冯克鹏，田军仓*，洪阳，唐国强，阚光远，罗翔宇

(1. 宁夏大学土木与水利工程学院，宁夏 银川 750021; 2.旱区现代农业水资源高效利用教育部工程研究中心，宁夏 银川 750021; 3. 宁夏节水灌溉与水资源调控工程技术研究中心,宁夏 银川 750021; 4. 俄克拉荷马大学土木工程与环境科学学院，美国 诺尔曼 73072; 5. 清华大学水沙科学与水利水电工程国家重点实验室, 北京 100084)

降水观测能够促进对水循环的理解，而且对流域水文过程模拟以及预报也具有重要意义.目前，降水数据来源于4种方法，分别是地面雨量站观测、地面雷达探测降水、卫星遥感降水以及气候模式的模拟降水[1-3].地面雨量站的观测手段直接且精度较高，但只能代表观测站周围有限的空间范围.通过分布于测区的若干地面雷达台站，可直接探测降水的空间分布，并具备实时跟踪降水空间演变的能力，但易受雷达射线抬升和地形遮挡的影响[4-5].卫星遥感测雨技术具有空间尺度大、响应速度快等特点，可提供较高时空精度的连续降水数据.对于无资料和少地面观测资料地区而言，卫星遥感降水是一种有效的降水数据来源，但是由于传感器性能、反演算法等因素的影响，卫星降水具有不确定性.随着气候模式以及陆气模型的发展，降水成为当前气候模式输出的重要变量，其空间尺度常是全球的，分辨率较低，通常使用降尺度的方法将其转换到所研究的区域，这个过程会带来误差[6-8].

对不同降水产品的精度评估、区域时空分析以及模拟水文效用等，学者们开展了大量研究[9-12]，结论显示：通过以上4种方法获得的降水数据，其误差除了受各自方法本身因素的影响以外，还受气候带、季节、纬度以及其他因素影响.特别是气候带，已有的研究结论表明气候带对降水及其观测有明显影响[13-14].而且，降水产品在不同气候带的水文应用中仍存在明显的不确定性，需要进一步研究[15-17].

1 研究区域、数据和方法

1.1 研究区域

研究区域为美国大陆，位于北美洲，毗邻大西洋和太平洋.通常将美国大陆区划分为8个气候带：湿润大陆性气候(夏季热和夏季凉)，亚热带湿润性气候，热带干湿交替季风气候，高原山地气候，温带沙漠气候，半干旱草原气候，海洋性气候，地中海气候.其中，湿润大陆性气候和亚热带湿润性气候占较大地区，而热带干湿交替季风气候区最小，位于佛罗里达州最南端沿海区域.

假设各类型气候带内的气候是均质的，然后将各气候带覆盖的区域放入一个垂直坐标系，用成对的随机数作为坐标值，以确定拟选定小流域的位置.随机数取自Fisher随机数表.在除热带干湿交替季风气候区以外的其他8个气候区用上述方法随机选取了8个闭合流域，流域面积都小于520 km2，属于小流域，意在检验各降水产品在不同气候带的小流域的精度和水文模拟性能.各流域的基本信息见表1.表中物理量：A为面积，Qaa为年均流量，Pma为多年年均降雨量.

1.2 研究数据

1.2.1 降水数据

选用的5种降水数据NOAA-CPC-US，PERSIANN，GPM-IMERG，StageIV和ERA5产品在全世界有很广泛的应用和影响力：NOAA-CPC-US代表了地面雨量观测站降水，它融合了上万个地面观测台站的降水数据，结合地形效应对数据进行了优化插值并实施质量控制，形成了具有高准确性和一致性的降水产品.GPM-IMERG是目前卫星降水的典型代表，是美国国家航空航天局主导的TRMM的后续全球卫星降水观测计划.文中选用GPM Level 1-3版本05B_Final的全球范围30 min雨雪数据产品.PERSIANN则代表了机器学习算法反演的降水；该降水产品基于地球同步卫星提供的红外亮温数据，使用人工神经网络估算降雨率.StageIV是多普勒降雨探测雷达产品的代表，它融合了美国约150个多普勒新一代天气雷达和约5 500个地面雨量计的测量值.ERA5是常用的气候模式，以它作为数据驱动的降水预报有着很强的代表性；该数据采用了IFS Cycle 41r2和四维变化数据同化系统，以及辐射变分偏差校正技术，系统地提升了数据集的质量，提供了降水、气温、蒸发等265种数据.

以上5种降水数据具有不同的时空分辨率，数据预处理先统一各数据的时间分辨率为日尺度，空间分辨率为1 km2.数据时间段设为2002-01-01—2018-06-30.

