劉 晨，張成福，苗 林，賀 帥，王雨晴，丁素芹

(1.內(nèi)蒙古農(nóng)業(yè)大學(xué) 沙漠治理學(xué)院，內(nèi)蒙古 呼和浩特 010018 2.包頭市林業(yè)和草原工作站，內(nèi)蒙古 包頭 014030)

1 引言

由于氣候變化和人類活動(dòng)所致的全球氣候變暖的趨勢(shì)日益加劇，進(jìn)一步引發(fā)極端水文事件(如洪澇或干旱)頻度和強(qiáng)度增大、重現(xiàn)期縮短,災(zāi)害程度加重[1]。同時(shí)，生態(tài)水文和生態(tài)經(jīng)濟(jì)用水量估算不確定性也有所增加[2]。因此，特定流域的區(qū)域氣候-陸地水文模擬具有重要的科學(xué)意義和應(yīng)用價(jià)值。這些模擬有助于對(duì)極端降水事件造成的災(zāi)害做出及時(shí)的應(yīng)對(duì)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(duì)地表水文過程預(yù)報(bào)的準(zhǔn)確性是因?yàn)樗叻直媛实牡匦魏退臄?shù)據(jù)。WRF-Hydro 是一個(gè)開源的、以用戶為中心的建?？蚣埽荚诮⒋髿夂完懙厮倪^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(jìn)行測(cè)試和應(yīng)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(dú)立傳統(tǒng)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(shù)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(yīng)用需求[7]。

本文在查閱國內(nèi)外相關(guān)文獻(xiàn)的基礎(chǔ)上，分析了WRF-Hydro模型研究的發(fā)展現(xiàn)狀、趨勢(shì)和熱點(diǎn)。在綜合評(píng)述山洪預(yù)測(cè)、大氣-水文模擬、區(qū)域水資源管理和大氣-陸地水平衡的基礎(chǔ)上，闡述了WRF-Hydro發(fā)展的過程，指出了WRF-Hydro面臨的主要問題和挑戰(zhàn)并對(duì)未來該模型的研究方向進(jìn)行了展望。

2 WRF-Hydro模型介紹

WRF-Hydro模型是許多國家和地區(qū)，主要是美國大氣科學(xué)中心開發(fā)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(yù)報(bào)模式。該模型不僅是一個(gè)全分布、多物理以及多尺度的三維陸-地表水文模擬系統(tǒng)，而且考慮了地表水、淺層地下水和河流水的側(cè)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(guān)系。它現(xiàn)在是美國新的國家水資源模型的核心[8]。

在國外，WRF-Hydro系統(tǒng)已廣泛應(yīng)用于各種研究和運(yùn)行預(yù)測(cè)問題。過去的具體項(xiàng)目包括山洪暴發(fā)預(yù)測(cè)、區(qū)域水文氣候影響評(píng)估、水資源季節(jié)性預(yù)測(cè)和陸-氣耦合研究。

WRF-Hydro模型既能獨(dú)立運(yùn)行，還具有水文模型和大氣模型的雙向耦合結(jié)構(gòu)，該模型是完全并行的，可用高性能計(jì)算系統(tǒng)[9]。借助多尺度功能，您可以模擬各種空間網(wǎng)格中的大氣、陸地和水文過程。結(jié)合WRF模型，可以延長(zhǎng)洪水預(yù)報(bào)周期，提供山洪預(yù)報(bào)[10]。

在WRF-Hydro模型中，土壤的合流是一個(gè)三維計(jì)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(jìn)行了相關(guān)研究。研究表明，該模型在提高洪水預(yù)報(bào)的準(zhǔn)確性和提供早期洪水預(yù)報(bào)方面具有很大的潛力[11]。由于中小流域面積小、徑流匯合時(shí)間短、更容易發(fā)生洪澇災(zāi)害，開展徑流模擬研究對(duì)流域洪水預(yù)報(bào)具有重要意義。在非耦合模式下，WRF-Hydro模型由氣象數(shù)據(jù)驅(qū)動(dòng)，然后結(jié)合當(dāng)?shù)氐匦魏偷匦涡畔⑸深A(yù)測(cè)的流出時(shí)間序列[12]。在耦合模式下，WRF-Hydro通過提供數(shù)值天氣預(yù)報(bào)模式與WRF-Hydro模式之間的反饋，可以改善整個(gè)區(qū)域的水循環(huán)模擬。WRF-Hydro模式運(yùn)行框架圖見圖1。

