基于事件驅動的太湖流域抗咸保供“四預”應用

摘要：太湖流域2022年遭遇罕見的高溫干旱，上海市陳行水庫遭遇嚴重咸潮入侵威脅。利用太湖流域預報調度一體化平臺，驅動流域一維河網與太湖二維湖流水量水質耦合模型與來水組成模型，實現了流域、區域、城鎮不同空間尺度，江河湖庫海多種要素，水閘、泵站等工程不同調度下的水位、流量、來水組成快速預測預報和一體化風險預警，并將成果應用于陳行水庫應急補水線路規劃工作中。應用結果表明：基于60多套從太湖流域河網向上海市陳行水庫周邊河網應急補水線路的預演方案，提出北一線、北二線、南線補水方案，其中北一線補水方案效率更高，與實際情況基本一致，解決了陳行水庫僅能維持5 d的供水困難。研究成果可為強化流域與區域多目標統籌調度、全力保障流域供水安全提供參考。

關 鍵 詞：抗咸保供； 預報調度一體化； 水量水質耦合模型； 來水組成模型； 陳行水庫； 太湖流域

中圖法分類號： P731.23；TV674

文獻標志碼： A

DOI：10.16232/j.cnki.1001-4179.2025.02.001

0 引 言

基于流域預報斷面與水利工程的上下游關系，耦合產匯流模型、河道洪水演進等模塊進行流域預報調度一體化，其核心是一體化方案創建和高效計算^［1］。陳瑜彬等采用面向對象的大數據封裝、契約模式的網絡服務以及基于JSON的海量數據傳輸等關鍵技術，構建了長江流域防洪預報調度一體化系統^［2］。田兆偉等構建了集洪水預報、調度、演進一體化的西枝江流域實時洪水預報系統^［3］。黃啟有等采用參數化配置、模型云計算服務，實現了河系洪水預報調度的一體化及無縫耦合^［4］。太湖流域地處長三角一體化核心區域，是典型的平原河網感潮地區，流向不定，且城鎮化程度較高，水利工程運行調度復雜、水位變化敏感^［5］，現狀的預報調度存在規則修改操作繁瑣，前處理、后處理復雜耗時等問題。太湖流域預報調度既涉及上下游水利工程調度影響流域、區域與城市代表站的水文預報，也涉及代表站的水文預報反過來影響上下游水利工程調度^［6］。太湖流域預報調度一體化既要實現流域、區域、城鎮多尺度預報調度一體化模擬，也要實現全流域、多要素（江、河、湖、庫、海）、工程群（上千水閘、泵站、圩區等）流域水循環過程的模擬、分析、預測預報。太湖流域預報調度一體化平臺構建的難點是集成降雨預報成果和太湖流域模型群，實現同一進程中多個模型的動態運行，解決操作步驟復雜、成果處理繁瑣、可視化效果差等問題。

上海市供水水源地主要包括以長江為水源的東風西沙水庫、陳行水庫、青草沙水庫三大水源地和以太浦河為水源的金澤水庫水源地。陳行水庫位于寶山區羅涇鎮東部的長江江堤外側、瀏河口下游，東傍新川沙河口，西連寶山湖（寶鋼水庫），每日最高供原水210萬m3，供應上海市嘉定、寶山部分地區，水庫在不取水的情況下可連續供水5 d，應急時可向寶鋼水庫借水聯調，可增加供水時長1～2 d。在2020～2022年三重拉尼娜事件爆發背景下^［7］，太湖流域2022年汛期當汛不汛、枯季降水持續偏少，發生了自1961年以來持續時間最長的高溫干旱^［8］。2022年7～10月，太湖流域降雨、來水均嚴重偏少，江湖水位持續偏低^［9］。加之9月份臺風“軒嵐諾”“梅花”“南瑪都”對東海海面咸潮頂托，長江口遭遇了史上最早的咸潮入侵^［10］，上海市陳行水庫等水源地出現補水困難，城市供水受到嚴重威脅，上海市大陸部分供水量以長江口水源為主緊急調整為以太浦河—黃浦江水源為主^［11］。

面對“夏秋冬連旱、旱上加咸”的嚴峻供水形勢，按照水利部部署要求，通過以流域為單元強化預報、預警、預演、預案“四預”能力，相關部門實施引江濟太調水、抗咸潮保上海供水等行動，全力保障太湖流域供水安全。

