2. 海绵城市建设水系统科学湖北省重点实验室, 武汉 430072
2. Hubei Provincial Key Lab of Water System Science for Sponge City Construction, Wuhan University, Wuhan 430072
暴雨洪涝灾害一直是最严重威胁人类生存和发展的自然灾害之一。随着人类社会经济的不断发展,暴雨洪涝灾害所造成的经济损失和社会影响与日俱增。暴雨洪涝灾害可造成粮食减产,导致巨额经济损失,破坏土地资源和生态环境,对社会经济和环境等具有多方面的影响。中国洪涝灾害频繁发生,是世界上洪涝灾害最频繁和严重的国家之一,全国约2/3的地区曾受到不同类型和不同危害程度的洪涝灾害。洪涝灾害可由多种原因造成,在各种致灾原因中,暴雨是最常见和最具威胁性的(叶帮苹等,2012)。研究表明:近半世纪,尤其是20世纪90年代以来,我国极端降水发生强度和频率都呈现增加趋势,暴雨洪涝趋于增多。20世纪50年代以来长江流域(包括江淮地区)的历次大水都是由致洪暴雨造成的,给国家造成巨大失。以2013年为例,全国31个省(自治区、直辖市)均遭受不同程度洪涝灾害,受灾人口近1.2亿,因灾死亡775人,直接经济损失高达3155亿元,2266个市(县、区)遭受洪涝灾害,其中,243座城市发生严重内涝或进水受淹,相比之下,2011和2012年分别为136座和184座,直接经济损失分别为1 301亿元和2 675亿元,可见,遭受暴雨洪涝影响的城市数量和洪灾损失也逐年增加(姜仁贵等,2016;於琍等,2018)。同时,暴雨本身也是危害最严重的气象灾害之一,暴雨天气出现,多伴随雷电和狂风,常导致平面积水、河道漫溢、农田毁坏、房屋倒塌等。
因此迫切需要做好降水集中期的暴雨预报,加强对暴雨洪涝灾害的预报和模拟,为政府部门的决策提供可靠的科学依据,提升对暴雨洪涝灾害的应对水平,保障防灾减灾措施的及时制定和实施,最大限度地减轻暴雨洪涝灾害损失,对于保障区域社会经济持续发展具有重大意义。
1 暴雨洪涝灾害简述 1.1 致洪暴雨针对我国洪涝的严重危害及其频发特征,暴雨预报需求十分迫切。但是,在各种降水中,可能形成洪涝威胁的仅是其中的一部分过程。有的降水过程有大暴雨中心存在,即点暴雨量很大,从而形成了洪涝威胁;而有的降水过程中点暴雨中心的雨量并不很大,但出现了大面积长历时的强降水,也形成了洪涝威胁。此外,它与该次降水过程出现之前,此流域原有的丰枯状态及底水水位、流量也密切相关。
20世纪90年代,章淹(1995)第一次提出致洪暴雨(Flooding-Causing Torrential Rain,简称FCTR)的概念,将可能形成洪涝威胁的降水定义为致洪暴雨。采取气象与水文相结合的方法,可采用下列数学式来表达
$ FCTR = \int {_a} \int {_t} {I_{st}}{\rm{d}}a{\rm{d}}t + BQ $ | (1) |
式中Ist表示强降水的瞬时降水强度,a代表强降水面积,t代表强降水出现的历时,三者的综合效果,描述了致洪暴雨的气象成因,是致洪暴雨重要的气象参数;BQ代表前期基础降水量(或江河底水),它是一个复杂的函数, 可认为是与前期江河底水或起涨流量、流域内土壤湿润状况、下垫面特征、水库分布、地表径流和流域汇流特性、以及下游顶托效应等多种水文和地理因素有关, 从而给致洪暴雨的确定带来颇大困难(贾显锋等,2007)。式中右端第1、2项的单位,经过处理可使之无量纲化或同一化。
但是由于暴雨和各地的河湖洪涝均有很强的地域性特点,故致洪暴雨标准可能会有所差异,即需要对该公式做一定的补充或修订。同洪水一样,致洪暴雨并不一定都形成洪涝灾害,这与人们的防范能力是否有力及调度措施等是否得当有关。不管怎样,暴雨与洪涝灾害形成的关系十分密切,认识暴雨的规律和成因,并开展积极的预报,对于抗御洪灾减少损失有着极为重要的意义。
