湖南省中小河流域洪水预报模型的研究与应用

唐杰 徐靖宇 刘红武

摘要：针对湖南省实际的防汛业务需求，利用自然流域法将湖南省的中小河流域划分成湘、资、沅、澧以及洞庭湖五大流域，使用湖南省2008—2018年27个水文控制站的水位数据及同期湖南省97个国家气象站点实况与格点融合降水产品，研究了湖南省中小河流域强降水与洪水之间的关系，建立了一个基于流域降水的水位预报模型。通过2019年7月6日至13日湖南省强降水与洪水实例对该预报模型进行了应用与检验，检验结果表明，在此次强降水与洪水过程中，湘、资、沅、澧四大水流域的水位预报峰值及变化趋势与实际情况基本一致，表明该模型对水位预报效果较好，在业务应用中具有一定指导意义。

关键词：中小河流域; 洪水;预报模型; 湖南省

中图分类号：TV124         文献标识码：A

文章编号：0439-8114（2020）15-0145-06

Abstract： According to the actual flood prevention needs of Hunan province， the small and medium river basins of Hunan province were divided into five major basins （Xiangjiang River， Zishui River， Yuanjiang River， Lishui River and Dongting Lake） using the natural watershed method. Based on the water levels of 27 hydrological stations and the precipitation products of the 97 meteorological stations and grids from 2008 to 2018， the relationship between heavy precipitation and floods were further studied. Thus a water level forecasting model based on river basin precipitation was established to predict whether there would be floods. The forecasting model was tested using the example of heavy precipitation and flood process from July 6th to 13th of 2019. Results showed that during this flood process， the forecasting peak value and changing trend of the water level were consistent with the actual water level. Therefore， the model has good effects on water level forecasting.

Key words： small and medium rivers; floods; forecasting model; Hunan province

洪水災害是中国最为严重的自然灾害，据统计，中国洪水灾害的直接经济损失平均每年约占整个自然灾害经济损失的50%，随着中国经济的持续稳定发展和全球气候的持续异常，洪水灾害年均经济损失有逐年上升的趋势[1-3]。万新宇等[4]通过研究中国近60年典型洪水灾害事件，指出在近60年防洪减灾的努力下，大江大河流域性洪水灾害得到基本控制，但在全球气候变化的大背景下，极端暴雨频发和人类活动影响加剧，高坝溃决风险加大，山洪灾害日益突出。夏群山[5]在长江中下游洪水灾害社会易损性时空格局研究中指出，长江中游的湖南等内陆中部省份，尤其是湘南、湘西等地区，因气候和地形复杂、生态环境脆弱、经济相对落后，表现出高度的洪水灾害易损性特征。

长期以来，如何找到有效的洪水预测方法以减轻洪灾损失一直是水文、气象学家研究的重点与难点，众多水文气象工作者认为气象预报同水文预报的结合为防洪和水库调度等工作带来了巨大优越性[6]，其中水位作为流域洪水预报的关键参数，是各级政府组织防汛抗洪以及水库调度等决策的重要依据。黄海洪等[7]采用人工神经网络与主分量分析相结合的方法，以流域上游面雨量、水位值为预报因子，建立了西江流域的梧州水位预报模型，虽然在预报试验中取得了较好效果，但由于神经网络预报方法在实际预报建模中存在明显的“过拟合”现象，所以该模型实际业务应用效果的不确定性较大。童哲堂等[8]利用相应水位法，建立了长江荆江河段（枝城至城陵矶）站点的上下游相应水位关系洪水水位预报模型，取得了较好的试验效果。此外，有其他学者通过研究水位与流域面雨量的对应关系[9-11]，建立了中小河流域水位预报模型，并指出对开展实际业务应用有较好的指示意义，但由于缺乏径流、渗透、蒸发等物理过程，有时预报误差较大[12]。

为此，本研究使用湖南省近十年水位数据及同期降水数据，探索了过程性降水与洪水之间的关系，建立了基于流域降水的水位预报和面雨量预报模型用以预判是否有洪水发生，并通过一次实例对该模型进行了应用与检验，以期为湖南省气象部门开展中小河流气象风险预警提供客观技术和产品支撑，提升中小河流域洪水预警服务水平。

