TRMM多卫星测雨数据在赣江上游径流模拟中的应用

袁 飞，赵晶晶，任立良，江善虎，周瑜佳，尹智力

(1. 河海大学水文水资源及水利工程科学国家重点实验室，南京 210098；2. 中国科学院大气物理研究所大气科学和地球流体力学数值模拟国家重点室验室，北京 100029)

TRMM多卫星测雨数据在赣江上游径流模拟中的应用

袁 飞1,2，赵晶晶1，任立良1，江善虎1，周瑜佳1，尹智力1

(1. 河海大学水文水资源及水利工程科学国家重点实验室，南京 210098；
2. 中国科学院大气物理研究所大气科学和地球流体力学数值模拟国家重点室验室，北京 100029)

选取赣江上游峡山站以上集水区域为研究区域，以雨量站观测数据为基准数据，评估热带降雨观测计划TRMM-3B42V6降水数据的精度，并采用上述2种降水数据驱动栅格型新安江模型，模拟赣江峡山站日流量和月流量过程．结果表明，尽管TRMM日降水数据较雨量站数据存在较大偏差，但采用TRMM降水数据模拟的日流量能基本再现峡山站的日流量过程；TRMM月降水数据精度较高，能够较为精确地模拟峡山站的月流量过程．因此TRMM月降水数据可应用于赣江流域的降雨-径流过程模拟，在无资料地区的水文预报、水资源估算、水资源评价与规划等相关研究领域具有广阔的应用前景．

热带降雨观测计划(TRMM)；降水；新安江模型；径流

降水是影响降雨-径流过程最主要的因素之一，也是较难准确观测和估计的水文要素之一．降水资料的质量在很大程度上影响降雨-径流过程的模拟和预报精度．目前获取降水数据主要为雨量站、地面降雨雷达和卫星测雨等观测方式．雨量站观测是应用最为广泛、精度较高且技术较为成熟的一种方式．但是即使在雨量站网布设密度较高的区域，降水数据的质量有时也不能够满足相关研究工作的需要[1]，且雨量计观测的降水量仅代表雨量站周边的降水状况，若插值到地形十分复杂的流域面上很可能引起偏差．地面降雨雷达虽然能在一定程度上减小雨量计以点代面造成的偏差，但其覆盖范围较小，缺乏普遍的适用性[2-3]．卫星测雨及技术能够提供具有较高时空分辨率的降水数据，其覆盖空间范围更广，能在一定程度上弥补其他来源降水数据的缺陷，为降雨-径流过程模拟和洪水预报提供有力的数据支持．

近年来，全球尺度高时空分辨率的卫星测雨产品应运而生[4]，其中热带降雨观测计划(tropical rainfall measuring mission，TRMM)在众多卫星测雨产品中表现良好．TRMM是由美国国家航空航天局NASA (National Aeronautics and Space Administration)和日本国家宇宙开发事业团NASDA(National Space Development Agency of Japan)联合发起的降水观测计划．TRMM卫星于1997年底发射，旨在使用星载微波辐射计遥感降水，并研制可安装在卫星上的微波雷达，对亚热带和热带地区的降水进行估测，为相关工作人员提供第一手的降水资料[5-6]．TRMM多卫星系统覆盖范围较广且时空分辨率较高，已覆盖了全球50°S～50°N以内区域[4-7]．尽管已有较多学者如Brown[8]和刘俊峰等[9]都对TRMM测雨数据进行了质量评估，但是国内采用TRMM数据作为流域水文模型输入进行水文预报的研究相对较少．已有的研究[3-10]表明，TRMM数据可作为水文预报的基础数据，具有较强的适用性；TRMM数据的精度可满足水资源评价等相关研究工作的要求．笔者选取赣江上游为研究区域，评估TRMM-3B42V6型降水数据的精度，并采用此数据驱动栅格型新安江模型进行降雨-径流过程模拟．与以往相关研究相比，本研究采用站网布设较密(流域面积15,975,km2、77个雨量站)、资料时限较长(2001—2008年)的地面雨量站数据作为基准，全面分析TRMM降水产品在降水时空差异性显著的山区性流域的适用性，为卫星测雨数据在无资料流域水文预测与预报的应用提供相关经验.

