洪水預(yù)報研究與展望

李濤，夏潤亮，李冰，俞彥，徐志恒，楊無雙

（1.黃河水利委員會黃河水利科學(xué)研究院，河南鄭州 450003；2.河南省智慧水利工程技術(shù)中心，河南鄭州 450003；3.華北水利水電大學(xué)，河南鄭州 450018）

0 前言

洪水預(yù)報是直接為國民經(jīng)濟建設(shè)服務(wù)的重要基礎(chǔ)性工作，能使人類及時地發(fā)出洪水災(zāi)害預(yù)警、為減少洪災(zāi)損失爭取時間、也有助于更好地控制和利用洪水資源，是重要的防洪減災(zāi)非工程措施。我國是深受洪澇災(zāi)害威脅的國家，洪水預(yù)報是水文工作的重要組成部分，在以往的幾十年里既取得了迅速發(fā)展，也積累了豐富經(jīng)驗，特別是隨著計算機網(wǎng)絡(luò)、遙感衛(wèi)星、地理信息系統(tǒng)等現(xiàn)代信息技術(shù)在水文預(yù)報中的推廣應(yīng)用以及水文預(yù)報理論和方法的不斷創(chuàng)新，我國洪水預(yù)報技術(shù)不斷取得新的成果，預(yù)報精度也日益提高。

洪水預(yù)報常以降水作為輸入條件，通過水文模型模擬產(chǎn)匯流過程，最終得到洪水過程，因此降水預(yù)報和洪水預(yù)報是息息相關(guān)的。近些年，雷達測雨應(yīng)用、移動通信衛(wèi)星遙感技術(shù)、多源降雨信息融合、數(shù)字高程模型、分布式水文模型、陸氣耦合和基于專家經(jīng)驗的人機交互模式等成為我國洪水預(yù)報技術(shù)的研究趨勢與研究熱點，但很多方面還需更進一步的研究［1］。

1 洪水預(yù)報進展

20 世紀50-60 年代，我國學(xué)習(xí)并吸收前蘇聯(lián)和美國在洪水預(yù)報中的方法，為此奠基了我國洪水預(yù)報工作的基礎(chǔ)。70-80年代，以研究不同區(qū)域的降雨徑流關(guān)系為主，同時成功進行了流域水文模型的研究與應(yīng)用。90年代以后，隨著通信、計算機、網(wǎng)絡(luò)等技術(shù)在水文預(yù)報領(lǐng)域中的推廣應(yīng)用，我國洪水預(yù)報在水雨情自動測報系統(tǒng)、洪水預(yù)報中降水預(yù)報、面向洪水預(yù)報的水文模型、陸氣耦合技術(shù)研究等方面有了很大的進步。

1.1 水雨情自動測報系統(tǒng)

水雨情測報是一種專門技術(shù)，它使用現(xiàn)代科技進行水文信息的實時遠程測量、傳輸和處理，是有效解決流域、水庫等洪水預(yù)報、防洪調(diào)度和洪水資源合理利用的先進手段，它集合了水文學(xué)、電子學(xué)、電信、傳感器和計算機領(lǐng)域的研究成果，應(yīng)用于水文測量和計算，在提高了水情測報速度和洪水預(yù)報精度的同時，也改變了傳統(tǒng)的僅靠人工測量數(shù)據(jù)的落后狀況，擴大了水情監(jiān)測和報告的范圍，對流域、水庫安全度汛起著重要作用［2］。隨著社會、經(jīng)濟等的不斷發(fā)展，對水雨情信息精準度的相關(guān)要求也在隨之提高，與水利信息化建設(shè)相關(guān)的監(jiān)測項目也日益增多，因此監(jiān)測技術(shù)和監(jiān)測手段都面臨著更高的要求，現(xiàn)代科技的快速發(fā)展對水雨情自動測報技術(shù)的發(fā)展起著積極地作用［3］。水雨情自動測報系統(tǒng)主要由遙測站點、信道和中心站組成。其中遙測站點主要是指前端監(jiān)測感知設(shè)備，中心站主要具備對遙測站點發(fā)送過來的水雨情數(shù)據(jù)進行處理的能力。信道的選擇中，常用的通信方式分別包括GPRS（General Packet Radio Service）通信技術(shù)、衛(wèi)星通信技術(shù)、無線傳感器網(wǎng)絡(luò)技術(shù)和物聯(lián)網(wǎng)技術(shù)。

1.1.1 GPRS通信技術(shù)階段

自國內(nèi)發(fā)展并使用GPRS 通信技術(shù)的10 余年以來，電子技術(shù)及網(wǎng)絡(luò)通訊技術(shù)的發(fā)展與普及使水雨情信息的監(jiān)測以及傳輸有了根本上的提高。基于移動通信GSM（Global System of Mobile communications）網(wǎng)絡(luò)的GPRS 通信方式由于其普遍的適應(yīng)性和極高的性價比，在近幾年得到了廣泛的應(yīng)用。趙余貴［4］以浙江省杭州市蕭山區(qū)南部山區(qū)?。↖I）水庫為例，研究了在水庫調(diào)度中基于GPRS 的水雨情遙測系統(tǒng)的應(yīng)用，該系統(tǒng)特別在汛期強降雨、臺風(fēng)暴雨和洪水測報中發(fā)揮了重要的作用。萬浩平等［5］研究永豐高虎腦水庫基于GPRS 的水雨情監(jiān)測系統(tǒng)各部分的工作原理及設(shè)計方案。系統(tǒng)實現(xiàn)了水庫水雨情的實時監(jiān)測以及水庫信息化管理，為防汛決策部門提供實時水雨情數(shù)據(jù)。

