基于集合预报的淮河流域洪水预报研究_包红军

合集下载

基于短时临近降水集合预报的中小河流洪水预报研究

基于短时临近降水集合预报的中小河流洪水预报研究

第49卷第3期2021年5月河海大学学报(自然科学版)Journal of Hohai University(Natural Sciences)Vol.49No.3May 2021DOI :10.3876/j.issn.10001980.2021.03.001 基金项目:国家重点研发计划(2018YFC1508102);国家自然科学基金(41775111,41875131)作者简介:包红军(1980 ),男,正高级工程师,博士,主要从事水文气象预报与气象灾害风险预警研究㊂E⁃mail:baohongjun@通信作者:曹勇,高级工程师㊂E⁃mail:caoyong@引用本文:包红军,曹勇,曹爽,等.基于短时临近降水集合预报的中小河流洪水预报研究[J].河海大学学报(自然科学版),2021,49(3):197⁃203.BAO Hongjun,CAO Yong,CAO Shuang,et al.Flood forecasting of small and medium⁃sized rivers based on short⁃term nowcasting and ensemble precipitation forecasts [J].Journal of Hohai University(Natural Sciences),2021,49(3):197⁃203.基于短时临近降水集合预报的中小河流洪水预报研究包红军1,2,曹 勇1,2,曹 爽1,2,王 蒙1,2(1.国家气象中心,北京 100081;2.中国气象局-河海大学水文气象研究联合实验室,北京 100081)摘要:为了延长中小河流洪水预报预见期,建立了基于短时临近精细化网格降水集合预报的中小河流洪水预报模型㊂模型采用百分位映射订正技术,发展数值模式降水预报场与实况场映射关系,结合Bayesian 模型,构建基于GRAPES⁃3KM 模式和Time⁃Lag⁃Ensemble 融合技术的短时临近降水集合预报(最优集成㊁最大(95%分位数)㊁最小(5%分位数))格点场,作为GMKHM (Grid⁃and⁃Mixed⁃runoff⁃generation⁃and⁃Kinematic⁃wave⁃based Hydrological Model )的降水驱动,进行中小河流洪水逐小时实时滚动预报㊂选择新安江屯溪流域作为试验流域,对2020年汛期流域大洪水进行实时预报㊂检验结果表明,基于短时临近最优降水预报的中小河流洪水预报模型提前了7h 预报出屯溪断面洪峰,洪峰误差为5.6%,峰现时差为-1h ,比不考虑预见期降水的中小河流洪水预报提前了4h ;基于短时临近最大㊁最小降水预报的中小河流洪水预报模型提前了13h 预报出洪峰区间,并且自7月7日9时起滚动预报最大与最小预报跨度呈逐渐减少趋势㊂在中小河流洪水预报中引入短时临近集合预报降水,对提升中小河流洪水风险防控能力有重要意义㊂关键词:中小河流洪水预报;短时临近降水预报;GRAPES⁃3KM 模式;Time⁃Lag⁃Ensemble ;分布式水文模型;屯溪流域中图分类号:P338 文献标志码:A 文章编号:10001980(2021)03019707Flood forecasting of small and medium⁃sized rivers based on short⁃termnowcasting and ensemble precipitation forecastsBAO Hongjun 1,2,CAO Yong 1,2,CAO Shuang 1,2,WANG Meng 1,2(1.National Meteorological Center ,Beijing 100081,China ;2.CMA⁃HHU Joint Laboratory for Hydrometeorological Studies ,Beijing 100081,China )Abstract :A flood forecasting model for small and medium⁃sized rivers,based on the short⁃term nowcasting and fine ensemble gridded precipitation forecasts,is established for increasing the flood foresight period.The model adopts the percentile correction method to develop the mapping relationship between the precipitation forecast field of numerical model and the observed field.Based on the GRAPES⁃3KM model and the Time⁃Lag⁃Ensemble fusion technique,a short⁃term ensemble precipitation forecasting that is consist of three members (the optimal,maximum (95%quantile)and minimum (5%quantile))is developed with the Bayesian model.Taking the developed ensemble precipitation forecasts as the driving force of GMKHM,the hourly real⁃time rolling forecasting of flood for small to medium⁃sized basin is performed.The Tunxi Basin of the Xin’anjiang River is selected as the experimental basin to test the real⁃time flood forecasting in 2020flood season.Results show that the developed model performed well,the peak discharge of the Tunxi hydrological station was forecasted with 7hours in advance,the relative error was 5.6%,and the peak time difference was pared with that without considering the precipitation in lead⁃time period,the flood forecast lead⁃time can be increased by 4hours with the optional precipitation forecasts and 13hours with the maximum and minimum precipitation forecasts.The developed model has certain reference significance for the flood forecast of similar basin.The span between maximum and minimum forecasts presented the trend of decreasing gradually since 9:00on July 7th.It is of great significance to improve the flood risk prevention and control ability of small and medium⁃sized rivers with introducing the ensemble nowcasting and short⁃term precipitation forecasts.Key words :flood forecasting of small and medium⁃sized rivers;short⁃term nowcasting precipitation forecasts;GRAPES⁃3KM model;Time⁃Lag⁃Ensemble;distributed hydrological model;Tunxi Basin891河海大学学报(自然科学版)第49卷我国中小河流众多,洪水频发,灾害严重,已经成为当前洪水防控的薄弱环节[1]㊂根据国务院‘全国山洪灾害防治规划“,中小流域面积在200~3000km2之间,流域面积小,灾害突发性强,基础与观测资料不全,坡陡流急㊁汇流快㊁预见期短,预报预警难度大[2]㊂目前,国内外中小河流洪水预报主要有精细化分布式水文模型预报法和致洪临界雨量阈值预警预报法两种[3⁃5]㊂为了获得更长时效的预报预见期,引入预见期内的降水预报是提升中小河流洪水防控与减灾救灾的重要途径之一[6]㊂中小河流汇流一般在12h以内,如何提升面向中小流域0~12h的短时临近降水精准性预报,成为中小河流洪水精细化预报与风险防控研究的重要前沿问题[7⁃8]㊂根据中国气象局2017年‘全国短时临近预报业务规定“,短时临近降水预报分为0~2h临近降水预报和2~12h短时降水预报,不同时效的降水预报技术不尽相同[9]㊂目前,国内外的临近降水预报主要是以观测信息或分析数据进行外推,外推方法以卢卡斯卡纳德(Lucas⁃Kanade)光流法(简称LK光流法)为主,目前在天气业务中应用广泛[10]㊂中小尺度天气系统短时降水预报能力的提升主要依赖于数值天气预报模式,特别是快速滚动更新的高分辨率中尺度模式[11]㊂在国内,中国气象局GPAPES⁃3KM模式[11]㊁华东中尺度模型(SMB⁃WARMS)[12]和北京RMAPS模式[13]是提升短时降水预报能力的主要途径之一㊂但中小尺度天气系统降水局地性㊁突发性强,确定性数值模式难以考虑其不确定性,而传统基于初始场扰动㊁多物理过程等的集合数值预报,耗时费力,时效性难以满足需求[8]㊂本文面向中小流域,构建基于短时临近精细化网格降水集合预报的中小河流洪水预报模型㊂模型以中国气象局雷达组网和GRAPES⁃3KM模式为基础,发展基于金字塔架构的LK光流技术和强度守恒约束的Semi⁃Lagrangian平流技术的雷达外推临近降水预报技术,提出基于GRAPES⁃3KM模式和Time⁃Lag融合的短时降水集成预报和集合预报方法,实现0~12h逐小时降水集成与集合预报,驱动GMKHM(Grid⁃and⁃Mixed⁃runoff⁃generation⁃and⁃Kinematic⁃wave⁃based Hydrological Model)[14⁃16],建立中小河流洪水预报模型㊂以皖南山区新安江江屯溪以上流域(简称屯溪流域)为例,将洪水预报模型应用于2020年7月汛期洪水中进行实时预报,以探讨其对中小河流洪水预报精度与预见期延长的效果㊂1 短时临近降水集合预报的中小河流洪水预报模型建立基于短时临近降水集合预报的中小河流洪水预报模型包括短时临近降水集合预报和GMKHM两部分㊂基于多雷达组网和GRAPES⁃3KM模式,结合Time⁃Lag⁃Ensemble技术,发展短时临近降水三成员(最优集成㊁最大和最小)集合预报技术,以短时临近集合降水预报作为分布式水文模型的雨量驱动场,实现中小河流洪水预报㊂1.1 短时临近降水集合预报1.1.1 最优集成预报短时临近降水最优集成预报包括改进的雷达LK临近(0~2h)降水预报和基于GRAPES⁃3KM模式的短时(2~12h)降水集成预报两部分㊂1.1.1.1 改进的LK临近降水预报技术目前,国内外主要应用LK光流技术进行雷达外推临近降水预报㊂传统的LK光流法难以解决估计无降水区域的最优风场㊁雨强衰减计算误差以及系统生效问题,这是制约降水临近预报精度提升的重要因素之一㊂本文基于金字塔架构改进传统的LK光流法,利用空间升尺度技术,构建金字塔结构物理量场,生成8种空间尺度的降水预报场,从底层到高层逐渐分辨率降低(自底层起5km×5km至最高层30km×30km),再由上至下逐层利用LK光流技术获取当层的平流背景风场,并作为下一层的平流背景风场的初始场,实现最优估计无降水区域背景平流风场和有降水区域背景平流风场的精细结构㊂用于降水临近外推的Semi⁃Lagrangian技术,往往由于降水的非网格点插值易导致计算的外推降水强度逐渐减弱㊂本文利用插值前后两时刻降水累积百分位匹配技术,保持降水强度守恒,并结合GRAPES⁃3KM 模式环境场预报,建立前两个时次的降水生消变化及热力不稳定环境场定量关系,实时构建降水强度增减幅统计经验关系模型,实现在外推过程中降水强度订正计算㊂结合实时Z鄄R关系动态反演降水技术[10],实现基于改进LK光流法的雷达外推临近降水预报㊂第3期包红军,等 基于短时临近降水集合预报的中小河流洪水预报研究1.1.1.2 基于GRAPES⁃3KM 模式和Time⁃Lag 融合的短时降水最优集成预报GRAPES⁃3KM 模式是中国气象局国家级区域数值天气预报业务模式,自应用以来,大大提升了中央气象台中小尺度天气预报能力[11]㊂目前,GRAPES⁃3KM 快速更新同化系统实现了逐3h 快速滚动更新预报,并实时同化最新观测资料,在短时降水预报中小尺度系统强降水预报中准确率高㊂将GRAPES⁃3KM 模式预报作为短时定量降水预报的基础场,采用实时频率匹配订正技术,利用待订正量以及观测量样本资料,分别计算待订正量经验累积概率分布函数以及观测量经验累积概率分布函数,并利用两者在经验累积概率分布函数之间的差异,进行待订正量的数值订正,最终使得订正后待订正量的经验累积概率分布函数与观测量经验累积概率分布函数一致,具体计算公式如下:x c =F -1o (F m (x m ))(1)式中:x m 待订正量;F m (x m ) 待订正量的经验累积概率分布函数;F -1o (F m (x m )) 观测量经验累积概率分布函数的逆函数;x c x m 对应的订正值㊂Time⁃Lag 技术是针对某个预报时效㊁不同起报时刻的短时定量降水预报;Bayesian 模型根据前期降水预报与实况对应关系,计算出对应于某个预报时效各个起报时刻的短时定量降水预报融合权重系数,进行集成得到短时降水最优集成预报㊂基于GRAPES⁃3KM 模式的预报实时偏差订正技术流程见图1㊂图1 基于GRAPES⁃3KM 模式的预报实时偏差订正技术流程Fig.1 Flow chart of forecast real⁃time error correction technique based on GRAPES⁃3KM mode1.1.2 最大、最小预报考虑到天气过程固有的混沌效应以及预报技术对初始场的敏感性,相邻时刻起报的临近降水预报往往会有差异,这种差异表现为预报不确定㊂利用该特点,构建基于多起报时刻的时间滞后集合降水预报(Time⁃Lag Ensemble Forecast)㊂时间滞后集合降水预报的核心是基于快速更新同化系统构建集合成员,每一次循环更新将产生高频次的预报场,贡献新的集合成员,这一过程并不占用额外的计算机资源,成为一种经济实用的集合预报方案㊂考虑到不同起报时刻的临近降水预报成员不多,一般使用6个成员㊂由于直接使用概率预报以及求解分位数极值存在跳跃误差,为此采用一致性排序技术以及线性插值技术,拟合集合概率分布曲线,并利用该曲线,构建最小可能降水(5%分位)和最大可能降水(95%分位),与最优集成降水预报,形成3个集合预报成员,提供短时临近降水预报的最优预报和最大㊁最小预报㊂1.2 GMKHM 分布式水文模型Bao 等[14]在新安江水文模型的基础上,结合DEM 和RS 技术,构建基于DEM 网格的分布式混合产流水文模型(GMKHM)㊂模型是将流域内的DEM 网格作为水文响应过程的基本单元,并假设单元网格内地形地貌㊁陆面植被覆盖和土壤组成类型等下垫面条件和降水强迫空间分布一致,GMKHM 中只考虑DEM 网格间水文要素的变异性㊂在网格水文单元中,植被冠层截留和蒸散发计算后得到的净雨量,经过混合产流计算与划分水源,根据河网逐网格汇流演算次序,依次将地表径流㊁壤中流与地下径流演算至流域出口断面,得到其水文过程㊂在单元网格垂直方向上分为4层:植被层㊁上层土壤㊁下层土壤㊁深层土壤㊂在植被层考虑植被截留,对3层土壤层采用新安江水文模型的3层蒸散发模型进行蒸散发计算㊂应用考虑蓄满与超渗两种产流机制的混合产流模型进行网格内产流计算;坡面汇流和河道汇流均采用逐网格的一维运动波水流演算模型㊂在逐网格分布式汇流模型中,将上游网格入流作为当前网格单元产流计算中降水量的一部分处理,当此网格为河道网格,径流量将按比例汇入河道[15]㊂2 模型应用2.1 流域介绍及主要数据选取新安江屯溪流域作为模型应用检验流域㊂屯溪流域位于新安江流域上游皖南山区,属于副热带季991002河海大学学报(自然科学版)第49卷风气候区,多年平均降水量约为1800mm,为典型的湿润中小流域㊂屯溪水文站是新安江干流上游主要控制站,流域面积2693km2,地势西高东低,坡陡流急,最大落差达1018m,极易形成洪水㊂流域内植被良好,主要包括常绿针叶林㊁落叶阔叶林㊁混合林㊁灌木林㊁牧草地与耕地,土壤类型主要为壤土㊁砂质黏壤土㊁砂壤土和壤砂土㊂新安江流域为山区型河流,雨期集中在4 7月,洪水暴涨暴落,洪峰持续时间短,汛期与降水量一致,其降水量占年降水总量的65%㊂屯溪流域面积占整个新安江流域面积的24.4%㊂屯溪水文站实测最大洪峰流量5780m3/s(1969年5月5日)㊂屯溪流域1980 2013年间共34场次洪水,其中2008年的洪水最大,洪峰流量达5250m3/s;用于中小河流实时洪水预报的2020年汛期洪水,洪峰流量为5040m3/s㊂本文使用的气象数据来自中国气象数据网,水文数据摘自‘中华人民共和国水文年鉴“[17],DEM数据来自美国地质调查局(USGS)提供的全球30″×30″分辨率的DEM数据[18]㊂流域下垫面覆盖数据采用美国地质调查局提供的全球30″×30″土地覆盖数据[19]㊂2.2 模型参数空间估计GMKHM参数呈现空间网格上的不均匀分布,如直接应用传统流域出口断面水文过程难以进行模型参数率定㊂GMKHM依据参数的物理意义,建立与流域地貌特征㊁土壤类型以及植被覆盖等之间的定量关系,减少了模型参数对流域出口断面水文资料的依赖,可以获得参数合理的空间分布[19]㊂GMKHM蒸散发参数中叶面指数㊁最大叶面指数㊁作物高度通过每个栅格单元的LADS直接获取[20];深层蒸散发系数与栅格单元的植被覆盖率有关,在植被密集地区可取0.18,因此可假定其与植被覆盖率的比值为0.18[21];蒸散发折算系数主要与测量水面蒸发所用的蒸发器有关,对于国内普遍采用的E⁃601蒸发皿而言,一般取1;地表曼宁糙率系数可由陆面地表覆盖类型得到[22]㊂产流模型(含分水源)参数包括蓄满产流与超渗产流两类参数㊂单元栅格张力水容量㊁自由水蓄水容量根据赵人俊等[23]比较新安江模型与SACRAMENTO模型后得出㊂壤中流的出流系数和地下水的出流系数根据赵人俊等[23]的研究成果,其和表示自由水出流的快慢,与土壤类型有关㊂超渗产流计算中,Green⁃Ampt下渗方法参数的有效水力传导度㊁湿润锋面土壤吸力均根据水文学手册[24]取值,饱和含水率由栅格单元的土壤类型获取[25]㊂由于新安江屯溪流域为典型湿润流域,以蓄满产流为主,模型运行时关闭超渗产流计算模块㊂汇流参数包括河道曼宁糙率系数㊁地表坡度㊁河道坡度㊂河道曼宁糙率系数和河道坡度与上游汇水面积有关,地表坡度㊁河道坡度均可通过DEM数据求得[17]㊂2.3 模型应用与分析2.3.1 对历史典型洪水的验证选取1980 2013年间34场屯溪流域历史典型洪水,时间步长取为1h,用GMKHM对其进行洪水模拟,探求模型的适用性㊂根据DEM与下垫面覆盖数据的分辨率(30″×30″),屯溪流域划分为3605个30″×30″的水文计算单元网格,流域降水资料采用反距离权重法插值到网格计算单元㊂表1为34场洪水模拟结果特征值㊂GMKHM参数直接由空间估计获取,减少了对历史资料的依赖㊂从预报结果可以看出,与新安江模型相比,GMKHM在屯溪流域洪水模拟效果评估中,根据GBT22482 2008‘水文情报预报规范“,均为甲等预报方案,应用效果良好:GMKHM与新安江模型模拟精度相当,径流量相对误差和峰现时差平均值GMKHM稍优,洪峰相对误差平均值相近㊂GMKHM是在新安江模型基础上发展的,应用于屯溪流域时,只保留蓄满产流,从1986⁃06⁃11㊁1989⁃05⁃01㊁1994⁃05⁃01㊁1999⁃05⁃21㊁2008⁃06⁃09㊁2013⁃06⁃27等模拟结果可以看出,模型对流域洪水预报精度良好,也证明了GMKHM应用的合理性和可靠性㊂2.3.2 2020年汛期洪水实时预报2020年6月23日至7月11日,屯溪流域历经13场较强降水过程,流域累计面雨量为710.4mm,持续强降水致使屯溪水文站在7月7日16时流量达5040m3/s,中小河流洪水灾害严重㊂本文以发展的短时临近降水逐小时滚动集合(最优㊁最大㊁最小)预报驱动GMKHM,对本次洪水过程进行逐小时实时滚动预报,探求对中小河流洪水预报预见期的延长效果㊂其中,洪水起报时间从7月7日2时开始,起报时间前使用实况降水,起报时间至峰现时间预见期内使用降水集合预报;以较强降水(5mm/h以上)量级进行检验评估,0~ 2h临近定量降水预报逐小时Threat Scores(TS)评分平均为0.15,高于传统LK光流法的0.07;2~12h短时定量降水预报逐小时TS评分平均为0.12;12h累计定量降水预报TS评分达0.51,高于GRAPES⁃3KM同预第3期包红军,等 基于短时临近降水集合预报的中小河流洪水预报研究表1 屯溪流域洪水模拟特征值对比Table1 Characteristic comparison of flood simulation results in Tunxi Basin序号洪水起始日期累计降水量/mm实测洪峰流量/(m3㊃s-1)径流量相对误差/%洪峰相对误差/%峰现时差/h确定性系数G X G X G X G X11982⁃05⁃01191.324280-1.33 1.99-0.2 2.8100.980.97 21983⁃05⁃1174.151300-7.137.28-10.1 2.50-10.920.96 31983⁃05⁃1474.591510 3.8612.57-15.3-1.70-10.980.95 41983⁃05⁃29125.6124908.7215.4711.118.7-2-30.950.85 51983⁃06⁃0997.352170-3.99 2.94 4.5-6.0-300.90.97 61984⁃05⁃0189.615708.2510.66-26.0-24.9-1-20.860.79 71984⁃08⁃26135.932513-4.48-14.68 1.4-0.7440.970.96 81986⁃06⁃1191.5722600.73-1.27 6.3 5.70-10.940.92 91987⁃06⁃1927.0394519.9329.6916.725.0450.80.78 101988⁃05⁃0777.301390-6.65-5.91-16.1-13.6-1-20.850.81 111988⁃06⁃1140.191000 6.0424.91 1.919.3-1-20.880.83 121989⁃05⁃0178.92174010.207.49 1.8-8.20-30.970.84 131989⁃06⁃12113.472274 1.71 6.59-10.8-0.40-10.970.98 141989⁃06⁃3071.451740 2.3117.36 1.413.50-20.970.93 151989⁃07⁃2289.21470-6.53-29.60 2.20.8-2-40.870.76 161990⁃05⁃0152.671700-9.41 3.3414.815.8-1-20.960.93 171990⁃06⁃11126.942500 5.327.66-12.7-6.8310.940.98 181991⁃05⁃18130.3722208.96 3.96-19.3-14.6-3-40.90.84 191991⁃06⁃3054.552060 2.7910.4622.630.7-1-20.870.84 201992⁃06⁃20114.8531509.10-12.76-2.2-6.4-1-20.960.83 211993⁃05⁃27193.614700 1.5111.49-18.0 4.70-20.950.91 221994⁃05⁃01154.6841607.660.53-0.8-19.4-1-20.970.83 231995⁃05⁃15113.244070 6.62 6.3312.7 3.4-3-20.890.95 241996⁃06⁃01180.696490 3.83-5.2814.3-3.11-30.960.87 251997⁃06⁃06116.272730-6.15-1.830.918.9-3-40.950.84 261998⁃05⁃01132.32427015.69-3.0719.18.7-1-40.930.91 271999⁃05⁃2191.262960-2.5016.26 4.3 3.61-10.980.91 281999⁃06⁃22131.2337809.7625.099.419.80-40.960.82 291999⁃08⁃24118.4128900.2411.28-19.49.0000.960.92 302001⁃05⁃0172.361410-25.7314.41-19.210.80-10.870.88 312001⁃06⁃20134.523640-9.23-15.33-1.50-3-20.890.92 322002⁃05⁃13123.812120-8.319.40-4.3-1.2010.860.94 332008⁃06⁃09154.315250-1.33 1.62-0.20.3110.980.98 342013⁃06⁃27137.213980-7.137.82-10.19.1000.920.93绝对值平均 6.9010.509.89.7 1.2 1.90.920.89 注:G代表GMKHM,X代表新安江水文模型㊂报时效评分;以洪峰误差20%㊁峰现时间误差为1h衡量洪峰预报准确性㊂从表2和图2可以看出,7月7日2 7时起报的降水预报精度相对不高,导致最优预报洪峰效果越来越差,但随着7时之后起报的降水预报精度逐步提升,洪水最优预报精度随着预见期临近越来越高;自9时起报的洪峰误差均在10%,最优预报的峰现时间误差均小于1h,而不考虑预见期降水的中小河流洪水预报直到13时才预报出洪峰,且峰现时间误差为1h,对比预见期提前了4h;且自2时起报的最大预报与最小预报很好地包含了实况流量过程线,之间的跨度(最大与最小预报之差)越来越小,接近于实况过程㊂3 结 语为了延长中小河流洪水预报的预报预见期,发展了短时临近精细化网格降水集合预报(3个成员:最优预报㊁最大预报㊁最小预报)技术,驱动GMKHM,建立基于短时临近集合预报的中小河流洪水预报模型㊂以皖南山区新安江上游屯溪流域为验证流域,对流域2020年汛期大洪水进行实时滚动预报㊂结果表明,基于短时临近最优降水预报的中小河流洪水预报模型提前了7h预报出屯溪洪峰,洪峰误差为5.6%,峰现时差为-1h,比不考虑预见期降水的中小河流洪水预报提前了4h;基于短时临近最大㊁最小降水预报的中小河流102河海大学学报(自然科学版)第49卷表2 屯溪流域2020年实时预报洪水洪峰Table 2 Flood peak of Tunxi Basin by real⁃time forecasting in 2020序号洪水起报时间预报洪峰/(m 3㊃s -1)最优最大最小跨度最优预报峰现时间/h17月7日2时5333.39040.53242.05798.5-427月7日3时5488.96169.32529.23640.1-337月7日4时4537.35893.92663.63230.3-347月7日5时3943.16400.12964.53435.6-257月7日6时3433.75694.12867.92826.2-267月7日7时2967.14721.52134.82586.7-277月7日8时4360.54647.43459.91187.5-287月7日9时4777.95586.74063.31523.4-197月7日10时4887.95281.84089.21192.6-1107月7日11时4910.05588.14414.61173.5-1117月7日12时5085.85187.14456731.10127月7日13时5017.35481.34816.2665.1雨量实况场(6月23日17时至7月7日9时)㊁雨量预报场(7月7日9 16时)图2 2020年屯溪流域基于降水最优预报的洪水预报结果Fig.2 Flood forecasting result based on optimal precipitation forecasts in Tunxi Basin in 2020洪水预报模型提前13h 预报出洪峰区间,并自7月7日9时起,最大与最小预报之间跨度逐渐减少㊂笔者认为,针对面向中小河流洪水预报的流域雨量场构建,仍需要进一步的研究㊂a.