基于多源融合降水數據的雨量站網適用性評估方法

摘要：面雨量計算精度對水文預報結果有重要影響，雨量站分布是否合理決定面雨量計算的可靠性。傳統雨量站網評價主要基于站網密度指標，缺少完整的指標體系。因此，基于多源融合降水數據CMPAS提供的降水空間分布信息，考慮降雨因素、下墊面因素等特征，提出了一套評估流域雨量站網適用性的方法。從站點實測降雨數據質量、站點分布、面雨量計算精度3個方面對雨量站網的適用性進行評估，并基于構建的評價體系對大渡河流域現有雨量站網進行論證。結果表明：① 大渡河流域當前站網的面雨量計算精度受站網密度和降雨空間分布的綜合影響，有9個分區面雨量計算相對誤差大于10%，其中有5個分區位于下游區域。② 上游區域面雨量整體小且分布均勻的分區即使站網稀疏，面雨量計算精度仍較高；中下游地區面雨量估計誤差普遍較高，這與降雨空間變異性大以及站網整體沿河谷地帶的不均勻分布有關。相較于傳統重點分析雨量站分布密度的站網評估手段，該評價體系能更綜合地評估流域站網分布情況。

關 鍵 詞：雨量站網； 降雨空間分布； 降水數據； CMPAS； 大渡河流域

中圖法分類號： TV125 文獻標志碼： A

DOI：10.16232/j.cnki.1001-4179.2025.03.014

0 引 言

面平均降雨量是流域水文預報工作的重要輸入［1］，而常規雨量站實測的數據只能反映觀測位置上的點雨量值。為了估算流域面雨量數值，目前主要通過點雨量插值［2］和遙感降水產品［3］獲取。已有研究表明［4-5］，常見的雨量插值方法和遙感降水產品對于流域面雨量估計的精度具有不確定性。在面雨量插值工作中，雨量站的空間分布以及觀測數據的可靠程度對面雨量計算精度至關重要［6］。

流域雨量站網布設評價研究方面，2023年SL/T 34—2023《水文站網規劃技術導則》［7］以及相關研究指明，對有降水量站網密度實驗資料的地區，可采用抽站法［8-10］進行分析；其他地區可采用平均相關系數法［11］、最小損失法、錐體法［12］、流域水文模型法［13-15］等進行分析。通過以上方法分析的雨量站網規劃和優化的目標函數均采用流域面雨量精度或直接使用雨量站密度［16］。如劉祖輝等［17］基于抽站法分析了魯北平原站網，結果表明，站網密度對面雨量計算精度有顯著影響，站網密度增大到一定程度時，面雨量誤差變化趨于平緩；站網密度相同時，均勻度越大，面雨量誤差越小；站網密度較小時，均勻度對面雨量誤差波動范圍影響較大。當前其他有關雨量站布設與面雨量插值精度的研究結論也與之一致。除了面雨量計算精度外，也有學者在雨量站網評價及優化工作中融入了信息熵理論［15，18-19］，他們同樣基于抽站法的思路，使用最大信息量最小冗余原則完成對雨量站網的評估及優化工作。

目前，在長江流域的中上游存在雨量站網密度較低或設站困難的問題，此類地區地形復雜，降雨空間變異性大［20］，雨量站網分布整體稀疏［21］。在這些地區對雨量站網適用性進行評估對后續站網優化有重要的支撐作用。然而以往雨量站網適用性評估工作缺乏對流域分區、降雨成因等諸多物理因素的考慮［16］。目前對于面雨量計算精度的評估主要以抽站法為基礎，并將流域水文模型或信息熵理論結合運用［22-23］，此類研究通常針對流域雨量站布設是否冗余進行判斷［10］。這套方法對設站數目和數據質量均有一定要求，在站網分布稀疏的偏遠地區難以使用。因此，建立綜合多個指標評價流域雨量站網適用性的方法尤為必要。

為了解決面雨量真值無法獲取的問題，一些學者在水文研究中使用遙測數據如雷達、衛星等多源降水數據作為面雨量空間分布的參考［24-26］。為此，本文引入“中國逐小時降水實時融合實況分析產品”（以下簡稱CMPAS），將該多源融合降水數據作為面雨量空間分布的參考。該產品采用概率密度函數匹配法、貝葉斯模型平均法、空間降尺度技術以及最優插值法等關鍵技術研制而成，融合了全國約40 000個業務考核自動氣象站質量控制后的小時降水量數據、全國雷達定量估測降水產品以及FY2和CMORPH衛星反演降水產品［27］。相關研究表明［28-29］，與國際和國內同類產品相比，CMPAS降水數據在中國區域質量更高，時空分布特征更為合理準確，且優于任一單源降水數據。

