基于ERA5-Land数据集的玛纳斯河径流模拟研究

doi:10.13745/j.esf.sf.2022.1.50

地学前缘 ›› 2022, Vol. 29 ›› Issue (3): 271-283.DOI: 10.13745/j.esf.sf.2022.1.50

基于ERA5-Land数据集的玛纳斯河径流模拟研究

唐豪¹(), 王晓云², 陈伏龙¹^,^*(), 姜龙³, 何朝飞¹, 龙爱华¹^,⁴

1.石河子大学水利建筑工程学院, 新疆石河子 832000
2.中水北方勘测设计研究有限责任公司, 天津 300222
3.新疆石河子水文勘测局, 新疆石河子 832000
4.中国水利水电科学研究院流域水循环模拟与调控国家重点实验室, 北京 100038

收稿日期:2022-01-05 修回日期:2022-03-24 出版日期:2022-05-25 发布日期:2022-04-28
通讯作者: 陈伏龙
作者简介:唐豪(1997—),男,硕士研究生,从事水文学及水资源问题研究工作。E-mail: tanghao@stu.shzu.edu.cn
基金资助:
国家自然科学基金项目(52169005);国家自然科学基金项目(51769029)

Simulation of Manas River runoff based on ERA5-Land dataset

TANG Hao¹(), WANG Xiaoyun², CHEN Fulong¹^,^*(), JIANG Long³, HE Chaofei¹, LONG Aihua¹^,⁴

1. College of Water Conservancy & Architectural Engineering, Shihezi University,Shihezi 832000, China
2. China Water Resources Beifang Investigation, Design and Research Co. Ltd.,Tianjin 300222, China
3. Shihezi Hydrology Bureau, Shihezi 832000, China
4. State Key Laboratory of Simulation and Regulation of Water Cycle in River Basin, China Institute of Water Resources and Hydropower Research, Beijing 100038, China

Received:2022-01-05 Revised:2022-03-24 Online:2022-05-25 Published:2022-04-28
Contact: CHEN Fulong

摘要/Abstract

摘要：

气象数据是水文过程研究的关键要素,再分析数据的发展为资料缺乏地区的径流模拟提供了新的解决方案。为研究ERA5-Land再分析数据集在径流模拟中的适用性,本文以玛纳斯河流域肯斯瓦特水文站以上流域为研究区,选取多个评价指标对ERA5-Land降水和温度进行准确性评价,并采用经验模态分解(EOF)分析其在研究区内的分布特点。在准确性方面,ERA5-Land与实测数据具有较好相关性,降水探测率为0.96,能反映大多数的降水事件,但与实测数据相比总体偏高21.81%,气温准确性好于降水,总体拟合效果较好,最优范围为-520 ℃,在极值部分不确定性有所增加。EOF决定性模态表明研究区内降水、气温变化趋势基本一致,即易受大尺度天气系统影响。利用该数据集驱动SWAT模型在月、日尺度上对玛纳斯河流域进行径流模拟,在验证期纳什系数(NSE)分别为0.88和0.82,具有较好的模拟效果。ERA5-Land再分析数据集可为西北缺乏实测气象资料地区径流模拟提供参考。

关键词: ERA5-Land, SWAT模型, 径流, EOF, 玛纳斯河, 缺测气象资料地区

Abstract:

Meteorological data is a key factor in hydrological process research, and the development of reanalysis data provides a new solution for runoff simulation in data-scarce regions. In order to study the applicability of ERA5-Land reanalysis dataset in local runoff simulation, several evaluation indexes were selected to evaluate the accuracy of ERA5-Land precipitation and temperature in the Manas River basin above the Kanswat hydrological station, and the distribution characteristics of the two ERA5-Land components in the study area were analyzed by empirical orthogonal function (EOF). In terms of accuracy, ERA5-Land has a good correlation with measurement data. The precipitation detection rate was 0.96, which can reflect most precipitation events, but was 21.81% higher than the measured rate. The accuracy of temperature was better comparably, with better overall fitting accuracy, yielding an optimal range of -5-20 ℃, with increasing uncertainties near the extremum. The EOF deterministic mode showed that the precipitation and temperature flutuations in the study area followed basically the same trend, that is, they were susceptible to the influence of large-scale weather system. In the validation period, the Nash coefficients (NSE) were 0.88 and 0.82 for the final SWAT runoff models at daily and monthly scales, respectively. The ERA5-Land reanalysis dataset can provide a reference for runoff simulation in northwest China where measured meteorological data are lacking.

