TRMM卫星降水数据在黄河源区的适用性研究

曾华楠 谷黄河 余钟波

摘 要：具有较高时空分辨率的卫星降水数据为研究缺乏地面实测站点流域的水文循环过程提供了有力的支撑。以黄河源区为研究对象，在对比分析2002—2015年TRMM 3B42卫星降水数据与站点实测降水数据的基础上，利用VIC分布式水文模型验证了TRMM降水数据在我国资料稀缺的高寒流域径流模拟的适用性。结果表明，TRMM衛星测雨数据与站点实测降水数据在时空分布及变化趋势上有较好的一致性，TRMM数据多年平均相对误差为-7.1%，相关系数达到0.86。根据VIC模型模拟结果可知，TRMM数据与站点实测数据的月尺度模拟效果较好，日尺度模拟效果不佳，丰水年TRMM数据模拟精度较枯水年高。

关键词：TRMM;VIC模型;适用性评价;黄河源区

Abstract：Satellite precipitation data with high spatial-temporal resolution provides a strong support for the study of hydrological processes in watersheds lacking ground stations. In this study， the applicability of satellite precipitation data TRMM 3B42 for streamflow simulation over the source region of the Yellow River from 2002 to 2015 was evaluated by using the VIC distributed hydrological model. The results show that the TRMM satellite precipitation data is consistent with the gauge data in the spatial and temporal distribution and change trend. The annual average bias between the TRMM data and the rain-gauge observations precipitation is -7.1% and the correlation coefficient reaches to 0.86. According to the simulation results of the VIC model， the TRMM data show good performance in monthly streamflow simulation. However， it gets poor performance for daily streamflow simulation. The simulation accuracy of the TRMM data in the wet years is higher than that in dry years.

Key words： TRMM; VIC model; applicability evaluation; headwaters of Yellow River Basin

在流域水文预报中，降水空间分布信息的获取对水文预报精度有着重要的影响[1-2]。目前，降水数据的主要获得渠道为地面雨量站观测，受地形条件及站点密度影响，传统的站点观测数据往往不能很好地同时反映降水的时间分布及空间分布，一定程度上制约了分布式水文模型在流域模拟以及水文预报上的应用[3-4]。卫星遥感资料不受地形因素影响，在大范围降水观测上有明显优势，可提供降水数据的空间分布信息[5]，在水文领域有很好的应用前景[6]。

TRMM卫星降水数据在我国部分地区已有应用，滑申冰等[7]将TRMM降水数据应用于秦淮河流域，结果表明TRMM降水数据在秦淮河流域具有一定的适用性;王兆礼等[8]评估了TRMM降水数据在珠江流域的适用性，结果表明TRMM数据一定程度上可以作为资料缺乏地区的降水数据来源;李琼等[9]将TRMM 3B43降水数据在黄河源区不同海拔和地形条件下的特征进行评价，得出随坡度增大TRMM数据相对误差呈增大趋势;成业[10]将不同分辨率的黄河源区

TRMM降水数据通过SRM模型进行了模拟研究，得出TRMM数据具有良好的适用性。总体来看，TRMM降水数据在黄河源区的适用性研究以及在水文模型中的应用相对较少。笔者将TRMM降水数据应用于黄河源区，将该数据与地面实测降水数据进行时空变化及趋势对比分析，并结合VIC水文模型，进一步探究TRMM数据在该地区的适用性。

1 研究区概况和方法

1.1 研究区概况

黄河源区指黄河干流唐乃亥水文站以上区域，位于青藏高原东北部，集水面积为12.2万km2。该区域分布有高山、盆地、峡谷、草原、沙漠和众多湖泊、沼泽、冰川及多年冻土，表现为高原面上一系列近于平行的低山和宽谷，地形相对开阔，起伏平缓，河流切割作用弱，地势西高东低，高原面保留完整。黄河流域水资源调查评价成果及相关计算成果表明，黄河源区多年平均（1956—2000年系列）年降水量为485.9 mm，多年平均天然径流量为205.2亿m3，占黄河天然总径流量的38%[11]，素有黄河水塔之称[12]，是黄河流域最重要的产流区[13]。近年来，受人类活动与气候变化的共同影响，黄河源区的径流量出现了不同程度的减少，引发了一系列问题。黄河源区地表径流的模拟对黄河源区的防灾减灾及生态综合治理有着非常重要的意义，但黄河源区地处偏僻，源区只有11个雨量站，覆盖率极低，给黄河源区径流模拟带来了一定的困难[14]。

