基于分布式水文模型的抚州市小流域洪水预报研究

邱启勇 ，殷国强 ，温珍玉 ，周屹峰 ，张 荣 ，罗宇翔

（1.鄱阳湖水文水资源监测中心,江西 南昌 330000；2.江西省水文监测中心,江西 南昌 330000；3.抚河水文水资源监测中心,江西 抚州 344000；4.贵州东方世纪科技股份有限公司,贵州 贵阳 550000）

1 引言

洪水是自然灾害事件,其性质可能使任何国家的人口面临死亡或受伤的风险,并可能损坏或摧毁私人和公共财产、基础设施以及农业或其他发达土地[1-2]。近年来,卫星技术在为洪水灾害的防备、损失控制和救灾管理提供经济高效、可靠且关键的机制方面变得极其重要。可以确定并实施各种缓解措施,以减少或最小化洪水的影响[3]。这些缓解措施包括洪水预报和预警、采取适当的土地利用规划、洪水易发区分区和管理,改善区域洪水风险预测需要广泛的洪水相关信息[4]。传统上,收集和分析与洪泛区和洪水易发区相关的水文数据是一项耗时的工作,需要大量的现场观测和计算。随着遥感和计算机分析技术的发展,现在可以用这些获取定量和定性洪水灾害信息的新方法来补充传统技术。完全控制洪水在物理上和经济上都是不可能的。洪水预报能够向可能受洪水影响的人民发出警报,并及时组织民防措施。因此,预测是一项非常有效、重要且相对廉价的非工程防洪措施。

利用水文模型开发中小河流流域洪水预报模型对于减轻洪水灾害至关重要。考虑到该领域的研究现状和预测需求,目前的研究重点是基于大数据分析、卫星遥感数据、数字高程模型（DEM）开发中小河流流域洪水预测模型。

2 预报模型结构

本次洪水预报模型采用来源于“基于遥感大数据的洪水预报系统研究”的研究成果,该模型为具有明确物理意义的分布式降雨-径流模型,是结合卫星遥感、地形、植被、土地利用、数字气象等新技术为一体的具有物理特征的分布式模型；模型系统基于30 m数字高程模型（DEM）生成高精度数字化水系,根据流域天然水系拓扑结构,按集水面积2 km2～30 km2进行基本计算单元划分；模型主要由蒸散发计算、产流计算和汇流计算子模块组成。流域蒸散发采用蒸发曲线算法,产流计算采用蓄满产流方法；汇流计算方面,单元面积的地面径流汇流采用动态瞬时单位线法,壤中水径流和地下水径流的汇流采用线性水库法,河网汇流采用分段连续演算的Muskingum法（马斯京根法）。降雨输入为逐时网格化（5 km×5 km）数据,包括实时、2 h短临预报、72 h预报降雨数据。整个模型系统构建于当前主流的大数据分析处理平台基础之上,实现了气象-水文耦合应用,以及滚动快速计算预报。这些模型简要流程见图1。

图1 分布式水文模型流程图

3 区域基础数据及处理

3.1 研究区概况

本文选取抚州市琅琚水、黎滩河和乌江流域进行研究。抚州市境内东、南、西三面环山,中部丘陵与河谷盆地相间。地势南高北低,渐次向鄱阳湖平原地区倾斜,市境内属南方湿润多雨季风气候区,气候湿润,雨量充沛,光热充足,四季分明,生长期长。年平均降水量1600 mm～1900 mm,集中雨季在4月～6月,年平均降水日为179.5 天。

3.2 模型设置

在分布式建模中,考虑了地形和气象参数的空间变化,并在空间域中计算径流。在这种方法中,除了其他地理空间数据外,还有源、汇和边界条件；集成卫星数据的GIS平台提供了一个极好的解决方案。基本模型设置包括两个主要模块：地形模型和水文模型。

3.2.1 地形模型设置

流域或河流的物理表示在地形模型中配置。水文要素连接在树状网络中,以模拟径流过程。地形模型中的可用元素有：底槽、河段、交汇处、水库、改道、源和汇。模型中的计算从下游方向的上游元素开始。在系统中准备地形模型所需的各种专题图层,如土地利用、土壤质地、子流域等。

土地利用/土地覆盖是水文模拟中一个非常重要的参数。蒸散、截留和集水区特征主要取决于该输入。考虑到其水文特征,土地利用进一步重新分类为水文土地利用/土地覆盖。使用数字高程模型（DEM）和土地利用数据（30 m）提取流域的各种地形和水力参数,如底槽和河道坡度、曼宁系数、滞后时间、集中时间等。

