多源融合降水实况分析产品在海河流域的适用性评估

庄园煌 陈宏 , 余文韬 孙密娜 徐姝 韩婷婷

1 天津市气象台，天津 300074

2 中国气象局水文气象重点开放实验室，北京 100081

1 引言

海河流域地处京畿要地，区域内大中城市众多，人口密集，经济发展较快，具有重要的战略意义与研究价值。近十年海河流域的平均降水量大约是558.89 mm，呈现增多趋势（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，易发生极端暴雨，且落区主要分布在太行山、燕山山脉的迎风山区（秦大庸等,2011;关铁生等,2012）。海河流域由于上游河网庞大，下游尾闾狭细，较为集中的强或极端降水使其极易形成洪涝灾害，比如2012 年“7.21”、“7.25”和台风“烟花”以及“达维”等强降水天气发过程的发生给流域内的自然环境和社会经济发展造成了严重的影响（孙建华等,2013;吴曼丽等,2014;卢焕珍等,2014;饶晨泓等,2022）。

为满足智能网格精细化预报业务的迫切需求，国家气象信息中心结合地面观测、卫星、天气雷达等多源数据，经过多年不断完善融合技术，研制出业务化的亚洲区域中国气象局（CMA）陆面数据同化系统（CMA Land Data Assimilation System，CLDAS）和中国区域融合降水分析系统（CMA Multi-source Precipitation Analysis System，CMPAS），并于2018年6 月通过业务准入，实时业务下发供各级气象部门使用（潘旸等,2018;师春香等,2019）。通过与其他国内外的降水产品，如CMORPH、TRMM 3B42（Tropical Rainfall Measuring Mission,3B42）和GPCP（Global Precipitation Climatology Project）等降水产品进行对比评估，结果表明，中国逐日融合降水数据集对中国强降水事件的监测具有更明显的优势且精度更高（江志红等,2013;宇婧婧等,2015;孙帅等,2020;吴薇等,2021）。俞剑蔚等（2019）利用国家级格点实况分析资料并分析其在江苏地区的适用性，结果表明格点实况数据在平原地区均有较高的精度。龙柯吉等（2020）利用多种降水实况融合产品，评估其在四川一次强降水过程中的表现，结果表明，降水融合产品对强降水的表现能力较高，有很好的监测能力。许冠宇等（2020）对国家级降水融合产品在长江流域的适用性研究指出，与二源融合产品相比，多源融合降水产品与站点的误差更小，估算准确率更高。

面雨量作为洪水预报中的一个重要参数，其表征的是特定流域内单位面积上的平均降水量，能客观反映特定流域的降水情况（徐晶等,2001）。因此，精准监测面雨量对洪水预见期的预报，以及各级政府和气象、水文等有关部门组织制定防洪抗汛和中小河流洪水、山洪地质灾害预警决策和政策具有十分重要的现实意义（董官臣等,2000;包红军等,2020）。目前，面雨量常用的估算方法有算术平均法，泰森多边法和等雨量线法（毕宝贵等,2003;王新龙等,2003;刘静等,2014;尉英华等,2014;杨森等,2017;杨寅等,2022）。张灵等（2016）利用算术平均法和泰森多边形法分别计算长江上游六大流域1961～2015 年逐月面雨量，结果表明两种计算方法均能很好地反映出长江上游六大流域的降水干湿分析的季节特征。王皓等（2014）利用CMORPH融合降水产品与地面观测雨量资料，采用网格算术平均法与泰森多边形法估算淮河流域的面雨量并进行对比分析，结果表明CMORPH 融合降水产品精度更高。粟运等（2022）基于中国CLDAS-Prcp和IMERG-Final（Integrated Multi-satelliE Retrievals for GPM Final Run）多源融合降水产品对綦江流域的小时面雨量变化特征进行研究，结果表明CLDASPrcp 在面雨量峰值以及变化趋势上更贴近观测数据。相比于算术平均法和泰森多边法，等雨量法由于精度高，操作复杂且多依赖于分析技巧，在日常业务和科研中使用较少。