1.1.2 衛(wèi)星通信技術(shù)階段

近年我國積極推動衛(wèi)星通信技術(shù)國產(chǎn)化，并且隨著我國北斗衛(wèi)星系統(tǒng)的建設(shè)，衛(wèi)星通信技術(shù)被逐漸應(yīng)用于水雨情測報系統(tǒng)中。衛(wèi)星通訊可以從根本上解決了偏遠地區(qū)和山區(qū)內(nèi)部署水雨情自動測報站的通信問題，為水利、水電部門實現(xiàn)全流域水雨情自動測報提供了重要手段。陳立輝［6］實現(xiàn)了北斗衛(wèi)星和GPRS 雙信道通信的組網(wǎng)方案的設(shè)計要求，并成功研發(fā)了適合雙信道通信工作模式的遙測終端機和通信平臺，基于北斗衛(wèi)星和GPRS 雙信道通信構(gòu)建了水雨情自動測報系統(tǒng)；徐章耀［7］研究白龜山水庫以GSM 短信和北斗衛(wèi)星兩種信道同時作為水雨情測報系統(tǒng)主信道，解決了在極端惡劣條件下系統(tǒng)不能獨立正常運行的問題。郭易等［8］研究的黃龍灘水電廠水情測報系統(tǒng)是我國擁有自主知識產(chǎn)權(quán)的首套國產(chǎn)化水情自動測報系統(tǒng)，目前采用了雙通道工作模式即以手機短信服務(wù)（Synchronous Meteorological Satellite，SMS）為主通道，北斗衛(wèi)星為備用通道。接入方式采用點對點模式，在遙測站、中心站分別配置GSM 短信模塊等配套設(shè)施，當定時報或需加報時，遙測站RTU 自動啟動GSM 模塊，將水雨情信息經(jīng)移動短信中心傳輸至中心站，該系統(tǒng)目前采用主備混合組網(wǎng)模式保證了系統(tǒng)全天候的運行。

1.1.3 無線傳感器網(wǎng)絡(luò)技術(shù)階段

近些年，隨著無線傳感器網(wǎng)絡(luò)（Wireless Sensor Network，WSN）的應(yīng)用和普及，曾瑄等［9］分析了當前水文站點對水雨情的監(jiān)測技術(shù)現(xiàn)狀，并對組建的網(wǎng)絡(luò)節(jié)點硬件設(shè)計和節(jié)點定位問題做了分析和研究。無線傳感器網(wǎng)絡(luò)技術(shù)相比而言，具有快速、宏觀、跨時段的特點，能夠?qū)崿F(xiàn)系統(tǒng)地進行大尺度調(diào)查和區(qū)域內(nèi)水雨情監(jiān)測，對區(qū)域內(nèi)生態(tài)系統(tǒng)科學(xué)合理的恢復(fù)和重建。李碩［10］考慮天生橋水庫的周圍環(huán)境的因素的影響，利用商業(yè)化無線傳感器架構(gòu)，節(jié)點間的通信基于GPRS 無線傳感器通信技術(shù)設(shè)計了天生橋水庫水雨情自動測報系統(tǒng)。

1.1.4 物聯(lián)網(wǎng)技術(shù)階段

為了解決傳統(tǒng)水雨情監(jiān)測采用GPRS 通信方式存在的耗電大、費用高等問題，物聯(lián)網(wǎng)技術(shù)作為新的技術(shù)手段逐漸應(yīng)用中水雨情監(jiān)測系統(tǒng)中。物聯(lián)網(wǎng)技術(shù)具有覆蓋廣、功耗低、連接多、成本低等特點，非常適用于長距離、低速率、低功耗的水雨情監(jiān)測系統(tǒng)。陳敏等［11］基于NB-IoT（Narrow Band Internet of Things）構(gòu)建了水雨情實時監(jiān)測系統(tǒng)。通過雨量、流速、水位等多種傳感器采集數(shù)據(jù)，通過電信云平臺將水雨情數(shù)據(jù)以規(guī)定的格式通過BC28 通信模塊上傳至監(jiān)控中心的Java Web 平臺，實現(xiàn)監(jiān)測數(shù)據(jù)的遠程傳輸、顯示、查詢以及網(wǎng)絡(luò)共享，該系統(tǒng)對水雨情工作的監(jiān)測效率有所提高。盛平等［12］構(gòu)建了基于NB-IoT 的海綿城市水雨情監(jiān)測系統(tǒng)，對地表降雨量、土壤溫濕度、蓄水池水位等數(shù)據(jù)進行采集，實現(xiàn)水雨情的有效監(jiān)測。

水雨情自動測報系統(tǒng)涉及現(xiàn)代通信、電子、計算機、氣象、水文、地理、土木建筑、傳感器、軟件、硬件應(yīng)用等多學(xué)科多領(lǐng)域，隨著我國科技的快速發(fā)展，水文雨情自動測報系統(tǒng)的應(yīng)用日益廣泛，水文的自動測報整體性能也提升明顯。當前，水文雨情自動測報系統(tǒng)已經(jīng)能夠基本實現(xiàn)無線傳輸，傳輸方式與傳統(tǒng)人工電臺報答方式相比，也有了根本上的提高。但如何根據(jù)現(xiàn)有的通信手段進行組合以提高通信的穩(wěn)定性或發(fā)展新的技術(shù)手段有待繼續(xù)深入研究。

