田濟(jì)揚(yáng)　劉佳　李傳哲　于福亮

摘要：近幾年中尺度數(shù)值大氣模式WRF迅速發(fā)展，其應(yīng)用越來越廣。為闡釋W(xué)RF模式的機(jī)理，揭示其發(fā)展方向，為相關(guān)領(lǐng)域的研究人員提供參考，介紹了WRF模式系統(tǒng)構(gòu)成，探討和總結(jié)了物理參數(shù)化方案、數(shù)據(jù)同化方法、以及合理的空間尺度對(duì)WRF模式在水文氣象領(lǐng)域的模擬預(yù)報(bào)效果的影響。相關(guān)研究表明：（1）針對(duì)不同區(qū)域、不同時(shí)段的研究應(yīng)選取不同的物理參數(shù)化方案組合；（2）目前WRF模式常用的數(shù)據(jù)同化方法是三維變分?jǐn)?shù)據(jù)同化，混合數(shù)據(jù)同化方法是改進(jìn)WRF模式模擬預(yù)報(bào)效果的發(fā)展方向；（3）并非水平分辨率越高，模擬效果越好，應(yīng)依據(jù)實(shí)際情況選用合理的空間尺度；（4）WRF模式的模擬效果好、預(yù)報(bào)精度高，未來有著更加廣闊的應(yīng)用前景。

關(guān)鍵詞：WRF模式；物理參數(shù)化方案；數(shù)據(jù)同化；空間尺度；應(yīng)用進(jìn)展

中圖分類號(hào)：P458.2 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：16721683（2015）06102506

Abstract：With the rapid development of mesoscale numerical atmospheric model WRF in recent years， its application is wider and wider.In order to explain the mechanism， reveal the development direction and provide reference for related fields researchers， WRF model system is introduced， it is discussed that the influence of parameterized physical processes， data assimilation and reasonable spatial scale on the simulation effect of WRF model.Related studies have shown that： （1） different parameterized physical processes need to be chosen in different region and different time；（2） the common data assimilation method is 3DVar data assimilation at present， hybrid data assimilation may be a better method to improve the simulation effect of WRF model；（3） reasonable spatial scales need to be chosen because not the higher horizontal resolution， the better simulation effect for all research；（4） WRF model has good simulation effect， high prediction accuracy， there is more wide application.

Key words：WRF model；parameterized physical processes；data assimilation；spatial scale；application progress

為解決區(qū)域性氣象問題，減少或避免中尺度天氣造成的自然災(zāi)害，到20世紀(jì)80年代，中尺度數(shù)值大氣模式逐漸成熟。20世紀(jì)90年代，部分中尺度數(shù)值大氣模式已經(jīng)非常先進(jìn)，比較有代表性的是美國的Eta模式、MM5模式、RAMS模式、RSM模式、COAMPS模式以及WRF模式等，英國的UKMO模式，加拿大的MC2模式，法國的MESONH模式，日本的JRSM模式。近幾年我國也在自主研發(fā)中尺度數(shù)值大氣模式，其中中科院大氣物理研究所的REM模式和中國氣象科學(xué)研究院的GRAPES模式應(yīng)用較廣。與全球模式和區(qū)域模式相比，中尺度數(shù)值大氣模式的研究區(qū)域更小，網(wǎng)格距一般為10 km以下，能夠更精細(xì)地模擬出局部地區(qū)動(dòng)量和能量的湍流輸送，提高局部地區(qū)氣象要素的模擬精度，可用來描述局部強(qiáng)對(duì)流天氣，如龍卷風(fēng)、雷雨等。

在眾多中尺度數(shù)值大氣模式中，新一代中尺度數(shù)值大氣模式WRF以其較高的預(yù)報(bào)精度和靈活的分辨率，且免費(fèi)對(duì)外開放，在水文氣象領(lǐng)域具有廣闊的發(fā)展與應(yīng)用前景[1]。與其前身MM5模式相比，WRF模式擁有更多元化的模式動(dòng)力框架和物理參數(shù)化方案，且同時(shí)支持單向和雙向嵌套。在模擬和預(yù)報(bào)我國不同地區(qū)、不同性質(zhì)的強(qiáng)降水過程中，WRF模式的較早版本在模擬天氣系統(tǒng)和降水落區(qū)上已明顯優(yōu)于MM5模式[2]，其對(duì)于高度場、風(fēng)場等物理量的模擬效果也優(yōu)于MM5[3]。與其它中尺度大氣模式相比，WRF模式在預(yù)報(bào)各種天氣中都具有較好的性能，能夠比較成功地再現(xiàn)中尺度過程中環(huán)流形勢的演變和雨帶分布特征[45]。

WRF模式結(jié)合先進(jìn)的數(shù)值方法和資料同化技術(shù)，采用改進(jìn)的物理過程方案，同時(shí)具有多重嵌套及易定位于不同地理位置的能力，已逐漸成為改進(jìn)從云尺度到天氣尺度等不同尺度重要天氣特征預(yù)報(bào)精度的工具。但WRF模式在我國的研究與應(yīng)用仍處于起步階段，對(duì)其基本理論與應(yīng)用方向認(rèn)識(shí)不夠全面。本文對(duì)WRF模式在物理參數(shù)化方案的選擇、數(shù)據(jù)同化方法以及空間尺度上結(jié)合國內(nèi)外研究進(jìn)行了探討和梳理，為WRF模式在水文氣象領(lǐng)域的進(jìn)一步應(yīng)用提供參考。

