基于多源蒸散發(fā)的參數(shù)率定對(duì)日徑流模擬的影響

丁潔，朱仟，張昊，陳國(guó)慶

（東南大學(xué)土木工程學(xué)院，江蘇南京 211189）

0 引言

在全球氣候變化和人類活動(dòng)愈發(fā)頻繁的背景下，自然水文循環(huán)過程已悄然改變，各類極端水文事件尤其是洪水事件更為頻繁地發(fā)生，嚴(yán)重危害了人類的生產(chǎn)生活［1］。水文模型已經(jīng)被廣泛應(yīng)用于徑流的模擬預(yù)測(cè)和流域水資源管理，但是其具有不確定性會(huì)顯著影響水文模擬的結(jié)果。在大部分研究中由于徑流觀測(cè)方法相對(duì)簡(jiǎn)單，利用實(shí)際徑流觀測(cè)資料對(duì)水文模型進(jìn)行參數(shù)率定已經(jīng)成為提高水文模擬準(zhǔn)確性最常規(guī)的手段。然而對(duì)于徑流數(shù)據(jù)缺失的地區(qū)，這一方法顯然不可行，因此也可考慮將其他水文變量作為水文模型參數(shù)率定的依據(jù)。其中，蒸散發(fā)是聯(lián)系水循環(huán)、碳循環(huán)和能量循環(huán)的重要?dú)夂蜃兞浚?，3］，與降水密切相關(guān)，能夠?qū)⑷蜿懙丶s60%的降水輸入返回至大氣中［4，5］。同時(shí)，蒸散發(fā)描述了植物和陸地表面的水分流失，能夠反映植被生長(zhǎng)以及土壤水分情況，進(jìn)而影響水文模型中的徑流的形成。因此，以蒸散發(fā)作為校準(zhǔn)變量進(jìn)行水文模型的參數(shù)率定，也是提高流域水文模擬準(zhǔn)確性的有效方法。

蒸散發(fā)的常規(guī)測(cè)量主要通過側(cè)滲儀、渦流相關(guān)儀、大口徑閃爍儀等方法，但是由于成本限制，中國(guó)范圍內(nèi)可提供共享數(shù)據(jù)的蒸散發(fā)通量站點(diǎn)極為稀少，并且由于建立時(shí)間較晚，數(shù)據(jù)時(shí)間長(zhǎng)度較短，通常難以滿足研究要求?；谶b感以及陸面模式的各種蒸散發(fā)產(chǎn)品逐漸以其較高的成本效益、較廣的覆蓋范圍以及相對(duì)可靠的精度成為熱門的研究工具。目前已有多個(gè)機(jī)構(gòu)發(fā)布了免費(fèi)的大尺度蒸散發(fā)產(chǎn)品，如MODIS（Moderate Resolution Imaging Spectroradiometer）中分辨率成像光譜儀蒸散發(fā)產(chǎn)品（MOD16A2，以下簡(jiǎn)稱MOD16）、GLEAM（Global Land Evaporation Amsterdam Model）、GLDAS（Global Land Assimilation Data System）等，這些具有較高精度的大尺度蒸散發(fā)產(chǎn)品的發(fā)布，也為利用蒸散發(fā)進(jìn)行水文模型的參數(shù)率定提供了強(qiáng)大的數(shù)據(jù)支撐［6］。

目前，國(guó)內(nèi)外已有多位學(xué)者針對(duì)蒸散發(fā)率定的可行性進(jìn)行探究，如Parajuli 等人利用MOD16 對(duì)SWAT（Soil and Water Assessment Tool）模型進(jìn)行校準(zhǔn)，證明該方法適用于月尺度的徑流模擬，并與基于實(shí)測(cè)徑流率定具有相當(dāng)?shù)木龋?］。Jiang 等人使用遙感蒸散發(fā)在28 個(gè)自然流域?qū)IC（Variable Infiltration Capacity）模型進(jìn)行參數(shù)率定，結(jié)果表明基于蒸散發(fā)率定的水文模型能夠在其中29%的研究區(qū)內(nèi)產(chǎn)生優(yōu)于基于實(shí)測(cè)徑流率定的徑流模擬效果［8］。國(guó)內(nèi)學(xué)者張清等人也在淮河流域利用MOD16 蒸散發(fā)數(shù)據(jù)對(duì)SWAT 模型進(jìn)行參數(shù)率定，研究結(jié)果表明基于蒸散發(fā)的率定產(chǎn)生的月徑流模擬精度相比基于實(shí)測(cè)徑流率定的略有下降，但依然較為可靠［9］。

