多源遙感降水評估及其在水文模擬中的應用

高 真，黃本勝，陳曉宏，邱 靜

（1.廣東省水利水電科學研究院，廣州510635；2.河口水利技術國家地方聯合工程實驗室，廣州510635；3.廣東省水安全科技協同創新中心，廣州510635；4.中山大學水資源與環境研究中心，廣州510275）

1 研究背景

洪水災害是目前世界上最常見的自然災害之一，分布范圍廣且破壞力強。環保組織德國觀察（Germanwatch）發布報告《2021 全球氣候風險指數》報告顯示，2000-2019年全球發生11 000 多件極端天氣事件，直接導致約47.5 萬人死亡和高達2.56 萬億美元的經濟損失，其中洪水災害約占1/3；我國年平均死亡人數和年平均經濟損失分別居全球第4 位和第3 位［1］。隨著氣候變暖，全球水循環和城市化加速，極端天氣事件出現的頻率增加、強度增大，暴雨洪水災害損失風險加劇。然而我國災害防范意識和設施不充分，嚴重威脅經濟社會發展和人民生命財產安全。及時、準確獲取高質量高時空分辨率的遙感觀測信息，提高洪水模擬監測和預報能力，一直是水文、氣象和遙感等學科的研究目標和熱點［2］，也是推進國家治理能力現代化迫切需要解決的關鍵科技問題，對防汛抗旱減災、水利工程規劃設計、水資源合理開發利用和管理決策都具有十分重要的意義［3，4］。

降水是全球水分和能量循環的重要組成部分，同時也是地表水文過程及陸面過程的關鍵驅動要素。一些學者認為降水輸入不確定性是洪水預報不確定性的最主要來源，暴雨洪水模擬的不確定性有55%～80%可歸因于降水的時空變異性［5］。近年來，隨著衛星遙感技術的不斷發展，一系列高時空分辨率的遙感降水產品，覆蓋范圍廣、獲取方便快捷，如TRMM（Tropical Rainfall Measurement Mission）、IMERG（the Integrated Multi-sat?ellitE Retrievals for Global Precipitation Measurement）、NLDAS2（the Phase 2 of the North American Land Data Assimilation Sys?tem）等為全球及區域降水觀測提供了新的數據來源，特別是在少或無資料地區。然而各種主要觀測手段獲取的降水數據具有各自不同的代表觀測尺度與特征誤差，對徑流模擬、洪峰峰現時間等影響較大［6］。合理利用多源遙感降水數據產品，是解決水文應用研究中普遍存在的觀測-模擬過程不確定性問題的潛在有效途徑，目前國內外很多水文學者也開展了廣泛而深入的相關研究［7-12］。

鑒于上述背景，本研究選取典型洪水區——美國愛荷華州Iowa-Cedar 中型流域，在2002-2013年日尺度上，基于雨量站降水數據CPC-U 定量評估5種多源遙感降水產品（NLDAS2、Stage IV、TMPARP、TMPART和IMERG）的精度，并結合分布式水文模型DRIVE（Dominant river tracing-Routing Integrated with Vari?able Infiltration Capacity Environment）對其進行水文效用評估，討論分析了遙感降水產品對地面站點觀測數據的可替代性，可為未來實時區域水文模擬與預報提供參考依據。

2 研究區域與數據方法

2.1 研究區域

美國Iowa-Cedar 流域地處愛荷華州的東北部，是密西西比河的支流之一，位于西經90°42′～94°，北緯41°～44°，全長480 km，流域集水面積32 381 km2，見圖1。流域地勢從西北向東南和西南傾斜，大部分地區為平原，海拔高度為167～426 m。兩條主要支流Iowa 和Cedar 在路易莎顯交匯，從愛荷華市下游大約104 km 匯入密西西比河。流域屬大陸性氣候，夏季常發生雷陣雨，多年平均降水量約為886 mm，多年平均徑流量約為268 m3/s。根據美國國家土地覆蓋數據（National Land Cover Database，NLCD 2001），主要土地利用類型包括農業用地（74.2%）、居住區（9.3%）、干草（6.2%）、草地（5.7%）、森林（3.3%）和其他（1.3%），主要種植類型是玉米和大豆［13］。由于全球氣候變暖，大氣環流異常，大大地增加了局部區域出現暴雨洪水的頻率，該流域于2008年6月遭遇了500年一遇特大洪水，受災損失慘重。

