基于大数据的琅琚水洪水预警预报研究

寇 烨

(贵州东方世纪科技股份有限公司，贵州 贵阳 550009)

1 区域概况

1.1 河流水系

本次试点河流(流域)为琅琚水。琅琚水又名琅琚河，系抚河一级支流，涉及琅琚镇、左坊镇、秀谷镇和浒湾镇。琅琚水发源于金溪县秀谷镇清华庵，自东往西，与唐家水、项山水等支流汇合，经琅琚乡，至金溪县的浒湾镇的占家村，再与抚河合二为一。主要河流全长40 km，主要河流的底面宽度在30～70 m之间，以粗砂砾石为主，弯弯曲曲。流域的地貌是一片山丘，地势是北高南低[1-5]。

1.2 气象水文

琅琊水流域是一个四季如春，降水丰富的亚热带季风湿润气候区域，多年平均降水1832.0 mm，1998年最大降水2804.3 mm，1971年最小降水1133.6 mm。在一年中，各个季节的降水分布是不均匀的，而且有很大的差别，在4—6月，降水的比例是46%，在1—3月，降水的比例是20%，在7—9月，降水的比例是10%。在4—6月，冷暖两种气团在琅琚水流域交汇，如果冷暖两种气团都很强大，而且实力相当的时候，就会形成中间切变和地面静止锋，经常会引起一场持续很久的大雨倾盆。夏季和秋季(7月中旬—9月)，在副高的支配下，以晴朗和炎热为主，只有区域性的雷暴和偶尔的台风。7—9月降水量占年降水量的20%[6]。冬春季节(10月—次年3月)降水较少。由于下游河道地势较缓，且受抚河顶托，一般洪水过程历时1～2 d，个别洪水过程历时2～4 d。

1.3 洪水特征

(1)具有很强的季节特征。江西省中小河流多在3—9月出现高水位，该段时间内各站点出现高水位值的比例为98%，4—6月份出现高水位值的比例为70%，7—9月份出现低水位值的比例为23%；6月出现的次数最多，为39%；五月份出现的次数次之，为21%。

(2)洪涝灾害频发。江西省的中小河道洪涝灾害频发，2～3 a内出现一次超过警戒水位的洪涝灾害；从年度来看，中小型河道的洪涝灾害以局部洪涝灾害为主，大规模洪涝灾害不多见。

1.4 预报断面情况

琅琚水预报站点为水文站，所在位置为金溪县琅琚镇邱家村，集水面积191 km2。

2 资料准备

2.1 气象数据

(1)雨量计观测降水。采用试点流域内水文和相关部门的雨量计观测降水，所有实况数据直接通过数据库交换实时接入洪水预报系统。

(2)雷达估测降水。来源于国家气象局，数据5 min/帧，分辨率为1 km×1 km，每6 min传入系统。

(3)数值天气预报。来源于中国气象局，数据每天早晚发布两次，分辨率为5 km×5 km。

2.2 遥感数据

通过大数据技术自动采集全区各类遥感、卫星影像、地形地貌等数据，采用GIS技术对数据进行分析处理，建立该区域对应的地理信息专题数据，得到以网格化表示的任意位置的地理要素，主要包括DEM、植被、土壤质地。由各地理要素及流域范围进行空间分析，拟定流域相关的特性数据[7-10]。

2.3 其他数据

本次收集了抚州市下辖2个区、9个县的山洪灾害调查评价已有成果。其中包括整个抚州市受山洪灾害威胁沿河村落危险区的位置、成灾水位、预警指标和现状防洪能力等各项数据，并进行了数字化处理。

实测流量序列数据是率定模型的关键数据。本次收集整理了琅琚水文站2017—2020年现有的实测流量序列数据，并将所有数据导入了系统数据库，接入了实时测量数据。由于建站时间短，2017年数据可靠性不高，在模型参数率定中仅做参考，2020年1—7月的数据异常。