1 WRF模式介紹

WRF模式是由美國國家大氣研究中心（NCAR）、國家大氣海洋局預(yù)報(bào)系統(tǒng)實(shí)驗(yàn)室（FSL）、國家環(huán)境預(yù)報(bào)中心（NCEP）、俄克拉荷馬大學(xué)暴雨分析中心等科研單位共同研發(fā)的新一代中尺度數(shù)值大氣模式，于2000年發(fā)布第一版，目前最新版是2014年發(fā)布的V3.6.1。WRF模式分為ARW和NMM兩種，前者用于科學(xué)研究，后者用于實(shí)際業(yè)務(wù)，分別由NCEP和NCAR管理維持，本文僅探討WRF ARW。

WRF模式是完全可壓縮的非靜力中尺度模式，由預(yù)處理系統(tǒng)、主程序、后處理三部分構(gòu)成。通過收集外部數(shù)據(jù)，利用預(yù)處理系統(tǒng)對(duì)數(shù)據(jù)進(jìn)行處理、控制與引導(dǎo)，最終形成namelist.wps文件，進(jìn)而導(dǎo)入主程序進(jìn)行計(jì)算，最終通過后處理輔助分析模擬結(jié)果，包括數(shù)據(jù)的可視化操作等。WRF采用高度模塊化和分層設(shè)計(jì)，用戶可根據(jù)實(shí)際情況做出不同選擇，使比較模式性能和進(jìn)行集合預(yù)報(bào)成為可能。模式系統(tǒng)組成與流程分別見圖1、圖2。

從云尺度到天氣尺度是WRF模式預(yù)報(bào)的重點(diǎn)，主要考慮1～10 km的水平分辨率。最新版V3.6.1水平方向采用大氣模式常用的ArakawaC網(wǎng)格，隨著水平分辨率的提高，該網(wǎng)格優(yōu)勢更加凸顯，垂直方向采用地形跟隨的質(zhì)量坐標(biāo)（即從0～1的eta分層），時(shí)間積分采用時(shí)間分裂積分法，聲波項(xiàng)采用時(shí)間分裂小步長方案，非聲波項(xiàng)多采用三階RungeKutta算法，主要的控制方程有動(dòng)量守恒方程、質(zhì)量守恒方程、能量守恒方程、氣體狀態(tài)方程、水汽混合比守恒方程等，其控制方程以通量形式表達(dá)，均提高了模擬的準(zhǔn)確性。更多WRF模式的相關(guān)機(jī)理介紹和適用說明可參考NCAR提供的WRF模式使用者手冊[6]。

2 物理參數(shù)化方案

WRF模式包含的物理過程較多（主要物理過程見表1），不同物理參數(shù)化方案的組合對(duì)模擬結(jié)果會(huì)產(chǎn)生較大影響，直接影響預(yù)報(bào)的準(zhǔn)確性[78]，因此物理參數(shù)化方案的選擇是WRF模式研究的重點(diǎn)。氣象過程在不同地區(qū)、不同時(shí)段具有唯一性，目前氣象學(xué)中的機(jī)理研究并不能完全準(zhǔn)確地描述大氣運(yùn)動(dòng)過程，目前對(duì)WRF模式物理參數(shù)化的研究需要進(jìn)行對(duì)比試驗(yàn)，才能確定方案的優(yōu)劣，缺乏機(jī)理分析。由于微物理過程、積云對(duì)流參數(shù)化過程、陸面過程、邊界層對(duì)溫度、濕度、氣壓、風(fēng)速等主要?dú)庀笠蛩匾约敖涤戤a(chǎn)生過程的影響比較顯著，本文主要探討這幾個(gè)物理過程的參數(shù)化方案的選擇。

2.1 微物理過程

微物理過程主要是指云粒子的形成、增長以及產(chǎn)生降水的微觀物理過程，涉及相變潛熱的釋放與吸收，其選取結(jié)果影響積云對(duì)流發(fā)生發(fā)展條件，從而影響積云降水預(yù)報(bào)，在WRF模式的模擬中對(duì)降水模擬結(jié)果的影響較大。各微物理過程在不同地區(qū)、不同場次、不同類型的降水模擬中，表現(xiàn)出不同的適用性。張少濟(jì)等[9]采用12種微物理方案，對(duì)山西省一次強(qiáng)降雨過程進(jìn)行模擬，表明不同微物理過程模擬的降水情況差別較大，WSM6方案、M2M方案和Thompson方案較好地模擬了此次強(qiáng)降水過程；諸葛豐林等[10]利用9種微物理過程對(duì)江蘇省里下河地區(qū)一次暴雨進(jìn)行模擬，表明各方案基本模擬出了雨帶的走向、降水落區(qū)，但降水強(qiáng)度以及降水中心均有不同程度的偏差；Kim等[11]選用了6種微物理方案分析了其對(duì)降雨模擬的精確性的影響，結(jié)果表明Lin方案和Thompson方案模擬對(duì)流雨的精度不高；Efstathiou等[12]選用不同的微物理方案對(duì)Chalkidiki半島進(jìn)行了暴雨分析，分析選用YSU邊界層時(shí)，Eta方案的模擬結(jié)果優(yōu)于Lin方案；Rajeevan等[13]選用了4種微物理方案對(duì)印度Gadanki地區(qū)的一次降水進(jìn)行了模擬，結(jié)果表明Thompson方案的模擬結(jié)果略優(yōu)于Lin、WSM6、Morrison方案。

