基于WRF的北京副中心强降水模拟

古玉，彭定志，邓陈宁，赵珂珂

(1.北京师范大学水科学研究院，北京 100875；2.城市水循环与海绵城市技术北京市重点实验室，北京 100875)

近年来，我国城市暴雨洪涝灾害发生频率与强度显著增加，全国各地频繁出现“城市看海”现象，如北京2012年的“7·21”、武汉2015年的“7·23”、深圳2019年的“4·11”以及郑州2021年的“7·20”特大暴雨等，城市暴雨洪涝造成的损失巨大，是当前威胁城市可持续发展的主要灾害之一[1]。

降水是城市洪涝的主要致灾因子，在城市化进程中，“热岛效应”和“雨岛效应”使得城区降水增多增强[2-3]。降水序列的精度与预见期对城市雨洪模拟具有重要影响。目前采用的降水数据多为历史或实时观测资料、雷达或遥感解译资料以及数值大气模式模拟资料等[4]。其中，结合区域数值大气模式的降水预报进行城市雨洪模拟，能够在保证结果可靠性的前提下，更早地预见洪水，对有效的城市雨洪管理和应急预案制定具有重要意义[5-7]。目前较常用的中尺度数值大气模式有Eta[8]、MM5(the fifth-generation mesoscale model)[9]及WRF(weather research and forecasting model)[10]等，其中WRF对各种气象要素模拟与预报结果都更加准确，特别是降水模拟与预报能力的提高，使其目前在国际上应用更广。但是，由于大气运动的复杂性和空间差异性以及初始条件和边界条件的误差，数值大气模式得到的模拟降水在雨量和时空分布上都存在一定的误差，且在不同的地区效果不同[11-13]。因此，当前应用研究大多通过初始数据集[14- 15]、嵌套方案[16- 17]、物理参数化方案[18- 19]和空间分辨率[20- 21]的比选、数据同化[22- 23]以及集合预报[24-25]等手段提高其精度及适用性。

利用WRF模拟北京强降水研究较少，针对北京市副中心强降水研究尚未开展。蒋立辉等[26]对2011年7月24日发生在北京的强降水过程进行了数值模拟。初祁等[27]基于对云微物理过程、积云对流过程和行星边界层3种物理参数化方案的优选，对WRF在北京地区短历时强降水模拟中的应用进行了研究。

以北京副中心北运河生态带、城北、河西和两河地区为研究区，通过更全面的物理参数化方案的优选提升WRF模拟效果，并结合实测数据进行评估。研究区见图1，面积约408.6 km2，有13条河与30条沟渠，主要水工建筑物有温榆河闸、小中河闸、北关拦河闸、北关分洪闸、张家湾闸、甘棠闸、榆林庄闸和杨洼闸(分别对应图1中的1～8)等。

图1 研究区位置和水系Fig.1 Location and river system of the study area

1 WRF模式及参数

WRF是新一代高分辨率中尺度预报模式，由预处理系统(WRF processing system，WPS)、同化系统(WRF data assimilation system，WRF DA)、主程序系统(ARW solver)以及后处理与可视化工具组成[28]。

1.1 基本参数设置

采用Lambert Conformal水平坐标投影方案，以北纬40.5°，东经116.5°为中心，选用1∶3∶3的3层嵌套方案双向反馈模式，空间分辨率从外到内依次为30 km(d01)、10 km(d02)和3.3 km(d03)。模式最内层(d03)嵌套区域见图2。

图2 模式最内层(d03)嵌套区域Fig.2 The inner-most domain of the WRF model

选用美国国家环境预报中心FNL再分析数据，为WRF模式动力降尺度提供初始化信息，水平分辨率为1°×1°，时间间隔为6 h。选用WRF模式提供的30″分辨率的地面静态观测数据集，基本参数设置见表1。

