TIGGE降水耦合的新安江模型在水文预报中的应用
2022-09-16赵丽霞徐十锋庞雁东
赵丽霞,徐十锋,庞雁东
(1.黄委河南水文水资源局,河南郑州 450004;2.黄河水利委员会水文局,河南 郑州450004;3.河南省水文水资源局,河南 郑州 450004)
为提高洪水预报的预见期[1,2],利用天气预报降雨作为模型输入,进行降雨径流预报是常用的方法。在洪水预报中,直接采用该模式可能会导致洪水预报出现较大的偏差。集合数值天气预报模式(EPS)的出现有效提高了洪水预报精度。本文以伊洛河东湾以上流域为研究对象,以澳大利亚(BMRC)、加拿大(MSC)、中国(CMA)、欧洲(ECMWF)、英国(UKMO)、美国(NCEP)6个气象中心的TIGGE降水数据驱动新安江模型,选取2010年7月15日至9月10日的复式洪水过程进行研究。
1 集合洪水预报模型
1.1 TIGGE降水
集合预报系统[3,4](EPS)又称为概率预报系统,是提供大气变量的完全概率预报。近年来,全球很多国家和地区正在使用或尝试将EPS应用于洪水预报中。TIGGE(THORPEX Interactive Grand Global Ensemble)集合预报是世界气象局组织的“观测系统研究和预报实验”项目的重要组成部分,其在全球范围组织各气象业务中心进行集合预报的开发与合作,并计划发展成为未来的“全球交互式预报系统”。文中以TIGGE(BMRC,MSC,CMA,ECMWF,UKMO,NCEP)预报降水驱动新安江模型来实现洪水预报。
1.2 雨量资料的尺度转换
TIGGE集合预报雨量数据为分布式的栅格数据,栅格大小为25 km×25 km。经研究表明,对于洪水预报中降水的空间分布而言,水文模型中的空间分辨率并不是越小越好,而是与降水的时间和空间尺度有关。对于基于栅格的水文模型,栅格雨量的空间分辨率往往在1 km×1 km,有的甚至更小。将TIGGE集合预报雨量应用于水文模型时,必须进行雨量数据的降尺度处理。常用的雨量降尺度[5]方法:基于整个流域上的降雨总量平衡,将每个TIGGE集合预报雨量25 km×25 km的栅格数据都降尺度转化为1 km×1 km,并进行气象栅格雨量的空间校正。计算公式:
式中:ci为子流域校正系数;Pi,j为第j组集合预报雨量在i个栅格或者单元子流域的面平均雨量;o为地面雨量计观测雨量;e为集合预报雨量;-C为各流域校正系数的平均值;-Pi为第i个观测雨量站控制面积内的平均雨量;-P为流域面平均雨量。
对于概念性的新安江模型而言,其子流域大小一般为200~800 km2,按泰森多边形法划分的单元流域与TIGGE雨量栅格大小相近,故采用简单方法进行雨量合并,可以大大减小雨量尺度转换导致的误差。当观测雨量站控制的泰森多边形面积被包围于同一个集合预报雨量栅格中时,集合预报栅格雨量值即为该子流域的面平均雨量;当不能被包含于同一雨量栅格时,由每个观测雨量控制面积内的栅格雨量按面积权重计算得到该单元流域预报的面平均雨量[6]。计算公式:
式中:n为每个观测雨量控制面积所包含的栅格数;A为观测雨量站控制面积;Pi为观测雨量控制面积内第i个预报雨量栅格的雨量值;Ai为第i个预报雨量栅格位于控制面积A内的面积。
1.3 全局优化的新安江模型
新安江模型[7]是由河海大学教授赵人俊在1973年提出的,在国内洪水预报和径流模拟中得到了广泛推广和应用。本文采用SCE-UA[8]优化算法与遗传早停止LM算法相结合的方法,对新安江模型的参数进行自动率定优化,使模型的操作运行更加方便、快捷。
2 流域概况
东湾以上流域地处河南省境内,位于黄河流域伊洛河上游,控制面积为2 856 km2。该流域冬季寒冷干燥,夏季炎热多雨,多年平均降雨量为500~1 100 mm,属于典型的暖温带半湿润大陆性气候。流域地势总体是西南高东北低,年降水量也随地形高度增加而增大,且上游多以林地地形为主,降水量的分布极不均匀,导致山地为多雨区,河谷及附近丘陵为少雨区。流域内降水年际变化较大,年最大降水量是年最小降水量的2倍左右,且年内分配极为不均,每年7—9月的降水量占年降水总量的一半以上,该过程内的洪水多由暴雨产生,具有陡涨陡落、洪峰高、历时短等特点,对中下游的防洪安全具有较大的影响。
流域内有陶湾、栾川、庙子、白狮、白土、潭头、合峪、东湾共8个雨量站,采用国际科学数据服务平台提供的1 km×1 km的数据,用ArcGis软件对研究区的DEM数据进行流域提取、河网生成,用泰森多边形法将流域划分为8块单元面积,采用下游黑石关站的同时间系列实测蒸发资料。所划分的子流域及其代表雨量站见表1。
表1 东湾子流域面积权重
3 实例分析
选取东湾以上流域2010年7月15日至9月10日的洪水过程进行试验研究。该次洪水为复峰洪水,实测洪峰流量为3 780 m3/s,出现的时间是7月24日14时。
