雅砻江流域WRF模式构建及应用

杨明祥，蒋云钟，王忠静，王 浩

（1. 清华大学土木水利学院，北京 100084；2. 中国水利水电科学研究院流域水循环模拟与调控国家重点实验室，北京 100038）



雅砻江流域WRF模式构建及应用

杨明祥1 2，蒋云钟2，王忠静1，王 浩2

（1. 清华大学土木水利学院，北京 100084；2. 中国水利水电科学研究院流域水循环模拟与调控国家重点实验室，北京 100038）

摘要：针对雅砻江流域构建了数值天气预报（WRF）模式，使用7种云微物理参数化方案和3种积云对流参数化方案对3场典型暴雨进行了模拟和ETS综合评价，得出了WSM3和GD的参数化方案组合较优的结论，为WRF模式在雅砻江流域的深入应用提供了重要参考.此外，为了验证构建的WRF模式在水文应用方面的有效性，将其与HEC-HMS分布式水文模型进行了单向耦合，结果显示耦合模型对径流的模拟效果较好，说明WRF模式能够反映产生洪峰和维持径流的降水信号，其在流域径流模拟和预报中有较大的应用潜力.

关键词：数值天气预报；雅砻江流域；HEC-HMS；参数优选

近年来，随着计算机技术、网络技术、遥感技术等的不断进步，数值天气预报模式也得到了前所未有的发展，为人们探究天气现象和预报天气变化带来了机遇.同时，数值天气预报模式也为流域防洪和发电优化调度带来了新的契机［1］.数值天气预报模式可以根据当前的气象背景场和边界条件，应用数学物理方程推算未来一段时间降水、温度等物理量的时空变化，并可作为水文模型的输入得到流域的径流变化过程，从而为流域管理特别是防洪和发电调度争取到宝贵的径流预报预见期，达到降低损失增加效益的目的.

随着我国对清洁能源的需求越来越大，水电作为技术成熟的清洁能源，日益受到研究人员和管理者的重视.因此，积极开发流域水能资源，特别是进行流域梯级开发，成为我国在当前形势下的必然选择.目前，在水能资源丰富的西南诸省拟建、在建的大型水电站或水利枢纽有200多座，如嘉陵江16级、金沙江21级、雅砻江22级、大渡河三库22级等.伴随着流域梯级开发的不断推进，亟需建立数值天气预报模式来提高降水预见期，从而为防洪、发电提供更加有效的径流预报驱动信息.本文选择雅砻江流域作为研究区域，针对该流域搭建数值天气预报模式，给出适合雅砻江流域的参数方案组合，并对构建的模式进行了水文验证，为数值天气预报模式在雅砻江及其他流域的进一步应用提供了重要的参考.

1　WRF模式与研究区域简介

1.1WRF模式

近几十年来，伴随着大气科学以及地球科学的不断进步，在巨型计算机和超高速网络的推动下，数值天气预报模式越来越受到科研和业务人员的关注［2］. 自1997年以来，美国多所科研机构的科学家们共同研发了业务与研究共用的新一代高分辨率中尺度预报模式——WRF模式（WRF model）［3-4］，其在研究和业务预报方面具有广泛的应用前景.WRF模式主要由3部分组成：模式的前处理、主模式和模式后处理. WRF模式内部参数化方案较其他中尺度模式丰富，考虑的物理过程也更为细致［5］.然而模式参数化方案对地形和气候条件较为敏感［6］，针对不同研究区域应该选取何种参数化方案组合才能获得较好的模拟效果，是值得深入研究探讨的.WRF模式中有5大类参数化方案：云微物理参数化方案、积云对流参数化方案、行星边界层方案、陆面模式和辐射方案［7］.其中，云微物理参数化方案和积云对流参数化方案对降水的影响最为直接，是本文讨论的重点.对各物理方案的详细介绍，参见文献［8-9］.本文选择美国国家环境预报中心（NCEP）提供的全球最终分析（FNL）资料［10］作为WRF模式运行的初始场和边界条件.

