基于CFS的汉江上游梯级水库系统月入库径流预测

将天气预报产品引入水文模型是提高长期径流预测精度的有效途径,但引入方法仍存在难度。为此,以汉江上游梯级水库系统为例,引入智能算法及相似典型放缩,构建基于分预见期校正的CFS与SWAT耦合径流预测模型,首先甄选智能算法校正CFS降雨,然后基于相似典型放缩对其进行时空展布,最终将其输入分区率定的梯级水库SWAT模型,从而实现月径流预测。结果表明,随机森林和人工神经网络更适合于CFS预测校正且不受预见期影响,基于相似典型时空分布的耦合模型预测效果较好,能为梯级水库系统提供更为可靠的径流预测。     

一种基于WRF模式的可能最大暴雨估算新方法

数值天气模式能通过大气物理方程概化气象因子与暴雨关系,基于此模式的暴雨因子放大法已成为估算可能最大暴雨(PMP)的重要途径。考虑到风速在地形作用下能够影响水汽垂直运动,进而与水汽辐合共同影响降雨,增加风速作为放大因子,提出了基于WRF模式的水汽风速放大法估算PMP,即通过大量敏感性试验,研究水汽、风速放大的垂直层数、水平范围、倍比,诊断水汽、风速因子与PMP的正相关性,同时通过因子组合放大确定能产生最大降雨的最恶劣暴雨情景。将其应用于湖北咸宁核电厂暴雨预测中,与基于线性假定的传统水汽风速放大法相比,该法从因子放大后暴雨特征的同向增强效应角度确定最不利暴雨,更为科学合理。     

变化环境下可能最大洪水计算研究

气候变化与下垫面变化前提下,多因素共同影响明显增加了流域可能最大洪水(PMF)估算难度。为此,提出一种集气候模式结果后处理、气候变化情景下相应可能最大暴雨(PMP)估算及土地利用/覆被变化方案设定、基流/前期影响雨量影响分析、基于相似性的PMP时空展布于一体的PMF计算模式,将其应用于怒江上游。结果表明,基流/前期影响雨量及暴雨时空分布不确定性是影响流域PMF的重要因素,气候与下垫面变化双重驱动对于PMF影响较大,且变幅随着变化程度增强而增大。