花林流域面雨量监测分析

2021-06-14 13:31张亚萍黎中菊翟丹华张勇邱鹏黎春蕾

Advances in Meteorological Science and Technology 2021年2期

张亚萍黎中菊翟丹华张勇邱鹏黎春蕾

（1 重庆市气象台，重庆 401147；2 重庆市水文监测总站，重庆 401120）

0 引言

三峡库区地形复杂，河网密布，强降水诱发的中小河流洪水、山洪和滑坡等灾害易发频发，防灾减灾对山洪等灾害的气象风险预警精准度要求日益提升。中小河流洪水和山洪气象风险预警涉及局地强降水形成机制分析、强降水监测、降水的短时临近预报、洪水（山洪）气象风险等级预报的面雨量阈值确定及水文气象耦合模型建立等水文气象技术。其中，流域对降水的水文响应与强降水监测精度有关，高时空分辨率的降水监测数据是开展降水与流域水文响应复杂关系研究的基础。

最基本的流域面雨量计算基于雨量计监测。通过将雨量计测值插值到流域内一定空间分辨率的网格上，然后对所有网格的雨量值求平均，相当于求取该流域内雨量的面积平均值，因此得到的结果称为流域面雨量。由于雨量计站网相对稀疏，其监测数据往往不足以代表风暴的空间变化。Michaud等研究发现，如果雨量计相对于尺度较小的强降水风暴是“稀疏”的，由于风暴单体的降雨梯度很陡，雨量计只能监测其所在位置的降水，当风暴在雨量站之间穿过时，会导致强降水中心的漏测，得到的面雨量作为水文模型的输入时，在一定程度上会导致峰值流量模拟存在误差。

天气雷达能够以较高的时空分辨率监测面上降水，在强降水中心监测方面具有较大优势。但是，由于雷达反射率因子与雨强的关系跟雨滴谱分布有关，雨滴谱分布在不同的降水系统中差别很大，使得雷达定量降水估计并不稳定。同时，雷达定量降水估计的误差还与回波采样时的天气条件、冰雹回波和亮带回波的影响、回波与雷达的距离、雷达扫描方式、雷达扫描距离库大小、地形、数据处理以及雷达维护情况等有关。雷达联合地面雨量计估计降水，可以综合利用雨量计和雷达的优势对雨量进行点面结合监测。

本文针对三峡库区长江左岸小江流域内的花林子流域的两次洪峰过程，基于雨量计监测降水分析场（下文将“降水分析场”简称为“降水场”）和雷达联合雨量计估计降水场分别计算该子流域面雨量并进行对比分析，研究造成不同来源降水场计算流域面雨量差别的原因，为雨量计布设和预报员对多源降水产品的应用提供参考。

1 研究区域及流域面雨量算法

1.1 研究区域

图1 花林流域河网分布（绿色实线，蓝色圆点为花林水文站位置）和距流域出口距离（阴影，a）及三维视图（b）Fig.1 Hualin Catchment. (a) river network (green solid lines, the blue dot: the Hualin Catchment outlet) and distance to watershed outlet (shaded), (b) three dimensional view

花林流域为三峡库区长江左岸小江流域内的子流域，流域面积为561 km。花林水文站是小江右岸支流普里河的控制站。普里河发源于重庆市梁平区城东乡，向东北流，于开州渠口镇汇入长江左岸支流小江。河长为116 km，流域面积为1178 km。普里河在南门镇以上为上游，河长约74 km。上游称蓼叶河。自河源西流，过蓼叶水库，折北又转东北流，入万州区境。至余家镇，此处原有余家水文站，2003年该站下迁至花林。继入开州境，经跳蹬场，过花林水文站（图1），至南门镇，右纳岳溪。南门镇以下为下游，经赵家镇，于渠口镇汇入小江。普里河流域地处四川盆地东部平行岭谷区的宽谷之中，多呈低山丘陵地貌。河道蜿蜒，多有急滩，两岸有众多短小的支沟溪流。普里河是典型的山溪性河流，流量极不稳定，水位变幅大，是典型的灾害性河流。

