Plateau Meteorology

Plateau Meteorology >

2026 , Vol. 45 >Issue 2: 599 - 612

DOI: https://doi.org/10.7522/j.issn.1000-0534.2025.00077

The Applicability of Gridded Products for Streamflow Simulation in the Taolai River Basin

  • Dekui KANG , 1 ,
  • Kaiqing LIU 1 ,
  • Jianhua SI 2 ,
  • Baolong MA 1 ,
  • Bing JIA 2 ,
  • Haiyang ZHU 1 ,
  • Yongbao LIU 1 ,
  • Chunlin WANG , 3
Expand
  • 1. Water Resources Utilization Center of Taolai River Basin，Gansu Provincial Water Resources Department，Jiuquan 735000，Gansu，China
  • 2. Northwest Institute of Eco-Environment and Resources，Chinese Academy of Sciences，Lanzhou 730000，Gansu，China
  • 3. Department of Geography，Xinzhou Normal University，Xinzhou 034000，Shanxi，China

Received date: 2025-04-08

  Revised date: 2025-06-21

  Online published: 2025-07-22

Copyright

© Editorial Department of Plateau Meteorology （CC BY-NC-ND）
Fold

Abstract

Gridded precipitation， potential evapotranspiration （PET）， and land surface temperature （LST） datasets provide valuable alternatives for hydrologic modeling in ungauged areas.However， their performance in specific regions requires further investigation.This study evaluates six gridded precipitation products （CHIRPS， CMORPH， GPM， GSMaP， MSWEP， and PERSIANN）， three PET products （GLDAS， GLEAM， and ERA5-Land）， and one LST product （MOD11A1） in the Taolai River Basin.The effects of different precipitation and PET inputs on actual evapotranspiration （AET） and soil moisture were also analyzed.The results indicate that runoff simulations vary significantly depending on the precipitation product used.GPM and MSWEP perform best， achieving Nash-Sutcliffe efficiency （NSE） values of 0.58 and 0.54， respectively， during the validation period.These two products are reliable alternatives for precipitation sources in data-scarce scenarios.In contrast， the selection of PET products exhibits limited impact on runoff simulations， with the NSE values ranging from 0.61 to 0.74.If runoff simulation accuracy is the primary concern， the GLDAS， GLEAM， and ERA5-Land products are suitable substitutes.Additionally， when surface temperature data are unavailable， the MOD11A1 product achieves an NSE of 0.61 during the validation period.For scenarios with no meteorological observations， combining GPM or MSWEP precipitation data with any of the three PET products and MOD11A1 yields NSE values exceeding 0.53 in both calibration and validation periods.This study confirms that gridded datasets can partially mitigate hydrological simulation challenges in data-scarce regions， while recommending expanded applicability assessments across more basins to enhance reliability.

Key words： HBV hydrologic model; Taolai River Basin; precipitation products; potential evapotranspiration products

Cite this article

Dekui KANG , Kaiqing LIU , Jianhua SI , Baolong MA , Bing JIA , Haiyang ZHU , Yongbao LIU , Chunlin WANG . The Applicability of Gridded Products for Streamflow Simulation in the Taolai River Basin[J]. Plateau Meteorology, 2026 , 45(2) : 599 -612 . DOI: 10.7522/j.issn.1000-0534.2025.00077

