多源遥感降水评估及其在水文模拟中的应用

高 真，黄本胜，陈晓宏，邱 静

（1.广东省水利水电科学研究院，广州510635；2.河口水利技术国家地方联合工程实验室，广州510635；3.广东省水安全科技协同创新中心，广州510635；4.中山大学水资源与环境研究中心，广州510275）

1 研究背景

洪水灾害是目前世界上最常见的自然灾害之一，分布范围广且破坏力强。环保组织德国观察（Germanwatch）发布报告《2021 全球气候风险指数》报告显示，2000-2019年全球发生11 000 多件极端天气事件，直接导致约47.5 万人死亡和高达2.56 万亿美元的经济损失，其中洪水灾害约占1/3；我国年平均死亡人数和年平均经济损失分别居全球第4 位和第3 位［1］。随着气候变暖，全球水循环和城市化加速，极端天气事件出现的频率增加、强度增大，暴雨洪水灾害损失风险加剧。然而我国灾害防范意识和设施不充分，严重威胁经济社会发展和人民生命财产安全。及时、准确获取高质量高时空分辨率的遥感观测信息，提高洪水模拟监测和预报能力，一直是水文、气象和遥感等学科的研究目标和热点［2］，也是推进国家治理能力现代化迫切需要解决的关键科技问题，对防汛抗旱减灾、水利工程规划设计、水资源合理开发利用和管理决策都具有十分重要的意义［3，4］。

降水是全球水分和能量循环的重要组成部分，同时也是地表水文过程及陆面过程的关键驱动要素。一些学者认为降水输入不确定性是洪水预报不确定性的最主要来源，暴雨洪水模拟的不确定性有55%～80%可归因于降水的时空变异性［5］。近年来，随着卫星遥感技术的不断发展，一系列高时空分辨率的遥感降水产品，覆盖范围广、获取方便快捷，如TRMM（Tropical Rainfall Measurement Mission）、IMERG（the Integrated Multi-sat⁃ellitE Retrievals for Global Precipitation Measurement）、NLDAS2（the Phase 2 of the North American Land Data Assimilation Sys⁃tem）等为全球及区域降水观测提供了新的数据来源，特别是在少或无资料地区。然而各种主要观测手段获取的降水数据具有各自不同的代表观测尺度与特征误差，对径流模拟、洪峰峰现时间等影响较大［6］。合理利用多源遥感降水数据产品，是解决水文应用研究中普遍存在的观测-模拟过程不确定性问题的潜在有效途径，目前国内外很多水文学者也开展了广泛而深入的相关研究［7-12］。

鉴于上述背景，本研究选取典型洪水区——美国爱荷华州Iowa-Cedar 中型流域，在2002-2013年日尺度上，基于雨量站降水数据CPC-U 定量评估5种多源遥感降水产品（NLDAS2、Stage IV、TMPARP、TMPART和IMERG）的精度，并结合分布式水文模型DRIVE（Dominant river tracing-Routing Integrated with Vari⁃able Infiltration Capacity Environment）对其进行水文效用评估，讨论分析了遥感降水产品对地面站点观测数据的可替代性，可为未来实时区域水文模拟与预报提供参考依据。

2 研究区域与数据方法

2.1 研究区域

美国Iowa-Cedar 流域地处爱荷华州的东北部，是密西西比河的支流之一，位于西经90°42′～94°，北纬41°～44°，全长480 km，流域集水面积32 381 km2，见图1。流域地势从西北向东南和西南倾斜，大部分地区为平原，海拔高度为167～426 m。两条主要支流Iowa 和Cedar 在路易莎显交汇，从爱荷华市下游大约104 km 汇入密西西比河。流域属大陆性气候，夏季常发生雷阵雨，多年平均降水量约为886 mm，多年平均径流量约为268 m3/s。根据美国国家土地覆盖数据（National Land Cover Database，NLCD 2001），主要土地利用类型包括农业用地（74.2%）、居住区（9.3%）、干草（6.2%）、草地（5.7%）、森林（3.3%）和其他（1.3%），主要种植类型是玉米和大豆［13］。由于全球气候变暖，大气环流异常，大大地增加了局部区域出现暴雨洪水的频率，该流域于2008年6月遭遇了500年一遇特大洪水，受灾损失惨重。