1.2 降水預(yù)報模型

降水是洪水預(yù)報中的關(guān)鍵因子之一。直接采用水文站（或雨量站）觀測降水和雷達測雨資料進行預(yù)報是短期洪水預(yù)報最常見的方法，而對于中期預(yù)報，能夠延長洪水預(yù)報預(yù)見期的關(guān)鍵因素之一在于應(yīng)用預(yù)見期內(nèi)的降水預(yù)報。數(shù)值天氣預(yù)報（Numerical Weather Prediction，NWP）是目前降水預(yù)報方法中對中期（15 d 內(nèi)）定量降水預(yù)報的主要依據(jù)，近年來數(shù)值天氣預(yù)報水平的逐漸提高為利用定量降水預(yù)報來延長中期洪水預(yù)報的預(yù)見期以及實現(xiàn)洪水早期預(yù)警提供了有利條件。在洪水預(yù)報中，直接使用“單一”模式的預(yù)報結(jié)果，僅追求提高模式分辨率，期望以此改善對暴雨等強對流天氣的預(yù)報能力，可能會將數(shù)值天氣預(yù)報在洪水預(yù)報領(lǐng)域的應(yīng)用引入一個誤區(qū)，導(dǎo)致洪水預(yù)報結(jié)果存在較大的偏差［13］。

近年來，集合數(shù)值天氣預(yù)報技術(shù)的發(fā)展在降水預(yù)報、洪水預(yù)報以及早期預(yù)警方面有了更多應(yīng)用可能。國外學(xué)者考慮到集合預(yù)報系統(tǒng)（Ensemble Prediction System，EPS）能夠很好地處理模型的不確定性、邊界條件的變化以及數(shù)據(jù)同化，因此他們已經(jīng)嘗試在洪水預(yù)報、早期預(yù)警和洪災(zāi)風(fēng)險評估時將集合預(yù)報與水文模型、水力學(xué)模型耦合應(yīng)用，例如歐洲中期天氣預(yù)報中心（European Centre for Medium-range Weather Forecasts，ECMWF）的集合預(yù)報與LIST FLOOD 耦合、多集合預(yù)報模式、基于集合預(yù)報的全球洪水感知系統(tǒng)GFWS（Global Flood Warning System）、FFGS（Flash Flood Guidance System）與美國的AHPS（Advanced Hydrological Prediction Service）［14］。

我國在這方面的研究起步相對較晚，近些年，包紅軍等［13］以淮河流域為研究對象，建立了淮河流域TIGGE（THORPEX Interactive Grand Global Ensemble）-水文-水力學(xué)相耦合的洪水集合預(yù)報模型，并分析了該模型在洪水預(yù)報中應(yīng)用的可能性；彭濤等［15］以湖北省漳河流域2008年汛期典型洪水過程為例，將AREM（Advanced Regional Eta Model）模式集合降水預(yù)報結(jié)果輸入新安江水文模型進行預(yù)報試驗。董兆俊等［16］以淮河王家壩以上流域為例，對王家壩站2007年的水位采用數(shù)值集合預(yù)報產(chǎn)品與神經(jīng)網(wǎng)絡(luò)耦合的模型進行了預(yù)測研究，數(shù)值集合預(yù)報與神經(jīng)網(wǎng)絡(luò)耦合的預(yù)測模型在2007 年的洪水回報實驗中取得了較高的精度。葉金印等［17］等以淮河蔣家河以上流域為研究對象，采用集合降水預(yù)報產(chǎn)品（預(yù)見期為0～240 h）驅(qū)動洪水預(yù)報模型進行模擬預(yù)報，ECMWF 集合降水預(yù)報能夠明顯提高洪水預(yù)報精度，模擬結(jié)果能夠刻畫洪水流量過程線的不確定范圍，并能提前24 h 及時預(yù)警。湯欣鋼等［18］以漳河流域為例檢驗分析中央氣象臺天氣降水預(yù)報在該區(qū)域的準確性及經(jīng)驗頻率，應(yīng)用中央氣象臺24 h 短期降雨預(yù)報時應(yīng)當隨雨量級別適時的進行優(yōu)化調(diào)整。葉子國等［19］以古田溪流域為例，開展了GFS（Global Forecasting System）降水預(yù)報在該區(qū)域的適用性研究，結(jié)合GFS降雨預(yù)報的洪水預(yù)報精度和預(yù)見期較未結(jié)合的降雨預(yù)報在精度方面有較大的提升。徐冬梅等［20］以洪安澗河流域為例，對TIGGE 提供的ECMWF 和UKMO（United Kingdom Meteorological Office）兩個預(yù)報中心控制預(yù)報及集合平均預(yù)報降雨信息進行了評估，采用TS、BS 評分，降雨的集合平均預(yù)報比控制預(yù)報的效果好，ECMWF 和UKMO 對無雨的降雨預(yù)報在研究流域有較高的精度，且應(yīng)當優(yōu)選ECMWF 的集合降雨預(yù)報。研究表明，集合預(yù)報首先提供一個比單一的預(yù)報更為準確的預(yù)報結(jié)果，其次可以給預(yù)報員提供一個預(yù)報可靠性的估計，最后也可以概率預(yù)報提供定量基礎(chǔ)。集合數(shù)值預(yù)報產(chǎn)品運用到降水預(yù)報能獲取更多的水文預(yù)報信息，豐富水文模型輸入信息，將單一的確定性預(yù)報結(jié)果轉(zhuǎn)化為可能發(fā)生范圍的預(yù)報，將確定的精確預(yù)報轉(zhuǎn)化為可能的概率預(yù)報，能更好地適應(yīng)防洪減災(zāi)工作中對風(fēng)險信息的需求。如今集合數(shù)值預(yù)報應(yīng)用的不斷的廣泛，已經(jīng)從全球中期集合預(yù)報發(fā)展到了有限區(qū)域、有限時間內(nèi)的短期天氣預(yù)測方面，同時在中小尺度極端天氣預(yù)報等方面也開展了相應(yīng)的應(yīng)用研究。

