多源定量降水估计(QPE)及其对洪水过程模拟影响的水文学评估

Objectively evaluating Quantitative Precipitation Estimation (QPE) and deriving the best estimation of precipitation at river basin scale, represent the bottleneck faced by the hydrometeorological community. They are desired by many researches including flood forecasting, such as the Global Flood Monitoring System (GFMS) and Dominant river tracing-Routing Integrated with VIC Environment (DRIVE) model developed by the PI of this proposal. QPE is widely accepted as the primary uncertainty source in many land surface and hydrological modeling studies, which not only undermines the interpretation of model results and the understanding of the mechanics behind them, but also impedes the usage of models, the model parameterization and further development. We propose a concept based on hydrological methodology to objectively evaluate QPE and assist in the correction of QPE toward the best estimation of precipitation at river basin scale, and demonstrate the feasibility and reliability of the concept and the methodology. Specifically, we will further study and develop the Multiple-product-driven hydrological Modeling Framework (MMF), invented by the PI recently, in river basins/sub-basins with different hydroclimate and topographic characteristics. The MMF will merge useful information from all available multi-source observations of water budget components using Kalman Filter and Particle Filter based data assimilation techniques, and integrate measurements with modeling while seeking comprehensive validation and understanding of modeling, to achieve the objective evaluation of various QPE products particularly regarding their relative merits over river basins. The best estimation of precipitation for river basins is then obtained with the MMF, based on which various quantitative relations between QPE and model output uncertainties will be investigated in this study.

如何客观评估流域定量降水估计(QPE)和获取流域最佳QPE，是水文气象学的瓶颈问题，是洪水预报，如申请人多年研发的全球洪水预报系统(GFMS)和DRIVE水文模型进一步发展，迫切需要解决的关键科学问题。QPE是陆面和水文过程模拟不确定性的首要来源，不仅制约模型结果解读和应用，还影响过程机制的理解，阻碍模型参数优化和模型发展。项目提出并验证“水文学方法客观评估流域QPE，求解最佳降水估计的可行性和可靠性”。基于前期研发的多源驱动集成水文模拟评估框架(MMF)，深入研究和扩展MMF在不同水文气候、地形和观测条件地区的适用性。以水文学理论和方法为基础，利用卡尔曼滤波、粒子滤波数据同化技术，融合流域各水平衡分量多源观测资料，将观测与水文过程模型结合，寻求对水文过程模拟的全面验证，达到客观揭示不同QPE的相对质量，求解流域最佳降水估计。进而，揭示降水-水文模型输出不确定性的定量关系及其时空分布特征。

高质量的降水资料是区域性天气数值预报、水文监测预报的基础，对监测各种灾害，特别是洪水、干旱等重大灾害发生情况有重要作用。如何客观评估流域定量降水估计和获取流域最佳降水，是水文气象学的瓶颈问题，是洪水预报，迫切需要解决的关键科学问题。本项目以如何提高全球洪水模拟和预报效果为立项背景，针对流域尺度降水不确定性问题，提出一种新颖的基于多源观测资料的降水评估框架，主要采用水文学理论和方法，综合分析降水融合产品所驱动的水文过程模拟结果，实现对不同降水产品在流域面尺度上全面客观的评估，并寻求流域尺度最佳降水产品，通过研究不同降水融合产品误差所导致的径流洪水模拟结果的误差，促使模型参数和结构优化，特别是在无资料地区。基于遥感蒸散发资料的模型参数率定结果发现，基于遥感蒸散发资料的方法能够使模型有更好的径流与蒸散发模拟效果，随着遥感资料的不确定性进一步降低，该方法能够在大范围及全球的洪水和干旱模拟中得到广泛应用。针对降水-径流误差传播特征的研究表明，在年和月尺度上降水-径流误差关系呈现较强的正线性关系，在年尺度上降水误差在径流模拟过程中至少放大一倍。虽然流域大小和地形也影响着降水-径流误差关系和降水误差的传播率，但是它们的作用主要取决于是降水产品、季节和气候条件因素的影响。另外，全球范围的降水与洪水特征（频率、持续时间、强度）的相关研究结果表明，气候和季节性洪水通常与区域降水高值区对应，但洪水频率和洪水持续时间均与降水频率关联更为紧密，而与降水强度关系相对偏弱。以上研究成果对我国洪水预警预报系统的及时性和准确性的提高具有重大意义，具体将从理论上揭示不同地域和时空尺度上，降水误差在水文模型内部传递和传播的过程，促进理解流域尺度的水量动态平衡，强调并展示水文学理论和方法在多源降水数据融合中的重要作用，有效提高洪水模拟和监测结果的解译，利用降水条件与洪水事件的关系，及时提供洪水模拟结果误差预测。