王 洋，劉 佳，于福亮，李傳哲，田濟(jì)揚(yáng)，邱慶泰

（中國(guó)水利水電科學(xué)研究院 流域水循環(huán)模擬與調(diào)控國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100038）

1 研究背景

水文預(yù)報(bào)是解決和預(yù)防暴雨、洪水等災(zāi)害的有效科學(xué)手段，通過(guò)準(zhǔn)確、及時(shí)的預(yù)報(bào)，可以提高政府部門應(yīng)對(duì)洪水災(zāi)害的主動(dòng)性，防患于未然。水文預(yù)報(bào)首先需要解決的問題是延長(zhǎng)預(yù)見期和提高預(yù)報(bào)的精度，就某個(gè)流域來(lái)說(shuō)，特別是中小尺度流域，由于流域面積小，匯流時(shí)間短，如果以落地雨作為水文預(yù)報(bào)的降雨數(shù)據(jù)來(lái)源，則預(yù)見期無(wú)法達(dá)到水文預(yù)報(bào)的要求[1]。目前常用的解決方法是通過(guò)數(shù)值大氣模式和流域水文模型進(jìn)行耦合預(yù)報(bào)。數(shù)值大氣模式可以提供具有一定預(yù)見期的降雨數(shù)據(jù)，將該數(shù)據(jù)輸入流域水文模型可以延長(zhǎng)預(yù)報(bào)時(shí)段[2]。Lu等[3]在淮河流域進(jìn)行了陸氣耦合實(shí)驗(yàn)研究，在保證模擬效果的前提下發(fā)現(xiàn)陸氣耦合的方法可獲得比傳統(tǒng)洪水預(yù)報(bào)更長(zhǎng)的預(yù)見期，并將該成果應(yīng)用于流域洪水預(yù)警。于鑫等[4]將WRF（Weather Research and Forecasting Model）模式和HEC-HMS水文模型進(jìn)行單向耦合，對(duì)研究區(qū)進(jìn)行模擬研究，發(fā)現(xiàn)可通過(guò)滾動(dòng)預(yù)報(bào)延長(zhǎng)洪水預(yù)見期。

大氣數(shù)值模式在進(jìn)行降雨模擬時(shí)，除了可以提供未來(lái)的降雨數(shù)據(jù)，還可以通過(guò)多層嵌套的降尺度方法，提供從幾百公里到一公里范圍的高分辨率降雨信息，該降雨信息對(duì)降雨空間分布刻畫的準(zhǔn)確與否直接關(guān)系到水文預(yù)報(bào)的預(yù)報(bào)精度。特別是在采用分布式水文模型建立陸氣耦合系統(tǒng)時(shí)，若大氣數(shù)值模式輸出降雨數(shù)據(jù)和實(shí)際的降雨空間分布不一致，則會(huì)給水文模型提供錯(cuò)誤的降雨空間分布信息，從而影響水文模型模擬的精度。Hamill等[5]運(yùn)用WRF模式對(duì)美國(guó)某地區(qū)的一次降雨過(guò)程進(jìn)行了模擬，結(jié)果表明WRF模式的降雨輸入結(jié)果可以較好地表征降雨的空間分布情況。Kryza等[6]在波蘭對(duì)大氣數(shù)值模式開展研究，結(jié)果表明當(dāng)降雨強(qiáng)度較小時(shí)，WRF模式的模擬效果好于降雨強(qiáng)度大時(shí)的結(jié)果。Jasper等[7]運(yùn)用WaSIM-ETH水文模型和大氣模式進(jìn)行耦合研究，結(jié)果顯示提高數(shù)值大氣模式的降雨模擬精度可以降低陸氣耦合系統(tǒng)的模擬誤差。

