2018, Vol. 34
2. 中国气象局武汉暴雨研究所/暴雨监测预警湖北省重点实验室，湖北 武汉 430074
2. Hubei Key Laboratory for Heavy Rain Monitoring and Warning Research, Institute of Heavy Rain, CMA, Wuhan 430074
天气雷达可以提供区域上高时空分辨率的降雨信息[1]，是径流模拟和洪水预报的重要输入之一[2]。由于受地形阻塞[2]、反演算法[3-4]等多种因素的影响，雷达估测降雨总是存在不可消除的误差。Luciana等[5]研究表明雷达估测降雨误差会随网格水平尺度的增大而减小。而且，估测降雨的落区误差比水文模型参数对径流模拟的影响更大，而合理的雷达估测降雨水平分辨率可以降低降雨落区误差对径流模拟的影响[6]。另外，分辨率越高，雷达造价越高。因此，定量分析何种水平分辨率的雷达估测降雨能为径流模拟提供有意义的信息[7]非常重要。
Bong等[8]指出, 在邻域范围内分析雷达估测降雨数据比在网格内分析更合理，即能反映降雨的分布误差又能反映降雨误差随水平尺度的增加而变化的趋势。FSS(Fractions Skill Score)邻域分析方法[9]是对降雨落区误差比较敏感[10]的一种空间分析方法, 可以提供降雨预报效果随水平尺度变化而变化的情况[11]。高玉芳等[12]采用FSS分析方法分析了太湖流域雷达估测降雨效果随水平尺度的变化，结果表明，FSS方法可用于雷达估测降雨最小有效水平尺度的计算。而有效水平尺度上的雷达估测降雨数据的应用可以降低雷达雨量及其位置误差对径流模拟的影响[13]。
以西苕溪流域2010年和2011年两场降雨为研究对象，基于2 km水平分辨率的CINRAD-SB雷达估测降雨数据和雨量站雨量数据，采用FSS方法，分析雷达估测降雨随水平尺度的变化，根据不同降雨阈值情况下FSS目标精度值确定的最小有效水平尺度，将2 km水平分辨率的CINRAD- SB雷达估测降雨数据平均化为大网格分辨率的降雨数据，以不同网格分辨率的雷达估测降雨数据作为HEC-HMS模型输入，分析雷达估测降雨水平分辨率的变化对径流模拟的影响。
2 数据与方法 2.1 研究区域及数据西苕溪流域位于太湖流域上游，是太湖流域重要的源头。本研究以西苕溪横塘村水文站以上流域为研究区域，面积为1 344 km2，研究区域从上游山区过渡到丘陵和平原，平均海拔266 m。年均降水量为1 465.8 mm，70%的降水发生在4—9月[13]。本研究中采用区域内18个雨量站的降雨数据作为实测数据与雷达估测降雨数据进行对比，研究区域、雨量站及横塘村水文站分布图见图 1。
|
图 1 研究区域、雨量站及横塘村水文站分布 |
本文以2010年7月12日00时—16日19时(以下简称事件1)和2011年8月30日05时—9月4日15时(以下简称事件2)的两场降雨为例，采用杭州雷达站CINRAD-SB雷达估测降雨数据，进行雷达估测降雨水平分辨率对径流模拟的影响研究。杭州雷达站位于120.33 °E，30.26 °N，扫描半径为230 km，研究区域距离雷达60~120 km，雷达估测降雨数据水平分辨率为2 km。勾亚彬等[14]已对杭州雷达站不同降水类型的Z(反射率因子)-R(降雨强度)关系进行了研究，发现Z=300R1.4更适合于对流云降水过程。由于选用的2次降水过程都是对流层降水为主，因此，本研究中采用的Z-R关系是Z=300R1.4[15]。用组合反射率计算降雨强度，并处理成与HEC-HMS模型兼容的格式。
2.2 方法径流模拟采用由美国陆军工程兵团(US Army Corps of Engineers)水文工程中心(Hydrological Engineering Center，HEC)开发的HEC-HMS次降雨径流模型[16]，该模型适用于洪水预报时的降雨径流计算。基于HEC-DSS (Data Storage System)[16]模块为HEC-HMS模型建立雷达估测降雨、雨量站降雨及水文观测数据等的数据库。采用HEC-GeoHMS (The Geospatial Hydrologic Modeling Extension)模块，以STRM90 m数据高程模型[17]对研究区域进行水系提取、流域划分等处理，生成HEC-HMS可使用的数据。采用HEC-HMSv3.4，以横塘村水文站为流域出口，采用初损常损模型计算渗透损失，SCS(Soil Conservation Service)模型模拟计算直接径流，指数退水模型进行基流计算，马斯京根法进行河道汇流演算。以雨量站降雨数据为输入，对HEC-HMS参数进行校核，建立西苕溪HEC-HMS水文模型。