1.2 资料和方法

2011年9月14日08：18和2014年8月11日13：30，花林水文站分别出现超警戒水位0.9 m和超保证水位2.52 m的洪峰水位。两次洪峰分别导致距离花林水文站3 km的南门镇进水和南门镇遭遇水深达2～3 m的洪水。针对以上2次洪峰过程，分别计算基于雨量计监测的降水场（

）和基于雷达联合雨量计估计的降水场（

），计算

与

的差值场（

），分析

与复杂地形下雨量计布设的关系以及流域对于不同降水分布可能产生的水文响应差异。基于流域内及流域周边的雨量计监测值，利用奥地利INCA（the Integrated Nowcasting through Comprehensive Analysis）系统中采用的距离平方反比法计算得到时间分辨率为1 h，空间分辨率为l km×1 km的

降水场。2011年花林流域内布设有5个雨量计，密度约112 km一个雨量计，插值时用到了周边雨量计，但雨量计密度也只有大约100 km一个雨量计。2014年花林流域内布设有16个雨量计，密度约35 km一个雨量计，但在流域内分布不均匀，加上周边雨量计后密度大约为60 km一个雨量计。时空分辨率与

降水场相同的

降水场的计算方法如下。利用优先校准强降水的雷达联合地面雨量计估计降水局地分级平均校准方法得到初步的雷达联合雨量计估计降水场

。雷达资料来源于位于重庆东北部的万州新一代天气雷达（CINRAD/SB），花林流域位于雷达以西偏北，距离雷达约35～65 km。计算

时已考虑雷达波束遮挡。局地分级平均校准方法针对强降水监测预警和山洪气象风险预警等对强降水监测精度的需求，在雷达联合地面雨量计估计降水的平均校准法、局地校准法和动态分级

关系估算方法的基础上研发，在局地范围内选择一定数量雨量计进行分级平均校准，其主要特点是将雷达—雨量计对按照雨量计测值分组，然后先计算雨量计测值较大组的平均校准因子，首先对强降水进行校准，目的是尽量减少对强降水的估计误差。检验表明，利用优先校准强降水的局地分级平均校准法能够更好地表征预警区域的强降水强度及分布。计算平均校准因子时的平滑作用可能造成

中雨量计所在格点的降水估计值与雨量计测值有偏差，需要将

与

进行融合得到最终的雷达联合雨量计估计降水场

。本文借鉴Haiden等提出的将雨量计插值场与雷达定量降水估计场融合的方法，在融合时从

中取出有雨量计观测的所有格点的值，利用距离平方反比法得到一个参考场

。由于本文计算时已经考虑了雷达波束遮挡问题，因此将该方法中考虑波束遮挡因素的系数去除，按照公式（1）和（2）依次计算每个格点的

：

从式（1）可见，在有雨量计观测值的格点，

接近于0，从而保证了由式（2）计算的这些格点上的值与雨量计测值基本保持一致。对于无雨量计测值的格点，若该格点雷达估计值

远大于周边，则

也会较大，使得强降水中心得到保留。反之亦然。同时，由于

，本文用

表征雷达估计降水场与雨量计插值场存在主要差异的区域。

将流域内所有格点某一时次的降水求平均，计算得到该时次的流域面雨量。

2 流域面雨量及水文响应

图2 为花林流域两次洪峰过程最强降水时段流域面雨量演变。2011年9月14日（图2a）洪峰发生前约6 h（02：00），流域小时面雨量达到最大，雨量计插值小时面雨量为23.3 mm，雷达估计小时面雨量为33.5 mm，比雨量计插值结果高43.8%。整个强降水时段雷达估计5 h累计面雨量（94.2 mm）比雨量计插值结果（75.6 mm）高24.6%。2014年8月11日（图2b）洪峰发生前约8.5 h（05：00），雷达估计小时面雨量达到最大（20.7 mm），洪峰发生前约7.5 h（06：00）雨量计插值小时面雨量达到最大（21.8 mm），但2 h最大累计面雨量两者相差不大（雨量计插值为39.9 mm，雷达估计为41.4 mm），整个强降水时段雷达估计9 h累积面雨量（134.6 mm）比雨量计插值结果（138.3）偏低2.7%。

