2020, Vol. 36
2. 中国气象局武汉暴雨研究所/湖北省暴雨监测与预警重点试验室，湖北 武汉 430205;
3. 南京信息工程大学大气科学学院，江苏 南京 210044
2. Institute of Heavy Rain, CMA/ Hubei Key Laboratory for Heavy Rain Monitoring and Warning Research, Wuhan 430205, China;
3. School of Atmoshpheric Science, Nanjing University of information Science & Technology, Nanjing210044, China
降水数据是水文模型最重要的驱动数据，高时空分辨率的卫星反演降水产品[1]、雷达估测降雨[2]以及降水再分析产品等网格化降水产品提供了空间分布更加均匀、时间序列更加完整的数据[3-4]。国家气象信息中心利用全国3万个自动气象站观测的小时降水量，结合CMORPH卫星反演降水产品，采用概率密度和最优插值两步数据融合算法，结合高分辨率的雷达估测降水，生成了时间分辨率为1 h、空间分辨率为0.05 °的CMORPH卫星-地面自动站-雷达三源降水融合产品[5]，并表示该产品可用于大气、水文和生态等方面的研究。ERA5是欧洲中期天气预报中心（ECMWF）发布的第五代全球气候再分析数据集，降水数据方面采用的是4DVAR同化系统，在其前身ERA-Interim的基础上实现了很大升级[6]，精度较之前的产品更高，其时间分辨率为1 h，空间分辨率为0.25 °。
WRF-Hydro模式是由以美国大气科学研究中心为主的多个国家和地区参与研发的，基于分布式水文模型NDHMS（the National Center for Atmospheric Research (NCAR) Distributed Hydrologic Modeling System）的高分辨率水文预报模式。WRF-Hydro模式既具有独立的水文建模体系结构又具有水文模型与大气模式单、双向耦合的耦合结构[7]，可与WRF模式实现耦合，延长洪水预报预见期，提供突发性的洪水预报和积涝预报。WRF-Hydro模式中壤中汇流为三维计算模式，同时考虑了垂直向和水平向的水分交换过程，物理意义更加明确。最近，已有一些学者利用WRF-Hydro模式开展了相关研究。研究表明，该模式对提高洪水预报精度及提供早期洪水预报具有很大潜力[8-10]。中小尺度流域面积小、汇流时间短、易发生洪涝灾害，因此开展径流模拟研究对流域洪水预报具有重要意义。然而，目前WRF-Hydro模式的应用研究大都集中在大尺度（1万平方公里）的洪水预报[11-12]，鲜有在中小流域的应用研究。
本研究针对CMORPH卫星-地面自动站-雷达三源融合降水产品、ERA5再分析降水资料和WRF-Hydro模式，以位于长江中游的漳河流域为研究区域，构建水文模型，分析CMORPH卫星-地面自动站-雷达三源融合降水产品、ERA5再分析降水资料基于WRF-Hydro模式的径流模拟效果。为CMORPH卫星-地面自动站-雷达三源融合降水产品、ERA5再分析资料及WRF-Hydro模式在我国水资源控制与管理及洪水预报等方面的应用提供参考依据。
2 数据及研究方法 2.1 研究区域漳河流域位于湖北省中部，流域面积2212 km2[13]，海拔高程介于65~1 583 m之间，地势自西北向东南递减，地形以山区丘陵为主，上游森林茂盛，流域内森林覆盖率约为36%。漳河流域地处亚热带季风气候区，水热同步，雨量丰沛，多年平均年降水量986.9 mm，全年降水主要集中在4— 10月，占全年降水量的85%左右，其中7—8月降水量可占全年的36%左右。降雨是漳河流域径流的主要来源，4—10月径流量占全年的88.3%左右，其中7—8月径流量可占全年的42.7%左右[14]。同时径流量年际变化也很大，存在多年“连丰连枯”显著变化的现象。漳河流域及其水系分布图见图 1。
|
图 1 漳河流域高程及水系分布 |
