基于分布式水文模拟的三峡区间洪水预报(Ⅰ)——模型构建及验证

长江三峡区间因暴雨形成的洪水峰高量大,对三峡水库的防洪安全和运行调度的影响很大.本论文依据三峡地区的地形地貌特征,采用基于GIS的机理性分布式水文模型,来模拟三峡区间入库洪水,以尽量减少洪水预报中的不确定性.利用近期建成的78个自动雨量站网监测的小时降雨信息作为模型的输入,对模型参数进行了率定和验证,结果表明:大多数洪水过程的模拟精度较好,但也有的模拟结果较差,其中降雨信息缺失是洪水预报不确定性的主要来源.     

基于TRMM卫星雷达降雨的流域陆面水文过程

利用热带降雨观测计划(TRMM)卫星雷达降雨数据驱动分布式陆面水文模型,研究流域尺度陆面水文过程,评估该数据在水文模拟与预报等研究领域的性能。通过与实测雨量资料比较,验证TRMM卫星雷达降雨数据的质量。分别将TRMM卫星雷达降雨与观测降雨作为耦合模型的气象输入,模拟和研究淮河流域1998~2003年的陆面水文过程时空变化。结果表明,TRMM卫星雷达降雨数据能够很好地描述降雨的时空分布,利用TRMM降雨模拟的结果与利用观测降雨模拟的结果精度相当;模拟流量与实测资料基本吻合。卫星雷达降雨数据在陆面水文过程研究中具有广泛的应用前景。     

基于分布式水文模型的中小河流洪水预报技术

中小河流大多位于资料短缺的山丘区,洪水具有突发性强、汇流时间快、预见期短以及分布广的特点。中小河流洪水预报首要目的和任务是预警预报,预报方式应以自动预报为主,以实现及时预警,最大程度地避免人员伤亡,减轻灾害损失。本文分析了中小河流洪水预报的特点与难点,提出了中小河流洪水预报的思路及实用预报模型与方法,开展了基于分布式水文模型的中小河流洪水预报技术在新安江上游屯溪流域预警预报中的应用研究,以期为当前所开展的全国中小河流洪水预警预报系统建设提供参考。研究表明:分布式水文模型是资料短缺地区中小河流洪水预报的有效方法,基于分布式水文模型的洪水预报技术能够满足中小河流洪水自动预警预报的生产需要。     

基于相关分析的雨量站选择及洪水预报方法

在分析历史降雨资料的基础上,建立流域内各雨量站点雨量与流域平均面雨量的相关关系。结合流域水文站分布图选出与流域面雨量相关性高且有区域代表性的雨量站作为遥测系统的关键测站,保证其稳定运行。利用定点定面关系分析方法,由流域内关键测站的时段雨量推求流域时段面雨量,并带入洪水预报模型进行洪水预报。该方法不依赖流域内全部测站的降雨信息,可有效解决流域内雨量站缺测或数据错误时的洪水预报问题。该方法可为无资料或资料短缺地区及新建水库因资金限制只能建设少量测站时的洪水预报提供参考。     

基于深度学习的雷达降雨临近预报及洪水预报

为探究深度学习的雷达降雨临近预报在流域洪水预报中的适用性,采用U-Net、嵌入注意力门的Attention-Unet和添加转换器的多级注意力TransAtt-Unet开展雷达降雨临近预报,将预报降雨作为HEC-HMS水文模型的输入,对柳林实验流域进行洪水预报。结果表明：1 h预见期时,Attention-Unet对短时强降雨预报结果较好,TransAtt-Unet预报降雨模拟的洪峰流量和径流量相对误差小于20%,各深度学习模型对量级较大的降雨和洪水预报精度较高;2 h预见期的预报降雨强度、降雨总量、洪峰流量和径流量存在显著低估,U-Net能取得相对较好的降雨预报结果。基于深度学习的1 h预见期雷达降雨临近预报及洪水预报可为流域防洪减灾提供科学依据。     

无资料地区水文预报研究的方法与出路

无资料地区的水文研究是最近国际上水资源水环境研究的热点.总结了中国过去在流域洪水预报和设计洪水计算中针对无资料地区研究所取得的相关成果,指出现代水文学应该充分运用新的系统理论和方法,依靠计算机技术和遥感手段,在水文数值模拟方向上寻找无资料地区水文预报的新出路.对无资料地区的水文研究要从有充分实测资料的流域开始,人为隐去部分站点的实测数据以检验依靠剩余少量数据而建成的水文模型的适用性和精度.最后分析了流域分布式水文模型、空间插值、四维同化技术等方法在无资料地区水文预报中的意义和作用.     

