李致家,龚俊超,孙明坤

(河海大学水文水资源学院,江苏 南京 210098)

水文模型作为洪水预报的重要工具,其优化改进一直是研究的热点[1-2]。近年来,大量学者耦合气象模型与水文模型来研究洪水事件[3]。WRF-Hydro模型是有物理基础的、多尺度的分布式气象水文模型,在水文模拟及洪水预报中有较大的应用潜力[4],自问世后得到了广泛应用[5-6]。WRF-Hydro模型包含高时空分辨率的地形和水文数据,可在一定程度上提高水文过程的模拟预报精度[7]。与新安江模型、TOPKAPI模型等单一水文模型相比,WRF-Hydro模型可与大气模型耦合,模拟大气、水、能量的时空变化[8]。与WRF-SWMM等大部分气象水文模型相比,WRF-Hydro模型可实现与气象模型的双向耦合,更真实完整地模拟水文循环过程[9]。此外,WRF-Hydro模型对时空分辨率的复杂耦合关系也处理得非常得当[10]。

WRF-Hydro模型部分参数具有空间分布规律,如地表糙率由土地利用类型决定、地表截留深与坡度相关。但实际应用时仍有众多参数需要率定,对模型进行参数敏感性分析有助于确定模型关键参数、提高预报精度[11-12],对应用与改进气象水文模型具有重要意义,但目前WRF-Hydro模型的参数敏感性研究还不充分。Fersch等[13]采用LH-OAT方法对WRF-Hydro模型7个陆面模式参数进行敏感性分析,但未研究对水文过程影响较大的产汇流参数。刘昱辰等[4,14]对WRF-Hydro模型主要的7个参数给出简要的敏感性描述,并从中选取土层渗透系数等4个参数研究敏感性。Ryu等[15]同样分析了刘昱辰等[4,14]选取的4个参数的敏感性。虽然后两者的研究取得了一定成果,但与水文相关的参数研究不充分。Sun等[16]研究了各参数目标函数随参数值的变化情况,但未对其现象进行深入研究。

中庸思想是中国传统文化中人们认识世界、对待事物的基本方法之一，其“执两端而允中”的智慧对于华人的心理、思维和行为处事等各层面都有巨大而深远的影响(思维，1999)。探究中庸在当代的表现形式和运作规律，有助于更好理解人们的生活方式和行为处事方法，提升生活品质，促进社会和谐。

本文根据流域产汇流机制[17],综合考虑各重要参数对产汇流阶段的影响,以中国半湿润流域陈河流域为研究区域,选取土层厚度乘子等6个参数进行敏感性分析。通过确定参数取值步长和区间,计算不同参数对应的目标函数值,定性分析当前参数的敏感性,并采用修正的Morris筛选法定量评价6个参数的敏感度,以期为使用WRF-Hydro模型调参时参数选择和率定提供参考。

1 研究流域与数据

选取陕西省陈河水文站以上集水区域为研究流域(以下简称“陈河流域”)。陈河流域地处陕西省中南部,经纬度分别为107°～109°E、33°～35°N,流域面积约1380km2,流域内黑河干流长约105km。陈河流域是典型的半湿润流域,流域径流深100～500mm,多年平均降水量为800mm,流域海拔高度约为600～3800m,土壤类型多为壤土。流域内共有8个雨量站,1个水文站,如图1所示。

图1 陈河流域水系及站点分布Fig.1 Water system and station distribution of Chenhe Basin

采用客观优选法[20]对6个参数依次调参,分析各参数在取值区间内变换时对应的目标函数变化情况来定性分析参数敏感性。各参数目标函数变化曲线如图2所示。

传统发展观的超越：习近平新时代绿色发展理论……………………………………………刘保国，张宏莉（4，69）

表1 预热期、模拟期及洪水事件信息

2 研究方法

④参见 Ellwein/Hesse，Der ueberforderte Staat，1997，S．7，S．67．

目前的WRF-Hydro模型中,有Noah与Noah-MP两种陆面模式,后者在前者的基础上进行架构调整,并增加了积雪处理等能力[10]。陆面模式发生在分辨率较大的网格,主要计算植被冠层之下的水文气象状态变量及水量能量的通量。汇流过程发生在汇流网格中,涉及坡面流、地下径流、河道汇流等。当模型运行时,一些状态变量需要在陆面模式网格和汇流网格之间传输,传输过程中需要进行变量的空间尺度转换,相关方法参见技术指导[10]。

