WRF-Hydro模型在生態水文中的研究進展

劉 晨，張成福，苗 林，賀 帥，王雨晴，丁素芹

(1.內蒙古農業大學 沙漠治理學院，內蒙古 呼和浩特 010018 2.包頭市林業和草原工作站，內蒙古 包頭 014030)

1 引言

由于氣候變化和人類活動所致的全球氣候變暖的趨勢日益加劇，進一步引發極端水文事件(如洪澇或干旱)頻度和強度增大、重現期縮短,災害程度加重[1]。同時，生態水文和生態經濟用水量估算不確定性也有所增加[2]。因此，特定流域的區域氣候-陸地水文模擬具有重要的科學意義和應用價值。這些模擬有助于對極端降水事件造成的災害做出及時的應對措施和方案[3～5]。

與其他水文模型相比，WRF-Hydro具有更高的模擬精度。WRF-Hydro對地表水文過程預報的準確性是因為它包含高分辨率的地形和水文數據。WRF-Hydro 是一個開源的、以用戶為中心的建模框架，旨在建立大氣和陸地水文過程之間的多尺度連接，并集成了水體的大氣建模和水文分析建模能力。目前，WRF-Hydro正在世界各地進行測試和應用。它可以用作大氣和地球表面水文模型的“中間件”，或用作獨立傳統地表水文模型[6]。目前，最新版本的WRF-Hydro5.0具有多種水文參數化方法，為地球表面典型的多種水文過程提供模型耦合接口，用戶可以自主添加其他模塊，以滿足研究和應用需求[7]。

本文在查閱國內外相關文獻的基礎上，分析了WRF-Hydro模型研究的發展現狀、趨勢和熱點。在綜合評述山洪預測、大氣-水文模擬、區域水資源管理和大氣-陸地水平衡的基礎上，闡述了WRF-Hydro發展的過程，指出了WRF-Hydro面臨的主要問題和挑戰并對未來該模型的研究方向進行了展望。

2 WRF-Hydro模型介紹

WRF-Hydro模型是許多國家和地區，主要是美國大氣科學中心開發的分布式水文模型NDHMS(the National Center for Atmospheric Research(NCAR)Distributed Hydrologic Modeling System)的高分辨率水文預報模式。該模型不僅是一個全分布、多物理以及多尺度的三維陸-地表水文模擬系統，而且考慮了地表水、淺層地下水和河流水的側向再分配過程，能較好地描述陸-氣交界面的水和能量通量之間的關系。它現在是美國新的國家水資源模型的核心[8]。

在國外，WRF-Hydro系統已廣泛應用于各種研究和運行預測問題。過去的具體項目包括山洪暴發預測、區域水文氣候影響評估、水資源季節性預測和陸-氣耦合研究。

WRF-Hydro模型既能獨立運行，還具有水文模型和大氣模型的雙向耦合結構，該模型是完全并行的，可用高性能計算系統[9]。借助多尺度功能，您可以模擬各種空間網格中的大氣、陸地和水文過程。結合WRF模型，可以延長洪水預報周期，提供山洪預報[10]。

在WRF-Hydro模型中，土壤的合流是一個三維計算模型，它考慮了縱向和橫向的水交換過程，物理意義更加清晰。近年來，研究人員利用WRF-Hydro模型進行了相關研究。研究表明，該模型在提高洪水預報的準確性和提供早期洪水預報方面具有很大的潛力[11]。由于中小流域面積小、徑流匯合時間短、更容易發生洪澇災害，開展徑流模擬研究對流域洪水預報具有重要意義。在非耦合模式下，WRF-Hydro模型由氣象數據驅動，然后結合當地地形和地形信息生成預測的流出時間序列[12]。在耦合模式下，WRF-Hydro通過提供數值天氣預報模式與WRF-Hydro模式之間的反饋，可以改善整個區域的水循環模擬。WRF-Hydro模式運行框架圖見圖1。

圖1 WRF-Hydro模式運行框架

3 WRF-Hydro模型主要參數

大多數水文模型使用統計算法來描述水文成分之間的關系。并且建模效果高度依賴于模型參數的校準[13-14]。改變研究流域后，需要利用大量觀測數據對水文模型進行再次校準。WRF-Hydro是一種獨立運行的水文模型，其參數比流域水文模型復雜得多，在將WRF-Hydro模型應用于水文模擬和預測之前，對WRF-Hydro模型參數進行分析和敏感性測試將提高關鍵參數的標定效率，更好地將模型應用于水文模擬和流域預測[8]。這些主要的靈敏度參數大致可以分為兩類：一種是對總徑流量影響較大的參數，如入滲率(RefKDT)、深排水控制系數(SLOPE)、地表水深度(Retdeprt)等[15]；另一種是對水文過程影響較大的參數，如表面粗糙度(OVroughrt)、曼寧粗糙度(MAnnN)以及飽和土側導水率(LKSATFAC)等[16]。

