張俊 楊文發(fā) 牛文靜 張濤

摘要：當(dāng)前長(zhǎng)江流域洪水預(yù)報(bào)業(yè)務(wù)是基于確定性預(yù)報(bào)思路開(kāi)展的，給調(diào)度決策者提供的風(fēng)險(xiǎn)信息有限，因此亟待開(kāi)展概率預(yù)報(bào)應(yīng)用研究。目前國(guó)內(nèi)的概率預(yù)報(bào)多處在研究階段，未形成完善的、實(shí)用的業(yè)務(wù)化方法。在綜述長(zhǎng)江洪水預(yù)報(bào)現(xiàn)狀和國(guó)內(nèi)外概率預(yù)報(bào)研究進(jìn)展的基礎(chǔ)上，從基本原則、模型方法庫(kù)構(gòu)建、業(yè)務(wù)流程、成果形式等方面提出了一種洪水概率預(yù)報(bào)業(yè)務(wù)化的成套技術(shù)體系，可為長(zhǎng)江流域洪水概率預(yù)報(bào)業(yè)務(wù)的開(kāi)展提供參考。

關(guān) 鍵 詞：洪水預(yù)報(bào);概率預(yù)報(bào);模型庫(kù);作業(yè)預(yù)報(bào);業(yè)務(wù)流程

中圖法分類號(hào)：TV124

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1001-4179（2021）09-0011-05

DOI：10.16232/j.cnki.1001-4179.2021.09.003

0 引 言

習(xí)總書記在2018年考察長(zhǎng)江時(shí)指出水患仍是中華民族的心腹大患，長(zhǎng)江是中華民族的母親河，雖然流域內(nèi)已陸續(xù)建成了具有巨大防洪庫(kù)容的控制性水庫(kù)群，但由于暴雨洪水時(shí)空分布的復(fù)雜性，防洪減災(zāi)依舊是長(zhǎng)江流域的頭等大事?？茖W(xué)準(zhǔn)確的洪水預(yù)報(bào)，對(duì)于流域水資源管理、防洪減災(zāi)、洪水資源化等具有重要作用。長(zhǎng)江流域洪水預(yù)報(bào)自20世紀(jì)50年代起步[1]，從應(yīng)用相關(guān)圖、謝爾曼單位線、降雨徑流指數(shù)、馬斯京根演算、大湖演算等傳統(tǒng)預(yù)報(bào)方法開(kāi)始，經(jīng)過(guò)幾十年的發(fā)展，不斷探索新理論、新方法，并通過(guò)與國(guó)內(nèi)外科研院所合作，引入了分布式新安江、DDRM、SWAT、RS Minerve、MIKE11等分布式水文模型及水力學(xué)模型。目前，在“水文氣象耦合、短中長(zhǎng)期嵌套、預(yù)報(bào)調(diào)度結(jié)合”的技術(shù)思路指引下，已構(gòu)建了以重要水庫(kù)、防洪對(duì)象及干支流控制斷面為節(jié)點(diǎn)，滿足各類對(duì)象防洪目標(biāo)及需求的長(zhǎng)江流域預(yù)報(bào)河系31個(gè)，預(yù)報(bào)節(jié)點(diǎn)400余個(gè)，水庫(kù)調(diào)度節(jié)點(diǎn)60多個(gè)，預(yù)報(bào)方案760條套，基本實(shí)現(xiàn)了長(zhǎng)江流域的全覆蓋。

總體上，依托現(xiàn)有的洪水預(yù)報(bào)方法，長(zhǎng)江流域預(yù)見(jiàn)期72 h內(nèi)的水位流量預(yù)報(bào)達(dá)到準(zhǔn)確[2]，其中城陵磯-大通各站水位預(yù)報(bào)平均誤差均在0.2 m以內(nèi)，關(guān)鍵性的預(yù)報(bào)能提前3～5 d準(zhǔn)確預(yù)報(bào)，良好的預(yù)報(bào)成果為科學(xué)調(diào)度水工程、成功防御長(zhǎng)江洪水發(fā)揮了有力的支撐作用。盡管如此，目前廣泛制作和使用的長(zhǎng)江流域洪水預(yù)報(bào)大多基于確定性思路，即以確定單一數(shù)值形式輸出給用戶，形式上易于理解，卻忽略了水文預(yù)報(bào)過(guò)程中存在的不確定性。而如今對(duì)于流域綜合管理和精細(xì)化調(diào)度操作的要求越來(lái)越高，該思路在近年來(lái)的綜合調(diào)度實(shí)踐中逐漸暴露出其提供的風(fēng)險(xiǎn)信息有限的短板。統(tǒng)計(jì)決策理論指出，只有考慮了預(yù)報(bào)不確定性的水文預(yù)報(bào)，其風(fēng)險(xiǎn)信息才是完備的[3]。概率預(yù)報(bào)方法通過(guò)使用概率分布對(duì)預(yù)報(bào)量進(jìn)行刻畫，描述了預(yù)報(bào)結(jié)果的不確定性，從而讓決策者更好地評(píng)估風(fēng)險(xiǎn)，成為當(dāng)前水文預(yù)報(bào)領(lǐng)域的研究熱點(diǎn)之一。

