基于虚拟雨量计方法在无降雨站流域水文建模性能的分析

为何更好的降雨图很重要

洪水常常在缺乏基本气象观测的地区造成最严重的损害。世界上许多河流流域内部没有雨量计，工程师因此必须用远处测站的粗略平均值来估计暴雨带来的降水量。本研究提出了一个简单但关键的问题：我们能否通过智能地结合卫星和模式生成的降雨图来“填补空白”，从而在完全没有雨量计的地方提高洪水预报的可靠性？

在无本地观测的地方寻找风暴

研究者把注意力放在中国东北的小二沟流域，该流域面积为16,761平方公里，流域内部没有雨量计。周边流域仅有少数观测站。不过该地区在5月至9月间常遭遇强烈夏季降雨和洪水。研究团队收集了10年的数据（2010–2019）：流域出口的河流径流、来自22个周边雨量计的降雨量、邻近3个站点的蒸散发量，以及6种基于卫星和数值天气模式的格点降雨产品。虽然这些来源结合起来信息丰富，但并不位于所需的地点。挑战是在无监测流域内将这块状拼凑的数据转化为每日降雨发生地点和强度的真实图景。

创建看不见的雨量计

为了解决这一问题，作者采用了一种称为虚拟雨量计的方法。他们不再把稀疏的雨量计网络视为固定不变，而是允许在流域内部根据多源降雨产品持续指向的重要特征（例如风暴中心或干区）放置额外的、纯计算的“雨量计”。一个机器学习模型（随机森林）学习真实雨量计与各降雨产品之间的关系，然后估算每个虚拟雨量计处可能的降雨量。最后，将实测雨量计和虚拟雨量计的数据用标准插值方法融合，生成详细的降雨图并得到每日的流域平均降水值。

方法的检验

关键的检验不是降雨图看起来多么精细，而是它驱动洪水模型的效果有多好。研究团队比较了两种方法。在对照方法中，小二沟流域的降雨仅通过周边雨量计并采用经典的几何技术——Thiessen多边形法来估算，该方法实际上假设每个雨量计代表其周边的一大片区域。在新方法中，虚拟雨量计方法将6种卫星与模式降雨产品与稀疏的实测雨量计融合，构建出更丰富的逐日降雨场。两种降雨输入随后都被送入一个广泛使用的水文模型，该模型模拟降雨如何在土壤和河流中转化为径流。模型参数使用现代优化算法精细校准，并在独立的洪水事件上进行测试。

更清晰的降雨带来更准确的洪水

模拟结果显示了虚拟雨量计的明显优势。当采用新方法生成的降雨驱动时，洪水模型比只依赖稀疏雨量计时更准确地再现洪水的体量和时序。在校准期内，虚拟雨量计方法的综合准确度显著更高，总洪水量的误差大约减少了一半。在对未见事件的验证期内，虚拟雨量计降雨依然带来了更好的整体表现，尤其在预测洪峰发生时间方面更为准确。逐事件分析显示，该方法会根据情况调整其虚拟雨量计：在一些风暴中它加强了外部雨量计未能捕捉到的降雨中心，而在另一些风暴中它则抑制了被高估的降雨，从而降低了夸大的峰值流量。

对易发洪水地区的意义

通俗地说，这项研究表明，通过智能地结合卫星数据、天气模式和邻近雨量计，可以在没有观测设备的流域中更清晰地“看见”风暴。虚拟雨量计方法并非在任何地方简单地平均所有数据源；它有选择地在关键区域补充信息，并通过河流流量的再现情况来检验成功程度。尽管该方法仍依赖输入产品的质量且目前仅在一个流域进行了测试，但结果表明了一条有前景的途径：通过审慎的数据融合，那些监测薄弱的社区可以在尚未安装实物雨量计之前，获得更可靠的洪水预报。

引用: Dou, Y., Liu, X., Liu, X. et al. Analysis of the performance of a virtual gauge-based method in hydrological modeling of basins with no precipitation stations. Sci Rep 16, 11952 (2026). https://doi.org/10.1038/s41598-026-39531-2

关键词: 洪水预报, 降雨估算, 卫星降水, 无监测流域, 水文建模