密云水库洪水预报模型及预报成果分析

2022-07-16王泽勇钟永华廖卫红郑丽媛

海河水利 2022年3期

王泽勇，钟永华，廖卫红，郑丽媛

（1.北京市密云水库管理处，北京 101512；2.中国水利水电科学研究院，北京 100038；3.北京工业大学，北京 100124）

密云水库位于京郊密云城区北部的山地上，距北京市区中心约90 km，为华北最大的蓄水池之一，是保障首都地区防汛安全与城市供水安全的重要工程。2014 年南水北调来水开始进京，密云水库水位逐渐上涨，正确预测密云水库洪水对优化水库调度、维护首都地区防汛安全具有重大意义。分布式水文模型基于物理机制模拟，能较为真实地描述水文循环各个物理过程的时空变化。自上世纪60 年代以来，很多学者进行了分布式水文模型的研究和研发，取得了大量成果。分布式水文模型EasyDHM（Easy Distributed Hydrological Model）由中国水利水电科学研究院自主研发，在国内多个流域成功应用且效果良好，证实了模型的适用性和实用性。2015 年，EasyDHM 模型开始实际应用。本文介绍了近几年分布式水文预报模型EasyDHM 在密云水库洪水预报中的应用情况。

1 研究区域及预报系统现状

密云水库于1960年修建完成，总库容43.75亿m3。水库多年平均入库径流量为8.55亿m3，100 a一遇洪水洪峰流量为9 320 m3/s，1 000 a一遇洪水洪峰流量为15 800 m3/s，最大可能洪水洪峰流量为23 300 m3/s。水库在保护下游北京、天津、河北地区的防洪安全以及治理潮白河工作中发挥了巨大作用，取得了显著的经济效益和社会效益。

密云水库流域如图1 所示，从图1 可以看出，密云水库建于潮河、白河主河道上，控制着潮白河88%的流域面积，实际控制面积15 788 km2。流域属于温带大陆性季风气候，降雨量主要集中在第三季度，汛期多年平均降雨量379 mm。

图1 密云水库流域

密云水库在建库时便开展水文预报工作，保障了水库的正常施工。建库后，由于当时的特殊情况限制，预报工作发展不理想。虽然有一些小型的预报方案，但在调度工作中未能充分发挥应有作用，主要预报方法是径流系数法。1988 年，密云水库管理处与南京水文水资源研究所合作，完成了以“新安江三水源模型”为基础的预报方案《洪水预报调度软件包》。由于水库来水量逐渐减少、流域下垫面改变及受人类活动影响，该预报方案的预报成果精度不断下降。1999 年，委托大连理工大学研发洪水预报调度系统软件，将原《洪水预报调度软件包》界面化。由于模型参数固定，且流域下垫面情况变化较大，系统预报成果不符合水库现状。在实际工作中，洪水预报结合人工预报与水库自动化系统洪水预报软件，更多的是采用径流系数法进行短期洪水预报。2012 年，委托中国水利水电科学研究院研发密云水库洪水预报调度系统。该系统模型为分布式水文模型，于2015 年投入运行。目前，密云水库洪水预报工作主要依靠该系统进行。

2 EasyDHM 模型原理

EasyDHM 模型采用模块化编程思想，基本计算单元面积可以随着模拟范围的大小和精度要求自行调整，模型空间单元结构形式为参数分区/计算分区-子流域-内部计算单元，主要依据水文分析所推出的数字水系情况及流域下垫面情况进行划分。EasyDHM 模型可支持不同时间步长的水文模拟、洪水预报及参数自动率定等功能。

2.1 模型产汇流算法

内部计算单元是EasyDHM 模型的产流计算单元，首先在各个内部单元进行产流模拟计算，继而向子流域汇总，并逐级汇流到出口点。产流算法是影响流域水资源以及断面洪量的最主要的模块，直接关系河道径流量级的大小。EasyDHM 模型产流计算算法有EasyDHM、WetSpa、新安江和Hymod 产流算法，密云水库洪水预报采用自主研发的EasyDHM产流算法。

