TRMM數據驅動下雅礱江流域徑流預報研究

張 顧，王加虎，羅曉春，鮑 婧，張 敏，楊茜茜

(1.江蘇省氣象服務中心，南京 210008； 2.河海大學水文水資源學院，南京 210098)

0 引 言

雅礱江是長江上游金沙江的最大支流，流域水量豐沛，年徑流量達610 億m3，水能資源豐富，技術可開發量約3 466 萬kW。流域水利工程規劃建設、水庫調度及防汛抗旱均需要徑流預報的支撐，學者[1,2]針對雅礱江流域徑流預報已進行眾多研究，為了解流域水文循環及徑流特性提供重要參考，但目前流域水文站點稀少、水文資料難以獲取，且研究主要集中在月、旬等大尺度上，日等小尺度徑流預報研究較少，因此需要對水文模型選取、降水資料補充或替代進行全面深入的研究。

分布式水文模型能夠客觀真實地考慮降水和下墊面異質性，廣泛應用在缺資料地區徑流預報研究。Ali Fares[3]基于HL-RDHM模型進行Hanalei流域徑流預報，模型考慮地形起伏、降水分布不均，預報結果較好；劉志雨[4]構建TOPKAPI模型、于澎濤[5]構建GSH模型、雷曉輝[6]構建Easy DHM模型，在屯溪、長江、漢江流域的徑流模擬結果均表明模型預報能力良好。實際應用時需考慮流域特征和資料情況，建立適用于雅礱江的分布式水文模型。

降水資料來源分為地面雨量站、地面雷達和衛星遙感。雅礱江流域水文站點稀疏，降水資料獲取困難；地物雜波阻擋嚴重，雷達降水資料誤差大；衛星遙感探測范圍廣且不受地物影響，其中主動式微波遙感衛星TRMM獲取的降水數據精度較高、范圍較廣，應用最為廣泛。學者[7-9]已在眾多區域評價TRMM數據適用性，分析其作為實測降水數據補充或替代進行水文研究的可行性，TRMM數據驅動水文模型進行徑流模擬也成為研究熱點[10,11]。

針對當前研究存在的不足，基于雅礱江流域特征和已有資料，本文選取改進的SCS產流模型、概念性源匯匯流模型，構建基于DEM柵格的分布式水文模型，提出基于空間分布的T-G融合方法用以修正TRMM數據，并以TRMM修正數據驅動水文模型進行徑流模擬，為雅礱江流域徑流預報工作提供參考。

1 研究區概況

雅礱江流域位于四川西部，青藏高原東側，流域面積13.6 萬km2，干流狹長，支流眾多，地勢自西北向東南漸趨平緩，平均比降0.232%。流域干濕季明顯，暴雨一般出現在夏季，呈連續性、大范圍、高強度的特點；流域洪水主要由暴雨形成，呈洪峰不高、洪量較大、歷時較長的特點；流域徑流補給包括降雨、地下水和積雪融水，全年徑流量豐沛穩定，空間異質性明顯。本文選取雅礱江流域下游瀘沽水文站為出口斷面，瀘沽站位于四川冕寧縣瀘沽鎮，站碼60303050，經緯度102.18°E，28.30°N，是安寧河上游控制站點。基于Arcgis提取瀘沽站以上控制流域(以下簡稱瀘沽流域)為研究區域(圖1)，面積約2 090 km2。

圖1 瀘沽站以上控制流域Fig.1 Basin of Hugu hydrological station

2 水文模型構建

考慮雅礱江流域實測資料缺乏、下墊面異質性，本文構建基于DEM柵格的分布式水文模型[12]，如圖2，具體地，以瀘沽流域為研究區域，首先基于DEM數據進行柵格劃分，柵格處理降水資料；然后基于DEM和下墊面數據提取流域特征信息；最后以柵格作為最小運算單元進行產匯流計算，其中產流計算選取改進的SCS模型，匯流計算選取柵格中心點為起點、基于匯流網絡的概念性源匯方法(Source to Sink)。

圖2 基于DEM柵格的分布式水文模型構建Fig.2 Construction of distributed hydrological model based on DEM grid

