耦合TIGGE降水集合預(yù)報的洪水預(yù)報

彭 勇，徐 煒，王 萍，油芳芳

(1. 大連理工大學(xué)建設(shè)工程學(xué)部，大連 116024；2. 重慶交通大學(xué)河海學(xué)院，重慶 400074)

耦合TIGGE降水集合預(yù)報的洪水預(yù)報

彭 勇1，徐 煒2，王 萍1，油芳芳1

(1. 大連理工大學(xué)建設(shè)工程學(xué)部，大連 116024；2. 重慶交通大學(xué)河海學(xué)院，重慶 400074)

耦合數(shù)值降水預(yù)報信息的洪水預(yù)報延長了預(yù)見期，為防洪調(diào)度贏得了寶貴的決策時間．但“單一”的降水預(yù)報具有較大的不確定性，即基于“單一”的降水預(yù)報所做出的調(diào)度決策可能不是優(yōu)化的，甚至可能會出現(xiàn)較大的偏差，因此在洪水預(yù)報中引入了降水集合預(yù)報信息來考慮相應(yīng)的降水不確定性．文中以桓仁水庫以上流域為試驗流域，將歐洲中期天氣預(yù)報中心(ECMWF)的降水集合預(yù)報數(shù)據(jù)驅(qū)動新安江模型，得到預(yù)報徑流的區(qū)間范圍，為決策者提供更多有用的風(fēng)險信息．計算結(jié)果表明，ECMWF降水集合預(yù)報可用于洪水預(yù)報，且能較好地描述洪水預(yù)報的不確定性．根據(jù)集合平均降水預(yù)報的特點，對集合平均降水?dāng)?shù)據(jù)進行了修正，并將修正后的集合平均數(shù)據(jù)驅(qū)動水文模型，其預(yù)報效果有了很大的改善．

TIGGE；降水集合預(yù)報；洪水預(yù)報；集合平均

受季風(fēng)氣候的影響，我國降水量年內(nèi)分配不均，這使得我國成為一個水災(zāi)害頻繁的國家．及時準確的洪水預(yù)報為防洪調(diào)度和防災(zāi)減災(zāi)提供了科學(xué)可靠的依據(jù)[1]．將數(shù)值預(yù)報引入洪水預(yù)報中，可以延長洪水預(yù)報的預(yù)見期，為防洪調(diào)度決策贏得寶貴的時間，從而在調(diào)度的過程中掌握主動權(quán)．?dāng)?shù)值天氣預(yù)報經(jīng)過長期的發(fā)展，其預(yù)報產(chǎn)品的精度已達到了一定的水平[2]．但由于數(shù)值模型的初始場以及模型本身具有不確定性，使得運用數(shù)值模型所得的“單一”降水預(yù)報存在著不確定性，即直接應(yīng)用“單一的”降水預(yù)報結(jié)果進行洪水預(yù)報具有較大的不確定性[3]．而集合預(yù)報系統(tǒng)考慮了初值以及數(shù)值模式中物理過程的不確定性[2-3]，其預(yù)報結(jié)果是一組可能值的集合，能為決策者提供更多有用的信息．