1.2 VIC模型简介

VIC模型是一种基于SVATS（Surface Vegetation Atmospheric Transfer Schemes）思想的大尺度分布式水文模型。最初的VIC模型是基于Wood等[15]的思想、由Stamm等[16]构建的，该模型把土壤分为2层，称为VIC-2L模型[17]。随着模型结构的发展，Liang等[18]把土壤分为3层，模型改进为VIC-3L模型。VIC模型采用蓄满产流与超渗产流两种机制，充分考虑了植被、土壤和大气间的相互作用，并根据水量平衡和能量平衡进行蒸发、下渗及产流的模拟，对水文过程的模拟具有较高的精度，被广泛应用。

VIC模型所需的驱动数据采用中国气象局气象站点数据，包括日最高气温、最低气温、平均风速等。对于VIC模型所需其他数据，根据Maryland大学开发的全球分辨率为1 km的土地覆盖数据库确定植被类型，参考LDAS（Land Data Assimilation System）设定逐月叶面面积指数LAI，利用Reynolds等开发的分辨率为10 km的土壤数据库来确定土壤有关参数。

1.3 数据来源及预处理

TRMM是第1颗通过多频率微波、可见远红外线以及太空降水雷达来测量热带和亚热带降水的卫星，于1997年底发射。根据其全球验证计划，共有10个带地面雷达与雨量站网的验证站为TRMM产品提供技术支撑。TRMM独有的仪器装备以及与太阳不同步的轨道特征使其得到了研究者们的青睐，在水文与气候理论研究方面，包括降水气候的建立、降水与对流强度的日循环定量化以及潜热的剖面化等，都有广泛的应用。一些研究表明，TRMM年、月系列的降水数据在水资源评价中有较高的精度[19]，TRMM卫星所搭载的PR（Precipitation Radar）是世界上第一台星载测雨雷达，其工作频率为13.8 GHz，扫描宽度为220 km，垂直分辨率为250 m，水平分辨率为4.3 km。用PR进行降水观测，可以得到完整的三维降水分布。PR提供了全球南纬50°—北纬50°范围内降水的时空分布及变化情况，根据雷达回波即可确定降水强度及其分布。TRMM包括3B31、3B42、3B43等多种测雨产品，其中3B42为逐日测雨资料，水平分辨率为0.25°×0.25°，该产品主要由星载雷达PR的测雨资料计算所得，并用TMI、VIRS等测雨资料进行了校正。

本文选取2002—2015年黄河源区TRMM 3B42降水产品数据与实测站点数据进行模拟验证。利用中国区域高时空分辨率地面气象要素驱动数据与TRMM降水数据进行对比，该数据融合了全国雨量站点数据，黄河源区以外的雨量站也考虑在内，降低了黄河源区吉迈以上流域雨量站稀少带来的精度误差。本文以0.125°×0.125°的空間分辨率将流域划分为745个网格，采用反距离加权插值的方法将日降水量、最高气温、最低气温、风速插值到网格上，构建VIC模型所需驱动数据。将站点实测数据与TRMM数据的月径流模拟和日径流模拟结果进行对比。

1.4 评价指标

将3B42降水产品与站点实测降水数据进行时空变化及趋势对比分析，并通过VIC模型进行水文模拟，根据两种降水数据的模拟结果评估3B42降水产品的精度，并进一步分析TRMM数据在黄河源区的适用性。采用相对误差BIAS、相关系数PCC和均方根误差RMSE作为评定指标来评判降水产品的精度，采用相对误差BIAS、相关系数PCC和纳什效率系数NSE作为模型模拟精度的评价指标，各评价指标及公式见表1。

在评定降水产品的精度时，以区域尺度对降水产品精度进行评定。在进行水文模拟时，用站点数据对VIC模型进行率定，经率定的参数与TRMM降水数据同时应用于该模型中进行水文模拟，以评定TRMM数据在该地区水文模拟中的适用性。

2 结果分析

2.1 降水对比分析

依据TRMM降水数据与站点降水数据得到的多年（2002—2015年）平均和不同季节降水的空间分布如图1和图2所示。两者在时空分布上表现出了较好的一致性，夏季降水最多，冬季降水最少，降水量从西北向东南递增。基于站点实测数据的多年平均降水量为587.59 mm，基于TRMM数据的多年平均降水量为545.98 mm，二者相对误差为-7%。两种不同的降水数据在空间分布上存在着局部差异，站点实测数据在黄河源区北部存在局部最大值，基于TRMM降水数据的降水集中在东南部地区。从逐季平均降水量的空间分布来看，TRMM降水数据与站点实测降水数据呈现较好的一致性。TRMM降水数据每季度均存在低估的情况，相对误差在-10%以下，误差主要集中在夏季，达到-25.55 mm，多于其他3个季度总和;各季节降水量空间分布上，TRMM降水数据均表现为降水在东南部地区较为集中。总体来看，TRMM降水数据在时空分布上与站点实测降水数据有较好的一致性，可以反映降水的时空分布情况。