2.1 参数设置

土层厚度直接影响地表、壤中和地下产流量。由图3(a)可知,ZSOILFAC越大,模拟效果越差,地表径流减少速度减缓,土层厚度达到一定值后无法模拟出洪水过程。由表3可知,ZSOILFAC扰动会造成NSE较大波动,取值越小对NSE影响越大;随着ZSOILFAC的增大,Pb呈减小趋势,且REP和TEP值逐渐偏离0,峰值剧烈减小,峰现时间大幅延迟。土层越厚越难达到蓄满状态[5,8],导致径流量和峰值越来越小;当土层厚度达到一定程度后,产流量趋近于很小的值甚至不产流。综上,ZSOILFAC非常敏感,NSE、Pb、洪峰流量和峰现时间都对ZSOILFAC取值比较敏感。

在WRF-Hydro模型参数敏感性研究中,考虑水文过程发生的先后顺序,从各水文过程中选取参数,同时考虑参数对径流量和洪水过程线形状的影响,再结合孙明坤等[7,18]研究WRF-Hydro模型时调参选取的参数,最终选取6个主要参数为研究对象:土层厚度乘子ZSOILFAC[7]、水箱模型指数GWEXP、土层渗透系数REFKDT、地表截留深乘子RETDEPRTFAC、地表糙率乘子OVROUGHRTFAC及河道糙率乘子MANNFAC。其中,前4个参数与产流相关,主要控制径流分配和洪水水量,后2个参数为汇流参数,主要控制洪水过程线及洪峰形状。

Senatore等[22]在研究中直接给定土层厚度,孙明坤等[7]认为引入土层厚度乘子ZSOILFAC等比修改土层默认厚度(1～4层厚度:0.1、0.4、1.0、2.0m)更合理。GWEXP控制概念性水箱的出流量,影响地下产汇流;REFKDT控制各个土层之间的渗透速率、地下径流量和超渗产流量;RETDEPRTFAC通过修改地表截留能力来影响产流量的计算;OVROUGHRTFAC影响坡面汇流的速度;MANNFAC等比修改河道曼宁糙率,影响河道汇流。根据Ryu等[15,18,23]研究WRF-Hydro模型时各参数取值情况,设置参数步长及取值范围(表2)。

Morris筛选法[24]是Morris提出的局部参数敏感性分析方法。其操作简单快捷,是应用最广泛的局部敏感性分析方法。Morris筛选法通过分析某一参数在值域内随机改变值对模型输出结果的影响,判断其敏感度。

表2 WRF-Hydro模型参数设置

2.2 定性参数敏感性分析方法

采用客观优选法[20-21]率定参数:首先校准产流参数,依次为ZSOILFAC、GWEXP、REFKDT和RETDEPRTFAC,然后校正汇流参数,依次为OVROUGHRTFAC和 MANNFAC。当上一个参数确定最优值后,下一个参数校正时,该参数保持使用校准后的值,逐步依次校准参数。该方法目的是首先应该先保证总水量准确,然后再保证正确的水量分配。

客观优选法中各参数的最优取值依赖于当参数取不同值时对应的目标函数值。研究发现径流量和纳什系数对模型参数变化响应良好,因此选取径流量相对误差(Pb)的目标函数fPb和纳什系数(NSE)的目标函数fNSE进行参数率定[16]。针对不同参数给出不同目标函数,ZSOILFAC、GWEXP、REFKDT及RETDEPRTFAC采用fPb率定,OVROUGHRTFAC、MANNFAC采用fNSE率定。

WRF-Hydro模型是美国国家气象中心(NCAR)在2015年提出的陆气耦合模型,主要包含尺度较大的陆面模式和尺度较小的汇流模块[10,16]。它以大尺度的陆面模式为基础,加入高分辨率汇流模块,旨在解决陆面模式未考虑土层侧向流和径流重分配的问题[19]。

以率定期的20030916号洪水和验证期的20100820号洪水作为典型洪水进行定性参数敏感性分析。以20030916号洪水为例,洪水过程线随参数变化如图3所示。通过分析各参数在取值区间内NSE、Pb、REP及TEP,判断各参数的敏感性,对目标函数分析结果进行验证与补充。

