气象集合预报在水文领域中的应用研究进展

集合预报是针对数值预报的不确定性而发展起来的概率预报技术,在水库控制中应用集合预报信息可以延长水文预报有效预见期并且提高预报精度。目前,集合预报已在发达国家中得到广泛的应用。现概括了集合预报的发展过程,并从洪水预警、径流预报、水库调度决策3个方面分析了集合预报在水文领域中的研究进展,探讨了集合预报的检验和集合预报应用中存在的关键问题。     

数值天气预报的成功经验对洪水预报的启示

鉴于近30年来数值天气预报有了长足的进步,而在洪水预报中试图推行流域水文模型却进展缓慢这一现状,试图寻找洪水预报精度与数值天气预报精度的差距原因。通过对大气模式(型)和流域水文模型的比较,围绕预报方法及预见期、初始场和边值场、数据同化和融合等问题,论述了数值天气预报的成功经验和流域水文模型在洪水预报应用中存在的问题,期望洪水预报能从中得到启示,在不远的将来实现流域水文模型与数值天气预报的无缝衔接,以进一步提高洪水预报精度,增长洪水预报预见期。     

基于数值天气预报模式的流域中期径流预报

研究耦合天气预报模式的径流预报对提高预报预见期及流域防洪减灾具有重要意义。以金溪池潭水库流域为例,通过尺度转换和气象要素联结实现GEM和GFS两种数值天气模式与新安江模型的单向耦合,进行流域水文模拟以及中期径流预报。日径流过程和次洪过程模拟结果发现耦合数值天气预报模式的流域中期径流预报能够较好地预估一段时间内的径流总量,而对洪峰以及洪水过程预报能力稍有不足。预报误差来源有水文模型误差和降水预报误差两种,且降水预报的误差在水文模型中会有放大的效应,这增加了中期径流预报的不确定性。     

洪水预报智能模型在中国半干旱半湿润区的应用对比

为探究不同洪水预报智能模型在我国半干旱半湿润区的应用效果,选用决策树、多层感知器、随机森林和支持向量机4种模型在陕西省3个典型流域进行逐时洪水预报;选择相关系数、纳什效率系数、均方根误差、平均绝对误差和相对误差等评价指标,比较不同预见期下4种模型在半干旱半湿润典型流域洪水预报的适用性。结果表明:在短预见期预报中,4种模型在半湿润区典型流域均可获得较高的预报结果,在半干旱典型流域模拟精度相对偏低,仅支持向量机模型满足预报要求;随着预见期延长,不同模型性能变化差异大,支持向量机模型整体稳定,在小流域实时洪水预报中具有明显优势;随机森林模型与决策树模型精度随预见期延长而缓慢下降,前者适应性更好;多层感知器模型精度随预见期延长而骤减,模型稳定性较差。     

基于参数不确定性的概率预报研究

水文模型参数的选取通常依靠经验判断或者依赖历史库中的不完备数据集进行自动优选,所选参数并不一定能够准确反映流域降雨径流特点,更不足以反映不同洪水涨落阶段洪水特征的变化。基于水文模型参数存在显著不确定性的客观事实,以随机参数驱动水文模型,并结合数值模型实现概率预报。通过东湾流域36场洪水模拟试验,揭示了水文参数不确定性对洪水预报结果的显著影响,提出的概率预报算法能够给出精确、可靠的预报结果,说明该算法能够降低水文模型参数所带来的洪水预报不确定性。     

