多种蒸散发产品在黄河流域的评估和融合

　　摘要：为探究GLEAM，GLDAS，ERA5三种蒸散发产品在黄河流域的适用性，利用基于水量平衡计算的流坊蒸散发(Erwe)和三重组合(TC)方法，分别评价了流域尺度和栅格尺度上的精度，并基于TC方法的评估结果对产品进行空间融合。结果表明，在流域上3种产品与ETws数值差异程度(RMsE)相差不大，ERA5的相关系数r最大(0.62)，产品在流域内不同集水区存在明显的表现差异;产品不确定性在流域上空间变化明显，其中GLDAS在整体上误差最高，GLEAM和ERA5分别在北部和南部误差最小;空间融合数据中GLEAM，GL-DAS，ERA5所占比重分别为43%，6%，51%，融合数据在流域上的性能表现较3种产品有较好提升，与ETws的年际变化更为接近。

　　关键词：蒸散发产品;GRACE;三重组合(TC);水量平衡;评估;融合

　　1概况

　　黄河流域由巴颜喀拉山起源至注入渤海，经过青、川、陇、宁、蒙、晋、陕、豫、鲁九省，干流全长5464 km，流域面积约7.95 × 10km"，黄河流域地理环境变化复杂，横跨青藏高原、内蒙古高原、黄土高原，气候类型多样，由西部至东部跨越干早、半干旱和半湿润气候区域，地处亚洲季风气候区，多年平均降水量为450 mm，由东南向西北递减。黄河流域为我国各大流域中受干旱影响最严重的区域，因此正确评估黄河流域早情极为重要，其中准确可靠的蒸散发数据为开展黄河流域水文研究的必要条件，因此对这一地区的蒸散发产品评估有重要意义。为此，本文研究了黄河流域GLEAM，GLDAS，ERA5三种蒸散发产品在流域尺度和栅格尺度上的误差，并基于三重组合(TC)

　　方法的评估结果对产品进行空间上融合，以获得表现更佳的蒸散发数据。

　　2数据来源

　　2.1 蒸散发产品

　　(1)GLEAM产品。为一套利用遥感数据由GLEAM算法得到的实际蒸散发和土壤湿度数据集，GLEAM算法的核心思想为最大程度提取出目前遥感观测到的气象和环境变量中的蒸散发信息。该产品使用Priestley-Taylor方程计算潜在蒸散发量，分别在裸土、高植被和低植被3种不同类型的下垫面上，通过乘以微波植被光学深度

　　(VOD)和土壤根系湿度构建的蒸发强迫因子得到实际蒸散发量。本文使用的GLEAM产品为GLEAMv3.3b，相较于同一代的GLEAMv3.3a版本在驱动数据方面更多地采用了遥感数据替换再分析数据。

　　(2)ERA5再分析产品。欧洲天气预报中心

　　(ECMWF)继ERA-15，ERA-40，ERA-Interim之后的第五代全球气候的大气再分析数据集[2。

　　ERA5采用了ECMWF综合预报系统(IFS)的4D数据同化技术，在纵向上有137个以0.01 hPa为间隔的等压面数据。本文使用其地表层的蒸散发月均值数据(下载网站https://cds.climate.co-

　　pernicus.eu/).

　　(3)GLDAS产品。通过GLDAS陆面数据同化系统，使用先进的陆面模式和数据同化技术，在卫星和地面的观测数据驱动下的数据集3)，本文采用GLDAS2.1数据集。

　　为了便于数据的评价和融合，将3种数据集的空间分辨率统一重采样至0.25°×0.25°,在时间 尺度上统一到月尺度,具体信息见表1。

　　2.2 GRACE卫星数据及其他数据

　　使用德州大学空间研究中心(CSR)、德国地球科学研究中心(GFZ)、美国宇航局喷气推进实验室(JPL)3个机构的GRACE卫星水储量数据。由于各机构在计算中所使用的球协系数存在差异，导致结果可能有所不同。为了减少来源不同机构的GRACE数据给试验结果带来不确定性，采用3家机构发布数据的平均值来计算流域水储量变化。

　　降水数据来源于中国气象数据网提供的中国地面气象资料日值数据集。选取流域内80个地面气象站点的降水数据，插值得到流域的面平均降水量。径流数据来源于水文年鉴，详细信息见表2。

　　3 研究方法

　　3.1 三重组合方法

　　利用三重组合(TC)方法对3种蒸散发产品 在栅格上进行不确定性评估,并基于结果中的σ 误差值进行产品融合。TC方法可在缺少高质量 的参考数据集的情况下,实现对产品误差估算[4]。 假设3个数据集的蒸散发数据与真值之间存在如 下线性相关关系:

