不同订正方法下CFSR再分析数据在天山西部山区径流模拟中的应用*

高 瑞，穆振侠，彭 亮，周育琳，尹梓渊，汤 瑞



不同订正方法下CFSR再分析数据在天山西部山区径流模拟中的应用*

高 瑞，穆振侠**，彭 亮，周育琳，尹梓渊，汤 瑞

(新疆农业大学水利与土木工程学院，乌鲁木齐 830052)

以天山西部山区喀什河流域为典型研究区，基于1990-2000年的水文气象站点实测资料、2005年喀什河流域遥测降水数据及各时间段对应的CFSR（Climate Forecast System Reanalysis）再分析数据，通过实测站与其最近CFSR站多年月平均降水的比值，CFSR站点处2005年的年降水量与同期遥测年降水量的比值，以及基于实测站点降水数据和各CFSR站点与实测站点最近的CFSR站点的空间关系3种方法对CFSR降水数据进行订正。借助VIC模型，分析不同订正方法下研究区径流的模拟效果。降水时间序列分析结果表明，CFSR降水数据能够较好地在时间和空间上反应喀什河流域内月降水的变化情况。径流模拟结果表明，（1）CFSR降水数据的不同订正方法对径流结果影响较为明显；（2）基于实测站点降水数据以及各CFSR站点与实测站点最近的CFSR站点的空间关系订正的所有CFSR降水，在径流模拟中表现最好，模型率定期和验证期的模型效率系数均在0.80以上，多年径流相对误差在15.0%以内。该订正方法不仅考虑了降水在时间维度上的变化，还考虑其在地理空间维度的变化，较其它两种方法在径流模拟中具有更好的应用前景。

CFSR降水数据；降水订正方法；VIC模型；稀缺资料地区

新疆地域辽阔，土地面积约占全国陆地总面积的1/6，是全国陆地面积最大的省（自治区）。其中山丘区占总面积的42.7%，沙漠及荒漠区占总面积的40.21%[1]。由于受到地理条件限制，辖区内雨量站点分布不均且站点数量较少[2-3]。区内70%的雨量站设在天山北坡的低山带和山前平原区，平均每5300km2设一个雨量站[1]，是全国降水站点分布稀少地区之一，基于此条件下的站点数据难以完成相关水文方面的研究。为顺利开展稀缺资料地区径流模拟与山洪预报等相关研究，有必要借助其它气象数据源。

在已有研究中，CFSR（Climate Forecast System Reanalysis）再分析数据得到了较多学者的关注。该数据在气象领域中的应用较多[4-7]，如胡增运等[6-7]用CFSR再分析降水数据反应新疆地区的实际降水时空分布特征，总体效果较好但局部地区与实际降水情况存在较大差异。而在水文领域中的研究与应用[8-10]目前还较少，尤其针对该降水数据的订正方法：于宴民[8]借助CFSR再分析数据在研究区构建SWAT模型，但由于CFSR降水数据与实际降水存在较大的差异性，因此结合2005年研究区遥测面雨量提出了CFSR降水数据的订正方法；胡胜等[10]所研究的流域内较为均匀地分布了12个传统实测雨量站点，CFSR站点与最邻近的实测站点月降水数据存在较好的幂指数关系。利用该关系对CFSR降水数据进行订正，通过SWAT模型能够较好地模拟此研究区的径流过程。但上述研究中的订正方法在应用上均存在一定的不足之处，如仅用2005年流域内遥测面雨量与对应的2005年CFSR年降水量的比值对1990-2000年的CFSR降水进行订正未能够充分考虑气候和下垫面条件等因子的变化对降水产生的影响；针对严重稀缺资料地区，难以得到胡胜所述的幂指数关系，或进行订正的幂指数关系未能充分考虑海拔和坡向等因子对降水的影响。由此，本文尝试在严重稀缺资料的喀什河流域得到适用于此类地区的CFSR降水数据订正方法，更好地为该类地区的水文模拟和水灾害防治作出贡献。

1 资料与方法

1.1 研究区概况

喀什河流域位于伊犁河谷东北部，北邻天山山脉的博罗科努山和依连哈比尔尕山，南为天山支脉阿吾拉勒山；地理坐标范围为81°47′-84°56′E，43°37′-44°13′N，整个流域面积约为9541km2[11]；河谷大致呈东西走向，东高西低，两岸大致平行，致使从西边来的湿气能够长驱直入。流域海拔1364-4584m[12]；3660m以上几乎为永久性积雪区[13]，冰川面积达421.6km2[11]。由于地理条件和下垫面的特殊性，流域内径流补给方式以冰川积雪消融为主、降雨和地下水补给为辅。研究区水系如图1所示。