1.2.2 径流、地形及蒸散发数据

选取的8个流域的边界来源于美国地质调查局(USGS)提供的流域边界数据集(https://www.usgs.gov/core-science-systems/ngp/national-hydrography)；数字地形(DEM)来源于美国10 m精度数字高程模型(https://datagateway.nrcs.usda.gov/GDGOrder.aspx)；径流资料来源于美国国家水信息系统数据(https://waterservices.usgs.gov).潜在蒸散发数据来自美国USGS饥荒早期预警系统(https://earlywarning.usgs.gov/fews/datadownloads/Global/PET).

1.3 CREST分布式水文模型

CREST(coupled routing and excess storage)是一个分布式水文模型，由美国俄克拉荷马大学水文气象与遥感实验室(HyDROS，http://hydro.ou.edu/research/crest/)和美国宇航局(NASA)SERVIR项目联合研发.它使用可变渗透能力曲线和多线性水库进行产流计算以及地表和地下水汇流计算，通过耦合产流要素和汇流结构，模拟再现流域径流过程[17].已有成果表明，该模型有着出色的水文模拟和预报能力[18-20].有关该水文模型的数据预处理以及模型参数等信息，请参考HyDROS实验室网址.

实施实验室管理规范化、科学化工作中，提高人员素质是关键。管理是一种社会行为，是人与人之间发生作用的过程，在管理过程的各个环节，只有人才是主体，是决定管理效率的关键，而决定管理水平的高低又取决于人员素质，人员素质是指管理人员在承担一定的管理事务中所必须具备的基本条件，在实验室管理规范化、科学化工作中要求工作人员应具有政治素质、心理素质和业务素质等基本素质。

1.4 统计评估指标

选用相对偏差(Bias)、均方根误差(RMSE)、平均绝对误差(MAE)、相关系数(CC)，用于定量评估多源降水产品的精度.选用相对偏差(Bias)、相关系数(CC)、标准差(SD)和确定性系数(NSE)，评估各降水产品的水文模拟效用.各指标定义如下.

(1)

(2)

(3)

(4)

(5)

(6)

上述式中：Sim为待评估降水数据或水文模型模拟出的径流数据；Obs为参考降水数据或径流观测数据；n为模拟值或观测值的总数；i为第i个模拟值或观测值.

为了定量和定性相结合地评估各降水产品的水文模拟效用，将NSE分为4个区间[21]：NSE≤0.50，0.50

2 结果与讨论

2.1 降水精度评估

以NOAA-CPC-US为参照，对2014-06-01—2018-06-30的StageIV，PERSIANN，GPM-IMERG，ERA5降水产品进行精度评估.图1为各降水在不同气候带与NOAA-CPC-US降水相关性.

各降水产品与NOAA-CPC-US相关性从高到低依次是StageIV，GPM-IMERG，PERSIANN，ERA5(见图1)，相关系数均通过0.05置信水平检验.StageIV降水在各气候带相关系数平均值达到0.71，在亚热带湿润性气候带达到0.81，而在海洋性气候带最低，相关系数为0.65，在其他气候带相关系数降序依次是湿润性大陆性(夏季热)气候带0.76，半干草原气候带0.72，湿润大陆性(夏季凉)气候带0.70，地中海气候带0.69，温带沙漠气候带0.66，高原山地气候带0.66.GPM-IMERG降水与NOAA-CPC-US数据的相关系数在各气候带平均值达到0.60.其中在亚热带湿润性气候带相关度最高，为0.73；在海洋性气候带最低，为0.53.在其他气候带相关系数波动不大，为0.58～0.61.PERSIANN降水与NOAA-CPC-US的相关系数在各气候带平均值为0.56.在温带沙漠气候带相关性最高，为0.62；在半干旱草原气候带最低，为0.49.在其他气候带依次是高原山地气候带0.61，亚热带湿润性气候带0.59，地中海气候带0.56，湿润大陆性(夏季热)气候带0.55，海洋性气候带0.53，湿润性(夏季凉)气候带0.51.与NOAA-CPC-US数据的相关系数最低的降水产品是ERA5降水，相关系数在各气候带平均值为0.53；相关系数最高和最低的气候带分别是亚热带湿润性气候带0.56，湿润大陆性(夏季凉)气候带0.56和湿润大陆性(夏季热)气候带0.49.在其他气候带，相关系数为0.51～0.54，波动不大.

降水产品在各流域的RMSE和MAE，也反映降水精度的差异.表2为多源降水在各研究区域相对于NOAA-CPC-US降水的误差.相关性高的降水产品，对应的RMSE和MAE较小，反之较大.总体上4种降水产品与汇集了上万个地面观测台站降水观测信息的NOAA-CPC-US降水存在正偏差.

2.2 水文模拟评估

设定水文模型预热期为2002-01-01—2003-12-31；率定期(2004-01-01—2014-06-30)分别使用5种降水产品驱动分布式水文模型CREST，得到5套率定参数集，然后在验证期(2014-07-01—2018-06-30)对各降水产品用各自的率定参数集进行径流模拟.

