TRMM在海河流域南系的降水估算精度评价及其对SWAT模型的适用性

谭丽丽，黄 峰，乔学瑾，刘海鹏，李春强，李保国※

（1.中国农业大学土地科学与技术学院，农业农村部华北耕地保育重点实验室，自然资源部农用地质量与监控重点实验室，北京100193；2.河北省气象科学研究所，石家庄050021）

0 引 言

基于卫星遥感的降水产品以其覆盖范围广、时效性强的优势能够弥补地面站点监测的不足，可为降水数据匮乏的地区提供补充监测[1]。目前，已开发和广泛应用的卫星遥感降水产品包括TRMM（Tropical Rainfall Measurement Mission）[2]、 CMORPH （Climate Predication Centre Morphing Technique）[3]、 GSMaP （Global Satellite Mapping of Precipitation）[4-5]、GPM （Global Precipitation Measurement）[6]等。由美国NASA（National Aeronautics and SpaceAdministration） 和 日 本 JAXA （Japan Aerospace Exploration Agency） 联合启动的TRMM是目前国际上应用较为广泛的卫星降水产品[7-8]。其中，基于3B42算法的降水产品已覆盖全球50°N～50°S的地区。其最新版本3B42V7是通过与地面降水站点进行调整的后实时（延迟2个月）降水产品[9]，它的优势在于使用了更为密集的地面雨量站网络对原始数据进行调整[10]。

近年来，3B42V7降水产品在全球范围内得到了广泛的精度验证和应用[11-12]，为雨量站匮乏区域的水文分析和流域水资源管理[13]提供较为可靠的数据源。Zulkafli等[14]在亚马逊河流域将TRMM 3B42V6和3B42V7进行对比，结果表明，与263个雨量站降水数据相比，3B42V7估算的偏差较小且能改善降水的分布。Zambrano-Bigiarini等[15]评估了7种卫星降水产品（包括TMPA 3B42V7）在智利复杂地形和多样气候梯度条件下的适用性，研究结果显示3B42V7在气象研究和水资源评估方面具有很大潜力。杜军凯等[16]应用3B42V7降水产品研究了太行山区降水空间分布格局。王兆礼等[17]利用3B42V7降水产品评估了中国大陆的干旱状况。与其他遥感产品相比，3B42V7虽然已经表现出较高的估算精度[18]，但仍存在偏差，地理环境的复杂性、对传感器的校准、算法等均是造成偏差的来源[9]。因此，有必要在使用3B42V7之前对其进行降水估算精度的评估。

SWAT（Soil and Water Assessment Tool） 模型是流域尺度水文模型，它能够模拟水质、地表径流、产沙量、作物生长等过程，并且可以模拟土地利用变化、农业管理实践和气候变化对上述过程的影响[19]。Awoke等[20]利用SWAT模型模拟了土地利用变化和气候变化情景下，Raccoon河流域水量和水质的变化以及对作物产量的影响。Omer等[21]利用SWAT模型研究了气候变化和人类活动对滹沱河流域河流径流的影响。Tao等[22]利用SWAT模型研究了不同土地利用变化情景下抚河流域水文过程的变化情况。在海河流域SWAT模型也有应用研究，Sun等[23]建立了海河流域SWAT模型，评估了海河流域地表水资源量和蒸散量。

海河流域南系是海河流域水资源开发利用程度最高的区域，过度开采地表水和地下水引发了一系列的生态环境问题，水资源安全受到严重威胁[24]。尤其是雄安新区的建立，对海河流域水资源量提出了更高的要求。水文模型为区域合理开发利用水资源提供了有利的支撑工具，而降水作为水文建模必不可缺且至关重要的输入项，是需要首要考虑的重要因子。然而，降水监测站点分布的不均一性和时间序列的不完整性限制了流域水文模拟的应用范围。因此，基于TRMM反演的降水资料对于区域水资源管理具有重要意义。本文将在不同时空尺度上评价3B42V7在海河流域南系估算降水的精度，并验证其在水文模型SWAT中的适用性。

1 数据与方法

1.1 研究区概况

海河流域南系（图1）主要包括大清河水系、子牙河水系、漳卫河水系、黑龙港及运东平原[25]，本研究区涵盖大清河水系和子牙河水系。研究区（112°10′16″E～117°47′47″E，36°16′24″N～40°5′15″N）东临渤海，西倚太行，总面积91 767 km2，其中包括河北省中部和南部的大部分区域、山西省东部的部分区域，以及北京和天津部分区域。研究区内主要分为山地和平原2种地貌类型，包括大清河山区、大清河平原、子牙河山区、子牙河平原[25]。山区属于太行山脉，是流域内重要的水源涵养区和生态屏障[26]，但气候干旱与水资源匮乏导致其涵养水源的能力日趋下降；平原区是中国重要的粮食生产和产业基地，主要以冬小麦和夏玉米轮作为主，其周年耗水量为800～1 000 mm，而该区多年平均降水量仅为523 mm[27]，远不能满足作物正常生长的需求。因此，在该流域进行卫星降水产品的精度评价和适用性分析对日后流域水资源和农业管理决策的制定，以及流域生态安全意义重大。