圖1 WRF-Hydro模式運(yùn)行框架

3 WRF-Hydro模型主要參數(shù)

大多數(shù)水文模型使用統(tǒng)計(jì)算法來描述水文成分之間的關(guān)系。并且建模效果高度依賴于模型參數(shù)的校準(zhǔn)[13-14]。改變研究流域后，需要利用大量觀測(cè)數(shù)據(jù)對(duì)水文模型進(jìn)行再次校準(zhǔn)。WRF-Hydro是一種獨(dú)立運(yùn)行的水文模型，其參數(shù)比流域水文模型復(fù)雜得多，在將WRF-Hydro模型應(yīng)用于水文模擬和預(yù)測(cè)之前，對(duì)WRF-Hydro模型參數(shù)進(jìn)行分析和敏感性測(cè)試將提高關(guān)鍵參數(shù)的標(biāo)定效率，更好地將模型應(yīng)用于水文模擬和流域預(yù)測(cè)[8]。這些主要的靈敏度參數(shù)大致可以分為兩類：一種是對(duì)總徑流量影響較大的參數(shù)，如入滲率(RefKDT)、深排水控制系數(shù)(SLOPE)、地表水深度(Retdeprt)等[15]；另一種是對(duì)水文過程影響較大的參數(shù)，如表面粗糙度(OVroughrt)、曼寧粗糙度(MAnnN)以及飽和土側(cè)導(dǎo)水率(LKSATFAC)等[16]。

由于每個(gè)研究區(qū)域的區(qū)域地形和氣候的特殊性，參數(shù)的默認(rèn)值往往不普遍適用，特別是對(duì)模擬結(jié)果影響較大的關(guān)鍵參數(shù)。因此，將參數(shù)設(shè)置的適當(dāng)范圍(包括默認(rèn)參數(shù))進(jìn)行比較，以獲得更好的區(qū)域模擬的最優(yōu)參數(shù)集。資料表示，一些主要參數(shù)已經(jīng)被校準(zhǔn)，包括控制通道總水量的參數(shù)[17]。因此，在WRF-Hydro模型參數(shù)靈敏度試驗(yàn)校準(zhǔn)過程中，需要考慮兩個(gè)主要方面。一方面，考慮了控制河道總水量的參數(shù)，包括徑流入滲參數(shù)(REFKDT)和由尺度參數(shù)RETDEPRT控制的地表滯留深度(RETDEPRTFAC)；REFKDT決定了河道匯流計(jì)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(jìn)溝道附近更多的局部入滲，從而產(chǎn)生更濕潤(rùn)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(shù)，包括河道曼寧粗糙度參數(shù)(MANN)和由縮放參數(shù)OVroughrtfac控制的表面流粗糙度參數(shù)(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(duì)水流的影響。與RETDEPRTFAC一樣，縮放參數(shù)OVroughrtfac用于對(duì)OVroughrt的簡(jiǎn)單校準(zhǔn)。表1給出了WRF-Hydro模型中徑流形成的主要敏感參數(shù)及其取值范圍。

4 WRF-Hydro的應(yīng)用及主要功能

在WRF-Hydro系統(tǒng)的開發(fā)過程中，世界各國針對(duì)廣泛的研究和運(yùn)行問題進(jìn)行了相關(guān)研究，驗(yàn)證了該系統(tǒng)的實(shí)用性和理論價(jià)值。具體研究包括山洪預(yù)測(cè)[18]、區(qū)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(yīng)用

使用復(fù)雜地形和地表-地下水交換區(qū)連續(xù)模擬水循環(huán)。Senatore A等[9]在意大利的南部進(jìn)行了3年的連續(xù)模擬，結(jié)果表明：WRF/WRF-Hydro能夠更好地模擬陸面水循環(huán)過程。

Lu Li等[11]在印度北部的一個(gè)山區(qū)利用WRF/WRF-Hydro的雙向耦合模擬和評(píng)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(shí)空結(jié)構(gòu)方面顯示出了很好的性能，結(jié)果表明，WRF-Hydro模型在對(duì)實(shí)測(cè)值較差的大氣-水文循環(huán)模擬中有很好的能力。