1.2 数据来源

（1）CFSR再分析数据：限于喀什河流域资料较少且不够完整，将在此流域被证实具有适用性的CFSR再分析数据作为其气象数据的拓展源。CFSR是由美国环境预报中心（National Centers for Environmental Prediction）提供的全球范围内的高分辨率再分析数据。该数据时间范围在1979-2009年，时间分辨率为日，空间分辨率为0.312°×0.312°。本文由各网格中心点位置提取各网格数据（http://globalweather.tamu.edu/），并视作CFSR站点数据，站点分布如图1所示。

（2）水文与气象数据：收集喀什河流域内3个实测水文气象站点及邻近的伊宁气象站1990-2000年逐日水文气象资料。其中，乌拉斯台作为水文站点包括了降水和径流两个要素，尼勒克和伊宁作为气象站包括的气象要素有日降水量、日最高气温、日最低气温和日均风速，而吉林台作为遥测站仅有降水数据。除此之外，由于水利工程建设，流域内布设了多个遥测站点并插值出整个流域的年降水量，现唯有2005年的遥测降水数据完整。

（3）DEM数据：采用全球90m×90m分辨率的SRTM数据（www.cgiar-csi.org），借助ArcGIS平台重采样为0.025°×0.025°分辨率的网格。

（4）土壤数据：土壤数据来自Land-Atmosphere Interaction Research Group at Beijing Normal University（http://globalchange.bnu.edu.cn/home）所提供的全球及国内30弧秒的土壤数据产品。

（5）植被数据：植被数据来自马里兰大学1998年制作的全球1km×1km分辨率的地表覆盖类型数据，该数据共包含14类地表覆盖物（http://glcf.umd.edu/data/landcover/）。

1.3 研究方法

1.3.1 水文时间序列分析

水文现象随时间变化的过程称为随机水文过程，该过程一般是连续的。为便于分析与计算，水文随机过程通常会被离散化处理，在离散时刻对其进行观测，得到水文时间序列。水文时间序列可能含有周期成分、非周期成分和随机成分，一般是由两种或两种以上成分合成。非周期成分包括趋势、跳跃和突变。在实际工作中，水文时间序列经常需要具有一致性，即研究的流域内气候与下垫面因子需要相对稳定。若水文时间序列中出现趋势、跳跃和突变等成分，则意味着相对稳定的环境受到了破坏，利用这种序列预估未来事件，可能被大大歪曲。因此，有必要通过水文时间序列中的多维水文时间序列分析来识别CFSR再分析数据中的各个成分，即分析流域内实测站点与CFSR站点处水文要素的时间序列集合。基于前人研究的结果，在CFSR再分析数据各要素中，降水要素与真实情况存在较大差异且降水对径流的影响最为明显[12]；考虑到降水订正方法与VIC模型运行的时间尺度均为月尺度，因此本文仅对研究区内CFSR降水数据进行月时间序列分析。

（1）水文时间序列分析中代表站的选取

通过每一个实测站点的月降水时间序列和所有CFSR站点的月降水时间序列分析CFSR再分析月降水时间序列中的各种成分，工作量繁重且意义不大。因此，分别在实测站点与CFSR站点中选取一个站点，通过多维时间序列来分析CFSR站点的月降水变化情况。实测水文气象站点中选取离所有CFSR站点最近的乌拉斯台水文站点。CFSR站点中根据某一站点与其它所有CFSR站点月降水数据的相关性来选取代表站。