表1 WRF模式基本参数设置Tab.1 Main parameters of the WRF model

1.2 物理参数化方案设置

WRF模式中与降水有关的物理过程包括云微物理过程、积云对流过程、行星边界层过程、长短波辐射过程和陆面过程等，其中：云微物理方案描述的是云粒子和降水粒子的形成、转化与聚合增长等微观物理过程；积云对流方案描述的是云团和云系整体的宏观结构特征、热力过程及其演变规律；行星边界层方案描述的是对流层下层的大气运动。不同物理参数化方案提出的研究背景不同，其大多是在某一个地区观测资料的基础上建立起来的，对降水过程描述的重点和复杂程度不同，具有很强的区域差异性，需要通过方案优选来提高针对特定区域降水过程的模拟精度。目前的研究大多只考虑了对降水影响较大的云微物理方案、积云对流方案和行星边界层方案，本研究在此基础上进一步考虑长短波辐射方案，同时加入了城市表面方案。结合研究区的相关成果[26-30]，选取了模拟效果较好且应用较广的参数方案组成16种不同的组合，见表2。另外，由于最内层嵌套区域水平分辨率小于4 km，因此关闭积云对流方案。

表2 物理参数化方案组合Tab.2 Combinations of the physical parameterization schemes

2 结果分析

选取2012年“7·21”、2016年“7·20”和2017年的“6·22”3场典型强降水过程进行模拟，实测数据来源于北京市水文总站和水文年鉴，站点包括温榆河通县站、凉水河榆林庄站和北运河杨洼站。

2.1 误差评价指标

采用相对误差ER、均方根误差ERMS、平均偏差EMB和标准差DS4个指标评估不同方案在时空尺度上的模拟效果。各指标及计算方法见表3。

表3 各指标计算公式Tab.3 Formulas of indexes

2.2 模拟效果分析

模拟结果见图3，不同方案组合对研究区强降水过程及降水总量的模拟效果有明显的差异，整体上来看，“7·20”模拟结果最稳定，其次是“7·21”，“6·22”的模拟结果最不稳定。对于“7·21”，模拟的降水过程与实测过程整体上较为一致，但有所滞后，特别是降水极值的出现时间，多数组合对降水总量都有所高估。对于“7·20”，降水过程整体模拟都较为准确，不同组合对降水总量有所高估。对于“6·22”，不同组合的模拟结果差异显著，多数组合对降水总量都有所低估。对于3场降水，各组合模拟结果平均降水总量与实测降水差异较小，其中:“6·22”差异最小且存在低估，另外两场则相反；模拟平均降水过程则与单独模拟结果规律相似。

图3 不同方案组合的模拟降水Fig.3 Simulated precipitation of different combinations

各方案组合的模拟降水评价指标见表4。对降水总量的模拟，不同组合效果各不相同，根据ER极值绝对值之差可知，各组合对“6·22”的模拟结果差异最大，对“7·20”的模拟结果差异最小，即对“7·20”模拟最稳定。

表4 时间尺度的不同组合评价指标值Tab.4 Model performance for different combinations on the temporal scale

对于降水过程的模拟，同一场次降水不同组合的评价指标值各不相同，且“6·22”的不同组合模拟结果差异最大，如其c4与c5的ERMS之间差值为2.54。对于不同场次降水，相同参数方案组合的同一指标值也各不相同，如:c4对3场降水模拟的模拟效果都较好而c15则较差；c14和c16对“7·21”和“7·20”模拟效果较好但对“6·22”模拟效果很差;c2对“7·21”和“7·20”模拟效果较差但对“6·22”模拟效果较好。整体上“7·20”的各评价指标均值及其差异均较小，即在时间尺度上各参数方案组合对于“7·20”的模拟结果更准确与稳定。

