基于WRF的北京副中心強降水模擬

古玉，彭定志，鄧陳寧，趙珂珂

(1.北京師范大學水科學研究院，北京 100875；2.城市水循環與海綿城市技術北京市重點實驗室，北京 100875)

近年來，我國城市暴雨洪澇災害發生頻率與強度顯著增加，全國各地頻繁出現“城市看?！爆F象，如北京2012年的“7·21”、武漢2015年的“7·23”、深圳2019年的“4·11”以及鄭州2021年的“7·20”特大暴雨等，城市暴雨洪澇造成的損失巨大，是當前威脅城市可持續發展的主要災害之一[1]。

降水是城市洪澇的主要致災因子，在城市化進程中，“熱島效應”和“雨島效應”使得城區降水增多增強[2-3]。降水序列的精度與預見期對城市雨洪模擬具有重要影響。目前采用的降水數據多為歷史或實時觀測資料、雷達或遙感解譯資料以及數值大氣模式模擬資料等[4]。其中，結合區域數值大氣模式的降水預報進行城市雨洪模擬，能夠在保證結果可靠性的前提下，更早地預見洪水，對有效的城市雨洪管理和應急預案制定具有重要意義[5-7]。目前較常用的中尺度數值大氣模式有Eta[8]、MM5(the fifth-generation mesoscale model)[9]及WRF(weather research and forecasting model)[10]等，其中WRF對各種氣象要素模擬與預報結果都更加準確，特別是降水模擬與預報能力的提高，使其目前在國際上應用更廣。但是，由于大氣運動的復雜性和空間差異性以及初始條件和邊界條件的誤差，數值大氣模式得到的模擬降水在雨量和時空分布上都存在一定的誤差，且在不同的地區效果不同[11-13]。因此，當前應用研究大多通過初始數據集[14- 15]、嵌套方案[16- 17]、物理參數化方案[18- 19]和空間分辨率[20- 21]的比選、數據同化[22- 23]以及集合預報[24-25]等手段提高其精度及適用性。

利用WRF模擬北京強降水研究較少，針對北京市副中心強降水研究尚未開展。蔣立輝等[26]對2011年7月24日發生在北京的強降水過程進行了數值模擬。初祁等[27]基于對云微物理過程、積云對流過程和行星邊界層3種物理參數化方案的優選，對WRF在北京地區短歷時強降水模擬中的應用進行了研究。

以北京副中心北運河生態帶、城北、河西和兩河地區為研究區，通過更全面的物理參數化方案的優選提升WRF模擬效果，并結合實測數據進行評估。研究區見圖1，面積約408.6 km2，有13條河與30條溝渠，主要水工建筑物有溫榆河閘、小中河閘、北關攔河閘、北關分洪閘、張家灣閘、甘棠閘、榆林莊閘和楊洼閘(分別對應圖1中的1～8)等。

圖1 研究區位置和水系Fig.1 Location and river system of the study area

1 WRF模式及參數

WRF是新一代高分辨率中尺度預報模式，由預處理系統(WRF processing system，WPS)、同化系統(WRF data assimilation system，WRF DA)、主程序系統(ARW solver)以及后處理與可視化工具組成[28]。

1.1 基本參數設置

采用Lambert Conformal水平坐標投影方案，以北緯40.5°，東經116.5°為中心，選用1∶3∶3的3層嵌套方案雙向反饋模式，空間分辨率從外到內依次為30 km(d01)、10 km(d02)和3.3 km(d03)。模式最內層(d03)嵌套區域見圖2。

圖2 模式最內層(d03)嵌套區域Fig.2 The inner-most domain of the WRF model

選用美國國家環境預報中心FNL再分析數據，為WRF模式動力降尺度提供初始化信息，水平分辨率為1°×1°，時間間隔為6 h。選用WRF模式提供的30″分辨率的地面靜態觀測數據集，基本參數設置見表1。