降雨數(shù)值模擬中驅(qū)動(dòng)數(shù)據(jù)所提供的初始場(chǎng)和邊界場(chǎng)條件和大氣的實(shí)際狀態(tài)并不是完全吻合，導(dǎo)致模擬結(jié)果存在誤差。數(shù)據(jù)同化方法是提高數(shù)值大氣模式輸出降雨數(shù)據(jù)精度的有效方法，通過(guò)將數(shù)值模型擬合結(jié)果與觀測(cè)數(shù)據(jù)相融合，不斷更新系統(tǒng)狀態(tài)與參數(shù)，最終實(shí)現(xiàn)改進(jìn)降雨預(yù)報(bào)精度的效果。數(shù)據(jù)同化技術(shù)早在1950年代就被應(yīng)用于數(shù)值天氣預(yù)報(bào)，常用的數(shù)據(jù)同化方法主要有順序同化和變分同化兩大類，其中變分同化中的三維變分同化是使用較為廣泛的同化方法。Routray等[8]是最早使用三維變分同化方法改善降雨預(yù)報(bào)數(shù)據(jù)的研究者。范水勇等[9]通過(guò)對(duì)北京地區(qū)數(shù)據(jù)同化前后降雨預(yù)報(bào)值的比較，驗(yàn)證了三維變分?jǐn)?shù)據(jù)同化方法可以提高降雨的模擬精度。黃兵等[10]選用三維變分同化方法同化觀測(cè)資料，數(shù)值模擬結(jié)果顯示對(duì)局地暴雨強(qiáng)度和落區(qū)都有較好的反映。

綜上所述，在洪水突發(fā)性強(qiáng)的中小尺度流域，數(shù)值大氣模擬的降雨空間分布情況直接影響水文預(yù)報(bào)的結(jié)果。由于大氣數(shù)值模式驅(qū)動(dòng)數(shù)據(jù)的初始場(chǎng)和側(cè)邊界條件與大氣的實(shí)際狀態(tài)間存在差異，導(dǎo)致模擬的降雨數(shù)據(jù)空間分布和實(shí)際降雨分布之間存在誤差，數(shù)據(jù)同化是解決該問題的有效手段。本文采用WRF模式開展基于數(shù)據(jù)同化的降雨數(shù)值空間分布模擬研究，探求數(shù)據(jù)同化對(duì)降雨模擬數(shù)據(jù)空間分布的改進(jìn)效果，為進(jìn)一步提高陸氣耦合水文預(yù)報(bào)能力提供依據(jù)。

2 研究區(qū)域概況

本文選取位于大清河南支的阜平流域作為研究區(qū)。該流域位于東經(jīng)113°45′至114°32′，北緯38°39′至39°8′之間，流域總面積為2219 km2，流域控制站為阜平水文站，流域位于大清河南支的支沙河上游。阜平流域全流域?yàn)樯絽^(qū)，高程自西北往東南遞減，高程變化大，高程最大值約為2290 m，最小值約為200 m，區(qū)域內(nèi)坡度較陡。該流域?qū)儆谂瘻貛О霛駶?rùn)地區(qū)，氣候?yàn)楸睖貛Т箨懶约撅L(fēng)氣候，雨熱同期，且夏季多暴雨。

選取該流域作為研究區(qū)主要有以下幾點(diǎn)原因：

（1）研究區(qū)內(nèi)的降雨有突發(fā)性強(qiáng)、歷時(shí)短、雨量大的特征，特別是在山區(qū)發(fā)生該類型降雨時(shí)，極易引起洪澇災(zāi)害。由于流域面積小，預(yù)見期短，預(yù)報(bào)難度較大，通過(guò)在該流域開展降雨數(shù)值空間分布模擬研究，可尋找提高流域水文預(yù)報(bào)能力的新思路。

圖1 阜平流域地理位置示意

（2）研究區(qū)在大清河水系的南支上，對(duì)于分析整個(gè)大清河水系的降雨產(chǎn)流機(jī)理具有重要意義。雄安新區(qū)位于大清河流域的腹地，通過(guò)該區(qū)域開展降雨數(shù)值空間分布模擬研究，對(duì)調(diào)整完善流域防洪預(yù)案、保障雄安新區(qū)及下游防洪安全、配合雄安新區(qū)規(guī)劃建設(shè)具有重要的現(xiàn)實(shí)與長(zhǎng)遠(yuǎn)意義。