本研究在總結2022年太湖流域雨情、水情、咸情的基礎上，強化太湖流域預報調度一體化平臺供水安全的“四預”功能，研究流域一維河網與太湖二維湖流水量水質耦合模型與來水組成模型在抗旱防咸保供水應用場景下的預報預演技術，對提升太湖流域抗旱防咸預報預警、制定有效的災害應對策略和防御措施具有重要意義。

1 2022年太湖流域氣象水文干旱概況

1.1 氣 象

2022年夏季，太湖流域高溫天數異常偏多^［12］。2022年太湖流域平均、最高和最低氣溫較歷史同期分別偏高2.2，3.0，1.8 ℃，均為1961年以來同期最高，高溫日數（日最高氣溫≥35 ℃）較常年偏多29.4 d（常年平均19.6 d），為1961年以來同期最多。上海市區極端最高氣溫高達40.9 ℃，出現在7月13日，與歷史最高紀錄持平（2017年7月21日）。2022年汛期，西太平洋副熱帶高壓強度偏強（圖1（a））、面積偏大（圖1（b））、西伸脊點偏西（圖1（c））。太湖流域主要受下沉氣流影響，冷渦難以南下到達流域，冷暖空氣對流較弱，導致流域長期維持高溫干旱狀態。

1.2 雨 情

2022年汛期（5～9月），太湖流域累計降水量486.0 mm，較常年同期偏少35%，各水利分區降水量均偏少，偏少幅度為24%～53%。太湖流域6月12日入梅，較常年偏早1 d；7月1日出梅，較常年偏早8 d;梅雨量79.2 mm，較常年梅雨量（268.5 mm）偏少71%，且小于空梅梅雨量標準80.0 mm，流域出現“空梅”現象，各水利分區梅雨量均偏少，偏少幅度為58%～79%。2022年汛期，太湖流域連續少雨日（日雨量≤5.0 mm）數達16 d。空間上，連續少雨日數多集中在流域北部湖西區、武澄錫虞區；時間上，連續少雨日主要集中在5月中下旬、6月中下旬、8月上中旬。流域上游浙西區、太湖區連續少雨日數均為16 d，而入太湖水量占比最高的湖西區連續少雨日數高達34 d。

1.3 水 情

2022年，受長江流域上中下游同枯影響，太湖流域來水顯著偏少。太湖年平均水位3.22 m，較常年平均（3.25 m）偏低0.03 m；年最高水位3.66 m（3月27日），較多年平均年最高水位（3.93 m）偏低0.27 m，未超過警戒水位（3.80 m）；年最低水位2.99 m（1月4日），較多年平均年最低水位（2.87 m）偏高0.12 m，未低于旱限水位（2.80 m）；全年太湖水位有232 d低于引水調度水位，主要集中在1～3月和7～12月，見圖2。與常年同期相比，太湖、湖西區與浙西區河網代表站水位持續偏低，太湖水位從7月15日至9月30日，位列2002年以來倒數第1位至倒數第3位，其中7月中下旬連續12 d位列2002年以來同期最低；湖西區坊前水位從7月2日至9月30日，位列2002年以來倒數第1位至倒數第4位，其中7月上旬到8月中旬多次出現連續8 d位列2002年以來同期最低；浙西區杭長橋水位從7月9日至9月2日，位列2002年以來倒數第1位至倒數第4位。

1.4 咸 情

2022年7月開始，長江干流下游大通站來水快速消退。9月初日均流量已降至咸潮入侵預警流量15 000 m3/s以下，中旬降至12 000 m3/s，27日起降至10 000 m3/s以下^［13］。汛期，長江干流大通站總來水量較30 a同期均值偏少近5成；8月大通站月平均流量均打破歷年最小月均值紀錄；從來水重現期來看，大通站來水枯水重現期均大于100 a，屬于流域性嚴重枯水。9月上旬，受“軒嵐諾”“梅花”“南瑪都”等臺風影響，近海形成偏北大風，裹挾鹽水涌入長江口，造成青草沙水庫、陳行水庫取水口出現咸潮，導致長江北支咸水倒灌出現時間較往年顯著提前。隨著上游長江來水減弱，北支咸水倒灌強度逐步增強，咸潮最遠上溯到蘇通大橋，對長江口水源地取水口造成了嚴重影響。東風西沙、青草沙、陳行水源地分別于9月1日、5日、14日先后遭遇咸潮入侵，為長江口水源地建庫以來咸潮入侵最早時間。