然而，過去的研究大多只在月尺度針對(duì)基于蒸散發(fā)率定對(duì)水文模型徑流模擬效果進(jìn)行了探究，也尚未考慮不同蒸散發(fā)產(chǎn)品可能導(dǎo)致的徑流模擬差異?；谝陨媳尘?，本文基于SWAT模型，在衡陽站和雙牌站以上控制流域分別利用實(shí)測(cè)徑流和多源蒸散發(fā)（MOD16、GLEAM、GLDAS）進(jìn)行參數(shù)率定，旨在分析不同流域基于蒸散發(fā)率定在日徑流模擬方面的應(yīng)用效果以及不同蒸散發(fā)產(chǎn)品率定對(duì)徑流模擬的影響，以期為無資料地區(qū)水文模型的參數(shù)率定提供新的思路，從而有效減少洪澇災(zāi)害。

1 研究區(qū)域

本文的研究區(qū)域?yàn)橄娼猩嫌蔚貐^(qū)，即湘江干流上衡陽水文站以上控制流域［圖1（a）］，集水面積為53 085 km2，包含消水、春陵水等湘江重要支流。該研究區(qū)域作為我國(guó)重要的糧食基地以及工業(yè)原料供應(yīng)地，具有極高的經(jīng)濟(jì)地位。研究區(qū)域整體處于亞熱帶季風(fēng)氣候帶，四季分明，夏季炎熱潮濕，冬季寒冷干燥，降水充沛，具有明顯的空間異質(zhì)性［10］，且主要集中在4-6月，這導(dǎo)致流域內(nèi)徑流量年內(nèi)分配嚴(yán)重不均。研究區(qū)域內(nèi)地勢(shì)總體上呈現(xiàn)南高北低的趨勢(shì)［圖1（b）］，地形復(fù)雜多變，多以山地丘陵為主，且多面環(huán)山，較為明顯的河流干支流坡度加速了雨水匯流的過程，導(dǎo)致洪水事件的極易發(fā)生。

圖1 衡陽水文站、雙牌水文站的空間分布和研究流域附近氣象站及子流域空間分布圖Fig.1 The spatial distribution of the Hengyang station，Shuangpai station；the weather stations and subbasins over the study area.

2 數(shù)據(jù)來源及研究方法

2.1 數(shù)據(jù)來源

本文選用的多源蒸散發(fā)數(shù)據(jù)包括MOD16、GLEAM 和GLDAS，三者的詳細(xì)情況如表1所示。

表1 MOD16、GLEAM、GLDAS蒸散發(fā)產(chǎn)品的基本信息Tab.1 Basic information of MOD16，GLEAM and GLDAS

MOD16 是由NASA（National Aeronautics and Space Administration；美國(guó)國(guó)家航空航天局）發(fā)布的基于改進(jìn)Penman-Monteith（PM）公式估算的每8 天的全球蒸散發(fā)產(chǎn)品，其空間分辨率可達(dá)500 m。該產(chǎn)品以中分辨率成像光譜儀（MODIS）的土地覆蓋、反照率、葉面積指數(shù)（LAI）、增強(qiáng)型植被指數(shù)（EVI）和來自NASA 全球建模和同化辦公室（GMAO）的每日氣象數(shù)據(jù)作為輸入［11，12］。該產(chǎn)品發(fā)布后已經(jīng)通過了全球46個(gè)通量站點(diǎn)的驗(yàn)證，與通量塔實(shí)測(cè)值的平均相關(guān)性可達(dá)0.86［12］。本文利用另一在中國(guó)地區(qū)的干旱檢測(cè)中有出色表現(xiàn)的全球大氣在分析數(shù)據(jù)JRA-55（Japanese 55-year）［13，14］，將MOD16 時(shí)間降尺度至日尺度，具體降尺度方法如下：