1.2 暴雨洪涝灾害暴雨洪涝灾害主要是指因大雨、暴雨或长期降雨量过于集中而产生大量的积水和径流,排水不及时,致使土地、房屋等渍水、受淹而造成的灾害,主要有以下特点:雨强大、范围广、历时长,洪水量级高、洪灾损失重、突发性强,先兆特征不明显,落区离散,时空分布不均等。
暴雨洪涝灾害是我国的主要气象灾害之一,几乎每年都给国民经济和人民财产造成巨大损失,多发生在中部和东部沿海经济较发达的地区,成为工农业生产发展的主要制约因素之一。冯强等(2001)研究指出,暴雨洪涝灾害不仅在其发生过程中会对灾区人民的生命财产造成直接损失,而且灾后仍然会对社会经济产生较长期的影响,即灾害具有后效效应。因此,我们要进一步开展对暴雨洪涝灾害的研究,不但要研究其发生的原因,还要充分运用现代化科学手段,加强对暴雨的监测和预报,不断提高暴雨预报准确率,及时预报可能产生的暴雨洪涝灾害,对其可能造成的损失进行预评估和灾后及时评估,为减灾防灾提供可靠的科学依据。
2 暴雨洪涝灾害预报研究进展暴雨和大暴雨是导致洪涝灾害发生的主要原因,但并不见得出现了大暴雨,就一定会产生洪涝灾害。洪涝灾害的产生与当时的河湖蓄水量、客水量、径流量等要素均密切相关,因此洪涝预报有别于暴雨预报,但洪涝预报必须要建立在暴雨预报的基础上。
2.1 预报方法在科技发展及各类科技产品尚未成熟的早期,大多采用数值统计方法来预测暴雨洪涝灾害,如回归分析方法、灰色拓扑预测理论等。这类方法通常通过数值统计,建立时间序列同暴雨洪涝灾害各要素如受灾面积之间的简单函数关系,预测出曲线未来变化趋势,得出未来若干年的旱涝状态趋势。这种数值统计方法对资料的要求不太严格,要求的样本量也不大,少数几个有代表意义的样本也可以做预测,比较适应于灾害分析中资料不足的情况;但同时,这种预测方法精度不高,有预测意义的数据仅仅是当前状态后的一两个数据,其他更远的数据不是预测数据,而是更偏向于规划性数据,可以认为预报时效越长,通过此种方法预测数据的预测意义越小。
目前,在我国的暴雨洪涝灾害预报中,水文模型是最重要的依据之一,因此,选择一个恰当的模型对洪水的准确模拟非常重要。我国所采用的水文预报模型主要有我国自行研制开发的新安江模型、双超产流模型、河北雨洪模型、姜湾径流模型等,以及从国外引进的模型主要有Tank、Sacramento和SMAR等模型(丁一汇等,2009)。
2.1.1 经验模型经验模型又叫黑箱模型,是一种早期开发的用于暴雨洪涝模拟的数学模型,基于传输函数,几乎没有任何物理意义。它将所研究的流域或区间视作一种动力系统,利用输入(一般指降雨量或上游干支流来水)与输出(一般指流域控制断面流量)资料,建立某种数学关系;然后就可由新的输入推测输出。这种模型只关心模拟的精度,而不考虑输入—输出之间的物理因果关系。系统模型有线性和非线性,单输入单输出,多输入单输出,多输入多输出等多种类型。其中具备代表性的模型有:简单线性模型(SLM)、线性扰动模型(LPM)、约束线性系统模型(CLS)、线性可变增益因子模型(VGFLM)、Volterra函数模型、多输入简单线性模型(MISLM)、多输入线性扰动模型(MILPM)、神经网络模型(ANN)等(崔春光等,2011)。
2.1.2 水动力学物理模型随着对暴雨洪涝过程的特性与成因进行进一步的模拟,水文模型由最初相对简单的经验性和概念性模型慢慢发展到复杂的水动力学模型,包括:水量水质耦合模型,QS模型,Wallingford模型,SWMM模型,MIKE-SWMM模型以及HSPF模型等。这些模型可建立适用于研究区域的面雨量与河流实时水文特征(流量、水位等)的定量关系,来实时模拟降水致洪过程。