中央關(guān)于防災(zāi)減災(zāi)“兩個(gè)堅(jiān)持、三個(gè)轉(zhuǎn)變”的新理念中明確強(qiáng)調(diào)，新時(shí)代防災(zāi)減災(zāi)在堅(jiān)持“以防為主，從注重災(zāi)后救助向注重災(zāi)前預(yù)防轉(zhuǎn)變”的基礎(chǔ)上，要“從減少災(zāi)害損失向減輕災(zāi)害風(fēng)險(xiǎn)轉(zhuǎn)變”，清晰指出了預(yù)測(cè)預(yù)報(bào)是防洪減災(zāi)的核心前提，同時(shí)也對(duì)長(zhǎng)江流域洪水預(yù)報(bào)提出了更高要求，即水文要素預(yù)報(bào)需向概率預(yù)報(bào)和風(fēng)險(xiǎn)預(yù)警拓展，顯然原有單一的確定性預(yù)報(bào)模式已不能適應(yīng)新需求，長(zhǎng)江流域洪水概率預(yù)報(bào)業(yè)務(wù)化開(kāi)展迫在眉睫?；诖?，本文在綜述長(zhǎng)江洪水預(yù)報(bào)現(xiàn)狀和國(guó)內(nèi)外概率預(yù)報(bào)研究進(jìn)展的基礎(chǔ)上，從基本原則、模型方法庫(kù)構(gòu)建、業(yè)務(wù)流程、成果形式等方面提出了一種洪水概率預(yù)報(bào)業(yè)務(wù)化的成套技術(shù)體系，可為長(zhǎng)江流域洪水概率預(yù)報(bào)業(yè)務(wù)的開(kāi)展提供參考。

1 洪水概率預(yù)報(bào)研究現(xiàn)狀

Stigler[4]于1975年首次提出了概率預(yù)報(bào)概念，他指出應(yīng)當(dāng)將點(diǎn)估計(jì)轉(zhuǎn)變?yōu)榉植嫉墓烙?jì)。概率預(yù)報(bào)研究興起于20世紀(jì)90年代，Krzysztofowicz[5]提出的貝葉斯概率預(yù)報(bào)系統(tǒng)（BFS）是公認(rèn)的通過(guò)確定性水文模型進(jìn)行概率預(yù)報(bào)解決水文預(yù)報(bào)不確定的理論框架，美國(guó)海洋與大氣管理局聯(lián)合歐洲中期天氣預(yù)報(bào)中心等機(jī)構(gòu)于2004年發(fā)起了國(guó)際水文集合預(yù)報(bào)試驗(yàn)計(jì)劃[6]，此后研究者們陸續(xù)提出各種概率預(yù)報(bào)新方法，嘗試了不同流域的水文概率預(yù)報(bào)試驗(yàn)，這些試驗(yàn)和應(yīng)用證明了概率水文預(yù)報(bào)的價(jià)值和前景。縱觀國(guó)內(nèi)外關(guān)于洪水概率預(yù)報(bào)的研究途徑，大體可分為兩類：① 集合概率預(yù)報(bào)法，亦稱為全要素耦合途徑;② 基于確定性預(yù)報(bào)的概率預(yù)報(bào)法，也可稱為總誤差分析途徑。

