论文部分内容阅读
降水是重要的气候(气象)变量,跟旱涝灾害、水资源管理、洪水预报等影响国计民生的诸多方面密切相关;但却时空变化活跃、难以准确估计。缺乏高精度的降水时空分布也制约着相关的水文应用。卫星遥感和气象卫星技术的发展使得卫星降水估计(Satellite Precipitation Estimates,SPE)成为弥补地面站点观测不足的重要工具。跟地面站点观测相比,目前的SPE包含较大的误差,输入到水文系统之前,对卫星降水进行恰当的偏差校正预处理可改善水文模拟精度。另一方面,由于携带有偏差和误差,使用SPE驱动水文模型时会引起模拟不确定性,对卫星降水输入相关的多源不确定性进行分析有助于判断主要误差来源,增加模拟可靠性。然而,目前针对卫星降水对水文模拟影响的研究多停留在初步的SPE精度评估和所驱动径流模拟的精度检验上,缺乏从系统角度考虑降雨-径流模拟过程的输入、输出误差和不确定性的量化、降低问题。长江流域人口众多却频发水灾害,精确获取降水的时空分布并应用于水系统模拟和预报对该地区的社会经济发展具有积极意义。为系统探究SPE在长江流域的水文适用性现状和潜力,本研究选取长江流域及其典型子流域为研究区,首先评价了全球SPE的精确度及水文响应效果,其次从降雨-径流模拟过程预处理角度出发校正了卫星降水输入的系统偏差,最后从降雨-径流模拟过程后处理角度出发分析了输出径流的多源不确定性。具体研究内容和主要结论可概括如下:(1)以中国气象局发布的地面站点观测降水为基准数据,分别评价了TRMM时代四种SPE(近实时的TRMM3B42RT、后处理的TRMM3B42v7、GsMap和PERSIANN)和GPM时代四种SPE(早期近实时的IEMRG-E、终期后处理的IMERG-F,GsMap和PERSIANN)在长江流域的精度和误差特征。选取的统计评价指标包含四个连续性指标:均方根误差(RMSE)、相关系数(CC)、相对偏差(pBIAS)和Kling-Gupta效率系数(KGE),三个分类指标:降水检测率(POD)、误报率(FAR)和关键成功指标(CSI)。多种指标的综合评价结果表明1)在流域范围内西部地区的误差高于其他地区,TRMM时代的卫星降水误差主要体现在TRMM3B42RT和PERSIANN高估地面降水,GPM时代的卫星降水误差主要体现在IMERG-E低估、PERSIANN高估地面降水;2)TRMM时代和GPM时代两套SPE在雨季范围内综合表现优于全年,全年优于旱季;3)TRMM时代和GPM时代的SPE中精度表现较好的均为GsMap产品,表现较差的均为PERSIANN,其误差来源之一是严重低估无雨事件的发生频次,即误报率较高。(2)利用集总式GR6J模型和分布式CREST模型分别验证了长江流域两个典型子流域,即赣江流域和乌江流域中降雨-径流过程模拟对TRMM时代和GPM时代两套卫星降水输入的响应情况。结果表明1)在赣江流域的径流模拟中,GsMap降水驱动的模拟精度是所有SPE输入中最高的(GR6J和CREST模拟的率定期NSE:0.77和0.83,验证期:0.83和0.89),其精度几乎和地面站点结果一致;2)在乌江流域的径流模拟中,IMERG-F是综合模拟效果较好的SPE(GR6J和CREST模拟的率定期NSE:0.56和0.58,验证期:0.54和0.70),而地面站点降水输入驱动的结果表现一般。(3)为从统计上有效校正SPE的系统偏差,提出一种改进的偏差校正方法——受限混合分布映射法(CSMD)。将CSMD用于校正近实时IMERG-E在长江流域的时空分布。以传统的Bernoulli-gamma校正方法(BerGam)作对照,降水精度评价结果表明1)两种校正方法均能明显降低原始SPE的系统偏差,且改进CSMD方法所得校正结果(尤其是对暴雨极值的校正)在多种评价指标中表现优于传统BerGam方法;2)使用集总式GR6J和分布式CREST水文模型分析径流对校正后IMERG-E的响应,发现两种方法,尤其是改进CSMD法校正的卫星降水驱动下水文模拟效果明显好于原始IMERG-E驱动下的结果,也优于后处理IMERG-F产品的驱动结果。(4)为量化SPE在水文模型中的输入不确定性及与其交互的其他不确定性,提出一种基于方差分解思想划分多源不确定性的统计框架。该框架可分三步实现:一是确定多源不确定性的种类、交互方式;二是配置模拟方案,确定单因素组分,即输入、参数和模型结构三种不确定性在模型中的产生方式;三是利用集总式GR模型和分布式CREST模型分别进行集合模拟,产生集合径流输出,并根据第一步定义计算模拟径流的总不确定性和多源不确定性组分。输入降水来源包括近实时的TRMM3B42RT和后处理的TRMM3B42v7,以及一种地面插值降水作为对照。主要结果表明1)三种降水数据驱动下CREST模拟所得的输入不确定性(站点、TRMM3B42RT和TRMM3B42v7降水输入情况下分别为9.35(mm/mon)~2、11.87(mm/mon)~2和8.66(mm/mon)~2)均低于对应情况下的GR模拟结果(分别为23.5(mm/mon)~2、16.29(mm/mon)~2和17.03(mm/mon)~2);2)三种降水数据结合两个水文模型组合的六种情景中,TRMM3B42v7驱动CREST模型情景下所得输入不确定性最低,而站点降水驱动GR模拟所得的输入不确定性最高。说明分布式水文模型CREST可更好地利用SPE数据的空间分布信息来提高模拟精度、降低模拟不确定性。本研究为全球SPE的区域水文应用提供了从降雨-径流模拟预处理到后处理全过程的方法框架和多源卫星降水在长江流域水文适用性的多实例评价结果。