式中：M和J分別為MOD16 和JRA-55 產(chǎn)品；ETT為8 d 總蒸散發(fā)；ETi為8 d中第i天的蒸散發(fā)。

GLEAM 產(chǎn)品利用衛(wèi)星觀測(cè)數(shù)據(jù)，以輻射、氣溫、降雨、雪水當(dāng)量、植被光學(xué)厚度、表面土壤濕度和植被組分等變量作為驅(qū)動(dòng)，并基于Priestley and Taylor（PT）公式進(jìn)行每日蒸散量估算［15，16］。該產(chǎn)品自發(fā)布以來一直定期修正，并于2019年更新至GLEAM v3.3a 版本。受驅(qū)動(dòng)數(shù)據(jù)的限制，GLEAM v3.3a 可獲取的時(shí)間長(zhǎng)度為1980-2018年，空間分辨率為0.25°。GLEAM v3.3a 蒸散發(fā)數(shù)據(jù)的準(zhǔn)確性也通過了全球91 個(gè)渦度相關(guān)儀通量塔的驗(yàn)證，與通量塔觀測(cè)值的平均相關(guān)性介于0.78 到0.81之間［16］。

GLDAS 產(chǎn)品是美國(guó)國(guó)家航空航天局戈達(dá)德航天飛行中心和美國(guó)國(guó)家海洋與大氣管理局國(guó)家環(huán)境預(yù)測(cè)中心聯(lián)合研究推出的，該數(shù)據(jù)集采用先進(jìn)的陸面模式和數(shù)據(jù)同化技術(shù)，融合地面觀測(cè)和衛(wèi)星觀測(cè)數(shù)據(jù)，以獲得更準(zhǔn)確的全球地表氣候通量。本文中使用的GLDAS v2.2 同化了GRACE 數(shù)據(jù)，可提供空間分辨率為0.25°的每日蒸散發(fā)數(shù)據(jù)［17］。對(duì)于GLEAM 和GLDAS 產(chǎn)品，共有76個(gè)柵格覆蓋湘江中上游范圍并提供蒸散發(fā)數(shù)據(jù)。

建立SWAT 模型所需要的DEM（Digital Elevation Model；數(shù)字高程模型）來自地理空間數(shù)據(jù)云，分辨率為90 m；土壤數(shù)據(jù)來自HWSD 全球土壤數(shù)據(jù)庫(kù)1∶100 萬中國(guó)土壤數(shù)據(jù)集；土地利用數(shù)據(jù)來自Global Land Cover 2000，空間分辨率為1 km，并根據(jù)SWAT 數(shù)據(jù)庫(kù)進(jìn)行重分類（如圖2）。驅(qū)動(dòng)SWAT 模型所需要的氣象數(shù)據(jù)（最高和最低溫度、相對(duì)濕度、風(fēng)速和太陽輻射）下載自中國(guó)國(guó)家氣象信息中心（https：//data.cma.cn）。2009-2018 年間雙牌站和衡陽站所提供的每日實(shí)測(cè)徑流數(shù)據(jù)用以驗(yàn)證模型徑流模擬效果。

2.2 SWAT模型構(gòu)建

SWAT 模型是一個(gè)時(shí)間連續(xù)的半分布式水文模型，該模型具有比較全面的模型結(jié)構(gòu)，能夠模擬包括地表徑流、地下徑流、蒸散發(fā)等主要的水文過程。該模型采用SCS徑流曲線法對(duì)流域地表徑流量進(jìn)行模擬，默認(rèn)采用Penman-Monteith 公式計(jì)算潛蒸發(fā)。如圖1 所示，本文首先根據(jù)研究區(qū)DEM 將研究區(qū)域劃分為21 個(gè)子流域，并根據(jù)不同的坡度類型、土壤類型及土地利用類型（圖2）將研究區(qū)劃分成了448 個(gè)水文響應(yīng)單元（HRUs），繼而在此基礎(chǔ)上基于每個(gè)HRU 在日尺度上進(jìn)行水量平衡計(jì)算。本文將整個(gè)研究期分為3 個(gè)階段：預(yù)熱期（2009-2010），率定期（2011-2014）和驗(yàn)證期（2015-2018）。

圖2 研究區(qū)域的土壤類型及土地利用類型分布圖Fig.2 The spatial distribution of soil type and land use in the study area.

