CN111460686A - 一种大气、陆面与水文三者双向耦合方法 - Google Patents

Abstract

本发明涉及一种大气、陆面与水文三者双向耦合方法，包括以下步骤：步骤1、在流域蓄水容量离散化基础上，对产流计算进行改进；步骤2、确定耦合尺度，并处理地形资料；步骤3、确定耦合变量并制定双向反馈机制；步骤4、汇流计算与洪水预报；本发明完善了陆气耦合系统对水循环过程的模拟，提升了陆气耦合洪水预报的精度，将为流域洪涝灾害防御提供可靠的技术支撑。

Description

一种大气、陆面与水文三者双向耦合方法

技术领域

本发明涉及一种大气、陆面与水文三者双向耦合方法，属于洪水预报领域，主要用于气象与水利部门开展洪水预报预警等工作。

背景技术

以“落地雨”驱动的洪水预报预见期短，往往无法满足汇流时间短的中小流域防洪需求。采用预报降雨驱动水文模型开展洪水预报能够有效延长预见期，特别是数值降雨预报的应用，使预见期的设定更具灵活性，但在数值大气模式与水文模型单向耦合下，数值降雨预报精度较低，难以满足中小流域洪水预报的要求，导致陆气耦合洪水预报技术迟迟未能在实践中得到应用推广。

所谓单向耦合，是数值大气模式获得的预报降雨作为水文模型的输入，驱动水文模型进行洪水预报，而水文模型不向数值大气模式进行反馈，这种耦合模式较为简单，计算量相对较小，但不符合水循环的物理机制。真实的水循环过程，应该是伴随着能量循环的，且数值大气模式形成降雨时，陆面应反馈地面蒸发、植物蒸腾，辐射由大气传输至陆面，陆面也应反馈一定的辐射至大气中，总的来说，单向耦合未能准确描述水循环过程，因此容易造成预报降雨失真。

双向耦合更接近真实水循环过程，但受各类观测资料的限制，一直未能形成一套可靠的耦合模式，大多数双向耦合模式都是针对某一区域资料的特定情况，有条件构建而成，缺乏普适性，难以推广。此外，目前的陆气耦合多数是数值大气模式与陆面模型的耦合，数值大气模式、陆面模型与水文模型三者的双向耦合研究较少。

发明内容

本发明提出了一种大气、陆面与水文三者双向耦合方法，其解决的技术问题是充分利用地形与植被覆盖资料，确定耦合尺度与变量，制定大气、陆面、水文多过程的双向反馈机制，在提高关键变量计算精度的基础上，提高大气-陆面-水文双向耦合条件下流域洪水预报能力。

为了解决上述存在的技术问题，本发明采用了以下方案：

一种大气、陆面与水文三者双向耦合方法，包括以下步骤：

步骤1、在流域蓄水容量离散化基础上，对产流计算进行改进；

步骤2、确定耦合尺度，并处理地形资料；

步骤3、确定耦合变量并制定双向反馈机制；

步骤4、汇流计算与洪水预报。

进一步，步骤1中，首先是在TOPMODEL的TI地形指数ln(α/tanβ)上进行改进，考虑在地形和植被覆盖情况下流域洪水的影响，使得流域洪水流量计算更准确，其中α为单宽集水面积，tanβ为地表坡度。但这种表达方式是基于网格的，无法适应流域上下游的产汇流关系，为了使得改进的地形指数适应流域上下游的产汇流关系，因此将α改为α’，表示小流域单元集水面积，tanβ改为tanβ’，表示小流域单元的平均坡度。改进后的地形指数TI’可以反映流域饱和缺水量、下渗能力的空间分布，ln(α’/tanβ’)越大，越容易产流，ln(α’/tanβ’)越小，越不容易产流，但ln(α’/tanβ’)未能考虑植被覆盖对产流的影响。