2 太湖流域預報調度一體化平臺關鍵技術

太湖流域預報調度一體化平臺采用B/S模式開發，由數據層、業務層、應用層以及信息安全管理體系構成，整體架構如圖3所示。數據層對實時雨水情、預報方案、歷史數據等基礎水文特征信息進行分類統計存儲，并保證實時更新，平臺調用模型時無需重復計算，直接顯示報表，提高前端顯示的效率，從而解決了模型計算前處理時效性不足的問題。業務層包括模型計算模塊和成果展示模塊，對流域一維河網與太湖二維湖流水量水質耦合模型及來水組成模型、人工交互等數據接口進行統一封裝，集成了實時信息展示接口、預報成果展示接口；通過統一的數據庫訪問接口，平臺可對預報模型所需的氣象、水文數據進行提取和訪問，并采用連接池加快連接水文數據庫的速度，采用前端緩存加快讀取水文數據庫的速度。應用層包括多源旱情實時感知、多源陸氣耦合預報、多要素精準預警、多方案動態預演等功能。為確保預報調度一體化平臺的安全，采用授權訪問模式，根據不同權限分配應用功能，只有授權用戶才能對接口進行訪問控制，并對數據進行了加密傳輸。

流域一維河網與太湖二維湖流水量水質耦合模型及來水組成模型與預報調度一體化平臺是支撐數字孿生流域建設、實現“四預”功能的核心^［14］。太湖流域預報調度一體化平臺實現了不同空間尺度（流域、區域、城鎮）、多要素（江、河、湖、庫、海）、工程群（水閘、泵站、圩區等）不同調度規則（流量、規則、能力調度）水循環過程的模擬、分析、預測預報，實現了多目標聯合調度下水位、流量、來水組成快速預測預報和一體化風險預警。基于河道水流軌跡示蹤預報預演技術（任意斷面來水組成、水流質子運動軌跡等），開展了多種調度方案的預演和效果對比分析，實現了調度方案優選，

為抗旱防咸保供水實時調度調整、動態優化水資源調度決策提供技術支撐。

2.1 多源旱情實時感知

平臺接入了太湖流域440個水情報汛站點，每年采集約350萬條實時監測數據，囊括雨量、水位、流量、水質等各類監測信息。在雨情方面，集成了流域內逐小時、逐日等不同時間尺度的報汛、遙測實時降雨數據。在水情方面，匯集了流域內河道站、閘壩站、水庫站、潮位站等監測站點實時信息，動態掌握河道來水情況和水庫蓄水狀態。在咸情方面，匯集了上海市、江蘇省沿江沿海與內河咸情測站實時氯化物信息，實時感知氯化物超標時長。在蓄水方面，自動統計“本地、近地、遠地”河湖蓄水量，統計流域內水庫實時蓄水量與蓄水率、多年平均蓄水量距平、正常蓄水量距平，實時分析可調配水量。平臺采用前端緩存、數據庫連接池與預報調度并發計算等技術提高效率及實用性與擴展性，采用模塊化開發、分布式部署等方式，利用微服務注冊配置、服務網關、分布式數據存儲、負載均衡等技術，形成了微服務資源池，通過組合不同的微服務，深度融合了在線監測、數據庫等技術，快速搭建、整合集成了不同業務模塊，從而實現了水文水質等多源異構數據實時關聯。

