中小河流洪水预报系统
中小河流预警预报软件与关键技术

1 引言
( 2 ) 先进 性 和成熟 性 。既要 采用 先进 的技术 , 又 要注 意 思维 的合 理性 、 模 型 的成 熟 度 和方 法 的 正确 性, 做 到先 进性 与成 熟性并 重 。 ( 3 ) 可靠性 和稳定性 。从系统 结构 、 技术 措施 、 系
近 年来 , 受气候 变 化影 响 , 中国 中小河 流洪水 灾 害 十 分严 重 , 暴 露 出 了 中 国中小 河 流 防洪 减 灾 的突
模 型和 方法 , 对洪 峰 水 位 ( 流量 ) 、 洪 水过 程 、 洪 量 等
I r [ ’● ■■■ ■■■ ■■ ■_■■ ●■● ■■■ ■…
l 教粕 I 靠 理 南水情监视 I 雨情童诲 I I f 河道水情 I I 水库水情 I
、 ■■■■ ■■●_ ■●■ ■●■ ■■■■ ■■一
( 5 ) 可管 理 l 生和可 维护性 。整个系统 是 由多个 子
保护对象重要 的5 0 0 0 多条 中小河流重点河段进行 集 中治理 , 从 整体上 提升流域 防洪保 障水 平 。到 2 0 1 5 年, 全 国各地将完成中小河流预警预报系统建 设, 确保有防洪任务的 5 1 8 6 条 中小河流发生洪水时 能及 时预警 , 为 中国中小河流水资源开发利用与保
构上 分 为省 、 地市 两级建 设 。
2 . 3 总体 框 架
管理 、 预警预报服务 、 空间服务的信息化作业平台和
决策会商支撑环境 , 确保河流发生洪水时能及时预 警, 提高洪水预报的精度和预见期 , 提升水文的服务
能力 和服务 水平 。 2 系统 总体 设 计 2 . 1 设 计原 则
洪水要素进行实时预报 , 为防汛减灾指挥部门提供 决策依据。洪水预报软件 , 如图3 所示。
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)。
科技成果——IWHR洪水预报调度系统

科技成果——IWHR洪水预报调度系统技术开发单位中国水利水电科学研究院对应需求洪水预报调度系统成果简介该系统充分利用信息处理、网络通讯、软件工程等现代科学技术,建立人机交互式的实时洪水预报调度系统,达到对流域防洪形势宏观把握和整体、定量认识,为防洪决策和管理供科学依据和技术支撑。
包括实时洪水预报、预报方案编制、预报成果管理、实时调度计算、调度结果仿真以及辅助工具(数据处理、降雨径流相关图分析、单位线分析、水位流域关系曲线维护、退水曲线维护等)和模型/方法管理等功能。
主要性能指标采用B/S与C/S相结合的灵活系统架构模式,满足多用户同时在线预报调度。
系统的信息查询响应时间小于1s,地图访问响应时间小于1s,预报模型计算响应时间小于3s,联合调度模型计算响应时间小于10s。
建立了超过24个洪水预报计算模块,覆盖了我国常用的洪水预报模型和方法。
参数自动优选计算效率高,30场洪水模型参数优选耗时不超过10分钟。
适用范围适用于湿润、半湿润、半干旱、干旱地区的水雨情测报、洪水预报、水库调度以及防汛抗旱等多个领域,可推广到流域、省、地市等防汛指挥、水旱灾害防御及水文部门。
