彭 勇，徐 炜，王 萍，油芳芳

(1. 大连理工大学建设工程学部，大连 116024；2. 重庆交通大学河海学院，重庆 400074)

耦合TIGGE降水集合预报的洪水预报

彭 勇1，徐 炜2，王 萍1，油芳芳1

(1. 大连理工大学建设工程学部，大连 116024；2. 重庆交通大学河海学院，重庆 400074)

耦合数值降水预报信息的洪水预报延长了预见期，为防洪调度赢得了宝贵的决策时间．但“单一”的降水预报具有较大的不确定性，即基于“单一”的降水预报所做出的调度决策可能不是优化的，甚至可能会出现较大的偏差，因此在洪水预报中引入了降水集合预报信息来考虑相应的降水不确定性．文中以桓仁水库以上流域为试验流域，将欧洲中期天气预报中心(ECMWF)的降水集合预报数据驱动新安江模型，得到预报径流的区间范围，为决策者提供更多有用的风险信息．计算结果表明，ECMWF降水集合预报可用于洪水预报，且能较好地描述洪水预报的不确定性．根据集合平均降水预报的特点，对集合平均降水数据进行了修正，并将修正后的集合平均数据驱动水文模型，其预报效果有了很大的改善．

TIGGE；降水集合预报；洪水预报；集合平均

受季风气候的影响，我国降水量年内分配不均，这使得我国成为一个水灾害频繁的国家．及时准确的洪水预报为防洪调度和防灾减灾提供了科学可靠的依据[1]．将数值预报引入洪水预报中，可以延长洪水预报的预见期，为防洪调度决策赢得宝贵的时间，从而在调度的过程中掌握主动权．数值天气预报经过长期的发展，其预报产品的精度已达到了一定的水平[2]．但由于数值模型的初始场以及模型本身具有不确定性，使得运用数值模型所得的“单一”降水预报存在着不确定性，即直接应用“单一的”降水预报结果进行洪水预报具有较大的不确定性[3]．而集合预报系统考虑了初值以及数值模式中物理过程的不确定性[2-3]，其预报结果是一组可能值的集合，能为决策者提供更多有用的信息．

随着集合预报理论及技术的发展，将集合预报产品应用于洪水预报及预警等方面正成为研究的热点[4-9]．Roulin等[7]将 ECMWF集合预报信息应用于比利时两个流域的洪水预报，使洪水预报预见期得到了延长且取得了较好的效果．然后，Roulin[8]以比利时两个流域为例，首先采用BS评分方法对ECMWF发布的降水集合预报信息进行了评价，然后将成本损失决策模型用于洪水控制的决策与评价，结果表明基于ECMWF得到的预报结果优于简单的确定性预报. Verbunt等[9]将高分辨率的气象集合预报系统与水文模型耦合对阿尔卑斯山脉莱茵河流域的概率径流预报进行审查，与确定性气象预报比较后探讨了气象集合预报的可利用性．Cloke等[10]使用ECMWF集合预报系统对 2002年 7、8月多瑙河极端洪水进行了预报，并以不同的评价方法对极端水文事件的预报结果进行评价，最后对各评价方法的效果进行了分析. Thirel等[11]指出基于 ECMWF集合预报的河川径流预报对小洪水及大盆地预报效果较好．He等[12]利用TIGGE(THORPEX interactive grand global ensemble)数据库的信息对英格兰中部地区的 Severn上游流域的洪水进行预警．在我国，相应的研究工作较少．彭涛等[13]用中尺度暴雨数值模式的集合降水预报产品驱动新安江水文模型，将“单一”的确定性预报转化为一组预报值，丰富了预报信息，提高了水文预报的可靠性．李俊等[14]探讨了集合预报技术在山洪预报领域的应用前景，指出可利用集合平均和极值的预报值为不同山洪灾害的防治提供指导．包红军等[15]将4个气象中心的集合降水预报数据应用于洪水预报中，论证了集合降水预报数据用于洪水预报及早期预警的可行性．

本文在耦合数值降水信息的洪水预报研究成果分析的基础上，采用 ECMWF发布的降水集合预报信息对桓仁水库流域的洪水进行预报．首先介绍了TIGGE集合预报和相应集合预报数据的获取方式；然后对耦合降水集合预报的洪水预报结果进行分析；接着在此基础上给出相应的预报修正策略；最后对结果进行分析，结果表明修正集合降水预报信息在研究流域的洪水预报中取得了较好的结果，对延长洪水预见期、提高洪水资源利用率具有重要的理论价值和现实意义.

