摘要：為探究GLEAM，GLDAS，ERA5三種蒸散發產品在黃河流域的適用性，利用基于水量平衡計算的流坊蒸散發(Erwe)和三重組合(TC)方法，分別評價了流域尺度和柵格尺度上的精度，并基于TC方法的評估結果對產品進行空間融合。結果表明，在流域上3種產品與ETws數值差異程度(RMsE)相差不大，ERA5的相關系數r最大(0.62)，產品在流域內不同集水區存在明顯的表現差異;產品不確定性在流域上空間變化明顯，其中GLDAS在整體上誤差最高，GLEAM和ERA5分別在北部和南部誤差最小;空間融合數據中GLEAM，GL-DAS，ERA5所占比重分別為43%，6%，51%，融合數據在流域上的性能表現較3種產品有較好提升，與ETws的年際變化更為接近。

　　關鍵詞：蒸散發產品;GRACE;三重組合(TC);水量平衡;評估;融合

　　1概況

　　黃河流域由巴顏喀拉山起源至注入渤海，經過青、川、隴、寧、蒙、晉、陜、豫、魯九省，干流全長5464 km，流域面積約7.95 × 10km"，黃河流域地理環境變化復雜，橫跨青藏高原、內蒙古高原、黃土高原，氣候類型多樣，由西部至東部跨越干早、半干旱和半濕潤氣候區域，地處亞洲季風氣候區，多年平均降水量為450 mm，由東南向西北遞減。黃河流域為我國各大流域中受干旱影響最嚴重的區域，因此正確評估黃河流域早情極為重要，其中準確可靠的蒸散發數據為開展黃河流域水文研究的必要條件，因此對這一地區的蒸散發產品評估有重要意義。為此，本文研究了黃河流域GLEAM，GLDAS，ERA5三種蒸散發產品在流域尺度和柵格尺度上的誤差，并基于三重組合(TC)

　　方法的評估結果對產品進行空間上融合，以獲得表現更佳的蒸散發數據。

　　2數據來源

　　2.1 蒸散發產品

　　(1)GLEAM產品。為一套利用遙感數據由GLEAM算法得到的實際蒸散發和土壤濕度數據集，GLEAM算法的核心思想為最大程度提取出目前遙感觀測到的氣象和環境變量中的蒸散發信息。該產品使用Priestley-Taylor方程計算潛在蒸散發量，分別在裸土、高植被和低植被3種不同類型的下墊面上，通過乘以微波植被光學深度

　　(VOD)和土壤根系濕度構建的蒸發強迫因子得到實際蒸散發量。本文使用的GLEAM產品為GLEAMv3.3b，相較于同一代的GLEAMv3.3a版本在驅動數據方面更多地采用了遙感數據替換再分析數據。

　　(2)ERA5再分析產品。歐洲天氣預報中心

　　(ECMWF)繼ERA-15，ERA-40，ERA-Interim之后的第五代全球氣候的大氣再分析數據集[2。

　　ERA5采用了ECMWF綜合預報系統(IFS)的4D數據同化技術，在縱向上有137個以0.01 hPa為間隔的等壓面數據。本文使用其地表層的蒸散發月均值數據(下載網站https://cds.climate.co-

　　pernicus.eu/).

　　(3)GLDAS產品。通過GLDAS陸面數據同化系統，使用先進的陸面模式和數據同化技術，在衛星和地面的觀測數據驅動下的數據集3)，本文采用GLDAS2.1數據集。

　　為了便于數據的評價和融合，將3種數據集的空間分辨率統一重采樣至0.25°×0.25°,在時間 尺度上統一到月尺度,具體信息見表1。

　　2.2 GRACE衛星數據及其他數據

　　使用德州大學空間研究中心(CSR)、德國地球科學研究中心(GFZ)、美國宇航局噴氣推進實驗室(JPL)3個機構的GRACE衛星水儲量數據。由于各機構在計算中所使用的球協系數存在差異，導致結果可能有所不同。為了減少來源不同機構的GRACE數據給試驗結果帶來不確定性，采用3家機構發布數據的平均值來計算流域水儲量變化。