本文將以國能大渡河流域水電開發有限公司（以下簡稱“大渡河公司”）自建站點為研究對象，在數據精度分析和站網密度分析的基礎上，結合降雨時空變異性和下墊面因素，以多源融合降水產品提供的面雨量空間分布作為參考分析面雨量計算精度，對研究區域雨量站網適用性進行定性定量相結合的評估，為站網優化增設雨量站工作提供支撐。

1 研究區域和數據資料

1.1 研究區域

大渡河是長江流域岷江水系最大支流，流域面積接近8萬km2。地理位置界于東經99°42′～103°48′，北緯28°15′～33°33′之間（圖1）。大渡河流域降雨的空間分布總體自西北向東南遞增，上游年平均降雨量約為700～1 200 mm，下游年平均降雨量約為700～2 000 mm。在大渡河的中游和下游地區，降雨不僅受氣候特性影響，也受地形地勢條件影響。河谷地區降雨少，兩側支流及海拔較高位置降雨多。干流河谷兩側支流年降雨量約在800～2 000 mm，河谷大部分地區年降雨量在700～1 000 mm，而河谷靠近流域出口處年降雨量則為1 000 mm左右。

為了便于對面雨量計算進行評估，參考現有預報分區，可進一步利用流域DEM數據、水文站網分布將大渡河流域源頭至龔嘴劃分為24個分區。同時分別參考干流附近的大金和瀘定兩站，將流域分為上、中、下游。具體如圖2所示。

1.2 研究數據

（1） CMPAS數據產品。

本文獲取的CMPAS產品覆蓋中國區域（0～60° N，70° E～140° E），空間分辨率為0.05°×0.05°（等經緯度網格，在大渡河地區約為5 km），逐小時更新，獲取的數據時間段為2021年1月1日至2023年2月28日。葉瑤等［30］結合大渡河流域氣象站數據對CMPAS數據集中的1 km分辨率產品在日尺度下的數據可靠性進行了詳細驗證。結果顯示該產品在大渡河流域TS評分總體較高，尤其是下游各量級降雨可達0.95，全流域各量級降雨空報率控制在3%以內，且上游和下游漏報率整體比中游低。研究發現在洪水過程中，融合格點降雨的小時面雨量變化趨勢與實況面雨量基本一致，峰值出現時間與實況匹配度高。同時，梳理相關成果可知，該產品在大渡河流域周邊區域也被廣泛使用并取得較好的精度驗證結果［31-33］，為本文使用CMPAS數據作為面雨量空間分布參考提供了支撐。

（2） 大渡河公司自建站點。

本文獲取了大渡河公司82個自建水雨情站點信息，圖1中顯示了這82個有雨量觀測數據的站點位置，獲取的數據時間段為2004年5月1日至2022年9月21日，數據間隔為1 h。此外，本文還獲取了1956～2000年歷史平均年降雨量等值線圖，表征了流域前期的降雨空間分布。

目前，四川省水文水資源勘測中心在大渡河流域共建有388個有降雨觀測數據的站點，包括302個雨量站（占77.8%），39個水文站（占10.1%）和47個水位站（占12.1%）。本文選取了其中15個與大渡河公司自建站點同名且距離接近的站點，用于與大渡河自建站點數據開展相關性分析。

2 研究方法

2.1 流域雨量站網適用性評價指標體系

2.1.1 雨量站數據質量指標

雨量站觀測數據的精度是準確可靠計算面雨量的重要前提。然而，受數據采集、傳輸、存儲等因素影響，雨量站點數據可能存在數據缺失、系統性誤差等問題。為進一步分析每個站點數據的準確性與可靠性，本文對來自同一站網以及不同站網相近站點的數據，分別采用降雨累計曲線、降雨柱狀圖和散點圖進行分析。其中，降雨累計曲線和降雨柱狀圖的統計間隔為月，統計范圍為2019～2021年，以便于根據每月降雨量識別存在顯著缺測的站點，并結合3 a的降雨規律進行綜合評價，進而對過程線中出現的數據缺失、降雨總量異常等進行甄別。