为了实现陆气双向耦合水量与能量的空间离散，对上述的地形指数进行再次修改。引入遥感对植被观测原理的归一化植被指数NDVI，该指数能够反映植被的茂密程度。一般而言，植被越茂密，NDVI越大，降雨截留越多，蒸散发量越大，产流量越小。修改后的地形指数为

由于该指数不仅包含了地形的信息，还包含了植被覆盖的信息，因此将其称为地面指数T。

并持续改进建立地面指数T与流域蓄水容量、下渗能力的关系，得到每一个小流域单元的蓄水容量和下渗能力：

其中，小流域单元由30mDEM数据提取划分，每个单元的面积约16km²，W_i为其中某一小流域单元的平均蓄水容量，WMM为整个流域最大点的蓄水容量，T_i为该小流域单元的地面指数，T_min为整个流域值最小的地面指数，S_i为该小流域单元的面积，S为整个流域的面积，a为表征流域形状的整个流域面积-河长曲线经验指数，由下式求得：

其中，x为自分水线沿河流至某处的河长，L为自分水线沿河流至流域出口断面的河长，S_x为x处的汇水面积。

下渗能力曲线为抛物线性，每个小流域单元的下渗能力与地面指数的关系如下：

其中，f_i为某一小流域单元的下渗能力，f_m为整个流域最大点的下渗能力，b为整个流域蓄水容量曲线指数，n为整个流域下渗分配曲线指数。

第i个小流域t时段内的地表产流按照下式计算：

R_Si＝P_it-E_it-F_it

其中R_si为小流域单元时段地表径流深，P_it为小流域单元时段扣除植物截留的雨量，E_it为小流域单元时段蒸发量，F_it为小流域单元时段下渗量，由

计算。

第i个小流域t时段内的地下径流按照下式计算：

当P_ia+F_it＜W_i'_m时，

当P_ia+F_it≥W'_im时，

R_gi＝F_it-E_it+P_ia-W_i

其中R_gi为小流域单元时段地下径流，E_it为小流域单元时段蒸发量，P_ia为小流域单元前期影响雨量，W_i为小流域单元的平均蓄水容量，W_i'_m为小流域单元内最大点蓄水容量。

小流域单元的径流量为地表径流与地下径流之和。

步骤1中的在流域蓄水容量离散基础上对产流计算的改进，其中通过现有计算公式改进，引入地形指数和植被指数，并建立创立地面指数与流域蓄水容量、下渗能力的关系，目前没有公开地形和植被指数联合使用的计算公式；目前已有关于地形指数与流域蓄水、下渗能力间的关系式，石朋发现地形指数与流域蓄水容量呈同位移量为零的对数维布尔分布曲线关系，但地面指数本身是本发明提出的新概念，与地形指数有本质区别。建立地面指数与流域蓄水容量间的关系，是通过诸多典型流域拟合得到的，而地面指数与下渗能力间的关系是在地面指数与流域蓄水容量关系、流域蓄水容量曲线、下渗能力曲线三者的基础上，推导而成。

本发明是以小流域单元为最小计算单元的，也就是说，小流域单元的植被覆盖是以NDVI表征的，每个小流域是固定的值，卫星遥感多久更新一次数据，小流域的NDVI值就更新一次。小流域的地形、土壤类型与土壤质地认为是不随时间而变化的。

进一步，步骤2中确定耦合尺度由小流域单元的大小决定。因每个小流域单元面积约16km²，大气模式与陆面模型的网格剖分定为4km×4km，网格的数据与小流域单元建立对应关系，若某一小流域单元落在某一网格中的面积最大，则将该小流域单元与该网格建立对应关系。

但考虑到大气模式与陆面模型用到的地形资料分辨率约为1km，而水文模型用到的地形资料分辨率为30m，双向耦合时受分辨率的影响会产生误差放大现象。为了不改变大气模式与陆面模型本身1km地形在大尺度范围的连续性，不宜直接用30m地形资料代替1km地形资料，因此需要对大气模式与陆面模型在整个流域范围内的地形资料进行处理。

