楊文發(fā)　王樂　張俊

摘要：水文預(yù)報作為一項(xiàng)非工程措施，在水旱災(zāi)害防御、水資源綜合利用，以及社會經(jīng)濟(jì)建設(shè)等領(lǐng)域發(fā)揮著越來越重要的支撐和保障作用。回顧了近年來國內(nèi)外有關(guān)流域水文預(yù)報技術(shù)應(yīng)用進(jìn)展，梳理了流域多尺度水文預(yù)報的概念，系統(tǒng)性地闡述了多尺度水文預(yù)報應(yīng)用中的關(guān)鍵技術(shù)和方法、面臨的問題和不足以及未來的發(fā)展趨勢，并重點(diǎn)探討了流域水文預(yù)報中涉及的不確定性因素以及水文氣象耦合方面的不匹配性等問題。最后，基于對流域水文預(yù)報適用性的分析，強(qiáng)調(diào)了在拓展流域不同預(yù)見期水文預(yù)報新業(yè)務(wù)實(shí)踐中考慮水文預(yù)報適用性的重要性，提出了現(xiàn)狀條件下拓展多尺度流域水文預(yù)報業(yè)務(wù)的指導(dǎo)性原則及建議。

關(guān)鍵詞：多尺度水文預(yù)報; 水文氣象耦合; 不確定性; 預(yù)報適用性

中圖法分類號： P338

文獻(xiàn)標(biāo)志碼： A

DOI：10.16232/j.cnki.1001-4179.2021.10.013

0引 言

水文預(yù)報作為一項(xiàng)非工程措施，可判斷水文要素未來情勢變化，為決策爭取有效時間，在水旱災(zāi)害防御、水資源綜合利用，以及社會經(jīng)濟(jì)建設(shè)等領(lǐng)域發(fā)揮著越來越重要的支撐和保障作用[1]。由于早期降雨預(yù)報精度低、定性多過定量，難以滿足與水文模型耦合預(yù)報的需求，傳統(tǒng)短期水文預(yù)報通常不考慮預(yù)見期的降雨信息，而以實(shí)際落地降雨作為輸入進(jìn)行降雨產(chǎn)流預(yù)報，而中長期水文預(yù)報則采用統(tǒng)計(jì)方法外推徑流變化[2-3]。

隨著大氣科學(xué)的發(fā)展和高性能計(jì)算技術(shù)的進(jìn)步，特別是數(shù)值預(yù)報技術(shù)的迅猛發(fā)展和廣泛應(yīng)用，當(dāng)前定量降雨預(yù)報技術(shù)得到長足進(jìn)步，降水預(yù)報產(chǎn)品的時空分辨率顯著提高[4-7]，預(yù)見期大大延長[8]，已具備與水文模型耦合的可能性。GB/T 22482-2008《水文情報預(yù)報規(guī)范》也提出水情服務(wù)中可采用預(yù)報的降雨量驅(qū)動水文預(yù)報，以達(dá)到提高預(yù)報精度、延長預(yù)見期的目的[9]。目前，國內(nèi)外已廣泛將水文氣象耦合技術(shù)應(yīng)用到短中期水文預(yù)報試驗(yàn)和實(shí)踐中，并取得了較好效果[10-15]。此外，關(guān)于大尺度流域水文模型與氣候模式的耦合應(yīng)用研究也受到廣泛推崇，旨在結(jié)合氣候模式與水文模型二者的優(yōu)勢，實(shí)現(xiàn)更長預(yù)見期的水文模擬或預(yù)測。但由于一方面氣候模式對降雨的預(yù)報能力要低于短中期數(shù)值模式，另一方面當(dāng)前氣候模式與水文模型的耦合方式簡單，以至于氣候模式對不同下墊面下的蒸發(fā)、產(chǎn)匯流機(jī)制等水文過程考慮不足，使得實(shí)際長期徑流預(yù)測效果并不令人滿意[16-17]。目前，基于水文-氣候模式耦合的預(yù)測方法仍多停留在月、季、年等長期徑流預(yù)測試驗(yàn)或氣候變化對水資源影響模擬研究方面[18-20]。眾多研究和實(shí)踐表明，水文氣象耦合預(yù)報技術(shù)已成為全球范圍內(nèi)主流的發(fā)展方向，并已廣泛應(yīng)用于不同預(yù)見期的流域水文預(yù)報研究和業(yè)務(wù)實(shí)踐當(dāng)中[11-12，21-23]。

水文氣象耦合預(yù)報技術(shù)的應(yīng)用，促進(jìn)了水文預(yù)報領(lǐng)域的迅猛擴(kuò)展，改變了原有水文預(yù)報的時間尺度觀念，但也相應(yīng)帶來一些新的問題和技術(shù)挑戰(zhàn)[13-24]。如流域跨尺度水文模型的時空尺度匹配和區(qū)域適用性，不同流域開展跨尺度水文預(yù)報的可行性以及社會和公眾對水文預(yù)報精度和預(yù)見期要求不斷增長的需求與現(xiàn)有技術(shù)瓶頸之間的矛盾等問題。假如對一個河流流域，原已構(gòu)建的水文預(yù)報模型可較好適用于預(yù)見期幾小時至數(shù)日的短期預(yù)報業(yè)務(wù)，但能否在原有模型和方案的基礎(chǔ)上，直接實(shí)現(xiàn)預(yù)見期一周、甚至一月以上的中長期預(yù)測業(yè)務(wù)呢？要回答此問題，就有必要搞清楚針對該流域不同尺度水文預(yù)報的適用性問題。理論上講，針對不同空間尺度流域?qū)ο?，開展不同預(yù)見期水文預(yù)報時，采用的流域水文模型及相應(yīng)的模型參數(shù)等應(yīng)有差異和側(cè)重，若時、空尺度不匹配，則難以客觀揭示流域水文過程的“真實(shí)”發(fā)展變化規(guī)律。同時，不同時空尺度流域的定量降水預(yù)報精度和有效預(yù)見期是有差異的，也會顯著影響水文預(yù)報精度和預(yù)見期，這表明充分研究認(rèn)識不同時空尺度下水文的可預(yù)報性問題是很有必要和具有實(shí)踐指導(dǎo)意義的。因此，本文調(diào)研當(dāng)前國內(nèi)外流域多尺度水文預(yù)報的應(yīng)用進(jìn)展，厘清水文預(yù)報所涉及的相關(guān)概念，在此基礎(chǔ)上進(jìn)一步探討多尺度水文預(yù)報的不確定性和適用性等實(shí)際應(yīng)用問題。

1流域多尺度水文預(yù)報概念

多尺度概念通常分為時間和空間的多尺度，在水文預(yù)報實(shí)踐中，按流域空間尺度來具體界定水文預(yù)報的較少[25-26]，一般較模糊地稱為流域大尺度水文預(yù)報、中小河流水文預(yù)報或山洪溝流域水文預(yù)報預(yù)警等。傳統(tǒng)的水文/徑流多尺度預(yù)報以流域匯流時間為界劃分時間尺度，這是因?yàn)閼?yīng)用落地雨推算產(chǎn)流的最大時效不超過匯流時間，凡預(yù)報的預(yù)見期小于或等于流域匯流時間稱為短期預(yù)報，否則稱為中長期水文預(yù)報，本文中的多尺度概念同樣以時間尺度為主。在現(xiàn)代水文氣象耦合預(yù)報方法下，水文徑流預(yù)報的預(yù)見期大大延長，傳統(tǒng)的多尺度水文預(yù)報概念也要隨之改變。一般對于大尺度流域而言，3 d內(nèi)預(yù)見期的洪水預(yù)報精度基本可滿足業(yè)務(wù)要求，可稱之為短期水文預(yù)報;4～10 d預(yù)見期的水文預(yù)報能夠定量報出河段的漲水退水趨勢，但其預(yù)報精度尚難保證，稱之為中期水文預(yù)報;月及以上預(yù)見期的水文預(yù)報，目前的預(yù)測精度較低，以等級或范圍預(yù)測為主，一般稱為長期水文預(yù)測，這與GB/T 50095-2014《水文基本術(shù)語和符號標(biāo)準(zhǔn)》[27]中對多尺度水文預(yù)報預(yù)見期的定義也基本一致。

