多源高分辨率數字高程模型數據在WRF模式不同精度模擬中的應用

王子欣，黃 乾,2，殷馨玉

(1.南京信息工程大學，江蘇 南京 210044 ；2.重慶市氣象科學研究所，重慶 401147)

1 引言

下墊面特征的改變可以通過影響陸氣界面的質量、動量和能量相互交換過程從而影響局地天氣氣候的變化。對地形和土地利用等靜態下墊面特征的準確描述是數值模擬方法研究地形的機械強迫和熱力強迫效應影響天氣氣候特征機理的基礎。國內外對該問題已展開過較為深入的分析和研究，已有成果表明，高精度的準確下墊面信息是提高氣象信息的模擬性能的必要條件[1-3]。

作為中尺度天氣預報、研究模式的典型代表，WRF模式對不同尺度天氣過程進行數值模擬時同樣需要考慮模擬分辨率和下墊面資料精度的相關性問題。目前，WRF模式中使用的靜態下墊面資料中，地形高度資料主要由美國地質調查局(USGS)EROS數據中心于1996年發布的全球大陸范圍內的數字高程模型數據GTOPO30數據集[4]。自2016年WRF4.0版本發布以來，模式中加入了USGS和國家地理空間情報局(NGA)共同制作的GMTED2010(The Global Multi-resolution Terrain Elevation Data 2010)地形數字高程模式(DEM)數據[5]，該數據相比GTOPO30數據在垂直精度上有一定提高，該數據提供最高30弧秒(約0.9km)的分辨率結果。無論是GTOPO30還是GMTED2010，兩者發布時間均較早，距今均超過10余年，且可提供的最高分辨率約為1km，存在著分辨率較低、時效性不足的問題，尤其不能滿足現代具有復雜地形的山區精細化數值模擬的下墊面要求。張小培等[6]發現GTOPO30數據在復雜地形地區偏差較大，與航天飛機雷達地形任務(SRTM)地形數據存在矩形差異區。潘小多等[7]利用ASTER數據檢驗下墊面數據對黑河流域WRF模擬精度的影響，指出WRF模式本身的地形高度信息存在較大誤差。因此，有必要引入更高精度、更高分辨率的下墊面數據來提高天氣數值模擬的預報精度。

本文針對精細化天氣氣候模擬，尤其是復雜地形地區(以典型山地城市重慶為例)的業務和科研需要，將全球尺度SRTM的最新數字高程數據和全國1 km地形高度以及西南三省一市30 m地形、1∶25萬水系數據進行格式轉換更新轉換了適用于驅動WRF的下墊面靜態數據，并應用于重慶地區的次公里尺度嵌套數值試驗中，并對比分析更新后的數據和GMTED2010兩套DEM數據對模擬區域下墊面特征的分析，為DEM數據在WRF中的應用前景提供科學參考。

2 數據來源

數字高程模型(Digital Elevation Model)是流域地形、地物識別的重要原始資料。DEM 的原理是將流域劃分為m 行n列的四邊形(CELL)，計算每個四邊形的平均高程，然后以二維矩陣的方式存儲高程。由于DEM 數據能夠反映一定分辨率的局部地形特征，因此通過DEM 可提取大量的地表形態信息，這些信息包含流域網格單元的坡度、坡向以及單元格之間的關系等。同時根據一定的算法可以確定地表水流路徑、河流網絡和流域的邊界。

2.1 SRTM全球DEM數據集

SRTM[8](航天飛機雷達地形測繪任務)是由美國航空航天局(NASA)，國家圖像測繪局(NIMA)以及德國和意大利的航天機構于2000年2月開始的。SRTM的全稱是Shuttle Radar Topography Mission，即航天飛機雷達地形測繪使命，2000年2月11日上午11時44分，美國“奮進”號航天飛機在佛羅里達州卡那維拉爾角的航天發射中心發射升空，“奮進”號上搭載的SRTM系統共計進行了222 h 23 min的數據采集工作，獲取北緯60度至南緯56度之間，面積超過1.19億km2的 9.8萬億字節的雷達影像數據，覆蓋全球陸地表面的80%以上，該測量數據覆蓋中國全境。

SRTM數據具有可計算及可視化功能，在各個領域的應用前景十分廣闊，尤其在測繪、地殼形變及軍事等領域具有十分重要的應用，在科學研究上，SRTM數據在地質學、地球物理學、地震研究、水平建模、火山監控以及遙感圖像的配準等到方面都有十分重要的作用。利用高精度數字地形高程數據建立地面的三維立體模型，與地面的影像鑲嵌疊加，可以觀測到地球表面的細微變化。

