王澤勇，鐘永華，廖衛(wèi)紅，鄭麗媛

（1.北京市密云水庫管理處，北京 101512；2.中國水利水電科學研究院，北京 100038；3.北京工業(yè)大學，北京 100124）

密云水庫位于京郊密云城區(qū)北部的山地上，距北京市區(qū)中心約90 km，為華北最大的蓄水池之一，是保障首都地區(qū)防汛安全與城市供水安全的重要工程。2014 年南水北調(diào)來水開始進京，密云水庫水位逐漸上漲，正確預測密云水庫洪水對優(yōu)化水庫調(diào)度、維護首都地區(qū)防汛安全具有重大意義。分布式水文模型基于物理機制模擬，能較為真實地描述水文循環(huán)各個物理過程的時空變化。自上世紀60 年代以來，很多學者進行了分布式水文模型的研究和研發(fā)，取得了大量成果。分布式水文模型EasyDHM（Easy Distributed Hydrological Model）由中國水利水電科學研究院自主研發(fā)，在國內(nèi)多個流域成功應用且效果良好，證實了模型的適用性和實用性。2015 年，EasyDHM 模型開始實際應用。本文介紹了近幾年分布式水文預報模型EasyDHM 在密云水庫洪水預報中的應用情況。

1 研究區(qū)域及預報系統(tǒng)現(xiàn)狀

密云水庫于1960年修建完成，總庫容43.75億m3。水庫多年平均入庫徑流量為8.55億m3，100 a一遇洪水洪峰流量為9 320 m3/s，1 000 a一遇洪水洪峰流量為15 800 m3/s，最大可能洪水洪峰流量為23 300 m3/s。水庫在保護下游北京、天津、河北地區(qū)的防洪安全以及治理潮白河工作中發(fā)揮了巨大作用，取得了顯著的經(jīng)濟效益和社會效益。

密云水庫流域如圖1 所示，從圖1 可以看出，密云水庫建于潮河、白河主河道上，控制著潮白河88%的流域面積，實際控制面積15 788 km2。流域?qū)儆跍貛Т箨懶约撅L氣候，降雨量主要集中在第三季度，汛期多年平均降雨量379 mm。

圖1 密云水庫流域

密云水庫在建庫時便開展水文預報工作，保障了水庫的正常施工。建庫后，由于當時的特殊情況限制，預報工作發(fā)展不理想。雖然有一些小型的預報方案，但在調(diào)度工作中未能充分發(fā)揮應有作用，主要預報方法是徑流系數(shù)法。1988 年，密云水庫管理處與南京水文水資源研究所合作，完成了以“新安江三水源模型”為基礎的預報方案《洪水預報調(diào)度軟件包》。由于水庫來水量逐漸減少、流域下墊面改變及受人類活動影響，該預報方案的預報成果精度不斷下降。1999 年，委托大連理工大學研發(fā)洪水預報調(diào)度系統(tǒng)軟件，將原《洪水預報調(diào)度軟件包》界面化。由于模型參數(shù)固定，且流域下墊面情況變化較大，系統(tǒng)預報成果不符合水庫現(xiàn)狀。在實際工作中，洪水預報結(jié)合人工預報與水庫自動化系統(tǒng)洪水預報軟件，更多的是采用徑流系數(shù)法進行短期洪水預報。2012 年，委托中國水利水電科學研究院研發(fā)密云水庫洪水預報調(diào)度系統(tǒng)。該系統(tǒng)模型為分布式水文模型，于2015 年投入運行。目前，密云水庫洪水預報工作主要依靠該系統(tǒng)進行。

2 EasyDHM 模型原理

EasyDHM 模型采用模塊化編程思想，基本計算單元面積可以隨著模擬范圍的大小和精度要求自行調(diào)整，模型空間單元結(jié)構(gòu)形式為參數(shù)分區(qū)/計算分區(qū)-子流域-內(nèi)部計算單元，主要依據(jù)水文分析所推出的數(shù)字水系情況及流域下墊面情況進行劃分。EasyDHM 模型可支持不同時間步長的水文模擬、洪水預報及參數(shù)自動率定等功能。

2.1 模型產(chǎn)匯流算法

內(nèi)部計算單元是EasyDHM 模型的產(chǎn)流計算單元，首先在各個內(nèi)部單元進行產(chǎn)流模擬計算，繼而向子流域匯總，并逐級匯流到出口點。產(chǎn)流算法是影響流域水資源以及斷面洪量的最主要的模塊，直接關系河道徑流量級的大小。EasyDHM 模型產(chǎn)流計算算法有EasyDHM、WetSpa、新安江和Hymod 產(chǎn)流算法，密云水庫洪水預報采用自主研發(fā)的EasyDHM產(chǎn)流算法。