技术特点系统基础框架扩展性强,适应未来扩展和升级,采用B/S与C/S 相结合的灵活系统架构模式满足多用户同时在线预报;紧密结合业务需求,可实现新增预报断面功能;支持模块的排列组合与模型的灵活搭建;采用模型参数全局自动优选技术;灵活的防洪调度接口,可以基于任意未来可能洪水情势进行防洪调度;基于水库度汛方案,结合当前来水情况,可采用联合调度方式通过人机交互形成水库防洪调度方案。
应用成本100万元。
典型案例案例1:应用于江西省鄱阳湖区防汛通信预警系统洪水预报调度系统及防汛辅助支持系统开发项目,安装部署在江西省防办、江西省水文局,供各水文分局访问浏览,目前运行了5个汛期,为水文工作提供技术支持。
案例2:应用于陕西省中小河流洪水预报系统开发项目,安装部署在陕西省水文局,并供各水文分局访问浏览,目前运行了2个汛期,为水文工作提供技术支持。
洪水预报系统应用实例分析

洪水预报系统应用实例分析洪水预报系统是水利部水文局面向全国水文系统用于水情测报工作的综合信息化系统平台,系统平台提供了马斯京根、新安江三水源等系统模型。
文章以该平台为基础,对汤旺河晨明站进行信息化预报模型建立进行实例分析,具体内容包括参数率定、调试,率定结果分析,最终确定符合该站实时预报的参数模型,并补充于该站洪水预报方案中。
标签:洪水预报系统;汤旺河;晨明站;率定参数;参数分析引言目前建立洪水预报方案的方法有很多,除常用的降雨径流预报方法外,应用“中国洪水预报系统”建立洪水预报方案是目前使用较多的一种预报方案制作方法,特别是针对大江河流域以及合成流量站预报效果较为理想,而对于陡涨陡落、汇流时间快、站点稀少的中小河流域,预报能力相对薄弱。
文章主要通过“中国洪水预报系统”软件,对汤旺河晨明站进行参数率定、调试、分析,建立相应洪水预报方案。
汤旺河晨明站是松花江左岸一级支流汤旺河出口控制站,位于黑龙江省伊春市南岔区晨明镇。
地理坐标为东经129°29’,北纬46°58’,至河口距离为86km,集水面积19186km2。
晨明站洪水来源有干流控制站伊新站以上来水,伊新水文站至晨明站区间来水,右岸支流西南岔河来水随机组成,一般情况下以干流来水为主。
但因降水时空分布不均,有时也出现区间来水或右岸支流西南岔河来水为主。
汤旺河属山溪性河流,水位暴涨暴落,洪峰持续时间2~3小时。
晨明(二)站建站以来最大洪水为1961年8月9日发生的洪水,洪峰水位97.30m,洪峰流量5280m3/s,重现期相当于五十年一遇。
图1 测站流域位置图1 方案制作1.1 方法确定文章对汤旺河晨明水文站进行了预报方案构建和模型参数率定,参照《水文情报预报规范》(GBT22482-2008)要求,根据本站的流域概况和洪水特性,上游水文站采用马斯京根模型,区间采用新安江模型进行预报方案编制,雨量站控制权重采用泰森多边形法计算。
数字孪生淮河防洪“四预”系统关键技术

第 6 期2023 年 12 月NO.6Dec.2023水利信息化Water Resources Informatization0 引言淮河流域是长三角一体化、淮河生态经济带等国家重大战略高度重叠区域,地处南北气候过渡带,天气系统复杂多变,地势低平,蓄排水条件差,洪涝旱灾害频发,迫切需要运用信息化手段提升流域防洪管理数字化、精细化水平[1-2]。
智慧水利是新阶段水利高质量发展的最显著标志,数字孪生流域是推进智慧水利建设的核心和关键[3-6]。
按照水利部关于数字孪生流域建设先行先试工作部署,淮河水利委员会从 2021 年起,先后开展了淮河流域防洪“四预”试点和数字孪生淮河建设先行先试工作,率先建成了高标准、多要素的流域数据底板,构建了精细化水利专业模型和智能化防洪“四预”系统,并在淮河流域进行了应用,为数字孪生流域、洪水预报及工程调度提供技术支撑。
