旱情预警关键技术问题的探讨

邹文安，章树安，辛玉琛，姜 波，杨建青

（1.吉林省墒情监测中心，130033，长春；2.水利部水文局，100053，北京）

旱情预警是一个非线性、复杂、开放的预警过程，通过对旱情影响因子预测与评价，分析计算预警综合指数，进行警度判定，对未来旱情综合状况进行评判，预报出不正常的时空范围和危害程度，提出调控对策和具体措施等。一般来讲，旱情预警由预测模型、预警指标体系、预警综合指数、警度、调控措施等几个部分组成。

旱情是多个影响因子共同作用的结果，因此，在旱情预警时应充分考虑各类因素对旱情的影响，建立起待预测水文要素变量和各影响因子状态之间对应关系，实现基于多影响因子条件下的旱情预测模型。

预警指标由各种旱情评价指标及其对应干旱等级所组成。预警指标是预警研究的主要对象，是构建旱情预警模型的基础和前提。为此，科学合理、因地制宜地分析确定旱情评价指标、旱情等级及权重系数尤为重要。预警综合指数是旱情综合评判的数值表达，数值越大，表示干旱等级越高，干旱程度越严重；反之，则是旱象轻或不旱。警度是对警情严重程度的判定，有无警情、警情状态均须通过警度评判。通常情况下，警度划分成几个等级，表示不同程度的警情状态。调控措施是根据警情状态提出的扭转旱情发生发展的调控办法，包括农田水利基础设施建设、节水管理机制、供水能力建设、水资源配置等工程和非工程措施。

本文结合吉林省旱情预警模型研建的有关成果，提出了预警指标体系、预测模型、预警综合指数、警度等几个主要技术问题的创建思路，为旱情预警系统研究提供借鉴和参考。

一、预警指标体系

1.指标选取

预警指标体系主要依托旱情评价指标建立。旱情预警指标选择一是遵循因地制宜的原则，不同区域由于水文气象、自然地理、下垫面条件和社会经济等因素不同，评价指标多少及指标权重大小都有一定差异；二是遵循可监测、可操作的原则，选定的指标应该在目前技术水平下可监测，并能得到较可靠的数据资料系列；三是遵循可靠、科学的原则，选定的预警指标应基本能反映当地旱情特点和变化趋势，能为抗旱减灾提供较准确信息。

表1 吉林省西部易旱区选用的旱情预警指标

目前，水利部门选用土壤相对湿度、降水量距平百分率、连续无雨日数、作物缺水率、断水天数等5个指标作为农业旱情评价指标（但对雨养农业区，主要采用土壤相对湿度、降水量距平百分率和连续无雨日数3个指标评价旱情）；气象部门选用降水距平百分率、土壤相对湿度、作物受旱率、MODIS综合干旱指数和未来有效降水量等5个指标作为农业旱情评价指标。可以看出，水利、气象部门选用的众多旱情评价指标均包括土壤相对湿度指标和降水量距平指标，这两个指标能够直接地、敏感地反映旱情，对旱情影响是显著的，也是评价旱情不可缺少的指标。

对吉林省而言，易旱区地处松嫩平原，以雨养农牧业为主。区域内地形多为平原丘陵，降水稀少，河流水系不发育。下垫面多为耕地、牧场，土壤以砂土、砂壤土为主，春季易旱、夏季易涝，经济不发达，区域内设立了较多雨量站、墒情站。考虑到区域内灌溉农业较少，作物受旱率的人为因素影响大、统计困难，干旱指数统计时效性较差且与降水距平指标部分重复。根据指标选取原则，断水天数、作物受旱率和干旱指数不适合作为本区域评价指标。

基于上述分析，结合吉林省易旱区实际，可采用土壤相对湿度、降水量距平百分率、连续无雨日数作为旱情综合评判指标即吉林省旱情预警指标，各指标描述、优点等见表1。

2.权重确定

预警指标确定后，应划分预警指标的旱情等级。参照有关规范、技术标准、文献成果等，可将旱情等级划分为5级，对应旱情程度分别为适墒、轻旱、中旱、重旱和特旱。

由于每项指标对预警结果的影响程度是不同的，科学合理地分析确定各预警指标权重系数重要且关键。本文以多元回归分析为技术平台，采用因子分析权数法，通过吉林省双辽、星星哨以及十屋墒情站的降水量、土壤含水量等影响因子进行多元回归预测模型参数分析（降水权重系数一般为0.18～0.26，连续无雨日数权重系数为0.24～0.33，土壤含水量权重系数为0.44～0.52），确定降水距平、连续无雨日数、土壤含水量三项旱情预警指标权重系数分别为0.2、0.3和0.5。

二、预测模型

一般情况下，预测方法是由预警指标特点和预测需求决定的，不同预警指标可选择不同的预测方法。考虑到创建预测模型较繁琐，需大量实测资料，而且对预测精度、预见期要求又较高。为此，能够利用有关部门预测预报成果的，可不再研建新的预警指标预测模型；对于复杂水文要素测报，无法利用其他部门预测预报成果且有实测资料系列的，可考虑创建新的预测模型。

对吉林省而言，旱情预警指标仅有土壤含水量、连续无雨日数、降水距平3个，考虑到预见期内的连续无雨日数、降水距平预警指标可由当地气象预报成果进行统计（分析计算），无需再创建这两个预警指标预测模型，仅需研建土壤含水量预测模型。

土壤含水量预测方法较多，本次选用非线性预测模型法，采用人工神经网络法研建旱情预测模型，实现多影响因子条件下预测土壤含水量。该方法对于影响因子不呈正态分布、不满足叠加原理以及影响因子较多且相互作用关系复杂的多源信息非线性预测具有优势。

