CN113887847B - 一种基于WRF-Hydro模型的混合产流区次洪预报方法 - Google Patents

一种基于WRF-Hydro模型的混合产流区次洪预报方法 Download PDF

Info

Publication number
CN113887847B
CN113887847B CN202111488178.1A CN202111488178A CN113887847B CN 113887847 B CN113887847 B CN 113887847B CN 202111488178 A CN202111488178 A CN 202111488178A CN 113887847 B CN113887847 B CN 113887847B
Authority
CN
China
Prior art keywords
runoff
wrf
hydro
forecasting
hydrological
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111488178.1A
Other languages
English (en)
Other versions
CN113887847A (zh
Inventor
刘佳
李传哲
刘昱辰
韩婧怡
陈娟
于福亮
王一之
张善钧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Institute of Water Resources and Hydropower Research
Original Assignee
China Institute of Water Resources and Hydropower Research
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Institute of Water Resources and Hydropower Research filed Critical China Institute of Water Resources and Hydropower Research
Priority to CN202111488178.1A priority Critical patent/CN113887847B/zh
Publication of CN113887847A publication Critical patent/CN113887847A/zh
Application granted granted Critical
Publication of CN113887847B publication Critical patent/CN113887847B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Alarm Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于WRF‑Hydro模型的混合产流区次洪预报方法，包括搜集典型雨洪过程资料，还包括以下步骤：输入场采用高分辨率同化降雨数据，设置WRF‑Hydro水文模式参数；基于WRF‑Hydro水文模式参数，输出径流预报结果；对径流预报结果进行评价；当径流预报结果不在许可误差范围内时，对WRF‑Hydro水文模式参数进行优化；基于优化后的WRF‑Hydro水文模式参数，输出新的径流预报结果并进行评价；发布预报结果。本发明针对当前WRF‑Hydro陆面水文模式测试和应用的不足，结合混合产流区的特点，综合考虑洪峰流量、峰现时间、径流量和洪水过程4个洪水要素，以最少的参数方案减小WRF‑Hydro水文模式模拟与预报的不确定性，以使水文模型能够更好地满足中小流域的洪水预报需求。