（2）降水时间序列的趋势分析—滑动平均法

滑动平均法是由原始的降水时间序列xt按照一定的方法求出新的序列yt，使原序列光滑化。数学表达式为

若原始的降水时间序列xt具有趋势成分，选择合适的k（不宜太大），yt就能把趋势清晰地显示出来。本文利用5点滑动平均（k=2）对原始降水时间序列进行分析。

（3）降水时间序列跳跃成分的识别和检验

水文时间序列的跳跃成分识别和检验分为两步，先识别突变点τ，再检验其跳跃成分是否显著。

①突变点的识别与推断—时序累积值相关曲线法

该方法令研究序列为xt，参证序列为yt。分别计算其时序累积值mj和gj，即

（3）

式中，j为1990-2000年月降水序号，以1990年1月为1，2月为2，以此类推，研究期内共132个月份序号。

点绘mj和gj的关系图，若研究序列xt跳跃不显著，则mj-gj为一条通过原点的直线，否则为一折线，转折点即为突变点。

②跳跃成分显著性检验—游程检验法

该方法假设突变点τ前后两序列的分布函数分别为F1(x)和F2(x)，若跳跃成分显著则拒绝原假设H0:F1(x)=F2(x)，存在跳跃成分。反之，接受原假设，两分布函数来自同一总体。

统计量为

（5）

在给定的显著水平下，查算得到Uα/2，若|U|＜Uα/2，则接受原假设，即突变点跳跃成分不显著。反之，认为它们来自两个不同的总体，具有跳跃成分。

1.3.2 CFSR降水数据的不同订正方法

本文根据现有的两种降水数据资料，即实测水文和气象站点的降水数据资料以及流域内仅有的2005年遥测面雨量，通过以下3种方法对CFSR再分析降水数据进行订正。

（1）方法一：利用实测站与其最近的CFSR站的月时间尺度降水比值对所有CFSR降水数据进行订正。

处于流域中上游的吉林台站和乌拉斯台站，降水资料完整且地理位置上分别与两个CFSR站点较为接近（如图 1所示）。为体现出年内各个月份的降水差异[14]，并考虑研究区上所构建的为月尺度VIC模型，本文利用实测站点与CFSR站点中代表站的多年月平均降水比值对所有CFSR站点降水数据进行订正。

（2）方法二：利用CFSR站点处2005年的年降水量与同期遥测年降水量的比值对所有CFSR降水数据进行订正。

基于流域内2005年的面遥测降水量，通过提取对应时间范围内21个CFSR站点位置上的年降水量，计算21个CFSR站点上的2005年遥测年降水量与对应年份CFSR年降水量的比值，将此比值视作订正系数，并对1990-2000的CFSR降水数据进行订正。

受到技术上的限制，无法得到时间与空间分辨率较高的历史年份内的遥测数据。此方法的研究意义主要是考虑到今后遥测数据更为容易获得，且更为完整，因此本文尝试通过遥测降水数据来订正CFSR再分析降水数据。

（3）方法三：基于实测站点降水数据和各CFSR站点与实测站点最近的CFSR站点的空间关系订正所有CFSR降水数据。

选取流域内所有离CFSR站点较近的2个实测站点与所有CFSR站点进行月降水相关性分析[14]，选定实测站中的代表站，并将此站点的降水数据作为订正其它CFSR站点降水数据的依据。再借助此代表站相邻的CFSR站点与所有CFSR站点的相关性来订正各CFSR站点上的降水数据。

1.3.3 VIC模型

VIC（Variable Infiltration Capacity）模型是由华盛顿大学、加利福尼亚大学伯克利分校及普林斯顿大学的研究人员基于SVATS（soil vegetation atmospheric transfer schemes）思想构建的大尺度分布式水文模型[15]。该模型可对水循环过程中的水量平衡进行模拟计算，得到每个网格内的水文要素，如径流、蒸发等，再经汇流计算得到流域出口的流量过程。

本文在天山西部山区的喀什河流域构建VIC模型，模型中的土壤参数文件和植被参数文件等确定后不再改变，仅将订正方法订正后的降水数据与各CFSR站点本身的最高气温、最低气温与风速按照模型要求的格式制作成气象驱动数据，并带入模型中驱动模型，从而得到不同降水订正方法后的径流模拟结果。本文所建立的VIC模型将1990年定义为模型预热期，1991-1996年定义为模型率定期，1997-2000年定义为模型验证期，时间分辨率均为月。

1.3.4 模型评价指标

本研究以反映径流过程拟合程度好坏的模型效率系数Ec、反映总量精度的多年径流相对误差Er和检验枯水期径流模拟效果的LOG[16]为指标，对径流模拟结果进行评价。其中Ec的确定性系数越大，则过程拟合越好，模拟精度越高；Er的相对误差的绝对值越小，则模拟精度越高；LOG指标越接近0，说明枯水期径流模拟效果越好。各指标计算式为

