美國洪水預(yù)報(bào)及預(yù)警系統(tǒng)發(fā)展概況

申請免費(fèi)試用、咨詢電話：400-8352-114

簡介： 美國在防御洪澇災(zāi)害的手段方面較為先進(jìn)。突發(fā)洪水研究、雷達(dá)預(yù)警、洪水預(yù)報(bào)、洪水量化預(yù)報(bào)、面向流域可能的河流洪水預(yù)報(bào)及洪水預(yù)警系統(tǒng)是美國在洪水預(yù)報(bào)領(lǐng)域的研究成果。通過對美國洪水預(yù)報(bào)研究的了解,確定洪水預(yù)報(bào)研究今后發(fā)展趨勢。
關(guān)鍵字：防洪 洪水預(yù)報(bào) 預(yù)警

洪水被認(rèn)為是世界范圍內(nèi)的最頻繁和最具毀滅性的自然災(zāi)害之一。僅美國,就有兩萬多個(gè)洪水多發(fā)區(qū)域,其中3000個(gè)在國家氣象局的洪水預(yù)報(bào)范圍內(nèi),1000個(gè)有當(dāng)?shù)氐暮樗A(yù)警系統(tǒng),其余的有縣一級預(yù)報(bào)系統(tǒng)。災(zāi)害洪水頻繁發(fā)生時(shí),洪水預(yù)測并及時(shí)發(fā)出預(yù)警對于減災(zāi)意義重大。

　　一、在瞬時(shí)突發(fā)洪水預(yù)報(bào)研究方面

　　美國發(fā)展了三種降雨模型,即簡單被動模型、簡單分布模型及復(fù)雜分布模型。

　　根據(jù)模擬的計(jì)算結(jié)果可得出如下結(jié)論:降雨的空間分布是瞬時(shí)突發(fā)洪水的基本參數(shù),逐漸遞減的增長規(guī)律適用于各種水文模型,降雨預(yù)報(bào)是可靠預(yù)警和超前預(yù)報(bào)的前提,應(yīng)集中有限的資源用在預(yù)報(bào)的空間均值和降水的時(shí)間分布上,而不是點(diǎn)降水值的預(yù)報(bào)上。

　　二、在雷達(dá)估計(jì)降雨方面的研究

　　1.氣象雷達(dá)系統(tǒng)

　　由160個(gè)雷達(dá)組成的新一代多普勒氣象雷達(dá)系統(tǒng),不斷擴(kuò)大降雨在探測暴雨、估計(jì)降雨范圍、降雨強(qiáng)度、最終預(yù)報(bào)上游洪水和瞬時(shí)洪水等領(lǐng)域的視野。研究表明,用雨量測站記錄的降雨值和雷達(dá)估計(jì)值進(jìn)行洪水預(yù)報(bào)最接近觀測值。

　　2.雷達(dá)掃描系統(tǒng)

　?、儆每萍际侄螌⒔涤陞^(qū)域內(nèi)的雷達(dá)圖像分解成平面的等值線圖,并由雷達(dá)圖像追蹤暴雨的時(shí)空變化,最后將這一變化按指數(shù)趨勢對未來狀態(tài)進(jìn)行描述。將描述性的等值線圖按超前時(shí)間重新組合,便形成了特定區(qū)域的降雨預(yù)報(bào)圖。這項(xiàng)技術(shù)有望從一場暴雨過去的雷達(dá)數(shù)據(jù)獲得直到30min的超前預(yù)報(bào)時(shí)間。美國還運(yùn)用該模型對100～1000km2規(guī)模的河流進(jìn)行超前1h的面積均值預(yù)報(bào)。此雷達(dá)降雨預(yù)報(bào)方式可大幅度降低預(yù)測誤差,增加預(yù)報(bào)的準(zhǔn)確性。