2.2 積云對(duì)流過程

積云對(duì)流過程伴隨著云團(tuán)生成、發(fā)展、旺盛以及由于溫度不同時(shí)形成的對(duì)流，云團(tuán)消失則降水結(jié)束，因此其與降水過程聯(lián)系緊密，不同的積云對(duì)流方案對(duì)不同地區(qū)、不同場次的降水模擬效果不同。Jankov等[14]通過對(duì)不同物理方案進(jìn)行大量的模擬比較，認(rèn)為模擬結(jié)果對(duì)積云對(duì)流方案是最敏感的，且不同積云對(duì)流方案中KF方案的模擬結(jié)果最優(yōu)；Rama等[15]對(duì)印度的三次暴雨進(jìn)行了模擬，表明BMJ方案更好地模擬了暴雨的中心和強(qiáng)度； Biswas等[16]選用了3種積云對(duì)流方案對(duì)大西洋和北太平洋東部的強(qiáng)降水進(jìn)行了模擬，結(jié)果顯示SAS方案更好完成預(yù)報(bào)；廖鏡彪等[17]對(duì)廣東一次降水進(jìn)行模擬，結(jié)果表明積云對(duì)流參數(shù)化方案KF與微物理方案Lin組合條件下，模擬結(jié)果與實(shí)測結(jié)果最接近；屠妮妮等[18]選用4種積云對(duì)流參數(shù)化方案對(duì)四川省的一次區(qū)域性暴雨進(jìn)行模擬，結(jié)果表明KF和GD總體預(yù)報(bào)效果好于BMJ和SAS。

2.3 陸面過程

陸面過程直接影響地表水熱通量，并通過影響模擬的低層大氣環(huán)流和水汽輻合量，從而影響氣溫等氣象要素和降雨的發(fā)生。模擬時(shí)應(yīng)結(jié)合實(shí)際，選擇合適的陸面過程。Jimenez等[19]認(rèn)為WRF的模擬結(jié)果一定程度上依賴于陸面過程方案；Khvorostyanov等[20]選用了4種陸面方案對(duì)Paris地區(qū)進(jìn)行了模擬對(duì)比，結(jié)果表明各方案的適用性不同；Jin等[21]研究了4種不同陸面方案的選取對(duì)美國西部一段時(shí)期氣溫模擬的影響，發(fā)現(xiàn)結(jié)構(gòu)最復(fù)雜的CLM3方案模擬效果優(yōu)于STD、Noah、RUC3個(gè)方案；曾新民等[22]采用3種陸面方案對(duì)江南及華南地區(qū)的高溫天氣進(jìn)行了模擬，結(jié)果表明模擬高溫對(duì)不同陸面方案比較敏感，SLAB方案模擬最好，RUC次之，Noah再次之；李安泰等[23]選取3種陸面方案對(duì)舟曲“8.8”暴雨天氣過程進(jìn)行了模擬，結(jié)果表明采用陸面方案明顯優(yōu)于不采用陸面方案，其中PX陸面方案比SLAB、Noah方案更接近實(shí)況；張瑛等[24]采用4種陸面方案對(duì)江西省“6.19”暴雨過程進(jìn)行了模擬研究，發(fā)現(xiàn)強(qiáng)降水的特性在無陸面方案情況下偏差較大，而SLAB、Noah、RUC、PX方案的模擬結(jié)果均較好的反映了降水的情況，模擬結(jié)果相差不大。

2.4 邊界層

邊界層在WRF模式中布局影響低層大氣要素，而且通過垂直輸送也可對(duì)高層大氣產(chǎn)生影響，進(jìn)而影響對(duì)溫度、風(fēng)速、濕度等主要?dú)庀笠氐哪M，因而模擬時(shí)應(yīng)根據(jù)具體的模擬要素，分析并選擇合適的邊界層參數(shù)化方案。Flaounas等[25]對(duì)西非季風(fēng)個(gè)例進(jìn)行了模擬，研究發(fā)現(xiàn)選取不同的邊界層參數(shù)化方案對(duì)溫度的影響最大，YSU方案模擬的溫度較實(shí)測溫度高，而MYJ方案模擬的溫度相對(duì)較低；Cha等[26]指出YSU方案降低了邊界層的垂直混合作用，因此比MRF方案模擬效果好；Miglietta等[27]用2種邊界層參數(shù)化方案模擬地中海東部的一日風(fēng)場，分析認(rèn)為YSU方案優(yōu)于MYJ方案；王子謙等[28]基于4種邊界層參數(shù)化方案分別對(duì)東亞夏季風(fēng)進(jìn)行模擬研究，結(jié)果表明BL方案和MYJ方案對(duì)東亞夏季風(fēng)及其降水的模擬優(yōu)于YSU和ACM2方案；張龍等[29]利用3種邊界層參數(shù)化方案對(duì)蘭州冬季幾個(gè)氣象要素進(jìn)行了模擬，結(jié)果表明總體上MYJ方案對(duì)低層風(fēng)溫、感熱等模擬結(jié)果優(yōu)于YSU和ACM2；張小培等[30]對(duì)安徽黃山及周邊復(fù)雜地形地區(qū)的氣象要素進(jìn)行了模擬，結(jié)果表明YSU、ACM2、MYN、BL方案對(duì)氣溫、露點(diǎn)溫度、風(fēng)速、濕度等的模擬各有優(yōu)劣且誤差均較小。

3 數(shù)據(jù)同化方法

數(shù)據(jù)同化的本質(zhì)是利用不同類型、不同來源的數(shù)據(jù)生成時(shí)間、空間和物理一致性的數(shù)據(jù)集。數(shù)據(jù)同化方法大致經(jīng)歷了逐步訂正法、最優(yōu)差值法、三維變分法、四維變分法、卡爾曼濾波法和混合數(shù)據(jù)同化。對(duì)地觀測技術(shù)和地球系統(tǒng)科學(xué)的發(fā)展很大程度上推動(dòng)了數(shù)據(jù)同化技術(shù)，WRF模式中含有兩種數(shù)據(jù)同化方法，分別是三維數(shù)據(jù)同化和四維數(shù)據(jù)同化，使其能夠利用不同的觀測資料，提高模擬精度[31]。