3 研究數(shù)據(jù)

3.1 全球模式產(chǎn)品WRF模式運(yùn)行需要初始邊界場(chǎng)作為驅(qū)動(dòng)，本文采用NCEP的全球預(yù)報(bào)數(shù)據(jù)GFS作為WRF模式運(yùn)行的初始場(chǎng)。GFS數(shù)據(jù)分辨率為1°×1°，其預(yù)報(bào)數(shù)據(jù)可預(yù)報(bào)未來(lái)8 d共192 h的天氣，數(shù)據(jù)每隔6 h更新一次。目前全球模式產(chǎn)品在東亞地區(qū)的模擬結(jié)果相較于歐洲和美國(guó)還存在一定的差異，但模式中溫度、風(fēng)速、壓力等要素的描述在東亞地區(qū)還是可以刻畫出一定的趨勢(shì)和規(guī)律性，故實(shí)際上GFS數(shù)據(jù)基本可以滿足模擬我國(guó)中小尺度區(qū)域氣象要素變化的要求[11]，GFS數(shù)據(jù)來(lái)源于（http：//nomads.ncep.noaa.gov/）。

3.2 數(shù)據(jù)同化資料本文選擇多普勒天氣雷達(dá)的反射率資料和NCAR提供的GTS全球觀測(cè)資料作為數(shù)據(jù)同化資料。GTS數(shù)據(jù)是氣壓、溫度、濕度、風(fēng)向與風(fēng)速等傳統(tǒng)的地面與高空氣象數(shù)據(jù)的集合，包括飛機(jī)報(bào)、船舶報(bào)、衛(wèi)星資料和地面觀測(cè)站數(shù)據(jù)等[12]。研究所采用的多普勒雷達(dá)是位于石家莊新樂市境內(nèi)的SA波段雷達(dá)，雷達(dá)數(shù)據(jù)由國(guó)家氣象局提供。該多普勒氣象雷達(dá)掃描區(qū)域半徑為250 km，可完全覆蓋研究區(qū)。

3.3 實(shí)測(cè)降雨資料實(shí)測(cè)降雨資料主要來(lái)自于阜平流域的8個(gè)雨量站，分別為：冉莊、莊旺、不老臺(tái)、下關(guān)、砂窩、龍泉關(guān)、橋南溝和阜平。通過(guò)對(duì)歷史資料的分析，選取3場(chǎng)降雨過(guò)程作為研究對(duì)象，各場(chǎng)降雨雨量大小和歷時(shí)見表1。

表1 降雨場(chǎng)次信息

4 研究方法

4.1 WRF模式WRF模式全稱為Weather Research Forecast Model，譯為天氣預(yù)報(bào)模式，被譽(yù)為新一代的中尺度天氣預(yù)報(bào)模式。該模式是一種完全可壓縮及非靜力模式，模式系統(tǒng)可以進(jìn)行數(shù)值天氣的預(yù)報(bào)，還可進(jìn)行天氣模擬和數(shù)據(jù)同化。WRF模式有兩個(gè)版本，一個(gè)是由MM5模式發(fā)展而來(lái)，采用Arakawa C網(wǎng)格，另一個(gè)是由ETA模式發(fā)展而來(lái)，采用Arakawa E網(wǎng)格。相比于其他大氣數(shù)值模式，WRF模式支持高精度的網(wǎng)格分辨率，最高可生成1km×1km的網(wǎng)格數(shù)據(jù)，采用了比ETA更好的地形模擬數(shù)據(jù)，保證了在長(zhǎng)步長(zhǎng)條件下運(yùn)算的穩(wěn)定性。WRF模式分為ARW和NMM兩種，即研究用和業(yè)務(wù)用兩種形式，本文中使用的是WRF ARW。WRF的運(yùn)行需要進(jìn)行物理參數(shù)化方案的設(shè)置，針對(duì)各場(chǎng)降雨過(guò)程的具體特點(diǎn)，研究選取的影響降雨過(guò)程的主要物理參數(shù)化方案如表2所示。