1 引言

水文模拟是目前水文预报、 水文灾害监测、 水资源规划的重要手段， 对于流域的水资源管理至关重要。气象驱动数据是进行流域水文模拟的必备条件， 降水、 潜在蒸散发和地表温度数据的准确性会直接影响水文模拟的可靠性（Evin et al， 2024）。基于气象站的站点观测数据可为水文模拟提供最精确的数据来源， 但在一些气象监测薄弱地区气象驱动数据的获取存在一定的困难（Ghobadi et al， 2024）。讨赖河流域地形复杂， 海拔较高且落差大， 进行高密度地面气象观测工作难度较大。尤其是在偏远山区和高寒地带等自然条件恶劣的地区， 水文气象观测站的安装和维护面临着诸多难题。由于测站较少且分布不均， 讨赖河流域气象监测资料的不足导致其在上游无资料中小流域的水文模拟受到限制。如何寻找所需的气象驱动数据成为该流域径流模拟面临的难题。
近年来， 随着卫星遥感技术和数据同化算法的不断进步， 网格产品的出现为无资料地区径流模拟提供了可供选择的数据来源（Zhou et al， 2022； 黄武斌等， 2025）。以热带降水测量计划（TRMM）、 全球降水观测计划（GPM）等为代表的降水产品目前已在不同时空尺度的水循环研究中得到了广泛的应用。如李艳忠等（2024）在渭河流域、 班春广等（2023）在雅鲁藏布江流域和拉萨河流域以及Wu et al（2023）在黄河流域上游开展的关于不同降水产品水文模拟性能的研究均表明卫星降水产品在径流模拟中具有较大的应用潜力。Li et al（2025）和Taia et al（2023）探究了潜在蒸散发产品在流域水文模拟中的性能， 发现使用潜在蒸散发产品作为流域水文模拟的输入数据可以取得满意的径流模拟效果。相较于站点观测数据， 网格产品具有高覆盖率、 多时间尺度和空间分辨率高等优点， 可以较好地表征不同气象要素的空间分布（Al Khoury et al， 2024； Tang et al， 2024）。然而， 由于不同网格产品在生成过程中使用的驱动数据、 反演算法和同化技术等各异， 各网格产品对气象要素的估计相较于站点观测数据均存在一定的偏差（Le et al， 2023； Qian et al， 2024； 杜娟等， 2024）。产品固有的不确定性可能会影响水文模拟的效果（Meema et al， 2025）。此外， 不同网格产品在不同气候区的精度也存在差异（邢贞相等， 2023）。因此， 利用网格产品开展径流模拟及相关研究时， 需要对多个降水和潜在蒸散发的网格产品进行比较以减少其不确定性。
目前， 在青藏高原主要河流已开展了大量卫星降水产品精度评估及水文模拟的研究。如Lü et al（2024）评估了12套降水产品的精度， 发现不同降水数据集的适用性具有明显的区域相关特征， 并进一步提供了当前主流全球降水数据集在青藏高原不同气候带上的最优选择。Wu et al（2019）对比了CMFD、 TRMM和CHIRPS在青藏高原的水文模拟性能， 发现3种产品在青藏高原湿润地区的表现要优于干旱地区， CMFD相较其他产品能取得更满意的水文模拟效果。李晓玥等（2024）在黄河源区径流模拟的实践则表明， 利用CMADS和TRMM 3B42降水数据集模拟的径流结果甚至要优于实测降水， 证实了网格产品数据可为气象站点稀缺的地区提供建立水文模型的替换方案。针对潜在蒸散发产品在水文模拟中的应用， Geshnigani et al（2021）评估了联合国粮食及农业组织（FAO）发布的WaPOR产品及其水文适用性， 结果表明在气象数据短缺或缺乏的情况下， 可以使用WaPOR产品替代PM（Penman-Monteith）和MHS（修正的Hargreaves-Samani）方法进行水文模拟。Luo and Shao（2022）分析了MOD16A2潜在蒸散发产品的水文适用性， 发现网格潜在蒸散发产品驱动的水文模拟效果要优于SWAT模型内置的潜在蒸散发计算模块。然而， 当前关于网格产品水文适用性的研究主要集中在某一种气象要素， 如单独研究不同降水产品或者潜在蒸散发产品对流域水文模拟效果的影响， 对不同网格气象要素产品组合效果的研究尚缺少全面系统探讨（粟运等， 2022）。流域缺乏气象资料可能面临缺乏降水、 气温和蒸散发等其中一种或多种数据的情形。针对不同的缺资料情形， 如何有针对性的进行流域水文模拟是解决无资料流域水文模拟问题的关键。此外， 当前研究更多关注不同降水和潜在蒸散发输入对径流的影响， 关于其对其他水文变量如实际蒸散发和土壤水分的影响还需进一步探讨。
讨赖河发源于青海省祁连山中段， 径流补给来源包括降水、 冰川积雪融水、 地下水等。在全球气候变暖的背景下， 雪线上移、 冰川退缩等现象使得讨赖河流域的水文情势发生了新的变化（武磊等， 2023）， 亟需开展水文模拟相关的研究为下游灌区水资源的可持续利用提供决策支持。本文结合地面实测数据， 综合评估了6种网格降水产品（CHIRPS、 CMORPH、 GPM、 GSMaP、 MSWEP和PERSIANN）、 3种潜在蒸散发产品（GLDAS、 GLEAM和ERA5-Land）和1种地表温度产品（MOD11A1）在讨赖河流域的水文适用性， 分析了流域在缺乏一种或多种气象数据的情形下， 基于网格气象要素产品在讨赖河流域利用HBV-light模型进行水文模拟的可行性， 明确不同降水和潜在蒸散发输入对实际蒸散发、 土壤水分等水文变量的影响。研究可为讨赖河流域降水、 潜在蒸散发和地表温度产品的选择提供具体的决策支持， 为网格气象要素产品在干旱区内陆河流域的应用和改进提供理论指导。

2 研究区概况

讨赖河流域是黑河流域的一级支流， 位于97°16′E -99°12′E、 38°24′N -39°36′N。流域地势总体西南高东北低， 由西南向东北倾斜。流域面积为15835.82 km2， 干流长约370 km（Zhao et al， 2023）。出山口以上为主要的产流区， 年降水量介于300~450 mm， 多年平均气温为-4.56 ℃， 年实际蒸散发在200~250 mm。出山口多年平均径流量介于4.8×108~9.2×108 m3， 是酒泉盆地和金塔盆地各项用水的主要补给来源（武磊等， 2022）。植被类型以灌木林和草原植被为主， 土壤类型主要有高寒荒漠土、 高寒草甸土和山地栗钙土。讨赖河流域水文气象站点及水系分布如图1所示。
图1 研究区域及站点分布

Fig.1 Location of the weather and streamflow gauging stations in the Taolai River Basin

3 数据来源与模型构建

3.1　数据来源

地面实测数据包括日尺度的气象数据和径流数据。气象数据来源于中国气象科学数据共享服务网（http： //data.cma.cn）， 包括国家气象站托勒站的降水、 气温、 风速、 相对湿度、 日照时数等数据。气温、 风速、 相对湿度、 日照时数等数据用于站点潜在蒸散发的计算。径流数据包括嘉峪关水文站的实测流量资料， 数据来源于甘肃省水文水资源局， 用于水文模型的参数率定及效果评估。

3.2　 HBV-light模型

HBV-light模型是在HBV模型的基础上建立起来的， 主要由冰川积雪消融模块、 土壤模块、 响应模块和汇流模块组成。冰川积雪消融模块采用度日因子法计算冰雪消融量。在土壤模块中， 地下水补给和实际蒸散发用实际土壤蓄水量的函数来计算。响应模块主要对土壤不同土层的产流量进行计算。总径流量通过汇流模块中的三角权重方程进行转换。流域在空间上被划分为不同的高程带， 每个高程带根据冰川的分布又被细分为冰川区和非冰川区。其驱动数据包括日尺度的降水、 气温和潜在蒸散发。对HBV-light模型和计算公式更详细的描述可参考文献Seibert et al（2018）。根据收集到的资料， 本研究以2006年作为模型的预热期， 2007 -2011年作为模型的率定期， 2012 -2015年作为模型的验证期。HBV-light模型各参数的初始范围参考已有的文献报道（陈仁升等， 2014； Finger et al， 2015）。模型参数的具体说明及其范围如表1所示。
表1 HBV-light模型参数及其范围