2.2 模型參數(shù)

EasyDHM 模型中每個計算單元都有一套獨立的產(chǎn)匯流參數(shù)，通過計算單元處的DEM、土壤類型、土地利用等下墊面數(shù)據(jù)推求而出。當單元劃分較細，在模型調(diào)參時逐個單元進行調(diào)參是不可行的。因此，EasyDHM 模型引入“全局修正系數(shù)”概念，通過全局修正系數(shù)與模型默認參數(shù)的默認值相乘得到模型計算最終參數(shù)。EasyDHM 產(chǎn)流算法和馬斯京根匯流算法組合，共設定了29個全局修正系數(shù)。在進行參數(shù)率定時，對這29個參數(shù)進行敏感性分析和優(yōu)化。

2.3 模型參數(shù)率定

模型全局參數(shù)的率定工作包含參數(shù)敏感性分析和參數(shù)優(yōu)化兩部分內(nèi)容，均逐參數(shù)分區(qū)進行計算。其中，參數(shù)敏感性分析主要具有以下兩大基本功能：①分析各種參數(shù)對模擬效果的影響程度；②將較敏感參數(shù)篩選出來進行參數(shù)優(yōu)化。通過參數(shù)敏感性分析，能夠更深入理解各種參數(shù)如何對模型發(fā)展產(chǎn)生影響，簡化參數(shù)優(yōu)化中的參數(shù)個數(shù)，對參數(shù)的測量以及模型發(fā)展提供指導性意見。在選取的率定期內(nèi)對挑選出的敏感參數(shù)進行參數(shù)優(yōu)化，經(jīng)驗證期驗證通過，即可采用所優(yōu)化出的最優(yōu)參數(shù)進行后續(xù)的計算模擬以及預報。

EasyDHM 模型在進行模型參數(shù)敏感性分析時，采用了LH-OAT 參數(shù)抽樣方法。該方法將Latin-Hypercube 抽樣算法的穩(wěn)健性和OAT 算法的精確性充分融合在一起，使得在每個參數(shù)的整個可行空間中，都按照OAT 的設計要求進行了準確抽樣，確保通過改變輸入?yún)?shù)調(diào)整每次模擬運算的輸出。在進行參數(shù)敏感度分析時，選用的目標函數(shù)不同，敏感度分析的側(cè)重點也不同。當目標函數(shù)為平均流量或SSQ 時，分別可以得到各個參數(shù)對模擬結(jié)果或模擬精度的敏感狀況。為保證EasyDHM 模型參數(shù)實現(xiàn)自動優(yōu)化，將SCE-UA 全局參數(shù)優(yōu)化算法引入模型。洪水預報主要是對流域各洪水場次的精度進行評定，參數(shù)優(yōu)化時選用的指導優(yōu)化的目標函數(shù)如Nash效率系數(shù)、洪峰誤差等均可轉(zhuǎn)化為無量綱數(shù)，進一步實現(xiàn)多個目標函數(shù)的加權(quán)組合，使用單目標優(yōu)化算法SCE-UA 即可達到同時優(yōu)化多目標的效果。以張家墳站為例，列舉了各參數(shù)的相對敏感度，并按敏感性排序，各參數(shù)最優(yōu)值與默認值之間存在較大差異，證明了參數(shù)率定的必要性，詳見表1。

表1 張家墳站參數(shù)率定結(jié)果

3 模型應用及結(jié)果分析

3.1 模型應用效果評估

密云水庫洪水預報調(diào)度系統(tǒng)自投入運行以來，針對汛期每場流域性較大降雨（流域平均降雨量20 mm以上）進行了實時預報，針對特殊天氣進行了假擬預報，預報成果包括洪峰、峰現(xiàn)時間、3 d 洪量、7 d 洪量、15 d洪量和30 d洪量等。在上百次的預報中，預報結(jié)果合格率85%以上，良好以上50%。密云水庫及上游控制區(qū)洪水預報結(jié)果，詳見表2。由表2 可知，除大閣站和三道營站（最上游控制站）外，其他每站均給出15場以上的洪水預報結(jié)果（包括率定及驗證場次）。在下堡、大閣、三道營、古北口、下會、張家墳及密云水庫的洪水預報評價中，預報精度等級均達到乙級及以上，說明分布式水文模型EasyDHM 能夠較好地進行密云水庫洪水模擬，可用于密云水庫流域的短期洪水預報中。