流域雨量实况场㊂中小流域水文气象监测不足,呈 东密西疏” 大密小疏”,空间代表性不够,基于天气雷达回波反演特别是在复杂地形地区的降水反演精度不够,难以准确捕捉中小河流致洪强降水的精细化分布㊂随着多源遥感技术的快速发展,基于天基㊁空基㊁地基等多源监测资料,研发复杂地形影响下不同水文气象分区基于大数据识别与融合同化技术的三维降水监测技术,是提升面向中小河流洪水预报的流域雨量场精度的重要手段之一㊂b.流域雨量预报场㊂降水是决定中小河流洪水预报精度和预见期的关键因素,目前,面向中小流域的高分辨率雨量预报场构建技术亟须加强㊂构建不同水文气象分区降水特征条件下多源信息融合的高时空分辨率雨量场,发展基于人工智能与数值模式的雷达智能外推短时临近降水预报技术,构建面向中小流域的无缝隙精细化智能网格降水预报,是中小河流洪水预报下一步要解决的关键技术㊂参考文献:[1]李致家,朱跃龙,刘志雨,等.中小河流洪水防控与应急管理关键技术的思考[J].河海大学学报(自然科学版),2021,49(1):13⁃18.(LI Zhijia,ZHU Yuelong,LIU Zhiyu,et al.Thoughts on key technologies of flood prevention and emergencymanagement in small and medium⁃sized rivers[J].Journal of Hohai University (Natural Sciences),2021,49(1):13⁃18.(in Chinese))[2]WAN Y,KONYHA K.A simple hydrologic model for rapid prediction of runoff from ungauged coastal catchments[J].Journal of Hydrology,2015,528:571⁃583.[3]REED S,SCHAAKE J,ZHANG Z.A distributed hydrologic model and threshold frequency⁃based method for flash flood forecasting at ungauged locations[J].Journal of Hydrology,2007,337(3/4):402⁃420.[4]GOLIAN S,SAGHAFIAN B,MAKNOON R.Derivation of probabilistic thresholds of spatially distributed rainfall for flood forecasting[J].Water Resources Management,2010,24(13):3547⁃3559.[5]包红军,林建,曹爽,等.基于流域地貌的中小河流致洪动态临界面雨量阈值研究[J].气象,2020,46(11):1495⁃1507.202302第3期包红军,等 基于短时临近降水集合预报的中小河流洪水预报研究(BAO Hongjun,LIN Jian,CAO Shuang,et al.Topography⁃based dynamic critical area rainfall threshold for small to middle⁃sized river flood warning[J].Meteorological Monthly,2020,46(11):1495⁃1507.(in Chinese))[6]LI J,CHEN Y,WANG H,et al.Extending flood forecasting lead time in a large watershed by coupling WRF QPF with adistributed hydrological model[J].Hydrology and Earth System Sciences Discussions,2016,21:1⁃45.[7]刘佳,邱庆泰,李传哲,等.降水临近预报及其在水文预报中的应用研究进展[J].水科学进展,2020,31(1):129⁃142.(LIU Jia,QIU Qingtai,LI Chuanzhe,et al.Advances of precipitation nowcasting and its application in hydrological forecasting [J].Advances in Water Science,2020,31(1):129⁃142.(in Chinese))[8]包红军,曹勇,林建,等.山洪灾害气象预警业务技术进展[J].中国防汛抗旱,2020,30(9/10):40⁃47.(BAO Hongjun,CAO Yong,LIN Jian,et al.A review:operational technology advances in meteorological early warning for flash flood disasters [J].China Flood&Drought Management,2020,30(9/10):40⁃47.(in Chinese))[9]毕宝贵,代刊,王毅,等.定量降水预报技术进展[J].应用气象学报,2016,27(5):534⁃549.(BI Baogui,DAI Kan,WANGYi,et al.Advances in techniques of quantitative precipitation forecast[J].Journal of Applied Meteorological Science,2016,27(5):534⁃549.(in Chinese))[10]金荣花,代刊,赵瑞霞,等.我国无缝隙精细化网格天气预报技术进展与挑战[J].气象,2019,45(4):445⁃457.(JINRonghua,DAI Kan,ZHAO Ruixia,et al.Progress and challenge of seamless fine gridded weather forecasting technology in China [J].Meteorological Monthly,2019,45(4):445⁃457.(in Chinese))[11]庄照荣,王瑞春,李兴良.全球大尺度信息在3km GRAPES⁃RAFS系统中的应用[J].气象学报,2020,78(1):33⁃47.(ZHUANG Zhaorong,WANG Ruichun,LI Xingliang.Application of global large scale information to GRAEPS RAFS system[J].Acta Meteorologica Sinica,2020,78(1):33⁃47.(in Chinese))[12]徐同,李佳,王晓峰,等.2010年汛期华东区域中尺度数值模式预报效果检验[J].大气科学研究与应用,2011(2):10⁃23.(XU Tong,LI Jia,WANG Xiaofeng,et al.Validation of mesoscale numerical model in East China during2010flood season[J].Research and Application of Atmospheric Science,2011(2):10⁃23.(in Chinese))[13]陶局,赵海坤,易笑园,等.基于RMAPS的一次局地强降水过程成因分析[J].气象科技,2019,47(2):299⁃230.(TAO Ju,ZHAO Haikun,YI Xiaoyuan,et al.Causal analysis of a short⁃time strong rainfall based on RMAPS and observation data[J].Meteorological Science and Technology,2019,47(2):299⁃230.(in Chinese))[14]BAO Hongjun,WANG Lili,ZHANG Ke,et al.Application of a developed distributed hydrological model based on the mixedrunoff generation model and2D kinematic wave flow routing model for better flood forecasting[J].Atmos Sci Lett,2017,18(7): 284⁃293.[15]包红军,李致家,王莉莉,等.基于分布式水文模型的小流域山洪预报方法与应用[J].暴雨灾害,2017,36(2):156⁃163.(BAO Hongjun,LI Zhijia,WANG Lili,et al.Flash flood forecasting method based on Distributed Hydrological Models in a small basin and its application[J].Torrential Rain and Disasters,2017,36(2):156⁃163.(in Chinese))[16]包红军,王莉莉,李致家,等.基于Holtan产流的分布式水文模型[J].河海大学学报(自然科学版),2016,44(4):340⁃346.(BAO Hongjun,WANG Lili,LI Zhijia,et al.A distributed hydrological model based on Holtan runoff generation theory [J].Journal of Hohai University(Natural Sciences),2016,44(4):340⁃346.(in Chinese))[17]中华人民共和国水文年鉴:安徽省新安江水文资料(1980 2013)[R].北京:中华人民共和国水利部水文局,2014.[18]U S Geological Survey(USGS).GTOP30[EB/OL].[2006⁃02⁃10]./products/elevation/gtopo30/gtopo30.html,2005.[19]U S Geological Survey(USGS).Global land cover characteristics data base[EB/OL].[2006⁃02⁃10]./glcc/globdoc2_0.asp,2005.[20]Land Data Assimilation Schemes(LDAS),Mapped Vegetation Parameters[EB/OL].[2015⁃07⁃12]./LDAS8th/MAPPED.VEG/LDASmapveg.shtml,2010.[21]YAO Cheng,LI Zhijia,YU Zhongbo,et al.A priori parameter estimates for a distributed,grid⁃based Xinanjiang model usinggeographically based information[J].Journal of Hydrology,2012,468/469:47-62.[22]VIEUX B E.Distributed hydrologic modeling using GIS[M].Dordrecht,The Netherlands:Kluwer Academic,2001.[23]赵人俊,王佩兰.新安江模型参数的分析[J].水文,1988(6):2⁃9.(ZHAO Renjun,WANG Peilan.Parameter analysis ofXin’anjiang Model[J].Journal of China Hydrology,1988(6):2⁃9.(in Chinese))[24]MAIDMENT D R.Handbook of hydrology[M].New York:McGraw⁃Hill,1993.[25]ANDERSON R M,KOREN V,REED ing SSURGO data to improve Sacramento Model a priori parameter estimates[J].Journal of Hydrology,2006,320:103⁃106.(收稿日期:20210419 编辑:胡新宇)。