FSS方法计算公式及使用方法见参考文献11，降雨阈值q设为q=0.5, 1, 2, 5, 10, 20 mm。邻域网格数n设为n=2, 4, 6, 8, 10，……，26，计算雷达估测降雨1 h累积降雨效果随水平尺度n的变化。
3 结果及分析 3.1 FSS结果及分析采用泰森多边形法将两场降雨事件的雨量站1 h累积降雨量插值成分辨率为2 km的面雨量并与雷达估测降雨相对应。为了说明FSS曲线特征与雷达估测降雨水平尺度的变化关系，从两场降雨事件中选取4个1 h累积降雨的个例进行说明。4个1 h累积降雨个例中雷达估测降雨和雨量站插值后面雨量分布图及FSS曲线在不同降雨阈值情况下随水平尺度的变化见图 2~5。图中，FSSuniform为合理的最小水平尺度对应的FSS值；FSSrandom为雷达随机估测对应的FSS值[12]，从图 2~5可以看出FSS值随n增加而增大。
|
图 2 2010年12月7日15:00时1 h累积降雨量分布及FSS曲线图 a.雷达；b.雨量站；c. q=1；d. q=10。 |
|
图 3 2010年7月13日10:00时1 h累积降雨量分布及FSS曲线图 a.雷达；b.雨量站；c. q=1；d. q=20。 |
|
图 4 2010年7月14日14:00时1 h累积降雨量分布及FSS曲线图 a.雷达；b.雨量站；c. q=1；d. q=10。 |
|
图 5 2011年8月30日07:00时1 h累积降雨量分布及FSS曲线图 a.雷达；b.雨量站；c. q=1；d. q=3。 |
在这4个个例中，根据FSSuniform，雷达估测降雨最小有效水平尺度在降雨阈值q=1 mm/h时是6 km(个例1)和2 km(个例2~4)，在降雨阈值q=10 mm/h、20 mm/h时是6~8 km。另外，由于是与雨量站降雨数据相比，雨量站分布均匀程度和雨量站密度会影响雷达估测降雨的检验效果，当雷达估测降雨出现严重高估或低估时，应设置较低的降雨阈值，如果降雨阈值q设置的过高，会导致在所有的水平尺度上FSS数值都比较小，甚至由于降雨落区不匹配导致无法得到最小有效水平尺度。
3.2 径流模拟对雷达估测降雨水平分辨率的响应根据FSSuniform值, 4个降雨个例中最小有效水平尺度是2~8 km (图 2~5)。由于CINRAD- SB雷达估测降雨水平分辨率为2 km，将其平均化为4、6、8 km的大网格分辨率，分别以2、4、6、8 km分辨率的雷达估测降雨数据和雨量站降雨数据作为HEC-HMS模型输入，对两场降雨事件进行径流模拟。横塘村水文站模拟流量过程曲线和实测流量曲线见图 6。基于实测流量数据，对比以雷达估测降雨数据和雨量站雨量数据为输入的流量模拟结果，相对误差和Nash-Sutcliffe相关系数见表 1、2。
|
表 1 降雨事件1径流模拟相对误差和Nash-Sutcliffe相关系数 |
|
|
表 2 降雨事件2径流模拟相对误差和Nash-Sutcliffe相关系数 |
从图 6a可以看出基于雷达估测降雨的模拟流量均低于实测流量，基于2 km和6 km水平分辨率的雷达测雨数据和雨量站数据的流量过程线比4 km水平分辨率的雷达测雨数据的流量过程线更接近实测流量过程线。基于6 km水平分辨率雷达测雨数据的第一次洪峰流量大于其他模拟结果和实测数据，第二次洪峰流量小于其他模拟结果和实测数据。从表 1可以看出，基于8 km水平分辨率的雷达测雨数据的总径流量相对误差最大，Nash-Sutcliffe相关系数最小，为0.71。基于6 km水平分辨率的雷达测雨数据的总径流量相对误差最小。基于4 km水平分辨率的雷达测雨数据的洪峰流量误差最大，基于2 km水平分辨率的雷达测雨数据的洪峰流量误差最小，Nash-Sutcliffe相关系数最大，为0.90。
|
图 6 横塘村水文站模拟流量过程曲线和实测流量曲线 obs表示实测径流量，gauge表示基于雨量站雨量的模拟径流。a.事件1；b.事件2。 |
从图 6b可以看出模拟流量过程曲线和实测过程曲线比较接近。从表 2可以看出，基于2 km水平分辨率的雷达测雨数据的总径流量和洪峰流量相对误差都是最大。基于6 km水平分辨率的雷达测雨数据的洪峰流量相对误差最小。基于雷达测雨数据的Nash-Sutcliffe相关系数都比较接近，在0.83~0.86之间。