综上所述，多源融合降水实况分析产品数据在各省市的质量情况和适用性评估已开展了不少研究工作，但在海河流域，多源融合降水实况分析产品的质量稳定性和适用性如何，及其估算的面雨量质量评估等研究工作还较少，均有待进一步研究。因此，本文主要基于国家气象信息中心研制的CMPA多源融合降水实况分析产品，对海河流域2021 年6～9 月面雨量开展质量和适用性评估，以期为该产品在海河流域面雨量的业务应用提供科学依据，也为后期的预报产品检验提供数据支撑。

2 研究区域和数据方法

2.1 研究区域概况

海河流域地理位置大约在（35°N～43°N，112°E～120°E）范围内，面积约32.06×104km2，主要包括北京、天津、河北、河南、山东、辽宁、内蒙古和山西等8 个省（自治区、直辖市）。整个流域属于温带季风气候，多年平均降水量为539 mm，降水主要集中在夏季，全年大约有75%～85%的降水量集中在6～9 月（杨志峰等,2005）。由海河流域各分区和站点地理空间位置及其海拔高度图可以看出，整个流域地势呈现西北高东南低，西部和北部为黄土高原、太行山区、蒙古高原和燕山山区，东部和东南部为平原地区（余文韬等,2015）。流域内支流众多，大约有4928 个站点（图1b）。为了使研究结果更好地业务化应用并结合流域防汛抗旱服务需求，本文不仅将海河流域作为一个整体研究，而且还按照海河流域二级河流水系的划分标准，将其分为北三河、大清河、海河干流、黑龙港运东、滦河、徒骇马颊河、永定河、漳卫河和子牙河等9个分区进行研究，分区的具体位置如图1a 所示。

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

2.2 数据来源

本文使用的逐小时降水数据资料包括地面站点和CMPA 多源融合实况分析产品（以下简称为融合实况产品），其中，融合实况产品是实时产品，空间分辨率为5 km。站点和融合实况产品数据均来源于气象大数据云平台“天擎”，下载网址如下：http://10.226.64.50:8088/cmadaas/?1663923333455[2022-10-30]。选取的时间段是2021 年6 月1 日至9 月30 日，评估的对象为3 h、6 h、12 h 和24 h 面雨量。

2.3 方法说明

首先，对站点和融合实况产品数据进行质量控制，即如果地面站点观测值或融合实况产品任意一方出现缺测，则将该站点对应的观测值和融合实况产品值均剔除，不参与检验评估，以确保评估结果的科学性和可靠性。接着，将质量控制后的融合实况产品进行双线性插值到对应的站点上。然后，利用站点数据和插值后的融合实况产品，分别计算整个海河流域和9 个分区的站点面雨量数据和融合实况产品面雨量数据。特别说明，面雨量数据的计算是在逐小时降水量累加（08:00 至次天08:00，北京时间，下同）的基础上，通过算术平均法计算获得。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，对其区域平均的结果。最后，将站点资料作为“真值”，融合实况产品为检验值，参考国家局下发的《实况分析产品质量评估规范（2019 版）》中提供的方法，对海河流域全区和9 个分区的面雨量进行定量评估。在分级评估中，由于目前《中短期天气预报质量检验办法(试行)》中提供的降水等级划分只有逐12 h和逐24 h 的标准。因此，只展示12 h 和24 h 面雨量的评估结果。

采用的评估指标分别有线性趋势估计（Reg）、相关系数（COR）、平均误差（ME）和均方根误差（RMSE）以及晴雨准确率（PC）。其中，线性趋势估计和相关系数是用来反映站点观测和融合实况产品之间的相互吻合程度；均方根误差能更好地反映融合实况产品与站点观测之间的偏差程度，用来准确反映产品的精确度。晴雨准确率是检验融合实况产品对海河流域有或无降水的把握能力。对于有或无降水的界定，我们以累计降水量0.1 mm 为阈值，将大于等于0.1 mm 定义为有降水。

各个评估指标公式如下：

线性趋势估计（R）为

其中，A是回归系数，B是回归常数，A和B均可以通过最小二乘法求得。在本文中，R是融合实况产品数值，x是地面站点观测值。

相关系数（COR）为

其中，Oi为站点观测值，Gi为融合实况产品插值到检验站点得到的数值，N为参与检验的总样本数，即总站点数。

在灌注水泥砂浆之前，首先钻芯取样，测定母体沥青混合料空隙率，确定填充水泥砂浆用量和技术指标设计参数，同时控制水泥砂浆流动性，使用高频率平板振动装置，以保证水泥砂浆的顺利渗入。而对于大规模施工时，水泥砂浆的灌入应采用特制的水泥砂浆喷洒车进行施工，提高施工效率，保证施工过程中水泥砂浆的流动和均匀性。