　?、谑褂美走_(dá)降雨預(yù)報(bào)的雙單元模型估計(jì)暴雨軌跡。其基本假設(shè)是把最終降水作為時(shí)空函數(shù)等于時(shí)間平均值和時(shí)空變值之和。其中一個(gè)模型是借助雷達(dá)數(shù)據(jù)、地表溫度測量、凝結(jié)點(diǎn)和凝結(jié)氣壓、環(huán)境溫度的無線電測候特征曲線和水的蒸發(fā)密度等預(yù)報(bào)降雨的平均值。利用統(tǒng)計(jì)自動遞減模型進(jìn)行降雨變值預(yù)測。運(yùn)用修飾模型求得預(yù)測降水值。計(jì)算結(jié)果表明,模型在預(yù)報(bào)持續(xù)降雨(假設(shè)當(dāng)時(shí)觀測的降雨要持續(xù)1h)方面結(jié)果不錯(cuò),甚至某種程度上要好于傳輸模型預(yù)測。其他的研究表明,將水汽運(yùn)動的物理參數(shù)、衛(wèi)星及地表數(shù)據(jù)加上一些限制性信息綜合起來,將其用于預(yù)報(bào)要好于雷達(dá)掃描估計(jì)暴雨軌跡作出的預(yù)報(bào)結(jié)果。

　　三、在江河干流洪水預(yù)報(bào)方面

　　美國國家氣象中心使用河流預(yù)報(bào)系統(tǒng)(NWSRFS)預(yù)報(bào)上游洪水。這個(gè)系統(tǒng)由三個(gè)概化模型組成:空間被動降雨產(chǎn)流模型、被動土壤濕度描述模型、非常態(tài)線性水庫泄流及河道洪水演進(jìn)模型。氣象中心擴(kuò)展Kalman過濾器的使用范圍,假設(shè)預(yù)報(bào)不確定性因素主要來自模型參數(shù)估計(jì)錯(cuò)誤和用于模型輸入的觀測性錯(cuò)誤,發(fā)展了用于估計(jì)概化水文模型參數(shù)的全球優(yōu)化程序,大大地簡化了洪水預(yù)報(bào)手段。該演變方法通常要對13個(gè)土壤濕度計(jì)算模型參數(shù)值優(yōu)化結(jié)果進(jìn)行測試,雖然測試被限制在一定的范圍內(nèi),但此方法比多起點(diǎn)簡化法好,使水文專家用自動化的解析程序替代冗長枯燥的參數(shù)估計(jì)工作成為可能。

　　四、關(guān)于洪水量化預(yù)報(bào)發(fā)展方向

　　美國國家氣象中心(NMC)和美國國家天氣服務(wù)中心技術(shù)發(fā)展實(shí)驗(yàn)室開發(fā)了一系列洪水量化預(yù)報(bào)法。一系列新的量化預(yù)報(bào)主導(dǎo)產(chǎn)品包括使用統(tǒng)計(jì)解釋技術(shù)的對流模型、大規(guī)模動力模型及全球動力模型。數(shù)據(jù)輸出生成三個(gè)系列量化預(yù)報(bào)產(chǎn)品,即預(yù)報(bào)超前時(shí)間為0～3h、1～20h和6h～10d預(yù)報(bào)。預(yù)報(bào)在美國內(nèi)陸600多個(gè)地方對給定的超過某一特定值的降水,進(jìn)行概率確定;當(dāng)然也包括對預(yù)期的降水值進(jìn)行估計(jì)。這些量化預(yù)報(bào)產(chǎn)品的主要優(yōu)點(diǎn)在于可以告訴預(yù)報(bào)人員相關(guān)的不確定性概率格式,用于突發(fā)洪水預(yù)警的空間解析度從2km到20km,用于干流洪水預(yù)報(bào)的為40～80km,預(yù)報(bào)更新頻率快至對突發(fā)洪水每10min一報(bào),干流洪水預(yù)報(bào)每天報(bào)2～4次。

　　五、流域可能洪水量化預(yù)報(bào)