表2 各降雨場(chǎng)次選取的主要物理參數(shù)化方案情況

4.2 三維變分?jǐn)?shù)據(jù)同化WRF模式中的WRFDA系統(tǒng)是WRF模式自身的數(shù)據(jù)同化系統(tǒng)，研究選取其中的3DVAR即三維變分同化方法。三維變分同化的基本理論是將同化問題歸結(jié)為一個(gè)表征分析場(chǎng)與觀測(cè)場(chǎng)和分析場(chǎng)與背景場(chǎng)偏差的二次最小泛函極小值問題，該問題可以通過(guò)以下公式表述：

式中：X為分析變量；Xb為背景場(chǎng)；Y0為觀測(cè)向量；B為背景場(chǎng)誤差協(xié)方差；H為觀測(cè)算子，將模式變量由模式空間投影到觀測(cè)空間；R為觀測(cè)誤差協(xié)方差。

則三維變分同化問題最終歸結(jié)為求解上式給出的目標(biāo)函數(shù)最優(yōu)解問題。由于在求解最優(yōu)值的過(guò)程中控制變量是一組非線性方程，其求解形式多樣，無(wú)法直接求出控制變量的閉合解，在WAF 3DVAR中采用外循環(huán)和內(nèi)循環(huán)共同迭代的方法得到最優(yōu)解對(duì)應(yīng)的控制變量。

WRF模式運(yùn)行需進(jìn)行嵌套網(wǎng)格的設(shè)置，網(wǎng)格的設(shè)置一方面需要考慮研究區(qū)的位置，另一方面需要匹配同化數(shù)據(jù)的精度。同化數(shù)據(jù)的精度和嵌套網(wǎng)格的精度越接近，同化效果往往越好。由于GTS數(shù)據(jù)的網(wǎng)格精度較粗，適合在外層網(wǎng)格進(jìn)行同化，雷達(dá)數(shù)據(jù)的空間分辨率較高，適合在內(nèi)層網(wǎng)格進(jìn)行同化。參考文獻(xiàn)[13]在大清河流域的研究成果，同時(shí)考慮計(jì)算效率問題，研究中采用雙層嵌套網(wǎng)格設(shè)置，在內(nèi)層網(wǎng)格同化雷達(dá)反射率數(shù)據(jù)，外層網(wǎng)格同化GTS數(shù)據(jù)，將最終輸出的內(nèi)層網(wǎng)格數(shù)據(jù)（Domain 2）作為模式的模擬結(jié)果。WRF模式運(yùn)行的基本設(shè)置見表3。

表3 WRF模式運(yùn)行參數(shù)設(shè)置

由于WRF模式在計(jì)算過(guò)程中誤差存在累積效應(yīng)，隨著計(jì)算時(shí)長(zhǎng)的增加，模式的誤差會(huì)逐漸增大。為避免此類問題，數(shù)據(jù)同化計(jì)算中參考常用的循環(huán)同化方法，將前一個(gè)時(shí)段WRF模式運(yùn)行得到的背景場(chǎng)和側(cè)邊界條件作為下一個(gè)時(shí)段的初始條件進(jìn)行同化，從而達(dá)到減小模式計(jì)算誤差的目的。假設(shè)某一場(chǎng)降雨開始于2012年7月21日03∶00，結(jié)束于2012年7月22日03∶00，降雨歷時(shí)為24 h。數(shù)據(jù)同化的起始時(shí)間為2012年7月21日00∶00，同化時(shí)間間隔為6h，共運(yùn)行6次。則該場(chǎng)次降雨數(shù)據(jù)同化后的輸出數(shù)據(jù)來(lái)源如圖2所示。

圖2中，run1代表WRF模式第1次模擬過(guò)程，run2-run6代表WRF模式第1次至第5次數(shù)據(jù)同化過(guò)程，run1并沒有提供同化后的輸出數(shù)據(jù)，該過(guò)程主要作用是對(duì)模型進(jìn)行預(yù)熱，預(yù)熱后模型在同化過(guò)程中的表現(xiàn)會(huì)更加穩(wěn)定。