淮河上中游洪水预报调度系统在1991年抗洪中的应用

淮河上中游洪水预报调度系统在1991年抗洪中的应用

淮河上中游洪水预报调度系统在1991年抗洪中的应用
李纪人
【期刊名称】《河海大学学报(自然科学版)》
【年(卷),期】1992(000)001
【摘要】淮河上游雨量充沛且集中,暴涨暴落;中游河道比降小,行洪能力不足,支流众多且与干流相互干扰大,两侧行蓄洪区使用则比较频繁.因此,淮河水情复杂,洪水预报的难度很大;同时,由于中游的行洪能力低.行蓄洪区的调度使用也非常重要.洪水预报和调度对淮河流域,尤其是津浦铁路、两淮煤矿以及蚌埠等工业城市的安全至关重要,所以建立淮河流域的洪水预报调度系统乃至防决策支持系统或专家系统具有十分重大的意义.
【总页数】3页(P124-126)
【作者】李纪人
【作者单位】安微省水文总站;河海大学水资源水文系
【正文语种】中文
【中图分类】P338.6
【相关文献】
1.涔天河洪水预报调度系统在防洪调度中的应用及效益 [J], 李垂福
2.基于RS和GIS的淮河流域洪水预报与调度系统 [J], 张建立;李纪人;禹雪中;徐时进
3.洪水预报模型软件在洪水预报调度中应用 [J], 周俊成
4.淮河洪水预报调度系统建设及在抗流域大洪水的应用 [J], 王凯;钱名开;徐时进;
胡友兵;陈邦慧
5.淮河洪水预报调度系统建设及在抗流域大洪水的应用 [J], 王凯;钱名开;徐时进;胡友兵;陈邦慧
因版权原因,仅展示原文概要,查看原文内容请购买。

2003年汛期淮河流域降水的集合预测试验研究

2003年汛期淮河流域降水的集合预测试验研究

2003年汛期淮河流域降水的集合预测试验研究徐广阔;赵思雄;王业桂;杨玉震【期刊名称】《气候与环境研究》【年(卷),期】2007(12)4【摘要】利用并行化全球中期数值预报模式MPGM,对2003年夏季淮河流域特大降水作了集合预报试验.试验中提出一种繁殖循环初始扰动生成方法,产生9个集合成员的初值场,利用该初值集合对这次降水过程进行了集合模拟,然后对集合预报试验的结果同对照试验进行了对比分析,并对降水期间的物理量场及降水情况的模拟结果进行了分析.结果表明:集合预报试验的结果优于不加扰动的对照试验的结果,说明集合预报技术在一定程度上能够减小甚至消除数值预报中的不确定性,提高数值预报的精度;集合预报试验较好地模拟出了降水期间的物理量场与天气形势,并对此次降水情况作了较好的预报,可以对降水预报提供有益的参考.【总页数】8页(P481-488)【作者】徐广阔;赵思雄;王业桂;杨玉震【作者单位】中国科学院大气物理研究所,北京,100029;中国科学院研究生院,北京,100039;中国科学院大气物理研究所,北京,100029;解放军总参谋部气象水文中心,北京,100081;解放军总参谋部气象水文中心,北京,100081【正文语种】中文【中图分类】P435【相关文献】1.1960-2014年淮河上中游流域年降水和主汛期降水的时空分布特征 [J], 王景才;徐蛟;蒋陈娟;黄金柏2.安徽省淮河流域2003年7月汛期污染规律分析 [J], 朱余3.厄尔尼诺/拉尼娜与淮河流域汛期降水r年际关系的稳定性分析 [J], 罗连升;徐敏;梁树献4.2003年淮河流域梅汛期首场大暴雨成因分析 [J], 王东生;康志明;杨克明5.多模式集合优选方案在淮河流域夏季降水预测中的应用 [J], 程智;段春锋;邓淑梅因版权原因,仅展示原文概要,查看原文内容请购买。