在利用散點圖進行分析時，本文選擇了皮爾遜線性相關系數（CC）和均方根誤差（RMSE）評估兩組數據的相關性和精度。計算公式如下：

式中：xi和yi為兩組樣本對應的值，x—和y—代表樣本平均值，sx和sy代表樣本標準差。

2.1.2 雨量站空間分布指標

按照《水文站網規劃技術導則》，雨量站應在大范圍內均勻分布，且單站面積不宜大于100 km2（荒僻地區可適當放寬）。同時，由氣象學可知，降雨空間變異性與下墊面復雜程度相關，從圖1中的高程和降雨等值線可以顯著看出這種相關性。故本文擬通過定性定量分析相結合的方法，根據各分區站網密度、降雨量等值線梯度、地形起伏度等要素對流域雨量站網適用性進行分區評估。同時，考慮到洪澇災害防御和水庫調度運行安全的需要，擬統計CMPAS數據在各個格點位置處捕捉到的暴雨次數，再結合站點位置，對當前站網布設對極端降雨的捕捉能力進行評估。

2.1.3 面雨量計算精度指標

面雨量計算可靠程度對水文預報結果具有重要影響。對計算分區內所有CMPAS網格降雨量進行統計，可以得到各分區降雨量的頻率分布以及相應的特征值。故本文將CMPAS的雨量分布作為基準，旨在反映該計算分區內“真實”的面雨量分布。

為了評估現有雨量站網面雨量計算效果，將大渡河公司自建雨量站位置與CMPAS網格數據進行疊置分析，將雨量站位置對應的CMPAS網格降雨量作為雨量站的雨量，并通過降雨插值方法（反距離權重法）將雨量插值到與CMPAS數據同樣空間尺度的網格上（0.05°），再采用同樣的方法分析網格降雨量的頻率分布以及相應的特征值。其中，反距離權重法是被廣泛應用的一種降雨空間插值方法。它基于相近相似的原理，以待估點與參考點間的距離為權重進行加權平均。相關計算公式如下：

式中：P︿0為待估點（x0，y0）處的降雨量，mm；Pi為第i個雨量站（xi，yi）處的降雨量，mm；N為參與估值的雨量站個數；λi為第i個雨量站對應的權重；di0為待估點與參考點之間的距離。

以CMPAS降水產品的空間分布為參考，將CMPAS數據賦值到站點位置處插值，以估計各分區內面雨量插值計算的絕對誤差（AE）和相對誤差（RE），并統計頻率分布。CMPAS插值面雨量的誤差越小、頻率分布與CMPAS原始數據的頻率分布越接近，則說明該分區的站網布設越能較好把控面雨量分布，通過雨量站插值計算的面雨量越接近參考情況。

2.2 基于水文模型的雨量站網適用性評估結果驗證方法

本文擬采用分布式新安江水文模型［34-35］對研究區域有可靠實測徑流數據的源頭小流域進行水文模擬分析，以驗證雨量站網的適用性。由于這些小流域主要受降雨影響，故認為其能反映自然條件下的區域降雨徑流過程。

首先，通過ArcGIS的水文模塊和Hydro-BASINS數據集生成流域水網和子單元。然后，綜合考慮分布式模型水文模擬的精度和效率，將子單元控制在100～300 km2之間，并經過徑流數據質量篩查，最終選出5個徑流數據完整的源頭小流域進行模擬分析。針對站點實測降水，本文采用反距離權重方法將站點降水插值成網格降水，并統計每個計算單元里面網格降水的均值，作為該計算單元的面雨量輸入模型。模擬時段為2015～2021年，其中前4 a作為模型的預熱期，后3 a作為驗證期。在模擬尺度上，采用逐小時站點雨量數據進行連續模擬。模型參數部分，主要根據現有研究成果［35］對各個分區的流域平均張力水容量（WM）、表層自由水蓄水容量（SM）、河網蓄水消退系數（CS）、不透水面積占全流域面積的比例（IMP）等參數進行定量計算，而蒸散發折算系數（KC）、表層自由水蓄水庫對壤中流和地下水的日出流系數（KI、KG）以及壤中流和地下水的消退系數（CI、CG）等參數則在小流域上作了進一步的率定與調整。