（7）

（8）

同时中国正在改变它的近海防御战略，大力实施其远海防御战略。中国军方声称，从近海防御到远海防御战略的转变符合中国当前发展；中国的经济利益发展到世界哪个地区，中国的军队就有必要到那个地区维护中国的利益，中国军队必须发展与经济实力需要相一致的力量。为此，中国海军需要发展远洋作战能力，对从波斯湾经印度洋，穿马六甲海峡，过南海直至东海这条对中国至关重要的通道提供足够的安全保护。就当时海军发展趋势而言，确保南海通道安全是首要目标，中国海军在海南岛新建的军事基地已经具备威慑他国破坏南海通道安全的能力，但离足够的安全保护还有一定距离。

2 结果与分析

2.1 基于CFSR再分析数据的降水序列趋势分析

2.1.1 CFSR站点中代表站的确定

10号CFSR站点与其它各个CFSR站点月降水时间序列的相关性如表1所示。由表可见，相关系数小于0.60的有3个站点，其余17个站点均大于0.60，说明10号CFSR站点与其它CFSR站点的整体相关性较好。因此，可以选择10号CFSR站点作为CFSR站点的代表站进行降水序列分析。

表1 10号CFSR站点与其它CFSR站点月降水序列的相关系数

2.1.2 降水时间序列趋势分析结果

乌拉斯台代表站和10号CFSR代表站月降水时间序列如图2所示。由图可以看出，乌拉斯台站点月降水从1-25（月份序列号，下同）有下降趋势，26-50有上升趋势，51-96有轻微的下降趋势，之后又有略微的上升趋势。10号CFSR站点月降水的变化趋势与乌拉斯台保持了一致的下降与上升趋势，但在51-96区间内，其降水量下降趋势较乌拉斯台站的更为明显。

2.1.3 降水时间序列的跳跃成分识别和检验结果

（1）突变点的识别与推断结果—时序累积值相关曲线法

由图3可以看出，10号CFSR站点与乌拉斯台站点月降水时序累积值曲线基本呈现为过原点的直线，但在CFSR站点月降水量为（1800，5000）的区间内，（mj，gj）与过原点的中心线偏离较远。因此，突变点必定存在该区间内。为了准确确定该突变点的位置，利用图 3中相邻两点到过原点趋势线的垂直距离差值来确定，差值越大，转折程度越大。由此得到第65个点（此点到中心线的数值距离为342.5）与第66个点（此点到中心线的数值距离为155.0）之间相差最大，差值为187.5，故第65（1995年5月）号点为突变点。

注：月序以1990年1月为1，2月为2，以此类推。下同

Note: The ordinal month from Jan. 1990, and 2 is Feb.1990, and so on. The same as below

（2）跳跃成分显著性检验结果

根据突变点在降水时间序列中的位置（τ=65），可以得到n1=65，n2=67（n1,n2>20），根据游程个数可以得到k=65。显著性水平在5%时，由式（5）得到，说明该突变点跳跃成分不显著，从而认为整个降水时间序列的跳跃成分不显著。

综上所述，CFSR降水数据趋势与实际情况具有一致性，在数值方面较实际情况有所偏大。因此，若要在稀缺资料地区使用该数据，要对其进行合理订正。

2.2 不同降水订正方法下径流模拟结果

2.2.1 方法（一）：利用实测站与其最近的CFSR站的月时间尺度降水比值对CFSR降水数据进行订正

（1）代表站的选择

通过实测站点与其最接近的CFSR站点的多年月平均年降水量的对比可以看出，吉林台站的多年月平均降水变化趋势与离其最近的11号CFSR站点的变化趋势一致，且相差较小（图 4）；乌拉斯台站点的多年月平均降水变化趋势与离其最近的10号CFSR站点的变化趋势较一致，但同一时间段内两站点的降水量差距较大，4-7月尤为突出（图 5）。另外，乌拉斯台与其最近的10号CFSR站点分别处在背风坡和迎风坡，横向、纵向地理位置差异较大，而吉林台与其最近的11号CFSR站点均处在流域右岸，纵向距离相差仅27m。因此实测站点与CFSR站点的代表站分别选吉林台与11号CFSR站点。