Table 1 Introduction and range of HBV-light model parameters

参数 说明 单位 参数值范围 率定结果
冰川积雪消融模块 TT 区分降雨、 降雪的临界温度 ℃ –3~3 –0.79
SFCF 降雪的校正系数 0~0.9 0.36
CFMAX 积雪度日因子 mm·（℃·d）-1 1.5~5 2
CFGlacier 冰川度日因子校正系数 1.2~2 1.32
CFSlope 坡向朝南比朝北的冰川消融增加量 1~3 2.40
CFR 重冻结系数 0.02~0.1 0.02
CWH 持水量 0.1~0.4 0.11
土壤模块 FC 土壤田间持水量 mm 100~550 265.55
LP 土壤含水量/田间持水量临界值 0.3~1 0.87
BETA 产流有关的经验参数 1~5 2.46
响应模块 PERC 土壤上层水库到下层水库的最大渗透率 mm·d-1 0~4 0.81
UZL 上层水库含水量的阈值 mm 0~70 58.72
K0 洪峰的出流系数 d-1 0.1~0.5 0.29
K1 壤中流的出流系数 d-1 0.01~0.2 0.09
K2 基流的出流系数 d-1 0.00005~0.1 0.003
汇流模块 MAXBAS 河道汇流参数 d 1~2.5 2.43

3.3　模型评价指标

本文使用纳什效率系数（NSE）、 决定系数（R2 ）和相对偏差（PBIAS）来评估水文模型的径流模拟效果。NSE衡量模型模拟值与观测数据之间整体的拟合程度， 取值范围在-∞~1之间， 理想值为1。根据Moriasi et al（2007）提出的性能评级， 当0.5<NSE≤0.65时， 模拟结果令人满意； 当NSE大于0.65时， 模型表现良好。PBIAS衡量的是模拟径流与实测径流之间的相对偏差。PBIAS大于0和小于0分别表示模拟径流对径流的高估和低估。R2 衡量模拟径流与实际径流的一致性， 理想值为1。3个评价指标对应的计算公式如下所示：
N S E = 1 - ∑ i = 1 n ( Q o b s - Q s i m ) 2 ∑ i = 1 n ( Q o b s - Q o b s ¯ ) 2
P B I A S = ∑ i = 1 n ( Q s i m - Q o b s ) ∑ i = 1 n Q o b s × 100 %
R 2 = ∑ i = 1 n ( Q o b s - Q o b s ¯ ) ( Q s i m - Q s i m ¯ ) 2 ∑ i = 1 n ( Q o b s - Q o b s ¯ ) 2 ∑ i = 1 n ( Q s i m - Q s i m ¯ ) 2
式中： Q obs为径流观测数据； Q o b s ¯为径流观测数据的平均值； Q sim为径流模拟值； Q s i m ¯为径流模拟值的平均值； n为模拟时间序列的长度。

4 结果与分析

4.1　多源遥感降水在讨赖河流域的水文适用性评估

基于讨赖河流域站点观测降水对不同降水产品评估的结果（图2）可知， GPM和MSWEP降水产品与站点观测数据的CC值分别为0.38和0.44， 与站点观测降水的一致性要高于其他产品。分别以不同降水产品及站点观测降水作为HBV-light模型驱动数据， 潜在蒸散发和气温输入选择站点观测数据计算的潜在蒸散发和站点观测地表温度且保持不变， 得到的讨赖河流域率定期（2007 -2011年）和验证期（2012 -2015年）不同降水产品和站点观测降水驱动的日尺度径流模拟值与实测值的对比情况如图3所示。6套降水产品和站点观测降水驱动的径流模拟在验证期的NSE从大到小依次为站点观测降水（0.70）、 GPM（0.58）、 MSWEP（0.54）、 CMORPH（0.53）、 PERSIANN（0.52）、 GSMaP（0.51）和CHIRPS（0.44）。6套降水产品和站点观测降水驱动的径流模拟在验证期的R 2从大到小依次为站点观测降水（0.76）、 CHIRPS（0.67）、 MSWEP（0.64）、 GPM（0.61）、 CMORPH（0.59）、 PERSIANN（0.53）和GSMaP（0.51）。从PBIAS来看， 6套降水产品和站点观测降水驱动的径流模拟在验证期的PBIAS从小到大依次为GSMaP（-4.14%）、 PERSIANN（-4.26%）、 站点观测降水（4.71%）、 GPM（-6.81%）、 CHIRPS（11.16%）、 MSWEP（14.63%）和CMORPH（20.01%）。可以看出， 在讨赖河流域各产品中GPM数据的NSE和R 2都相对较高， 在径流模拟方面表现最好， GSMaP的表现最差。
图2 不同降水产品与站点观测降水的散点分布 （a）PERSIANN， （b）MSWEP， （c）GPM， （d）CHIRPS， （e）GSMaP， （f）CMORPH

Fig.2 Scatterplots of the daily precipitation between different precipitation products and in-situ observations.（a） PERSIANN， （b） MSWEP， （c） GPM， （d） CHIRPS， （e） GSMaP， （f） CMORPH

图3 不同降水产品作为HBV-light输入在讨赖河流域的径流模拟效果 （a）站点观测， （b）CHIRPS， （c）CMORPH， （d）GPM， （e）GSMaP， （f）MSWEP， （g）PERSIANN

Fig.3 Streamflow simulations driven by different precipitation products in the Taolai river basin.（a） 站点观测， （b） CHIRPS， （c） CMORPH， （d） GPM， （e） GSMaP， （f） MSWEP， （g） PERSIANN