基于重组降水集合预报的洪水概率预报

基于重组降水集合预报的洪水概率预报

基于重组降水集合预报的洪水概率预报赵琳娜;刘莹;包红军;王彬雁;白雪梅;李潇濛;杨瑞雯;李依瞳【期刊名称】《应用气象学报》【年(卷),期】2017(028)005【摘要】采用条件亚正态模型方法,生成了具有包含不同可能性的降水集合预报.为了保持各子流域降水集合预报变量之间的空间相关性,采用集合预报重组方法对降水集合预报进行重新排列.使用重组后的降水集合预报驱动水文模型,实现了淮河上游大坡岭—息县、淮河上游息县—王家坝和汝河—洪河上游3个子流域的12次洪水过程的洪水概率预报,并对1988年9月7日和1991年7月31日两次洪水概率预报进行个例分析.结果表明:相对于单一确定性预报,通过条件亚正态分布模型生成降水集合预报后,再经过Schaake洗牌法空间相关性重新组合的降水集合预报,捕捉洪峰出现时间和流量的能力更强.对洪水概率预报来说,降水概率预报更能达到对未来的水文事件进行最大可能估计的目的,并尽可能综合了降水预报不确定性因素,同时也说明维持变量原有的空间相关特征对于降水概率预报具有重要意义.%Daily precipitation records of 19 rain gauges over the Huaihe Wangjiaba-Dapoling catchment and single-value forecasts of 24-hour cumulative precipitation of the Global Forecast System (GFS) with lead time up to 14 days from 1 January 1981 to 31 December 2003 are employed to construct a probability forecast model which can generate ensemble forecast based on conditional meta-Gaussian distribution.Several single-value forecasts could be computed by this model using forecasts of the GFS for daily mean areal precipitation (MAP) and cumulative MAP for each lead time (1-14 days) over 3 sub-catchments in the Huaihe Basin.Then a method is implemented to reorder the ensemble output to recover the space-time variability in precipitation,namely Schaake shuffle method.Ensembles are then reordered to match the original order of the selection of historical ing this approach,the observed inter sub-catchments correlations,intervariable correlations,and the observed temporal persistence are almost entirely recovered.This reordering methodology is applied in recovering the space-time variability in modeled streamflow for twelve flood processes over the Huaihe Basin.Results demonstrate that the observation of discharge is included in the interval between the 5th percentage and the 95th percentage forecasts of discharge that is generated by MAP ensemble forecasts which is calculated from the conditional meta-Gaussian distribution model and Schaake shuffle.Several members can capture the flood peak flow and the corresponding peak ing approach of Schaake Shuffle,sub-catchment correlations of each ensemble member forecasting could be recovered,which are closer to the observation.A test of flood forecasting result from precipitation probability forecasts of conditional meta-Gaussian distribution model and Schaake shuffle for the stream between Dapoling to Wangjiaba Hydrologic Station is carried out.It shows that MAP ensemble forecasts can provide the maximum estimation of possibility of the future hydrologic events for flood forecasting comparing to the single-value MAP forecast of GFS model.And a comprehensive interval which includes the factor that can lead to hydrologic uncertainty is also given.【总页数】11页(P544-554)【作者】赵琳娜;刘莹;包红军;王彬雁;白雪梅;李潇濛;杨瑞雯;李依瞳【作者单位】中国气象科学研究院灾害天气国家重点实验室,北京100081;成都信息工程大学大气科学学院高原大气与环境四川省重点实验室,成都610225;四川省气象台,成都610072;国家气象中心,北京100081;四川省气象台,成都610072;黑龙江省气象台,哈尔滨150001;中国气象科学研究院灾害天气国家重点实验室,北京100081;成都信息工程大学大气科学学院高原大气与环境四川省重点实验室,成都610225;中国气象科学研究院灾害天气国家重点实验室,北京100081;成都信息工程大学大气科学学院高原大气与环境四川省重点实验室,成都610225;中国气象科学研究院灾害天气国家重点实验室,北京100081;吉林省气象台,长春130062【正文语种】中文【相关文献】1.基于贝叶斯理论的集合降水概率预报方法研究 [J], 韩焱红;矫梅燕;陈静;陈法敬2.基于模式先验信息的贝叶斯集合降水概率预报试验 [J], 张宇彤;矫梅燕;陈静3.基于贝叶斯模式平均的大渡河流域集合降水概率预报研究 [J], 钟逸轩;吴裕珍;王大刚;孔冬冬4.基于ECMWF集合预报的海河流域降水概率预报应用和检验 [J], 徐姝;熊明明;陈法敬5.考虑降水预报的三峡入库洪水集合概率预报方法比较 [J], 巴欢欢;郭生练;钟逸轩;刘章君;吴旭树;何绍坤因版权原因,仅展示原文概要,查看原文内容请购买。

气象集合预报在水文领域中的应用研究进展

气象集合预报在水文领域中的应用研究进展

气象集合预报在水文领域中的应用研究进展卢迪;彭勇;徐炜;周惠成【摘要】Ensemble forecast is a probabilistic forecast technique developed from the uncertainty of numerical prediction .Using ensemble forecast can improve the forecast time and accuracy of hydrological forecast in reservoir operation .It has been widely used in developed countries .In this paper ,the development progress of ensemble forecast wasintroduced ,and the research pro-gress on ensemble forecast in hydrological application was analyzed from three aspects ,including the flood warning ,runoff pre-diction ,and reservoir regulation .In addition ,the verification of ensemble forecast and key issues in the hydrological application w ere discussed .%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

基于集合预报的淮河流域洪水预报研究

基于集合预报的淮河流域洪水预报探究引言淮河流域是中国重要的流域之一,也是洪水频发的地区。

准确预报淮河流域的洪水是防洪抗涝工作的关键。

传统的洪水预报方法主要依靠个别数值模式的输出结果,然而由于各种因素的不确定性,单一模式往往难以满足准确的预报要求。

因此,基于集合预报的洪水预报方法应运而生。

本文将介绍,重点谈论集合预报技术的原理、方法和应用。

一、集合预报技术的原理集合预报技术是指在洪水预报中使用多个数值模式的集合输出结果,通过统计方法分析、整合和加权计算得到预报结果。

其原理在于,不同的数值模式可能在地理和物理参数、模拟方法等方面存在差异,因此它们的预报结果也会有所不同。

通过将多个数值模式的预报结果进行集成,可以减小单一模式的不确定性,提高洪水预报的准确性。

二、基于集合预报的洪水预报方法1. 集合生成集合生成是基于集合预报的第一步,主要通过运行多个数值模式,并针对不同的物理和数值参数进行屡次模拟。

这样可以获得多个数值模式的集合输出结果作为后续预报分析的基础。

2. 不确定性分析不确定性分析是基于集合预报的关键环节之一。

通过对集合输出结果进行统计分析,可以获得各种不确定性的信息。

常用的不确定性分析方法包括方差分析、概率分布函数分析等。

这些方法可以定量地描述洪水预报结果的不确定性程度,从而为后续的预报改进和决策提供依据。

3. 集成方法集成方法是基于集合预报的核心技术,用于将多个数值模式的预报结果进行整合和加权计算。

常用的集成方法包括均值法、加权平均法、融合法等。

这些方法可以依据不同的需求,对不同的数值模式进行合理的加权,从而得到更准确的洪水预报结果。

三、基于集合预报的洪水预报应用探究1. 洪水预警和决策支持基于集合预报的洪水预报可以提供更准确的洪水预警信息,为有关部门制定洪水应急预案和决策提供科学依据。

通过对不同数值模式集合输出结果的比较,可以评估不同预报结果的可信度,并准时调整预警等级和警报范围,提高预警的准确性和准时性。

基于Muskingum-Cunge法的河道水位流量预报研究

基于Muskingum-Cunge法的河道水位流量预报研究
Muskingum 法 是 实 际 生 产 中 常 用 的 集 总 式 河 道 演 算 方 法 , 由 于 在 河 道 洪 水 演 算 中 的 简 便 忡 和 广 泛
的 适 硐 性 , 其 参 数 确 定 方 法 也 多 种 多 样 最 初 的 Muski x·gui 'll法 参 数 槽 蓄 系 数 K 和 杖 蓖 I 于 的 确 定 方 法 是 试 错 法 。 为 了 克 服 试 错 法 计 算 量 大 和 主 观 性 过 强 的 缺 点 , 有 学 者 采 用 最 小 ■ 乘 法 推 导 H{参 数
中 图分 类 号 :P338.2
文 献 标 识 码 :A
文 章 编 号 :0559—9342(2018)08—0008—05
0 引 言
河 道 水 流 演 算 水 力 要 素 属 于 三 维 非 恒 定 的 水 力 学 问 题 … 。 考 虑 到 三 维 非 恒 定 的 水 力 学 模 型 基 本 方 程 理 论 假 设 与 数 学 求 解 问 题 , 在 生 产 实 际 作 、l r{ 往 往 概 化 为 一 维 非 恒 定 流 模 型 。 圣 维 南 方 程 组 是 描 述 一 维 水 流 非 恒 定 流 运 动 的 基 础 方 程 , 水 位 模 拟 与 预 报 精 度 较 高 ;但 其 对 资 料 , 特 别 是 断 面 资 料 要 求 较 高 ,计 算 繁 琐 , 且 目前 尚 无 法 求 出 解 析 通 解 ,其 近 似 概 化 模 型 有 运 动 波 、 扩 散 波 等 。 其 他 H1 F河 道 洪 水 演 算 方 法 还 有 滞 后 演 算 法 等 经 验 方 法 、线 水 库 法 、 非 线 性 水 库 法 和 Mnskingum 法 , 其 l1l 1以 Muskingum 最 为 常 用 。。

