包紅軍，曹 勇，曹 爽，王 蒙

(1.國(guó)家氣象中心，北京 100081； 2.中國(guó)氣象局-河海大學(xué)水文氣象研究聯(lián)合實(shí)驗(yàn)室，北京 100081)

我國(guó)中小河流眾多，洪水頻發(fā)，災(zāi)害嚴(yán)重，已經(jīng)成為當(dāng)前洪水防控的薄弱環(huán)節(jié)[1]。根據(jù)國(guó)務(wù)院《全國(guó)山洪災(zāi)害防治規(guī)劃》，中小流域面積在200～3 000 km2之間，流域面積小，災(zāi)害突發(fā)性強(qiáng)，基礎(chǔ)與觀測(cè)資料不全，坡陡流急、匯流快、預(yù)見期短，預(yù)報(bào)預(yù)警難度大[2]。目前，國(guó)內(nèi)外中小河流洪水預(yù)報(bào)主要有精細(xì)化分布式水文模型預(yù)報(bào)法和致洪臨界雨量閾值預(yù)警預(yù)報(bào)法兩種[3-5]。為了獲得更長(zhǎng)時(shí)效的預(yù)報(bào)預(yù)見期，引入預(yù)見期內(nèi)的降水預(yù)報(bào)是提升中小河流洪水防控與減災(zāi)救災(zāi)的重要途徑之一[6]。中小河流匯流一般在12 h以內(nèi)，如何提升面向中小流域0～12 h的短時(shí)臨近降水精準(zhǔn)性預(yù)報(bào)，成為中小河流洪水精細(xì)化預(yù)報(bào)與風(fēng)險(xiǎn)防控研究的重要前沿問題[7-8]。

根據(jù)中國(guó)氣象局2017年《全國(guó)短時(shí)臨近預(yù)報(bào)業(yè)務(wù)規(guī)定》，短時(shí)臨近降水預(yù)報(bào)分為0～2 h臨近降水預(yù)報(bào)和2～12 h短時(shí)降水預(yù)報(bào)，不同時(shí)效的降水預(yù)報(bào)技術(shù)不盡相同[9]。目前，國(guó)內(nèi)外的臨近降水預(yù)報(bào)主要是以觀測(cè)信息或分析數(shù)據(jù)進(jìn)行外推，外推方法以盧卡斯-卡納德(Lucas-Kanade)光流法(簡(jiǎn)稱LK光流法)為主，目前在天氣業(yè)務(wù)中應(yīng)用廣泛[10]。中小尺度天氣系統(tǒng)短時(shí)降水預(yù)報(bào)能力的提升主要依賴于數(shù)值天氣預(yù)報(bào)模式，特別是快速滾動(dòng)更新的高分辨率中尺度模式[11]。在國(guó)內(nèi),中國(guó)氣象局GPAPES-3KM模式[11]、華東中尺度模型(SMB-WARMS)[12]和北京RMAPS模式[13]是提升短時(shí)降水預(yù)報(bào)能力的主要途徑之一。但中小尺度天氣系統(tǒng)降水局地性、突發(fā)性強(qiáng)，確定性數(shù)值模式難以考慮其不確定性，而傳統(tǒng)基于初始場(chǎng)擾動(dòng)、多物理過程等的集合數(shù)值預(yù)報(bào)，耗時(shí)費(fèi)力，時(shí)效性難以滿足需求[8]。

