基于再分析降水與融雪模塊的雅礱江上游徑流模擬研究

黃 琦，覃光華，2，向俊燕，王瑞敏

（1.四川大學水利水電學院，成都610065；2.四川大學水力學與山區河流開發保護國家重點實驗室，成都610065）

0 引 言

中國西部部分高寒地區氣候條件惡劣，人口密度小，社會經濟發展落后，流域內受人類活動影響較小，但稀疏的水文站網對水文模型的建立極其不利。雅礱江流域新龍水文站控制區域屬高寒地區，水文資料較少［1］，且在降水、植被指數、海拔、自然環境等方面差異明顯［2，3］。而雅礱江中下游近年來開發程度較大，上游兩河口水電站將于2021年投產，其上游新龍水文站控制流域為其重要徑流組成部分。因此，采取合適的水文模型及模型輸入數據模擬新龍流域徑流，對雅礱江中下游水資源開發利用具有重大意義。

目前，雅礱江流域上游地區在水文特性及徑流預報方面已取得一定成果。張新海等［1］利用水文氣象站點觀測資料，分析研究了甘孜以上區域降水、暴雨和徑流等水文要素的特性；王渤權等［4］分析了雅礱江流域徑流年內分配特性，認為雅礱江上游徑流年內分配不均；部分學者采用站點徑流資料，基于統計模型預測雅礱江二灘流域中長期徑流，但數學模型無明確水文機制，模型不確定性較大［5，6］；俞烜等［7］以站點資料為輸入，開發了雅礱江流域水循環系統的分布式水文模型，對雅礱江流域月徑流進行模擬預報；康爾泗等［8］考慮了隨著高程變化帶來降水量和蒸發量等水文要素的差異性分布，采用站點資料推求流域和各海拔帶降水和氣溫，并基于HBV 模型完成雅礱江流域月、年平均流量的模擬。由此可見，目前研究區徑流模擬大都以地面站點降水為輸入進行模擬計算，且模型結構改進有限。隨著衛星遙感數據在數據稀缺地區水文模型的日益廣泛應用，選擇高精度的格網降水產品并應用成為未來研究的必然趨勢；同時，采用適當的水文模型模擬徑流對研究區徑流模擬及預報工作具有重大意義。

本文首先基于地面降水資料，評價不同時間尺度上再分析格網降水資料（CMFD-P）的精度；其次基于三水源新安江模型和含融雪模塊的三水源新安江模型，分別以地面降水觀測資料和CMFD-P 為輸入，模擬了新龍水文站控制流域的徑流過程并進行評價和比較，對（CMFD-P）在研究區的水文效應進行評估，進而為新龍上游流域未來徑流預報發展提供參考。

1 研究區概況

雅礱江起源于青海省玉樹縣境內的巴顏喀拉山南麓，流向為自西北至東南，于呷依寺附近進入四川省，是金沙江左岸最大的一條支流［1］。本文研究區為新龍水文站控制的雅礱江流域上游區，位于青藏高原東南部，屬高原亞寒帶濕潤區，下墊面變化較大。流域降水觀測站點稀少，且降水分布的地區差異較大，年內分配嚴重不均勻［9］。降雪為流域降水的重要組成部分，同時春季融雪徑流在多年徑流中占有較大比重［10］，區域內徑流年內分配不均［4］。如圖1所示，研究區地理范圍為30.77°N～34.21°N，96.82°E～101.44°E；海拔范圍為3 173～6 087 m；流域大致呈南北向條帶狀，平均海拔高程為4 430.49 m，干流長約534 km，控制面積36 685 km2。在研究時段內（2004-2012年），研究區內無大型工業或采礦業，人口密度小，無大型水庫或水電站，總體而言，研究區在研究時段受人類活動影響較小，植被仍然保存完好。本文研究區共四個氣象站點（由北至南分別為清水河站、石渠站、甘孜站、新龍站），一個水文站點（新龍站）。研究區范圍及氣象水文站點如圖1所示。

