[发明专利]一种雨量站融合雷达定量估测降雨的WRF-Hydro关键参数率定方法

说明书

本发明提供一种雨量站融合雷达定量估测降雨的WRF‑Hydro关键参数率定方法，包括设置WRF中的气象驱动数据与预热时间；雨量站融合多普勒天气雷达定量估测降雨获得修正降雨数据；降雨驱动数据的适用性判断；基于并行的动态多维搜索算法（P‑DDS）的WRF‑Hydro模式参数校准；验证校准参数后的WRF‑Hydro对洪水过程模拟效果。雷达与雨量站融合降雨的能够提高输入模式的时空准确性，能够更加稳定的刻画时空分布不均匀的降雨，以其作为率定WRF‑Hydro陆面水文模式的降雨驱动数据，并配合并行动态多维搜索算法（P‑DDS），能够改进WRF‑Hydro的参数校准过程，提高场次降雨洪水的模拟精度。

技术领域

本发明涉及水文气象的技术领域，特别是一种雨量站融合雷达定量估测降雨的WRF-Hydro关键参数率定方法。

背景技术

WRF-Hydro是近几年国际上比较复杂的陆面水文模式代表，可通过WRF和WRF-Hydro的耦合提供水文过程时空要素的模拟/预报信息，但是陆面水文模式WRF-Hydro参数的率定却受制于输入数据以及率定方式的影响。通常的参数定采用WRF与WRF-Hydro耦合方式，输入的降雨并非实际的“真值”，会极大的影响模拟/预报效果。

雨量计作为一种直接观测降雨的传感器可以在相对精确的位置对降雨进行点雨量观测，但雨量站的维护检测成本相对较高，在北方地区，其站网密度往往不能满足流域空间建模的需求，较难捕捉到降雨在空间上的异质性。雷达站资料具有对流尺度分辨率高，观测准确度高等优点，单个雷达站覆盖半径200~300km，非常适合中小尺度气象观测。从1940年利用天气雷达观测雨量的空间特性开始，到近几十年间天气雷达数据的不断更新，在雨量估测精度方面不断提升，应用也越来越广泛。将多雷达观测数据转化为降雨强度的过程比较复杂，主要原因在于观测数据往往存在误差，现有的雷达站网由于布设较早，硬件设置并不完善，预报质量尚存在一定的不确定性。雨量站与雷达各有优势，融合高分辨率的降雨产品是获得稳定的高分辨率的降雨数据的有效途径，准确的降雨时空分布将进一步提高所构建的陆面水文模式系统模拟精度。

WRF-Hydro在水文、气象等多个学科交叉领域上均的广阔应用前景，近年来受到国内外学者的广泛关注。当前WRF-Hydro已经作为美国国家水预报模型（National WaterModel）之一用于指导美国西北部的水文预报业务。2017年Naabil E、Lamptey BL、ArnaultJ、Olufayo A、Kunstmann H的《利用WRF-Hydro系统进行水资源管理：以西非托诺大坝为例》用单向耦合的WRF-Hydro成功模拟了西非的一个小流域2014年的径流，但是发现部分时段内存在快速回落情况；2017年Silver M、Karnieli A、Ginat H、Meiri E、Fredj E的《干旱区WRF-Hydro水文参数率定的一种新方法》对美国干旱与半干旱区的5场洪水进行模拟，并通过土地利用类型将参数变量值进行了分类修正，该方法调参后的流量过程明显优于系统默认参数取值下的结果；2020年孙明坤、李致家、刘志雨、侯爱中、霍文博、温娅惠、孔祥意、戴金旺、梁世强的《WRF-Hydro模型与新安江模型在陈河流域的应用对比》比较了WRF-Hydro和新安江模型在陕西半湿润区的应用效果，结果表明WRF-Hydro能够更好的反映洪水细节，但对中小流域的洪水模拟精度仍需加强。当陆面水文模式用于对洪水过程进行时空动态模拟时，模式关键产汇流参数仍需依赖可靠的高分辨降雨数据，上述研究对此并没有很好的解决方案。

发明内容

为了解决上述的技术问题，本发明提出的一种雨量站融合雷达定量估测降雨的WRF-Hydro关键参数率定方法，其解决的主要技术问题是针对低密度雨量站无法满足空间建模精度的需求，采用雨量站与多普勒天气雷达定量估测降雨融合的方法提高降雨时空分布特征。

本发明的目的是提供一种雨量站融合雷达定量估测降雨的WRF-Hydro关键参数率定方法，包括以下步骤：

步骤1：设置天气预报模式WRF中的气象驱动数据与预热时间，所述气象驱动数据包括温度驱动数据、压强驱动数据、风速驱动数据和降雨驱动数据；