基于再分析降水与融雪模块的雅砻江上游径流模拟研究

黄 琦，覃光华，2，向俊燕，王瑞敏

（1.四川大学水利水电学院，成都610065；2.四川大学水力学与山区河流开发保护国家重点实验室，成都610065）

0 引 言

中国西部部分高寒地区气候条件恶劣，人口密度小，社会经济发展落后，流域内受人类活动影响较小，但稀疏的水文站网对水文模型的建立极其不利。雅砻江流域新龙水文站控制区域属高寒地区，水文资料较少［1］，且在降水、植被指数、海拔、自然环境等方面差异明显［2，3］。而雅砻江中下游近年来开发程度较大，上游两河口水电站将于2021年投产，其上游新龙水文站控制流域为其重要径流组成部分。因此，采取合适的水文模型及模型输入数据模拟新龙流域径流，对雅砻江中下游水资源开发利用具有重大意义。

目前，雅砻江流域上游地区在水文特性及径流预报方面已取得一定成果。张新海等［1］利用水文气象站点观测资料，分析研究了甘孜以上区域降水、暴雨和径流等水文要素的特性；王渤权等［4］分析了雅砻江流域径流年内分配特性，认为雅砻江上游径流年内分配不均；部分学者采用站点径流资料，基于统计模型预测雅砻江二滩流域中长期径流，但数学模型无明确水文机制，模型不确定性较大［5，6］；俞烜等［7］以站点资料为输入，开发了雅砻江流域水循环系统的分布式水文模型，对雅砻江流域月径流进行模拟预报；康尔泗等［8］考虑了随着高程变化带来降水量和蒸发量等水文要素的差异性分布，采用站点资料推求流域和各海拔带降水和气温，并基于HBV 模型完成雅砻江流域月、年平均流量的模拟。由此可见，目前研究区径流模拟大都以地面站点降水为输入进行模拟计算，且模型结构改进有限。随着卫星遥感数据在数据稀缺地区水文模型的日益广泛应用，选择高精度的格网降水产品并应用成为未来研究的必然趋势；同时，采用适当的水文模型模拟径流对研究区径流模拟及预报工作具有重大意义。

本文首先基于地面降水资料，评价不同时间尺度上再分析格网降水资料（CMFD-P）的精度；其次基于三水源新安江模型和含融雪模块的三水源新安江模型，分别以地面降水观测资料和CMFD-P 为输入，模拟了新龙水文站控制流域的径流过程并进行评价和比较，对（CMFD-P）在研究区的水文效应进行评估，进而为新龙上游流域未来径流预报发展提供参考。

1 研究区概况

雅砻江起源于青海省玉树县境内的巴颜喀拉山南麓，流向为自西北至东南，于呷依寺附近进入四川省，是金沙江左岸最大的一条支流［1］。本文研究区为新龙水文站控制的雅砻江流域上游区，位于青藏高原东南部，属高原亚寒带湿润区，下垫面变化较大。流域降水观测站点稀少，且降水分布的地区差异较大，年内分配严重不均匀［9］。降雪为流域降水的重要组成部分，同时春季融雪径流在多年径流中占有较大比重［10］，区域内径流年内分配不均［4］。如图1所示，研究区地理范围为30.77°N～34.21°N，96.82°E～101.44°E；海拔范围为3 173～6 087 m；流域大致呈南北向条带状，平均海拔高程为4 430.49 m，干流长约534 km，控制面积36 685 km²。在研究时段内（2004-2012年），研究区内无大型工业或采矿业，人口密度小，无大型水库或水电站，总体而言，研究区在研究时段受人类活动影响较小，植被仍然保存完好。本文研究区共四个气象站点（由北至南分别为清水河站、石渠站、甘孜站、新龙站），一个水文站点（新龙站）。研究区范围及气象水文站点如图1所示。

2 数据及方法

2.1 研究数据

中国区域高时空分辨率地面气象要素驱动数据集（China Meteorological Forcing Dataset，CMFD）为一套近地面气象与环境要素再分析数据集［11］，包含降水在内的7 个要素，以Princeton再分析资料、GLDAS 资料、GEWEX-SRB 辐射资料，TRMM 降水资料等为背景场，融合了中国气象局常规气象观测数据制作而成，时间分辨率为3 h，水平空间分辨率为0.1°。其降水部分（后称CMFD-P）具有良好的时空分辨率，在中国区域具有较高精度［12］。其背景降水资料TRMM 在不同流域均具有较高精度［13］，且在高寒山区流域具有较强的适应性［14］；因此CMFD-P 不仅在疏勒河的不同地区优于ERA-Interim、GPCC、GPCP V2.3 和JRA-55等其他4种降水产品［15］；在青藏高原与TRMM 具有更高一致性且表现优于CHIRPS［16］，且比IMERG，MSWEP 更适用于雅砻江流域［17］。