2 數據及方法

2.1 研究數據

中國區域高時空分辨率地面氣象要素驅動數據集（China Meteorological Forcing Dataset，CMFD）為一套近地面氣象與環境要素再分析數據集［11］，包含降水在內的7 個要素，以Princeton再分析資料、GLDAS 資料、GEWEX-SRB 輻射資料，TRMM 降水資料等為背景場，融合了中國氣象局常規氣象觀測數據制作而成，時間分辨率為3 h，水平空間分辨率為0.1°。其降水部分（后稱CMFD-P）具有良好的時空分辨率，在中國區域具有較高精度［12］。其背景降水資料TRMM 在不同流域均具有較高精度［13］，且在高寒山區流域具有較強的適應性［14］；因此CMFD-P 不僅在疏勒河的不同地區優于ERA-Interim、GPCC、GPCP V2.3 和JRA-55等其他4種降水產品［15］；在青藏高原與TRMM 具有更高一致性且表現優于CHIRPS［16］，且比IMERG，MSWEP 更適用于雅礱江流域［17］。

本文流域格網數據為CMFD-P 格網降水數據；采用中國氣象數據網發布的中國地面氣象站日值降水數據（下稱地面站點數據）作為評估CMFD-P 的基準資料；水文模型輸入降水數據分別為CMFD-P 格網降水資料面平均值和研究區內4個地面站點降水數據的平均值；潛在蒸發數據基于彭曼公式，采用CMFD再分析數據集結合中國地面氣候資料日值數據集計算而得；模型率定資料為2004-2010 新龍水文站日徑流數據，模型檢驗資料為2011-2012 新龍水文站日徑流數據。研究數據詳情見表1。

表1 研究資料概況Tab.1 Research data

潛在蒸散發數據采用國際糧農組織FAO 提供的彭曼公式［18］計算，其計算所需基礎數據中，溫度、濕度、風速、輻射數據由CMFD 提供；日照數據由中國地面氣候資料日值數據集（V3.0）提供并結合克里金插值得到各格網日照數據；緯度數據由DEM格網資料獲取。計算公式如下：

式中：PET為可能蒸散量，mm/d；Δ 為飽和水氣壓曲線斜率，kPa/℃；Rn為地表凈輻射，MJ/（m·d）；G為土壤熱通量，MJ/（m2·d）；γ為干濕表常數，kPa/℃；Tmean為日平均溫度，℃；u2為2 m 高處風速，m/s；es為飽和水氣壓，kPa；ea為實際水氣壓，kPa。

2.2 研究方法

2.2.1 水文模型

本文采用集總式三水源新安江模型模擬徑流和含融雪模塊的集總式三水源新安江模型，含融雪模塊的新安江原理如圖2所示。新安江模型由河海大學趙人俊教授等提出，并以近代山坡水文學和國內外產匯流理論的研究成果為基礎，改進成三水源新安江模型，在濕潤地區或半濕潤地區更為適用［19］。新安江模型包括蒸散發模塊、產流模塊、水源劃分模塊和匯流模塊；含融雪模塊的新安江模型基于三水源新安江模型，增加了融雪模塊（圖2中虛線框中部分），其融雪徑流采用度日因子法進行計算。

圖2中參數含義如下：a為度日因子，KC為蒸散發折算系數，WUM上層土壤蓄水容量，WLM為下層土壤蓄水容量，C為深層蒸散發系數，WM為流域蓄水容量，B為流域蓄水容量曲線指數，IM為流域不透水面積比值，SM為流域自由水蓄水容量，EX為流域自由水蓄水容量曲線指數，KI與KG分別為自由水蓄水庫壤中流出流系數與自由水蓄水庫地下徑流出流系數，CS為地面徑流消退系數，CI為壤中流消退系數，CG 為地下徑流消退系數，L為滯后時間，KE為槽蓄系數，XE為流量比重因素。