Key words: ERA-Land, SWAT model, runoff, EOF, Manas River, data-scarce regions

中图分类号:

P334.92
X87

唐豪, 王晓云, 陈伏龙, 姜龙, 何朝飞, 龙爱华. 基于ERA5-Land数据集的玛纳斯河径流模拟研究[J]. 地学前缘, 2022, 29(3): 271-283.

TANG Hao, WANG Xiaoyun, CHEN Fulong, JIANG Long, HE Chaofei, LONG Aihua. Simulation of Manas River runoff based on ERA5-Land dataset[J]. Earth Science Frontiers, 2022, 29(3): 271-283.

图/表 19

图1 研究区域示意图

Fig.1 Schematic diagram of the study area

表1 基础数据列表

Table 1 Basic data list

数据类型	数据描述	数据来源
数字高程(DEM)	ASTER GDEM 30 m×30 m	地理空间数据云
土壤数据	世界土壤数据库(HWSD)	联合国粮农组织(FAO)
土地利用数据	中国土地利用遥感数据	中科院地理科学研究所
再分析数据	ERA5-Land	哥白尼气候变化服务数据平台
实测水文气象数据	2000—2012年日径流、日降水、日平均气温数据	石河子水文勘测局

表2 评价指标计算公式

Table 2 Evaluation index calculation formula

指标	计算公式	最优值
相关系数(CC)	CC= $∑ i = 1 n (P i - P ¯) (P' i - P ¯') ∑ i = 1 n (P i - P ¯) 2 ∑ i = 1 n (P' i - P ¯') 2$	1
均方根误差(RMSE)	RMSE= $1 n ∑ 1 n (P' i - P i) 2$	0
相对误差(BIAS)	BIAS= $∑ i = 1 n (P' i - P i) ∑ i = 1 n P' i$ ×100%	0
探测率(POD)	POD= $H H + M$	1
空报率(FAR)	FAR= $F H + F$	0
临界成功指数(CSI)	CSI= $H H + M + F$	1

表2 评价指标计算公式

Table 2 Evaluation index calculation formula

指标	计算公式	最优值
相关系数(CC)	CC= $∑ i = 1 n (P i - P ¯) (P' i - P ¯') ∑ i = 1 n (P i - P ¯) 2 ∑ i = 1 n (P' i - P ¯') 2$	1
均方根误差(RMSE)	RMSE= $1 n ∑ 1 n (P' i - P i) 2$	0
相对误差(BIAS)	BIAS= $∑ i = 1 n (P' i - P i) ∑ i = 1 n P' i$ ×100%	0
探测率(POD)	POD= $H H + M$	1
空报率(FAR)	FAR= $F H + F$	0
临界成功指数(CSI)	CSI= $H H + M + F$	1

图2 子流域划分图

Fig.2 Division of subbasins

图3 土壤类型分布图

Fig.3 Distribution of soil types

图4 土地利用分布图

Fig.4 Land use map

表3 ERA5-Land评价结果

Table 3 ERA5-Land evaluation results

参数	CC	RMSE	BIAS	POD	FAR	CSI
日降水	0.7	2.66	21.81	0.96	0.46	0.56
月降水	0.73	17.96	21.81
日平均气温	0.98	3.94	-7.28
月平均气温	0.99	3.44	-7.09

图5 实测降水与ERA5-Land降水对比

Fig.5 Precipitation comparison between measurement and ERA5-Land data

图6 2000—2012年降水量散点图

Fig.6 Scatter plots of daily precipitation during 2000-2012

图7 降水强度频率分布及降水贡献率

Fig.7 Frequency distribution of precipitation intensities and precipitation contribution rates from measurements and ERA5-Land data