不同降水产品驱动径流模拟得到的土壤含水量和实际蒸散发的时间序列如图4所示。表2进一步统计了2007 -2015年不同降水产品驱动径流模拟在讨赖河流域的水量平衡要素年均值， 其中水量平衡方程闭合差为降水量与模拟径流深和实际蒸散发的差值。从图4可以看出， 不同降水产品驱动下模拟的土壤含水量和实际蒸散发差异较大。各降水产品输入下土壤含水量和实际蒸散发在讨赖河流域年均值的波动区间分别为90.18~246.22 mm和137.34~310.20 mm。模拟得到的土壤含水量和实际蒸散发的波动都比较大， 表明不同降水产品输入对土壤含水量和实际蒸散发的模拟影响均较大。CMORPH驱动的径流模拟结果中水量平衡方程闭合差计算结果为-3.25 mm， 相较于其他产品更接近于0。
图4 不同降水产品驱动下水文模拟得到的土壤含水量（a）和实际蒸散发（b~g）（b）CHIRPS， （c）CMORPH， （d）GPM， （e）GSMaP， （f）MSWEP， （g）PERSIANN

Fig.4 Time series of soil water content （a） and actual evapotranspiration （b~g） from hydrologic simulations driven by different precipitation products.（b） CHIRPS， （c） CMORPH， （d） GPM， （e） GSMaP， （f） MSWEP， （g） PERSIANN

表2 2007 -2015年不同网格产品驱动径流模拟在讨赖河流域的水量平衡分析

Table 2 Water balance analysis of streamflow simulations driven by different gridded products in the Taolai river basin from 2007 to 2015

网格产品 水量平衡指标/（mm·a-1）
降水量 模拟径流深 实测径流深 实际蒸散发 潜在蒸散发 土壤含水量 水量平衡方程闭合差
CHIRPS 377.56 90.79 87.85 294.57 880.88 180.30 -7.81
CMORPH 323.07 94.61 87.85 231.70 863.31 180.39 -3.25
站点观测数据 392.43 88.82 87.85 294.68 856.85 104.77 8.94
GPM 254.50 84.95 87.85 189.22 915.56 100.68 -19.68
GSMaP 164.54 84.10 87.85 137.34 798.69 111.35 -56.90
MSWEP 421.22 93.14 87.85 310.20 882.84 246.22 17.89
PERSIANN 225.34 86.39 87.85 167.99 871.32 90.18 -29.03
ERA5-Land 392.43 88.93 87.85 291.37 750.76 105.44 12.13
GLDAS 392.43 84.89 87.85 310.56 1633.29 68.83 -3.02
GLEAM 392.43 87.65 87.85 294.29 587.44 106.42 10.49
MOD11A1 392.43 88.40 87.85 306.58 843.58 79.04 -2.55

4.2　潜在蒸散发产品在讨赖河流域的水文适用性评估

分别以不同潜在蒸散发产品及根据站点观测数据计算的潜在蒸散发作为HBV-light模型驱动数据， 降水和气温输入选择站点观测数据且保持不变， 得到的讨赖河流域率定期（2007 -2011年）和验证期（2012 -2015年）不同潜在蒸散发产品驱动的日尺度径流模拟值与实测值的对比情况如图5所示。由图5可知， 3套潜在蒸散发产品和站点观测数据计算的潜在蒸散发驱动的径流模拟在率定期和验证期NSE的波动区间分别为0.73~0.74和0.61~0.74， R 2在率定期和验证期的波动区间分别为0.73~0.74和0.73~0.76。从PBIAS来看， GLDAS、 GLEAM、 ERA5-Land产品和站点观测数据计算的潜在蒸散发驱动的径流模拟在率定期的PBIAS分别为-2.90%、 -1.72%、 -2.32%和-1.65%， 在验证期的PBIAS分别为-3.97%、 1.74%、 5.89%和4.71%。根据NSE和R 2的评价结果， 不同潜在蒸散发输入驱动的径流模拟效果相差较小， 各产品的表现比较相似。从PBIAS来看， 不同潜在蒸散发输入驱动的径流模拟在率定期均表现为对径流的轻微低估， 在验证期除了GLDAS外， 其他产品均表现为对径流的轻微高估。
图5 不同潜在蒸散发产品作为HBV-light输入在讨赖河流域的径流模拟效果 （a）站点观测， （b）ERA5-Land， （c）GLEAM， （d）GLDAS

Fig.5 Streamflow simulations driven by different PET products in the Taolai river basin.（a） Observation， （b） ERA5-Land， （c） GLEAM， （d） GLDAS

不同潜在蒸散发产品驱动径流模拟得到的土壤含水量和实际蒸散发的时间序列如图6所示， 其水量平衡要素的年均值如表2所示。各潜在蒸散发产品输入下土壤含水量和实际蒸散发在讨赖河流域年均值的波动区间分别为68.83~106.42 mm和291.37~310.56 mm。相较于其他产品， GLDAS数据驱动的模拟年均土壤含水量最低。模拟土壤含水量的波动较大， 而实际蒸散发的波动较小， 表明不同潜在蒸散发产品输入对土壤含水量的模拟影响较大， 对实际蒸散发的影响则较小。
图6 不同潜在蒸散发产品驱动下水文模拟得到的土壤含水量（a）和实际蒸散发（b）

Fig.6 Time series of soil water content （a） and actual evapotranspiration （b） from hydrologic simulations driven by different PET products

4.3　地表温度产品在讨赖河流域的水文适用性评估

以MOD11A1及站点观测地表温度数据作为HBV-light模型驱动数据， 降水和潜在蒸散发输入选择站点观测数据且保持一致， 得到的讨赖河流域率定期（2007 -2011年）和验证期（2012 -2015年）日尺度径流模拟值与实测值的对比情况如图7所示。由图可知， MOD11A1驱动的径流模拟在率定期和验证期的NSE分别为0.73和0.61， R 2均为0.73， PBIAS分别为-2.32%和5.89%。根据各指标的评价结果可知， 基于MOD11A1地表温度产品可以取得满意的径流模拟结果。基于MOD11A1的径流模拟得到的土壤含水量和实际蒸散发的时间序列如图8所示， 其水量平衡要素的年均值如表2所示。站点观测数据和MOD11A1输入下土壤含水量的年均值分别为104.77 mm和79.04 mm， 实际蒸散发的年均值分别为294.68 mm和306.58 mm。
图7 MOD11A1作为HBV-light输入在讨赖河的径流模拟效果 （a）站点观测， （b）MOD11A1

