基于TUFLOW模型的洪水实时预测预报技术研究与实践

杨 宇，王 喆，刘贞鹏，刘 艳

（1.广西交通职业技术学院，南宁 530216；2.广西水利电力勘测设计研究院有限责任公司，南宁 530023；3.广西民族大学，南宁 530006）

1 概述

我国是世界上发生洪水灾害最频繁的国家之一。2021年，主要江河共发生12次编号洪水，全年洪涝灾害共造成5 901 万人次受灾，因灾死亡失踪590 人，倒塌房屋15.2 万间，直接经济损失2 458.9亿元。发生洪水淹没或人员受困主要是由于无法提前预知哪些区域将被洪水淹没及淹没的时间。为了解决这一问题，我研究团队基于TUFLOW模型技术，通过综合分析区间降雨、上游来水等洪水汇流过程，土壤下渗、河道排洪等洪水下泄过程，开展对区域内洪水分布及淹没时间的实时预测预报技术研究工作。经过研究，发现采用直接降雨法一二维耦合洪水模型技术，将整个流域或者城市城镇的汇水区划分为5～30 m的二维小网格，同时利用计算机并行计算技术，能够提前45分钟以上预测出有受洪水淹没威胁的区域位置，从而为水利部门、应急部门开展人员转移提供技术支撑。

2 模型框架与原理

本次研究主要是为提升昭平县洪水实时预测预报能力，针对昭平县主城区范围建设洪水实时预报模型，在已知桂江和思勤江来水条件下能够预报流经该区域的洪水量级及其淹没影响。

2.1 模型框架

此次研究采用TUFLOW 软件为基础进行二次开发，通过构建一、二维耦合洪水模型，实现洪水模型生成及洪水汇流下泄过程监测、洪泛区平原与河流洪水分析、河口水流和水质模拟。

2.2 计算原理

模型计算原理介绍如下。

2.2.1 TUFLOW一维水动力学模型

TUFLOW 一维水动力学模型求解的基本方程为圣维南方程组。

连续方程：

式中：A为过水断面面积，m2；Q为断面流量，m3/s；U′为侧向来流在河道方向的流速，m/s；x，t分别是距离坐标和时间坐标；q为源汇的单宽流量，m2/s；α为动量修正系数；g为重力加速度；ξ为水位，m；C为谢才系数；R为水力半径，m。

一维数值求解采用非常稳定和精确的二阶拉格朗日格式，方程可写为：

2.2.2 TUFLOW二维水动力学模型

TUFLOW 二维水动力学模型求解的是深度平均二维浅水方程，方程如下：

连续方程：

式中：u和v为垂线平均流速在x、y方向的分量，m/s；H为水深，m；△x和△y为x、y方向上的网格单元；cf为科氏力系数；μ为动量扩散系数；p为大气压强，kPa；ρ为水体密度，kg/m3；Fx和Fy为x、y方向上的外力，N/kg。

本项目采用TUFLOW有限控制体积法引擎。

2.2.3 TUFLOW一、二维模型耦合

通过对一、二维模型的耦合，实现连接处水动力信息的传输。本次采用在一维模型中嵌入二维区域（见图1）。

图1 一、二维耦合的机理

2.3 工作内容

本次研究的主要工作内容如下：

（1）收集构建实时洪水预报模型需要的各种数据资料，包括基础地理信息、防洪工程资料、水文气象资料、历史洪水数据等；

（2）开展模型范围内河道和城区地形测量；

（3）构建实时洪水预报模型软件；

（4）构建研究对象区域及影响该区域洪水淹没范围内流域的一二维耦合洪水模型，开发设置实时洪水预报模型边界条件的接口，实现洪水预报的目标。

3 实践过程与效果分析

3.1 模型构建

3.1.1 模型概述

本次以昭平县昭平镇为研究对象。昭平镇的主要洪水威胁来自于过境的桂江及汇入桂江的思勤江，同时，昭平镇周边，特别是西侧的马圣河流域山洪也能形成较大的洪水威胁。因此，本项目洪水预报模型以上游桂江上昭平水库和思勤江上三门滩电站水库作为洪水模型的上游边界，取距离昭平镇二桥约1.8 km 的桂江河道断面作为模型范围的下游边界，在此上下游边界之内的所有区间汇水流域作为洪水模型的范围，面积120 km2。

3.1.2 模型范围

一维二维耦合水动力学模型的范围见图2，其中黄色线条以内的蓝色线条代表河道一维水动力学模型范围，红色面状区域是昭平镇二维洪水模型区域。模型的上边界为昭平电厂大坝，下边界为昭平镇下游3～4 km河道断面。