淮河长期预报模型研究——以2007年预测淮河蚌埠站大洪水为例

淮河长期预报模型研究——以2007年预测淮河蚌埠站大洪水为例

淮河长期预报模型研究——以2007年预测淮河蚌埠站大洪
水为例
范垂仁;李秀斌
【期刊名称】《中国防汛抗旱》
【年(卷),期】2008(018)002
【摘要】文中首先阐明为什么要研制淮河长期预报模型的出发点和立足点;本模
型是从全方位、动态的、立体的长序列的交叉学科入手,提出要采用定性和定量相结合思路,根据淮河流域水文气象特点研制了可公度网络图、气候指数计算预测最大流量等九种方法;同时对这些模型思路、方法物理机制、应用条件也作了详细介绍,并以2007年淮河蚌埠站为实例作了预测,最后又同我们今春发表在“黄皮书”预测意见进行对比,最大流量预测大于7000m3/s实况7450m3/s;峰现时间
预测7月20日实况7月11日。

【总页数】6页(P35-40)
【作者】范垂仁;李秀斌
【作者单位】长春自然灾害预测研究服务中心,吉林长春130024;东北电网有限公
司白山发电厂,吉林桦甸132400
【正文语种】中文
【中图分类】P456.3
【相关文献】
1.基于可公度性网络分析的淮河蚌埠站大洪水预测研究
2.我国淮河流域夏季降水长期预报的回归模型的初步研究
3.淮河息县站流量概率预报模型研究
4.秦淮河流域东山站洪水位预报模型研究
5.秦淮河流域东山站洪水位预报模型研究
因版权原因,仅展示原文概要,查看原文内容请购买。

基于GRAPES的气象-水文模式在淮河流域的一次试验

基于GRAPES的气象-水文模式在淮河流域的一次试验
G RAP E S ( G l o b a l - r e g i o n a l a s s i mi l a t i o n a n d p r e d i c —
分 别与 水文模 型 进行 单 向耦合 , 在 降水 T S评 分相差
不大 的 情 况 下 , 尝 试 利 用 水 文 模 型 淮 河 流 域 进 行
在 N O A H— L S M 陆 面模式 中 , 选取 简单 水 量 平 衡
模型¨ ( S i m p l e Wa t e r B a l a n c e , S WB ) 对 陆 面 水 文
是G R A P E S模 式 的 区域 中尺 度 数 值 预 报 系 统 版 。
域—— 淮河流域上游控制站王家坝站 , 进 行 流 量 模 拟 对 比。 从 试 验 结 果 可 以看 出 , 改进 后 的 模 式在 洪 量 相 对 误 差 、 洪峰相对误差 、 确 定 性 系 数 上 均优 于 原 模 式 , 并 为 未 来 利 用 水 文模 型 对 降 水 落 区检 验 进 行 了探 索性 研 究。
检验 。
t i o n s y s t e m) 模 式 为 中 国气 象 局 于 2 0 0 0年 开 始 组 织 研 究 开发 的数值 预 报 系统
GRAPES

, G R A P E S — Me s o模 式
1 改进 G R A P E S N O A H— L S M 陆 面 模 式
文过 程 进行 描 述 。 由于 S WB 是 一 个 简 单 的 水 量 平
过 程 进 行 描 述 。S WB是 一个 简 单水 量平 衡 模 型 , 不 能完整地 描述 陆面水 文过程 , 特 别 是 对 径 流 的模 拟 存 在 不 足 。 随着 G R A P E S — Me s o模 式 不 断 的 发 展 , 对 预 报 能力 的 要 求 逐 渐 提 高 , 对 其 陆 面模 式 中产 流 过 程 的描 述 也 需要 进 一 步

包红军-基于Kalman滤波糙率反演模型的河道洪水实时预报研究

包红军-基于Kalman滤波糙率反演模型的河道洪水实时预报研究

Y0 Y0 … Y0 n0 n1 n m Y1 Y1 Y1 … = n0 n1 n m ………………… Y m Y m … Y m n n n m 0 1
( 6)
第3期
包红军等: 基于 Kalman 滤波糙率反演模型的河道洪水实时预报研究
[
T 珔 珔 珔 [ Y0 , Y1 , …, Y N - 1]T 为计算水深 。 Y0 , Y1 , …, Y N - 1 ] 为观测水深, k 当河道断面为近似矩形时, 水力半径 R 可以有水深近似取代, 由曼宁公式可得 Y 与 矩阵[ ] 对角线元素 可
以写成: Y = ( nQ ) /2 BS 1 f
100081 ; 100081 )
Abstract : This paper develops a flood routing model of plain rivers with a real-time roughness coefficient updating technique based on the Kalman filter theory. With the cross sections of long river simplified into rectangle , triangle and parabola shapes , the roughness coefficient can be updated step by step in routing a calculation. Based on the relationship between Froude number and inertia terms of Saint-Venant equations , relationship between roughness coefficient and water depth was obtained. In a case study of Wangjiaba-Lutaizi reach of Huaihe river , this new model was verified by comparing its real-time forecasts with the ones by a traditional hydraulic model. Results show that the river stages forecasted six hours in advance by both models are in good agreement with the observations and that the new model shows better performances than the traditional model. Key words : river dynamics ; flood forecast ; Manning ’ s coefficient inverse analysis ; Kalman filter ; hydraulic model ; Huaihe river

2020年淮河流域梅汛期极端暴雨洪涝雨水情分析

2020年淮河流域梅汛期极端暴雨洪涝雨水情分析

2020年淮河流域梅汛期极端暴雨洪涝雨水情分析
王蒙;张恒德;包红军;曹爽
【期刊名称】《水文》
【年(卷),期】2022(42)3
【摘要】2020年主汛期淮河流域发生严重暴雨洪涝,其中淮河水系发生流域性较大洪水,正阳关站以上发生区域性大洪水,王家坝闸时隔13年再次开闸泄洪。

使用淮河流域174个国家基本站08时单日降水资料,对2020年流域梅汛期(6月11日-8月1日)极端暴雨洪涝情况进行分析。

结果表明:导致2020年淮河流域超长梅雨期的主要原因是副热带高压较往年同期位置偏西偏北,强度偏强,系统深厚,环流稳定,降雨过程多、强度大、极端性强,雨带与淮河干流走向基本一致;淮河流域梅汛期经历6次暴雨过程,总降雨量位列历史第一;流域上游来水与区域强降雨叠加,导致了流域正阳关以上区域性大洪水;2020年淮河中游王家坝站等控制站的水情较上一个大洪水年2007年更为严重。

【总页数】7页(P95-101)
【作者】王蒙;张恒德;包红军;曹爽
【作者单位】国家气象中心;中国气象局-河海大学水文气象研究联合实验室
【正文语种】中文
【中图分类】P339;TV11201
【相关文献】
1.2007年淮河流域暴雨洪涝及2003年的对比分析
2.淮河流域主汛期极端降水时空特征变异分析
3.2003年淮河流域洪涝暴雨的气象水文特征分析
4.2003年淮河流域梅汛期首场大暴雨成因分析
5.1961-2008年淮河流域主汛期极端降水事件分析
因版权原因,仅展示原文概要,查看原文内容请购买。

淮河流域2016年汛期洪水预报试验

淮河流域2016年汛期洪水预报试验

淮河流域2016年汛期洪水预报试验包红军;曹勇;张珂;魏丽;李致家;宗志平;谌芸;狄靖月;栾承梅;刘开磊【期刊名称】《气象》【年(卷),期】2017(043)007【摘要】Rainfall runoff simulation and flood forecasting of large river basins is a complex prediction problem.An integrated hydro-meteorological forecast model is developed for flood forecast test of complex river basins.Grid-based quantitative precipitation forecast products of National Meteorological Centre are applied as precipitation of lead-time period,and the Xin'anjiang hydrological model is used for rainfall-runoff process simulation.The Muskingum-Cunge model,based on diffusion,columbar storage and wedge storage theory,is introduced for channel water-level and discharge forecasting.For the test case of the upper reaches of the Lutaizi Station of the Huaihe River in flood season of 2016,the developed hydro-meteorological forecast model of complex river basins is applied in flood forecast test.The results show that the developed model can perform pared with no considering the precipitation in lead-time period,the flood forecast lead time can be increased obviously.The developed model has certain reference significance for flood forecasting over similar basins.%预报大流域降雨径流与洪水是非常复杂的预报难题.本研究建立气象水文耦合预报模型对复杂大流域的洪水预报进行预报试验.模型采用中央气象台格点化降水预报产品作为预见期内降水,驱动水文水动力学耦合模型进行洪水预报.选择新安江水文模型用于流域降雨径流模拟,基于扩散波与柱蓄和楔蓄理论建立Muskingum-Cunge水位流量演算模型进行具有行蓄洪区的复杂河系洪水预报.以淮河鲁台子站以上流域2016年汛期洪水为例,将构建的气象水文耦合预报模型进行洪水预报试验.结果表明,模型取得了较好的预报精度,应用格点化降水预报产品考虑预见期内降水预报的洪水预报对于不考虑预见期降水预报,洪水预报预见期得到一定的有效延长,对同类流域预报有一定的借鉴意义.【总页数】14页(P831-844)【作者】包红军;曹勇;张珂;魏丽;李致家;宗志平;谌芸;狄靖月;栾承梅;刘开磊【作者单位】国家气象中心,北京 100081;国家气象中心,北京 100081;河海大学水文水资源学院,南京 210098 ;河海大学水文水资源与水利工程科学国家重点实验室,南京 210098;国家气象中心,北京 100081;河海大学水文水资源学院,南京 210098;国家气象中心,北京 100081;国家气象中心,北京 100081;国家气象中心,北京100081;江苏省水文水资源勘测局,南京 210029;淮河水利委员会水文局(信息中心),蚌埠 233001【正文语种】中文【中图分类】P641;P49【相关文献】1.2003年汛期淮河流域降水的集合预测试验研究 [J], 徐广阔;赵思雄;王业桂;杨玉震2.定量降水预报与水文模型耦合的中小流域汛期洪水预报试验 [J], 崔春光;彭涛;沈铁元;殷志远3.深化科技合作,推动新时期淮河流域能量与水分循环试验研究——记气象科技创新高峰论坛暨第八届淮河流域暴雨洪水学术研讨会 [J], 盛绍学;石磊;刘忠平4.淮河洪水预报调度系统建设及在抗流域大洪水的应用 [J], 王凯;钱名开;徐时进;胡友兵;陈邦慧5.淮河洪水预报调度系统建设及在抗流域大洪水的应用 [J], 王凯;钱名开;徐时进;胡友兵;陈邦慧因版权原因,仅展示原文概要,查看原文内容请购买。