　　洪水預(yù)報(bào)中,主要是降水預(yù)報(bào)。新技術(shù)發(fā)展的下一步目標(biāo)是允許預(yù)報(bào)人員估計(jì)不確定性的程度,幫助他們把天氣預(yù)報(bào)規(guī)則和將不確定性量化的概率分析結(jié)合起來,形成一個(gè)能用于多元信息判斷過程并能自動完成解析計(jì)算過程的模式。預(yù)報(bào)變量變化不定,主要表現(xiàn)在:特定時(shí)段內(nèi)流域的平均降水值,在劃分的時(shí)段內(nèi)由時(shí)段總降水量分解降水分量。分量的取樣空間是單一的,同時(shí)假設(shè)在統(tǒng)計(jì)意義上獨(dú)立于總量。所以,有必要在理論和實(shí)際應(yīng)用間尋找妥協(xié),闡明分解了的預(yù)報(bào)格式為:隨機(jī)分量是某一特定的時(shí)段內(nèi)全流域降水量與平均降水量的差值函數(shù),固定分量則為降水總量按時(shí)段劃分后的期待時(shí)間分部矢量。該方法采用人機(jī)交互預(yù)報(bào)系統(tǒng),其主要由引導(dǎo)預(yù)報(bào)人員進(jìn)行分析的判斷過程與判斷結(jié)果相應(yīng)的估計(jì)程序組成,最終將數(shù)據(jù)輸入對服務(wù)區(qū)內(nèi)的所有河流進(jìn)行水情預(yù)報(bào)。輸入以圖形或字母數(shù)字格式,同時(shí)包含分配給每一等值線圖的三個(gè)超量降水均分值的空間平均降水分布圖、細(xì)分帶及分配給每一分布帶的分部矢量。

　　六、洪水預(yù)警系統(tǒng)

　　從20世紀(jì)70年代至80年代初,美國就由許多研究人員共同努力奠定了洪水預(yù)警系統(tǒng)科學(xué)研究的基礎(chǔ)。其中,決策理論用于江河干流洪水預(yù)報(bào)響應(yīng)系統(tǒng)的?；驮u價(jià)是這一時(shí)期最重要的標(biāo)志。另一方面對瞬時(shí)洪水預(yù)警系統(tǒng)設(shè)計(jì)有廣泛的需求,同時(shí),提出了一系列改善國家水文服務(wù)的發(fā)展計(jì)劃。

　　1.多目標(biāo)決策技術(shù)被用于規(guī)劃和操作洪水預(yù)警系統(tǒng)

　　Bayesian理論被廣泛用于當(dāng)?shù)睾樗A(yù)警系統(tǒng)研究。傳統(tǒng)的計(jì)算預(yù)期年洪水損失是基于水位—損失關(guān)系和年洪峰概率分布曲線。為計(jì)算有防洪工程措施和洪水預(yù)警情況下預(yù)期年洪水損失,已在傳統(tǒng)方法的基礎(chǔ)上進(jìn)一步發(fā)展了用于預(yù)期年洪水損失計(jì)算方法。在研究中比較了四種可能方案:無任何措施,建有堤防,建有堤防同時(shí)安裝預(yù)警系統(tǒng),只安裝預(yù)警系統(tǒng)。比較在三方面進(jìn)行:平均年花費(fèi),預(yù)期年洪水損失,由高于T年(T=10～100)一遇洪峰造成的年損失的期望值。假設(shè)發(fā)出預(yù)警警報(bào)的決策依據(jù)是洪水水位的閾值 即當(dāng)預(yù)報(bào)洪峰超過某一值 ,并提出了用于確定閾值的模型。

