三峡水库入库流量中期预报水文模型研究与应用

(长江水利委员会 水文局，湖北 武汉 430010)

三峡水库入库流量预报作为三峡梯级优化调度的基本环节，是生产运营中做出正确决策的重要依据。准确而有一定预见期的水文气象预报不仅有利于为水库优化调度提供决策依据和时间，也有利于电站制定和调整发电计划。三峡水库汇集长江上游金沙江、岷沱江、嘉陵江、乌江及长江上游干流区间来水，每年汛期，长江流域受夏季风影响，致洪暴雨频发。在三峡工程建设期间，需要有一定预见期的长江上游分区面雨量预报和宜昌站来水量预报，为工程建设的顺利开展提供技术服务。为此，在分析长江上游暴雨洪水特性基础上，根据当时条件逐步摸索出基于单一数值预报的长江上游地区大分区(金沙江、岷江、沱江、嘉陵江、乌江、屏山-寸滩区间、三峡寸滩-宜昌区间)的中期面雨量预报和基于大区单位线的宜昌站中期来水量预报[1-2]方法。

三峡工程试验蓄水以来，无论是中小洪水优化调度还是汛后蓄水等优化调度的决策无不依赖于短中期水文预报[3]。为进一步提升短中期水文预报精度，需要对整个水循环过程进行综合模拟研究，从而得到足够精度的定量降水预报和流域水文预报，因此大气模式和水文模型相结合的研究成为关键。Tang等[4]采用数值降雨预报信息推算流域旬径流；Xu等[5]将数值气象预报信息用于流域中期径流预报；Wang等[6]通过统计过去8 d数值降雨预报的强度和空间分布误差，建立了数值降雨预报信息的扰动模型；Collischonn等[7]采用分布式水文模型与数值降雨预报对未来14 d径流进行预报，为水库调度提供支撑。

为实现三峡水库优化调度，长江水利委员会(以下简称“长江委”)水文局预报中心在原来长江上游中期预报基础上不断改进和创新，设计了基于多种数值模式预报的长江上游分区中期面雨量预报，在三峡水库入库流量中期预报方案中引进了MIKE11水力学预报模型。段唯鑫[8]、吴天蛟[9]等的研究表明，MIKE11水力学模型在三峡库区洪水演进模拟中精度较高。

本文主要介绍长江委水文局研发的长江流域分区中期面雨量预报方法、三峡水库入库流量中期预报方案，对2010～2017年长江流域中期降水预报精度、三峡水库入库流量预报精度进行评估，并分析预报误差形成的可能原因。研究目的是进一步提高中期水文气象预报准确率，以期为长江上中游水库群联合调度、长江流域水资源综合利用提供技术支撑。

1 中期径流预报模型建立的基础

具有10 d预见期的中期来水量预报，其基础是需要有达到一定预报精度的定量降水预报。20世纪80年代，数值预报方法较好地解决了5 d左右的天气形势场预报，而提高降水预报的准确性，以及预报时效的延长等中期预报需要解决的关键问题也有所突破。数值模式预报水平的不断提高，极大地推动了中期定量降水预报的业务化运用[10]。近年来，ECMWF(欧洲中期天气预报中心)、日本、德国及NCEP(美国国家环境预报中心)等相关部门不断更新数值预报模式；我国自主研发的新一代GRAPES全球数值预报系统[11]资料同化能力明显提升，卫星资料、雷达资料使用占比明显增加。此外，国外研究机构推出的WRF、CFS等数值预报模式均能提供7 d以上的数值预报模式产品。数值模式预报产品的日益丰富，为降水预报提供了更多的可参考信息[12-13]，中期定量降水预报准确率也有明显提高，依赖于降水预报的水库入库流量中期预报精度也有明显改进和提高，成为水库运行科学调度不可缺少的技术支撑[3]。

2 分区面雨量预报方法

2.1 多种模式数值预报简介

ECMWF、日本、NCEP、CFS以及我国GRAPES模式预报产品都可提供高度场、风场、水汽、温度场等气象要素预报数据，更有直接的网格化降水预报数据可供长江流域降水预报做参考。ECMWF、日本和NCEP等国际主流数值预报模式，是目前公认的数值模式预报质量较高的业务化预报产品。