将站点实测降水数据与TRMM降水数据的年际变化和月份变化进行对比，如图3所示，可以看出二者的年降水量随时间变化趋势相同，均呈现上升趋势，实测站点数据平均上升速度为5.66 mm/a，TRMM降水数据平均上升速度为4.37 mm/a，站点实测数据比TRMM降水数据上升速度略快。年降水量相对误差最大的为2015年，相对误差达到了-16.7%;年降水量相对误差最小的为2010年，为-0.4%。站点实测降水量最多的月份为7月，为120.76 mm;TRMM数据降水量最多的月份也为7月，为117.42 mm;TRMM数据月降水量相对误差最大的月份为5月，为-12.6%，相对误差最小的月份为3月，为-0.7%。总体而言，TRMM降水数据在黄河源区与站点实测数据相关性较好，但整体存在低估的现象。

将站点实测平均日降水数据与TRMM平均日降水数据进行对比，采用相对误差、相关系数以及均方根误差评价TRMM数据的精度，如图4所示。相对误差为-7.1%，相关系数达到了0.86，均方根误差为1.39，TRMM降水数据与站点实测降水数据有很好的相关性。以日降水量小于0.1 mm为无雨，0.1～10 mm之间为小雨，10～25 mm之间为中雨，大于25 mm为大雨。站点实测小雨发生的概率较高;中雨发生概率TRMM数据为2.25%、站点实测中雨发生概率为1.19%，TRMM数据的中雨概率接近站点实测概率的2倍;TRMM数据与站点实测数据大雨各发生一次。由日降水散点图可看出，随着降水量增大，TRMM数据误差逐渐增大。

综上，在黄河源区，TRMM数据与站点实测降水数据有着较好的时空相关性，二者相关系数较高，均方根误差较小。TRMM数据在黄河源区整体精度较高但存在低估情况，且TRMM数据误差随降水量增大而增大。

2.2 水文模拟分析

利用VIC模型、站点实测降水数据与TRMM数据进行水文模拟，使用站点实测数据进行模型参数率定，将率定的参数同时应用于基于站点实测数据的模拟与基于TRMM数据的模拟，将所得结果与实测流量过程进行对比，如图5所示，其中2002—2010年为率定期、2011—2015年为检验期。由表2可知，在月尺度模拟上，基于TRMM数据与站点实测数据的模拟结果较为接近，站点实测数据模拟效果较TRMM数据好。基于TRMM数据与站点实测数据的模拟结果相对误差均在10%以下，TRMM数据模拟流量值偏大。基于TRMM数据与站点实测数据模拟的流量结果与实测流量相关系数均在0.8以上。基于TRMM数据与站点实测数据模拟结果率定期纳什效率系数大于检验期纳什效率系数，整个序列的纳什效率系数均在0.7以上。整体而言，用站点实测降水数据与TRMM降水数据进行月尺度模拟均取得了较好的模拟结果，这也说明了TRMM降水数据在无资料和资料稀缺地区水文模拟中的适用性。

以2002年为枯水年、2004年为平水年、2009年为丰水年，对比日径流过程模拟结果，如图6所示。站点实测数据模拟过程较TRMM数据模拟过程平缓，TRMM数据模拟过程陡涨陡落现象明显、峰值流量较大。TRMM数据模拟的峰现时间与实测结果较为一致。由表3可知，TRMM数据在枯水年与平水年模拟效果不佳，纳什效率系数均为负值，但与实测流量的相关系数分别达到0.671与0.674，与站点数据模拟结果的相关系数接近。TRMM数据在丰水年模拟效果好，模拟相对误差为-14.2%，好于站点数据模拟效果，相关系数达到0.774。可见，TRMM数据模拟日流量效果在丰水年优于枯水年。整体来看，TRMM数据与站点实测数据的月尺度模拟效果均较好，日尺度模拟效果均不佳。

3 结 语

以黄河源区为研究区域，将实测降水量与TRMM降水数据进行对比，并用VIC模型模拟径流过程，探究了TRMM数据在高寒地区的适用性，结论如下。

（1）在黄河源区，TRMM降水数据对多年平均降水量存在低估的情况，但降水空间分布情况以及降水变化趋势与实测降水数据有很好的相关性，TRMM数据在黄河源区能描述降水的时空分布情况。