　　2.Bayesian理論為突發(fā)洪水地區(qū)的預(yù)警系統(tǒng)模型化提供了一個(gè)方法論的框架和數(shù)學(xué)手段

　　這些模型可以用于進(jìn)一步改進(jìn)發(fā)出警報(bào)優(yōu)化決策方案,定量評估系統(tǒng)運(yùn)行情況,計(jì)算系統(tǒng)的預(yù)期經(jīng)濟(jì)效益。洪水預(yù)警系統(tǒng)可分為監(jiān)測、預(yù)報(bào)和決策三部分。監(jiān)測部分由診斷和可靠性參數(shù)決定其性能。洪水特性主要由預(yù)報(bào)前洪峰高度和到達(dá)洪峰的時(shí)間決定;在洪峰預(yù)報(bào)過程中,預(yù)報(bào)部分的特性則由一組實(shí)際洪峰的可能性函數(shù)決定。決策部分特性由不利函數(shù)決定,用其量化洪水災(zāi)害結(jié)果的相對不利因素(如財(cái)產(chǎn)和生命損失)為最終決策提供一預(yù)期標(biāo)準(zhǔn)。

　　該理論可將輸入值轉(zhuǎn)化為三個(gè)基本的輸出值:

　　①提供優(yōu)化的預(yù)警方案,根據(jù)洪峰的不完全預(yù)報(bào)決定是否發(fā)布警報(bào)。

　?、谝粋€(gè)用于描述應(yīng)用相對特性的值,它可以告訴已知系統(tǒng)在成功預(yù)報(bào)和失敗預(yù)報(bào)可能性兩者間關(guān)系是否合理。

　?、蹜?yīng)用的實(shí)用化程度。應(yīng)用的實(shí)用化程度是指一給定系統(tǒng)的年花費(fèi)和其為一特定的保護(hù)區(qū)所提供的潛在的價(jià)值。從決策者角度看,監(jiān)測、預(yù)報(bào)模型量化與操作預(yù)警系統(tǒng)的不確定因素相關(guān)。在洪峰預(yù)報(bào)中,量化的關(guān)鍵部分是Bayesian預(yù)報(bào)處理器(BPF),它給出關(guān)于洪水發(fā)生及洪峰高度等不確定因素的跟隨描述。在應(yīng)用Bayesian預(yù)報(bào)處理器(BPF)過程中的一個(gè)嚴(yán)峻挑戰(zhàn)是如何對可能性函數(shù)、跟隨分布的派生值的生成和計(jì)算進(jìn)行模型化,特別是當(dāng)洪峰的前部分布不在特定可能性模型變化各異的樣本中時(shí)。

　　3.Bayesian預(yù)報(bào)處理器(BPF)提供了研究控制性工程和預(yù)報(bào)相結(jié)合的綜合效果的基本輪廓

　　大壩不僅改變了洪水水流的自然狀態(tài),而且也改變了洪水水流的預(yù)見性。這些變化影響洪水發(fā)生后的概率值和洪峰的分布。Bayesian關(guān)于洪水預(yù)警系統(tǒng)方面的理論需要在以下三個(gè)方面進(jìn)一步研究:

　　①發(fā)展細(xì)化模型和評價(jià)方法,以便對根據(jù)某一區(qū)域的調(diào)查數(shù)據(jù)就可以評估不利方程這一方面進(jìn)行廣泛的研究,為在實(shí)際設(shè)計(jì)、操作和運(yùn)行評價(jià)以及效益比分析提供指導(dǎo)。

　?、趯⒃摾碚搼?yīng)用到河流水位概率預(yù)報(bào)是可行的。

　　③降水預(yù)報(bào)是一門經(jīng)驗(yàn)科學(xué),通常需要實(shí)踐以改進(jìn)研究目標(biāo)。未來將朝著單元向系統(tǒng)集成方面發(fā)展,通過優(yōu)化集成所有的描述性信息,提高水文氣象科學(xué)和應(yīng)用的社會效益,將洪水預(yù)報(bào)和預(yù)警決策、緊急救災(zāi)計(jì)劃優(yōu)化組合,一定能在改善預(yù)報(bào)能力方面取得豐碩的研究成果。