古玉，彭定志，鄧陳寧，趙珂珂

(1.北京師范大學(xué)水科學(xué)研究院，北京 100875；2.城市水循環(huán)與海綿城市技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室，北京 100875)

近年來，我國城市暴雨洪澇災(zāi)害發(fā)生頻率與強(qiáng)度顯著增加，全國各地頻繁出現(xiàn)“城市看海”現(xiàn)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(dāng)前威脅城市可持續(xù)發(fā)展的主要災(zāi)害之一[1]。

降水是城市洪澇的主要致災(zāi)因子，在城市化進(jìn)程中，“熱島效應(yīng)”和“雨島效應(yīng)”使得城區(qū)降水增多增強(qiáng)[2-3]。降水序列的精度與預(yù)見期對(duì)城市雨洪模擬具有重要影響。目前采用的降水?dāng)?shù)據(jù)多為歷史或?qū)崟r(shí)觀測(cè)資料、雷達(dá)或遙感解譯資料以及數(shù)值大氣模式模擬資料等[4]。其中，結(jié)合區(qū)域數(shù)值大氣模式的降水預(yù)報(bào)進(jìn)行城市雨洪模擬，能夠在保證結(jié)果可靠性的前提下，更早地預(yù)見洪水，對(duì)有效的城市雨洪管理和應(yīng)急預(yù)案制定具有重要意義[5-7]。目前較常用的中尺度數(shù)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(duì)各種氣象要素模擬與預(yù)報(bào)結(jié)果都更加準(zhǔn)確，特別是降水模擬與預(yù)報(bào)能力的提高，使其目前在國際上應(yīng)用更廣。但是，由于大氣運(yùn)動(dòng)的復(fù)雜性和空間差異性以及初始條件和邊界條件的誤差，數(shù)值大氣模式得到的模擬降水在雨量和時(shí)空分布上都存在一定的誤差，且在不同的地區(qū)效果不同[11-13]。因此，當(dāng)前應(yīng)用研究大多通過初始數(shù)據(jù)集[14- 15]、嵌套方案[16- 17]、物理參數(shù)化方案[18- 19]和空間分辨率[20- 21]的比選、數(shù)據(jù)同化[22- 23]以及集合預(yù)報(bào)[24-25]等手段提高其精度及適用性。

利用WRF模擬北京強(qiáng)降水研究較少，針對(duì)北京市副中心強(qiáng)降水研究尚未開展。蔣立輝等[26]對(duì)2011年7月24日發(fā)生在北京的強(qiáng)降水過程進(jìn)行了數(shù)值模擬。初祁等[27]基于對(duì)云微物理過程、積云對(duì)流過程和行星邊界層3種物理參數(shù)化方案的優(yōu)選，對(duì)WRF在北京地區(qū)短歷時(shí)強(qiáng)降水模擬中的應(yīng)用進(jìn)行了研究。

以北京副中心北運(yùn)河生態(tài)帶、城北、河西和兩河地區(qū)為研究區(qū)，通過更全面的物理參數(shù)化方案的優(yōu)選提升WRF模擬效果，并結(jié)合實(shí)測(cè)數(shù)據(jù)進(jìn)行評(píng)估。研究區(qū)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(guān)攔河閘、北關(guān)分洪閘、張家灣閘、甘棠閘、榆林莊閘和楊洼閘(分別對(duì)應(yīng)圖1中的1～8)等。

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

1 WRF模式及參數(shù)

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

1.1 基本參數(shù)設(shè)置

采用Lambert Conformal水平坐標(biāo)投影方案，以北緯40.5°，東經(jīng)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(nèi)依次為30 km(d01)、10 km(d02)和3.3 km(d03)。模式最內(nèi)層(d03)嵌套區(qū)域見圖2。

圖2 模式最內(nèi)層(d03)嵌套區(qū)域Fig.2 The inner-most domain of the WRF model

選用美國國家環(huán)境預(yù)報(bào)中心FNL再分析數(shù)據(jù)，為WRF模式動(dòng)力降尺度提供初始化信息，水平分辨率為1°×1°，時(shí)間間隔為6 h。選用WRF模式提供的30″分辨率的地面靜態(tài)觀測(cè)數(shù)據(jù)集，基本參數(shù)設(shè)置見表1。