由于每個研究區域的區域地形和氣候的特殊性，參數的默認值往往不普遍適用，特別是對模擬結果影響較大的關鍵參數。因此，將參數設置的適當范圍(包括默認參數)進行比較，以獲得更好的區域模擬的最優參數集。資料表示，一些主要參數已經被校準，包括控制通道總水量的參數[17]。因此，在WRF-Hydro模型參數靈敏度試驗校準過程中，需要考慮兩個主要方面。一方面，考慮了控制河道總水量的參數，包括徑流入滲參數(REFKDT)和由尺度參數RETDEPRT控制的地表滯留深度(RETDEPRTFAC)；REFKDT決定了河道匯流計算的輸入流量，降雨和土壤入滲能力之間的差異。增加溝道像素上的Retdeprt尺度因子可以促進溝道附近更多的局部入滲，從而產生更濕潤的土壤，更好地模擬河岸條件。另一方面是觀察控制流線形狀的參數，包括河道曼寧粗糙度參數(MANN)和由縮放參數OVroughrtfac控制的表面流粗糙度參數(OVroughrt)。OVrought是由土地利用類型決定的，影響下游地表噴射器的流速，而MannN反映了河流粗糙度對水流的影響。與RETDEPRTFAC一樣，縮放參數OVroughrtfac用于對OVroughrt的簡單校準。表1給出了WRF-Hydro模型中徑流形成的主要敏感參數及其取值范圍。

4 WRF-Hydro的應用及主要功能

在WRF-Hydro系統的開發過程中，世界各國針對廣泛的研究和運行問題進行了相關研究，驗證了該系統的實用性和理論價值。具體研究包括山洪預測[18]、區域水資源管理、大氣-水文模擬[19]和大氣-陸地水平衡研究等。

4.1 WRF-Hydro在大氣-水文模擬中的應用

使用復雜地形和地表-地下水交換區連續模擬水循環。Senatore A等[9]在意大利的南部進行了3年的連續模擬，結果表明：WRF/WRF-Hydro能夠更好地模擬陸面水循環過程。

Lu Li等[11]在印度北部的一個山區利用WRF/WRF-Hydro的雙向耦合模擬和評估了喜馬拉雅源河流域10年的年度水收支。WRF-Hydro模型在捕捉高分辨率降水的時空結構方面顯示出了很好的性能，結果表明，WRF-Hydro模型在對實測值較差的大氣-水文循環模擬中有很好的能力。

與中尺度數值大氣模式耦合，WRF-Hydro，可實模擬一個大尺度地區的蒸散發情況。Peirong Lin等[20]用高分辨率對整個德克薩斯州(流域面積：464135 km2)進行了蒸散發(ET)和徑流模擬，結果表明模型對蒸散發和徑流的影響與干旱有關。在潮濕的年份預報ET比在干燥的年份預報ET更好。在濕潤地區徑流預測效果較好，效率最高在0.7左右。

Xue Z等[21]用WRF-Hydro模型研究了路易斯安那州西南部三個盆地的水文氣候趨勢，以及它們與大尺度大氣驅動因素的聯系。對1979～2014年的數十年期進行了模擬后，對模型模擬的每月和每年時間序列的趨勢分析,小波分析表明，自1990年代末以來，蒸散，土壤水分和水流的異常與降水表現出高度的一致性。

WRF/WRF-hydro雙向耦合輸出與Silver等[12]在以色列和約旦干旱半干旱地區的實測徑流量進行對比，預測結果基本反映了實際徑流量變化。

4.2 WRF-Hydro在洪水預測中的應用

Ryu等[15]將WRF-Hydro應用于韓國的大氣-水文耦合系統中進行山洪預報，結果表明，完全耦合模式可以幫助預測朝鮮半島的山洪。

Senatore等[9]比較了WRF/WRF-hydro單向耦合和雙向耦合的降雨徑流模擬結果。結果表明，完全耦合模式能較好地捕獲強對流事件。

Akd A等[22]在雅魯藏布江流域建立了WRF-Hydro模型，對每小時的流量進行估算。對2019年7月發生在雅魯藏布江的極端事件進行了詳細研究。對汛期每一事件每小時的估計證明了該系統在東南亞易發生洪水的地區進行接近實時的洪水評估和預測的能力。

Fredj E等[23]利用WRF-Hydro模型對地中海盆地極端洪水事件的模擬結果表明，在極端洪水事件和全水文過程中，模擬結果與實際洪峰流量吻合較好。WRF/WRF-hydro耦合系統可用于寒冷季0～72小時前的洪水預報和洪水預警，也可用于過渡季節影響以色列的對流風暴。

