TRMM RT降雨在洪水模拟应用中的可行性分析

2019-06-25闵心怡杨传国程雨春

中国农村水利水电 2019年6期

闵心怡，杨传国，程雨春，李莹

(1.河海大学水文水资源学院，南京 210098；2.中国气象局国家气候中心，北京 100081)

水循环的关键环节之一是降水，由于其在时空上的高度异质性，对水资源的空间分配产生了重大影响[1]。高质量的降雨资料不仅仅是保证洪水预报精确性的前提，同时也在气象、水文和农业生产等领域起着至关重要的作用[2]。目前传统的降雨数据来源为雨量站点观测，但由于雨量站分布密度较小且空间分布不均，难以保证降水空间结构的准确性[3,4]。

近年来，卫星技术的发展推动了卫星在降雨观测方面的应用，这是因为其可实现对大范围降水的连续观测，从而获取大面积连续雨强分布[5]，使得其能应用于实际的应用研究。TRMM(Tropic Rainfall Measurement Mission) 降雨数据的应用较为广泛，其数据的覆盖范围为南北纬度60°之间，水平分辨率是0.25°×0.25°。高洁[6]对基于TRMM卫星数据的降雨测量进行精度评价，发现TRMM降雨数据对于无资料地区、大尺度范围，在中长期水资源规划、旱情分析等方面具有较强的实用性。蔡研聪[1]等研究得出中高纬度的TRMM卫星降雨数据具有适宜的空间和时间尺度，但误差随时间尺度增大而增加。利用降雨量模拟水文径流过程的方式多种多样，其中由美国陆军工程师团(USCE)所发布的HEC-HMS(Hydrologic Modeling System)模型由于其便捷性和科学性受到极大的关注。模型是可用于山洪预警系统的，其除了能够模拟研究流域断面的流量过程外，还可计算任一单元出口的径流过程[7]，应用性较广。

目前，卫星降雨数据精度评价及其在水文模拟中的应用，主要集中的逐日甚至逐月尺度上，对小时尺度的卫星降雨数据评估，并将其应用到流域洪水模拟的研究还较少。本文将选择地处湿润地区的新安江流域为研究区，在小时尺度上评估TRMM实时卫星降雨数据精度，验证其用于洪水模拟预测的可行性。

1 研究区概况

新安江发源于安徽省休宁县与江西省交界处的五股尖山, 东入浙江省西部, 经淳安至建德与兰江汇合后为钱塘江干流桐江段、富春江段, 东北流入钱塘江, 是钱塘江正源[8]。新安江干流长约359 km[9]，本文研究区面积约6 219 km2。地形主要以河谷平原和少部分丘陵为主，地处北亚热带，山溪性河流水力资源丰富，水热条件优越。雨量在初夏期间，即五六月时最多，原因主要是因为长江中下游地区在该时段处于梅雨季节，且由于对流的影响暴雨天气较多，并伴随台风等自然灾害，易造成山洪灾害。图1为研究区子流域划分及汇流河道分布图。

图1 研究区子流域划分及汇流河道分布图Fig.1 Subbasins and river channels in the study area

研究区的洪水数据从《中国水文年鉴-钱塘江流域》摘录，选择临溪和屯溪两个水文站，每个水文站均摘录2007-2013年期间的洪水数据。由于摘录的实测洪水并非逐小时的洪水过程，因此运用HEC-DSSVue录入洪水后，采用线性插值的方法，插值出逐小时的实测洪水数据。

2 降雨资料介绍与评估校正

2.1 实测小时降雨数据及其代表性分析

本文使用了新安江流域逐时网格降水量数据集。该数据集通过提取全国2 419个站(包括国家气候观象台，国家气象观测一级站、二级站)逐时降水量，采用双线性插值方法，生成研究区每小时降水量的网格产品，数据格式为ArcGIS格式，产品空间分辨率均为0.25°×0.25°，所选用时间为2007-2013年3-10月洪水期间降雨数据。

为了评估研究区选用的降雨资料系列的代表性，根据1986-2015年的降雨资料作为长系列，通过对比均值、最大值和Cv值对研究期资料系列进行代表性分析。结果表明，研究区2007-2013年降雨资料系列均值(0.221 mm/h)与长系列相比偏小2.78%，最大值(8.140 mm/h)偏小4.61%，Cv值(2.639)相对偏大3.99%。可见短系列的统计参数与长系列相近，短系列对于长系列而言有一定的代表性，即2007-2013年的降雨资料具有代表性。研究期包括3个偏丰年份(2007、2009、2013年)、2个平水年份(2008、2011年)和2个偏枯年份(2010、2012年)，所选的年份在丰平枯级别方面也具有典型性和代表性。