2.1 資料空間插值

地形資料選取ASTER GDEM數據，考慮模型精度和已有資料，基于Arcgis利用重采樣方法聚合為1 km分辨率，并劃分為2 345 個柵格，各柵格單元高程取中心點DEM高程；降水資料選取瀘沽流域及附近的11個雨量站2015年日降水數據，徑流資料選取瀘沽站2015年日徑流量數據。土壤質地資料選取中國土壤質地空間分布數據，土壤類型分布資料選取《1∶100萬中華人民共和國土壤圖》并數字化，土地利用及植被覆蓋資料選取GLC2017數據集。降水受大氣運動和下墊面不均影響存在空間異質性，因此降水資料需柵格化處理[13]。考慮平面位置二維空間插值，本文插值方法選取基于地面雨量站劃分流域泰森多邊形，各柵格降水序列均取泰森多邊形內實測雨量站序列，且假定柵格內降水分布均勻。與其他方法相比，該法保證精度的同時，大大降低了運算量[14]。

2.2 流域特征提取

基于DEM提取流域特征數據是構建分布式水文模型的前期工作，本文基于Hec-GeoHMS工具，采用坡面流累積方法，確定柵格流向；改進集水面積閾值選取方法，選取區域坡度和土地利用方式[15]二者共同決定的集水面積閾值法，利用集水面積閾值和累積集水面積提取河網水系；最終根據匯流網絡、流向等提取坡度、流路長等流域特征數據，如圖3。

圖3 水系河網及流域特征提取路線Fig.3 Route of watershed system and watershed features derived

2.3 產流模型

本文選取SCS模型(The Soil Conservation Service)進行產流計算，基于水平衡方程和兩個基本假設，假定初損未滿足時不產流，并引入無量綱參數CN，得到徑流公式：

(1)

Ia=λS

(2)

(3)

式中：R為產流量，mm；P為降雨量，mm；Ia為初損，mm；λ為初損系數；S為流域最大潛在蓄水容量，為后損實際入滲量F上限，mm。CN值由研究區域土壤類型、地表覆蓋及利用方式等決定。

考慮徑流量空間變化，本文對SCS產流模型做出改進：首先將一個CN值作為全流域的參數值改進為分別計算各柵格CN值；然后針對基于實驗結果提出的最適比例系數λ=0.2，改進模型損失量計算[16]、模型徑流量計算[17]，即引入參數CN值系統估算系數k、后損率fc，公式(3)改進為：

(4)

式中：k為柵格CN值系統估算系數；fc為后損率，mm/h。

柵格CN值計算結果如圖4。

圖4 柵格CN值計算結果(前期土壤濕度為Ⅱ類)Fig.4 Grid CN result (early soil moisture is class 2)

2.4 匯流模型

考慮模型結構和計算量，本文匯流方案選取概念性源匯方法[18]，方法假定研究區域所有柵格之間水量過程可線性迭加，匯流計算時僅考慮各柵格流量過程對出口流量過程影響，不考慮各柵格間水量影響。方法包含兩個關鍵點：①基于流路長度和坡度計算各柵格匯流時間；②利用河道(流路匯流時間)描述洪峰平移過程及滯時，利用滯后演算法表征洪峰平移坦化現象。源匯匯流方法匯流路徑較為簡潔，僅考慮各柵格單元到出口斷面的路徑長度，模型率定后出口單元可輸出可靠的徑流模擬值。

水流由產流柵格中心流至河道(針對坡地匯流柵格而言)或出口斷面(針對河道匯流柵格)，匯流時間計算公式為：

(5)

式中：tc為匯流時間；L為流路長度；v為水流速度；Kv為速度常數，主要受糙率和水力半徑的影響，坡地匯流和河道匯流Kv不一致；S為河道坡度。

基于滯后演算法的“平移”和“坦化”概念，差分求解水量平衡方程和槽蓄方程，并引入匯流時間，出口流量計算公式為：

(6)

(7)

式中：R為流域該水源的入流；Q為流域該流域的出流；K為出流系數，由該水源確定；Cs為線性水庫消退系數；tc為匯流時間。

3 TRMM數據修正

考慮數據版本算法和分辨率，本文選取TRMM RT和3B42 V7兩種降水數據，資料來源http:∥mirador.gsfc.nasa.gov/，TRMM數據需進行格式轉換、投影校正、掩膜裁剪，處理成可驅動水文模型的降水輸入。為方便表述，本文將柵格形式轉為點數據集形式，即賦予TRMM數據柵格中心站碼、經緯度、降水序列等要素，形成點數據集形式，柵格內不考慮降水空間要素差異。