1.2研究区域

雅砻江流域（26°32′N～33°58′N，96°52′E～102°48′E）地处川西高原，发源于青藏高原巴颜喀拉山，跨越了近8个纬度带，全流域呈南北向条带状，流域面积约13×104km2，干流总长度达1 323 km，是长江最长的支流，流域水系如图1所示.域内地形极为复杂，谷岭高差悬殊，地势西北高东南低，大部分地区海拔超过了1 500 m，流域数字高程如图2所示.雅砻江中下游地区人口较为稠密，工农业生产发达，同时也是矿产、水能等资源的富集区.每年汛期（5月—10月），西太平洋副高脊线北移，往往使该流域中下游暴露于副高西缘，加之西南季风携带的大量暖湿水汽，在流域内切变线和低涡频繁活动的影响下，导致该时期暴雨较多、山洪灾害时常发生，严重威胁人民群众生命财产安全，给地区经济带来了严重影响.同时，雅砻江流域径流丰沛，水能资源蕴藏量极其丰富（河源至河口海拔落差达4 420 m），被列为全国十大水电基地之一.准确及时的降水径流预报对雅砻江流域的兴利除害极为重要.

图1　雅砻江流域水系与子流域划分Fig.1 River system and sub-basins of Yalong river basin

图2　雅砻江流域数字高程Fig.2 Digital elevation model of Yalong river basin

2　模式配置及参数优选

2.1高性能计算平台

本研究依托中国水利水电科学研究院流域水循环模拟与调控国家重点实验室，基于高性能服务器构建了集群计算环境，并实现了WRF模式在其上的移植，保证了模式的高效运行.该计算平台共有6个节点，其中1个调度节点，5个计算节点.每个节点CPU核心数达24个，内存容量为47 GB.

2.2区域嵌套设计

为了获取分辨率较高的计算结果，同时尽可能减轻计算负担，本文使用3层嵌套的方式来逐级增加区域的分辨率.嵌套区域的设置充分考虑了周边大地形和重点天气、气候系统，并尽量避免模拟中跨越气候特征或者地理特点相差较大的区域.从外到内各相邻嵌套层的分辨率比例为3∶1.如图3所示，模式最外层网格分辨率为27 km，格点数203×199，包括了影响中国大陆的主要天气系统，主要有西伯利亚高压、副热带高压西缘和孟加拉湾暖湿气流等；第2层网格分辨率为9 km，格点数241×235，包括了影响中国西南的主要天气系统和大地形，例如梅雨区的西南部、西南涡、青藏高原、黄土高原等；最内层网格分辨率为3 km，格点数241×289，包括了整个雅砻江流域.不同层级之间的网格设置为双向反馈关系，内层网格接受外部网格提供的初始场和边界条件的同时也向外部网格反馈模式运行信息.

图3　雅砻江流域WRF模式三重嵌套Fig.3 WRF triple nested domains of Yalong river basin

2.3参数优选与设计

在WRF模式众多的参数化方案中，云微物理参数化方案和积云对流参数化方案对降水量模拟及其分布的影响最为直接，且参数化方案的区域敏感性较强.因此，需要对这两种参数化方案进行优选，从而挑选出最适合于该地区降水模拟的参数化方案组合.本文通过WRF模式7种不同的微物理方案（Kessler，Lin et al（Lin），Single-Moment 3-class范区（WSM3），Single-Moment 5-class（WSM5），Ferrier，Single-Moment 6-class（WSM6），New Thompson （NTH））和3种不同的对流参数化方案（Kain-Fritisch（KF），Betts-Miller-Janjic（BMJ），Grell-Devenyi（GD））之间的组合，对3场暴雨事件进行模拟，选取ETS平均得分作为评价指标.ETS计算公式为

式中：H为观测值与模拟值同时大于某一阈值的站数，代表模式对某一阈值降水事件的探测能力；F为模拟值大于阈值而观测值小于阈值的站数，代表模式对某一阈值降水事件的空报倾向；M为模拟值小于阈值而观测值大于阈值的站数，代表模式对某一阈值降水事件的漏报倾向.H、M、F等指标依据表1计算.雨量站分布见图1.

表1　降水评价列联表Tab.1 Precipitation evaluation contingency table

本研究针对降水事件选取3个阈值进行评价，阈值分别为10 mm/d、15 mm/d和25 mm/d.某一降水事件的ETS评分为

式中：ETSevent是某次降水事件的ETS评价结果；ETSij为阈值j上第i个时段的ETS评价结果；n是某次降水事件包含的时段数.