Fig.7 Streamflow simulations driven by MOD11A1 product in the Taolai river basin.（a） observation， （b） MOD11A1

图8 MOD11A1驱动水文模拟得到的土壤含水量（a）和实际蒸散发（b）

Fig.8 Time series of soil water content （a） and actual evapotranspiration （b） from hydrologic simulations driven by MOD11A1 product

4.4　网格产品组合在讨赖河流域的水文适用性分析

图9显示了不同降水和潜在蒸散发输入作为模型驱动数据在讨赖河流域率定期和验证期的径流模拟评估指标。从图9可以看出， 不同产品组合驱动的径流模拟效果在验证期要比率定期较差。根据NSE指标的评价结果， GPM和MSWEP与其他3套潜在蒸散发产品组合对应的NSE都相对高于其他产品组合， 其中GPM与GLDAS、 GLEAM、 ERA5-Land组合对应的NSE在验证期分别为0.53、 0.54、 0.54。MSWEP与GLDAS、 GLEAM、 ERA5-Land组合对应的NSE在验证期分别为0.53、 0.54、 0.53。除了CMORPH和GLDAS组合外， 其他产品组合在验证期的NSE均在0.50以下， 模拟结果均较差。根据R 2指标的评价结果， GPM和MSWEP与其他3套潜在蒸散发产品组合对应的R 2介于0.55~0.61， 也均高于其他产品组合。从PBIAS来看， GPM和MSWEP与其他3套潜在蒸散发产品组合对应的PBIAS分别介于-12.57%~-4.09%和-0.72%~8.53%。GPM与不同潜在蒸散发产品组合对应的PBIAS在率定期和验证期均小于0， 表明以GPM为降水输入的产品组合对径流的模拟在讨赖河流域存在低估的现象， 而MSWEP为降水输入的产品组合对径流的模拟在验证期存在高估的现象。
图9 不同降水和潜在蒸散发产品输入在讨赖河流域的径流模拟效果 （a）PBIAS， （b）NSE， （c）R2

Fig.9 Streamflow simulations driven by different combinations of precipitation and PET products for Taolai river basin.（a） PBIAS， （b） NSE， （c） R2

5 讨论

网格产品的准确性评估是其水文模拟实际应用的前提。评价结果可为讨赖河流域无资料地区气象资料的选择提供具体参考。对比不同降水产品驱动的径流模拟表现可知， GPM和MSWEP驱动的径流模拟结果要优于其他产品， 这可能与两套产品的精度更高有关。由于搭载了双频雷达和微波成像仪， GPM数据可以更加精确的捕捉微量降水和固态降水， 这两种降水是高寒山区降水的重要组成部分， 对于地形复杂、 海拔梯度较大流域的水文模拟至关重要。李艳忠等（2024）在渭河流域关于TRMM和MSWEP水文模拟性能评估的结果表明， 基于多源信息融合的最新产品MSWEP和主动微波产品TRMM在渭河流域具有较强的适应性。TRMM卫星于2015年8月份正式退役， 作为TRMM的后续替代产品， GPM在时空分辨率、 观测精度和准确性等方面对TRMM产品进行了进一步改进， 具有更高的精度（丁明泽等， 2022； 刘兆晨等， 2021）。MSWEP产品融合了地面降水观测数据集、 卫星降水产品以及再分析数据集， 借助权重系数的分配能够在一定程度上有效减少降水估算的总体偏差（Beck et al， 2019）。然而， 采用加权方法生成的MSWEP降水序列， 可能会干扰降水序列本身的自然连续性， 使降水估算值的随机性增大。这种变化可能会对水文过程的迭代模拟产生不利影响， 使得MSWEP在径流模拟方面表现与基于站点观测降水对其评估的结果不一致。其他降水产品精度较低的原因可能与研究区的地形分布有关（王智敏等， 2025）， 在地形复杂或降水时空变异性较强的区域， 遥感降水产品的表现一般（Derin and Yilmaz， 2014）。讨赖河流域地形起伏较大， 当降水产品的空间分辨率较粗时， 网格降水数据难以表征网格覆盖范围内复杂地形条件对降水的影响， 导致降水估算的误差较大。此外， 高海拔山区冰川、 冻土以及积雪的广泛分布也会导致基于被动微波数据估算的降水存在较大偏差（Dinku et al， 2008）。
所选的潜在蒸散发产品在讨赖河流域的径流模拟中均表现出良好的性能， 在率定期和验证期NSE值在0.61~0.74。各潜在蒸散发产品驱动的径流模拟在时间序列变化方面与PM方法计算的潜在蒸散发基本一致， 说明不同潜在蒸散发输入对径流模拟的效果影响较小。在本研究中， 尽管GLDAS估算的潜在蒸散发在量级上要高于ERA5-Land和GLEAM， 但模拟的实际蒸散发和径流与ERA5-Land和GLEAM输入差异较小， 原因可能是HBV-light模型通过参数率定过程降低了潜在蒸散发输入的不确定性（Wang et al， 2023）。这说明在水文模型中可能不需要采用比较复杂的潜在蒸散发估算方法， 尤其是在站点观测数据缺失的条件下， 采用网格潜在蒸散发产品进行径流模拟是可行的， 且具有更高的灵活性。分析不同潜在蒸散发输入对水文变量的影响可知， 虽然模拟流量的差异较小， 但潜在蒸散发输入对土壤含水量的影响较大。GLDAS产品驱动的径流模拟得到的土壤含水量要远低于其他两套产品， 说明网格潜在蒸散发产品之间的差异可能导致模拟土壤含水量的幅度差异更大。在关注水文模拟的其他水文变量时， 需要进一步注意潜在蒸散发产品的选择。
对比MOD11A1及站点观测地表温度数据驱动的讨赖河流域径流模拟结果可知， MOD11A1驱动的径流模拟在率定期的表现与站点观测地表温度基本一致， 在验证期的NSE分别为0.70和0.61， 说明尽管MOD11A1地表温度产品可以替代站点观测地表温度数据取得满意的径流模拟结果， 但是其表现相对于站点观测数据较差。原因可能与MOD11A1在西北干旱区内陆河流域应用的局限性有关。尽管热红外波段反演的地表温度具有较高分辨率， 但是由于热红外信号无法穿透云层， 会导致其对地表温度的估算存在偏差。在青藏高原的西北部、 西部地区， 年均地表温度变化主要是云量变化引起的辐射差异， 区域面积占比达到38.17%（杨梦娇等， 2024）， 这在一定程度上限制了其应用。