WRF-Hydro既是独立的水文建模系统，也是水文模型与大气模式耦合的框架。在非耦合模式下，WRF-Hydro模式以气象数据作为驱动[15]，通过将气象数据与当地地形和地貌等信息耦合，生成包含时间序列的预测径流[16]；在耦合模式下，通过数值天气预报模式与WRF-Hydro模式之间的反馈作用，WRF-Hydro可以改善整个区域的水循环模拟状况[7]。
本研究采用非耦合模式下的WRF-Hydro V5.0，其所需的地理网格文件由WRF前处理工具WPS生成，WPS在水平方向为四层嵌套，水平格距分别为27 km、9 km、3 km和1 km，其中最内层区域用于WRF-Hydro模型的运行。WRF-Hydro中陆面过程模式采用1 km水平分辨率，汇流模型采用100 m水平分辨率，河网格点采用10 m水平分辨率。蒸散发与产流过程均由NOAH-MP陆面模式计算，其中蒸散发计算方法参考文献[17]，产流过程参数化方案为一种基于蓄满产流的地表径流方案[18]。壤中汇流和地表汇流均选用最大坡降法（D8算法），河道汇流选用基于网格的扩散波公式。WRF-Hydro模式运行框架图见图 2。
|
图 2 WRF-Hydro模式运行框架图 |
本研究收集了2015、2016和2018年5—7月的CMORPH卫星-地面自动站-雷达三源融合降水产品、ERA5再分析降水资料（https://cds.climate.copernicus.eu）及观音寺水文站的径流数据，为了与地形文件的分辨率保持一致，这两种降水产品均通过双线性插值到0.01 °分辨率上。漳河流域的DEM数据来自SRTMDEM 90M分辨率原始高程数据（http://www.gscloud.cn/sources/），通过WRF-Hydro的GIS前处理工具包插值到1 km分辨率上，并提取10 m分辨率的河网信息，生成WRF-Hydro模式需要的水文信息文件。
2.4 径流模拟方案径流模拟设置两种情景，情景1：选取历史降水-径流事件，采用三源降水融合产品对模型参数进行率定，利用另外的历史资料，将三源降水融合产品和ERA5再分析降水资料作为输入进行径流模拟验证；情景2：对应情景1的历史资料，采用ERA5再分析降水资料对模型参数进行率定，将ERA5再分析降水资料作为模式输入进行径流模拟验证。
3 实例分析2015年6月30日，漳河流域出现强降雨天气，日平均降雨量22.1 mm，前期降水频繁、雨量偏多，观音寺水文站水位单日上涨35 cm。2016年6月30日，漳河流域出现梅雨期第4轮强降水，强度大、范围广、时间长。2016年7月18日，漳河流域出现梅雨期第6轮强降雨，7月19日08时日降雨量达156.7 mm，观音寺水文站水位迅速上涨。2018年7月3—5日，漳河流域出现暴雨到大暴雨天气，强度大且持续稳定。选取2015年6月29日—7月2日（201506）和2018年7月4—6日（201807）洪水过程用于模型参数率定，2016年6月30日—7月2日（201606）和2016年7月18—22日（201607）的洪水过程用于模型验证，每场模拟都提前2个月开始（作为模型“启动期”），模拟结果输出时间间隔与径流观测时间间隔一致，都为3小时。
3.1 降雨分析对三源降水融合产品和ERA5再分析降水资料进行时空分布上的对比分析。通过双线性插值将两种降水产品插值到同一分辨率（0.01 °）上，每场洪水过程对应时期的总降雨量空间分布见图 3。通过算术平均法计算1 h流域面平均降雨量，1 h流域面平均降雨量柱状图见图 4。从图 3可以看出4场降水均主要集中在漳河流域的中下游，其中2016年的两场降水量较大，累积总降雨量最大达到了200 mm以上。在空间分布上，除201807洪水过程外，其余三场洪水过程对应的两种产品的总降雨量的空间递减趋势一致。然而，4场洪水过程对应的累积总降雨量，ERA5产品的最大值均小于三源降水融合产品，最小值基本都大于三源降水融合产品。从时间分布上来看，两种产品降水过程在小时尺度上存在着时间差，尤其是201506和201606两场洪水过程中ERA5产品的面雨量的最大值略微滞后于三源降水融合产品。除201506洪水过程外，其余三场洪水过程对应的面雨量，ERA5产品总体上大于三源降水融合产品，其中2016年两场洪水过程对应的ERA5产品面雨量最大值均明显高于三源降水融合产品。两种产品的强降水中心及强度存在的差异，对径流模拟结果会产生影响。ERA5再分析降水资料属于预报产品，而三源降水融合产品融合了卫星、雷达和自动气象站观测数据，三源降水融合产品可能更接近实际降水状况，表明ERA5再分析降水资料对较小的降水可能存在高估现象。