1 现状与问题淮河流域受特殊地形地貌、不对称水系及黄河夺淮影响,洪涝频繁。
洪涝灾害已成为制约流域可持续发展的主要因素,经过 70 年的系统治理,洪涝灾害防御能力显著增强,具备抗御新中国成立以来流域性最大洪水的能力。
但与突飞猛进的信息技术和经济社会对防洪日益增长的需求相比,淮河流域防洪在数字化、智能化等方面存在明显短板。
数字化方面,透彻感知不够,感知覆盖范围和要素内容不全面,无人机、激光雷达、卫星遥感等“空天地”一体化技术应用不足,流域缺乏防洪数字化场景和数字流场建设。
智能化方面,面向实时作业预报的分布式水文、二维水动力等模型的业务化应用程度和精度不高,时效性不足。
2 关键技术与方案遵循先进与实用并重、创新与继承统一、理论与实践结合,以及问题导向原则,本研究聚焦淮河流域防洪减灾重大需求面临的预报、预警、预演、预案涉及的信息化和智慧调度关键科技难题,研发基于多源多尺度信息的数据底板构建技术,构建超大规模水文水动力并行分布式模拟技术,建立数字孪生淮河防洪“四预”平台,总体思路如图 1 所示。
中小河流水文站洪水预报——以重庆市虎峰水文站为例

受 全球气候变化影响 ,近 些年来暴 雨洪水频发 ,特别是 中小河流具有暴雨量大而集 中、历时短、洪水陡涨 陡落等特
点 ,给流域范 围内造成成 了严重 的经 济损失 。与此 同时,流
域内许多水利水 电工程不 断兴建 ,人类活动影响 日趋严重 , 洪 水预 报作为一项重要 的非工程 防洪措施 ,在 防洪减灾 中发 挥 了巨大的社会效益和经济效益 ,而 且随着经济 的发展 ,其
2 . 研 究 方 法
立 收集雨水情信息收集管理与查询 、洪水预报与调度为一体
的高效 的洪水预报系统 ,以提高 洪水 预报的精度和延长有效 预 见期 ,为防洪调度及 防灾减灾 工作 争取 主动、最大 限度地 减 少经济损失提供决策支持和服务 。本文以重庆市小安溪虎
峰水文站为例 , 研究分析中小河流洪水预报模型及评定方法。
( 1 . 重庆 市永川 7 -水务局 ,重庆 4 0 2 l 6 0 ;2 . 重庆市永川 区水文 中心 ,重庆 4 0 2 1 6 0 ;
3 . 四川大 学 水利水 电学院,四川 成都 6 1 0 0 0 0 ;4 . 重庆 市水 文水资源勘 测局 ,重庆 4 0 1 1 2 0 ) 摘 要:文中以虎峰水文站为例 ,采用 中国洪水预报 系统 中的新安江三水源蓄满产流模型 ( S MS 一 3 ) 、三水源滞 后
水源计算三部分 。
流域蒸 散发量采 用三层蒸发模 式分析计 算。 用流域蓄水容量 曲线来考 虑流域面上土壤缺水量与蓄水
容 量相等来进行产流量计 算。产流又分局部产流和全流 域产 流两种情 况 :
雨量站选用 :经雨量资料分析 ,虎峰水文站以上虽有 81 收稿 日期 :2 0 1 5 — 0 6 . 1 9
一
百色市中小河流洪水预测预估系统开发与应用

百色市中小河流洪水预测预估系统开发与应用
梁显俊
【期刊名称】《广西水利水电》
【年(卷),期】2017(000)005
【摘要】简述广西百色市中小河流洪水预测预估系统开发的设计思路、关键技术、数据库平台以及所包含的主要功能模块,并介绍了该系统的具体应用.