　　3.2 水量平衡方法

　　在评价流域尺度的蒸散发产品时,采用的蒸 散发参考值是通过水量平衡的原理计算得到的流 域蒸散发ETWB 。计算公式为:

　　3.3 评价指标

　　采用 Pearson相关系数r、偏差BIAS、均方根 误差RMSE3个统计指标评估流域尺度上的蒸散发 产品。计算公式为:

　　4 结果与分析

　　4.1 基于水量平衡的产品评估

　　利用水量平衡公式(式(6))计算获得各流域 上的月平均蒸散发序列,并以此为基准对3种蒸 散发产品进行流域尺度上的统计评估,结果分别 见表3。

　　由表3可看出，在总体流域上3种产品均方根误差RMsE并无明显差别，分别为30.64，30.4330.18 mm/A.ERA5的相关系数r为0.63，为3种产品中最大者，表明其与ETw具有较强的相关关系.GLEAM的Bus最低(3.92 mm/月)，与ETw在数值上的差异最小。同时，蒸散发产品在不同流域上的表现差别较大。比较发现，所有产品在上游的青铜峡站中统计指标上的表现均最差。黄河流域的上游处于青藏高原，其复杂地形和气候的多变性导致这一地区蒸散发估算的不确定性较高。花园口和河口站均位于黄河中游，但在统计指标上差异较大，这可能是由于流域面积不同所致。各产品趋势线与45线均比较接近，与Etwu的相关程度较高，可很好地反映流域蒸散发的季节性变化。同时发现，由青铜峡一河口-

　　花园口，即黄河上游至下游散点逐渐从45°线的上部变化至下部，特别是在蒸散发高值区(夏季)。

　　也就是说由黄河上游至下游，产品蒸散发值由高于Erw转变到低于ETw。无论在总体还是单个流域上，GLEAM的表现均优于ERA5和GL-DAS，在采用基于水量平衡的评估方法时，需注意流域水储量变化AS对该方法的不确定性影响。由于GRACE数据空间分辨率较大，无法提供细致的陆地水储量空间变化，在一些地下水变化复杂的地区适用性较弱。但GRACE数据仍是研究区域水储量变化的重要途径，基于GRACE的水量平衡方法也是评估流域蒸散发的主要手段。

　　4.2 各产品多年平均蒸散发空间分布

　　逐像元计算不同数据集在流域上的多年平均值，从而分析不同产品在空间分布上的差异，结果见图1。由图1可看出，GLEAM、GLDAS、ERA5在流域中游空间分布相似，由西北向东南逐渐增大，与这一地区年降水量的分布相吻合。而在上游地区，由于青藏高原复杂的地形影响，各产品的空间分布差异较大且无明显特征。此外，ERA5和GLDAS在流域年均蒸发值范围上较为接近，约为150 ~800 mm/年，ERA5有最高的流域面均值(497 mm/年).GLEAM的年蒸发范围为100~700 mm/年，流域均值为412mm/年，为3种产品中最小的。

　　4.3基于TC方法的产品不确定性评估

　　4.3.1 各产品不确定性的空间分布

　　图2为基于TC方法估算的3种产品的误差a。由图2可看出，GLDAS的误差。值在流域整体上高于其他2种产品，这与基于水量平衡的产品评估保持一致。误差。在黄河流域境内空间差异明显，蒸散发低值区的误差。小，而高值区的误差。较大。GLDAS误差表现出上游和中下游大、中上游小的格局。研究表明，GLDAS蒸散发在黄河上游流域存在的偏差可能来源于其降水驱动数据在这一地区的误差。而未在模型中充分考虑灌溉导致其在靠近下游地区的不确定性[]GLEAM误差分布为上小下大，与ERA5正好相反。GLEAM数据在黄河上游的较大误差可能来源于其驱动数据光学植被深度(VOD)，起伏的地势不利于VOD的准确获取。同时，误差。由研究区的上游至下游呈先减小后增加的变化过程，这与基于水量平衡的产品评估结果一致。

　　4.3.2产品空间融合

　　采用TC方法计算各产品的误差a，在黄河流域境内逐像元选取。最小的数据集进行3种产品在空间上的融合。图3为每个栅格选取的产品及选取产品在流域内的占比情况。图3中，缺省值(白色栅格)为不满足TC方法条件的栅格点。