3 预报模型

3.1 水文模型

在此基础上，以30 m的数字高程模型(DEM)为基础，以流域内的自然水系为研究对象，以2～30 km2的集水区域为基本计算单位，构建高精度的数字化水系。该模式主要包括三个子项：蒸散发计算，产流量计算，汇流计算。利用蒸发曲线法对小流域的蒸发量进行了估算，利用全流量法对小流域的蒸发量进行了估算；在流域汇流计算上，本项目拟以动力瞬时单位线为单位，以线性库区为单位，将流域内径流与地下径流相结合，以马斯京根法为单位，对流域内的河流进行分段连续模拟。降水的输入是5 km×5 km的逐时格点(5 km×5 km)，包括实时降水、2 h短临降水和72 h降水预报。在现有大数据分析与处理平台的支持下，本项目拟开展多源遥感数据融合、多源遥感信息融合、多模式遥感信息融合等研究。

3.1.1 数字流域生成及计算单元划分

形数据采用30 mDEM，通过相关官方网站共享的遥感分析数据成果，获得土壤类型、植被覆盖、土地利用等下垫面数据。

为提高模拟数字河网准确性，提高模型预报准确性，需进行DEM的河道烧录处理。通过高清影像比对，提取真实的河网水系；再基于该河网水系对DEM进行刻画处理及修正提取模拟数字河网。采用原始DEM直接提取的模拟数字河网，严重偏离真实水系，河道烧录提取的模拟数字河网，与真实水系保持高度一致。

采用ARCGIS的水文工具提取流向、河网、流域边界等数字流域河网信息。流向提取采用单向D8算法，河网累积流量阈值取2000，琅琚试点流域提取的模拟河网、流域边界分别如图1所示。

图1 琅琚水文站控制流域边界及河网(F=191.0 km2)

根据水系河网的拓扑关系和河网节点，按照单元控制面积为2～30 km2的范围，划分模型水文计算单元HUR及节点。琅琚流域的水文计算单元及节点划分成果，如图2所示。计算节点分别为131个。

图2 控制流域水文计算单元及节点

3.1.2 蒸散发计算

为了较为准确的描述这种状态的过渡，模型拟定了蒸发曲线算法表示。蒸发曲线有三个变参，分别是Em、Wm和Wb，可以反映不同流域的蒸发特性。根据土壤类型、植被、地貌特点等自动分析每个计算单元土壤含水量Wm，推算每一个计算单元的蒸发曲线，有效提高了净雨计算的准确性。如图3所示。

图3 蒸发曲线

3.1.3 产流计算

产流计算是根据蓄满产流理论得出，其发展的快慢(当降雨情况一定时)取决于该流域土壤缺水量、流域面积的物理过程及径流量的计算，用流域蓄水容量曲线来表示。如图4所示。

图4 流域蓄水容量曲线

其公式见式(1)～式(3)：

(1)

(2)

式中：R为产流径流深，mm；P为流域降水量，mm；Wm为流域平均蓄水容量，mm；a为流域初始蓄水量W0对应于蓄水容量曲线的值，mm；b为降水量；mm。

(3)

3.1.4水源划分

模型采用一个自由水蓄水库进行水源划分，自由水蓄水库设置两个出口，其出流系数分别为KI和KG。产流量R进入自由水水库内，通过两个出流系数和溢流的方式把它分成地面径流、壤中流和地下径流。自由水蓄水库的结构见图5。

图5 自由水蓄水库的结构

自由水的蓄水能力在产流面积FR上的分布也是不均匀的。模仿张力水分布不均匀的处理方式，把自由水蓄水能力在产流面积上的分布用一条抛物线来表示，详见图6。

图6 流域自由水蓄水容量曲线

用SMMF表示产流面积上最大一点的自由水蓄水容量，SMF表示产流面积上的自由水平均蓄水容量深，SMF′表示产流面积上某一点的自由水容量，FS表示自由水蓄水能力≤SMF′时流域面积占产流面积(FR)的百分数，S表示自由水在产流面积上的平均蓄水深，EX表示流域自由水蓄水容量曲线的指数，产流面积上各点的自由水蓄水容量关系计算如式(4)：