【总页数】6页(P51-56)
【作者】梁显俊
【作者单位】广西百色市水文水资源局,广西百色 533099
【正文语种】中文
【中图分类】P333.9
【相关文献】
1.海河流域中小河流洪水预报系统设计与实现 [J], 杨邦;只德国;杨学军;温立成
2.中国洪水预报系统在无流量站中小河流洪水预报中的应用 [J], 刘家福
3.中国洪水预报系统在保定中小河流洪水预报中的应用 [J], 王国江;王玲
4.中国洪水预报系统在邯郸中小河流域洪水预报中的应用 [J], 王玲
5.百色市中小河流水文(位)站水情预测系统概述 [J], 梁显俊
因版权原因,仅展示原文概要,查看原文内容请购买。
需求调研沟通记录

8、增加:水库实时信息统计表,作为报送统计的子菜单。表样:
9、接收库数据进入交换库规则:提供可设置模式,一为数据填报15分钟后自动入库;一为市级用户标识审核通过后入库。
4、水库测站数据到报以“库上水位”、“蓄水量”填写完整的记录为准。
5、时效性统计,实现单站时效性的反查。
6、增加:报汛质量统计表,按每月对各区县测站实时数据到报质量进行统计,考核指标:到报率(汛期:实报任务站数/(报送任务站数*天数)*100%;非汛期:实报任务站数/(报送任务站数*3)*100%)、迟报率(>30分钟到报站数/应报任务站数*100%)和错报率(市级审核删除站数/应报任务站数*100%)。
黄
水情科
8907****
乙方
杨
项目经理
010-6320****马Biblioteka 业务工程师调研记录
一、水库报汛系统
1、除了库上水位、蓄水量需做不能为空审核,其余的不需要;
2、日降水量、天气状况等字段的“当报送时间为每日早8:00时,不允许为空”审核去掉;
3、报送统计:汛期(5月1日-9月30日),对每日8:00监测数据报送情况进行统计,非汛期,对每旬第一天8:00监测数据报送情况进行统计。反查结果只需显示最近一天情况,反查内容包含所有站点,未填报站点排在前面;各区县排序,到报率较差的区县排在前面。
三、5月30日前完成水情查询系统试用版本在重庆市市级及部分区县(具体名单待定)的部署:
1、水情查询系统试用版本应能满足:统一采用重庆市地图,各区县应能定为到本区县;水文测站的空间查询、水文测站基本信息查询、实时雨情查询、实时水情查询、雨量线(面)查询。
- 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、"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、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)。
中小河流洪水预报系统 洪水预报子系统是中小河流洪水预报预警系统的重要组成部门。该系统要以其它系统提供的各类信息为基础,进行洪水预测、预报和分析计算,快速、准确的为防汛抗旱部门提供调度决策的科学依据。
1 功能 系统以实时雨水情数据库、历史洪水数据库、地理空间数据库、气象数据库等信息资源为基础,依托计算机网络环境,遵循统一的技术架构,具有系统管理、预报模型管理、预报方案管理、模型参数率定、实时交互式预报及自动预报、预报评估等功能。作业预报是整个系统的最主要的组成部分,其中自动预报功能和自动校正技术是中小河流山洪预警预报的必须具备的两个功能,因为中小河流洪水具有来势迅猛,突发性强,成灾快的特点,人工预报一般很难进行有效控制,同时自动校正技术使得自动预报避免计算机的累积误差达到人工交互式作业预报的优点。开发出适用于中小河流的洪水预报子系统,为中小河流的防洪、抗旱、会商提供依据,并且实现已有洪水预报和中小河流洪水预报的整合。 洪水预报子系统主要包括:系统管理、预报模型及预报方案管理、模型参数率定、实时预报及自动预报、模拟计算及历史数据验证等功能。 该系统一般情况下由省级中心和地市级分中心的专业人员操作执行,同时也可采取自动预报的方式执行。