基于不同物理参数化方案的中小流域 降雨径流集合预报

气象水文耦合预报能够延长洪水预报预见期,针对预报结果不确定性大的问题,选取东南沿海地区的梅溪流域为研究区,以2012年8月3日“苏拉”台风和2014年6月17日“海贝思”台风引发的降雨洪水为例,开展气象水文耦合下的集合预报研究。依托WRF（weather research and forecasting）模式建立基于36种物理参数化方案组合的降雨集合预报集,并通过耦合WRF模式和梅溪流域分布式水文模型,实现降雨径流集合预报。结果表明：在不同物理参数化方案下,数值降雨预报结果有一定差异,且对降雨空间分布的预报效果优于降雨时间分布,更容易准确描述时空分布均匀的降雨,很难捕捉短历时强降雨;采用集合预报的方式能够有效降低洪水预报的不确定性,当预见期超过6 h时,对于时空分布均匀的降雨,相应洪水过程的洪峰流量预报误差Rf为11.30%,能够准确反映洪峰量级,峰现时间提前2h,相比基于“落地雨”开展的洪水预报有一定优势;基于异方差扩展型Logistic算法对预报降雨进行处理后,能够有效提高降雨预报精度,但对于时空分布不均匀的降雨,洪峰流量误差R f由处理前的-86.89%降低至-48.95%,仍有较大的提升空间。     

淮河鲁台子以上流域洪水预报模型研究

本文以淮河鲁台子以上流域为例,采用分布式概念性水文模型,对王家坝以上流域及阜阳、蒋家集、横排头淮干支流进行降雨径流与洪水过程研究,同时进行参数率定。采用马斯京根法、马斯京根水位模拟法和扩散波非线性水位法,对淮河干流王家坝至鲁台子区间具有行蓄洪区流域洪水进行预报。预报模型在2007年的大洪水预报调度中得到了检验,取得了较高的精度。     

山洪灾害监测预报预警云平台及应用

以延长山洪预警预见期、提高预警精度为目标,综合应用并行云计算、大数据、人工智能和移动互联网技术,设计开发了省级山洪灾害预报预警云平台.省级云平台集成了流域分布式水文模型和实测降雨、预报降雨信息,实时驱动流域内各河段山洪水文模拟,实现基于小流域的洪水预报和基于流量指标的山洪灾害预警.结合山洪灾害气象预警和基于雨量/水位监...     

基于参数不确定性的洪水概率预报研究

水文模型参数的选取通常依靠经验判断或者依赖历史库中的不完备数据集进行自动优选,所选参数并不一定能够准确反映流域降雨径流特点,更不足以反映不同洪水涨落阶段洪水特征的变化。基于水文模型的参数存在显著不确定性的客观事实,以随机参数驱动水文模型,并结合数值模型实现概率预报。通过东湾流域36场洪水模拟试验,揭示了水文参数不确定性对洪水预报结果的显著影响,验证了概率预报算法能够给出精确、可靠的预报结果,说明该算法能够降低水文模型参数所带来的洪水预报不确定性。     

考虑预见期降水的三峡水库区间洪水预报模型研究

 选用长江三峡水库区间流域的历史雨洪资料与短期定量降水预报资料,编制三峡水库区间流域洪水预报模型,并将区间定量降水预报与区间洪水预报模型相耦合,研究了预见期降水对洪水预报的影响。提出了一个随机降水模型,随机生成 500组序列作为降水预报值输入到区间洪水预报模型,并以均值作为预报结果发布。方案比较结果表明,考虑预见期内的降水预报可提高三峡水库的洪水预报精度。     

Long-term Streamflow Forecasting Based on Ensemble Streamflow Prediction Technique: A Case Study in New Zealand

Streamflow forecasts are essential for optimal management of water resources for various demands, including irrigation, fisheries management, hydropower production and flood warning. Despite operational application of Ensemble Streamflow Prediction (ESP) for long-range streamflow forecasts in United States of America by the National Weather Service River Forecast System, no such approach has been explored in New Zealand. The objective of the present paper is to explore ESP-based forecasts in New Zealand catchments, highlighting its capability for seasonal flow forecasting. In this paper, a probabilistic forecast framework based on ESP technique is presented, with the basic assumption that future weather patterns will reflect those experienced historically. Hence, past forcing data (input to hydrological model) can be used with the current initial condition of a catchment to generate an ensemble of flow predictions. In the present study employs the ESP-based approach using the TopNet hydrological model with a range of past forcing data and current initial conditions. An ensemble stream flow predictions which provide probabilistic hydrological forecasts, reflecting the intrinsic uncertainty in climate, with lead time up to three months is presented for the Rangitata, Ahuriri, and Hooker and Jollie catchments in South Island, New Zealand. Verification of the forecast over the period 2000-2010 indicates a Ranked Probability Skill Score of 23 to 69 % (over climatology) across the four catchments. In general, improvement in ESP forecasting skill over climatology is greatest in summer for all catchments studied. The ESP based forecast exhibited higher skill for a greater percentage of the forecasting period than climatology. As a result, the ESP forecast can provide better over all information for integrated water resources management purpose. ESP-based forecasts using the TopNet hydrological model have potential as tools for water resource management in New Zealand catchments.     

