多源融合降水實況分析產品在海河流域的適用性評估

莊園煌 陳宏 , 余文韜 孫密娜 徐姝 韓婷婷

1 天津市氣象臺，天津 300074

2 中國氣象局水文氣象重點開放實驗室，北京 100081

1 引言

海河流域地處京畿要地，區域內大中城市眾多，人口密集，經濟發展較快，具有重要的戰略意義與研究價值。近十年海河流域的平均降水量大約是558.89 mm，呈現增多趨勢（http://www.hwcc.gov.cn/wwgj/xxgb/szygb/[2022-10-30]）。流域90% 以上的暴雨集中在7～8 月，尤其是7 月下旬到8 月上旬，易發生極端暴雨，且落區主要分布在太行山、燕山山脈的迎風山區（秦大庸等,2011;關鐵生等,2012）。海河流域由于上游河網龐大，下游尾閭狹細，較為集中的強或極端降水使其極易形成洪澇災害，比如2012 年“7.21”、“7.25”和臺風“煙花”以及“達維”等強降水天氣發過程的發生給流域內的自然環境和社會經濟發展造成了嚴重的影響（孫建華等,2013;吳曼麗等,2014;盧煥珍等,2014;饒晨泓等,2022）。

為滿足智能網格精細化預報業務的迫切需求，國家氣象信息中心結合地面觀測、衛星、天氣雷達等多源數據，經過多年不斷完善融合技術，研制出業務化的亞洲區域中國氣象局（CMA）陸面數據同化系統（CMA Land Data Assimilation System，CLDAS）和中國區域融合降水分析系統（CMA Multi-source Precipitation Analysis System，CMPAS），并于2018年6 月通過業務準入，實時業務下發供各級氣象部門使用（潘旸等,2018;師春香等,2019）。通過與其他國內外的降水產品，如CMORPH、TRMM 3B42（Tropical Rainfall Measuring Mission,3B42）和GPCP（Global Precipitation Climatology Project）等降水產品進行對比評估，結果表明，中國逐日融合降水數據集對中國強降水事件的監測具有更明顯的優勢且精度更高（江志紅等,2013;宇婧婧等,2015;孫帥等,2020;吳薇等,2021）。俞劍蔚等（2019）利用國家級格點實況分析資料并分析其在江蘇地區的適用性，結果表明格點實況數據在平原地區均有較高的精度。龍柯吉等（2020）利用多種降水實況融合產品，評估其在四川一次強降水過程中的表現，結果表明，降水融合產品對強降水的表現能力較高，有很好的監測能力。許冠宇等（2020）對國家級降水融合產品在長江流域的適用性研究指出，與二源融合產品相比，多源融合降水產品與站點的誤差更小，估算準確率更高。

面雨量作為洪水預報中的一個重要參數，其表征的是特定流域內單位面積上的平均降水量，能客觀反映特定流域的降水情況（徐晶等,2001）。因此，精準監測面雨量對洪水預見期的預報，以及各級政府和氣象、水文等有關部門組織制定防洪抗汛和中小河流洪水、山洪地質災害預警決策和政策具有十分重要的現實意義（董官臣等,2000;包紅軍等,2020）。目前，面雨量常用的估算方法有算術平均法，泰森多邊法和等雨量線法（畢寶貴等,2003;王新龍等,2003;劉靜等,2014;尉英華等,2014;楊森等,2017;楊寅等,2022）。張靈等（2016）利用算術平均法和泰森多邊形法分別計算長江上游六大流域1961～2015 年逐月面雨量，結果表明兩種計算方法均能很好地反映出長江上游六大流域的降水干濕分析的季節特征。王皓等（2014）利用CMORPH融合降水產品與地面觀測雨量資料，采用網格算術平均法與泰森多邊形法估算淮河流域的面雨量并進行對比分析，結果表明CMORPH 融合降水產品精度更高。粟運等（2022）基于中國CLDAS-Prcp和IMERG-Final（Integrated Multi-satelliE Retrievals for GPM Final Run）多源融合降水產品對綦江流域的小時面雨量變化特征進行研究，結果表明CLDASPrcp 在面雨量峰值以及變化趨勢上更貼近觀測數據。相比于算術平均法和泰森多邊法，等雨量法由于精度高，操作復雜且多依賴于分析技巧，在日常業務和科研中使用較少。