2.2 模型参数

EasyDHM 模型中每个计算单元都有一套独立的产汇流参数，通过计算单元处的DEM、土壤类型、土地利用等下垫面数据推求而出。当单元划分较细，在模型调参时逐个单元进行调参是不可行的。因此，EasyDHM 模型引入“全局修正系数”概念，通过全局修正系数与模型默认参数的默认值相乘得到模型计算最终参数。EasyDHM 产流算法和马斯京根汇流算法组合，共设定了29个全局修正系数。在进行参数率定时，对这29个参数进行敏感性分析和优化。

2.3 模型参数率定

模型全局参数的率定工作包含参数敏感性分析和参数优化两部分内容，均逐参数分区进行计算。其中，参数敏感性分析主要具有以下两大基本功能：①分析各种参数对模拟效果的影响程度；②将较敏感参数筛选出来进行参数优化。通过参数敏感性分析，能够更深入理解各种参数如何对模型发展产生影响，简化参数优化中的参数个数，对参数的测量以及模型发展提供指导性意见。在选取的率定期内对挑选出的敏感参数进行参数优化，经验证期验证通过，即可采用所优化出的最优参数进行后续的计算模拟以及预报。

EasyDHM 模型在进行模型参数敏感性分析时，采用了LH-OAT 参数抽样方法。该方法将Latin-Hypercube 抽样算法的稳健性和OAT 算法的精确性充分融合在一起，使得在每个参数的整个可行空间中，都按照OAT 的设计要求进行了准确抽样，确保通过改变输入参数调整每次模拟运算的输出。在进行参数敏感度分析时，选用的目标函数不同，敏感度分析的侧重点也不同。当目标函数为平均流量或SSQ 时，分别可以得到各个参数对模拟结果或模拟精度的敏感状况。为保证EasyDHM 模型参数实现自动优化，将SCE-UA 全局参数优化算法引入模型。洪水预报主要是对流域各洪水场次的精度进行评定，参数优化时选用的指导优化的目标函数如Nash效率系数、洪峰误差等均可转化为无量纲数，进一步实现多个目标函数的加权组合，使用单目标优化算法SCE-UA 即可达到同时优化多目标的效果。以张家坟站为例，列举了各参数的相对敏感度，并按敏感性排序，各参数最优值与默认值之间存在较大差异，证明了参数率定的必要性，详见表1。

表1 张家坟站参数率定结果

3 模型应用及结果分析

3.1 模型应用效果评估

密云水库洪水预报调度系统自投入运行以来，针对汛期每场流域性较大降雨（流域平均降雨量20 mm以上）进行了实时预报，针对特殊天气进行了假拟预报，预报成果包括洪峰、峰现时间、3 d 洪量、7 d 洪量、15 d洪量和30 d洪量等。在上百次的预报中，预报结果合格率85%以上，良好以上50%。密云水库及上游控制区洪水预报结果，详见表2。由表2 可知，除大阁站和三道营站（最上游控制站）外，其他每站均给出15场以上的洪水预报结果（包括率定及验证场次）。在下堡、大阁、三道营、古北口、下会、张家坟及密云水库的洪水预报评价中，预报精度等级均达到乙级及以上，说明分布式水文模型EasyDHM 能够较好地进行密云水库洪水模拟，可用于密云水库流域的短期洪水预报中。

表2 密云水库及上游控制区洪水预报结果

3.2 场次洪水模拟结果

近几年，分布式水文模型EasyDHM 为密云水库流域提供了较为精准的洪水预报，为水库的优化调度运行提供了支撑，主要场次预报情况如下：

在20170706 场次降雨中，全流域平均雨量52.7 mm，暴雨中心主要在水库区间，密云水库7 d洪量4 035万m3，径流系数为0.048。此次降雨中，密云水库入库预报洪峰流量为251 m³/s，峰现时间为2017 年7 月6 日17 时；实测洪峰流量为178 m³/s，峰现时间为2017 年7 月6 日20 时，洪水模拟过程如图2所示。

