基于栅格新安江模型的秦淮河流域洪水模拟及实时校正研究

孙文宇，王 容，姚 成，何 健，李致家，龚珺夫，黄鹏年

(1.河海大学水文水资源学院，江苏 南京 210098；2.水利部水文水资源监测预报中心，北京 100053；3.江苏省水文水资源勘测局，江苏 南京 210029；4.南京信息工程大学水文与水资源工程学院，江苏 南京 210044)

新安江模型是20世纪60年代中国著名水文学家赵人俊教授及其团队提出的流域水文模型，是中国工程水文学发展过程中重要成果之一[1]。该模型采用蓄满产流机制，适用于湿润地区或半湿润半干旱地区。李致家等[2]将新安江模型与TOPKAPI模型应用于安徽省呈村流域，取得了良好的模拟效果；姚成[3]构建了基于栅格的分布式新安江模型并将其应用于钱塘江支流密赛流域；Yang等[4]采用分布式新安江模型，对中国西南喀斯特流域洪水预报进行研究；大量的实践应用表明了新安江模型良好的模拟效果及广泛的适用范围。

实时校正是中小河流水文模拟及实时洪水预报中不可或缺的一环。Liu等[5]将LSTM-KNN法应用于中国多个气候区的流域实时洪水预报中，取得了良好的模拟效果；徐杰等[6]利用K最近邻(KNN)算法、误差自回归(AR)方法和反馈模拟3种实时校正方法来提高新安江模型洪水预报精度，成功应用于陕西省陈河流域；黄一昕等[7]梳理了洪水预报实时校正技术的研究进展，并对其发展方向进行了展望。水文模型与实时校正方法相结合，既遵循流域本身的水文规律，又能及时修正人为因素影响带来的系统性偏差。

本研究采用新安江模型和栅格新安江模型对秦淮河上游流域进行场次洪水模拟，再利用KNN法和反馈模拟进行实时校正，取得了良好的次洪模拟结果，既能给秦淮河水系中下游水力学模型模拟研究提供上边界条件，也为秦淮河及相似流域洪水预报工作提供参考。

1 研究区概况和数据来源

秦淮河位于长江下游南京段南岸，总体流向自东南往西北，发源于溧水河、句容河。两河于方山西南处汇集，北上至河定桥处分流，东向为秦淮新河，到大胜关入江口处汇入长江；北向称古秦淮河，古秦淮河又于东水关分流为内秦淮河及外秦淮河，并于西水关重汇，最终由三汊河入江口汇入长江。流域地属北亚热带季风气候区，气候湿润，四季分明，常于6、7月份因冷暖气团相遇产生锋面低压和静止锋，导致连日阴雨，即梅雨期。流域整体呈蒲扇形，长宽各50 km左右，四周为丘陵山区，腹地为低洼圩区。

对秦淮河水系水文特性及洪水模拟研究于南京市的居民生命财产安全有重大意义。早在2004年，王建群等[8]便尝试将流域数字水文模型应用于秦淮河流域，论证了不同土地利用变化对产汇流的影响；此后，易建军[9]进一步对秦淮河流域洪水预报与调度模型进行研究，将秦淮河划分为山区和圩区，分别建立了产汇流模型；因人类活动对秦淮河流域的影响较大，李倩[10]着重分析了城市化空间格局变化的水文效应，Yuan等[11]分析了城市面积及格局变化对秦淮河流域洪水过程的影响，袁玉、王怀志等[12-13]将城市群的“防洪圈”概化为圩垸，进行了秦淮河流域圩垸式防洪模式洪水模拟。

由于中下游河段比降极小，下游建有武定门闸和秦淮新河闸，终点处为长江入江口，故而水位受人工调度及长江潮汐顶托影响较大，易出现径流反向的情况；上游至句容河与溧水河交汇处，受到人工调度及潮汐顶托的影响相对较小，故能以交汇处设立的前垾村(秦淮)水文站为出口点(图1)，采用新安江模型和栅格新安江模型对出口点以上流域的汛期洪水流量过程进行模拟研究[14]。

图1 秦淮河流域概况

研究所用径流数据为秦淮河流域前垾村(秦)站2014—2018年的汛期逐时径流量，由《中华人民共和国水文年鉴——长江流域水文资料》中的实测流量成果表计算得到，摘取了2014年7月到2018年8月汛期内的10场洪水进行研究。模型中使用的高分辨率数字高程资料源自地理信息数据云网站(http://www.gscould.cn)。