當(dāng)然，對于不同空間尺度和氣候地形條件的流域，其短、中、長期水文預(yù)報的時間范圍和精度不能一概而論。需要指出的是，短中期水文預(yù)報的要素一般為某地未來某個時刻的水位、流量值或洪峰水位等，而長期水文/徑流預(yù)報的對象通常為旬、月、季或年的降水量和來水量的平均值，有時也稱之為長期水資源量預(yù)測。目前長江水利委員會（以下簡稱“長江委”）開展的多尺度水文預(yù)報業(yè)務(wù)如圖1所示，在傳統(tǒng)短中長期預(yù)報的基礎(chǔ)上，還增加了延伸期水文預(yù)報業(yè)務(wù)。目前，全球大多數(shù)國家均已開展多尺度水文預(yù)報業(yè)務(wù)，其預(yù)報對象的時間尺度從幾分鐘到季乃至年，預(yù)報內(nèi)容不僅關(guān)注極端事件（洪水和干旱），還關(guān)注水文變化范圍;具體的預(yù)報產(chǎn)品和服務(wù)一般按照預(yù)見期和空間尺度進(jìn)行劃分，從局地預(yù)見期數(shù)分鐘到數(shù)小時的暴洪預(yù)報，到河流流域尺度數(shù)小時到數(shù)天的河流水位和流量預(yù)報，再到跨多個河流流域的長期季節(jié)徑流和干旱預(yù)報。各國主要的水文過程特征以及使用的數(shù)據(jù)、模式和方法等不盡相同，具體實(shí)施預(yù)報業(yè)務(wù)的實(shí)踐路線也各有特點(diǎn)[28]。

2流域多尺度水文預(yù)報應(yīng)用研究

2.1流域短中期水文預(yù)報

短中期水文預(yù)報的對象主要是洪水過程，追求的是高精度和更長預(yù)見期的定量化預(yù)報，這與定量降水預(yù)報和流域水文預(yù)報模型兩項(xiàng)關(guān)鍵技術(shù)緊密相關(guān)。

2.1.1定量降水預(yù)報技術(shù)及其應(yīng)用

降水是洪水預(yù)報中最重要的輸入強(qiáng)迫因子，準(zhǔn)確的定量降水預(yù)報（Quantitative Precipitation Forecast，QPF）是提高水文預(yù)報精度、延長預(yù)見期的關(guān)鍵所在?，F(xiàn)代定量降水預(yù)報技術(shù)流程主要包括以下3個部分：數(shù)值模式客觀預(yù)報、統(tǒng)計(jì)后處理技術(shù)、預(yù)報員經(jīng)驗(yàn)訂正[29]。數(shù)值模式是定量降水預(yù)報的基礎(chǔ)，它對大氣系統(tǒng)內(nèi)部及邊界的各種物理過程進(jìn)行物理概化，通過求解大氣運(yùn)動方程組計(jì)算未來時段網(wǎng)格點(diǎn)內(nèi)的定量降水，隨著高分辨率數(shù)值模式的發(fā)展、資料同化技術(shù)的改進(jìn)、集合預(yù)報技術(shù)的應(yīng)用以及人類對大氣物理過程認(rèn)知的完善，數(shù)值模式降水預(yù)報技巧也在不斷提升，現(xiàn)已成為QPF業(yè)務(wù)發(fā)展的主導(dǎo)因素[29]。統(tǒng)計(jì)后處理技術(shù)包括客觀訂正集成和降尺度技術(shù)，前者利用數(shù)據(jù)挖掘的方法從海量數(shù)據(jù)中獲取最優(yōu)的客觀預(yù)報，后者通過統(tǒng)計(jì)和動力方法、結(jié)合地形氣候等信息獲取更高分辨率的QPF產(chǎn)品[30-31]。預(yù)報員經(jīng)驗(yàn)訂正是在模式和客觀預(yù)報的基礎(chǔ)上發(fā)揮氣象專家的作用，依靠對天氣概念模型的構(gòu)建、模式誤差分析等對模式降雨預(yù)報信息進(jìn)行主觀經(jīng)驗(yàn)綜合訂正。

受初值誤差和模式誤差等因素的影響，數(shù)值模式預(yù)報結(jié)果存在很大的不確定性，而集合預(yù)報技術(shù)是一種定量估計(jì)大氣預(yù)報中不確定性的有效方法[32]。集合預(yù)報技術(shù)是提高QPF的重要途徑，由于現(xiàn)有條件下無法獲取完全真實(shí)的觀測場，也無法構(gòu)建完全準(zhǔn)確的數(shù)值模式，科學(xué)家們通過初值擾動、物理擾動、模式擾動及它們的組合生成大量集合成員預(yù)報結(jié)果，從而得到將來時刻大氣狀態(tài)的多種可能性，其中初值擾動是通過擾動給出一系列近似于真實(shí)場的擾動場，將其輸入確定性數(shù)值模式得到多組預(yù)報結(jié)果，模式和物理擾動是通過不同數(shù)值模式或者不同物理參數(shù)化方案得到多組預(yù)報結(jié)果[33-34]。目前業(yè)務(wù)中常用的集合預(yù)報產(chǎn)品主要有兩種形式：① 確定性預(yù)報，通過對集合成員進(jìn)行平均處理、優(yōu)選組合等方法來獲取;② 概率預(yù)報，根據(jù)集合成員的概率密度分布，推斷未來時刻發(fā)生各種天氣的概率，特別是一些極端天氣發(fā)生的概率。當(dāng)前全球各大預(yù)報中心在業(yè)務(wù)中均已廣泛采用集合預(yù)報技術(shù)[34]，這是因?yàn)橐环矫娲_定性集合預(yù)報產(chǎn)品通過平均或優(yōu)化等計(jì)算過程對一些隨機(jī)噪音進(jìn)行了過濾，其精度通常比確定性單值數(shù)值模式預(yù)報的結(jié)果更加準(zhǔn)確;另一方面概率集合預(yù)報產(chǎn)品包含集合預(yù)報系統(tǒng)所能提供的所有信息，最大程度地包含實(shí)際大氣可能發(fā)生的多種情況，還可為預(yù)報員開展極端天氣事件預(yù)報時提供參考信息[32]。

隨著數(shù)值模式技術(shù)的不斷進(jìn)步，定量降雨預(yù)報產(chǎn)品質(zhì)量顯著提高，定量降雨預(yù)報產(chǎn)品與水文模型的耦合應(yīng)用技術(shù)獲得了極大的發(fā)展[35]。目前耦合方法主要分成單向和雙向耦合兩類。單向耦合相對比較簡單，首先將低分辨率的數(shù)值模式產(chǎn)品進(jìn)行降尺度處理[36]，得到未來幾天的高分辨率小時氣象要素預(yù)報;其次建立流域上的分布式水文模型;再把數(shù)值模式預(yù)報各輸出點(diǎn)氣象要素的時間尺度轉(zhuǎn)化成水文模型計(jì)算的時間尺度，利用不同的插值方法得到分布式水文模型各計(jì)算單元的氣象強(qiáng)迫預(yù)報輸入值;最后進(jìn)行耦合模型預(yù)報，將預(yù)報時刻以前的降水等仍采用實(shí)測值輸入，而預(yù)報時刻以后的輸入采用數(shù)值模式的降水預(yù)報值，根據(jù)已率定好的參數(shù)運(yùn)行分布式水文模型，得到不同預(yù)見期下的流域出口流量過程[13]。目前，國內(nèi)水文預(yù)報業(yè)務(wù)大多采用單向耦合技術(shù)路線，其中定量降水預(yù)報信息主要基于某一個或多個氣象模式進(jìn)行解釋訂正或綜合集成來獲取，再作為流域水文模型的輸入，從而實(shí)現(xiàn)提高水文預(yù)報精度、延長預(yù)見期的目的。當(dāng)前，應(yīng)用廣泛的短中期氣象模式主要有歐洲中期天氣預(yù)報中心（ECMWF）、日本、德國、美國、中國等數(shù)值預(yù)報產(chǎn)品。多年的預(yù)報檢驗(yàn)表明：ECMWF數(shù)值模式降水產(chǎn)品對我國降水的預(yù)報效果最好，基本能夠滿足當(dāng)前短中期水文預(yù)報的需求，它每日發(fā)布4次未來240 h時效內(nèi)的QPF，格點(diǎn)分辨率為0.125°×0.125°。中國國家氣象中心的定量降水預(yù)報業(yè)務(wù)產(chǎn)品包括每日2次發(fā)布的未來24 h時效內(nèi)逐6 h累積QPF、未來168 h時效內(nèi)逐24 h累積QPF，以及中期過程降水量預(yù)報等特色QPF產(chǎn)品，格點(diǎn)空間分辨率達(dá)到5 km，近年來其在預(yù)報精度上也得到了快速提升，有望未來與中國水文預(yù)報業(yè)務(wù)進(jìn)一步耦合。

