CN102289570B - 基于降雨-径流-洪水演进计算的洪水预报方法 - Google Patents

Abstract

本发明涉及洪水预报与计算机结合的技术领域，旨在提供一种利用降雨-径流-洪水演进计算的多个模型综合进行流域洪水预报的方法。该方法包括：根据分布式水文模型和水动力模型的规范和要求进行水文数据集成；根据模型参数的规范和要求，对相应参数值进行设定；利用模型进行洪水演进过程；比较计算流域内各河道关键节点的水位预报数据以及警戒水位数据，并进行结果发布。本发明可以方便的根据实测雨、水情进行各点的洪水预报。在计算过程中不受地形规模和复杂程度限制，并运用基本物理定律(质量守恒、动量守恒、能量守恒等)来描述自然现象，相比较而言不必依赖于历史水文数据和经验公式，有效地避免了人为误差，并可适用于缺少历史数据的流域。

Description

基于降雨-径流-洪水演进计算的洪水预报方法

技术领域

本发明涉及洪水预报与计算机结合的技术领域，具体涉及一种利用降雨-径流-洪水演进计算的多个模型综合进行流域洪水预报的方法。

背景技术

长期以来，洪水作为一种自然灾害受到了人类的广泛关注，人们采取了大量措施来减小洪水灾害可能造成的损失。而要进行有效的洪水管理和调度，根本上需要依靠准确的洪水预报作为技术支持。洪水预报是根据洪水形成的客观规律，利用现时已经掌握的水文、气象资料(称水文信息或水文数据)，预报河流某一断面在未来一定时期内(称预见期)将要出现的流量、水位过程。根据发布预报时所依据的资料不同，洪水预报可以分为水文气象法、降雨径流法及河段洪水演进法三类。其中水文气象法主要是利用前期的气象要素作为预报因子，根据气压场、湿度场、风场等变化预报降雨，进而得出洪水预报的结果；降雨径流法则是根据流域产汇流基本原理，由暴雨预报某一河道断面洪水过程的方法；洪水演进法主要是根据河段上游断面的径流过程通过洪水演进算法预报下游断面的洪水过程。洪水预报通常关心两个主要问题，一个是预报的预见期，另一个是预报精度。上述三种方法中，预报的预见期依次递减缩短，但预报精度往往是依次提高的。

目前在洪水预报中应用较为广泛的是降雨径流法和河段洪水演进法两种，但两种方法各有其不足之处。

降雨径流法能够由降雨数据预报洪水过程，目前应用较多的是水文数值模型，这些模型在特定的时间或地域条件下，适用于对过程细节、内部机理没有要求的科学研究及工程实践。但这些模型的缺点是缺少坚实的物理基础，在很多细节过程上使用经验公式，无法描述自然现象的内在机理，也就不可能完全重现流域的真实水文过程，在模拟预测中的误差也就不可避免，使得其应用范围受到限制。另外在应用时，该类模型中的参数虽有一定物理意义，但是难以直接推算，需要根据流域出口流量资料率定，整体而言比较依赖于历史水文数据和经验公式。这一不足也使得该方法在缺乏历史水文数据的流域的应用受到限制。整体而言，这一方法有较长的预见期，但对产汇流期间的模拟精度略为不足。

河段洪水演进法是由上游河道流量、水位数据预报下游的洪水过程，其预报的预见期较短，在某些情况下不足以满足洪水预报的要求，但其预报精度较降雨径流法更高些。这一方法的基本依据是圣维南方程组，目前比较常用的方法是先对圣维南方程组进行简化，然后再进行求解。这种方法的最大优点是简单地把经验和实时信息结合进来，另外对河道地形资料要求较少。但是这同时也带来其不足，在人类活动影响越来越显著的现在，尤其是河道上水库、大坝等水利工程的实施，河道地形很难能够保持不变，而河道特征一旦变化，改变了通过各种水文要素的观测探求到的水文自然规律，破坏了原有水文资料的一致性和代表性，使水文现象发生变化。这种方法对历史水文资料的质量和代表性的依赖，限制了其预报结果的精度。