|
图 3 4场洪水过程对应时期的总降雨量的空间分布图 a、e. 201506；b、f. 201606；c、g. 201607；d、h：201807。a~d.三源降水融合产品，e~h. ERA5再分析降水资料。 |
|
图 4 4场洪水过程对应时期的1 h面雨量的时间序列图 a. 201506；b. 201606；c：201607；d. 201807。 |
作为分布式水文模型，WRF-Hydro模式涉及大量繁杂的参数，其中只有部分参数对径流过程起关键作用。这些主要敏感性参数大致可分为两类：一类是对总径流量影响较大的参数，如下渗率（REFKDT）、地表持水深（RETDEPRT）和控制深层排水的系数（SLOPE）等；另一类则是对水文过程影响较大的参数，如曼宁糙率（MannN）、地表糙率（OVROUGHRT）和饱和土壤侧向导水率（LKSATFAC）等，具体可见表 1。
|
表 1 WRF-Hydro模式关键敏感性参数 |
参考Ryu等[19]对WRF-Hydro参数敏感性的分析结果，结合漳河流域的实际情况，本研究中将降雨-径流模拟结果影响较大的下渗率（REFKDT）、曼宁糙率（MannN）、地表糙率（OVROUGHRT）和地表持水深（RETDEPRT）4个参数作为主要率定对象。采用相对误差（ER）[20]、洪峰流量相对误差（REp）、峰现时间误差（ΔT）、相关系数（R）和纳什效率系数（NSE）作为评价指标。模型参数率定采用试错法，针对不同的REFKDT、MannN、OVROUGHRT和RETDEPRT数值进行组合，对比所有组合的模拟结果选出最佳参数值。
降雨形成径流的量受下渗损失的影响，这种影响可用下渗率表示。地表和河床的粗糙程度影响了水流流速和流量过程，分别用地表糙率和曼宁糙率表征。地表截留蓄水能力可用地表持水深表示，地势较平坦地表持水深较大。从率定过程中发现，漳河流域内地表持水深对径流影响不大。可能是因为漳河流域内高程在65~1 585 m之间，高程变化比较大。两种情景下参数率定结果见表 2。
|
|
表 2 两种情景下WRF-Hydro模型参数率定结果 |
使用校准后的模型对2016年6月30日—7月2日和2016年7月18—22日的洪水过程进行径流模拟，以验证模型率定结果，评估其在研究区域的适用性。
基于三源降水融合产品率定得到WRF-Hydro模式，分别采用两种降水产品作为WRF-Hydro模式输入，对2016年的两场洪水过程进行径流模拟，径流过程和评价指标分别见图 5和表 3。从图 5可以看出，两种降水产品的径流模拟效果存在明显差异，整体而言，三源降水融合产品径流模拟效果优于ERA5再分析降水资料。201606洪水过程三源降水融合产品的径流模拟结果的纳什效率系数达到0.72；而ERA5再分析资料模拟得到的纳什效率系数均小于0。从图 5c、5d可以看出，ERA5再分析降水资料作为WRF-Hydro模式输入模拟得到的两场洪水过程的总径流量均大于三源降水融合产品，且峰现时间滞后于三源降水融合产品，这与上述降水产品对比分析的结果一致，表明漳河流域内降水时空分布是影响径流的主要因素。对于三源降水融合产品，201606洪水过程的径流模拟效果优于201607洪水过程，从图 5b可以看出，201607观测径流过程与模拟径流过程差异很大，模拟得到的洪峰径流量远小于观测值，且模拟径流过程线有3个峰值，与降水的时间分布一致。因此，201607洪水过程模拟效果较差可能是因为三源降水融合产品的降雨与实际存在一定的偏差，并且观测入库流量经过修正后平滑了其它洪峰。
|
图 5 情景1下两种降水产品的径流模拟过程 a、b.三源降水融合产品；c、d. ERA5再分析降水资料；a、c. 201606，b、d. 201607。 |