平均误差（ME）为

其中，NA为降水预报正确的总站数，NA为空报的总站数，NC为漏报的总站数，ND为无降水预报正确的总站数。

3 结果与分析

3.1 全区降水量评估结果分析

由于面雨量是降水量估算的结果，所以先对2021 年6～9 月整个海河流域融合实况产品降水数据与地面站点降水观测的空间分布特征进行比较分析。结果表明，融合实况产品能够很好地再现海河流域2021 年6～9 月站点降水量的空间分布结构，二者均表现出东高西低，南高北低的区域差异性。整个时段平均，降水最大的站点出现在海河流域南部，降水量超过8 mm；次之是海河流域北部，站点降水量介于5～8 mm；降水最少的存在于海河流域西北部和中部（图2a-2b）。与站点相比，融合实况产品高估了海河流域大部分站点的降水量，且随着降水量的增多，产品高估的数值也越大，大约高估了1 mm（图2c）；由均方根误差结果也可以看出，海河流域大部分区域的均方根误差低于3 mm，由此可知，随着降水量的增加，融合实况产品和站点之间的误差也不断增大，融合实况产品与站点的离散度也不断增大。

进一步计算晴雨准确率来了解融合实况产品对海河流域全区有或无降水情况的把握能力。如图3所示，晴雨准确率随着降水量累加时长的增加呈现下降趋势。整个流域平均而言，逐3 h、逐6 h 和逐12 h 面雨量的晴雨准确率均在90%以上，分别是94%、93%和91%；逐24 h 面雨量的晴雨准确率是89%。可见，融合实况产品对于整个海河流域的“有”或“无”降水把握还是较好。

3.2 全区面雨量评估结果分析

由降水量的评估结果可知，融合实况产品对海河流域的降水表现能力较优，因此，可以进一步用来估算海河流域的面雨量并对其进行质量评估。图4 给出了2021 年6～9 月海河流域观测和融合实况产品的逐3 h、逐6 h、逐12 h 和逐24 h 面雨量的相关关系以及日变化时间序列。整个海河流域平均结果显示，站点和融合实况产品的逐3 h、逐6 h、逐12 h 和逐24 h 面雨量的日变化趋势总体上比较吻合（图4a、4d、4g 和4j），相关系数均大于0.99，呈现出很高的一致性。面雨量大值均出现在7 月11 日、7 月21 日、7 月29 日、8 月19 日、9月19 日，均达到暴雨以上（图4b、4e、4h 和4k）。2021 年6～9 月平均，站点和融合实况产品很接近，二者的平均值分别为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），比较而言，融合实况产品整体上表现为略微高估。从站点和融合实况产品的误差可以看出，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，误差将近6 mm（图4c、4f、4i和4l）。以上分析说明，随着降水量累加时长和降水量的增加，融合实况产品与站点的误差也不断增大。

图4 2021 年6～9 月海河流域站点（黑实线）和融合实况产品（绿虚线）逐日面雨量（第一行）以及二者的相关关系（第二行）和偏差（第三行）的时间序列：（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

从站点和融合实况产品面雨量的日内变化结果可知，二者的日内变化趋势基本一致（图5a、5d、5g 和5j）。对于逐小时面雨量而言，表现为从11点开始面雨量逐步增加，在凌晨达到峰值后，开始逐渐减小，中午的面雨量小雨夜间的，日内最小面雨量在早晨09:00 至10:00，最大值在夜间23:00至01:00（图5a）。误差从中午到凌晨的逐时变化幅度不大，除了22:00 和02:00，其余时刻实况融合产品表现为正偏差，最大值偏差在早上04:00 至07:00，但差值均在0.02 mm 以下（图5b-5c）。对于逐3 h、逐6 h 和逐12 h 面雨量，面雨量从晚上20:00 开始增加，到早上08:00 达到峰值，最小值均在晚上20:00，最大值在中午08:00 至11:00（图5d、5g、5j）。逐3h 的误差最大的存在于下午17:00（图5e-5f），逐6 h 和逐12 h 的最大误差均在晚上20:00（图5h-5i 和5k-5l）。从图5 还可以看出，面雨量日内的误差也随着累计时长的增加而增大，4 个不同累计时段的面雨量误差排序：逐小时＜逐3 h＜逐6 h＜逐12 h。