與中尺度數(shù)值大氣模式耦合，WRF-Hydro，可實(shí)模擬一個(gè)大尺度地區(qū)的蒸散發(fā)情況。Peirong Lin等[20]用高分辨率對(duì)整個(gè)德克薩斯州(流域面積：464135 km2)進(jìn)行了蒸散發(fā)(ET)和徑流模擬，結(jié)果表明模型對(duì)蒸散發(fā)和徑流的影響與干旱有關(guān)。在潮濕的年份預(yù)報(bào)ET比在干燥的年份預(yù)報(bào)ET更好。在濕潤(rùn)地區(qū)徑流預(yù)測(cè)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(gè)盆地的水文氣候趨勢(shì)，以及它們與大尺度大氣驅(qū)動(dòng)因素的聯(lián)系。對(duì)1979～2014年的數(shù)十年期進(jìn)行了模擬后，對(duì)模型模擬的每月和每年時(shí)間序列的趨勢(shì)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(xiàn)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(qū)的實(shí)測(cè)徑流量進(jìn)行對(duì)比，預(yù)測(cè)結(jié)果基本反映了實(shí)際徑流量變化。

4.2 WRF-Hydro在洪水預(yù)測(cè)中的應(yīng)用

Ryu等[15]將WRF-Hydro應(yīng)用于韓國的大氣-水文耦合系統(tǒng)中進(jìn)行山洪預(yù)報(bào)，結(jié)果表明，完全耦合模式可以幫助預(yù)測(cè)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(jié)果。結(jié)果表明，完全耦合模式能較好地捕獲強(qiáng)對(duì)流事件。

Akd A等[22]在雅魯藏布江流域建立了WRF-Hydro模型，對(duì)每小時(shí)的流量進(jìn)行估算。對(duì)2019年7月發(fā)生在雅魯藏布江的極端事件進(jìn)行了詳細(xì)研究。對(duì)汛期每一事件每小時(shí)的估計(jì)證明了該系統(tǒng)在東南亞易發(fā)生洪水的地區(qū)進(jìn)行接近實(shí)時(shí)的洪水評(píng)估和預(yù)測(cè)的能力。

Fredj E等[23]利用WRF-Hydro模型對(duì)地中海盆地極端洪水事件的模擬結(jié)果表明，在極端洪水事件和全水文過程中，模擬結(jié)果與實(shí)際洪峰流量吻合較好。WRF/WRF-hydro耦合系統(tǒng)可用于寒冷季0～72小時(shí)前的洪水預(yù)報(bào)和洪水預(yù)警，也可用于過渡季節(jié)影響以色列的對(duì)流風(fēng)暴。

4.3 WRF-Hydro在區(qū)域水資源管理中的應(yīng)用

Naabil等[16]在西非進(jìn)行了為期3年的連續(xù)模擬,利用WRF-Hydro模型的輸出結(jié)果作為水平衡模型的輸入數(shù)據(jù)來模擬大壩的水位，進(jìn)一步驗(yàn)證了模型的輸出精度。WRF-Hydro已經(jīng)顯示了在水資源規(guī)劃(即在水流和大壩水位估計(jì)方面)中使用的潛力。但考慮到模型偏差積累對(duì)壩位估算的影響，模型在基流量、飽和滲透系數(shù)等模型參數(shù)校準(zhǔn)方面還需進(jìn)一步改進(jìn)。

Karsten L[24]利用WRF-Hydro模擬降雨對(duì)懷俄明州水資源管理的影響。針對(duì)2010年和2012水年的冬季，利用美國國家大氣研究中心(NCAR)開發(fā)的專門的人工降雨參數(shù)化技術(shù)，在WRF模式中模擬了一系列的人工降雨試驗(yàn)。該研究首次對(duì)WRF模式進(jìn)行了人工降雨參數(shù)化和WRF-hydro耦合模擬，旨在評(píng)估人工降雨導(dǎo)致的降水變化對(duì)地表水文狀態(tài)的后續(xù)影響，以及人工降雨對(duì)以流域?yàn)槟繕?biāo)的流域點(diǎn)的徑流的影響。