4.3 降雨空間分布評(píng)價(jià)指標(biāo)采用臨界成功率指標(biāo)CSI和均方根誤差指標(biāo)RMSE對(duì)同化前后的降雨數(shù)據(jù)進(jìn)行評(píng)價(jià)，均方根誤差指標(biāo)RMSE計(jì)算公式為：

圖2 循環(huán)同化方案示意

式中：Pj為某一個(gè)網(wǎng)格點(diǎn)上的降雨量模擬值；Qj為某一個(gè)網(wǎng)格點(diǎn)上整個(gè)觀測(cè)時(shí)段內(nèi)累積雨量的實(shí)測(cè)值；M為網(wǎng)格個(gè)數(shù)。

臨界成功率指標(biāo)CSI表示正確模擬的降雨次數(shù)占所有可能發(fā)生降雨情況的比例，該指標(biāo)最優(yōu)值為1，CSI值越接近于1，表明模擬效果越好。該指標(biāo)計(jì)算公式為：

根據(jù)對(duì)歷史降雨資料的分析，當(dāng)某一網(wǎng)格上的降雨量大于0.01 mm時(shí)，說(shuō)明該網(wǎng)格在統(tǒng)計(jì)時(shí)段內(nèi)發(fā)生了降雨。當(dāng)某一個(gè)網(wǎng)格上的模擬值與實(shí)測(cè)值都顯示了降雨的發(fā)生時(shí)，NA值加1；當(dāng)某一網(wǎng)格上模擬值顯示了降雨的發(fā)生，而實(shí)際沒有發(fā)生降雨時(shí)，NB值加1；反之當(dāng)網(wǎng)格上模擬值顯示沒有發(fā)生降雨，而實(shí)際發(fā)生了降雨，則NC值加1。

5 結(jié)果分析

5.1 降雨過(guò)程代表性分析從阜平流域歷史降雨資料中選取3場(chǎng)降雨過(guò)程作為研究對(duì)象，各場(chǎng)次降雨過(guò)程柱狀圖見圖3。

圖3 典型降雨過(guò)程柱狀圖

圖4 雨量站實(shí)測(cè)累計(jì)降雨空間分布

將雨量站的實(shí)測(cè)累計(jì)降雨數(shù)據(jù)通過(guò)泰森多邊形法展布到流域面上，結(jié)果如圖4所示。

從圖4可以看出，3個(gè)降雨過(guò)程在空間分布的均勻程度并不相同。為進(jìn)一步量化降雨的空間分布情況，選取變差系數(shù)為指標(biāo)進(jìn)行描述?？臻g分布的變差系數(shù)反映的是某一雨量站的降雨量距平數(shù)與各雨量站平均降水量之間的比值，變差系數(shù)Cv按下式計(jì)算：

式中：xi為某一雨量站的累積降雨量；為各雨量站的累積降雨量的平均值；n為網(wǎng)格個(gè)數(shù)；在計(jì)算降雨時(shí)間分布時(shí)，xi為第i個(gè)小時(shí)的面雨量，為i個(gè)小時(shí)面雨量的平均值，n為降雨小時(shí)數(shù)。

各降雨場(chǎng)次變差系數(shù)Cv計(jì)算結(jié)果如表3所示：

由表3計(jì)算可見，降雨場(chǎng)次2的Cv值最小，說(shuō)明某一雨量站的降雨量的距平數(shù)和該雨量站平均降雨量之間的差值小，反映出該場(chǎng)降雨空間分布均勻，而降雨場(chǎng)次3的Cv值最大，表明該場(chǎng)降雨過(guò)程的降雨量空間分布差距較大，屬于空間分布不均勻降雨，降雨場(chǎng)次2的Cv值介于場(chǎng)次1和場(chǎng)次3之間。綜合降雨過(guò)程的空間Cv值和雨量分布圖，可以看出3場(chǎng)降雨的空間分布均有一定的差異性，可以用來(lái)代表不同的降雨空間分布類型，代表性較好。

5.2 降雨空間分布的評(píng)價(jià)指標(biāo)分析計(jì)算的各場(chǎng)降雨臨界成功率指標(biāo)CSI和均方根誤差指標(biāo)RMSE見表4。