3 雨量站網適用性評估

3.1 大渡河公司自建站點雨量數據質量評價

3.1.1 各分區雨量站年降雨量交叉對比

對于面積中等的分區，一般分區內不同站點的觀測降雨量表現有一定的相關性，可通過對比同一分區內不同站點的降雨過程來識別實測雨量數據存在明顯問題的站點。因此，本文首先根據分區與雨量站的空間位置篩選出對應站點，然后根據2019～2021年觀測數據，統計得到月累計降雨量統計圖和月降雨量柱狀圖，如圖3所示。

通過對所有分區內的降雨站點數據進行統計分析，發現大渡河流域站點雨量數據整體質量較優，但局部分區的部分站點出現數據缺失的情況。當前站網數據缺失問題可大致歸納為兩類：第一類站點，某段時間內有明顯數據缺失，表現為單月或數月均未監測到降雨（如草登站和唐家溝站）；第二類站點，盡管每月都有降雨數據，但綜合臨近站對比分析發現其監測數據遠少于臨近站的數據，在汛期尤為明顯，表現為累計降雨曲線增幅顯著小于臨近站點（如田灣站）。

通過對流域內82個大渡河公司自建雨量站的數據分析，挑選出多月出現前文所述兩類情況的雨量站，并按表1進行數據質量分級，結果如圖4所示。考慮到水文預報結果的精度，對于缺測數據過多的雨量站已在計算過程中剔除［36］。

3.1.2 大渡河公司自建站與其他部門同名站的交叉對比

本文使用的四川省水文水資源勘測中心（以下簡稱“四川水文中心”）站點中，有15個站點與大渡河公司自建站點名稱相同且距離相近。由于距離非常接近，這些站點的降雨過程應具有較高的相關性。為此，本文結合大渡河公司站點和四川水文中心站點的兩套數據對站點雨量可靠性進行驗證，并重點判斷有無系統誤差和奇異值。對15個站分別點繪其日雨量散點圖（圖5），并統計相關系數（CC）、線性擬合趨勢線斜率和均方根誤差（RMSE），統計結果如表2所列。

從圖5可以看出，兩組數據的一致性較好，散點線性擬合斜率接近1，且無系統性偏移。從相關性指標上來看，兩者相關性較好。但較多站點存在一側數據為0的奇異點。通過對大渡河公司及四川水文中心站點觀測數據的綜合比對，發現四川水文中心的站點在2018年8月上旬至9月中旬有大范圍的數據缺失情況。若排除這些干擾因素，則可發現大渡河公司自建站點與水文部門數據相關性整體較好，且數據精度與水文部門保持一致。

3.2 雨量站空間分布評價

3.2.1 結合站網密度和下墊面條件評價

統計不同分區的站網密度，結果如表3所列。由表3可知，目前大渡河流域分區內雨量站分布最密集的區域為下游分區（毛頭碼—沙南，密度為143 km2/站），雨量站分布最稀疏的區域為上游分區（一林場—綽斯甲，密度為4 454 km2/站）；大金—丹巴、綽斯甲—大金、猴子巖—瀘定、馬爾康、康定、小金、日部—足木足、一林場、日部、一林場—綽斯甲等10個分區內雨量站密度均大于1 000 km2/站。其中，一林場、日部、一林場—綽斯甲、日部—足木足、綽斯甲—大金、馬爾康6個分區處于大渡河流域的上游，結合大渡河流域站網分布規劃可知，上游荒僻地區海拔較高，實際設站條件較差，故當前自建站網布設受實際條件限制。大金—丹巴、猴子巖—瀘定、康定、小金4個分區處于大渡河流域的中游。

地形起伏度表示一定范圍內的高程差。在ArcGIS軟件中使用焦點統計工具統計每個DEM柵格周邊一定閾值范圍內的高程差可以反映該位置的地形起伏度。本文使用的DEM數據分辨率為50 m，將閾值設定為12個像元即600 m搜索半徑進行計算。結合降雨等值線和地形起伏度（圖6）可知，大渡河流域部分地形復雜，降雨變化劇烈，而站網多分布于河谷低海拔地帶，故根據前文分析可判斷此類地區的站網目前尚無法充分捕捉降雨空間分布情況。

3.2.2 結合降雨時空分布評價

由1956～2000年平均降雨量等值線圖可知，大渡河流域從上游到下游等值線梯度逐漸增大。因此，對上游雨量站控制面積的要求可低于下游，而下游站網密度應高于上游，以便于控制暴雨中心及強度，并捕捉降雨突變，提高面雨量計算的可靠性。同時，由圖6可知，等值線分布與流域高程顯著相關，總體呈現出坡度大的地區降雨等值線相對更密的規律，亦符合3.2.1節中的評價結論。