2.2 多源陸氣耦合預報

平臺基于中國國家氣象中心T639數值模式、日本氣象廳全球模式、上海CMA-SH9華東區域中尺度數值預報模式和歐洲中期天氣預報中心全球模式^［15］等多模式的定量降水數值預報數據^［16］，將降雨預報分為從小時到天等多種時間尺度不同預見期長度，包括：短臨預報（預見期0～2 h）、短時預報（預見期12 h）、短期預報（預見期1～3 d）、中期預報（預見期4～10 d）與長期趨勢預測（月、季節）^［17］。針對流域模型種類多、預報需求多樣的實際，將太湖流域產匯流模型、水文水動力學耦合模型、突發水污染模型等多個分散獨立的模型進行了有效集成，實現了一體化平臺與各模型之間的直接通信和調用。平臺基于Entity framework技術架構、WebSocket微服務云架構，提高了模型通用性，適用于JAVA、.NET等語言調用。為有效運用水利工程，流域一維河網與太湖二維湖流水量水質耦合模型以及來水組成模型調度分現狀調度、規則調度、人工調度與聯合調度4種模式，實現總長約1.5萬km河道、991個閘泵共計18 641個斷面預報成果滾動計算^［18］。模型預見期內現狀調度指按昨日實測日均流量運行，規則調度按《太湖流域洪水與水量調度方案》運行，人工調度按會商決策意見及可供使用的防洪手段交互修改工程運行流量，聯合調度指不同直管工程按上述3種調度的組合，從而使平臺具備靈活的參數調整、實時演算等功能。針對同一斷面、不同數值模式的多種計算結果，通過預報結果優選^［19］，提升來水預報精度^［20］，為后續科學精細調度水利工程、合理利用河道來水提供了有力的技術支撐。

2.3 多要素精準預警

平臺結合取水口、內河代表站含氯度標準，水文站最小流量等閾值指標，根據實時水情與來水預報，結合降雨、溫度、風場預報，預測太浦河下游金澤水源地取水口水質指標、太浦閘倒流關閘與穩定開閘情勢分析，精準預警流域上游河道來水減少和下游地區遭遇咸潮的風險，以圖表形式顯示河道站水位偏低、沿江沿海地區氯化物超標等預警信息。為及時將預警信息傳達至防御一線，平臺通過傳真、郵箱等途徑及時發布旱情、咸情預警信息，為水源地、水利工程管理部門等一線部門爭取時間，提早做好抗旱保供水準備，提高預警信息發布的時效性和精準性。為了能有效保障平臺的穩定運行，采用雙線服務器技術，當主服務器出現故障時，副服務器能立刻切換成主服務器進行工作，不會因為服務器出現故障而導致業務停止運行，平臺性能穩定，運行正常率不低于95%。

2.4 多方案動態預演

針對平原河網閘泵眾多、圩區調度規則多樣、模型邊界條件復雜、模型與數據關聯度差等問題，平臺重新梳理優化了計算流程，實現了水文預測預報、演進過程預演、工程聯合調度方案比選等功能的“一鍵式”計算演示，以及水利工程調度成效可視化表達，提高了水資源調度的經濟效益。平臺通過調用模型庫，實現了同一個進程中多個模型的動態運行與無縫耦合，可減輕預報員的工作強度，提高預報效率與智慧化管理水平，解決原有操作步驟復雜、成果處理繁瑣、計算過程耗時長、可視化效果差等問題。通過該平臺，全流域水位流量預報計算時間從2 h縮短到3 min。預報調度一體化平臺基于微服務架構、REST框架，通過RESTful接口實現前后端開發的解耦、快速開發定制接口，形成了簡單化操作、科學化計算、可視化演示、業務化應用、智能化輔助決策支持的全鏈條服務。通過驅動流域一維河網與太湖二維湖流水量水質耦合模型及來水組成模型，實現了引供水主要影響區域河道水流軌跡示蹤預演功能，實現對引江濟太、太湖向下游上海等地供水的軌跡跟蹤及改善效果動態預演^［21］，開展沿江口門、望虞河及兩岸口門、新孟河、太浦河等多種組合方案的不同調度效果研究。通過對比分析，結合流域與區域供水形勢，形成方案推薦建議，為流域抗旱防咸保供水調度決策提供技術支撐。

3 實踐應用及成效

3.1 陳行水庫補水

2022年9月下旬，沿長江江蘇段白茆閘、蕩茜樞紐、七浦閘、楊林閘、瀏河閘與浪港閘為引水調度，26日瀏河閘停止引水，28日楊林閘、七浦閘、蕩茜樞紐停止引水，30日白茆閘停止引水，從9月13日咸潮影響瀏河口到30日所有口門停止引水，在此期間引入太湖流域的均為咸水，受此影響，陳行水庫蓄量逐漸減少，供水形勢極其嚴峻。