图2 花林流域1 h面雨量（a）2011年9月14日00：00—04：00，（b）2014年8月11日04：00—12：00Fig.2 1 h areal rainfall of Hualin Catchment(a) 00:00—04:00 BT on 14 September 2011,(b) 04:00—12:00 BT on 11 August 2014

Michaud等评估了雨量计布设密度对分布式水文模拟的影响，在面积150 km的流域较均匀地布设了58个雨量计，雨量计密度约为2.5 km一个雨量计，流域中划分出58个子流域（注意这些子流域并不是根据雨量计位置划分的，是根据地形划分的），将58个雨量计测值插值到各子流域，作为水文模型降水输入，将模拟的流量作为利用雨量“真值”模拟的流量；在58个雨量计中提取出8个分布较均匀的雨量计作为“稀疏雨量计网”（约20 km一个雨量计），也插值到各个子流域作为水文模拟的雨量输入；结果表明，观测峰值和模拟峰值之间的差异约有一半是由于雨量计密度不足造成的。图3为2011年9月14日02:00基于雨量计和雷达资料的花林流域及周边1 h降水分析。对比流域河网分布（图1a）可知，在雷达估计降水场上（图3a），雨带呈西南—东北向，该时次强降水主要发生在右岸和河道周边，以山脊为界，发生在流域内的20 mm/h以上的强降水约占2/3，其余强降水位于流域以外；在雨量计插值降水场上（图3b），发生在流域内的20 mm/h以上的强降水约占1/2，但强度远低于雷达估计，受到流域外一个强降水测值的影响，强降水重心偏在流域外面一侧。通过差值场（图3c）可以看出，由于2011年花林流域内雨量计布设较为稀疏，使得雨量计插值降水场漏测了大范围的强降水区域。预报员通过差值场产品可以迅速直观地了解无雨量计地区是否发生了强降水，由于这些区域往往是山区雨量计布设难度大的地区，有时还是上游易发山洪的小流域，因此关注该产品有利于开展山洪地质灾害气象风险预警服务。

图3 2011年9月14日02：00基于雨量计和雷达资料的1h降水分析和比较（a）雷达联合雨量计估计降水场Pr，（b）雨量计插值降水场Ps，（c）Pr-Ps（黑色实线为花林流域边界，黑色实心三角为雨量计位置，单位：mm)Fig.3 1 h precipitation analysis and comparison based on rain gauge and radar data (02:00 BT 14 September 2011)(a) final precipitation analysis Pr, (b) pure rain gauge interpolation Ps, (c) Pr-Ps(black solid: the boundary for Hualin Catchment, black solid triangle: rain gauge locations, unit: mm)

图4 同图3，但时间为2014年8月11日05：00Fig.4 Same as Fig. 3, but for 05:00 BT on 11 August 2014

图5 同图3，但时间为2014年8月11日06：00Fig.5 Same as Fig. 3, but for 06:00 BT on 11 August 2014

图6 同图3，但时间为2014年8月11日09:00Fig.6 Same as Fig. 3, but for 09:00 BT on 11 August 2014

图4 —图6分别为2014年8月11日05：00、06：00和09：00基于雨量计和雷达资料的花林流域及周边1 h降水分析。与2011年9月14日的洪峰过程比较，流域内雨量站网密度明显增加。05：00时位于流域内的雨量计最大测值（47.9 mm）靠近强降水中心，只在雨量计依然稀疏的流域东南部地形陡峭区域存在部分强降水漏测（图4c）。06：00时，强降水中心位于流域中部偏北，有2个测站靠近其边缘。09：00，强降水中心位于流域中部，正好位于测站之间，由于雨量计插值场只能通过周边雨量计插值得到该区域降水量，使得其对降水中心雨量的监测偏低大约20 mm。因此，即使面雨量差别不大，但具体的雷达估计降水分布与雨量计插值场仍可能存在较大差别。对比