本文面向中小流域，構(gòu)建基于短時(shí)臨近精細(xì)化網(wǎng)格降水集合預(yù)報(bào)的中小河流洪水預(yù)報(bào)模型。模型以中國(guó)氣象局雷達(dá)組網(wǎng)和GRAPES-3KM模式為基礎(chǔ)，發(fā)展基于金字塔架構(gòu)的LK光流技術(shù)和強(qiáng)度守恒約束的Semi-Lagrangian平流技術(shù)的雷達(dá)外推臨近降水預(yù)報(bào)技術(shù)，提出基于GRAPES-3KM模式和Time-Lag融合的短時(shí)降水集成預(yù)報(bào)和集合預(yù)報(bào)方法，實(shí)現(xiàn)0～12 h逐小時(shí)降水集成與集合預(yù)報(bào)，驅(qū)動(dòng)GMKHM(Grid-and-Mixed-runoff-generation-and-Kinematic-wave-based Hydrological Model)[14-16]，建立中小河流洪水預(yù)報(bào)模型。以皖南山區(qū)新安江江屯溪以上流域(簡(jiǎn)稱屯溪流域)為例，將洪水預(yù)報(bào)模型應(yīng)用于2020年7月汛期洪水中進(jìn)行實(shí)時(shí)預(yù)報(bào)，以探討其對(duì)中小河流洪水預(yù)報(bào)精度與預(yù)見期延長(zhǎng)的效果。

1 短時(shí)臨近降水集合預(yù)報(bào)的中小河流洪水預(yù)報(bào)模型建立

基于短時(shí)臨近降水集合預(yù)報(bào)的中小河流洪水預(yù)報(bào)模型包括短時(shí)臨近降水集合預(yù)報(bào)和GMKHM兩部分。基于多雷達(dá)組網(wǎng)和GRAPES-3KM模式，結(jié)合Time-Lag-Ensemble技術(shù)，發(fā)展短時(shí)臨近降水三成員(最優(yōu)集成、最大和最小)集合預(yù)報(bào)技術(shù)，以短時(shí)臨近集合降水預(yù)報(bào)作為分布式水文模型的雨量驅(qū)動(dòng)場(chǎng)，實(shí)現(xiàn)中小河流洪水預(yù)報(bào)。

1.1 短時(shí)臨近降水集合預(yù)報(bào)

1.1.1 最優(yōu)集成預(yù)報(bào)

短時(shí)臨近降水最優(yōu)集成預(yù)報(bào)包括改進(jìn)的雷達(dá)LK臨近(0～2 h)降水預(yù)報(bào)和基于GRAPES-3KM模式的短時(shí)(2～12 h)降水集成預(yù)報(bào)兩部分。

1.1.1.1 改進(jìn)的LK臨近降水預(yù)報(bào)技術(shù)

目前，國(guó)內(nèi)外主要應(yīng)用LK光流技術(shù)進(jìn)行雷達(dá)外推臨近降水預(yù)報(bào)。傳統(tǒng)的LK光流法難以解決估計(jì)無降水區(qū)域的最優(yōu)風(fēng)場(chǎng)、雨強(qiáng)衰減計(jì)算誤差以及系統(tǒng)生效問題，這是制約降水臨近預(yù)報(bào)精度提升的重要因素之一。本文基于金字塔架構(gòu)改進(jìn)傳統(tǒng)的LK光流法，利用空間升尺度技術(shù)，構(gòu)建金字塔結(jié)構(gòu)物理量場(chǎng)，生成8種空間尺度的降水預(yù)報(bào)場(chǎng)，從底層到高層逐漸分辨率降低(自底層起5 km×5 km至最高層30 km×30 km)，再由上至下逐層利用LK光流技術(shù)獲取當(dāng)層的平流背景風(fēng)場(chǎng)，并作為下一層的平流背景風(fēng)場(chǎng)的初始場(chǎng)，實(shí)現(xiàn)最優(yōu)估計(jì)無降水區(qū)域背景平流風(fēng)場(chǎng)和有降水區(qū)域背景平流風(fēng)場(chǎng)的精細(xì)結(jié)構(gòu)。

用于降水臨近外推的Semi-Lagrangian技術(shù)，往往由于降水的非網(wǎng)格點(diǎn)插值易導(dǎo)致計(jì)算的外推降水強(qiáng)度逐漸減弱。本文利用插值前后兩時(shí)刻降水累積百分位匹配技術(shù)，保持降水強(qiáng)度守恒，并結(jié)合GRAPES-3KM模式環(huán)境場(chǎng)預(yù)報(bào)，建立前兩個(gè)時(shí)次的降水生消變化及熱力不穩(wěn)定環(huán)境場(chǎng)定量關(guān)系，實(shí)時(shí)構(gòu)建降水強(qiáng)度增減幅統(tǒng)計(jì)經(jīng)驗(yàn)關(guān)系模型，實(shí)現(xiàn)在外推過程中降水強(qiáng)度訂正計(jì)算。結(jié)合實(shí)時(shí)Z-R關(guān)系動(dòng)態(tài)反演降水技術(shù)[10]，實(shí)現(xiàn)基于改進(jìn)LK光流法的雷達(dá)外推臨近降水預(yù)報(bào)。