2.1.3 集总概念模型集总概念性模型将流域作为一个整体来描述或者模拟降雨径流形成过程,它所利用的是一些简单的物理概念和经验关系,将物理现象进行合理概化。由于具有一定的物理基础,结构简单,对输入资料要求不高,因此,在近几十年里发展很快,并在实际应用中得到大量的使用。很多流域水文模型都属于概念性水文模型,如由Craford和Linsley提出的斯坦福模型,营原正己提出的水箱模型(Tank),美国天气局Sitten提出的API模型,Bernash提出的萨克门托模型,爱尔兰国立大学工程水文系研制的SMAR模型,国内由赵人俊教授提出的新安江模型,意大利Todini提出的Arno模型等。这些模型目前仍然是主流的洪水预报模型,并且在一定时期内还会继续发挥作用(崔春光等,2011)。
但是随着人们对流域水文过程研究的不断深入,集总型洪水预报模型的不足日益明显,主要表现集总式水文模型对流域空间特性进行了概化,因此不能反映实际暴雨洪水产汇流的空间分布特性,无法全面地刻画水文系统分散输入集中输出的产汇流规律,也就给洪水预报带来误差,影响了洪水预报的精度。同时,模型很多参数靠优选获得,对实测资料依赖性很大。因此,集总概念模型具有自身不可克服的缺点。
2.1.4 分布式水文模型从20世纪90年代中期以来,随着卫星遥感、数字雷达测雨技术以GIS技术的完善和高速发展并进入科技领域,分布式水文模型作为一类新的流域水文模型得到了快速发展。
分布式流域水文模型是按流域各处气候信息和下垫面特性要素信息的不同,将流域划分为若干小单元,在每个单元上用一组参数反应其流域特性,具有从机理上考虑降雨和下垫面条件空间分布不均匀对流域降雨径流形成影响的功能。与传统的集总式水文模型相比,分布式模型用严格的数学物理方程表述水文循环的各子过程,参数和变量中充分考虑空间的变异性,并考虑不同单元间的水平联系,能描述水文循环的时空变化过程,同时可以及时地模拟人类活动和下垫面因素变化对流域水文循环过程的影响,因此可以更加真实地模拟流域产汇流过程的空间变化。
国内分布式水文模型的研究起步较晚。20世纪90年代以来,随着GIS软件的迅速发展,在国家自然科学基金的支持下,我国一些学者进行了探索性的研究工作。尽管起步较晚,但也取得了一定的成果,其中包括郭生练等(2000)提出的基于DEM的分布式流域水文物理模型、任立良(2000)进行的流域数字水文模型研究、杨大文等(2004)对分布式水文模型在大流域中的适用性研究以及薛红喜等(2007)进行的大尺度分布式水文模型研究等。
分布式水文模型的建立需要大量高精度数据支撑,缺乏足够数量和质量的试验数据时无法建立。传统地面观测站网的密度远不能满足模型对数据的要求(姜尚堃等,2013)。遥感数据凭借其高速、稳定、连续、精确、及时、动态、可重复、范围广等优势,在分布式水文模型中被广泛应用。目前遥感技术在分布式水文模型中的应用主要有两个方面:(1)直接估算和测定如研究区降雨量与实际面积等水文变量与水文参数。(2)利用反演机制,通过遥感技术实时获取地表波谱特征,从而对当地陆面温度及蒸散发、土壤水分和河川径流、叶面积指数、土地实际覆盖面积等相关水文参数进行推求(杨光等,2013)。
就遥感手段定量估计降水而言,主要是利用雷达或卫星资料,具有覆盖范围广、资料获取简单快速等优点,利用大气中降水粒子对电磁波散射与吸收的作用,收集电磁波回波数据,对回波信号进行分析,利用计算机分析确定降水粒子的后向散射能量,从而计算出降水量。雷达估测降水的方法主要有:Z-R关系法、平均校准法、卡尔曼滤波校准方法和最优插值联合校准法等(彭涛等,2014)。目前使用较多的有双偏振多普勒天气雷达,国外对双偏振雷达研究较早,且已取得很好的研究成果,目前我国也不断开展双偏振雷达的研制或研究工作,也取得了一些有意义的成果。
在分布式模型构建中,可利用上述遥感技术收集到的水文信息,对水文模型设置相应的参数,从而更加合理、精确地模拟研究区域的水文循环过程。
2.2 水文气象耦合洪水预报追求的是高精度和预见期长,仅仅依赖河道洪水预报与降雨径流预报方法, 预报预见期通常很短, 难以满足流域防洪减灾的实际要求。此时, 在洪水预报中引入预见期内的定量预报降水, 采用气象水文耦合的方法定量预报洪水, 是延长洪水预报有效预见期的最好措施。