根據《四川天氣預報手冊》［37］及相關研究［38］，川西高原的暴雨等級劃分與全國暴雨量級有所不同，如24 h降水量大于25 mm為暴雨。為評估現有站網對極端降水的捕捉能力，本文參考CMPAS降雨數據，按上述標準設定24 h為時間窗口，統計每個網格處24 h降雨超過25 mm的次數，以反映各個位置處的暴雨頻率，統計結果如圖7所示。流域上游暴雨主要集中在流域東北處的馬爾康分區（位置參見圖2），這與《四川天氣預報手冊》中描述相一致。而中下游的暴雨主要分布在流域邊緣坡度較大的區域。結合對圖1的分析可知，大渡河公司自建雨量站點多分布于河谷及周邊地帶，然而暴雨受地形影響多分布在地形起伏度大的區域。盡管中下游雨量站分布較多，這種空間差異仍會導致部分區域暴雨監測頻率相對實際情況較低。

3.3 面雨量計算評價

將獲取到的所有時段CMPAS柵格數據疊加計算多年平均值，以平均態CMPAS降雨空間分布特征值為參考基準，探究大渡河流域降雨的空間分布格局。首先，通過反距離權重插值法將CMPAS產品在站點位置處的降雨數據插值成面雨量，再利用Python分區統計模塊，計算CMPAS降水產品和CMPAS數據在站點位置處插值面雨量在各個分區的頻率分布（圖8）和相對誤差（圖9）。

CMPAS降水產品和CMPAS數據在站點位置處插值面雨量的均值及頻率分布越接近，說明通過雨量站計算的面雨量越接近參考情況。因此，通過對比計算分區內CMPAS插值以及雨量站插值降雨的均值及頻率分布等就可以一定程度地評估面雨量計算的精度。圖8展現了流域內6個不同位置處的代表性分區的統計結果。其中，日部、一林場、馬爾康位于上游，康定位于中游，巖潤、沙南—龔嘴位于下游。中下游分區及上游降雨較多的馬爾康分區內CMPAS降水產品統計面雨量的平均值大于CMPAS數據在站點位置處插值面雨量的均值，而上游降雨較少的日部和一林場分區則與之相反。另外，研究發現各分區CMPAS面雨量數據頻率分布相較站點插值結果更為分散，這說明CMPAS的空間分布比站點插值面雨量的空間分布更為復雜；且站點插值得到的面雨量分布較為單一，這說明現有雨量站網插值得出的面雨量分布可能難以充分反映真實的面雨量分布。

通過進一步的分析可發現，大渡河流域子單元中CMPAS和站點面雨量的AE和RE與子單元內平均高程和高程變異性相關。參考表3，流域內一共有7個分區地形起伏度大于1 000 m。而8個AE絕對值大于100 mm的分區中，有5個分區地形起伏度大于1 000 m；9個RE絕對值大于10%的分區中，有5個分區地形起伏度大于1 000 m。此外，從圖9中還可發現，面雨量RE較大的區域多集中于分區邊緣位置，且這些地區作為分水嶺地勢較高。由以上分析可以看出，以CMPAS降水產品數據為基準，在大渡河流域地形起伏度較大的區域進行面雨量計算更容易產生誤差。

結合圖1中的多年降雨量等值線可知，CMPAS和站點面雨量AE絕對值大于10 mm和RE絕對值大于10%的區域大多分布于降雨量等值線密集處，即大渡河下游區域，如綽斯甲—大金和馬爾康分區即處于降雨量等值線稀疏處。參考3.2節的分析結果，認為區域內站點稀疏和極端降雨可能是導致誤差較大的主要原因。

4 基于水文模型的雨量站網適用性評估結果驗證

基于降雨徑流數據質量分析，篩選出源頭流域內5個具有完整徑流數據的小流域（圖10），并使用分布式新安江模型進行徑流模擬，結果如圖11所示。結合前文基于面雨量計算精度的站網適用性評價結果可知，各個分區基于CMPAS數據估計的面雨量計算精度與基于站點數據統計的徑流模擬結果具有顯著相關性。AE與BIAS相關系數為0.63，呈正相關；AE的絕對值與NSE的相關系數為-0.66，呈負相關。表示隨著誤差增大，BIAS有增大的趨勢，NSE有減小的趨勢。