1.2 数据来源

为从多方面验证3B42V7降水产品在海河流域南系的估算精度和适用性，选择地面雨量站数据、气象站降水数据、水文站流量数据对其进行分析评价。

1.2.1 地面降水数据

28个气象站日降水数据（2007—2016年）来自河北省气象局和中国气象局网站（http://data.cma.cn/），101个雨量站日降水数据（2010—2016年）来自《中华人民共和国水文年鉴》[28-29]。站点分布详见图1。月和年降水量由日降水量累加得到。

1.2.2 TRMM数据产品

TRMM于1997年11月底开始提供数据，至2015年4月停止服务，但其数据产品仍在更新中[30-31]。3B42V7是TRMM的最新版本，空间分辨率为0.25°×0.25°，时间分辨率为3 h，它结合了TRMM降水雷达（TRMM precipitation radar， TPR） 、 被 动 微 波 （passive microwave，PMW）、红外（infrared，IR）以及地面观测多种手段进行降水估计。本研究使用的3B42V7日降水产品来源于亚太数据研究中心APDRC（http://apdrc.soest.hawaii.edu/）。提取28个气象站和101个雨量站所在网格的3B42V7日降水量作为本研究的TRMM数据源。

图1 海河流域南系Fig.1 Map of southern Haihe River Basin

1.3 评价方法

利用皮尔逊相关系数（correlation coefficient，CC）、相对偏差（relative bias ratio，Rbias）、平均误差（mean error，ME） 和 均 方 根 误 差 （root mean square error，RMSE）定量评估3B42V7降水产品的精度。利用决定系数（R2）和纳什效率系数（Nash-Sutcliffe coefficient of efficiency，NSE）定量评价不同类型降水对SWAT模拟径流的反馈。

1.4 水文模型建模

SWAT模型建模所需的土地利用数据和土壤数据（图2）分别来自中国科学院资源环境科学数据中心（http://www.resdc.cn/） 和 HWSD （http://www.fao.org/land-water/databases-and-software/）。建模过程中考虑了农业管理措施（灌溉、施肥）和水库。

利用紫荆关站、中唐梅站、阜平站、界河铺站、地都站和泉口站2010—2016年月平均流量[28-29]对已建立的SWAT模型进行校准和验证。

设置2种情景评价3B42V7降水数据在水文模型SWAT中的适用性。情景I：利用雨量站日降水数据（2010—2014年）和雨量站对应的3B42V7网格日降水数据（2015—2016年）驱动模型；情景Ⅱ：利用气象站日降水数据（2010—2016年）驱动模型。2种情景均设置1 a预热期，利用SUFI-2算法在月尺度上对已建立的模型进行校准和验证，校准期为2011—2014年，验证期为2015—2016年。以NSE为目标函数来评价模型模拟流量的效果，同时用p-factor和r-factor评价已经建立模型的不确定性[32]。一般地，当NSE＞0.5，p-factor＞0.7，rfactor＜1.5，认为可以满足水文模拟的需求[33]。

图2 海河流域南系土地利用类型和土壤类型Fig.2 Land use type and soil type map of Southern Haihe River Basin

2 结果与分析

2.1 3B42V7降水产品精度验证

基于站点、流域和分区3种空间尺度，从日、月、年、季节4个时间尺度对3B42V7降水产品在海河流域南系的估算精度进行分析评价。

2.1.1 站点尺度

为验证3B42V7降水数据的精度，利用28个气象站月降水数据，即每个站点120对样本，计算得到RMSE和ME，如表1所示。绝大多数站点的CC在0.99，相关性极强，只有少数站点（平定、新乐、深泽、辛集、天津）CC低于0.99，但也超过0.95。3B42V7在邢台站和易县站估算降水偏差较小，RMSE分别为3.22和3.47 mm，其余站点也均小于15 mm。此外，绝大多数站点的月降水ME均大于0，但小于8.5 mm，个别站点的月降水ME不到1 mm，这表明在本研究区内3B42V7对降水量存在一定的高估。总体来说，3B42V7在月尺度上估算精度较高。