选择我国范围内100个典型区域，涵盖平原、高原、丘陵、盆地、山地等地形，采用相关关系方法，寻求1km和30m分辨率地形资料间改进的地形指数间的关系：

TI'₃₀＝p×TI'₁₀₀₀+q

其中，TI’₃₀为30m分辨率下地形指数TI’，TI’₁₀₀₀为1km分辨率下地形指数TI’，拟合得到p、q值，作为1km地形降尺度到30m地形的依据，反映了1km地形与30m地形间的系统性关系，即对应流域范围内的1kmDEM将通过30mDEM根据下式修正计算得到修正的30mDEM：

H_30修正＝q×(H₃₀)^p

其中p是地形回归系数，q地形转化系数，H₃₀为30m分辨率地形单元的高程值，H_30修正为30m分辨率地形单元高程值的修正值。

拟合不同分辨率下的地形指数间的关系已有相关研究，但如何修正DEM还未有相关研究，也未给出公式解释如何修正，而本发明提出了修正的方法：H_30修正＝q×(H₃₀)^p，修正公式可用于30mDEM和1kmDEM的修正。

进一步，步骤3中耦合变量分为大气模式与陆面模型的耦合变量、陆面模型与水文模型的耦合变量，大气模式与陆面模型的耦合变量为降雨P_l、蒸发E、长波辐射R_nl、短波辐射R_ns，气温T、风速u，陆面模型与水文模型的耦合变量为净雨P、蒸发E、土壤含水量θ。

大气模式与水文模型不直接耦合，而是借助陆面模型作为中介，即大气模式与陆面模型耦合，进行双向反馈，陆面模型与水文模型双向耦合，进行双向反馈。

双向反馈时，大气模式为陆面模型提供降雨P_l、长波辐射R_nl、短波辐射R_ns，气温T、风速u，陆面模型反馈大气模式蒸发E、地面长波辐射R’_nl、短波辐射R’_ns；陆面模型为水文模型提供扣除植物截留的雨量P、蒸发E，水文模型为陆面模型提供土壤含水量θ。也就是说，大气模式为陆面模型提供降雨和能量驱动，陆面模型反馈蒸发和能量(陆-气进行能量与水量双耦合)，能量过程影响蒸发；而陆面模型作为中介，又为水文模型提供净雨和蒸发，水文模型为陆面模型提供土壤含水量，从而影响蒸发(陆面-水文进行水量单耦合)。

其中，能量过程与蒸发是通过彭曼公式建立关系：

其中：

ET₀-潜在蒸散发，单位为(mm·d^-1)；

R_n-地表净辐射，单位为(MJ·m^-1·d^-1)，Rn＝Rns-R’ns-(Rnl-R’nl)，Rns-R’ns＝(1-α_反)×Rs，α_反为反照率，与植被覆盖相关，一般而言，植被覆盖率越高，吸收能量越多，反照率越低，α_反＝μ^1-NDVI，μ为Rns与Rnl的函数；

G-土壤热通量，单位为(MJ·m^-2·d^-1)，

Cs是土壤热容量，T_i为i时刻的气温，T_i-1位i-1时刻的气温，Δt为时间步长，Δz为有效土壤深度；

T-气温，单位为℃；

u-风速，单位为(m/s)；

e_s-饱和水气压，单位为(kPa)；

ea-实际水气压，单位为(kPa)；

Δ-饱和水气压曲线斜率，单位为(kPa/℃^-1)；

γ-干湿表常数，单位为(kPa/℃)。

陆面模型为水文模型提供的降雨与植被覆盖间关系为P-P_l＝(1-NDVI)ln(t^γ+1)，即植物对降雨的截留随降雨时间的变化整体呈对数关系。有植被覆盖的实际蒸发E₁＝NDVI×ET₀，裸土实际蒸发E₂＝-ερ(q_atm-θ)/r_aw，其中ρ为空气密度，q_atm为大气含水量，θ为土壤含水量，r_aw为空气动力学阻抗，ε为某一地区裸土蒸发的固定系数。