雙向耦合則是針對單向耦合中數(shù)值天氣模式與水文模式獨(dú)立運(yùn)行的不足，將建立的水文模型嵌入到數(shù)值模式的陸面模塊，使數(shù)值天氣模式與水文模式共用同樣的陸面過程機(jī)制[21]。數(shù)值模式提供當(dāng)前運(yùn)行時段的氣象要素預(yù)報給水文模型，經(jīng)過運(yùn)行水文模型，將其計(jì)算的土壤濕度、徑流量等又反饋給數(shù)值預(yù)報模式，而數(shù)值模式根據(jù)反饋的信息不斷改進(jìn)初始邊界條件，進(jìn)而可以向水文模式提供下一時刻的氣象輸出。通過數(shù)值模式與水文模型的雙向耦合，可以進(jìn)一步提高降水和洪水預(yù)報的精度[21，35]。但目前雙向耦合技術(shù)主要應(yīng)用于科學(xué)研究當(dāng)中，在生產(chǎn)實(shí)踐業(yè)務(wù)中的應(yīng)用仍較少。

2.1.2流域短中期水文預(yù)報模型

流域水文模型的研究大約始于20世紀(jì)50年代，經(jīng)過半個多世紀(jì)的發(fā)展，已日趨復(fù)雜化、多樣化和實(shí)用化，通?？蓪⑵浞譃榇_定性模型和隨機(jī)（統(tǒng)計(jì)）模型兩大類，實(shí)際應(yīng)用中水文模型一般指確定性模型[37]。從反映水流運(yùn)動物理規(guī)律的科學(xué)性和復(fù)雜程度而言，水文模型通常被分為系統(tǒng)模型（黑箱子模型）、概念性模型和物理模型3類[38];從反映水流運(yùn)動空間變化能力而言，水文模型又可分為集總式模型和分布式模型兩類，其中集總式模型屬于概念性模型的范疇，分布式模型屬于物理模型的范疇[39]?；诖?，本節(jié)主要以集總和分布式水文模型為對象進(jìn)行闡述。

（1） 集總式水文模型。

集總式水文模型自20世紀(jì)50年代中期至80年代中期進(jìn)入蓬勃發(fā)展階段，其采用的數(shù)學(xué)方程通常不考慮流域下墊面特性、水文過程、模型參數(shù)等的空間變異性，模型認(rèn)為流域面上各點(diǎn)的水力學(xué)特征是均勻分布的，對流域面上的任何一點(diǎn)的降雨，其下滲、滲漏等縱向水流運(yùn)動都是相同和平行的。集總式水文模型具備一定的物理基礎(chǔ)，但是由于它不考慮水文單元之間的交換過程，其輸出結(jié)果通常只能反映整個流域的面平均狀況和流域出口的水文過程[37]，無法給出水文變量在流域內(nèi)的分布，滿足不了規(guī)劃管理實(shí)踐中對流域內(nèi)各個位置水情預(yù)報的需要，且模型參數(shù)變量通常取流域平均值，需要通過校準(zhǔn)才能獲得。代表模型包括美國的Stanford模型和HEC-1模型、日本的Tank模型、瑞典的HBV模型、我國的新安江模型等[37-39]。

（2） 分布式水文模型。

20世紀(jì)80年代中期以來，隨著計(jì)算機(jī)、地理信息系統(tǒng)和遙感技術(shù)的發(fā)展，分布式水文模型逐步受到重視。按照子流域或子區(qū)域所采用的分析降雨徑流形成的理論和方法，分布式水文模型可分為概念性和具有物理基礎(chǔ)兩類[40]。若按照各子流域或子區(qū)域形成的徑流過程轉(zhuǎn)變?yōu)槿饔驈搅鬟^程的方法，可分為松散型和耦合型兩類[41]。分布式概念水文模型多為松散結(jié)構(gòu)，即假設(shè)流域各子流域或網(wǎng)格單元上的水文響應(yīng)是相互獨(dú)立的，在每個單元上應(yīng)用概念性集總模型來推求降雨產(chǎn)流計(jì)算，然后再進(jìn)行匯流計(jì)算，最后推求出口斷面的流量，整個流域的水文響應(yīng)是各個單元的水文響應(yīng)疊加得到的[40]，代表性模型如SWAT模型。分布式物理水文模型既有松散的也有耦合的，其中以水動力學(xué)為基礎(chǔ)的幾乎都是耦合的，其充分考慮了水文過程、輸入變量、邊界條件和流域幾何特征的空間差異性，認(rèn)為流域面上的各點(diǎn)水力學(xué)特征是非均勻分布的，計(jì)算時需要將流域按照DEM分布和水力學(xué)特性劃分為若干個單元，每個單元上用不同參數(shù)反映產(chǎn)匯流特性，同時考慮各單元之間的橫向交換過程，從而實(shí)現(xiàn)對流域面上各點(diǎn)水文過程的描述[41-46]。其理論上較為完善，但需要求解復(fù)雜的微分方程組，典型代表包括SHE、MIKE-SHE等。此外，還存在一種半分布式水文模型，其介于集總式水文模型和分布式水文模型之間，模型參數(shù)少、結(jié)構(gòu)相對簡單，并未考慮降水、蒸發(fā)等因素的空間分布對流域產(chǎn)匯流的影響，典型代表如TOPMODEL、TOPIKAPI[40]。

與傳統(tǒng)的集總式模型相比，分布式水文模型從水循環(huán)的動力學(xué)機(jī)制出發(fā)描述流域水文問題，既考慮降雨和下墊面空間分布不均對流域產(chǎn)流造成的影響，同時也能滿足環(huán)境系統(tǒng)分析的需求，明顯優(yōu)于傳統(tǒng)的集總式水文模型，為真實(shí)描述和科學(xué)模擬降雨徑流形成機(jī)理提供有效的工具，具有理論上的前沿性[40-46]。但是由于缺乏高質(zhì)量觀測資料、水文物理機(jī)制不完善、計(jì)算耗時長等問題，現(xiàn)階段實(shí)際業(yè)務(wù)應(yīng)用中集總式水文模型使用范圍更為廣泛，且其預(yù)測精度暫時通常高于分布式水文模型。

2.2長期水文預(yù)報

長期水文預(yù)報方法一般是根據(jù)河川徑流變化具有連續(xù)性、周期性、地區(qū)性和隨機(jī)性等特征有針對性地開展研究。近年來，長期水文預(yù)報在傳統(tǒng)數(shù)理統(tǒng)計(jì)方法的基礎(chǔ)上，又涌現(xiàn)出了一些結(jié)合現(xiàn)代智能應(yīng)用的方法，如神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等，以及上述多統(tǒng)計(jì)方法的綜合應(yīng)用等[2-3]。此外，隨著水文、氣象模型和計(jì)算機(jī)技術(shù)的高速發(fā)展，基于氣候水文耦合模型的長期水文預(yù)報也逐漸成為現(xiàn)代水文研究的熱點(diǎn)方向之一[16-17]。下面主要從物理成因分析、傳統(tǒng)數(shù)理統(tǒng)計(jì)方法、人工智能應(yīng)用，以及氣候水文耦合等長期預(yù)測方面簡要綜述研究進(jìn)展。