2 研究方法

2.1 新安江模型

新安江模型(XAJ Model)采用三层蒸散发模式计算流域蒸散发，产流计算采用蓄满产流机制，汇流计算分地表径流、壤中水和地下径流汇流。主要参数有蒸散发折算系数K、自由水蓄水容量SM、河网水流消退系数CS等。新安江模型对流域的划分较为简单，主要以下垫面条件、降水分布情况、站点布设位置等主要因素，和泰森多边形法、等雨量线法、反距离加权法等方法对流域进行分块处理。新安江模型对数据资料的要求相对较少，前期准备和计算过程都更为便利，在湿润半湿润流域应用方便且精度也能得到保证。关于模型的更多细节，参见文献[15]。

2.2 栅格新安江模型

栅格新安江模型(Grid-XAJ Model)以流域内的每个DEM栅格作为计算单元，根据栅格间的演算次序，将各个栅格上划分的地表径流、壤中流和地下径流3种水源演算至流域出口。栅格模型考虑了各个栅格降雨、地貌特征、土壤类型、植被覆盖等条件的差异性，考虑了栅格间进行汇流演算时上游来水对蓄满产流的影响，也考虑了河道降水及河道排水网络对栅格单元产汇流计算的影响。关于栅格新安江模型的更多细节，参见文献[16]。

2.3 实时校正方法

根据实测的水位或者流量资料，通过反馈机制修正预报值的过程称为实时校正。中小河流的洪水模拟预报易受人为因素扰动，预见期相对较短，具有采用实时校正方法的必要性和可行性。本研究选用了KNN法和反馈法2种水文模型中常用的实时校正方法。

2.3.1KNN法

KNN法是一种历史匹配方法，通过比较样本特征向量间的欧氏距离来匹配数个近邻样本序列，用反距离权重法对预报序列误差值进行校正(图2)。KNN法步骤包括历史样本库构建、临近样本筛选、预报值校正和滚动校正。主要包含2个参数：参与误差估计的近邻样本数目k、当前预报误差有关联的历史预报误差个数s。k取值范围5～100，取值过小则误差校正依赖少数样本，曲线震荡，取值过大会削弱有价值样本的作用，曲线过分平滑；s取值范围2～10，取值过小则仅适用于洪峰等洪水突变部位，取值过大则仅适用于洪水状态变化缓慢的部位。

图2 KNN法原理示意

2.3.2反馈法

反馈法首先计算实测及预报序列相邻差值，再由相邻2个时段的实测流量差值之和与预报流量差值之和的比值计算FACT因子，最后根据预报序列相邻流量差值判断涨退水段，分别进行反馈校正计算。反馈法更多应用细节，参见文献[17]。

实时校正的效果与预见期的选取密切相关。若预见期足够短，实时校正进行过程中，有着足够接近时段的实测数据和模拟数据，校正后的模拟值几乎等于实测值，但预见期必须有足够的长度，才能起到预报、预警、辅助决策的作用；选取较长的预见期，虽然有利于预警调度等工作，但容易导致校正结果误差增大，无法及时响应洪峰段过程线的变化，校正后的洪峰会过分偏离实测值。

3 在秦淮河流域上游段的应用

采用栅格新安江模型及新安江模型程序对前垾村(秦淮)水文站的10场洪水实测数据进行模拟，计算时段长取1 h，其中前7场用于率定，后3场用于检验。其中栅格新安江模型部分参数由输入的土壤类型及植被覆盖数据直接估计，或从物理意义上建立联系计算得出[18]，如SM、C、WM、WUM、WLM等，根据相应栅格的下垫面及植被季节性分布情况有不同取值，栅格之间各有差异。部分参数假定它们的取值流域空间分布均匀，流域内统一赋常用值或估计值，包括K、CI、CG、CS等。均以最高确定性系数为目标，采用SCE-UA算法，自动率定得到一组最优参数值。流域内统一赋值参数的率定值分别见表1、2，模型计算结果特征值见表3，部分典型场次的模拟结果见图3。

a)20150614场次洪水过程

表1 栅格新安江模型参数值

表2 新安江模型参数值

表3 次洪模拟特征值

从栅格新安江模型的模拟效果来看，10场洪水中有7场洪水确定性系数大于0.80，其中20140702、20150602、20160701、20170923四场洪峰和洪量相对误差小于20%，模拟效果良好[19]；20160701场次洪水过程雨量洪量都较大，模拟结果中的洪峰计算值过大，结合实际情况分析，存在人为调度等因素，削减了实际洪峰；20160713场次洪水过程的雨量较小，但该场次暴雨中心主要位于城镇、工业园区较为集中的土桥江宁，城市不透水面占比大，导致洪峰陡涨陡落；20180815场次洪水洪峰起涨前存在短暂的负流量，受下游感潮河段水力联系影响，模拟结果的洪水过程线整体偏大，增大了洪量和洪峰相对误差。

