贝叶斯概率水文预报研究进展与展望

水文预报不可避免地存在着输入、水文模型参数和结构等不确定性,导致预报结果也具有不确定性。因此,定量估计水文预报的不确定性,实现概率水文预报,不仅可得到比确定性预报更高的精度,而且还能为决策者提供更丰富的预报信息。本文根据不确定性来源的不同,从输入资料、模型结构、模型参数和综合不确定性等方面,详细综述了贝叶斯水文概率预报的研究进展,归纳了精度评定指标和效果检验方法,并展望了贝叶斯概率水文预报未来的研究重点和方向:(1)科学有效地解释、沟通和传播水文预报不确定性信息和概率水文预报产品;(2)建立水文集合概率预报框架,估计并降低水文预报的总不确定性;(3)开展考虑预报变量时空相关性的贝叶斯概率水文预报研究;(4)深入推动概率水文预报信息在风险决策中的应用。     

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。     

基于集合预报的淮河流域洪水预报研究

建立基于集合预报的淮河具有行蓄洪区流域洪水预报及早期预警模型。在洪水预报中引入数值天气预报以延长洪水预报的预见期。集合预报采用多模式和多分析集合预报技术,考虑初始场的不确定性和模式的不确定性,避免“单一”确定性数值天气预报结果易存在的预报误区。THORPEX 项目支撑的THORPEXInteractiveGrand GlobalEnsemble（TIGGE ）集合预报目的是建立全球交互式预报系统。本文以淮河流域为试验流域,以TIGGE 集合预报（加拿大气象中心（简称CMC,集合成员数为15个）、 欧洲中期天气预报中心（简称ECMWF,集合成员数为51个）、 英国气象局（简称UKMO ,集合成员数为24个）、 美国国家环境预测中心（简称NCEP,集合成员数为15个））驱动构建的水文与水力学相结合的具有行蓄洪区流域洪水预报模型以达延长洪水预报的预见期,新安江模型用于降雨径流计算、一维水动力学模型用于河道洪水演算,实现洪水预报及早期预警。为了进行比较,同时采用地面雨量计观测降水驱动构建的洪水预报模型,对2007和2008年淮河汛期洪水进行检验。结果表明,基于TIGGE 集合预报驱动的洪水预报预见期延长了72~120h ,证明了TIGGE 集合预报可以应用于洪水预报及早期预警。     

水文径流集合预报技术现状及关键问题浅析

水文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,可以延长水文预报有效预见期并提高预报精度,目前已在国内外得到了广泛应用。通过分析水文径流集合预报技术的特点、国内外研究现状及发展趋势,探讨集合预报应用中存在的关键技术问题,特别是指出完善后处理技术是控制集合预报误差的关键。     

GFS集合降雨预报的校正后处理研究

耦合降水集合预报信息与水文模型是水文预报发展的一个重要方向。然而由于大气运行初始条件及模式的不确定性数值降雨预报不可避免地存在误差。基于全球集合预报系统(GFS)提供的1～8d预见期的降雨集合预报数据,研究了基于扩展型Logistic算法和异方差扩展型Logistic算法发展的5个统计后处理模型对淮河流域息县子流域GFS预报降雨的校正效果。结果表明,5个模型对GFS预报降雨均具有较好的校正效果,但随着预见期的增长,各个模型的校正能力呈衰减趋势。总体而言,相较于基于扩展型Logistic算法的3个模型,基于异方差扩展型Logistic算法的2个模型具有更优的校正能力。     

ECMWF集合降水预报在长江流域应用性能评估

欧洲中期天气预报中心(ECMWF)集合预报系统被广泛应用于降水预报中,但由于长江流域地形、气候条件复杂,该系统在长江流域的应用性能有待进一步评估。利用2015年4月至2018年6月汛期(4～10月)ECMWF集合预报系统(EPS)输出的降水预报结果和全国2 000多个站日降雨观测资料,基于Brier评分、Talagrand分布、ROC分析等方法,研究了ECMWF集合预报在长江流域降水的预报性能。结果表明:①Talagrand分布表明,模式对小量级的降水预报概率偏高,而对大量级的降水预报概率偏低;ECMWF集合预报系统存在短期预报发散度不够的情况。②Brier评分表明,在同量级降水预报中,预报时效越长,准确性越低;ECMWF集合系统在近4年的降水预报有相对稳定的Brier评分。③ROC分析表明,各个时效,同量级降水预报的准确性差异不大。总体来说,不论离散度还是准确性,ECMWF集合预报系统还存在一定的系统性偏差,需要进行统计后处理订正来消除此类偏差。     

淮河梅山水库流域洪水模拟不确定性分析

由于自然水文过程的复杂性和人类认识水平的局限性,应用水文模型进行模拟和预报时不可避免地存在着诸如降水输入、模型结构和参数的不确定性,由此导致洪水模拟和预报结果的不确定性。基于三水源新安江水文模型,分析贝叶斯预报系统(BFS)-水文不确定性处理器(HUP)在淮河梅山水库入库洪水模拟不确定性分析中适用性。通过对入库洪水模拟结果的不确定性量化,实现梅山水库入库洪水概率预报。结果表明,与确定性洪水预报相比,基于不确定性分析的洪水概率预报在提供均值预报的同时还能给出更为丰富的不确定性信息(如90%预报置信区间)。     