2.2.1物理成因分析法

該類方法主要分為兩類：① 天氣學(xué)方法。徑流的變化主要取決于降水，而降水又是由大氣環(huán)流形勢決定的，因此天氣學(xué)方法主要根據(jù)前期大氣環(huán)流特征以及表示這些特征的各種高空氣象要素直接與后期的水文要素建立定性關(guān)系進(jìn)行預(yù)報[2]。② 物理要素方法。地球系統(tǒng)是一個整體，水文過程與海溫變化狀況、太陽活動、極地冰雪等氣候因子均有一定聯(lián)系，分析這些因素的異常信號，并建立與水文要素特征值之間的相關(guān)關(guān)系，可以對后期水文要素可能發(fā)生的變化情況進(jìn)行預(yù)測[47-48]。其中，海溫場的異常分布具有范圍廣、厚度深、持續(xù)時間長等特點(diǎn)，往往是大氣環(huán)流異常的先兆，能為長期水文預(yù)報提供重要信息。該類方法通過探尋大氣環(huán)流、海溫場及其它氣候背景異常信號特征，并與水文要素建立相關(guān)關(guān)系，實(shí)現(xiàn)定性的趨勢分析推測。該類方法的預(yù)測結(jié)果能在一定程度上反映外界因子對水文要素的影響，具有一定的可信度，但缺乏內(nèi)在的物理成因機(jī)理認(rèn)識。此外，不同流域預(yù)報對象的影響因子是各有差異的，即使對同一區(qū)域各因子的影響作用也有顯著的年際變化差異，如1998年在超強(qiáng)厄爾尼諾事件影響下長江流域出現(xiàn)流域性暴雨洪水[49]，但1999年在相反的拉尼娜事件影響下長江流域依然出現(xiàn)了嚴(yán)重的暴雨洪水事件[50]，因此該方法難以在各區(qū)域普遍適用。

2.2.2傳統(tǒng)數(shù)理統(tǒng)計(jì)方法

傳統(tǒng)數(shù)理統(tǒng)計(jì)法是應(yīng)用數(shù)理統(tǒng)計(jì)理論和方法，從大量水文歷史資料中，尋找預(yù)報對象和預(yù)報因子之間的統(tǒng)計(jì)關(guān)系或水文要素自身的歷史變化規(guī)律進(jìn)行預(yù)報。根據(jù)預(yù)報因子又分為兩類：單要素預(yù)報，即分析水文要素自身時序變化規(guī)律以進(jìn)行預(yù)報，如歷史演變法、周期疊加、趨勢分析及隨機(jī)函數(shù)的典型分解等;多因子綜合預(yù)報，即分析水文要素與前期多個因子之間的統(tǒng)計(jì)相關(guān)關(guān)系，利用數(shù)學(xué)方法建立多因子統(tǒng)計(jì)模型來進(jìn)行預(yù)報，如多元回歸分析、逐步回歸分析及多維時間序列等[3]。數(shù)理統(tǒng)計(jì)方法以其計(jì)算便捷、可操作性強(qiáng)，且充分利用歷史資料所含規(guī)律的特征，成為了長期水文預(yù)測中較常用的手段，但該類方法完全依據(jù)歷史資料自身變化特征，對于預(yù)測信息有時難以從物理機(jī)理角度予以合理解釋。

2.2.3人工智能應(yīng)用

水文過程是一種復(fù)雜的高度非線性過程，采用傳統(tǒng)的數(shù)理方法進(jìn)行預(yù)報有時與實(shí)際應(yīng)用的要求差距還較大。因此，一些新的可以描述非線性信息的人工智能方法相應(yīng)地被引入水文長期預(yù)報領(lǐng)域中，如深度學(xué)習(xí)、大數(shù)據(jù)挖掘分析等[18]。其中，深度學(xué)習(xí)是近幾年人工智能領(lǐng)域出現(xiàn)的一種機(jī)器學(xué)習(xí)方法，通過設(shè)置更多的隱藏層來提高神經(jīng)網(wǎng)絡(luò)對復(fù)雜數(shù)據(jù)映射的求解能力，最終提高復(fù)雜非線性系統(tǒng)的預(yù)測精度。常見的深度學(xué)習(xí)方法如遞歸神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Networks，RNN）、卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，CNN）和長短期記憶網(wǎng)絡(luò)（Long Short-Term Memory networks，LSTM）等也相繼被水文學(xué)者引入到水文模擬和預(yù)測的研究之中[51-53]。同樣，為充分利用各模型在不同條件下的預(yù)報優(yōu)勢，也可以將不同的人工智能模型相互結(jié)合，通過尋求多種模型的最優(yōu)組合，以提高長期水文預(yù)報精度，如深度信念網(wǎng)絡(luò)模型等[53]。目前，人工智能方法被廣泛地應(yīng)用于水文預(yù)報領(lǐng)域，因其處理非線性和不確定性的強(qiáng)大能力，已成為水文預(yù)報研究熱點(diǎn)方向之一。

盡管人工智能方法在水文預(yù)報領(lǐng)域有良好的應(yīng)用前景，但同樣存在許多亟待解決的問題，主要有以下幾類：① 數(shù)據(jù)稀缺性的問題，機(jī)器學(xué)習(xí)方法通常需要大量的數(shù)據(jù)，而水文歷史數(shù)據(jù)存在序列短、缺失嚴(yán)重等問題，且現(xiàn)有基礎(chǔ)水文資料在很多地區(qū)難以獲取[54];② 原理可解釋性的問題，自然界的水文過程十分復(fù)雜，目前的機(jī)器學(xué)習(xí)方法主要基于數(shù)據(jù)黑箱模型構(gòu)建，缺乏對具體物理機(jī)制的解釋，其應(yīng)用存在精度模擬不夠以及難以讓人信服的問題[55];③ 參數(shù)選擇的問題，由于現(xiàn)階段對機(jī)器學(xué)習(xí)的原理認(rèn)識還不足，其參數(shù)選擇只能依靠人員經(jīng)驗(yàn)和反復(fù)試驗(yàn)得到，耗費(fèi)大量的精力且存在局部最優(yōu)解的問題[56]。因此，針對具體預(yù)報任務(wù)，如何建立機(jī)器學(xué)習(xí)，應(yīng)用人工智能方法，實(shí)現(xiàn)適應(yīng)變化環(huán)境下的智慧水文預(yù)報，仍是當(dāng)前極具挑戰(zhàn)性的技術(shù)難題之一。

2.2.4基于耦合氣候模型的長期徑流預(yù)測

目前，國內(nèi)外氣候數(shù)值模式可以做到輸出月尺度的逐日定量降水和氣溫預(yù)報，但由于預(yù)見期長、影響因素復(fù)雜、不確定性大等原因，導(dǎo)致其預(yù)報精度差，在業(yè)務(wù)應(yīng)用中通常采用平均、累計(jì)等方法對其產(chǎn)品進(jìn)行再處理。盡管目前氣候模式對定量降水預(yù)報的精度較低，但隨著氣候模式集合預(yù)報技術(shù)的發(fā)展，一定程度上減小了長期定量降水預(yù)報的誤差，并反映出預(yù)報不確定信息。因此利用氣候模式輸出的長期定量降水預(yù)測結(jié)果驅(qū)動水文模型，從而獲取中長期水文氣象耦合預(yù)測結(jié)果，成為當(dāng)前國內(nèi)外研究的熱點(diǎn)之一[57-59]。如，歐洲委員會和歐洲中期天氣預(yù)報中心于2018年發(fā)布了全球范圍的中長期水文氣象預(yù)報系統(tǒng)GloFAS Seasonal（https：∥www.globalfloods.eu），將ECMWF的季節(jié)性降水預(yù)報產(chǎn)品與水文模型結(jié)合，提供全球任意集水面積大于1 500 km2的河網(wǎng)且預(yù)見期長達(dá)16周的集合徑流預(yù)報產(chǎn)品[57]。國內(nèi)相關(guān)研究起步較晚，尚處于探索階段，劉甜等[16]利用CFS模式輸出的未來9個月降水預(yù)報產(chǎn)品與SWAT水文模型進(jìn)行耦合，建立了漢江流域長期水文水資源預(yù)測系統(tǒng)。陳柯兵等[17]檢驗(yàn)了GloFAS季節(jié)徑流預(yù)報產(chǎn)品對長江上游長期徑流的預(yù)測效果，發(fā)現(xiàn)提前1個月的枯水期預(yù)測效果較好。