2.2.1 水文气象耦合技术在遥感技术和数值预报理论和方法未引入水文水资源时,国内把由地面雨量计测得的降雨数据作为水文模型的输入。确切地掌握降水量的空间分布是使用分布式水文模型的重要先决条件,但传统的定点测雨的雨量站难以给出复杂多变的降水空间分布。20世纪90年代以来,随着遥感、数值天气预报等现代技术在水文预报领域的推广应用,以及水文理论和方法的不断发展,基于水文气象耦合的洪水预报正成为当前流域暴雨洪水预报技术研究和发展的方向(包红军等,2016)。
目前,常用的水文气象耦合的洪水预报方法主要有雷达定量降水估算(QPE)与洪水预报的耦合和模式预报降水(QPF)与洪水预报的耦合。
雷达估算降水有时空分辨率高的优点,可以比较客观地反映降水量相对大小的分布趋势。李致家等(2004)将雷达降雨数据作为水文模型的输入用于洪水预报中,对史灌河流域蒋家集站径流过程进行模拟, 并与雨量计估测降雨模拟的径流过程对比,结果表明,雷达测雨在洪水预报中具有广泛的应用前景。彭彭涛等(2010)分别利用未校准和校准后的雷达估算降水量输入新安江模型进行湖北省白莲河流域洪水预报,发现未校准雷达估算降雨量直接输入水文模型, 其结果是不理想的,而使用校准后降雨量输入时,预报精度得到了很大提高。
随着数值预报成为暴雨预报实现定点、定时和定量的科学手段,定量降水预报(QPF)应用于水文预报模型是被水文气象学界普遍认同的发展方向之一,也是目前研究的热点难点。宋星原等(2007)应用AREM模式预报降水驱动新安江蓄满产流模型, 延长了白莲河流域洪水预报预见期。郭生练等(2009)集合了传统预报模式、人工预报与VIC耦合模式以及MM5与VIC耦合模式,开发了基于气象模式的汉江流域洪水预报系统。崔春光等(2010)利用中尺度数值模式(AREM模式)的预报降雨信息, 作为洪水预见期内的降雨, 输入新安江模型,提高了湖北省漳河水库流域洪水预报结果。这些研究表明,定量降水预报应用于水文预报模型具有较高的预报精度和较长的预见期。
2.2.2 水文气象耦合不确定性洪水的发生与发展取决于复杂的气象因素和地理因素, 是一个相当复杂的动态过程, 因此导致了洪水预报不确定性的来源十分复杂。在我们使用水文耦合预报方法进行洪水预报时,无论采用何种降水预报、哪种水文模型都会不可避免地产生预报的不确定性问题, 这种不确定性主要来自三部分: (1)水文气象现象的随机性与模糊性; (2)水文模型输入误差; (3)水文模型的结构误差(包红军等,2016)。
对于洪水预报而言,输入的不确定性主要来源于预见期内的降水量。将降水集合预报产品引入水文预报领域,拓展了水文不确定性预报的新方法,能将单一的确定性预报转化为可能发生范围的预报,获取更多的水文预报信息,提高了水文预报结果的可靠性,能更好地满足防洪减灾对风险信息的需求。目前国际主要的水文气象预报中心先后采用集合数值预报与洪水预报模式耦合的这一技术路线作为洪水预报的主要技术支撑(赵琳娜等, 2014)。
现行流域水文模型的结构误差,可以在实际应用中, 借助计算机的优势, 不断调整模型参数组合可能有多个最优参数组所获得的输出具有相同的拟合精度。但是, 预报者在作业预报时往往只从中选择认为是最优的一组参数来进行预报, 被称为“异参同效”。
Krzysztofowicz(1999)将洪水预报的不确定性分为降雨预报的不确定性和水文模型的不确定性,并提出贝叶斯概率洪水预报理论。我国于20世纪90年代开始在洪水预报中引入贝叶斯理论分析不确定性,并取得了相应进展。张洪刚(2005)着重研究并探讨了概念性流域水文模型参数优选技术以及贝叶斯概率水文预报系统的建模与应用后发现,气象水文耦合概率预报在提高洪水预报精度的同时还可提供基于风险分析的信息。目前,概率气象水文预报是研究洪水预报不确定性问题的核心,也是国内外研究洪水预报中气象水文耦合不确定性的热点。
