果，3B42V7估算月降水與地面實測降水CC高達0.95以上，而在日降水估算上欠佳，CC不到0.6，這與國內外多數研究相一致。Xu等[35]研究結果表明，3B42V7降水產品估算月尺度降水相關系數超過0.90，但在日降水估算上相關系數僅為0.69。Conti等[36]在文中也提到，隨著時間尺度的增加，TRMM降水數據與實測降水數據之間的相關性會顯著增強。

圖4 2007—2016年日尺度氣象站和3B42V7降水量Fig.4 Daily rainfall from meteorological station and 3B42V7 from 2007 to 2016

2.1.3 分區尺度

根據海河流域水利委員會劃分的水資源三級分區[25]，從大清河山區（DQHM）、大清河平原（DQHP）、子牙河山區（ZYHM）、子牙河平原（ZYHP）4個區域尺度，利用雨量站降水數據進一步評價3B42V7降水產品的估算精度。圖5為2010—2016年各區域不同降水強度等級發生的概率，揭示了日降水空間分布情況。依據國家標準《降水量等級》（GB/T 28592-2012）劃分為7個降水等級（見圖5）。3B42V7能夠很好地捕捉到不同等級降水強度，微量降雨在4個區發生概率最高（超過70%），其次是小雨（超過10%），第三是中雨（超過3%）。3B42V7低估了4個分區中的微量降雨，這可能是由于衛星采樣時間短，未能捕捉到短時內發生的微量降雨所致，而小雨和中雨上均存在高估現象。此外，大雨在山區出現了低估的現象，而在平原則高估，這可能與地形和海拔高度等因素有關。雖然暴雨及其以上級別的降雨概率不足0.5%，但卻對全年降水貢獻率最高[37]。

圖5 4個分區不同降水強度等級發生概率Fig.5 Probability of rainfall occurrence with different rainfall intensity levels in 4 zones

分區月和年降水柱狀圖顯示（圖6和圖7），3B42V7降水產品能較好地估算降水量在逐月和年際間的變化趨勢。其中，DQHP在2012年降水量超過650 mm，主要是由于2012年7月21日，北京發生了特大暴雨[38]，位于DQHP的某站記錄7月降水量達549.4 mm，而該站恰位于北京市房山區境內。此外，受華北地區7月中下旬極端強降水事件[39]的影響，DQHP、ZYHM和ZYHP在2016年降水偏高。在這次降水過程中，大暴雨主要集中在河北中南部和山西東部，而最強降水中心則位于ZYHM內，即河北西南部太行山東麓迎風坡[39]。各區年降水Rbias分別為2.64% （DQHM）、9.59% （DQHP）、7.72%（ZYHM）、20.32%（ZYHP），表明4個分區均出現了不同程度的高估，尤其在平原區有較大程度的高估。

圖6 4個分區雨量站與3B42V7逐月降水量比較Fig.6 Comparison of monthly rainfall from rain stations and 3B42V7 in 4 zones

在分區尺度上，3B42V7對月和年降水的估算精度較高，但在各分區出現不同程度的高估現象，尤其在平原區高估程度較為明顯，這與Xu等[35]在黃淮海平原的研究結果一致。另外，3B42V7較好地捕捉到了研究區內極端降水的時空分布，在月和年尺度上對極端降水事件的捕捉能力較強，這與Fang等[40]有相似的結論。

圖7 4個分區雨量站與3B42V7年降水量比較Fig.7 Comparison of annual rainfall from rain stations and 3B42V7 in 4 zones

2.2 水文模擬

在模型校驗之前，以月平均流量為目標變量，利用SUFI-2進行參數敏感性分析，表2是各水文站在不同情境下的敏感性參數及其校準后的最佳值。校準和驗證結果顯示（表3），除界河鋪站NSE為負以外，其余站點校驗效果均較好。情景Ⅰ中，校準期R2在0.68～0.87之間，NSE在0.47～0.79之間；驗證期R2在0.56～0.96之間，NSE在-11.09～0.94之間。情景Ⅱ中，校準期R2在0.36～0.84之間，NSE在-1.34～0.81之間；驗證期R2在0.83～1之間，NSE在-10.19～1之間。2種情景下的校驗結果均在可接受范圍內，其中由雨量站降水和3B42V7降水聯合驅動的模型模擬效果較好，表明3B42V7降水可以代替地面站降水進行水文模擬。

圖8進一步比較了2種情景在各自最優參數下逐月流量模擬值與觀測值。在不同類型降水的驅動下，各站點均表現出對流量不同程度的高估或低估現象。具體表現為對低流量的高估，以及對流量峰值的低估。情景Ⅰ下的SWAT模型模擬效果較好。此外，由3B42V7降水產品參與的模型在驗證期能夠較好地捕捉到流量，尤其在峰流位置上。

在SWAT模型的適用性分析中，各水文站的校驗結果顯示，只有界河鋪的校驗結果欠佳，可能是由于模型未考慮界河鋪以上盆地的農業管理措施和水庫。情景Ⅰ的校驗結果較好，間接地說明了降水站點密度對水文建模具有一定影響[41]。從p-factor和r-factor來看，界河鋪站、泉口站和地都站表現出較大的不確定性，這種模型的不確定性可能來源于多方面，如輸入數據的不確定性，參數的不確定性等[33]。此外，在不同情景的水文模擬中，各水文站校驗結果都是在各自最優參數下進行的，因此，不可否認參數對模擬結果的補償效應[37]。

表22 種情景下SWAT敏感性參數及最佳值Table 2 Sensitivity parameters and optimal values of SWAT model in two scenarios

表32 種情景下SWAT模型校準和驗證結果評價Table 3 Evaluation of SWAT model calibration and validation results in two scenarios

圖8 2種情景下水文站月流量觀測值和SWAT模擬值動態變化Fig.8 Dynamics of monthly observed discharge from hydrological stations and simulated discharge by SWAT model under two scenarios

3 結 論

本文利用28個氣象站降水數據和101個雨量站降水數據評估了TRMM 3B42V7降水產品在海河流域南系的精度以及在SWAT模型中的適用性。結果表明，在月尺度估算效果很好，相關系數＞0.95，均方根誤差＜15 mm，但在日尺度上估算效果較差，相關系數＜0.6。在夏季和夏玉米生育期分別有81%和79%的站點相對偏差在-20%～20%之間，表明3B42V7在濕潤季節的估算效果更好。此外，3B42V7能較好地捕捉到各級降水強度。在分區尺度的研究中，均出現對年降水高估現象，尤其在平原區高估較為明顯。另外，3B42V7對極端降水事件的捕捉能力較強。SWAT模擬表明，利用雨量站降水聯合3B42V7降水驅動模型（情景I）時，驗證期R2在0.56～0.96之間，NSE在-11.09～0.94之間，流量模擬值與觀測值吻合程度較高。

綜上，3B42V7降水產品在月和年尺度的估算精度能夠代表流域總體的降水情況，但在日尺度上估算欠佳，是今后需要改進之處。運用該產品以月尺度運行水文模型模擬效果較好。因此，通過精度驗證后的該產品可為無降水、少降水站點或缺失降水資料的區域提供較為可靠的數據來源，為擴大水文模擬的時間和空間尺度提供了可能，進而可為流域水資源管理和生態安全研究提供數據支撐。