表3 3場(chǎng)降雨的Cv值

表4 同化前后評(píng)價(jià)指標(biāo)對(duì)比

CSI表示正確模擬的降雨頻次占所有可能發(fā)生降雨情況的比例，RMSE則是可以更加直觀的反映空間尺度下模擬誤差的大小。從表4中可以看出，對(duì)于各場(chǎng)降雨，同化后的CSI值和RMSE值均優(yōu)于同化前。降雨場(chǎng)次1同化前后CSI值提高了0.1353，降雨場(chǎng)次2同化前后CSI值提高了0.0659，降雨場(chǎng)次3同化前后CSI值提高了0.1031，CSI值的提高說(shuō)明數(shù)據(jù)同化方法有助于模式捕捉不同降雨場(chǎng)次的降雨落區(qū)；同化前后3場(chǎng)降雨的RMSE指標(biāo)分別下降了0.1644、0.1120和0.2407，說(shuō)明通過(guò)數(shù)據(jù)同化的方法，對(duì)空間上各點(diǎn)時(shí)段累計(jì)降雨量模擬的正確率均有提高。綜合來(lái)看，同化后的數(shù)據(jù)可以更加準(zhǔn)確地刻畫降雨的空間分布規(guī)律，模擬降雨空間精度的提高有助于在陸氣耦合中為陸面水文模型提供更加準(zhǔn)確的降雨信息，從而得到準(zhǔn)確的預(yù)報(bào)結(jié)果。

從圖2中可以看出，降雨場(chǎng)次3屬于短時(shí)強(qiáng)降雨過(guò)程，根據(jù)田濟(jì)揚(yáng)等[14-15]的研究表明，WRF模式對(duì)該類型降雨的模擬效果較差。從表4中也可以看出，雖然同化后CSI值和RMSE值均有優(yōu)化，但總體程度差于降雨場(chǎng)次1和降雨場(chǎng)次2的模擬結(jié)果，在實(shí)際水文預(yù)報(bào)過(guò)程中需提供對(duì)該類型降雨的關(guān)注。

5.3 降雨模擬結(jié)果的空間分布通過(guò)網(wǎng)格中心點(diǎn)的坐標(biāo)讀取WRF模式同化前后內(nèi)層嵌套網(wǎng)格的模擬降雨數(shù)據(jù)，并展布在3 km×3 km的網(wǎng)格圖上，網(wǎng)格中心點(diǎn)位置和流域之間的相對(duì)位置如圖4所示。

圖5 網(wǎng)格中心點(diǎn)分布

圖6 降雨場(chǎng)次1同化前后降雨空間分布

圖5—圖7分別給出了3個(gè)降雨過(guò)程在數(shù)據(jù)同化前和同化后的降雨空間分布情況，圖中柱狀圖為雨量站實(shí)測(cè)雨量值。在降雨場(chǎng)次1中，根據(jù)實(shí)測(cè)資料顯示，降雨主要集中在中部和南部部分區(qū)域，流域東、西、北部邊界處的累計(jì)降雨量小于流域中心的累計(jì)降雨量，流域出口處的累計(jì)降雨量較小。未同化前的累計(jì)雨量分布表現(xiàn)為中部高，東西低，在流域的出口處，同化前模擬結(jié)果高估了累計(jì)降雨量，東部區(qū)域同化前的模擬結(jié)果則低估了累計(jì)降雨量。通過(guò)數(shù)據(jù)同化方法，模擬的降雨結(jié)果捕捉到東部地區(qū)累計(jì)降雨量較大的區(qū)域，對(duì)流域出口處累計(jì)降雨量偏小區(qū)域的模擬效果也更好，總體上更接近實(shí)際的降雨空間分布。