1 研究区域数据和数值模拟方法

1.1 研究区域概况

本文选取赣江上游峡山站以上集水区域(15,975,km2)为研究区域(见图1)，该区域位于北纬25°00′～27°10′、东经115°10′～116°40′，为典型的亚热带季风气候区．多年平均降水量为1,607,mm，降水年际变化较大，年内分配不均，降水主要集中在5月—10月，洪水灾害多发；多年平均径流深为825,mm，径流的时程分布与降水大体一致．

图1 流域概况Fig.1 Location of the study area

1.2 地形数据

本研究采用美国国家地球物理数据中心发布的全球1,km基础高程数据(globe land one-kilometer base elevation，GLOBE)描述研究区域的地形．赣江上游区域以丘陵、山地为主，支流众多，地形较为复杂，高程范围为75～1,349,m．应用数字高程流域水系模型(digital elevation drainage network model，DEDNM)提取构建分布式流域水文模型的基本空间信息，包括流域边界、栅格水流流向、各栅格至流域出口断面的河长等[11]．

1.3 水文气象数据

流量和蒸发皿蒸发资料摘录自中国水利部水文局发布的水文年鉴，包括峡山站日流量及桥下垅站和麻州站日蒸发数据(见图1)，资料起止时间为2001年1月1日至2008年12月31日．

采用的降水资料为卫星测雨数据和雨量站观测数据．卫星测雨数据采用TRMM多卫星降雨分析(TRMM multisatellite precipitation analysis，TMPA)产品3B42V6型数据，该数据为使用微波成像仪和降雨雷达TRMM实时数据进行校正所获得的栅格型非实时数据(通常滞后10～15,d发布)[1,12]，其空间分辨率为0.25°×0.25°，时间步长为3,h；雨量站观测数据摘录自中国水利部水文局发布的水文年鉴，包括研究区域内湖洋站等77个雨量站(见图1)的日降水资料．2种降水数据的起止日期均为2001年1月1日至2008年12月31日．

1.4 栅格型新安江模型

由于赣江上游为典型湿润地区，而新安江模型以蓄满产流模式为基础，适用于湿润区和半湿润区，因此本研究采用栅格型新安江模型[13]进行降雨-径流过程模拟．该模型采用张力水蓄水容量曲线计算每个栅格单元的总产流量；采用具有底孔和侧孔的溢流型水库将总径流划分为地表径流、壤中流和地下径流，并采用线性水库法进行各种径流成分的坡地汇流演算；采用马斯京根分段连续演算法进行河道汇流演算.

研究区域由21,297个空间分辨率为30,s的栅格构成．采用泰森多边形法将2种降水数据及蒸发数据插值到每个30,s栅格上，并驱动栅格型新安江模型，模拟峡山站的径流过程．本研究选取2001—2005年为率定期，2006—2008年为验证期；参数率定采用SCE(shuffled complex evolution)-UA优化算法[14]，使用确定性系数为目标函数，自动搜寻模型输入分别为TRMM降水数据和雨量站降水数据2种情况下的2套最优水文模型参数．

2 TRMM数据精度评估

本研究将覆盖研究区域的38个TRMM网格的降水数据与每个网格内雨量站观测数据进行比较，评估TRMM数据的精度．评估方法为：统计每个TRMM网格内所有雨量站降水数据的平均值，再与对应的TRMM网格降水数据进行比较．评估指标为：平均绝对误差(MAE)、平方根误差(RMSE)、归一化平方根误差(NRMSE)、降水总量相对误差(BIAS)和Pearson相关系数(CC)，见表1．

表1 雨量站降水数据与TRMM数据比较Tab.1 Comparison of rain-gauged precipitation data and TRMM precipitation data

计算公式为

式中：n为系列长度；Si为TRMM降水数据系列，mm；为TRMM降水数据系列的均值，mm；Gi为雨量站观测降水数据系列，mm；为雨量站观测降水数据系列的均值，mm．其中平均绝对误差和平方根误差可评估误差的整体水平，归一化平方根误差在平方根误差的基础上表征数据的相对偏差水平，降水量总相对误差能反映TRMM数据的系统偏差程度，Pearson相关系数能够表征2组数据之间的线性相关程度．

由于文章篇幅有限，本研究仅选取包含3个以上雨量站点TRMM网格的9组数据进行分析(见图1)．如表1所示，日降水的平均绝对误差和平方根误差分别位于3.2～4.0,mm和7.6～9.8,mm之间；多数网格的归一化平方根误差高于180%，可见总体上TRMM日降水数据相对于雨量站日降水观测数据的偏差较大；有8个网格的降水总量相对误差为正值(0.6%～14.4%)，仅L9号网格较其邻近上朝站降水量偏小0.7%，表明总体上TRMM数据较雨量站数据存在一定程度的系统偏大．9组数据的Pearson相关系数(见图2(a))约为0.68～0.79(相关性均通过置信度为95%的显著性检验)，表明TRMM日降水数据与雨量站观测数据存在一定的线性相关性，但相关程度偏低．