Description

一种基于WRF-Hydro模型的混合产流区次洪预报方法
技术领域
本发明涉及径流模拟与预报的技术领域，特别是一种基于WRF-Hydro模型的混合产流区次洪预报方法。
背景技术
在传统的水文预报中，水文模型的输入主要是雨量计观测到的“落地雨”。预报时间取决于流域的汇流时间，预报的准确性受雨量计数量的限制。为了进一步延长预报提前时间和提高预报精度，越来越多地使用中尺度数值天气预报模式(NWP)，以取代“落地雨”模式。目前，将水文模型与细尺度NWP模型(1-10 km)结合在一起进行流量实时预报已成为一种很有前途的方法。水文模型与精细尺度大气模型的耦合已被证明有可能充分预测流域出口的流量。近年来，大气-水文耦合预报***的研究正朝着描述更详细、更复杂的陆面水文过程的方向发展。
WRF-Hydro包含了高分辨率的地形和水文数据，如产汇流、下渗、蒸发等，由多个参数组成，具有很大的不确定性，关键参数的选取对于准确再现径流过程具有重要意义，通过考虑径流以及过程线的整体形状来校准参数。
2019年第11期的《水电能源科学》杂志上公开了刘昱辰、刘佳、李传哲、王维、焦裕飞的题目为《WRF-Hydro模式在水文模拟与预报应用中的研究进展》的文章，介绍了WRF-Hydro模式的应用进展，探讨和总结了WRF-Hydro在水文模拟与预报中的应用概况、主要参数的敏感性及在应用中WRF/WRF-Hydro双耦模式与WRF独立运行模式的异同。结果表明，WRF-Hydro能够对水循环关键要素如降水、土壤湿度、产流等实现在耦合、非耦合情况下的模拟和预报，是具有物理机制的数值预报工具，能够进一步改进水文气象要素的模拟和预报能力；在应用和分析其水文性能前，应对WRF-Hydro的主要参数进行敏感性试验和率定。通常，入渗系数（REFKDT）被认为是对产流量影响最敏感的参数，曼宁糙率系数（MannN）是对流量过程线影响最大的参数；与WRF模式相比，WRF/WRF-Hydro双耦模式能够在不同空间网格上实现对大气、陆面和水文过程的多尺度模拟，能够更好地模拟和预报降雨和陆面水循环过程；WRF-Hydro与大气模式的耦合将成为未来大气水文耦合模拟与预报研究的发展趋势，但现在双向耦合的研究尚未完全成熟，还需在更多不同气候区的不同类型流域、针对不同降雨产流过程进行进一步的验证，同时开展参数优化技术研究，以提高水文气象要素的预报能力。但是，WRF-Hydro模式的径流预报效果不仅与关键参数的不确定性密切相关，还与驱动数据密切相关。该方法的缺点是，WRF-Hydro模式参数的率定不能消除驱动数据带来的降雨预报误差，因此，更真实的降雨驱动是非常必要的，如多源数据同化技术同化天气雷达的观测数据等，可以在一定程度上提高参数优化的准确性，提高降雨预报的精度和水文预报的效果。
发明内容
为了解决上述的技术问题，本发明提出的一种基于WRF-Hydro模型的混合产流区次洪预报方法，针对当前WRF-Hydro陆面水文模式测试和应用的不足，结合混合产流区的特点，综合考虑洪峰流量、峰现时间、径流量和洪水过程4个洪水要素，一定程度上减小WRF-Hydro水文模式模拟与预报的不确定性，采用高分辨率同化降雨数据代替大气模式输出的降雨数据，提供运行时段的气象要素预报，不仅可以为该模式在研究区内的预报径流提供依据，同时为气象、水利等有关部门调整参数取值提供合理的预报方案，以使水文模型能够更好地满足小流域的洪水预报需求。
本发明的目的是提供一种基于WRF-Hydro模型的混合产流区次洪预报方法，包括搜集典型雨洪过程资料，还包括以下步骤：
步骤1：输入场采用高分辨率同化降雨数据，设置WRF-Hydro水文模式初始参数；
步骤2：基于所述WRF-Hydro水文模式初始参数，输出径流预报结果；
步骤3：对所述径流预报结果进行评价；
步骤4：当所述径流预报结果评价存在不合理误差时，对所述WRF-Hydro水文模式初始参数进行优化，生成WRF-Hydro水文模式优化参数；
步骤5：基于所述WRF-Hydro水文模式优化参数，输出新的所述径流预报结果并进行评价；
步骤6：发布预报结果。
优选的是，所述搜集典型雨洪过程资料包括搜集研究区内水文站的坐标信息和需要研究的径流场次实测径流信息。
在上述任一方案中优选的是，所述步骤1包括采用高分辨率同化降雨数据代替大气模式输出的降雨数据，提供运行时段的气象要素预报；设置WRF-Hydro的参数为默认值并设置边界条件和地形数据。
在上述任一方案中优选的是，所述步骤2包括按照时间步长X输出径流预报结果。
在上述任一方案中优选的是，所述步骤3包括依据所述径流预报结果与实测的流量过程资料相比较，依据《水文情报预报规范》GB/T 22482-2008，对径流要素预报效果进行综合评价，选用评价指标作为流域水文模型在应用流域适用性的评判标准。