基于集合降水预报的长江流域面雨量预报与应用

基于集合降水预报的长江流域面雨量预报与应用

基于集合降水预报的长江流域面雨量预报与应用杨寅;林建;包红军【期刊名称】《暴雨灾害》【年(卷),期】2022(41)5【摘要】基于2018-2021年欧洲中期天气预报中心集合降水预报数据开发了众数、平均数、最优百分位数、百分位数、概率等集合统计量面雨量预报产品。

采用TS评分、相对作用特征(ROC)分析、评分综合表现图、Brier技巧评分等方法对长江流域的集合统计量面雨量预报与确定性面雨量预报开展对比检验评估。

结果表明:对于大雨以上等级面雨量,平原流域评分高于山地流域,集合统计量预报性能整体优于确定性预报。

不同子流域最优的集合统计量面雨量定量预报产品种类及排序存在差异,总体表现为50%百分位数产品最优,平均数次之,最优百分位数第三,基于综合检验结果推荐了长江各子流域排名前三的集合统计量面雨量定量预报产品。

概率预报产品最优TS评分对应的概率预报值随面雨量量级增加而逐渐降低,15 mm (40 mm)量级的面雨量最优概率预报为50%(30%)。

以最优TS评分为基准,向下浮动10%来获取面雨量概率预报参考区间,当集合统计量面雨量概率预报位于参考区间时预报价值较高。

以2020年长江第5号洪水过程为例,开展概率预报与定量预报推荐产品相结合的集合统计量面雨量预报产品应用分析,进一步说明了集合统计量面雨量产品误差明显小于确定性预报。

【总页数】9页(P571-579)【作者】杨寅;林建;包红军【作者单位】国家气象中心;中国气象局-河海大学联合实验室;三峡国家气候观象台【正文语种】中文【中图分类】P456.1【相关文献】1.黑龙江省降水分县指导预报与面雨量预报方法及网络传输2.MAPS数值降水预报产品在长江中上游流域面雨量预报中的应用3.用LASGREM降水预报制作黄河三花间面雨量预报4.基于ECMWF集合预报的淮河流域面雨量预报性能评估5.基于ECMWF集合预报的淮河流域面雨量预报性能评估因版权原因,仅展示原文概要,查看原文内容请购买。

基于GRAPES-MESO的淮河流域精细化r渍涝风险气象预报模型

基于GRAPES-MESO的淮河流域精细化r渍涝风险气象预报模型

基于GRAPES-MESO的淮河流域精细化r渍涝风险气象预报模型梁莉;包红军;田华【期刊名称】《气象科技进展》【年(卷),期】2017(7)1【摘要】通过单向耦合GRAPES-MESO中尺度数值模式与淮河流域精细化水文模型,建立了淮河流域精细化渍涝风险预报模型.首先将GRAPES-MESO的降水和日最高、最低温度预报结果输入精细化可变下渗容量(variable infiltration capacity,VIC)水文模型,然后输出15km×15km网格点上的径流深度和三层土壤湿度,按照全国渍涝风险气象预报预警发布标准计算风险等级.最后选择2008年7月淮河流域两次强降水过程进行试验,同时与原始国家级大尺度50km×50km渍涝风险预报模型对比预报效果.结果表明:该模型有效解决了原始国家级渍涝风险预报模型的漏报问题.在连续雨日可能造成的渍涝风险上,比原始大尺度渍涝模型有更好的预报效果,提高了渍涝风险气象预报模型精度.【总页数】6页(P122-127)【作者】梁莉;包红军;田华【作者单位】中国气象局公共气象服务中心,北京 100081;国家气象中心,北京100081;国家气象中心,北京 100081;中国气象局公共气象服务中心,北京 100081;国家气象中心,北京 100081【正文语种】中文【相关文献】1.基于风险区划的辽宁渍涝预报方法的改进 [J], 陆忠艳;袁子鹏;陈艳秋;王扬锋2.淮河流域平原洼地致涝原因及除涝对策措施简述 [J], 李洪亮;张鹏;徐伟;陈婷3.对国家级渍涝风险气象预报预警业务模型的优化与改进 [J], 包红军;王莉莉;梁莉4.淮河流域6-7月涝年降水的10~30 d低频振荡特征 [J], 韩世茹;王黎娟;于波;庞玥5.安徽省淮河流域易涝分区与治理策略 [J], 徐迎春;海燕;王志涛因版权原因,仅展示原文概要,查看原文内容请购买。

淮河中游暴雨洪水特性分析和防洪工程控制运用有关预报问题探讨

淮河中游暴雨洪水特性分析和防洪工程控制运用有关预报问题探讨

淮河中游暴雨洪水特性分析和防洪工程控制运用有关预报问题
探讨
韩从尚
【期刊名称】《水文》
【年(卷),期】2008(28)1
【摘要】淮河流域产生暴雨的天气系统主要是由涡切变和台风等五种天气类型造成的,淮河洪水主要发生在7月份.中游22个行蓄洪区在防洪中起到至关重要作用,洪水预报必须与行蓄洪区运用紧密结合,本文根据笔者多年的实践经验,提出宏观预测、中观对策、微观决策的预报调度思路及处理行蓄洪区的预报方法.
【总页数】4页(P87-90)
【作者】韩从尚
【作者单位】安徽省水文局,安徽,合肥,230022
【正文语种】中文
【中图分类】P338
【相关文献】
1.浅谈淮河中游防洪与临淮岗洪水控制工程 [J], 王文龙;李玉强
2.安徽省淮河"05·7"暴雨洪水防洪排涝调度 [J], 朱效福;王家先
3.淮河中游防洪的基础及支撑—临淮岗洪水控制工程 [J], 汪安南;周结斌
4.淮干中游蚌埠段2018年\"6·27\"\"8·17\"\r暴雨洪水对比分析\r——以淮河蚌埠吴家渡水文站为例 [J], 张蓓蓓
5.淮河流域不同时间尺度暴雨的多模式预报性能评估及洪水可预报性探讨 [J], 郝莹; 王元; 王皓; 邱学兴
因版权原因,仅展示原文概要,查看原文内容请购买。

淮河流域洪涝变化可预报时间研究

淮河流域洪涝变化可预报时间研究

淮河流域洪涝变化可预报时间研究
周寅康;付重林;王腊春;张捷
【期刊名称】《自然灾害学报》
【年(卷),期】1999(8)4
【摘要】在先前研究的淮河流域洪涝变化基本特征、混饨特征、耗散性等基础上,采用Kolmogorov熵和Lyapunov指数谱分析了淮河流域洪涝变化的可预报时间。

研究表明,淮河流域洪涝变化长期不可预报,短期是可以预报的,其可预报时间为4~6年,以4年为较合适。

【总页数】5页(P118-122)
【关键词】淮河流域;洪涝序列;可预报时间;Kolmogorov熵
【作者】周寅康;付重林;王腊春;张捷
【作者单位】南京大学城市与资源学系
【正文语种】中文
【中图分类】P338.6;TV122
【相关文献】
1.淮河流域洪涝变化的信息维研究 [J], 周寅康;张捷;王腊春;严苏宁
2.淮河流域洪涝变化吸引子维数研究 [J], 周寅康;包浩生;张捷
3.淮河流域洪涝变化动力系统研究 [J], 周寅康;王腊春;许有鹏;张捷
4.淮河流域洪涝变化混沌演化特征研究 [J], 周寅康;包浩生;张捷
5.淮河流域洪涝变化动力系统研究(英文) [J], 周寅康;王腊春;许有鹏;张捷
因版权原因,仅展示原文概要,查看原文内容请购买。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

收稿日期:2010-05-23基金项目:公益性行业(气象)科研专项(GYHY200906007;GYHY20100637);国家自然科学基金项目(41105068)作者简介:包红军(1980-),男,博士,高级工程师,主要从事水文气象流域水文模型及洪水预报研究。