　　降水數據來源于中國氣象數據網提供的中國地面氣象資料日值數據集。選取流域內80個地面氣象站點的降水數據，插值得到流域的面平均降水量。徑流數據來源于水文年鑒，詳細信息見表2。

　　3 研究方法

　　3.1 三重組合方法

　　利用三重組合(TC)方法對3種蒸散發產品 在柵格上進行不確定性評估,并基于結果中的σ 誤差值進行產品融合。TC方法可在缺少高質量 的參考數據集的情況下,實現對產品誤差估算[4]。 假設3個數據集的蒸散發數據與真值之間存在如 下線性相關關系:

　　3.2 水量平衡方法

　　在評價流域尺度的蒸散發產品時,采用的蒸 散發參考值是通過水量平衡的原理計算得到的流 域蒸散發ETWB 。計算公式為:

　　3.3 評價指標

　　采用 Pearson相關系數r、偏差BIAS、均方根 誤差RMSE3個統計指標評估流域尺度上的蒸散發 產品。計算公式為:

　　4 結果與分析

　　4.1 基于水量平衡的產品評估

　　利用水量平衡公式(式(6))計算獲得各流域 上的月平均蒸散發序列,并以此為基準對3種蒸 散發產品進行流域尺度上的統計評估,結果分別 見表3。

　　由表3可看出，在總體流域上3種產品均方根誤差RMsE并無明顯差別，分別為30.64，30.4330.18 mm/A.ERA5的相關系數r為0.63，為3種產品中最大者，表明其與ETw具有較強的相關關系.GLEAM的Bus最低(3.92 mm/月)，與ETw在數值上的差異最小。同時，蒸散發產品在不同流域上的表現差別較大。比較發現，所有產品在上游的青銅峽站中統計指標上的表現均最差。黃河流域的上游處于青藏高原，其復雜地形和氣候的多變性導致這一地區蒸散發估算的不確定性較高。花園口和河口站均位于黃河中游，但在統計指標上差異較大，這可能是由于流域面積不同所致。各產品趨勢線與45線均比較接近，與Etwu的相關程度較高，可很好地反映流域蒸散發的季節性變化。同時發現，由青銅峽一河口-

　　花園口，即黃河上游至下游散點逐漸從45°線的上部變化至下部，特別是在蒸散發高值區(夏季)。

　　也就是說由黃河上游至下游，產品蒸散發值由高于Erw轉變到低于ETw。無論在總體還是單個流域上，GLEAM的表現均優于ERA5和GL-DAS，在采用基于水量平衡的評估方法時，需注意流域水儲量變化AS對該方法的不確定性影響。由于GRACE數據空間分辨率較大，無法提供細致的陸地水儲量空間變化，在一些地下水變化復雜的地區適用性較弱。但GRACE數據仍是研究區域水儲量變化的重要途徑，基于GRACE的水量平衡方法也是評估流域蒸散發的主要手段。

　　4.2 各產品多年平均蒸散發空間分布

　　逐像元計算不同數據集在流域上的多年平均值，從而分析不同產品在空間分布上的差異，結果見圖1。由圖1可看出，GLEAM、GLDAS、ERA5在流域中游空間分布相似，由西北向東南逐漸增大，與這一地區年降水量的分布相吻合。而在上游地區，由于青藏高原復雜的地形影響，各產品的空間分布差異較大且無明顯特征。此外，ERA5和GLDAS在流域年均蒸發值范圍上較為接近，約為150 ~800 mm/年，ERA5有最高的流域面均值(497 mm/年).GLEAM的年蒸發范圍為100~700 mm/年，流域均值為412mm/年，為3種產品中最小的。

