ERA5再分析数据在中小型水库水位模拟的适用性分析<br/>——以长江水库为例

ERA5再分析数据在中小型水库水位模拟的适用性分析
——以长江水库为例

2024-01-05陈君来张周文陈蔚华胡绪宝

人民珠江 2023年12期

陈君来,张周文,陈蔚华,胡绪宝

(中山市水利水电勘测设计咨询有限公司,广东中山 528400)

水库通过改变水资源的时空分布达到兴利除害的目的。根据《2020年全国水利发展统计公报》,中国共建成水库约9.8万座,其中99%为中小型水库[1]。构建可靠的流域水文模型,模拟预报水位、入库径流,可支撑中小型水库的调度决策,保障水库流域防洪安全。新安江模型作为我国湿润半湿润地区重要代表性水文模型,在流域洪水预报以及流域数字孪生建设中得到了广泛应用[2-6]。流域降水、蒸散发以及出口流量是构建新安江模型基本数据[7]。然而,对于许多中小型水库流域,库前水位是唯一可用的观测数据[8]。王玉虎等[9]通过水库水位反推入库径流,构建基于新安江模型的董铺水库洪水预报模型,预报精度可达到水库洪水调度的要求。张晓菁等[10]基于新安江模型和调洪演算方程建立水库水位预报模型,提出了一种全新的水库水位多预见期实时预报方法。以上研究表明,库前水位数据可作为流量的替代数据,与降水、蒸散发数据结合,完成中小型水库流域水文模型的构建。因而,获取准确有效的流域降水、蒸散发数据,就成为构建水库流域水文模型的关键性工作。

再分析数据是利用观测资料和数值模式相结合的方法,形成的具有全球完整性和一致性的气象数据集。再分析数据具有高时空分辨率、全球覆盖、长时间序列等特点,为缺乏观测数据或观测数据质量不高的地区构建水文模型提供了一种可行的替代方案[11]。ERA5是欧洲中期天气预报中心(ECMWF)是继 ERA-Interim后发布的第五代再分析全球气候数据产品,ERA5产品包括EAR5、ERA5.1和ERA5 Land数据集[12-13]。该数据产品系列拥有时空分辨率高、更新快、参数多等优点,受到学者们的广泛关注。Tarek等[14]驱动2种集水区水文模型(GR4J和HMETS),对3 138个北美流域进行了水文模拟,发现在大部分北美地区,使用ERA5再分析数据进行水文模拟的性能与使用观测数据相当。唐豪等[15]评估了ERA5-Land再分析数据集在玛纳斯流域SWAT模型径流模拟中的适用性,认为ERA5-Land数据集可作为水文模拟输入数据。肖梓明等[16]比较了ERA5原始降水数据与降尺度后的数据在横江流域新安江模型的模拟效果,验证了降尺度后的ERA5降水数据作为流域水文模型降水输入的可行性。以上研究表明,将 ERA5 系列再分析数据应用于中小型水库水文模型研究是可行的。然而,由于再分析数据所使用的数值模式、数据同化技术和数据源方面存在很大的不确定性,因此在应用于特定区域之前,有必要对再分析数据的质量和性能进行评估。此外,ERA5 和 ERA5Land 作为 ERA5 系列的2个不同产品,其适用性也应当分别进行评估。

本研究以中山市长江水库流域为例,评估了 ERA5 和 ERA5-Land 再分析降水、潜在蒸散发数据在不同时间尺度下的准确性。并基于耦合水库调洪的三水源新安江模型,设置不同输入情景,探讨了 ERA5 和 ERA5-Land 再分析降水以及潜在蒸散发数据在水库水位模拟中的适用性。本研究旨在为缺资料中小型水库流域构建可靠的水文模型提供可行方案,为水库流域水资源管理和调度提供科学依据。