1.1 集合概率預(yù)報(bào)法

該預(yù)報(bào)法分別量化降雨-徑流過(guò)程各環(huán)節(jié)的主要不確定性，如降雨輸入、模型結(jié)構(gòu)、模型參數(shù)、上游來(lái)水等不確定性，并進(jìn)行耦合預(yù)報(bào)計(jì)算，將集合預(yù)報(bào)成果進(jìn)行后處理，從而實(shí)現(xiàn)概率預(yù)報(bào)（見(jiàn)圖1）。其輸入信息一般是降雨、蒸發(fā)、模型參數(shù)等水文模型所需數(shù)據(jù)，著重于集合預(yù)報(bào)樣本的充分模擬及后處理技術(shù)。該預(yù)報(bào)法的優(yōu)點(diǎn)是能溯源預(yù)報(bào)的不確定性，但計(jì)算耗時(shí)，難以滿足實(shí)時(shí)短期預(yù)報(bào)的要求。

基于Monte-Carlo抽樣的概率預(yù)報(bào)法[7]、貝葉斯模型加權(quán)平均法（BMA）[8]、集合模型輸出統(tǒng)計(jì)法（EMOS）[9]等屬于該類范疇。

1.2 基于確定性預(yù)報(bào)的概率預(yù)報(bào)法

該預(yù)報(bào)法從確定性預(yù)報(bào)結(jié)果入手，直接對(duì)預(yù)報(bào)不確定性進(jìn)行量化分析，推求預(yù)報(bào)量的分布函數(shù)，從而實(shí)現(xiàn)概率預(yù)報(bào)（見(jiàn)圖2）。該預(yù)報(bào)法的輸入信息是歷史實(shí)況和確定性預(yù)報(bào)樣本，著重于預(yù)報(bào)量的后驗(yàn)密度函數(shù)推求，其缺點(diǎn)是對(duì)歷史樣本依賴性強(qiáng)，但計(jì)算快捷，使用方便。

基于BFS框架提出的水文不確定性處理器（HUP）[10]、BP-BFS模型[11]、Coupla-BFS模型[12]是該預(yù)報(bào)法的代表性研究。近年來(lái)一些學(xué)者另辟途徑，聚焦于分析不同預(yù)見(jiàn)期、流量級(jí)下預(yù)報(bào)誤差的分布規(guī)律來(lái)量化預(yù)報(bào)的不確定性，從而實(shí)現(xiàn)分類分級(jí)概率預(yù)報(bào)，例如分布函數(shù)推求法[13]、最大熵法[14]、誤差異分布法[15]等。

隨著預(yù)報(bào)不確定性研究的深入與重視，當(dāng)前世界上許多國(guó)家和地區(qū)已經(jīng)建成水文集合概率預(yù)報(bào)系統(tǒng)，如美國(guó)國(guó)家氣象局研制的概率水文氣象預(yù)報(bào)系統(tǒng)[16]、歐洲的歐盟氣象受限地區(qū)整合預(yù)報(bào)系統(tǒng)（COSMO-LEPS）[17] 等。從已有研究看來(lái)，水文集合概率預(yù)報(bào)這一前沿技術(shù)在國(guó)外發(fā)展迅速，已經(jīng)進(jìn)入業(yè)務(wù)化階段，而中國(guó)目前的概率預(yù)報(bào)多處于研究探索階段，尚未建成完善的實(shí)用技術(shù)體系，因此有必要開(kāi)展長(zhǎng)江流域概率預(yù)報(bào)業(yè)務(wù)化方法研究，進(jìn)一步豐富和提高現(xiàn)有水文預(yù)報(bào)技術(shù)。通過(guò)比較現(xiàn)有洪水概率預(yù)報(bào)方法優(yōu)劣，遵循便捷、實(shí)用原則，本文主要基于總誤差分析途徑開(kāi)展長(zhǎng)江流域洪水概率預(yù)報(bào)研究。

2 長(zhǎng)江流域洪水概率預(yù)報(bào)的基本思路

2.1 預(yù)報(bào)業(yè)務(wù)化原則

長(zhǎng)江流域洪水概率預(yù)報(bào)業(yè)務(wù)化的實(shí)現(xiàn)需要具備先進(jìn)的概率預(yù)報(bào)模型或方法、嚴(yán)謹(jǐn)?shù)慕２襟E，但鑒于實(shí)時(shí)作業(yè)預(yù)報(bào)的時(shí)限要求，又需考慮計(jì)算的便捷性、實(shí)用性，總體應(yīng)遵循以下幾個(gè)具體原則：

（1）不影響現(xiàn)有預(yù)報(bào)流程，不額外增加預(yù)報(bào)員實(shí)時(shí)預(yù)報(bào)工作量，根據(jù)發(fā)布的確定性預(yù)報(bào)過(guò)程即可自動(dòng)實(shí)現(xiàn)，計(jì)算耗時(shí)短;