图5 2021 年6～9 月海河流域站点（红线）和融合实况产品（蓝线）面雨量（第一行）和二者的偏差（第二行）以及均方根误差（第三行）的日变化：（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

图6 2021 年6～9 月海河流域9 个分区站点和融合实况产品的小时面雨量（线状）及其偏差（柱状）：（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

从站点和融合实况产品面雨量的日内变化结果可知，二者的日内变化趋势基本一致（图5a、5d、5g 和5j）。对于逐小时面雨量而言，表现为从11:00 开始面雨量逐步增加，在凌晨达到峰值后，开始逐渐减小，中午的面雨量小雨夜间的，日内最小面雨量在早晨09:00 至10:00，最大值在夜间23:00 至01:00（图5a）。误差从中午到凌晨的逐时变化幅度不大，除了22:00 和02:00，其余时刻实况融合产品表现为正偏差，最大值偏差在早上04:00 至07:00，但差值均在0.02 mm 以下（图5b-5c）。对于逐3 h、逐6 h 和逐12 h 面雨量，面雨量从晚上20:00 开始增加，到早上08:00 达到峰值，最小值均在晚上20:00，最大值在中午08:00 至11:00（图5d、5g、5j）。逐3 h 的误差最大的存在于下午17:00（图5e-5f），逐6 h 和逐12 h 的最大误差均在晚上20:00（图5h-5i 和5k-5l）。从图5还可以看出，面雨量日内的误差也随着累计时长的增加而增大，4 个不同累计时段的面雨量误差排序：逐小时＜逐3 h＜逐6 h＜逐12 h。

最后，根据我国《江河面雨量等级划分标准》，将12 h 和24 h 面雨量分为小雨、中雨、大雨、暴雨、大暴雨和特大暴雨等6 个等级，具体划分阈值见表1，对海河流域各量级面雨量出现频次进行比较分析。由于2021 年6～9 月海河流域的12 h 和24 h 面雨量最大只达到暴雨级别，因此只分析无雨到暴雨的统计结果。由表2 可知，无论是12 h 还是24 h 面雨量，2021 年6～9 月整个海河流域平均的降水主要以小雨和中雨为主，出现的频次分别是69 d 和26 d（12 h），76 d 和21 d（24 h），二者占整个汛期的75%以上。大雨和暴雨出现的频次较少，整个汛期大约总共出现10 d 左右。总体而言，融合实况产品对于各量级面雨量出现频次均能有很好的表现能力。与站点相比，融合实况产品各量级的频次与站点结果很接近，融合实况产品估算的面雨量主要集中在与站点的同一量级和比其大一个量级的范围内，这与前文得到的融合实况产品对站点存在高估的结论相一致。各量级融合实况产品和站点一一对应的比例分别是小雨96%和93%；中雨100% 和95%；大雨75% 和100%；暴雨均为100%，这可能是因为本文选取的时段较短，出现暴雨的样本量较少。

表1 面雨量等级划分表Table 1 Grades of areal rainfall

表2 2021 年6～9 月海河流域各量级面雨量出现频次统计结果Table 2 The frequency of areal rainfall of each grade in the Haihe River basin from June to September 2021

3.3 分区降水量和面雨量评估结果分析

站点降水量分区评估结果来看，2021 年6～9月平均降水量最大的出现在漳卫河子流域，降水量在8 mm 以上；北三河、滦河和东南部徒马河和黑龙港运东等子流域的降水量次之，大约是5～8 mm；最少的存在于永定河和大清河等子流域（图2a、2b）。与全区评估结果相似，融合实况产品对于降水量较多的子流域，高估的数值也比较大，而且误差的数值也较大。从图2c 可以看出，二者在漳卫河子流域的偏差高于1 mm 以上，均方根误差也达到10 mm 以上（图2d）。