除巖潤分區外，所有BIAS指數為正的小流域其誤差也為正，這表明在3.3節中面雨量插值結果大于參考值的分區，其徑流模擬結果也呈現高于實測徑流的趨勢，反之亦然。

此外，日部、一林場、巖潤分區徑流模擬結果的NSE均大于0.7。且位于上游的日部、一林場分區面雨量的估計誤差較小，面雨量計算誤差評價結果與徑流模擬結果吻合。而巖潤分區徑流模擬的NSE盡管達到了0.72，但面雨量評估精度較低。結合3.2節中的雨量站空間分布，可進一步探索其原因：巖潤流域站網密度適中，地形起伏度和面雨量空間變異性均較小，對于圖7中的各個頻率暴雨的位置也能較好表征。結合當前對于新安江模型徑流模擬誤差傳遞機制的研究［39］，另一個可能的原因是該流域面積較大但年徑流量和洪峰流量均偏低，面雨量計算精度波動對徑流模擬結果的精度影響較小。

康定和馬爾康分區的徑流模擬結果相對一般。其中，馬爾康分區的面雨量誤差較大，參考前文相關性分析，本研究認為較大的面雨量計算誤差是導致徑流模擬結果較差的主要原因。康定分區誤差較小但徑流模擬結果一般的原因主要是，分區平均值統計的過程中正負誤差產生了抵消。由圖9可知，康定北部地區呈現面雨量高估、南部地區呈現面雨量低估的趨勢，但實際情況下降雨不會均勻覆蓋整個區域。此外，水文模擬輸入的是逐小時面雨量，所以參考CMPAS平均值估計的誤差分布在時間序列上會被分散，從而進一步降低模擬精度。所以在分析面雨量誤差時既要考慮分區平均面雨量，也要關注各個分區具體的誤差分布和站點布設情況。

5 結 論

本文從站點降雨量監測精度、站點分布、面雨量計算3個角度，提出了站網適用性評價指標體系，并基于定性定量相結合的方式提出了一套評估流域雨量站網適用性的方法。以CMPAS數據空間分布為參考將本方法應用于大渡河流域，得出以下結論：

（1） 面雨量誤差與站網密度、地形起伏度、降雨空間變異性有關。基于反距離插值法計算的大渡河流域面雨量大部分呈現低估趨勢，面雨量估計誤差大的分區多分布于流域中下游站網稀疏且暴雨頻繁的分區，不合理的站點布設是此類分區現有站網面雨量估計誤差較高的主要原因。從頻率分布對比分析可以看出，CMPAS降水數據的空間分布比站點插值面雨量的空間分布更為復雜，更符合實際降雨空間分布情況。

（2） 使用分布式新安江模型對源頭小流域進行徑流模擬，大部分面雨量計算誤差較小的分區徑流模擬結果較優，誤差與徑流模擬結果呈明顯相關性。部分分區會出現徑流模擬結果與面雨量評估結果不匹配的情況，這與站網布設、面雨量分布、模擬誤差等多個因素有關。對于流域雨量站網適用性評價，需要結合站網布設、雨量空間分布綜合分析。

（3） 面雨量計算精度分析表明，站網適用性評價需要以站網密度為基礎綜合多要素分析。站網稀疏的分區，其面雨量計算誤差也可能較小，這與地形和降雨的空間分布有關。因此對于區域站網密度的需求，應該根據分區站網空間分布、下墊面條件、降雨空間分布情況綜合調整，降雨空間復雜的位置站網密度要求要高于降雨空間分布均勻的區域。

本文提出的站網適用性評估方法適用于面積較大、地形復雜、站網分布整體稀疏且無冗余的流域，可以結合多要素評價研究區域站網分布的合理性。既改進了以往只分析站網密度的站網評價方法，也避免如抽站法等方法對數據量要求較高的問題。本文提出的方法能為研究區域進行站網優化尤其是增設雨量站的相關工作提供支撐。

參考文獻：

［1］ 李莎，張濤，張行南，等.面雨量計算不確定性對新安江模型徑流模擬的影響研究［J］.中國農村水利水電，2020（2）：1-5，10.

［2］ 石朋，芮孝芳.降雨空間插值方法的比較與改進［J］.河海大學學報（自然科學版），2005，33（4）：361-365.

［3］ 段震，王超，邸燕，等.IMERG系列產品在大汶河流域的降水監測能力評價［J］.人民長江，2023，54（7）：89-97.