（2）能反映當(dāng)前發(fā)生洪水的主要不確性來(lái)源信息;

（3）能建立預(yù)報(bào)風(fēng)險(xiǎn)與決策影響的某種聯(lián)系;

（4）方便嵌入至現(xiàn)有的預(yù)報(bào)系統(tǒng)中，具有完善的模型方法庫(kù)和良好的展現(xiàn)形式。

2.2 洪水概率預(yù)報(bào)方法庫(kù)構(gòu)建

2.2.1 分布函數(shù)方法庫(kù)

建立指數(shù)（EXP）、伽瑪（GAM）、廣義正態(tài)（GNO）、正態(tài)（NOR）、廣義邏輯（GLO）、廣義極值（GEV）、廣義帕雷托（GPA）、耿貝爾（GUM）、皮爾森Ⅲ型（PⅢ）、Kappa（KAP）、韋克比（WAK）和Logistic（LOG）等水文分析中常用分布的概率密度函數(shù)、分布函數(shù)模型庫(kù);構(gòu)建基于L-矩、極大似然估計(jì)（ML）的參數(shù)估計(jì)方法庫(kù);建立由K-S檢驗(yàn)法、離差平方和（OLS）最小準(zhǔn)則及赤池信息準(zhǔn)則（AIC）等組成的分布函數(shù)擬合優(yōu)度評(píng)價(jià)方法庫(kù)。

通過(guò)構(gòu)建分布函數(shù)方法庫(kù)，為預(yù)報(bào)誤差規(guī)律分析和最優(yōu)分布函數(shù)推求提供基礎(chǔ)工具。

2.2.2 概率預(yù)報(bào)模型方法庫(kù)

通過(guò)比較現(xiàn)有洪水概率預(yù)報(bào)方法的優(yōu)劣，選擇以自主研發(fā)和技術(shù)引進(jìn)相結(jié)合的方式，基于總誤差分析途徑研制長(zhǎng)江流域洪水概率預(yù)報(bào)模型（見(jiàn)表1），并集成具有標(biāo)準(zhǔn)化、規(guī)范化接口的方法庫(kù)，主要考慮以下幾種模型。

（1）基于非參數(shù)估計(jì)的概率預(yù)報(bào)法（NPEFM）。

輸入歷史誤差樣本，若其樣本系列分布函數(shù)假設(shè)檢驗(yàn)的結(jié)果均不理想，可采用基于直方圖、Rosenblatt估計(jì)、Parzen核估計(jì)或最近鄰估計(jì)的非參數(shù)估算方法，分別推算預(yù)報(bào)誤差的各種概率密度函數(shù)（窗寬的選取一般采用最小二乘交叉驗(yàn)證法來(lái)確定），繪制概率密度曲線圖，并與樣本散點(diǎn)系列擬合確定最優(yōu)的非參數(shù)估計(jì)方法，計(jì)算其累計(jì)概率曲線，最終得出各頻率對(duì)應(yīng)的預(yù)報(bào)誤差值數(shù)組R。

（2）基于誤差分布動(dòng)態(tài)參數(shù)推求的概率預(yù)報(bào)法（EDDPFM）。

在歷史樣本空間中分析分布函數(shù)參數(shù)與確定預(yù)報(bào)值（不同范圍）的函數(shù)關(guān)系集合θ=Ψ（x），代入上述公式即可構(gòu)建洪水概率預(yù)報(bào)模型。

（3）基于Copula函數(shù)的貝葉斯概率水文預(yù)報(bào)模型（Coupla-BFS）。

引進(jìn)武漢大學(xué)的Coupla-BFS模型，豐富長(zhǎng)江流域洪水概率預(yù)報(bào)模型庫(kù)。該法的基本原理為：輸入歷史誤差樣本，通過(guò)調(diào)用分布函數(shù)方法庫(kù)推求出歷史空間中（Y0、Yt0、Mt0）的邊緣分布，借助Coupla函數(shù)構(gòu)建多變量聯(lián)合分布;基于Coupla函數(shù)推導(dǎo)水文要素的先驗(yàn)密度解析表達(dá)式，反映實(shí)況過(guò)程不確定性;利用Coupla函數(shù)推導(dǎo)似然函數(shù)，反映預(yù)報(bào)模型預(yù)報(bào)能力;最后將先驗(yàn)密度和似然函數(shù)帶入貝葉斯公式得到后驗(yàn)概率密度表達(dá)式，通過(guò)復(fù)化梯級(jí)求積的數(shù)值積分方法求解，構(gòu)建Coupla-BFS模型。

