使用WRF-Hydro对2018年莱茵河流域极端干旱事件进行径流模拟

《International Journal of River Basin Management》：Streamflow simulations for the extreme drought event of 2018 on the Rhine River Basin using WRF-Hydro

基于ERA5数据集，通过校准WRF-Hydro offline模型中不包含湖方案，成功模拟了2018年莱茵河极端干旱事件中低水流量特征，验证了其在分析此类极端气候事件中的适用性。

　　近年来，随着气候变化的加剧，河流的航运活动受到了显著影响，尤其是在莱茵河流域，低水位的出现使得航运变得困难。本文的研究重点在于评估WRF-Hydro模型在模拟2018年莱茵河流域极端干旱条件方面的能力。尽管WRF-Hydro模型在洪水研究中已被广泛使用，但对极端低流量事件的模拟研究在该地区相对较少。研究采用ERA5再分析数据集进行模拟，并利用2016-2017年的观测流量数据对模型进行校准。该研究创新性地估算了关键的水文参数，包括从土地覆盖信息中获取的入渗缩放因子（REFKDT）和渗透因子（SLOPE），以及从数字高程模型（DEM）得出的坡度的表层滞留深度（RETDEPRTFAC）。统计指标显示，Nash-Sutcliffe效率（NSE）和 Kling-Gupta效率（KGE）的中位数分别为0.50和0.62。由于湖泊对上莱茵河流域的影响，对康斯坦茨湖出流的模拟尤为关键。然而，湖模块过度地平抑了流量，因此排除该模块可以得到更真实的水文曲线。总体而言，WRF-Hydro模型能够合理再现2018年干旱事件中观测到的流量变化和低水位情况，表明其适用于分析莱茵河流域近期及未来干旱事件。

莱茵河流域的水文过程与气候条件密切相关。研究指出，极端干旱事件对航运、工业运输和经济活动产生了显著影响，尤其是在2018年，莱茵河的流量下降，导致航运受限，运输成本上升，甚至出现运输瓶颈。这不仅影响了莱茵河流域的经济，还对区域的物流链构成了挑战。例如，从卡乌布到安德纳赫的中莱茵河段经历了前所未有的低水位事件，这表明极端干旱对航运的影响极为严重。此外，2018年的干旱事件导致了约20亿欧元的经济损失，显示出其对经济和社会的影响。

本文的研究还探讨了WRF-Hydro模型在模拟极端干旱事件中的潜力。WRF-Hydro模型被设计为一种能够与大气模型耦合的水文扩展模型，它能够独立运行，即所谓的“离线”模式，利用格点化的气象强迫数据进行模拟。在莱茵河流域，由于涉及多个国家，获取统一和可比的气象数据较为复杂。因此，研究选择使用ERA5数据集，该数据集具有较高的空间和时间分辨率，且提供开放访问，为模拟提供了便利。此外，ERA5数据集在模拟莱茵河流域的流量方面表现出色，与观测数据高度一致。

研究采用了多种水文模型进行对比分析，包括RHINEFLOW、HBV、SWIM等。这些模型在不同研究中被用于评估莱茵河流域的水文响应，其中一些模型在洪水模拟方面表现出色，但对干旱事件的模拟相对较少。本文通过比较不同模型在模拟莱茵河流域流量方面的表现，得出结论：WRF-Hydro模型在模拟干旱事件时，尤其是在莱茵河中游和下游区域，具有较高的准确性。此外，研究还指出，WRF-Hydro模型的湖泊模块在模拟康斯坦茨湖出流时存在过度平抑流量的问题，因此在模拟过程中排除该模块有助于提高模拟结果的准确性。

为了提高模型的模拟精度，研究还采用了空间分布的水文参数，包括从土地覆盖数据和数字高程模型中获得的参数。这些参数的分布能够更准确地反映不同区域的水文特性，从而提高模型对流量变化的再现能力。研究发现，通过校准这些参数，模型能够更好地模拟流量变化，并且在干旱事件期间，其表现优于未校准的模型。此外，研究还指出，模型的校准过程需要结合多个数据源，包括气象数据、水文观测数据和地理数据，以确保模拟结果的可靠性。

在模拟过程中，研究采用了不同的校准方法，包括对参数的逐步优化和对湖泊模块的排除。通过校准不同的水文参数，如入渗缩放因子、渗透因子、表层滞留深度等，模型能够更准确地模拟流量变化，并且在干旱事件期间，其表现得到了显著改善。同时，通过排除湖泊模块，模型能够更好地再现流量变化，尤其是在干旱事件期间，湖泊对流量的平抑作用被削弱，从而提高了模拟结果的合理性。

研究还评估了土壤水分在干旱事件中的作用。土壤水分的分布和变化对干旱事件的持续时间和强度具有重要影响。通过比较模型模拟的土壤水分数据与ERA5-Land数据集，研究发现模型能够合理再现土壤水分的变化趋势，尽管在某些区域存在低估或高估的情况。这表明，尽管土壤水分未作为校准参数，但模型仍能准确捕捉其变化，从而为干旱事件的模拟提供了支持。

研究结果表明，WRF-Hydro模型在模拟莱茵河流域的极端干旱事件方面具有潜力。尽管在某些情况下模型的校准参数未能完全准确，但通过排除湖泊模块和优化其他参数，模型能够更合理地再现流量变化，并且在干旱事件期间表现出较高的模拟精度。此外，模型在模拟其他干旱事件（如2003年和2011年）时也表现出一定的能力，尽管其表现不如2018年干旱事件。

总体而言，本文的研究表明，WRF-Hydro模型能够有效模拟莱茵河流域的流量变化，尤其是在干旱事件期间。通过校准关键的水文参数，并排除湖泊模块的影响，模型能够更准确地再现流量变化，并且在模拟过程中表现出较高的可靠性。这些结果对于未来研究莱茵河流域的干旱事件及其对经济和社会的影响具有重要意义。