本文流域格网数据为CMFD-P 格网降水数据；采用中国气象数据网发布的中国地面气象站日值降水数据（下称地面站点数据）作为评估CMFD-P 的基准资料；水文模型输入降水数据分别为CMFD-P 格网降水资料面平均值和研究区内4个地面站点降水数据的平均值；潜在蒸发数据基于彭曼公式，采用CMFD再分析数据集结合中国地面气候资料日值数据集计算而得；模型率定资料为2004-2010 新龙水文站日径流数据，模型检验资料为2011-2012 新龙水文站日径流数据。研究数据详情见表1。

表1 研究资料概况Tab.1 Research data

潜在蒸散发数据采用国际粮农组织FAO 提供的彭曼公式［18］计算，其计算所需基础数据中，温度、湿度、风速、辐射数据由CMFD 提供；日照数据由中国地面气候资料日值数据集（V3.0）提供并结合克里金插值得到各格网日照数据；纬度数据由DEM格网资料获取。计算公式如下：

式中：PET为可能蒸散量，mm/d；Δ 为饱和水气压曲线斜率，kPa/℃；Rn为地表净辐射，MJ/（m·d）；G为土壤热通量，MJ/（m²·d）；γ为干湿表常数，kPa/℃；Tmean为日平均温度，℃；u2为2 m 高处风速，m/s；es为饱和水气压，kPa；ea为实际水气压，kPa。

2.2 研究方法

2.2.1 水文模型

本文采用集总式三水源新安江模型模拟径流和含融雪模块的集总式三水源新安江模型，含融雪模块的新安江原理如图2所示。新安江模型由河海大学赵人俊教授等提出，并以近代山坡水文学和国内外产汇流理论的研究成果为基础，改进成三水源新安江模型，在湿润地区或半湿润地区更为适用［19］。新安江模型包括蒸散发模块、产流模块、水源划分模块和汇流模块；含融雪模块的新安江模型基于三水源新安江模型，增加了融雪模块（图2中虚线框中部分），其融雪径流采用度日因子法进行计算。

图2中参数含义如下：a为度日因子，KC为蒸散发折算系数，WUM上层土壤蓄水容量，WLM为下层土壤蓄水容量，C为深层蒸散发系数，WM为流域蓄水容量，B为流域蓄水容量曲线指数，IM为流域不透水面积比值，SM为流域自由水蓄水容量，EX为流域自由水蓄水容量曲线指数，KI与KG分别为自由水蓄水库壤中流出流系数与自由水蓄水库地下径流出流系数，CS为地面径流消退系数，CI为壤中流消退系数，CG 为地下径流消退系数，L为滞后时间，KE为槽蓄系数，XE为流量比重因素。

其中，度日因子法基本原理如下［20］：

式中：M为日雪水当量，cm；a为度日因子，cm/（℃·d），表示温度每上升1 ℃所产生的融雪径流深；T为度日因子数，℃-1/d，即日正积温。

三水源新安江模型和含融雪模块的三水源新安江模型的模型参数优化方法均采用遗传算法，算法的种群数量均为200，迭代次数均为100。

2.2.2 降水数据评价方法

本文基于新龙水文站控制流域4 个地面气象站点2000-2017年降水资料，通过分类指标和定量指标评价CMFD-P 对实际降水的探测能力和模拟精度。

（1）探测能力评价。降水事件分类指标体现了降水数据集对降水事件的监测能力，包括探测概率探测率POD（Probability Of Detection）、击中率FOH（Frequency Of Hit）和Heidke 技巧指数HSS（Heidke’s Skill Score）［21］，分别表示了降水数据的正确探测能力，击中能力和综合判别能力。各指标计算公式如下：

式中：n11代表CMFD-P 和雨量站均探测到降水的频次；n10表示CMFD-P 探测到降水而站点未监测到降水的频次；n01表示站点监测到降水而CMFD-P 未监测到降水的频次；n00表示CMFD-P和雨量站均未监测到降水的频次。POD、FOH、HSS三者理想值均为1。