1 资料与方法

1.1 数据

水文数据包括湖南省2008—2018年4—9月27个水文控制站的逐时水位、警戒水位、警戒流量、保证水位、保证流量、历史最高水位等信息。实时水文站信息由与水文与水资源勘测中心建立的专线实时传输。

气象实况数据包括下载自国家级气象业务内网的湖南及周边地面国家站、区域自动站站点降水资料、中国地面与CMORPH融合逐小时降水产品。气象预报数据来自湖南省气象台提供的智能网格预报融合产品，该产品是基于集合预报的最优成员动态集成、PRISM插值算法的地形订正等格点化降水预报技术，结合快速循环同化区域模式，形成空间分辨率0.05°、0～24 h逐1 h、2～72 h逐3 h、72～240 h逐6 h的定量降水格点预报产品。

1.2 湖南省流域划分及水位控制站的流域分布

本研究结合湖南省实际的防汛业务需求，主要以自然流域法划分的流域面为基础，对湖南省流域面进行重新划分，形成湘、资、沅、澧以及洞庭湖五大流域（图1a）。

对湖南省27个水文站建立实况水文数据库，并按照水文站的名称查找水文站所处的经纬度，建立水文空间分布数据表，将水文站与流域河网对应的位置进行匹配，并标记水文站所处的河网位置（图1b）。根据汇流算法可推算河流流向，水流的流向决定了水文站的上下游关系，分别对湘、资、沅、澧以及洞庭湖五大流域进行编号，对应流域内的水文站按顺序编号。洞庭湖流域的水文站由于流向无法准确确定，则按照从边缘向中心汇流的原则确定洞庭湖流域的水文站关系。

1.3 流域面雨量计算方法

面雨量是指在某一特定流域内的平均降水状况，为单位面积上的降水量。气象上的雨量数据为离散的站点或格点数据，因此通过离散的站点或格点资料来模拟指定区域的雨量空间分布是面雨量研究的目标。目前流域面雨量的计算方法常用的有泰森多边形法、等值线法和格点平均值法两种，泰森多边形法广泛应用于站点分布稀少且不均匀的流域，由于本研究流域的降水数据为区域自动站数据及分布均匀的高分辨率格点数据，因此采用格点平均值法计算面雨量。首先根据降水格点资料的起止经纬度、格距和经向纬向格点数量等信息，建立降水格点数据每个格点对应的空间经纬度网格，通过GIS技术，将降水格点空间经纬度网格与所提取的流域边界经纬度信息在空间上进行叠加，建立降水网格点与流域边界的映射关系，利用空间连接索引方法对流域内所有网格点进行标记，最终建立降水格点与流域之间的索引。其次，利用上述相同方法，对降水格点数据的格点空间经纬度网格与行政边界（县界）经纬度信息在空间上进行叠加，建立降水网格点与县界的映射关系，利用空间连接索引方法对县界内所有网格点进行标记，建立降水格点与行政边界（縣界）之间的索引。最终，通过指定流域的索引范围，计算其中降雨量预报的平均值，形成实况面雨量产品及格点降水面雨量预报产品，其计算公式如下：

[A=1NiNPi] （1）

式中，A为面雨量，Pi为格点降雨预报值，N为流域索引范围的降雨格点个数。根据面雨量设定的警戒阈值，生成超过警戒阈值的面雨量产品。

2 流域洪水预报模型

2.1 流域降水预报产品

流域洪水预报需要流域定量降水预报作为输入因子，而目前流域定量降水预报主要依赖于数值天气预报模式。本研究使用湖南省气象台提供的智能网格预报融合产品中的降水数据，该数据1 d发布两个时次，时间间隔3 h，预报时效10 d，空间分辨率5 km。

基于融合降水格点资料与预报产品降水资料，应用等值线法与格点平均值法计算面雨量，形成一日2次（08：00和、20：00）、时间分辨率为逐3 h、预报时效10 d的基于子流域边界的面雨量预报产品（图2）。