劉佳等[32]對(duì)英國西南部的Brue流域發(fā)生的4場暴雨進(jìn)行了模擬，結(jié)果表明采用三維變分同化技術(shù)對(duì)實(shí)時(shí)觀測數(shù)據(jù)同化后，WRF模式總體模擬效果得到了提升，但對(duì)于歷時(shí)短、落區(qū)小的降雨作用不大；Maiello等[33]對(duì)Rome城市的一次暴雨進(jìn)行了模擬，采用了三維變分同化技術(shù)對(duì)多普勒氣象雷達(dá)數(shù)據(jù)進(jìn)行處理，使WRF模式的模擬效果有較大提升； Kumar等[34]利用三維同化技術(shù)對(duì)衛(wèi)星數(shù)據(jù)進(jìn)行同化，提升了WRF模式對(duì)印度西海岸強(qiáng)降水的模擬效果；JiHyun Ha等[35]利用三維變分同化技術(shù)對(duì)GPS無線電掩星數(shù)據(jù)進(jìn)行了同化，發(fā)現(xiàn)WRF模式模擬的濕度和降水的空間分布更加精確；范水勇等[36]改進(jìn)了北京地區(qū)的天氣預(yù)報(bào)，在WRF三維變分同化里調(diào)節(jié)背景場誤差和觀測誤差，提高了降水預(yù)報(bào)的效果；陳業(yè)國等[37]將WRF模式同化系統(tǒng)用于“碧利斯”臺(tái)風(fēng)暴雨數(shù)值模擬中，結(jié)果顯示同化高空和地面實(shí)況資料后，降水落區(qū)和強(qiáng)度都更接近真實(shí)情況；劉春霞等[38]基于WRF采用三維變分同化技術(shù)同化散射計(jì)風(fēng)場資料提升了對(duì)臺(tái)風(fēng)的模擬效果；王延?xùn)|等[39]對(duì)閃電資料進(jìn)行同化，更好地模擬出川東地區(qū)的降水過程和強(qiáng)對(duì)流天氣。

因計(jì)算量相對(duì)較小，目前較成熟、應(yīng)用最廣的是三維變分同化方法。四維變分同化方法在一些精度要求很高的地區(qū)已經(jīng)取得了較好的應(yīng)用效果[40]，但計(jì)算代價(jià)較大。為提高計(jì)算效率和計(jì)算精度，未來混合數(shù)據(jù)同化方法將成為WRF模式同化技術(shù)的發(fā)展方向[41]。

4 合理的空間尺度

采用WRF模式對(duì)不同地區(qū)進(jìn)行模擬預(yù)報(bào)時(shí)，應(yīng)選用合理的空間尺度。并非分辨率越高，模擬效果越好，只有在不斷提高資料的精度和密度的條件下，提高分辨率才有一定的意義[4243]。

單獨(dú)使用WRF模式進(jìn)行氣象要素模擬時(shí)，需要選擇合理的空間尺度來提升模擬效率和精度。史金麗等[44]對(duì)比了27 km和9 km水平分辨率下WRF模式對(duì)內(nèi)蒙古地區(qū)降水和溫度的預(yù)報(bào)準(zhǔn)確率，結(jié)果表明27 km網(wǎng)格下模擬的降水落區(qū)和強(qiáng)度準(zhǔn)確率更高，但漏報(bào)率增加，而溫度的模擬對(duì)網(wǎng)格尺度變化不敏感；Done等[45]對(duì)美國中部地區(qū)降水采用WRF模式進(jìn)行了模擬，結(jié)果表明4 km水平分辨率比10 km水平分辨率的模擬效果好；Schwartz等[46]對(duì)比了2 km和4 km水平分辨率下WRF模式對(duì)美國3/4的陸面區(qū)域進(jìn)行了模擬，發(fā)現(xiàn)2 km分辨率下的降水預(yù)報(bào)相比4 km水平分辨率并沒有優(yōu)勢，兩者模擬結(jié)果差異不大；Ma等[47]采用10、20、40、80、160 km的水平分辨率進(jìn)行了模擬對(duì)比，發(fā)現(xiàn)水平分辨率越高，中尺度的渦流的模擬越精確。

能量平衡與水量平衡是研究氣象與水文的基礎(chǔ)理論，陸氣耦合體現(xiàn)了水、熱在地球圈層的系統(tǒng)性和統(tǒng)一性，研究表明該技術(shù)可以提升氣象、水文要素的模擬精度。但一般大氣模式的空間尺度與陸面模式或水文模型的空間尺度不匹配，因此選取合理的空間尺度可以提高陸氣耦合對(duì)氣象、水文要素的模擬精度。郝春灃等[48]采用WRF模式三層網(wǎng)格（45 km、15 km和5 km）嵌套劃分方法與WEP水文模型耦合，進(jìn)行了降水和徑流過程的模擬，取得了較好的效果。彭艷等[49]采用WRF模式粗細(xì)網(wǎng)格（30 km和10 km）雙重嵌套劃分方法與VIC水文模型耦合，提高了降水預(yù)報(bào)以及洪水預(yù)報(bào)的精度；Wagner等[50]采用WRF模式與HMS水文模型選取10 km網(wǎng)格進(jìn)行雙向耦合，對(duì)鄱陽湖流域進(jìn)行了水量與能量的模擬，取得了很好的效果；Givati等[51]采用WRF模式和HYMKE水文模型耦合對(duì)Jordan流域進(jìn)行模擬，選用了36、12、4、1.3 km網(wǎng)格進(jìn)行了對(duì)比分析，發(fā)現(xiàn)1.3 km網(wǎng)格的模擬結(jié)果最好。