吉林省土壤含水量预测模型设计思路如下：

输入样本：前期土壤含水量、蒸发、降水、平均气温、风速；

输出样本：土壤含水量；

技术平台：Excel+VBA；

预见期：10天；

模型结构：输入样本个数决定输入层节点数，输出样本个数决定输出层节点数，隐含层节点数自定；

模型参数：学习率、冲量因子采用经验值，连接权值、阈值为随机取用数据；

节点计算：利用Excel单元格和内置函数完成公式连接，建立起能够支持一次性运算的人工神经网络BP算法预测模型计算模板；

权值、阈值计算：运用VBA代码编程（部分代码可用宏录制方式获得，如误差推移过程线制作代码），完成权值和阈值反复迭代，实现批量运算；

参数是否满足要求：满足误差逐步收敛，输出样本集误差很小和合格率较高等条件。

三、预警综合指数

由于各区域水文气象、土壤质地、植物种类、下垫面等条件不同，各旱情评价指标对区域干旱贡献程度有一定差异的。为了客观反映各旱情评价指标对干旱影响程度，在旱情综合评判即计算旱情预警综合指数时，采用各预警指标旱情评价等级加权计算，以准确反映各预警指标对干旱的贡献率。

预警综合指数是旱情综合评判的数值表达，是警度计算的重要依据，等于各预警指标旱情评价等级的加权平均值。预警综合指数数值越大，表示干旱等级越高，干旱程度越严重；相反，则是旱象轻或不旱。

预警综合指数计算公式为：

式中，E为预警综合指数，取值为1～5；Dk为第k个预警指标旱情评价等级级数，取值为 1～5；mk为第k个预警指标对应的权重系数，取值为0～1，且 m1+m2+……+mk=1。

四、警 度

旱情预警研究的主要目的是预报警度，有无警情、警情轻重等均通过警度表现。警度通过预警综合指数来表现，数值大，对应警度级别高，表明进入有警状态，旱情严重。

结合有关旱情评价指标等级划分标准及本文预警指标旱情等级划分成果，将警度划分成5个等级，即无警、轻警、中警、重警和巨警。根据预警综合指数E计算公式可知，计算值为1～5，数值越高，警度级别越高，表明旱情越严重。当预警综合指数大于2时，表明已呈现旱象，按预警原理此时系统进入有警状态，系统开始报警，此为有警临界值即警限。为方便警限和警度划分的具体操作，通过引入模糊数学的隶属度概念，将警度的划分转化为相应的隶属度的划分。在旱情向有警状态演化过程中，预警综合指数E的最优值为1，对应适墒状态，记为Mb；最劣值为5，对应特旱状态，记为Ma；则隶属度计算公式为：

式中，R（x）为隶属度，取值为 0～1；E为预警综合指数，取值为1～5。

综合分析历史典型年的警度（隶属度）计算成果可知，吉林省旱情预警的警限可设定为0.125（即隶属度高于0.125将出现警情），预警指标的警度划分为：

无警区间 （适墒）——R（x）∈[0，0.125）；

轻警区间 （轻旱）——R（x）∈[0.125，0.375）；

中警区间 （中旱）——R（x）∈[0.375，0.625）；

重警区间 （重旱）——R（x）∈[0.625，0.875）；

巨警区间 （特旱）——）R（x）∈[0.875，1）。

五、结 论

创建预警指标体系时，应遵循因地制宜、全面可靠的原则，充分考虑预警区域水文气象、自然地理、生产条件、下垫面条件和社会经济等方面因素，遴选出各旱情预警指标，既能反映地域和涉水领域上的差异，又能体现各旱情预警指标不同层面上的评价结果和影响力，同时全面客观地反映预警区域旱情特点及变化趋势。

选择预测方法时，应充分考虑预警指标的各种影响因子，实现多影响因子预测方案。由于旱情成因复杂，不确定性影响因素较多，为此，影响因子定量预测的预见期不宜过长。预警综合指数采用旱情等级加权平均计算较为科学，突出各预警指标对旱情贡献程度的差异。在分析确定权重系数时，要有各预警指标实测资料系列支撑。一般情况下，警度是根据预警指标旱情等级来划分的，警度级数与预警指标旱情等级级数是一致的。警限为有警、无警的临界值，大于该警限时即发生警情。警限设定得科学合理，才能客观准确地反映警情。警限可根据预警综合指数和警度等成果综合分析确定，并利用历史典型年干旱资料进行合理性检验（调整）。

[1]文俊.区域水资源可持续利用预警系统研究[M].北京：中国水利水电出版社，2007.

[2]吉林省墒情监测中心.吉林省墒情评价指标实验及旱情分析技术研究[R].2012.

[3]章树安，王爱平，等.旱情监测与评价进展研究与思考[J].水文，2010（3）.

[4]张利平.干旱的含义及干旱指标的探讨[J].水文水资源，1998（1）.

[5]气象 干 旱 等 级 （GB/T 20481-2006）[S].2006.

[6]旱情等级标准 （SL 424-2008）[S].2008.

[7]土壤墒情评价指标 （SL 568-2012）[S].2012.

[8]农田土壤墒情监测技术规范（NY/T 1782-2009）[S].2009.

[9]刘自远，刘成福.综合评价中指标权重系数确定方法探讨[J].中国卫生质量管理，2006（2）.

[10]邹文安，等.基于Excel+VBA技术条件的土壤含水量预测模型[J].中国防汛抗旱，2013（2）.