其中，度日因子法基本原理如下［20］：

式中：M為日雪水當量，cm；a為度日因子，cm/（℃·d），表示溫度每上升1 ℃所產生的融雪徑流深；T為度日因子數，℃-1/d，即日正積溫。

三水源新安江模型和含融雪模塊的三水源新安江模型的模型參數優化方法均采用遺傳算法，算法的種群數量均為200，迭代次數均為100。

2.2.2 降水數據評價方法

本文基于新龍水文站控制流域4 個地面氣象站點2000-2017年降水資料，通過分類指標和定量指標評價CMFD-P 對實際降水的探測能力和模擬精度。

（1）探測能力評價。降水事件分類指標體現了降水數據集對降水事件的監測能力，包括探測概率探測率POD（Probability Of Detection）、擊中率FOH（Frequency Of Hit）和Heidke 技巧指數HSS（Heidke’s Skill Score）［21］，分別表示了降水數據的正確探測能力，擊中能力和綜合判別能力。各指標計算公式如下：

式中：n11代表CMFD-P 和雨量站均探測到降水的頻次；n10表示CMFD-P 探測到降水而站點未監測到降水的頻次；n01表示站點監測到降水而CMFD-P 未監測到降水的頻次；n00表示CMFD-P和雨量站均未監測到降水的頻次。POD、FOH、HSS三者理想值均為1。

（2）精度評價。本文以相對偏差BIAS、絕對偏差ABIAS、相關系數R、納什效率系數（Nash-Sutcliffe Efficiency coefficient）NSE來評估降水數據集在該地區的系統偏差、數據相關性和數據序列模擬能力，并對不同時間尺度的精度進行分析。各指標計算公式如下：

式中：P代表CMFD-P，G代表雨量站點降水，n 為計算精度指標所采用的數據系列長度。其中R變化范圍為-1～1；BIAS變化范圍為-∞～∞；ABIAS變化范圍為0～∞；NSE變化范圍為-∞～1。BI?AS和ABIAS越趨近0，R、NSE越趨近1，CMFD-P 精度越高。本文采用點對像素法（站點所在格網中心點數據與站點數據）來進行資料的關聯與比較。

2.2.3 徑流模擬評價方法

本文將2004-2010年徑流資料作為率定期，2011-2012年徑流資料作為模型效果驗證的基準資料。本文采用納什效率系數（NSE）和合格率QR（Qualified Ratio）評價模型。納什效率系數為水文常用評價模型確定性手段，NSE約接近1，模型模擬結果越好。當0.4＜NSE≤0.6 和NSE＞0.6 時，分別表示模型模擬結果校好和優秀。模型評價時，以NSE為主，QR為輔，判別徑流的模擬結果。其計算公式分別為：

式中：NSE為納什效率系數（保留2 位小數），QR表示合格率，均無量綱；QSIM為預報值，m3/s；QOBS為實測值，m3/s；-QOBS為實測值的均值，m3/s；n為資料長度；k表示合格預報次數；m表示總預報次數。本文模擬日徑流過程，當預報許可誤差（即徑流絕量對偏差ABIAS）小于20%時認為其合格。

3 結果分析

3.1 降水產品評價

本文降水評價基礎資料為新龍水文站控制流域4個地面氣象站點（見圖1清水河、石渠、甘孜、新龍）2000-2017年降水資料，評價產品為CMFD-P，圖3為日、月、年、春季（3-5月）、夏季（6-8月）、秋季（9-11月）、冬季（12-次年2月）7 種時間尺度4 個站點所在格網CMFD-P 與站點降水散點圖。由于四季降水數據并非為連續自然時間序列，故未統計四季NSE。