5 WRF模式的發(fā)展前景

WRF模式與其他大氣模式相比在很多方面具有較強(qiáng)的優(yōu)勢，因此該模式已經(jīng)用于并將繼續(xù)用于水文氣象以及相關(guān)的領(lǐng)域。例如，近期的研究有：Hamill等[52]對(duì)美國Colorado地區(qū)一次強(qiáng)降水進(jìn)行模擬，表明WRF模式能夠較好地模擬一次降水的過程以及降水的空間分布，并分析了該次降水形成的原因；高洋[53]選用WRF研究了2008年我國南方凍雨過程的熱力異常及其形成原因；文小航等[54]的研究表明WRF模式能較好地模擬出下墊面土壤溫度隨時(shí)間變化的規(guī)律，為東北半干旱區(qū)能量水分循環(huán)的研究提供依據(jù)；Jimenez等[55]采用特定的方法，提高了WRF對(duì)地面風(fēng)的模擬效果；崔琳琳等[56]利用WRF模式模擬了江蘇省如東海域的氣象要素，采用模擬結(jié)果分析了綠潮的變化。

在WRF模式未來的發(fā)展方向上：（1）水文方面，WRF模式應(yīng)尋求合適的陸面模式與之耦合，建立干旱預(yù)警體系和洪澇防御系統(tǒng)；（2）氣象方面，WRF模式需要進(jìn)一步加強(qiáng)對(duì)一些災(zāi)害性天氣進(jìn)行模擬預(yù)報(bào)的研究，包括雷暴、颶風(fēng)、臺(tái)風(fēng)等。相關(guān)技術(shù)的發(fā)展將使WRF模式的對(duì)水文、氣象的模擬預(yù)報(bào)能力日益增強(qiáng)。四維變分同化、集合卡爾曼濾波以及混合數(shù)據(jù)同化技術(shù)伴隨著計(jì)算機(jī)、雷達(dá)遙感等技術(shù)的發(fā)展將提高WRF模式的模擬預(yù)報(bào)精度和延長預(yù)報(bào)時(shí)效；此外，與陸面模式、海洋模式的耦合計(jì)算能夠進(jìn)一步拓展WRF模式在水文氣象領(lǐng)域的應(yīng)用前景。侯愛中等[57]基于WRF模式耦合城市冠層模型，提升了暴雨模擬的精度；朱堅(jiān)等[58]將WRF模式和NoahLSM陸面模型耦合，較準(zhǔn)確地模擬和評(píng)估了江蘇省淮北地區(qū)的一次土壤旱情；趙求東[59]利用WRF驅(qū)動(dòng)分布式水文模型DHSVM對(duì)天山北坡典型流域的融雪徑流進(jìn)行短期預(yù)報(bào)，效果較好；邱輝等[60]利用WRF模式與洪水預(yù)警相結(jié)合，搭建了山洪災(zāi)害預(yù)警平臺(tái)；鄭子彥等[61]將WRF模式的輸出作為水文模型XXT的輸入進(jìn)行洪水模擬，效果較好；Warner等[62]建立了海洋模式（ROMS）、大氣模式（WRF）、波浪模式（SWAN）、沉積物模式（CSTMS）的耦合模型（COAWST），對(duì)于颶風(fēng)等條件下的海浪的特性進(jìn)行了模擬，取得較好的效果。

6 討論與結(jié)論

（1）對(duì)于絕大多數(shù)氣象要素，WRF模式具有較高的模擬精度和運(yùn)算效率，未來在水文氣象領(lǐng)域有更廣闊的應(yīng)用前景。

（2）物理參數(shù)化方案和空間尺度的選取是WRF模式在應(yīng)用過程中的重點(diǎn)和難點(diǎn)，不同地區(qū)、不同時(shí)段的氣象要素模擬所適用的最優(yōu)化的物理參數(shù)化方案不一定相同，水平分辨率也并非越高越好，尤其是與其他模型耦合時(shí)，應(yīng)安排不同尺度組合方案進(jìn)行試驗(yàn)，研究最優(yōu)的耦合尺度。

（3）目前WRF模式最常用的數(shù)據(jù)同化方法是三維數(shù)據(jù)同化，可以大幅提升模式的模擬和預(yù)報(bào)精度，為能進(jìn)一步兼顧計(jì)算效率和計(jì)算精度的提高，混合數(shù)據(jù)同化將成為未來WRF模式數(shù)據(jù)同化方法的發(fā)展趨勢。

參考文獻(xiàn)（References）：

[1]Skamaraock W C，Klemp J B，Dudhia J，et al.A description of the advanced research WRF version[Z].NCAR Technical Notes，2008.

[2]孫健，趙平.用WRF與MM5模擬1998年三次暴雨過程的對(duì)比分析[J].氣象學(xué)報(bào)，2003，61（6）： 692701.（SUN Jian，ZHAO Ping.Simulation and analysis of three heavy rainfall processes in 1998 with WRF and MM5[J].Acta Meteorologica Sinica，2003，61（6）：692701.（in Chinese））

[3]劉寧微，王奉安.WRF和MM5模式對(duì)遼寧暴雨模擬的對(duì)比分析[J].氣象科技，2006，34（4）：364369.（LIU Ningwei，WANG Fengan.Comparative analysis of heavy rainfall simulations with two mesoscale models in Liaoning province[J].Meteorological Science and Technology，2006，34（4）：364369.（in Chinese））

[4]Welsh P，Wildman A，Shaw B，et al.Implementing the weather research and forecast （WRF） model with local data assimilation in a NWSWFO，Seattle，January 1116，2004[C].USA：Seattle，2004.