在上述任一方案中优选的是，通过对洪峰流量、峰现时间、径流量和洪水过程的评价结果确定所述径流预报的质量。
在上述任一方案中优选的是，所述评价指标包括绝对误差、相对误差和纳什系数中至少一种。
在上述任一方案中优选的是，所述绝对误差的计算公式为
绝对误差=预报值-实测值
在上述任一方案中优选的是，所述相对误差的计算公式为
Figure 100002_DEST_PATH_IMAGE001
。
在上述任一方案中优选的是，所述纳什系数NSE的计算公式为
Figure 924842DEST_PATH_IMAGE002
其中，
Figure 100002_DEST_PATH_IMAGE003
为每个观测时刻i的预报值，Q i 为每个观测时刻i的实测值，
Figure 121468DEST_PATH_IMAGE004
表示计算的 平均Q i ，N表示观测时刻或观测位置的总数。
在上述任一方案中优选的是，所述评价指标体系的规则为：
1）洪峰流量以实测洪峰流量的20%作为许可误差；
2）峰现时间以预报根据时间至实测洪峰出现时间之间时距的30%作为许可误差；
3）径流值以实测值的20%作为许可误差；
4）洪水过程预报以预见期内实测变幅的20%作为许可误差；
5）当评价结果不在许可误差内时，进行水文模型参数优化；如符合指标误差容许情况，则直接输出预报径流结果。
在上述任一方案中优选的是，所述优化的方法包括以下步骤：
步骤41：进行敏感性试验以确定入渗系数（REFKDT）的恰当值；
步骤42：通过确定所述入渗系数（REFKDT）的恰当值来校准曼宁糙率系数（MannN）；
步骤43：在确定地表持水深度（RETDEPRTFAC）的取值过程中，所述入渗系数（REFKDT）和所述曼宁糙率系数（MannN）的数值是固定的；
步骤44：确定所述入渗系数（REFKDT）、所述曼宁糙率系数（MannN）和所述地表持水深度（RETDEPRTFAC）的取值后，进行地表糙率系数（OVROUGHRTFAC）的敏感性试验，确定地表糙率系数（OVROUGHRTFAC）的取值。
在上述任一方案中优选的是，所述步骤6包括依据本次径流预报确定的各参数取值，对研究区下一次径流进行预报并发布预报结果。
本发明提出了一种基于WRF-Hydro模型的混合产流区次洪预报方法，有效识别影响WRF-Hydro模式产汇流的关键参数，降低参数不确定性的影响，使用最少的参数提高参数优化的效率，进而改进WRF-Hydro在混合产流区的次洪预报结果。
附图说明
图1为按照本发明的基于WRF-Hydro模型的混合产流区次洪预报方法的一优选实施例的流程图。
图2为按照本发明的基于WRF-Hydro模型的混合产流区次洪预报方法的另一优选实施例的流程图。
具体实施方式
下面结合附图和具体的实施例对本发明做进一步的阐述。
实施例一
如图1所示，执行步骤100，搜集典型雨洪过程资料，搜集研究区内水文站的坐标信息和需要研究的径流场次实测径流信息。
执行步骤110，采用高分辨率同化降雨数据代替大气模式输出的降雨数据，提供运行时段的气象要素预报，并设置WRF-Hydro水文模式初始参数，设置WRF-Hydro的参数为默认值，并设置边界条件和地形数据。
执行步骤120，基于所述WRF-Hydro水文模式初始参数，输出径流预报结果，按照时间步长X输出径流预报结果（在本实施例中，X=1小时）。
执行步骤130，对所述径流预报结果进行评价。依据所述径流预报结果与实测的流量过程资料相比较，对径流预报的质量进行评价，选用绝对误差、相对误差和纳什系数作为流域水文模型在应用流域适用性的评判标准。通过洪峰流量、峰现时间、径流量和洪水过程的评价结果确定所述径流预报的质量。在所述流域水文模型的选取与设置后，依据径流的实测结果，对径流预报效果进行综合评价，构建评价指标体系。
所述绝对误差的计算公式为
绝对误差=预报值-实测值
所述相对误差的计算公式为
Figure 344639DEST_PATH_IMAGE001
所述纳什系数NSE的计算公式为
Figure DEST_PATH_IMAGE005
其中，
Figure 770066DEST_PATH_IMAGE003
为每个观测时刻i的预报值，Q i 为每个观测时刻i的实测值，
Figure 27872DEST_PATH_IMAGE004
表示计算的 平均Q i ，N表示观测时刻或观测位置的总数。
所述评价指标体系的规则为：
1）洪峰流量以实测洪峰流量的20%作为许可误差；
2）峰现时间以预报根据时间至实测洪峰出现时间之间时距的30%作为许可误差；
3）径流值以实测值的20%作为许可误差；
4）洪水过程预报以预见期内实测变幅的20%作为许可误差；