隨著集合預(yù)報理論及技術(shù)的發(fā)展，將集合預(yù)報產(chǎn)品應(yīng)用于洪水預(yù)報及預(yù)警等方面正成為研究的熱點[4-9]．Roulin等[7]將 ECMWF集合預(yù)報信息應(yīng)用于比利時兩個流域的洪水預(yù)報，使洪水預(yù)報預(yù)見期得到了延長且取得了較好的效果．然后，Roulin[8]以比利時兩個流域為例，首先采用BS評分方法對ECMWF發(fā)布的降水集合預(yù)報信息進行了評價，然后將成本損失決策模型用于洪水控制的決策與評價，結(jié)果表明基于ECMWF得到的預(yù)報結(jié)果優(yōu)于簡單的確定性預(yù)報. Verbunt等[9]將高分辨率的氣象集合預(yù)報系統(tǒng)與水文模型耦合對阿爾卑斯山脈萊茵河流域的概率徑流預(yù)報進行審查，與確定性氣象預(yù)報比較后探討了氣象集合預(yù)報的可利用性．Cloke等[10]使用ECMWF集合預(yù)報系統(tǒng)對 2002年 7、8月多瑙河極端洪水進行了預(yù)報，并以不同的評價方法對極端水文事件的預(yù)報結(jié)果進行評價，最后對各評價方法的效果進行了分析. Thirel等[11]指出基于 ECMWF集合預(yù)報的河川徑流預(yù)報對小洪水及大盆地預(yù)報效果較好．He等[12]利用TIGGE(THORPEX interactive grand global ensemble)數(shù)據(jù)庫的信息對英格蘭中部地區(qū)的 Severn上游流域的洪水進行預(yù)警．在我國，相應(yīng)的研究工作較少．彭濤等[13]用中尺度暴雨數(shù)值模式的集合降水預(yù)報產(chǎn)品驅(qū)動新安江水文模型，將“單一”的確定性預(yù)報轉(zhuǎn)化為一組預(yù)報值，豐富了預(yù)報信息，提高了水文預(yù)報的可靠性．李俊等[14]探討了集合預(yù)報技術(shù)在山洪預(yù)報領(lǐng)域的應(yīng)用前景，指出可利用集合平均和極值的預(yù)報值為不同山洪災(zāi)害的防治提供指導(dǎo)．包紅軍等[15]將4個氣象中心的集合降水預(yù)報數(shù)據(jù)應(yīng)用于洪水預(yù)報中，論證了集合降水預(yù)報數(shù)據(jù)用于洪水預(yù)報及早期預(yù)警的可行性．

本文在耦合數(shù)值降水信息的洪水預(yù)報研究成果分析的基礎(chǔ)上，采用 ECMWF發(fā)布的降水集合預(yù)報信息對桓仁水庫流域的洪水進行預(yù)報．首先介紹了TIGGE集合預(yù)報和相應(yīng)集合預(yù)報數(shù)據(jù)的獲取方式；然后對耦合降水集合預(yù)報的洪水預(yù)報結(jié)果進行分析；接著在此基礎(chǔ)上給出相應(yīng)的預(yù)報修正策略；最后對結(jié)果進行分析，結(jié)果表明修正集合降水預(yù)報信息在研究流域的洪水預(yù)報中取得了較好的結(jié)果，對延長洪水預(yù)見期、提高洪水資源利用率具有重要的理論價值和現(xiàn)實意義.

1 降水集合預(yù)報信息

1.1 ,TIGGE資料

TIGGE是世界天氣研究計劃THORPEX(the observing system research and predictability experiment)的核心組成部分，旨在把全球各國和地區(qū)的業(yè)務(wù)中心集合預(yù)報產(chǎn)品集中起來，形成超級集合預(yù)報系統(tǒng)，來推進觀測預(yù)報一體化，加速提高中短期l～14,d預(yù)報時效上的預(yù)報精度．WMO設(shè)立了3個TIGGE資料中心(歐洲中期天氣預(yù)報中心(ECMWF)、美國國家大氣研究中心 (NCAR) 和中國氣象局(CMA))，如圖1所示．用戶可以在網(wǎng)站(http：//tigge.ecmwf. int/)上免費下載集合預(yù)報數(shù)據(jù)．其歸檔資料情況如表 1所示．

圖1 ,TIGGE資料全球3大交換中心示意Fig.1 Three exchange centers of TIGGE information in the world