受降水量的影响，各个子流域的逐3 h、逐6 h、逐12 h 和逐24 h 面雨量的空间分布也均表现出区域差异性：东高西低，南高北低。最大值均位于漳卫河子流域，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、滦河、徒马河和海河干流等子流域；最小值存在于永定河子流域。融合实况产品能够很好地再现站点6～9 月逐3 h、逐6 h、逐12 h 和逐24 h 面雨量的空间分布型。从实况融合产品和站点之间的偏差来看，可分为两类，第一类是漳卫河、北三河、海河干流和子牙河等子流域，整体差异较大，最大的在漳卫河子流域。第二类是大清河、黑龙港运东、滦河、徒马河、永定河等子流域，差异相对较小（图6）。

以上可以发现，第一类子流域的降水量相对较多、地形海拔相对较高，以山地为主以及流域面积比较小；第二类子流域的降水相对较少，且地形主要以平原为主。由此可见，随着降水量和海拔高度的增加，融合实况产品和站点之间的差异不断增大，对站点的表现能力也不断下降。分区子流域的晴雨准确率结果也可以看出，海河干流、黑龙港运东和徒马河等海拔高度相对较低的子流域的晴雨准确率也较高，3 个子流域逐3 h、逐6 h、逐12 h 和逐24 h 面雨量的晴雨准确率均高于90%，尤其是逐3 h 面雨量，其晴雨准确率高达95%以上。而对于海拔相对较高的子流域而言，晴雨准确率也比较低，比如永定河子流域，逐24 h 面雨量的晴雨准确率下降至85%左右。

泰勒图评估结果显示，在9 个分区的相关系数也均大于0.99，标准差比值的范围介于0.9～1.01。分区比较，融合实况产品与站点的相关系数在降水量最多的漳卫河子流域最小，标准差比值的也均低于其他分区，次之是子牙河和海河干流子流域。对于海拔相对较低的大清河、黑龙港运东、徒马河等子流域和降水量较少的永定河子流域，融合实况产品的变化幅度更接近于站点，说明融合实况产品对于这3 个子区域的的表现能力更胜一筹。

4 结论与讨论

利用逐小时地面站点降水观测数据和5 km 融合实况产品数据，采用算术平均法对2021 年6～9月海河流域进行面雨量估算，通过相关系数、平均误差和均方根误差等多种评估指标，对融合实况产品数据在海河流域的适用性进行客观定量评估，得出的结论如下：

（1）5 km 融合实况产品数据的降水落区和走向均与站点观测较为一致，对于整个海河流域的晴雨准确率达90%以上。5 km 融合实况产品数据估算的逐3 h、逐6 h、逐12 h 和逐24 h 面雨量结果具有与站点比较一致的月变化和日变化趋势，相关系数都达到0.99 以上。比较而言，融合实况产品数据整体上表现为略微高估，且随着面雨量累计时长的增加，高估值也不断增大，其中，24 h 面雨量的高估最大，偏差为0.1 mm。

（2）从空间上来看的话，融合实况产品能够很好地再现站点6～9 月逐3 h、逐6 h、逐12 h 和逐24 h 面雨量的空间分布型，总体呈现为东高西低，南高北低。误差分析结果表明，二者的误差与流域的平均降水量、海拔高度和面积密切相关。与站点相比，融合实况产品数据均高估了海河流域逐3 h、逐6 h、逐12 h 和逐24 h 面雨量，相对较大的高估值主要出现在漳卫河、北三河和海河干流等子流域。

（3）分级评估表明，融合实况产品和站点观测的各量级面雨量出现频次统计结果非常接近，融合实况产品的准确率可以达到90%及以上。

总体而言，5 km 融合实况产品数据在海河流域的质量稳定，可进一步应用于海河流域精细化面雨量监测业务中。但是本文也存在一些不足，如由于资料的限制，本文仅对2021 年6～9 月的5 km多源融合实况产品数据进行质量评估。在未来，还可以利用更长时段和更高分辨率，比如最新研制的1 km 多源融合实况产品数据对海河流域面雨量进行质量评估。同时，本文主要是对多源融合实况产品数据在整个海河流域地区适用性的总体评估，如果后期需要将多源融合实况产品数据应用于海河流域其他特定区域或者特定的天气过程，仍有待进一步进行个例评估。