ECMWF是欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts，简称ECMWF)的数值预报模式产品。ECMWF有10 d的中期数值预报产品，ECMWF天气要素预报数据网格间距为0.5°×0.5°，降水量预报数据网格间距为0.125°×0.125°。ECMWF模式预报是目前公认的全球最佳模式产品,其面雨量预报效果优于其他模式，且对强降雨过程的模拟较好，雨带和量级预报较为准确[14]。

日本气象厅数值预报模式产品(JMA)，目前主要有6 d的中期数值预报天气要素场预报数据和10 d细网格降水量预报数据，降水量预报数据网格间距均为0.5°×0.5°。JMA模式在系统性降水方面的预报能力更好，对较大等级面雨量的预报能力较好, 特别是暴雨和大暴雨[15]。

美国国家环境预报中心(National Centers for Environmental Prediction, NCEP)免费提供15 d全球多种分辨率的数值预报模式产品，常用的天气要素场预报数据和降水量预报数据网格间距均为0.5°×0.5°。NCEP模式对于降水过程预报能力较强。

德国气象局的数值预报模式产品目前主要有7 d降水量预报，降水量预报数据网格间距0.25°×0.25°。德国模式对于过程面雨量预报具有较大参考价值。

我国自主研发的GRAPES(Global/Regional Assimilation and Prediction System)数值预报模式产品，其各项性能指标总体已经超过之前的T639，目前也已投入业务化运用。该模式可提供10 d的天气要素及降水预报，数据网格间距0.25°×0.25°。GRAPES预报模式对于中雨和大雨等级面雨量预报可参考性较强。

WRF(Weather Research and Forecasting Model)也是以美国的科研机构为中心开发的中尺度气象预报模式，可免费下载运行，长江委水文局用WRF模式可提供7.5 d降水量预报产品，网格间分辨率为27 km×27 km。WRF模式对强降雨过程的模拟较好，雨带和量级预报较为准确，且对于阵性降水预报能力较好。

基于美国环境预测中心提供的CFSv2(NCEP version 2 Coupled Forecast System model)是用于短期气候预测的数值预报模式产品，也能为长江流域中期降水过程提供重要的参考信息。目前提供45 d以及9个月内逐6 h的降水量预报，数据网格间距约1°×1°。CFSv2模式对于降水过程预报有较强参考价值。

ECMWF、日本、NCEP、德国、WRF和我国(GRAPES)均有高分辨率的模式数据用于长江流域分区面雨量预报。其中，ECMWF的分辨率最高，水平分辨率达到12 km左右。上述各数值预报模式对长江流域面雨量预报均具有参考价值[16-17]。

2.2 分区面雨量降水预报方法

对于中期降水预报，当前的分区定量预报以多种模式数值预报为主要依据，通过分析不同高度层天气要素(风、温、湿等)预报值和对降水网格化预报数据的处理，可以制作相应预报分区7 d或以上的面雨量逐日预报。多种模式数值预报结果的应用，综合了各模式预报的优势，减少了使用单一模式预报出现的偏差，增加了预报的稳定性。

根据长江上游流域暴雨洪水特性，并结合上游干支流产汇流特点，对长江上游流域划分为15个分区制作面雨量预报。15个分区分别为：金沙江上游、金沙江中游、金沙江下游、雅砻江、岷江、沱江、嘉陵江、涪江、渠江、向家坝-寸滩区间、乌江上游、乌江中游、乌江下游、三峡寸滩-万县区间、万县-宜昌区间。

根据总结长江上游致洪暴雨的中期预报前兆信号，得出长江上游强降雨的发生需要同时满足下述判别指标[18]。

(1) 欧洲中心预报的未来3～7 d的500 hPa环流场。巴尔喀什湖南部出现低压或低压大槽，青藏高原上出现低压切变(或横切变)，长江上游大部地区至少有2 d出现深厚的高空槽并为槽前西南气流控制，或出现“北槽南涡”环流形势。