2.2 中國1 km分辨率DEM數據集

因WRF模式官方網站提供的下墊面地形數據最高分辨率為30 s(約900 m)的GTOPO或GMTED數據，為進一步提高預報系統中中國境內地形描述的準確性，本研究選擇我國境內較高分辨率的基于1∶25萬等高線和高程的1 km數字高程數據對其進行訂正，該數據來源于國家青藏高原科學數據中心[9]。該數據集采用兩種投影方式，即正軸割圓錐等面積投影 Albers Conical Equal Area(105、25、47)和大地坐標WGS84坐標系。

2.3 西南三省一市30 m地形地貌DEM數據(2010)

該數據來源于國家地球系統科學數據中心[10]。該數據庫是重慶市、四川省、云南省、貴州省30 m地貌類型2010年的數據，以30 m為空間分辨率，投影方式為Albers投影。數據類型為柵格數據，tif格式，該數據的更新頻度為12個月。

該數據由海拔和起伏度等指標疊加，并參照基本成因類型，最后形成西南三省一市的基本地貌形態類型，以期為相關研究人員提供西南三省一市30 m地貌類型數據，順利開展科研活動。原始DEM數據為NASA GDEM V2數據，數據精度30 m。加工后數據精度空間分辨率為30 m。項目數據產生和匯集過程中的有嚴格的相關質量控制措施，包括完整的數據產生過程、使用的方法和標準規范、數據應用范圍等內容。所以在數據加工過程中，以制定了嚴格的數字加工操作規范，并由專人負責質量審查，經多人復核審查，其數據完整性、邏輯一致性、位置精度、屬性精度等均符合有關技術規定和標準的要求，質量優良可靠。

2.4 西南三省一市1:25萬水系數據

為對模式下墊面土地利用部分中水系面積進行訂正，選用了西南三省一市1:25萬水系數據對模式下墊面進行校正。

數據來源于國家科技基礎條件平臺—國家地球系統科學數據共享平臺-西南山地數據資源點。原始資料數據精度根據區域基礎地理信息資料并結合野外實測數據獲得數據精度為1∶25萬。數據的屬性精度與真值基本吻合，數據的內容及結構滿足所要求的完整度，并且具有邏輯一致性。數據投影采用Albers雙緯線圓錐投影和Krasovsky 1940橢球兩種方式。加工后數據精度和適宜性范圍1∶25萬。

3 數據處理流程

目前收集的上述地形和水系下墊面數據均為柵格數據，其格式包括ASCII格式、TIFF格式和shp格式不等，而WRF模式中靜態地理數據均采用二進制數據。因此，為使得上述數據可以在WRF預報模式中進行使用，需要對上述數據進行一定的格式轉換。主要借助的工具包括：ArcGIS10.5、Fortran程序、C語言程序及Linux編譯平臺。主要操作步驟過程如圖1。

圖1 下墊面數據處理及嵌入方法流程

3.1 轉換為柵格數據

上述地形和水系的高分辨率DEM數據是以TIFF圖片格式發布的，故在進行數據操作之前需要首先將其轉換為柵格數據。借助于ArcGIS軟件自帶工具箱中的插件“Feature to Raster”，將各DEM數據轉換為相應區域的柵格數據。

3.2 投影坐標系轉換

由于地理數據大多采用Albes等地理坐標，同樣借助于遙感數據繪圖軟件ArcGIS對投影坐標轉換到WRF中支持的經緯度坐標，也即統一轉換為地理上通用的WGS84投影坐標系。

3.3 數據重采樣

由于不同數據來源、數據質量和制作目的不同，不同下墊面的數據的空間分辨率有較大不同。由于精細化模擬的主要預報對象為各中小尺度地形性和對流性天氣的模擬，為提高數據表征性，利用ArcGIS的重采樣功能分別將1:25萬的數據等統一重采樣為水平分辨率為3弧秒和1 km兩種。其中1 km地形數據主要用于粗網格尺度為天氣背景提供下墊面強迫，而高分辨率的3 s(約90 m)則為城區模擬提供地形特征。

3.4 水體數據類型重分類

對于數字高程數據無需分類，而對土地利用數據中的水系資料，這需要按照WRF中的不同土地利用資料所支持的數據分類標準進行重新分類，以便數值模式進行分析比對。WRF中支持的三類土地使用數據集中包含USGS、GLC2009和MODIS三類，其中對于水體的描述分別歸類為16，14/15和17。故需要將水體數據重定義到對應的分類，分別更新到原有全球土地利用數據集。

3.5 數據格式轉換

借助于ArcGIS工具箱中的文件格式轉換工具中的“RastertoASCII”將上述經過柵格化、重投影和再分類之后的數據重新轉格式輸出為ASCII碼。

然后利用WRF模式的WPS前處理模塊中的自帶的write_geogrid.c程序，利用Linux環境下的C語言編譯器將其ASCII數據轉存為WRF可以識別的二進制數據。注意數組的讀寫數據需要按照WRF支持的排列標準進行轉換。

