本文關(guān)鍵詞：多元定量估測(cè)降水和基于雷達(dá)的臨近預(yù)報(bào)降水的水文氣象評(píng)估：贛江流域

  更多相關(guān)文章： 雷達(dá) 衛(wèi)星 雨量計(jì) 定量估測(cè)降水 雷達(dá)臨近預(yù)報(bào)降水 CREST分布式水文模型

【摘要】：水文模型是開(kāi)展水文氣象研究工作的主要工具,在徑流模擬、水資源管理、和洪水災(zāi)害預(yù)報(bào)等領(lǐng)域起著不可缺少的作用。降水產(chǎn)品是水文模型應(yīng)用過(guò)程中的重要驅(qū)動(dòng)數(shù)據(jù),降水?dāng)?shù)據(jù)包括定量估測(cè)降水(雨量計(jì)、雷達(dá)、衛(wèi)星)以及定量預(yù)報(bào)降水。目前獲取定量估測(cè)降水的方式主要有三種:地面觀測(cè)、雷達(dá)資料以及衛(wèi)星資料反演。定量預(yù)報(bào)降水包括數(shù)值模型的預(yù)報(bào)產(chǎn)品和基于雷達(dá)數(shù)據(jù)的外推產(chǎn)品。本文選擇我國(guó)多雨區(qū)之一的贛江流域?yàn)閷?shí)驗(yàn)流域,將定量估測(cè)降水(QPE)產(chǎn)品與基于雷達(dá)的定量預(yù)報(bào)降水(QPF)產(chǎn)品應(yīng)用于贛江流域的水文模擬中。本文選擇了三種估測(cè)降水:(1)最新的Integrated Multi-satellit E Retrievals from Global Precipitation Measurement(IMERG)產(chǎn)品,(2)基于多雷達(dá)數(shù)據(jù)的Quantitative Precipitation Estimation(QPE)產(chǎn)品(RQPE),(3)雨量計(jì)插值降水產(chǎn)品。本文選擇RQPE和雨量計(jì)插值降水產(chǎn)品作為參考數(shù)據(jù),評(píng)估IMERG產(chǎn)品在贛江流域的適用性。首先對(duì)IMERG降水進(jìn)行統(tǒng)計(jì)評(píng)估,再將三種估測(cè)降水作為水文模型的降水輸入,進(jìn)行贛江流域徑流量的模擬,評(píng)估IMERG模擬徑流量和RQPE、雨量計(jì)插值降水模擬徑流量的優(yōu)劣性。本次研究選擇2014年3月12日-2014年9月30日作為研究時(shí)段,三種估測(cè)降水?dāng)?shù)據(jù)的時(shí)間分辨率為小時(shí),IMERG降水產(chǎn)品和雨量計(jì)插值降水的空間精度為0.1°,RQPE的空間分辨率為0.01°。為了研究的可實(shí)施性本文將IMERG降水產(chǎn)品分別與RQPE和雨量計(jì)插值降水產(chǎn)品進(jìn)行比較。本文將研究時(shí)段分為兩個(gè)時(shí)段,時(shí)段1:2014年3月12日-2014年5月31日,時(shí)段2:2014年6月1日-2014年9月30日。研究結(jié)果表明RQPE和IMERG都有很好的統(tǒng)計(jì)和水文表現(xiàn),并且在時(shí)段1和時(shí)段2 RQPE均優(yōu)于IMERG,在流域和網(wǎng)格的尺度上RQPE的相關(guān)系數(shù)為(時(shí)段1:CC=0.98和CC=0.79,時(shí)段2:CC=0.97和CC=0.59)要高于IMERG的相關(guān)系數(shù)(時(shí)段1:CC=0.79和CC=0.34,時(shí)段2:CC=0.82和CC=0.33)。水文評(píng)估工作是使用CREST(Coupled Routing and Excess Storage)分布式水文模型在設(shè)定的多種研究方案下開(kāi)展的,在率定期(2014年3月12日-2014年5月31日)雨量計(jì)插值降水具有最高的nsce效率系數(shù)(nsce=0.92),rqpe的nsce效率系數(shù)僅次于雨量計(jì)插值降水(nsce=0.84),而imerg的nsce效率系數(shù)(nsce=0.56)。在驗(yàn)證期(2014年6月1日-2014年9月30日),基于在率定期率定出的三套參數(shù),我們分別用imerg,rqpe,和雨量計(jì)插值降水驅(qū)動(dòng)crest分布式水文模型。在驗(yàn)證期rqpe的水文效果優(yōu)于imerg和雨量計(jì)插值降水產(chǎn)品的水文效果。整體而言,從統(tǒng)計(jì)分析和水文分析的結(jié)果得出,rqpe和雨量計(jì)插值降水優(yōu)于imerg降水產(chǎn)品。