表1 WRF模式基本參數(shù)設(shè)置Tab.1 Main parameters of the WRF model

1.2 物理參數(shù)化方案設(shè)置

WRF模式中與降水有關(guān)的物理過程包括云微物理過程、積云對(duì)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(zhuǎn)化與聚合增長等微觀物理過程；積云對(duì)流方案描述的是云團(tuán)和云系整體的宏觀結(jié)構(gòu)特征、熱力過程及其演變規(guī)律；行星邊界層方案描述的是對(duì)流層下層的大氣運(yùn)動(dòng)。不同物理參數(shù)化方案提出的研究背景不同，其大多是在某一個(gè)地區(qū)觀測(cè)資料的基礎(chǔ)上建立起來的，對(duì)降水過程描述的重點(diǎn)和復(fù)雜程度不同，具有很強(qiáng)的區(qū)域差異性，需要通過方案優(yōu)選來提高針對(duì)特定區(qū)域降水過程的模擬精度。目前的研究大多只考慮了對(duì)降水影響較大的云微物理方案、積云對(duì)流方案和行星邊界層方案，本研究在此基礎(chǔ)上進(jìn)一步考慮長短波輻射方案，同時(shí)加入了城市表面方案。結(jié)合研究區(qū)的相關(guān)成果[26-30]，選取了模擬效果較好且應(yīng)用較廣的參數(shù)方案組成16種不同的組合，見表2。另外，由于最內(nèi)層嵌套區(qū)域水平分辨率小于4 km，因此關(guān)閉積云對(duì)流方案。

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

2 結(jié)果分析

選取2012年“7·21”、2016年“7·20”和2017年的“6·22”3場(chǎng)典型強(qiáng)降水過程進(jìn)行模擬，實(shí)測(cè)數(shù)據(jù)來源于北京市水文總站和水文年鑒，站點(diǎn)包括溫榆河通縣站、涼水河榆林莊站和北運(yùn)河楊洼站。

2.1 誤差評(píng)價(jià)指標(biāo)

采用相對(duì)誤差ER、均方根誤差ERMS、平均偏差EMB和標(biāo)準(zhǔn)差DS4個(gè)指標(biāo)評(píng)估不同方案在時(shí)空尺度上的模擬效果。各指標(biāo)及計(jì)算方法見表3。

表3 各指標(biāo)計(jì)算公式Tab.3 Formulas of indexes

2.2 模擬效果分析

模擬結(jié)果見圖3，不同方案組合對(duì)研究區(qū)強(qiáng)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(jié)果最穩(wěn)定，其次是“7·21”，“6·22”的模擬結(jié)果最不穩(wěn)定。對(duì)于“7·21”，模擬的降水過程與實(shí)測(cè)過程整體上較為一致，但有所滯后，特別是降水極值的出現(xiàn)時(shí)間，多數(shù)組合對(duì)降水總量都有所高估。對(duì)于“7·20”，降水過程整體模擬都較為準(zhǔn)確，不同組合對(duì)降水總量有所高估。對(duì)于“6·22”，不同組合的模擬結(jié)果差異顯著，多數(shù)組合對(duì)降水總量都有所低估。對(duì)于3場(chǎng)降水，各組合模擬結(jié)果平均降水總量與實(shí)測(cè)降水差異較小，其中:“6·22”差異最小且存在低估，另外兩場(chǎng)則相反；模擬平均降水過程則與單獨(dú)模擬結(jié)果規(guī)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(píng)價(jià)指標(biāo)見表4。對(duì)降水總量的模擬，不同組合效果各不相同，根據(jù)ER極值絕對(duì)值之差可知，各組合對(duì)“6·22”的模擬結(jié)果差異最大，對(duì)“7·20”的模擬結(jié)果差異最小，即對(duì)“7·20”模擬最穩(wěn)定。

表4 時(shí)間尺度的不同組合評(píng)價(jià)指標(biāo)值Tab.4 Model performance for different combinations on the temporal scale

對(duì)于降水過程的模擬，同一場(chǎng)次降水不同組合的評(píng)價(jià)指標(biāo)值各不相同，且“6·22”的不同組合模擬結(jié)果差異最大，如其c4與c5的ERMS之間差值為2.54。對(duì)于不同場(chǎng)次降水，相同參數(shù)方案組合的同一指標(biāo)值也各不相同，如:c4對(duì)3場(chǎng)降水模擬的模擬效果都較好而c15則較差；c14和c16對(duì)“7·21”和“7·20”模擬效果較好但對(duì)“6·22”模擬效果很差;c2對(duì)“7·21”和“7·20”模擬效果較差但對(duì)“6·22”模擬效果較好。整體上“7·20”的各評(píng)價(jià)指標(biāo)均值及其差異均較小，即在時(shí)間尺度上各參數(shù)方案組合對(duì)于“7·20”的模擬結(jié)果更準(zhǔn)確與穩(wěn)定。

為選取對(duì)3場(chǎng)降水都有較好模擬效果的參數(shù)方案組合，根據(jù)評(píng)價(jià)指標(biāo)值對(duì)不同組合從優(yōu)到劣(從1到16)進(jìn)行排序見表5。結(jié)合表2可看出:對(duì)降水總量的模擬(ER)，積云對(duì)流參數(shù)化方案的影響最大：對(duì)于“7·20”和“6·22”，當(dāng)積云對(duì)流參數(shù)化方案取GF(雙數(shù)項(xiàng)組合)時(shí)模擬效果整體上優(yōu)于取KF(單數(shù)項(xiàng)組合)；對(duì)于“7·21”則無明顯差異。對(duì)降水過程的模擬，總體來說當(dāng)積云對(duì)流參數(shù)化方案取GF時(shí)模擬效果較優(yōu)。綜上，積云對(duì)流參數(shù)化方案對(duì)研究區(qū)強(qiáng)降水模擬結(jié)果影響最大，且取GF方案時(shí)模擬效果更好。