图1 Iowa-Cedar流域地理位置、高程及大坝分布示意图

2.2 研究数据和水文模型

在Iowa-Cedar流域主要收集了长时间序列2002-2013年的多源降水数据产品CPC-U、NLDAS2、Stage IV、TMPARP、TM⁃PART 和IMERG（见表1），以CPC-U 作为评估的对比参考数据，并将时间和空间分辨率统一处理计算为日尺度和0.125°×0.125°。同时在美国地质勘测局（USGS）官网收集了2002-2013年逐日流量观测数据（水文测站编号USGS 05465500），通过分布式水文模型DRIVE模拟进行水文效用评估。

表1 多源降水数据产品的时空分辨率及主要来源

分布式水文模型DRIVE 是由Huan Wu 博士经多年研发［15，16］。DRIVE 模型解决了陆面过程模型中缺乏侧向水流过程描述的问题，将国际主流陆面过程模型（VIC）和基于物理过程的汇流模型（DRTR）耦合而成一个新的流域水文模型，并包含洪水淹没模块，适用于不同时空尺度的洪水模拟。DRIVE 模型以河网分级（Strahler Order）汇水系统为基础逐级编码从坡面到流域出口的所有汇流路径，进行所有垂直水热交换过程和侧向水流的计算，既贴近实际流域排水结构，又保障模型的计算效率。模型的主要特色表现为基于DRT（dominant river tracing）算法的准确亚格网参数化能力，使得模型性能在不同空间分辨率上有很强的稳定性和适应性［14］。DRIVE 模型的输入包括降水、风速、气温等气象要素以及土壤、植被及地形等陆地表面参数集，更具体描述见参考文献［15］。

2.3 统计评估指标

为了定量分析多源遥感降水产品的精度，本研究采用了多种统计指标，各类指标的计算公式如表2所示。相关系数（CC）反映了待评估降雨产品和实测降雨之间的线性相关程度；均方根误差（RMSE）反映两者之间的平均误差，并通过平方的形式给予了较大误差更高的权重；平均误差（BIAS）反映了降雨产品系统误差的相对程度。探测率、误报率和临界成功指数3 个评估指标（POD，FAR和CSI）则用来评估降雨产品对降雨事件预测的准确性，POD描述了卫星能够正确观测到降水的比例，FAR 描述了卫星错误观测到降水的比例，CSI是一个更综合的指标可以由POD和FAR计算得出。纳西效率系数（Nash-Sutcliffe Coefficient of Efficiency，NSCE）常被用于评估水文模拟的精度。如表3所示，本研究中降雨的阈值设定为1.0 mm/d，即超过阈值的数据视作有降雨，小于阈值的数据视作无降雨［4］。此外，泰勒图（Taylor Diagram）是被广泛应用于模式预报能力评估和检验的方法，相关系数、均方根偏差和标准差都可以在一张二维图上显示［17］。

表2 卫星降水和水文模拟精度评估中使用的数学统计指标

表3 卫星降水量与基准降水量列联表

3 结果和讨论

3.1 多源降水产品的统计精度评估

首先采用地面观测数据CPC-U 作为真实降雨，在日尺度上对2002-2013年NLDAS2、Stage IV、TMPARP、TMPART 和IMERG 多源遥感降水产品的6 种评估指标进行计算，并进行线性相关拟合，结果如表4和图2所示。NLDAS2 和Stage IV 降水产品能很好地捕捉降水事件（POD值分别为0.74 和0.7，FAR分别为0.2和0.3），与CPC-U具有良好的一致性（CC值分别为0.77和0.83，BIAS值分别为2.1%和-0.21%，RMSE值分别为3.41 和3.53 mm），表明多源降水数据融合产品NLDAS2 具有更高的精度；其次是IMERG 和TMPARP（CC值均为0.63），且IMERG 略优于TMPARP（BIAS值分别为12.01%和15.37%，RMSE值分别为5.2 和5.34 mm，POD值分别为0.65 和0.61），表明准实时IMERG产品较上一代TMPARP 有效地提高了降水探测能力，但其探测降水事件的敏感性还需进一步调整（FAR值分别为0.39 和0.38）；而TMPART 表现相对较差，CC、BIAS、RMSE和FAR值分别为0.58、38.76%、6.51 mm和0.42，出现了明显的高估。