imerg的水文效果盡管不如imerg和雨量計(jì)插值降水,但是imerg基于rqpe和雨量計(jì)插值降水率定的參數(shù)模擬的徑流量具有很好的效果。imerg需要不斷的更新,就像從版本0更新到版本7的tropicalrainfallmeasuringmission(trmm)降水產(chǎn)品一樣。因此,在未來(lái)的研究工作中要更新imerg算法,并將rqpe更多地應(yīng)用在水文氣象的研究工作中�；诶走_(dá)定量估測(cè)降水(rqpe)很好的水文應(yīng)用效果,本文將基于天氣雷達(dá)的臨近預(yù)報(bào)降水(qpn:quantitativeprecipitationnowcasting)與crest分布式水文模型相結(jié)合,研究臨近預(yù)報(bào)降水?dāng)?shù)據(jù)對(duì)于crest分布式水文模型的適用性,以及crest分布式水文模型對(duì)于贛江流域內(nèi)的徑流的預(yù)報(bào)能力。本研究選擇了多尺度雷達(dá)回波跟蹤算法(mtrec:muti-scaletrackingradarechoesbycross-crrelationscheme和基于網(wǎng)格追蹤的臨近預(yù)報(bào)外推算法(pbn:pixel-basednowcastingalgorithm),總結(jié)二者在贛江流域的預(yù)報(bào)能力和預(yù)報(bào)特點(diǎn)。選取2014年3次降水事件,應(yīng)用mtrec方法和pbn方法進(jìn)行降水的臨近預(yù)報(bào)。首先對(duì)二者的臨近預(yù)報(bào)降水進(jìn)行統(tǒng)計(jì)分析,然后再對(duì)二者的臨近預(yù)報(bào)數(shù)據(jù)進(jìn)行水文分析。在水文分析部分,將預(yù)見(jiàn)期為1~3小時(shí)的臨近預(yù)報(bào)產(chǎn)品作為水文模型的降水輸入,得到徑流量的輸出,將其分別與rqpe雷達(dá)估測(cè)降水產(chǎn)品模擬的徑流量和觀測(cè)徑流量進(jìn)行對(duì)比,從而對(duì)比不同臨近預(yù)報(bào)算法預(yù)報(bào)的降水對(duì)于crest分布式水文模型的適用性。通過(guò)統(tǒng)計(jì)和水文分析得到以下結(jié)論:(1)隨著預(yù)見(jiàn)期的增加,mtrec方法的預(yù)報(bào)性能相對(duì)于pbn方法變化較為平緩。(2)mtrec方法預(yù)報(bào)降水偏弱,且對(duì)于低值降水預(yù)報(bào)較為準(zhǔn)確,而pbn方法預(yù)報(bào)降水偏強(qiáng),且預(yù)報(bào)高值降水較為準(zhǔn)確。(3)mtrec預(yù)報(bào)降水場(chǎng)高值降水區(qū)的范圍偏小而低值降水區(qū)范圍偏大,mtrec預(yù)報(bào)場(chǎng)與rqpe的低值降水區(qū)更為吻合;pbn預(yù)報(bào)的降水場(chǎng)的高值降水區(qū)的范圍偏大而低值降水區(qū)范圍偏小,pbn的預(yù)報(bào)場(chǎng)與rqpe的高值降水區(qū)更為接近。(4)隨著預(yù)見(jiàn)期的增加,mtrec方法對(duì)于三個(gè)個(gè)例的降水概率預(yù)報(bào)整體上較為平穩(wěn),而pbn方法預(yù)報(bào)高值降水(0.4mm/h)的概率偏高,預(yù)報(bào)低值降水(0.4mm/h)的概率偏低。(5)對(duì)于1小時(shí)預(yù)見(jiàn)期的預(yù)報(bào)降水來(lái)說(shuō),pbn模擬的徑流量比mtrec模擬的徑流量更加接近觀測(cè)徑流量。pbn模擬徑流量的誤差隨著預(yù)見(jiàn)期的增加而增大。而mtrec2小時(shí)預(yù)見(jiàn)期的模擬徑流量達(dá)到最優(yōu),這說(shuō)明MTREC的計(jì)算穩(wěn)定性?xún)?yōu)于PBN。(6)MTREC和PBN都準(zhǔn)確地捕捉了洪峰出現(xiàn)的時(shí)間以及徑流變化的總體趨勢(shì)。但是二者在模擬徑流量的大小上均存在誤差,MTREC模擬徑流量低于RQPE模擬徑流量與觀測(cè)徑流量,PBN模擬的徑流量高于RQPE模擬徑流量與觀測(cè)徑流量。
【關(guān)鍵詞】：雷達(dá) 衛(wèi)星 雨量計(jì) 定量估測(cè)降水 雷達(dá)臨近預(yù)報(bào)降水 CREST分布式水文模型
【學(xué)位授予單位】：中國(guó)氣象科學(xué)研究院
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：P412.2;P338
【目錄】：