SCS模型在山区小流域山洪灾害预报预警中的适用性分析

预报预警是山洪灾害防治中重要的非工程措施,是防灾减灾救灾的关键环节。选取分别代表秦巴山地水资源保护区、西南地震作用区、喀斯特地区、黄土高原超渗产流区、东南沿海台风影响区的湖北省丹江口官山河流域、四川省都江堰白沙河流域、贵州省望谟县望谟河流域、陕西省子洲县岔巴沟流域、广东省高州市马贵河流域这5个典型流域,通过构建改进的SCS模型进行历史山洪模拟,探讨该模型在小流域暴雨山洪预报预警中的广泛适用性。结果表明:基于SCS模型构建的小流域暴雨山洪预报方案中官山河、白沙河、望谟河、马贵河方案均为乙级方案,可用于正式发布预报;岔巴沟为丙级方案,可用于参考性预报。SCS模型在5个典型示范区的洪峰流量预报精度普遍在80%左右,高于我国山洪灾害洪峰流量预报平均水平(40%)。总体来说,SCS模型对各类典型流域的山洪模拟效果较好,能够用于山洪灾害预报预警业务。SCS模型结构简单,参数少,特别适用于无资料地区推广应用。     

Real-time Neural-network-based Ensemble Typhoon Flood Forecasting Model with Self-organizing Map Cluster Analysis: A Case Study on the Wu River Basin in Taiwan

Accurate hourly real-time flood forecasting is necessary for early flood warning systems, especially during typhoon periods. Artificial intelligence methods have been increasingly used for real-time flood forecasting. This study developed a real-time flood forecasting model by using back-propagation networks (BPNs) with a self-organizing map (SOM) to create ensemble forecasts. Random weights and biases were set for the BPNs to learn the characteristics of a catchment system. An unsupervised SOM network with a classification function was then used to cluster representative BPN weights and biases; clusters of BPNs with high accuracy were selected to act as experts for the ensemble models to forecast flow rates. The model was applied to flood events in the Wu River Basin of Taiwan. Most observed values were within the forecasting intervals of the BPN clusters in the calibration and validation phases, indicating that the models had acceptable accuracy. For the large flood events of typhoons Saola in the calibration phase and Soulik in the validation phase, the mean average error of the ensemble mean model for the cluster A was 143.1 and 327.4 m³/s, respectively; these values were lower than those for the best individual model within the cluster (194.3 and 917.9 m³/s). The ensemble model thus outperformed the individual models and can accurately forecast flood values and intervals. Therefore, the model can be used to accurately forecast floods.

     

基于WebGIS的洪泽湖地区洪水预报预警系统

为了加强洪泽湖地区洪水风险管理,保障淮河下游防洪安全,采用WebGIS与水文学、水力学模型相结合,将一、二维耦合的水动力学模型内嵌于B/S系统进行洪水预报预警的方法。构建了一维洪泽湖地区河道、二维洪泽湖湖面及周边滞洪区相耦合的洪水演进模型,在此基础上开发了基于WebGIS的洪泽湖地区洪水预报预警系统,实现了对降雨、洪水进行实时监控、预报和对预警关注地点水位、流量变化、洪水淹没和超标洪水预警信息的可视化展示。系统进一步提升了洪泽湖地区的防洪数字化水平,可为避险减灾提供决策支持。     