歐洲和美國的集合預(yù)報系統(tǒng)最先建成，并不斷地發(fā)展和完善初始模式的擾動方法，其模式的分辨率以及預(yù)報時效都有所升級[3,16]．自 2010年開始，ECMWF開始采用集合資料同化-奇異向量法(EDASVINI)得到擾動的初始場，模式擾動采用修訂的隨機參數(shù)化擾動方案和隨機補償方案(revised SPPTSPBS)；ECMWF預(yù)報時效長達 15,d，在 0～10,d預(yù)報選用高分辨率的 TL639L62模式(水平分辨率約30,km)，10～15,d預(yù)報改用較低分辨率的 TL319L62模式(水平分辨率約 65,km)；每天運行模式兩次(00,UTC，12,UTC)，預(yù)報產(chǎn)生51個預(yù)報值．其中，50個為集合成員和 1個為控制預(yù)報．控制預(yù)報采用確定的初值預(yù)報獲得，而 50個集合成員是通過初值的擾動獲得，也就是通過初值的概率密度分布特征擾動初值而獲得初值集合，通過初值集合獲得預(yù)報結(jié)果集合．相比較于其他中心的集合預(yù)報，在前10,d的預(yù)報中，歐洲使用的模式分辨率是最高的，所以本文采用ECMWF的降水集合預(yù)報數(shù)據(jù)進行研究．

表1 ECMWF資料歸檔中心的集合預(yù)報資料情況Tab.1 The ensemble forecast data at data archive center of ECMWF

1.2 降水集合預(yù)報數(shù)據(jù)獲取

ECMWF的集合降水預(yù)報數(shù)據(jù)，時間分辨率為6,h，空間分辨率為 0.5°×0.5°．集合預(yù)報資料在歐洲資料歸檔中心下載獲得，下載的數(shù)據(jù)格式是二進制格點數(shù)據(jù)(GRIB2)格式，可應(yīng)用wgrib2.exe解碼得到相應(yīng)的文本文件，解碼命令可在命令提示符窗口下進行操作．解碼前需生成一份對應(yīng)的資料目錄文件，該文件包含了GRIB2數(shù)據(jù)文件的要素變量和數(shù)據(jù)存放順序等信息．

CMD下生成目錄文件的命令：wgrib2待解碼的grib2文件路徑及文件名-v＞生成的目錄文件的路徑及文件名．其中參數(shù)-v表示診斷輸出，例如 wgrib2 G: aindataecmwf20070816.grib-v＞G:defilee.txt.，這段命令是把 G: aindata路徑下的源文件 ecmwf 20070816.grib的資料目錄信息解碼并寫到 G:defile路徑下的e.txt文件中．

CMD下的解碼命令：wgrib2-no_header-text生成的解碼文件的路徑及文件名待解碼的grib2文件路徑及文件名．用到的 wgrib2參數(shù)有：①-no_header，表示不包含標題頭；②-text，表示解碼生成txt格式的文件．例如 wgrib2-no_header-textG:defiled.txtG: raindataecmwf20070816.grib，這段命令是把 G: ain-data路徑下的源文件 ecmwf20070816.grib中的數(shù)據(jù)以覆蓋的方式寫入到G:defile路徑下的d.txt文檔中．txt文件中的數(shù)據(jù)按照從南到北、從西到東的順序一個點一列地向下排列．

為了快速便捷地獲得實時集合預(yù)報數(shù)據(jù)，根據(jù)上面的原理采用 Java開發(fā)了集合預(yù)報數(shù)據(jù)自動化處理系統(tǒng)，其主界面如圖2所示．

圖2 TIGGE讀取系統(tǒng)的主界面Fig.2 Main interface of TIGGE reading system

2 徑流預(yù)報模型的建立

2.1 流域概況

本文以渾江桓仁水庫以上流域為研究對象．該水庫流域位于渾江中游，是以發(fā)電為主，兼顧防洪、灌溉等綜合利用的不完全年調(diào)節(jié)水庫．水庫控制流域面積 10,400,km2，桓仁流域雨量站及集合預(yù)報格點如圖 3所示．多年平均雨量為 866,mm，多年平均流量為 148,m3/s(折合徑流深 455,mm)，多年平均徑流系數(shù)為 0.52．該流域降水年內(nèi)分配不均，70%的雨量集中在6～9月(汛期)，大洪水發(fā)生在7月下旬到8月中旬之間，洪水形狀多為陡漲陡落型．