• 摘要4-7
• Abstract7-12
• 1 引言12-18
• 1.1 研究背景與意義12-13
• 1.2 相關(guān)工作研究進(jìn)展13-16
• 1.2.1 國(guó)內(nèi)外關(guān)于定量估測(cè)降水與水文模型相結(jié)合研究進(jìn)展13-15
• 1.2.2 國(guó)內(nèi)外關(guān)于基于雷達(dá)的臨近預(yù)報(bào)降水與水文模型相結(jié)合研究進(jìn)展15-16
• 1.3 本文研究的目標(biāo)與主要內(nèi)容16-18
• 1.3.1 研究目標(biāo)16
• 1.3.2 主要研究?jī)?nèi)容16-18
• 2 研究區(qū)域、分布式水文模型以及臨近預(yù)報(bào)方法18-24
• 2.1 研究流域概況18
• 2.1.1 贛江流域的地理概況18
• 2.1.2 贛江流域的氣候特征18
• 2.1.3 贛江流域的水文特征18
• 2.2 CREST分布式水文模型的介紹18-19
• 2.3 基于雷達(dá)的臨近預(yù)報(bào)方法介紹19-24
• 2.3.1 多尺度雷達(dá)回波跟蹤算法（MTREC）19-20
• 2.3.2 基于網(wǎng)格追蹤的臨近預(yù)報(bào)外推算法（PBN）20-24
• 3 相關(guān)數(shù)據(jù)24-28
• 3.1 基礎(chǔ)地理數(shù)據(jù)24
• 3.2 蒸散發(fā)數(shù)據(jù)和徑流數(shù)據(jù)24
• 3.3 降水?dāng)?shù)據(jù)24-28
• 3.3.1 定量估測(cè)降水?dāng)?shù)據(jù)24-26
• 3.3.2 臨近預(yù)報(bào)降水?dāng)?shù)據(jù)26-28
• 4 贛江流域水文模型的建立和率定28-30
• 4.1 建立CREST分布式水文模型28-29
• 4.2 模型率定方法29-30
• 5 多元估測(cè)降水?dāng)?shù)據(jù)的水文檢驗(yàn)30-48
• 5.1 降水?dāng)?shù)據(jù)的統(tǒng)計(jì)評(píng)估31-39
• 5.2 基于多種參數(shù)化方案的水文適用性評(píng)估39-45
• 5.2.1 率定期水文評(píng)估39-41
• 5.2.2 三種估測(cè)降水在多種方案下驗(yàn)證期的水文表現(xiàn)41-44
• 5.2.3 參數(shù)補(bǔ)償效應(yīng)44-45
• 5.3 結(jié)論45-48
• 6 基于雷達(dá)的臨近預(yù)報(bào)降水的水文應(yīng)用48-72
• 6.1 研究個(gè)例48
• 6.2 臨近預(yù)報(bào)降水統(tǒng)計(jì)評(píng)估48-66
• 6.3 臨近預(yù)報(bào)降水的水文適用性評(píng)估66-70
• 6.4 結(jié)論70-72
• 7 結(jié)論和展望72-74
• 7.1 結(jié)論72-73
• 7.2 展望73-74
• 參考文獻(xiàn)74-80
• 致謝80-82
• 個(gè)人簡(jiǎn)歷82

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 趙海根;楊勝天;王志偉;周旭;羅婭;吳琳娜;;運(yùn)用分布式水文模型評(píng)估TRMM衛(wèi)星降雨數(shù)據(jù)對(duì)渭河流域水文模擬的適用性（英文）[J];Journal of Geographical Sciences;2015年02期

2 任立良,李春紅,王美榮;HUBEX強(qiáng)化觀測(cè)期雷達(dá)測(cè)雨在水文過(guò)程模擬中的應(yīng)用(英)[J];Advances in Atmospheric Sciences;2003年02期

，

本文編號(hào)：767084