綜上所述，多源融合降水實況分析產品數據在各省市的質量情況和適用性評估已開展了不少研究工作，但在海河流域，多源融合降水實況分析產品的質量穩定性和適用性如何，及其估算的面雨量質量評估等研究工作還較少，均有待進一步研究。因此，本文主要基于國家氣象信息中心研制的CMPA多源融合降水實況分析產品，對海河流域2021 年6～9 月面雨量開展質量和適用性評估，以期為該產品在海河流域面雨量的業務應用提供科學依據，也為后期的預報產品檢驗提供數據支撐。

2 研究區域和數據方法

2.1 研究區域概況

海河流域地理位置大約在（35°N～43°N，112°E～120°E）范圍內，面積約32.06×104km2，主要包括北京、天津、河北、河南、山東、遼寧、內蒙古和山西等8 個?。ㄗ灾螀^、直轄市）。整個流域屬于溫帶季風氣候，多年平均降水量為539 mm，降水主要集中在夏季，全年大約有75%～85%的降水量集中在6～9 月（楊志峰等,2005）。由海河流域各分區和站點地理空間位置及其海拔高度圖可以看出，整個流域地勢呈現西北高東南低，西部和北部為黃土高原、太行山區、蒙古高原和燕山山區，東部和東南部為平原地區（余文韜等,2015）。流域內支流眾多，大約有4928 個站點（圖1b）。為了使研究結果更好地業務化應用并結合流域防汛抗旱服務需求，本文不僅將海河流域作為一個整體研究，而且還按照海河流域二級河流水系的劃分標準，將其分為北三河、大清河、海河干流、黑龍港運東、灤河、徒駭馬頰河、永定河、漳衛河和子牙河等9個分區進行研究，分區的具體位置如圖1a 所示。

圖1 海河流域（a）九大河系及其海拔高度和（b）站點位置Fig.1 (a) Altitudes of the nine major river networks and (b) locations of stations in the Haihe River basin

2.2 數據來源

本文使用的逐小時降水數據資料包括地面站點和CMPA 多源融合實況分析產品（以下簡稱為融合實況產品），其中，融合實況產品是實時產品，空間分辨率為5 km。站點和融合實況產品數據均來源于氣象大數據云平臺“天擎”，下載網址如下：http://10.226.64.50:8088/cmadaas/?1663923333455[2022-10-30]。選取的時間段是2021 年6 月1 日至9 月30 日，評估的對象為3 h、6 h、12 h 和24 h 面雨量。

2.3 方法說明

首先，對站點和融合實況產品數據進行質量控制，即如果地面站點觀測值或融合實況產品任意一方出現缺測，則將該站點對應的觀測值和融合實況產品值均剔除，不參與檢驗評估，以確保評估結果的科學性和可靠性。接著，將質量控制后的融合實況產品進行雙線性插值到對應的站點上。然后，利用站點數據和插值后的融合實況產品，分別計算整個海河流域和9 個分區的站點面雨量數據和融合實況產品面雨量數據。特別說明，面雨量數據的計算是在逐小時降水量累加（08:00 至次天08:00，北京時間，下同）的基礎上，通過算術平均法計算獲得。比如，6 月1 日的逐24 h 面雨量是6 月1 日08:00至6 月2 日08:00 的24 h 降水量累加后，對其區域平均的結果。最后，將站點資料作為“真值”，融合實況產品為檢驗值，參考國家局下發的《實況分析產品質量評估規范（2019 版）》中提供的方法，對海河流域全區和9 個分區的面雨量進行定量評估。在分級評估中，由于目前《中短期天氣預報質量檢驗辦法(試行)》中提供的降水等級劃分只有逐12 h和逐24 h 的標準。因此，只展示12 h 和24 h 面雨量的評估結果。