2.2.3 洪水預(yù)報(bào)過(guò)程校正方法

為考慮洪水預(yù)報(bào)過(guò)程中各時(shí)刻水文要素（如流量）值之間的連續(xù)性和相關(guān)性，需對(duì)各節(jié)點(diǎn)獨(dú)立的概率預(yù)報(bào)值進(jìn)行聯(lián)合重組抽樣與校正，鑒于目前國(guó)內(nèi)外還未有成熟的相關(guān)研究，因此以自主創(chuàng)新的方式創(chuàng)建基于水量的洪水預(yù)報(bào)過(guò)程線校正方法。

以流量級(jí)、降雨進(jìn)行分類，從歷史空間中計(jì)算m天（取決于最大預(yù)見(jiàn)期和預(yù)報(bào)對(duì)象次洪過(guò)程長(zhǎng)度）洪水過(guò)程水量預(yù)報(bào)誤差系列，采用非參數(shù)估計(jì)得到各保證率i下的水量誤差比ri，根據(jù)不同預(yù)見(jiàn)期j預(yù)報(bào)誤差特性設(shè)置不同校正比例pj，當(dāng)設(shè)定置信度α?xí)r，則可計(jì)算洪水過(guò)程各預(yù)報(bào)時(shí)刻校正系數(shù)ki，j，公式如下：

將置信區(qū)間上下概率預(yù)報(bào)線分別乘以校正系數(shù)，即得到洪水概率預(yù)報(bào)校正過(guò)程線。

2.3 洪水概率預(yù)報(bào)的業(yè)務(wù)流程

長(zhǎng)江流域洪水概率預(yù)報(bào)流程包括率定建模和實(shí)時(shí)作業(yè)預(yù)報(bào)兩大部分。其中率定建模包括歷史樣本空間建立、洪水概率預(yù)報(bào)模型構(gòu)建，實(shí)時(shí)作業(yè)預(yù)報(bào)包括確定性洪水預(yù)報(bào)制作、概率預(yù)報(bào)區(qū)間推求、典型預(yù)報(bào)線組推求、基于概率預(yù)報(bào)的水情預(yù)警發(fā)布等步驟，如圖3所示。

2.3.1 歷史樣本空間建立

依據(jù)不同預(yù)見(jiàn)期、降雨量級(jí)和落區(qū)進(jìn)行分類，收集包含預(yù)報(bào)斷面實(shí)況流量和對(duì)應(yīng)確定性預(yù)報(bào)值的歷史樣本，并計(jì)算預(yù)報(bào)相對(duì)誤差樣本系列，得到不同分類下的歷史樣本空間。

2.3.2 洪水概率預(yù)報(bào)模型構(gòu)建

以歷史樣本數(shù)據(jù)為輸入，調(diào)用概率預(yù)報(bào)模型方法庫(kù)中的NPEFM、EDDPFM或Coupla-BFS方法，構(gòu)建該預(yù)報(bào)斷面不同分類條件下的洪水概率預(yù)報(bào)模型，并進(jìn)行比較分析。若依據(jù)不同分類構(gòu)建的預(yù)報(bào)模型結(jié)果差異較大，需量化預(yù)見(jiàn)期、流量級(jí)和降雨的不同分類條件（同一分類下各條件閉合），得到獨(dú)立的洪水概率預(yù)報(bào)模型;若結(jié)果差別不大，則可采用統(tǒng)一的概率預(yù)報(bào)模型。

2.3.3 確定性洪水預(yù)報(bào)制作

根據(jù)常規(guī)作業(yè)預(yù)報(bào)流程，經(jīng)實(shí)況水雨情監(jiān)視、防洪形勢(shì)分析、預(yù)見(jiàn)期降雨制作、河系自動(dòng)計(jì)算、水庫(kù)預(yù)調(diào)度信息掌控、區(qū)間交互與水庫(kù)調(diào)洪計(jì)算、河道演算、人工經(jīng)驗(yàn)校正確認(rèn)等步驟，依據(jù)每日08：00實(shí)況，制作得到確定性洪水預(yù)報(bào)成果，并將預(yù)報(bào)結(jié)果進(jìn)行入庫(kù)與發(fā)布。