（2）CFSR降水订正后的径流模拟结果

利用吉林台站和11号CFSR站点的多年月平均降水比值将其它CFSR的降水数据进行订正，将订正后的降水数据代入VIC模型并驱动模型，得到该流域内乌拉斯台水文站处的径流模拟过程（图 6），模拟效果评价参数如表2所示。

由图 6可以看出，径流枯水期模拟值与实测值相差较小，而径流较大时期的模拟值与实测值相差较大。在径流模拟的率定期内，1991年的高径流模拟值较同期实测径流值偏小；1992-1995年的高径流模拟值较同期实测径流值偏大，尤其1994年模拟高径流严重偏大于实测径流。从最大径流模拟出现时间来看，个别年份的模拟径流最大值出现时间有些滞后，如1994年。验证期内，最大径流模拟值较实测径流值明显偏小；模拟径流退水曲线与实测径流退水曲线具有一致的趋势，仅在径流值大小上存在一定差异。

由表2可以看出，率定期内各径流模拟效果评价指标均好于验证期内的。模型模拟效率系数较差，率定期最高（0.54），但仍未达到0.60[8]（径流模拟效果评价指标）。率定期内的多年径流相对误 差（4.7%）较理想，但验证期的表现较差，高达38.2%。径流枯水期的模拟效果在率定期表现较好，其对应评价指标LOG为0.15。总体来看，此降水订正方法对应的径流模拟效果不太理想。

分析可知，在无实测资料的流域上游，仅用各数据类型的代表站的多年月平均降水比值来订正所有CFSR降水数据，严重忽略了地理高程、迎风坡和背风坡等因素对降水产生的影响。这也是导致径流模拟效果较差的可能原因。

表2 不同降水订正方法后VIC模型月径流模拟效果

注：Ec为模型效率系数，Er为多年径流相对误差，LOG为枯水期径流模拟效果检验指标。

Note: Ec is the model efficiency coefficient, Er is runoff relative error, LOG is dry season runoff simulation test index.

2.2.2 方法（二）：利用CFSR站点处2005年降水量与同期遥测年降水量的比值对CFSR降水数据进行订正

（1）降水订正系数的确定

根据21个CFSR站点上2005年降水量与CFSR同期降水量的比值确定CFSR降水数据的订正系数，结果如表3所示。

（2）CFSR降水订正后径流模拟结果

将1990-2000的CFSR降水数据订正后带入VIC模型并驱动模型，得到该流域乌拉斯台站的径流模拟过程（图7），模拟效果评价参数如表2所示。

从图7可以看出，径流枯水期的模拟效果整体好于径流高值的模拟效果。在径流模拟的率定期内，模拟径流的退水曲线与实测径流的退水曲线在趋势与数值大小上均存在较大差异。模拟径流高值与同期实测径流高值的差距较方法（一）明显缩小，但量上依然存在一定差距，如1991年的模拟径流最大值较同期实测径流值严重偏小。在验证期内，模拟与实测径流的退水曲线差距更大，模拟值变化趋势与实际径流变化趋势存在较大差异。径流高值的模拟值均严重小于同期实测径流值，模拟效果很不理想。

表3 各CFSR站点处2005年遥测降水量与CFSR年降水量的比值

Note: APT is annual precipitation of telemetry station, APC is annual precipitation of CFSR, CCP is correction coefficient of precipitation.

根据表2可以看出，径流模拟率定期内各参数评价指标明显好于验证期。模型效率系数（0.67）在率定期内表现较理想，但在验证期内低至0.18，效果很不理想。多年径流相对误差在模型模拟的两个时期均大于20.0%，验证期更是高达49.7%，效果很差。枯水期的模拟效果评价指标（LOG）在率定期内为0.21，验证期内为0.31，效果均不太理想。

分析可知，该降水订正方法主要考虑到了地理条件因素对降水的影响，而在时间维度上缺考虑。仅用2005年的年降水比值来订正1990-2000年长系列的降水数据，其订正系数的代表性受到一定质疑。但值得肯定的是，在稀缺资料地区这种考虑到降水空间差异性的订正方法，比仅用实测值与CFSR数据的代表站点的降水比值来订正所有CFSR降水数据的方法更具合理性。