5）当评价结果不在许可误差内时，进行水文模型参数优化；如符合指标误差容许情况，则直接输出预报径流结果。
执行步骤140，当所述径流预报结果评价存在误差时，对所述WRF-Hydro水文模式初始参数进行优化，生成WRF-Hydro水文模式优化参数。
优化的方法包括以下步骤：
步骤41：进行敏感性试验以确定入渗系数（REFKDT）的恰当值；
步骤42：通过确定所述入渗系数（REFKDT）的恰当值来校准曼宁糙率系数（MannN）；
步骤43：在确定地表持水深度（RETDEPRTFAC）的取值过程中，所述入渗系数（REFKDT）和所述曼宁糙率系数（MannN）的数值是固定的；
步骤44：确定所述入渗系数（REFKDT）、所述曼宁糙率系数（MannN）和所述地表持水深度（RETDEPRTFAC）的取值后，进行地表糙率系数（OVROUGHRTFAC）的敏感性试验，确定地表糙率系数（OVROUGHRTFAC）的取值。
执行步骤150，基于WRF-Hydro水文模式优化参数，输出新的径流预报结果并对新的所述径流预报结果进行评价。
执行步骤160，发布预报结果。依据本次径流预报确定的各参数取值，对研究区下一次径流进行预报并发布预报结果。
实施例二
本发明所采用的技术方案是一种WRF-Hydro模型用于混合产流区次洪预报方法，该方法包括：确定研究区范围、需要研究的降雨场次流域水文模型的选取与设置；WRF-Hydro水文模式基本参数设置径流预报效果的评价指标体系构建；径流预报效果的评价指标体系构建；根据径流预报评价指标体系对模式参数调整，确定适用的参数值。本发明一定程度上减小WRF-Hydro水文模式参数选取的不确定性，为该模式在研究区内的预报径流提供依据。如图2所示，本方法按照以下步骤实施：
(1) 典型雨洪过程资料搜集：搜集研究区内水文站的坐标信息和需要研究的径流场次实测径流信息，主要用于为预报提供评判依据。
(2) 采用高分辨率同化降雨数据代替大气模式输出的降雨数据，提供运行时段的气象要素预报，同时设置WRF-Hydro水文模式参数：设置WRF-Hydro的初始参数为默认值，并设置边界条件、地形数据等，按照时间步长1h输出径流预报结果。
(3) 径流预报：输出步骤(2)情况下的径流结果。
(4) 径流预报结果评价：依据预报结果与实测的流量过程资料相比较，对径流预报的质量进行评价，通过洪峰流量、峰现时间、径流量和洪水过程的评价结果确定所述径流预报的质量，选用绝对误差、相对误差和纳什系数作为模型在应用流域适用性的评判标准。
具体是在流域水文模型的选取与设置后，依据本次径流的实测结果，对径流预报效果进行综合评价，构建评价指标体系，评价指标如式(1)~(3)所示。
绝对误差 绝对误差=预报值-实测值 (1)
相对误差
Figure 926558DEST_PATH_IMAGE001
(2)
纳什系数
Figure 637025DEST_PATH_IMAGE006
(3)
其中，
Figure 630258DEST_PATH_IMAGE003
为每个观测时刻i的预报值，Q i 为每个观测时刻i的实测值，
Figure 742570DEST_PATH_IMAGE004
表示计算的 平均Q i ，N表示观测时刻或观测位置的总数。
依据《水文情报预报规范》GB/T 22482-2008的误差许可，当评价结果不在许可范围内，进行水文模型参数优化；如符合指标误差许可，则直接输出预报径流结果。
(5) 水文模型参数优化：若步骤(4)径流预报结果评价不符合误差许可的要求，则进行水文模型参数优化。在WRF-Hydro水文模式参数优选过程中，主要考虑了两个方面，一方面，考虑影响径流量和洪峰流量的参数，包括径流入渗系数（REFKDT）、地表持水深度（RETDEPRTFAC）。另一方面，考虑了影响洪水过程线和峰现时间的参数，包括曼宁糙率系数（MannN）和地表糙率系数（OVROUGHRTFAC）。通过对以上进行敏感性试验，以上是最有可能在总产流量和流量过程线方面得到满意结果的校准参数。
结合默认参数下的径流预报效果，提出参数调整方法。当需要针对总产流量大小调整时，入渗系数（REFKDT）越大则产流量越小，这种下降是非线性的，随着入渗系数（REFKDT）的增加，地表径流量减少的速度减慢，过程线变得更加平滑；流量随地表持水深度（RETDEPRTFAC）参数值的减小略有增加。当需要对径流过程线进行调整时，地表糙率的增加，地表径流汇流时间延长，同时对总水量的影响也比较明显；曼宁糙率系数（MannN）越小，产流速度越快，产流量越大。
