BAMS封面论文:中国天然径流量格点数据集CNRD v1.0

1 研究背景

Background

水是人类赖以生存与发展的物质基础，也是我们感知和应对气候变化的重要媒介。受独特季风气候与阶梯状地形影响，中国水资源分布极不均匀，缺水问题突出，是全球水资源极度脆弱的地区之一。人类活动与气候变化的复合作用，进一步加剧了中国水循环过程研究的复杂性。因此，迫切需要一套质量可靠、时空连续，且剔除大规模人类活动影响下的天然径流数据，为水循环研究提供本底数据支持。然而，中国现有的天然径流资料缺失率较高，参考站点密度不足，在年际和季节变化尺度上存在较大偏差，难以客观揭示大尺度径流变化的自然规律。

北京师范大学地理科学学部缪驰远课题组重建了一套长时序、区域全覆盖、高质量的天然径流格点数据集，命名为CNRD v1.0（The China Natural Runoff Dataset version 1.0）。CNRD v1.0提供了1961~2018年间中国0.25°×0.25°天然径流估算量的日值、月值和年值。该成果入选水文气象领域国际顶级期刊Bulletin of the American Meteorological Society（BAMS）2022年第10期纸质版的封面论文（图1），并被作为亮点成果进行了专题报道。

图1 CNRDv1.0数据集及相关成果当选BAMS期刊2022年10期封面

2 数据集介绍

Intro

CNRD v1.0 数据集基于 VIC (Variable Infiltration Capacity) 分布式水文模型，结合模型参数不确定分析框架（图2）和翔实的水文气象资料重建得到。为提高模型性能及参数优化效率，对模型敏感参数使用基于自适应的替代模型优化算法ASMO (Adaptive Surrogate Modeling-based Optimization) 自动率定。在此基础上，该数据集采用了多尺度参数区域化MPR (Multiscale Parameter Regionalization) 方法来估算无资料地区的模型参数。

图2 参数不确定性分析框架示意图，包括参数敏感性分析、参数优化及参数区域化

研究基于200个水文站点观测资料进行模型率定，结果显示模型参数在大多数站点得到了充分校准，模型纳什效率系数（NSE）在率定期和验证期的平均值分别为0.83和0.80。无资料流域交叉验证结果显示，MPR方法提供了最佳的参数区域化方案，率定期 NSE中位数为0.76，验证期NSE中位数为0.72。结果总体显示水文模型参数率定和区域化表现良好，可用于长时序径流数据重建。另外，通过与两套全球径流格点数据集ISIMIP和GRUN比较，发现CNRD v1.0数据集的径流空间分布上过渡更加连续，且在表示中国复杂地形和气候理分划下的水资源空间分布方面优于全球径流数据集（图3）。

图3 CNRD v1.0径流产品质量评估

3 结语

Conclusion

CNRD v1.0是目前全国范围内采用率定信息最丰富的天然径流数据集，同时也是国内首次采用MPR方法实现无资料地区径流参数率定的数据集。作为高质量的时空连续径流数据集，CNRD v1.0 可用于检测气候变化对水文过程的影响，支持水资源管理决策系统，交叉验证多源遥感数据以及其他需要时空连续天然径流数据的学科领域。CNRD数据集将持续更新，并在未来会耦合多模式强迫数据，同时改进中国干旱/半干旱地区径流的模拟精度，进一步减少径流数据集的不确定性。

4 数据链接

Link

国家青藏高原科学数据中心：https://doi.org/10.11888/Atmos.tpdc.272864.