基于贝叶斯模式平均方法融合多源数据的水文模拟研究

可靠的长系列气象数据是开展流域水文模拟、水旱灾害防治和水资源综合管理的基本依据,但是我国气象站网布设不均、地面观测资料系列相对较短,难以满足工程应用需要。本文融合有限的地面气象观测数据,长系列高精度MSWEP-V2卫星集成降水数据集和欧洲中期天气预报中心的ERA5气温数据,首先通过基于分位数映射的日偏差校正(DBC)、基于月尺度的回归校正(LRBC)和等率校正(RBC)等3种方法,对遥测栅格降水和再分析气温日系列进行偏差校正,再采用季节性贝叶斯模式平均(BMA)方法描述各偏差校正系列的后验分布优选相应权重,从而得到融合多种偏差校正模式的长系列日降水、气温过程。以巢湖流域为例,采用174个自动气象站2015—2019年的观测数据和7个国家基本气象台站1979—2019年的长系列资料检验校正效果,并在2个子流域分别驱动新安江、GR4J和HMETS水文模型验证水文模拟的适用性。结果表明:BMA方法能够综合考虑各偏差校正方法的优势,校正后的日降水和气温数据偏差较小,与实测系列的相关性系数接近0.8;水文模型率定期及检验期的KGE系数超过0.67,校正后的气象数据满足水文模拟要求。