［4］ 王漢東，黃瓅瑤，朱思蓉，等.三峽區間面雨量空間插值方法對比分析［J］.水利信息化，2021（1）：26-29.

［5］ 李艷忠，莊稼成，白鵬，等.中國不同氣候區多源遙感降水融合與性能綜合評估［J］.地理研究，2022，41（12）：3335-3351.

［6］ 李潔，徐強強，王正華.考慮降雨空間異質性的洪水預報模型研究［J］.人民長江，2023，54（增1）：11-15.

［7］ 水利部黃河水利委員會水文局.水文站網規劃技術導則：SL/T 34—2023［S］.北京：中國水利水電出版社，2023.

［8］ 朱英慶，張桂嬌.江西省雨量站網優化［J］.水文，1997（增1）：70-72.

［9］ TSINTIKIDIS D，GEORGAKAKOS P K，SPERFSLAGE A J，et al.Precipitation uncertainty and raingauge network design within Folsom Lake Watershed［J］.Journal of Hydrologic Engineering，2002，7（2）：175-184.

［10］吳薇，杜冰，周春花，等.雅安雨量站站網布設優化試驗［J］.氣象科技，2023，51（6）：805-814.

［11］代興蘭.云南省雨量站網評價結果淺析［J］.云南地理環境研究，2007（2）：22-26.

［12］王巧平，劉克巖.錐體梯度法在雨量站網布設中的應用［J］.水科學與工程技術，2008（6）：10-11.

［13］程翔，瞿思敏，劉森宇，等.富春江水庫區間洪水模擬站網優化研究［J］.水力發電，2022，48（6）：30-35，89.

［14］XU H，XU C，CHEN H，et al.Assessing the influence of rain gauge density and distribution on hydrological model performance in a humid region of China［J］.Journal of Hydrology，2013，505：1-12.

［15］XU H，XU C，SAELTHUN R N，et al.Entropy theory based multi-criteria resampling of rain gauge networks for hydrological modelling：a case study of humid area in southern China［J］.Journal of Hydrology，2015，525：138-151.

［16］王小贊，趙彥增.雨量站網布設對子流域降雨量計算結果的影響［J］.中國農村水利水電，2019（11）：10-14，27.

［17］劉祖輝，劉海宇.魯北平原雨量站網分布與面雨量誤差關系研究［J］.治淮，2021（6）：40-41.

［18］劉秀林，李雨，陳金鳳.基于信息熵的雨量站網優化研究［J］.水文，2021，41（2）：26-31.

［19］丁文峰，韓昊宇，王協康，等.基于信息熵理論的黃土高原小流域雨量站網優化［J］.工程科學與技術，2022，54（2）：113-121.

［20］高琦，徐明，李武階，等.長江上游六流域強降水面雨量特征分析［J］.人民長江，2013，44（13）：14-17.

［21］吳薇，黃曉龍，周春花，等.四川省地面雨量站站網現狀分析［J］.氣象科技，2023，51（5）：639-647.

［22］程中陽，張行南.涪江橋流域雨量站網分布與面雨量誤差關系研究［J］.中國農村水利水電，2017（10）：174-178，187.

［23］陳利群，劉昌明，郝芳華.站網密度和地形對模擬產流量和產沙量的影響［J］.水土保持學報，2005，19（1）：18-21.

［24］WAGNER D P，FIENER P，WILKEN F，et al.Comparison and evaluation of spatial interpolation schemes for daily rainfall in data scarce regions［J］.Journal of Hydrology，2012，464/465：388-400.

［25］COLE J S，MOORE J R.Hydrological modelling using rain gauge and radar-based estimators of areal rainfall［J］.Journal of Hydrology，2008，358（3/4）：159-181.

［26］NIKOLOPOULOS E I，ANAGNOSTOU EN，BORGA M.Using high-resolution satellite rainfall products to simulate a major flash flood event in Northern Italy［J］.Journal of Hydrometeorology，2013，14（1）：171-185.

［27］杜冰，吳薇，黃曉龍，等.多種融合降水實況分析產品在雅安寶興暴雨過程中的適用性評估［J］.高原山地氣象研究，2023，43（1）：111-118.

［28］孫帥，師春香，潘旸，等.CMPAS長序列融合降水在中國區域的適應性評估［C］∥第34屆中國氣象學會年會S20氣象數據：深度應用和標準化論文集，2017：101.