由圖3可知，在研究區，CMFD-P在月、年、春季（3-5月）、夏季（6-8月）、秋季（9-11月）、冬季（12-次年2月）與站點降水均具有較高一致性，表2總體評價了各統計變量在4 個站點的平均值。在日降水探測中，POD 達到0.91，具有較高探測精度，FOH 為0.70，HSS 為0.63，表明CMFD-P 對降水探測能力明顯高于隨機。同時，CMFD-P 在月降水探測中也有較高的準確率（POD為1.00，FOH為0.98，HSS為0.53）。

由圖3和表2知，除日降水外，其他時段CMFD-P 在研究區具有較低ABIAS，和較高R和NSE；其中冬季節ABIAS（0.14）較其他季節更高，說明在冬季時CMFD-P 描述降水偏差略微偏大；CMFD-P 在春夏季略微低估降水（BIAS 分別為-0.010 和-0.007），在秋冬季略微高估降水（BIAS 分別為0.007 和0.021）。造成CMFD-P 冬季精度略差的原因可能是CMFD-P 對固態降水的估計能力不足。日降水的相關系數R和NSE均較其他時間尺度低，隨著時間尺度的累積，二者均增加。相關系數R在四季尺度上分布差異不大。綜上，CMFD-P 在研究區與站點降水具有較高一致性。

表2 CMFD-P精度評價表Tab.2 Accuracy evaluation of the precipitation in CMFD-P

圖4為4 個站點不同時期降水定量評價精度指標。其中清水河、石渠、甘孜、新龍站點地理位置依次為由西北至東南（圖1）。由圖4知，CMFD-P 在各時間尺度均低估清水河降水（BIAS均小于0）；而石渠除夏季外，整體輕微高估降水（BIAS均大于等于0）；CMFD-P 高估新龍站冬季降水（BIAS為0.11），低估甘孜冬季降水（BIAS為-0.03）。CMFD-P 在除日降水外的各時間尺度絕對系統偏差均較小（ABIAS均接近0）；但甘孜和新龍在冬季系統偏差絕對值ABIAS較其他兩個站點更大。從降水相關性來說，CMFD-P 與各站點降水相關性均較高，各站點間R值相差甚小，日降水R均小于0.75，隨著時間的累積，其他時間尺度降水相關性升高，R大于0.75。

可見，在系統偏差方面，4 個站點系統偏差整體較小，清水河在四季均表現為負偏，新龍站在冬季表現為較高的正偏；而其他站點四季偏差具有抵消作用；在系統絕對偏差方面，各站點在某一時間尺度下表現相似；絕對偏差在不同時間尺度具有一定差異，日尺度最高，冬季次之，其他時間尺度在低值程度上相近。在站點降水與CMFD-P 的相關性方面，各站點模擬能力在各時段有差異，但在站點之間差異甚小；相關性隨著時間尺度的增加而升高。CMFD-P 降水模擬能力可能與地形、氣候等因素有關，由于本文研究區地面站點稀疏，因此降水精度空間差異不明顯，研究降水與自然屬性關系時的代表性不足。因此，未來在獲取更多數據的基礎上應當更加深入探討影響研究區CMFD-P降水精度的因素。

3.2 徑流模擬評價

如圖5為分別以CMFD-P 和地面降水為輸入率定的新安江模型和含融雪模塊的新安江模型模擬日徑流結果圖，圖6為按時間累積后的月徑流模擬結果圖。

由圖5、圖6知，相比三水源新安江模型，含融雪模塊的新安江模型能更好地模擬日、月徑流過程，尤其對枯期（春、冬季）徑流的模擬優于三水源新安江模型。但含融雪模塊的新安江模型對部分年份豐期（夏、秋季）具有明顯低估現象。

表3進一步分析了圖5和圖6的詳細評價結果，其中月徑流評價由日徑流累加結果評價而得。由表3知，以地面站點降水作為三水源新安江模型的輸入率定的模型總體優于以CMFD-P為輸入時率定的模型，前者在各時段BIAS，ABIAS均小于后者，且前者各時段R、NSE、QR均略高于后者。除此之外，兩種數據率定的三水源新安江模型在檢驗期效果均優于率定期。這可能是由于研究區融雪徑流占徑流較大比重，而三水源新安江模型不含融雪模塊，因此無法合理模擬研究區徑流。同時，本文研究區積雪在2004-2012年具有逐年下降的趨勢［22］，在檢驗期時段（2011-2012年）研究區融雪徑流占的比重較率定期（2004-2010年）少，故而該模型在檢驗期表現更好。