2.2.3 方法（三）：基于实测站点降水数据以及各CFSR站点与实测站点最近的CFSR站点的空间关系订正所有CFSR降水

（1）代表站的选择

将吉林台站和乌拉斯台站的月时间序列降水量分别与各个CFSR站点的月时间序列降水量进行相关性分析，其相关系数如表4所示。由表可以看出，CFSR站点降水数据与乌拉斯台的相关性整体好于与吉林台站的。在乌拉斯台与CFSR月降水数据之间的21个相关系数中低于0.60的仅3个，其余18个相关系数均大于0.70。因此，选择乌拉斯台作为CFSR降水数据订正的依据。

（2）CFSR站点的筛选

尽管研究区内CFSR站点降水量与实际降水量的整体变化趋势存在一致性，但仍有部分站点降水量与实际情况存在较大差异，因此，需要把存在较大差异的站点剔除。以10号CFSR站月降水时间序列为依据，建立其与其它CFSR站月降水时间序列的相关关系（表 5），以相关系数大于0.6为标准，最终将相关系数低于0.60的19-21号CFSR站点剔除。

（3）CFSR降水订正后径流模拟结果

由订正系数及乌拉斯台站实测降水量得到各CFSR站点的降水数据，将此降水数据带入VIC模型并驱动模型，得到流域内乌拉斯台水文站处的径流模拟过程（图 8），模拟效果评价指标参数如表2所示。

从图8可以看出，此方法下的径流模拟值与实测径流值拟合情况比前两种方法要好，径流变化趋势一致。径流最大值除个别年份（1991、1993、1997、1998年）外，在量与时间上均有较好的模拟，但枯水期的径流模拟值普遍偏低于实测径流值，其退水曲线拟合程度还有待进一步提高。

表4 吉林台、乌拉斯台站点与各CFSR站点月降水量时间序列的相关系数

表5 10号CFSR站点与其它CFSR站点月降水时间序列的相关系数

由表2可以明显看出，径流模拟率定期与验证期内的模型模拟效率系数和多年径流相对误差有明显改善。其中，模型效率系数在两个时期均大于0.80，多年径流相对误差均小于15.0%，模拟效果理想。枯水期径流模拟效果评价指标LOG总体上较前两种方法下的LOG变化不大，但在径流模拟验证期内，此方法对应的LOG（0.18）最小。

分析可知，该降水订正方法不仅考虑了降水在时间上的变化，还考虑到了在地理空间上的变化。其中，10号CFSR站点与其它各CFSR站点月降水序列的相关系数及CFSR站点的筛选均考虑了地理条件因素对降水的影响。

3 结论与讨论

3.1 结论

本文以匮乏实测气象数据资料的天山西部山区喀什河流域为典型研究区，通过3种不同降水数据的订正方法对CFSR再分析降水数据进行订正，并借助VIC模型探讨订正后的CFSR数据在天山西部山区径流模拟中的应用。得到如下结论：

（1）对CFSR与实测站点的月降水数据的水文时间序列分析表明，CFSR月降水情况与实际降水变化情况较为一致。虽然在1995年5月存在突变点，但在5%的显著水平下，其跳跃成分不显著。由此说明CFSR再分析降水数据能够较好地在时间与空间上反应喀什河流域内月降水的变化情况。

（2）基于喀什河流域实际下垫面构建的VIC模型，不同订正方法订正后的CFSR降水数据对模拟径流值的影响十分明显。

（3）基于实测站点降水数据以及各CFSR站点与实测站点最近的CFSR站点的空间关系订正的所有CFSR降水数据在径流模拟中表现最好。该订正方法同时考虑了降水在时间维度和地理空间维度上的变化，能够较好地还原无资料区域的真实降水特征，在径流模拟效果上应用性更好。而其它两种订正方法分别在地理与时间方面欠考虑，其径流模拟结果表现较差。

3.2 讨论

本文方法（二）与于宴民等[8]的设计思路一致，其CFSR降水订正系数未能充分考虑到气候和下垫面因子对降水产生的影响。胡胜等[10]利用实测站点与其最近CFSR站点降水数据建立幂指数关系，从而订正CFSR降水数据。该方法消除了时间上缺乏代表性的缺点，但适用性仍有局限。针对喀什河这样严重稀缺资料的流域，实测降水数据与CFSR降水数据难以确定适用于整个研究区的幂指数关系。若利用流域下游的若干站点确定的幂指数关系对流域上游CFSR降水数据进行订正，存在一定的不合理性。