[5]張芳華，馬旭林，楊克明.2003年6月24日-25日江南特大暴雨數(shù)值模擬和診斷分析[J].氣象，2004，30（1）：2832.（ZHANG Fanghua，MA Xulin，YANG Keming.Numerical simulation and diagnostic analysis of a heavy rainfall in Jiangnan area during 2425 June 2003[J].Meteorological Monthly，2004，30（1）：2832.（in Chinese））

[6]National Center for Atmospheric Research （NCAR） （2014），Users Guide for the Advanced Research WRF （ARW） Modelling System Version3.6，http：//www2.mmm.ucar.edu/wrf/users/docs/user_guide_V3.6/ARWUsersGuideV3.6.1.pdf

[7]Gallus J W，Bresch J F.Comparison of impacts of WRF dynamic core，physics package，and initial conditions on warm season rainfall forecasts[J].Monthly Weather Review，2006，134：26322641.

[8]Evans J P，Ekstrom M，Ji F.Evaluating the performance of a WRF physics ensemble over SouthEast Australia[J].Climate Dynamics，2012，39：12411258.

[9]張少濟(jì)，孫科，張華，等.WRF模式微物理方案對(duì)山西省一次強(qiáng)降雨過程模擬的影響[J].水利水電技術(shù)，2013，44（9）：811.（ZHANG Shaoji，SUN Ke，ZHANG Hua，et al.Impact from microphysical scheme of WRF model on simulation of a heavy rainfall process in Shanxi Province[J].Water Resources and Hydropower Engineering，2013，44（9）：811.（in Chinese））

[10]諸葛豐林，鄭有飛，吳榮軍，等.江蘇省里下河地區(qū)一次暴雨過程的模擬研究[J].自然災(zāi)害學(xué)報(bào)，2014，23（5）：164176.（ZHUGE Fenglin，ZHENG Youfei，WU Rongjun，et al.Study on simulation of a rain process in Lixia River area，Jiangsu Province[J].Journal of Natural Disasters，2014，23（5）：164176.（in Chinese））

[11]Kim J H，Shin D B，Kummerow C.Impacts of a priori databases using six WRF microphysics schemes on passive microwave rainfall retrievals[J].Journal of Atmospheric and Oceanic Technology，2013，30：23672381.

[12]Efstathiou G A，Zoumakis N M，Melas D，et al.Sensitivity of WRF to boundary layer parameterizations in simulating a heavy rainfall event using different microphysical schemes[J].Atmospheric Research，2013，132133：125143.

[13]Rajeevan M，Kesarkar A，Thampi S B，et al.Sensitivity of WRF cloud microphysics to simulations of a severe thunderstorm event over southeast India[J].Annales Geophysicae，2010，28（2）：603619.

[14]Jankov，Isidora，et al.An investigation of IHOP convective system predictability using a matric of 19 WRF Members[M].84th AMS Annual Meeting，Seattle，U.S.A Jan.1015，2004.

[15]Rama R Y V，Hatwar H R，Kamal S A，et al.An experiment using the high resolution eta and WRF models to forecast heavy precipitation over India[J].Pure & Applied Geophysics，2007，164（8）：15931615.

[16]Biswas M K，Bernardet L，Dudhia J.Sensitivity of hurricane forecasts to cumulus parameterizations in the HWRF model[J].Geophysical Research Letters，2014，41（24）：91139119.

[17]廖鏡彪，王雪梅，夏北成，等.WRF模式中微物理和積云參數(shù)化方案的對(duì)比試驗(yàn)[J].熱帶氣象學(xué)報(bào)，2012，28（4）：461470.（LIAO Jingbiao，WANG Xuemei，XIA Beicheng，et al.The effects of different physics and cumulus parameterization schemes in WRF on heavy rainfall simulation in PRD[J].Journal of Tropical Meteorology，2012，28（4）：461470.（in Chinese））

[18]屠妮妮，何光碧，張利紅.WRF模式中不同積云對(duì)流參數(shù)化方案對(duì)比試驗(yàn)[J].高原山地氣象研究，2011，31（2）：1825.（TU Nini，HE Guangbi，ZHANG Lihong.Simulation test on the effects of various cumulus parameterization schemes in WRF model[J].Plateau and Mountain Meteorology Research，2011，31（2）：1825.（in Chinese））

[19]Jimenez P A，Dudhia J，GonzalezRouco J F，et al.A revised scheme for the WRF surface layer formulation[J].Monthly Weather Review，2012，140（3）：898918.

[20]Khvorostyanov D V，Menut L，Dupont J C，et al.The role of WRF land surface schemes on weather simulations in Paris area[A].Proceedings of ISARS 2010 conference[C].2010.

[21]Jin J，Miller N L，Schlegel N.Sensitivity study of four land surface schemes in the WRF model[J].Advances in Meteorology，2010，2010：111.