2.3 实时洪水预报由于暴雨洪涝灾害通常发生突然,影响范围大,灾害损失严重,因此做好针对暴雨洪涝灾害的实时动态评估,对暴雨洪涝的早期预警以及防灾减灾措施的及时制定和实施显得尤为重要,利用水文模型进行洪水预报是一种常用的实时预报方法。
洪水预报方案都是根据以往的实测资料制定的,当用于作业预报时,若实际情况偏离过去确定方案的状态,就使预报结果发生偏差。因此,利用作业预报过程中随时得到的这些最新信息,恰当地调整下一步用预报方案推算的数值或采用的参数,将会提高预报精度,称这样的预报为实时预报。
实时洪水预报系统是由两部分组成的, 其一是水文预报模型, 它从根本上决定了水文模型能否最佳地模拟所研究对象的水文物理过程, 刻画水文系统变化的动态规律; 其二是实时校正方法, 它将进一步提高模型的预报精度, 使预报系统臻于完善。
预报总是有误差的,对于实时洪水预报, 由于上述种种原因, 预报误差更不可忽视。发布实时洪水预报之前, 对预报值进行误差实时校正十分必要。通常使用的实时校正方法有卡尔曼滤波法、递推最小二乘法、误差自回归法和自适应算法等。这些实时校正方法的共同特点是, 能实时地处理水文系统最新出现的预报误差, 并以此作为修正预报模型参数或状态或预报输出值的依据, 从而使预报系统迅速适应现时的状况(芮孝芳,2001)。
陈捍华等(2005)针对流域洪水预报系统,将智能算法与传统的水文预报方法相结合, 在水文预报模型参数自动率定、实时洪水校正两方面进行了尝试, 并建立了相应的模型, 经过流域长系列水文资料检验和应用,获得了满意的结果, 为实时洪水预报开辟了新的途径。同时,在进行实时洪水预报时,要求根据实际观
测值和模型预报值产生的预报误差信息,运用现代科学技术及时地校正和改善原有模型参数或预报值,使预报误差尽可能减小。预报过程中,既要依据以往的资料,也要依据新资料,不应在所有预报时段中都用固定不变的模型结构或模型参数(覃光华等,1999)。
实时洪水预报是一种反馈式结构模型, 把现时输出和过去实测输出结合起来,强调的是动态过程,需要实时水情、雨情、气象信息,因而要求各项水文数据能够进行实时校正,同时,需要充分利用现代化信息手段,如雷达测雨、卫星遥感、地理信息系统等,保证各种要素时间或空间变化的实时性和准确性,为洪水实时预报和暴雨洪涝灾害预报提供可靠数据和决策依据。
随着现代气象业务的发展,国家气象中心、武汉暴雨所等单位立足于基于雷达定量降水估算(QPE)、定量降雨预报(QPF)、集合降水预报技术、开展水文预报模型和水文气象耦合的实时洪水预报技术研发,设计研发了融合多源降水信息的小流域分布式水文物理模型,流域水文气象实时预报系统,并实现了与气象信息综合分析处理系统(MICAPS)有机融合,成功应用于三峡库区、淮河王家坝、清江水布垭等12个流域以及国家山洪地质灾害防治气象保障工程项目中(彭涛等,2014)。
3 结论与展望洪水预报最终目的是提高预报精度与延长洪水预报的有效预见期,为防洪减灾赢得更多的应急响应时间。暴雨是导致洪水的根本原因,洪水预报必然是降水预报的延续。因此,只有将降水预报与洪水预报衔接起来,才能有效地增长洪水预报的预见期,更好地应对暴雨洪涝灾害。
随着现代遥感遥测技术、通讯技术、地理信息系统技术以及计算机技术的快速发展,我国的暴雨预报在雷达卫星估算降雨技术和定量降雨预报准确率等多方面都得到了很大提升。基于水文气象耦合的洪水预报也取得了长足进步,使得洪水预报的精度与有效预见期得到了一定的提高。
但是也还存在不少问题,洪水预报面临着所使用的流域水文模型研制所依据的物理机制比较粗糙的问题,目前较为流行的流域水文模型几乎都是概念性的。这种概念性和“黑箱子”流域水文模型也许能满足规划设计要求,但作为洪水预报方法就存在明显的不足(芮孝芳,2019)。而且,目前我国水文观测技术依然落后,一些基础数据由于人为因素或者自然因素的限制而无法获得,限制了初始场精度的提高,也在一定程度上限制了洪水预报的精度。同时,水文气象耦合预报洪水的不确定性一直是气象水文耦合预报中的研究难点。
