陸氣耦合研究及應用范文

本站小編為你精心準備了陸氣耦合研究及應用參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《水文雜志》2014年第三期

1陸面模型

1.1VIC模型概述VIC水文模型基于SVATS（SoilVegetationAtmo-sphereTransferSchemes）思想，通過空間網格化和土壤空間概率分布函數來反映氣候和下墊面因子的時空變異性，也被稱為“可變下滲容量模型”。新一代VIC模型將土壤分為3層，從上自下分別為頂薄層、上層和下層，在蒸散發計算上，采用冠層濕部蒸發、植被蒸騰和裸土蒸發三種蒸發模式。在產流機制上，將產流分為直接徑流和基流兩個部分，其中直接徑流包含蓄滿和超滲兩種產流機理，分別用于飽和面積和未飽和面積上的產流計算；采用ARNO方法描述基流，且不考慮頂薄層和上層中的側向流，并假定基流只發生在最層土壤[7-8]。在匯流計算上，VIC模型假定各個網格之間產流計算相互獨立，通過耦合Routing網格匯流模型[9]來計算網格內和網格間匯流，網格內匯流采用經驗單位線法，網格之間匯流則采用線性圣維南方程組方法求解。陸面過程模擬流程見圖1。

1.2模型參數確定VIC－Routing模型參數可以分為產流和匯流參數，產流參數包括網格植被類型、植被參數庫以及土壤參數，匯流參數包括網格面積比例、網格流向、流速以及擴散系數。利用ArcGIS軟件，通過水文分析和空間統計等處理先后生成網格面積比例、網格流向，網格植被類型分布等參數文件，通過參考LDAS（LandDataAs-similationSystem）相關成果來制作植被參數庫文件。而對于網格土壤參數文件的制作，由于土壤參數較多，分與土壤類型相關的參數和與產流相關的經驗參數，需采用不同的方法確定，前者采用基于網格優勢土壤類型查表和公式計算相結合的方法確定，后者則通過模型率定來確定。為方便與數值天氣預報模式耦合，VIC網格目標分辨率與數值天氣預報模式一致，取為10km，統計結果表明，寸、宜區間共由680個10km×10km網格覆蓋，其中共有642個網格產流量匯入三峽水庫。

1.3模型輸入本文中VIC模型只對水量平衡進行計算，采用24h的時間步長，模型輸入為日降水和日最高、最低氣溫。在降水、溫度數據網格插值上，利用寸灘等87個雨量站的實測降雨數據和奉節等7個氣象站的溫度數據，采用倒距離平方和插值法將站點數據插值到網格上，考慮到三峽庫區內雨量站和氣象站點分布不均，且雨量站比溫度站密集，故采用動態搜索法確定插值范圍，取距網格中心點最近的六個雨量站和最近的三個溫度站分別對雨量、溫度進行網格插值計算。

1.4模型參數率定VIC-Routing模型待率定的參數有7個與產流相關的土壤經驗參數和2個匯流參數。對于土壤經驗參數的率定，考慮到VIC為基于網格的分布式水文模型，對每個網格內的經驗參數都進行率定，計算量巨大，計算時間過長，可行性較低；而三峽庫區土壤類型分布較又較為均勻，上層土壤（0~30cm）主要是壤土類，下層土壤（30~100cm）主要是黏壤土和黏土，且以萬縣為界，萬縣上游主要為黏壤土，萬縣下游主要為黏土，并沒有必要對每個網格內的土壤經驗參數都進行率定。結合三峽庫區水文控制站點流量資料情況的基礎上，將三峽庫區以萬縣為界，分為兩個區間，分別進行參數率定，萬縣以上區間以寸武、清溪場子區間為代表流域，萬縣以下分左右岸，左岸以大寧河（巫溪站）代表流域，右岸以磨刀溪（長灘站）為代表流域。寸武、清溪場流量資料系列較長，取2001~2006年為率定期、2007~2008年為檢驗期，而巫溪和長灘站徑流資料有限，取2004~2005為率定期、2006年為檢驗期，采用SCE-UA優化算法，以Nash模型效率系數R2（確定性系數）為目標函數，參數率定結果詳見表1。至于匯流參數的率定，三峽庫區雖然匯流地貌條件復雜，但庫區兩岸支流較短，匯流速度均較快，且Routing模型中匯流速度和擴散性系數都有較明確的物理意義，故可先利用相關資料估算初值，再選取洪水過程進行調試，最終調試結果表明，流速可取3.5m3/s，擴散性系數可取1000m2/s。