表1 WRF模式基本參數設置Tab.1 Main parameters of the WRF model

1.2 物理參數化方案設置

WRF模式中與降水有關的物理過程包括云微物理過程、積云對流過程、行星邊界層過程、長短波輻射過程和陸面過程等，其中：云微物理方案描述的是云粒子和降水粒子的形成、轉化與聚合增長等微觀物理過程；積云對流方案描述的是云團和云系整體的宏觀結構特征、熱力過程及其演變規律；行星邊界層方案描述的是對流層下層的大氣運動。不同物理參數化方案提出的研究背景不同，其大多是在某一個地區觀測資料的基礎上建立起來的，對降水過程描述的重點和復雜程度不同，具有很強的區域差異性，需要通過方案優選來提高針對特定區域降水過程的模擬精度。目前的研究大多只考慮了對降水影響較大的云微物理方案、積云對流方案和行星邊界層方案，本研究在此基礎上進一步考慮長短波輻射方案，同時加入了城市表面方案。結合研究區的相關成果[26-30]，選取了模擬效果較好且應用較廣的參數方案組成16種不同的組合，見表2。另外，由于最內層嵌套區域水平分辨率小于4 km，因此關閉積云對流方案。

表2 物理參數化方案組合Tab.2 Combinations of the physical parameterization schemes

2 結果分析

選取2012年“7·21”、2016年“7·20”和2017年的“6·22”3場典型強降水過程進行模擬，實測數據來源于北京市水文總站和水文年鑒，站點包括溫榆河通縣站、涼水河榆林莊站和北運河楊洼站。

2.1 誤差評價指標

采用相對誤差ER、均方根誤差ERMS、平均偏差EMB和標準差DS4個指標評估不同方案在時空尺度上的模擬效果。各指標及計算方法見表3。

表3 各指標計算公式Tab.3 Formulas of indexes

2.2 模擬效果分析

模擬結果見圖3，不同方案組合對研究區強降水過程及降水總量的模擬效果有明顯的差異，整體上來看，“7·20”模擬結果最穩定，其次是“7·21”，“6·22”的模擬結果最不穩定。對于“7·21”，模擬的降水過程與實測過程整體上較為一致，但有所滯后，特別是降水極值的出現時間，多數組合對降水總量都有所高估。對于“7·20”，降水過程整體模擬都較為準確，不同組合對降水總量有所高估。對于“6·22”，不同組合的模擬結果差異顯著，多數組合對降水總量都有所低估。對于3場降水，各組合模擬結果平均降水總量與實測降水差異較小，其中:“6·22”差異最小且存在低估，另外兩場則相反；模擬平均降水過程則與單獨模擬結果規律相似。

圖3 不同方案組合的模擬降水Fig.3 Simulated precipitation of different combinations

各方案組合的模擬降水評價指標見表4。對降水總量的模擬，不同組合效果各不相同，根據ER極值絕對值之差可知，各組合對“6·22”的模擬結果差異最大，對“7·20”的模擬結果差異最小，即對“7·20”模擬最穩定。

表4 時間尺度的不同組合評價指標值Tab.4 Model performance for different combinations on the temporal scale

對于降水過程的模擬，同一場次降水不同組合的評價指標值各不相同，且“6·22”的不同組合模擬結果差異最大，如其c4與c5的ERMS之間差值為2.54。對于不同場次降水，相同參數方案組合的同一指標值也各不相同，如:c4對3場降水模擬的模擬效果都較好而c15則較差；c14和c16對“7·21”和“7·20”模擬效果較好但對“6·22”模擬效果很差;c2對“7·21”和“7·20”模擬效果較差但對“6·22”模擬效果較好。整體上“7·20”的各評價指標均值及其差異均較小，即在時間尺度上各參數方案組合對于“7·20”的模擬結果更準確與穩定。