2.3 參數(shù)率定和驗(yàn)證方案

為了探究不同率定方案對(duì)SWAT 模型徑流模擬的影響，本文共設(shè)置兩種率定方案，分別為：①基于實(shí)測(cè)徑流的參數(shù)率定；②基于蒸散發(fā)的參數(shù)率定。

與僅基于流域出口處的實(shí)測(cè)徑流進(jìn)行的參數(shù)率定相比，基于蒸散發(fā)的參數(shù)率定可能從空間上更好地約束水文模型，更好地表現(xiàn)水文模型中各水文過程變量的空間特征［18］。本研究采用SWAT-CUP（SWAT-Calibration and Uncertainty Program）中的SUFI-2（Sequential Uncertainty Ftting Algorithm）優(yōu)化算法進(jìn)行模型參數(shù)率定。本文中所選擇參與率定的參數(shù)如表2所示。

表2 率定參數(shù)的含義及其參數(shù)范圍Tab.2 The definition and range of calibrated parameters

以NSE（Nash-Sutcliffe Efficiency）作為率定變量的目標(biāo)函數(shù)，比較上述兩種率定方案所得到的日徑流模擬結(jié)果，探究基于蒸散發(fā)率定在研究區(qū)域內(nèi)的適用性。采用NSE、BIAS和KGE（Kling-Gupta Efficiency）指標(biāo)對(duì)徑流模擬效果進(jìn)行評(píng)估，評(píng)估指標(biāo)的具體計(jì)算公式如下：

3 結(jié)果和討論

3.1 蒸散發(fā)產(chǎn)品的空間特征

MOD16、GLEAM、GLDAS 蒸散發(fā)產(chǎn)品基于不同的蒸散發(fā)估算方式，三者在研究區(qū)域的表現(xiàn)也不同。圖3 表示3 種產(chǎn)品在2009-2018 年間的多年平均蒸散發(fā)的空間分布。MOD16 產(chǎn)品以其較高的空間精度更好地表現(xiàn)了研究區(qū)域內(nèi)蒸散量的空間特征，總體上，三者在研究區(qū)域的空間趨勢(shì)類似，都呈現(xiàn)西北向東南遞增的趨勢(shì)。但是在蒸散量的數(shù)值上，3種產(chǎn)品差異明顯。GLDAS 在研究區(qū)域尤其是中東部地區(qū)相對(duì)其他兩種產(chǎn)品存在明顯高估，GLEAM 產(chǎn)品則在研究區(qū)域的西部地區(qū)相較其他兩個(gè)產(chǎn)品有一定程度低估。

圖3 2009-2018年間研究區(qū)域MOD16、GLEAM、GLDAS產(chǎn)品的多年平均蒸散發(fā)Fig.3 The mean annual ET of MOD16，GLEAM，GLDAS in the study area during 2009-2018

3.2 基于實(shí)測(cè)徑流參數(shù)率定的徑流模擬

首先基于實(shí)測(cè)徑流對(duì)SWAT 模型進(jìn)行率定，并選用NSE、BIAS和KGE對(duì)模擬性能進(jìn)行評(píng)估，圖4 顯示了在兩個(gè)水文站徑流模擬值與觀測(cè)值的結(jié)果?？傮w而言，基于實(shí)測(cè)徑流的率定方案，在兩個(gè)水文站都能夠比較好地模擬徑流。其中，在率定期衡陽站的徑流模擬效果相對(duì)更好，NSE和KGE分別能夠達(dá)到0.75 和0.87，BIAS也相對(duì)較低（0.40%），而雙牌站的NSE和KGE則分別為0.58和0.70，BIAS為2.64%。但是在驗(yàn)證期，兩個(gè)站點(diǎn)的徑流模擬效果相差不大，衡陽站的NSE和KGE分別為0.60和0.70，雙牌站的NSE和KGE相比率定期略有提高，分別為0.60和0.73，且從BIAS可看出，衡陽站的模擬徑流存在較為明顯的高估，BIAS=14.43%明顯高于雙牌站的-0.23%。總體而言，基于實(shí)測(cè)徑流的率定方案能夠在研究區(qū)域內(nèi)比較好地捕捉兩個(gè)水文站徑流的動(dòng)態(tài)變化，表明SWAT 模型以及此率定方案在該研究區(qū)域的適用性。但該模型對(duì)于洪峰峰值的準(zhǔn)確模擬上仍有不足，并且在率定期雙牌站徑流模擬的NSE明顯低于衡陽站，這可能是雙牌水文站的徑流受上游的雙牌水庫(kù)調(diào)蓄的直接影響較大，而本研究模擬忽略了水庫(kù)作用，因而導(dǎo)致其相對(duì)較差的模擬效果。