3.2.2 水文参数提取

使用模型预处理器计算河流和流域的地形特征,包括河流长度、河流坡度、流域质心、最长流径、质心流径等。根据地形特征计算其他水文参数,如集中时间、滞后时间参数。采用ARCGIS的水文工具提取流向、河网、流域边界等数字流域河网信息。

3.3 参数率定和验证

模型参数率定是调整模型参数值直到模型结果与历史数据匹配的过程。这一过程可以通过反复调整参数、计算和实测的水文曲线之间的拟合优度,利用工程判断来完成。通过计算所有上游要素并使用优化模块最小化误差（与实测过程线的最小偏差）,在目标要素（出口）处计算过程线。通过搜索方法调整参数值；重新计算目标元素的过程线和目标函数。重复该过程,直到目标函数的值达到尽可能最佳的最小值。在模拟运行期间,模型计算每个流域的直接径流以及每个河道段的流入和流出过程线。该模型在将流量从所有子流域路由到流域出口后,计算出口处的洪水过程线。出口处的计算过程线与琅琚站、黎川站和牛田站的实测过程线进行了比较。

利用公网采集的地形地貌、土壤植被、土地利用、气候特征等基础资料,通过决策树、聚类、深度学习等人工智能的技术构建出参数智能转移模型,通过该模型在任意流域使用即可提取出该区域的一套基础的水文参数,如最大蓄水量、蒸发能力、下渗能力等。

再以大数据洪水预报模型作为基础,通过自动率定的水文参数成果,结合河网拓扑关系、数字流域计算单元（2 km2以上流域）以及历史30年网格化降水数据作为输入,进行洪水反演计算,得到30年历史洪水成果以及土壤含水量数据,生成对应河道断面的频率曲线,即可得到相应的洪水重现期。

通过互联网及用户收集的历史洪水灾害资料（发生时间、洪峰流量、重现期）、实测水文数据、实测墒情（土壤含水量）数据就可对“参数智能转移模型”进行评价,周而复始的对模型参数进行迭代改进优化调整,进而达到持续提高模型精度的效果。

4 成果分析

利用2019年以前的历史实测流量资料分别进行琅琚、黎川、牛田水文站控制流域模型参数的率定,并直接在2021年度中进行实时作业预报。选择洪峰流量、峰现时间2个洪水要素,进行场次洪水的精度评定,评定按照《水文情报预报规范》（2008）相关方法进行。

1）琅琚

琅琚水文站采用2017年、2018年、2019年实测资料进行模型参数率定,2020 年作为验证期,在2021 年度中的作业预报精度见表1。共计9 场洪水,总体合格率为78%,预报的时效等级均达到甲（迅速）。

表1 琅琚水文站2021年作业预报精度评定统计表

续表1

2）黎川

黎川水文站2017年、2018年、2019 年实测资料进行模型参数率定,2020年作为验证期,在2021年度中的作业预报精度见表2。共计8 场洪水,总体合格率为69%,预报的时效等级均达到甲（迅速）。

表2 黎川水文站2021年作业预报精度评定统计表

3）牛田

牛田水文站2017年、2018年、2019年实测资料进行模型参数率定,2020年作为验证期,在2021年度中的作业预报精度见表3。共计7场洪水,总体合格率为71%,预报的时效等级均达到甲（迅速）。

表3 牛田水文站2021年作业预报精度评定统计表

验证过程中的计算过程线琅琚、黎川、牛田站的观测过程线分别见图2、图3和图4。这些数字表明,计算的过程线与实测的过程线吻合良好。

图2 模型结构图

图3 琅琚水文站实测和计算洪水过程线（2021年）

图4 黎川水文站实测和计算洪水过程线（2021年）

图5 牛田水文站实测和计算洪水过程线（2021年）

5 结论

1）预报精度基本满足要求：在开展试点的琅琚、黎川、牛田水文站控制断面,预报方案精度等级均达到丙级,根据《水文情报预报规范》（GB/T 22482-2008）,可用于参考性预报；2021年作业预报基本满足当前中小河流洪水预报要求。

2）模型使用简单,易推广使用：开放模型相关参数调试交互界面,模型使用流程较简单,易推广使用。

3）参数率定和预报计算速度较快,基于大数据分析处理技术,和水文模型计算逻辑特点,针对水文模型计算开发大数据处理平台,实现中小河流快速预报。