E-mail :baohongjun@水利学报SHUILI XUEBAO 2012年2月第43卷第2期文章编号:0559-9350(2012)02-0216-10基于集合预报的淮河流域洪水预报研究包红军1,2,赵琳娜1,2(1.中国气象局公共气象服务中心,北京100081;2.国家气象中心中国气象局,北京100081)摘要: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THORPEX Interactive Grand Global Ensemble (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。

关键词:洪水预报及早期预警;TIGGE 集合预报;新安江模型;一维水动力学模型;淮河中图分类号:P333文献标识码:A1研究背景降水是洪水预报中最重要的信息之一[1-2]。

洪水预报业务中往往直接采用水文站/雨量站观测降水和雷达测雨资料[3]。

而对于中期预报,应用预见期内的降水预报,是延长洪水预报预见期的最有效途径之一。

现行的降水预报方法对于中期的定量降水预报(15d 内)主要依靠数值天气预报(Numerical Weather Prediction ,简称NWP )。

随着近年来数值天气预报水平的逐渐提高,利用定量降水预报来延长中期洪水预报的预见期、实现洪水早期预警已经成为可能。

“单一”的确定性数值天气预报模型,由于初值误差、模式误差以及大气自身的混沌特性,其数值预报结果存在很大的不确定性。

在洪水预报中,直接使用“单一”模式的预报结果,仅追求提高模式分辨率,期望以此改善对暴雨等强对流天气的预报能力,可能会将数值天气预报在洪水预报领域的应用引入一个误区,导致洪水预报结果存在较大的偏差。

近年来,集合数值天气预报技术的发展,为降水预报、洪水预报及早期预警提供了新的思路[4]。

由于集合预报系统(Ensemble Prediction System ,简称EPS )能够很好地考虑到模型的不确定性、边界条件的变化以及数据同化,国外学者已经尝试将集合预报应用于洪水预报及早期预警和洪灾风险评估中[5-10],而国内这方面的研究相对较少。

[11]本文基于THOPEX 项目,尝试将TIGGE 集合预报应用于中国河流的洪水预报及洪水早期预报中。

选择淮河流域作为试验流域,以TIGGE 集合预报中的加拿大气象中心(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)和美国国家环境预测中心(简称NCEP ,集合成员数为15个)的降水资料(0~240h )驱——216图1淮河王家坝以上流域分块图2淮河王家坝至鲁台子段河系概化动构建的水文与水力学相结合的淮河洪水预报模型进行洪水预报及早期预警研究。

2流域简介与概化淮河流域发源于河南省桐柏山,在江苏省境内三江营注入长江,干流全长约1000km 。

淮河流域分上、中、下游,洪河口以上为上游,落差大,水流急。

洪河口至三河闸为中游,河道坡降平缓,沿干流两侧多湖泊洼地,淮河中游洪水在此蓄滞回旋。

三河闸以下为下游。

鲁台子处于中游,鲁台子以上流域汇水面积为8.86万km 2。

王家坝以上为淮河上游,王家坝站是上游的总控制站,集水面积为30672km 2。

王家坝至鲁台子河段内支流多、水量大量集中,集中淮河水量达80%;地形复杂、位置重要,有3个行洪区:南润段、润赵段和邱家湖;4个蓄洪区:蒙洼、城西湖、城东湖和姜唐联湖。

淮河中游一直是淮河流域防汛的重点。

本文以王家坝站分界点将研究流域的洪水预报分为王家坝以上流域(淮河上游)(图1)与王家坝至鲁台子河系(淮河中游)(图2)两部分进行研究。

淮河王家坝以上流域根据流域内水文站的布设和自然流域的边界,将流域划分为10个子流域,王家坝站为流域出口断面,进行降雨径流预报(如图1)。

干流王家坝至鲁台子段河系洪水预报是河道汇流为主线,源头及区间降雨径流的分布式结构(如图2),采用考虑行蓄洪区的水动力学模型进行预报,水动力学模型的上边界条件为王家坝站的预报过程,淮河干流支流洪水作为旁侧入流进行水动力学模型计算,从而实现整个淮河鲁台子以上流域的洪水预报。

——2173TIGGE集合预报驱动的水文与水力学相结合的洪水预报模型的构建气象集合预报系统(EPS)从其实质上讲又可称之为概率预报系统,其最终目的是提供大气变量的完全概率预报。

集合预报技术经历了不断的发展完善,从以前仅考虑初始场的不确定性发展为同时考虑模式的不确定性,进而发展到多模式和多分析集合预报技术。

TIGGE(THORPEX InteractiveGrand Global Ensemble)集合预报是世界气象组织“观测系统研究和预报实验”项目的重要组成部分,在全球范围组织各气象业务中心的集合预报开发与合作,并计划发展成为未来的“全球交互式预报系统”。

世界上各个气象中心加入TIGGE的时间基本均在2007年之后。

本文构建一个TIGGE集合预报驱动的水文与水力学相结合的洪水预报模型,实现具有行蓄洪区复杂水系的洪水预报及早期预警预报:即将集合预报系统中每个成员(世界上各个气象中心的集合预报系统都包含若干个成员,每个集合成员产生一组预报降水,如表1中所示:加拿大气象中心、欧洲中期天气预报中心、英国气象局、美国国家环境预测中心分别含有15、51、23、15组集合预报降水。

)预报的降水过程分别驱动洪水预报模型,得到与集合预报成员相同数目的洪水预报过程,从而进行洪水概率预报过程研究。

由于2007年淮河大洪水发生时,加入TIGGE数据库的气象中心只有6个:加拿大气象中心(CMC)、欧洲中期天气预报中心(ECMWF)、英国气象局(UKMO)、美国国家环境预测中心(NCEP)、日本气象厅(JMA)和中国气象局(CMA)。

在TIGGE数据解压缩过程中JMA和CMA的TIGGE数据在解压过程出现了错误,因而本文使用CMC、ECMWF、UKMO和NCEP等4个气象中心预报的TIGGE数据,见表1。

世界气象中心成员表1本文使用的TIGGETIGGE集合预报降水数据为分布式的栅格数据,本文使用的栅格数据分辨率为25km×25km[10]。

国内外研究表明,对于洪水预报中降水的时空分布而言,水文模型的空间分辨率并不是越小越好,而是与降水的时间和空间尺度大小有关[12-15]。

分布式水文模型所要求的栅格降雨空间分辨率一般在1km×1km[12,14]。

将TIGGE降水应用于分布式水文模型首先必须进行尺度转换(降尺度),这一直是水文气象耦合技术中难点之一[10-11]。

而对于概念性水文模型,如新安江模型,在洪水预报中其子流域大小一般为200~800km2,与栅格雨量的空间分辨率相近,只需要对子流域内TIGGE降水量按面积比例合并尺度转换即可[15],这样可以大大减少雨量尺度转换导致的误差。

在我国,新安江模型被广泛应用于洪水预报中,并取得不错的应用效果。

因此,本文选择新安江模型[16]对王家坝以上流域进行流域降雨径流预报,淮河干流王家坝至鲁台子干流洪水预报研究采用一维水动力学模型[17],淮河上游出口断面王家坝站洪水预报过程作为中游水力学模型的上边界条件。

考虑到流域汇流时间,鲁台子站的洪水预报预见期有5d以上,时间步长取为6h。

水文与水力学模型是由1980—2006年的淮河流域历史水文资料率定。

淮河流域存在水库、水闸和行蓄洪区等多种水利工程,流域水文系统的降雨径流及洪水过程预报是一个十分复杂的问题[17-19]。

淮河流域中下游为丘陵和平原区,河底比降平缓,不太适合建大型的水库,防洪工程主要堤防以及借助于沿河道及两岸地形条件修建的行蓄洪区。

本文构建的淮河洪水预报模型中对行洪区采用分流比法进行行洪流量分配,蓄洪区作为水库处理。

行洪区内洪水演算采用马斯京根法,行洪区只有蓄满时,才会有出流;蓄洪区内部,不考虑洪水演进,只进行水量平衡以判别是进洪或者出流。

具体行蓄洪处理方式以及水文模型、水力学模型率定请参见文献[17-20]。

—218—4基于集合预报的洪水预报模型在淮河流域洪水中的验证由于各个气象中心加入TIGGE集合预报时间均在2007年之后,2009年淮河洪水较小,王家坝站汛期没有超警戒水位的洪水,因此,本文选择淮河流域2007年与2008年汛期洪水对基于集合预报的淮河洪水预报模型的验证。

2007年7月,淮河流域遭遇了1954年以来的第二位流域性大洪水。

由于雨区和降水时段集中,雨量大,导致淮河干流、支流水位普遍上涨,河段水位全面超过警戒水位,蒙洼、姜唐联湖蓄洪区均启用。

淮河上游总控制站王家坝水位分别于7月3日20时超警戒水位27.50m、7月10日10时超保证水位29.30m,对应的流量分别为2820m3/s和5579m3/s。

当王家坝站水位达到保证水位时,按防洪调度规则需要开启蒙洼蓄洪区进行蓄洪分流淮河干流洪水。

2008年的汛期洪水相对2007年较小,洪峰为4390m3/s,王家坝站超警戒水位时流量为3000m3/s,没有超保证水位29.30m。

本文将淮河鲁台子站以上流域的洪水预报分为王家坝以上流域(淮河上游)与王家坝至鲁台子河系(淮河中游)两部分进行研究。

将集合预报降水驱动的淮河上游降雨径流模型预报得到的王家坝站流量预报过程作为中游具有行蓄洪区河系水力学模型的上边界条件,实现整个淮河鲁台子以上流域洪水预报。

相关文档
最新文档