发明内容

本发明要解决的技术问题是，克服在模拟流域内降雨-产流-河道内洪水演进过程中存在的人为误差、对自然现象过于简化、对历史水文资料过于依赖性等问题。本发明的目的是提供一种利用多个模型综合进行洪水预报的方法，从而能够根据流域降雨和初始、边界条件，预先模拟洪水运动情况，对洪灾做出事先的估计。

本发明提供的基于降雨-径流-洪水演进计算的洪水预报方法，包括以下步骤：

(1)数据集成

根据分布式水文模型和水动力模型的规范和要求，对洪水预报计算流域的地形数据、土壤数据和水文数据进行集成处理，以提供给参数确定；

其中，地形数据包括数字高程地图以及河网与河道几何尺寸，土壤数据包括土壤类别及其分布、土地利用数据，水文数据包括降雨和径流的时间序列数据；

(2)参数确定

对步骤(1)中的数据进行模拟历时、初始条件、边界条件以及降雨情况的确定，并根据模型参数的规范和要求，对相应参数值进行设定；

其中，模拟历时是指洪水预报计算的总时长；

初始条件的确定包括针对不同土壤类别的区域分别进行土体性质的定义；

边界条件的确定包括设定计算流域的出口位置坐标，具体为流域内河流最下游，以及对河道尺寸的定义；

降雨情况的确定包括降雨强度、降雨历时、降雨区域，具体由实测降雨数据得到；

(3)模型计算

模型计算部分接收参数确定部分输出参数值后，首先使用分布式水文模型得到计算流域内各河流源头及交汇点的流量、水位数据；然后利用基于圣维南方程组的水动力模型计算河道内的洪水演进过程，输出计算流域的河道内各点的水位、流量随时间变化数据；

(4)结果发布

比较计算流域内各河道关键节点的水位预报数据以及警戒水位数据，若预报水位大于警戒水位，认为该节点发生洪水；若预报水位小于等于警戒水位，则认为该节点不会发生洪水。

本发明的有益效果是：

相对于现有技术，采用本发明方法，可以方便的根据实测雨、水情进行各点的洪水预报。在计算过程中不受地形规模和复杂程度限制，并运用基本物理定律(质量守恒、动量守恒、能量守恒等)来描述自然现象，相比较而言不必依赖于历史水文数据和经验公式，有效地避免了人为误差，并可适用于缺少历史数据的流域。

附图说明

图1是本发明基于降雨-径流-洪水演进计算的洪水预报方法的结构示意图；

图2是本发明实施案例的区域示意图；

图3是本发明实施案例的区域内上埠河上游监测站水位沿时间变化过程图；

图4是本发明实施案例的区域内上埠河下游监测站水位沿时间变化过程图。

具体实施方式

本发明所采用的技术方案是利用一个耦合了分布式模型(InHM)和水动力模型的计算方法进行洪水预报，该方法包括降雨径流过程和洪水演进计算两个模块，实现由降雨数据模拟流域内径流产生，进而对下游河道进行洪水演进计算，得到计算区域内相应点发生洪水险情的可能性及可能时段的计算过程。按照以下步骤实施：

(1)数据集成：对获取的各种数据资料进行处理，使其符合模型使用的规范和要求，其中各种数据资料包括流域地形地貌数据、土地利用数据、土壤质地数据、降雨数据、径流数据等流域的基本资料。

(2)参数确定：接收数据集成输出的资料数据，确定模型所需的各项参数。

(3)模型计算：基于步骤二所输出的各项参数值，利用分布式水文模型(InHM模型)，进行降雨-径流模拟预测，输出降雨过程中各水文变量(流量、水深、流速等)的时空分布信息。再基于各水文变量，利用水动力模型，进行河道内洪水演进计算，输出洪水预报结果。