具体调整方法为，首先进行敏感性试验以确定入渗系数（REFKDT）的恰当值，然后通过确定入渗系数（REFKDT）的恰当值来校准曼宁糙率系数（MannN）。这种方法是调整预报结果以获得总产流量和流量过程线的最佳效果。在确定地表持水深度（RETDEPRTFAC）的取值过程中，入渗系数（REFKDT）和曼宁糙率系数（MannN）的取值是固定的。在此基础上，确定入渗系数（REFKDT）、曼宁糙率系数（MannN）和地表持水深度（RETDEPRTFAC）的取值后，然后再进行地表糙率系数（OVROUGHRTFAC）的敏感性试验。
(6) 水文模型优化参数后径流预报评价；径流预报结果采用步骤(4)进行再次评价，当评价结果不在误差许可范围内时，进行步骤(5)水文模型参数优化；如符合指标误差许可情况，则直接进行步骤(7)输出预报径流结果。
(7) 发布本次预报结果：依据本次径流预报确定的各参数取值，对研究区下一次径流进行预报并发布预报结果，预报结果在误差许可内，则模型适用于本流域次洪预报，发布本次预报结果。
实施例三
本发明提出了WRF-Hydro模式一种WRF-Hydro模型用于混合产流区次洪预报方法，可以更加客观的调整参数，公布的径流预报结果更具客观性。
为了使水文模型能够更好地服务于混合产流区的次洪模拟和预报，以便进一步的满足混合产流区的洪水预报需求。本发明针对WRF-Hydro模式应用和测试的不足，结合小流域的降雨产流特点，综合考虑洪峰流量、峰现时间、径流量和洪水过程4个洪水要素，通过将预报结果与实测的流量过程资料相比较，优选对WRF-Hydro模式敏感的参数进行调整，以使率定出的水文模型能够更好地满足中小流域的洪水预报需求。
具体是在WRF-Hydro水文模式基本参数设置后，依据本次径流的实测结果，对径流预报效果进行综合评价，构建评价指标体系，评价指标如式(1)~(3)所示。
绝对误差 绝对误差=预报值-实测值 (1)
相对误差
Figure DEST_PATH_IMAGE007
(2)
纳什系数
Figure 280999DEST_PATH_IMAGE008
(3)
其中，
Figure 250002DEST_PATH_IMAGE003
为每个观测时刻i的预报值，Q i 为每个观测时刻i的实测值，
Figure 797658DEST_PATH_IMAGE004
表示计算的 平均Q i ，N表示观测时刻或观测位置的总数。
根据默认参数下的径流预报效果，若不符合《水文情报预报规范》GB/T 22482-2008误差许可，则提出参数的优选方案。
在WRF-Hydro水文模式参数优选过程中，主要考虑了两个方面，一方面，考虑影响径流量和洪峰流量的参数，包括径流入渗系数（REFKDT）、地表持水深度（RETDEPRTFAC）。另一方面，考虑了影响洪水过程线和峰现时间的参数，包括曼宁糙率系数（MannN）和地表糙率系数（OVROUGHRTFAC）。通过对以上进行敏感性试验，以上是最有可能在总产流量和流量过程线方面得到满意结果的校准参数。
结合默认参数下的径流预报效果，提出参数调整方法。当需要针对总产流量大小调整时，入渗系数（REFKDT）越大则产流量越小，这种下降是非线性的，随着入渗系数（REFKDT）的增加，地表径流量减少的速度减慢，过程线变得更加平滑；流量随地表持水深度（RETDEPRTFAC）参数值的减小略有增加。当需要对径流过程线进行调整时，地表糙率系数（OVROUGHRTFAC）的增加，地表径流汇流时间延长，同时对总水量的影响也比较明显；曼宁糙率系数（MannN）越小，产流速度越快，产流量越大。
首先进行敏感性试验以确定入渗系数（REFKDT）的恰当值，然后通过确定入渗系数（REFKDT）的恰当值来校准曼宁糙率系数（MannN）。这种方法是调整预报结果以获得总产流量和流量过程线的最佳效果。在确定地表持水深度（RETDEPRTFAC）的取值过程中，入渗系数（REFKDT）和曼宁糙率系数（MannN）的取值是固定的。在此基础上，确定入渗系数（REFKDT）、曼宁糙率系数（MannN）和地表持水深度（RETDEPRTFAC）的取值后，然后再进行地表糙率系数（OVROUGHRTFAC）的敏感性试验。
本发明的有益效果是：有效识别影响WRF-Hydro模式产汇流的关键参数，降低参数不确定性的影响，使用最少的参数提高参数优化的效率，进而改进WRF-Hydro在混合产流区的次洪预报结果。
为了更好地理解本发明，以上结合本发明的具体实施例做了详细描述，但并非是对本发明的限制。凡是依据本发明的技术实质对以上实施例所做的任何简单修改，均仍属于本发明技术方案的范围。本说明书中每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于***实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