本研究选取了3场典型降水事件进行评价，起止时间分别为2005年7月6日至2005年7月11日、2005年9月21日至2005年9月27日和2006年6 月24日至2006年7月1日.其中，前两场为大面积持续性降水，第3场为区域性降水.为了直观地说明不同参数化方案对降水模拟的影响，选取雨量站点较为集中的雅砻江下游为研究区，绘制了第1场降水量模拟分布图，并与实测情况进行了比较，如图4所示.图4中列出了WRF模式模拟总降水量与实测值（见图4（a））最接近的5个参数化方案组合，图中①～⑥代表下游的6个子流域.

5种参数化方案组合均成功模拟出了位于研究区南部的舌状降雨集中区，但5个累积降水模拟结果在细节上存在较大的差异.WSM3 & GD方案组合模拟结果（见图4（b））与实测图4（a）对照可发现，其成功模拟了位于研究区南部边界偏西的降雨极值区，与其他4种方案组合对比发现WSM3 & GD方案组合在雨量整体分布情况上与实测值是最为接近的. WSM3 & BMJ（见图4（c））模拟结果虽然与WSM3 & GD很接近，但是其模拟降雨量小于WSM3 & GD，并且未能正确地模拟出研究区域西南边界上的降水极值区.方案组合Ferrier & KF（见图4（d））和Ferrier & GD（见图4（e））模拟的降水在空间上呈现较为分散的特征，且Ferrier & GD模拟的强降水区范围要大于Ferrier & KF模拟的范围.NTH & GD（见图4（f））方案组合模拟的强降水区（降水量大于185 mm）较其他方案组合更加集中，但未能正确模拟出实测图中的降雨极值区.此外，5个方案组合模拟的累积降水分布图中都存在一些实测图中没有的强降水中心，这既可能是模式误报造成的，也可能是由于雨量站点较为稀疏造成的.由此可见，不同的参数化方案在累积降水分布模拟中表现出了不同的技巧，对各方案的表现做定量的区分是很有必要的.

图4　第1场降水的模拟总降水量分布Fig.4 Total precipitation simulation of storm 1

通过ETS评价，得出了21个参数方案组合对3场暴雨在3个阈值上的平均表现情况.表2中列出了在ETS评分中表现最优的5个参数化方案组合.其中，WSM3微物理方案［11］和GD 积云对流参数化方案［12］的表现尤为突出，其综合ETS评分达到了0.52.因此，本研究将WSM3和GD作为雅砻江流域的最佳参数组合方案.

表2　方案组合评价结果Tab.2 Evaluation results of scheme combinations

表3　WRF模式参数配置Tab.3 Configuration of WRF model parameters

基于优选得到的参数方案组合，设置雅砻江流域WRF模式的参数如表3所示.模式采用非静力动力框架，由NCEP分辨率为1°×1°的最终分析资料（FNL）提供初始场和边界条件，边界场更新时间间隔为6 h，30 s分辨率的地形数据与植被数据来自WRF官网（http：//www2.mmm.ucar.edu/wrf/OnLine Tutorial/Basics/GEOGRID/ter_data.htm），垂直方向分35层并采用地形跟随坐标，水平网格系统采用Arakawa-C格点形式，边界层采用YSU方案，下垫面采用Noah统一陆面模式，长短波辐射方案分别为RRTM和Dudhia.经过反复试验，确定了90 s的模式积分步长，并选用3阶Runga-Kutta分裂显式时间差分算法.空间差分使用6阶中心差分算法.云微物理参数化方案和积云对流参数化方案分别使用WSM3和GD.