為選取對3場降水都有較好模擬效果的參數方案組合，根據評價指標值對不同組合從優到劣(從1到16)進行排序見表5。結合表2可看出:對降水總量的模擬(ER)，積云對流參數化方案的影響最大：對于“7·20”和“6·22”，當積云對流參數化方案取GF(雙數項組合)時模擬效果整體上優于取KF(單數項組合)；對于“7·21”則無明顯差異。對降水過程的模擬，總體來說當積云對流參數化方案取GF時模擬效果較優。綜上，積云對流參數化方案對研究區強降水模擬結果影響最大，且取GF方案時模擬效果更好。

表5 時間尺度的不同組合評價指標排序Tab.5 Ranking of different combinations on the temporal scale

在時間尺度上，雖然對兩場降水模擬效果較好的方案組合有差異，但綜合來看，依然有一些方案組合對兩場降水的模擬效果都相對較好，包括c2、c4、c10和c12?；诖耍芯窟M一步計算這4種方案在空間尺度上的效果，從而最終確定一組在時空尺度上均模擬較好的方案組合，構建適用于研究區的數值天氣模式，計算結果見表6。

表6 空間尺度的不同組合評價指標值Tab.6 Model performance for different combinations on the spatial scale

在空間尺度上:c2對“6·22”的模擬效果最好而對“7·21”和“7·20”則最差；c4和c10對“7·21”和“6·22”的模擬效果差別不大，其中c10對“7·20”模擬效果最好；c12對“7·21”和“7·20”的模擬效果均較好而對“6·22”則最差。綜合對累積降雨量的模擬結果，最終采用c4構建研究區數值天氣預報模型，其中云微物理方案取WSM5，積云對流方案取GF，行星邊界層方案取YSU，長、短波輻射方案取RRTMG，表層方案取MO1，陸地表面方案取Noah，城市表面方案取UCM，模擬結果見圖4。對于“7·21”和“7·20”，c4模擬結果與各組合平均模擬結果無明顯差異，而對于“6·22”，c4模擬結果則明顯比平均模擬結果更加準確。

3 結論與討論

城市的快速發展使得區域面臨洪澇災害更加脆弱，人民的生命財產安全和經濟社會的發展受到嚴重威脅。北京副中心對首都的空間結構調整和發展建設具有重要意義，也對京津冀協同發展起著推動作用。本文以北京副中心北運河生態帶、城北、河西和兩河片地區為研究區，利用WRF模式對典型強降水過程進行了模擬?；谠莆⑽锢矸桨?積云對流方案,行星邊界層方案,陸地表面方案,長、短波輻射方案以及城市表面方案等設置了16種不同的組合，結合實測降水進行方案優選，構建了適用于北京副中心的數值天氣模型。結果表明：大氣模式對強降水模擬具有一定的不確定性；對物理參數化方案進行優選可有效提高強降水過程的模擬精度，且不同的物理參數化方案組合的模擬結果各不相同，其中積云對流參數化方案對于研究區強降水模擬影響最大，采用GF方案模擬效果更好，在北京應用WRF模型時對于積云對流過程的描述應選擇GF方案，在此基礎上再確定其他過程參數化方案的選擇；當云微物理方案取WSM5，積云對流方案取GF，行星邊界層方案取YSU，長、短波輻射方案取RRTMG，表層方案取MO1，陸地表面方案取Noah，城市表面方案取UCM時，模擬結果最優。

圖4 不同場次模擬降水結果Fig.4 Simulation results of different precipitations

研究發現積云對流參數化方案對研究區強降水模擬的影響最大且取GF方案結果最好，這與初祁等[27]在北京地區的研究結果相同。對于云微物理方案和行星邊界層方案的優選結果與則與蔣立輝等[26]結果相同。盡管通過物理參數化方案的優選提高了模擬精度，但與實際觀測值仍有一定偏差，需進一步深入分析。由于缺乏水文站點實測資料，且對每種參數方案只考慮了目前在該區域應用較廣的方案，在下一步研究中可增加降水場次與方案數目，從而提高其適用性與精度。另外，模式模擬時間和積分步長的設置也會對結果有一定影響，也需深入開展研究工作。