[22]曾新民，吳志皇，熊仕焱，等.WRF模式短期高溫天氣模擬對(duì)陸面方案的敏感性[J].中國科學(xué)D輯：地球科學(xué)，2011，41（9）：13751384.（ZENG Xinmin，WU Zhihuang，XIONG Shiyan，et al.Sensitivity of simulated shortrange hightemperature weather to land surface by WRF[J].Sci China Earth Sci，2011，41（9）：13751384.（in Chinese））

[23]李安泰，王亞明，何宏讓，等.耦合不同陸面方案的WRF模式對(duì)“8.8”舟曲暴雨過程的模擬[J].氣象與減災(zāi)研究，2014，37（1）：2128.（LI Antai，WANG Yaming，HE Hongyang，et al.Numeric simulations of rainstorm in ZhouQu county on 8 august 2010 using the WRF model with different land surface schemes[J].Meteorology and Disaster Reduction Research，2014，37（1）：2128.（in Chinese））

[24]張瑛，肖安，馬力，等.WRF耦合4個(gè)陸面過程對(duì)“6.19”暴雨過程的模擬研究[J].氣象，2011，37（9）：10601069.（ZHANG Ying，XIAO An，MA Li，et al.Simulation of “19 June 2010” heavy rainfall by using WRF coupled with four land surface processes[J].Meteorological Monthly，2011，37（9）：10601069.（in Chinese））

[25]Flaounas E，Bastin S，Janicot S.Regional climate modelling of the 2006 West African monsoon：sensitivity to convection and planetary boundary layer parameterisation using WRF[J].Climate Dynamics，2011，36：10831105.

[26]Cha D H，Lee D K，Hong S Y.Impact of boundary layer processes on seasonal simulation of the East Asian summer monsoon using a Regional Climate Model[J].Meteorol Atmos Phys，2008，100：5372.

[27]Miglietta M M，Zecchetto S，Biasio F D.WRF model and ASARretrieved 10m wind field comparison in a case study over eastern Mediterranean Sea[J].Adv Sci Res，2010，4：8388.

[28]王子謙，段安民，吳國雄.邊界層參數(shù)化方案及海氣耦合對(duì)WRF模擬東亞夏季風(fēng)的影響[J].中國科學(xué)D輯：地球科學(xué)，2014，44（3）：548562.（WANG Ziqian，DUAN Anmin，WU Guoxiong.Impacts of boundary layer parameterization schemes and airsea coupling on WRF simulation of the East Asian summer monsoon[J].Sci China Earth Sci，2014，44（3）：548562.（in Chinese））

[29]張龍，張鐳，王穎，等.基于WRF不同邊界層方案的黃土高原丘陵冬季地面氣象要素日變化模擬分析[J].干旱氣象，2012，30（2）：158168.（ZHANG Long，ZHANG Lei，WANG Ying，et al.Simulation of daily variations about surface meteorological factor in loess plateau region in winter based on different PBL schemes of WRF[J].Journal of Arid Meteorology，2012，30（2）：158168.（in Chinese））

[30]張小培，銀燕.復(fù)雜地形地區(qū)WRF模式四種邊界層參數(shù)化方案的評(píng)估[J].大氣科學(xué)學(xué)報(bào)，2013，36（1）：6876.（ZHANG Xiaopei，YIN Yan.Evaluation of the four PBL schemes in WRF model over complex topographic areas[J].Transactions of Atmospheric Sciences，2013，36（1）：6876.（in Chinese））

[31]Dimet F X L，Talagrand O.Variational algorithms for analysis and assimilation of meteorological observations：Theoretical aspects[J].Tellus Series ADynamic Meteorology and Oceanography，1986，38A（2）：97110.

[32]Liu J，Bray M，Han D.Exploring the effect of data assimilation by WRF3DVar for numerical rainfall prediction with different types of storm events[J].Hydrological Processes，2013，27：36273640.

[33]Maiello I，F(xiàn)erretti R，Gentile S，et al.Impact of radar data assimilation for the simulation of a heavy rainfall case in central Italy using WRF3DVAR[J].Atmospheric Measurement Techniques，2014，7：29192935.

[34]Kumar S，Routray A，Chauhan R，et al.Impact of parameterization schemes and 3DVAR data assimilation for simulation of heavy rainfall events along west coast of India with WRF modeling system[J].International Journal of Earth and Atmospheric Science，2014，1（1）：1834.

[35]Ha J H，Lim G H，Choi S J.Assimilation of GPS radio occultation refractivity data with WRF 3DVAR and its impact on the prediction of a heavy rainfall event[J].Journal of Applied Meteorology and Climatology，2014，53（6）：13811398.

[36]范水勇，郭永潤，陳敏，等.高分辨率WRF三維變分同化在北京地區(qū)降水預(yù)報(bào)中的應(yīng)用[J].高原氣象，2008，27（6）：11811188.（FAN Shuiyong，GUO Yongrun，CHEN Min，et al.Application of WRF 3DVar to a high resolution model over Beijing area[J].Plateau Meteorology，2008，27（6）：11811188.（in Chinese））

[37]陳業(yè)國，何冬燕.WRF模式同化系統(tǒng)在“碧利斯”臺(tái)風(fēng)暴雨數(shù)值模擬中的應(yīng)用[J].海洋預(yù)報(bào)，2009，26（1）：6269.（CHEN Yeguo，HE Dongyan.An application of WRF assimilation system in the numerical simulation of heavy rains caused by typhoon “BILIS”[J].Marine Forecasts，2009，26（1）：6269.（in Chinese））

[38]劉春霞，王靜，齊義泉，等.基于WRF模式同化QuikSCAT風(fēng)場資料的初步試驗(yàn)[J].熱帶海洋學(xué)報(bào)，2004，23（6）：6974.（LIU ChunXia，WANG Jing，QI Yiquan，et al.A preliminary study on QuikSCAT wind data assimilation using model WRF[J].Journal of Tropical Oceanography，2004，23（6）：6974.（in Chinese））

[39]王延?xùn)|，周筠珺，王喜陽，等.閃電資料在中尺度WRF模式中同化方法的研究[J].熱帶氣象學(xué)報(bào)，2014，30（2）：281292.（WANG Yandong，ZHOU Yunjun，WANG Xiyang，et al.A study on the assimilation method of lightning data with mesoscale model WRF[J].Journal of Tropical Meteorology，2014，30（2）：281292.（in Chinese））

[40]Clayton A M，Lorenc A C，Barker D M.Operational implementation of a hybrid ensemble/4DVar global data assimilation system at the Met Office[J].Quarterly Journal of the Royal Meteorological Society，2013，139：14451461.