2.2 基于流域降水的水位预报模型

基于2008—2018年4—9月以水位控制站的水位和期间逐6 h累积面雨量作为建模数据集，通过相关分析筛选因子，以24 h水位增量为因变量，过去72 h内逐6 h累积面雨量、逐6 h面雨量累积总量以及上游控制站过去24 h水位增量作为自变量，利用多元线性回归方法进行建模（图3），业务化时将模式降雨预报和实况雨量以及上游水位站过去24 h水位增量代入模型，得到相应水文站未来24 h的水位增量，结合实时水位，得到未来24 h的水位。下面以邵阳站为例给出了水位预报模型公式：Y=   2 873 X6+55 659 X12+101 048 X18+181 369 X24-9 386 X30-74 249 X36 + 162 696 X42 + 13 109 X48 + 194 023 X54 + 104 547 X60+77 561 X66+27 830 X72+45 389 L6+80 320 L12-190 755 L18-64 863 L24+236 945 L30-77 548 L36-72 039L42+180 914 L48-89 475 L54-26 986 L60-77 561 L66。

式中，X6为站点0～6 h预报面雨量，X12为站点6～12 h预报面雨量，L6为站点6 h累积面雨量，L12为站点12 h累积面雨量，以此类推。

3 预报模型检验及业务化应用

3.1 过程实况

2019年7月6—9日过程湖南省平均降水量为110.8 mm，强降雨主要落区集中在湘中及以南地区（图4）。其中湘中及以南大部分累计雨量超过100 mm，部分地区200～300 mm，衡阳、株洲及郴州北部局地超过400 mm。此次过程湖南省共计出现844乡镇次短时强降水，其中最大小时雨强72.7 mm。受强降雨影响，湘江、资水及洞庭湖流域水位涨幅较大，共9站次（老埠头、冷水滩、祁阳、衡东、归阳、新田、长沙、新宁、沅江）发生了超警戒水位洪水。

此次强降雨过程可分为三个阶段：第一阶段，主要影响时段为6日20：00至7日20：00，以暖区暴雨为主;第二阶段，主要影响时段为7日20：00至8日20：00，以低涡切变暴雨为主;第三阶段，主要影响时段为8日20：00至9日20：00，以锋面暴雨为主。其中，第二阶段降水对资水流域影响最大。资水流域自动站降雨量达到100 mm以上站次为93站，最大小时雨强61.9 mm，主要降雨集中时段在7日22：00至8日16：00。

从大尺度环流背景上（图略），中高纬贝加尔湖以东地区为一阻塞高压，阻塞形势阻挡了西北部系统的东移南下;6日8：00，由于阻塞高压发生倾斜，冷涡后部偏北气流携带冷空气补充南下，7日20：00，低空西南风增强，将热带洋面上充沛的水汽往北输送，湖南南部暴雨北抬。副高强度较历年同期显著偏弱，588线始终在海上，副高西北侧的西南急流输送偏南。受高空槽、中低层低涡切变、西南急流共同影响，在边界层辐合线及锋面触发下形成此次湘中及以南地区的强降雨过程。

3.2 面雨量预报检验

受强降雨影响，湘中以南累计面雨量达到50 mm以上（图5），其中资水流域、湘江流域超过100 mm，湘江流域累计面雨量为142.2 mm、资水流域     114.1 mm，湘、资水干支流涨幅较大，湘、资水干支流共55站次发生了超警戒水位洪水。流域面雨量实况相较于区域自动站降雨量，大暴雨落区偏小，这与面雨量算法中对降雨总量的格点化有关，符合实际流域降雨量估计，因此可作为实况与面雨量预报对比分析。

从逐日面雨量实况与预报来看（图6），6日面雨量主要集中在湘中以南地区，强度不大，流域面雨量预报落区与实况较为一致，强度偏强，落区范围偏大;7日湖南省都出现了降水，面雨量大值区只出现在湘中偏南地区，其中湘江流域段出现50 mm以上，面雨量预报落区明显偏北，强度显著偏强，造成对湘资流域上游段降水估计不足;8日降雨仍集中在湘中以南地区，主要影响湘资沅水流域，資水、湘江流域出现100 mm以上面雨量，面雨量预报在资水段有较好表现，沅水流域空报明显，湘江流域预报与实况较为一致;9日降水进一步减弱南压，较强降水主要出现在湘江流域上游，面雨量预报落区与实况较为一致，强度偏强（图略）。

此次强降雨过程，面雨量预报在大部分时段预报落区与实况较一致，有一定的指导意义。但是预报强度明显偏强，在不同时段预报效果不一致，预报效果依赖于智能化网格预报产品，因此，需进一步强化模式释用技术，提升智能化网格预报客观支撑水平，提高面雨量预报效果，以期达到更好的指导服务效果。