對流域一維河網與太湖二維湖流水量水質耦合模型與來水組成模型進行率定驗證，選取2016年4～11月、2012年5～9月、2010年10月至2011年4月分別代表豐水年、平水年、枯水年，2019年5～9月為驗證期。結合GB/T 22482—2008《水文情報預報規范》與防汛實際要求，太湖水位模擬許可誤差為±0.03 m，河網水位模擬許可誤差為±0.10 m，定義計算誤差小于許可誤差為合格，要求合格率（合格次數占總次數的比例）不低于85%，根據計算可知，率定期水位平均合格率為87%，驗證期合格率為85%。因此，精度符合要求，可以用于模擬。

為解決陳行水庫一度只能維持5 d的供水形勢，需要盡快打通陳行水庫輸水通道。在進行補水方案設計時，考慮到長江水是陳行水庫的主要補水水源，本地河網水是水庫的應急補水水源，而2022年9月14日開始，長江口連續咸潮入侵，水庫難以正常補水，本地河網水資源量有限，需要從流域層面統籌考慮水資源調度，另辟供水通道為陳行水庫補水。利用太湖流域預報調度一體化平臺水量水質應急監測資料，驅動流域一維河網與太湖二維湖流水量水質耦合模型及來水組成模型，研究了區域水流運動規律、工程運行和水質變化。根據太湖流域河網特點及工程能力，并結合實際操作的可行性，考慮以太湖或望虞河為主要水源，通過沿長江口門的協同調度，經流域河網將清水補充至陳行水庫周邊河網，陳行水庫再從周邊河網直接取水。對此，采用基于流域一維河網與太湖二維湖流水量水質耦合模型與來水組成模型對方案進行了模擬預演。通過對不同方案的補水效益進行分析論證，模擬預演60多套向上海市陳行水庫周邊河網補水的方案，提出“望虞河—陽澄湖—瀏河—陳行水庫周邊河網”（北一線補水方案），“太湖瓜涇口—吳淞江—青陽港—瀏河—陳行水庫周邊河網”（北二線補水方案），“太湖瓜涇口—吳淞江—蘇州河”（南線補水方案）3條應急補水線路，見圖4。

根據模型計算分析結果，北一線補水方案調度實施后，望虞河水經東岸分流進入陽澄湖，補充的陽澄湖水一部分北向通過吳塘河、鹽鐵塘、橫瀝等向南流向婁塘河、新川沙河進入陳行水庫周邊河網，見圖5（a），調度開始7 d后，來自吳塘河向陳行水庫補充的水資源量增加了20%；一部分南壓后通過蘇州河向東分流和通過攔路港等河道向南進入太浦河和黃浦江，可以補充太浦河下游水源地的水量，即同時補充陳行水庫、金澤水庫水資源量，見圖5（b）。從補水效率來看，望虞河東岸加大分流后，陽澄湖出湖流量增加超過3倍，調度開始后4 d，陽澄湖開始對陳行水庫周邊河網進行補充。為了分析補水方案變化規律，研究了陽澄湖水占嘉定、寶山周邊河網來水比例，望虞河東岸永昌涇按20 m3/s、冶長涇按30 m3/s分流，設計如下方案：方案一瀏河閘按80 m3/s排水；方案二琳橋按30 m3/s分流，沿江白茆閘趁潮引水、瀏河閘按100 m3/s排水；優選方案（北一線補水方案）琳橋按30 m3/s分流，沿江瀏河閘按100 m3/s排水，白茆閘及以下關閘。結果表明：方案一、方案二、優選方案計算來水比例先增加后降低，均在20 d后左右補充比例達到最大，對陳行水庫周邊河網水量補充占比最高分別達到47.2%，48.1%，60.0%，見表1。若不采取該措施，陽澄湖出湖流量小，對陳行水庫周邊河網產生影響較小。另據計算結果：調度瀏河閘在望虞河東岸永昌涇和冶長涇加大分流的同時配合排水，瀏河婁陸斷面陽澄湖來水比例可由瀏河閘不排水時的僅7%提升至50%。