从两场降雨实例中可以看出，基于不同分辨率的雷达估测降雨数据和雨量站降雨数据的径流模拟结果和实测径流都比较吻合。雷达估测降雨水平分辨率从2 km平均为较大的网格分辨率4、6和8 km，总径流量、洪峰流量和洪峰现时都有差异且和网格分辨率没有很好的相关性，但径流模拟效果没有明显降低，这是由于降雨分辨率的变化会导致子流域面平均雨量发生变化。而且，雷达估测降雨随机误差会随水平尺度的增加而被平均掉，同时，如果水平分辨率过大，会把降雨中心平均掉，导致渗透误差加大而影响径流量和洪峰流量，同时使得洪峰出现时间提前或滞后。另外，雷达估测降雨水平分辨率对径流模拟的影响，与所选择的水文模型、降雨的类型、降雨的强度等因素有关。
4 结语(1) 基于FSS邻域分析法分析西苕溪流域夏季两场降雨实例，结果表明，2 km水平分辨率的CINRAD-SB雷达估测降雨，在不同降雨阈值情况下，最小有效水平尺度为2~8 km。
(2) 将2 km水平分辨率的CINRAD-SB雷达估测降雨平均化为4、6、8 km的大网格分辨率的降雨数据，以2、4、6、8 km分辨率的雷达估测降雨数据和雨量站降雨数据作为HEC-HMS模型输入，模拟结果表明，模拟径流和实测径流基本吻合，雷达估测降雨数据水平分辨率从2、4、6 km降低到8 km，径流模拟结果没有显著降低。
(3) 根据FSS邻域分析方法得到的雷达估测降雨最小有效水平尺度分析对径流有效的雷达估测降雨水平分辨率，对改善雷达雨量数据的应用效果意义重大。
(4) 不同研究区域或不同降水方式的雷达估测降雨效果不同，雷达估测降雨的最小有效水平尺度不同，对径流模拟有效的雷达估测降雨水平分辨率不同，另外，水文模型不同，对径流模拟有效的雷达估测降雨水平分辨率也会有差异。
| [1] | 胡淳焓, 黄娟, 王益琴, 等. 基于强度尺度法的雷达和数值模式定量降水预报检验对比[J]. 热带气象学报, 2015, 31(2): 273-279. |
| [2] | 杨传国, 余钟波, 林朝晖, 等. 基于TRMM卫星雷达降雨的流域陆面水文过程[J]. 水科学进展, 2009, 20(4): 461-466. |
| [3] | ZHANG J, QI Y C, KINGSMILL D, et al. Radar-based quantitative precipitation estimation for the cool season in complex terrain: Case studies from the NOAA Hydrometeorology Tested[J]. Journal of Hydrometeorology, 2012b, 13: 1836-1854. DOI:10.1175/JHM-D-11-0145.1 |
| [4] | 高玉芳, 陈耀登, DAVID GOCHIS, 等. JOPLE算法结合双偏振雷达在不同降水过程中的测雨效果分析[J]. 热带气象学报, 2014, 30(2): 361-367. |
| [5] | LUCIANA K C, SMITH J A, BAECK M L, et al. An early performance evaluation of the NEXRAD dual-polarization radar rainfall estimates for urban flood applications[J]. Wea Forecasting, 2013, 28(6): 1478-1497. DOI:10.1175/WAF-D-13-00046.1 |
| [6] | GOURLEY J J, GIANGRANDE S E, HONG Y, et al. Impacts of polarimetric radar observations on hydrologic simulation[J]. Journal of Hydrometeorology, 2010, 12(3): 781-796. |