水文模型不仅能够计算流域的产流(水量的垂向运动)，也能计算流域的汇流(水量的侧向运动)，这是陆面模型所不具备的，而水量的侧向运动能够很大程度上影响土壤水的空间变化，因此经过水文模型的产汇流计算，需要及时反馈陆面模型每一个小流域单元的土壤含水量θ。

水文模型中，对于某一个处于坡面的小流域单元，则该小流域单元的土壤含水量计算如下：

其中，θ_ti为第i个小流域单元t时刻的土壤含水量，θ_(t-1)i为第i个小流域单元t-1时刻的土壤含水量，

为地下径流量中补充该小流域单元土壤含水量的比例系数。

水文模型计算得到的土壤含水量反馈至陆面模型，从而影响陆面模型的裸土蒸发。

大气与水文之间是水量的交换，即降雨和蒸发。只不过大气输出的降雨，要经过陆面模型中植被的截留，本发明将截留后的降雨作为水文模型的输入；而陆面模型的蒸发不仅要反馈给大气模式，也要作为水文模型的输入。

进一步，步骤4中汇流计算属于水文模型的一部分，小流域坡面汇流采用目前常用的瞬时单位线方法，河道汇流采用马斯京根法。

大气-陆面-水文双向耦合方法，是以大气模式的运行为起点，即大气模式在驱动数据的作用下，可开展所有关于气象要素的模拟与预报，为陆面模型提供降雨P_l、长波辐射R_nl、短波辐射R_ns、气温T、风速u，陆面模型在接收到大气模式提供的驱动数据时，经过计算反馈大气模式蒸发E、地面长波辐射R’_nl、短波辐射R’_ns，并作为中介为水文模型提供扣除植物截留的雨量P、蒸发E，从而驱动水文模型经过产流模型、坡面汇流模型、河道汇流模型进行洪水预报，也为陆面模型提供经过产汇流计算后的土壤含水量θ的空间分布。如此进行逐时段计算，便可获得逐时段的洪水预报结果。

整个双向耦合模型中，经过调整、改进等的部分包括：通过建立地面指数，引入地形变化的概念调整了水文模型的产流模块，引入归一化植被指数NDVI，建立地面指数，使其介入水文模型的产流、水文模型与陆面模型的蒸发、陆面模型与大气模式的地面反照率，有机将大气-陆面-水文三者进行了串联。地面指数的精度，取决于地形量测的分辨率与遥感对植被覆盖的反演精度，而目前地理空间的探测与遥感技术的提升完全可以满足4×4km网格的精细度。

整个双向耦合模型，几乎不用借助地面观测站，这也为无资料地区的精准化的洪水预报提供可能，本发明可以解决没有地面观测站地区的洪水预报问题。

本发明一种大气、陆面与水文三者双向耦合方法具有以下有益效果：

(1)本发明提出的地面指数，不仅能够反映地形情况，而且能够反映植被覆盖情况，提高了仅通过下垫面条件进行产流计算的能力。

(2)本发明在大气-陆面-水文过程中，引入归一化植被指数NDVI，将大气模式、陆面模型、水文模型中的关键变量进行串联，为双向耦合提供了便利。

(3)大气-陆面-水文双向耦合方法开展洪水预报，受地面观测资料影响小，适用于任何地区，特别是无资料地区的洪水预报。

附图说明

图1：本发明中一种大气、陆面与水文三者双向耦合方法双向反馈机制。

图2：本发明中大气-陆面-水文双向耦合网格与小流域单元的关联关系。

图3：本发明中地下径流与系数

关系示意图。

图4：本发明中梅溪流域概况图。

图5：本发明中2016年7月9日-7月10日梅溪流域洪水模拟结果。

图6：本发明中七步流域概况图。

图7：本发明中无资料地区-七步流域洪水模拟结果。

具体实施方式

本发明所采用的技术方案是充分利用地形与植被覆盖资料，确定耦合尺度与变量，制定大气、陆面、水文多过程的双向反馈机制，使水循环更符合实际情况，在提高关键变量(包括产流、蒸发等)计算精度的基础上，提高双向耦合条件下流域洪水预报能力。