圖1 Iowa-Cedar流域地理位置、高程及大壩分布示意圖

2.2 研究數據和水文模型

在Iowa-Cedar流域主要收集了長時間序列2002-2013年的多源降水數據產品CPC-U、NLDAS2、Stage IV、TMPARP、TM?PART 和IMERG（見表1），以CPC-U 作為評估的對比參考數據，并將時間和空間分辨率統一處理計算為日尺度和0.125°×0.125°。同時在美國地質勘測局（USGS）官網收集了2002-2013年逐日流量觀測數據（水文測站編號USGS 05465500），通過分布式水文模型DRIVE模擬進行水文效用評估。

表1 多源降水數據產品的時空分辨率及主要來源

分布式水文模型DRIVE 是由Huan Wu 博士經多年研發［15，16］。DRIVE 模型解決了陸面過程模型中缺乏側向水流過程描述的問題，將國際主流陸面過程模型（VIC）和基于物理過程的匯流模型（DRTR）耦合而成一個新的流域水文模型，并包含洪水淹沒模塊，適用于不同時空尺度的洪水模擬。DRIVE 模型以河網分級（Strahler Order）匯水系統為基礎逐級編碼從坡面到流域出口的所有匯流路徑，進行所有垂直水熱交換過程和側向水流的計算，既貼近實際流域排水結構，又保障模型的計算效率。模型的主要特色表現為基于DRT（dominant river tracing）算法的準確亞格網參數化能力，使得模型性能在不同空間分辨率上有很強的穩定性和適應性［14］。DRIVE 模型的輸入包括降水、風速、氣溫等氣象要素以及土壤、植被及地形等陸地表面參數集，更具體描述見參考文獻［15］。

2.3 統計評估指標

為了定量分析多源遙感降水產品的精度，本研究采用了多種統計指標，各類指標的計算公式如表2所示。相關系數（CC）反映了待評估降雨產品和實測降雨之間的線性相關程度；均方根誤差（RMSE）反映兩者之間的平均誤差，并通過平方的形式給予了較大誤差更高的權重；平均誤差（BIAS）反映了降雨產品系統誤差的相對程度。探測率、誤報率和臨界成功指數3 個評估指標（POD，FAR和CSI）則用來評估降雨產品對降雨事件預測的準確性，POD描述了衛星能夠正確觀測到降水的比例，FAR 描述了衛星錯誤觀測到降水的比例，CSI是一個更綜合的指標可以由POD和FAR計算得出。納西效率系數（Nash-Sutcliffe Coefficient of Efficiency，NSCE）常被用于評估水文模擬的精度。如表3所示，本研究中降雨的閾值設定為1.0 mm/d，即超過閾值的數據視作有降雨，小于閾值的數據視作無降雨［4］。此外，泰勒圖（Taylor Diagram）是被廣泛應用于模式預報能力評估和檢驗的方法，相關系數、均方根偏差和標準差都可以在一張二維圖上顯示［17］。

表2 衛星降水和水文模擬精度評估中使用的數學統計指標

表3 衛星降水量與基準降水量列聯表

3 結果和討論

3.1 多源降水產品的統計精度評估

首先采用地面觀測數據CPC-U 作為真實降雨，在日尺度上對2002-2013年NLDAS2、Stage IV、TMPARP、TMPART 和IMERG 多源遙感降水產品的6 種評估指標進行計算，并進行線性相關擬合，結果如表4和圖2所示。NLDAS2 和Stage IV 降水產品能很好地捕捉降水事件（POD值分別為0.74 和0.7，FAR分別為0.2和0.3），與CPC-U具有良好的一致性（CC值分別為0.77和0.83，BIAS值分別為2.1%和-0.21%，RMSE值分別為3.41 和3.53 mm），表明多源降水數據融合產品NLDAS2 具有更高的精度；其次是IMERG 和TMPARP（CC值均為0.63），且IMERG 略優于TMPARP（BIAS值分別為12.01%和15.37%，RMSE值分別為5.2 和5.34 mm，POD值分別為0.65 和0.61），表明準實時IMERG產品較上一代TMPARP 有效地提高了降水探測能力，但其探測降水事件的敏感性還需進一步調整（FAR值分別為0.39 和0.38）；而TMPART 表現相對較差，CC、BIAS、RMSE和FAR值分別為0.58、38.76%、6.51 mm和0.42，出現了明顯的高估。