1.1.1.2 基于GRAPES-3KM模式和Time-Lag融合的短時(shí)降水最優(yōu)集成預(yù)報(bào)

GRAPES-3KM模式是中國(guó)氣象局國(guó)家級(jí)區(qū)域數(shù)值天氣預(yù)報(bào)業(yè)務(wù)模式，自應(yīng)用以來，大大提升了中央氣象臺(tái)中小尺度天氣預(yù)報(bào)能力[11]。目前，GRAPES-3KM快速更新同化系統(tǒng)實(shí)現(xiàn)了逐3 h快速滾動(dòng)更新預(yù)報(bào)，并實(shí)時(shí)同化最新觀測(cè)資料，在短時(shí)降水預(yù)報(bào)中小尺度系統(tǒng)強(qiáng)降水預(yù)報(bào)中準(zhǔn)確率高。將GRAPES-3KM模式預(yù)報(bào)作為短時(shí)定量降水預(yù)報(bào)的基礎(chǔ)場(chǎng)，采用實(shí)時(shí)頻率匹配訂正技術(shù)，利用待訂正量以及觀測(cè)量樣本資料，分別計(jì)算待訂正量經(jīng)驗(yàn)累積概率分布函數(shù)以及觀測(cè)量經(jīng)驗(yàn)累積概率分布函數(shù)，并利用兩者在經(jīng)驗(yàn)累積概率分布函數(shù)之間的差異，進(jìn)行待訂正量的數(shù)值訂正，最終使得訂正后待訂正量的經(jīng)驗(yàn)累積概率分布函數(shù)與觀測(cè)量經(jīng)驗(yàn)累積概率分布函數(shù)一致，具體計(jì)算公式如下：

(1)

Time-Lag技術(shù)是針對(duì)某個(gè)預(yù)報(bào)時(shí)效、不同起報(bào)時(shí)刻的短時(shí)定量降水預(yù)報(bào)；Bayesian模型根據(jù)前期降水預(yù)報(bào)與實(shí)況對(duì)應(yīng)關(guān)系，計(jì)算出對(duì)應(yīng)于某個(gè)預(yù)報(bào)時(shí)效各個(gè)起報(bào)時(shí)刻的短時(shí)定量降水預(yù)報(bào)融合權(quán)重系數(shù)，進(jìn)行集成得到短時(shí)降水最優(yōu)集成預(yù)報(bào)。基于GRAPES-3KM模式的預(yù)報(bào)實(shí)時(shí)偏差訂正技術(shù)流程見圖1。

圖1 基于GRAPES-3KM模式的預(yù)報(bào)實(shí)時(shí)偏差訂正技術(shù)流程Fig.1 Flow chart of forecast real-time error correction technique based on GRAPES-3KM mode

1.1.2 最大、最小預(yù)報(bào)

考慮到天氣過程固有的混沌效應(yīng)以及預(yù)報(bào)技術(shù)對(duì)初始場(chǎng)的敏感性，相鄰時(shí)刻起報(bào)的臨近降水預(yù)報(bào)往往會(huì)有差異，這種差異表現(xiàn)為預(yù)報(bào)不確定。利用該特點(diǎn)，構(gòu)建基于多起報(bào)時(shí)刻的時(shí)間滯后集合降水預(yù)報(bào)(Time-Lag Ensemble Forecast)。時(shí)間滯后集合降水預(yù)報(bào)的核心是基于快速更新同化系統(tǒng)構(gòu)建集合成員，每一次循環(huán)更新將產(chǎn)生高頻次的預(yù)報(bào)場(chǎng)，貢獻(xiàn)新的集合成員，這一過程并不占用額外的計(jì)算機(jī)資源，成為一種經(jīng)濟(jì)實(shí)用的集合預(yù)報(bào)方案。