[41]馬旭林，陸續(xù)，于明月，等.數(shù)值天氣預(yù)報(bào)中集合—變分混合資料同化及其研究進(jìn)展[J].熱帶氣象學(xué)報(bào)，2014，30（6）：11881195.（MA Xulin，LU Xu，YU Mingyue，et al.Progress on hybrid ensemblevariational data assimilation in numerical weather prediction[J].Journal of Tropical Meteorology，2014，30（6）：11881195.（in Chinese））

[42]寥洞賢.論當(dāng)前大氣動(dòng)力模式中存在的若干問題[J].應(yīng)用氣象學(xué)報(bào)，1996，7（2）：238245.（LIAO Dongxian.The discussion of some problems existing in current atmospheric dynamic models[J].Quarterly Journal of Applied Meteorology，1996，7（2）：238245.（in Chinese））

[43]Bray M，Han D，Xuan Y，et al.Rainfall uncertainty from NWP downscaling model[J].Hydrological Processes，2010，25：13971406.

[44]史金麗，閔錦忠，蘇麗娟，等.WRF模式不同分辨率模擬分析[J].內(nèi)蒙古氣象，2012（5）：1922.（SHI Jinli，MIN Jinzhong，SU Lijuan，et al.Simulation research of different resolution ratio on WRF model[J].Meteorology Journal of Inner Mongolia，2012（5）：1922.（in Chinese））

[45]Done J，Davis C A，Weisman M.The next generation of NWP：explicit forecasts of convection using the weather research and forecasting （WRF） model[J].Atmospheric Science Letters，2004，5：110117.

[46]Schwartz C S，Kain J S，Weiss S J，et al.Nextday convectionallowing WRF model guidance：a second look at 2km versus 4km grid spacing[J].Monthly Weather Review，2009，137：33513372.

[47]Ma P L，Rasch P J，F(xiàn)ast J D，et al.Assessing the CAM5 physics suite in the WRFChem model：implementation，resolution sensitivity，and a first evaluation for a regional case study[J].Geoscientific Model Development，2014，7：755778.

[48]郝春灃，賈仰文，王浩.氣象水文模型耦合研究及其在渭河流域的應(yīng)用[J].水利學(xué)報(bào)，2012，43（9）：10411049.（HAO Chunfeng，JIA Yangwen，WANG Hao.Atmospheric and hydrological models'coupling and application in flood forecasting of the Weihe Basin[J].Journal of Hydraulic Engineering，2012，43（9）：10411049.（in Chinese））

[49]彭艷，周建中，賈夢，等.三峽庫區(qū)陸氣耦合研究與應(yīng)用[J].水文，2014，34（3）：1116.（PENG Yan，ZHOU Jianzhong，JIA Meng，et al.A coupled atmospherichydrological modeling system and its application for Three Gorges reservoir region[J].Journal of China Hydrology，2014，34（3）：1116.（in Chinese））

[50]Wagner S，F(xiàn)ersch B，Kunstmann H，et al.Coupled atmospherichydrological modeling for feedback investigations in the Poyang lake catchment，China[C].AGU Fall Meeting Abstracts，2012.

[51]Givati A，Lynn B，Liu Y，et al.Using the WRF model in an operational streamflow forecast system for the Jordan river[J].Journal of Applied Meteorology and Climatology，2012，51：285299.

[52]Hamill T M.Performance of operational model precipitation forecast guidance during the 2013 Colorado frontrange floods[J].Monthly Weather Review，2014，142：26092618.

[53]高洋.WRF模式對(duì)2008年1月我國南方凍雨極端天氣過程的數(shù)值模擬研究[D].北京：中國氣象科學(xué)研究院，2011.（GAO Yang.WRF simulations of the freezing weather in Jan 2008 over the southern China[D].Beijing：Chinese Academy of Meteorological Sciences，2011）

[54]Jimenez P A，Dudhia J.Improving the representation of resolved and unresolved topographic effects on surface wind in the WRF model[J].Journal of Applied Meteorology and Climatology，2012，51（2）：300316.

[55]文小航，廖小罕，袁文平，等.中國東北半干旱區(qū)能量水分循環(huán)的同化模擬[J].中國科學(xué)D輯：地球科學(xué)，2014，44（12）：27682784.（WEN Xiaohang，LIAO Xiaohan，YUAN Wenping，et al.Numerical simulation and data assimilation of the waterenergy cycle over semiarid northeastern China[J].Sci China Earth Sci，2014，44（12）：27682784.（in Chinese））

[56]崔琳琳，胡松，楊紅，等.綠潮早期聚集期間天氣過程分析[J].海洋環(huán)境科學(xué)，2014，33（6）：941946.（CHUI Linlin，HU Song，YANG Hong，et al.Weather process analysis for the period during the early aggregation of green tide[J].Marine Environmental Science，2014，33（6）：941946.（in Chinese））