圖3 桓仁流域雨量站及集合預(yù)報格點Fig.3 Forecasting and observation points of Huanren Basin

2.2 洪水預(yù)報模型的建立

洪水預(yù)報模型不可避免地存在誤差，其誤差主要由模型結(jié)構(gòu)及模型參數(shù)引起．因此，需要根據(jù)研究流域的特點，選擇最適合的預(yù)報模型；在參數(shù)率定過程中，應(yīng)該盡量采用優(yōu)選的方法確定模型參數(shù)；以此方式盡量將模型誤差降到最低．本文根據(jù)桓仁水庫流域蓄滿產(chǎn)流的特點，選擇新安江模型進行產(chǎn)流計算，按單位線進行匯流計算．選擇 1966—2005年的 39場洪水作為模型參數(shù)的率定資料，選取2006—2010年共 8場洪水用于模型參數(shù)的檢驗．新安江模型的參數(shù)采用遺傳算法進行優(yōu)選，參數(shù)優(yōu)選結(jié)果中 39場洪水的產(chǎn)流和匯流合格率均為 90%；參數(shù)檢驗的8場洪水中產(chǎn)流和匯流合格率分別為100%和 80%．模型參數(shù)率定階段和驗證階段結(jié)果表明該套預(yù)報方案可用于流域洪水預(yù)報，且屬于甲級方案．

3 耦合降水集合預(yù)報的洪水預(yù)報試驗

ECMWF于2006年10月開始發(fā)布降水集合預(yù)報信息，因此本文采用 2007—2010年的洪水進行預(yù)報試驗，即將桓仁水庫以上流域的 5場洪水(20070816，20080731，20100808，20100819，20100826)作為試驗的場次洪水．首先根據(jù)格點平均法計算得到流域面雨量，然后分別采用實測降水和ECMWF集合預(yù)報降水對流域內(nèi)的徑流進行模擬與預(yù)報．

3.1 耦合降水集合預(yù)報的洪水預(yù)報結(jié)果及分析

ECMWF每天滾動發(fā)布未來 15,d的降水信息，圖4為洪水開始當(dāng)天ECMWF發(fā)布的降水過程．對于每場洪水，都有51組預(yù)報降水過程．

圖4中大多數(shù)集合成員都能預(yù)報出強降水信息，預(yù)報的降水過程在趨勢上與觀測降水過程具有很大的相似性．由該預(yù)報降水過程驅(qū)動洪水預(yù)報模型得到 51組洪水過程，模擬結(jié)果見圖 5，其中Q50、Q95和 Q5分別表示頻率為50%、95%和 5%對應(yīng)的洪水過程．

由圖5可以看出，洪水過程線的低流量部分比較密集，即不確定較?。欢吡髁坎糠直容^發(fā)散(特別是洪峰)，不確定性大．總體而言，實測流量過程基本包含在90%的置信區(qū)間內(nèi)．只有20100808洪水實測流量過程的高流量部分(洪峰流量)未包含在 90%的置信區(qū)間內(nèi)，集合成員模擬的峰值普遍偏低．這是因為對于8月9日的強降水，大部分成員的預(yù)報值都偏小，出現(xiàn)了較嚴重的漏報現(xiàn)象．但是有1個成員的峰值預(yù)報值大于實測流量峰值，即實測流量過程仍是落在集合流量預(yù)報過程的不確定范圍內(nèi)．因此，運用集合預(yù)報信息能夠有效地描述洪水預(yù)報的不確定性，這對防洪決策具有較大的現(xiàn)實意義．

3.2 降水集合預(yù)報信息精度分析及修正策略

集合平均作為集合預(yù)報的確定性預(yù)報，是集合預(yù)報的主要產(chǎn)品之一．通常集合平均比單個成員預(yù)報(甚至是單個較高分辨率的模式預(yù)報)更具優(yōu)勢[2]．但是集合平均產(chǎn)品是將各個成員進行平均處理，這往往會過濾掉部分成員預(yù)報出的極值，即通常對極端天氣現(xiàn)象(如強降水事件)的預(yù)報無能為力．