| [7] | RASMUSSEN S H, CHRISTENSEN J H, DREWS M, et al. Spatial scale characteristics of precipitation simulated by regional climate models and the implications for hydrological modelling[J]. Journal of Hydrometeorology, 2012, 13(6): 1817-1836. DOI:10.1175/JHM-D-12-07.1 |
| [8] | BONG C S, KRAJEWSKI W F. Scale dependence of radar rainfall uncertainty: initial evaluation of NEXRAD's new super-resolution data for hydrologic applications[J]. Journal of Hydrometeorology, 2010, 11(5): 1191-1198. DOI:10.1175/2010JHM1265.1 |
| [9] | ERIC G, AHIJEVYCH D, BROWN B G, et al. Intercomparison of spatial forecast verification methods[J]. Wea Forecasting, 2009, 24(5): 1416-1430. DOI:10.1175/2009WAF2222269.1 |
| [10] | AHIJEVYCH D, ERIC G, BROWN B G, et al. Application of spatial verification methods to idealized and NWP-Gridded precipitation forecasts[J]. Wea Forecasting, 2009, 24(6): 1485-1497. DOI:10.1175/2009WAF2222298.1 |
| [11] | DEY S R A, GIOVANNI L, ROBERTS N M, et al. A spatial view of ensemble spread in convection permitting ensembles[J]. Mon Wea Rev, 2014, 142(11): 4091-4208. DOI:10.1175/MWR-D-14-00172.1 |
| [12] | 高玉芳, 陈耀登, 蒋义芳, 等. 太湖流域雷达雨量数据水平尺度的选取[J]. 热带气象学报, 2015, 31(3): 417-423. |
| [13] | WAN R R, YANG G S. Influence of Land Use/Cover Change on Storm Runoff —A Case Study of Xitiaoxi River Basin in Upstream of Taihu Lake Watershed[J]. Chinese Geographical Science, 2007, 17(4): 349-356. DOI:10.1007/s11769-007-0349-6 |
| [14] | 勾亚彬, 刘黎平, 杨杰, 等. 基于雷达组网拼图的定量降水估测算法业务应用及效果评估[J]. 气象学报, 2014, 72(4): 731-748. DOI:10.11676/qxxb2014.050 |
| [15] | GRAMS H M, ZHANG J, ELMORE K L. Automated identification of enhanced rainfall rates using the Near-Storm environment for radar precipitation estimates[J]. Journal of Hydrometeorology, 2014, 15(3): 1238-1254. DOI:10.1175/JHM-D-13-042.1 |
| [16] | US Army Corps of Engineers Hydrologic Engineering Center. Hydrologic Modeling System HEC-HMS, User's Manual Version 3. 4[R]. 2009, http://www.hec.usace.army.mil, 52. |
| [17] | http://www.gscloud.cn/sources |