1 研究区概况

长江水库位于广东省中山市,是中山市唯一的一座中型水库,属全国防洪重点中型水库。长江水库流域集雨面积36.4 km2,位于湿润半湿润地区,满足蓄满产流机制,可使用新安江模型进行水文模拟。长江水库流域分布有4个雨量站、1个水位雨量站,附近有中山蒸发站,见图1。

图1 长江水库流域示意

长江水库主要采用泄洪洞和溢洪道泄洪,其中溢洪道为开敞式宽顶堰溢洪道,采用无闸式宽顶堰溢流泄洪。泄洪洞为钢筋混凝土圆形涵洞,采用平板钢闸门控制开度[17]。长江水库为中山市战略性备用水源,在枯水期及咸潮期,为城区居民用水提供优质水源保障。汛期期间,由中山市水库水电工程管理中心根据水库蓄水、来水情况实施调度。

2 数据来源及处理

2.1 资料来源

本文采用的ERA5数据集为“ERA5 hourly data on single levels from 1979 to present”,空间分辨率 0.25°×0.25°,时间分辨率1 h,时间为2016—2019年。ERA5-Land是ECMWF ERA5气候再分析数据的陆地部分反演生产的,本文采用的数据集为“ERA5-Land hourly data from 1950 to present”,空间分辨率为0.1°×0.1°,时间分辨率1 h,时间为2016—2019年。实测降水数据为长江水库流域内5个雨量站的实测数据,实测蒸发数据为附近蒸发站点中山站E601型蒸发器实测日尺度数据,水位数据为长江水库水位站实测水位数据,时间为2016—2019年,各站点位置见图1。实测降水、水位数据均来自中山市水务局官网,时间为2016—2019年。水库调度资料由中山市水库水电工程管理中心提供。

2.2 流域面雨量、蒸散发量计算

流域面雨量计算公式为:

(1)

式中P——流域面雨量,mm;Pt——第t个雨量站雨量,mm;fi——第i个雨量站所在的多边形面积,km2;F——流域面积,km2;n——雨量站个数。

对于地面站点雨量,采用泰森多边形法划分流域。对于再分析格点雨量,由流域边界裁剪格点对应栅格边界划分流域。

长江水库流域可根据雨量站划分为5个泰森多边形,可根据ERA5格点划分1个多边形,可根据ERA5-Land格点划分4个多边形。雨量站泰森多边形划分和ERA5-Land格点对应的多边形,见图2,图中十字丝为对应ERA5-Land格点位置。

图2 长江水库流域泰森多边形划分和ERA5-Land格点对应的多边形

2.3 长江水库调度情况说明

根据中山市水库水电工程管理中心提供的汛期调度记录,泄洪洞在2016—2021年之间开启过2次,其中2016年8月21—24日多次调整闸门开度,2018年9月3—5日,调整闸门开度为50 cm。

根据长江水库供水调度计划,水库年批准取水量为2 300万m3,日均供水量为5万～10万m3[18]。

3 研究方法

3.1 再分析数据评估指标

为评价ERA5、ERA5-Land 2种再分析数据与实测数据之间的相关性和差异,采用了Pearson 相关系数(r)、均方根误差(F)和标准差比(STDration)3种指标。各指标公式如下。

3.2 耦合水库调洪的三水源新安江模型

本文基于耦合水库调洪的三水源新安江模型建立水库水位预报模型。模型的输入为流域面平均降水量和蒸发,输出为水库水位,模型结构见图3。其中三水源新安江模型分为4个层次结构:蒸散发计算、产流计算、分水源计算和汇流计算。

图3 耦合水库调洪的三水源新安江模型结构

调洪演算采用试算法求解由水量平衡方程和水库蓄泄方程所组成的方程组:

(5)