（2）TRMM降水數据的误差随着降水量增大而增大。

（3）在月尺度水文模拟上，基于TRMM降水数据的模拟结果与基于实测降水数据的模拟结果较为接近，与实测径流相比表明其具有很好的效果。在日尺度模拟上，基于TRMM数据的模拟结果与实测流量具有很好的相关性。

总之，TRMM降水数据在降水量的估计以及水文模型模拟中显示出了良好的潜力，可以作为资料稀缺地区或无资料地区的降水数据来源。

参考文献：

[1] CHANG A T C， CHIU L S， KUMMEROW C， et al. First Results of the TRMM Microwave Imager （TMI） Monthly Oceanic Rain Rate： Comparison with SSM/I[J].Geophysical Research Letters，1999，26（15）：2379-2382.

[2] GOOVAERTS P. Geostatistical Approaches for Incorporating Elevation into the Spatial Interpolation of Rainfall[J].Journal of Hydrology，2000，228（1-2）：113-129.

[3] CHENG M， BROWN R， COLLIER C C. Delineation of Precipitation Areas Using Meteosat Infrared and Visible Data in the Region of the United Kingdom[J].Journal of Applied Meteorology，1993，32（5）：884-898.

[4] 杨传国，余钟波，林朝晖，等.基于TRMM卫星雷达降雨的流域陆面水文过程[J].水科学进展，2009，20（4）：461-466.

[5] 吴庆梅，程明虎，苗春生.用TRMM资料研究江淮、华南降水的微波特性[J].应用气象学报，2003，14（2）：206-214.

[6] BRAS R L. A Brief History of Hydrology[J]. Bulletin of the American Meteoro Society，1999，80（6）：1151-1164.

[7] 滑申冰，宋宗朋，胡菊，等.多源降水信息在秦淮河流域洪水模拟中的应用[J].人民长江，2018，49（12）：10-15.

[8] 王兆礼，钟睿达，赖成光，等.TRMM卫星降水反演数据在珠江流域的适用性研究：以东江和北江为例[J].水科学进展，2017，28（2）：174-182.

[9] 李琼，杨梅学，万国宁，等.TRMM 3B43降水数据在黄河源区的适用性评价[J].冰川冻土，2016，38（3）：620-633.

[10] 成业.基于多时空分辨率降水数据的黄河源区径流模拟研究[D].北京：中国地质大学（北京），2017：61-63.

[11] 牛玉国，张学成.黄河源区水文水资源情势变化及其成因初析[J].人民黄河，2005，27（3）：31-33，36，64.

[12] 吴晗，董增川，蒋飞卿，等.黄河源区气候变化特性分析[J].水资源与水工程学报，2018，29（6）：1-7.

[13] 张金萍，张鑫，肖宏林.基于集对分析的黄河源区气候变化分析[J].中国农村水利水电，2019（10）：58-65.

[14] 张昂，李铁键，傅汪，等.基于卫星降水融合产品的黄河源区汛期径流模拟[J].应用基础与工程科学学报，2017，25（1）：1-16.

[15] WOOD E F， LETTENMAIER D P， ZARTARIAN V G. A Land-Surface Hydrology Parameterization with Subgrid Variability for General Circulation Models[J].Journal of Geophysical Research，1992，97（D3）：2717-2728.

[16] STAMM J F， WOOD E F， LETTENMAIER D P. Sensitivity of a GCM Simulation of Global Climate to the Representation of Land-Surface Hydrology[J].Journal of Climate，1994，7（8）：1218-1239.

[17] LIANG X ， LETTENMAIER D P ， WOOD E F， et al. A Simple Hydrologically Based Model of Land Surface Water and Energy Fluxes for General Circulation Models[J]. Journal of Geophysical Research Atmospheres， 1994， 99（D7）：14415-14428.

[18] LIANG X， WOOD E F， LETTENMAIER D P， et al. The Project for Intercomparison of Land-Surface Parameterization Schemes（PILPS） Phase 2（c） Red-Arkansas River Basin Experiment： 3.Spatial and Temporal Analysis of Energy Fluxes[J]. Glob Planet Change， 1998，19（1-4）：161-179.

[19] 毛紅梅.TRMM雨量在汉江上游大尺度水文模型中的应用[J].水利水电快报，2008，29（8）：22-26，32.

【责任编辑 张 帅】