降水场（图3a、4a、5a和6a）和相同时次的

降水场（图3b、4b、5b和6b）可以看出，

降水场对降水空间分布的描绘更为细致。同时，从2014年的雨量计分布来看，在流域边缘海拔较高的地区还存在雨量计较稀疏的情况，其降水监测也将依赖于雷达。

Morin等从雷达回波中提取降水单体并与水文模型结合，发现强降水风暴单体沿流域汇流方向移动、相邻风暴单体触发时间接近是导致流域出口流量增加的重要因素。翟丹华等对琼江流域2次洪水过程的水文气象分析表明，2次过程的强降水由多段强降水雨带导致，对流系统多在右岸支流源头新生，移向与河流流向一致，在干流产生洪水的叠加效应。因此，影响一次洪峰过程的所有强降水风暴的发生位置、演变和移动情况，在很大程度上决定着流域的水文响应。

综上所述，雨量计密度、降水空间分布和时间演变都会影响流域面雨量监测。对于2次降水过程的最强降水时次，2011年9月14日02：00（图2a和图3）的雷达估计面雨量（33.5 mm）远高于雨量计插值面雨量（23.3 mm），由图3c差值场（

）可见，由于流域内雨量计布设稀疏，雨量计插值场漏测了大范围强降水区域，对面雨量测值造成较大影响，2014年8月11日09：00（图2b和图6），随着雨量计密度的增加，虽然不同来源降水场在具体的网格点上雨量仍会有差异，但雷达估计面雨量（21.6 mm）与雨量计插值面雨量（23.5 mm）已较为接近。两次降水过程在降水空间分布方面也存在差异，2011年9月14日的降水主要分布在流域干流和右岸（图3），2011年右岸只布设了1个雨量计，因此很难监测到强降水中心，2014年8月11日的降水除05：00和08：00强降水中心主要分布在左岸以外，其他时次主要沿干流分布（图7），同时流域内雨量计密度较2011年增加，提高了对强降水中心的监测能力。从降水的时间演变上看，2011年9月14日主要强降水时长约5 h，为单峰型（图2a），且强降水区西南—东北沿流域汇流向移动，有利于前期降水汇流到下游时与后期降水叠加，2014年8月11日主要强降水时长约9 h，为双峰型（图2b），2段降水的强降水区也是自西南向东北沿流域汇流方向移动，在某种程度上相当于连续发生2次2011年9月14日类似的洪水，产生的叠加效应导致了很高的水位。可见，在实际业务工作中，需要了解雨量站布设情况，结合雷达估计降水场了解强降水的空间分布情况，并加强对强降水雨团移动情况的分析，利用雷达回波运动场跟踪等业务产品估计雨团未来移向，从而预判降水叠加的可能性。

3 结论与讨论

1）雨量计稀疏或分布不均匀，可能会漏测强降水中心，导致不同降水场计算的面雨量存在较大偏差。在流域边缘海拔较高的地区存在雨量计稀疏的情况，其降水监测依赖于雷达。

2）不同来源降水分析场的差值场能够直观地显示出无雨量计地区是否发生了强降水。由于这些区域往往是山区雨量计布设难度大的地区，有时还是上游易发山洪的小流域，因此关注该产品有助于判断这些地区的山洪地质灾害气象风险等级。

3）导致1次洪峰的所有强降水风暴的发生位置、演变和移动情况，在很大程度上决定着流域的水文响应。对强降水雨团移动情况的监测有助于判断降水叠加的可能性。需要结合雷达估计降水场了解强降水的空间分布情况，并加强对强降水雨团移动情况的分析，利用雷达回波运动场跟踪等业务产品估计雨团未来移向，从而预判降水叠加的可能性。

图7 2014年8月11日04—12 BT（a～f）雷达联合雨量计估计1 h的Pr降水场（黑色实线为花林流域边界）Fig.7 1 h Pr precipitation analysis based on rain gauge and radar data from 04-12 BT (a-f) on 11 August 2014(black solid: the boundary for Hualin Catchment)