6 结论

本文分别分析了在缺乏一种或多种气象驱动数据的情形下， 基于网格气象要素产品在讨赖河流域进行水文模拟的可行性， 据此提出不同缺资料情形下的水文模拟策略。主要的结论如下：
（1） 在流域缺乏降水数据的情形下， 不同降水产品输入对径流模拟的效果影响很大， 验证期的NSE介于0.44~0.58。GPM和MSWEP驱动的径流模拟效果要优于其他降水产品， 其验证期的NSE分别为0.58和0.54， 取得了满意的径流模拟效果。因此在缺乏降水数据时， 推荐使用GPM和MSWEP降水产品作为降水的替代数据源。分析其他水循环变量对不同降水产品输入的响应可知， 各降水产品输入下土壤含水量和实际蒸散发在讨赖河流域年均值的波动区间分别为90.18~246.22 mm和137.34~310.20 mm。不同降水产品输入对土壤含水量和实际蒸散发的模拟影响较大。
（2） 在流域缺乏潜在蒸散发数据的情形下， 不同潜在蒸散发产品驱动的径流模拟效果差异较小， 其验证期的NSE介于0.61~0.74， 表明使用GLDAS、 GLEAM和ERA5-Land潜在蒸散发产品在讨赖河流域均可以取得满意的径流模拟效果。因此， 在讨赖河流域可以使用GLDAS、 GLEAM和ERA5-Land等产品作为潜在蒸散发输入进行日尺度径流模拟。不同潜在蒸散发输入对径流模拟的效果影响较小， 其原因主要与模型的参数率定过程有关。分析其他水循环变量对不同潜在蒸散发产品输入的响应可知， 各潜在蒸散发产品输入下土壤含水量和实际蒸散发在讨赖河流域年均值的波动区间分别为68.83~106.42 mm和291.37~310.56 mm。表明不同潜在蒸散发产品输入对土壤含水量模拟的影响较大， 对实际蒸散发模拟的影响较小。
（3） 在流域同时缺乏降水、 潜在蒸散发和地表温度数据的情形下， GPM和MSWEP降水产品、 3套潜在蒸散发产品与MOD11A1产品组合在讨赖河流域的径流模拟效果要优于其他产品组合， 其率定期和验证期的NSE均在0.53以上， 可以取得较为满意的效果。说明在流域缺乏气象数据时， 完全基于网格气象要素产品数据作为HBV-light的气象驱动数据在讨赖河上游山区进行水文模拟是可行的。然而， 本研究所得到的最优产品组合仅针对讨赖河流域， 其在西北干旱区无资料流域的广泛适用性还需结合更多的流域进行进一步验证。此外， 水文模型的模拟精度还受到模型参数的影响， 未来还需对不同产品数据驱动的模型参数进行不确定性分析， 以提高模拟的准确度。

References

Publishing order | Descend order by publishing year | Descend order by cited within
Al Khoury I， Boithias L， Sivelle V， et al， 2024.Evaluation of precipitation products for small karst catchment hydrological modeling in data-scarce mountainous regions［J］.Journal of Hydrology， 645： 132131.DOI： 10.1016/j.jhydrol.2024.132131 .

Beck H E， Pan M， Roy T， et al， 2019.Daily evaluation of 26 precipitation datasets using Stage-IV gauge-radar data for the CONUS［J］.Hydrology and Earth System Sciences， 23（1）： 207-224.DOI： 10.5194/hess-23-207-2019 .

Derin Y， Yilmaz K K， 2014.Evaluation of multiple satellite-based precipitation products over complex topography［J］.Journal of Hydrometeorology， 15（4）： 1498-1516.DOI： 10.1175/JHM-D-13-0191.1 .

Dinku T， Chidzambwa S， Ceccato P， et al， 2008.Validation of high‐resolution satellite rainfall products over complex terrain［J］.International Journal of Remote Sensing， 29（14）： 4097-4110.DOI： 10.1080/01431160701772526 .

Evin G， Le Lay M， Fouchier C， et al， 2024.Evaluation of hydrological models on small mountainous catchments： impact of the meteorological forcings［J］.Hydrology and Earth System Sciences， 28（1）： 261-281.DOI： 10.5194/hess-28-261-2024 .

Finger D， Vis M， Huss M， et al， 2015.The value of multiple data set calibration versus model complexity for improving the performance of hydrological models in mountain catchments［J］.Water Resources Research， 51（4）： 1939-1958.DOI： 10.1002/2014WR015712 .

Geshnigani F S， Mirabbasi R， Golabi M R， 2021.Evaluation of FAO’s WaPOR product in estimating the reference evapotranspiration for stream flow modeling［J］.Theoretical and Applied Climatology， 144： 191-201.DOI： 10.1007/s00704-021-03534-y .

Ghobadi F， Yaseen Z M， Kang D， 2024.Long-term streamflow forecasting in data-scarce regions： Insightful investigation for leveraging satellite-derived data， Informer architecture， and concurrent fine-tuning transfer learning［J］.Journal of Hydrology， 631： 130772.DOI： 10.1016/j.jhydrol.2024.130772 .

Le X H， Van L N， Nguyen D H， et al， 2023.Comparison of bias-corrected multisatellite precipitation products by deep learning framework［J］.International Journal of Applied Earth Observation and Geoinformation， 116： 103177.DOI： 10.1016/j.jag.2022. 103177 .