采用的評估指標分別有線性趨勢估計（Reg）、相關系數（COR）、平均誤差（ME）和均方根誤差（RMSE）以及晴雨準確率（PC）。其中，線性趨勢估計和相關系數是用來反映站點觀測和融合實況產品之間的相互吻合程度；均方根誤差能更好地反映融合實況產品與站點觀測之間的偏差程度，用來準確反映產品的精確度。晴雨準確率是檢驗融合實況產品對海河流域有或無降水的把握能力。對于有或無降水的界定，我們以累計降水量0.1 mm 為閾值，將大于等于0.1 mm 定義為有降水。

各個評估指標公式如下：

線性趨勢估計（R）為

其中，A是回歸系數，B是回歸常數，A和B均可以通過最小二乘法求得。在本文中，R是融合實況產品數值，x是地面站點觀測值。

相關系數（COR）為

其中，Oi為站點觀測值，Gi為融合實況產品插值到檢驗站點得到的數值，N為參與檢驗的總樣本數，即總站點數。

在灌注水泥砂漿之前，首先鉆芯取樣，測定母體瀝青混合料空隙率，確定填充水泥砂漿用量和技術指標設計參數，同時控制水泥砂漿流動性，使用高頻率平板振動裝置，以保證水泥砂漿的順利滲入。而對于大規模施工時，水泥砂漿的灌入應采用特制的水泥砂漿噴灑車進行施工，提高施工效率，保證施工過程中水泥砂漿的流動和均勻性。

平均誤差（ME）為

其中，NA為降水預報正確的總站數，NA為空報的總站數，NC為漏報的總站數，ND為無降水預報正確的總站數。

3 結果與分析

3.1 全區降水量評估結果分析

由于面雨量是降水量估算的結果，所以先對2021 年6～9 月整個海河流域融合實況產品降水數據與地面站點降水觀測的空間分布特征進行比較分析。結果表明，融合實況產品能夠很好地再現海河流域2021 年6～9 月站點降水量的空間分布結構，二者均表現出東高西低，南高北低的區域差異性。整個時段平均，降水最大的站點出現在海河流域南部，降水量超過8 mm；次之是海河流域北部，站點降水量介于5～8 mm；降水最少的存在于海河流域西北部和中部（圖2a-2b）。與站點相比，融合實況產品高估了海河流域大部分站點的降水量，且隨著降水量的增多，產品高估的數值也越大，大約高估了1 mm（圖2c）；由均方根誤差結果也可以看出，海河流域大部分區域的均方根誤差低于3 mm，由此可知，隨著降水量的增加，融合實況產品和站點之間的誤差也不斷增大，融合實況產品與站點的離散度也不斷增大。

進一步計算晴雨準確率來了解融合實況產品對海河流域全區有或無降水情況的把握能力。如圖3所示，晴雨準確率隨著降水量累加時長的增加呈現下降趨勢。整個流域平均而言，逐3 h、逐6 h 和逐12 h 面雨量的晴雨準確率均在90%以上，分別是94%、93%和91%；逐24 h 面雨量的晴雨準確率是89%?？梢?，融合實況產品對于整個海河流域的“有”或“無”降水把握還是較好。

3.2 全區面雨量評估結果分析

由降水量的評估結果可知，融合實況產品對海河流域的降水表現能力較優，因此，可以進一步用來估算海河流域的面雨量并對其進行質量評估。圖4 給出了2021 年6～9 月海河流域觀測和融合實況產品的逐3 h、逐6 h、逐12 h 和逐24 h 面雨量的相關關系以及日變化時間序列。整個海河流域平均結果顯示，站點和融合實況產品的逐3 h、逐6 h、逐12 h 和逐24 h 面雨量的日變化趨勢總體上比較吻合（圖4a、4d、4g 和4j），相關系數均大于0.99，呈現出很高的一致性。面雨量大值均出現在7 月11 日、7 月21 日、7 月29 日、8 月19 日、9月19 日，均達到暴雨以上（圖4b、4e、4h 和4k）。2021 年6～9 月平均，站點和融合實況產品很接近，二者的平均值分別為0.70 mm 和0.71 mm（逐3h），1.39 mm 和1.41 mm（逐6h），2.77 mm和2.82 mm（逐12h），5.54 mm 和5.64 mm（逐24h），比較而言，融合實況產品整體上表現為略微高估。從站點和融合實況產品的誤差可以看出，逐3h 的偏差最小，次之是逐6 h 和逐12 h，最大的偏差是逐24 h，誤差將近6 mm（圖4c、4f、4i和4l）。以上分析說明，隨著降水量累加時長和降水量的增加，融合實況產品與站點的誤差也不斷增大。