(4)结果评价：接收上一步骤所得的洪水预报结果，进行评价验证，若满足精度要求，进入下一步骤；若不满足精度要求，返回步骤(2)。

(5)结果发布：对预报区域的水位预报结果与相应警戒水位进行比较，判断是否有发生洪水险情的可能性。

如图1，本发明包括数据集成、参数确定、模型计算、结果验证、结果发布这五个步骤。下面对这五个步骤进行详细说明。

(1)数据集成

数据集成主要是，根据分布式水文模型(InHM)和水动力模型的规范和要求，对洪水预报计算流域的地形数据、土壤数据和水文数据进行处理，以提供给参数确定。其中，地形数据包括数字高程地图(DEM)以及河网与河道几何尺寸。根据这些数据，生成勾出河网分布的流域3D网格，以及河道河槽矩形网格。土壤数据主要包括土壤类别及其分布、土地利用数据。水文数据包括降雨和径流的时间序列数据。

(2)参数确定

参数确定主要是，对步骤(1)中的数据，进行模拟历时、初始条件、边界条件以及降雨情况的确定，并根据模型参数设定所需对相应参数值进行确定。

其中，模拟历时是指洪水预报计算的总时长。

初始条件的确定包括针对不同土壤类别的区域分别进行土体性质的定义。具体有：地表曼宁系数、土壤特征曲线参数、土壤孔隙度、土壤饱和导水度、初始含水量以及河道几何尺寸和河道糙率等参数。其中土壤孔隙度、土壤饱和导水度、初始含水量以及河道几何尺寸由实测数据得到。地表曼宁系数通过下式计算(该公式来源于Gabet E J andDunne T，2003)：

$a={0.053e}^{2.7C_v}---\left(1\right)$

式(1)中a为地表曼宁系数；C_v为地表植被覆盖率，以小数形式表示，e为自然对数的底，其使用数值为2.718；

土壤特征曲线由Van Genuchten方法获得，其计算公式如下(该公式来源于VanGenuchten M T，1980)：

$\frac{\mathrm{\θ}-{\mathrm{\θ}}_r}{{\mathrm{\θ}}_s-\mathrm{\θ}}={\left(\frac{1}{1+{\left(\mathrm{\αh}\right)}^n}\right)}^m---\left(2\right)$

式(2)中θ为土壤体积含水量；θ_r为剩余含水量；θ_s为饱和含水量；h为毛细吸力，单位是cm；α、m和n分别为与孔隙气压力以及孔隙尺寸相关的三个常数。

河道糙率参数则在以上参数确定的基础上，根据实测降雨、径流数据率定得到。

边界条件的确定包括设定计算流域的出口位置坐标，具体为流域内河流最下游，以及对河道尺寸的定义。

降雨情况的确定包括降雨强度、降雨历时、降雨区域，具体由实测降雨数据得到。

(3)模型计算

模型计算部分接收参数确定部分输出参数值后，分两个模型顺序进行模拟。

(3.1)分布式水文模型(InHM)

InHM模型，是一个基于物理概念的分布式水文响应模型，其具体内容可参见论文VanderKwaak(1999)。

InHM模型模拟计算的目的是得到流域内降雨工况下产流的发展过程，具体得到各水文变量(如流量、水深、流速等)的时空分布信息。在模拟中，作为基于物理概念的分布式水文数值模型，减小了经验公式等带来的人为误差，使模拟过程尽量与实际自然过程相符。对水文响应模拟主要考虑的过程包括了降雨、地下水流(饱和/非饱和)、地表径流、地表/地下水的互动以及蒸散发。输出数据包括计算流域内各河流源头及交汇点的流量、水位数据。

(3.2)水动力模型

本发明利用的水动力模型是基于物理过程，主要利用圣维南方程组进行计算，其具体内容可参见论文He Zhiguo(2008)，目的是计算河道内的洪水演进过程。

接收上一模型InHM输出的各个子流域出口河道处的流量、水位数据，作为河道洪水演进计算中的支流汇入数据。计算后输出计算流域的河道内各点的水位、流量随时间变化数据。

(4)结果验证

接收模型计算所得水位数据以及现有的实测水位数据，进行模拟结果精度评价验证。精度评价分为洪水预报误差指标和洪水预报合格率两部分，用洪水预报误差指标进行单场预报结果精度的评价，而用洪水预报合格率对所有场次进行整体评价。