模式耦合方法的優(yōu)點(diǎn)在于計(jì)算效率高、物理機(jī)制清晰、可輸出任意斷面預(yù)測結(jié)果[20]，但限于當(dāng)前學(xué)科研究水平，該方法仍處在模擬試驗(yàn)階段，投入業(yè)務(wù)應(yīng)用較少?？梢灶A(yù)見，隨著氣候模式的不斷發(fā)展，今后氣候模式和分布式水文模型的耦合應(yīng)用將是實(shí)現(xiàn)中長期水文徑流預(yù)測業(yè)務(wù)的重要發(fā)展方向。

2.3水文集合概率預(yù)報

集合預(yù)報和概率預(yù)報是當(dāng)前刻畫洪水預(yù)報不確定性的兩種重要手段。一方面，隨著降雨集合預(yù)報技術(shù)的發(fā)展，水文預(yù)報用戶也開始嘗試?yán)眉戏椒▽λ念A(yù)報不確定性進(jìn)行定量估計(jì)，通過不同降雨預(yù)報產(chǎn)品驅(qū)動水文模型計(jì)算，以考慮輸入不確定性對預(yù)報精度的影響，屬于集合前處理技術(shù);另一方面，利用集合概率分析和總誤差分析等技術(shù)手段，通過定量估計(jì)水文預(yù)報的不確定性，以分析模型計(jì)算等誤差對水文預(yù)報精度的影響，屬于統(tǒng)計(jì)后處理技術(shù)。

（1） 集合前處理技術(shù)。其基本原理是計(jì)算出流域土壤的初始狀態(tài)并給定未來氣象強(qiáng)迫輸入集合（如降水、氣溫和潛在蒸發(fā)）以預(yù)測未來徑流過程，通過各類天氣氣候模型輸出的降水結(jié)果作為驅(qū)動水文模型的輸入進(jìn)行組合預(yù)報，以達(dá)到提高預(yù)報精度，反映預(yù)報不確定信息的目的。研究表明，引用降水集合預(yù)報的水文集合預(yù)報的可靠度更高，且能顯著提高調(diào)度效益[60]，其優(yōu)勢已經(jīng)被國內(nèi)外眾多水文氣象專家所肯定，并促使了大型國家水文氣象集合預(yù)報計(jì)劃-水文集合預(yù)報試驗(yàn)（HEPEX）的形成[61-64]。

（2） 統(tǒng)計(jì)后處理技術(shù)。由于水文模型直接輸出的預(yù)報結(jié)果存在眾多不確定性，必須對其進(jìn)行訂正后處理。統(tǒng)計(jì)后處理技術(shù)利用大量的歷史水文預(yù)報結(jié)果和觀測資料建立回歸統(tǒng)計(jì)模型，從而反映出歷史的水文預(yù)報誤差分布，并將此誤差分布函數(shù)代入當(dāng)前的水文預(yù)報中，以實(shí)現(xiàn)對未來水文事件的最大可能估計(jì)并給出一個廣泛的預(yù)報區(qū)間，從概率上講就是求水文集合預(yù)報對應(yīng)觀測值的條件概率密度函數(shù)，也就是概率預(yù)報的觀念，這個概率預(yù)報區(qū)間綜合了所有造成預(yù)報不確定性的因素。目前國內(nèi)外在水文集合后處理方面進(jìn)行了大量研究，并取得了較好的效果[65-67]。

現(xiàn)有的集合預(yù)報技術(shù)主要應(yīng)用于短中期水文預(yù)報，有關(guān)長期水文集合預(yù)測的研究還處于起步階段，但考慮到長期水文預(yù)測的不確定性遠(yuǎn)高于短中期預(yù)報，可以預(yù)見未來集合預(yù)報在長期水文預(yù)測中必將發(fā)揮重要的作用。水文預(yù)報的成果和價值最終需要體現(xiàn)在決策當(dāng)中[68]，基于水文集合概率預(yù)報可以提供多種不確定信息的優(yōu)勢，概率水文預(yù)報可與風(fēng)險信息相互結(jié)合，決策者在面臨不同風(fēng)險時根據(jù)自身情況進(jìn)行不同概率的決策，如進(jìn)行高風(fēng)險決策時需要更多考慮低概率事件，而低風(fēng)險決策時可以更多考慮高概率的事件，只有將概率水文預(yù)報真正引入洪水預(yù)警、水庫調(diào)度和水資源管理決策中，實(shí)現(xiàn)預(yù)報與風(fēng)險決策過程的有機(jī)結(jié)合，才能更好地體現(xiàn)概率水文預(yù)報的價值和效益。

3水文預(yù)報適用性問題

隨著氣象科學(xué)的不斷發(fā)展，不同時間尺度的天氣氣候預(yù)報水平也取得明顯提升，如未來3～5 d氣象預(yù)報的可信度已被廣泛認(rèn)可，更長預(yù)見期的預(yù)報也得到了長足進(jìn)步;同樣，基于氣象輸入驅(qū)動流域水文模型，開展不同預(yù)見期水文預(yù)報的能力也相應(yīng)得到提升。伴隨經(jīng)濟(jì)社會的高速發(fā)展，人們對氣象、水文預(yù)報要求越來越高，決策者和社會公眾需要更準(zhǔn)確和更長時效的水文預(yù)報。但限于現(xiàn)有預(yù)報水平，目前的水文預(yù)報技術(shù)還難以滿足上述需求，在實(shí)際應(yīng)用中還存在諸多不確定性和水文氣象耦合不匹配現(xiàn)象，這些不確定性和不匹配問題是否影響水文預(yù)報的適用性還需要進(jìn)一步認(rèn)識和研究。

3.1水文預(yù)報的不確定性

3.1.1短中期預(yù)報的不確定性

由于水文系統(tǒng)是由各種不同等級子系統(tǒng)組成的復(fù)雜系統(tǒng)，且系統(tǒng)內(nèi)不同層次和不同運(yùn)行周期存在著明顯的時空尺度差異。在不同時空尺度范圍內(nèi)，水文運(yùn)動規(guī)律不盡相同，物理機(jī)制各有差異，其研究方法也各不相同，作為描述各種尺度水文特征的空間數(shù)據(jù)和模型自然也有所不同[69]。當(dāng)前國內(nèi)外暫時還未研究出可跨尺度通用的水文模型或方法來實(shí)現(xiàn)不同時空尺度的預(yù)報業(yè)務(wù)，構(gòu)建好的氣象-水文耦合模式通常僅適用某指定流域?qū)ο螅舾鼡Q研究區(qū)域?qū)ο髣t需要重新開展參數(shù)的率定與模型評估，重新認(rèn)識耦合模型的區(qū)域適用性問題[70]。

雖然當(dāng)前無縫隙（模式、數(shù)據(jù)、方法和信息產(chǎn)品的跨空間和時間）的理念受到國內(nèi)外水文、氣象領(lǐng)域?qū)W者的廣泛認(rèn)可，已成為水文以及天氣氣候系統(tǒng)一致開發(fā)目標(biāo)，但因各自業(yè)務(wù)體系、數(shù)據(jù)產(chǎn)品、預(yù)報服務(wù)要求等有所差異，實(shí)際業(yè)務(wù)中仍各自發(fā)展，互有側(cè)重，尚難以實(shí)現(xiàn)較滿意的融合應(yīng)用發(fā)展[28]。

