国产多源降水融合及其在小流域暴雨山洪预报中的应用

赵悬涛，刘昌军，文 磊，王文川

(1. 华北水利水电大学 水利学院，郑州 450046；2. 中国水利水电科学研究院防洪抗旱减灾中心，北京 100038；3. 河海大学 水文水资源学院，南京 210098)

降水是流域水文系统的关键输入变量，高质量的降水资料可有效提高径流模拟和洪水预报的精度。目前降水资料的来源主要有3种：一是布设于陆地表面的雨量观测站网，虽然它是目前最能够准确测量地面单点降水量值的观测方式，但是实际降雨在不同时间和空间尺度上均具有显著的变异性，雨量站站网空间代表性的不足常常会导致降雨时空分布规律及流域面雨量的估计产生误差，这成为了水文模拟中重要的不确定性来源[1-3]；二是雷达估测降水产品，它可以准确反映降水的时空分布且能有效监测和预报降雨的移动路径，但雷达估测降雨的准确性容易受硬件质量、电子信号衰减、复杂地形、混合降雨类型等多种因素的影响，具有较大的不确定性[4]；三是卫星反演降水资料，它能提供近似全天候、全球覆盖的降水产品，能较好地反映降水空间结构特征，但反演精度较低，特别是对固态降水基本没有反演能力[5]。因此，综合利用多源降雨观测数据，融合不同降水数据源的优势，提高对降雨尤其是夏季暴雨时空分布的监测能力，对于我国洪涝灾害防治、水资源开发与合理利用等关键问题均具有重要意义。

近年来，许多学者在不同降水资料对水文过程模拟效用方面作了大量的研究。滑申冰[6]分别采用雨量站、S波段雷达及四种不同的卫星降水产品在秦淮河下游流域进行了洪水过程模拟，结果表明，除雨量站外，S波段雷达和GPM卫星在该区域的模拟效果较好。张弛[7]在汉江丹江口水库以上流域建立分布式水文模型对CMORPH卫星与地面站点融合数据的精度及水文模拟效用进行了评估，结果表明，此融合降水数据在该区域具有较好的适用性，平均NSE达到了0.7以上。Steven J[8,9]探讨了天气雷达测雨与雨量站站点数据在流域水文过程模拟中差异，并将基于雨量站修正后的雷达降水数据用于无资料流域的水文过程模拟中，取得了不错的模拟效果。目前在这个领域，大多数采用的都是国外的融合降水产品，针对国产多源融合降水产品的研究相对较少。2018年6月，随着FY-2顺利升空，中国拥有了第一代自行研制的地球同步轨道气象卫星。

本文以湍河上游后会水文站控制流域为研究区域，基于时空变源分布式水文模型，分别以地面雨量站降水信息和国产多源融合降水产品作为模型输入，用以评估国产融合降水产品在该区域的水文模拟效用及数据精度。

1 研究区域与数据

湍河是长江三级支流白河的支流，因上游穿峡切割而下，水流湍急而得名。湍河河道全长216 km，流域面积4946 km2，地处32°33′N～33°35′N、111°36′E～112°26′E。多年平均降水量在800 mm左右，但年内分配不均，多集中在7-9月份，年际变化不大。流域内的洪水主要由暴雨形成，其洪水季节变化与暴雨基本一致，年最大洪峰多出现在七、八、九月份。

本文选取湍河上游后会水文站控制流域作为研究区域，流域面积为821.2 km2。后会水文站以上流域位于湍河的河源处，南低北高，落差较大，高程变化范围为202～1 832 m。该流域内共有雨量监测站点12个，站点位置分布如图1所示。流域内主要土地利用类型为有林地，所占比例为98.6%，土壤质地类型主要为黏壤土、砂黏土、粉壤土，所占比例分别为40.35%、22.35%、15.93%，土壤质地较细，流域内土地利用和土壤质地分布如图2所示。

图1 研究区域概况Fig.1 Study area overview

图2 土地利用和土壤质地分布Fig.2 Distribution of land use and soil texture

本研究中所使用到的数据类型及其相关信息，数字化资料主要包括地形髙程数据、后会流域的小流域划分及其基础属性、水系、节点、土壤质地及土地利用等基础数据，见表1。其中DEM 数据由中国科学院计算机网络信息中心地理空间数据云平台获得，空间分辨率为30 m，流域边界、水系、节点、土壤质地及土地利用数据来自全国山洪灾害调查评价成果数据库。站点降雨数据和洪水要素摘录信息由水文部门提供，时间跨度为2016-2018年，融合降水数据是基于地面雨量站、雷达、气象卫星3种数据源融合得到，空间分辨率为5 km。