基于ERA5再分析降水资料率定得到WRFHydro模式，以ERA5再分析降水资料作为模式输入，对2016年的两场洪水过程进行径流模拟，径流过程和评价指标分别见图 6和表 3。从图 6和表 3可以看出，2016年的两场洪水过程模拟的总径流量存在低估现象，但严重高估了201606洪水过程的洪峰值。
|
图 6 情景2下ERA5再分析降水资料的径流模拟过程 a. 201606；b. 201607。 |
|
|
表 3 两种情景下径流模拟结果的各评价指标值 |
对比图 5c、5d和图 6发现，径流过程相近，说明分别用三源降水融合数据和ERA5再分析降水资料校核WRF-Hydro模式，对径流模拟影响较小，径流模拟效果都很差，说明降水数据对径流模拟的影响比模型参数对径流模拟的影响更大。
从4场洪水过程的径流模拟结果来看，ERA5再分析降水资料在漳河流域的径流效果不佳。考虑到ERA5再分析降水资料属于预报产品且研究区域本身面积较小，预报效果可能存在一定的不稳定性，需要对更多降水资料做进一步的分析，其径流模拟效果研究需要更多场次的洪水过程来进行验证。因此ERA5再分析降水资料在水文方面的可用性还需进一步研究。
4 结语（1）三源降水融合产品作为WRF-Hydro模式的降水输入进行径流模拟，模拟的径流过程和实测径流过程吻合程度较好，纳什效率系数高于0.7。CMORPH卫星-地面自动站-雷达三源降水融合数据可在一定程度上作为径流模拟降水资料来源。另外，也说明WRF-Hydro模式可以用于漳河流域进行径流模拟。为使得径流模拟精度进一步提高，需要对三源降水融合数据及WRF-Hydro模式在中小流域的应用进行更细致和深入的研究。
（2）分别用三源降水融合数据和ERA5再分析降水资料率定WRF-Hydro模式，以ERA5再分析降水资料为降水输入，进行模拟径流，两种情景下径流模拟效果都很差，而且径流过程相似，说明模式参数对径流模拟影响较小，降水数据对径流模拟的影响比模型参数对径流模拟的影响更大。
（3）ERA5再分析降水资料作为WRF-Hydro模式的输入进行径流模拟，模拟效果都不佳，洪峰值和峰现时间误差较大。ERA5再分析降水资料在水文预报应用方面还存在较大的不确定性，实际应用中可结合地面观测降水等信息对ERA5再分析降水资料进行修正，以提高应用精度。
| [1] |
杨星星, 杨云川, 邓思敏, 等. 广西TRMM降雨产品多时间尺度精度评估[J]. 热带气象学报, 2019, 35(4): 567-576. |
| [2] |
高玉芳, 陈耀登, 彭涛. 雷达估测降雨水平分辨率对径流模拟的影响——以西苕溪流域为例[J]. 热带气象学报, 2018, 34(3): 347-352. |
| [3] |
唐国强, 李哲, 薛显武, 等. 赣江流域TRMM遥感降水对地面站点观测的可替代性[J]. 水科学进展, 2015, 26(3): 340-346. |
| [4] |
SUN Q H, MIAO C Y, DUAN Q Y, et al. A review of global precipitation data sets: Data sources, Estimation, and Intercomparisons[J]. Reviews of Geophysics, 2018, 56(1): 79-107. |
| [5] |
潘旸, 沈艳, 宇婧婧, 等. 基于贝叶斯融合方法的高分辨率地面-卫星-雷达三源降水融合试验[J]. 气象学报, 2015, 73(1): 177-186. |
| [6] |
孟宪贵, 郭俊建, 韩永清. ERA5再分析数据适用性初步评估[J]. 海洋气象学报, 2018, 38(1): 91-99. |
| [7] |
GOCHIS D J, BARLAGE M, DUGGER A, et al. The WRF-Hydro modeling system technical description, (Version 5.0)[R]. NCAR Technical Note, 2018.