青狮潭水库降水集合预报模式构建及应用

数值降水集合预报能够降低因单值预报带来的不确定性,是国内外关注的热点。但当前研究多将集合样本预报技巧等同对待,采用集合算数平均得到最终预报结论,这种集合预报方式较为粗放,难以有效区分不同集合样本的差异。针对该问题,本文选择位于广西暴雨中心的青狮潭水库为研究区,构建了基于ETS评分的综合定量评价模型,通过WRF模式21组参数化方案敏感性分析,以及样本数量与集合预报技巧的定量分析,依据ETS评价结果实现了青狮潭水库降水集合预报方案的构建。经验证,本文构建的集合预报方案较集合算数平均预报技巧更高,表现更加稳定。     

GEFSv12 降水再预报数据在淮河流域的适用性评估

新一代全球集合预报（global?ensemble?forecast?system?version?12,GEFSv12）是美国国家环境预报中心 （National?Centers?for?Environmental?Prediction,NCEP）发布的最新的再预报数据集,对该数据集中的降水数据在淮 河流域的适用性进行评估。由于原始预报存在系统偏差,所以应用贝叶斯联合概率模型（Bayesian?joint?probability, BJP）,对原始 GEFSv12 再预报数据进行统计后处理。预报验证的评价指标包括均方根误差（ERMS）、Brier 技巧评 分（EBSS）、连续等级概率技巧评分（ECRPSS）、α 指数及可靠性框图,注重从预报偏差、精度以及可靠性 3 方面评价原 始预报及经过后处理的预报。结果表明：GEFSv12 降水再预报数据对淮河流域具有较好的适用性,在预见期 1~7?d 具有预报技能;BJP 统计后处理方法能有效降低预报系统性偏差,增加预报精度以及预报可靠性,经过后处理的降 水集合预报将有利于进一步的水文集合预报应用。     

水文学确定性和不确定性方法及其集合研究进展

在气候变化和人类活动加剧的背景下,极端水文事件发生频率日益增加、发生时间有所改变,所造成的灾害也日趋加重。因此,如何采取科学合理的水文学方法模拟水文过程、预测水文现象是应对水灾害的重要技术手段。本文分析了水文学确定性方法和不确定性方法国内外的发展历程,系统剖析了各种方法的优点以及存在的问题,初步提出了集合研究的框架,包括:(1)不确定性方法的内部集合;(2)确定性方法和不确定性方法的外部集合(过程集合和结果集合)。在此基础上,指出了两类方法集合过程中的若干问题。     

Analysis and numerical study of a hybrid BGM-3DVAR data assimilation scheme using satellite radiance data for heavy rain forecasts

A fine heavy rain forecast plays an important role in the accurate flood forecast, the urban rainstorm waterlogging and the secondary hydrological disaster preventions. To improve the heavy rain forecast skills, a hybrid Breeding Growing Mode (BGM)-three-dimensional variational (3DVAR) Data Assimilation (DA) scheme is designed on running the Advanced Research WRF (ARW WRF) model using the Advanced Microwave Sounder Unit A (AMSU-A) satellite radiance data. Results show that: the BGM ensemble prediction method can provide an effective background field and a flow dependent background error covariance for the BGM-3DVAR scheme. The BGM-3DVAR scheme adds some effective mesoscale information with similar scales as the heavy rain clusters to the initial field in the heavy rain area, which improves the heavy rain forecast significantly, while the 3DVAR scheme adds information with relatively larger scales than the heavy rain clusters to the initial field outside of the heavy rain area, which does not help the heavy rain forecast improvement. Sensitive experiments demonstrate that the flow dependent background error covariance and the ensemble mean background field are both the key factors for adding effective mesoscale information to the heavy rain area, and they are both essential for improving the heavy rain forecasts.     

变化环境下气象水文预报研究进展

随着全球气候变化、下垫面改变及高强度人类活动的不断加剧,流域降水、蒸发、径流等气象水文要素都受到直接性的影响,水文序列的一致性假设不复存在。在变化环境下,传统径流预报方法适用性逐步变差,从而对气象水文的精准预报带来挑战。本文分别从气象水文预报的各个环节——多源降水数据融合、数值天气预报、流域水文模型、参数率定、数据同化、集合预报等方面综述了变化环境下的气象水文预报的研究进展。可以看到,国内外学者围绕上述技术都开展了大量研究,并取得了大量成果。未来针对变化环境下气象水文预报研究,将主要围绕以下方向开展:(1)落地和预报降水精度及时空分辨率的进一步提高;(2)水文模型结构的改进及不确定性分析;(3)水文预报误差的描述方法及其可靠性。     

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。     

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.     

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。     

水文模型不确定性及集合模拟总体框架

水文过程集合模拟将多种确定性和不确定性方法及物理模型和数值模型进行耦合集成,是当前减少水文过程模拟预报不确定性影响的一种有效方法。本文在回顾水文模型发展历程的基础上,从模型输入、模型参数和模型结构三方面的不确定性出发,剖析了水文模型不确定性的原因,最后对水文过程集合模拟的特点、总体框架及主要方法进行了评述。