AgMERRA再分析产品 在洞里萨湖(柬埔寨)径流模拟适应性分析

唐雄朋，王国庆，张建云，杨艳青，金君良，刘翠善，刘艳丽，鲍振鑫

(1. 南京水利科学研究院水文水资源与水利工程科学国家重点实验室，江苏 南京 210029； 2. 水利部应对气候变化研究中心，江苏 南京 210029)

0 引 言

无资料地区的水文预报是世界范围内一直困扰水文学家的难题之一(刘昌明, 白鹏 et al. 2012)。目前大多数水文预报是根据已有的水文观测序列借助一定的概念性或者分布式水文模型对流域复杂的水文现象进行描述(徐宗学 and 程磊 2010)。各种水文模型均需要输入一定长度的水文气象要素来进行参数率定，进而才能用于流域水文预报。然而，在全球范围内，特别是在一些欠发达地区，水文气象测站分布及其稀少；另外对于一些跨境河流(Jacobs 2002)，水文气象站点数据分属不同的国家和地区管理，增加了地面观测数据收集的难度。为了满足当前无资料地区或者缺资料地区防洪抗旱、水资源管理等方面的需求，国际水文科学协会(IAHS)启动了一系列的国际水文计划，旨在减少水文预报中的不确定性，完善现有水文模型并且发展开发全新的水文模拟系统(Sivapalan, Takeuchi et al. 2003)。

数十年来，国内外水文学家围绕着水文气象要素输入、减小水文模型参数的不确定性，提高无资料地区或缺资料地区的水文预报精度进行了大量的研究(毛能君, 夏军 et al. 2016, 姬晶, 刘攀 et al. 2017)。当前，对于无资料或缺资料地区水文预报和模拟，最常用的方法为参数区域化方法(Bao, Zhang et al. 2012)和借助遥感再分析气象产品(Shaohua Liu 2016)输入 模型。常用的参数区域化方法主要包括参数移植法、插值法和平均法，而其中最常用的为参数移植法。参数移植法即是通过选择跟研究流域相似的有资料流域作为参考，将参考流域率定的模型参数移用到无资料或缺资料地区进行水文模拟工作。Bao, Zhang et al. (2012)使用了基于回归分析和相似性分析的区域化方法，利用VIC模型评估了两种方法在中国55个不同气候区域的适用性，并且取得了较好的模拟效果。Zhang and Chiew (2009)使用3种参数区域化方法，借助Sim-Hyd模型和新安江模型在澳大利亚210个不同流域评估了3种方法的适用性，研究发现地理位置临近流域之间的参数移植效果较好。而伴随着近20年以来卫星技术和计算机技术的发展，越来越多的遥感和再分析降水产品也为无资料地区的水文模拟提供了可能。目前应用比较广泛的遥感降水产品主要有GsMAP(Kubota, Shige et al. 2007)、CMORPH、PERSIANN(Zhu, Xuan et al. 2016)和TRMM(Shaohua Liu 2016)等，再分析降水产品主要有AgMERRA(Rienecker, Suarez et al. 2011)、chirps(Katsanos, Retalis et al. 2015)和APHRODITE(Xu, Xu et al. 2016)等。Zhu, Xuan et al. (2016)利用SWAT模型评估了TRMM，NCEP-CFSR和PERSIANN-CDR在中国两个湿润地区的径流模拟适用性，结果表明TRMM和PERSIANN将水产品在两个湿润地区都有较好的径流模拟结果，NCEP-CFSR的水文模拟能力则会随着研究区域的不同而不稳定。Chen, Jayasekera et al. (2015)以整个湄公河流域为研究对象，利用SMA模型评估了TRMM3B42V7，CMORPH和APHRODITE三种产品的径流模拟适用性，结果发现APHRODITE降水产品径流模拟效果最好。

本文基于AgMERRA再分析产品，借助AWBM模型和Sim-Hyd模型以洞里萨湖区域3个子流域为研究对象，评估了AgMERRA降水产品的区域径流模拟适应性，为稀缺资料地区径流估算提供参考。

1 研究区域概况

洞里萨湖位于柬埔寨东北部，又名金边湖，是东南亚最大的淡水湖泊，长约500 km、宽约110 km，在金边市汇入湄公河，如图1所示。研究区位于亚洲热带季风区中心，5-10月为湿季，主要受到海上西南季风影响，而11月至次年4月为干季，主要受到来自大陆东北季风影响。其多年平均降水量时空分布不均，西北部的多年平均降水量约为1 200 mm，而西南部可以超过4 000 mm，而在洞里萨湖周边其多年平均降水量约为1 600 mm，年降水量的88%左右集中在雨季5-10月份(唐海行 1999)。

本文以柬埔寨洞里萨湖湖区3个子流域Kampong Chen(KC)、Kampong Thom(KT1)和Kampong Thmar(KT2)为研究对象。首先对比分析了AgMERRA讲述产品和地面观测降水数据，然后借助AWBM模型和Sim-Hyd模型评估了AgMERRA降水产品在研究区的径流模拟能力。

图1 洞里萨湖概况及水文站点位置图Fig.1 The description of Tonle Sap Lake and location of hydro-meteorology stations