进一步利用101个雨量站降水数据，以Rbias为评价指标，分别在年（每个站点7对样本）、月（每个站点84对样本）、季节（每个站点各季节21对样本）以及冬小麦生长季（每个站点56对样本）和夏玉米生长季（每个站点28对样本）5个时间尺度对3B42V7降水产品的精度进行验证，验证标准采用Rbias为-20%～20%为可接受。图3是101个雨量站降水及其对应的3B42V7网格降水在不同时间尺度上的Rbias。年尺度上（图3a），Rbias在-20%～20%之间站点约占全部站点的84%。月尺度上（图3b～图3m），Rbias在-20%～20%的站点平均占52%，其中5－10月均在50%以上，6、7月这2个月占比最高，均超过70%。在季节尺度上（图3n～图3q），春季、夏季、秋季、冬季分别有约60%、81%、69%和36%的站点Rbias在-20%～20%之间。在冬小麦和夏玉米生育期内（图3r～图3s），Rbias在-20%～20%内的站点分别占64%和79%。在不同时间尺度上，3B42V7降水产品均有对降水的高估和低估，但绝大多数站点的Rbias在可接受范围内，估算精度较好。

表1 3B42V7降水产品在月尺度精度评价结果Table 1 Precision evaluation of monthly 3B42V7 rainfall data

图3 站点尺度不同时间雨量站与3B42V7产品降水量相对偏差Fig.3 Relative bias(Rbias)between rainfall from 3B42V7 and that from rain gauges at different time scale based on station scale

和雨量站的比较分析发现，6月和7月降水相对偏差在-20%～20%之间的站点占70%以上，夏季和夏玉米生育期内分别有81%和79%的站点相对偏差在-20%～20%之间。这表明在湿润季节3B42V7降水估算精度较高，这与Darand等[34]的研究结果相一致。

2.1.2 流域尺度

通过汇总和分析气象站降水数据，在流域尺度对3B42V7日降水精度进行评估。图4是不同季节气象站日降水和3B42V7估算的日降水。3B42V7降水产品能够较好地估算降水的季节变化趋势，很好地再现了研究区在典型温带季风气候条件下降水时间分配不均衡的特点。流域内春、夏、秋、冬日降水CC分别为0.38、0.41、0.42、0.59，这表明3B42V7对于估算日降水能力还有待提高。

综合站点和流域尺度的评价结果，3B42V7估算月降水与地面实测降水CC高达0.95以上，而在日降水估算上欠佳，CC不到0.6，这与国内外多数研究相一致。Xu等[35]研究结果表明，3B42V7降水产品估算月尺度降水相关系数超过0.90，但在日降水估算上相关系数仅为0.69。Conti等[36]在文中也提到，随着时间尺度的增加，TRMM降水数据与实测降水数据之间的相关性会显著增强。

图4 2007—2016年日尺度气象站和3B42V7降水量Fig.4 Daily rainfall from meteorological station and 3B42V7 from 2007 to 2016

2.1.3 分区尺度

根据海河流域水利委员会划分的水资源三级分区[25]，从大清河山区（DQHM）、大清河平原（DQHP）、子牙河山区（ZYHM）、子牙河平原（ZYHP）4个区域尺度，利用雨量站降水数据进一步评价3B42V7降水产品的估算精度。图5为2010—2016年各区域不同降水强度等级发生的概率，揭示了日降水空间分布情况。依据国家标准《降水量等级》（GB/T 28592-2012）划分为7个降水等级（见图5）。3B42V7能够很好地捕捉到不同等级降水强度，微量降雨在4个区发生概率最高（超过70%），其次是小雨（超过10%），第三是中雨（超过3%）。3B42V7低估了4个分区中的微量降雨，这可能是由于卫星采样时间短，未能捕捉到短时内发生的微量降雨所致，而小雨和中雨上均存在高估现象。此外，大雨在山区出现了低估的现象，而在平原则高估，这可能与地形和海拔高度等因素有关。虽然暴雨及其以上级别的降雨概率不足0.5%，但却对全年降水贡献率最高[37]。

图5 4个分区不同降水强度等级发生概率Fig.5 Probability of rainfall occurrence with different rainfall intensity levels in 4 zones

分区月和年降水柱状图显示（图6和图7），3B42V7降水产品能较好地估算降水量在逐月和年际间的变化趋势。其中，DQHP在2012年降水量超过650 mm，主要是由于2012年7月21日，北京发生了特大暴雨[38]，位于DQHP的某站记录7月降水量达549.4 mm，而该站恰位于北京市房山区境内。此外，受华北地区7月中下旬极端强降水事件[39]的影响，DQHP、ZYHM和ZYHP在2016年降水偏高。在这次降水过程中，大暴雨主要集中在河北中南部和山西东部，而最强降水中心则位于ZYHM内，即河北西南部太行山东麓迎风坡[39]。各区年降水Rbias分别为2.64% （DQHM）、9.59% （DQHP）、7.72%（ZYHM）、20.32%（ZYHP），表明4个分区均出现了不同程度的高估，尤其在平原区有较大程度的高估。

