漳卫河流域洪水预报模型研究

只德国，杨 鹏，王 哲

（海河水利委员会水文局，天津 300170）

1 引言

防汛抗旱实践证明，水文情报预报在防汛抗旱工作中发挥了举足轻重的作用[1-2]。由于人类活动的影响，流域下垫面发生变化，使得传统的洪水预报模型及方法的精度较低，洪水预报很难在实际应用中发挥其应有的作用。随着分布式水文模型、遥感、GIS、优化算法等技术的发展及在洪水预报领域的应用逐渐开展，使得运用新技术提高洪水预报精度成为可能，同时建立下垫面变化条件下洪水预报模型也成为可能[3]。

笔者基于分布式的 EasyDHM模型，利用EasyRiv1D模型对中下游洪水进行一维演进计算，构建基于EasyDHM模型的洪水预报模型。该模型应用于漳卫河流域，对上游山丘区部分进行水文模拟，并将上游流域中的岳城水库、元村水文站的预报结果输出到下游平原区的河网中进行洪水演进计算，为流域防洪非工程体系的完善和洪水调度提供一定的技术支持。

2 基于EasyDHM模型的洪水预报模型构建

2.1 EasyDHM模型简介

EasyDHM模型是一种准分布式的水循环模拟模型，采用产流和汇流过程分开模拟，在每个基本计算单元上应用现有的集总式概念性模型或系统模型来推净雨，再进行汇流演算，最终求得出口断面流量。EasyDHM模型可以支持多种产流模型和多种汇流模型。EasyDHM模型充分吸收多种分布式水文模型的特点，自主开发了一个产流模拟算法——EasyDHM产流算法。另外，EasyDHM模型还集成了多种成熟通用的产汇流算法。其中，产流模拟包含WetSpa算法、新安江算法、Hymod算法等；汇流模拟包括圣维南方法、马斯京干法和变储量演算法等[4-5]。

该模型支持参数自动识别方法。通过引入LHOAT全局参数敏感性分析方法，可对模型参数敏感性进行排序、过滤，为参数优化提供参考。同时，该模型支持多种单目标/多目标参数优化方法。

2.2 水文模型构建过程

2.2.1 数据准备

基础数据准备主要包括DEM数据处理、数字流域水系生成、土地利用数据、土壤数据、水文气象数据等。

2.2.2 参数分区及计算分区

EasyDHM模型将研究区域根据高程划分为多个高程带。在每个子流域中，根据土地利用、土壤、坡度等的分类划分出0～10个不等的水文响应单元（HRU）。为了体现模型参数在空间上的变异性，采用了参数分区拓扑式率定方法。在对某个参数分区进行调参时，整体改变该参数分区内的所有计算单元的参数，而不改变模型中各类下垫面间参数的相对关系。在数字流域基础上，确定出每个水文站和水库的控制范围，进而划分出各个参数分区和水库分区。

2.2.3 流域产流及河道汇流

EasyDHM产流算法是在Wetspa、SWAT（Neitsch et.al.，2005）、新安江（赵人俊等，1984）等产流模型的基础上进行集成创新而提出的一种产流模型，该模型在不同地区、不同水文地质条件下均能通用。汇流计算根据具体情况按动力波（Dynamic Wave）模型、运动波（Kinematic Wave）模型或者扩散波（Diffusive Wave）模型进行一维数值计算，采用马斯京干法和变储量法这两种简化计算方法来求解圣维南方程组。利用EasyRiv2D模型自适应技术构建大名泛区和恩县洼蓄滞洪区洪水淹没模型。

2.3 参数率定

EasyDHM模型采用LH-OAT全局参数敏感性分析算法。LH-OAT算法结合了Latin-Hypercube抽样算法的强壮性和OAT算法的精确性，保证了能从所有参数的全部可行空间中根据OAT设计进行精确抽样，也保证了每次模型运行输出的变化可以清楚地归结到输入参数的变化，从而保证参数敏感性分析的强壮性及有效性。模型敏感性分析结束后，根据相对敏感度的大小选择要进行优化的参数，从而节省了参数优化的时间。模型参数优化的目标函数选用敏感性分析中采用的SSQ，即水文站模拟与实测径流量的残差平方和。