考慮到不同起報(bào)時(shí)刻的臨近降水預(yù)報(bào)成員不多，一般使用6個(gè)成員。由于直接使用概率預(yù)報(bào)以及求解分位數(shù)極值存在跳躍誤差，為此采用一致性排序技術(shù)以及線性插值技術(shù)，擬合集合概率分布曲線，并利用該曲線，構(gòu)建最小可能降水(5%分位)和最大可能降水(95%分位)，與最優(yōu)集成降水預(yù)報(bào)，形成3個(gè)集合預(yù)報(bào)成員，提供短時(shí)臨近降水預(yù)報(bào)的最優(yōu)預(yù)報(bào)和最大、最小預(yù)報(bào)。

1.2 GMKHM分布式水文模型

Bao等[14]在新安江水文模型的基礎(chǔ)上，結(jié)合DEM和RS技術(shù)，構(gòu)建基于DEM網(wǎng)格的分布式混合產(chǎn)流水文模型(GMKHM)。模型是將流域內(nèi)的DEM網(wǎng)格作為水文響應(yīng)過程的基本單元，并假設(shè)單元網(wǎng)格內(nèi)地形地貌、陸面植被覆蓋和土壤組成類型等下墊面條件和降水強(qiáng)迫空間分布一致，GMKHM中只考慮DEM網(wǎng)格間水文要素的變異性。在網(wǎng)格水文單元中，植被冠層截留和蒸散發(fā)計(jì)算后得到的凈雨量，經(jīng)過混合產(chǎn)流計(jì)算與劃分水源，根據(jù)河網(wǎng)逐網(wǎng)格匯流演算次序，依次將地表徑流、壤中流與地下徑流演算至流域出口斷面，得到其水文過程。在單元網(wǎng)格垂直方向上分為4層：植被層、上層土壤、下層土壤、深層土壤。在植被層考慮植被截留，對(duì)3層土壤層采用新安江水文模型的3層蒸散發(fā)模型進(jìn)行蒸散發(fā)計(jì)算。應(yīng)用考慮蓄滿與超滲兩種產(chǎn)流機(jī)制的混合產(chǎn)流模型進(jìn)行網(wǎng)格內(nèi)產(chǎn)流計(jì)算；坡面匯流和河道匯流均采用逐網(wǎng)格的一維運(yùn)動(dòng)波水流演算模型。在逐網(wǎng)格分布式匯流模型中，將上游網(wǎng)格入流作為當(dāng)前網(wǎng)格單元產(chǎn)流計(jì)算中降水量的一部分處理，當(dāng)此網(wǎng)格為河道網(wǎng)格，徑流量將按比例匯入河道[15]。

2 模 型 應(yīng) 用

2.1 流域介紹及主要數(shù)據(jù)

選取新安江屯溪流域作為模型應(yīng)用檢驗(yàn)流域。屯溪流域位于新安江流域上游皖南山區(qū)，屬于副熱帶季風(fēng)氣候區(qū)，多年平均降水量約為1 800 mm，為典型的濕潤(rùn)中小流域。屯溪水文站是新安江干流上游主要控制站，流域面積2 693 km2，地勢(shì)西高東低，坡陡流急，最大落差達(dá)1 018 m，極易形成洪水。流域內(nèi)植被良好，主要包括常綠針葉林、落葉闊葉林、混合林、灌木林、牧草地與耕地，土壤類型主要為壤土、砂質(zhì)黏壤土、砂壤土和壤砂土。

新安江流域?yàn)樯絽^(qū)型河流，雨期集中在4—7月，洪水暴漲暴落，洪峰持續(xù)時(shí)間短，汛期與降水量一致，其降水量占年降水總量的65%。屯溪流域面積占整個(gè)新安江流域面積的24.4%。屯溪水文站實(shí)測(cè)最大洪峰流量5 780 m3/s(1969年5月5日)。屯溪流域1980—2013年間共34場(chǎng)次洪水，其中2008年的洪水最大，洪峰流量達(dá)5 250 m3/s；用于中小河流實(shí)時(shí)洪水預(yù)報(bào)的2020年汛期洪水，洪峰流量為5 040 m3/s。