联合天气雷达洪水预警系统中的不确定性,可靠度和风险

洪水预报中的不确定性是由作为输入的降水观测和预报的误差所决定的。误差大小受雨量计站网密度（大多与天气雷达联合运用），降水强度和所采用的降水预报方法的影响。在不更颠南部，采用一种经验方法来量化降水观测及预报的不确定性性，数据由两个密集的雨量计站网和天气雷达共同提供。降水不确定性对洪水预报的影响，通过在伦敦附近的泰晤士流域一个综合实验研究进行了检验。此项研究就模型和流域对洪水预报不确定性的相地影响也很     

黄河三花区间天气雷达测雨技术应用研究

采用改进窗概率配对方法以及自适应卡尔曼滤波和变分联合的方法分别对郑州和三门峡两部新一代多普勒天气雷达观测资料以及地面自动雨量站资料进行了降水反演和评估,并实现了两部雷达降水反演的拼图.评估结果表明在雷达测雨中,利用改进窗概率配对方法确定的Z-R关系反演的雷达测雨精度要优于目前国内业务雷达采用的经验关系式,而且经过自适应卡尔曼滤波和变分联合处理之后,既保持了雷达观测降水的空间分布特征,也显著提高了雷达测雨的精度.     

双校正模式下的大清河流域陆气耦合洪水预报研究

基于数值大气模式WRF、三维变分数据同化WRF-3DVar、河北雨洪模型以及实时校正模型ARMA,在北方半湿润半干旱地区的大清河流域构建了陆气耦合洪水预报系统,并利用2012、2013年发生的3场降雨洪水,对系统的降雨洪水预报结果进行分析。结果表明:雷达反射率与GTS数据的同时同化,可有效改善数值大气模式对中小尺度流域的降雨预报效果,从而降低系统的洪水预报误差,ARMA模型的应用,能够进一步提升系统的洪水预报精度,随着预见期的延长,系统的预报精度下降,但系统在6h预见期内仍表现出较好的应用效果。因此,在数据同化和实时校正的"双校正"模式下,陆气耦合洪水预报系统在延长洪水预报预见期的同时,具有较高的洪水预报精度,具有一定的应用前景。     

2008年三峡水库入库洪水特点与预报效果评价

对2008年三峡水库入库洪水特点进行分析,并针对场次洪水和连续自动预报两种方式进行预报误差统计,两种方式预报结果都表明2008年实时联机水文预报精度达到水文情报预报规范的甲级标准,同时发现未来降雨对三峡水库入库预报精度影响较大,部分场次洪水结合(不结合)未来降雨的预报精度差别很大,且随着预见期增长,预报误差也加大。     

不同洪水预报模型在拒马河流域的应用对比分析

拒马河水系为海河流域防洪重点区域,预报难度大,精度要求高。根据海河流域拒马河水系历史水文资料,分别采用新安江模型、增加超渗的新安江模型、河北雨洪模型和人工神经网络模型,对1956年、1963年和2012年暴雨洪水进行预报对比分析,研究结果表明:4种模型均可应用于暴雨强度大、降雨历时长的历史洪水模拟,洪峰流量模拟相对误差均小于20%,尤以人工神经网络模型模拟精度最高,4种模型在干旱半干旱地区均具有推广应用价值。     

降水临近预报及其在水文预报中的应用研究进展

随着全球气候变化、自然变迁及陆表生境改变,极端天气频发且呈现出多尺度时空变异特征,对其进行预报和预警一直是气象水文领域关注的焦点。临近预报可较准确地预报未来短时间天气显著变化,是当前预报强降水等极端事件的主要手段。从基于天气雷达0~3 h外推临近预报、融合数值模式0~6 h临近预报的发展历程梳理了临近预报的研究进展,阐述了雷达外推算法的发展进程、雷达外推预报与数值模式预报融合技术进展,指出"取长补短"的0~6 h融合预报在提高降水预报精度、延长降水预见期等多方面有较大的发展潜力,进一步探寻及提升融合技术是未来融合预报发展的核心。将临近预报以气象水文耦合的方式引入水文预报是从源头提高水文预报精度、保障水文预报效果的主要途径,总结了现阶段主流耦合方式、空间尺度匹配技术、水文模型不确定等陆气耦合中的关键问题,阐述了外推临近预报、融合临近预报作为水文预报输入的研究进展,明确了融合临近预报在延长洪水预见期、提高洪水预报精度中存在优势,并讨论了未来的研究重点及发展方向。     

雷达测雨及其在水文中应用的回顾与展望

简要介绍了雷达测雨的基本原理,对雷达测雨误差及其产生的原因进行了详细分析,并探讨了减少测雨误差的可能措施。在介绍了英国、美国、长江中游雷达网业务系统和阜阳数字雷达测雨试验的基础上,讨论了雷达测雨在水文中应用的前景及发展方向。     