一种大气、陆面与水文三者双向耦合方法，包括以下步骤：

步骤1、在流域蓄水容量离散化基础上，对产流计算进行改进；

步骤2、确定耦合尺度，并处理地形资料；

步骤3、确定耦合变量并制定双向反馈机制；

步骤4、汇流计算与洪水预报。

大气模式采用WRF模式，陆面模型的基本框架采用Noah-MP，水文模型的产流部分采用本发明提出的方法，坡面汇流采用瞬时单位线，河道汇流采用马斯京根法。

进一步，步骤1中，首先是在TOPMODEL的TI地形指数ln(α/tanβ)上进行改进，考虑在地形和植被覆盖情况下流域洪水的影响，使得流域洪水流量计算更准确，其中α为单宽集水面积，tanβ为地表坡度。但这种表达方式是基于网格的，无法适应流域上下游的产汇流关系，为了使得改进的地形指数适应流域上下游的产汇流关系，因此将α改为α’，表示小流域单元集水面积，tanβ改为tanβ’，表示小流域单元的平均坡度。改进后的地形指数TI’可以反映流域饱和缺水量、下渗能力的空间分布，ln(α’/tanβ’)越大，越容易产流，ln(α’/tanβ’)越小，越不容易产流，但ln(α’/tanβ’)未能考虑植被覆盖对产流的影响。

为了实现陆气双向耦合水量与能量的空间离散，对上述的地形指数进行再次修改。引入遥感对植被观测原理的归一化植被指数NDVI，该指数能够反映植被的茂密程度。一般而言，植被越茂密，NDVI越大，降雨截留越多，蒸散发量越大，产流量越小。修改后的地形指数为

由于该指数不仅包含了地形的信息，还包含了植被覆盖的信息，因此将其称为地面指数T。建立地面指数与流域蓄水容量、下渗能力的关系，得到每一个小流域单元的蓄水容量和下渗能力：

其中，小流域单元由30mDEM数据提取划分，每个单元的面积约16km²，W_i为其中某一小流域单元的平均蓄水容量，WMM为整个流域最大点的蓄水容量，T_i为该小流域单元的地面指数，T_min为整个流域值最小的地面指数，S_i为该小流域单元的面积，S为整个流域的面积，a为表征流域形状的整个流域面积-河长曲线经验指数，由下式求得：

其中，x为自分水线沿河流至某处的河长，L为自分水线沿河流至流域出口断面的河长，S_x为x处的汇水面积。

下渗能力曲线为抛物线性，每个小流域单元的下渗能力与地面指数的关系如下：

其中，f_i为某一小流域单元的下渗能力，f_m为整个流域最大点的下渗能力，b为整个流域蓄水容量曲线指数，n为整个流域下渗分配曲线指数。

第i个小流域t时段内的地表产流按照下式计算：

R_Si＝P_it-E_it-F_it

其中R_si为小流域单元时段地表径流深，P_it为小流域单元时段扣除植物截留的雨量，E_it为小流域单元时段蒸发量，F_it为小流域单元时段下渗量，由

计算。

第i个小流域t时段内的地下径流按照下式计算：

当P_ia+F_it＜W'_im时，

当P_ia+F_it≥W'_im时，

R_gi＝F_it-E_it+P_ia-W_i

其中R_gi为小流域单元时段地下径流，E_it为小流域单元时段蒸发量，P_ia为小流域单元前期影响雨量，W_i为小流域单元的平均蓄水容量，W_i'_m为小流域单元内最大点蓄水容量。

小流域单元的径流量为地表径流与地下径流之和。

进一步，步骤2确定耦合尺度由小流域单元的大小决定。因每个小流域单元面积约16km²，大气模式与陆面模型的网格剖分定为4km×4km，网格的数据与小流域单元建立对应关系，若某一小流域单元落在某一网格中的面积最大，则将该小流域单元与该网格建立对应关系，如图2所示，1号小流域单元与I号网格对应，2号小流域单元与II号网格对应，3号小流域单元与III号网格对应，4号小流域单元与IV号网格对应。