1.3 洪水預(yù)報水文模型

1950 年起，水文模型開始快速發(fā)展，國內(nèi)外相繼提出了Sacramento、Tank、新安江、HBV（Hydrologiska Byrans Vattenbalans Model）、HEC-HMS、SHE（System Hydrologic of European）、TOPMODEL、GBHM（Geomorphology-BasedHydrological Model）、VIC（Variable Infiltration Capacity）、二元水循環(huán)、流溪河模型等一系列集總式和分布式水文模型［21-23］，以及多種模型參數(shù)優(yōu)化方法［24，25］，洪水預(yù)報也隨之發(fā)展。人工智能的發(fā)展對黑箱水文模型的發(fā)展注入了動力；GIS（Geographic Information System）和RS（Remote Sensing）技術(shù)的發(fā)展和成熟為機理模型中的分布式水文模型的發(fā)展提供了技術(shù)支撐［26-28］。

1.3.1 人工智能經(jīng)驗?zāi)Ｐ?/p>

在人工智能經(jīng)驗?zāi)Ｐ头矫?，隨著計算機技術(shù)的快速發(fā)展，采用人工智能算法的經(jīng)驗?zāi)Ｐ捅粡V泛使用并被加以改進，李鴻雁等［29］利用人工神經(jīng)網(wǎng)絡(luò)模型對小浪底—花園口區(qū)間洪水智能預(yù)報方法的可行性和可靠性進行了檢驗，采用遺傳算法優(yōu)化網(wǎng)絡(luò)初始權(quán)重和引入峰值修正系數(shù)的改進BP（Back Propagation）算法進行洪水預(yù)報，其模型算法可靠。劉冬英［30］將自適應(yīng)BP 模型引入，建立了考慮區(qū)間入流的長江中下游螺山～漢口河段河道洪水預(yù)報BP 神經(jīng)網(wǎng)絡(luò)模型。該模型在區(qū)間入流對漢口站洪水過程的影響方面有較高的靈敏度。闞光遠等［31］在屯溪流域洪水預(yù)報中提出通過獨特的建模方式將ANN（Artificial Neural Network）與K（K-Nearest Neighbor）最近鄰方法相耦合，利用多目標遺傳算法和Levenberg-Marquardt 算法進行訓(xùn)練的耦合機器學(xué)習(xí)模型，其模型的精度和可靠性較好。丁海蛟［32］以四川省自貢市富順縣（馬家林——紅旗嶺河段）某水文站的水位和流量數(shù)據(jù)作為樣本來進行分析，比較了最小二乘法（Least Squares，LS）、支持向量機（Support Vector Machines，SVM），BP神經(jīng)網(wǎng)絡(luò)和最小二乘支持向量機（Least Squares Support Vector Machines，LS-SVM）四種算法，得出了最小二乘支持向量機（LS-SVM）預(yù)測能力最好的結(jié)論。LSTM（Long-Short Term Memory，LSTM）模型在近年得到關(guān)注，徐源浩等［33］基于長短時記憶神經(jīng)網(wǎng)絡(luò)（LSTM）為基礎(chǔ)建立了汾河流域靜樂站以上暴雨洪水模型，其預(yù)報精度與神經(jīng)元數(shù)量和訓(xùn)練次數(shù)呈正相關(guān)。崔巍等［34］使用BP 和LSTM 神經(jīng)網(wǎng)絡(luò)分別構(gòu)建了福建木蘭溪支流延壽溪小流域的降雨徑流預(yù)報模型，進行了預(yù)見期為1～24 h的逐時流量滾動預(yù)報，并對比了兩個模型的預(yù)報精度，LSTM 模型整體預(yù)報效果比BP 模型更具有優(yōu)勢。通過以上研究可以發(fā)現(xiàn)，人工智能模型大都為基于對歷史資料的學(xué)習(xí)進行未來的洪水預(yù)報，且在有水文監(jiān)測資料的地區(qū)應(yīng)用效果很好。人工智能模型為解決洪水預(yù)報問題提供了一種新的思路，隨著機器學(xué)習(xí)等人工智能的廣泛應(yīng)用，將推動著當前的洪水數(shù)值預(yù)報向模擬人類智能形為轉(zhuǎn)變。