2.3.4 概率預(yù)報(bào)區(qū)間推求

以同一預(yù)報(bào)依據(jù)時(shí)刻制作的確定性預(yù)報(bào)過(guò)程結(jié)果為輸入，分析未來(lái)各時(shí)刻對(duì)應(yīng)的預(yù)見(jiàn)期以及預(yù)報(bào)降雨分類，選取不同的概率預(yù)報(bào)模型，一般取90%置信度計(jì)算各時(shí)刻的初始概率預(yù)報(bào)區(qū)間，調(diào)用水量校正法，對(duì)洪水預(yù)報(bào)過(guò)程（95%分位線、5%分位線以及50%分位線）進(jìn)行校正，最終得到考慮洪水過(guò)程相關(guān)性的90%置信度下概率預(yù)報(bào)區(qū)間成果。

2.3.5 基于當(dāng)前主要不確定性源的典型預(yù)報(bào)線組推求

剖析面臨時(shí)段存在的幾種主要不確定性來(lái)源，構(gòu)建可能的輸入邊界情景，如上游水庫(kù)某種調(diào)度方案、區(qū)間某種降雨強(qiáng)度等，依據(jù)確定性預(yù)報(bào)制作步驟計(jì)算得到典型預(yù)報(bào)過(guò)程線組，并量化其預(yù)報(bào)風(fēng)險(xiǎn)信息，以供會(huì)商決策時(shí)與概率預(yù)報(bào)區(qū)間以及確定性預(yù)報(bào)過(guò)程線進(jìn)行比較。

2.3.6 基于概率預(yù)報(bào)的水情預(yù)警發(fā)布

綜合研判多種預(yù)報(bào)信息，根據(jù)《長(zhǎng)江主要控制站洪水預(yù)警發(fā)布標(biāo)準(zhǔn)表》，若預(yù)見(jiàn)期內(nèi)某一主要斷面流量或水位超過(guò)預(yù)警閾值的概率大于90%（需綜合確定），則發(fā)布相應(yīng)的洪水預(yù)警信息，相應(yīng)地可以建立流域防洪應(yīng)急響應(yīng)啟動(dòng)標(biāo)準(zhǔn)。

2.4 成果形式

長(zhǎng)江流域洪水概率預(yù)報(bào)成果形式設(shè)想如圖4所示。其與傳統(tǒng)概率預(yù)報(bào)研究成果的不同在于各預(yù)報(bào)過(guò)程線不是同一預(yù)見(jiàn)期下各時(shí)刻預(yù)報(bào)值的連線（不代表一次預(yù)報(bào)成果），而是依據(jù)同一預(yù)報(bào)時(shí)刻制作的未來(lái)不同預(yù)見(jiàn)期的次洪預(yù)報(bào)連續(xù)過(guò)程線，因而增加了成果的實(shí)用價(jià)值，另外，為反映面臨時(shí)段的主要不確定性源，加入了典型預(yù)報(bào)線組，具體包含以下成果：

（1）確定性預(yù)報(bào)或概率中值預(yù)報(bào)，作為主推薦預(yù)報(bào)過(guò)程;

（2）依據(jù)當(dāng)前可獲得信息計(jì)算的90%置信預(yù)報(bào)區(qū)間，作為決策時(shí)考慮風(fēng)險(xiǎn)范圍之用;

（3）典型預(yù)報(bào)過(guò)程線組，反映面臨時(shí)刻主要不確定性來(lái)源的可能結(jié)果，供決策參考;

（4）預(yù)警信息，提供水文要素達(dá)到各級(jí)水情預(yù)警標(biāo)準(zhǔn)的概率風(fēng)險(xiǎn)信息。

以三峽水庫(kù)為例，進(jìn)行概率預(yù)報(bào)產(chǎn)品試驗(yàn)。采用EDDPFM法構(gòu)建三峽水庫(kù)5 d預(yù)見(jiàn)期的入庫(kù)洪水概率預(yù)報(bào)模型，以“長(zhǎng)江2018年第2號(hào)洪水”期間的7月9日為預(yù)報(bào)依據(jù)時(shí)間，制作未來(lái)5 d入庫(kù)洪水確定性預(yù)報(bào)，作為主推薦預(yù)報(bào)過(guò)程;隨后將其作為概率預(yù)報(bào)模型輸入計(jì)算得到未來(lái)1～5 d預(yù)見(jiàn)期內(nèi)的三峽水庫(kù)入庫(kù)流量概率預(yù)報(bào)區(qū)間，同時(shí)根據(jù)面臨時(shí)段存在的主要不確定性來(lái)源即亭子口水庫(kù)是否泄洪，構(gòu)建可能的泄洪情況（第3 d開(kāi)始按5 000 m3/s流量泄洪）作為輸入邊界情景，計(jì)算得到考慮亭子口泄洪的典型預(yù)報(bào)過(guò)程線，概率預(yù)報(bào)成果如圖5所示。