圖4 ECMWF集合預(yù)報降水Fig.4 Ensemble precipitation forecasts from ECMWF

圖5 基于ECMWF集合降水?dāng)?shù)據(jù)的洪水過程Fig.5 Flood process based on ensemble precipitation data from ECMWF

為了分析 ECMWF集合預(yù)報的效果，這里對2007—2011年5—10月ECMWF在桓仁水庫流域的未來24,h累積預(yù)報面雨量進行檢驗計算，結(jié)果如表2所示．具體做法為：首先對51個預(yù)報值(50個集合成員和 1個控制預(yù)報)計算集合平均；然后根據(jù)格點平均法計算桓仁水庫流域的面雨量；最后統(tǒng)計準確率、空報率和漏報率[2]．由表 2可以看出，對于無雨和小雨預(yù)報，其準確率較高；對于小雨預(yù)報，其漏報率最低；對于有雨預(yù)報，其空報率大于漏報率，即具有預(yù)報偏大的趨勢．當(dāng)預(yù)報無雨、小雨或中雨時，實際發(fā)生暴雨及以上量級的次數(shù)為 0．另外，實際發(fā)生暴雨及以上量級的次數(shù)為5次，而預(yù)報發(fā)生暴雨及以上量級的次數(shù)為2次，數(shù)值預(yù)報模式對這種強降水事件的預(yù)報能力較低，認為對暴雨事件存在漏報現(xiàn)象．故選擇大暴雨事件作為訂正事件，即假定某時段若有成員預(yù)報出的降水級別為大暴雨，則認為實際降水極有可能出現(xiàn)大暴雨．引入大暴雨量級范圍的中值(42.5 mm)對該時刻的集合平均預(yù)報值進行修正．具體修正方法如下．

(1)計算各個時段的集合平均值f( t)．

(2)判斷某個時段的所有集合成員是否預(yù)報出大暴雨的級別，如果有成員的預(yù)報值屬于大暴雨量級，則利用大暴雨量級范圍的中值(42.5,mm)對該時刻的集合平均預(yù)報值進行修正，即

(3)對于其他未報出大暴雨級別的各時段，首先分別統(tǒng)計各量級降水發(fā)生的概率，然后對降水各等級范圍的中值進行概率加權(quán)求和計算(權(quán)重即為發(fā)生相應(yīng)量級的概率)．概率計算采用平均法，設(shè)集合成員數(shù)為 N，統(tǒng)計發(fā)生某量級降水的個數(shù)，如發(fā)生小雨的成員個數(shù)為M，則預(yù)報發(fā)生小雨的概率P為 /MN．

表2 ECMWF預(yù)報未來24,h各級降水預(yù)報精度檢驗結(jié)果Tab.2 Accuracy of 24,h precipitation forecasts from ECMWF

3.3 模擬結(jié)果

基于ECMWF集合降水?dāng)?shù)據(jù)的洪水預(yù)報過程見圖 6．由修正后的集合平均降水?dāng)?shù)據(jù)驅(qū)動洪水預(yù)報模型，修正后的集合平均產(chǎn)品有一定的改善，修正前后的集合平均降水預(yù)報數(shù)據(jù)及實測降水?dāng)?shù)據(jù)驅(qū)動的洪水預(yù)報結(jié)果特征值如表3所示．

圖6 基于ECMWF集合降水?dāng)?shù)據(jù)的洪水預(yù)報過程Fig.6 Flood forecasting process based on ensemble precipitation data from ECMWF