(2) 中低层700，850 hPa环流场。长江上游地区出现强辐合区，同时存在切变线系统，并伴有西南涡生成；另外，700hPa或850hPa层上游偏南地区为西南风或南风气流控制，并存在西南风速不少于16 m/s的西南急流。

(3) 数值模式预报的面雨量。多数模式预报未来3～7 d内长江上游预报区内至少有2 d强降雨发生，同时，满足至少同时有3个分区(子流域)单日的面雨量值不小于30 mm，或至少有3个分区(子流域)3～7 d的累计面雨量值不小于60 mm的条件。

例如，2004年9月2～7日长江上游金沙江、嘉陵江、长上干区间、乌江的暴雨过程，2005年7月2～9日金沙江、嘉岷流域、长上干区间、乌江的暴雨过程，2009年7月30日～8月4日岷沱江、嘉陵江、长上干区间的暴雨过程，2010年7月15日～18日金沙江、嘉岷流域、长上干区间的暴雨过程，经个例检验分析，均符合预报指标判别条件。

2.3 预报修订

长江上游分区面雨量预报的修订，主要基于天气形势分析并结合预报员经验，对预报分区面降雨量预报结果订正。具体为：

(1) 通过分析影响长江上游致洪暴雨产生的典型天气系统，包括对流层中高层(500 hPa)高度场、风场和中低层(700，850 hPa)的风场，并结合水汽条件、动力条件、不稳定条件，并判断是否满足致洪暴雨发生的判别指标。

(2) 对多种数值模式预报的分区面雨量预报结果进行综合修订，以提高长江上游中期分区面雨量预报精度。

3 三峡水库入库流量中期预报模型

三峡水库建成投入运行后，库区水文水力学特性发生了明显变化，由于宜昌站来水受三峡水库调度影响，需要将宜昌站来水量预报改变为三峡水库入库流量预报。目前的三峡水库入库流量预报方案为干支流入库控制站与区间流量叠加，即干流寸滩站、支流乌江武隆站和三峡区间流量的叠加。

3.1 预报方案

干流控制站寸滩站和支流乌江控制站武隆站预报方案相似，都是采用分段合成后演算、叠加区间洪水的方法求得各分段控制站的流量预报过程。闭合流域或区间的降雨径流方案一般采用API模型或新安江模型，汇流一般采用马斯京根法或者合成流量演算法。

三峡区间预报方案，水文局预报中心在三峡区间建立了两个基于MIKE11的水力学预报模型，模型上边界为寸滩、武隆的流量预报过程，下边界为三峡坝址断面定常水位，模型计算坝址断面流量为无水库调节出库流量过程，即入库流量过程。两个模型差别为一个模型中连接三峡区间NAM降雨径流模型，而另一个则不包括；两模型计算坝址断面流量之差即为三峡区间来水过程。模型建立以来在近年的洪水预报和调度中得到应用[19-20]。

三峡水库入库流量为干流寸滩站、支流乌江武隆站和三峡区间流量的叠加。模型的预报结果在最近几年的洪水预报和调度中都得到应用，可以满足水库调度要求[21]。

3.2 三峡水库入库径流量预报流程

三峡水库入库径流量预报流程为：

(1) 对多家数值模式预报产品进行分析；

(2) 综合多种模式数值预报结果；

(3) 根据预报经验和判别指标对预报结果订正；

(4) 制作长江上游15个子流域分区7 d逐日面雨量预报，预报降雨量的范围和倾向值；

(5) 将分区面雨量预报作为水文预报模型输入进行演算；

(6) 对不同阶段、不同降雨类型进行参数调试；

(7) 输出三峡入库10 d日平均流量预报结果，三峡水库入库径流量中期预报流程参见图1。

4 中期预报检验评估

4.1 分区面雨量预报检验评估

分区中期面雨量预报精度评定采用长江委水文局制定的面雨量预报评分标准进行预报检验评估，即实际面雨量落在预报的面雨量范围之内则得100分，如果实际面雨量与预报面雨量差值越大，则得分越小，参见表1。