图8 温度散点图

Fig.8 Scatter plots of temperature

图9 降水空间插值图

Fig.9 Spatial interpolation of local precipitation in spring (a), summer (b), autumn (c) and winter (d)

图10 温度空间插值图图中a、b、c、d分别为春季(3—5月)、夏季(6—8月)、秋季(9—11月)、冬季(12月—次年2月)。

Fig.10 Spatial interpolation of local temperature in spring (a), summer (b), autumn (c) and winter (d)

图11 年降水EOF分析结果

Fig.11 EOF analysis results of annual precipitation

图12 年平均气温EOF分析结果

Fig.12 EOF analysis results of annual mean temperature

表4 敏感性分析结果

Table 4 Sensitivity analysis results

敏感性排序	参数名	t-Stat	p-Value	最优值
1	V__SMFMX.bsn	-22.60	0.00	1.12
2	V__SFTMP.bsn	18.14	0.00	3.43
3	V__GWQMN.gw	5.50	0.00	3684.32
4	V__SMTMP.bsn	5.48	0.00	4.13
5	R__SOL_AWC.sol	-3.04	0.00	-0.11
6	V__SMFMN.bsn	-3.02	0.00	0.92
7	V__RCHRG_DP.gw	-1.88	0.06	0.46
8	V__ALPHA_BF.gw	1.82	0.07	0.25
9	R__SOL_BD.sol	-1.81	0.07	0.18
10	V__CN2.mgt	-0.97	0.33	75.09

图13 2002—2012年SWAT模型月平均流量模拟结果

Fig.13 Simulation results of monthly average flow from 2002 to 2012 by SWAT model

图14 2002—2012年SWAT模型日平均流量模拟结果

Fig.14 Simulation results of daily mean flow from 2002 to 2012 by SWAT model

表5 模拟结果评价表

Table 5 Simulation evaluation table

评价指标	率定期		验证期
评价指标	日尺度	月尺度	日尺度	月尺度
NSE	0.84	0.91	0.82	0.88
R²	0.87	0.93	0.86	0.91