但考虑到大气模式与陆面模型用到的地形资料分辨率约为1km，而水文模型用到的地形资料分辨率为30m，双向耦合时受分辨率的影响会产生误差放大现象。为了不改变大气模式与陆面模型本身1km地形在大尺度范围的连续性，不宜直接用30m地形资料代替1km地形资料，因此需要对大气模式与陆面模型在整个流域范围内的地形资料进行处理。

选择我国范围内100个典型区域，涵盖平原、高原、丘陵、盆地、山地等地形，采用相关关系方法，寻求1km和30m分辨率地形资料间改进的地形指数间的关系：TI'₃₀＝p×TI'₁₀₀₀+q

其中，TI’₃₀为30m分辨率下地形指数TI’，TI’₁₀₀₀为1km分辨率下地形指数TI’，拟合得到p、q值，作为1km地形降尺度到30m地形的依据，反映了1km地形与30m地形间的系统性关系，即对应流域范围内的1kmDEM将通过30mDEM根据下式修正计算得到修正的30mDEM：

H_30修正＝q×(H₃₀)^p

其中p是地形回归系数，q地形转化系数，H₃₀为30m分辨率地形单元的高程值，H_30修正为30m分辨率地形单元高程值的修正值。修正公式可用于30mDEM和1kmDEM的修正。

进一步，步骤3耦合变量分为大气模式与陆面模型的耦合变量、陆面模型与水文模型的耦合变量，大气模式与陆面模型的耦合变量为降雨P_l、蒸发E、长波辐射R_nl、短波辐射R_ns，气温T、风速u，陆面模型与水文模型的耦合变量为净雨P、蒸发E、土壤含水量θ。

双向反馈时，大气模式为陆面模型提供降雨P_l、长波辐射R_nl、短波辐射R_ns，气温T、风速u，陆面模型反馈大气模式蒸发E、地面长波辐射R’_nl、短波辐射R’_ns；陆面模型为水文模型提供扣除植物截留的雨量P、蒸发E，水文模型为陆面模型提供土壤含水量θ。也就是说，大气模式为陆面模型提供降雨和能量驱动，陆面模型反馈蒸发和能量(陆-气进行能量与水量双耦合)，能量过程影响蒸发；而陆面模型作为中介，又为水文模型提供净雨和蒸发，水文模型为陆面模型提供土壤含水量，从而影响蒸发(陆面-水文进行水量单耦合)。

其中，能量过程与蒸发是通过彭曼公式建立关系：

其中：

ET₀-潜在蒸散发，单位为(mm·d^-1)；

Rn-地表净辐射，单位为(MJ·m^-1·d^-1)，Rn＝Rns-R’ns-(Rnl-R’nl)，Rns-R’ns＝(1-α_反)×Rs，α_反为反照率，与植被覆盖相关，一般而言，植被覆盖率越高，吸收能量越多，反照率越低，α_反＝μ^1-NDVI，μ为Rns与Rnl的函数；

G-土壤热通量，单位为(MJ·m^-2·d^-1)，

Cs是土壤热容量，T_i为i时刻的气温，T_i-1位i-1时刻的气温，Δt为时间步长，Δz为有效土壤深度；

T-气温，单位为℃；

u-风速，单位为(m/s)；

es-饱和水气压，单位为(kPa)；

ea-实际水气压，单位为(kPa)；

Δ-饱和水气压曲线斜率，单位为(kPa/℃^-1)；

γ-干湿表常数，单位为(kPa/℃)。

陆面模型为水文模型提供的降雨与植被覆盖间关系为P-P_l＝(1-NDVI)ln(t^γ+1)，即植物对降雨的截留随降雨时间的变化整体呈对数关系。有植被覆盖的实际蒸发E₁＝NDVI×ET₀，裸土实际蒸发E₂＝-ερ(q_atm-θ)/r_aw，其中ρ为空气密度，q_atm为大气含水量，θ为土壤含水量，r_aw为空气动力学阻抗，ε为某一地区裸土蒸发的固定系数。