1.5VIC模型檢驗為檢驗VIC模型在三峽庫區的模擬情況，利用2006~2008年庫區氣象、水文以及徑流資料，分別對三峽庫區年徑流量、汛期產流量（5月1日~11月1日）以及重要洪水過程等模擬結果進行統計分析，所選取的場次洪水均對三峽入庫洪水有重要影響，統計結果詳見表2~3。由表2~3可知，2006年~2008年VIC模型三峽庫區年徑流模擬總量和汛期模擬產流量的相對誤差均較低，年徑流模擬總量相對誤差分別為3.08%、3.10%、4.18%，汛期模擬產流量，分別為0.13%、0.73%和1.66%。進一步分析可知，在7場洪水模擬中，洪峰和洪量相對誤差均在20%以內，且模擬峰現時間和實際峰現時間均完全擬合。根據水文情報預報規范（SL250-2000）[10]相關評判標準，三峽庫區VIC模型模擬精度較高，可以用于三峽水庫入庫洪水作業預報。

2氣象模式

2.1WRF模式簡介WRF模式是由美國多家研究機構共同研發的新一代中尺度預報模式和同化系統，采用模塊化、并行化以及分層設計等技術，在計算精度、快波處理以及預報時效等方面優于其他中尺度氣象模式，有著良好的降水、氣溫模擬精度

。2.2WRF模式設置本文WRF模式以三峽庫區為計算區域的中心，采用粗細網格雙重嵌套劃分方法，粗網格和細網格的水平分辨率分別為30km和10km，分別覆蓋影響長江中上游的主要天氣系統和影響三峽庫區的主要天氣系統，并根據網格水平分辨率將WRF模式積分步長設置為180s。在預報作業上，下載美國環境預測中心（NCEP）的全球分析場和預報場作為WRF模式的初始場和側邊界條件，并以3h為計算步長預報未來168h之內的天氣狀況。由于NCEP每天在北京時間8點20分左右資料，預報資料下載和WRF模式計算耗時約3h（本文采用8核惠普工作站，CPU主頻3.3GHz，12GB內存，FedoraCore14_X64系統和并行計算環境），因此，每天可在11點20分左右有效預見期為165h的天氣預報成果。本文通過自動運行腳本成功的控制了預報資料下載、預報計算以及預報結果輸出等過程的自動運行。

2.3WRF降水預報檢驗為評價WRF在三峽庫區的降水預報精度，參考《關于下發中短期天氣預報質量檢驗辦法（試行）的通知》氣發（2005）109號文件相關要求，采用TS評分方法，利用三峽庫區87個雨量站點實測資料，對WRF模式2007年7月逐日降水預報進行檢驗。為便于比較，實測值以及預報值時段統一整理為早8時至次日早8時，TS評分結果見表4。式中：TS為評分值，又稱預報準確率，氣象上一般采用該值來評價降水預報的準確率，TS評分值越高，表示預報效果越好。NA為預報準確次數，NB為空報次數，NC為漏報次數。由表4可知，WRF模式降水預報結果的TS評分值與預報時效以及預報降水量級有關，隨著預報時效的延長、降水量級的增加，TS評分值有減小的趨勢。進一步分析可知，96h內降水預報結果的TS評分值較高且較穩定，而96h之后的TS評分值有隨預報時效的延長而遞減的趨勢?？梢?，WRF模式在三峽庫區的降水預報應用上，有著良好的短期定量降水預報能力和一定的中期定性降水預報能力。

3三峽庫區陸氣耦合洪水預報系統構建

3.1WRF與VIC耦合陸面模型和氣象模式耦合的關鍵問題是實現氣象模式輸出與陸面模型輸入之間的時空尺度匹配。在空間尺度上，WRF模式與VIC模型網格分辨率均為10km，且兩者在地理空間上對應良好，可直接利用Ar-cGIS軟件實現VIC網格和WRF網格之間的空間匹配。在時間尺度上，WRF模式和VIC模型的預報步長分別為24h和3h，而耦合系統的步長為24h，統一以早八時至次日早八時為計算時段，依次提取WRF模式相應24h內累積降水量、最高氣溫和最低氣溫等預報要素，并按VIC模型氣象輸入文件格式要求輸出，從而成功實現了WRF模式與VIC模型間的單向耦合。

3.2陸氣耦合洪水預報系統實現三峽庫區陸氣耦合洪水預報系統主要由氣象模式（WRF）、陸面過程（VIC－Routing）、數據庫支撐、預報以及自動運行控制5個模塊組成。雖然天氣預報和洪水預報計算均在Linux系統下完成，但為便于與其它洪水預報系統集成，系統將預報平臺布設在Windows客戶端，通過采用服務器構架和數據庫訪問策略控制技術來解決不同系統間數據傳遞問題，并研發了自動運行控制模塊，實現了系統內部自循環日滾動預報，三峽庫區陸氣耦合洪水預報系統框架圖和預報界面詳見圖2~3。