图6 4个分区雨量站与3B42V7逐月降水量比较Fig.6 Comparison of monthly rainfall from rain stations and 3B42V7 in 4 zones

在分区尺度上，3B42V7对月和年降水的估算精度较高，但在各分区出现不同程度的高估现象，尤其在平原区高估程度较为明显，这与Xu等[35]在黄淮海平原的研究结果一致。另外，3B42V7较好地捕捉到了研究区内极端降水的时空分布，在月和年尺度上对极端降水事件的捕捉能力较强，这与Fang等[40]有相似的结论。

图7 4个分区雨量站与3B42V7年降水量比较Fig.7 Comparison of annual rainfall from rain stations and 3B42V7 in 4 zones

2.2 水文模拟

在模型校验之前，以月平均流量为目标变量，利用SUFI-2进行参数敏感性分析，表2是各水文站在不同情境下的敏感性参数及其校准后的最佳值。校准和验证结果显示（表3），除界河铺站NSE为负以外，其余站点校验效果均较好。情景Ⅰ中，校准期R2在0.68～0.87之间，NSE在0.47～0.79之间；验证期R2在0.56～0.96之间，NSE在-11.09～0.94之间。情景Ⅱ中，校准期R2在0.36～0.84之间，NSE在-1.34～0.81之间；验证期R2在0.83～1之间，NSE在-10.19～1之间。2种情景下的校验结果均在可接受范围内，其中由雨量站降水和3B42V7降水联合驱动的模型模拟效果较好，表明3B42V7降水可以代替地面站降水进行水文模拟。

图8进一步比较了2种情景在各自最优参数下逐月流量模拟值与观测值。在不同类型降水的驱动下，各站点均表现出对流量不同程度的高估或低估现象。具体表现为对低流量的高估，以及对流量峰值的低估。情景Ⅰ下的SWAT模型模拟效果较好。此外，由3B42V7降水产品参与的模型在验证期能够较好地捕捉到流量，尤其在峰流位置上。

在SWAT模型的适用性分析中，各水文站的校验结果显示，只有界河铺的校验结果欠佳，可能是由于模型未考虑界河铺以上盆地的农业管理措施和水库。情景Ⅰ的校验结果较好，间接地说明了降水站点密度对水文建模具有一定影响[41]。从p-factor和r-factor来看，界河铺站、泉口站和地都站表现出较大的不确定性，这种模型的不确定性可能来源于多方面，如输入数据的不确定性，参数的不确定性等[33]。此外，在不同情景的水文模拟中，各水文站校验结果都是在各自最优参数下进行的，因此，不可否认参数对模拟结果的补偿效应[37]。

表22 种情景下SWAT敏感性参数及最佳值Table 2 Sensitivity parameters and optimal values of SWAT model in two scenarios

表32 种情景下SWAT模型校准和验证结果评价Table 3 Evaluation of SWAT model calibration and validation results in two scenarios

图8 2种情景下水文站月流量观测值和SWAT模拟值动态变化Fig.8 Dynamics of monthly observed discharge from hydrological stations and simulated discharge by SWAT model under two scenarios

3 结 论

本文利用28个气象站降水数据和101个雨量站降水数据评估了TRMM 3B42V7降水产品在海河流域南系的精度以及在SWAT模型中的适用性。结果表明，在月尺度估算效果很好，相关系数＞0.95，均方根误差＜15 mm，但在日尺度上估算效果较差，相关系数＜0.6。在夏季和夏玉米生育期分别有81%和79%的站点相对偏差在-20%～20%之间，表明3B42V7在湿润季节的估算效果更好。此外，3B42V7能较好地捕捉到各级降水强度。在分区尺度的研究中，均出现对年降水高估现象，尤其在平原区高估较为明显。另外，3B42V7对极端降水事件的捕捉能力较强。SWAT模拟表明，利用雨量站降水联合3B42V7降水驱动模型（情景I）时，验证期R2在0.56～0.96之间，NSE在-11.09～0.94之间，流量模拟值与观测值吻合程度较高。

综上，3B42V7降水产品在月和年尺度的估算精度能够代表流域总体的降水情况，但在日尺度上估算欠佳，是今后需要改进之处。运用该产品以月尺度运行水文模型模拟效果较好。因此，通过精度验证后的该产品可为无降水、少降水站点或缺失降水资料的区域提供较为可靠的数据来源，为扩大水文模拟的时间和空间尺度提供了可能，进而可为流域水资源管理和生态安全研究提供数据支撑。