表3 洪水預(yù)報結(jié)果特征值Tab.3 Characteristic values of flood forecasting results

4 結(jié) 語

將氣象集合預(yù)報應(yīng)用到洪水預(yù)報中，可以得到徑流模擬的范圍．由 51個集合預(yù)報值得到了 51條洪水過程線，通過該 51條洪水過程線的頻率分析，可獲得頻率為5%和95%的上下包線區(qū)間，且實測流量基本發(fā)生在該區(qū)間內(nèi)．其中洪水過程線的低流量部分不確定較??；而高流量部分不確定性大，即運用集合預(yù)報信息，能夠有效地描述洪水預(yù)報的不確定性，這對防洪決策具有現(xiàn)實意義．另外，集合流量過程的中位線(Q50對應(yīng)的洪水過程)能較好地反映實際流量過程，但是其效果受限于每個成員的預(yù)報值．

集合平均產(chǎn)品能綜合各個成員的信息，模擬的洪水過程線與實測徑流過程線的趨勢基本一致．但是集合平均產(chǎn)品平滑了集合成員的極值信息，模擬的洪峰流量普遍偏低．修正后的集合平均預(yù)報數(shù)據(jù)模擬的洪水過程有所改善，具有一定的應(yīng)用效果．但是，對于該修正方法是否具有普遍適用性，還需統(tǒng)計驗證．由于 TIGGE資料基本是從 2007年后開始提供的，受到資料的限制，本文未能對該修正方法進行統(tǒng)計驗證．隨著資料的積累，需進一步研究對修正方法的統(tǒng)計驗證．

［1］ 吳慶洲. 對 20世紀中國洪災(zāi)的回顧[J]. 災(zāi)害學(xué)，2002(2)：62-69. Wu Qingzhou. A review of flood disasters in China in the 20th century[J]. Journal of Catastrophology，2002(2)：62-69(in Chinese).

［2］ 王本德，朱永英，張改紅，等. 應(yīng)用中央氣象臺 24,h降雨預(yù)報的可行性分析[J]. 水文，2005(3)：30-34. Wang Bende，Zhu Yongying，Zhang Gaihong，et al. Feasibility analysis of applying 24,h precipitation forecasts from the central meteorological observatory[J]. Hydrology，2005(3)：30-34(in Chinese).

［3］ 彭 勇，王 萍，徐 煒，等. 氣象集合預(yù)報的研究進展[J]. 南水北調(diào)與水利科技，2012，10(4)：90-96. Peng Yong，Wang Ping，Xu Wei，et al. Review of weather ensemble prediction[J]. South-to-North Water Diversion and Water Science & Technology，2012，10(4)：90-96(in Chinese).

［4］ Bourke W，Buizza R，Naughton M. Performance of the ECMWF and the BoM ensemble prediction systems in the southern hemisphere[J]. Monthly Weather Review，2004，132(10)：2338-2357.

［5］ Buizza R，Houtekamer P L，Pellerin G，et al. A comparison of the ECMWF，MSC，and NCEP global ensemble prediction systems[J]. Monthly Weather Review，2005，133(5)：1076-1097.

［6］ Buizza R. The value of probabilistic prediction[J]. Atmospheric Science Letters，2008，9(2)：36-42.

［7］ Roulin E，Vannitsem S. Skill of medium-range hydrological ensemble predictions[J]. Journal of Hydrometeorology，2005，6(5)：729-744.

［8］ Roulin E. Skill and relative economic value of mediumrange hydrological ensemble predictions[J]. Hydrology and Earth System Sciences Discussions，2007，11 (2)：725-737.

［9］ Verbunt M，Walser A，Gurtz J，et al. Probabilistic flood forecasting with a limited-area ensemble prediction system：Selected case studies[J]. Journal of Hydrometeorology，2007，8(4)：897-909.

［10］ Cloke H L，Pappenberger F. Evaluating forecasts for extreme events for hydrological application：An approach for screening unfamiliar performance measures[J]. Meteorological Applications，2008，15(1)：181-197.

［11］ Thirel G，Rousset-Regimbeau F，Martin E，et al. On the impact of short-range meteorological forecasts for ensemble streamflow predictions[J]. Journal of Hydrometeorology，2008，9(6)：1301-1317.

