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、洪水量化預(yù)報、面向流域可能的河流洪水預(yù)報及洪水預(yù)警系統(tǒng)是美國在洪水預(yù)報領(lǐng)域的研究成果。通過對美國洪水預(yù)報研究的了解,確定洪水預(yù)報研究今后發(fā)展趨勢。關(guān)鍵字：防洪洪水預(yù)報預(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,就有兩萬多個洪水多發(fā)區(qū)域,其中3000個在國家氣象局的洪水預(yù)報范圍內(nèi),1000個有當(dāng)?shù)氐暮樗A(yù)警系統(tǒng),其余的有縣一級預(yù)報系統(tǒng)。災(zāi)害洪水頻繁發(fā)生時,洪水預(yù)測并及時發(fā)出預(yù)警對于減災(zāi)意義重大。

　　一、在瞬時突發(fā)洪水預(yù)報研究方面

　　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)報是可靠預(yù)警和超前預(yù)報的前提,應(yīng)集中有限的資源用在預(yù)報的空間均值和降水的時間分布上,而不是點(diǎn)降水值的預(yù)報上。

　　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)報上游洪水和瞬時洪水等領(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)報最接近觀測值。

　　2.雷達(dá)掃描系統(tǒng)

　　①用科技手段將降雨區(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間重新組合,便形成了特定區(qū)域的降雨預(yù)報圖。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)報時間。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。此雷達(dá)降雨預(yù)報方式可大幅度降低預(yù)測誤差,增加預(yù)報的準(zhǔn)確性。

　　②使用雷達(dá)降雨預(yù)報的雙單元模型估計(jì)暴雨軌跡。其基本假設(shè)是把最終降水作為時空函數(shù)等于時間平均值和時空變值之和。其中一個模型是借助雷達(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)報持續(xù)降雨(假設(shè)當(dāng)時觀測的降雨要持續(xù)1h)方面結(jié)果不錯,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)報要好于雷達(dá)掃描估計(jì)暴雨軌跡作出的預(yù)報結(jié)果。

　　三、在江河干流洪水預(yù)報方面

　　美國國家氣象中心使用河流預(yù)報系統(tǒng)(NWSRFS)預(yù)報上游洪水。這個系統(tǒng)由三個概化模型組成: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)報不確定性因素主要來自模型參數(shù)估計(jì)錯誤和用于模型輸入的觀測性錯誤,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)報手段。該演變方法通常要對13個土壤濕度計(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)報法。一系列新的量化預(yù)報主導(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)輸出生成三個系列量化預(yù)報產(chǎn)品,即預(yù)報超前時間為0～3h、1～20h和6h～10d預(yù)報。預(yù)報在美國內(nèi)陸600多個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)報產(chǎn)品的主要優(yōu)點(diǎn)在于可以告訴預(yù)報人員相關(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)報的為40～80km,預(yù)報更新頻率快至對突發(fā)洪水每10min一報,干流洪水預(yù)報每天報2～4次。

　　五、流域可能洪水量化預(yù)報

　　洪水預(yù)報中,主要是降水預(yù)報。新技術(shù)發(fā)展的下一步目標(biāo)是允許預(yù)報人員估計(jì)不確定性的程度,幫助他們把天氣預(yù)報規(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)報變量變化不定,主要表現(xiàn)在:特定時段內(nèi)流域的平均降水值,在劃分的時段內(nèi)由時段總降水量分解降水分量。分量的取樣空間是單一的,同時假設(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)報格式為:隨機(jī)分量是某一特定的時段內(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段劃分后的期待時間分部矢量。該方法采用人機(jī)交互預(yù)報系統(tǒng),其主要由引導(dǎo)預(yù)報人員進(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。輸入以圖形或字母數(shù)字格式,同時包含分配給每一等值線圖的三個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)報響應(yīng)系統(tǒng)的?；驮u價是這一時期最重要的標(biāo)志。另一方面對瞬時洪水預(yù)警系統(tǒng)設(shè)計(jì)有廣泛的需求,同時,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)警警報的決策依據(jù)是洪水水位的閾值即當(dāng)預(yù)報洪峰超過某一值,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)報前洪峰高度和到達(dá)洪峰的時間決定;在洪峰預(yù)報過程中,預(yù)報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)化為三個基本的輸出值:

　?、偬峁﹥?yōu)化的預(yù)警方案,根據(jù)洪峰的不完全預(yù)報決定是否發(fā)布警報。

　?、谝粋€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)報和失敗預(yù)報可能性兩者間關(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)所提供的潛在的價值。從決策者角度看,監(jiān)測、預(yù)報模型量化與操作預(yù)警系統(tǒng)的不確定因素相關(guān)。在洪峰預(yù)報中,量化的關(guān)鍵部分是Bayesian預(yù)報處理器(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)報處理器(BPF)過程中的一個嚴(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。

　　3.Bayesian預(yù)報處理器(BPF)提供了研究控制性工程和預(yù)報相結(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方面進(jìn)一步研究:

　?、侔l(fā)展細(xì)化模型和評價方法,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)報是可行的。

　?、劢邓A(yù)報是一門經(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)報能力方面取得豐碩的研究成果。