2.3 修正的Morris筛选法

为了寻求比较好的培育杨树大苗的方法，2017年，我们在苗圃做了以下对比实验：（1）移植一年生小苗；（2）直接扦插定向培育。

考虑到参数在其值域内取值具有随机性,本文采用修正的Morris筛选法进行敏感性分析,该方法的参数敏感性判别因子SN参见文献[25]。依据SN的绝对值S将参数的敏感性划分如下[26]:S≥1,则该参数是高敏感参数;0.2≤S<1,则该参数是敏感参数;0.05≤S<0.2,则该参数是中等敏感参数; 0≤S<0.05,则该参数是不敏感参数。

3 结果分析与讨论

3.1 参数敏感性定性分析

3.1.1 目标函数变化分析

WRF-Hydro模型运行需要下垫面数据和气象驱动数据[18]。陆面模式下垫面数据由WRF网站的静态数据经插值获得,汇流网格下垫面数据来源于地理空间数据云网站。气象驱动数据中的雨量资料来自流域内8个雨量站及陈河水文站,其他气象驱动数据由GLDAS数据获得。流量资料由陈河水文站提供。WRF-Hydro模型需要预热以获得与实际较为相符的流域初始状态,每一年的预热期为汛期中有记录的第一场洪水的前1月左右,模型预热可以获得相对准确的初始场,提高模拟精度。考虑到WRF-Hydro模型的计算成本较高[16],本文选取2003—2006年6—10月作为率定期,共计8场洪水;选取2007—2012年6—10月为验证期,共计11场洪水。其中,选取20030916和20100820两个洪水事件作为典型洪水进行参数敏感性分析。预热期、模拟期及洪水事件信息详见表1。

图2 6个参数目标函数变化曲线Fig.2 Change curve of objective function of 6 parameters

对于产流参数,fPb随ZSOILFAC减小逐步减小,尤其在0～1.0内减幅更大,说明ZSOILFAC取值在0～1.0之间敏感性强于1.0～2.0之间,主要是因为土层厚度超过一定值后均无法产流。由图2(b)可知,1.0～5.0区间内,随着GWEXP取值的递增,模拟效果越来越好,目标函数变化的速度越来越慢,说明GWEXP取值越小越敏感。REFKDT最优参数是0.7,REFKDT同样取值较小时比较敏感,当小于0.7时,随参数值递减,fPb增大的速度越来越快,大于0.7时,fPb以相近的速率递增。由图2(d)为可知,目标函数受参数影响很小,在取值区间内RETDEPRTFAC相当不敏感。

对于汇流参数,fNSE随着OVROUGHRTFAC的增大而减小,但fNSE的变化是稳定且较小的。fNSE随MANNFAC变化巨大,当MANNFAC小于1.0时,随着取值减小fNSE以递增的速度减小,大于1.0时,fNSE以相近的速度逐步减小。从整个参数变化来看,MANNFAC的取值对洪水模拟的影响巨大。

综合来看,4个产流参数中,ZSOILFAC、REFKDT和GWEXP都比较敏感,对径流量影响较大,而RETDEPRTFAC相当不敏感。汇流参数中,MANNFAC非常敏感,对洪水模拟影响较大,OVROUGHRTFAC敏感性低于MANNFAC。4个敏感参数的敏感性,均在取较小值时强于取较大值时。

企业管理者在成本控制上，缺乏长远考虑，不愿意投入大量的人财物力，不愿意引进高素质的成本管理人才，不愿意加大对员工成本管控技能上的培训，不愿意打造完善的智能化信息平台，加大信息的采集和分析。企业对成本考核的重视程度不够，公司的成本考核在绩效考核中比重过低，管理者只注重销售额考核，这样就不能激发员工对成本控制的积极性。

3.1.2 典型洪水分析

将各参数在率定期内,以设定步长在取值范围内进行改动,依次率定参数,观察每个参数对应的目标函数值变化规律,并在率定期和验证期各选一场典型洪水运行模型,分析不同评价指标随参数扰动的变化情况,以定性分析各参数敏感性。

图3 各参数不同取值时20030916号洪水过程线Fig.3 Flood hydrograph of flood event 20030916 with different parameters values

WRF-Hydro模型具有陆面模式参数与汇流网格参数等众多参数。考虑到模型默认土层厚度值并不适用于中小流域,引入土层厚度乘子ZSOILFAC[7]等比修改土层厚度。因采用自动率定计算成本过高[20],本文采用客观优选法[21]进行参数率定。客观优选法是指对某一参数在值域内以合适的步长依次驱动模型,以目标函数来确定最优参数值。采用径流量相对误差(Pb)、纳什系数(NSE)、洪峰相对误差(REP)及峰现时间误差(TEP)评价模型模拟结果。

表3 各产流参数不同取值下模拟目标函数统计

GWEXP对洪水模拟有一定影响。由图3(b)可知,随着GWEXP增大,模拟洪量先减后增,涨洪段与落洪段都逐渐陡峭,逐渐贴合实际洪水过程线,且峰值逐渐增大。由表3可知,两场洪水的NSE、Pb、REP均先减小后增大,但都波动较小,TEP也仅波动1h。当GWEXP较小,概念性水箱更易蓄满,多余水量使土层更快饱和,因而洪量大;随着GWEXP增大,河道基流流量大,因此模拟洪量和峰值增大。GWEXP比较敏感,NSE、Pb和洪峰流量都对GWEXP变化有一定响应,但受影响不大。

REFKDT对地表、壤中和地下径流都有影响。如图3(c)可知,REFKDT每次扰动,都会造成洪水过程线的显著变化。随着REFKDT的增加,起涨时间延迟,峰值减小,洪量减小。由表3可知,随REFKDT增加,NSE先增大后减小,Pb变化不大,REP与TEP均逐渐偏离0,即峰值逐渐减小,峰现时间有一定延迟。REFKDT取值较小时,超渗产流量大,故洪量和峰值较高,峰现时间偏早。随着REFKDT增大,超渗产流量减少,壤中与地下径流略有增大,因此洪量和峰值逐渐减小,洪峰右移。REFKDT对洪水模拟影响显著,NSE、Pb、洪峰流量和峰现时间都对REFKDT较敏感。

RETDEPRTFAC修改地表截留能力,由图3(d)可知,其在0～1.0内模拟的洪水过程线近乎重合。由表3可知,两场洪水的NSE、Pb和REP均波动较小,TEP无波动。研究发现该参数并不是地表产流量主要影响因子,因此对洪水模拟影响较小。在取值区间内,各评价指标随RETDEPRTFAC变化均无明显变化。

OVROUGHRTFAC控制坡道汇流速度,由图3(e)可知,洪峰随OVROUGHRTFAC增加而右移,但洪水过程线变化不大。由表4可知,NSE、Pb和REP呈轻微减小趋势,且两场洪水的TEP都仅波动2h。OVROUGHRTFAC越大,坡道汇流速率越慢,但坡道汇流速率对整个汇流过程的影响较小,因此峰现时间会随其取值增大而略显滞后,其他指标仅受轻微影响。

随着社会经济不断发展和对人才的较高要求，就业指导课也要随之变化、随之发展，不断增加新的内容。独立学院应根据学生个性特征和社会经济发展的需要，有目的、有计划、有步骤地对学生未来的职业定位及在校期间的职业准备、职业能力培养等施加影响[4]。

据表1所示，从调查覆盖的地理区域来说，本调查所收集到的招聘信息涵盖了全国大部分省（直辖市、自治区），获得的招聘信息是比较充分的。

表4 各汇流参数不同取值下模拟目标函数统计

如图3(f)所示,MANNFAC扰动会造成洪水过程线较大变化。随MANNFAC增加,洪峰整体右移,峰值减小。由表4可知,随着MANNFAC增大,NSE先增大后减小,Pb变化不大,REP剧烈减小,峰现时间逐步延迟。MANNFAC对河道汇流影响显著,MANNFAC过小时,汇流快,导致洪量较大;MANNFAC过大时,汇流慢,洪峰滞后,洪量和峰值都偏小。MANNFAC对NSE、洪峰流量和峰现时间有较大影响,Pb对MANNFAC不敏感。

综上,由典型洪水分析可知,WRF-Hydro模型较敏感的参数主要有3个,分别为ZSOILFAC、REFKDT和MANNFAC。ZSOILFAC对NSE、Pb、洪峰流量和峰现时间都有较大影响;REFKDT对Pb、洪峰流量和峰现时间有较大影响;MANNFAC对NSE、洪峰流量和峰现时间有较大影响。其次是GWEXP,其对洪水模拟各指标的影响均不大。而RETDEPRTFAC和OVROUGHRTFAC相对不敏感,都对洪水模拟的影响较小。

3.2 参数敏感性定量分析

本文在利用修正的Morris筛选法分析时,以陈河流域各参数不同取值下8场洪水的径流量相对误差目标函数fPb、纳什系数(NSE)目标函数fNSE及两者加权平均值(fNSE+fPb)/2为衡量输出值变化的指标。对研究区6个参数,取最优参数为初始值,在最优值基础上扰动-30%、-20%、-10%、10%、20%、30%,得到扰动值及6个参数敏感度如表5所示。

我国不断扩大对外开放，关税下调、跨境贸易便利化措施等持续推进，大量进口食品为人们提供了多样化的选择，丰富了普通百姓的生活。《中国进口食品行业报告》显示，从1997年到2017年，我国进口食品金额增长15.2倍；20年间，我国进口食品来源国（地区）从108个增加至170个，覆盖了全球约74%的国家和地区。

表5 6个参数扰动结果及不同目标函数下的敏感度

由表5可知,目标函数不同时,参数的敏感度不一样。对于fNSE,敏感度大小排序为MANNFAC、ZSOILFAC、GWEXP、REFKDT、OVROUGHRTFAC、RETDEPRTFAC。ZSOILFAC、MANNFAC和GWEXP属于高敏感参数,REFKDT属于敏感参数,OVROUGHRTFAC和RETDEPRTFAC均属于不敏感参数,说明对于纳什系数,影响较大的参数主要有MANNFAC、ZSOILFAC、和GWEXP。对于fPb,敏感度大小排序为ZSOILFAC、REFKDT、GWEXP、MANNFAC、OVROUGHRTFAC、RETDEPRTFAC,其中,ZSOILFAC和REFKDT属于高敏感参数,GWEXP和MANNFAC属于中等敏感参数,而OVROUGHRTFAC和RETDEPRTFAC属于不敏感参数,说明对径流量相对误差影响较大的参数有ZSOILFAC和REFKDT。

其中，i=1,2,…,n。k1i、k2i为在(0，1)范围内均匀独立生成的2*n个随机数，对于整体算术杂交算子，k1i=(k11，k12，…，k1n)，k2i=(k21，k22，…，k2n)，对于线性杂交算子，生成的2*n个随机数为k11=k12=…=k1n=k1，k21=k22=…=k2n=k2。

研究发现,取fNSE和fPb的加权平均值作为最终的敏感度评价指标,可以得出6个参数的敏感度大小排序为ZSOILFAC、MANNFAC、REFKDT、GWEXP、OVROUGHRTFAC、RETDEPRTFAC。此外,不论取哪个目标函数作为敏感度评价指标,ZSOILFAC均属于高敏感参数,而OVROUGHRTFAC和RETDEPRTFAC都属于不敏感参数。

4 结 论

a.根据参数率定过程中目标函数随参数的变化情况来看,产流参数ZSOILFAC、REFKDT、GWEXP和汇流参数MANNFAC变化会造成目标函数较大变化,是比较敏感的参数,其他参数相对不敏感。

b.从典型洪水分析来看,WRF-Hydro模型中较敏感参数有ZSOILFAC、REFKDT和MANNFAC,在取值区间内该3个参数对模拟洪水有较大影响。且不同评价指标的参数敏感性略有差别,对于NSE,ZSOILFAC、GWEXP和MANNFAC非常敏感;对于Pb,ZSOILFAC和REFKDT非常敏感;对于洪峰流量,REFKDT和MANNFAC非常敏感;对于峰现时间,ZSOILFAC和MANNFAC非常敏感。

重德。基层腐败和黑恶势力猖獗一个重要因素就是道德观念的缺失。贪腐官员、黑恶势力侵占农民利益，鱼肉乡里，丧失基本道德；乡民受小农观念制约，缺乏道德判断，各人自扫门前雪，莫管他人瓦上霜，弱者无人扶助，正义无人伸张。树立公德意识，也是杜绝基层腐败现象，铲除农村黑恶势力的要义。

c.根据修正Morris筛选法,以fNSE和fPb的加权平均值为敏感度评价指标,ZSOILFAC、REFKDT、MANNFAC属于高敏感参数;GWEXP为敏感参数,OVROUGHRTFAC属于中等敏感参数;而RETDEPRTFAC属于不敏感参数。

d.在研究流域,ZSOILFAC范围在0.1～1.0之间模拟效果较好;GWEXP取值范围为3.0～6.0之间模拟效果较好;REFKDT取值在0.0～1.0之间模拟效果较好;MANNFAC取值在0.5～1.5之间模拟效果较好。

e.在半湿润流域应用WRF-Hydro模型时,应首选ZSOILFAC、GWEXP、REFKDT和MANNFAC这4个参数率定,参考本文建议的取值区间与步长。