从本文模拟的结果来看，基于乌拉斯台站点降水数据及各CFSR站点与10号CFSR站点的空间关系，订正所有CFSR降水数据的方法能够很好地模拟径流变化，但径流模拟值与实测值之间仍存在一定的差异。产生此差异的原因可能来自两个方面，一是CFSR再分析数据本身代表性不足，且订正过后的CFSR降水数据与实际降水数据仍存在一定偏差，且难以量化；二是水文模型中个别参数与实际情况存在一定的偏差。

今后有必要利用该订正方法进一步验证其它类型再分析数据在此地区及其它稀缺资料地区径流模拟中的应用效果。基于此降水订正方法，通过比较各再分析数据对应的径流模拟结果，一方面验证该订正方法的通用性，另外还可发现针对此区域或其它稀缺资料地区更为适用的再分析数据。此外，还需更多的野外实践调查来确定相关参数的设置，以提高模拟精度。

需强调的是，遥测气象站点的发展不仅能够提供真实有效气象资料，还在定量分析各种再分析数据和实际降水数据方面具有重要意义，今后有待进一步研究。

[1]邓铭江,王世江,董新光,等.新疆水资源及可持续利用[M].北京:中国水利水电出版社,2005:1-33.

Deng M J,Wang S J,Dong X G,et al.Water resources and sustainable utilization in Xinjiang Uygur Autonomous Region[M].Beijing:China Water Power Press,2005:1-33.(in Chinese)

[2]普宗朝,张山清.近48年新疆夏半年参考作物蒸散量时空变化[J].中国农业气象,2011,32(1):67-72.

Pu Z C,Zhang S Q.Study on spatial-temporal variation characteristic of summer half year ET0in recent 48 years in Xinjiang[J].Chinese Journal of Agrometeorology,2011,32(1):67-72.(in Chinese)

[3]王智,吴友均,梁凤超,等.新疆地区年降水量的空间差值方法研究[J].中国农业气象,2011,32(3):331-337.

Wang Z,Wu Y J,Liang F C,et al.Study on spatial interpolation method of annual precipitation in Xinjiang[J].Chinese Journal of Agrometeorology,2011,32(3):331-337.(in Chinese)

[4]许素芹,陈捷,宋汝刚.NCEP再分析资料引用研究[J].青岛大学学报(自然科学版),2010,23(3):38-41.

Xu S Q,Chen J,Song R G.The application study of NCEP reanalysis data[J].Journal of Qingdao University(Natural Science Edition),2010,23(3):38-41.(in Chinese)

[5]向华,张峰,江静,等.利用CFSR资料分析近30年全球云量分布及变化[J].气象,2014,40(5):555-561.

Xiang H,Zhang F,Jiang J,et al.Analysis of global cloud amount over the past 30 years based on CFSR data[J].Meteorological Monthly,2014,40(5):555-561.(in Chinese)

[6]胡增运,倪勇勇,邵华,等.CFSR、ERA-Interim和MERRA降水资料在中亚地区的适用性[J].干旱区地理,2013,36(4):700-708.

Hu Z Y,Ni Y Y,Shao H,et al.Applicability study of CFSR,ERA-Interim and MERRA precipitation estimates in Central Asia[J].Arid Land Geography,2013,36(4):700-708.(in Chinese)

[7]范彬彬,罗格平,张弛,等.新疆夏季降水时空分布的适用性评估[J].地理研究,2013,32(9):1602-1612.

Fan B B,Luo G P,Zhang C,et al.Evaluation of summer precipitation of CFSR,ERA-Interim and MERRA analyses in Xinjiang[J].Geographical Research,2013,32(9):1602-1612.(in Chinese)

[8]于宴民,穆振侠.CFSR数据在高寒山区径流模拟中的适用性[J].灌溉排水学报,2015,34(11):93-97.

Yu Y M,Mu Z X.Applicability of CFSR data in runoff simulation of cold highland area[J].Journal of Irrigation and Drainage,2015,34(11):93-97.(in Chinese)

[9]Milad J,Lariyah M S,Majid M,et al.Prediction of surface flow by forcing of climate forecast system reanalysis data[J].Water Resources Management,2016,30(8):2627-2640.

[10]胡胜,曹明明,邱海军,等.CFSR气象数据在流域水文模拟中的适用性评价:以灞河流域为例[J].地理学报,2016,71(9):1571-1586.