新安江模型在前垾村流域10场洪水的模拟结果中，有5场洪水模拟确定性系数超过0.80，其中20150623场次洪峰、洪量模拟较好，而该场次降雨在实测洪峰出现前后各集中发生1次，模型模拟计算时2次降雨洪水过程之间出现短暂退水，导致模拟过程线出现双峰，峰现时间误差增大；模拟结果偏差的2014702、20150614、20160713三场次洪过程，洪峰相对误差均超过40%，需要配合相应的实时校正系统，以实现一定预见期内更为准确的洪水流量过程模拟。

4 实时校正

中下游闸坝的人为调度因水力联系对上游有显著影响，也一定程度上为模拟预报工作带来了更多的变化因素。汛期调度工作的主观性和多变性增加了预报工作的难度。采用实时校正程序，可以有效补足原始预报模型对人为因素影响考虑的欠缺。

采用实时校正程序，依次选取1～6 h作为预见期[20]，取KNN法参数k=8，s=3[21]，对栅格新安江模型和新安江模型模拟的10场次洪进行校正。其中6 h预见期(e=6 h)对应的确定性系数和峰现时间误差见表4，不同预见期下2种校正方法模拟结果的洪峰相对误差见图4。

表4 实时校正后确定性系数及峰现时间误差(e=6 h)

a)20140702场次

经实时校正后，2种模型的模拟效果都明显提高，主要反映在较大的确定性系数(表4)和总体减小的洪峰相对误差(图4)上，峰现时间误差总体也相对减小，6 h预见期实时校正后，以3 h作为峰现时间许可误差，栅格新安江模型峰现时间误差合格率达0.8，新安江模型峰现时间误差合格率达0.6。但类似20160701场次，洪水过程多变，短时间内出现多次洪峰，进行预见期较大的实时校正后可能会进一步放大峰现时间误差。实时校正的效果与预见期时长密切相关，10场次洪的实时校正后洪峰相对误差及峰现时间误差随着预见期减小而呈现减小的趋势，即预见期越短，实时校正的模拟效果就越好。分析实时校正后洪峰相对误差较大的20150602场次，该场次降雨历时短，强度大，洪水涨洪快，在较长预见期的实时校正过程中，实际洪峰已达洪峰处时，校正程序依赖的数据系列在相应预见期之前的涨洪段，从而错误地抬高洪峰，增大洪峰误差。预见期缩短时，可利用的数据序列更加接近洪峰段，实时校正洪峰误差明显减小；而新安江模型在该场次的模拟结果中，本身计算洪峰偏小，抵消了误差，所以模拟结果较好。

实时校正前，栅格新安江模型平均确定性系数略高，洪峰相对误差及峰现时间误差较小，模拟效果优于新安江模型；实时校正后，栅格新安江模型利用2种实时校正方法获得的模拟结果确定性系数也较新安江模型更高，但新安江模型实时校正后的洪峰误差较小。

KNN法和反馈法都能实现良好的实时校正效果，均能有效提高洪水模拟预报精度。对比2种方法，从校正后的确定性系数、洪峰相对误差及流量过程线形态来看，反馈模拟得到的结果确定性系数整体更高，洪峰相对误差稍小，且流量过程线更平滑自然。但KNN法能根据实际需要调节参数以适应工作重点，或者通过参数优选的方法确定具体流域的最优参数组，应用更为灵活。

5 结论及展望

采用新安江模型和栅格新安江模型，结合KNN法及反馈模拟2种实时校正方法，对秦淮河上游流域2014—2018年10场次洪过程进行模拟研究，主要结论如下。

a)在秦淮河上游前垾村流域的洪水模拟工作中，栅格新安江模型及新安江模型经由KNN法和反馈法进行实时校正后，模拟预报在1～6 h预见期内均能达到0.90以上的确定性系数及25%以内的洪峰相对误差，峰现时间误差合格情况良好，可应用于前垾村流域的洪水模拟及预报工作。

b)预见期选取对实时校正效果影响显著，缩短预见期可以使实时校正程序获得更接近的数据序列，大大提高实时校正的模拟精度；预见期较大时，实时校正会放大部分涨洪较快场次洪水的洪峰模拟值。

c)城市不透水面积增大、暴雨中心集中在城镇区域对降雨洪水过程存在影响，导致产汇流速度加快，洪峰陡涨陡落，峰形尖瘦，致灾风险高。

基于对研究结果的分析和思考，城市地区不透水区域、地下管网排水系统等因素对径流过程存在的影响是后续研究工作的目标。在新安江模型中添加相应的计算模块进行表达，如城市管网排水系统产汇流调节模块、暴雨中心位置权重分析模块等，对秦淮河及相似中小河流流域水文模拟预报研究具有一定实用价值。