圖7 降雨場(chǎng)次2同化前后降雨空間分布

圖8 降雨場(chǎng)次3同化前后降雨空間分布

降雨場(chǎng)次2降雨主要集中在南部地區(qū)，但南北總體的累計(jì)降雨量差距不大，在流域面上的分布較為平均，降雨量分布整體呈現(xiàn)從東南往西北減少的趨勢(shì)。同化前模擬降雨結(jié)果的空間分布也較平均，但同化后的降雨分布圖相比于同化前更好地反映了該降雨分布從東南往西北減少的趨勢(shì)，特別是對(duì)北部降雨較少地區(qū)的模擬更加準(zhǔn)確。

降雨場(chǎng)次3同化前后CSI值和RMSE值雖然偏低，但數(shù)據(jù)同化方法仍然對(duì)降雨空間模擬結(jié)果具有改善作用。該場(chǎng)實(shí)際降雨空間分布呈現(xiàn)南北多，中部低的態(tài)勢(shì)，同化前模擬結(jié)果中南部地區(qū)的降雨量相對(duì)較少，和實(shí)際分布有一定的差異，北部累計(jì)降雨量較大的區(qū)域和實(shí)際相比相對(duì)靠南，沒有模擬出東部累計(jì)降雨量較少的區(qū)域。同化后的結(jié)果不僅更加準(zhǔn)確的模擬出北部降雨量較大地區(qū)的位置，同時(shí)也刻畫出了流域南部、特別是流域出口處累計(jì)降雨量大的特點(diǎn)。

通過(guò)三場(chǎng)降雨過(guò)程同化前后的模擬結(jié)果可以看出，通過(guò)數(shù)據(jù)同化的方法，改善了WRF模式模擬過(guò)程中初始場(chǎng)和邊界條件的誤差，修正了降雨模擬的空間分布結(jié)果，使得模擬結(jié)果更接近實(shí)際的降雨分布情況。

6 結(jié)論

由于雷達(dá)反射率可以反映出云雨造成的雷達(dá)回波功率的大小，直觀的刻畫大氣中云雨的分布情況，有助于模擬大氣中的降雨。通過(guò)對(duì)研究區(qū)3場(chǎng)降雨過(guò)程同化前后模擬效果的對(duì)比分析可以發(fā)現(xiàn)：

（1）同化后的模擬降雨數(shù)據(jù)在空間分布上更符合實(shí)測(cè)的降雨分布情況，相比于同化前，同化后的模擬降雨數(shù)據(jù)可以更好地捕捉空間尺度累計(jì)降雨量的分布情況，對(duì)同化前未模擬到的降雨集中區(qū)域有較好的改進(jìn)作用。此外，CSI指標(biāo)和RMSE均優(yōu)于同化前的模擬結(jié)果，說(shuō)明通過(guò)數(shù)據(jù)同化的方法可以提高數(shù)值降雨的模擬精度，更好的捕捉不同降雨場(chǎng)次的降雨落區(qū)，為大氣模式和水文模型的耦合研究提供更加準(zhǔn)確的降雨空間分布信息，提高陸氣耦合模擬的精度。

（2）降雨場(chǎng)次1和降雨場(chǎng)次2的空間變差系數(shù)Cv明顯小于降雨場(chǎng)次3，說(shuō)明降雨場(chǎng)次1和降雨場(chǎng)次2在空間分布上屬于相對(duì)均勻的降雨類型，而降雨場(chǎng)次3則屬于空間分布相對(duì)不均勻的降雨類型。從模擬結(jié)果中可以看出，數(shù)據(jù)同化前后降雨場(chǎng)次1和降雨場(chǎng)次2的評(píng)價(jià)指標(biāo)遠(yuǎn)好于降雨場(chǎng)次3的評(píng)價(jià)指標(biāo)，從降雨過(guò)程可以看出降雨場(chǎng)次3屬于短時(shí)強(qiáng)降雨，WRF模式和數(shù)據(jù)同化方法對(duì)該降雨類型的模擬效果較差，在今后的研究中可以通過(guò)利用多源雷達(dá)數(shù)據(jù)，如增加雷達(dá)徑向風(fēng)的同化來(lái)改善大氣模式對(duì)風(fēng)場(chǎng)的模擬，提高模式對(duì)不同類型降雨空間分布的模擬精度。