多源降雨信息质量评估技术

多源降雨信息质量评估遇到的基本问题是各类降雨信息的空间特征不同,信息采集传输的时间频次不同和降雨真值不明。本文在地面站雨量为点降雨真值、经地面雨量站校正后的雷达观测产品反映了降雨真值的空间分布等假定基础上,提出了单点雨量、区域点雨量、面雨量、降雨空间分布和洪水预报系统产品等5个层次的多源降雨信息质量评估体系和技术。     

利用涨落洪规律建立洪水预报模型

为了提高大江河洪水预报精度,结合本地大江河洪水特性,提出利用涨落洪规律建立洪水预报模型。该模型可以解决以下两个问题：一是大江河预报河段上游站不能通过降雨径流关系推求入流过程,而需要作下游站洪水过程预报问题;二是按马斯京根法进行河道流演算的没有预见期的问题。     

洪水预报模型输入与输出的误差分布及相关性分析

降雨预报信息作为洪水预报模型的输入,该信息的准确性直接影响洪水预报模型输出的准确性.为探究模型输入(降雨预报)误差与输出(洪水预报)误差之间的关系,以英那河流域为例,分析了不同雨量等级下,预报模型的输入误差与输出误差的分布规律,并定性分析了两种误差的相关关系.结果表明,降雨量等级若为无雨及小雨时,两种误差不相关;若为中...     

基于深度学习的流域洪水预报模型研究

随着水文信息系统的普及,水文数据的采集越来越方便。传统上依靠各类水文模型及参数率定以刻画水文数据和预报成果间的复杂关联,如何实现水文数据驱动的水文自动预报是当前面临的问题。近年来,人工智能技术蓬勃发展,深度学习技术开始应用于水文学领域,试图解决这一问题。本文以沮漳河西支峡口至远安区间流域为研究对象,结合分布式水文模型的原理及深度学习理论方法,基于流域多维度数据对流域产汇流特性进行提取,利用特征网络进行流域径流预报,构建基于卷积神经网络（CNN,Convolutional Neural Networks）的流域降雨径流预报模型。研究将模型模拟结果与前期影响雨量模型（API, Antecedent Precipitation Index）结果进行对比分析,结果表明,基于卷积神经网络的流域降雨径流预报模型模拟精度为90%,模型可靠,能满足大部分的降雨洪水预报,为流域降雨径流预报提供一种新的方法。     

河道洪水实时概率预报模型与应用

通过数据同化方法合理地将实时水文观测数据融入到洪水预报模型中,可提高洪水预报模型的实时性和精确度。选取沿程断面流量、水位和糙率系数作为代表水流状态的基本粒子,以监测断面实测水位数据作为观测信息,建立了基于粒子滤波数据同化算法的河道洪水实时概率预报模型。模型应用于黄河中下游河道洪水预报计算的结果表明,采用粒子滤波方法同化观测水位后,不仅可以直接校正水位,同时也可以有效地校正流量和糙率,为未来时刻模型预报计算提供更准确的水流初始条件和糙率取值区间,进而有效地提高模型预报结果的精度,给出合理的概率预报区间。不同预报期的预报结果表明,随着预报期的增长,同化效果减弱,模型预报结果的精度会有所降低,水位概率预报结果受粒子间糙率不同的影响不确定性增加,而流量概率预报结果受给定模型边界条件的影响不确定性降低。所提出模型可以有效同化真实水位观测数据,适合应用于实际的洪水预报工作中。     

流量测次精简对洪水预报的影响分析

通过对潼塘、大西滩、五里牌、坑口、龙家山站流量测次精简引起的误差对新安江三水源预报模型影响的分析，论述了流量测次精简误差对洪水预报的影响，提出了流量测次精简误差与洪水流量预测误差之间的关系。对《水文巡测规范》（SL195－97）的精度指标进行了论证。     

三峡库区陆气耦合研究及应用

以延长洪水预见期、提高预报精度为目标,研究气象水文耦合机制,利用数值天气预报模式WRF(Weather Research and Forecasting)驱动分布式VIC(Variable Infiltration Capacity)水文模型,构建三峡库区陆气耦合洪水预报系统,并对2007~2008年期间四场暴雨洪水进行日滚动预报试验。结果表明,WRF模式在三峡库区内有着良好的短期降水预报精度,基于数值天气预报模式和分布式水文模型的陆气耦合洪水预报系统能有效延长三峡入库洪水预见期、提高洪水预报精度,具有较大的应用潜力。