3　模式应用与验证

为了验证WRF模式在雅砻江流域径流模拟中的有效性，本文利用HEC-HMS（hydrologic engineering center’s hydrologic modeling system）构建了雅砻江流域分布式水文模型.其中，HEC-HMS分布式水文模型产流计算采用Grid SCS方法，坡面汇流采用Mod Clark方法，基流计算采用指数消退法，河道汇流则采用马斯京根法.在此基础上构建了雅砻江流域气象水文单向耦合模式.由于HEC-HMS分布式水文模型的下垫面网格分辨率为2 km，与WRF输出的降水网格（3 km）存在一定的偏差，且HEC-HMS拥有独立的数据库系统HEC-DSS，所有网格降水数据必须输入HEC-DSS才能被HEC-HMS分布式水文模型使用，因此模型耦合的关键问题是如何实现两者时空尺度的匹配以及软件层面格式的匹配.本文构建的WRF模式和HEC-HMS模型均采用1 h时间步长，且时间系统均为世界时（UTC），因此在时间尺度上是匹配的.空间匹配的基本思想是基于相同的坐标系统，以2 km网格中心坐标为准，搜索包含该坐标点的3 km网格，并将3 km网格的降水信息赋值给2 km的水文模型网格，由此实现了两种分辨率网格的对应，效果如图5所示.这种对应关系是固定的，对其进行永久性存储，在模拟过程中直接加以利用可以大大降低计算耗时.WRF模式与HEC-HMS模型在软件层面的匹配主要是因为WRF模式输出文件为NetCDF格式，HEC-HMS则要使用专用的数据库系统（HEC-DSS）对输入输出数据进行管理，两种文件格式差别较大.基于现代软件开发理念，HEC-DSS提供命令行格式的数据录入接口，但只针对ASCII格式的网格文件.因此，论文分别开发两个计算机程序，由NetCDF到ASCII格式的转换通过NCL脚本（Linux平台）实现，而ASCII文件写入HEC-DSS数据库的任务则由批处理程序（Windows平台）完成.

图5　模式降水在下垫面剖分网格的对应结果Fig.5 Interpolation results of model precipitation in land surface grids

图6　径流模拟结果Fig.6 Simulation results of runoff

在模式耦合的基础上，针对2006年7月23日至2006年7月27日的一场暴雨洪水事件，利用WRF模式输出的高分辨率降水数据对分布式水文模型进行参数率定及径流计算.针对该场暴雨，HEC-HMS 在WRF模式输出数据的驱动下得到的径流模拟结果如图6所示.由图可知，各站径流模拟纳什效率系数NS均在0.93以上，且洪峰量级和峰现时间均得到了较好的模拟.说明本文构建的雅砻江数值天气预报模式能够较好地模拟出形成洪峰及维持径流的降水信号，WRF模式与水文模型的耦合在径流模拟和预报中具有一定的潜力.

4　结论与展望

本文针对雅砻江流域径流模拟预报的需要，构建了雅砻江流域高分辨率的WRF模式，并且通过参数优选的思路确定了对降水模拟影响较大的积云对流参数化方案和云微物理参数化方案.最后，将WRF模式模拟输出的降水作为驱动数据输入分布式水文模型中，用以检验构建的WRF模式在雅砻江径流模拟中的有效性.结果显示，WRF模式驱动分布式水文模型得到了较好的模拟效果，能够较为真实地还原干流上多个控制站点的实测径流过程.这表明数值天气模式能够有效反映形成洪水的降水信号，这种高分辨率的降水数据具有广阔的应用前景，为缺资料地区的径流预报提供了新的途径和参考.但模式输出数据在当前条件下仍然具有较大的不确定性，其雨量及分布具有一定的系统和随机误差，如何有效地控制模式误差，为径流模拟预报提供质量较好的高分辨率降水数据，是今后研究的重点.此外，论文采用算数平均的方式计算某一参数化方案组合对多场降水模拟的综合评价结果，未能对不同规模和类型的降水进行区分，而大量研究证明WRF模式对不同量级降水和不同类型降水的模拟能力是有差异的，今后将对此做更为深入的探索.

参考文献：

［1］ 王 峰，周惠成，唐国磊，等. GFS预报信息在水电站运行中的应用研究［J］. 水电能源科学，2011，29（7）：25-28. Wang Feng，Zhou Huicheng，Tang Guolei，et al. Study of optimal operation of hydropower station using GFS information［J］. Water Resources and Power，2011，29（7）：25-28（in Chinese）.

［2］ Ebert E E，McBride J L. Verification of precipitation in weather systems：Determination of systematic errors ［J］. Journal of Hydrology，2000，239（1/2/3/4）：179-202.

［3］ Joseph B K. Weather research and forecasting model：A technical overview［C］//Proceedings of the 84th AMS Annual Meeting. Seattle，USA，2004：10-15.

［4］ Done J，Davis C A，Weisman M. The next generation of NWP：Explicit forecasts of convection using the weather research and forecasting（WRF）model ［J］. Atmospheric Science Letters，2004，5（6）：110-117.