Li M， Zou L， Xia J， et al， 2025.Evaluating the performance of five global gridded potential evapotranspiration products in hydrological simulation： Application in the upper Han River Basin［J］.Journal of Hydrology： Regional Studies， 57： 102114.DOI： 10.1016/j.ejrh.2024.102114 .

Luo Z， Shao Q， 2022.A modified hydrologic model for examining the capability of global gridded PET products in improving hydrological simulation accuracy of surface runoff， streamflow and baseflow［J］.Journal of Hydrology， 610： 127960.DOI： 10. 1016/j.jhydrol.2022.127960 .

Lü Y， Yong B， Huang F， et al， 2024.Investigating twelve mainstream global precipitation datasets： Which one performs better on the Tibetan Plateau？［J］.Journal of Hydrology， 633： 130947.DOI： 10.1016/j.jhydrol.2024.130947 .

Meema T， Wattanasetpong J， Wichakul S， 2025.Integrating machine learning and zoning-based techniques for bias correction in gridded precipitation data to improve hydrological estimation in the data-scarce region［J］.Journal of Hydrology， 646： 132356.DOI： 10.1016/j.jhydrol.2024.132356 .

Moriasi D N， Arnold J G， Van Liew M W， et al， 2007.Model evaluation guidelines for systematic quantification of accuracy in watershed simulations［J］.Transactions of the ASABE， 50（3）： 885-900.DOI： 10.13031/2013.23153 .

Qian L， Yu X， Wu L， et al， 2024.Improving high uncertainty of evapotranspiration products under extreme climatic conditions based on deep learning and ERA5 reanalysis data［J］.Journal of Hydrology， 641： 131755.DOI： 10.1016/j.jhydrol.2024.131755 .

Seibert J， Vis M J， Kohn I， et al， 2018.Technical note： representing glacier geometry changes in a semi-distributed hydrological model［J］.Hydrology and Earth System Sciences， 22（4）： 2211-2224.DOI： 10.5194/hess-22-2211-2018 .

Taia S， Scozzari A， Erraioui L， et al， 2023.Comparing the ability of different remotely sensed evapotranspiration products in enhancing hydrological model performance and reducing prediction uncertainty［J］.Ecological Informatics， 78： 102352.DOI： 10. 1016/j.ecoinf.2023.102352 .

Tang R， Peng Z， Liu M， et al， 2024.Spatial-temporal patterns of land surface evapotranspiration from global products［J］.Remote Sensing of Environment， 304： 114066.DOI： 10.1016/j.rse. 2024.114066 .

Wang J， Zhuo L， Han D， et al， 2023.Hydrological model adaptability to rainfall inputs of varied quality［J］.Water Resources Research， 59（2）： e2022WR032484.DOI： 10.1029/2022WR032484 .

Wu X， Su J， Ren W， et al， 2023.Statistical comparison and hydrological utility evaluation of ERA5-Land and IMERG precipitation products on the Tibetan Plateau［J］.Journal of Hydrology， 620： 129384.DOI： 10.1016/j.jhydrol.2023.129384 .

Wu Y， Guo L， Zheng H， et al， 2019.Hydroclimate assessment of gridded precipitation products for the Tibetan Plateau［J］.Science of the Total Environment， 660： 1555-1564.DOI： 10.1016/j.scitotenv.2019.01.119 .

Zhao T， Pan J， Bi F， 2023.Can human activities enhance the trade-off intensity of ecosystem services in arid inland river basins？ Taking the Taolai River asin as an example［J］.Science of the Total Environment， 861： 160662.DOI： 10.1016/j.scitotenv. 2022.160662 .

Zhou L， Koike T， Takeuchi K， et al， 2022.A study on availability of ground observations and its impacts on bias correction of satellite precipitation products and hydrologic simulation efficiency［J］.Journal of Hydrology， 610： 127595.DOI： 10.1016/j.jhydrol.2022.127595 .

班春广， 左德鹏， 徐宗学， 等， 2023.高寒区多源降水产品精度与水文模拟效果评估——以雅鲁藏布江流域和拉萨河流域为例［J］.水土保持学报， 37（2）： 159-168+226.DOI： 10.13870/j.cnki.stbcxb.2023.02.019.Ban C G ，

Zuo D P， Xu Z X， et al， 2023.Assessment on the accuracy and hydrological simulation effect of multi-source precipitation products in the high cold alpine region case study in the Yarlung Zangbo River Basin and the Lhasa River Basin［J］.Journal of Soil and Water Conservation， 37（2）： 159-168+226.DOI： 10.13870/j.cnki.stbcxb.2023.02.019 .

陈仁升， 康尔泗， 丁永建， 2014.中国高寒区水文学中的一些认识和参数［J］.水科学进展， 25（3）： 307-317.DOI： 10.14042/j.cnki.32.1309.2014.03.006.Chen R S ，

Kang E S， Ding Y J， 2014.Some knowledge on and parameters of China's alpine hydrology［J］.Advances in Water Science， 25（3）： 307-317.DOI： 10.14042/j.cnki.32.1309.2014.03.006 .

丁明泽， 雍斌， 杨泽康， 2022.全球降水观测计划多卫星联合反演降水产品的极端降水监测潜力研究［J］.遥感学报， 26（4）： 657-671.DOI： 10.11834/jrs.20220240.Ding M Z ，

Yong B， Yang Z K， 2022.Extreme precipitation monitoring capability of the multi-satellite jointly retrieval precipitation products of Global Precipitation Measurement （GPM） mission［J］.National Remote Sensing Bulletin， 26（4）： 657-671.DOI： 10.11834/jrs.20220240 .

杜娟， 于晓晶， 黎小东， 等， 2024.基于Delta分位数映射法的青藏高原中东部IMERG卫星降水误差订正［J］.高原气象， 43（2）： 366-380.DOI： 10.7522/j.issn.1000-0534.2023.00065.Du J ，

Yu X J， Li X D， et al， 2024.Bias correction of IMERG satellite precipitation in the central and eastern Qinghai-Xizang Plateau based on quantile Delta mapping method［J］.Plateau eteorology， 43（2）： 366-380.DOI： 10.7522/j.issn.1000-0534.2023.00065 .