綜合分析上述三峽水庫(kù)入庫(kù)洪水概率預(yù)報(bào)成果可知：2018年7月9日，無(wú)論是90%概率區(qū)間或亭子口泄洪預(yù)報(bào)線，均顯示三峽入庫(kù)洪水在未來(lái)5 d內(nèi)將有超過(guò)50 000 m3/s的風(fēng)險(xiǎn)，根據(jù)《長(zhǎng)江水情預(yù)警發(fā)布管理辦法（試行）》，發(fā)布長(zhǎng)江上游三峽庫(kù)區(qū)洪水藍(lán)色預(yù)警，而確定性預(yù)報(bào)結(jié)果顯示未達(dá)到預(yù)警發(fā)布標(biāo)準(zhǔn)。在本場(chǎng)編號(hào)洪水期間，概率預(yù)報(bào)產(chǎn)品較好地預(yù)報(bào)出50 000 m3/s以上量級(jí)的漲水過(guò)程，提前4 d發(fā)布出藍(lán)色預(yù)警，比確定性預(yù)報(bào)更早提示出風(fēng)險(xiǎn)。

3 概率預(yù)報(bào)技術(shù)在長(zhǎng)江流域的適用性分析

目前，在中國(guó)的防洪管理體系中，無(wú)論預(yù)報(bào)、調(diào)度決策、防洪響應(yīng)等環(huán)節(jié)均是基于確定性的概念，風(fēng)險(xiǎn)管理的理念短時(shí)內(nèi)難以被各級(jí)部門和人員完全接納，另外概率預(yù)報(bào)的實(shí)施需要較大的歷史預(yù)報(bào)樣本空間，且要求預(yù)報(bào)員具備相對(duì)于傳統(tǒng)確定性預(yù)報(bào)更強(qiáng)的專業(yè)知識(shí)，因此，長(zhǎng)江流域概率預(yù)報(bào)業(yè)務(wù)全面鋪開(kāi)的難度較大，宜以典型斷面重點(diǎn)示范的形式開(kāi)展。

鑒于三峽水庫(kù)、丹江口水庫(kù)分別在長(zhǎng)江防洪、供水方面的特殊性，建議可以三峽水庫(kù)防洪調(diào)度、丹江口水庫(kù)供水調(diào)度為典型，在實(shí)時(shí)預(yù)報(bào)調(diào)度業(yè)務(wù)中進(jìn)行概率預(yù)報(bào)示范應(yīng)用?？紤]到概率預(yù)報(bào)的生命力在于“提供風(fēng)險(xiǎn)信息，優(yōu)化決策方案，避免調(diào)度失誤”，探索概率預(yù)報(bào)成果與調(diào)度風(fēng)險(xiǎn)的耦合點(diǎn)將是需要進(jìn)一步研究的重點(diǎn)。

4 結(jié) 語(yǔ)

本文在總結(jié)國(guó)內(nèi)外現(xiàn)有概率預(yù)報(bào)研究的基礎(chǔ)上，針對(duì)長(zhǎng)江流域洪水概率預(yù)報(bào)業(yè)務(wù)化需求，從基本原則、模型方法庫(kù)構(gòu)建、業(yè)務(wù)流程、成果形式等方面進(jìn)行了初步思考，得出以下幾點(diǎn)認(rèn)識(shí)：

（1）鑒于實(shí)時(shí)作業(yè)預(yù)報(bào)的時(shí)限要求，長(zhǎng)江流域洪水概率預(yù)報(bào)業(yè)務(wù)需注重計(jì)算的便捷性與實(shí)用性，具有自動(dòng)實(shí)現(xiàn)功能;

（2）模型方法庫(kù)應(yīng)從分布函數(shù)方法、概率預(yù)報(bào)方法、洪水預(yù)報(bào)過(guò)程校正方法等方面，以自主研發(fā)和引進(jìn)合作相結(jié)合的方式構(gòu)建;