(4)

3.1.5 汇流计算

汇流模型计算包括坡面汇流和河网汇流，其中坡面汇流根据坡度、植被和下垫面的特征情况，得到每个计算单元的基本属性(包括面积、流域形状、糙率、坡降、汇流方向、流速、蓄滞影响等)，来确定瞬时单位的参数，在计算过程中为反映真实情况，模型根据实时降水强度和暴雨中心位置的不同，结合下垫面的情况，每15 min动态生成不同的单位线，这样就解决了地表非线性汇流的问题，从而得到坡面汇流，最后通过马斯京根模型进行河道汇流的计算，地下水汇流采用线性水库模型计算。

模型中地面径流汇流采用了动态单位线，即每个计算时段根据雨强大小动态创建等流时线，解决地表汇流时间的非线性变化问题。由于每个单位线计算面积限制在2～30 km2，可以很好地解决暴雨中心的影响问题。

3.2 参数自动率定

以公网采集的地形地貌、土壤植被、土地利用、气候特征等基础数据为依据，利用决策树、聚类、深度学习等人工智能的技术，建立了参数智能转移模型，通过这个模型可以在任何流域中使用，从而可以提取出该地区的一组基本的水文参数。

在此基础上，以大数据洪水预测模型为依据，以自然率定的水文参数结果为依据，以河网拓扑关系、数字流域计算单元(2 km/h以上流域)和过去30 a网格化降雨数据为输入，开展洪水反演计算，获得30 a的历史洪水结果和土壤水分数据，并在此基础上产生相应的河流剖面频率曲线，从而获得相应的洪水再现期。

利用网络和用户所收集的历史洪水灾害数据(发生时间、洪峰流量、重现期)、实测水文数据、实测墒情(土壤含水量)数据，就可以对“参数智能转移模型”展开评估，反复地对模型参数进行不断地改进和优化，从而实现不断提升模型精度的目的。

3.3 临界雨量预警模型

基于抚州市已有山洪灾害调查评价成果，以整个抚州市各沿河村落危险区0.2Wm、0.5Wm、0.8Wm土壤含水量的临界雨量为阈值；根据实时降雨数据结合分布式水文模型计算出当前时刻的土壤含水量，然后得到当前时刻土壤含水量对应的临界雨量；再根据各雨量站点的实测降雨数据和预警指标进行对比确定是否预警及相应预警等级。

3.4 大数据分析计算系统

用大数据分析处理相关技术进一步提高洪水预报模型系统的分析计算速度。

洪水预报大数据分析处理系统平台研发。根据降雨-径流模型产流环节的并行、分布式和河道汇流串行演算逻辑，采用Hadoop、Spark等先进大数据分析处理系统技术，构建试点流域基于分布式水文模型的实时洪水预报大数据分析计算平台，实现大规模细分水文单元和大量计算节点的实时洪水预报在线快速分析计算。从降雨数据输入至洪水预报大数据分析处理系统起算，同时计算4 a逐时序列实时洪水分析计算，总耗时不超过1 min/次。如图7所示。

图7 大数据分析处理系统平台架构

3.5 预报精度评定方法

参考《水文情报预报规范》(GB/T 22482—2008)的相关要求，以及中小河流洪水更加关注洪峰和峰现时间2个要素，预报成果精度评定，采用洪峰和峰现时间2个要素预报合格率分别进行精度评定。

4 结 论

根据琅琚水文站实测流量序列资料情况，选择2017—2019年的资料进行参数率定，2020年作为验证期。

对2017—2019年共3 a资料11次洪水样本进行评定，结果为：洪峰流量的合格率为64%，洪峰出现时间的合格率为82%。对2020年共1 a5次洪水样本进行检验，结果为：洪峰流量的合格率为60%，洪峰出现时间的合格率为100%。本方案各项评定要素的合格率在丙级以上，属丙级方案，可用于参考性预报。