圖4 2021 年6～9 月海河流域站點（黑實線）和融合實況產品（綠虛線）逐日面雨量（第一行）以及二者的相關關系（第二行）和偏差（第三行）的時間序列：（a-c）逐3 h 面雨量；（d-f）逐6 h 面雨量；（g-i）逐12 h 面雨量；（j-l）逐24 h 面雨量Fig.4 Time series of daily areal rainfall (the first line) between the observed (black solid line) and CMPA (green dashed line) in the Haihe River basin from June to September 2021,and their correlation (the second line) and deviation (the third line): (a-c) 3-h areal rainfall;(d-f) 6-h areal rainfall;(g-i) 12-h areal rainfall;(j-l) 24-h areal rainfall

從站點和融合實況產品面雨量的日內變化結果可知，二者的日內變化趨勢基本一致（圖5a、5d、5g 和5j）。對于逐小時面雨量而言，表現為從11點開始面雨量逐步增加，在凌晨達到峰值后，開始逐漸減小，中午的面雨量小雨夜間的，日內最小面雨量在早晨09:00 至10:00，最大值在夜間23:00至01:00（圖5a）。誤差從中午到凌晨的逐時變化幅度不大，除了22:00 和02:00，其余時刻實況融合產品表現為正偏差，最大值偏差在早上04:00 至07:00，但差值均在0.02 mm 以下（圖5b-5c）。對于逐3 h、逐6 h 和逐12 h 面雨量，面雨量從晚上20:00 開始增加，到早上08:00 達到峰值，最小值均在晚上20:00，最大值在中午08:00 至11:00（圖5d、5g、5j）。逐3h 的誤差最大的存在于下午17:00（圖5e-5f），逐6 h 和逐12 h 的最大誤差均在晚上20:00（圖5h-5i 和5k-5l）。從圖5 還可以看出，面雨量日內的誤差也隨著累計時長的增加而增大，4 個不同累計時段的面雨量誤差排序：逐小時＜逐3 h＜逐6 h＜逐12 h。

圖5 2021 年6～9 月海河流域站點（紅線）和融合實況產品（藍線）面雨量（第一行）和二者的偏差（第二行）以及均方根誤差（第三行）的日變化：（a-c）逐1 h 面雨量；（d-f）逐3 h 面雨量；（g-i）逐6 h 面雨量；（j-l）逐12 h 面雨量Fig.5 Daily variation of areal rainfall (the first line) between the observed (red line) and CMPA (blue line) in the Haihe River basin from June to September 2021,and its deviation (the second line) and RMSE (the third line): (a-c) 3-h areal rainfall;(d-f) 6-h areal rainfall;(g-i) 12-h areal rainfall;(j-l) 24h areal rainfall

圖6 2021 年6～9 月海河流域9 個分區站點和融合實況產品的小時面雨量（線狀）及其偏差（柱狀）：（a）逐3 h 面雨量；（b）逐6 h面雨量；（c）逐12 h 面雨量；（d）逐24 h 面雨量Fig.6 Areal Rainfall (lines) and their deviation (column) between the observed and CMPA from June to September 2021 for nine major River Networks in the Haihe River basin: (a) 3-h areal rainfall;(b) 6-h areal rainfall;(c) 12-h areal rainfall;(d) 24-h areal rainfall

