三峽水庫入庫流量中期預報水文模型研究與應用

(長江水利委員會 水文局，湖北 武漢 430010)

三峽水庫入庫流量預報作為三峽梯級優化調度的基本環節，是生產運營中做出正確決策的重要依據。準確而有一定預見期的水文氣象預報不僅有利于為水庫優化調度提供決策依據和時間，也有利于電站制定和調整發電計劃。三峽水庫匯集長江上游金沙江、岷沱江、嘉陵江、烏江及長江上游干流區間來水，每年汛期，長江流域受夏季風影響，致洪暴雨頻發。在三峽工程建設期間，需要有一定預見期的長江上游分區面雨量預報和宜昌站來水量預報，為工程建設的順利開展提供技術服務。為此，在分析長江上游暴雨洪水特性基礎上，根據當時條件逐步摸索出基于單一數值預報的長江上游地區大分區(金沙江、岷江、沱江、嘉陵江、烏江、屏山-寸灘區間、三峽寸灘-宜昌區間)的中期面雨量預報和基于大區單位線的宜昌站中期來水量預報[1-2]方法。

三峽工程試驗蓄水以來，無論是中小洪水優化調度還是汛后蓄水等優化調度的決策無不依賴于短中期水文預報[3]。為進一步提升短中期水文預報精度，需要對整個水循環過程進行綜合模擬研究，從而得到足夠精度的定量降水預報和流域水文預報，因此大氣模式和水文模型相結合的研究成為關鍵。Tang等[4]采用數值降雨預報信息推算流域旬徑流；Xu等[5]將數值氣象預報信息用于流域中期徑流預報；Wang等[6]通過統計過去8 d數值降雨預報的強度和空間分布誤差，建立了數值降雨預報信息的擾動模型；Collischonn等[7]采用分布式水文模型與數值降雨預報對未來14 d徑流進行預報，為水庫調度提供支撐。

為實現三峽水庫優化調度，長江水利委員會(以下簡稱“長江委”)水文局預報中心在原來長江上游中期預報基礎上不斷改進和創新，設計了基于多種數值模式預報的長江上游分區中期面雨量預報，在三峽水庫入庫流量中期預報方案中引進了MIKE11水力學預報模型。段唯鑫[8]、吳天蛟[9]等的研究表明，MIKE11水力學模型在三峽庫區洪水演進模擬中精度較高。

本文主要介紹長江委水文局研發的長江流域分區中期面雨量預報方法、三峽水庫入庫流量中期預報方案，對2010～2017年長江流域中期降水預報精度、三峽水庫入庫流量預報精度進行評估，并分析預報誤差形成的可能原因。研究目的是進一步提高中期水文氣象預報準確率，以期為長江上中游水庫群聯合調度、長江流域水資源綜合利用提供技術支撐。

1 中期徑流預報模型建立的基礎

具有10 d預見期的中期來水量預報，其基礎是需要有達到一定預報精度的定量降水預報。20世紀80年代，數值預報方法較好地解決了5 d左右的天氣形勢場預報，而提高降水預報的準確性，以及預報時效的延長等中期預報需要解決的關鍵問題也有所突破。數值模式預報水平的不斷提高，極大地推動了中期定量降水預報的業務化運用[10]。近年來，ECMWF(歐洲中期天氣預報中心)、日本、德國及NCEP(美國國家環境預報中心)等相關部門不斷更新數值預報模式；我國自主研發的新一代GRAPES全球數值預報系統[11]資料同化能力明顯提升，衛星資料、雷達資料使用占比明顯增加。此外，國外研究機構推出的WRF、CFS等數值預報模式均能提供7 d以上的數值預報模式產品。數值模式預報產品的日益豐富，為降水預報提供了更多的可參考信息[12-13]，中期定量降水預報準確率也有明顯提高，依賴于降水預報的水庫入庫流量中期預報精度也有明顯改進和提高，成為水庫運行科學調度不可缺少的技術支撐[3]。

2 分區面雨量預報方法

2.1 多種模式數值預報簡介

ECMWF、日本、NCEP、CFS以及我國GRAPES模式預報產品都可提供高度場、風場、水汽、溫度場等氣象要素預報數據，更有直接的網格化降水預報數據可供長江流域降水預報做參考。ECMWF、日本和NCEP等國際主流數值預報模式，是目前公認的數值模式預報質量較高的業務化預報產品。

ECMWF是歐洲中期天氣預報中心(European Centre for Medium-Range Weather Forecasts，簡稱ECMWF)的數值預報模式產品。ECMWF有10 d的中期數值預報產品，ECMWF天氣要素預報數據網格間距為0.5°×0.5°，降水量預報數據網格間距為0.125°×0.125°。ECMWF模式預報是目前公認的全球最佳模式產品,其面雨量預報效果優于其他模式，且對強降雨過程的模擬較好，雨帶和量級預報較為準確[14]。

日本氣象廳數值預報模式產品(JMA)，目前主要有6 d的中期數值預報天氣要素場預報數據和10 d細網格降水量預報數據，降水量預報數據網格間距均為0.5°×0.5°。JMA模式在系統性降水方面的預報能力更好，對較大等級面雨量的預報能力較好, 特別是暴雨和大暴雨[15]。

美國國家環境預報中心(National Centers for Environmental Prediction, NCEP)免費提供15 d全球多種分辨率的數值預報模式產品，常用的天氣要素場預報數據和降水量預報數據網格間距均為0.5°×0.5°。NCEP模式對于降水過程預報能力較強。

德國氣象局的數值預報模式產品目前主要有7 d降水量預報，降水量預報數據網格間距0.25°×0.25°。德國模式對于過程面雨量預報具有較大參考價值。

我國自主研發的GRAPES(Global/Regional Assimilation and Prediction System)數值預報模式產品，其各項性能指標總體已經超過之前的T639，目前也已投入業務化運用。該模式可提供10 d的天氣要素及降水預報，數據網格間距0.25°×0.25°。GRAPES預報模式對于中雨和大雨等級面雨量預報可參考性較強。

WRF(Weather Research and Forecasting Model)也是以美國的科研機構為中心開發的中尺度氣象預報模式，可免費下載運行，長江委水文局用WRF模式可提供7.5 d降水量預報產品，網格間分辨率為27 km×27 km。WRF模式對強降雨過程的模擬較好，雨帶和量級預報較為準確，且對于陣性降水預報能力較好。

基于美國環境預測中心提供的CFSv2(NCEP version 2 Coupled Forecast System model)是用于短期氣候預測的數值預報模式產品，也能為長江流域中期降水過程提供重要的參考信息。目前提供45 d以及9個月內逐6 h的降水量預報，數據網格間距約1°×1°。CFSv2模式對于降水過程預報有較強參考價值。

ECMWF、日本、NCEP、德國、WRF和我國(GRAPES)均有高分辨率的模式數據用于長江流域分區面雨量預報。其中，ECMWF的分辨率最高，水平分辨率達到12 km左右。上述各數值預報模式對長江流域面雨量預報均具有參考價值[16-17]。

2.2 分區面雨量降水預報方法

對于中期降水預報，當前的分區定量預報以多種模式數值預報為主要依據，通過分析不同高度層天氣要素(風、溫、濕等)預報值和對降水網格化預報數據的處理，可以制作相應預報分區7 d或以上的面雨量逐日預報。多種模式數值預報結果的應用，綜合了各模式預報的優勢，減少了使用單一模式預報出現的偏差，增加了預報的穩定性。

根據長江上游流域暴雨洪水特性，并結合上游干支流產匯流特點，對長江上游流域劃分為15個分區制作面雨量預報。15個分區分別為：金沙江上游、金沙江中游、金沙江下游、雅礱江、岷江、沱江、嘉陵江、涪江、渠江、向家壩-寸灘區間、烏江上游、烏江中游、烏江下游、三峽寸灘-萬縣區間、萬縣-宜昌區間。

根據總結長江上游致洪暴雨的中期預報前兆信號，得出長江上游強降雨的發生需要同時滿足下述判別指標[18]。

(1) 歐洲中心預報的未來3～7 d的500 hPa環流場。巴爾喀什湖南部出現低壓或低壓大槽，青藏高原上出現低壓切變(或橫切變)，長江上游大部地區至少有2 d出現深厚的高空槽并為槽前西南氣流控制，或出現“北槽南渦”環流形勢。

(2) 中低層700，850 hPa環流場。長江上游地區出現強輻合區，同時存在切變線系統，并伴有西南渦生成；另外，700hPa或850hPa層上游偏南地區為西南風或南風氣流控制，并存在西南風速不少于16 m/s的西南急流。

(3) 數值模式預報的面雨量。多數模式預報未來3～7 d內長江上游預報區內至少有2 d強降雨發生，同時，滿足至少同時有3個分區(子流域)單日的面雨量值不小于30 mm，或至少有3個分區(子流域)3～7 d的累計面雨量值不小于60 mm的條件。

例如，2004年9月2～7日長江上游金沙江、嘉陵江、長上干區間、烏江的暴雨過程，2005年7月2～9日金沙江、嘉岷流域、長上干區間、烏江的暴雨過程，2009年7月30日～8月4日岷沱江、嘉陵江、長上干區間的暴雨過程，2010年7月15日～18日金沙江、嘉岷流域、長上干區間的暴雨過程，經個例檢驗分析，均符合預報指標判別條件。

2.3 預報修訂

長江上游分區面雨量預報的修訂，主要基于天氣形勢分析并結合預報員經驗，對預報分區面降雨量預報結果訂正。具體為：

(1) 通過分析影響長江上游致洪暴雨產生的典型天氣系統，包括對流層中高層(500 hPa)高度場、風場和中低層(700，850 hPa)的風場，并結合水汽條件、動力條件、不穩定條件，并判斷是否滿足致洪暴雨發生的判別指標。

(2) 對多種數值模式預報的分區面雨量預報結果進行綜合修訂，以提高長江上游中期分區面雨量預報精度。

3 三峽水庫入庫流量中期預報模型

三峽水庫建成投入運行后，庫區水文水力學特性發生了明顯變化，由于宜昌站來水受三峽水庫調度影響，需要將宜昌站來水量預報改變為三峽水庫入庫流量預報。目前的三峽水庫入庫流量預報方案為干支流入庫控制站與區間流量疊加，即干流寸灘站、支流烏江武隆站和三峽區間流量的疊加。

3.1 預報方案

干流控制站寸灘站和支流烏江控制站武隆站預報方案相似，都是采用分段合成后演算、疊加區間洪水的方法求得各分段控制站的流量預報過程。閉合流域或區間的降雨徑流方案一般采用API模型或新安江模型，匯流一般采用馬斯京根法或者合成流量演算法。

三峽區間預報方案，水文局預報中心在三峽區間建立了兩個基于MIKE11的水力學預報模型，模型上邊界為寸灘、武隆的流量預報過程，下邊界為三峽壩址斷面定常水位，模型計算壩址斷面流量為無水庫調節出庫流量過程，即入庫流量過程。兩個模型差別為一個模型中連接三峽區間NAM降雨徑流模型，而另一個則不包括；兩模型計算壩址斷面流量之差即為三峽區間來水過程。模型建立以來在近年的洪水預報和調度中得到應用[19-20]。

三峽水庫入庫流量為干流寸灘站、支流烏江武隆站和三峽區間流量的疊加。模型的預報結果在最近幾年的洪水預報和調度中都得到應用，可以滿足水庫調度要求[21]。

3.2 三峽水庫入庫徑流量預報流程

三峽水庫入庫徑流量預報流程為：

(1) 對多家數值模式預報產品進行分析；

(2) 綜合多種模式數值預報結果；

(3) 根據預報經驗和判別指標對預報結果訂正；

(4) 制作長江上游15個子流域分區7 d逐日面雨量預報，預報降雨量的范圍和傾向值；

(5) 將分區面雨量預報作為水文預報模型輸入進行演算；

(6) 對不同階段、不同降雨類型進行參數調試；

(7) 輸出三峽入庫10 d日平均流量預報結果，三峽水庫入庫徑流量中期預報流程參見圖1。

4 中期預報檢驗評估

4.1 分區面雨量預報檢驗評估

分區中期面雨量預報精度評定采用長江委水文局制定的面雨量預報評分標準進行預報檢驗評估，即實際面雨量落在預報的面雨量范圍之內則得100分，如果實際面雨量與預報面雨量差值越大，則得分越小，參見表1。

從2010～2017年長江流域第4～7天的中期降水預報統計結果來看[22]，2013年預報得分低于其它年份，2015～2017年較之前的5 a(2010～2014年)，預報準確率平均高出3個百分點，表明2015年之后降水預報準確率是有明顯提高的，參見表2。

4.2 入庫流量預報檢驗評估

中期入庫流量預報誤差評定方法之一，是采用預報日平均入庫流量與實際日均入庫流量的相對誤差值，即以誤差百分率作為中期入庫流量預報評定標準進行檢驗評估。

圖1 長江三峽水庫入庫流量中期預報流程Fig.1 Mid-term forecast flowchat of inflow into the Three Gorges Reservoir of the Yangtze River

實際降雨量預報降雨量評分01～55～105～1510～2015～2520～3030～5040～6050～8060～100>100R=0100800000000000010000000040809090100100

注：實際降雨量與預報降雨量單位均為mm。

從2010～2017年統計的汛期三峽水庫第4～10天的入庫流量預報結果來看，除2013年從第6～10天的平均預報誤差超過20%外，其余年份均在20%以內；而且，2015～2017年較之前的5 a(2010～2014年)預報誤差平均低4個百分點，表明2015年之后入庫流量預報誤差是有明顯減小，參見表3。

比較表1～2可知， 2013年中期面雨量預報得分較低，對應2013年日均入庫流量誤差百分率較高。因此，面雨量預報精度對入庫流量預報精度有顯著影響。

表2 2010～2017年汛期長江流域中期降水預報準確率檢驗評估結果Tab.2 Verification and evaluation table of medium-term precipitation forecast in Yangtze river basin during flood season in 2010～2017 %

表3 2010～2017年汛期三峽水庫中期入庫流量預報誤差檢驗評估結果Tab.3 Error test and evaluation table of medium-term inflow forecast for Three Gorges Reservoir during flood season in 2010～2017 %

另外，中期入庫流量預報評估檢驗標準之二是預報合格率：即預報日平均入庫流量與實際日均值的相對誤差小于±20%，認為預報合格。

從2010～2017年汛期三峽水庫第4～10天的入庫流量預報結果來看，2017年預報合格率均明顯高于其它年份，且2015～2017年較之前的5 a(2010～2014年)，預報合格率平均高2.5個百分點，表明2015年之后入庫流量預報合格率有明顯提高，參見表4。

綜合以上預報檢驗結果，可以看出：

(1) 2013年中期面雨量預報得分較低，對應2013年入庫日均流量誤差百分率較高。面雨量預報精度對入庫流量預報精度的影響是顯而易見的。因此，中期降水預報是水文預報得以延長預見期、保證其預報準確率的關鍵所在。

(2) 2015年之后降水預報準確率總體有明顯提高，較之前平均高出3個百分點。2015年之后入庫流量預報誤差有明顯減小，入庫流量預報合格率有明顯提高，預報合格率較之前平均高2.5個百分點。此結果得益于多種數值模式預報的應用和水文預報模型的不斷改進。

表4 2010～2017年汛期三峽水庫中期入庫流量預報合格率檢驗評估結果Tab.4 Qualification rate test and evaluation table of medium-term inflow forecast for Three Gorges Reservoir during flood season in 2010～2017 %

4.3 預報誤差分析

分析多年來中期面雨量預報和入庫流量預報的誤差原因，認為主要源自于以下幾個方面。

(1) 降雨預報準確率。目前多種數值模式預報產品已在中期預報中得到應用，產品也在不斷更新，但由于觀測誤差的存在使得模式初始值的誤差難以消除；其次，人們對大氣產生降水的物理機制復雜性的認識仍存在著局限性，使數值預報模式中參數的不確定性難以消除；再次，目前中期定量降水量預報結果在空間分布和時間分布上還不能完全滿足水文預報模型的要求。

(2) 水文模型(方案)本身的不足。水文預報誤差的產生緣于預報模型還不能完全反映降雨-徑流模型的真實徑流過程，目前的水文預報技術仍然不能非常精確地定義水文模型所需的初始值及邊界條件。遙感(RS)、地理信息系統(GIS)、計算機技術等新技術的發展推動了水文學的進步，但它們主要應用于地表及其以上的水文變化預測，而水文學最想解決的地下水部分的相關理論及技術研究還沒有突破性進展。因此，在可預見的未來，水文預報仍有相當大的不確定性。

(3) 日益頻繁的人類活動影響。水利工程如水庫、引水等工程建設投入使用，工農業生產、生活、生態取用水等，加劇了自然水文條件變化的不確定性和復雜性，而模型率定只是基于歷史數據的分析和模擬，對于人類活動的不確定性和復雜性認識還在不斷摸索的過程中。

5 結論與展望

5.1 結 論

本文介紹了長江委水文局基于多種數值預報模式的中期分區面雨量預報方法、三峽水庫中期入庫流量預報方案，并在2010～2017年面雨量預報和三峽入庫流量預報成果基礎上，分析了4～7 d長江流域分區面雨量預報精度、4～10 d三峽水庫入庫流量預報精度和合格率，并分析了預報誤差形成的可能原因。主要結論如下。

(1) 考慮7 d預見期的分區面雨量預報，三峽水庫入庫流量預見期可延長至10 d。但隨著預見期的增加，面雨量預報和三峽入庫流量預報精度整體呈現下降趨勢。

(2) 面雨量預報準確率是影響三峽入庫流量預報的主要因素，2013年中期面雨量預報得分較低，對應2013年入庫日均流量誤差較大。

(3) 2015年之后中期分區面雨量預報和三峽入庫流量預報準確率總體有明顯提高。此結果得益于多種數值模式預報的應用和水文預報模型的不斷改進。

5.2 中期水文氣象預報的優勢

(1) 長江上游集水面積約100萬km2，對于中期降雨過程而言，即使降雨預報在空間和時間分布存在有誤差，強降雨中心的落區在南北、東西位置上也會存在有偏差，但只要落地雨是在長江上游，降雨形成的徑流總是能匯入三峽水庫，因而在三峽入庫流量過程變化上必定能夠反映出來。

(2) 目前基于多種數值模式的中期降雨過程預報與單一數值模式預報相比較而言，對于中-大雨以上降雨過程的漏報和空報的概率已有明顯降低，降雨過程預報準確率已有明顯提高，這就減小了徑流預報相對誤差，使三峽入庫流量的預報合格率有明顯提高。

(3) 降雨的數值預報模式和水文預報模型都在不斷改進，水文預報在不斷嘗試有技巧地應用高分辨率的細網格數值預報模式結果，使降水模式預報數據可直接對接水文預報模型。高分辨率模式的降水預報數據對于強降雨的空間和時間分布，較人工預報更加具體和詳細，可以在水文情勢嚴峻復雜的情況下為水文預報和防汛調度決策贏得更多時間。

5.3 發展趨勢展望

長江上中游水庫群聯合調度、長江流域水資源綜合利用需要準確及時的中期水文氣象預報服務，對于提高中期預報精度，作者認為可通過對多模式預報的最優集成、水文氣象模型的直接融合、確定性預報向概率預報轉變以及提供智能化預報服務等技術實現。

(1) 多模式預報集成。目前已經投入業務應用的多種數值模式預報，通過預報準確率評估檢驗結果，賦予各個數值模式不同的權重，可得到多種數值模式預報集成的綜合預報結果。理論上，多模式預報集成后得到的結論優于任何單一數值模式預報結果[23-25]。

(2) 概率預報。概率預報既能反映水文氣象變化確定性的一面，又能反映其變化的不確定性和不確定程度?；跉庀?水文系統的非線性和復雜性，加上初值和模式等本身無法避免的一些不確定性，水文氣象預報從確定性預報向概率預報轉變，不但符合水文氣象科學的實際，也可更好地服務于社會。在許多情況下，概率預報或許更能適應社會經濟活動中決策的需要，也就更有經濟價值[26]。

(3) 預報智能化服務。未來，基于大數據和人工智能技術的高分辯率細網格數值模式預報能更方便提供所需的精準降雨徑流預報服務，并通過流域水雨情、工情、防洪、水資源、水生態調度等多種資源信息平臺，實現水文氣象情報預報自動化、智能化服務[27-28]。

實踐證明，中期水文氣象預報能為長江上中游水庫群聯合調度和長江流域水資源綜合利用提供重要的技術支撐。深入開展探索研究，提高定量降水預報空間和時間上分布的準確率，進一步優化水文預報模型、提高水文預報準確率，仍將是今后中期水文氣象預報需要重點解決的問題。