1.3.2 物理機理模型

在物理機理模型方面，采用以物理匯流技術(shù)為基礎(chǔ)的分布式模型能夠?qū)λ倪^程進行描述，有充分的物理機制基礎(chǔ)，其受到了廣泛關(guān)注和研究。趙士鵬［35］基于EasyDHM 水文模型，建立了密云水庫流域分布式水文模型，EasyDHM 水文模型在密云水庫流域具有較好的適用性，能夠較準確地預(yù)報未來洪水過程。黃家寶等［36］采用流溪河模型構(gòu)建樂昌峽水庫洪水預(yù)報模型，通過粒子群（Particle Swarm Optimization，PSO）算法優(yōu)化模型參數(shù)，并對實測洪水過程進行了模擬，模型參數(shù)優(yōu)化可明顯提高洪水模擬精度。王義德［37］選用新安江模型、API（Application Programming Interface）模型和雙超模型對渾河流域南口前子流域進行洪水模擬，并利用SCE-UA（Shuffle Complex Evolution）算法對流域水文模型參數(shù)進行優(yōu)化，新安江模型、API模型模擬精度高，且新安江模型比API 模型在模擬精度方面更占優(yōu)勢，雙超模型在研究流域短期洪水預(yù)報時不宜使用。張艷等［38］在大渡河上游丹巴以上流域基于分布式新安江模型進行實時洪水預(yù)報，并引入動態(tài)系統(tǒng)響應(yīng)校正技術(shù)對流域面雨量進行實時修正處理，經(jīng)流域面雨量校正后，預(yù)報精度得到進一步提升。于嵐嵐［39］以遼寧中小河流橋頭水文站為例，探討了改進的非線性時變增益模型［TVGM（Time Variant Gain Model）模型］在區(qū)域預(yù)報中的適用性，改進的TVGM 模型由于增加降雨強度及初期土壤含水量兩個變量，洪水預(yù)報精度及預(yù)見期均得到明顯改善。劉郁等［40］對比了河北雨洪模型與新安江模型的原理及特性，以灤河支流老牛河流域為例進行洪水預(yù)報，河北雨洪模型的預(yù)報精度較高，對半干旱半濕潤地區(qū)的洪水預(yù)報有更好的適應(yīng)性。表1總結(jié)了目前常用的洪水預(yù)報模型及效果。

表1 目前常用的洪水預(yù)報模型及效果Tab.1 Commonly used flood forecasting models and their effects

目前，面向洪水預(yù)報的水文模型研究雖然已經(jīng)取得了長足的進展，但是在某些方面依然存在不足，例如，分布式水文模型在流域洪水預(yù)報的研究中的應(yīng)用案例還比較少見，為了分布式水文模型在流域洪水預(yù)報中能夠充分的應(yīng)用，還需要廣大的水文工作者在現(xiàn)有工作的基礎(chǔ)上開展分布式水文模型在洪水預(yù)報中的適應(yīng)性研究，不斷地積累經(jīng)驗。流域水文模型存在的諸如非線性、尺度效應(yīng)、異參同效和不確定性問題依然存在，這需要從水文模型產(chǎn)匯流過程物理機制入手，從根本上提高模型的模擬效果；模型參數(shù)率定依然存在困難，參數(shù)區(qū)域化研究亟需加強。

1.4 陸氣耦合水文模型

有效延長洪水預(yù)見期和提高預(yù)報精度是洪水預(yù)報技術(shù)需要解決的核心內(nèi)容，現(xiàn)有的水文模型以實測降雨量為輸入信息的方法基本無法有效實現(xiàn)延長流域徑流預(yù)報預(yù)見期的目標。根據(jù)初始背景場和數(shù)學(xué)物理方程的邊界條件，使用高分辨率中尺度數(shù)值天氣模型來計算未來一段時間內(nèi)諸如降雨，溫度等氣象因素的時空變化，并將其作為未來水文模型流域今后一段時間內(nèi)徑流變化過程的驅(qū)動因素，可以有效地延長徑流預(yù)報預(yù)見期。因此，自20 世紀90 年代以來，陸氣耦合技術(shù)成為洪水預(yù)報領(lǐng)域國內(nèi)外許多專家學(xué)者的研究重點和熱點。Pietroniro［41］最早提出了陸氣耦合模式理論的概念性框架，目前，現(xiàn)有的陸氣耦合研究多為單向耦合或部分耦合，而在雙向耦合研究方面也取得了一定的進展。