图2 TRMM网格与邻近雨量站日降水和月降水数据比较Fig.2 Comparison of grid-based TRMM daily and monthly precipitation products and nearby raingauged precipitation

如表1所示，尽管月降水量的平均相对误差和平方根误差均较日降水量情形明显增大，但月降水量归一化平方根误差呈现明显减少，表明TRMM月降水数据与雨量站月降水数据总体的相对偏差较小；TRMM月降水数据与雨量站月降水数据的系统偏差状况与日降水量情形一致；月降水数据的Pearson相关系数较日降水情况明显增大(见图2(b)和表1)，所有网格月降水与雨量站月降水的相关系数均大于0.92，显示TRMM月降水数据与雨量站月降水数据呈现较高的线性相关性．

总体上，TRMM日降水数据较雨量站数据存在一定的偏差，但二者仍具有一定的线性相关性，可考虑将TRMM日降水数据作为降雨-径流模型的输入，进行径流过程模拟；TRMM月降水数据与雨量站数据偏差较日降水情形显著降低，且线性相关性较好，在降水资料短缺的区域，可考虑用TRMM月降水数据来表征该区域月降水时空变化情况．

3 径流过程模拟

3.1 日径流过程模拟

本研究分别采用TRMM日降水数据和雨量站日降水数据驱动栅格型新安江模型，模拟峡山站日流量过程．如表2所示，采用2种日降水数据模拟的峡山站各年径流深与实测值相比偏差较小，率定期和验证期各年径流深相对误差均在±10%以内，表明2种输入数据对径流总量的估计均较准确．采用TRMM日降水数据作为栅格型新安江模型输入可基本再现峡山站的日径流过程，各年确定性系数为0.623～0.873，精度在可接受范围内(见表2和图3、图4)，但是径流模拟精度仍较采用雨量站数据情形偏低．雨量站情形下，各年日径流过程确定性系数均高于0.900，仅率定期2003年和2004年的确定性系数为0.883和0.801.

表2 峡山站以上流域日径流量模拟结果及精度统计Tab.2 Error statistics of daily streamflow simulation at the Xiashan station

TRMM数据情形下降雨-径流过程模拟精度较低，主要源于模型对高流量过程(尤其是洪峰)模拟存在较大偏差，而TRMM数据在某些时段对日降水量估计产生较大的偏差是引起洪峰模拟不准确的主要原因．如图4所示，2007年6月5日的实测流量为2,020,m3/s，雨量站数据情形模拟的日流量为1,960,m3/s，与实测值十分接近，而采用TRMM降水数据模拟的逐日流量为3,790,m3/s，较实测值系统偏大87.6%．峡山站集水区域的汇流时间通常为3～4,d．经分析，形成2007年6月5日洪峰的降雨主要源自同年6月2日至4日的降雨量．雨量站观测该3日的累积雨量为61.7,mm，而TRMM估算的同期降雨量为110.0,mm，后者较前者偏大79.9%，从而引起TRMM情形的模拟洪峰流量偏大．

图3 采用雨量站和TRMM降水数据模拟峡山站2005年(率定期)日流量过程Fig.3 Simulated daily streamflow hydrograph at the Xiashan station in 2005(calibration period)using rain-gauged and TRMM precipitation data sets

图4 采用雨量站和TRMM降水数据模拟峡山站2007年(验证期)日流量过程Fig.4 Simulated daily streamflow hydrograph at the Xiashan station in 2007(validation period)using rain-gauged and TRMM precipitation data sets

3.2 月径流过程模拟

由于TRMM月降水数据与雨量站观测数据线性相关性较好，采用TRMM数据模拟的月径流过程与实测流量过程拟合精度较高，模拟结果与采用雨量站数据的情形基本一致(见图5)．雨量站观测数据情形下率定期径流深相对误差为2.63%，确定性系数为0.984，验证期径流深相对误差为-0.9%，确定性系数为0.969．TRMM数据情形下率定期径流深相对误差为2.8%，确定性系数为0.976，验证期径流深相对误差为1.6%，确定性系数为0.902．采用两类降水资料驱动栅格型新安江模型，均能精确再现峡山站的月流量过程．

图5 采用雨量站和TRMM降水数据模拟峡山站2001—2008年月流量过程Fig.5Monthly streamflow simulation at the Xiashan station using the gauged and TRMM precipitation data sets in 2001—2008