水文模型不仅能够计算流域的产流(水量的垂向运动)，也能计算流域的汇流(水量的侧向运动)，这是陆面模型所不具备的，而水量的侧向运动能够很大程度上影响土壤水的空间变化，因此经过水文模型的产汇流计算，需要及时反馈陆面模型每一个小流域单元的土壤含水量θ。

水文模型中，对于某一个处于坡面的小流域单元，则该小流域单元的土壤含水量计算如下：

其中，θ_ti为第i个小流域单元t时刻的土壤含水量，θ_(t-1)i为第i个小流域单元t-1时刻的土壤含水量，

为地下径流量中补充该小流域单元土壤含水量的比例系数(图3)。

水文模型计算得到的土壤含水量反馈至陆面模型，从而影响陆面模型的裸土蒸发。

进一步，步骤4汇流计算属于水文模型的一部分，小流域坡面汇流采用目前常用的瞬时单位线方法，河道汇流采用马斯京根法。

大气-陆面-水文双向耦合方法，是以大气模式的运行为起点，即大气模式在驱动数据的作用下，可开展所有关于气象要素的模拟与预报，为陆面模型提供P_l、长波辐射R_nl、短波辐射R_ns、气温T、风速u，陆面模型在接收到大气模式提供的驱动数据时，经过计算反馈大气模式蒸发E、地面长波辐射R’_nl、短波辐射R’_ns，并作为中介为水文模型提供扣除植物截留的雨量P、蒸发E，从而驱动水文模型经过产流模型、坡面汇流模型、河道汇流模型进行洪水预报，也为陆面模型提供经过产汇流计算后的土壤含水量θ的空间分布。如此进行逐时段计算，便可获得逐时段的洪水预报结果。

以福建梅溪流域(956km²)为例(图4)，采用大气-陆面-水文双向耦合方法，模拟了2016年尼伯特台风引起的特大暴雨洪水(图5)，洪峰流量误差4.65％，峰现时间误差0h，模拟效果良好。

整个双向耦合模型中，经过调整、改进等的部分包括：通过建立地面指数，引入地形变化的概念调整了水文模型的产流模块，引入归一化植被指数NDVI，使其介入水文模型的产流、水文模型与陆面模型的蒸发、陆面模型与大气模式的地面反照率，有机将大气-陆面-水文三者进行了串联。地面指数的精度，取决于地形量测的分辨率与遥感对植被覆盖的反演精度，而目前地理空间的探测与遥感技术的提升完全可以满足4×4km网格的精细度。整个双向耦合模型，几乎不用借助地面观测站，这也为无资料地区的精准化的洪水预报提供可能。

以福建七步流域(71km2)为例(图6)，地面雨量观测站稀少，无法实现模型参数率定。采用大气-陆面-水文三者双向耦合方法，在模拟降雨的驱动下，重现了2019年6月22日至25日的洪水过程(图7)，洪峰流量误差1.75％，峰现时间误差1h，模拟效果良好。

本发明一种大气、陆面与水文三者双向耦合方法具有以下有益效果：

(1)本发明提出的地面指数，不仅能够反映地形情况，而且能够反映植被覆盖情况，提高了仅通过下垫面条件进行产流计算的能力。

(2)本发明在大气-陆面-水文过程中，引入归一化植被指数NDVI，将大气模式、陆面模型、水文模型中的关键变量进行串联，为双向耦合提供了便利。

(3)大气-陆面-水文双向耦合方法开展洪水预报，受地面观测资料影响小，适用于任何地区，特别是无资料地区的洪水预报。

上面结合附图对本发明进行了的描述，显然本发明的实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种改进，或未经改进将本发明的构思和技术方案直接应用于其它场合的，均在本发明的保护范围内。

Claims (10)