［12］ He Y，Wetterhall F，Cloke H L，et al. Tracking the uncertainty in flood alters driven by grand ensemble weather predictions[J]. Meteorological Applications，Special Issue：Flood Forecasting and Warning，2009，16(1)：91-101.

［13］ 彭 濤，李 俊，殷志遠，等. 基于集合降水預(yù)報產(chǎn)品的汛期洪水預(yù)報試驗[J]. 暴雨災(zāi)害，2010，29(3)：274-278. Peng Tao，Li Jun，Yin Zhiyuan，et al. Experiment on flood forecast in flood season based on ensemble precipitation prediction products[J]. Torrential Rain and Disasters，2010，29(3)：274-278(in Chinese).

［14］ 李 俊，廖移山，張 兵，等. 集合數(shù)值預(yù)報方法在山洪預(yù)報中的初步應(yīng)用[J]. 高原氣象，2007，26(4)：854-861. Li Jun，Liao Yishan，Zhang Bing，et al. The preliminary application of ensemble prediction in flash flood forecasting[J]. Plateau Meteorology，2007，26(4)：854-861(in Chinese).

［15］ 包紅軍，趙琳娜. 基于集合預(yù)報的淮河流域洪水預(yù)報研究[J]. 水利學(xué)報，2012(2)：216-224. Bao Hongjun，Zhao Linna. Flood forecast of Huaihe river based on TIGGE ensemble predictions[J]. Journal of Hydraulic Engineering，2012(2)：216-224(in Chinese).

［16］ 麻巨慧，朱躍建，王盤興，等. NCEP、ECMWF及CMC全球集合預(yù)報業(yè)務(wù)系統(tǒng)發(fā)展綜述[J]. 大氣科學(xué)學(xué)報，2011，34(3)：370-380. Ma Juhui，Zhu Yuejian，Wang Panxing，et al. A review on the developments of NCEP，ECMWF and CMC global ensemble forecast system[J]. Transactions of Atmospheric Sciences，2011，34(3)：370-380(in Chinese).

（責(zé)任編輯：樊素英）

Flood Forecasting Coupled with TIGGE Ensemble Precipitation Forecasts

Peng Yong1，Xu Wei2，Wang Ping1，You Fangfang1
(1. Faculty of Infrastructure Engineering，Dalian University of Technology，Dalian 116024，China；2. College of River and Ocean Engineering，Chongqing Jiaotong University，Chongqing 400074，China)

Flood forecasting coupled with precipitation forecast information can prolong forecast horizon，thus precious time is obtained to make decisions for flood control operation. However，flood forecasting based on the results of “single” precipitation forecast suffers from high uncertainty，which results from the uncertainty of precipitation forecast information. While ensemble precipitation forecasts can handle the uncertainty of precipitation forecast. Thus，to apply the ensemble forecast to flood forecasting，this paper takes the upstream of Huanren reservoir as study basin. And the ensemble precipitation forecasts of ECMWF are adopted to drive the Xin’anjiang model for flood forecasting. Using the forecasting results，more inflow information should be obtained by decision-makers. The result demonstrates that ensemble precipitation forecasts of ECMWF are useful for flood forecasting，and can describe the uncertainty of flood processes. According to the characteristics of ensemble average precipitation, the data have been revised, and used to drive hydrological models. Thus, the forecasting accuracy has been improved greatly.

TIGGE；ensemble precipitation forecast；flood forecasting；ensemble average

TV61

A

0493-2137(2015)02-0177-08

10.11784/tdxbz201308048

2013-08-21；

2013-11-11.

國家自然科學(xué)基金資助項目(51379027，51109025)；教育部博士點基金資助項目(20100041120004)；中央高?；究蒲袠I(yè)

務(wù)費專項基金資助項目(DUT13JS06)．

彭 勇（1979— ），男，副教授，pengyong@dlut.edu.cn．

徐 煒，xuwei19850711@163.com.

時間：2013-11-22. 網(wǎng)絡(luò)出版地址：http://www.cnki.net/kcms/detail/12.1127.N.20131122.1100.005.html.