图2 一二维耦合模型范围

在模型中，一维河道在横向的宽度由沿着左右河岸划设的线条定义，河岸线内是一维河道，河岸线外是二维模型区域。

（1）一维模型。本次研究一维模型的建设内容为图2 范围内约16 km 的桂江和思勤江河道、城区红色二维区域内的蓝色河道马圣河。桂江和思勤江河道约1 km左右设置一个河道断面，马圣河大致每200 m左右设置一个断面。通过分析高清影像图或照片，并根据实地考察记录，可以初步确定河道的糙率系数，沿断面不同的植被和地貌可以取不同的糙率系数，糙率系数最终通过率定确定。本次研制的实时洪水预报模型不以城区自身汇水区的暴雨作为洪水来源[1]。另一方面，昭平镇主城区地形是中间高于周边，排水管网不会倒灌淹没城区，城区淹没只能从周边低洼地形逐渐向高处演进，因而模型不需要包括城区排水管网。

（2）二维模型。在图2 所示约15 km2红色范围内构建二维水动力模型。将二维区域划分规则方形小网格，本次采用5～10 m网格尺寸构建模型。根据不同的土地利用情况，以分类批处理方式设置二维模型区域的糙率系数，糙率系数最终也用历史洪水数据进行率定调整。

一维、二维模型见图3～6。

图3 洪水模型示意图

图4 洪水最大淹没水深和流速矢量模型

图5 洪水风险区划模型

图6 洪水控制断面水位变化过程模型

3.1.3 数据的收集和应用

构建洪水预报模型需要采用大量各方面数据。主要包括：昭平县数字高程DEM 数据、基层地理信息DLG 矢量数据、数字高程DEM 数据和DOM 影像数据、河道断面数据、历史降雨和洪水数据、历史降雨数据、历史洪水水库泄洪数据、水库基本信息资料、昭平镇排水系统数据、排水涵管、涵洞、桥梁等建设资料、雨量、水位站信息、气象预报降雨数据[2]。

3.1.4 模型组成

（1）地形数据。模型采用的地形数据见图2，其中城区采用了高分辨率的1∶2000 和1∶500 地形数据。

（2）排水管网数据。本次研究仅收集到主干道的排水官网，没有雨篦子及其连接管数据及小区内雨篦子和支管数据。本项目根据现场勘察人工添加雨篦子，并采用虚拟管道的方法处理小支管（见图7）。昭平镇多数区域地形起伏明显，有利于排水，在桂江不高水水位顶托情况下区域暴雨导致局部内涝的危险性较小，待今后具备更详细的排水管网数据时模型还可进一步细化和完善。

图7 昭平镇排水管网

（3）涵管和桥梁。洪水预报模型包括了昭平镇核心区域的涵管和桥梁（见图8）。

图8 昭平镇涵管和桥梁

（4）土地利用。不同的土地利用影响雨水的下渗系数和地表糙率系数，洪水预报模型根据收集到的DLG 矢量数据提取土地利用数据（见图9），并设置不同的初始下渗参数和糙率系数。下渗参数和糙率系数需通过历史暴雨洪水数据进行多次率定确定。

图9 模型范围内土地利用数据（彩色以外灰色本底为森林）

3.1.5 GIS图层处理

将Arcgis 作为模型构建的界面，所有图层在GIS 中进行属性赋值。构建模型的GIS 图层有：地形、河道（包括断面）、桥梁、水库的泄水闸、堤防、一二维耦合、网格剖分、项目区范围、土地利用、一二维边界条件等。

3.1.6 模型参数设置和率定

本次研制实时洪水预报模型需要率定验证的主要参数是河道的糙率系数和城区地面的糙率系数，根据水力学手册和模型经验，不同土地利用情况采用糙率系数初始值见表1。

表1 洪水模型初始参数设置范围

模型参数的率定方法是在表1所列范围内对几种土地利用的糙率系数进行调整组合，寻找能够使河道和城区洪水水位计算值与实测值最吻合的参数组合，其中最主要的是桂江河道的糙率系数，它对河道洪水水位及城区淹没具有关键影响[3]。

一般县市区的水利部门都掌握了历史洪水的数据，包括上游水库下泄流量过程或开闸泄水记录、洪痕记录或者洪水水位数据等。本次模型率定拟收集采用不少于3 场历史洪水数据，模型参数率定和验证的精度不低于国家相关规范规定。