1.4.1 單向陸氣耦合

我國在采用陸氣耦合技術(shù)洪水預(yù)報上起步較晚，但發(fā)展迅速，不僅取得了良好的理論研究成果，而且對相關(guān)工程應(yīng)用進行了深入研究，并形成了較好的陸氣耦合洪水預(yù)報系統(tǒng)框架。單向耦合多采用高分辨率數(shù)值天氣預(yù)報模式耦合水文模型的方法，用于改善實時徑流模擬和預(yù)見期。陸桂華等［42］利用區(qū)域數(shù)值天氣預(yù)報模型MC2（Canadian Mesoscale Compressible Community）驅(qū)動新安江水文模型，研究了陸氣耦合模型在實時暴雨洪水預(yù)報中的應(yīng)用，陸氣耦合模型有效地延長了洪水預(yù)報的預(yù)見期。郭生練等［43］構(gòu)建了漢江流域MM5（Mesoscale Numerical Model）氣象預(yù)報模式和VIC 分布式水文模型，并將人工降水預(yù)報與VIC 分布式水文模型、MM5 模式與VIC 模型實現(xiàn)耦合，開發(fā)了氣象模式下的漢江流域洪水預(yù)報應(yīng)用集成系統(tǒng)。高冰等［44］在三峽水庫入庫洪水預(yù)報中基于新一代中尺度數(shù)值天氣預(yù)報模式WRF（Weather Research And Forecasting Model）驅(qū)動分布式水文模型GBHM，構(gòu)建了WRF/GBHM 單向陸氣耦合模型，洪水預(yù)報精度較為準確并且能夠大大地延長洪水預(yù)報的預(yù)見期。吳娟等［45］在國家洪水預(yù)報系統(tǒng)（National Flood Forecasting System，NFFS）中集合了MC2、GEM（Generation of weather Elements for Multiple Applications）和T213 共3 種數(shù)值天氣預(yù)報模式，并以此為驅(qū)動進行氣象、水文耦合預(yù)報，并進行了基于多模式降水集成的陸氣耦合洪水預(yù)報研究，該技術(shù)可以有效地改善單模式數(shù)值天氣預(yù)報的不確定性。彭艷等［46］以三峽庫區(qū)為研究區(qū)域，利用數(shù)值天氣預(yù)報WRF 模式驅(qū)動VIC 水文模型，建立了陸氣耦合洪水預(yù)報模型，開發(fā)了三峽水庫入庫洪水陸氣耦合洪水預(yù)報系統(tǒng)。于鑫等［47］通過WRF 模型和HEC-HMS 水文模型對太湖西苕溪流域進行了降雨模擬和流量耦合預(yù)報，并與實測降雨和徑流過程進行了比較，不考慮預(yù)見期降水量的條件下精度明顯優(yōu)于傳統(tǒng)的預(yù)報方法，并能延長預(yù)見期。王莉莉等［48］分別將以NOAH-LSM（NOAH-Land Surface Model）水文過程改進的GRAPES（Global／Regional Assimilation and Prediction System）模式和原始GRAPES 模型與新安江模型進行單向耦合，改進后的S模型對地表水文過程的描述更加精確合理。

1.4.2 雙向陸氣耦合

在雙向陸氣耦合中，水文模式和大氣模式共用一個陸面過程機制，水文模式對大氣模式存在反饋，影響大氣模式的模擬結(jié)果，能夠避免大氣模式不能借鑒水文模擬結(jié)果和實測徑流資料實時驗證和修改其對陸面過程模擬的精度。在雙向陸氣耦合方面，國內(nèi)外的部分學(xué)者均進行了一些有益的探索。

國外，M?lders等［49］提出了一個陸面模塊模擬閉合了水文循環(huán)過程，實現(xiàn)了雙向陸氣耦合，通過在大氣模式5 km×5 km網(wǎng)格內(nèi)考慮1 km分辨率的水文模式單元，解決了大氣模式和水文模式空間尺度不一致的問題。Seuffert等［50］利用陸面水文模式TOPLATS（“TOP MODEL”-Based Land Surface-Atmosphere Transfer Scheme）實現(xiàn)了中尺度氣候模式和陸面水文模式的雙向耦合。國內(nèi)，殷志遠等［51］以湖北省荊門市漳河水庫空間分辨率為90 m×90 m 的數(shù)字高程（Digital Elevation Model，DEM）地形數(shù)據(jù)為基礎(chǔ)，將華中區(qū)域數(shù)值天氣預(yù)報業(yè)務(wù)模式WRF提供的三重嵌套空間分辨率3 km×3 km、9 km×9 km 和27 km×27 km 預(yù)報降雨與集總式新安江模型以及半分布式水文模型TOPMODEL耦合進行洪水預(yù)報試驗，集總式的新安江模型預(yù)報洪峰流量和出峰時間的效果在時空分布均勻時預(yù)報精度高，反之，則預(yù)報精度低。田濟揚等［52］基于數(shù)值大氣模式WRF、三維變分數(shù)據(jù)同化WRF-3DVar、河北雨洪模型以及實時校正模型ARMA（Autoregressive Moving Average Model），在大清河流域構(gòu)建了陸氣耦合洪水預(yù)報系統(tǒng)，進行雷達反射率與GTS（Global Technology Solutions）數(shù)據(jù)的同時同化可以有效改善數(shù)值大氣模式對中小尺度流域降雨預(yù)報的影響，從而減少洪水預(yù)報系統(tǒng)的誤差，應(yīng)用ARMA 模型可以進一步提高洪水預(yù)報的精度。孫明坤等［53］用全球陸面數(shù)據(jù)同化系統(tǒng)與降雨觀測數(shù)據(jù)來驅(qū)動WRFHydro模型，與新安江模型進行比較認為，WRF-Hydro模型善于模擬洪水細節(jié)，可以很好地模擬洪水起漲時刻。綜上，雙向陸氣耦合模型能夠提高洪水預(yù)報精度和有效延長洪水的預(yù)見期，陸氣耦合模型在洪水預(yù)報中有良好的應(yīng)用前景。表2總結(jié)了目前常用的陸氣耦合模型及效果。

表2 目前常用的陸氣耦合模型及效果Tab.2 Commonly used land-atmosphere coupling models and their effects

