简介： 美国在防御洪涝灾害的手段方面较为先进。突发洪水研究、雷达预警、洪水预报、洪水量化预报、面向流域可能的河流洪水预报及洪水预警系统是美国在洪水预报领域的研究成果。通过对美国洪水预报研究的了解,确定洪水预报研究今后发展趋势。
关键字：防洪 洪水预报 预警
洪水被认为是世界范围内的最频繁和最具毁灭性的自然灾害之一。仅美国,就有两万多个洪水多发区域,其中3000个在国家气象局的洪水预报范围内,1000个有当地的洪水预警系统,其余的有县一级预报系统。灾害洪水频繁发生时,洪水预测并及时发出预警对于减灾意义重大。
一、在瞬时突发洪水预报研究方面
美国发展了三种降雨模型,即简单被动模型、简单分布模型及复杂分布模型。
根据模拟的计算结果可得出如下结论:降雨的空间分布是瞬时突发洪水的基本参数,逐渐递减的增长规律适用于各种水文模型,降雨预报是可靠预警和超前预报的前提,应集中有限的资源用在预报的空间均值和降水的时间分布上,而不是点降水值的预报上。
二、在雷达估计降雨方面的研究
1.气象雷达系统
由160个雷达组成的新一代多普勒气象雷达系统,不断扩大降雨在探测暴雨、估计降雨范围、降雨强度、最终预报上游洪水和瞬时洪水等领域的视野。研究表明,用雨量测站记录的降雨值和雷达估计值进行洪水预报最接近观测值。
2.雷达扫描系统
①用科技手段将降雨区域内的雷达图像分解成平面的等值线图,并由雷达图像追踪暴雨的时空变化,最后将这一变化按指数趋势对未来状态进行描述。将描述性的等值线图按超前时间重新组合,便形成了特定区域的降雨预报图。这项技术有望从一场暴雨过去的雷达数据获得直到30min的超前预报时间。美国还运用该模型对100～1000km2规模的河流进行超前1h的面积均值预报。此雷达降雨预报方式可大幅度降低预测误差,增加预报的准确性。
②使用雷达降雨预报的双单元模型估计暴雨轨迹。其基本假设是把最终降水作为时空函数等于时间平均值和时空变值之和。其中一个模型是借助雷达数据、地表温度测量、凝结点和凝结气压、环境温度的无线电测候特征曲线和水的蒸发密度等预报降雨的平均值。利用统计自动递减模型进行降雨变值预测。运用修饰模型求得预测降水值。计算结果表明,模型在预报持续降雨(假设当时观测的降雨要持续1h)方面结果不错,甚至某种程度上要好于传输模型预测。其他的研究表明,将水汽运动的物理参数、卫星及地表数据加上一些限制性信息综合起来,将其用于预报要好于雷达扫描估计暴雨轨迹作出的预报结果。
三、在江河干流洪水预报方面
美国国家气象中心使用河流预报系统(NWSRFS)预报上游洪水。这个系统由三个概化模型组成:空间被动降雨产流模型、被动土壤湿度描述模型、非常态线性水库泄流及河道洪水演进模型。气象中心扩展Kalman过滤器的使用范围,假设预报不确定性因素主要来自模型参数估计错误和用于模型输入的观测性错误,发展了用于估计概化水文模型参数的全球优化程序,大大地简化了洪水预报手段。该演变方法通常要对13个土壤湿度计算模型参数值优化结果进行测试,虽然测试被限制在一定的范围内,但此方法比多起点简化法好,使水文专家用自动化的解析程序替代冗长枯燥的参数估计工作成为可能。
四、关于洪水量化预报发展方向
美国国家气象中心(NMC)和美国国家天气服务中心技术发展实验室开发了一系列洪水量化预报法。一系列新的量化预报主导产品包括使用统计解释技术的对流模型、大规模动力模型及全球动力模型。数据输出生成三个系列量化预报产品,即预报超前时间为0～3h、1～20h和6h～10d预报。预报在美国内陆600多个地方对给定的超过某一特定值的降水,进行概率确定;当然也包括对预期的降水值进行估计。这些量化预报产品的主要优点在于可以告诉预报人员相关的不确定性概率格式,用于突发洪水预警的空间解析度从2km到20km,用于干流洪水预报的为40～80km,预报更新频率快至对突发洪水每10min一报,干流洪水预报每天报2～4次。
五、流域可能洪水量化预报