4暴雨洪水預報試驗

為檢驗三峽庫區陸氣耦合洪水預報系統的預報精度，選取表4中對入庫洪水貢獻最大的四場三峽庫區洪水過程，進行暴雨洪水預報試驗，各場洪水的峰現時間分別為2007年6月20日、2007年7月21日、2007年7月30日和2008年8月16日。結合WRF模式預報能力，同時考慮到庫區上游水文部門一般只提供未來3天寸灘站、武隆站徑流過程預報，本文選取96h為最長預見期，利用耦合系統分別對以上四場洪水進行日滾動預報試驗。

4.1WRF模式降水預報成果分析與傳統洪水預報方案檢驗不同，在檢驗陸氣耦合洪水預報精度之前，應首先對定量降水過程進行檢驗。本文分別從對產匯流影響較大的面平均雨量（P_AVE）和網格最大雨量（P_MAX）兩方面對降水預報精度進行檢驗，考慮到雨量等級對相對誤差等級影響較大，所以大于5mm的降水以相對誤差為衡量指標，而小于5mm的降水以絕對誤差為衡量指標。本次降雨試驗共有40場降水預成果，其中面平均雨量和網格最大雨量預報中偏大預報場數分別為24場和28場。分析表明，小雨事件預報值大于實測值的情況較多，暴雨事件預報值小于實測值的情況較多，且整體上WRF模式偏大預報要多于偏小預報。為進一步分析WRF模式降水預報精度的影響因素，統計WRF模式在不同預報時效和不同雨量等級下的降雨預報平均相對誤差水平，統計結果詳見表5。由表5可知，WRF模式降水預報精度同時受預報時效和預報等級的影響，對于同一預報時效，中到大雨的平均相對誤差最低，大到暴雨次之，而小雨事件則不太穩定；對于同一雨量等級，預報精度有隨預報時效的增長而遞減的規律。此外，面平均雨量預報精度整體上比網格最大雨量高?？傮w上，WRF模式在三峽庫區的降水預報精度良好，能夠為洪水預報提供有效的降水預報信息。

4.2入庫洪水預報成果分析為檢驗耦合系統洪水預報精度，以不考慮預見期降水的傳統預報方法為參照，將三峽庫區陸氣耦合洪水預報系統的洪水預報結果與寸灘、武隆上游來水合成為三峽水庫預報入庫洪水，再與實際入庫洪水進行對比分析，其中寸灘、武隆洪水演進采用馬斯京根法。圖4給出了不同預報時效的預報入庫洪水與實際入庫洪水以及傳統預報入庫洪水之間的對比情況，表6則給出了不同預報時效洪峰預報誤差。由圖4可知，與無降水預報相比，考慮三峽庫區洪水的三峽入庫洪水預報精度明顯提高。通過表6進一步分析可知，在統計的16個三峽水庫入庫洪峰預報成果中，偏大預報為9個，最大正偏差為7.0%，偏小預報為7個，最小負偏差為11.8%。可見，洪峰預報精度與預報時效有關，預報時效越長，預報精度越低，24h~96h對應的平均相對誤差水平分別為：1.1%、2.8%、5.9%和2.9%。根據水文情報預報規范(SL2502000)，以實測洪峰流量的20%為許可誤差，以上四場洪水預報試驗洪峰預報誤差均在許可誤差之內。可見，三峽庫區陸氣耦合洪水預報系統96h以內洪水預報精度均符合水文預報作業標準，可以為三峽水庫安全高效運行提供及時、有效的決策支持。

5結論

本文在降水預報上，建立了三峽庫區新一代數值天氣預報WRF模式，降水預報試驗結果表明WRF模式對三峽庫區降水具有良好的預報能力，短期降水預報精度良好；在洪水預報上，建立了三峽庫區VIC分布式水文模型，并采用SCE-UA優化算法對模型參數進行率定，模型檢驗結果表明VIC水文模型在三峽庫區具有較高的確定性和預報精度。進而利用WRF模式降水、氣溫等預報數據驅動VIC模型，實現了WRF模式與VIC模型間的單向耦合，并構建了三峽庫區日滾動暴雨洪水預報系統。最后，選取庫區洪水對入庫洪水貢獻較大的四場洪水進行預報試驗，分析結果表明三峽庫區陸氣耦合預報系統可以有效延長三峽入庫洪水預見期，能夠提高預見期內洪水預報精度。綜上可知，基于數值天氣預報模式和分布式水文模型的陸氣耦合洪水預報系統在入庫洪水預報上具有較大應用潛能。

作者：彭艷周建中賈夢曾小凡唐造造單位：水電與數字化工程學院華中科技大學廣東省水利水電科學研究院廣東省山洪災害突發事件應急技術研究中心