本文使用的氣象數(shù)據(jù)來自中國(guó)氣象數(shù)據(jù)網(wǎng)，水文數(shù)據(jù)摘自《中華人民共和國(guó)水文年鑒》[17]，DEM數(shù)據(jù)來自美國(guó)地質(zhì)調(diào)查局(USGS)提供的全球30″×30″分辨率的DEM數(shù)據(jù)[18]。流域下墊面覆蓋數(shù)據(jù)采用美國(guó)地質(zhì)調(diào)查局提供的全球30″×30″土地覆蓋數(shù)據(jù)[19]。

2.2 模型參數(shù)空間估計(jì)

GMKHM參數(shù)呈現(xiàn)空間網(wǎng)格上的不均勻分布，如直接應(yīng)用傳統(tǒng)流域出口斷面水文過程難以進(jìn)行模型參數(shù)率定。GMKHM依據(jù)參數(shù)的物理意義，建立與流域地貌特征、土壤類型以及植被覆蓋等之間的定量關(guān)系，減少了模型參數(shù)對(duì)流域出口斷面水文資料的依賴，可以獲得參數(shù)合理的空間分布[19]。

GMKHM蒸散發(fā)參數(shù)中葉面指數(shù)、最大葉面指數(shù)、作物高度通過每個(gè)柵格單元的LADS直接獲取[20]；深層蒸散發(fā)系數(shù)與柵格單元的植被覆蓋率有關(guān)，在植被密集地區(qū)可取0.18，因此可假定其與植被覆蓋率的比值為0.18[21]；蒸散發(fā)折算系數(shù)主要與測(cè)量水面蒸發(fā)所用的蒸發(fā)器有關(guān)，對(duì)于國(guó)內(nèi)普遍采用的E-601蒸發(fā)皿而言，一般取1；地表曼寧糙率系數(shù)可由陸面地表覆蓋類型得到[22]。產(chǎn)流模型(含分水源)參數(shù)包括蓄滿產(chǎn)流與超滲產(chǎn)流兩類參數(shù)。單元柵格張力水容量、自由水蓄水容量根據(jù)趙人俊等[23]比較新安江模型與SACRAMENTO模型后得出。壤中流的出流系數(shù)和地下水的出流系數(shù)根據(jù)趙人俊等[23]的研究成果，其和表示自由水出流的快慢，與土壤類型有關(guān)。超滲產(chǎn)流計(jì)算中，Green-Ampt下滲方法參數(shù)的有效水力傳導(dǎo)度、濕潤(rùn)鋒面土壤吸力均根據(jù)水文學(xué)手冊(cè)[24]取值，飽和含水率由柵格單元的土壤類型獲取[25]。由于新安江屯溪流域?yàn)榈湫蜐駶?rùn)流域，以蓄滿產(chǎn)流為主，模型運(yùn)行時(shí)關(guān)閉超滲產(chǎn)流計(jì)算模塊。匯流參數(shù)包括河道曼寧糙率系數(shù)、地表坡度、河道坡度。河道曼寧糙率系數(shù)和河道坡度與上游匯水面積有關(guān)，地表坡度、河道坡度均可通過DEM數(shù)據(jù)求得[17]。

