松花江流域模拟高流量与洪水事件对气象驱动产品的依赖性：一项CLM5–CaMa-Flood评估

《Water》：Dependence of Simulated High Flows and Flood Events on Meteorological Forcing Products in the Songhua River Basin: A CLM5–CaMa-Flood Assessment

　　

在大尺度寒区流域中实现可靠的洪水模拟，需要理解气象驱动差异如何通过径流生成与河道演算传播。研究人员采用受控、未校准的离线CLM5（Community Land Model version 5，社区陆地模式第5版）–CaMa-Flood框架，在1996–2014年松花江流域（Songhua River Basin，SRB）对比了CMFD（China Meteorological Forcing Dataset，中国气象驱动数据集）、GSWP3v1（Global Soil Wetness Project Phase 3 forcing dataset version 1）与CRUNCEPv7（CRU–NCEP forcing dataset version 7），所有非驱动设置固定不变。评估涵盖日尺度与月尺度流量、季节水文过程线、年最大日流量（AMAX）、观测Q95/Q99阈值、选定的1998与2013暖季高流量个案、径流过程诊断、事件窗口敏感性试验、5000次配对年际bootstrap重采样及辅助水位异常。CMFD总体给出最高r、KGE（Kling–Gupta效率系数）与日NSE（Nash–Sutcliffe效率系数），但长期正偏差Bias最大；CRUNCEPv7系统性低估流量，GSWP3v1绝对Bias最小。两场选定事件中CMFD减小了峰值与水量低估，但峰值仍被平滑与延迟。事件窗降水差未按比例转化为CLM5径流，CMFD较大响应来自地表径流（QOVER）与地下排水（QDRAI）共同增加。事件量级排序在±30、±45、±60天窗口下稳定。Bootstrap显示CMFD相对GSWP3v1在时序一致性与效率上优势稳健，部分CMFD–CRUNCEPv7比较仍依赖样本。驱动产品表现因而依赖于尺度、指标与目标，且受固定模型配置制约。

研究背景与问题提出

松花江流域位于中国东北，属寒区且受东亚季风影响，暖季降雨与春季融雪共同驱动洪水，使得高流量模拟的季节过程复杂化。洪水模拟链条连接气象输入、陆面径流生成与河网演算，而寒区积雪、冻土与雨雪叠加进一步改变气象输入向径流的转换。已有研究在多时间尺度评估过驱动产品，但针对松花江流域将日流量、高流量行为、年最大日流量（AMAX）与选定事件过程线整合评估仍有限；降水差异经陆面与河道转化为站点流量的机制不清；相对表现是否依赖事件窗口定义或有限评估期亦未明。为此，研究人员在固定未校准的CLM5–CaMa-Flood离线耦合框架下，对比CMFD、GSWP3v1、CRUNCEPv7三套气象驱动，量化其对高流量与洪水事件的依赖程度。该研究发表于《Water》。

主要关键技术方法

研究人员采用1979–2014年离线模拟，其中1979–1995年预热，1996–2014年评估；三套实验仅替换气象驱动（CMFD、GSWP3v1、CRUNCEPv7），陆面配置、土壤植被数据、CaMa-Flood河网与演算方案、站点提取网格及默认参数全固定，无流量或水位校准。CLM5输出地表径流（QOVER）与地下排水（QDRAI）之和送入CaMa-Flood；站点经河网吸附至一致网格，6小时间输出聚为日值。评估指标含Pearson相关r、NSE、KGE、相对Bias；高流量采用AMAX、观测Q_95,obs/Q_99,obs阈值；事件分析选定1998与2013暖季高流量，主窗口±30天（另测±45、±60天），计算峰值Bias、峰现时间误差、事件水量Bias及窗口内累积降水Pcum、累积径流Rcum、径流系数R/P、QOVER/QDRAI分解、前期15/30天径流；稳健性用5000次配对年际bootstrap重采样，辅之以站点水位异常相关与CLM5雪水当量（H2OSNO）季节背景。

研究结果

3.1 气象驱动特征：流域平均降水呈一致季风周期，CMFD暖季最高、CRUNCEPv7最干、GSWP3v1居中；年均降水CMFD 539.3 mm、GSWP3v1 524.1 mm、CRUNCEPv7 500.6 mm，5–9月与6–8月次序相同，构成后续径流差异的输入背景。

3.2 多时间尺度站点表现：日与月尺度CMFD的KGE、r最高，CRUNCEPv7次之，GSWP3v1最低；日NSE同序，月聚合后NSE趋近但KGE/r序不变；Bias方向稳定——CRUNCEPv7全站负偏，CMFD正偏最大，GSWP3v1正偏较小。指标间无单一最优。

3.3 季节过程与高流量诊断：三套均重现季节循环但暖季振幅与退水不同；CRUNCEPv7全年低估且暖季最甚，CMFD暖季偏高、退水慢，GSWP3v1居中。AMAX分布CMFD更接近观测中央趋势但极端峰值仍低估，Q₉₅/Q₉₉超越次数CMFD最强、CRUNCEPv7最弱。

3.4 洪水事件与过程诊断：1998与2013事件中CRUNCEPv7/GSWP3v1峰值严重低估，CMFD峰值Bias降至?33.0%~?44.8%（1998）和更小负值（2013）但峰现延迟17–23天（1998）与7–17天（2013），过程线偏平滑；事件窗内CMFD累积径流可达其余两套两倍以上，径流系数更高，且QOVER与QDRAI同时增大，说明差异在入CaMa-Flood前已于CLM5产生；前期15/30天径流已分异。H2OSNO显示CMFD冬春雪储最高（3月气候均值41.24 mm），但事件年8月近零，仅作季节背景。水位异常相关CMFD最高（三江均值r=0.62），但绝对高程偏置不作排名。

3.5 比较离散与稳健性：相对驱动离散度（relative forcing spread）在事件峰值（1998中位112.72%）与水量最大，AMAX反而最低（35.84%），说明年极值压缩了事件结构差异。±30/45/60天窗口不改变量级排序，仅体积与个别峰时敏感。5000次bootstrap中CMFD对GSWP3v1在日/月r、NSE、KGE及AMAX全指标稳健占优（AMAX占优频率约99.9%），CMFD对CRUNCEPv7部分日常指标区间含零；按绝对Bias排名GSWP3v1居首（日56.7%、月56.9%），CMFD不因Bias占优。

讨论与结论翻译

讨论指出驱动产品表现具尺度与靶标依赖性：CMFD利时序一致性与高流量表征，CRUNCEPv7偏低估，GSWP3v1绝对Bias常最小；月聚合提升NSE但不消偏。事件窗降水差不经比例传入径流，CLM5陆面过程（QOVER+QDRAI、前期径流、伴生大气变量）先于河道改变结果；CaMa-Flood在同配置下传递差异。结论重申：①表现依尺度与指标，CMFD获最高r/KGE/日NSE但正偏最大，无全域最优；②事件差在CLM5内已成形，CMFD减量级亏缺但留平滑与延迟，H2OSNO仅冷季背景；③量级排序抗窗口长度，bootstrap证CMFD对GSWP3v1稳健、对CRUNCEPv7部分样本依赖；气象驱动依赖经“驱动–陆面径流–河网演算”链路表达，结论受固定未校准配置、4站19年与无人类调控表征限制。