水文模拟优劣的5种统计指标如图2，3以及表3所示，图2中Obs为实测径流的统计值.综合观察，各降水产品在美国不同气候带流域的径流模拟性能优劣不一.各降水产品在率定期径流模拟性能好于验证期，验证期的各个统计指标均有衰减.因篇幅有限，此处仅对各降水产品在不同气候带水文模拟的NSE指标展开说明.

图2 各降水产品在不同气候带水文模拟的SD，RMSE和CC统计值

图3 各降水产品在美国不同气候带流域水文模拟的确定性系数

在湿润大陆性(夏季热)气候带，NOAA-CPC-US，StageIV，GPM-IMERG率定期NSE较高，分别达到0.85，0.82，0.70，但在验证期衰减为0.66，0.73，0.33.PERSIANN和ERA5降水的NSE，无论在率定期还是验证期都很低，为0.42～0.30.在亚热带湿润性气候带NOAA-CPC-US，StageIV，GPM-IMERG，PERSIANN降水的NSE在率定期和验证期都大于0.5，有较好的水文模拟性能.ERA5降水在2个时期的NSE分别为0.40和0.31，表现依然不理想.在湿润大陆性(夏季凉)气候带，率定期StageIV，NOAA-CPC-US和GPM-IMERG降水的NSE可分别达到0.67，0.65，0.58，验证期为0.61，0.53，0.50；PERSIANN和ERA5降水则不理想，率定期NSE分别为0.43和0.41，验证期则更低.

表3 各降水产品在不同气候带水文模拟的Bias统计值

在半干旱草原气候带，降水StageIV，NOAA-CPC-US和GPM-IMERG的NSE在率定期和验证期都大于0.50，分布在0.59～0.78.降水PERSIANN和ERA5的模拟性能较差，2个时期的NSE为0.20～0.33.在温带沙漠气候带，4种降水NOAA-CPC-US，StageIV，GPM-IMERG和PERSIANN的NSE较高，其中NOAA-CPC-US和StageIV在率定期和验证期都达到0.80以上，水文模拟性能优秀.降水GPM-IMERG和PERSIANN在2个时期的NSE分布在0.70～0.64，水文模拟性能良好；ERA5降水在2个时期的NSE分别为0.58和0.54，水文模拟性能适用.

在高原山地气候带，降水NOAA-CPC-US和StageIV在率定期和验证期的NSE为0.77～0.83，水文模拟性能优秀；而降水GPM-IMERG率定期分别为0.71,验证期降为0.61，模拟性能良好；PERSIANN的NSE并不稳定，率定期为0.63，但在验证期只有0.34.ERA5降水2个时期的NSE分别为0.55和0.48，水文模拟性能接近适用.

在海洋性气候带，只有降水StageIV和NOAA的模拟性能较好，率定期和验证期的NSE分别为0.79和0.68，降水GPM-IMERG的NSE为0.58和0.50，水文模拟性能只能达到适用.降水PERSIANN和ERA5在2个时期的NSE为0.27～0.47，无法满足水文模拟需要.在地中海气候带，降水StageIV和NOAA的NSE无论在率定期还是验证期都保持为0.65～0.75，水文模拟性能良好.但降水GPM-IMERG，PERSIANN和ERA5表现不理想，验证期NSE仅为0.30～0.31.由表3可知，5种降水产品的水文模拟在各流域存在一致性的系统偏大，考虑可能原因是降水产品精度本身存在正偏差，这些偏差通过水文模型传导至模拟结果.

3 结 论

综合各降水产品在8个不同气候带的降水精度评估结果可知，雷达降水StageIV在各气候带估算精度最好，偏差均值为1.85%；其次是卫星降水GPM-IMERG，PERSIANN，偏差均值分别为2.88%和2.89%；数值模式降水ERA5偏差最大，达到5.30%.在水文模拟效用评估中，总体上，降水Stage IV和NOAA-CPC-US在不同气候带的流域水文模拟中效果较好，率定期和验证期的NSE系数均值分别为0.75和0.71.降水GPM-IMERG和PERSIANN的径流模拟能力在不同气候带并不趋同，地处低纬度的气候带要好于高纬度气候带，且总体上GPM-IMERG优于PERSIANN；2种降水产品在率定期和验证期各气候带的NSE均值分别为0.60和0.45.降水ERA5的水文模拟效果不理想，NSE均值只有0.35.由此说明，NOAA-CPC-US和StageIV降水产品能够满足不同气候带流域的水文模拟需求，而PERSIANN，GPM-IMERG的水文模拟性能则表现的不稳定，ERA5还不能支撑不同气候带的小流域水文模拟.

造成以上性能差异的可能原因：StageIV优势在于基于混合体扫的雷达估测基数据，采用业务员选择的Z-R关系(包括对流、热带气旋、夏季层云降水、美国东部冬季层云降水和西部冷季降水5种)生成高时空分辨率的数字化降水阵列.GPM优势在于该卫星搭载的双频降雨雷达和微波成像仪能够识别固态降水和微量降水.PERSIANN，ERA5降水可能因为算法因素，降水估算精度有待提高.