NWP模式动态参数化方案及其驱动下的径流集合预报研究

The runoff prediction based on the numerical weather prediction model (NWP) can effectively extend the runoff prediction period. However, the NWP has different parameterization schemes, thus having different simulation abilities of rainstorms of different causes. Meanwhile, the equifinality of the hydrological model often results in a high uncertainty of the coupled meteorological and hydrological prediction, which can hardly meet demands of production activities. Concerning the above two problems, the circulation characteristic analysis, the numerical experiment, and the inductive statistics are adopted to analyze cloud and rain formation mechanism against the backdrop of different atmospheric circulations, and to build the numerical precipitation prediction dynamic parameterization plan based on the weather situation index value at an attempt to reduce prediction uncertainty caused by configurations of the parameterization scheme. The GLUE algorithm is improved. The evolutionary sampling which can make use of the posteriori information is used to replace the random sampling to increase sample representativeness and result reliability during the optimization process of parameter uncertainty of the hydrological model, thus providing an optimal parameter perturbation space for ensemble prediction. Based on that, the Yalong River drainage basin is adopted as the research area to build a one-way coupled ensemble prediction model of Weather Research and Forecast (WRF) and Hydrological Engineering Center—Hydrology Modeling System. The model can hopefully lengthen the runoff prediction period, increase reliability of the coupled prediction and provide technical support for comprehensive management of the drainage basin.

基于数值天气模式驱动的径流预报能够有效延长径流预见期，但数值天气模式存在大量的参数化方案，对不同成因暴雨的模拟能力不同，且水文模型具有显著的异参同效现象，导致气象水文耦合预报往往不确定性较大，难以满足生产实践需求。本项目针对以上两个问题，拟采用环流特征分析、数值实验、归纳统计等方法，分析不同大气环流背景下成云致雨机理，构建基于天气形势索引的数值降水预报动态参数化方案，降低由参数化方案配置带来的预报不确定性；对GLUE算法进行改进，采用可以利用后验信息的进化取样代替随机取样，提高水文模型参数不确定性寻优过程中的样本代表性和结果可靠性，为集合预报提供较优的参数扰动空间；在此基础上，以雅砻江流域为研究区，构建WRF与HEC-HMS的单向耦合集合预报模型，以期延长流域径流预报预见期并提高耦合预报的可靠性，为流域综合管理提供一定的技术支撑。

在由工程与非工程措施构成的防洪减灾体系中，及时准确的径流预报不仅可以为应急争取到宝贵的时间也可以为防洪调度提供可靠的依据，从而取得巨大的减灾效益，如在1998年特大洪水中，径流预报直接减灾效益约为800亿元。同时，具有一定预见期的径流预报，能够为水库发电调度提供重要水情信息，通过提前安排蓄放水次序，动态调整汛限水位等措施可以增加电站发电量。另外，及时准确的径流预报可以帮助水库管理人员判断“最后一场大洪水”的发生时间，保障水库供水安全和效益。.基于数值天气模式驱动的径流预报能够有效延长径流预见期，但数值天气模式存在大量的参数化方案，对不同成因暴雨的模拟能力不同，且水文模型具有显著的异参同效现象，导致气象水文耦合预报往往不确定性较大，难以满足生产实践需求。本项目针对径流预报中存在的问题，采用环流特征分析、数值实验、归纳统计等方法，分析不同大气环流背景下成云致雨机理，构建基于天气形势索引的数值降水预报动态参数化方案，降低由参数化方案配置带来的预报不确定性；对GLUE算法进行改进，采用可以利用后验信息的进化取样代替随机取样，提高水文模型参数不确定性寻优过程中的样本代表性和结果可靠性，为集合预报提供较优的参数扰动空间；在此基础上，以雅砻江流域为研究区，通过时空尺度协调与格式转换实现WRF与HEC-HMS的单向耦合，并基于雅砻江流域分布式水文模型的不确定性参数估计成果，利用水文模型参数扰动实现径流集合预报，延长了流域径流预报预见期（将雅砻江流域各主要站点径流预报预见期提高至5d以上）并提高耦合预报的可靠性，为流域综合管理提供一定的技术支撑。

内容获取失败，请点击重试