2.2 TRMM RT卫星降雨数据

TRMM降雨数据可从NASA官网上下载(https:∥pmm.nasa.gov/)。所下载数据为TRMM_V7 3 h实时卫星降雨数据(3B42 RT)，未同化任何实测降雨数据，时效性高，适用于开展洪水模拟预测。选用范围及时间和实测小时降雨保持一致。

2.3 TRMM RT卫星降雨数据评估与校正

2.3.1 评估指标

本文所选指标为相关系数(R)、偏差值(Bias)、均方根误差(RMSE)和相对均方根误差(RelativeRMSE)，公式分别如下：

(1)

(2)

(3)

(4)

2.3.2 精度评估结果

分别对2007-2013年间洪水期的TRMM RT卫星降雨数据进行精度评估，结果如表1所示。

表1 TRMM RT卫星降雨数据精度评估

相关系数主要反映了卫星降雨与实测降雨的关联程度，不同年份相关系数在0.669～0.912之间，平均值为0.840，表明TRMM RT数据能够较好的反映降水时间过程；偏差值能直观反映卫星降雨与实测降雨间差异，研究时段内偏差均显著小于0，平均值为-0.355，表明TRMM RT降雨对极值降雨存在明显低估；均方根误差能反映两个变量之间的差异，相对均方根误差是均方根误差除以平均降水雨量计的数据，可以用来评估数据的可靠性，是检查数据有效性的重要手段[10]。根据相对均方根误差，2011年和2008年数据精度较高。对于出现的高估情况，其原因可能与制作降水产品时使用的反演算法和对固态降水反演不准确有关[11]。

2.3.3 降雨量分级校正

由于卫星降雨对不同量级降雨的监测能力差异，本文采用降雨量分级校正的方法对TRMM RT卫星降雨数据进行校正。该方法以实测降雨量为判断依据，计算研究区TRMM RT降雨的在不同雨量级上的偏差，进而计算得到不同降雨等级的校正系数。降雨分级标准及TRMM RT降雨校正系数如表2所示。

表2 3 h降雨量等级划分及TRMM RT降雨校正系数

校正前后的TRMM RT降雨数据与实测降雨数据之间的关系如图2所示。由关系图可以看出，TRMM RT降雨数据在校正前与实测值相比具有一定的相关性，但总体上数值明显偏低，与实测降雨的偏差较大；采用降雨分级校正后，TRMM RT的降雨数据与实测降雨的误差变小，两者之间的相关性有显著的提高。

图2 研究区TRMM RT卫星降雨校正前后与实测降雨关系分布图Fig.2 The relationship between the measured rainfall and the rainfall before and after the correction of TRMM RT satellite in the study area

3 HEC-HMS模型与参数率定

3.1 模型原理

HEC-HMS(Hydrologic Modeling System)模型计算每一个子流域的产流和汇流(包括坡面汇流和河道汇流)，然后再演算至出口断面，得到模拟的降雨径流过程线[12]。其计算过程主要分为4个部分，即净雨计算、坡面汇流计算、基流计算和河道汇流计算[13,14]。

(1)净雨计算。净雨计算的原理主要是初始降水量减去初损量，初损主要包括降雨在形成径流前的截留和填洼蓄水量，并认为净雨在研究区空间分布均匀。可选择的方法有CSC曲线数模型、格林-安普顿损失模型以及SMA模型等。本文所选的CSC曲线数模型与CN值、初损和不透水性有关。

(2)坡面汇流计算。坡面汇流计算可采用的方法主要分为两大类，分别为单位线法和运动波模型。其中单位线法又有CSC单位线、斯奈德单位线和克拉克单位线等。本文在HEC-HMS模型中采用斯奈德单位线法，主要需考虑的参数为流域滞时和峰值系数。

(3)基流计算。基流计算可选择的方法有退水曲线法、线性水库模型和常数月变化模型等。本文所采用的为退水曲线法，该模型需要给定的参数为初始流量、退水常数和峰值系数。初始流量为每场次洪的起涨流量，峰值系数取计算洪峰流量的0.1倍，退水常数则根据实测资料率定[15]。