1 降水集合预报信息

1.1 ,TIGGE资料

TIGGE是世界天气研究计划THORPEX(the observing system research and predictability experiment)的核心组成部分，旨在把全球各国和地区的业务中心集合预报产品集中起来，形成超级集合预报系统，来推进观测预报一体化，加速提高中短期l～14,d预报时效上的预报精度．WMO设立了3个TIGGE资料中心(欧洲中期天气预报中心(ECMWF)、美国国家大气研究中心 (NCAR) 和中国气象局(CMA))，如图1所示．用户可以在网站(http：//tigge.ecmwf. int/)上免费下载集合预报数据．其归档资料情况如表 1所示．

图1 ,TIGGE资料全球3大交换中心示意Fig.1 Three exchange centers of TIGGE information in the world

欧洲和美国的集合预报系统最先建成，并不断地发展和完善初始模式的扰动方法，其模式的分辨率以及预报时效都有所升级[3,16]．自 2010年开始，ECMWF开始采用集合资料同化-奇异向量法(EDASVINI)得到扰动的初始场，模式扰动采用修订的随机参数化扰动方案和随机补偿方案(revised SPPTSPBS)；ECMWF预报时效长达 15,d，在 0～10,d预报选用高分辨率的 TL639L62模式(水平分辨率约30,km)，10～15,d预报改用较低分辨率的 TL319L62模式(水平分辨率约 65,km)；每天运行模式两次(00,UTC，12,UTC)，预报产生51个预报值．其中，50个为集合成员和 1个为控制预报．控制预报采用确定的初值预报获得，而 50个集合成员是通过初值的扰动获得，也就是通过初值的概率密度分布特征扰动初值而获得初值集合，通过初值集合获得预报结果集合．相比较于其他中心的集合预报，在前10,d的预报中，欧洲使用的模式分辨率是最高的，所以本文采用ECMWF的降水集合预报数据进行研究．

表1 ECMWF资料归档中心的集合预报资料情况Tab.1 The ensemble forecast data at data archive center of ECMWF

1.2 降水集合预报数据获取

ECMWF的集合降水预报数据，时间分辨率为6,h，空间分辨率为 0.5°×0.5°．集合预报资料在欧洲资料归档中心下载获得，下载的数据格式是二进制格点数据(GRIB2)格式，可应用wgrib2.exe解码得到相应的文本文件，解码命令可在命令提示符窗口下进行操作．解码前需生成一份对应的资料目录文件，该文件包含了GRIB2数据文件的要素变量和数据存放顺序等信息．

CMD下生成目录文件的命令：wgrib2待解码的grib2文件路径及文件名-v＞生成的目录文件的路径及文件名．其中参数-v表示诊断输出，例如 wgrib2 G: aindataecmwf20070816.grib-v＞G:defilee.txt.，这段命令是把 G: aindata路径下的源文件 ecmwf 20070816.grib的资料目录信息解码并写到 G:defile路径下的e.txt文件中．

CMD下的解码命令：wgrib2-no_header-text生成的解码文件的路径及文件名待解码的grib2文件路径及文件名．用到的 wgrib2参数有：①-no_header，表示不包含标题头；②-text，表示解码生成txt格式的文件．例如 wgrib2-no_header-textG:defiled.txtG: raindataecmwf20070816.grib，这段命令是把 G: ain-data路径下的源文件 ecmwf20070816.grib中的数据以覆盖的方式写入到G:defile路径下的d.txt文档中．txt文件中的数据按照从南到北、从西到东的顺序一个点一列地向下排列．

为了快速便捷地获得实时集合预报数据，根据上面的原理采用 Java开发了集合预报数据自动化处理系统，其主界面如图2所示．

图2 TIGGE读取系统的主界面Fig.2 Main interface of TIGGE reading system

2 径流预报模型的建立

2.1 流域概况

本文以浑江桓仁水库以上流域为研究对象．该水库流域位于浑江中游，是以发电为主，兼顾防洪、灌溉等综合利用的不完全年调节水库．水库控制流域面积 10,400,km2，桓仁流域雨量站及集合预报格点如图 3所示．多年平均雨量为 866,mm，多年平均流量为 148,m3/s(折合径流深 455,mm)，多年平均径流系数为 0.52．该流域降水年内分配不均，70%的雨量集中在6～9月(汛期)，大洪水发生在7月下旬到8月中旬之间，洪水形状多为陡涨陡落型．