Claims (9)

1.一种基于WRF-Hydro模型的混合产流区次洪预报方法，包括搜集典型雨洪过程资料，其特征在于，还包括以下步骤：
步骤1：输入场采用高分辨率同化降雨数据，设置WRF-Hydro水文模式初始参数；
步骤2：基于所述WRF-Hydro水文模式初始参数，输出径流预报结果；
步骤3：对所述径流预报结果进行评价；
步骤4：当所述径流预报结果评价存在不合理误差时，对所述WRF-Hydro水文模式初始参数进行优化，生成WRF-Hydro水文模式优化参数；优化的方法包括以下步骤：
步骤41：进行敏感性试验以确定入渗系数REFKDT的恰当值；
步骤42：通过确定所述入渗系数REFKDT的恰当值来校准曼宁糙率系数MannN；
步骤43：在确定地表持水深度RETDEPRTFAC的取值过程中，所述入渗系数REFKDT和所述曼宁糙率系数MannN的数值是固定的；
步骤44：确定所述入渗系数REFKDT、所述曼宁糙率系数MannN和所述地表持水深度RETDEPRTFAC的取值后，进行地表糙率系数OVROUGHRTFAC的敏感性试验，确定地表糙率系数OVROUGHRTFAC的取值；
步骤5：基于所述WRF-Hydro水文模式优化参数，输出新的所述径流预报结果并进行评价；
步骤6：发布预报结果。
2.如权利要求1所述的基于WRF-Hydro模型的混合产流区次洪预报方法，其特征在于，所述步骤1包括采用高分辨率同化降雨数据代替大气模式输出的降雨数据，提供运行时段的气象要素预报；设置WRF-Hydro的参数为默认值，并设置边界条件和地形数据。
3.如权利要求2所述的基于WRF-Hydro模型的混合产流区次洪预报方法，其特征在于，所述步骤3包括依据径流预报结果与实测的流量过程资料相比较，对径流预报的质量进行评价，选用评价指标作为流域水文模型在应用流域适用性的评判标准。
4.如权利要求3所述的基于WRF-Hydro模型的混合产流区次洪预报方法，其特征在于，所述步骤3还包括在所述流域水文模型的选取与设置后，对径流要素预报效果进行综合评价，包括洪峰流量、峰现时间、径流量和洪水过程。
5.如权利要求4所述的基于WRF-Hydro模型的混合产流区次洪预报方法，其特征在于，所述评价指标包括绝对误差、相对误差和纳什系数中至少一种。
6.如权利要求5所述的基于WRF-Hydro模型的混合产流区次洪预报方法，其特征在于，所述绝对误差的计算公式为
绝对误差=预报值-实测值。
7.如权利要求6所述的基于WRF-Hydro模型的混合产流区次洪预报方法，其特征在于，所述相对误差的计算公式为
Figure DEST_PATH_IMAGE001
。
8.如权利要求7所述的基于WRF-Hydro模型的混合产流区次洪预报方法，其特征在于，所述纳什系数NSE的计算公式为
Figure 892697DEST_PATH_IMAGE002
其中，
Figure DEST_PATH_IMAGE003
为每个观测时刻i的预报值，Q i 为每个观测时刻i的实测值，
Figure 75416DEST_PATH_IMAGE004
表示计算的平均Q i ，N表示观测时刻或观测位置的总数。
9.如权利要求8所述的基于WRF-Hydro模型的混合产流区次洪预报方法，其特征在于，评价指标体系的规则为：
1）以洪峰流量的20%作为许可误差；
2）峰现时间以预报根据时间至实测洪峰出现时间之间时距的30%作为许可误差；
3）径流量以实测值的20%作为许可误差；
4）洪水过程预报以预见期内实测变幅的20%作为许可误差；
5）当评价结果不在许可误差内时，进行水文模型参数优化；如符合指标误差容许情况，则直接输出预报径流结果。
CN202111488178.1A 2021-12-08 2021-12-08 一种基于WRF-Hydro模型的混合产流区次洪预报方法 Active CN113887847B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111488178.1A CN113887847B (zh) 2021-12-08 2021-12-08 一种基于WRF-Hydro模型的混合产流区次洪预报方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111488178.1A CN113887847B (zh) 2021-12-08 2021-12-08 一种基于WRF-Hydro模型的混合产流区次洪预报方法