陸氣耦合模擬得益于陸面水文過程的改進和大尺度水文模型的發(fā)展，并且陸氣耦合預(yù)報技術(shù)正從考慮氣候—水文反饋單耦合模式向氣候—水文雙向反饋耦合發(fā)展，但是在陸氣雙向耦合過程中的匹配性和系統(tǒng)穩(wěn)定性，如何進行有效的尺度轉(zhuǎn)換、完善參數(shù)化方案、參數(shù)移植方法和參數(shù)不確定性，提高模型適用性以及高分辨率甚至超分辨率模擬等方面仍然是亟需解決的問題。

2 未來洪水預(yù)報展望

2.1 水雨情自動測報系統(tǒng)

5G 技術(shù)的發(fā)展勢必開啟萬物互聯(lián)的時代，將5G 技術(shù)運用到水雨情自動測報關(guān)鍵技術(shù)中，實現(xiàn)水雨情感知要素的準確及時采集與實時高效傳輸是全面提升水雨情信息化水平的基礎(chǔ)。將傳感器、無人機、電子遙感、工控設(shè)備監(jiān)控等先進的物聯(lián)網(wǎng)技術(shù)運用到水雨情信息采集和傳輸中，利用物聯(lián)網(wǎng)技術(shù)的實時性和先進性，推進水利信息化建設(shè)，以帶動水利現(xiàn)代化，并實現(xiàn)水利信息化融入國家大數(shù)據(jù)戰(zhàn)略是發(fā)展趨勢。水情感知手段從目前以地面站點觀測為主發(fā)展為結(jié)合衛(wèi)星遙感、視頻監(jiān)控、智能識別、大數(shù)據(jù)分析等新技術(shù)新手段建成自動化、無人化、立體化、一體化的監(jiān)測體系，實現(xiàn)水雨情信息多源融合與綜合判斷，監(jiān)測精度與洪水預(yù)報精度都將大幅提高，建設(shè)高速泛在、天地一體、集成互聯(lián)、安全高效的水雨情信息監(jiān)測體系，增強數(shù)據(jù)感知、傳輸、存儲和運算能力是水雨情監(jiān)測未來發(fā)展的方向。

2.2 降水預(yù)報模型

目前，全球區(qū)域數(shù)值天氣預(yù)報模型已經(jīng)可以提供較為準確的定量降水預(yù)報，但對洪水預(yù)報定時、定點、定量降水預(yù)報的要求，降水預(yù)報的時間段、雨帶位置及量級，這些微小的偏差可能造成完全不同的洪水響應(yīng)效果。隨著數(shù)值天氣預(yù)報技術(shù)的不斷發(fā)展，尤其是集合預(yù)報技術(shù)，利用集合預(yù)報來降低降水預(yù)報的不確定性影響是使降水預(yù)報精度提高的重要方法。多模式集合預(yù)報降水是預(yù)測降水量的主要手段與重要依據(jù)，由于世界上各地區(qū)環(huán)境、氣候等的差異性，數(shù)值預(yù)報模式在不同地區(qū)的適用性也不一樣，其預(yù)報效果也不盡相同，尋求多模式融合條件下不同降水預(yù)報產(chǎn)品合適的權(quán)重系數(shù)，以提高區(qū)域適用性使定量降水預(yù)報有足夠的精度，也是目前水文氣象工作者需要共同面對的問題與研究的方向。

另外，現(xiàn)有條件下的集合預(yù)報主要以全球模式作為基礎(chǔ)，其在整體大尺度系統(tǒng)的預(yù)報能力較為準確，但在局部中小尺度系統(tǒng)的預(yù)報能力依然不足。如何結(jié)合精細化中尺度模式捕捉中小尺度天氣系統(tǒng)的能力與集合預(yù)報技術(shù)，形成高分辨率的區(qū)域中尺度集合預(yù)報模式，既考慮預(yù)報的不確定性、提升局部地區(qū)強降水預(yù)報精度，又提高模式分辨率，這是提升降水預(yù)報在洪水預(yù)報中有效應(yīng)用程度的另一重要途徑。

2.3 洪水預(yù)報水文模型

目前，面向洪水預(yù)報的水文模型，分布式水文模型總體效果比集總式模型有優(yōu)勢；大部分流域的洪水預(yù)報，采用以物理匯流技術(shù)為基礎(chǔ)的分布式水文模型并耦合概念性降雨-徑流模型構(gòu)建的新模型，其應(yīng)用效果更好。但分布式水文模型在數(shù)據(jù)的耦合與輸入，參數(shù)的率定，研究尺度的擴充的問題上依然存在難題，如何解決數(shù)值天氣預(yù)報模式和陸面水文模型之間的尺度匹配問題將是今后進行大氣數(shù)值天氣預(yù)報模式和水文模型耦合建模的一個重要研究問題。以現(xiàn)在的技術(shù)發(fā)展及迭代更新速度，通過遙感系統(tǒng)自動獲取數(shù)據(jù)并與分布式水文模型相耦合構(gòu)建遙感—分布式水文模型系統(tǒng)也是目前的研究熱點及未來的趨勢。

