论文部分内容阅读
水文过程是陆-气系统中的重要组成部分,作为连结着大气、陆面和土壤水运动和转化的纽带,对陆气相互作用起着至关重要的作用。传统的水文模型对流域尺度上对水文过程的刻画已比较成熟,而在发展越来越成熟的中尺度陆-气耦合模式中,陆面过程模块中对水文循环时空演变的描述一直是一个相对薄弱的环节,水文参数化方案过于简单,极大地制约了陆-气耦合模式对径流等水文因子的模拟能力,造成难以在考虑宏观大气背景和陆-气相互作用的情形下,实现对流域水文过程的准确描述模拟。因此,发展综合流域水文模型和陆.气耦合模式两者优势的耦合集成系统,对陆-气耦合模拟中水文过程的准确描述及其向大气的反馈研究,具有重要的意义。
本文的研究思路主要为:将框架简单、验证充分而表现稳定的流域水文模型与陆面过程模式进行集成,以改善陆面模式对水量和能量平衡的模拟;进而借助联系大气和水文相互作用的纽带——陆面过程,将流域水文模型与中尺度陆-气耦合模式集成,以期改善模式对陆面水文过程的模拟能力的同时,并能对大气过程进行实时的反馈,初步实现“大气-水文”的在线耦合模拟。
基于上述思路,本文主要在以下几个方面开展了工作:
1)进行半分布式流域水文模型XXT集合预报实验。
选取淮河流域及其干流和支流的子流域(王家坝流域和临沂流域)为研究区,在全球交互式集合预报TIGGE数据集162个降水预报成员的预报效果评估基础上,验证所有TIGGE成员降水预报驱动XXT水文模型所得集合模拟预报的精度,比较XXT基于各个中心成员的表现,并分析流量不确定性区间及其预报可信度。
2)利用XXT模型改进陆面模式Noah LSM的简单水量平衡模型(SWB)并与中尺度陆-气耦合模式GRAPES集成。
将XXT模型与“平衡地下水位算法”集成进入Noah LSM3.2版本,并进行离线测试。进而通过Noah LSM的接口,将改进的Noah LSM XXT与GRAPES模式进行集成研究,并在临沂流域设计对比试验和集合模拟试验以考察集成前后的模拟效果。
3)XXT与成熟的中尺度陆.气耦合模式WRF的耦合模拟研究。
同样利用Noah LSM作为接口将XXT集成进WRF模式。首先从短期天气个例对比了WRF和GRAPES的模拟效果。并在WRF和XXT单向“输出-输入”测试效果理想的基础上,利用WRF-XXT耦合模式对长江寸滩流域和武隆流域2007年夏季的降水和水文过程进行模拟分析,模拟过程中用到了WRF的嵌套和格点逼近功能。
通过以上研究得到的主要结论如下:
1)TIGGE降水预报在淮河流域及其子流域的评估效果较为可靠,用于驱动XXT的结果表明模型在集合模拟验证中表现稳定。基于不同中心的降水成员模拟得到的确定性系数(NE)存在差异。总的来说,基于ecmwf降水成员的模拟效果最好,ritd次之,kwbc模拟明显偏小,而bahj和egrr的结果较不稳定,发散度最大,但在极端灾害年份个别成员可以较好地捕捉洪水高峰。集合模拟结果15和90百分位阈值构建的不确定性区间可基本包含实际流量过程线,并有着良好而稳定的预报可信度。
2)在集成了XXT模型和“平衡地下水位算法”之后,Noah LSM3.2对于径流的模拟显著提高,并一定程度上改进了地表感热和潜热通量的模拟。与GRAPES集成的两组模拟结果表明GRAPES-XXT基本能给出分布合理的降水和表层土壤湿度,并在径流深的模拟上较GRAPEs-SWB有很大的提高,与降水带的响应较好。在集合验证试验中,GRAPES-XXT消除了塔克拉玛干沙漠西部不合理的产流高值区。将对比试验结果中临沂流域格点径流深汇流之后与观测流量对比表明,GRAPES-XXT能模拟出洪水流量过程线的基本形态、洪峰流量和峰现时间,效果较GRAPES-SWB有很大的提高,集合模拟验证同样证明了XXT的集成对水文过程模拟有改进作用。
3)短期天气过程的对比试验表明WRF模式在模拟降水强度和落区已经表层土壤含水量方面的结果较GRAPES而言更加准确和合理,而WRF和XXT的单向“输出-输入”测试也表明XXT基于WRF模拟的降水可以较为成功地进行流域尺度的暴雨洪水模拟。WRF与XXT集成后的在线耦合结果表明,WRF-XXT能够较好地模拟出我国夏季各月的降水量空间分布,并对夏季江淮雨带落区的模拟较WRF-SWB有所改进;在流域尺度的降水模拟上,WRF-XXT模拟的降水空间分布更加合理一些,但与WRF-SWB总体差别不大,且两者均能刻画出流域平均降水的时间演变,WRF-XXT更能捕捉住强降水峰值。WRF-XXT。模拟的径流深较WRF-SWB有很大的提高,基本模拟出了全国范围和流域内的径流高值区,而WRF-SWB模拟的径流普遍较GRDC的气候态径流深有明显偏小。WRF-XXT在流域平均径流深演变的模拟中同样给出了较高的值。模拟径流经汇流到流域出口并和观测流量的对比表明,WRF-XXT对主要洪峰流量和峰现时间的描述要优于WRF-SWB。