圖4 基于實(shí)測(cè)徑流率定的日徑流模擬值與觀測(cè)值的對(duì)比圖Fig.4 Comparison of daily simulated and observed streamflow based on streamflow calibration at Shuangpai station and Hengyang station

3.3 基于蒸散發(fā)參數(shù)率定的徑流模擬

分別對(duì)雙牌站和衡陽站以上的控制流域，基于蒸散發(fā)進(jìn)行率定，在兩個(gè)水文站上模型輸出的徑流結(jié)果分別如圖5 和圖6所示。由圖5 可知，對(duì)雙牌站以上控制流域進(jìn)行基于蒸散發(fā)率定，模型輸出的徑流總體上與基于實(shí)測(cè)徑流率定后的結(jié)果類似，且3 種蒸散發(fā)產(chǎn)品率定的結(jié)果差異也不明顯。使用GLEAM、GLDAS和MOD16進(jìn)行率定的模型，在率定期的NSE都為0.51，而KGE分別僅有0.50，0.54 和0.50，驗(yàn)證期的NSE分別提升到0.58，0.59 和0.58，KGE則分別提升到0.69，0.72 和0.69。對(duì)比基于實(shí)測(cè)徑流率定的結(jié)果［圖4（a）］可知，雖然在雙牌站NSE的評(píng)估結(jié)果高度相似，但是基于蒸散發(fā)的率定會(huì)導(dǎo)致|BIAS|相對(duì)偏大，對(duì)徑流的整體低估會(huì)更加明顯?？偟膩碚f，基于蒸散發(fā)率定在徑流模擬方面具有較大的潛力。

圖5 基于GLEAM，GLDAS，MOD16率定的雙牌站日徑流模擬值與觀測(cè)值的對(duì)比圖Fig.5 Comparison of daily simulated and observed streamflow based on ET calibration at Shuangpai station：GLEAM，GLDAS and MOD16

在衡陽站的徑流模擬結(jié)果如圖6 所示，基于3 種蒸散發(fā)產(chǎn)品率定都能夠在該研究區(qū)域內(nèi)取得比較可靠的模擬效果。在率定期，基于GLEAM、GLDAS 和MOD16 的率定取得的NSE分別為0.71，0.72和0.72，而KGE分別為0.80，0.76和0.77。而驗(yàn)證期的NSE分別為0.60，0.72 和0.72，KGE分別為0.72，0.81 和0.80。總體而言，基于3 種蒸散發(fā)產(chǎn)品的率定能夠較為準(zhǔn)確地模擬衡陽站的徑流，且基于GLDAS 和MOD16 的率定能夠相對(duì)更加出色地捕捉衡陽站的徑流峰值。

圖6 基于蒸散發(fā)率定的衡陽站日徑流模擬值與觀測(cè)值的對(duì)比圖Fig.6 Comparison of daily simulated and observed streamflow based on ET calibration at Hengyang station