图3 桓仁流域雨量站及集合预报格点Fig.3 Forecasting and observation points of Huanren Basin

2.2 洪水预报模型的建立

洪水预报模型不可避免地存在误差，其误差主要由模型结构及模型参数引起．因此，需要根据研究流域的特点，选择最适合的预报模型；在参数率定过程中，应该尽量采用优选的方法确定模型参数；以此方式尽量将模型误差降到最低．本文根据桓仁水库流域蓄满产流的特点，选择新安江模型进行产流计算，按单位线进行汇流计算．选择 1966—2005年的 39场洪水作为模型参数的率定资料，选取2006—2010年共 8场洪水用于模型参数的检验．新安江模型的参数采用遗传算法进行优选，参数优选结果中 39场洪水的产流和汇流合格率均为 90%；参数检验的8场洪水中产流和汇流合格率分别为100%和 80%．模型参数率定阶段和验证阶段结果表明该套预报方案可用于流域洪水预报，且属于甲级方案．

3 耦合降水集合预报的洪水预报试验

ECMWF于2006年10月开始发布降水集合预报信息，因此本文采用 2007—2010年的洪水进行预报试验，即将桓仁水库以上流域的 5场洪水(20070816，20080731，20100808，20100819，20100826)作为试验的场次洪水．首先根据格点平均法计算得到流域面雨量，然后分别采用实测降水和ECMWF集合预报降水对流域内的径流进行模拟与预报．

3.1 耦合降水集合预报的洪水预报结果及分析

ECMWF每天滚动发布未来 15,d的降水信息，图4为洪水开始当天ECMWF发布的降水过程．对于每场洪水，都有51组预报降水过程．

图4中大多数集合成员都能预报出强降水信息，预报的降水过程在趋势上与观测降水过程具有很大的相似性．由该预报降水过程驱动洪水预报模型得到 51组洪水过程，模拟结果见图 5，其中Q50、Q95和 Q5分别表示频率为50%、95%和 5%对应的洪水过程．

由图5可以看出，洪水过程线的低流量部分比较密集，即不确定较小；而高流量部分比较发散(特别是洪峰)，不确定性大．总体而言，实测流量过程基本包含在90%的置信区间内．只有20100808洪水实测流量过程的高流量部分(洪峰流量)未包含在 90%的置信区间内，集合成员模拟的峰值普遍偏低．这是因为对于8月9日的强降水，大部分成员的预报值都偏小，出现了较严重的漏报现象．但是有1个成员的峰值预报值大于实测流量峰值，即实测流量过程仍是落在集合流量预报过程的不确定范围内．因此，运用集合预报信息能够有效地描述洪水预报的不确定性，这对防洪决策具有较大的现实意义．

3.2 降水集合预报信息精度分析及修正策略

集合平均作为集合预报的确定性预报，是集合预报的主要产品之一．通常集合平均比单个成员预报(甚至是单个较高分辨率的模式预报)更具优势[2]．但是集合平均产品是将各个成员进行平均处理，这往往会过滤掉部分成员预报出的极值，即通常对极端天气现象(如强降水事件)的预报无能为力．

图4 ECMWF集合预报降水Fig.4 Ensemble precipitation forecasts from ECMWF

图5 基于ECMWF集合降水数据的洪水过程Fig.5 Flood process based on ensemble precipitation data from ECMWF