根据长江水库调度记录,长江水库泄洪洞闸门大部分时候属于关闭状态。故模型率定期设置为闸门关闭期,此时不考虑泄洪洞泄量,水位持续上升至溢洪道堰顶高程时,溢洪道参与泄洪。即率定期为2016、2017年,中间根据闸门开启时间将模拟时间序列分为2段,2段采用相同的模型参数,验证期同理。另外,由于详细供水资料难以获取,增加多年平均日供水量参数,参数范围5～10,用于水库调洪计算。

参数率定采用差分进化算法DE[19],目标函数为:

(6)

NSE 越趋近于 1,说明模型模拟的水位值与实测水位值越一致。

3.3 情景设置

为比较地面站点、ERA5、ERA5-Land数据在日尺度水库水位模拟中的适用性,设置了7种情景,见表1。各情景率定期下,DE算法的参数设置一致,种群染色体采用实数编码,种群规模设置为100,最大进化代数为20代,变异放缩因子为0.5,交叉重组概率为0.7。

表1 水库水位模拟情景设置

4 结果分析

4.1 ERA5、ERA5-Land再分析降水数据对比分析

图4为研究区不同时间尺度再分析降水数据与实测降水对比。对于ERA5再分析降水数据,在小时、日、月、年尺度下,相关性系数的值分别为0.32、0.71、0.91、0.89,标准差比的值分别为0.32、0.71、0.91、0.89,均方根误差的值分别为1.60 mm/h、12.35 mm/d、87.22 mm/mo、343.95mm/a。而对于ERA5-Land再分析降水数据,在小时、日、月、年尺度下,相关性系数的值分别为0.31、0.71、0.90、0.90,标准差比的值分别为0.32、0.71、0.91、0.89,均方根误差的值分别为1.60 mm/h、12.50 mm/d、92.79 mm/mo、413.33 mm/a。

图4 研究区不同时间尺度再分析降水数据与实测降水对比

2种再分析降水数据相关性系数的值基本一致,表明2种数据刻画实测降水的能力并无明显差异。进一步比较两者的均方根误差和标准差比,ERA5的整体误差水平相对较小,略优于ERA5-Land。图4中,不同时间尺度的再分析降水数据的表现与实测降水的一致性存在差异。整体来看,年尺度和月尺度的再分析降水数据表现出与实测降水明显的相关性,与实测降水一致性较好,日尺度的相关性次之,小时尺度表现一般。

图5是研究区再分析降水与实测降水数据平均年内分配。可以看出,2种ERA5再分析数据的月平均降水量年内差异较小,降水分配与地面实测数据表现一致。另外,2种ERA5再分析数据在汛期(4—9月)均存在低估降水量的现象,而在非汛期的一致性较好。这与以往的研究结果是类似的,再分析数据的精度受原始输入数据资料质量和同化算法的影响与实测降水会存在一定的差异[20]。

图5 研究区再分析降水与实测降水数据年内分配

4.2 不同时间尺度下ERA5、ERA5-Land再分析蒸散发数据分析

图6为研究区不同时间尺度再分析潜在蒸散发数据与实测蒸发数据对比。对于ERA5再分析潜在蒸散发数据,在日、月、年尺度下,相关性系数的值分别为0.33、0.60、0.46,标准差比的值分别为2.31、1.40、5.63,均方根误差的值分别为3.11 mm/d、29.08 mm/mo、252.25 mm/a。而对于ERA5-Land再分析潜在蒸散发数据,在日、月、年尺度下,相关性系数的值分别为0.37、0.53、0.50,标准差比的值分别为1.70、1.37、4.25,均方根误差的值分别为3.71 mm/d、68.22 mm/mo、767.81 mm/a。

图6 研究区不同时间尺度再分析蒸散发数据与实测蒸发对比

2种再分析潜在蒸散发数据与蒸发皿实测蒸发月尺度的相关性数值范围为0.5～0.6,年尺度、日尺度的相关性不大于0.5。进一步比较两者的均方根误差和标准差比,ERA5的整体误差水平较小,对实测蒸发的刻画优于ERA5-Land。图4中,不同时间尺度的再分析潜在蒸散发数据与实测蒸发的一致性存在差异。整体来看,月尺度的再分析蒸散发数据与实测蒸发在月尺度的一致性相对较好,年尺度次之,日尺度表现一般。