基于GIS的分布式托普卡匹水文模型在洪水预报中的应用

本文对托普卡匹(TOPKAPI)水文模型进行了改进，增加了植物截留、降水下渗、土壤水深层渗漏、地下径流等计算模块，并对壤中流计算模块作了相应的调整，将TOPKAPI模型改进成一个较完整的分布式流域水文模型。该改进后的TOPKAPI模型应用于面积约为1万km2的息县以上淮河流域1998年、2002年和2003年汛期洪水的模拟，模型确定性系数均在0.84以上，模拟成果令人满意。该模型可应用于洪水预报、土地利用和环境影响评价、洪水极值分析、无资料地区水文模拟计算等。     

考虑大孔隙下渗的HBV模型及其在山洪预报中的应用

小流域山洪预报一直是水文学研究的热点和难点问题之一。考虑到土壤大孔隙在径流形成过程中的重要作用,采用变动面积法为HBV模型增添大孔隙模块,并以黄泥庄小流域为研究区,使用改进后的HBV模型模拟分析了2010-2015年间6次洪水事件。结果表明:改进后的HBV模型在黄泥庄流域洪水模拟中模拟效果较好,预报精度均在乙级以上,可用于模拟类似小流域短历时高强度的洪水,从而为淮河流域上游山区的防汛决策提供重要参考。     

基于TIGGE数据的中期降水预报在江苏省的应用效果评估

预见期长达14d的中期降水预报对于旱涝预测与水资源调度管理等具有重要意义,全球多模式集合预报(TIGGE)资料为区域中期降水预报提供了新基础。基于2008-2013年江苏省实测降水数据,采用TS、BS评分、平均偏差和均方根误差等评估指标,重点评估了CMA、CMC、ECMWF、JMA和NCEP这五个TIGGE代表模式在江苏省的中期预报效果。结果表明:整个预见期内各模式对于中小雨的预报评分都较高,小雨的TS评分值最高多在0.5左右,中雨以上等级降水存在较明显的漏报。预见期长达15d的日累积降水量预报只存在3d的衰减期,之后各项误差指标值能维持稳定,3d以上预见期的误差主要为预报值偏大。同时,5d以上累积降水量预报也较实际偏大,且冬季预报效果最好夏季最差,苏北地区好于苏南地区。就各代表模式而言,ECMWF与JMA模式分别在降水分级预报和日累积降水量预报中表现最好。     

基于参数实时优化的洪水预报系统研究——以黑河干流洪水为例

及时准确的洪水预报系统可为防洪减灾提供重要的依据,针对目前洪水预报系统主要侧重于单模型研究、模型参数固定不变、长历时预报误差累积等问题,建立了具有多模型选择及参数优化功能的洪水实时预报系统,通过实时改进模型参数来改善预报效果。应用于黑河干流两场次洪水预报的结果表明,各预报模型在每场次洪水中的预报精度不同,且在参数优化后精度都相应地提高。由精度可知,TOPMODEL模型更适合该流域洪水预报,其精度由0.920 9、0.910 3提高到0.987 9、0.958 9。实验证明该系统在干旱半干旱区洪水预报中具有应用前景。     

KALMAN FILTERING CORRECTION IN REAL-TIME FORECASTING WITH HYDRODYNAMIC MODEL

Accurate and reliable flood forecast is crucial for efficient real-time river management, including flood control, flood warning, reservoir operation and river regulation. In order to improve the estimate of the initial state of the forecasting system and to reduce the errors in the forecast period a data assimilation procedure was often need. The Kalman filter was proven to be an efficient method to adjust real-time flood series and improve the initial conditions before the forecast. A new model integrating the hydraulic model with the Kalman filter for real-time correction of flood forecast was developed and applied in the Three Gorges interzone of the Yangtze River. The method was calibrated and verified against the observed flood stage and discharge during Three Gorges Dam construction periods （2004）. The results demonstrate that the new model incorporates an accurate and fast updating technique can improve the reliability of the flood forecast.