［29］SUN S，SHI C X，PAN Y，et al.Applicability assessment of the 1998-2018 CMPAS multi-source precipitation fusion dataset over China［J］.Journal of Meteorological Research，2020，34（4）：879-892.

［30］葉瑤，黃瑤，宋雯雯，等.多源融合實況降水分析產品在大渡河流域的適用性評估［J］.水利水電快報，2024，45（10）：12-17.

［31］曠蘭，田茂舉，李強，等.川渝地區汛期逐小時降水融合產品誤差分析［J］.中國農業氣象，2023，44（10）：953-963.

［32］龍柯吉，谷軍霞，師春香，等.多種降水實況融合產品在四川一次強降水過程中的評估［J］.高原山地氣象研究，2020，40（2）：31-37.

［33］郭旭，龍柯吉，范江琳，等.四種降水融合產品在四川持續性強降水過程中的對比評估［J］.高原山地氣象研究，2021，41（2）：42-52.

［34］ZHAO R J.The Xinanjiang Model applied in China［J］.Journal of Hydrology，1992，135（1/4）：371-381.

［35］肖梓明.新安江模型參數定量計算與尺度效應研究［D］.南京：河海大學，2022.

［36］楊春陽.簡析湯河水庫上游雨量站缺測對預報精度的影響［J］.水與水技術，2023（增1）：40-42.

［37］四川省氣象局.四川天氣預報手冊［M］.成都：西南交通大學出版社，2014.

［38］劉新超，黃瑤，宋雯雯，等.2009～2019年大渡河上游暴雨的時空分布和環流特征分析［J］.高原山地氣象研究，2020，40（3）：48-53.

［39］蔡和荷.徑流模擬對降雨誤差的響應及誤差傳遞機制研究［D］.南京：河海大學，2022.

（編輯：謝玲嫻）

Applicability evaluation method for rainfall gauge networks based on multi-source integrated rainfall data

QIN Dingchao1，ZHANG Xingnan1，ZHANG Zihang2，LI Jia2，MOU Shiyu2，FANG Yuanhao1

（1.College of Hydrology and WaterＲesources，Hohai University，Nanjing 210098，China； 2.Dadu River Hydropower Development Co.，Ltd.，Chengdu 610000，China）

Abstract：

The accuracy of areal rainfall in computational unit is important for hydrological forecasts，and the reliability of areal rainfall largely depends on the configuration of rainfall gauge network.The conventional evaluation on rainfall gauge network is mainly based on the gauge network density，lacking comprehensive criterions.To address this issue，based on the spatial distribution of rainfall estimated by CMPAS，and considering the characteristics of rainfall and underlying surface factors，a set of methods for evaluating applicability of the rainfall gauge network is proposed，which includes three aspects：the quality of the data recorded by the gauge，the distribution of the station，and the calculation accuracy of areal rainfall.Based on the proposed evaluation criterions，the existing rainfall gauge network in the Dadu River Basin is evaluated.The results show that：① the calculation accuracy of areal rainfall of the current gauge network is affected by the combined influence of the gauge network density and the spatial distribution of rainfall.The relative error of areal rainfall calculation in 9 sub-basins is greater than 10%，of which 5 are in the downstream area.② In sub-regions of the upstream area，the overall areal rainfall is small and evenly distributed，in spite of a sparse gauge network，the calculation accuracy of areal rainfall remains relatively high；the average rainfall estimation errors in the middle and lower reaches are generally high，which is related to the large spatial variability of rainfall and the uneven distribution of the gauge network along the river valley.Compared with the conventional evaluation methods that focus on the distribution density of rain-gauge stations，criterions proposed in this paper can more comprehensively evaluate the distribution of gauge networks in the basin.

Key words：

rainfall gauge network； spatial distribution of rainfall； rainfall data； CMPAS； Dadu River Basin

收稿日期：2024-06-28 ；接受日期：2024-09-11

基金項目：國家自然科學基金項目“長江上游山坡徑流模擬與山洪形成機理”（U2240216）；中央高校業務費項目“地球系統模式次網格多元產流過程參數化方案研究”（B230201038）；國家能源集團科技創新項目（SCZH-KY-2023-001）

作者簡介：秦鼎超，男，碩士研究生，主要從事水文物理規律模擬及水文預報方面的研究。E-mail：859366539@qq.com

通信作者：方園皓，男，副教授，博士，主要從事水文物理規律模擬及水文預報方面的研究。E-mail：yhfang@hhu.edu.cn