2.3 模型應(yīng)用與分析

2.3.1 對(duì)歷史典型洪水的驗(yàn)證

選取1980—2013年間34場(chǎng)屯溪流域歷史典型洪水，時(shí)間步長(zhǎng)取為1 h，用GMKHM對(duì)其進(jìn)行洪水模擬，探求模型的適用性。根據(jù)DEM與下墊面覆蓋數(shù)據(jù)的分辨率(30″×30″)，屯溪流域劃分為3 605個(gè)30″×30″的水文計(jì)算單元網(wǎng)格，流域降水資料采用反距離權(quán)重法插值到網(wǎng)格計(jì)算單元。表1為34場(chǎng)洪水模擬結(jié)果特征值。GMKHM參數(shù)直接由空間估計(jì)獲取，減少了對(duì)歷史資料的依賴。從預(yù)報(bào)結(jié)果可以看出，與新安江模型相比，GMKHM在屯溪流域洪水模擬效果評(píng)估中，根據(jù)GBT 22482—2008《水文情報(bào)預(yù)報(bào)規(guī)范》，均為甲等預(yù)報(bào)方案，應(yīng)用效果良好：GMKHM與新安江模型模擬精度相當(dāng)，徑流量相對(duì)誤差和峰現(xiàn)時(shí)差平均值GMKHM稍優(yōu)，洪峰相對(duì)誤差平均值相近。GMKHM是在新安江模型基礎(chǔ)上發(fā)展的，應(yīng)用于屯溪流域時(shí)，只保留蓄滿產(chǎn)流，從1986-06-11、1989-05-01、1994-05-01、1999-05-21、2008-06-09、2013-06-27等模擬結(jié)果可以看出，模型對(duì)流域洪水預(yù)報(bào)精度良好，也證明了GMKHM應(yīng)用的合理性和可靠性。

表1 屯溪流域洪水模擬特征值對(duì)比

2.3.2 2020年汛期洪水實(shí)時(shí)預(yù)報(bào)

2020年6月23日至7月11日，屯溪流域歷經(jīng)13場(chǎng)較強(qiáng)降水過程，流域累計(jì)面雨量為710.4 mm，持續(xù)強(qiáng)降水致使屯溪水文站在7月7日16時(shí)流量達(dá)5 040 m3/s，中小河流洪水災(zāi)害嚴(yán)重。本文以發(fā)展的短時(shí)臨近降水逐小時(shí)滾動(dòng)集合(最優(yōu)、最大、最小)預(yù)報(bào)驅(qū)動(dòng)GMKHM，對(duì)本次洪水過程進(jìn)行逐小時(shí)實(shí)時(shí)滾動(dòng)預(yù)報(bào)，探求對(duì)中小河流洪水預(yù)報(bào)預(yù)見期的延長(zhǎng)效果。其中，洪水起報(bào)時(shí)間從7月7日2時(shí)開始，起報(bào)時(shí)間前使用實(shí)況降水，起報(bào)時(shí)間至峰現(xiàn)時(shí)間預(yù)見期內(nèi)使用降水集合預(yù)報(bào)；以較強(qiáng)降水(5 mm/h以上)量級(jí)進(jìn)行檢驗(yàn)評(píng)估，0～2 h臨近定量降水預(yù)報(bào)逐小時(shí)Threat Scores(TS)評(píng)分平均為0.15，高于傳統(tǒng)LK光流法的0.07；2～12 h短時(shí)定量降水預(yù)報(bào)逐小時(shí)TS評(píng)分平均為0.12；12 h累計(jì)定量降水預(yù)報(bào)TS評(píng)分達(dá)0.51，高于GRAPES-3KM同預(yù)報(bào)時(shí)效評(píng)分；以洪峰誤差20%、峰現(xiàn)時(shí)間誤差為1 h衡量洪峰預(yù)報(bào)準(zhǔn)確性。從表2和圖2可以看出，7月7日2—7時(shí)起報(bào)的降水預(yù)報(bào)精度相對(duì)不高，導(dǎo)致最優(yōu)預(yù)報(bào)洪峰效果越來越差，但隨著7時(shí)之后起報(bào)的降水預(yù)報(bào)精度逐步提升，洪水最優(yōu)預(yù)報(bào)精度隨著預(yù)見期臨近越來越高；自9時(shí)起報(bào)的洪峰誤差均在10%，最優(yōu)預(yù)報(bào)的峰現(xiàn)時(shí)間誤差均小于1 h，而不考慮預(yù)見期降水的中小河流洪水預(yù)報(bào)直到13時(shí)才預(yù)報(bào)出洪峰，且峰現(xiàn)時(shí)間誤差為1 h，對(duì)比預(yù)見期提前了4 h；且自2時(shí)起報(bào)的最大預(yù)報(bào)與最小預(yù)報(bào)很好地包含了實(shí)況流量過程線，之間的跨度(最大與最小預(yù)報(bào)之差)越來越小，接近于實(shí)況過程。