(4.1)洪水预报误差指标

本发明中洪水预报误差指标采用绝对误差。计算方法为水位的模型计算值减去实测值，并取绝对值。根据《水文情报预报规范》(SL250-2000)的要求，该绝对误差小于水位实测变幅的20％时，认为本次预报为合格预报。

(4.2)洪水预报合格率

合格预报的次数与预报场次总次数之比的百分数为合格率，它表示多次预报总体的精度水平，其表达式如下：

$\mathrm{QR}=\frac{N}{M}\×100\%---\left(4\right)$

式(4)中QR为合格率；N为合格预报次数；M为预报总次数。

若洪水预报合格率大于等于50，则进入下一步骤；若小于50，则回到第二步骤，重新确定参数取值。

(5)结果发布

在模拟结果经过精度验证后，对洪水演进结果进行发布。比较计算流域内各河道关键节点的水位预报数据以及警戒水位数据，若预报水位大于警戒水位，认为该节点发生洪水；若预报水位小于等于警戒水位，则认为该节点不会发生洪水。

应用实例：

下面以杭州市小和山区块小流域为例，介绍基于降雨-径流-洪水演进计算的洪水预报方法的实施与应用。

首先进行数据集成。通过小和山区块小流域的DEM数据生成3D网格，并根据该流域内河网的分布，在网格上勾出河网。根据该流域内的土地利用状况划分为山体、住宅区、河流和公路四种地形特性，如附图2所示，山体区主要位于流域上游部分，有两条公路，住宅区位于河流周边。分别整理四种地形下的植被覆盖率以及土壤孔隙度、饱和导水度、特征曲线、初始含水量数据。整理流域内的降雨数据以及已有的上游河道径流数据。根据河道几何尺寸生成河道网格。

参数确定，通过数据集成步骤中得到的数据，分别设定相应符合实际状况的参数。模拟历时由开始降雨到降雨停止后三天，共五天。初始条件参数确定中，对除河流外的三种地形分别进行设定，见表1。河流的初始水位设定为40米。河道糙率系数通过率定得到。边界条件中，设定该流域y坐标为0的地表处为出口，见附图2所示。降雨条件中，共有5个区域内有降雨，分别对这5个区域设定相应的降雨强度和降雨历时。

表1.参数确定

模型计算，通过InHM模型的运算，得到该流域内的产流过程，输出各河流的源头及交汇点的水位、流量沿时间的变化过程数据。将所得的水文数据作为水动力模型中的河道来水条件输入，进行河道洪水演进计算，输出河道内各点的水位沿时间变化过程线数据，以流域内上埠河上游水位监测站为例，见附图3。

结果验证，计算有实测数据的各点输出数据的绝对误差。此处数据为序列，故计算其平均绝对误差，以附图3数据为例，计算得其水位实测变幅为0.7m，平均绝对误差为0.044，则平均绝对误差小于变幅的20％(等于0.14)，即该处预报为合格预报。对所有有实测数据的节点，计算其合格率；

可得到合格率 $\mathrm{QR}=\frac{N}{M}\×100\%=\frac{26}{32}\×100\%=81.25\%.$

此处合格率大于50％，故进入步骤；若该合格率小于50％，认为此次计算精度不满足要求，回到第二步骤，重新确认各个参数的取值。

结果发布，当计算精度满足要求后，对进行洪水预报的节点的水位数据进行判断，比较其与各点相应警戒水位的大小。以附图4数据上埠河下游水位监测站为例，该点警戒水位为3.95m，则该点在计算时间开始后的第903分钟至1340分钟期间水位超过了警戒水位，认为该点在这段时期内可能出现险情，需要注意防汛。

综上所述，本发明的基于降雨-径流-洪水演进计算的洪水预报方法，可方便有效地根据实测雨、水情为流域的河道内各点提供洪水预报，判断各点水位是否超过警戒水位，以及可能出现险情的时段。

Claims (1)