［5］ 闫之辉，邓莲堂. WRF模式中的微物理过程及其预报对比试验［J］. 沙漠与绿洲气象，2007，1（6）：1-6. Yan Zhihui，Deng Liantang. Description of microphysical processes in WRF model and its prediction experiment ［J］. Desert and Oasis Meteorology，2007，1（6）：1-6（in Chinese）.

［6］ 李 刚，王 铁，谭言科，等. WRF3.0参数化敏感性及集合预报研究［J］. 解放军理工大学学报：自然科学版，2010，11（1）：89-96. Li Gang，Wang Tie，Tan Yanke，et al. Impact of parameterization schemes in WRF3.0 model on numerical simulation of rainstorm and experiment of ensemble forecast ［J］. Journal of PLA University of Science and Technology：Natural Science Edition，2010，11（1）：89-96（in Chinese）.

［7］ 章国材. 美国WRF模式的进展和应用前景［J］. 气象，2004，30（12）：27-31. Zhang Guocai. Progress of weather research and forecast（WRF）model and application in the United States ［J］. Meteorological Monthly，2004，30（12）：27-31（in Chinese）.

［8］ Alam M M. Impact of cloud microphysics and cumulus parameterization on simulation of heavy rainfall event during 7-9 October 2007 over Bangladesh ［J］. Earth System Science，2014，123（2）：259-279.

［9］ 陈 静，薛纪善，颜 宏. 微物理过程参数化方案对中尺度暴雨数值模拟影响的研究［J］. 气象学报，2003，61（2）：508-523. Chen Jing，Xue Jishan，Yan Hong. The impact of physics parameterization schemes on mesoscale heavy rainfall simulation ［J］. Journal of Meteorological Research，2003，61（2）：508-523（in Chinese）.

［10］ 陈海波，马振升，田宏伟，等. NCEP FNL全球分析资料的解码及其图形显示［J］. 气象与环境科学，2009，32（3）：78-82. Chen Haibo，Ma Zhensheng，Tian Hongwei，et al. Decoding and graphic display of the NCEP FNL global analysis data ［J］. Meteorological and Environmental Sciences，2009，32（3）：78-82（in Chinese）.

［11］ Hong S Y，Dudhia J，Chen S H. A revised approach to ice microphysical processes for the bulk parameterization of clouds and precipitation ［J］. Monthly Weather Review，2004，132（1）：103-120.

［12］ Grell G A，Dévényi D. A generalized approach to parameterizing convection combining ensemble and data assimilation techniques ［J］. Geophysical Research Letters，2002，29（14）：1693-1696.

（责任编辑：樊素英）

Building and Application of WRF Model in Yalong River Basin

Yang Mingxiang1 2，Jiang Yunzhong2，Wang Zhongjing1，Wang Hao2
（1.School of Civil Engineering，Tsinghua University，Beijing 100084，China；2.State Key Laboratory of Simulation and Regulation of Water Cycle in River Basin，China Institute of Water Resources and Hydropower Research，Beijing 100038，China）

Abstract：This paper built the weather research and forecasting（WRF）model in view of Yalong river basin，and simulated three heavy precipitation events with seven commonly used cloud microphysics schemes and three cumulus parameterization schemes to get the ETS scores.The WSM3 and GD parameterization scheme combination was proved better than the others，which provided an important reference to further application of WRF model in Yalong river basin.In addition，in order to verify the effectiveness of the hydrological applications of WRF model built in this paper，WRF model and distributed hydrological model HEC-HMS were coupled in the off-line mode.The simulation results of the coupling model was good，indicating that WRF model can reflect the signal that creates the flood peak and maintains the runoff，and it has great potential in runoff simulation and forecasting.

Keywords：WRF；Yalong river basin；HEC-HMS；parameterization optimization

中图分类号：P456

文献标志码：A

文章编号：0493-2137（2016）04-0349-06

DOI:10.11784/tdxbz201412079

收稿日期：2014-12-30；修回日期：2015-04-04.

基金项目：国家“十二五”科技支撑计划资助项目（2013BAB05B01，2013BAB05B05）；中国水利水电科学研究院博士生学位论文创新研究基金资助项目.

作者简介：杨明祥（1986— ），男，博士研究生，yangmx12@mails.tsinghua.edu.cn.

通讯作者：蒋云钟，lark@mwr.gov.cn.