從站點和融合實況產品面雨量的日內變化結果可知，二者的日內變化趨勢基本一致（圖5a、5d、5g 和5j）。對于逐小時面雨量而言，表現為從11:00 開始面雨量逐步增加，在凌晨達到峰值后，開始逐漸減小，中午的面雨量小雨夜間的，日內最小面雨量在早晨09:00 至10:00，最大值在夜間23:00 至01:00（圖5a）。誤差從中午到凌晨的逐時變化幅度不大，除了22:00 和02:00，其余時刻實況融合產品表現為正偏差，最大值偏差在早上04:00 至07:00，但差值均在0.02 mm 以下（圖5b-5c）。對于逐3 h、逐6 h 和逐12 h 面雨量，面雨量從晚上20:00 開始增加，到早上08:00 達到峰值，最小值均在晚上20:00，最大值在中午08:00 至11:00（圖5d、5g、5j）。逐3 h 的誤差最大的存在于下午17:00（圖5e-5f），逐6 h 和逐12 h 的最大誤差均在晚上20:00（圖5h-5i 和5k-5l）。從圖5還可以看出，面雨量日內的誤差也隨著累計時長的增加而增大，4 個不同累計時段的面雨量誤差排序：逐小時＜逐3 h＜逐6 h＜逐12 h。

最后，根據我國《江河面雨量等級劃分標準》，將12 h 和24 h 面雨量分為小雨、中雨、大雨、暴雨、大暴雨和特大暴雨等6 個等級，具體劃分閾值見表1，對海河流域各量級面雨量出現頻次進行比較分析。由于2021 年6～9 月海河流域的12 h 和24 h 面雨量最大只達到暴雨級別，因此只分析無雨到暴雨的統計結果。由表2 可知，無論是12 h 還是24 h 面雨量，2021 年6～9 月整個海河流域平均的降水主要以小雨和中雨為主，出現的頻次分別是69 d 和26 d（12 h），76 d 和21 d（24 h），二者占整個汛期的75%以上。大雨和暴雨出現的頻次較少，整個汛期大約總共出現10 d 左右?？傮w而言，融合實況產品對于各量級面雨量出現頻次均能有很好的表現能力。與站點相比，融合實況產品各量級的頻次與站點結果很接近，融合實況產品估算的面雨量主要集中在與站點的同一量級和比其大一個量級的范圍內，這與前文得到的融合實況產品對站點存在高估的結論相一致。各量級融合實況產品和站點一一對應的比例分別是小雨96%和93%；中雨100% 和95%；大雨75% 和100%；暴雨均為100%，這可能是因為本文選取的時段較短，出現暴雨的樣本量較少。

表1 面雨量等級劃分表Table 1 Grades of areal rainfall

表2 2021 年6～9 月海河流域各量級面雨量出現頻次統計結果Table 2 The frequency of areal rainfall of each grade in the Haihe River basin from June to September 2021

3.3 分區降水量和面雨量評估結果分析

站點降水量分區評估結果來看，2021 年6～9月平均降水量最大的出現在漳衛河子流域，降水量在8 mm 以上；北三河、灤河和東南部徒馬河和黑龍港運東等子流域的降水量次之，大約是5～8 mm；最少的存在于永定河和大清河等子流域（圖2a、2b）。與全區評估結果相似，融合實況產品對于降水量較多的子流域，高估的數值也比較大，而且誤差的數值也較大。從圖2c 可以看出，二者在漳衛河子流域的偏差高于1 mm 以上，均方根誤差也達到10 mm 以上（圖2d）。

受降水量的影響，各個子流域的逐3 h、逐6 h、逐12 h 和逐24 h 面雨量的空間分布也均表現出區域差異性：東高西低，南高北低。最大值均位于漳衛河子流域，逐3 h、逐6 h、逐12 h 和逐24 h 面雨量在0.9～8.0 mm；次之是北三河、灤河、徒馬河和海河干流等子流域；最小值存在于永定河子流域。融合實況產品能夠很好地再現站點6～9 月逐3 h、逐6 h、逐12 h 和逐24 h 面雨量的空間分布型。從實況融合產品和站點之間的偏差來看，可分為兩類，第一類是漳衛河、北三河、海河干流和子牙河等子流域，整體差異較大，最大的在漳衛河子流域。第二類是大清河、黑龍港運東、灤河、徒馬河、永定河等子流域，差異相對較?。▓D6）。