另外大型河流洪水預(yù)報基本成熟，未來應(yīng)進一步研發(fā)適用于中小河流的洪水預(yù)報模型，在中小河流暴雨洪水演變特征和形成機制、精細化河流洪水模擬、缺資料流域水文模型參數(shù)確定方法、河流洪水預(yù)報實時校正技術(shù)等方面應(yīng)開展更加深入地研究以提高中小河流洪水預(yù)報精度。此外，人類活動已經(jīng)成為對河流變化影響的關(guān)鍵活躍因素，流域上已有的洪水預(yù)報模型或預(yù)報方案可能已經(jīng)不再適用于現(xiàn)在的新環(huán)境與新變化，因此未來洪水預(yù)報必須將人類活動對洪水過程的復(fù)雜影響和作用考慮其中。

2.4 陸氣耦合水文模型

陸面水文模型建模是實現(xiàn)陸氣耦合技術(shù)的關(guān)鍵與難點之一，在時空尺度的選擇上，既要考慮實測資料的時空特性又要兼顧數(shù)值天氣預(yù)報模式的尺度要求。目前WRF-Hydro 模型是WRF模型的擴展模塊，特點是可以為多尺度陸氣耦合提供高效率的運行的平臺。作為更先進的陸氣耦合分布式水文模型系統(tǒng)，其應(yīng)用潛力在水文模擬、洪水預(yù)報和水資源評估等方面能夠得到充分的展現(xiàn)，同時也為水文氣象研究提供新的思路［53，54］。

目前，研究中大多采用的是陸氣單向耦合方式，未來計算機技術(shù)發(fā)展，計算資源充分、效率大幅提高以及研究區(qū)域數(shù)據(jù)充分的情況下，雙向耦合方式將會成為研究熱點，充分揭示大氣模式與陸面模式之間降雨、溫度和蒸發(fā)等多種通量之間聯(lián)系及循環(huán)機理，進一步提高模擬效果，提升預(yù)報精度。在時空尺度上如何利用四維同化技術(shù)為模式耦合提供高分辨率的、物理一致和時空一致的反饋變量是當前的研究熱點；在網(wǎng)格分布非均勻問題上如何建立二維甚至三維的以及有通用性的水文參數(shù)化方案是實現(xiàn)耦合的重要問題。另外構(gòu)建基于多模式降水集成的陸氣耦合系統(tǒng)，同時加強天氣雷達、衛(wèi)星遙感、地面雨量等估測或?qū)崪y數(shù)據(jù)之間的同化研究，使之更好地融合，也是今后一段時期內(nèi)提高降水預(yù)報精度和穩(wěn)定性的重要研究方向。

3 結(jié)論

當前，洪水預(yù)報技術(shù)已經(jīng)隨著數(shù)學(xué)物理方法、計算機科學(xué)計術(shù)、遙感測量，雷達等技術(shù)的引入與發(fā)展取得了飛速的發(fā)展。洪水預(yù)報的發(fā)展以及人工智能在洪水預(yù)報研究和實際工作中的應(yīng)用實踐，已經(jīng)為洪水預(yù)報技術(shù)的突破提供了有力支撐，但是，在洪水預(yù)報領(lǐng)域仍然存在某些方面有待進一步的發(fā)展。

（1）水雨情監(jiān)測方面。目前水文觀測技術(shù)依然落后，一些基礎(chǔ)數(shù)據(jù)由于人為因素或者自然因素的限制而無法獲得，像視頻測流等非接觸式先進技術(shù)應(yīng)用依然不足，在流域內(nèi)仍然存在水文監(jiān)測站點空白區(qū)域，例如黃河的一級支流伊洛河流域尚有較大的未控區(qū)域，洪水預(yù)報缺乏水雨情基礎(chǔ)資料，在缺乏資料地區(qū)亟需加強水文觀測基礎(chǔ)設(shè)施建設(shè)。

（2）降水預(yù)報方面。降水預(yù)報作為影響洪水預(yù)報精度以及預(yù)見期的關(guān)鍵因子，其預(yù)報精度和預(yù)見期的長短對洪水預(yù)報的精度與預(yù)見期有顯著影響。在有修建水庫的流域中產(chǎn)生的洪水，由于受水庫調(diào)蓄作用的影響，改變了天然的洪水過程，洪水預(yù)報的精度和預(yù)見期有待進一步的提高，如何將水庫庫區(qū)內(nèi)的氣象預(yù)報與入庫徑流預(yù)報相耦合是目前需要突破的問題。

（3）洪水預(yù)報的水文模型方面。流域水文模型在理論以及數(shù)值模擬方面已經(jīng)取得了較大的發(fā)展，但在實際工程的應(yīng)用的適用性方面依然繼續(xù)加強。如何根據(jù)流域?qū)嶋H下墊面特征，通過定制化物理模型、人工智能、組合式模型等手段，因地制宜開發(fā)符合該流域特征的預(yù)報模型是重要研究方向。

（4）陸氣耦合模型方面。陸氣耦合技術(shù)作為近幾年的研究熱點方向也取得較快的發(fā)展，其單向耦合技術(shù)在實際預(yù)報案例預(yù)報模擬中有良好的預(yù)報效果，已經(jīng)有了較好的應(yīng)用。陸氣耦合技術(shù)在雙向耦合方面的研究仍然處于初級探索階段，如何實現(xiàn)陸面-大氣一體化耦合，由單向耦合向基于物理概念的雙向耦合發(fā)展，單站觀測及模擬氣象數(shù)據(jù)驅(qū)動向結(jié)合遙感和四維同化方向發(fā)展，今后還需要水文、氣象等工作者開展科學(xué)研究，必要時進行技術(shù)協(xié)同、聯(lián)合攻關(guān)。