表2 屯溪流域2020年實(shí)時(shí)預(yù)報(bào)洪水洪峰

3 結(jié) 語

為了延長(zhǎng)中小河流洪水預(yù)報(bào)的預(yù)報(bào)預(yù)見期，發(fā)展了短時(shí)臨近精細(xì)化網(wǎng)格降水集合預(yù)報(bào)(3個(gè)成員：最優(yōu)預(yù)報(bào)、最大預(yù)報(bào)、最小預(yù)報(bào))技術(shù)，驅(qū)動(dòng)GMKHM，建立基于短時(shí)臨近集合預(yù)報(bào)的中小河流洪水預(yù)報(bào)模型。以皖南山區(qū)新安江上游屯溪流域?yàn)轵?yàn)證流域，對(duì)流域2020年汛期大洪水進(jìn)行實(shí)時(shí)滾動(dòng)預(yù)報(bào)。結(jié)果表明，基于短時(shí)臨近最優(yōu)降水預(yù)報(bào)的中小河流洪水預(yù)報(bào)模型提前了7 h預(yù)報(bào)出屯溪洪峰，洪峰誤差為5.6%，峰現(xiàn)時(shí)差為-1 h，比不考慮預(yù)見期降水的中小河流洪水預(yù)報(bào)提前了4 h；基于短時(shí)臨近最大、最小降水預(yù)報(bào)的中小河流洪水預(yù)報(bào)模型提前13 h預(yù)報(bào)出洪峰區(qū)間，并自7月7日9時(shí)起，最大與最小預(yù)報(bào)之間跨度逐漸減少。

雨量實(shí)況場(chǎng)(6月23日17時(shí)至7月7日9時(shí))、雨量預(yù)報(bào)場(chǎng)(7月7日9—16時(shí))圖2 2020年屯溪流域基于降水最優(yōu)預(yù)報(bào)的洪水預(yù)報(bào)結(jié)果Fig.2 Flood forecasting result based on optimal precipitation forecasts in Tunxi Basin in 2020

筆者認(rèn)為，針對(duì)面向中小河流洪水預(yù)報(bào)的流域雨量場(chǎng)構(gòu)建，仍需要進(jìn)一步的研究。

a. 流域雨量實(shí)況場(chǎng)。中小流域水文氣象監(jiān)測(cè)不足，呈“東密西疏”“大密小疏”，空間代表性不夠，基于天氣雷達(dá)回波反演特別是在復(fù)雜地形地區(qū)的降水反演精度不夠，難以準(zhǔn)確捕捉中小河流致洪強(qiáng)降水的精細(xì)化分布。隨著多源遙感技術(shù)的快速發(fā)展，基于天基、空基、地基等多源監(jiān)測(cè)資料，研發(fā)復(fù)雜地形影響下不同水文氣象分區(qū)基于大數(shù)據(jù)識(shí)別與融合同化技術(shù)的三維降水監(jiān)測(cè)技術(shù)，是提升面向中小河流洪水預(yù)報(bào)的流域雨量場(chǎng)精度的重要手段之一。

b. 流域雨量預(yù)報(bào)場(chǎng)。降水是決定中小河流洪水預(yù)報(bào)精度和預(yù)見期的關(guān)鍵因素，目前，面向中小流域的高分辨率雨量預(yù)報(bào)場(chǎng)構(gòu)建技術(shù)亟須加強(qiáng)。構(gòu)建不同水文氣象分區(qū)降水特征條件下多源信息融合的高時(shí)空分辨率雨量場(chǎng)，發(fā)展基于人工智能與數(shù)值模式的雷達(dá)智能外推短時(shí)臨近降水預(yù)報(bào)技術(shù)，構(gòu)建面向中小流域的無縫隙精細(xì)化智能網(wǎng)格降水預(yù)報(bào)，是中小河流洪水預(yù)報(bào)下一步要解決的關(guān)鍵技術(shù)。