4.4 WRF-Hydro在大氣-陸地水平衡中的應(yīng)用

Kerandi等[8]在東非進(jìn)行了為期4年的連續(xù)模擬，證實(shí)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(jìn)行水資源管理。

Arnault J等[25]在西非進(jìn)行了為期1年的連續(xù)模擬。結(jié)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(duì)陸氣反饋的影響，尤其是對(duì)降水的影響。

5 WRF-Hydro單向耦合和雙向耦合

傳統(tǒng)的大氣-陸地耦合研究不能夠系統(tǒng)的描述陸地水循環(huán)變化對(duì)大氣反饋，一般重點(diǎn)集中在大氣模式分辨率上，缺少對(duì)陸地水循環(huán)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(qiáng)制優(yōu)化蒸散和土壤水分計(jì)算，同時(shí)大氣模型不能參考實(shí)際測(cè)量數(shù)據(jù)和水文模擬結(jié)果來驗(yàn)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(jié)果，直接作為水文模型的驅(qū)動(dòng)要素[30]。目前，將大氣-水文過程進(jìn)行雙向耦合機(jī)制是高分辨率水文模式的發(fā)展趨勢(shì)[31]。WRF/WRF-Hydro的雙向耦合，可以大大提高模型對(duì)水循環(huán)過程的模擬精度和結(jié)果，雙耦合模式具有陸氣交叉供給機(jī)制，可以提高對(duì)降雨、徑流等關(guān)鍵水循環(huán)要素的模擬，改善水平衡，同時(shí)模擬完整的區(qū)域水循環(huán)過程?？梢詾樗Y源管理提供有效科學(xué)依據(jù)[32]。

6 WRF-Hydro模型的發(fā)展前景

對(duì)于大多數(shù)氣象要素，WRF-Hydro模式具有較高的模擬精度和運(yùn)行效率，在水文氣象領(lǐng)域具有更廣闊的應(yīng)用前景。

(1)物理參數(shù)化方案和空間尺度的選擇是WRF-Hydro模型應(yīng)用過程中的重點(diǎn)和難點(diǎn)，WRF-Hydro 模型關(guān)鍵參數(shù)的標(biāo)定和驗(yàn)證的不確定性極大地影響了模擬和預(yù)測(cè)的結(jié)果。適用于不同地區(qū)、不同時(shí)段氣象要素模擬的最優(yōu)物理參數(shù)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(shù)優(yōu)化技術(shù)，可以有效避免各種參數(shù)效應(yīng)和參數(shù)過剩的問題。僅用測(cè)量數(shù)據(jù)而非分析數(shù)據(jù)驅(qū)動(dòng) WRF-Hydro 可以在一定程度上提高參數(shù)校準(zhǔn)的客觀性。此外，我們將闡明和完善 WRF-Hydro 的物理機(jī)制和改變敏感參數(shù)的規(guī)律。

(2)當(dāng)與其他模型耦合時(shí)，應(yīng)安排不同的尺度組合方案進(jìn)行試驗(yàn)，研究最優(yōu)耦合尺度。WRF-Hydro耦合模式的對(duì)接與融合。研發(fā)和應(yīng)用將是未來的發(fā)展趨勢(shì)。盡管WRF-Hydro實(shí)現(xiàn)了與其他大氣數(shù)值模型的協(xié)調(diào)性能，但由于不同模型之間的結(jié)構(gòu)差異、運(yùn)行效率和計(jì)算條件，雙向耦合的研究和應(yīng)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(shí)，加強(qiáng)蒸發(fā)、土壤水分等與大氣潛熱和感熱直接相關(guān)的地表參數(shù)的逆計(jì)算、雙向WRF-Hydro耦合模型和區(qū)域應(yīng)用，并在不同尺度上加強(qiáng)大氣和水文領(lǐng)域?qū)雍驼稀?/p>

(3)目前，WRF-Hydro模型最常用的數(shù)據(jù)同化方法是三維數(shù)據(jù)同化，可以大大提高模型的模擬和預(yù)測(cè)精度。為了進(jìn)一步考慮計(jì)算效率和計(jì)算精度的提高，混合同化將成為未來WRF-Hydro模式數(shù)據(jù)同化方法的發(fā)展趨勢(shì)。