Publications (2)

Publication Number Publication Date
CN113887847A CN113887847A (zh) 2022-01-04
CN113887847B true CN113887847B (zh) 2022-03-11

Family

ID=79015903

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111488178.1A Active CN113887847B (zh) 2021-12-08 2021-12-08 一种基于WRF-Hydro模型的混合产流区次洪预报方法

Country Status (1)

Country Link
CN (1) CN113887847B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114580316B (zh) * 2022-03-03 2022-09-13 中国水利水电科学研究院 一种基于二维-零维耦合模型的小水库洪水位预报方法
CN117195546A (zh) * 2023-09-06 2023-12-08 中国环境科学研究院 一种基于数据同化的陆气双向耦合不间断径流智能预报方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107729695A (zh) * 2017-11-21 2018-02-23 中国水利水电科学研究院 一种用于小流域次洪模拟的水文模型率定方法
CN108021773A (zh) * 2017-12-27 2018-05-11 大连理工大学 基于dss数据库读写的分布式水文模型多场次洪水参数率定方法
CN113281754A (zh) * 2021-07-26 2021-08-20 中国水利水电科学研究院 一种雨量站融合雷达定量估测降雨的WRF-Hydro关键参数率定方法
CN113762796A (zh) * 2021-09-14 2021-12-07 北京七兆科技有限公司 一种铁路工程设施暴雨洪水动态风险图分析方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AR109623A1 (es) * 2018-02-16 2019-01-09 Pescarmona Enrique Menotti Proceso y sistema de análisis y gestión hidrológica para cuencas