3.1.7 实时洪水预报模型边界条件接口

本次研制的实时洪水预报模型需要采用昭平电厂的实时和预报下泄流量作为上游边界提交，同时采用昭平镇下游一定距离的桂江断面实测水位或水面坡降作为模型的下游边界条件，以便在每次滚动启动实时洪水预报模型前方便快捷的准备边界条件数据。具体方法是直接调取水库的调度数据和河道水位监测数据。

3.2 运行效果分析

经过现场调查，了解到昭平镇最近3次最大的洪水发生在2005 年、2008 年和2020 年6 月，经过与水文、水利、气象部门进行对接，收集了这3场暴雨洪水的数据和水库泄水数据。但是最终只有2020年6月暴雨洪水的相关数据较完整，2005年和2008年的历史暴雨洪水数据不足以满足模型参数率定的要求。

2020年7月7～8日的洪水在昭平镇造成了一些区域淹没严重，但主要是桂江高水位造成。收集本次洪水的水文气象信息，对洪水模型的河道糙率系数进行率定，得知桂江昭平水文站实测洪水水位与洪水预报模型计算洪水位的比较，可见两者吻合较好，差别在正负0.3 m以内。同时，根据现场调查记录，模型计算的淹没范围/水深与实际情况非常吻合（见图10～11）。

图10 2020年6月7～8日模型计算洪水位于昭平水文站实测洪水位比较图

4 技术优势与创新

图11 2020年6月7～8日模型计算洪水最大淹没范围/水深图

（1）网格化汇流计算，提高预测精准度。本次研究将采集到的地形图划分为5 m-30 m的小网格，同时计算每一个网格上受到的降雨、上游来水等汇流因素，同时分析该网格内土壤下渗情况和下游排洪情况，从而获得该网格内产生洪水淹没的具体数据。同时引入城镇排水系统影响参数，构建一二维耦合模型，大幅度提高预测精度。

（2）采用计算机并行计算技术，提高预测周期。洪水预测时间为监测到上游来水后进行淹没区域计算获得结果的时间至洪水到达淹没区域的时间。这一时间，又被称为人员转移的可利用时间。这一时间的长短，决定着山洪灾害预警、会商决策、人员转移能否顺利实施[4]。本项目通过采用计算机并行计算技术，多个模型同时计算上游来水、区间降雨、土壤下渗、河道排洪等影响淹没区形成的因素，最大限度上缩短运算时间，提高预测时间。

（3）提升水利信息化建设，增强区域灾害预测预报能力，积极推进洪水一体化管理水平。本次研究通过搭建洪水预测预报模型，结合现有水雨情监测站点，以智能的空间分析对受灾的信息提供决策支撑。为防汛工作人员提供实时直观的预测预报信息，为管理者和决策者提供智能的预警分析支持手段，这对区域灾害预测和防灾减灾方面是一个有效的提高，通过应用信息化技术，在管理能力上也有明显的质的提升。

（4）突破“信息孤岛”，提高防汛预警智能化、网络化水平，提升居民灾害防御能力。本次研究成果能够有效解决山洪灾害防御的“最后一公里”难题，将预报期由30 min 提高到45 min，为基层开展群众疏散提供了宝贵的时间。

5 建议

（1）突出重点、注重效益。根据昭平县当地经济社会发展实际和特别是主城区防洪存在的突出问题，制定切实可行的治理目标。从当地的防洪实际出发，结合本次研究成果，找准需要治理区域的重点河段、关键环节与薄弱部位，采取经济、适用、有效的措施，优先安排人口相对密集、洪涝灾害频发的洪涝区域治理、解决突出问题，注重治理效益。

（2）统筹协调、综合治理。坚持人与自然和谐发展，既有效防御洪水，又安排好洪水出路。坚持统筹协调，处理好上下游、左右岸、干支流的关系，统筹处理好洪涝灾害易发区治理与城镇发展、河流生态环境保护、水资源开发利用的关系，进一步优化城区洪水监测预警体系，统筹衔接好工程措施与非工程措施，防洪与排涝，近期与长远的关系。

（3）因地制宜、促进人水和谐。防洪保护区内城区河段大部分堤防建设尚未完善，未形成封闭圈，使得城区防洪能力仍旧较低，城区整体防洪仍未达标。建议尽快完善城区防洪堤建设。坚持因地制宜，根据河流特征和昭平县当地经济发展水平，合理确定治理规模、标准和措施，尽量保持河道自然形态，防止侵占河道，促进人水和谐。

（4）注重管理、明确事权。坚持注重管理，在加快山洪灾害防治项目建设的同时，要同步建立和完善管理机制，明确管护主体、管护责任和管护经费，建立健全管理制度和长效机制，巩固和保持治理成果。