与降雨数据相比,潜在蒸散发数据与蒸发皿实测蒸发数据的相关性明显较弱。以往研究表明,潜在蒸散发数据与蒸发皿蒸发存在着复杂的关系。首先,蒸发皿皿蒸发可通过蒸发皿系数转换为潜在蒸散发,但是蒸发皿系数存在季节变化[21]。此外,由于本研究中,蒸发站位于研究区外,用其代表研究区的蒸散发能力也存在着不确定性。

图7是研究区再分析潜在蒸散发数据与实测蒸发数据平均年内分配。可以看出,2种数据的月平均值存在明显的差异。从数值上看,ERA5-Land的值在各月份均是最大的,而ERA5与蒸发皿蒸发的值接近;从年内分配来看,ERA5与蒸发皿蒸发的一致性更强,存在季节差异,在汛期蒸发量较大,而ERA5-Land的年内分配更为均匀,汛期表现不明显。

图7 研究区再分析潜在蒸散发数据与实测蒸发数据年内分配

根据ECMWF官网的说明,ERA5 和 ERA5-Land的潜在蒸散发计算存在差异。ERA5的潜在蒸散发是基于地表能量平衡计算的,假设土壤水分充足(没有土壤水分胁迫)并且大气不受这种人为地表条件的影响,相当于植被蒸散发。ERA5-Land 中是针对开放水面计算的,相当于水面蒸发。因而,ERA5 和 ERA5-Land 2种产品的值存在明显的差异。对于研究区,ERA5潜在蒸散发更接近蒸发皿蒸发。

4.3 不同情景下日尺度水库水位模拟效果分析

图8是不同情景下,日尺度水库水位模拟与实测对比结果。可以看到不同输入下,模型率定期的NSE均可达到0.6以上,而验证期差异明显。这说明耦合调洪演算的新安江模型可用于水库流域的水位模拟,但是不同的数据输入会影响模型构建的可靠性,影响预报的准确度。

a)长江水库实测水位

S0、S1、S2、S5、S65种情景的降水输入均采用地面降水,蒸发数据分别设置为0,多年平均实测蒸发、实测蒸发、ERA5 潜在蒸散发、ERA5-Land潜在蒸散发。对比5种情景模拟效果,S0情景在率定期和验证期均表现最差,而S1、S2、S5、S64种情景的NSE均大于0.70,说明有效蒸发数据的输入可以提高水库水位模拟的准确性。S5情景率定期NSE为0.97,验证期为0.85,明显优于其他方案,说明ERA5潜在蒸散发数据在研究区的适应性好于ERA5-Land,两者均可作为模型蒸发数据的替代输入。

S3、S52种情景的蒸发输入均采用ERA5潜在蒸散发,S4、S62种情景的蒸发输入均采用ERA5-Land潜在蒸散发。S3、S4的降水输入分别采用ERA5、ERA5-Land。而S5、S6的降水输入均采用实测降水数据。可以看到,在率定期和验证期,S5均优于S3,S6均优于S4。说明实测降雨数据的输入,可有效提高水库水位模拟的精度,ERA5、ERA5-Land降水数据无法直接替代实测降水。根据肖梓明等[16]在横江流域的研究,ERA5再分析降水数据经降尺度处理后,可代替实测降水作为流域径流模拟的输入。而对于水库水位模拟,这有待进一步验证。

S3、S4采用的是不同的数据源,分别是ERA5再分析数据、ERA5-Land再分析数据。2种情景在率定期的NSE分别为0.69、0.63,验证期的NSE分别为0.33、0.23。ERA5再分析数据作为输入源时会稍好于ERA5-Land。根据前面的分析,其原因可能是两者蒸发数据的差异。