3.1 方法構建

為提高TRMM數據精度，學者[19,20]采用多種方法進行TRMM數據修正，以往修正方法在研究區域采用統一模型，未考慮到降水空間分布的影響，本文提出基于空間分布的T-G融合方法(TRMM數據和地面實測降水數據融合方法)。方法思想是將雨量站實測數據和TRMM數據基于空間分布情況下融合優勢進行校正，使得空間降水數據趨于準確，地面雨量站點難以觀測降水空間分布但能夠準確反映站點位置降水情況，TRMM降水局部位置觀測誤差較大但能夠反映降水空間分布。TRMM數據集與地面雨量站匹配表見表1。

表1 TRMM數據集與地面雨量站匹配表Tab.1 Matching table between TRMM and rainfall station

T-G融合方法步驟如下：①確定TRMM點數據集控制范圍。基于TRMM點數據集劃分流域泰森多邊形，各柵格TRMM降水序列均取泰森多邊形內TRMM點數據集序列，并假定柵格內降水分布均勻。②校正TRMM降水數據。考慮TRMM分辨率(0.25°×0.25°)和地面雨量站密度，若泰森多邊形內有一個或多個地面雨量站，則多邊形內實測降水數據取地面雨量站算數平均值，若泰森多邊形內沒有地面雨量站，則多邊形內雨量站實測降水數值取鄰近參證站距離反比插值。最終對各多邊形內取TRMM日降水數值和雨量站實測降水數據做改進的乘法校正法，得到修正后的TRMM數據集。

(8)

基于空間分布的T-G融合方法既考慮空間分布對日降水差異性的影響，對每個TRMM數據集進行修正，同時給出的修正系數可隨著資料補充不斷修編，增強其可靠性。

3.2 結果評價

本文采用數據精度法[21]評價TRMM數據修正結果，評價參數主要包括相關系數(r)、相對誤差(B)、均方根誤差(RMSE)，見表2，表3。并選取修正前后TRMM數據和雨量站數據的相對誤差，進行克里金插值，得到瀘沽流域降水偏差的空間分布圖，見圖5。可知：經T-G融合方法修正后，RT和V7數據相對誤差減小，RT高估降水、V7低估降水問題改善；RT誤差分布改變較為明顯，誤差重心范圍變廣，由流域東部擴大至中東部區域，誤差較小區域由研究區域西部轉移到北部地區；V7誤差分布改變不明顯，總的來說，V7數據修正后誤差分布更為穩定。

表2 RT數據修正前后評價參數計算Tab.2 Calculation of evaluation parameters for-and-aft revising RT data

表3 V7數據修正前后評價參數計算Tab.3 Calculation of evaluation parameters for-and-aft revising V7 data

圖5 TRMM數據修正前后相對誤差空間分布Fig.5 Spatial distribution of relative error for-and-aft revising TRMM data

4 徑流模擬

本文以TRMM RT和V7修正數據驅動構建的分布式水文模型進行徑流模擬，將模擬結果與實測徑流數據進行對比，如圖6、7所示。選取洪水總量相對誤差(Rv)、洪峰流量相對誤差(Rp)[22]、納什系數(NSE)指標，并基于納什系數評定模擬精度，評價TRMM修正數據在雅礱江流域徑流模擬中的改善效果。