北二線補水方案和南線補水方案2條應急補水線路的水源均為太湖，均以瓜涇口為出口進行輸送。太湖清水由瓜涇口先進入河網，后進入澄湖，再進入吳淞江和淀山湖。在北二線補水方案中，瀏河閘所在斷面來水主要來自巴城、青陽港，10月5日，瀏河閘所在斷面20%的水資源量來自巴城，2022年10月7日，瀏河閘所在斷面10%的水資源量來自青陽港，由于瀏河水位既低于吳淞江南側的周巷、也低于北側的湘城，利用吳淞江通過青陽港向瀏河補充水量是可行的。該方案即：通過開啟蕰藻浜西閘先向蕰藻浜補充水量，再通過吳塘河、鹽鐵塘向北經過練祁河、婁塘河、新川沙河補充陳行水庫水資源量，見圖6，進入淀山湖的太湖水對黃浦江松浦大橋（備用）水源進行直接補充。在南線補水方案中，進入吳淞江的太湖水流經蘇州河，開啟蘇州河河口閘向蕰藻浜補充水量，通過橫瀝河等向北經過練祁河、婁塘河、新川沙河補充陳行水庫也可行，見圖7。對太湖水占黃浦江上游斷面來水比例進行分析可知，太湖水占黃浦江上游斷面來水比例呈增加趨勢，在補水5，10，15，20，25 d后的比例分別為0.9%，8.7%，10.2%，14.4%，17.9%，從第10 d開始明顯對黃浦江水源起到補充作用，25 d后最大。

從上述分析可知，北一線補水方案效率更高，可以作為主要補水方案，其余兩條可以作為補充方案。根據工作組現場查勘，陽澄湖周邊及沿線河道水量、水質條件總體較好，通過望虞河向陽澄湖再向下游楊林塘、張家港，最后通向瀏河補水的方案是可行的。而新川沙河—蕰藻浜需新開河8.4 km，沿線工礦企業多，施工期長，暫不具備應急開挖通水的條件，通過蕰藻浜南北向連通的鹽鐵塘、橫瀝河向北輸水，再經練祁河、婁塘河向東往陳行水庫周邊水網應急補水亦可行，即模型預演與實際情況基本一致。

2022年9月30日通過調度望虞河東岸冶長涇閘和永昌涇閘、太湖瓜涇口閘、陽澄區沿江口門以及瀏河南岸口門，向陳行水庫周邊河網應急補水。10月1～2日，結合模型預演結果調度瀏河閘、老七浦閘、浪港閘、蕩茜閘等排水。10月3日，通過連續幾天的上游補水、下游排水，瀏河干流大部分斷面氯化物濃度已低于 250 mg/L，具備了向陳行水庫周邊河網供水的條件。10月4日下午，上海市開啟瀏河南岸橫瀝水閘，正式調引瀏河水入陳行水庫周邊河網，標志著太湖供水河網、河網供水陳行水庫的通道正式打通。

預演在抗咸潮保上海市供水安全專項行動中發揮了重要作用，保障上海市主要飲用水水源地切換至太浦河—黃浦江水源地期間，太浦河供水水量水質穩定，在既無前例可循又無經驗可依的條件下，模擬預演了60多套向上海市陳行水庫周邊河網補水的方案，為快速找到陳行水庫的供水線路，強化流域與區域多目標統籌調度，全力保障太湖流域供水安全提供了極為重要的參考依據。

3.2 效 益

抗咸潮保上海市供水自2022年9月23日開始至2023年1月5日結束。通過數字流場模擬預演比選60多個補水方案后提出了北一線、北二線、南線補水方案3條應急補水線路。10月4日，太湖和望虞河（陽澄湖）通過河網向陳行水庫應急補水通道正式打通，成功緩解了陳行水庫一度只能持續供水5 d的困境。抗咸潮保上海供水期間，通過太浦河—黃浦江補水9.5億m3，通過望虞河—陽澄湖—瀏河補水2.5億m3，通過太湖—吳淞江—蘇州河補水3.3億m3。抗咸潮保上海供水調度，為陳行水庫通過太湖流域河網蓄水創造了條件，保障了上海市陳行水庫供水安全。

據統計，北一線補水方案應急補水啟動后，望虞河東岸永昌涇和冶長涇向河網供水流量由2 m3/s加大至47 m3/s，增加了45 m3/s；望虞河清水進入陽澄湖，抬高了陽澄區整體水位，配合沿長江瀏河等閘門聯合排水，拉動河網水流流動，有效排出陳行水庫周邊河網氯化物濃度超標水體。北二線、南線補水方案啟動后，瓜涇口出太湖平均流量由5 m3/s增加至33 m3/s，增加了28 m3/s，與太浦閘一起保障了太浦河下游、黃浦江上游水源地的水量水質安全。在迅速打通向陳行水庫河網補水通道后，有效彌補了陳行水庫原水供應缺口，保障了陳行水庫的正常供水。