4.3 WRF-Hydro在區域水資源管理中的應用

Naabil等[16]在西非進行了為期3年的連續模擬,利用WRF-Hydro模型的輸出結果作為水平衡模型的輸入數據來模擬大壩的水位，進一步驗證了模型的輸出精度。WRF-Hydro已經顯示了在水資源規劃(即在水流和大壩水位估計方面)中使用的潛力。但考慮到模型偏差積累對壩位估算的影響，模型在基流量、飽和滲透系數等模型參數校準方面還需進一步改進。

Karsten L[24]利用WRF-Hydro模擬降雨對懷俄明州水資源管理的影響。針對2010年和2012水年的冬季，利用美國國家大氣研究中心(NCAR)開發的專門的人工降雨參數化技術，在WRF模式中模擬了一系列的人工降雨試驗。該研究首次對WRF模式進行了人工降雨參數化和WRF-hydro耦合模擬，旨在評估人工降雨導致的降水變化對地表水文狀態的后續影響，以及人工降雨對以流域為目標的流域點的徑流的影響。

4.4 WRF-Hydro在大氣-陸地水平衡中的應用

Kerandi等[8]在東非進行了為期4年的連續模擬，證實了WRF/WRF-hydro的雙向耦合可以作為量化大氣-陸地水平衡的工具，從而更好地進行水資源管理。

Arnault J等[25]在西非進行了為期1年的連續模擬。結果表明：WRF-Hydro模型能反映徑流量-入滲分配的作用，并能解析坡面流量對陸氣反饋的影響，尤其是對降水的影響。

5 WRF-Hydro單向耦合和雙向耦合

傳統的大氣-陸地耦合研究不能夠系統的描述陸地水循環變化對大氣反饋，一般重點集中在大氣模式分辨率上，缺少對陸地水循環整體上和物理上的描述[26，27]。由于陸地和大氣的單向耦合不能共享大氣模型的地表過程，水文模型不能使用大氣輸入來強制優化蒸散和土壤水分計算，同時大氣模型不能參考實際測量數據和水文模擬結果來驗證其模擬精度[28-29]。以前的陸氣耦合研究多采用單向耦合，將大氣模式的輸出結果，直接作為水文模型的驅動要素[30]。目前，將大氣-水文過程進行雙向耦合機制是高分辨率水文模式的發展趨勢[31]。WRF/WRF-Hydro的雙向耦合，可以大大提高模型對水循環過程的模擬精度和結果，雙耦合模式具有陸氣交叉供給機制，可以提高對降雨、徑流等關鍵水循環要素的模擬，改善水平衡，同時模擬完整的區域水循環過程。可以為水資源管理提供有效科學依據[32]。

6 WRF-Hydro模型的發展前景

對于大多數氣象要素，WRF-Hydro模式具有較高的模擬精度和運行效率，在水文氣象領域具有更廣闊的應用前景。

(1)物理參數化方案和空間尺度的選擇是WRF-Hydro模型應用過程中的重點和難點，WRF-Hydro 模型關鍵參數的標定和驗證的不確定性極大地影響了模擬和預測的結果。適用于不同地區、不同時段氣象要素模擬的最優物理參數化方案可能不盡相同，水平分辨率并不是越高越好。因此，通過研究WRF-Hydro參數優化技術，可以有效避免各種參數效應和參數過剩的問題。僅用測量數據而非分析數據驅動 WRF-Hydro 可以在一定程度上提高參數校準的客觀性。此外，我們將闡明和完善 WRF-Hydro 的物理機制和改變敏感參數的規律。

(2)當與其他模型耦合時，應安排不同的尺度組合方案進行試驗，研究最優耦合尺度。WRF-Hydro耦合模式的對接與融合。研發和應用將是未來的發展趨勢。盡管WRF-Hydro實現了與其他大氣數值模型的協調性能，但由于不同模型之間的結構差異、運行效率和計算條件，雙向耦合的研究和應用很少。目前的研究表明，WRF-Hydro 可以更好地描述地球表面重要的大氣要素和水文過程，這得益于它與大氣模型的雙向耦合。同時，加強蒸發、土壤水分等與大氣潛熱和感熱直接相關的地表參數的逆計算、雙向WRF-Hydro耦合模型和區域應用，并在不同尺度上加強大氣和水文領域對接和整合。

(3)目前，WRF-Hydro模型最常用的數據同化方法是三維數據同化，可以大大提高模型的模擬和預測精度。為了進一步考慮計算效率和計算精度的提高，混合同化將成為未來WRF-Hydro模式數據同化方法的發展趨勢。