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107729695A (zh) * 2017-11-21 2018-02-23 中国水利水电科学研究院 一种用于小流域次洪模拟的水文模型率定方法
CN108021773A (zh) * 2017-12-27 2018-05-11 大连理工大学 基于dss数据库读写的分布式水文模型多场次洪水参数率定方法
CN113281754A (zh) * 2021-07-26 2021-08-20 中国水利水电科学研究院 一种雨量站融合雷达定量估测降雨的WRF-Hydro关键参数率定方法
CN113762796A (zh) * 2021-09-14 2021-12-07 北京七兆科技有限公司 一种铁路工程设施暴雨洪水动态风险图分析方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
WRF-Hydro模式在水文模拟与预报应用中的研究进展;刘昱辰 等;《水电能源科学》;20191130;第37卷(第11期);第1-5页 *
基于WRF-Hydro模式的清江流域洪水模拟研究;顾天威 等;《水文》;20210630;第41卷(第3期);第63-68页 *

Also Published As

Publication number Publication date
CN113887847A (zh) 2022-01-04

Similar Documents

Publication Publication Date Title
CN113887847B (zh) 一种基于WRF-Hydro模型的混合产流区次洪预报方法
CN109272146A (zh) 一种基于深度学习模型和bp神经网络校正的洪水预测方法
CN111914432A (zh) 一种基于大数据的水文预报方法
CN114741987B (zh) 考虑洪水预报模型绝对误差拟合残差分布的洪水概率预报模型
Zhang et al. Sensitivity analysis of Xinanjiang rainfall–runoff model parameters: a case study in Lianghui, Zhejiang province, China
CN113435630B (zh) 一种产流模式自适应的流域水文预报方法及***
CN113281754B (zh) 一种雨量站融合雷达定量估测降雨的WRF-Hydro关键参数率定方法
CN110543971B (zh) 一种卫星降雨与实测降雨误差分区融合校正的方法
CN110377989B (zh) 基于水热耦合平衡的非一致性两变量设计洪水推求方法
CN108846501A (zh) 一种雨水低影响开发设施建设规模确定方法
CN114117953B (zh) 水文模型结构诊断方法、径流预报方法及装置
CN116305933B (zh) 一种基于dem数据的坡面产汇流简易计算方法及装置
CN116910041B (zh) 一种基于尺度分析的遥感降水产品的逐日订正方法
Arora et al. Spatial distribution and seasonal variability of rainfall in a mountainous basin in the Himalayan region
CN108491974B (zh) 一种基于集合卡尔曼滤波的洪水预报方法
CN114357716A (zh) 一种基于数字孪生技术的流域水文模型参数动态估计方法
CN114819322B (zh) 湖泊入湖流量的预报方法
CN110580377A (zh) 一种基于响应曲面法的植草沟设计参数优化方法
CN113592186A (zh) 一种基于实测径流数据的水文预报状态变量实时修正方法
Amin et al. Evaluation of the performance of SWAT model to simulate stream flow of Mojo river watershed: in the upper Awash River basin, in Ethiopia
CN116502531A (zh) 一种基于多元线性回归模型的基流模拟方法
Churiulin et al. Research of opportunities of combined use of the runoff formation ECOMAG model and mesoscale atmosphere circulation COSMO-Ru model (on the example of floods on the Sukhona River at the Velikiy Ustyug)
CN117390125B (zh) 一种产流模式智能适配的流域水文预报方法
CN111915098A (zh) 基于bp神经网络对降水形态转变的预测方法
CN112734047B (zh) 一种基于机器学习判别降雨事件的卫星降雨数据校正方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant