湖南省中小河流域洪水預報模型的研究與應用

唐杰 徐靖宇 劉紅武

摘要：針對湖南省實際的防汛業務需求，利用自然流域法將湖南省的中小河流域劃分成湘、資、沅、澧以及洞庭湖五大流域，使用湖南省2008—2018年27個水文控制站的水位數據及同期湖南省97個國家氣象站點實況與格點融合降水產品，研究了湖南省中小河流域強降水與洪水之間的關系，建立了一個基于流域降水的水位預報模型。通過2019年7月6日至13日湖南省強降水與洪水實例對該預報模型進行了應用與檢驗，檢驗結果表明，在此次強降水與洪水過程中，湘、資、沅、澧四大水流域的水位預報峰值及變化趨勢與實際情況基本一致，表明該模型對水位預報效果較好，在業務應用中具有一定指導意義。

關鍵詞：中小河流域; 洪水;預報模型; 湖南省

中圖分類號：TV124 ? ? ? ? 文獻標識碼：A

文章編號：0439-8114（2020）15-0145-06

Abstract： According to the actual flood prevention needs of Hunan province， the small and medium river basins of Hunan province were divided into five major basins （Xiangjiang River， Zishui River， Yuanjiang River， Lishui River and Dongting Lake） using the natural watershed method. Based on the water levels of 27 hydrological stations and the precipitation products of the 97 meteorological stations and grids from 2008 to 2018， the relationship between heavy precipitation and floods were further studied. Thus a water level forecasting model based on river basin precipitation was established to predict whether there would be floods. The forecasting model was tested using the example of heavy precipitation and flood process from July 6th to 13th of 2019. Results showed that during this flood process， the forecasting peak value and changing trend of the water level were consistent with the actual water level. Therefore， the model has good effects on water level forecasting.

Key words： small and medium rivers; floods; forecasting model; Hunan province

洪水災害是中國最為嚴重的自然災害，據統計，中國洪水災害的直接經濟損失平均每年約占整個自然災害經濟損失的50%，隨著中國經濟的持續穩定發展和全球氣候的持續異常，洪水災害年均經濟損失有逐年上升的趨勢[1-3]。萬新宇等[4]通過研究中國近60年典型洪水災害事件，指出在近60年防洪減災的努力下，大江大河流域性洪水災害得到基本控制，但在全球氣候變化的大背景下，極端暴雨頻發和人類活動影響加劇，高壩潰決風險加大，山洪災害日益突出。夏群山[5]在長江中下游洪水災害社會易損性時空格局研究中指出，長江中游的湖南等內陸中部省份，尤其是湘南、湘西等地區，因氣候和地形復雜、生態環境脆弱、經濟相對落后，表現出高度的洪水災害易損性特征。

長期以來，如何找到有效的洪水預測方法以減輕洪災損失一直是水文、氣象學家研究的重點與難點，眾多水文氣象工作者認為氣象預報同水文預報的結合為防洪和水庫調度等工作帶來了巨大優越性[6]，其中水位作為流域洪水預報的關鍵參數，是各級政府組織防汛抗洪以及水庫調度等決策的重要依據。黃海洪等[7]采用人工神經網絡與主分量分析相結合的方法，以流域上游面雨量、水位值為預報因子，建立了西江流域的梧州水位預報模型，雖然在預報試驗中取得了較好效果，但由于神經網絡預報方法在實際預報建模中存在明顯的“過擬合”現象，所以該模型實際業務應用效果的不確定性較大。童哲堂等[8]利用相應水位法，建立了長江荊江河段（枝城至城陵磯）站點的上下游相應水位關系洪水水位預報模型，取得了較好的試驗效果。此外，有其他學者通過研究水位與流域面雨量的對應關系[9-11]，建立了中小河流域水位預報模型，并指出對開展實際業務應用有較好的指示意義，但由于缺乏徑流、滲透、蒸發等物理過程，有時預報誤差較大[12]。

為此，本研究使用湖南省近十年水位數據及同期降水數據，探索了過程性降水與洪水之間的關系，建立了基于流域降水的水位預報和面雨量預報模型用以預判是否有洪水發生，并通過一次實例對該模型進行了應用與檢驗，以期為湖南省氣象部門開展中小河流氣象風險預警提供客觀技術和產品支撐，提升中小河流域洪水預警服務水平。

1 資料與方法

1.1 數據

水文數據包括湖南省2008—2018年4—9月27個水文控制站的逐時水位、警戒水位、警戒流量、保證水位、保證流量、歷史最高水位等信息。實時水文站信息由與水文與水資源勘測中心建立的專線實時傳輸。

氣象實況數據包括下載自國家級氣象業務內網的湖南及周邊地面國家站、區域自動站站點降水資料、中國地面與CMORPH融合逐小時降水產品。氣象預報數據來自湖南省氣象臺提供的智能網格預報融合產品，該產品是基于集合預報的最優成員動態集成、PRISM插值算法的地形訂正等格點化降水預報技術，結合快速循環同化區域模式，形成空間分辨率0.05°、0～24 h逐1 h、2～72 h逐3 h、72～240 h逐6 h的定量降水格點預報產品。

1.2 湖南省流域劃分及水位控制站的流域分布

本研究結合湖南省實際的防汛業務需求，主要以自然流域法劃分的流域面為基礎，對湖南省流域面進行重新劃分，形成湘、資、沅、澧以及洞庭湖五大流域（圖1a）。

對湖南省27個水文站建立實況水文數據庫，并按照水文站的名稱查找水文站所處的經緯度，建立水文空間分布數據表，將水文站與流域河網對應的位置進行匹配，并標記水文站所處的河網位置（圖1b）。根據匯流算法可推算河流流向，水流的流向決定了水文站的上下游關系，分別對湘、資、沅、澧以及洞庭湖五大流域進行編號，對應流域內的水文站按順序編號。洞庭湖流域的水文站由于流向無法準確確定，則按照從邊緣向中心匯流的原則確定洞庭湖流域的水文站關系。

1.3 流域面雨量計算方法

面雨量是指在某一特定流域內的平均降水狀況，為單位面積上的降水量。氣象上的雨量數據為離散的站點或格點數據，因此通過離散的站點或格點資料來模擬指定區域的雨量空間分布是面雨量研究的目標。目前流域面雨量的計算方法常用的有泰森多邊形法、等值線法和格點平均值法兩種，泰森多邊形法廣泛應用于站點分布稀少且不均勻的流域，由于本研究流域的降水數據為區域自動站數據及分布均勻的高分辨率格點數據，因此采用格點平均值法計算面雨量。首先根據降水格點資料的起止經緯度、格距和經向緯向格點數量等信息，建立降水格點數據每個格點對應的空間經緯度網格，通過GIS技術，將降水格點空間經緯度網格與所提取的流域邊界經緯度信息在空間上進行疊加，建立降水網格點與流域邊界的映射關系，利用空間連接索引方法對流域內所有網格點進行標記，最終建立降水格點與流域之間的索引。其次，利用上述相同方法，對降水格點數據的格點空間經緯度網格與行政邊界（縣界）經緯度信息在空間上進行疊加，建立降水網格點與縣界的映射關系，利用空間連接索引方法對縣界內所有網格點進行標記，建立降水格點與行政邊界（縣界）之間的索引。最終，通過指定流域的索引范圍，計算其中降雨量預報的平均值，形成實況面雨量產品及格點降水面雨量預報產品，其計算公式如下：

[A=1NiNPi] （1）

式中，A為面雨量，Pi為格點降雨預報值，N為流域索引范圍的降雨格點個數。根據面雨量設定的警戒閾值，生成超過警戒閾值的面雨量產品。

2 流域洪水預報模型

2.1 流域降水預報產品

流域洪水預報需要流域定量降水預報作為輸入因子，而目前流域定量降水預報主要依賴于數值天氣預報模式。本研究使用湖南省氣象臺提供的智能網格預報融合產品中的降水數據，該數據1 d發布兩個時次，時間間隔3 h，預報時效10 d，空間分辨率5 km。

基于融合降水格點資料與預報產品降水資料，應用等值線法與格點平均值法計算面雨量，形成一日2次（08：00和、20：00）、時間分辨率為逐3 h、預報時效10 d的基于子流域邊界的面雨量預報產品（圖2）。

2.2 基于流域降水的水位預報模型

基于2008—2018年4—9月以水位控制站的水位和期間逐6 h累積面雨量作為建模數據集，通過相關分析篩選因子，以24 h水位增量為因變量，過去72 h內逐6 h累積面雨量、逐6 h面雨量累積總量以及上游控制站過去24 h水位增量作為自變量，利用多元線性回歸方法進行建模（圖3），業務化時將模式降雨預報和實況雨量以及上游水位站過去24 h水位增量代入模型，得到相應水文站未來24 h的水位增量，結合實時水位，得到未來24 h的水位。下面以邵陽站為例給出了水位預報模型公式：Y= ? 2 873 X6+55 659 X12+101 048 X18+181 369 X24-9 386 X30-74 249 X36 + 162 696 X42 + 13 109 X48 + 194 023 X54 + 104 547 X60+77 561 X66+27 830 X72+45 389 L6+80 320 L12-190 755 L18-64 863 L24+236 945 L30-77 548 L36-72 039L42+180 914 L48-89 475 L54-26 986 L60-77 561 L66。

式中，X6為站點0～6 h預報面雨量，X12為站點6～12 h預報面雨量，L6為站點6 h累積面雨量，L12為站點12 h累積面雨量，以此類推。

3 預報模型檢驗及業務化應用

3.1 過程實況

2019年7月6—9日過程湖南省平均降水量為110.8 mm，強降雨主要落區集中在湘中及以南地區（圖4）。其中湘中及以南大部分累計雨量超過100 mm，部分地區200～300 mm，衡陽、株洲及郴州北部局地超過400 mm。此次過程湖南省共計出現844鄉鎮次短時強降水，其中最大小時雨強72.7 mm。受強降雨影響，湘江、資水及洞庭湖流域水位漲幅較大，共9站次（老埠頭、冷水灘、祁陽、衡東、歸陽、新田、長沙、新寧、沅江）發生了超警戒水位洪水。

此次強降雨過程可分為三個階段：第一階段，主要影響時段為6日20：00至7日20：00，以暖區暴雨為主;第二階段，主要影響時段為7日20：00至8日20：00，以低渦切變暴雨為主;第三階段，主要影響時段為8日20：00至9日20：00，以鋒面暴雨為主。其中，第二階段降水對資水流域影響最大。資水流域自動站降雨量達到100 mm以上站次為93站，最大小時雨強61.9 mm，主要降雨集中時段在7日22：00至8日16：00。

從大尺度環流背景上（圖略），中高緯貝加爾湖以東地區為一阻塞高壓，阻塞形勢阻擋了西北部系統的東移南下;6日8：00，由于阻塞高壓發生傾斜，冷渦后部偏北氣流攜帶冷空氣補充南下，7日20：00，低空西南風增強，將熱帶洋面上充沛的水汽往北輸送，湖南南部暴雨北抬。副高強度較歷年同期顯著偏弱，588線始終在海上，副高西北側的西南急流輸送偏南。受高空槽、中低層低渦切變、西南急流共同影響，在邊界層輻合線及鋒面觸發下形成此次湘中及以南地區的強降雨過程。

3.2 面雨量預報檢驗

受強降雨影響，湘中以南累計面雨量達到50 mm以上（圖5），其中資水流域、湘江流域超過100 mm，湘江流域累計面雨量為142.2 mm、資水流域 ? ? 114.1 mm，湘、資水干支流漲幅較大，湘、資水干支流共55站次發生了超警戒水位洪水。流域面雨量實況相較于區域自動站降雨量，大暴雨落區偏小，這與面雨量算法中對降雨總量的格點化有關，符合實際流域降雨量估計，因此可作為實況與面雨量預報對比分析。

從逐日面雨量實況與預報來看（圖6），6日面雨量主要集中在湘中以南地區，強度不大，流域面雨量預報落區與實況較為一致，強度偏強，落區范圍偏大;7日湖南省都出現了降水，面雨量大值區只出現在湘中偏南地區，其中湘江流域段出現50 mm以上，面雨量預報落區明顯偏北，強度顯著偏強，造成對湘資流域上游段降水估計不足;8日降雨仍集中在湘中以南地區，主要影響湘資沅水流域，資水、湘江流域出現100 mm以上面雨量，面雨量預報在資水段有較好表現，沅水流域空報明顯，湘江流域預報與實況較為一致;9日降水進一步減弱南壓，較強降水主要出現在湘江流域上游，面雨量預報落區與實況較為一致，強度偏強（圖略）。

此次強降雨過程，面雨量預報在大部分時段預報落區與實況較一致，有一定的指導意義。但是預報強度明顯偏強，在不同時段預報效果不一致，預報效果依賴于智能化網格預報產品，因此，需進一步強化模式釋用技術，提升智能化網格預報客觀支撐水平，提高面雨量預報效果，以期達到更好的指導服務效果。

3.3 流域水位預報檢驗分析

分析2019年7月6—13日強降雨過程中湖南四水流域水位變化與水位預報，結果顯示，澧水流域水位變化不大（以張家界站為例，圖7），6、7日水位略有上升，8—10日水位下降，其后略有起伏，水位預報變化趨勢與實況基本一致，偏差較小。

湘江流域受此次降雨過程影響較大（以冷水灘站、長沙站為例，圖8），上游地區在8—10日水位有明顯漲幅，11日之后回落，下游地區在9日后水位明顯增長，12日后逐步回落，上下游段水位預報變化趨勢與實況基本一致，增量變化均有一定偏差，上游冷水灘站偏差較大，平均達到1.23 m，下游長沙站偏差較小，平均為0.67 m，前期水位增加與后期水位回落幅度較實況均偏小。

沅江流域受此次降雨過程影響較大（以常德站、桃源站為例，圖9），下游地區在10日后水位持續增長，水位預報變化趨勢與實況基本一致，增量變化均有一定偏差，在水位增長初期（10日）有明顯的負偏差，平均達到3.1 m，其他時段平均偏差為0.4 m。

資水流域受此次降雨過程影響較大（以邵陽站為例，圖10），8—10日水位有明顯漲幅，11日之后迅速回落，峰值和回落的趨勢預報較為準確，水位增長初期預報較實況滯后24 h，調整后與實況基本一致，偏差也明顯減小，為0.76 m，對水位預報有較好的指導意義。

4 小結

基于自然流域法劃分的流域面為基礎，將湖南省中小河流域劃分成湘、資、沅、澧以及洞庭湖五大流域，較符合湖南省實際防汛工作需求。

基于流域降水的水位預報模型方法，以24 h水位增量為因變量，過去72 h內逐6 h累積面雨量、逐6 h面雨量累積總量以及上游控制站過去24 h水位增量作為自變量，利用多元線性回歸方法建模。該方法在業務化應用過程中，可以根據水文站實時水位預報其未來24 h的水位，用以預判是否有洪水。

通過2019年7月6—13日強降雨過程對該模型進行應用與檢驗，結果表明面雨量預報在大部分時段預報落區與實況較一致，但是預報強度明顯偏強，預報效果依賴于智能化網格預報產品。湘、資、沅、澧四水流域水位預報峰值及變化趨勢與水位實況基本一致，在實況水位增加階段的主要時間段偏差較小，這說明該模型對水位預報的效果較好，在業務應用中具有一定的指導意義。

參考文獻：

[1] 張玉環， 李 周.大江大河水災防治對策的研究[M].北京：中國水利水電出版社，2004.

[2] 中華人民共和國水利部.中國水旱災害公報2011[R].北京：中國水利水電出版社，2012.

[3] 方 建， 杜 鵑， 徐 偉， 等.氣候變化對洪水災害影響研究進展[J].地球科學進展，2014，29（9）：1085-1093.

[4] 萬新宇，王光謙.近60年中國典型洪水災害與防洪減災對策[J].人民黃河，2011，33（8）：1-4.

[5] 夏群山.長江中下游洪水災害社會易損性時空格局研究[D].重慶：重慶師范大學，2015.

[6] 長江水利委員會.水文預報方法 [M].第二版.北京：水利電力出版社，1993.

[7] 黃海洪， 孫崇智， 金 龍.基于主分量的神經網絡水位預報模型應用研究[J].南京氣象學院學報，2005， 28（1）：58-63.

[8] 童哲堂， 劉火勝， 付克金， 等.荊江河段洪水水位預報方法研究[J].暴雨災害，2007， 26（4）：348-351.

[9] 金 琪， 王繼竹， 高 琦，等.基于致洪暴雨預報的三峽水庫洪水預估系統及試驗評估[J].災害學，2012， 27（3）：54-58.

[10] 李向紅， 唐橋義， 伍 靜， 等.桂林中小河流洪澇氣象風險預警系統設計[J].災害學，2014， 29（1）：42-46.

[11] 覃 武， 林開平， 黃 穎， 等.基于遺傳-神經網絡的電網流域面雨量預報方法研究[J].災害學，2015， 30（3）：33-37.

[12] 陳樂湘， 鈕本良， 陸寶宏， 等.一種多因子相關計算方法[J].水文， 2002， 22（4）：22-24.