　　4.3基于TC方法的產品不確定性評估

　　4.3.1 各產品不確定性的空間分布

　　圖2為基于TC方法估算的3種產品的誤差a。由圖2可看出，GLDAS的誤差。值在流域整體上高于其他2種產品，這與基于水量平衡的產品評估保持一致。誤差。在黃河流域境內空間差異明顯，蒸散發低值區的誤差。小，而高值區的誤差。較大。GLDAS誤差表現出上游和中下游大、中上游小的格局。研究表明，GLDAS蒸散發在黃河上游流域存在的偏差可能來源于其降水驅動數據在這一地區的誤差。而未在模型中充分考慮灌溉導致其在靠近下游地區的不確定性[]GLEAM誤差分布為上小下大，與ERA5正好相反。GLEAM數據在黃河上游的較大誤差可能來源于其驅動數據光學植被深度(VOD)，起伏的地勢不利于VOD的準確獲取。同時，誤差。由研究區的上游至下游呈先減小后增加的變化過程，這與基于水量平衡的產品評估結果一致。

　　4.3.2產品空間融合

　　采用TC方法計算各產品的誤差a，在黃河流域境內逐像元選取。最小的數據集進行3種產品在空間上的融合。圖3為每個柵格選取的產品及選取產品在流域內的占比情況。圖3中，缺省值(白色柵格)為不滿足TC方法條件的柵格點。

　　由圖3可看出，ERA5，GLEAM，GLDAS占據的流域面積分別為50.79%、43.34%、5.82%。GLEAM在北部的誤差。最小，同時ERA5在南部表現最好，不確定性最小。融合數據在空間分布方面與其他3種產品相似，但在流域靠近下游的地區空間變化更為復雜(圖2)。

　　為了形象地反映融合后的數據與3種蒸散發產品的區別，以ETw為參考數據評估融合數據，并與蒸散發產品的評估結果進行比較。融合后的蒸散發數據的RMsE、Bis均有明顯下降，在流域總體上分別為29.55.4.28 mm/月。相關系數r為

　　0.611，略低于ERA5的0.62，但高于GLDASGLEAM的0.60，0.58，與單一數據產品相比，融合后的數據在數值上更接近于ETw。特別是在河口站上，TC的趨勢線相較于其他數據集更明顯接近450線。融合后的數據無論在單個或總體流域的評估中均比3種產品表現更好。

　　為了進一步探究融合數據在年際蒸散發上的表現，同時也為了減小GRACE數據給評估結果帶來的不確定性。以河口站為例，比較了不同產品和Erw年序列上的差異，發現所有產品和融合數據均高估了流域蒸散發的年值，其中ERA5的年蒸散發值最大。GLEAM的變化趨勢與ETws最為接近，其次為TC，而TC與Ew的數值大小最為接近。可見基于TC的融合方法效果明顯，融合后的蒸散發數據準確度更高。

　　5結論

　　a.在流域尺度上，GLEAM，GLDAS，ERA5三種產品與ETw的均方根誤差RMsE相差不大，ERA5與ETw的相關性最好(r=0.62)，GLEAM的偏差BAs最小;在不同面積和地區的集水區產品表現差異明顯。

　　b.基于TC方法的評估結果顯示，在柵格尺度上產品不確定性在流域上有明顯的空間變化，GLEAM，ERA5分別在北部、南部誤差最小，GLDAS在整體上不確定性最高。

　　c.空間融合數據中GLEAM，GLDAS、ERA5所占比重分別為43%.6%，51%，ERA5和GLEAM分別在南北部占主要部分，但融合數據的綜合表現優于3種產品。

　　參考文獻：

　　[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]王潔，邊宇晗，劉俊杰，等，基于同化數據的GRACE衛星反演中國陸地水儲量變化降尺度分析[J].水電能源科學，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網，您身邊的高端學術顧問

文章名稱： 多種蒸散發產品在黃河流域的評估和融合

文章地址： http://www.kg120.com/mianfeiwx/59099.html