1.基于降雨-径流-洪水演进计算的洪水预报方法，包括以下步骤：

(1)数据集成

根据分布式水文模型和水动力模型的规范和要求，对洪水预报计算流域的地形数据、土壤数据和水文数据进行集成处理，以提供给参数确定步骤；

其中，地形数据包括数字高程地图以及河网与河道几何尺寸，土壤数据包括土壤类别及其分布、土地利用数据，水文数据包括降雨和径流的时间序列数据；

(2)参数确定

对步骤(1)中的数据进行模拟历时、初始条件、边界条件以及降雨情况的确定，并根据分布式水文模型和水动力模型参数的规范和要求，对相应参数值进行设定；

其中，模拟历时是指洪水预报计算的总时长；初始条件的确定包括针对不同土壤类别的区域分别进行土体性质的定义；边界条件的确定包括设定计算流域的出口位置坐标，具体为流域内河流最下游，以及对河道尺寸的定义；降雨情况的确定包括降雨强度、降雨历时、降雨区域，具体由实测降雨数据得到；

初始条件的确定具体有：地表曼宁系数、土壤特征曲线参数、土壤孔隙度、土壤饱和导水度、初始含水量以及河道几何尺寸和河道糙率参数的确定；其中土壤孔隙度、土壤饱和导水度、初始含水量以及河道几何尺寸由实测数据得到；此外，地表曼宁系数通过下式计算：

$a=0.053e^{2.7C_v}---\left(1\right)$

式(1)中a为地表曼宁系数；C_v为地表植被覆盖率，以小数形式表示，e为自然对数的底，其使用数值为2.718；

土壤特征曲线由Van Genuchten方法获得，其计算公式如下：

$\frac{\mathrm{\θ}-{\mathrm{\θ}}_r}{{\mathrm{\θ}}_s-\mathrm{\θ}}={\left(\frac{1}{1+{\left(\mathrm{\αh}\right)}^n}\right)}^m---\left(2\right)$

式(2)中θ为土壤体积含水量；θ_r为剩余含水量；θ_s为饱和含水量；h为毛细吸力，单位是cm；α、m和n分别为与孔隙气压力以及孔隙尺寸相关的三个常数；

河道糙率参数则在以上参数确定的基础上，根据实测降雨、径流数据率定得到；

(3)模型计算

模型计算步骤接收参数确定步骤输出的参数值后，首先使用分布式水文模型——InHM模型计算降雨-产流过程；在InHM模型的模拟过程中，考虑对象包括降雨、饱和地下水流和非饱和地下水流、地表径流、地表和地下水的互动以及蒸散发；InHM模型输出数据包括流域内各河流源头及交汇点的流量、水位数据；

然后，利用水动力模型——圣维南方程组基于物理过程计算河道内的洪水演进过程，具体为：接收InHM模型输出的各个子流域出口河道处的流量、水位数据，作为河道洪水演进计算中的支流汇入数据；计算后输出计算流域的河道内各点的水位、流量随时间变化数据；

(4)结果验证

接收模型计算步骤所得水位数据以及现有的实测水位数据，进行模拟结果精度评价验证；所述精度评价验证分为洪水预报误差指标和洪水预报合格率两部分：用洪水预报误差指标进行单场预报结果精度的评价，而用洪水预报合格率对所有场次进行整体评价；

所述洪水预报误差指标系绝对误差，其计算方法为水位的模型计算值减去实测值，并取绝对值；该绝对误差小于水位实测变幅的20％时，认为本次预报为合格预报；

所述洪水预报合格率的计算中：

令合格预报的次数与预报场次总次数之比的百分数为合格率，它表示多次预报总体的精度水平，其表达式如下：

$\mathrm{QR}=\frac{N}{M}\×100\%---\left(4\right)$

式(4)中QR为合格率；N为合格预报次数；M为预报总次数；

若洪水预报合格率大于等于50，则进入步骤(5)；若小于50，则回到步骤(2)，重新确定参数取值；

(5)结果发布

比较计算流域内各河道关键节点的水位预报数据以及警戒水位数据，若预报水位大于警戒水位，认为该节点发生洪水；若预报水位小于等于警戒水位，则认为该节点不会发生洪水。