2 框架 在省中心及各地市级中心采取胖客户端的方式建设部署洪水预报子系统。
图11-1 洪水预报子系统部署架构图 洪水预报子系统各项功能之间通过实时水情数据库和预报专用数据库实现数据的交换。预报软件平台洪水预报业务流程如图所示: 图11-2洪水预报子系统作业流程图 3技术实现
图11-3 洪水预报子系统功能示意图 1、定制预报方案,建立模型组合和流程关系等。对于同一预报断面可以有多种预报方案。 以水文站为控制划分预报区域。每个预报断面还可划分为若干个单元面积(河段)分别计算。由对话框引导输入预报断面的流域参数,如单元面积(河段)数、每个单元面积的雨量站数、站号和权重、河段的上游输入和各单元面积(河段)的拓扑关系等。为每个单元面积(河段)的产汇流或河道演进选择计算模型,不同的单元面积(河段)应可选择不同模型。 2、数据处理,即从数据库或数据文件输入实时雨水情及水利工程调度运用的输入输出变化数据,将数据处理成预报模型需要的格式。 3、模型参数率定,即人工试错和自动优选相耦合、多模型多参数同时自动优选的模型参数率定。 提供人工率定和自动优选两种模型参数率定方式。人工率定:即经验试错法。由系统应用人员设定一组模型初始参数,对历史洪水进行模拟计算,对模拟的径流过程与实测的径流过程作目估对比分析,而后调整参数重新计算,直至模拟结果满意为止。参数自动优选:系统开发人员对各种模型设计出合适的目标函数和优化方案,系统应用人员设定模型参数的取值范围,由最优化技术确定预报模型的参数。 4、建立预报方案,即将流域特征参数、属性和率定后的模型参数配置到定制的预报方案中,构成应用支撑平台中的方案实现类库。 5、实时预报,即从实时数据库中提取实时和预报雨水情和调度结果等数据,将数据处理成预报模型需要的格式,而后进行预报。 实时预报部分应具有以下主要功能: (1)选择预报断面 运行预报需由预报人员选择预报流域、预报断面。预报流域只能选择一个。预报断面选择方式有两种: ①河系预报。选择多个预报断面,每个断面一个方案一次连续运算,即下游断面依据上游断面当次的预报结果进行预报; ②单站预报。选择一个预报断面,多个方案一次运算。 上面所说的预报断面包括水库调度计算,选择水库运行调度计算时,可选择调度方式(指定泄流过程、指定库水位和自由敞泄)。 (2)预报计算 依据流域实测雨水情等信息做出预报断面的洪水预报。实时雨水情信息可来自实时数据库,也可人工输入。 6、自动实时校正,对洪水预报结果进行实时校正以提高预报精度。根据原预报结果和最新的实测资料计算预报误差序列,建立回归方程,以估计未来时段的误差,并据此修正原预报结果。 7、模拟预测计算,即对假定的降雨、上游来水和工程调度运用情况进行洪水的预测计算。 依据流域定量降雨预报、上游断面洪水预报等数据做出预报断面的洪水预报。降雨预报和上游断面的洪水预报等数据可来自实时数据库,也可人工输入。河系预报时,上游断面洪水预报数据可作为系统的当次预报结果。 依据人工输入的假设未来流域降雨、上游断面洪水等数据做出预报断面洪水预测。 依据预报入库流量和水库调度预案进行水库调节计算: ① 指定水库泄流过程,计算水库水位过程; ② 指定水库水位过程,计算水库泄流; ③ 按水库自由敞泄,计算水库水位过程、泄流过程; 水库调度预案数据可来自实时数据库,也可人工输入。 依据蓄滞洪区分洪流量计算出下游预报断面的水位流量,蓄滞洪区水位过程。分洪流量数据可来自实时数据库,也可人工输入。 8、预报结果综合分析与发布,结合专家经验和预报会商,对模型计算的预报结果进行综合分析,并提供对外发布的预报结果。 实时预报结果的管理。预报人员可根据经验修改模型预报计算结果,经审核后,形成最终发布结果,将预报结果存入数据库,并可向上级水情部门发送预报结果。 实时预报结果的图表表示。预报计算完成后,将预报、实测水位流量绘图并列表显示,并可点击鼠标选择时段计算洪量。水库调度计算,将入库流量、计算的库水位、库容和出库流量绘图并列表显示。 9、人机交互修正,输入数据、模型参数、边界条件、工程或断面属性、计算状态和预报结果等。