3 基于EasyDHM的洪水预报模型在漳卫河流域洪水中的验证

3.1 流域简介与概化

笔者利用复杂流域、区域子流域划分算法对漳卫河流域进行子流域划分，采用最小水道集水面积阈值150 km2时，漳卫河流域共划分为1 421个子流域（如图1所示）。子流域进一步依据高程划分为15 110个等高带。

图1 漳卫河流域子流域划分

水文气象资料主要包括降水、气温、水面蒸发等气象信息以及实测径流资料。本次研究选取漳卫河流域范围内的水文站11个、水库6个、气象站25个、雨量站287个。根据11个水文站、6个水库和1个总出口点，将漳卫河流域划分为17个参数分区和6个水库分区。

3.2 参数计算

漳卫河流域近10年洪水较小，因此采用1963年汛期洪水数据对模型参数进行率定，并用1982、1988年场次洪水进行验证。如表1所示，观台站模型经过参数率定后率定期Nash系数为0.89，相对误差为11.2%；验证期Nash系数为0.78，相对误差为7.46%，可见模型模拟精度较高，说明该分布式洪水预报模型适用于漳卫河流域。以漳河观台站为例，按上述规则对场次洪水的洪峰、洪量、洪峰误差以及洪量误差进行统计发现，15场洪水中合格的洪水为12场，合格率为80%。

表1 观台站率定期和验证期结果

3.3 洪水预报结果计算分析

按照洪水预报系统精度评定执行标准 《水文情报预报规范》（SL250—2000）的要求，对漳卫河流域11个水文站中的7个重点水文站的洪水预报合格率 （见表2）计算分析发现，分布式洪水预报模型EasyDHM在漳河、卫河两条河上的洪水预报水平整体达到了乙级以上，局部可以达到甲级。

表2 漳河、卫河洪水预报合格率统计

3.4 河道洪水演进结果计算分析

利用收集的1982年8月1日到9月30日的岳城水库水文站的实测流量和元村水文站的实测流量作为中下游河道的入流条件，以埕口水文站测得的潮位作为出流边界条件，对开发的漳卫河河网模型的模拟精度进行评价。

模拟结果分析表明，在无调控情景下，漳卫河下游河网一维水动力数值模拟结果的水量误差为0.17%，精度较高。通过将蔡小庄、南陶、临清水文站的数值计算结果与实测值比较，模拟结果与实测值拟合较好。以漳河上的蔡小庄站为例，将1982年8月1—31日作为模拟期、1982年9月1—15日作为预报期计算出预报确定性系数为0.85，在预报项目等级上为乙级，可以用于发布正式预报。建立的漳卫河河网一维水动力学模型，能够较为真实地给出水文断面处的流量变化过程，且峰值出现时间与实测较为一致，因此能够应用于漳卫河流域的实际的防洪调度。

4 结论

（1）采用分布式水文模型EasyDHM建立洪水预报模型，充分考虑了流域中各物理参数的空间分布和下垫面的变化情况，将率定后的模型应用到漳卫河流域洪水预报中，取得了较高精度。

（2）建立基于EasyRiv的河道洪水演进模型，通过输入不同的入流边界条件，较为精确地模拟了漳卫河下游河道在闸门调控作用下的水流演进过程，能够应用于漳卫河流域的实际防洪调度。

（3）研究表明，采用分布式水文模型EasyDHM进行实时洪水预报在方法上是可行的，在一定预见期内能够对洪水过程进行实时预报，为洪水预报提供了一个新的模式，具有一定的理论依据和应用价值，对同类洪水预报有一定的借鉴意义。

[1]张建云.中国水文预报技术发展的回顾与思考［J］.水科学进展，2010，19（7）：437-441.

[2]左振鲁，曹年红，曹翊军，等.水情水调自动化技术回顾与展望[J].水电自动化与大坝监测，2009，33（6）：22-26.

[3]Back T.1996.Evolutionary Algorithms in Theory and Practice：Evolution Strategies， Evolutionary Programing， Genetic Algorithms[M].New York：Oxford University Press，1996.

[4]杨大文，李翀，倪广恒，等.分布式水文模型在黄河流域的应用［J］.地理学报，2004，59（1）：143-154.

[5]贾仰文，王浩.分布式流域水文模型原理与实践［M］.北京：中国水利水电出版社，2005：238-258.