3.6 編寫數據索引index文件

將處理好的二進制文件存入文件夾中，并建立新的index文件進行索引，其中包括數據名稱、單位、分辨率、柵格數以及左下角經緯度(圖2a)。

圖2 更新后的地形數據索引文件(a)和數據頭文件(b)

3.7 設置調度路徑和插值方法

在WRF模式的前處理模塊WPS中，修改geogrid目錄下GEOGRID.TBL的列表文件(圖2b)，在“interp_option”中指明地形文件的插值方法為四點法(“four_pt”，適用于粗分辨率)或“average_gcell+four_pt+average_4pt”(適用于高分辨率下)，并在“rel_path”中指定其數據相對于“geog_data_path”的存放路徑。

4 結果分析

在嵌入WRF模式靜態數據之后，本文針對驅動場重慶市主城區設計了精細模擬所需的次公里尺度模擬區域(圖3)，并通過定量分析來對比幾種下墊面數據。針對業務化數值天氣預報常用的1°×1°的全球預報場(GFS)的氣象驅動場，本研究設計了五重嵌套的模擬區域，分辨率依次為27 km、9 km、3 km、1 km和333 m。

圖3 模擬區域下墊面示意

4.1 土地利用數據質量分析

圖4給出了333 m分辨率下重慶主城區長江和嘉陵江兩江交匯處下墊面區域土地利用分布情況的表征。通過與實際衛星圖片的對比，可以發現，由于嘉陵江在重慶市江面較狹窄，最寬地區不到600 m，且受源數據1∶25萬分辨率及333 m的模式分辨率的影響，無論是模式中默認的最高30 s的MODIS數據還是用水系數據更新后的3 s分辨率數據，均不能識別出嘉陵江的連續江面特征，但更新后下墊面數據對較寬的嘉陵江江面部分可以識別出離散的水面部分。而對較寬的長江江面，MODIS數據可以識別大部分江面特征，但受分辨率的影響，水面特征存在不連續、水面面積偏小等問題，而訂正數據對這些問題有較好的改正。當模式分辨率繼續提高時，訂正數據相比較原始的下墊面數據對水系特征描述準確度有望進一步提升。相應的，水面識別誤差的減小可以使得預報模式對局地水汽源輸送、地面粗糙度等下墊面強迫場對局地天氣的影響得到較大改善。

圖4 WRF模式中333 m分辨率下重慶主城區土地利用(17為水面，紅色)

4.2 地形高度數據檢驗

為了3 s的DEM和30sGMTED2000兩種數據的數據質量，圖5和6分別給出了1 km和333 m模式分辨率下重慶主城區的地形高度空間分布圖。由于GMTED2000源數據的30弧秒的空間分辨率對應到重慶所在的中緯度地區約為900 m，略高于模擬區域的1km分辨率。因此，從圖中可以看到，在1 km的模擬分辨率下，兩者描述的模擬區域地形高度都能合理的描述出地形的走向走勢，兩種數據沒有明顯區別。

圖5 WRF模式中1 km分辨率下重慶主城區地形高度

而在333m的分辨率下(圖6)，100 m的GMD數據描述的山脈高度等數據質量明顯優于30s的GMTED2000。從兩者對比來看，100 mGMD數據所描述的海拔高度在600 m以上的地區特征地形高度落差和坡度坡向與WRF模式默認的GMTED2000更為細致和合理。

從上述分析可以得出，對于1 km空間分辨率以上的中尺度及天氣尺度天氣模擬來說，模式自帶的最高30 s的GMTED2000地形數據可以較好地描述下墊面的地形特征，但對于日益精細化的小尺度以及微尺度的局地天氣數值模擬來說，空間分辨率更高、準確率更高的下墊面數據要更加適用。

圖6 同圖5，但為地形高度

5 結語

本文將SRTM全球和中國1 km地形高度數據、西南三省一市30米分辨率地形地貌和水系數據DEM資料，通過轉換數據格式和插值方法進行數據填補替換后引入WRF模式中。

通過將更新后的下墊面靜態數據與WRF默認的GMTED2000數據進行比較。以西南地區典型山地地形城市重慶為模擬對象設計了精細化天氣預報要求的次公里尺度的試驗區域，結果發現復雜地形下1 km尺度上兩者均能較好地反映地表地形和土地利用類型特征，而在333m分辨率上更新后的數據精度較GMTED2010有顯著的提高。

致謝:感謝國家科技基礎條件平臺-國家地球系統科學數據中心(http://www.geodata.cn)和國家青藏高原科學數據中心(http://www.tpdc.ac.cn/)提供數據支撐