针对分布式水文模型的物理过程、数学处理方法以及数据不足等问题,可以从提高对遥感数据的利用能力及与GIS功能耦合程度着手,获取更多的信息源,并且,更多考虑水文模型的尺度问题。同时,加强洪水预报与气象预报的集成耦合技术研究,考虑到水文气象耦合预报洪水的不确定性的主要来源,则需要进一步提升短期定量降水预报的精度,或者利用集合预报来考虑和解决降水预报的不确定性。综合考虑降水预报、流域水文模型参数与结构的不确定性的贝叶斯理论对于解决洪水预报的不确定性也有重要借鉴(包红军等,2016)。实时洪水预报方面,模型参数率定和洪水实时校正是实际洪水预报中非常重要和核心的工作。这些都需要气象、水文工作者和科研人员持之以恒地不断努力。
包红军, 王莉莉, 沈学顺, 等. 2016. 气象水文耦合的洪水预报研究进展[J]. 气象, 42(9): 1045-1057. |
崔春光, 彭涛, 沈铁元, 等. 2010. 定量降水预报与水文模型耦合的中小流域汛期洪水预报试验[J]. 气象, 36(12): 56-61. DOI:10.7519/j.issn.1000-0526.2010.12.008 |
崔春光, 彭涛, 殷志远, 等. 2011. 暴雨洪涝预报研究的若干进展[J]. 气象科技进展, 1(2): 32-37. |
陈捍华, 李培蕾. 2005. 流域洪水预报系统及其关键问题研究[J]. 水利科技与经济, 11(2): 93-96. DOI:10.3969/j.issn.1006-7175.2005.02.011 |
丁一汇, 张建云. 2009. 暴雨洪涝[M]. 北京: 气象出版社, 113-230.
|
冯强, 陶诗言, 王昂生, 等. 2001. 暴雨洪涝灾害对社会经济和人民生活的影响分析[J]. 灾害学, 16(3): 44-48. |
姜仁贵, 韩浩, 解建仓, 等. 2016. 变化环境下城市暴雨洪涝研究进展[J]. 水资源与水工程学报, 27(3): 11-17. |
郭生练, 熊立华, 杨井, 等. 2000. 基于DEM的分布式流域水文物理模型[J]. 武汉水利电力大学学报, 33(6): 1-5. DOI:10.3969/j.issn.1671-8844.2000.06.001 |
郭生练, 张俊, 郭靖, 等. 2009. 基于气象模式的汉江流域洪水预报系统[J]. 水利水电科技进展, 29(3): 1-5. |
贾显锋, 丁治英, 刘国忠. 2007. 柳江致洪暴雨及其影响系统统计特征分析[J]. 气象研究与应用, 28(S1): 40-43. |
姜尚堃, 李飞, 陈立峰. 2013. 遥感技术在分布式水文模型中的应用研究进展[J]. 水资源与水工程, 24(1): 174-180. |
寇蕾蕾, 李应超, 楚志刚, 等. 2018. C波段双偏振多普勒天气雷达资料分析及在定量估计降水中的应用研究[J]. 热带气象学报, 34(4): 460-471. |
李翠金. 1996. 中国暴雨洪涝灾害的统计分析[J]. 灾害学, 11(1): 59-63. |
李致家, 刘金涛, 葛文忠, 等. 2004. 雷达估测降雨与水文模型的耦合在洪水预报中的应用[J]. 河海大学学报(自然科学版), 32(6): 601-606. DOI:10.3321/j.issn:1000-1980.2004.06.001 |
彭涛, 宋星原, 殷志远, 等. 2010. 雷达定量降水估算在水文模式汛期洪水预报中的应用试验[J]. 气象, 36(12): 50-55. DOI:10.7519/j.issn.1000-0526.2010.12.007 |
彭涛, 沈铁元, 高玉芳, 等. 2014. 流域水文气象耦合的洪水预报研究及应用进展[J]. 气象科技进展, 4(2): 52-58. |