2 研究方法和数据

2.1 地面观测数据

本研究收集了研究区4个雨量站日尺度降水数据，3个水文站日尺度径流过程数据(图1)。雨量站和水文站基本信息见表1。本研究地面观测资料均由柬埔寨水文气象部门提供，在应用前其质量受到水文气象部门的严格控制。本研究为保证数据质量，剔除了连续缺测多日的降水和径流数据。

表1 地面站点信息Tab.1 Information of gauge stations

2.2 AgMERRA再分析产品

AgMERRA再分析数据是由美国国家航空航天局(NASA)全球模拟和同化部门(Global Modeling and Assimilation Office，GMAO)提供的第二代再分析数据集(https://data.giss.nasa.gov/impacts/agmipcf/agmerra/)。本数据集采用3Dvar同化技术方案，包含了多种高时空分辨率分辨率(0.25°×0.25°，日尺度)气象产品，其包含气象要素种类、时空分辨率等信息见表2。

表2 AgMERRA再分析产品信息Tab.2 Information of AgMERRA reanalysis products

而本文计算主要使用到的为AgMERRA产品中的降水、平均气温和相对湿度。

2.3 Remanenko蒸散发计算

由于研究区缺乏2.4节水文模型模拟计算需要的蒸散发数据，本文采用Remanenko方法(左德鹏, 徐宗学 et al. 2009, 付菁, 范广洲 et al. 2011)计算了3个子流域的月潜在蒸散发数据，具体计算公式如公式(1)所示。

ET=C×(25+Ta)2×(100-Rh)

(1)

式中：C值取0.001 8；Ta为月平均气温，℃；Rh为月相对湿度，%。

由于AgMERRA产品提供的是最高气温时的相对湿度产品，因此本文在计算的过程中对相对湿度数据做了相应的折算处理。具体折算公式如公式(2)所示。

(2)

式中：RH为实际平均相对湿度，%；Ta为月平均气温，℃；Tmax为月平均最高气温，℃；RHtmax为根据AgMERRA产品计算的月平均最高气温对应的相对湿度，%。

2.4 降雨径流模拟

考虑到水文模型的区域适应性(Arnold, Srinivasan et al. 1998)和模型参数的不确定性(唐雄朋, 吕海深 et al. 2016)，本文使用Sim-Hyd模型(王国庆, 王军平 et al. 2006)、AWBM模型(王国庆, 张建云 et al. 2005)借助AgMERRA提供的降水、气温数据和2.1节计算所得的潜在蒸散发数据模拟了柬埔寨洞里萨湖3个子流域的径流过程。两个模型均为概念性水文模型，其在计算过程中使用了一系列具有一定物理概念的数学表达式来描述流域的水文过程。AWBM模型是由澳大利亚开发的基于水量平衡的将于径流模型，模型产流计算主要分为地表径流和基流，其模拟时间尺度可以为小时，日和月三种尺度；Sim-Hyd模型(王国庆, 王军平 et al. 2006)是在上世纪70年代提出的一个概念性水文模型，该模型最大的优点是同时考虑了蓄满产流和超渗产流两种模式，在模型产流计算中主要分为地表径流、壤中流和地下径流三个部分。由于两个模型在国内外不同流域已经有广泛的应用，对于两种模型产汇流计算的数学描述在很多文献均有详尽的描述，本文不再赘述。

2.5 模型评价指标

本文中水文模型参数的率定采用的SCE-UA优化算法(Duan, Sorooshian et al. 1992)。模型率定的目标函数为Nash-Sutcliffe(NSE)和相对误差(RE)，其计算公式为：

(3)

(4)

3 结果与讨论

3.1 AgMERRA降水统计分析

在利用AgMERRA再分析产品做水文模拟之前，首先使用统计方法对比分析了再分析降水产品和地面观测站点(图1)降水序列，由于再分析降水产品提供的是面平均降水量，因此在统计分析的过程中，根据地面站点地理位置采用双线性插值的方法获得站点位置再分析降水量。

图2为4个地面观测雨量站点不同时期(由于站点观测站点可用序列长度不一致)的月降水量过程线。由图2可以看出，AgMERRA再分析月尺度降水产品与地面雨量观测站月降水量拟合较好。4站点月尺度降水量与AgMERRA同时期月降水相关系数0.71、0.69、0.74、0.83，表明再分析降水与地面观测雨量站降水序列变化趋势基本一致；由图2同样可以看出再分析降水产品对降水较小月份预估比较准确，而对于降水较大的月份预估则相对较差。总的来说，再分析降水产品可以较好的预估研究区降水变化趋势，但是对于较大降雨月份预估欠佳，造成这种现象的原因可能是由于再分析降水产品提供的是面平均降水量，而地面站点提供的则为点降水量，虽然本文通过双线性插值降尺度获得了站点的再分析降水量，但是在其降尺度过程中难免会引入新的误差。

图2 研究区4个雨量站与AgMERRA再分析降水月降水过程Fig.2 Comparison of the precipitation of AgMERRA and gauge observations at monthly scale