发布成果可同时存入数据库。 人机交互功能的要求如下: (1)预报方案建立和模型率定 ① 预报方案建立 提供模型组合和计算流程定制界面,配置流域参数、模型参数界面。 ② 人工率定模型参数 提供人工率定参数必要的人机交互界面。通过对话框界面调整参数,并将计算的中间数据和结果数据绘图,如调整产流计算参数时将相应的降雨、径流深过程绘图等,模型率定断面的实测水位、流量过程,模拟水位、流量过程绘图显示,供率定人员参考。 ③ 预报边界条件修改 图形界面修改河道断面的水位流量关系,动力波数值计算所用的河道断面图、计算区域网格和节点划分等。 (2)实时预报系统 ① 数据的输入和修改 修改实时雨水情数据库中的错误数据,输入缺报的实时雨水情、假定的未来雨水情和工程调度运用数据。具体如下: 修改非等时段的实时单站雨量、水位、流量中的错误数据,输入缺报数据;输入等时段的未来单站水位、流量水库泄流或水位、蓄滞洪区分洪流量数据;以柱状图方式修改等时段的实时单元面平均雨量;以柱状图方式输入等时段的未来单元面平均雨量;以过程线图方式修改等时段的实时单站水位、流量,水库泄流水位,蓄滞洪区分洪流量数据;以过程线图方式输入等时段的未来单站水位、流量,水库泄流水位,蓄滞洪区分洪流量数据。以上所述的数据修改、输入只是对当次预报所用的临时数据操作,不针对实时雨水情数据库。修改、输入数据后重新运行预报,这样的交互在一次洪水预报期间可以重复多次。 ② 模型状态变量、参数校正 任何预报模型只是水文规律的概括,不能完全反映复杂的流域水文现象,且模型率定得出的参数是一个各种洪水的平均情况,因此系统提供交互环境,由预报人员根据当次洪水的特性和预报经验修正模型状态变量、参数。实现预报过程的交互修正,使预报人员的经验和预报系统能够有机地结合,达到最佳预报效果。 交互式预报程序要允许预报人员根据暴雨洪水特性,实时修正某些模型参数和状态变量。例如,可以根据降雨的时空分布和前期降雨情况,实时修正流域汇流单位线或前期土壤水分,也可在方案制作时根据暴雨洪水情况制作几条单位线供修正时选择。 模型中各类状态变量、参数均可修正,包括:前期土壤水分、产流计算参数、流域汇流计算参数、河道汇流计算参数。 对话框选择修改参数的类型、断面、单元面积(河道),显示要修改的参数名和参数值,供预报人员修改。 在进行交互修正时,系统提供足够的文本和图形实时、历史背景参考信息,包括洪水特性,方案的历史洪水模拟情况,方案的使用说明等。如修改流域汇流参数时,绘降雨分布图、计算净雨过程图,流域汇流计算的流量过程图等。 参数修正后,调用实时预报模块重新计算。这样的交互,在一次洪水预报期间可以重复多次,以得到满意的结果。 以上所述的参数修改只是针对当次预报的临时修改,不修改预报参数库中的数据。 ③ 预报边界条件修改 图形界面修改河道断面的水位流量关系,动力波数值计算所用的河道断面图等。 10、地理信息系统应用,基于地理信息系统(GIS)基础上,以电子地图方式管理和显示水系、地形、流域边界、站点分布、行政区划等,可按流域或行政区划集成所有预报方案,具有基于电子地图上实现实时雨水情信息、预报信息、站点信息多途径、多方式查询功能。地图无级放大、缩小、漫游,地理位置的定位。报汛站修改、添加、移动等。 11、系统管理,具有完善的用户管理、预报模型管理、预报方案管理、水文站点管理的功能。 用户管理:系统用户分为管理员、一般用户两类,管理员可以增加、删除、修改预报模型,分配预报方案,管理系统定时自动预报;一般用户可以构建、删除、修改、率定和运行自己名义下的预报方案。 预报模型管理:可以增加、删除、修改预报模型,由管理员进行管理。 预报方案管理:可以删除、修改预报方案及其属性,由一般用户进行管理。 水文站点管理:分为系统站点管理和方案站点管理两部分。系统站点管理主要是在电子地图上增加、删除、修改水文站点的属性;方案站点管理主要是管理预报方案中所用的预报根据站,定义区域输入中用于计算面雨量的雨量站号,定义流量站的流量组合关系,由一般用户进行管理。