(4)河道汇流计算。河道汇流计算可采用的方法有马斯京根法、运动波模型和滞后模型等。目前运用最广泛的是马斯京根法，原因是其计算简单且适用于无资料地区，需要率定的参数少[16]。该方法主要的参数为蓄量常数K和槽蓄系数x。K反映恒定流条件下的河段传播时间，x反映河段的楔蓄作用和调蓄能力，取值范围0～0.5，x越大表明河道楔蓄作用越大、调蓄作用越小。

3.2 模型建立

将研究区域的DEM数据利用HEC-geoHMS进行水文分析，分割和计算子流域，得到各子流域的信息，HEC-HMS的基本模型建立完成。

在基本模型的基础上，通过HEC-DSSVue导入降雨数据和洪水数据；HEC-HMS考虑到每一个子流域自身下垫面条件估算的有关参数，并对初始参数进行自动优化，计算每一个子流域的平均坡度、产流和汇流(包括坡面汇流和河道汇流)，再演算至出口断面，得到模拟的降雨径流过程线[12]。

3.3 参数率定

通过HEC-HMS模型，利用实测降雨数据对临溪、屯溪两站分别进行降雨径流模拟，为了使建立的HEC-HMS模型模拟结果达到最优, 必须对模型参数进行优化。HEC-HMS模型提供了单变量梯度法 (Univariate Gradient) 与Nelder Mead法2种方法及7种目标函数供用户选择, 目标函数包括峰值加权均方根误差、洪峰流量百分比误差和洪量百分比误差等[17]。参数率定完成后，利用实测洪水检验HEC-HMS模型的模拟精度，为基于卫星降雨数据的降雨径流模拟提供参照。

在临溪站所选取的洪水场次分别为20080608、20100304、20100713、20110608、20120626和20130606，用于模型参数率定。在最终确定的参数下，模拟洪水与实测洪水拟合的较好，在峰现时间和洪水过程方面准确度较高，相关系数R平均值达到0.95，效率系数NS平均值为0.79，如表3所示。

表3 临溪站实测降雨和校正后TRMM RT降雨模拟洪水精度评估

在屯溪站所选取的洪水场次分别为20080608、20100516、20100706、20110604、20130429和20130624。屯溪站实测降雨模拟洪水的洪水总量与实测值较接近，峰形一致，相关系数平均值达到0.93，效率系数平均值为0.78，如表4所示。各个洪水场次的模拟精度相差不大，表明HEC-HMS模型参数率定结果可靠，该模型适用于研究区的洪水过程模拟。

表4 屯溪站实测降雨和校正后TRMM RT降雨模拟洪水精度评估

4 基于TRMM RT卫星降雨洪水的模拟评估

根据率定的HEC-HMS模型及参数，利用校正前后的TRMM RT卫星降雨数据进行相同洪水场次的模拟。保持参数前后保持一致，仅分析降雨输入的不确定性，从而分析利用卫星实时降雨产品开展洪水模拟预报的可用性。

4.1 临溪站

以典型洪水事件(20100304和20110608)为例，分别利用实测降雨、校正前后的TRMM RT降雨开展洪水过程模拟。结果表明，直接采用TRMM RT降雨所模拟出的洪水，虽然洪峰过程基本一致，但对洪量存在明显低估；在20100304号洪水单峰大值区这种现象尤为明显，并且模拟洪水的峰值过多(图3)；相对而言，当时间尺度较长、实测洪水峰值大的情况下(即20110608号洪水)，模拟洪水的精度较高。利用校正后的TRMM RT降雨数据所模拟出来的洪水精度明显提高，主要原因在于模拟值偏低现象明显得到改善，洪水总量与实测洪水总量和峰值更为贴近。

图3 临溪站模拟洪水与实测洪水对比Fig.3 Comparison between the simulated and the measured floods in Linxi station

针对临溪站6场洪水，利用校正后的TRMM卫星降雨数据模拟出的洪水的精度评估指标见表3。相关系数平均值达到0.89，效率系数平均值为0.42，但对于不同降雨场次效率系数值变化较大，表明了卫星降雨监测精度受降雨事件个例影响较大，存在较大的不确定性。

4.2 屯溪站

以屯溪站多峰洪水事件20080608号洪水和单峰洪水事件20100516号洪水为例，直接采用TRMM RT降雨得到的模拟径流对于单峰洪水存在明显的低估，未能反映本次降雨径流过程；而20080608号洪水，利用TRMM RT降雨得到的模拟洪水在小值区模拟精度较好，峰现时间一致但峰值模拟依然偏小。校正后的TRMM RT降雨数据所模拟出的洪水同样在洪水总量相对接近实测洪水，在小值区的洪水过程模拟地更精准(见图4)。