表3還展示了含融雪模塊的三水源新安江模型在各個時期的評價結果。結果表明，在日徑流模擬中，以CMFD-P 為輸入的模型優于以站點數據為輸入的模型，二者均低估實際徑流（BIAS小于0），但CMFD-P 模擬結果負偏程度小。二者模擬結果的ABIAS和QR接近，但CMFD-P 模擬結果的R和NSE均高于站點降水模擬結果。在月徑流模擬中，CMFD-P 模擬結果相比站點降水模擬結果負偏程度小（BIAS小于0 且更接近0）；與實際結果總體一致性NSE更高；絕對偏差ABIAS和R相近；但合格率QR更高，體現了CMFD-P 模擬結果在豐期ABIAS大于20%的更高可能性。含融雪模塊的三水源新安江模型模擬結果BI?AS均為負值，表明改進的模型對徑流具有低估現象，這與圖5-6中豐水期低估現象明顯的結論相符合。在日、月徑流模擬中，二者率定期結果均優于檢驗期結果，且均優于無融雪模塊的三水源新安江模型率定期模擬結果，表明含融雪模塊的三水源新安江模型結構合理穩定，能夠很好地適用于研究區；CMFD-P模擬結果優于站點降水模擬結果，說明由于站點稀疏，站點降水模擬徑流結果較差，而CMFD-P 模擬結果與實際徑流具有更高的一致性。

為進一步評價不同輸入數據和模型結構組合情況下對徑流的預報能力，分析比較表3中以站點降水、CMFD-P 為輸入的三水源新安江模型及含融雪模塊的三水源新安江模型在檢驗期時的表現情況。從模型結構來看，含融雪模塊的三水源新安江模型在日徑流模擬時，檢驗期的BIAS、R均未優于三水源新安江模型，但ABIAS、NSE和QR優于三水源新安江模型；在月徑流模擬時，檢驗期的BIAS未優于三水源新安江模型，但ABIAS、NSE和QR優于三水源新安江模型，R與之相近；表明加入融雪模塊后，模擬結果雖然整體負偏，日徑流的線性相關性降低，但模型整體模擬能力NSE得到提升。從輸入數據來看，CMFD-P作為三水源新安江模型輸入時，模擬結果未優于站點降水模擬結果；但當CMFD-P 作為含融雪模塊的三水源新安江模型的輸入時，日徑流模擬結果的負偏情況較站點輸入模擬結果小，ABIAS，R，NSE與之相當，但QR減小；月徑流模擬結果的負偏情況較站點輸入模擬結果小，NSE增大，ABIAS，R與之相當，QR減小。由圖CMFD-P 得到QR更小的原因可能是由于其對枯期徑流模擬結果值更大，而枯期實測徑流基數較小，因此，CMFD-P較站點降水模擬結果的QR下降幅度大。

表3 不同降水數據徑流模擬能力評價表Tab.3 Simulation ability evaluation of runoff calculated by different precipitation datasets

表4分析了三水源新安江模型和含融雪模塊的新安江模型在全時段（2004-2012年）春、夏、秋、冬四季模擬結果與實際徑流的水量偏差。由表4知，站點降水和CMFD-P 在采用三水源新安江模型模擬徑流時，對四季徑流模擬的偏差趨勢類似，即秋季高估（BIAS均大于0），春、冬季低估（BIAS均小于0），夏季略微低估。兩種數據模擬結果在夏秋季表現較秋冬季更好，站點降水模擬結果整體偏差略低于CMFD-P 模擬結果，且二者在夏秋季差異較春、冬季小。