4 結 論

太湖流域預報調度一體化平臺經過抗旱防咸保供水檢驗，實現了一鍵式預測預報、聯合調度、風險提示全流程，技術可復制、可推廣，可助力其他平原河網感潮地區的水資源“四預”理論研究與技術應用。主要結論有：

（1） 2022年夏季，太湖流域發生1961年有完整氣象記錄以來持續時間最長的大范圍高溫天氣，高溫日數較常年偏多29.4 d。太湖流域主要受下沉氣流影響，冷渦難以南下到達流域，冷暖空氣對流較弱，導致流域長期維持高溫干旱狀態。2022年汛期（5～9月），流域累計降水量486.0 mm，較常年同期偏少35%。與常年同期相比，太湖、上游區湖西區與浙西區河網代表站水位持續偏低，太湖水位從7月15日至9月30日，位列2002年以來倒數第1位至倒數第3位。長江干流大通站總來水量較30 a同期均值偏少近5成，8月月平均流量均打破歷年最小月均值紀錄，大通站來水枯水重現期均大于100 a，屬于流域性嚴重枯水。東風西沙、青草沙、陳行水源地分別于9月1日、5日、14日先后遭遇咸潮入侵，為長江口水源地建庫以來咸潮入侵最早時間。

（2） 利用太湖流域預報調度一體化平臺，驅動流域一維河網與太湖二維湖流水量水質耦合模型及來水組成模型，實現了流域、區域、城鎮不同空間尺度，江河湖庫海多種要素，水閘、泵站等工程不同調度方案下水位、流量、來水組成快速預測預報和一體化風險預警。本研究預演了60多套向上海市陳行水庫周邊河網補水的方案，提出北一線、北二線、南線3條應急補水線路，北一線補水方案效率更高，可以作為主要補水方案。抗咸潮保上海市供水期間，通過太浦河—黃浦江補水9.5億m3，通過望虞河—陽澄湖—瀏河補水2.5億m3，通過太湖—吳淞江—蘇州河補水3.3億m3。預演與實際情況基本一致，為快速找到陳行水庫的供水線路，強化流域與區域多目標統籌調度，全力保障太湖流域供水安全提供了重要參考依據。

（3） 未來可圍繞水災害、水資源、水生態等流域管理目標決策需要，對水文水生態全要素模擬、水工程調度評估的快速響應與精準分析技術進行深入研究，進一步提高預報精度、豐富預演效果，并重點在長三角核心示范區推廣應用。繼續優化完善預報調度一體化系統功能模塊，進一步加強模型參數率定，強化平臺常態化應用，切實提高水旱災害防御“四預”能力和水平，為流域水利高質量發展和保障“四水”安全提供更加有力的技術支撐。

參考文獻：

［1］ 黃啟有，黃文衡.流域洪水預報調度通用平臺研究與實踐［J］.人民長江，2022，53（9）：227-231，239.

［2］ 陳瑜彬，鄒冰玉，牛文靜，等.流域防洪預報調度一體化系統若干關鍵技術研究［J］.人民長江，2019，50（7）：223-227.

［3］ 田兆偉，劉金鳳，張煒，等.實時洪水預報調度演進一體化技術在西枝江流域的應用研究［J］.廣東水利水電，2022（11）：30-34.

［4］ 黃啟有，胡可，于思洋，等.流域河系洪水預報調度一體化研究與應用［J］.水力發電，2022，48（6）：36-40，104.

［5］ 吳娟，林荷娟，季海萍，等.城鎮化背景下太湖流域湖西區汛期入湖水量計算［J］.水科學進展，2021，32（4）：577-586.

［6］ 吳娟，錢傲然，林荷娟.應對極端暴雨洪水與提升防洪安全韌性研究：以太湖流域為例［J］.中國水利，2024（8）：25-32.

［7］ 周軍，任宏昌，王蒙，等.2022年夏季長江流域干旱特征及成因分析［J］.人民長江，2023，54（2）：29-35.

［8］ 張明波，熊豐，王棟.2022年長江流域汛期枯水情勢分析［J］.人民長江，2023，54（4）：1-6，22.