Hu S,Cao M M,Qiu H J,et al.Applicability evaluation of CFSR climate data for hydrologic simulation:a case study in the Bahe River Basin[J].Acta Geographica Sinica,2016,71(9):1571-1586.(in Chinese)

[11]王世江.中国新疆河湖全书[M].北京:中国水利水电出版社,2010:90-91.

Wang S J.Encyclopedia of river and lake in Xinjiang,China[M].Beijing:China Water&Power Press,2010:90-91.(in Chinese)

[12]于宴民,穆振侠.DEM分辨率对喀什河流域径流模拟精度的影响[J].水电能源科学,2016,34(3):19-23.

Yu Y M,Mu Z X.Influence of DEM resolution on runoff simulation accuracy of Kashi River Basin[J].Water Resources and Power,2016,34(3):19-23.(in Chinese)

[13]穆振侠,姜卉芳.高寒山区降水规律及融雪径流模拟[M].北京:中国水利水电出版社,2015:13-14.

Mu Z X,Jiang H F.The precipitation laws and snowmelt runoff simulation in high cold alpine areas[M].Beijing:China Water&Power Press,2015:13-14.(in Chinese)

[14]金君良.西部资料稀缺地区的水文模拟研究[D].南京:河海大学,2006.

Jin J L.Hydrological simulation research in data scarce areas of western China[D].Nanjing:Hohai University,2006.(in Chinese)

[15]陆桂华,吴志勇,何海.水文循环过程及定量预报[M].北京:科学出版社,2010:231-244.

Lu G H,Wu Z Y,He H.Hydrological cycle process and its quantitative forecast[M].Beijing:Science Press,2010:231-244.(in Chinese)

[16]Ajami N K,Hoshin G,Thorsten W,et al.Calibration of a semi-distributed hydrologic model for streamflow estimation along a river system[J].Journal of Hydrology,2004,3(33):112-135.

Application of CFSR Data under Different Correction Methods in Runoff Simulation in Western Tianshan Mountains

GAO Rui, MU Zhen-xia, PENG Liang, ZHOU Yu-lin, YIN Zi-yuan, TANG Rui

(College of Water Conservancy and Civil Engineering，Xinjiang Agricultural University，Urumqi 830052, China)

Kashi river basin, the west part of Tianshan Mountain, was chosen for this study. Based on the data of hydro-meteorological station from 1990 to 2000, telemetry station in 2005 and CFSR station from 1990 to 2000 and 2005, three correction methods were used to correct the precipitation of CFSR stations: the ratio between the mean monthly precipitation of Jilintai station and the mean monthly precipitation of No.11 CFSR station from 1990 to 2000 was the first method to correct the CFSR precipitation data; the ratio between the amount of telemetry precipitation and the amount of CFSR precipitation in 2005 at each CFSR station was the second method; the correlation between No.10 CFSR station and each CFSR station and the precipitation data of Wulasitai station was the third method. Then the effects of runoff simulation were analyzed based on the VIC model. After the analyzing of time series of precipitation, the features of CFSR precipitation in time scale and spatial scale are same to the features of real precipitation. The results of runoff simulation showed that, (1) different methods to correct CFSR precipitation have obviously different effects on runoff simulation. (2) Compared with other methods to correct CFSR precipitation, the way which used the correlation between No.10 CFSR station and each CFSR station and the precipitation data of Wulasitai station is the best one among other methods from the effects of runoff simulation. The efficiency coefficients of this model based on the best correction method in the calibration and verification period are both above 0.80, the relative errors of runoff are both under 15.0%. The best correction method in this study takes two factors - the change of precipitation in time scale and spatial scale - into consideration, and it has a better application in the numerical simulation of runoff than other methods, especially in scare data area.

CFSR precipitation data; Precipitation correction method; VIC model; Scarce data area

10.3969/j.issn.1000-6362.2017.06.002

2016-10-18

国家自然科学基金项目（51469034；51209181；51569031）；新疆自治区地方公派出国留学成组配套项目（XJDF201307）；新疆水文学及水资源重点学科基金项目（xjswszyzdxk20101202）

高瑞（1992-），硕士生，主要从事水文水资源研究。E-mail：grui92@163.com

高瑞,穆振侠,彭亮,等.不同订正方法下CFSR再分析数据在天山西部山区径流模拟中的应用[J].中国农业气象,2017,38(6):342-352

**通讯作者。E-mail：muzhenxia@126.com