3.2.2不斷增長的業(yè)務(wù)需求與現(xiàn)有水文預(yù)報技術(shù)之間不匹配

預(yù)測未來，追求預(yù)見期更長、精度更準(zhǔn)，是人類永恒的追求之一。不論水文或氣象行業(yè)，一般隨著預(yù)見期延長，其預(yù)報精度相應(yīng)隨之降低，兩者之間難以同等匹配，這是符合現(xiàn)有科學(xué)認(rèn)知水平和技術(shù)條件的客觀規(guī)律。但在業(yè)務(wù)實(shí)踐中，隨著經(jīng)濟(jì)社會的迅猛發(fā)展，更長預(yù)見期的水文預(yù)報業(yè)務(wù)需求日漸增長，特別是在編制流域水量分配和跨流域調(diào)水計(jì)劃、水電站汛末蓄水和月、季、年發(fā)電計(jì)劃等領(lǐng)域，公眾和社會則期望水文預(yù)見期越長的同時其預(yù)報精度仍能具有一定的保障水平。如在南水北調(diào)工程中，長江委在每年編制南水北調(diào)中線一期工程年度調(diào)水量計(jì)劃和月度供水計(jì)劃時，均要求開展?jié)h江流域年度水文氣象預(yù)測，供編制年可調(diào)水量計(jì)劃時參考，其中編制年度計(jì)劃時需要在當(dāng)年度11月前制作未來長達(dá)一年的丹江口水庫入庫流量逐月預(yù)測過程。表2給出了2019～2020年度南水北調(diào)中線工程水量調(diào)度計(jì)劃編制時參考的丹江口水庫入庫流量預(yù)測的檢驗(yàn)結(jié)果。由表2可知，在長達(dá)12個月的預(yù)見期下，預(yù)測平均合格率僅在60%左右，這也表明隨著預(yù)見期更長，預(yù)測精度會隨之下降。因此，顯然上述公眾的需求在一定程度上是難以同時滿足的，目前業(yè)務(wù)實(shí)踐中只能采用短、中、長期預(yù)報嵌套滾動修正等手段予以彌補(bǔ)。由于大氣的混沌特性，一般認(rèn)為逐日的降水預(yù)報時效不超過兩周[78]，這就使得中長期水文預(yù)報不能完全依靠不斷延長降雨預(yù)見期來驅(qū)動水文模型，還存在一些技術(shù)難題需要創(chuàng)新研究解決。如當(dāng)前10～30 d的延伸期逐日降水預(yù)報是當(dāng)前氣象預(yù)報的空窗期，尚無特別有效的預(yù)報方法，主要提供降雨過程準(zhǔn)定性或趨勢性的預(yù)報信息[81-83]，這也是當(dāng)前需要攻克或解決的技術(shù)難題之一。

另外，多年流域短中期水文預(yù)報實(shí)踐發(fā)現(xiàn)，相同強(qiáng)度量級的降雨預(yù)報若在時間、空間分布方面有細(xì)微的不同，都可能會直接造成流域水文過程模擬的明顯差異[11]，因此水文預(yù)報業(yè)務(wù)對預(yù)見期降水預(yù)報在“定點(diǎn)化、定時化和定量化”程度方面相比氣象行業(yè)業(yè)務(wù)要求更高;若對于中長期預(yù)報而言，則已大大超出了現(xiàn)有氣象行業(yè)長期降水預(yù)報的精度水平，這些是現(xiàn)狀條件下難以滿足公眾對水文預(yù)報日益增長的業(yè)務(wù)要求或需求主要技術(shù)瓶頸之一。

4結(jié) 語

（1） 本文基于對國內(nèi)外流域水文預(yù)報技術(shù)研究進(jìn)展的梳理，重點(diǎn)闡述了短中期和長期水文預(yù)報涉及的不確定性，以及水文氣象耦合方面的不匹配性等，并探討了流域水文預(yù)報的適用性問題。在擬開展流域不同時空尺度水文預(yù)報業(yè)務(wù)時，應(yīng)基于當(dāng)前學(xué)科認(rèn)識水平和技術(shù)條件，分析流域?qū)ο蟮目臻g尺度與水文預(yù)報期望預(yù)見期之間的匹配性，深入了解可能存在的不確定性及影響因素，以及期望預(yù)見期的預(yù)報結(jié)果是否有益經(jīng)濟(jì)社會發(fā)展等?；诖?，建議在開展流域多尺度水文預(yù)報業(yè)務(wù)前，重視加強(qiáng)流域多尺度水文預(yù)報的適用性分析和探討，并視國內(nèi)外水文氣象技術(shù)發(fā)展水平，分階段組織實(shí)施，盡量規(guī)避一些不符合科學(xué)認(rèn)知和超出現(xiàn)有技術(shù)條件下的徒勞工作。

（2） 對于空間尺度較大的大江大河流域而言，由于水文過程的傳播時間一般超過一日或數(shù)日，水文、氣象觀測資料較為齊全，且定量降水有效預(yù)見期相對較長，可采用適用的水文模型實(shí)現(xiàn)逐日短中期水文預(yù)報業(yè)務(wù)，從而滿足服務(wù)防汛抗旱、水工程建設(shè)及運(yùn)行管理等需求。另外，在具備一定技術(shù)資料條件以及經(jīng)濟(jì)社會發(fā)展有需求等前提下，可探尋適用的流域水文預(yù)報方法或技術(shù)，嘗試開展逐月、季或年時間尺度等長期水文預(yù)測業(yè)務(wù)。

（3） 針對中小河流或更小尺度的山洪溝等對象，則需要有針對性地分析了解該子流域的空間尺度與擬開展的水文預(yù)報預(yù)見期之間的匹配性。如對于中小河流流域，大多數(shù)洪水過程具有突發(fā)性強(qiáng)、匯流時間快、預(yù)見期短等特征，此時應(yīng)充分調(diào)查研究分析流域產(chǎn)匯流特性，在認(rèn)識水文時空尺度特征基礎(chǔ)上，選擇適合的水文模型，開展數(shù)小時至1 d左右預(yù)見期的短期水文預(yù)報預(yù)警業(yè)務(wù)。當(dāng)然，針對更小區(qū)域的山洪溝，其產(chǎn)匯流機(jī)制復(fù)雜、山洪驟漲驟落、突發(fā)性更強(qiáng)，加之觀測資料難獲取，山洪預(yù)報難度更大，建議開展基于實(shí)況或1 h以內(nèi)預(yù)報的山洪預(yù)警業(yè)務(wù)，超過日時間尺度及更長預(yù)見期的預(yù)報，從技術(shù)層面考慮是不建議開展的。

（4） 隨著現(xiàn)代計(jì)算機(jī)和人工智能技術(shù)的進(jìn)步，水文集合概率預(yù)報以其包含不確定性信息預(yù)報的優(yōu)勢，得到快速發(fā)展，特別是大數(shù)據(jù)應(yīng)用、深度學(xué)習(xí)方法與集合預(yù)報方法的深入融合，使其有潛力成為多尺度流域水文預(yù)報未來應(yīng)用發(fā)展的主流方向。集合預(yù)報直面揭示不確定性，定量（在概率意義上）估計(jì)每種可能的可信度，使單一值確定性預(yù)報向多值的概率分布轉(zhuǎn)變，同時，還提供由多初值、多隨機(jī)水文模式和多參數(shù)組合等產(chǎn)生的集合（或超級集合）預(yù)報和多值概率預(yù)報信息，通過智能深度學(xué)習(xí)等挖掘分析海量預(yù)報信息并生成滿足不同需求的預(yù)報產(chǎn)品。通過這些預(yù)報產(chǎn)品，用戶可以根據(jù)自身對水文信息的依賴程度進(jìn)行自主決策選擇，根據(jù)所選擇的水文預(yù)報可信度，進(jìn)一步厘清可能存在的預(yù)報風(fēng)險和使用價值，以利于今后拓展水文預(yù)報應(yīng)用實(shí)踐價值。

參考文獻(xiàn)：

[1]水利部水文局，長江水利委員會水文局.水文情報預(yù)報技術(shù)手冊[M].北京：中國水利水電出版社，2010.