表1 基础数据Tab.1 Basic data

2 模型与方法

2.1 暴雨洪水模型

本次研究采用时空变源分布式水文模型进行流域降雨-径流模拟。针对山区小流域地形地貌多样、产流机制复杂带来的洪水预报精度较低问题，刘昌军等[10-12]提出了适用于小流域短历时强降雨条件下的时空变源混合产流模型。模型基于一维入渗理论和 Van-Genuchten(VG)模型[13]建立了包气带非饱和土壤下渗计算方法，求得山坡地貌水文响应单元的土壤下渗过程，解析不同土壤类型的主要参数特征，建立平面、垂向、时段混合的产流模型，揭示山区小流域产流机制和规律。

图3为垂向产流模型结构，混合产流的产流成分有超渗产流、蓄满产流、优先流、壤中流和基流5个成分，其中超渗地表产流包括不透水面积的直接超渗地表产流与透水面积在雨强大于下渗能力时的超渗产流，蓄满产流包括上层土壤优先蓄满得到的蓄满产流以及土壤深层蓄满后向上层土壤补给产生的蓄满径流两个部分，优先流为上层土壤的出流，壤中流为下层土壤的出流，基流为地下水水库的出流。时空变源分布式水文模型计算流程如图4所示。

图3 垂向变源混合产流模型结构 Fig.3 Structure of vertical variable source mixed runoff model

图4 时空变源分布水文模型计算流程Fig.4 Calculation flowchart of variable source mixed runoff model

2.2 流域水文过程模拟

为了探讨国产多源融合降水产品在后会流域径流模拟的效用，本次实验选取了2018年5-6月在该流域的2次洪水过程(洪水过程1：5月15-24日；洪水过程2：6月18-21日)，以1 h为时间步长，通过截取、累加和插值等手段，把所有降水信息和流量数据整理成统一时间尺度，用作对比和评价国产多源融合降水信息在流域洪水过程径流模拟的精度。

2.3 评估指标

在多源融合降水信息的精度评估方面，以地面雨量站观测的数据为基准数据，采用绝对平均偏差(Mean Absolute Bias，MAE)、均方根误差(Root Mean Square Error，RMSE)和相关系数(Correlation Coefficient，CC)来评估融合降水数据相对于地面雨量站观测数据的精度，其中RMSE和MAE分别反映融合降水数据对雨量站观测数据的偏差情况和平均绝对偏差情况，CC反映融合降水数据与雨量站观测数据的相关性，三种评估方法的表达式如下：

(1)

(2)

(3)

在径流模拟精度评估方面，本文采用确定性系数DC、洪峰相对误差QE作为模型精度评估指标，各指标计算公式如下：

(4)

3 结果与分析

3.1 国产融合降水数据精度评估

国产融合降水产品相对于地面雨量站观测数据的统计指标，时间精度为1.0 h，见表2。在降水总量方面，两个降雨过程中国产融合降水数据相对于地面雨量站观测数据的偏差均在15%以内，其中，降雨过程2的偏差较小，为3.4%。对于绝对平

表2 融合降水产品的精度指标Tab.2 Precision index of integrated precipitation products

均误差MAE、均方根误差RMSE和相关性CC3个指标，降雨过程1明显好于降雨过程2，分别为0.23、0.5和0.97。这表明国产融合降水产品在湍河流域具有较高的适用性。

结合表2和图5可以看出，国产融合降水数据的精度与降水强度、降水历时具有较大的相关性，且当雨强较大时，融合数据的精度会略微下降。

图5 降雨过程对比Fig.5 Comparison of rainfall processes

国产融合数据及地面雨量站监测数据在两个降雨过程中降水总量的分布如图6所示。从图6中可以看出，两个降雨过程中融合降水产品和站点降水数据的暴雨中心基本一致，降雨过程1中暴雨中心基本上分布在流域的左上方，站点降水数据暴雨中心所占流域面积要大于融合降水产品，前者占流域面积的39.4%，后者占22.3%。降雨过程2中暴雨中心主要分布在流域的左侧和右下角，两种降水产品反映出较好的一致性。从数量上来看，降雨过程1中站点降水总量要高于融合降水产品，融合降水产品的最大值和最小值相差较大，且在流域内的分布较不均匀。对于降雨过程2，融合降水产品的降水总量反而比站点降水数据要大，但降水总量较小的区域分布和站点降水数据具有较高的一致性，说明融合产品的精度对于雨型具有较高的敏感性。