［9］ 吳娟，林荷娟，薛濤，等.基于水量水質與來水組成模型的太湖與河網水動力研究［C］∥中國水利學會.2023中國水利學術大會論文集（第四分冊）.上海：太湖流域管理局水文局（信息中心），2023：8.

［10］王玉琦，李鋮，劉安琪，等.2022年長江口夏季咸潮入侵及影響機制研究［J］.人民長江，2023，54（4）：7-14.

［11］許銀山，曾明，裘誠，等.2022年長江口壓咸補淡調度實踐及成效［J］.人民長江，2023，54（8）：40-45.

［12］夏智宏，劉敏，秦鵬程，等.2022年長江流域高溫干旱過程及其影響評估［J］.人民長江，2023，54（2）：21-28.

［13］喬紅杰，劉大偉，聞衛東，等.2022年長江口北支咸水倒灌傳播特征分析［J］.人民長江，2023，54（2）：63-69.

［14］吳娟，林荷娟，姜桂花，等.太湖流域超標特大洪水風險預警系統建設及應用［J］.河海大學學報（自然科學版），2023，51（2）：164-170.

［15］WU Z Y，WU J，LU G H.A one-way coupled atmospheric-hydrological modeling system with combination of high-resolution and ensemble precipitation forecasting［J］.Frontiers of Earth Science，2016，10（3）：432-443.

［16］WU J，WU Z Y，LIN H J，et al.Hydrological response to climate change and human activities：a case study of Taihu Basin，China［J］.Water Science and Engineering，2020，13（2）：83-94.

［17］WU J，LIN H J，WU Z Y，et al.Precipitation and water stage variability under rapid developments of urbanization in Taihu Basin［C］∥Proceedings of the International Association of Hydrological Sciences，2020，383：13-24.

［18］吳娟，林荷娟.基于陸氣耦合模型系統的太湖流域洪水風險預測［J］.人民長江，2023，54（11）：1-7，22.

［19］吳娟，林荷娟，杜詩蕾，等.BP神經網絡模型在太湖流域重要河流水位預報的應用［C］∥中國水利學會.2022中國水利學術大會論文集（第五分冊）.上海：太湖流域管理局水文局（信息中心），上海藍泰信息咨詢有限公司，2022：8.

［20］吳娟，吳志勇，姜桂花，等.決策樹技術在杭嘉湖區水位預報中的應用［J］.水電能源科學，2020，38（9）：28-31.

［21］吳娟，林荷娟.太湖流域新型突發水質異常事件研究與平臺建設［C］∥中國水利學會減災專業委員會.第十四屆防汛抗旱信息化論壇論文集.上海：太湖流域管理局水文局（信息中心），2024：9.

（編輯：郭甜甜）

\"Four pres\" application in resisting salinity and guaranteeing water supply safety of Taihu Basin based on event-driven

WU Juan，LIN Hejuan，XUE Tao

（Bureau of Hydrology （Information Center），Taihu Basin Authority，Shanghai 200434，China）

Abstract： Taihu Basin suffered rare high temperature and drought in 2022，and the Chenhang Reservoir in Shanghai City was threatened by severe salinity intrusion.Based on the forecasting and dispatching integration system of Taihu Lake Basin，the coupled one-dimensional（1-D） water quantity of river network，the two-dimensional（2-D） quality model of the Taihu Lake，and the incoming water composition model were driven，in order to realize the simulation，analysis，forecast，and risk warning of water level，discharge，and incoming water composition under different spatial scales （watershed，region，town），multi-factor （river，lake，reservoir，sea），engineering group （sluice，pumping station，etc.） and different scheduling rules （discharge，regulation，capacity scheduling）.The research findings were applied to the planning of the emergency water supply route for the Chenhang Reservoir.The research results showed that more than 60 numerical simulation and rehearsal of the flow movement tracks of main rivers for water replenishment were evaluated.Furthermore，the First North，Second North，and South water replenishment route were proposed，among which the First North water replenishment route had higher efficiency and was basically consistent with the real situation.The research solved the water supply difficulties of the Chenhang Reservoir which could only maintain for 5 days，and provided important references for the multi-objective coordinated scheduling of watersheds and regions and guaranteeing the safety of water supply.

Key words： resisting salinity and guaranteeing water supply safety； integrated forecasting and scheduling； coupled water quantity and quality model； incoming water composition model； Chenhang Reservoir； Taihu Basin