[2]徐冬梅，趙曉慎.中長期水文預(yù)報方法研究綜述[J].水利科技與經(jīng)濟(jì)，2010，16（1）：1-7.

[3]冼翠玲，張艷軍，鄒霞，等.中長期徑流預(yù)報的時間尺度[J].武漢大學(xué)學(xué)報（工學(xué)版），2015，48（6）：739-743.

[4]宗志平，代刊，蔣星.定量降水預(yù)報技術(shù)研究進(jìn)展[J].氣象科技進(jìn)展，2012，2（5）：29-35.

[5]金榮花，代刊，趙瑞霞，等.我國無縫隙精細(xì)化網(wǎng)格天氣預(yù)報技術(shù)進(jìn)展與挑戰(zhàn)[J].氣象，2019，45（4）：445-457.

[6]杜鈞，錢維宏.天氣預(yù)報的三次躍進(jìn)[J].氣象科技進(jìn)展，2014，4（6）：13-26.

[7]彭新東，李興良.多尺度大氣數(shù)值預(yù)報的技術(shù)進(jìn)展[J].應(yīng)用氣象學(xué)報，2010，21（2）：129-138.

[8]金榮花，馬杰，任宏昌，等.我國10～30天延伸期預(yù)報技術(shù)進(jìn)展與發(fā)展對策[J].地球科學(xué)進(jìn)展，2019，34（8）：814-825.

[9]水利部.水文情報預(yù)報規(guī)范：GB/T22482-2008[S].北京：中國標(biāo)準(zhǔn)出版社，2009.

[10]張海榮.耦合天氣預(yù)報的流域短期水文預(yù)報方法研究[D].武漢：華中科技大學(xué)，2017.

[11]金君良，舒章康，陳敏，等.基于數(shù)值天氣預(yù)報產(chǎn)品的氣象水文耦合徑流預(yù)報[J].水科學(xué)進(jìn)展，2019，30（3）：316-325.

[12]劉志雨，侯愛中，王秀慶.基于分布式水文模型的中小河流洪水預(yù)報技術(shù)[J].水文，2015，35（1）：1-6.

[13]包紅軍，王莉莉，沈?qū)W順，等.氣象水文耦合的洪水預(yù)報研究進(jìn)展[J].氣象，2016，42（9）：1045-1057.

[14]郝瑩，王元，王皓，等.淮河流域不同時間尺度暴雨的多模式預(yù)報性能評估及洪水可預(yù)報性探討[J].氣象，2019，45（7）：989-1000.

[15]楊文發(fā)，周新春，段紅.三峽水庫中期水文氣象耦合預(yù)報應(yīng)用試驗(yàn)及探討[J].水文，2007（3）：39-42，62.

[16]劉甜，梁忠民，邱輝，等.基于CFS的漢江上游梯級水庫系統(tǒng)月入庫徑流預(yù)測[J].水電能源科學(xué)，2019，37（8）：14-17.

[17]陳柯兵，郭生練，王俊，等.長江上游 ECMWF降水和徑流預(yù)報產(chǎn)品評估 [J].人民長江，2020，51（3）：73-80.

[18]楊強(qiáng).耦合CFS集合預(yù)報和深度學(xué)習(xí)的中長期徑流預(yù)測方法研究[D].大連：大連理工大學(xué)，2019.

[19]董磊華.考慮氣候模式影響的徑流模擬不確定性分析[D].武漢：武漢大學(xué)，2013.

[20]高冰.長江流域的陸氣耦合模擬及徑流變化分析[D].北京：清華大學(xué)，2012.

[21]占車生，寧理科，鄒靖，等.陸面水文—?dú)夂蝰詈夏M研究進(jìn)展[J].地理學(xué)報，2018，73（5）：893-905.

[22]崔講學(xué)，王俊，田剛，等.我國流域水文氣象業(yè)務(wù)進(jìn)展回顧與展望[J].氣象科技進(jìn)展，2018，8（4）：52-58.

[23]金興平，程海云，楊文發(fā)，等.長江流域水資源預(yù)測技術(shù)[J].人民長江，2005，36（12）：18-20，55.

[24]趙琳娜，包紅軍，田付友，等.水文氣象研究進(jìn)展[J].氣象，2012，38（2）：147-154.

[25]周亮，徐建剛.大尺度流域水污染防治能力綜合評估及動力因子分析：以淮河流域?yàn)槔齕J].地理研究，2013，32（10）：1792-1801.

[26]王皓，傅旭東，孫其誠，等.大尺度流域水文并行計(jì)算的方法改進(jìn)[J].應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報，2009，17（增1）：1-9.

[27]水利部.水文基本術(shù)語和符號標(biāo)準(zhǔn)：GB/T 50095-2014[S].北京：中國計(jì)劃出版社，2014.

[28]克里斯塔·彼得斯-利達(dá)德，F(xiàn)AISAL H，RUBYLEUNGL，等.水文學(xué)100年進(jìn)步[J].氣象科技進(jìn)展，2019，9（增1）：370-381.

[29]畢寶貴，代刊，王毅，等.定量降水預(yù)報技術(shù)進(jìn)展[J].應(yīng)用氣象學(xué)報，2016，27（5）：534-549.

[30]HELLSTRM C，CHEN D.Statistical downscaling based on dynamically downscaled predictors：Application to monthly precipitation in Sweden [J].Advances in Atmospheric Sciences，2003（20）：951-958.

[31]殷志遠(yuǎn)，賴安偉，公穎，等.氣象水文耦合中的降尺度方法研究進(jìn)展[J].暴雨災(zāi)害，2010，29（1）：89-95.

[32]杜鈞.集合預(yù)報的現(xiàn)狀和前景[J].應(yīng)用氣象學(xué)報，2002（1）：16-28.

[33]杜鈞，李俊.集合預(yù)報方法在暴雨研究和預(yù)報中的應(yīng)用[J].氣象科技進(jìn)展，2014，4（5）：6-20.

[34]智協(xié)飛，季曉東，張璟等.基于TIGGE資料的地面氣溫和降水的多模式集成預(yù)報[J].大氣科學(xué)學(xué)報，2013，36（3）：257-266.

[35]楊傳國，林朝暉，郝振純，等.大氣水文模式耦合研究綜述[J].地球科學(xué)進(jìn)展，2007（8）：810-817.

[36]王亞男，智協(xié)飛.多模式降水集合預(yù)報的統(tǒng)計(jì)降尺度研究[J].暴雨災(zāi)害，2012，31（1）：1-7.

[37]袁作新.流域水文模型 [M ].北京：水利電力出版社，1990.

[38]石教智，陳曉宏.流域水文模型研究進(jìn)展[J].水文，2006（1）：18-23.

[39]徐宗學(xué).水文模型：回顧與展望[J].北京師范大學(xué)學(xué)報（自然科學(xué)版），2010，46（3）：278-289.

[40]閆紅飛，王船海，文鵬.分布式水文模型研究綜述[J].水電能源科學(xué)，2008，26（6）：1-4.

[41]芮孝芳，黃國如.分布式水文模型的現(xiàn)狀與未來[J].水利水電科技進(jìn)展，2004（2）：55-58.

[42]吳險峰，劉昌明.流域水文模型研究的若干進(jìn)展[J].地理科學(xué)進(jìn)展，2002（4）：341-348.

[43]楊大文，徐宗學(xué)，李哲，等.水文學(xué)研究進(jìn)展與展望[J].地理科學(xué)進(jìn)展，2018，37（1）：36-45.

[44]熊立華，郭生練，田向榮.基于DEM的分布式流域水文模型及應(yīng)用 [J].水科學(xué)進(jìn)展，2004，15（4）：517-520.

[45]徐宗學(xué)，程磊.分布式水文模型研究與應(yīng)用進(jìn)展[J].水利學(xué)報，2010，41（9）：1009-1017.

[46]郭生練，熊立華，楊井，等.基于DEM的分布式流域水文物理模型 [J].武漢大學(xué)學(xué)報（工學(xué)版），2000，33（6）：1-5.

[47]王富強(qiáng)，霍風(fēng)霖.中長期水文預(yù)報方法研究綜述[J].人民黃河，2010，32（3）：25-28.