　　由图3可看出，ERA5，GLEAM，GLDAS占据的流域面积分别为50.79%、43.34%、5.82%。GLEAM在北部的误差。最小，同时ERA5在南部表现最好，不确定性最小。融合数据在空间分布方面与其他3种产品相似，但在流域靠近下游的地区空间变化更为复杂(图2)。

　　为了形象地反映融合后的数据与3种蒸散发产品的区别，以ETw为参考数据评估融合数据，并与蒸散发产品的评估结果进行比较。融合后的蒸散发数据的RMsE、Bis均有明显下降，在流域总体上分别为29.55.4.28 mm/月。相关系数r为

　　0.611，略低于ERA5的0.62，但高于GLDASGLEAM的0.60，0.58，与单一数据产品相比，融合后的数据在数值上更接近于ETw。特别是在河口站上，TC的趋势线相较于其他数据集更明显接近450线。融合后的数据无论在单个或总体流域的评估中均比3种产品表现更好。

　　为了进一步探究融合数据在年际蒸散发上的表现，同时也为了减小GRACE数据给评估结果带来的不确定性。以河口站为例，比较了不同产品和Erw年序列上的差异，发现所有产品和融合数据均高估了流域蒸散发的年值，其中ERA5的年蒸散发值最大。GLEAM的变化趋势与ETws最为接近，其次为TC，而TC与Ew的数值大小最为接近。可见基于TC的融合方法效果明显，融合后的蒸散发数据准确度更高。

　　5结论

　　a.在流域尺度上，GLEAM，GLDAS，ERA5三种产品与ETw的均方根误差RMsE相差不大，ERA5与ETw的相关性最好(r=0.62)，GLEAM的偏差BAs最小;在不同面积和地区的集水区产品表现差异明显。

　　b.基于TC方法的评估结果显示，在栅格尺度上产品不确定性在流域上有明显的空间变化，GLEAM，ERA5分别在北部、南部误差最小，GLDAS在整体上不确定性最高。

　　c.空间融合数据中GLEAM，GLDAS、ERA5所占比重分别为43%.6%，51%，ERA5和GLEAM分别在南北部占主要部分，但融合数据的综合表现优于3种产品。

　　参考文献：

　　[1]BRECHT MARTENS.DIEGO G MIRALLES.HANS LIEVENS，et al.GL.EAM v3：satellite-based land evaporation and root-zone soil moisture[J].Geoscientific model development discussions，2017，10(5)：903-1925.

　　[2]HANS HERSBACH，BILL.BELL，PAUI.BERRISFORD，et al.The ERA5 global reanalysis[J].Quarterly journal of the royal meteorological society，2020，146(730)：1999-2049.

　　[3]RODELL.M，HOUSER P R，JAMBOR U E A，et al.The global land data assimilation system[J].Bulletin of the American meteorological society，2004，85(3)：381-394.

　　[4]KAIGHIN A.MCCOLL，JUR VOGEIZANG，ALEXANDRA G KONINGS，et al.Extended triple collocation：Estimating errors and correlation coefficients with respect to an unknown target[J].Geo-physical research letters，2014，41(17)：6229-6236.

　　[5]王洁，边宇晗，刘俊杰，等，基于同化数据的GRACE卫星反演中国陆地水储量变化降尺度分析[J].水电能源科学，2020，38(2)：31-35.

　　Abstract: In order to explore the applicability of the three evapotranspiration products of GLEAM, GLDAS and ERA5 in the Yellow River Basin, this paper uses the evapotranspiration based on water balance (Erwg) and triple collocation methods (TC) to evaluate their accuracy at the basin scale and grid scale respectively. The two evapotranspiration products are then integrated spatially based on the evaluation results using TC method. The results show that in the basin scale, the difference (i.e., root-mean-square error) between the three products and the Erwe value is not obvious, the correlation coefficient r of ERA5 is the largest (0.62), and the product behaves obviously performance differences alongwith the catchment area in the watershed. The product uncertainty has apparent spatial variations in the watershed. Generally, GLDAS has the highest error, while GLEAM and ERA5 have the smallest errors in the north and south respectivelv, GLEAM. GLDAS and ERA5 account for 43%, 6% and 51% of the spatial fusion data. The performance of the fusion data in the basin has been improved compared to the three single products, and it is closer to the interannual change of ETwg.

　　Key words: evapotranspiration products; GRACE: Triple Collocation; water balance; evaluation; integration

期刊VIP网，您身边的高端学术顾问

文章名称： 多种蒸散发产品在黄河流域的评估和融合

文章地址： http://www.qikanvip.com/mianfeiwx/59099.html