参考文献 23

[1]	王浩, 严登华, 贾仰文, 等. 现代水文水资源学科体系及研究前沿和热点问题[J]. 水科学进展, 2010, 21(4):479-489.
[2]	HRACHOWITZ M, SAVENIJE H H G, BLÖSCHL G, et al. A decade of predictions in ungauged basins (PUB): a review[J]. Hydrological Sciences Journal, 2013, 58(6):1-58. DOI URL
[3]	SIVAPALAN M, TAKEUCHI K, FRANKS S W, et al. IAHS decade on predictions in ungauged basins (PUB), 2003-2012: shaping an exciting future for the hydrological sciences[J]. Hydrological Sciences Journal, 2003, 48(6):857-880. DOI URL
[4]	杨云川, 程根伟, 范继辉, 等. 卫星降雨数据在高山峡谷地区的代表性与可靠性[J]. 水科学进展, 2013, 24(1):24-33.
[5]	王书霞, 张利平, 喻笑勇, 等. 遥感降水产品在澜沧江流域径流模拟中的适用性研究[J]. 长江流域资源与环境, 2019, 28(6): 1365-1374.
[6]	NKIAKA E, NAWAZ N, LOVETT J C. Evaluating global reanalysis datasets as input for hydrological modelling in the Sudano-Sahel region[J]. Hydrology, 2017, 4(1): 13. DOI URL
[7]	赵天保, 符淙斌, 柯宗建, 等. 全球大气再分析资料的研究现状与进展[J]. 地球科学进展, 2010, 25(3):242-254.
[8]	HE J, YANG K, TANG W J, et al. The first high-resolution meteorological forcing dataset for land process studies over China[J]. Scientific Data, 2020, 7(1):25. DOI URL
[9]	孟现勇, 师春香, 刘时银, 等. CMADS数据集及其在流域水文模型中的驱动作用:以黑河流域为例[J]. 人民珠江, 2016, 37(7):1-19.
[10]	TOMY T, SUMAM K S. Determining the adequacy of CFSR data for rainfall-runoff modeling using SWAT[J]. Procedia Technology, 2016, 24:309-316. DOI URL
[11]	郭禹含, 王中根, 伍玉良. 多源再分析降水数据在拉萨河流域应用对比研究[J]. 地理科学进展, 2017, 36(8): 1033-1039. DOI
[12]	谭秋阳, 徐宗学, 赵彦军, 等. CMFD数据集在雅江年楚河流域的适用性分析[J]. 北京师范大学学报(自然科学版), 2021, 57(3): 372-379.
[13]	孙瑞, 张雪芹. 基于SWAT模型的流域径流模拟研究进展[J]. 水文, 2010, 30(3):28-32,47.
[14]	孟宪贵, 郭俊建, 韩永清. ERA5再分析数据适用性初步评估[J]. 海洋气象学报, 2018, 38(1):91-99.
[15]	李福兴, 陈伏龙, 蔡文静, 等. 基于EMD组合模型的径流多尺度预测[J]. 地学前缘, 2021, 28(1):428-437.
[16]	KIM K Y, NORTH G R, HUANG J P. EOFs of one-dimensional cyclostationary time series: computations, examples, and stochastic modeling[J]. Journal of Atmospheric Sciences, 1996, 53(7): 1007-1017. DOI URL
[17]	姜晓峰, 王立, 马放, 等. SWAT模型土壤数据库的本土化构建方法研究[J]. 中国给水排水, 2014, 30(11):135-138.
[18]	徐冬梅, 胡昊, 王文川, 等. SWAT模型土壤物理属性数据库本土化构建研究[J]. 华北水利水电大学学报(自然科学版), 2018, 39(1):36-41.
[19]	SHARPLEY A N, WILLIAMS J R. EPIC-erosion/productivity impact calculator: 1. Model documentation[J]. Technical Bulletin: United States Department of Agriculture, 1990, 4(4):206-207.
[20]	陆平. 基于MODIS数据的新疆玛纳斯河流域积雪监测与融雪径流模拟[D]. 北京: 中国地质大学(北京), 2005.
[21]	李慧, 雷晓云, 包安明, 等. 基于SWAT模型的山区日径流模拟在玛纳斯河流域的应用[J]. 干旱区研究, 2010, 27(5):686-690.
[22]	DEE D P, UPPALA S M, SIMMONS A J, et al. The ERA-Interim reanalysis: configuration and performance of the data assimilation system[J]. Quarterly Journal of the Royal Meteorological Society, 2011, 137(656): 553-597. DOI URL
[23]	张正勇. 玛纳斯河流域产流区水文过程模拟研究[D]. 石河子: 石河子大学, 2018.

基于ERA5-Land数据集的玛纳斯河径流模拟研究

Simulation of Manas River runoff based on ERA5-Land dataset

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 19

参考文献 23

相关文章 4

编辑推荐

Metrics

本文评价

[1]	胡义明, 陈腾, 罗序义, 唐超, 梁忠民. 基于机器学习模型的淮河流域中长期径流预报研究[J]. 地学前缘, 2022, 29(3): 284-291.
[2]	李福兴, 陈伏龙, 蔡文静, 何朝飞, 龙爱华. 基于EMD组合模型的径流多尺度预测[J]. 地学前缘, 2021, 28(1): 428-437.
[3]	康宏志，陈亮，郭祺忠，练继建，侯杰. 海绵城市建设地下水补给计算研究进展[J]. 地学前缘, 2019, 26(6): 58-65.
[4]	李海燕，王垚森，张晓然，闫磊，武利园，金弈，崔如，杨志超. 北京城乡接合部地表颗粒物中重金属污染负荷及健康风险评价 [J]. 地学前缘, 2019, 26(6): 199-206.