3.2 模型模拟结果分析

由于研究区地面降水观测站点比较稀疏，并且有较少的降水站点落在3个研究区子流域内，并且地面站点降水连续性较差，因此本文所做的水文模拟没有使用地面观测降水数据驱动水文模型。

图3为两个模型(AWBM模型，Sim-Hyd模型)在KC子流域的径流模拟图。AWBM模型在KC流域率定期和验证期NSE系数和相对误差分别为0.81,1.7%和0.78,8.7%。从纳什系数和相对误差来看，AWBM模型模拟结果相对较好，验证期NSE系数较率定期有所降低，验证期2009年9月流量较大，而模拟模拟值较小，进而导致模型验证期效果相对较差。图3下图为Sim-Hyd模型在KC流域的径流模拟图，Sim-Hyd模型对于较好地模拟了低流量过程，而对于高流量过程的模拟则相对较差。总的来讲，对于KC流域，两个模型对于2007年、2008 年两年流量模拟效果均较差，观察其实测径流过程，可以发现这两年实测径流过程呈现出 “双峰”的变化过程，而这一现象有可能是由于KC流域人类活动干扰如水库大坝等水利设施的修建或者是人工取用水所造成的，而这也是模型验证期表现略低于率定期的原因之一。

图3 Kampong Chen径流模拟图(2000-2005年为率定期，2006-2010年为验证期)Fig.3 Observed and simulated monthly streamflow in the calibration and verification period of the Kampong Chen (Calibration period: 2000-2005, Verification period: 2006-2010)

图4为两个模型在Kampongthom(KT1)流域的月径流模拟过程。AWBM模型在KT1流域率定期和验证期的NSE系数和相对误差分别为0.81，21%和0.79，12.3%。Sim-Hyd模型在KT1流域率定期和验证期的NSE系数和相对误差分别为0.71，11.2%和0.70，-4.5%。两个模型对比可以看出，AWBM模型模拟结果显著好于Sim-Hyd模型，这可能是由于两个模型不同的模型结构造成的。由径流模拟图可以看出模型对于2010年峰值模拟均较差，流量模拟值显著低于实测径流值，可能的原因是由于再分析降水产品在2010年低估了研究区的降水，由于我们缺少该研究区的地面观测数据，无法对模型2010年模拟结果做出更深入的研究。总的来说，两个模型对于KT1流域的径流模拟结果均在可接受的范围内(NSE>0.7)。

图4 Kampongthom径流模拟图(2000-2005年 为率定期，2006-2010年为验证期)Fig. 4 Observed and simulated monthly streamflow in the calibration and verification period of the Kampongthom (Calibration period: 2000-2005, Verification period: 2006-2010)

图5为两个模型在Kampongthmar(KT2)流域的月径流模拟过程。AWBM模型在KT2流域率定期和验证期NSE系数和相对误差分别为0.84，3.9%和0.84，5.2%；Sim-Hyd模型在KT2流域率定期和验证期NSE系数和相对误差分别为0.72，-10%和0.78，-3.4%。由图5可以看出AWBM模型对KT2流域在率定期模拟较好，在验证期2009年高流量月份低估了流量，总的来讲AWBM模型在KT2流域对于低流量过程模拟较好，但是对于高流量过程模拟则相对较差。而Sim-Hdy模型对于KT2流域低流量过程模拟的较差，对峰值的模拟在率定期模拟的较好，而在验证期则模拟的较差。造成这种现象的原因可能是由于模型结构造成的，也可能因为KT2流域面积较大，而概念性水文模型对于较大流域的产汇流过程模拟相对较差。

在本文降水产品统计评估和水文模拟过程中，我们可以看到AgMERRA格点降水产品与站点将水存在着一定的误差，并且水文模拟结果也存在着部分峰值低估、低值高估的现象，其可能的原因有以下几点：

(1)AgMERRA再分析产品降水是面降水量，而站点降水是点降水，其直接对比分析可能会存在着一定的误差，在以后的研究中可考虑采用一定的空间降尺度方法和偏差纠正方法以减小再分析降水的误差；

(2)由于站点资料的限制，本研究只是用了AgMERRA降水以及AgMERRA产品计算的蒸散发数据模拟了研究区的径流过程，而这些不同数据源均存在着一定的不确定性，这也是导致水文模拟结果部分月份不太准确的原因；

4 主要结论

(1)AgMERRA降水产品与研究区降水过程变化趋势基本一致，但是仍然存在在一定的误差。可能的原因是由于AgMERRA降水产品是面降雨量，而在其时空降尺度的过程中有可能会引入新的误差(Yong, Ren et al. 2010)。

(2)结合AgMERRA降水、相对湿度和平均气温数据产品，借助AWBM模型和Sim-Hyd模型模拟了研究区三个子流域的径流过程。结果发现，AWBM模型和Sim-Hyd模型均可以相对较好的模拟研究区径流过程。

(3)AWBM模型在三个流域的模拟结果均好于Sim-Hyd模型，可能的原因是由于研究区雨季产流类型主要为蓄满产流，而AWBM模型在湿润地区具有较好的适应性(王国庆, 张建云 et al. 2005)。

□