[48]楊旭，欒繼虹，馮國章.中長期水文預(yù)報研究評述與展望[J].西北農(nóng)林科技大學(xué)學(xué)報（自然科學(xué)版），2000（6）：203-207.

[49]沈滸英，姜彤，吳宜進(jìn).1998年長江流域暴雨洪水環(huán)流背景分析[J].自然災(zāi)害學(xué)報，2000（1）：7-12.

[50]張培群，何敏，許力.1999年夏季長江及以南地區(qū)洪澇的大尺度環(huán)流成因初探[J].高原氣象，2002（3）：243-250.

[51]郭瑞麗，趙鳳遙，李亞楠.基于遞歸小波神經(jīng)網(wǎng)絡(luò)的流域降雨-徑流過程動態(tài)模型[J].水力發(fā)電學(xué)報，2013，32（2）：54-59.

[52]姜淞川，陸建忠，陳曉玲，等.基于LSTM網(wǎng)絡(luò)鄱陽湖撫河流域徑流模擬研究[J].華中師范大學(xué)學(xué)報（自然科學(xué)版），2020，54（1）：128-139.

[53]ABRAHART R J，ANCTIL F，COULIBALY P，et al.Two decades of anarchy？ Emerging themes and outstanding challenges for neural network river forecasting[J].Progress in Physical Geography，2012，36（4）：480-513.

[54]孫娜.機(jī)器學(xué)習(xí)理論在徑流智能預(yù)報中的應(yīng)用研究[D].武漢：華中科技大學(xué)，2019.

[55]紀(jì)守領(lǐng)，李進(jìn)鋒，杜天宇，等.機(jī)器學(xué)習(xí)模型可解釋性方法、應(yīng)用與安全研究綜述[J].計(jì)算機(jī)研究與發(fā)展，2019，56（10）：2071-2096.

[56]龔亮.深度學(xué)習(xí)法在水文中應(yīng)用的現(xiàn)狀[J].河南水利與南水北調(diào)，2020，49（4）：33-34.

[57]ARNAL L，CLOKE H L，STEPHENS E，et al.Skilful seasonal forecasts of streamflow over Europe？[J].Hydrology and Earth System Sciences，2018，22（4）：2057-2072.

[58]BENNETT J C，WANG Q J，ROBERTSON D E，et al.Assessment of an ensemble seasonal streamflow forecasting system for Australia [J].Hydrology and Earth System Sciences，2017，21（12）：6007-6030.

[59]EMERTON R，ZSOTER E，ARNAL L，et al.Developing a global operational seasonal hydro-meteorological forecasting system：G1oFAS-Seasonal v1.0 [J].Geoscientific Model Development，2018，11（8）：3327-3346.

[60]雷曉輝，王浩，廖衛(wèi)紅，等.變化環(huán)境下氣象水文預(yù)報研究進(jìn)展[J].水利學(xué)報，2018，49（1）：9-18.

[61]JOHN C S，THOMAS M H，ROBERTO B.The hydrologic ensemble prediction experiment（HEPEX）[J].Bulletin of the American Meteorological Society，2006，3（5）：1541-1547.

[62]XU J W，ZHANG W C，ZHENG Z Y，et al.Early flood warning for Linyi Watershed by the GRAPES/XXT Model using TIGGE data[J].Journal of Meteorological Research，2012，26（1）：103-111.

[63]陸桂華，吳娟，吳志勇.水文集合預(yù)報試驗(yàn)及其研究進(jìn)展 [J].水科學(xué)進(jìn)展，2012，23（5）：728-743.

[64]KRZYSZTOFOWICZ R.The case for probabilistic forecasting in hydrology [J].Journal of Hydrology，2001，249：2-9.

[65]ZHONG Y X，GUO S L，BA HH，et al.Evaluation of the BMA probabilistic inflow forecasts using TIGGE numeric precipitation predictions based on artificial neural network [J].Hydrology Research，2018，49（5）：1417-1433.

[66]MADADGAR S，MORADKHANI H.Improved Bayesianmultimodeling：integration of copulas and Bayesian model averaging [J].Water Resources Research，2014，50（12）：9586-9603.

[67]巴歡歡，郭生練，鐘逸軒，等.考慮降水預(yù)報的三峽入庫洪水集合概率預(yù)報方法比較 [J].水科學(xué)進(jìn)展，2019，30（2）：186-197.

[68]劉章君，郭生練，許新發(fā)，等.貝葉斯概率水文預(yù)報研究進(jìn)展與展望[J].水利學(xué)報，2019，50（12）：1467-1478.

[69]戚曉明，陸桂華，金君良.水文尺度與水文模擬關(guān)系研究[J].中國農(nóng)村水利水電，2006（11）：28-31.

[70]魏林宏.時空尺度對洪水模擬的影響研究[D].南京：河海大學(xué)，2004.

[71]張洪剛，郭生練，何新林，等.水文預(yù)報不確定性的研究進(jìn)展與展望[J].石河子大學(xué)學(xué)報（自然科學(xué)版），2006（1）：15-21.

[72]BENJAMIN R，DMITRI K，GEORGE K，et al.Understanding predictive uncertainty in hydrologicmodeling：the challenge of identifying input and structural errors[J].Water Resources Research，2010（46）：1-22.

[73]嚴(yán)登華，袁喆，王浩，等.水文學(xué)確定性和不確定性方法及其集合研究進(jìn)展[J].水利學(xué)報，2013，44（1）：73-82.

[74]宋曉猛，占車生，孔凡哲，等.大尺度水循環(huán)模擬系統(tǒng)不確定性研究進(jìn)展[J].地理學(xué)報，2011，66（3）：396-406.

[75]尹雄銳，夏軍，張翔，等.水文模擬與預(yù)測中的不確定性研究現(xiàn)狀與展望[J].水力發(fā)電，2006（10）：27-31.

[76]葉柏生，楊大慶，丁永建，等.中國降水觀測誤差分析及其修正[J].地理學(xué)報，2007（1）：3-13.

[77]胡和平，田富強(qiáng).物理性流域水文模型研究新進(jìn)展[J].水利學(xué)報，2007（5）：511-517.

[78]穆穆，陳博宇，周菲凡，等.氣象預(yù)報的方法與不確定性[J].氣象，2011，37（1）：1-13.

[79]李建平，丁瑞強(qiáng).短期氣候可預(yù)報期限的時空分布[J].大氣科學(xué)，2008（4）：975-986.

[80]劉德強(qiáng)，馮杰，李建平，等.GRAPES_MESO中時間步長和空間分辨率對于預(yù)報效果的影響[J].大氣科學(xué)，2015，39（6）：1165-1178.

[81]丑紀(jì)范，鄭志海，孫樹鵬.10～30 d延伸期數(shù)值天氣預(yù)報的策略思考—直面混沌[J].氣象科學(xué)，2010（5）：569-573.

[82]丁一匯，梁萍.基于MJO的延伸預(yù)報[J].氣象，2010（7）：111-122.

[83]WHEELER M C，HENDON H H.An all-season real time multivariate MJO Index：development of an index for monitoring and prediction[J].Monthly Weather Review，2004，132：1917-1932.

（編輯：劉 媛）

Abstract：As a non-engineering measure，hydrological forecasting plays a more and more important role in flood and drought prevention，comprehensive utilization of water resources and national economic construction.This paper reviews the research progress of watershed hydrological forecasting in recent years，combs the concept of watershed multi-scale hydrological forecasting，summarizes the key technologies，problems，developments of multi-scale hydrological forecasting，and focuses on the uncertainty factors and the mismatch of hydro-meteorological coupling in hydrological forecasting.Finally，based on the analysis of the applicability of watershed hydrological forecasting，this paper emphasizes the importance of considering the applicability of hydrological forecasting in operational practice of different forecasting period，and puts forward the guiding principles and suggestions for expanding multi-scale hydrological forecasting under current conditions.

Key words：multi-scale hydrological forecasting;hydro-meteorological coupling;uncertainty;applicability of forecasting