（3）洪水概率預(yù)報(bào)的業(yè)務(wù)流程包括歷史樣本空間建立、洪水概率預(yù)報(bào)模型構(gòu)建、確定性洪水預(yù)報(bào)制作、概率預(yù)報(bào)區(qū)間推求、典型預(yù)報(bào)線組推求、基于概率預(yù)報(bào)的水情預(yù)警發(fā)布等步驟;

（4）長(zhǎng)江流域洪水概率預(yù)報(bào)的成果包括主推薦預(yù)報(bào)過(guò)程線、概率預(yù)報(bào)區(qū)間、帶風(fēng)險(xiǎn)信息的典型預(yù)報(bào)過(guò)程線組以及概率預(yù)警信息;

（5）實(shí)現(xiàn)概率預(yù)報(bào)成果與調(diào)度風(fēng)險(xiǎn)分析的有機(jī)結(jié)合，是進(jìn)一步研究長(zhǎng)江洪水概率預(yù)報(bào)業(yè)務(wù)化的重點(diǎn)。

參考文獻(xiàn)：

[1] 王俊.長(zhǎng)江洪水監(jiān)測(cè)預(yù)報(bào)預(yù)警體系建設(shè)與實(shí)踐[J].中國(guó)水利，2017（14）：8-10.

[2] 程海云.洪水預(yù)報(bào)系統(tǒng)及其在工程調(diào)度中的作用[J].中國(guó)水利，2020（17）：11-13.

[3] CHEN S T，YU P S.Real-time probabilistic forecasting of flood stages[J].Journal of Hydrology，2007，340（1-2）：63-77.

[4] STIGLER S M.The transition from point to distribution estimation[J].Bull.Inst.Internat.Statist，1975（2）：332-340，355-360.

[5] KRZYSZTOFOWICZ R.Bayesian theory of probabilistic forecasting via deterministic hydrologic model[J].Water Resources Research，1999，35（9）：2739-2750 .

[6] SCHAAKE J C，HAMILL T M，BUIZZA R，et al.HEPEX：The hydrological ensemble prediction experiment[J].Bulletin of the American Meteorological Society，2006，3（5）：1541-1547.

[7] KUCZERA G，KAVETSKI D，F(xiàn)RANKS S，et al.Towards a Bayesian total error analysis of conceptual rainfall-runoff models：characterising model error using stormdependent parameters [J].Journal of Hydrology，2006，331（1-2）：161-177.

[8] 董磊華，熊立華，萬(wàn)民.基于貝葉斯模型加權(quán)平均方法的水文模型不確定性分析[J].水利學(xué)報(bào)，2011，42（9）：1065-1074.

[9] ZHONG Y，GUO S，BA H，et al.Evaluation of the BMA probabilistic inflow forecasts using TIGGE numeric precipitation predictions [J].Hydrology Research，2018，49（5）：1417-1433.

[10] KRZYSZTOFOWICZ R，Kelly K S.Hydrologic uncertainty processor for probabilistic river stage forecasting[J].Water Resources Research，2000，36（11）：3265-3277.

[11] 李向陽(yáng)，程春田，林劍藝.基于BP 網(wǎng)絡(luò)的貝葉斯概率水文預(yù)報(bào)模型[J].水利學(xué)報(bào)，2006，37（3）：354-359.

[12] 劉章君，郭生練，李天元，等.貝葉斯概率洪水預(yù)報(bào)模型及其比較應(yīng)用研究[J].水利學(xué)報(bào)，2014，45（9）：1019-1028.

[13] 翟劭燚，張曉雪，劉九夫.大伙房水庫(kù)洪水預(yù)報(bào)誤差分布規(guī)律分析[J].水文，2011，31（6）：14-17.

[14] 刁艷芳，王本德，劉冀.基于最大熵原理方法的洪水預(yù)報(bào)誤差分布研究[J].水利學(xué)報(bào)，2007，38（5）：591-595.

[15] 梁忠民，蔣曉蕾，錢名開(kāi)，等.考慮誤差異分布的洪水概率預(yù)報(bào)方法研究[J].水力發(fā)電學(xué)報(bào)，2017，36（4）：18-25.

[16] KRZYSZTOFOWICZ R.Probabilistic hydrometeorological forecasts：toward a new era in operational forecasting[J].Bull Amer Meteor Soc，1998，79（2）：243-251.

[17] CLOKE H L，PAPPENBERGER F.Ensemble flood forecasting：a review [J].Journal of Hydrology，2009，375（3-4）：613-626.

（編輯：謝玲嫻）