（2）精度评价。本文以相对偏差BIAS、绝对偏差ABIAS、相关系数R、纳什效率系数（Nash-Sutcliffe Efficiency coefficient）NSE来评估降水数据集在该地区的系统偏差、数据相关性和数据序列模拟能力，并对不同时间尺度的精度进行分析。各指标计算公式如下：

式中：P代表CMFD-P，G代表雨量站点降水，n 为计算精度指标所采用的数据系列长度。其中R变化范围为-1～1；BIAS变化范围为-∞～∞；ABIAS变化范围为0～∞；NSE变化范围为-∞～1。BI⁃AS和ABIAS越趋近0，R、NSE越趋近1，CMFD-P 精度越高。本文采用点对像素法（站点所在格网中心点数据与站点数据）来进行资料的关联与比较。

2.2.3 径流模拟评价方法

本文将2004-2010年径流资料作为率定期，2011-2012年径流资料作为模型效果验证的基准资料。本文采用纳什效率系数（NSE）和合格率QR（Qualified Ratio）评价模型。纳什效率系数为水文常用评价模型确定性手段，NSE约接近1，模型模拟结果越好。当0.4＜NSE≤0.6 和NSE＞0.6 时，分别表示模型模拟结果校好和优秀。模型评价时，以NSE为主，QR为辅，判别径流的模拟结果。其计算公式分别为：

式中：NSE为纳什效率系数（保留2 位小数），QR表示合格率，均无量纲；QSIM为预报值，m3/s；QOBS为实测值，m3/s；-QOBS为实测值的均值，m3/s；n为资料长度；k表示合格预报次数；m表示总预报次数。本文模拟日径流过程，当预报许可误差（即径流绝量对偏差ABIAS）小于20%时认为其合格。

3 结果分析

3.1 降水产品评价

本文降水评价基础资料为新龙水文站控制流域4个地面气象站点（见图1清水河、石渠、甘孜、新龙）2000-2017年降水资料，评价产品为CMFD-P，图3为日、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 种时间尺度4 个站点所在格网CMFD-P 与站点降水散点图。由于四季降水数据并非为连续自然时间序列，故未统计四季NSE。

由图3可知，在研究区，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）与站点降水均具有较高一致性，表2总体评价了各统计变量在4 个站点的平均值。在日降水探测中，POD 达到0.91，具有较高探测精度，FOH 为0.70，HSS 为0.63，表明CMFD-P 对降水探测能力明显高于随机。同时，CMFD-P 在月降水探测中也有较高的准确率（POD为1.00，FOH为0.98，HSS为0.53）。

由图3和表2知，除日降水外，其他时段CMFD-P 在研究区具有较低ABIAS，和较高R和NSE；其中冬季节ABIAS（0.14）较其他季节更高，说明在冬季时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 分别为-0.010 和-0.007），在秋冬季略微高估降水（BIAS 分别为0.007 和0.021）。造成CMFD-P 冬季精度略差的原因可能是CMFD-P 对固态降水的估计能力不足。日降水的相关系数R和NSE均较其他时间尺度低，随着时间尺度的累积，二者均增加。相关系数R在四季尺度上分布差异不大。综上，CMFD-P 在研究区与站点降水具有较高一致性。

表2 CMFD-P精度评价表Tab.2 Accuracy evaluation of the precipitation in CMFD-P

图4为4 个站点不同时期降水定量评价精度指标。其中清水河、石渠、甘孜、新龙站点地理位置依次为由西北至东南（图1）。由图4知，CMFD-P 在各时间尺度均低估清水河降水（BIAS均小于0）；而石渠除夏季外，整体轻微高估降水（BIAS均大于等于0）；CMFD-P 高估新龙站冬季降水（BIAS为0.11），低估甘孜冬季降水（BIAS为-0.03）。CMFD-P 在除日降水外的各时间尺度绝对系统偏差均较小（ABIAS均接近0）；但甘孜和新龙在冬季系统偏差绝对值ABIAS较其他两个站点更大。从降水相关性来说，CMFD-P 与各站点降水相关性均较高，各站点间R值相差甚小，日降水R均小于0.75，随着时间的累积，其他时间尺度降水相关性升高，R大于0.75。