表5 時(shí)間尺度的不同組合評(píng)價(jià)指標(biāo)排序Tab.5 Ranking of different combinations on the temporal scale

在時(shí)間尺度上，雖然對(duì)兩場(chǎng)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(duì)兩場(chǎng)降水的模擬效果都相對(duì)較好，包括c2、c4、c10和c12?；诖耍芯窟M(jìn)一步計(jì)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(shí)空尺度上均模擬較好的方案組合，構(gòu)建適用于研究區(qū)的數(shù)值天氣模式，計(jì)算結(jié)果見表6。

表6 空間尺度的不同組合評(píng)價(jià)指標(biāo)值Tab.6 Model performance for different combinations on the spatial scale

在空間尺度上:c2對(duì)“6·22”的模擬效果最好而對(duì)“7·21”和“7·20”則最差；c4和c10對(duì)“7·21”和“6·22”的模擬效果差別不大，其中c10對(duì)“7·20”模擬效果最好；c12對(duì)“7·21”和“7·20”的模擬效果均較好而對(duì)“6·22”則最差。綜合對(duì)累積降雨量的模擬結(jié)果，最終采用c4構(gòu)建研究區(qū)數(shù)值天氣預(yù)報(bào)模型，其中云微物理方案取WSM5，積云對(duì)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(jié)果見圖4。對(duì)于“7·21”和“7·20”，c4模擬結(jié)果與各組合平均模擬結(jié)果無明顯差異，而對(duì)于“6·22”，c4模擬結(jié)果則明顯比平均模擬結(jié)果更加準(zhǔn)確。

3 結(jié)論與討論

城市的快速發(fā)展使得區(qū)域面臨洪澇災(zāi)害更加脆弱，人民的生命財(cái)產(chǎn)安全和經(jīng)濟(jì)社會(huì)的發(fā)展受到嚴(yán)重威脅。北京副中心對(duì)首都的空間結(jié)構(gòu)調(diào)整和發(fā)展建設(shè)具有重要意義，也對(duì)京津冀協(xié)同發(fā)展起著推動(dòng)作用。本文以北京副中心北運(yùn)河生態(tài)帶、城北、河西和兩河片地區(qū)為研究區(qū)，利用WRF模式對(duì)典型強(qiáng)降水過程進(jìn)行了模擬。基于云微物理方案,積云對(duì)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(shè)置了16種不同的組合，結(jié)合實(shí)測(cè)降水進(jìn)行方案優(yōu)選，構(gòu)建了適用于北京副中心的數(shù)值天氣模型。結(jié)果表明：大氣模式對(duì)強(qiáng)降水模擬具有一定的不確定性；對(duì)物理參數(shù)化方案進(jìn)行優(yōu)選可有效提高強(qiáng)降水過程的模擬精度，且不同的物理參數(shù)化方案組合的模擬結(jié)果各不相同，其中積云對(duì)流參數(shù)化方案對(duì)于研究區(qū)強(qiáng)降水模擬影響最大，采用GF方案模擬效果更好，在北京應(yīng)用WRF模型時(shí)對(duì)于積云對(duì)流過程的描述應(yīng)選擇GF方案，在此基礎(chǔ)上再確定其他過程參數(shù)化方案的選擇；當(dāng)云微物理方案取WSM5，積云對(duì)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(shí)，模擬結(jié)果最優(yōu)。

圖4 不同場(chǎng)次模擬降水結(jié)果Fig.4 Simulation results of different precipitations

研究發(fā)現(xiàn)積云對(duì)流參數(shù)化方案對(duì)研究區(qū)強(qiáng)降水模擬的影響最大且取GF方案結(jié)果最好，這與初祁等[27]在北京地區(qū)的研究結(jié)果相同。對(duì)于云微物理方案和行星邊界層方案的優(yōu)選結(jié)果與則與蔣立輝等[26]結(jié)果相同。盡管通過物理參數(shù)化方案的優(yōu)選提高了模擬精度，但與實(shí)際觀測(cè)值仍有一定偏差，需進(jìn)一步深入分析。由于缺乏水文站點(diǎn)實(shí)測(cè)資料，且對(duì)每種參數(shù)方案只考慮了目前在該區(qū)域應(yīng)用較廣的方案，在下一步研究中可增加降水場(chǎng)次與方案數(shù)目，從而提高其適用性與精度。另外，模式模擬時(shí)間和積分步長的設(shè)置也會(huì)對(duì)結(jié)果有一定影響，也需深入開展研究工作。