表4 Iowa-Cedar流域的2002-2013年逐日降水数据时序精度统计指标

图2 5种多源降水数据产品与CPC-U降水数据的散点图

为了更加直观的评估5 种遥感降产品的精度，采用泰勒图（如图3）进行比较分析，当模式模拟结果与观测值较一致时，模式点越接近x轴中的观测点，这类模式与观测具有高的相关性，标准差与均方根误差越小。由图3可知，5 种多源遥感降水产品相对于CPC-U 的精度从高到低依次是NLDAS2、Stage IV、IMERG、TMPARP及TMPART。

3.2 多源降水产品的水文效用评估

首先采用4年（1998年1月1日-2001年12月31日）降水数据对分布式水文模型DRIVE 进行预热，得到初始化条件，便于2002-2013年长时间序列的水文过程模拟。因为Wu 等［16］已有研究结果表明，DRIVE 模型的参数设置在Iowa-Cedar 研究流域的效果良好，对DRIVE 模型进行系统性率定也不是本研究的重点内容，故不再重复对模型率定。

分别采用6 种多源降水数据产品驱动DRIVE 模型得到2002-2013年逐日径流模拟结果，如表5和图3所示。NLDAS2的水文模拟 结果最好（NSCE、BIAS、CC和RMSE值分别为0.81、-20.82%、0.92 和144.28 m3/s），其次是CPC-U 和Stage IV（NSCE值分别为0.8 和0.79，BIAS值分别为-12.31% 和-10.05%，CC值分别是0.91 和0.9，RMSE值分别是150 和155.26 m3/s），表明Stage IV 具有较好的水文模拟效果，BIAS 比CPC-U有所降低，也与3.1 节中降水评估的结果相一致。虽然IMERG降水精度评估略优于TMPARP，但后者的水文模拟结果优于前者（TMPARP/IMERG：NSCE=0.63/0.46，BIAS=32.02%/25.22%，CC=0.87/0.82，RMSE=205.79/247.95 m3/s），该研究结果与目前已有相关研究结果相一致［12］。相比之下，TMPART 的水文模拟效果明显较差（NSCE、BIAS、CC和RMSE值分别为-1.09、97.2%、0.67 和486.8 m3/s），也说明融合了地面站数据的TMPARP 更适合于水文模拟应用。

图3 5种多源降水数据产品与CPC-U的泰勒图

表5 2002-2013年不同降水数据驱动的径流模拟结果比较

总体而言，NLDAS2、Stage IV 和TMPARP 产品在美国典型洪水多发的中型流域的水文效用较好，偏差处于可接受范围内，能够在一定程度上可替代地面雨量站点观测，可服务于流域水资源管理、暴雨洪水监测等，并对中国范围内尤其是洪水多发地区的应用推广具有重要的参考价值。

4 结 论

随着全球高分辨率高精度遥感技术和数据反演算法的不断发展，遥感降水数据产品的应用是未来流域水文研究和模拟的必然选择，尤其是在无或缺测资料地区［18］。因此，本研究以Iowa-Cedar 中型流域为例，在2002-2013年日尺度上，基于地面雨量站降水数据CPC-U 定量评估了5 种多源遥感降水产品（NLDAS2、Stage IV、TMPARP、TMPART 和IMERG）的精度，并通过遥感降水产品驱动分布式水文模型DRIVE 进行水文效用评估，主要研究结论如下：①在遥感降水统计评估方面，与CPC-U雨量站观测降水非常接近的遥感降水产品排名依次是NLDAS2、Stage IV、IMERG、TMPARP、TMPART，在整个流域上偏差较小，相关系数较高，降水的发生频率也相近；②在水文模拟的应用评估方面，NLDAS2、Stage IV 和TMPARP 表现效果最好（NSCE分别为0.82、0.79和0.63），而IMERG和3B42RT表现较差（NSCE分别为0.46 和-1.09）。整体而言，NLDAS2、Stage IV 和TMPARP降水数据融合产品更适合于水文模拟应用及推广。□

图4 多源降水产品驱动水文模型模拟结果