可见，在系统偏差方面，4 个站点系统偏差整体较小，清水河在四季均表现为负偏，新龙站在冬季表现为较高的正偏；而其他站点四季偏差具有抵消作用；在系统绝对偏差方面，各站点在某一时间尺度下表现相似；绝对偏差在不同时间尺度具有一定差异，日尺度最高，冬季次之，其他时间尺度在低值程度上相近。在站点降水与CMFD-P 的相关性方面，各站点模拟能力在各时段有差异，但在站点之间差异甚小；相关性随着时间尺度的增加而升高。CMFD-P 降水模拟能力可能与地形、气候等因素有关，由于本文研究区地面站点稀疏，因此降水精度空间差异不明显，研究降水与自然属性关系时的代表性不足。因此，未来在获取更多数据的基础上应当更加深入探讨影响研究区CMFD-P降水精度的因素。

3.2 径流模拟评价

如图5为分别以CMFD-P 和地面降水为输入率定的新安江模型和含融雪模块的新安江模型模拟日径流结果图，图6为按时间累积后的月径流模拟结果图。

由图5、图6知，相比三水源新安江模型，含融雪模块的新安江模型能更好地模拟日、月径流过程，尤其对枯期（春、冬季）径流的模拟优于三水源新安江模型。但含融雪模块的新安江模型对部分年份丰期（夏、秋季）具有明显低估现象。

表3进一步分析了图5和图6的详细评价结果，其中月径流评价由日径流累加结果评价而得。由表3知，以地面站点降水作为三水源新安江模型的输入率定的模型总体优于以CMFD-P为输入时率定的模型，前者在各时段BIAS，ABIAS均小于后者，且前者各时段R、NSE、QR均略高于后者。除此之外，两种数据率定的三水源新安江模型在检验期效果均优于率定期。这可能是由于研究区融雪径流占径流较大比重，而三水源新安江模型不含融雪模块，因此无法合理模拟研究区径流。同时，本文研究区积雪在2004-2012年具有逐年下降的趋势［22］，在检验期时段（2011-2012年）研究区融雪径流占的比重较率定期（2004-2010年）少，故而该模型在检验期表现更好。

表3还展示了含融雪模块的三水源新安江模型在各个时期的评价结果。结果表明，在日径流模拟中，以CMFD-P 为输入的模型优于以站点数据为输入的模型，二者均低估实际径流（BIAS小于0），但CMFD-P 模拟结果负偏程度小。二者模拟结果的ABIAS和QR接近，但CMFD-P 模拟结果的R和NSE均高于站点降水模拟结果。在月径流模拟中，CMFD-P 模拟结果相比站点降水模拟结果负偏程度小（BIAS小于0 且更接近0）；与实际结果总体一致性NSE更高；绝对偏差ABIAS和R相近；但合格率QR更高，体现了CMFD-P 模拟结果在丰期ABIAS大于20%的更高可能性。含融雪模块的三水源新安江模型模拟结果BI⁃AS均为负值，表明改进的模型对径流具有低估现象，这与图5-6中丰水期低估现象明显的结论相符合。在日、月径流模拟中，二者率定期结果均优于检验期结果，且均优于无融雪模块的三水源新安江模型率定期模拟结果，表明含融雪模块的三水源新安江模型结构合理稳定，能够很好地适用于研究区；CMFD-P模拟结果优于站点降水模拟结果，说明由于站点稀疏，站点降水模拟径流结果较差，而CMFD-P 模拟结果与实际径流具有更高的一致性。

为进一步评价不同输入数据和模型结构组合情况下对径流的预报能力，分析比较表3中以站点降水、CMFD-P 为输入的三水源新安江模型及含融雪模块的三水源新安江模型在检验期时的表现情况。从模型结构来看，含融雪模块的三水源新安江模型在日径流模拟时，检验期的BIAS、R均未优于三水源新安江模型，但ABIAS、NSE和QR优于三水源新安江模型；在月径流模拟时，检验期的BIAS未优于三水源新安江模型，但ABIAS、NSE和QR优于三水源新安江模型，R与之相近；表明加入融雪模块后，模拟结果虽然整体负偏，日径流的线性相关性降低，但模型整体模拟能力NSE得到提升。从输入数据来看，CMFD-P作为三水源新安江模型输入时，模拟结果未优于站点降水模拟结果；但当CMFD-P 作为含融雪模块的三水源新安江模型的输入时，日径流模拟结果的负偏情况较站点输入模拟结果小，ABIAS，R，NSE与之相当，但QR减小；月径流模拟结果的负偏情况较站点输入模拟结果小，NSE增大，ABIAS，R与之相当，QR减小。由图CMFD-P 得到QR更小的原因可能是由于其对枯期径流模拟结果值更大，而枯期实测径流基数较小，因此，CMFD-P较站点降水模拟结果的QR下降幅度大。