从2010～2017年长江流域第4～7天的中期降水预报统计结果来看[22]，2013年预报得分低于其它年份，2015～2017年较之前的5 a(2010～2014年)，预报准确率平均高出3个百分点，表明2015年之后降水预报准确率是有明显提高的，参见表2。

4.2 入库流量预报检验评估

中期入库流量预报误差评定方法之一，是采用预报日平均入库流量与实际日均入库流量的相对误差值，即以误差百分率作为中期入库流量预报评定标准进行检验评估。

图1 长江三峡水库入库流量中期预报流程Fig.1 Mid-term forecast flowchat of inflow into the Three Gorges Reservoir of the Yangtze River

实际降雨量预报降雨量评分01～55～105～1510～2015～2520～3030～5040～6050～8060～100>100R=0100800000000000010000000040809090100100

注：实际降雨量与预报降雨量单位均为mm。

从2010～2017年统计的汛期三峡水库第4～10天的入库流量预报结果来看，除2013年从第6～10天的平均预报误差超过20%外，其余年份均在20%以内；而且，2015～2017年较之前的5 a(2010～2014年)预报误差平均低4个百分点，表明2015年之后入库流量预报误差是有明显减小，参见表3。

比较表1～2可知， 2013年中期面雨量预报得分较低，对应2013年日均入库流量误差百分率较高。因此，面雨量预报精度对入库流量预报精度有显著影响。

表2 2010～2017年汛期长江流域中期降水预报准确率检验评估结果Tab.2 Verification and evaluation table of medium-term precipitation forecast in Yangtze river basin during flood season in 2010～2017 %

表3 2010～2017年汛期三峡水库中期入库流量预报误差检验评估结果Tab.3 Error test and evaluation table of medium-term inflow forecast for Three Gorges Reservoir during flood season in 2010～2017 %

另外，中期入库流量预报评估检验标准之二是预报合格率：即预报日平均入库流量与实际日均值的相对误差小于±20%，认为预报合格。

从2010～2017年汛期三峡水库第4～10天的入库流量预报结果来看，2017年预报合格率均明显高于其它年份，且2015～2017年较之前的5 a(2010～2014年)，预报合格率平均高2.5个百分点，表明2015年之后入库流量预报合格率有明显提高，参见表4。

综合以上预报检验结果，可以看出：

(1) 2013年中期面雨量预报得分较低，对应2013年入库日均流量误差百分率较高。面雨量预报精度对入库流量预报精度的影响是显而易见的。因此，中期降水预报是水文预报得以延长预见期、保证其预报准确率的关键所在。

(2) 2015年之后降水预报准确率总体有明显提高，较之前平均高出3个百分点。2015年之后入库流量预报误差有明显减小，入库流量预报合格率有明显提高，预报合格率较之前平均高2.5个百分点。此结果得益于多种数值模式预报的应用和水文预报模型的不断改进。

表4 2010～2017年汛期三峡水库中期入库流量预报合格率检验评估结果Tab.4 Qualification rate test and evaluation table of medium-term inflow forecast for Three Gorges Reservoir during flood season in 2010～2017 %

4.3 预报误差分析

分析多年来中期面雨量预报和入库流量预报的误差原因，认为主要源自于以下几个方面。

(1) 降雨预报准确率。目前多种数值模式预报产品已在中期预报中得到应用，产品也在不断更新，但由于观测误差的存在使得模式初始值的误差难以消除；其次，人们对大气产生降水的物理机制复杂性的认识仍存在着局限性，使数值预报模式中参数的不确定性难以消除；再次，目前中期定量降水量预报结果在空间分布和时间分布上还不能完全满足水文预报模型的要求。

(2) 水文模型(方案)本身的不足。水文预报误差的产生缘于预报模型还不能完全反映降雨-径流模型的真实径流过程，目前的水文预报技术仍然不能非常精确地定义水文模型所需的初始值及边界条件。遥感(RS)、地理信息系统(GIS)、计算机技术等新技术的发展推动了水文学的进步，但它们主要应用于地表及其以上的水文变化预测，而水文学最想解决的地下水部分的相关理论及技术研究还没有突破性进展。因此，在可预见的未来，水文预报仍有相当大的不确定性。