黄武斌， 伏晶， 郭润霞， 等， 2025.多源降水数据在夏河县果宁村山洪模拟中的精度评估［J］.高原气象， 44（1）： 110-121.DOI： 10.7522/j.issn.1000-0534.2024.00065.Huang W B ，

Fu J， Guo R X， et al， 2025.Accuracy evaluation of multi-source precipitation data in mountain flood simulation in Guoning Village， Xiahe County［J］.Plateau Meteorology， 44（1）： 110-121.DOI： 10.7522/j.issn.1000-0534.2024.00065 .

李晓玥， 文军， 谢琰， 等， 2024.基于多种降水数据产品的黄河源区径流模拟研究［J］.高原气象， 43（3）： 570-582.DOI： 10.7522/j.issn.1000-0534.2023.00086.Li X Y ，

Wen J， Xie Y， et al， 2024.Research on runoff simulation over the source area of the Yellow River based on the multiple precipitation products［J］.Plateau Meteorology， 43（3）： 570-582.DOI： 10.7522/j.issn.1000-0534.2023.00086 .

李艳忠， 星寅聪， 庄稼成， 等， 2024.典型遥感降水产品的水文模拟性能评估［J］.遥感学报， 28（2）： 398-413.DOI： 10.11834/jrs.20222012.Li Y Z ，

Xing Y C， Zhuang J C， et al， 2024.Evaluation of typical remote-sensing precipitation products in hydrological simulation［J］.National Remote Sensing Bulletin， 28（2）： 398-413.DOI： 10.11834/jrs.20222012 .

刘兆晨， 杨梅学， 万国宁， 等， 2021.新型卫星降水产品在黄河源区的适用性分析［J］.高原气象， 40（2）： 403-410.DOI： 10.7522/j.issn.1000-0534.2020.00024.Liu Z C ，

Yang M X， Wan G N， et al， 2021.Applicability of new satellites precipitation products in source region of Yellow River： using SWAT Model as an example［J］.Plateau Meteorology， 40（2）： 403-410.DOI： 10.7522/j.issn.1000-0534.2020.00024 .

粟运， 师春香， 毛文书， 等， 2022.基于CLDAS-Prcp多源融合降水产品的WRF-Hydro模式在綦江流域的水文效用［J］.高原气象， 41（3）： 617-629.DOI： 10.7522/j.issn.1000-0534.2021.00073.Su Y ，

Shi C X， Mao W S， et al， 2022.Hydrological utility of CLDAS-Prcp multi-source fusion precipitation products in Qijiang River Basin-taking WRF-Hydro Model as an example［J］.Plateau Meteorology， 41（3）： 617-629.DOI： 10.7522/j.issn.1000-0534.2021.00073 .

王智敏， 冯婉悦， 杨璟， 等， 2025.基于GPM观测的山谷风对伊犁河谷地形降水的影响研究［J］.高原气象， 44（3）： 720-732.DOI： 10.7522/j.issn.1000-0534.2024.00083.Wang Z M ，

Feng W Y， Yang J， et al， 2025.Research on the impact of mountain-valley wind on topographic precipitation in the Ili River Valley based on GPM observations［J］.Plateau Meteorology， 44（3）： 720-732.DOI： 10.7522/j.issn.1000-0534.2024.00083 .

武磊， 李奋华， 李常斌， 等， 2023.祁连山讨赖河流域上游积雪时空分布及其变化研究［J］.冰川冻土， 45（01）： 108-118.DOI： 10.7522/j.issn.1000-0240.2023.0007.Wu L ，

Li F H， Li C B， et al， 2023.Spatiotemporal distribution of snow cover and its variation in the upper reaches of the Taolai River basin， Qilian Mountains［J］.Journal of Glaciology and Geocryology， 45（01）： 108-118.DOI： 10.7522/j.issn.1000-0240.2023.0007 .

武磊， 李奋华， 李常斌， 等， 2022.GCMs降尺度及其在讨赖河上游径流预报中的应用［J］.长江科学院院报， 39（11）： 41-49.DOI： 10.11988/ckyyb.20210802.Wu L ，

Li F H， Li C B， et al， 2022.Application of GCMs downscaling to mountainous discharges forecasting in the upper reaches of Taolai River Basin［J］.Journal of Changjiang River Scientific Research Institute， 39（11）： 41-49.DOI： 10.11988/ckyyb.20210802 .

邢贞相， 段维义， 刘明阳， 等， 2023.四种网格化降水产品估算中国大陆区域降雨侵蚀力比较［J］.农业工程学报， 39（5）： 100-109.DOI： 10.11975/j.issn.1002-6819.202206140.Xing Z X ，

Duan W Y， Liu M Y， et al， 2023.Comparison of the four gridded precipitation products for estimating regional rainfall erosivity in mainland China［J］.Transactions of the Chinese Society of Agricultural Engineering， 39（5）： 100-109.DOI： 10.11975/j.issn.1002-6819.202206140 .

杨梦娇， 赵伟， 詹琪琪， 等， 2024.基于偏相关分析的2003-2020年青藏高原地表温度变化驱动因子量化研究［J］.测绘学报， 53（5）： 848-859.DOI： 10.11947/j.AGCS.2024.20230206.Yang M J ，

Zhao W， Zhan Q Q， et al， 2024.Quantitative study on driving factors of land surlace temperature trends on the Qinghai-Tibet Plateau from 2003 to 2020 based on partial correlation analysis［J］.Acta Geodaetica et Cartographica Sinica， 53（5）： 848-859.DOI： 10.11947/j.AGCS.2024.20230206 .

Options
Outlines

/

〈 〉

The system is designed and developed by Beijing magtec Technology Development Co., Ltd. with technical support: support@magtech.com.cn