洪水预报中,主要是降水预报。新技术发展的下一步目标是允许预报人员估计不确定性的程度,帮助他们把天气预报规则和将不确定性量化的概率分析结合起来,形成一个能用于多元信息判断过程并能自动完成解析计算过程的模式。预报变量变化不定,主要表现在:特定时段内流域的平均降水值,在划分的时段内由时段总降水量分解降水分量。分量的取样空间是单一的,同时假设在统计意义上独立于总量。所以,有必要在理论和实际应用间寻找妥协,阐明分解了的预报格式为:随机分量是某一特定的时段内全流域降水量与平均降水量的差值函数,固定分量则为降水总量按时段划分后的期待时间分部矢量。该方法采用人机交互预报系统,其主要由引导预报人员进行分析的判断过程与判断结果相应的估计程序组成,最终将数据输入对服务区内的所有河流进行水情预报。输入以图形或字母数字格式,同时包含分配给每一等值线图的三个超量降水均分值的空间平均降水分布图、细分带及分配给每一分布带的分部矢量。
六、洪水预警系统
从20世纪70年代至80年代初,美国就由许多研究人员共同努力奠定了洪水预警系统科学研究的基础。其中,决策理论用于江河干流洪水预报响应系统的模化和评价是这一时期最重要的标志。另一方面对瞬时洪水预警系统设计有广泛的需求,同时,提出了一系列改善国家水文服务的发展计划。
1.多目标决策技术被用于规划和操作洪水预警系统
Bayesian理论被广泛用于当地洪水预警系统研究。传统的计算预期年洪水损失是基于水位—损失关系和年洪峰概率分布曲线。为计算有防洪工程措施和洪水预警情况下预期年洪水损失,已在传统方法的基础上进一步发展了用于预期年洪水损失计算方法。在研究中比较了四种可能方案:无任何措施,建有堤防,建有堤防同时安装预警系统,只安装预警系统。比较在三方面进行:平均年花费,预期年洪水损失,由高于T年(T=10～100)一遇洪峰造成的年损失的期望值。假设发出预警警报的决策依据是洪水水位的阈值 即当预报洪峰超过某一值 ,并提出了用于确定阈值的模型。
2.Bayesian理论为突发洪水地区的预警系统模型化提供了一个方法论的框架和数学手段
这些模型可以用于进一步改进发出警报优化决策方案,定量评估系统运行情况,计算系统的预期经济效益。洪水预警系统可分为监测、预报和决策三部分。监测部分由诊断和可靠性参数决定其性能。洪水特性主要由预报前洪峰高度和到达洪峰的时间决定;在洪峰预报过程中,预报部分的特性则由一组实际洪峰的可能性函数决定。决策部分特性由不利函数决定,用其量化洪水灾害结果的相对不利因素(如财产和生命损失)为最终决策提供一预期标准。
该理论可将输入值转化为三个基本的输出值:
①提供优化的预警方案,根据洪峰的不完全预报决定是否发布警报。
②一个用于描述应用相对特性的值,它可以告诉已知系统在成功预报和失败预报可能性两者间关系是否合理。
③应用的实用化程度。应用的实用化程度是指一给定系统的年花费和其为一特定的保护区所提供的潜在的价值。从决策者角度看,监测、预报模型量化与操作预警系统的不确定因素相关。在洪峰预报中,量化的关键部分是Bayesian预报处理器(BPF),它给出关于洪水发生及洪峰高度等不确定因素的跟随描述。在应用Bayesian预报处理器(BPF)过程中的一个严峻挑战是如何对可能性函数、跟随分布的派生值的生成和计算进行模型化,特别是当洪峰的前部分布不在特定可能性模型变化各异的样本中时。
3.Bayesian预报处理器(BPF)提供了研究控制性工程和预报相结合的综合效果的基本轮廓
大坝不仅改变了洪水水流的自然状态,而且也改变了洪水水流的预见性。这些变化影响洪水发生后的概率值和洪峰的分布。Bayesian关于洪水预警系统方面的理论需要在以下三个方面进一步研究:
①发展细化模型和评价方法,以便对根据某一区域的调查数据就可以评估不利方程这一方面进行广泛的研究,为在实际设计、操作和运行评价以及效益比分析提供指导。
②将该理论应用到河流水位概率预报是可行的。
③降水预报是一门经验科学,通常需要实践以改进研究目标。未来将朝着单元向系统集成方面发展,通过优化集成所有的描述性信息,提高水文气象科学和应用的社会效益,将洪水预报和预警决策、紧急救灾计划优化组合,一定能在改善预报能力方面取得丰硕的研究成果。