(3) 日益频繁的人类活动影响。水利工程如水库、引水等工程建设投入使用，工农业生产、生活、生态取用水等，加剧了自然水文条件变化的不确定性和复杂性，而模型率定只是基于历史数据的分析和模拟，对于人类活动的不确定性和复杂性认识还在不断摸索的过程中。

5 结论与展望

5.1 结 论

本文介绍了长江委水文局基于多种数值预报模式的中期分区面雨量预报方法、三峡水库中期入库流量预报方案，并在2010～2017年面雨量预报和三峡入库流量预报成果基础上，分析了4～7 d长江流域分区面雨量预报精度、4～10 d三峡水库入库流量预报精度和合格率，并分析了预报误差形成的可能原因。主要结论如下。

(1) 考虑7 d预见期的分区面雨量预报，三峡水库入库流量预见期可延长至10 d。但随着预见期的增加，面雨量预报和三峡入库流量预报精度整体呈现下降趋势。

(2) 面雨量预报准确率是影响三峡入库流量预报的主要因素，2013年中期面雨量预报得分较低，对应2013年入库日均流量误差较大。

(3) 2015年之后中期分区面雨量预报和三峡入库流量预报准确率总体有明显提高。此结果得益于多种数值模式预报的应用和水文预报模型的不断改进。

5.2 中期水文气象预报的优势

(1) 长江上游集水面积约100万km2，对于中期降雨过程而言，即使降雨预报在空间和时间分布存在有误差，强降雨中心的落区在南北、东西位置上也会存在有偏差，但只要落地雨是在长江上游，降雨形成的径流总是能汇入三峡水库，因而在三峡入库流量过程变化上必定能够反映出来。

(2) 目前基于多种数值模式的中期降雨过程预报与单一数值模式预报相比较而言，对于中-大雨以上降雨过程的漏报和空报的概率已有明显降低，降雨过程预报准确率已有明显提高，这就减小了径流预报相对误差，使三峡入库流量的预报合格率有明显提高。

(3) 降雨的数值预报模式和水文预报模型都在不断改进，水文预报在不断尝试有技巧地应用高分辨率的细网格数值预报模式结果，使降水模式预报数据可直接对接水文预报模型。高分辨率模式的降水预报数据对于强降雨的空间和时间分布，较人工预报更加具体和详细，可以在水文情势严峻复杂的情况下为水文预报和防汛调度决策赢得更多时间。

5.3 发展趋势展望

长江上中游水库群联合调度、长江流域水资源综合利用需要准确及时的中期水文气象预报服务，对于提高中期预报精度，作者认为可通过对多模式预报的最优集成、水文气象模型的直接融合、确定性预报向概率预报转变以及提供智能化预报服务等技术实现。

(1) 多模式预报集成。目前已经投入业务应用的多种数值模式预报，通过预报准确率评估检验结果，赋予各个数值模式不同的权重，可得到多种数值模式预报集成的综合预报结果。理论上，多模式预报集成后得到的结论优于任何单一数值模式预报结果[23-25]。

(2) 概率预报。概率预报既能反映水文气象变化确定性的一面，又能反映其变化的不确定性和不确定程度。基于气象-水文系统的非线性和复杂性，加上初值和模式等本身无法避免的一些不确定性，水文气象预报从确定性预报向概率预报转变，不但符合水文气象科学的实际，也可更好地服务于社会。在许多情况下，概率预报或许更能适应社会经济活动中决策的需要，也就更有经济价值[26]。

(3) 预报智能化服务。未来，基于大数据和人工智能技术的高分辩率细网格数值模式预报能更方便提供所需的精准降雨径流预报服务，并通过流域水雨情、工情、防洪、水资源、水生态调度等多种资源信息平台，实现水文气象情报预报自动化、智能化服务[27-28]。

实践证明，中期水文气象预报能为长江上中游水库群联合调度和长江流域水资源综合利用提供重要的技术支撑。深入开展探索研究，提高定量降水预报空间和时间上分布的准确率，进一步优化水文预报模型、提高水文预报准确率，仍将是今后中期水文气象预报需要重点解决的问题。