CFSR数据集在辉发河流域水文模拟中的应用

黄艳伟, 李 颖, 朱红雷, 彭星玥, 王雨蝶

(1.河南师范大学, 河南 新乡 453007; 2.中国科学院 东北地理与农业生态研究所, 长春 130102)

卫星降水产品和气象资料再分析数据集目前已成为流域水文模拟的重要数据源[1-4]。TRMM[5]、CMORPH[6]、PERSIANN[7]和GSMaP等[8]卫星降水产品在国内外被广泛应用于无资料或缺资料地区的水文研究。气象资料再分析数据集主要以美国国家环境预报中心的CFSR再分析数据集、欧洲中期数值预报中心的ERA-Interim和美国国家航空航天局的MERRA数据集为代表[9-10]。其中，CFSR和当前应用最为广泛的水文模型SWAT相结合，在其官网(https:∥globalweather.tamu.edu/)提供了1979—2014年的气温、降水、风速、太阳辐射和相对湿度等模型输入数据，省去了从气象站点资料计算、分析和整理格式的步骤，受到了国内外学者的广泛青睐。如，于宴民和穆振侠[11]对CFSR降水数据进行了修正，结合SWAT模型对高山寒区河流喀什河进行了径流模拟。胡胜等[12]以灞河流域为研究区，从年和月尺度评价了传统气象数据和CFSR气象数据的径流模拟结果，并提出了CFSR气象数据订正的方法。Yu等[13]结合实测降水数据，利用泰森多边形和相关系数对CFSR降水进行了修正，发现修正后的径流模拟结果NSE提高了18.92%,R2增加了2.3%。Liu等[14]比较了CMADS和CFSR数据在青藏高原的精度，并利用SWAT分析了两种气象数据驱动下黄河源区流域径流模拟的精度。与以往仅采用遥感降水产品驱动模型的研究不同，CFSR再分析数据集还提供了气温、风速、太阳辐射和相对湿度等其他输入数据。因此，只根据径流模拟结果评价CFSR数据集的适宜性可能不太全面。本文以辉发河流域为研究区，在比较CFSR数据集和实测气象数据精度的基础上，采用SWAT模型，从径流模拟和蒸散发两个角度评价CFSR数据集在该流域的适宜性。

1 数据和方法

1.1 研究区概况

辉发河是吉林省吉林市以上松花江第一大支流，发源于辽宁省清原县龙岗山，流经梅河口市、辉南县、于桦甸市金沙乡许家店流入松花江。流域面积14 896 km2，本文以五道沟水文站上游为研究区域，约占全流域面积的84%。流域内水系较为发达，有白银河、梅河、莲河、大沙河和一统河等众多支流，多年平均径流量17.49亿m3，多年平均径流深196 mm。流域属温带大陆性季风气候区，夏季温热多雨，冬季寒冷漫长，多年平均气温为4.5℃,1月份年平均温度在-16.2℃左右，8月份平均气温在25℃左右。流域年平均降水量776 mm，主要集中在6—9月份，占年降水量的70%左右，受降雨影响，河水季节变化较大(图1)。

图1 研究区位置

1.2 CFSR精度分析

提取与梅河口、磐石和桦甸3个气象站点对应的CFSR栅格降水、气温、风速、太阳辐射和相对湿度数据，以实测气象数据为基准，采用相关系数(CC)和相对误差(Bias)两个指标评价CFSR数据在日尺度和月尺度上的估算精度。

(1)

(2)

1.3 SWAT模型输入数据

SWAT模型是美国农业部(USDA)开发的分布式水文模型，具有较强的物理基础[15]，模型的水量平衡方程可以用如下公式表示:

(3)

式中:SWt为土壤的最终含水量(mm);SW0为第i天可被植被吸收的土壤原始含水量,定义为原始土壤含水量减去凋萎点含水量(mm);t为时间(days);Ri为第i天的降水量(mm);Qi为第i天的地表径流量(mm);ETi为第i天的蒸散发(mm);Pei为第i天存在于土壤剖面底层的渗透量和测流量(mm);QRi为第i天的地下水回流量(mm)。

SWAT模型的输入数据主要包括DEM数据、土地利用数据、土壤数据、气象数据以及水文站实测径流数据等。本文数据及其来源如下:

(1) DEM数据来源于美国宇航局(NASA)和国防部国家测绘局(NIMA)，以及德国与意大利航天机构联合测量的SRTM(Shuttle Radar Topography Mission)数据集，空间分辨率为90 m。

(2) 以2005年Landsat 5 TM影像为基础，在ArcGIS中采用人机交互的方式获取研究区土地利用/覆被数据。为保持土地利用分类系统和SWAT模型一致，对本文的土地利用数据进行了重分类。

(3) 土壤数据来源于吉林省土肥站与长春地理所1988年联合编制的1∶50万土壤图。参照中国科学院南京土壤研究所土壤分中心的中国土壤数据库(http:∥www.soil.csdb.cn/)，获取不同土壤类型分层结构和理化性质数据，并按照模型输入要求计算相关参数，建立流域土壤数据库。

(4) 实测气象数据选用桦甸、梅河口和磐石2006—2010年的逐日观测数据，包括最高气温、最低气温、降水、相对湿度、风速和日照时数。本文所用气象站点均没有太阳辐射的实测资料，参考童成立等[16]的研究结果，利用基于站点位置和日照时数的方法估算了各气象站逐日太阳辐射值。CFSR气象数据为官网上直接下载的2006—2010的逐日数据。

(5) 五道沟径流数据来源于吉林省水文局。

1.4 模型率定、验证及不确定性分析

由于ArcSWAT 2012版本取消了自带的参数敏感性分析，因此本文采用SWAT CUP 2012中的SUFI_2算法进行参数敏感性分析、径流率定和验证，以及参数的不确定性分析[17]。选择决定性系数(R2)和Nash-Sutcliffe效率系数(NS)用来评价模型率定和验证的精度与效果

(4)

(5)

采用P-factor和R-factor两个指标来衡量参数的不确定性。P-factor是指95%置信水平上的不确定性区间(95%prediction uncertainty,95 PPU)所包含的实测值占总体的比例。95 PPU是指置信水平为2.5%和97.5%之间模拟结果的累积分布区间。95 PPU宽度越小，同时P-factor越接近于1，表示模型模拟的结果越好。R-factor是指95 PPU内样本的聚集程度，公式如下:

(6)

R-factor越大，实测值在95 PPU中的分布越零散，反之，则实测值分布越集中。当P-factor取1,R-factor取0时，表明模拟结果与实测数据完全一致。但是这种情况很难达到，一般认为，当P-factor>0.6，且R-factor<1时，模型的模拟精度满足要求。

2 结果与分析

2.1 CFSR精度分析结果

从表1中可以看出，在所有气象要素中CFSR数据集的温度与实测数据相关性最高，3个站点均在0.97以上。其次为辐射数据，3个站点的相关系数分别为0.84,0.9,0.82。CFSR的降水和风速与实测数据的相关系数范围在0.64～0.8。相关系数最低值出现在相对湿度要素，3个站点分别为0.65,0.63,0.59。6个气象要素相对误差值的分布和相关系数并不一致，相对误差的最大值为磐石市的最低温度，高达-155.28%。其次为风速要素，3个站点相对误差分别为61.33%，55.46%和56.58%。降水和相对湿度的相关系数较低，但相对误差值却较小，均低于10%。

表1 日尺度上CFSR与站点实测数据的比较结果

表2为月尺度上CFSR与站点实测数据的相关系数。与日尺度相比，除相对湿度外，各气象要素的相关系数均有不同程度的提高，最高温度、最低温度、降水和辐射的相关系数在0.93以上。月尺度上3个站点的风速相关系数分别为0.86,0.78,0.84。相对湿度的相关系数反而有所下降，下降幅度分别为0.04,0.05,0.09。

表2 月尺度上CFSR与站点实测数据相关系数

2.2 径流模拟适宜性评价

以2006年作为模型的预热期，2007—2008年为率定期，2009—2010年为验证期。采用SWAT CUP 2012中的SUFI_2算法进行模型率定、验证和参数的不确定性分析。本文选择了对辉发河流域径流敏感性较高的14个参数，参数的意义及初始值范围的设置详见Zhu等[19]的相关内容。初始的参数取值范围通常较大，会增加模型的不确定性和降低模型模拟精度。SUFI_2算法在执行完每次模拟后会推荐一组新的、较小的参数范围值。将4种径流模拟情景(CFSR和实测站点的日尺度和月尺度径流模拟)各执行两次迭代，每次迭代模拟次数为500，以最后一次迭代推荐的参数范围值对4种径流模拟情景进行验证和不确定性分析。

2.2.1 日尺度径流模拟结果 图2和表3为辉发河流域日尺度径流和参数不确定性分析结果。从图2中可以看出，CFSR和实测气象站点模拟的日径流和观测径流具有较好的一致性。CFSR 95 PPU的宽度明显大于实测气象站点95 PPU的宽度，意味着CFSR的95 PPU可能会包含更多数量的观测数据，但分布较为零散。因此，CFSR在率定期和验证期的P因子和R因子都高于实测气象站点。对于目标函数R2和NS,CFSR和实测气象站点在率定期的结果较为接近，而在验证期，实测气象站点的模拟结果相对较好，R2和NS值分别为0.85,0.84。CFSR模拟的径流相对误差在率定期和验证期分别为0.40%和-8.40%，实测气象站点模拟的径流值相对偏低，相对误差分别为-23.77%和-19.12%。

图2 日尺度径流模拟结果

表3 日尺度径流模拟和不确定性分析结果

2.2.2 月尺度径流模拟 辉发河流域月尺度径流和参数不确定性分析结果见图3和表4。相较于日尺度的模拟结果，月尺度的R2和NS值都有不同程度的提高，最高值出现在实测气象站点在验证期的结果，R2和NS值均为0.97。实测气象站点模拟的径流相对误差在月尺度也明显降低，CFSR的径流相对误差由负值转化为正值。对于P因子和R因子，CFSR和实测气象站点在月尺度上并没有明显的提高。

表4 月尺度径流模拟和不确定性分析结果

图3 月尺度径流模拟结果

2.2.3 融雪径流模拟精度评价 辉发河流域属于东北寒区，降雪可从每年的10月份持续到次年4月份。春季气温回暖，积雪融化速率加快，极易形成融雪性洪水。为评价CFSR数据集对融雪径流的模拟精度，从月尺度模拟结果中选取每年3—5月的径流数据，与水文站点实测的径流量进行比较，同时，以实测气象站点模拟的结果作为参考，结果见图4。从图中可以看出，实测气象站点和CFSR数据集模拟的春季径流与水文站点的观测结果整体趋势较为一致。其中，利用实测气象站点的模拟的结果拟合较好，相对误差为-4.78%。CFSR数据集对春季径流的模拟存在一定程度的高估，相对偏差为32.61%。

图4 CFSR和气象站模拟的春季径流精度评价

2.3 蒸散发模拟结果与分析

SWAT模型引入了3种方法计算蒸散发:Penman-Monteith，Priestley-Taylor和Hargreaves，本文采用的是模型默认的Penman-Monteith方法。首先计算潜在蒸散发(PET),SWAT采用40 cm高的紫花苜蓿作为Penman-Monteith方法的参照作物。确定潜在蒸散发后，实际蒸散发按以下流程计算:首先蒸发植被冠层截留的降水，然后SWAT采用Richtie[20]提出的方法计算最大散发量和最大升华/土壤蒸发，接着计算土壤的实际升华和蒸发。如果HRU中存在雪，将发生升华，没有雪时，土壤蒸发才会发生。将从以下3个方面分析蒸散发的模拟结果:(1) CFSR和实测气象数据中影响蒸散发因素的对比分析;(2) 蒸散发模拟结果的分析;(3) 假设降水因素校正后，CFSR其他气象因素对蒸散发模拟的影响。

2.3.1 蒸散发影响因素比较 Penman-Monteith方法中影响潜在蒸散发计算结果的因素主要为温度、相对湿度、风速和净辐射，进一步比较实测气象站点和CFSR的温度、相对湿度、风速和净辐射在空间上的异质性可以更好地理解潜在蒸散发的模拟结果。图5为CFSR和实测气象数据日最高温度、最低温度、相对湿度、风速和日照辐射在各子流域上的相对误差，图中蓝色表示相对误差为负值，红色表示正值。从图5中可以发现，CFSR的日最高温度在整个流域都低于实测日最高温度，相对误差范围为-11.41%～-2.97%。CFSR日最低温度在流域上游低于实测值，而在下游高于实测值。CFSR和实测日最低温度平均值范围分别为-0.25～0.53℃和-0.65～0.78℃，由于两者值较小，导致相对误差计算结果范围偏大(-120.98%～167.25%)。CFSR的相对湿度、风速和日照辐射在整个流域均大于实测值，相对误差范围分别为1.16%～8.64%,48.1%～67.89%和7.71%～17.3%。根据刘小莽等[21]和杨林山等[22]对潜在蒸散发气候敏感性分析的研究结果，温度、风速和太阳辐射与潜在蒸散发的敏感系数为正值，即潜在蒸散发会随着温度、风速和太阳辐射的增加而增大，相对湿度敏感系数为负值。与实测气象数据相比，CFSR数据集中各气象因素对潜在蒸散发估算结果正负效应都存在。

图5 CFSR和实测气象数据各气象因素的相对误差

2.3.2 蒸散发模拟结果比较 图6为CFSR和实测气象数据两者作为模型输入计算的PET和ET相对误差。从图6中可以得出，在整个流域上CFSR的PET和ET估算结果均高于实测气象数据的结果，PET和ET的相对误差范围分别为0.57%～20.23%和4.83%～17.98%，模拟误差较大。PET和ET的相对误差在空间分布上并不一致，PET相对误差较高的部分主要集中在流域下游，而ET相对误差较高的部分则分布在流域中上游。这是由于实际蒸散发还要考虑降水量、地表覆被类型和土壤含水量等多个因素的影响[23-24]。综合图5—6的结果发现，辉发河流域CFSR数据集中偏高的风速和日照辐射导致其模拟的PET和ET比实测气象数据的结果偏大。

图6 CFSR和实测气象数据PET和ET的相对误差

2.3.3 CFSR其他气象因素对蒸散发模拟的影响 将CFSR数据集中的降水因素替换为实测降水，其他因素不变，重新驱动模型，模型参数选用实测气象站点率定得到的参数。假设CFSR数据集中的降水经过校正后与实测结果完全一致，以实测气象站点的模拟结果作为参考，评价CFSR的气温、风速、相对湿度和日照时数对蒸散发模拟结果的影响，模拟结果见图7。从图中可以看出，该模拟情景下，仅有两个子流域存在较少的低估，流域整体上的ET模拟结果仍然偏高，相对误差最高可达到7.75%。这意味着，即使CFSR数据集中的降水经过校正后，其他气象因素对蒸散发的影响仍不可忽略。

图7 CFSR其他气象因素对蒸散发模拟的影响

3 讨论和结论

3.1 讨 论

无资料和缺资料地区水文水资源的模拟和评估是当前水文学研究的热点问题。全球再分析气象资料因其时空分辨率高、时间序列长和更新速度快等优点，越来越受到相关学者的青睐。本文以CFSR数据集为例，采用SWAT模型，评价了其在辉发河流域的适宜性。

(1) 从精度分析结果中可以发现，和其他因素相比，CFSR数据集中对径流模拟起关键作用的降水因素与观测值在日尺度上的相关性并不高。与Tropical Rainfall Measurement Mission (TRMM)降水产品类似，CFSR的降水因素在总量上与实测数据保持了较好的一致性，但是逐日降水的误差仍然较大，导致其相关性较低。

(2) 与实测气象数据模拟的径流相比，CFSR数据集在日尺度和月尺度上均表现出较好的模拟结果。实测气象数据的径流模拟结果中，Bias值较大是由于率定过程中追求更高的目标函数R2和NS值导致的。

(3) CFSR数据集模拟的春季径流存在一定程度的高估。SWAT中的融雪采用(雪堆温度与最高气温的平均值，与融雪温度阈值之差)的线性函数计算。虽然CFSR数据集中的最高温度和最低温度相对实测值较为偏低，但从融雪到产生径流的过程受多个因素和参数的影响，例如降雪量、CN2，ESCO和SOL_AWC等参数。CFSR和实测气象数据的差异必然导致率定得到的参数值有所不同，继而影响春季径流的模拟结果。

(4) 以往的研究通过建立CFSR降水数据与实测气象站点的统计关系，对CFSR逐格点进行校正，寻求更为准确的径流模拟结果[11,13,25-26]，但较少考虑CFSR数据集中温度、风速、相对湿度和日照辐射等气象因素对流域水循环其他组分的影响。本文的研究结果表明，采用CFSR数据集作为模型输入，其模拟的PET和ET均高于实测气象数据的模拟结果，即使将CFSR中的降水替换为实测降水数据，ET仍存在一定程度的高估。

3.2 结 论

本文以辉发河流域为研究区，采用SWAT模型，分别从径流和蒸散发两个角度评价CFSR数据集在该流域的适宜性。在月尺度和日尺度上构建了4种径流模拟情景，分析了不同数据输入和时间尺度下径流的模拟结果;以子流域作为空间单元，比较了CFSR数据集和实测气象数据中PET影响因素的相对误差，以及PET和ET的模拟误差。结果表明:(1) CFSR数据集与站点实测数据存在一定程度的差异，尤其是风速、辐射和温度;(2) 在径流模拟方面，整体上CFSR数据集在日尺度和月尺度上均表现较好，但春季径流模拟结果较高;(3) 在将CFSR数据集应用于水文模拟时，还应考虑温度、风速和日照辐射等其他因素对流域水循环各组分的影响，对CFSR中各气象因素都进行校正可能会得到更为准确的模拟结果。