覃光华, 王建华, 赵英林. 1999. 实时洪水预报研究综述及展望[J]. 城市道桥与防洪, 27(4): 35-39. |
任立良. 2000. 流域数字水文模型研究[J]. 河海大学学报(自然科学版), 28(4): 1-7. |
芮孝芳. 2001. 洪水预报理论的新进展及现行方法的适用性[J]. 水利水电科技进展, 21(05): 1-4;69. |
芮孝芳, 黄国如. 2004. 分布式水文模型的现状与未来[J]. 水利水电科技进展, 24(2): 55-58. DOI:10.3880/j.issn.1006-7647.2004.02.019 |
芮孝芳. 2019. 数值天气预报的成功经验对洪水预报的启示[J]. 水利水电科技进展, 39(1): 5-10. |
宋星原, 李允军, 余海燕, 等. 2007. AREM模式预报技术在洪水预报中的应用[J]. 武汉大学学报(工学版), 40(3): 1-4. |
温娅惠, 李致家, 孙明坤, 等. 2019. 降雨输入对实时洪水预报精度与预见期的影响[J]. 湖泊科学, 31(1): 39-51. |
吴险峰, 刘昌明. 2002. 流域水文模型研究的若干进展[J]. 地理科学进展, 21(4): 341-348. DOI:10.3969/j.issn.1007-6301.2002.04.007 |
薛红喜, 何江, 樊庆云, 等. 2007. 大尺度分布式水文模型数字流域提取方法研究[J]. 地理科学进展, 26(1): 68-76. DOI:10.3969/j.issn.1007-6301.2007.01.007 |
徐影, 张冰, 周波涛, 等. 2014. 基于CMIP5模式的中国地区未来洪涝灾害风险变化预估[J]. 气候变化研究进展, 10(4): 268-275. DOI:10.3969/j.issn.1673-1719.2014.04.007 |
叶帮苹, 刘晨雨, 毛天韵, 等.2012.暴雨洪涝灾害预报预警服务系统设计与实现[C]//S12水文气象、地质灾害气象预报与服务.中国气象学会会议论文集
|
杨大文, 李翀, 倪广恒, 等. 2004. 分布式水文模型在黄河流域的应用[J]. 地理学报, 59(1): 143-154. DOI:10.3321/j.issn:0375-5444.2004.01.018 |
杨光. 2016. 分布式水文模型构建中遥感技术的应用[J]. 黑龙江水利科技, 44(11): 94-97. DOI:10.3969/j.issn.1007-7596.2016.11.033 |
殷骏.2003.水文学与水动力学耦合的洪水预报模型[D].南京: 河海大学
|
於琍, 徐影, 张永香. 2018. 近25 a中国暴雨及其引发的暴雨洪涝灾害影响的时空变化特征[J]. 暴雨灾害, 37(1): 67-72. DOI:10.3969/j.issn.1004-9045.2018.01.009 |
张洪刚.2005.贝叶斯概率水文预报系统及其应用研究[D].武汉: 武汉大学
|
赵琳娜, 刘莹, 党皓飞, 等. 2014. 集合数值预报在洪水预报中的应用进展[J]. 应用气象学报, 25(6): 641-653. |
章淹. 1995. 致洪暴雨中期预报进展[J]. 水科学进展, 6(2): 162-168. DOI:10.3321/j.issn:1001-6791.1995.02.013 |
Krzysztofowicz. 1999. Bayesian theory of probabilistic forecasting via deterministic hydrologic model[J]. Water Resources Research, 35(9): 2739-2750. DOI:10.1029/1999WR900099 |