表3 不同降水数据径流模拟能力评价表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块的新安江模型在全时段（2004-2012年）春、夏、秋、冬四季模拟结果与实际径流的水量偏差。由表4知，站点降水和CMFD-P 在采用三水源新安江模型模拟径流时，对四季径流模拟的偏差趋势类似，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。两种数据模拟结果在夏秋季表现较秋冬季更好，站点降水模拟结果整体偏差略低于CMFD-P 模拟结果，且二者在夏秋季差异较春、冬季小。

表4 四季径流模拟精度评价表（2004年-2012年）Tab.4 Runoff simulation accuracy at four seasons（2004-2012）

站点降水和CMFD-P 在采用含融雪模块的三水源新安江模型模拟径流时，四季偏差具有差异性。站点降水模拟结果在四季均未高估径流，且在夏季低估最明显（BIAS为-0.22），春、秋季次之（BIAS分别为-0.15 和-0.11），冬季偏差最小（BIAS约为0）。CMFD-P 模拟结果在冬季高估径流（BIAS为0.43），在夏季低估最（BIAS为-0.16），春、秋季分别略微高估和低估径流（BIAS分别为0.08 和-0.16）。CMFD-P 对冬季径流模拟偏差大于站点降水模拟结果（BIAS和ABIAS分别为0.43 和0.45），这与3.1中CMFD-P在冬季与地面站点降水偏差较大的结果一致，表明CMFD-P 对固态降水的探测具有局限性；但在其他季节，尤其是春季模拟结果偏差幅度较站点降水模拟偏差小，表明CMFD-P能更好地描述春季径流。

综上，作为格网降水，CMFD-P 可以更全面、精确地描述区域降水，对径流整体模拟能力较好。在采用三水源新安江模型时，模拟结果略低于站点降水模拟结果；在采用更适合研究区的含融雪模块的三水源新安江模型时，优于站点降水模拟结果，在冬季高估径流，削减了春、夏秋季的径流估计偏差。由于该地区融雪在春季为径流的重要组成部分［10，23］，因此，融雪模块的加入优化了模拟结果；且CMFD-P 对流域空间尺度上的降水描述更详细，优于站点降水模拟结果。

4 结论与展望

本文首先基于地面降水资料，评价了不同时间尺度上CMFD-P 的精度；其次基于三水源新安江模型和含融雪模块的三水源新安江模型，分别以地面降水观测资料和CMFD-P 为输入，通过2004-2010年雅砻江上游地区新龙水文站控制流域的日径流来率定模型，并通过预测2011-2012年该水文站日径流来检验模型；同时将日径流累加到月径流对模型评价。结果表明：

（1）在降水数据精度方面：CMFD-P 在研究区4 个站点所在格网与地面站点降水一致性较高，在月、年、四季尺度NSE均大于0.9，因此，认为该数据在研究区具有高精度的特点。

（2）在模型结构优化方面：含融雪模块的三水源新安江模型在研究区比三水源新安江模型具有更高的适用性，有效优化了模拟结果。

（3）在模型输入方面：采用含融雪模块的三水源新安江模型模拟径流时，CMFD-P降水可以更全面，精确地描述研究区降水，得到较高的径流模拟精度；优于站点降水模拟结果，尤其提升了春季径流精度。说明在描述区域降水时，CMFD-P 面平均值代表性优于地面站点降水均值。

雅砻江上游径流预报对两河口及以下的水资源调度及梯级电站开发具有重要意义。作为集总式概念性水文模型，集总式新安江模型无法准确反应水文过程在流域的空间变异性，而以CMFD-P 计算流域面平均降水，可以减少以地面站点降水描述流域降水的误差。另外，本研究区为青藏高原东南部一个狭长型流域，属于高原亚寒带湿润地区，融雪占径流比例大［10］，含融雪模块的三水源新安江模型能够更好地模拟融雪径流，因此模拟新龙水文站出流过程能力较不含融雪模块的三水源新安江模型强。由于研究区由南至北下垫面差异较大，在未来该流域的研究工作中，首先可以从模型结构上完善该流域水文模型径流形成的物理机制；其次，采用高精度的格网降水数据CMFD-P，并充分利用其空间优势，通过建立分布式水文模型，实现更完整精确的研究区径流模拟及预报。 □