为了分析 ECMWF集合预报的效果，这里对2007—2011年5—10月ECMWF在桓仁水库流域的未来24,h累积预报面雨量进行检验计算，结果如表2所示．具体做法为：首先对51个预报值(50个集合成员和 1个控制预报)计算集合平均；然后根据格点平均法计算桓仁水库流域的面雨量；最后统计准确率、空报率和漏报率[2]．由表 2可以看出，对于无雨和小雨预报，其准确率较高；对于小雨预报，其漏报率最低；对于有雨预报，其空报率大于漏报率，即具有预报偏大的趋势．当预报无雨、小雨或中雨时，实际发生暴雨及以上量级的次数为 0．另外，实际发生暴雨及以上量级的次数为5次，而预报发生暴雨及以上量级的次数为2次，数值预报模式对这种强降水事件的预报能力较低，认为对暴雨事件存在漏报现象．故选择大暴雨事件作为订正事件，即假定某时段若有成员预报出的降水级别为大暴雨，则认为实际降水极有可能出现大暴雨．引入大暴雨量级范围的中值(42.5 mm)对该时刻的集合平均预报值进行修正．具体修正方法如下．

(1)计算各个时段的集合平均值f( t)．

(2)判断某个时段的所有集合成员是否预报出大暴雨的级别，如果有成员的预报值属于大暴雨量级，则利用大暴雨量级范围的中值(42.5,mm)对该时刻的集合平均预报值进行修正，即

(3)对于其他未报出大暴雨级别的各时段，首先分别统计各量级降水发生的概率，然后对降水各等级范围的中值进行概率加权求和计算(权重即为发生相应量级的概率)．概率计算采用平均法，设集合成员数为 N，统计发生某量级降水的个数，如发生小雨的成员个数为M，则预报发生小雨的概率P为 /MN．

表2 ECMWF预报未来24,h各级降水预报精度检验结果Tab.2 Accuracy of 24,h precipitation forecasts from ECMWF

3.3 模拟结果

基于ECMWF集合降水数据的洪水预报过程见图 6．由修正后的集合平均降水数据驱动洪水预报模型，修正后的集合平均产品有一定的改善，修正前后的集合平均降水预报数据及实测降水数据驱动的洪水预报结果特征值如表3所示．

图6 基于ECMWF集合降水数据的洪水预报过程Fig.6 Flood forecasting process based on ensemble precipitation data from ECMWF

表3 洪水预报结果特征值Tab.3 Characteristic values of flood forecasting results

4 结 语

将气象集合预报应用到洪水预报中，可以得到径流模拟的范围．由 51个集合预报值得到了 51条洪水过程线，通过该 51条洪水过程线的频率分析，可获得频率为5%和95%的上下包线区间，且实测流量基本发生在该区间内．其中洪水过程线的低流量部分不确定较小；而高流量部分不确定性大，即运用集合预报信息，能够有效地描述洪水预报的不确定性，这对防洪决策具有现实意义．另外，集合流量过程的中位线(Q50对应的洪水过程)能较好地反映实际流量过程，但是其效果受限于每个成员的预报值．

集合平均产品能综合各个成员的信息，模拟的洪水过程线与实测径流过程线的趋势基本一致．但是集合平均产品平滑了集合成员的极值信息，模拟的洪峰流量普遍偏低．修正后的集合平均预报数据模拟的洪水过程有所改善，具有一定的应用效果．但是，对于该修正方法是否具有普遍适用性，还需统计验证．由于 TIGGE资料基本是从 2007年后开始提供的，受到资料的限制，本文未能对该修正方法进行统计验证．随着资料的积累，需进一步研究对修正方法的统计验证．

［1］ 吴庆洲. 对 20世纪中国洪灾的回顾[J]. 灾害学，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，张改红，等. 应用中央气象台 24,h降雨预报的可行性分析[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 炜，等. 气象集合预报的研究进展[J]. 南水北调与水利科技，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 涛，李 俊，殷志远，等. 基于集合降水预报产品的汛期洪水预报试验[J]. 暴雨灾害，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，张 兵，等. 集合数值预报方法在山洪预报中的初步应用[J]. 高原气象，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］ 包红军，赵琳娜. 基于集合预报的淮河流域洪水预报研究[J]. 水利学报，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，朱跃建，王盘兴，等. NCEP、ECMWF及CMC全球集合预报业务系统发展综述[J]. 大气科学学报，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).

（责任编辑：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.

国家自然科学基金资助项目(51379027，51109025)；教育部博士点基金资助项目(20100041120004)；中央高校基本科研业

务费专项基金资助项目(DUT13JS06)．

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

徐 炜，xuwei19850711@163.com.

时间：2013-11-22. 网络出版地址：http://www.cnki.net/kcms/detail/12.1127.N.20131122.1100.005.html.