国产融合数据及地面雨量站监测数据在两个降雨过程中降水峰值的分布如图7所示，对应时刻分别为5月15号22∶00和6月18号10∶00。很容易看出，两场降雨过程中，国产融合降水产品对降雨量都有一定的低估，且在降雨过程2中低估程度较大。但在降雨的分布上，国产融合降水产品具有较高的精准度。

图6 降水总量分布Fig.6 Total precipitation distribution

图7 雨峰分布Fig.7 Rain peak distribution

综合图6、图7所反映的信息，可以看出该融合降水产品对降水落区的估计具有较高的准确性，但数量上会有一定程度的低估，在雨强较大的情况下，国产降水产品的误差会逐渐增大，总体上讲，此融合降水产品在后会流域具有较高的精度。

3.2 模型率定与验证

用研究区域内后会水文站2016-2018年9场实测降雨径流资料对时空变源分布式水文模型进行参数率定和验证，其中，2016-2017年作为率定期，2018年为验证期。率定期与验证期水文模型模拟效果见表3。

表3 水文模型率定和验证结果对比Tab.3 Comparison of calibration and verification results of hydrological models

从表2可以看出，率定期和验证的确定性系数均达到了0.7以上，平均洪峰相对误差不到10%，说明构建的分布式水文模型后会流域径流模拟中具有较好的适用性。

3.3 水文模拟效用评估

采用雨量站和国产融合降水数据作为输入，基于雨量站点率定好的时空变源分布式水文模型对后会流域2018年5月份和6月份两场实测洪水过程进行模拟。表4给出了不同降水数据下时空变源分布式水文模型在模拟 2场洪水过程的精度评估指标。图8为不同洪水场次不同降水产品下时空变源分布式水文模型的逐1 h径流模拟结果。

表4 不同降水产品水文模拟效用评估指标值Tab.4 Evaluation index value of hydrological simulation of different precipitation products

从表4和图8可以看出，两场洪水过程模拟结果都比较好，确定系数都达到了0.8以上，峰现时间均在1 h以内。 第一场洪水过程中，国产融合降水产品的模拟结果与站点降的模拟结果较为接近。在洪峰的把握上融合降水产品不如站点降水数据，但相差较小，站点降水计算洪峰为209.4 m3/s，融合降水计算洪峰为191.7 m3/s，实测值为212 m3/s。洪水过程2中，两者模拟结果都比较好，且从细节的把控上，国产融合降水产品还要优于站点监测数据。总的来看，国产融合降水产品在流域径流模拟上具有较高的使用价值，尤其是在缺乏监测站点的偏远山区。

图8 站点降水和融合降水产品的流域径流模拟结果对比Fig.8 Comparison of watershed runoff simulation results of station precipitation and fusion precipitation products

4 结 语

本文在后会流域建立时空变源分布式水文模型用以评估国产多源融合降水产品的数据精度及水文模拟效用，实验结果表明：

(1)国产融合降水产品对降水落区的估计和地面雨量站监测结果较为一致。无论是在降水总量或是雨峰时段，该融合降水产品对空间分布上细节的把控都比较好。

(2)在数量方面，国产融合降水产品相对雨量站监测结果有一定数量的低估，当降水强度增大或是降水过程延长时，误差会进一步扩大。

(3)在流域降雨-径流模拟效用方面，国产融合降水产品呈现出较好地的模拟效果，两场洪水过程确定性系数均达到了0.8以上，分别为0.84和0.91，洪峰相对误差在10%左右，分别9.6%和11.6%，整体上看，国产融合降水产品的模拟结果甚至要优于地面雨量站监测数据，主要原因是由于融合降水产品具有较高的空间分辨率。

总体上讲，国产融合降水产品具有替代地面站点降水数据模拟径流的可行性，特别是缺乏监测站点的无资料流域。但是本文仅在河南省后会流域对国产融合降水数据的精度及其水文模拟效用进行探讨，此融合降水产品在其他地区的适用性有待进一步考证。

□