表4 四季徑流模擬精度評價表（2004年-2012年）Tab.4 Runoff simulation accuracy at four seasons（2004-2012）

站點降水和CMFD-P 在采用含融雪模塊的三水源新安江模型模擬徑流時，四季偏差具有差異性。站點降水模擬結果在四季均未高估徑流，且在夏季低估最明顯（BIAS為-0.22），春、秋季次之（BIAS分別為-0.15 和-0.11），冬季偏差最小（BIAS約為0）。CMFD-P 模擬結果在冬季高估徑流（BIAS為0.43），在夏季低估最（BIAS為-0.16），春、秋季分別略微高估和低估徑流（BIAS分別為0.08 和-0.16）。CMFD-P 對冬季徑流模擬偏差大于站點降水模擬結果（BIAS和ABIAS分別為0.43 和0.45），這與3.1中CMFD-P在冬季與地面站點降水偏差較大的結果一致，表明CMFD-P 對固態降水的探測具有局限性；但在其他季節，尤其是春季模擬結果偏差幅度較站點降水模擬偏差小，表明CMFD-P能更好地描述春季徑流。

綜上，作為格網降水，CMFD-P 可以更全面、精確地描述區域降水，對徑流整體模擬能力較好。在采用三水源新安江模型時，模擬結果略低于站點降水模擬結果；在采用更適合研究區的含融雪模塊的三水源新安江模型時，優于站點降水模擬結果，在冬季高估徑流，削減了春、夏秋季的徑流估計偏差。由于該地區融雪在春季為徑流的重要組成部分［10，23］，因此，融雪模塊的加入優化了模擬結果；且CMFD-P 對流域空間尺度上的降水描述更詳細，優于站點降水模擬結果。

4 結論與展望

本文首先基于地面降水資料，評價了不同時間尺度上CMFD-P 的精度；其次基于三水源新安江模型和含融雪模塊的三水源新安江模型，分別以地面降水觀測資料和CMFD-P 為輸入，通過2004-2010年雅礱江上游地區新龍水文站控制流域的日徑流來率定模型，并通過預測2011-2012年該水文站日徑流來檢驗模型；同時將日徑流累加到月徑流對模型評價。結果表明：

（1）在降水數據精度方面：CMFD-P 在研究區4 個站點所在格網與地面站點降水一致性較高，在月、年、四季尺度NSE均大于0.9，因此，認為該數據在研究區具有高精度的特點。

（2）在模型結構優化方面：含融雪模塊的三水源新安江模型在研究區比三水源新安江模型具有更高的適用性，有效優化了模擬結果。

（3）在模型輸入方面：采用含融雪模塊的三水源新安江模型模擬徑流時，CMFD-P降水可以更全面，精確地描述研究區降水，得到較高的徑流模擬精度；優于站點降水模擬結果，尤其提升了春季徑流精度。說明在描述區域降水時，CMFD-P 面平均值代表性優于地面站點降水均值。

雅礱江上游徑流預報對兩河口及以下的水資源調度及梯級電站開發具有重要意義。作為集總式概念性水文模型，集總式新安江模型無法準確反應水文過程在流域的空間變異性，而以CMFD-P 計算流域面平均降水，可以減少以地面站點降水描述流域降水的誤差。另外，本研究區為青藏高原東南部一個狹長型流域，屬于高原亞寒帶濕潤地區，融雪占徑流比例大［10］，含融雪模塊的三水源新安江模型能夠更好地模擬融雪徑流，因此模擬新龍水文站出流過程能力較不含融雪模塊的三水源新安江模型強。由于研究區由南至北下墊面差異較大，在未來該流域的研究工作中，首先可以從模型結構上完善該流域水文模型徑流形成的物理機制；其次，采用高精度的格網降水數據CMFD-P，并充分利用其空間優勢，通過建立分布式水文模型，實現更完整精確的研究區徑流模擬及預報。 □