3.3 流域水位预报检验分析

分析2019年7月6—13日强降雨过程中湖南四水流域水位变化与水位预报，结果显示，澧水流域水位变化不大（以张家界站为例，图7），6、7日水位略有上升，8—10日水位下降，其后略有起伏，水位预报变化趋势与实况基本一致，偏差较小。

湘江流域受此次降雨过程影响较大（以冷水滩站、长沙站为例，图8），上游地区在8—10日水位有明显涨幅，11日之后回落，下游地区在9日后水位明显增长，12日后逐步回落，上下游段水位预报变化趋势与实况基本一致，增量变化均有一定偏差，上游冷水滩站偏差较大，平均达到1.23 m，下游长沙站偏差较小，平均为0.67 m，前期水位增加与后期水位回落幅度较实况均偏小。

沅江流域受此次降雨过程影响较大（以常德站、桃源站为例，图9），下游地区在10日后水位持续增长，水位预报变化趋势与实况基本一致，增量变化均有一定偏差，在水位增长初期（10日）有明显的负偏差，平均达到3.1 m，其他时段平均偏差为0.4 m。

资水流域受此次降雨过程影响较大（以邵阳站为例，图10），8—10日水位有明显涨幅，11日之后迅速回落，峰值和回落的趋势预报较为准确，水位增长初期预报较实况滞后24 h，调整后与实况基本一致，偏差也明显减小，为0.76 m，对水位预报有较好的指导意义。

4 小结

基于自然流域法划分的流域面为基础，将湖南省中小河流域划分成湘、资、沅、澧以及洞庭湖五大流域，较符合湖南省实际防汛工作需求。

基于流域降水的水位预报模型方法，以24 h水位增量为因变量，过去72 h内逐6 h累积面雨量、逐6 h面雨量累积总量以及上游控制站过去24 h水位增量作为自变量，利用多元线性回归方法建模。该方法在业务化应用过程中，可以根据水文站实时水位预报其未来24 h的水位，用以预判是否有洪水。

通过2019年7月6—13日强降雨过程对该模型进行应用与检验，结果表明面雨量预报在大部分时段预报落区与实况较一致，但是预报强度明显偏强，预报效果依赖于智能化网格预报产品。湘、资、沅、澧四水流域水位预报峰值及变化趋势与水位实况基本一致，在实况水位增加阶段的主要时间段偏差较小，这说明该模型对水位预报的效果较好，在业务应用中具有一定的指导意义。

参考文献：

[1] 张玉环， 李 周.大江大河水灾防治对策的研究[M].北京：中国水利水电出版社，2004.

[2] 中华人民共和国水利部.中国水旱灾害公报2011[R].北京：中国水利水电出版社，2012.

[3] 方 建， 杜 鹃， 徐 伟， 等.气候变化对洪水灾害影响研究进展[J].地球科学进展，2014，29（9）：1085-1093.

[4] 万新宇，王光谦.近60年中国典型洪水灾害与防洪减灾对策[J].人民黄河，2011，33（8）：1-4.

[5] 夏群山.长江中下游洪水灾害社会易损性时空格局研究[D].重庆：重庆师范大学，2015.

[6] 长江水利委员会.水文预报方法 [M].第二版.北京：水利电力出版社，1993.

[7] 黄海洪， 孙崇智， 金 龙.基于主分量的神经网络水位预报模型应用研究[J].南京气象学院学报，2005， 28（1）：58-63.

[8] 童哲堂， 刘火胜， 付克金， 等.荆江河段洪水水位预报方法研究[J].暴雨灾害，2007， 26（4）：348-351.

[9] 金 琪， 王继竹， 高 琦，等.基于致洪暴雨预报的三峡水库洪水预估系统及试验评估[J].灾害学，2012， 27（3）：54-58.

[10] 李向红， 唐桥义， 伍 静， 等.桂林中小河流洪涝气象风险预警系统设计[J].灾害学，2014， 29（1）：42-46.

[11] 覃 武， 林开平， 黄 颖， 等.基于遗传-神经网络的电网流域面雨量预报方法研究[J].灾害学，2015， 30（3）：33-37.

[12] 陈乐湘， 钮本良， 陆宝宏， 等.一种多因子相关计算方法[J].水文， 2002， 22（4）：22-24.