为选取对3场降水都有较好模拟效果的参数方案组合，根据评价指标值对不同组合从优到劣(从1到16)进行排序见表5。结合表2可看出:对降水总量的模拟(ER)，积云对流参数化方案的影响最大：对于“7·20”和“6·22”，当积云对流参数化方案取GF(双数项组合)时模拟效果整体上优于取KF(单数项组合)；对于“7·21”则无明显差异。对降水过程的模拟，总体来说当积云对流参数化方案取GF时模拟效果较优。综上，积云对流参数化方案对研究区强降水模拟结果影响最大，且取GF方案时模拟效果更好。

表5 时间尺度的不同组合评价指标排序Tab.5 Ranking of different combinations on the temporal scale

在时间尺度上，虽然对两场降水模拟效果较好的方案组合有差异，但综合来看，依然有一些方案组合对两场降水的模拟效果都相对较好，包括c2、c4、c10和c12。基于此，研究进一步计算这4种方案在空间尺度上的效果，从而最终确定一组在时空尺度上均模拟较好的方案组合，构建适用于研究区的数值天气模式，计算结果见表6。

表6 空间尺度的不同组合评价指标值Tab.6 Model performance for different combinations on the spatial scale

在空间尺度上:c2对“6·22”的模拟效果最好而对“7·21”和“7·20”则最差；c4和c10对“7·21”和“6·22”的模拟效果差别不大，其中c10对“7·20”模拟效果最好；c12对“7·21”和“7·20”的模拟效果均较好而对“6·22”则最差。综合对累积降雨量的模拟结果，最终采用c4构建研究区数值天气预报模型，其中云微物理方案取WSM5，积云对流方案取GF，行星边界层方案取YSU，长、短波辐射方案取RRTMG，表层方案取MO1，陆地表面方案取Noah，城市表面方案取UCM，模拟结果见图4。对于“7·21”和“7·20”，c4模拟结果与各组合平均模拟结果无明显差异，而对于“6·22”，c4模拟结果则明显比平均模拟结果更加准确。

3 结论与讨论

城市的快速发展使得区域面临洪涝灾害更加脆弱，人民的生命财产安全和经济社会的发展受到严重威胁。北京副中心对首都的空间结构调整和发展建设具有重要意义，也对京津冀协同发展起着推动作用。本文以北京副中心北运河生态带、城北、河西和两河片地区为研究区，利用WRF模式对典型强降水过程进行了模拟。基于云微物理方案,积云对流方案,行星边界层方案,陆地表面方案,长、短波辐射方案以及城市表面方案等设置了16种不同的组合，结合实测降水进行方案优选，构建了适用于北京副中心的数值天气模型。结果表明：大气模式对强降水模拟具有一定的不确定性；对物理参数化方案进行优选可有效提高强降水过程的模拟精度，且不同的物理参数化方案组合的模拟结果各不相同，其中积云对流参数化方案对于研究区强降水模拟影响最大，采用GF方案模拟效果更好，在北京应用WRF模型时对于积云对流过程的描述应选择GF方案，在此基础上再确定其他过程参数化方案的选择；当云微物理方案取WSM5，积云对流方案取GF，行星边界层方案取YSU，长、短波辐射方案取RRTMG，表层方案取MO1，陆地表面方案取Noah，城市表面方案取UCM时，模拟结果最优。

图4 不同场次模拟降水结果Fig.4 Simulation results of different precipitations

研究发现积云对流参数化方案对研究区强降水模拟的影响最大且取GF方案结果最好，这与初祁等[27]在北京地区的研究结果相同。对于云微物理方案和行星边界层方案的优选结果与则与蒋立辉等[26]结果相同。尽管通过物理参数化方案的优选提高了模拟精度，但与实际观测值仍有一定偏差，需进一步深入分析。由于缺乏水文站点实测资料，且对每种参数方案只考虑了目前在该区域应用较广的方案，在下一步研究中可增加降水场次与方案数目，从而提高其适用性与精度。另外，模式模拟时间和积分步长的设置也会对结果有一定影响，也需深入开展研究工作。