4 结 论

(1) 采用雨量站观测数据作为基准数据，评估TRMM-3B42V6卫星测雨数据的精度，并采用该降水数据驱动栅格型新安江模型进行日流量过程和月流量过程模拟．结果表明：TRMM日降水数据的精度偏低，但仍然在可接受的精度范围内；采用TRMM日降水数据模拟的日流量过程精度较雨量站数据情形偏低，且某些时段洪峰的模拟偏差较大，但总体上能够基本再现峡山站的日流量过程；TRMM月降水数据精度较高，能够较为准确地模拟峡山站的月流量过程．

(2) 以上结论说明TRMM-3B42V6卫星测雨产品在赣江上游具有良好的适用性，可应用于水文过程模拟及预报、水资源估算、水资源评价与规划等相关研究．受地理、经济条件的制约，我国很多区域(如西南、西北地区)雨量站网布设较稀疏，地面观测的雨量资料无法满足水文模拟和预报的要求．本研究及以往成果表明在我国南方地区TRMM卫星测雨产品质量较好，可作为无资料或缺资料流域的基本降水数据，并运用水文模型进行径流模拟和预报．

(3) 流域空间尺度、水文模型的时空分辨率、水文模型的结构等客观因素均可能对降雨径流关系产生较大的影响[15]；TRMM数据本身具有一定的系统偏差，3B42V6型数据在进行数据校正时也会带来偏差，这些误差可能导致了TRMM数据不能精确反映降水的时空分布，从而对水文过程的模拟产生影响，因此今后需结合地面观测降水资料，对TRMM数据进行修正以提高径流模拟的精度．总体上热带降雨观测计划(TRMM)是卫星测雨的较为成功范例，该卫星测雨产品在未来水文模拟和预报工作中具有广阔的应用前景．

［1］ Collischonn B，Collischonn W，Tucci C E M. Daily hydrological modeling in the Amazon basin using TRMM rainfall estimates [J]. Journal of Hydrology，2008，360(1)：207-216.

［2］ 李致家，刘金涛，葛文忠，等. 雷达估测降雨与水文模型的耦合在洪水预报中的应用 [J]. 河海大学学报：自然科学版，2004，32(6)：601-606.

Li Zhijia，Liu Jintao，Ge Wenzhong，et al. Coupling of weather radar rainfall data with hydrological modeland its application to flood forecasting [J]. Journal of Hohai University：Natural Sciences，2004，32(6)：601-606(in Chinese).

［3］ 谷黄河，余钟波，杨传国，等. 卫星雷达测雨在长江流域的精度分析 [J]. 水电能源科学，2010，28(8)：3-6.

Gu Huanghe，Yu Zhongbo，Yang Chuanguo，et al. Application of satellite radar observed precipitation toaccuracy analysis in Yangtze River Basin [J]. Water Resources and Power，2010，28(8)：3-6(in Chinese).

［4］ Su Fengge，Hong Yang，Lettenmaier D P. Evaluation of TRMM multisatellite precipitation analysis(TMPA)and its utility in hydrologic prediction in the La Piata Basin [J]. Journal of Hydrometeorology，2008，9(4)：622-640.

［5］ Villarini G，Krajewski W F. Evaluation of the research version TMPA three-hourly 0. 25°×0. 25°rainfall estimates over Oklahoma[J]. Geophysical Research Letters，2007，34(5)：10. 1029/2006GL029147.

［6］ 杨传国，余钟波，林朝晖，等. 基于TRMM卫星雷达降雨的流域陆面水文过程 [J]. 水科学进展，2009，20(4)：461-466.

Yang Chuanguo，Yu Zhongbo，Lin Zhaohui，et al. Study on watershed hydrologic processes using TRMM satellite precipitation radar products [J]. Advances in Water Science，2009，20（4)：461-466(in Chinese).

［7］ Yong Bin，Ren Liliang，Hong Yang，et al. Hydrologic evaluation of multisatellite precipitation analysis standard precipitation products in basins beyond its inclined latitude band：A case study in Laohahe Basin，China [J]. Water Resources Research，2010，46(7)I：10. 1029/ 2009WR008965.

［8］ Brown J E M. An analysis of the performance of hybridinfrared and microwave satellite precipitation algorithmsover India and adjacent regions [J]. Remote Sensing Environment，2006，101(1)：63-81.

［9］ 刘俊峰，陈仁升，韩春坛，等. 多卫星遥感降水数据精度评价 [J]. 水科学进展，2010，21(3)：343-348.