表4 Iowa-Cedar流域的2002-2013年逐日降水數據時序精度統計指標

圖2 5種多源降水數據產品與CPC-U降水數據的散點圖

為了更加直觀的評估5 種遙感降產品的精度，采用泰勒圖（如圖3）進行比較分析，當模式模擬結果與觀測值較一致時，模式點越接近x軸中的觀測點，這類模式與觀測具有高的相關性，標準差與均方根誤差越小。由圖3可知，5 種多源遙感降水產品相對于CPC-U 的精度從高到低依次是NLDAS2、Stage IV、IMERG、TMPARP及TMPART。

3.2 多源降水產品的水文效用評估

首先采用4年（1998年1月1日-2001年12月31日）降水數據對分布式水文模型DRIVE 進行預熱，得到初始化條件，便于2002-2013年長時間序列的水文過程模擬。因為Wu 等［16］已有研究結果表明，DRIVE 模型的參數設置在Iowa-Cedar 研究流域的效果良好，對DRIVE 模型進行系統性率定也不是本研究的重點內容，故不再重復對模型率定。

分別采用6 種多源降水數據產品驅動DRIVE 模型得到2002-2013年逐日徑流模擬結果，如表5和圖3所示。NLDAS2的水文模擬 結果最好（NSCE、BIAS、CC和RMSE值分別為0.81、-20.82%、0.92 和144.28 m3/s），其次是CPC-U 和Stage IV（NSCE值分別為0.8 和0.79，BIAS值分別為-12.31% 和-10.05%，CC值分別是0.91 和0.9，RMSE值分別是150 和155.26 m3/s），表明Stage IV 具有較好的水文模擬效果，BIAS 比CPC-U有所降低，也與3.1 節中降水評估的結果相一致。雖然IMERG降水精度評估略優于TMPARP，但后者的水文模擬結果優于前者（TMPARP/IMERG：NSCE=0.63/0.46，BIAS=32.02%/25.22%，CC=0.87/0.82，RMSE=205.79/247.95 m3/s），該研究結果與目前已有相關研究結果相一致［12］。相比之下，TMPART 的水文模擬效果明顯較差（NSCE、BIAS、CC和RMSE值分別為-1.09、97.2%、0.67 和486.8 m3/s），也說明融合了地面站數據的TMPARP 更適合于水文模擬應用。

圖3 5種多源降水數據產品與CPC-U的泰勒圖

表5 2002-2013年不同降水數據驅動的徑流模擬結果比較

總體而言，NLDAS2、Stage IV 和TMPARP 產品在美國典型洪水多發的中型流域的水文效用較好，偏差處于可接受范圍內，能夠在一定程度上可替代地面雨量站點觀測，可服務于流域水資源管理、暴雨洪水監測等，并對中國范圍內尤其是洪水多發地區的應用推廣具有重要的參考價值。

4 結 論

隨著全球高分辨率高精度遙感技術和數據反演算法的不斷發展，遙感降水數據產品的應用是未來流域水文研究和模擬的必然選擇，尤其是在無或缺測資料地區［18］。因此，本研究以Iowa-Cedar 中型流域為例，在2002-2013年日尺度上，基于地面雨量站降水數據CPC-U 定量評估了5 種多源遙感降水產品（NLDAS2、Stage IV、TMPARP、TMPART 和IMERG）的精度，并通過遙感降水產品驅動分布式水文模型DRIVE 進行水文效用評估，主要研究結論如下：①在遙感降水統計評估方面，與CPC-U雨量站觀測降水非常接近的遙感降水產品排名依次是NLDAS2、Stage IV、IMERG、TMPARP、TMPART，在整個流域上偏差較小，相關系數較高，降水的發生頻率也相近；②在水文模擬的應用評估方面，NLDAS2、Stage IV 和TMPARP 表現效果最好（NSCE分別為0.82、0.79和0.63），而IMERG和3B42RT表現較差（NSCE分別為0.46 和-1.09）。整體而言，NLDAS2、Stage IV 和TMPARP降水數據融合產品更適合于水文模擬應用及推廣?！?/p>

圖4 多源降水產品驅動水文模型模擬結果