3.1 全局优化的新安江模拟预报
利用新安江模型对东湾以上流域的洪水过程进行模拟,采用全局优化的方式进行参数率定,参数率定结果见表2,新安江模型模拟的结果见图1。由图1可以看出,该复式洪水模拟预报的精度很高,具有研究价值和意义。
图1 东湾实测降雨模拟流量过程
3.2 集合预报可行性分析
为了验证TIGGE集合预报雨量用于降雨-径流预报的可行性,以EGRR的集合预报数据为例,对2010年7月20日20时至7月24日20时的地面雨量计观测雨量分为考虑预见期集合和不考虑预见期集合分别进行降雨-径流预报,同时选择EGRR集合预报中具有代表性的集合成员进行模拟。根据实测资料,7月20日20时至7月24日20时的观测面平均雨量为80.6 mm,图2中的流量过程线分别为EGRR集合成员对该时段内雨量的漏报(21.4 mm)、谎报(175.4 mm)、准确预报(95.2 mm)及不考虑预见期内降水所得到的预报流量过程线。
表2 新安江次洪模型参数值表
图2 基于EGRR3个预报成员的洪水预报结果
从图2可以看出,对于此次洪水而言,EGRR的3个集合成员都能反映未来天气变化的趋势,相比不考虑预见期降雨的洪水预报精度有所提高。降雨的漏报会导致防洪上的疏忽,造成较大的洪灾损失,对降雨的谎报使得预报的洪水远远大于实测的洪水,从防洪角度来说,可能造成某种程度的人力物力资源的浪费。而集合预报能够更好地考虑到模型的不确定性、边界条件的变化及数据同化,得到降雨较为完全的概率预报结果。
3.3 集合洪水预报系统
TIGGE集合预报系统在每日的8时和20时各发布一次时间步长△t=6 h的未来240 h集合预报数据。利用6个天气中心的集合预报雨量数据驱动东湾以上流域新安江模型,对东湾以上流域2010年7月15日8时至9月5日8时的洪水过程进行连续模拟演算。
由连续模拟结果可以看出,随着ECMF集合预报降雨精度的逐渐提高,基于ECMF集合预报模式的洪水预报过程越来越贴近实测流量过程。ECMF集合预报成员在7月15日8时的预报中已经探测到洪峰的微弱信号,从16日8时开始,对洪峰的跟踪信号已经具备了一定的精度,21日20时集合预报成员显示出了相当一致的较密集降雨事件的信号。预报成员从长预见期预报到短期预报演进时一致性地不断改进,表明了集合预报的可行性,其越来越接近实际的降水事件。通过ECMF集合预报驱动的洪水预报系统的洪水预见期可以延长到3~9 d,这将大大提高洪水预警预报的精度和预见期,为防洪减灾提供科学依据,具有很强的现实意义。同样的结论可以从BABJ,CWAO和EGRR集合预报驱动的洪水预报结果中得到,而AMMC和KWBC预报中心对此次降雨的探测结果较差,集合预报的雨量明显偏小。2010年7月17日8时TIGGE发布的未来10 d东湾以上流域面平均雨量集合预报结果统计值见表3。
表3 2010年7月17日8时TIGGE发布的平均面雨量结果mm
从单次集合预报结果来看,集合预报在预见期240 h内的预报精度很高。由表3可以得出:预见期为120 h的集合预报平均值与地面雨量计观测值最接近,预报效果较好,参考价值较高。因为各个天气预报中心的预报精度各不相同,因此,可以考虑将所有预报中心的预报结果综合起来组成超级预报集合进行洪水概率预报,本文将所有天气预报中心的集合预报成员进行简单的等权重来组成超级集合,大部分预报成员都能够较好地探测到该次洪水。
本文建立的气象-水文耦合的集合洪水预报模型以TIGGE集合预报降雨作为模型的不确定输入,并考虑了模型参数的不确定性,实测洪水流量过程基本被包含在90%置信度范围内,实测流量与概率为95%的预报流量相近,为同类洪水预报模型的研究提供了一定的借鉴作用。在今后的洪水预报中,利用超级集合的预报结果作洪水发生概率分析,绘制相应的洪水风险和预警图,可为流域防汛决策部门作出决策和必要的准备赢得一定的时间。
4 结语
本文利用TIGGE集合降雨预报数据驱动东湾以上流域新安江模型,构建了气象-水文耦合的洪水预报模型系统,并对流域2010年汛期洪水进行预报,有效提高了洪水预报的精度并延长了预见期。文中采用了一种新的思路对伊洛河东湾以上流域进行降雨-径流模拟,具有较强的理论依据和实际的应用价值,但仍有需要进一步研究的问题。
1)因为TIGGE集合预报数据库建于2007年,通过对东湾以上流域2010年汛期的洪水进行验证,得到了较高的预报精度和效果,但仍然需要对更多的历史洪水进行验证,并结合流域自身的特性,改进模型结构,提高预报精度,延长洪水的预见期。
2)在集合预报中,各个天气预报中心的预报数值精度各不相同,以等权重系数进行集合预报,可能会造成综合预报精度低于单个天气预报中心的预报精度。在今后的研究中应收集和比较各个天气中心以往的作业精度,定出其权重系数,然后再参与到超级集合预报中,根据预报结果制作洪水风险分析和预警图,进一步提高集合洪水预报的精度。