Liu Junfeng，Chen Rensheng，Han Chuntan，et al. Evaluating TRMM multi-satellite precipitation analysis using gauge precipitation and MODIS snow-cover products [J]. Advances in Water Science，2010，21(3)：343-348(in Chinese).

［10］ 毛红梅. TRMM雨量在汉江上游大尺度水文模型中的应用 [J]. 水利水电快报，2008，29(8)：22-32.

Mao Hongmei. Study on flux pathway of constituents in Lake Alpnach [J]. Express Water Resources and Hydropower Information，2008，29(8)：22-32(in Chinese).

［11］ 袁 飞. 考虑植被影响的水文过程模拟研究[D]. 南京：河海大学水文水资源学院，2006.

Yuan Fei. Hydrological Process Modeling Considering the Effect of Vegetation[D]. Nanjing: College of Hydrology and Water Resources，Hohai University，2006(in Chinese).

［12］ Huffman G J，Bolvin D T，Nelkin E J，et al. The TRMM multisatellite precipitation analysis (TMPA)：Quasi-global，multiyear，combined-sensor precipitation estimates at fine scales [J]. Journal of Hydrometeorology，2007，8(1)：38-55.

［13］ 袁 飞，任立良. 栅格型水文模型及其应用 [J]. 河海大学学报：自然科学版，2004，32(5)：483-487.

Yuan Fei，Ren Liliang. Methodology of grid-based hydrological model and its application [J]. Journal of Hohai University：Natural Sciences，2004，32(5)：483-487(in Chinese).

［14］ Duan Qingyun，Sorooshian S，Gupta V K，et al. Optimal use of the SCE-UA global optimization method for calibrating watershed models[J]. Journal of Hydrology，1994，158(3)：265-284.

［15］ 魏林宏，郝振纯，邱绍伟. 雷达测雨在水文学中的应用——影响预报精度的因素分析[J]. 水利水电技术，2004，35(5)：1-4.

Wei Linhong，Hao Zhenchun，Qiu Shaowei. Application of radar rainfall measurement to hydrology [J]. Water Resources and Hydropower Engineering，2004，35(5)：1-4(in Chinese).

Streamflow Simulation in the Upper Ganjiang River Basin Using the TRMM Multi-Satellite Precipitation Data

Yuan Fei1,2，Zhao Jingjing1，Ren Liliang1，Jiang Shanhu1，Zhou Yujia1，Yin Zhili1
(1. State Key Laboratory of Hydrology-Water Resources and Hydraulic Engineering，Hohai University，Nanjing 210098，China；2. State key Laboratory of Numerical Modeling for Atmospheric Sciences and Geophysical Fluid Dynamics，Institute of Atmospheric Physics，Chinese Academy of Sciences，Beijing 100029，China)

The area controlled by the Xiashan station at the upper Ganjiang River was selected as the study area. Firstly，the tropical rainfall measuring mission(TRMM)3B42V6 precipitation data set covering the study area was evaluated via the comparisons with the rain-gauged precipitation data. Subsequently，the two precipitation data sets were adopted to drive the grid-based Xin′anjiang model to perform streamflow simulations at the Xiashan station. The results show that although large disagreement exists between TRMM daily precipitation and rain-gauged precipitation data sets，the daily streamflow simulation fed with TRMM daily precipitation data could basically reflect the daily streamflow processes at the Xiashan station. TRMM monthly precipitation was comparatively more accurate，which could be employed to precisely simulate the monthly streamflow simulation at the Xiashan station. Overall，TRMM precipitation data could be potentially adopted for rainfall-runoff process simulations in the Ganjiang River basin. It indicates that TRMM multi-satellite precipitation data sets have a promising prospect in the hydrological forecasting and the estimation of water resources in ungauged basins. TRMM data could also be applied to evaluation and planning of water resources.

tropical rainfall measuring mission(TRMM)；precipitation；Xin′anjiang model；runoff

TV121.1；TV125

A

0493-2137(2013)07-0611-06

DOI 10.11784/tdxb20130707

2011-11-07；

2012-06-01.

国家自然科学基金青年基金资助项目(50909033)；国家自然科学基金国际(地区)合作与交流项目(40911130507)；高等学校博士学科点专项科研基金新教师基金课题资助项目(20090094120010)；水文水资源与水利工程科学国家重点实验室基本科研业务费自主研究项目(2011585412)；河海大学中央高校基本科研业务费专项资金项目(B1020069).

袁 飞（1979— ），男，博士，副教授.

袁 飞，fyuan@hhu.edu.cn.