基于不同蒸散發(fā)產(chǎn)品率定在雙牌站和衡陽站得到的模擬徑流的評(píng)估指標(biāo)匯總?cè)绫? 所示。由表3 可知，整體而言，模型對(duì)于衡陽站的徑流模擬效果相比雙牌站相對(duì)更好，基于3 種蒸散發(fā)產(chǎn)品率定得到的各項(xiàng)評(píng)估指標(biāo)在率定期和驗(yàn)證期都相對(duì)更佳，NSE和KGE相對(duì)更高且｜BIAS｜相對(duì)更低。除了上述提及的雙牌站受水庫(kù)調(diào)蓄的影響較大外，還有可能是受流域面積的影響，基于蒸散發(fā)的率定可能更適用于大的流域。雙牌站以上控制流域面積相對(duì)較小，且多為山地，蒸散發(fā)數(shù)據(jù)相對(duì)會(huì)具有更高的不確定性［19］，會(huì)較大地影響蒸散發(fā)產(chǎn)品的準(zhǔn)確性以及在水文模型率定中的應(yīng)用效果。通過對(duì)比基于3種產(chǎn)品率定的結(jié)果可知，基于GLEAM 率定的模型在驗(yàn)證期的徑流模擬的表現(xiàn)略有不足，在衡陽站的NSE和KGE僅有0.60 和0.72，明顯低于GLDAS和MOD16。而基于GLDAS率定的模型則在驗(yàn)證期對(duì)衡陽站的徑流模擬表現(xiàn)更為出色，體現(xiàn)在其｜BIAS｜相對(duì)更低，僅為-0.08%，但是由圖6（b）可知其在日徑流峰值準(zhǔn)確模擬上仍存在不足。

表3 在雙牌站和衡陽站基于GLEAM、GLDAS、MOD16率定得到的模擬徑流率定期和驗(yàn)證期的評(píng)估指標(biāo)Tab.3 Evaluation indices of the simulated streamflow produced by the SWAT model calibrated based on GLEAM，GLDAS and MOD16 in the calibration and validation period at Shuangpai and Hengyang station，respectively

4 結(jié)論

以湘江中上游地區(qū)采用GLEAM、GLDAS 和MOD16 作為SWAT 模型的蒸散發(fā)校準(zhǔn)變量，分別對(duì)雙牌站和衡陽站得到的模擬徑流進(jìn)行了評(píng)估分析，探究了基于多源蒸散發(fā)率定對(duì)徑流模擬的影響。其研究結(jié)果表明：

（1）基于蒸散發(fā)的率定方案在湘江中上游區(qū)域具有比較好的適用性，其徑流模擬效果與基于實(shí)測(cè)徑流參數(shù)率定的徑流模擬效果相當(dāng)，雙牌站模擬徑流的率定期和驗(yàn)證期的NSE都能達(dá)到0.50 以上，在衡陽站率定期的NSE都能達(dá)到0.70，驗(yàn)證期的NSE也能達(dá)到0.60以上。

（2）基于蒸散發(fā)的率定方案在不同的流域的表現(xiàn)也會(huì)有較大差異?；谡羯l(fā)的率定方案在雙牌站所產(chǎn)生的徑流在驗(yàn)證期的NSE最高為0.59，但是在衡陽站其NSE最高可達(dá)到0.72，且在衡陽站的｜BIAS｜相較雙牌站的都更低。兩個(gè)水文站之間的不同表現(xiàn)也證明了蒸散發(fā)在大流域的水文模型參數(shù)率定上可能具有更好的表現(xiàn)。

（3）3 種蒸散發(fā)產(chǎn)品率定的徑流差異在衡陽站更為突出，其中基于GLEAM 參數(shù)率定模擬的徑流在驗(yàn)證期的表現(xiàn)相對(duì)較差，NSE僅有0.60，明顯低于基于GLDAS 和MOD16（0.72），且基于GLDAS 參數(shù)率定模擬的徑流在驗(yàn)證期的BIAS上表現(xiàn)相對(duì)突出，僅為-0.08%。

研究結(jié)果表明利用可靠的蒸散發(fā)數(shù)據(jù)對(duì)SWAT模型進(jìn)行參數(shù)率定能夠比較好地模擬出湘江流域中上游的日徑流。研究結(jié)果證明了多源蒸散發(fā)數(shù)據(jù)在水文模擬中的巨大潛力，為缺資料地區(qū)，尤其是無資料地區(qū)徑流模擬提供了可行方案。此外，除本研究使用的蒸散發(fā)數(shù)據(jù)外，亟需進(jìn)一步結(jié)合高精度衛(wèi)星降水產(chǎn)品和其他再分析氣溫?cái)?shù)據(jù)以探究該參數(shù)率定方法在真正無資料地區(qū)的應(yīng)用價(jià)值［20］。