图2 密云水库20170706场次洪水过程线

在20180725 场次降雨中，全流域发生了连续降雨，雨量53.4 mm，密云水库7 d 洪量为23 014 万m3。此次降雨中，密云水库入库预报洪峰流量为629 m³/s，峰现时间为2018年7月25日11时；实测洪峰流量为628 m³/s，峰现时间为2018 年7 月25 日8 时，洪水模拟过程如图3所示。

图3 密云水库20180725场次洪水过程线

在20200812 场次降雨中，全流域雨量48.0 mm，密云水库7 d洪量3 504万m3，径流系数为0.046。此次降雨中，下会站模拟预报2020 年8 月24 日8 时洪峰流量为10.5 m³/s，实测8 月24 日11 时洪峰流量为12.4 m³/s，误差为18%，预报结果评定为合格，洪水模拟过程如图4 所示。张家坟站模拟预报2020 年8月13 日5 时洪峰流量为35.7 m³/s，实测8 月13 日5时洪峰流量为46.3 m³/s，误差为7.9%，预报结果评定为合格，洪水模拟过程如图5所示。

图4 下会站20200817场次洪水过程线

图5 张家坟站20200813场次洪水过程线

3.3 存在问题及改进方法

从近几年的实际应用来看，分布式水文模型EasyDHM 在密云水库流域中运用良好，然而仍有较大提升空间。纵观近几年密云水库流域水文预报的实际应用，仍然存在以下问题：①局部强降雨预报精度不高，流域内布设的雨水情遥测系统雨量遥测站点有限，难以有效监测出流域内不同类型的降雨，特别是局部强降雨，对预报精度影响很大；②流域产汇流条件发生变化，随着人类活动和气候变化的影响，尤其是近几年南水开始存蓄到水库中，密云水库的来水条件发生极大的变化且还将不断发生变化，原模型结构和模型参数可能不再适合新的流域产汇流条件，导致洪水预报结果精度不理想；③流域初始状态识别不清，土壤初始含水率、蒸发、渗漏等变量也是影响降雨产流的重要因素，然而这些变量不能直接获取，往往通过经验或其他参数推算而出，精度不能保证。

针对上述问题，建议通过一些基础设施的改造升级和新技术方法的引入，提升水文预报精度。

3.3.1 优化监测站点布设

密云水库雨水情遥测系统始建于1988年，原有9处雨量遥测站，至2019 年已增至42 个，其中32 个雨量站、8个雨量水位站和2个水位站。目前，密云水库在北京境内站网密度为164 km2/站，河北境内站网密度为677 km2/站，未达到《水文情报预报技术手册》中流域站网密度标准，对于流域降雨时空分布情况的监测效果不理想，应进一步合理规划并加密遥测雨量站点，更好监测流域降雨情况。与此同时，流域上游主要支流应补充建立流量自动监测站点，以便汛期及时获取数据，同时比对校正实测流量，为水文预报提供更详细准确的基础数据支撑，提升预报精度。

3.3.2 考虑土地利用变化影响

受人类活动的影响，流域下垫面土地利用在不断发生改变，流域产汇流模拟更加困难。一方面，需要借助遥感手段获取流域下垫面的变化信息；另一方面，在水文产流模拟方面，不同的土地利用应有不同的产流规律，即对应不同的计算方程和参数，需要对原有水文模型进行优化，在流域产流模拟中考虑流域土地利用变化的影响。

3.3.3 基于遥感反演的土壤水分数据

模型初值对洪水预报模型具有较为显著影响，每场降雨前土壤的干湿程度直接影响其产流大小。密云水库流域多年应用经验也表明，同样量级的降水在汛期初期和中后期的产流量存在明显差异。因此，引入准确的土壤水分数据也能提高洪水预报精度。随着遥感技术快速发展，可多途径获得观测数据。对于土壤水分数据也是一样，可借助实测土壤水分数据对遥感数据进行融合校正，保证数据真实性。同时，可将原有的观测数据径流量与反演的土壤含水量进行多源数据融合，进一步提高土壤水分数据的准确性。