|
| [8] |
SENATORE A, MENDICINO G, GOCHIS D J, et al. Fully coupled atmosphere-hydrology simulations for the central Mediterranean: Impact of enhanced hydrological parameterization for short and long time scales[J]. Journal of Advances in Modeling Earth Systems, 2015, 7(4): 1693-1715. DOI:10.1002/2015MS000510 |
| [9] |
LI L, GOCHIS D J, SOBOLOWKSI S, et al. Evaluating the present annual water budget of a Himalayan headwater river basin using a highresolution atmosphere-hydrology model[J]. J Geophy Res: Atmos, 2017, 122(9): 4786-4807. DOI:10.1002/2016JD026279 |
| [10] |
AMIR G, GOCHIS D J, THOMAS R, et al. Comparing one-way and two-way coupled hydrometeorological forecasting systems for flood forecasting in the mediterranean region[J]. Hydrology, 2016, 3(19): 1-21. |
| [11] |
ZHOU J, ZHANG H, ZHANG J, et al. WRF model for precipitation simulation and its application in real-time flood forecasting in the Jinshajiang River Basin, China[J]. Meteorology & Atmospheric Physics, 2018, 130(6): 635-647. |
| [12] |
JOËL A, THOMAS R, FLORIAN B, et al. Precipitation sensitivity to the uncertainty of terrestrial water flow in WRF-Hydro: An ensemble analysis for Central Europe[J]. Journal of Hydrometeorology, 2018, 19(6): 1007-1025. DOI:10.1175/JHM-D-17-0042.1 |
| [13] |
殷志远, 王志斌, 李俊, 等. WRF模式与Topmodel模型在洪水预报中的耦合预报试验研究[J]. 气象学报, 2017, 75(4): 672-684. |
| [14] |
方崇惠.漳河水库洪水分期与调度研究[D].武汉: 武汉大学, 2004.
|
| [15] |
KERANDI N, ARNAULT J, LAUX P, et al. Joint atmospheric-terrestrial water balances for East Africa: a WRF-Hydro case study for the upper Tana River basin[J]. Theoretical and Applied Climatology, 2017, 131: 1337-1355. |
| [16] |
SILVER M, KARNIELI A, GINAT H, et al. An innovative method for determining hydrological calibration parameters for the WRF-Hydro model in arid regions[J]. Environmental Modelling & Software, 2017, 91: 47-69. |
| [17] |
YANG Z L, CAI X T, ZHANG G, et al. The community Noah Land Surface Model with Multi-Parameterization Options (Noah-MP): technical description[R]. Center for Integrated Earth System Science, Department of Geological Sciences, The University of Texas at Austin, 2011.
|
| [18] |
NIU G Y, YANG Z L, MITCHELL K E, et al. The community Noah land surface model with multiparameterization options[J]. Model description and evaluation with local-scale measurements, 2011, 116(D12109). |
| [19] |
RYU Y, LIM Y J, JI H S, et al. Applying a coupled hydrometeorological simulation system to flash flood forecasting over the Korean Peninsula[J]. Asia-Pacific Journal of Atmospheric Sciences, 2017, 53(4): 421-430. DOI:10.1007/s13143-017-0045-0 |
| [20] |
王兆礼, 钟睿达, 赖成光, 等. TRMM卫星降水反演数据在珠江流域的适用性研究——以东江和北江为例[J]. 水科学进展, 2017, 28(2): 174-182. |