以上可以發現，第一類子流域的降水量相對較多、地形海拔相對較高，以山地為主以及流域面積比較??；第二類子流域的降水相對較少，且地形主要以平原為主。由此可見，隨著降水量和海拔高度的增加，融合實況產品和站點之間的差異不斷增大，對站點的表現能力也不斷下降。分區子流域的晴雨準確率結果也可以看出，海河干流、黑龍港運東和徒馬河等海拔高度相對較低的子流域的晴雨準確率也較高，3 個子流域逐3 h、逐6 h、逐12 h 和逐24 h 面雨量的晴雨準確率均高于90%，尤其是逐3 h 面雨量，其晴雨準確率高達95%以上。而對于海拔相對較高的子流域而言，晴雨準確率也比較低，比如永定河子流域，逐24 h 面雨量的晴雨準確率下降至85%左右。

泰勒圖評估結果顯示，在9 個分區的相關系數也均大于0.99，標準差比值的范圍介于0.9～1.01。分區比較，融合實況產品與站點的相關系數在降水量最多的漳衛河子流域最小，標準差比值的也均低于其他分區，次之是子牙河和海河干流子流域。對于海拔相對較低的大清河、黑龍港運東、徒馬河等子流域和降水量較少的永定河子流域，融合實況產品的變化幅度更接近于站點，說明融合實況產品對于這3 個子區域的的表現能力更勝一籌。

4 結論與討論

利用逐小時地面站點降水觀測數據和5 km 融合實況產品數據，采用算術平均法對2021 年6～9月海河流域進行面雨量估算，通過相關系數、平均誤差和均方根誤差等多種評估指標，對融合實況產品數據在海河流域的適用性進行客觀定量評估，得出的結論如下：

（1）5 km 融合實況產品數據的降水落區和走向均與站點觀測較為一致，對于整個海河流域的晴雨準確率達90%以上。5 km 融合實況產品數據估算的逐3 h、逐6 h、逐12 h 和逐24 h 面雨量結果具有與站點比較一致的月變化和日變化趨勢，相關系數都達到0.99 以上。比較而言，融合實況產品數據整體上表現為略微高估，且隨著面雨量累計時長的增加，高估值也不斷增大，其中，24 h 面雨量的高估最大，偏差為0.1 mm。

（2）從空間上來看的話，融合實況產品能夠很好地再現站點6～9 月逐3 h、逐6 h、逐12 h 和逐24 h 面雨量的空間分布型，總體呈現為東高西低，南高北低。誤差分析結果表明，二者的誤差與流域的平均降水量、海拔高度和面積密切相關。與站點相比，融合實況產品數據均高估了海河流域逐3 h、逐6 h、逐12 h 和逐24 h 面雨量，相對較大的高估值主要出現在漳衛河、北三河和海河干流等子流域。

（3）分級評估表明，融合實況產品和站點觀測的各量級面雨量出現頻次統計結果非常接近，融合實況產品的準確率可以達到90%及以上。

總體而言，5 km 融合實況產品數據在海河流域的質量穩定，可進一步應用于海河流域精細化面雨量監測業務中。但是本文也存在一些不足，如由于資料的限制，本文僅對2021 年6～9 月的5 km多源融合實況產品數據進行質量評估。在未來，還可以利用更長時段和更高分辨率，比如最新研制的1 km 多源融合實況產品數據對海河流域面雨量進行質量評估。同時，本文主要是對多源融合實況產品數據在整個海河流域地區適用性的總體評估，如果后期需要將多源融合實況產品數據應用于海河流域其他特定區域或者特定的天氣過程，仍有待進一步進行個例評估。