1.一种大气、陆面与水文三者双向耦合方法，包括以下步骤：

步骤1、在流域蓄水容量离散化基础上，对产流计算进行改进；

步骤2、确定耦合尺度，并处理地形资料；

步骤3、确定耦合变量并制定双向反馈机制；

步骤4、汇流计算与洪水预报。

2.根据权利要求1所述一种大气、陆面与水文三者双向耦合方法，其特征在于：所述步骤1引入地形指数TI＝ln(α/tanβ)进行了改进，将α改为α’，表示小流域单元集水面积，tanβ改为tanβ’，表示小流域单元的平均坡度，改进后的地形指数TI’可以反映流域饱和缺水量、下渗能力的空间分布。

3.根据权利要求2所述一种大气、陆面与水文三者双向耦合方法，其特征在于：所述步骤1引入植被指数NDVI，将地形指数TI’修改为

由于该指数不仅包含了地形的信息，还包含了植被覆盖的信息，称为地面指数T。

4.根据权利要求3所述的一种大气、陆面与水文三者双向耦合方法，其特征在于：所述步骤1建立了以小流域为单元的地面指数T与流域蓄水容量之间的关系：

W_i为其中某一小流域单元的平均蓄水容量，WMM为整个流域最大点的蓄水容量，T_i为该小流域单元的地面指数，T_min为整个流域值最小的地面指数，S_i为该小流域单元的面积，S为整个流域的面积，a为表征流域形状的整个流域面积-河长曲线经验指数，由下式求得：

其中，x为自分水线沿河流至某处的河长，L为自分水线沿河流至流域出口断面的河长，S_x为x处的汇水面积。

5.根据权利要求3所述的一种大气、陆面与水文三者双向耦合方法，其特征在于：所述步骤1建立了以小流域为单元的地面指数T与流域下渗能力之间的关系：

f_i为某一小流域单元的下渗能力，f_m为整个流域最大点的下渗能力，b为整个流域蓄水容量曲线指数，n为整个流域下渗分配曲线指数。

6.根据权利要求1所述一种大气、陆面与水文三者双向耦合方法，其特征在于：所述步骤2中1km和30m分辨率地形资料间改进的地形指数间的关系

TI’₃₀＝p×TI’₁₀₀₀+q

TI’₃₀为30m分辨率下地形指数TI’,即小流域单元生成的地形指数，TI’₁₀₀₀为1km分辨率下地形指数TI’,拟合得到p、q值，作为1km地形降尺度到30m地形的依据，反映了1km地形与30m地形间的系统性关系，即对应流域范围内的1kmDEM将通过30mDEM根据下式修正计算得到修正的30mDEM：

H_30修正＝q×(H₃₀)^p

其中p是地形回归系数，q地形转化系数，H₃₀为30m分辨率地形单元的高程值，H_30修正为30m分辨率地形单元高程值的修正值，修正公式可用于30mDEM和1kmDEM的修正。

7.根据权利要求1所述的一种大气、陆面与水文三者双向耦合方法，其特征在于：所述步骤3中建立了反照率α_反与归一化植被指数NDVI间的关系，α_反＝μ^1-NDVI，μ为短波辐射Rns与长波辐射Rnl的函数。

8.根据权利要求7所述的一种大气、陆面与水文三者双向耦合方法，其特征在于：所述步骤3中建立了降雨与植被覆盖间关系为P-P_l＝(1-NDVI)ln(t^γ+1)，P为经过植物截留后的雨量，P₁为降雨量，t为时间，即植物对降雨的截留随降雨时间的变化整体呈对数关系。

9.根据权利要求7所述的一种大气、陆面与水文三者双向耦合方法，其特征在于：所述步骤3中建立了有植被覆盖的实际蒸发E₁与NDVI间的关系，E₁＝NDVI×ET₀，ET₀为潜在蒸散发。

10.根据权利要求1所述的一种大气、陆面与水文三者双向耦合方法，其特征在于：用于中小尺度流域或无地面观测站资料地区的洪水预报。

Images