圖6 RT修正數據驅動下徑流模擬結果Fig.6 Runoff simulation results driven by revised RT data

圖7 V7修正數據驅動下徑流模擬結果Fig.7 Runoff simulation results driven by revised V7 data

可知RT修正數據驅動下模擬結果較實測洪峰、洪量偏大，V7修正數據驅動下模擬結果較實測洪峰、洪量偏小；徑流曲線吻合程度明顯改善，較好捕捉到了汛期洪水過程；盡管峰形相似但存在著不同程度的洪峰提前或延遲的問題如表4～表6所示。①洪峰誤差及洪水總量誤差，RT修正數據驅動下洪峰誤差達18.7%，總量誤差達19.91%，徑流模擬精度較差；V7修正數據驅動下洪峰誤差為-12.73%，總量誤差為-14.87%。②納什系數，RT修正數據驅動下納什系數為0.61，V7修正數據驅動下納什系數為0.73，結合納什系數決定的模型模擬精度等級表可知，RT修正數據驅動下徑流模擬等級為丙級，V7修正數據驅動下徑流模擬等級為乙級。總體看來，以TRMM RT和V7修正數據驅動雅礱江分布式水文模型，盡管存在著RT模擬洪峰洪量偏大、V7模擬洪峰洪量偏小的問題，但模擬徑流峰形相似，納什系數較好，RT模擬等級為丙級，V7模擬等級為乙級。

表4 TRMM修正數據徑流模擬結果Tab.4 Runoff simulation results driven by revised TRMM data

表5 RT修正數據驅動下次洪模擬結果Tab.5 Flood simulation results driven by revised RT data

表6 V7修正數據驅動下次洪模擬結果Tab.6 Flood simulation results driven by revised V7 data

進一步地，選取汛期8場次洪進行模擬精度評價，選取洪峰預報許可誤差、洪峰出現時間預報許可誤差、預報方案合格率，基于預報方案合格率給出模型方案徑流模擬精度評定表。并有如下規定：①以實測洪峰流量20%作為洪峰流量許可誤差。②以一個計算時段長，即1日作為峰現時刻許可誤差。

RT修正數據驅動下模擬結果較實測洪峰偏大，V7修正數據驅動下模擬結果較實測偏小；洪峰誤差箱線圖(圖8)可知，RT模擬結果洪峰誤差分布較為分散，10%～30%占多，但也存在-14%的情況；V7模擬結果洪峰誤差分布較為集中，大體分布在-20%～-10%左右，但也有20%的異常值。就誤差中位數而言，V7誤差中位數絕對值要優于RT，若考慮“20150709”和“20150905”兩場次洪洪峰流量誤差較大，其他次洪的相對誤差基本在±20%之內。以預報合格率判定預報精度等級，V7修正數據驅動模型預報精度為乙級，而RT僅為丙級。

圖8 RT和V7修正數據驅動下洪峰誤差Fig.8 Flood peak error driven by revised TRMM RT & V7 data

綜上可知，以RT和V7修正數據驅動雅礱江分布式水文模型，RT模擬結果洪峰和洪量較大，V7模擬結果洪峰和洪量較小；但徑流模擬峰形相似，這與TRMM數據修正后評價結果一致。以納什系數、預報合格率判定模型等級，RT模擬精度等級均為丙級，V7模擬等級均為乙級。若考慮兩場較大次洪過程，其他次洪相對誤差能控制在合格率之內，亦能符合預報要求。因此考慮到TRMM降水數據適用性評價結果、驅動分布式水文模型徑流預報中的表現，TRMM降水數據在雅礱江流域可作為實測降水數據的補充，尤其是考慮空間差異性與實測數據進行融合修正的TRMM數據，適用性得到較大改善。

5 結 論

本文根據雅礱江流域實際情況，首先建立基于DEM柵格的分布式水文模型，產流計算選取改進的SCS產流模型，匯流計算選取概念性源匯匯流模型，并提出基于空間分布的T-G融合方法，最后以RT和V7修正數據驅動水文模型進行徑流模擬，結果表明TRMM降水數據在雅礱江流域可作為實測降水數據的補充，本文提出的雅礱江分布式水文模型徑流模擬精度尚不能直接應用在實踐中，但是對雅礱江流域徑流預報而言，依然存在借鑒意義和進一步研究的價值。研究方法可為雅礱江流域徑流預報工作提供參考，同時可為無資料或缺資料區域提供TRMM數據能否作為實測資料的替代或補充的參考。

雅礱江流域實測資料較為缺乏，降水實測資料序列短，本文參數優選可能存在偶然性，應在資料充分時進行參數重新率定、亦可進行逐年修編的工作，或尋求利用其他信息彌補實測資料缺乏的問題。此外，本文使用的TRMM RT和3B42 V7數據，數據空間分辨率相對較低，后續研究應探討TRMM數據降尺度分析的可行性，從而提高數據的適用性，為TRMM數據補充或替代降水數據提供科學準確的前提。