表2 密云水庫及上游控制區(qū)洪水預報結(jié)果

3.2 場次洪水模擬結(jié)果

近幾年，分布式水文模型EasyDHM 為密云水庫流域提供了較為精準的洪水預報，為水庫的優(yōu)化調(diào)度運行提供了支撐，主要場次預報情況如下：

在20170706 場次降雨中，全流域平均雨量52.7 mm，暴雨中心主要在水庫區(qū)間，密云水庫7 d洪量4 035萬m3，徑流系數(shù)為0.048。此次降雨中，密云水庫入庫預報洪峰流量為251 m3/s，峰現(xiàn)時間為2017 年7 月6 日17 時；實測洪峰流量為178 m3/s，峰現(xiàn)時間為2017 年7 月6 日20 時，洪水模擬過程如圖2所示。

圖2 密云水庫20170706場次洪水過程線

在20180725 場次降雨中，全流域發(fā)生了連續(xù)降雨，雨量53.4 mm，密云水庫7 d 洪量為23 014 萬m3。此次降雨中，密云水庫入庫預報洪峰流量為629 m3/s，峰現(xiàn)時間為2018年7月25日11時；實測洪峰流量為628 m3/s，峰現(xiàn)時間為2018 年7 月25 日8 時，洪水模擬過程如圖3所示。

圖3 密云水庫20180725場次洪水過程線

在20200812 場次降雨中，全流域雨量48.0 mm，密云水庫7 d洪量3 504萬m3，徑流系數(shù)為0.046。此次降雨中，下會站模擬預報2020 年8 月24 日8 時洪峰流量為10.5 m3/s，實測8 月24 日11 時洪峰流量為12.4 m3/s，誤差為18%，預報結(jié)果評定為合格，洪水模擬過程如圖4 所示。張家墳站模擬預報2020 年8月13 日5 時洪峰流量為35.7 m3/s，實測8 月13 日5時洪峰流量為46.3 m3/s，誤差為7.9%，預報結(jié)果評定為合格，洪水模擬過程如圖5所示。

圖4 下會站20200817場次洪水過程線

圖5 張家墳站20200813場次洪水過程線

3.3 存在問題及改進方法

從近幾年的實際應用來看，分布式水文模型EasyDHM 在密云水庫流域中運用良好，然而仍有較大提升空間。縱觀近幾年密云水庫流域水文預報的實際應用，仍然存在以下問題：①局部強降雨預報精度不高，流域內(nèi)布設的雨水情遙測系統(tǒng)雨量遙測站點有限，難以有效監(jiān)測出流域內(nèi)不同類型的降雨，特別是局部強降雨，對預報精度影響很大；②流域產(chǎn)匯流條件發(fā)生變化，隨著人類活動和氣候變化的影響，尤其是近幾年南水開始存蓄到水庫中，密云水庫的來水條件發(fā)生極大的變化且還將不斷發(fā)生變化，原模型結(jié)構(gòu)和模型參數(shù)可能不再適合新的流域產(chǎn)匯流條件，導致洪水預報結(jié)果精度不理想；③流域初始狀態(tài)識別不清，土壤初始含水率、蒸發(fā)、滲漏等變量也是影響降雨產(chǎn)流的重要因素，然而這些變量不能直接獲取，往往通過經(jīng)驗或其他參數(shù)推算而出，精度不能保證。

針對上述問題，建議通過一些基礎設施的改造升級和新技術方法的引入，提升水文預報精度。

3.3.1 優(yōu)化監(jiān)測站點布設

密云水庫雨水情遙測系統(tǒng)始建于1988年，原有9處雨量遙測站，至2019 年已增至42 個，其中32 個雨量站、8個雨量水位站和2個水位站。目前，密云水庫在北京境內(nèi)站網(wǎng)密度為164 km2/站，河北境內(nèi)站網(wǎng)密度為677 km2/站，未達到《水文情報預報技術手冊》中流域站網(wǎng)密度標準，對于流域降雨時空分布情況的監(jiān)測效果不理想，應進一步合理規(guī)劃并加密遙測雨量站點，更好監(jiān)測流域降雨情況。與此同時，流域上游主要支流應補充建立流量自動監(jiān)測站點，以便汛期及時獲取數(shù)據(jù)，同時比對校正實測流量，為水文預報提供更詳細準確的基礎數(shù)據(jù)支撐，提升預報精度。

3.3.2 考慮土地利用變化影響

受人類活動的影響，流域下墊面土地利用在不斷發(fā)生改變，流域產(chǎn)匯流模擬更加困難。一方面，需要借助遙感手段獲取流域下墊面的變化信息；另一方面，在水文產(chǎn)流模擬方面，不同的土地利用應有不同的產(chǎn)流規(guī)律，即對應不同的計算方程和參數(shù)，需要對原有水文模型進行優(yōu)化，在流域產(chǎn)流模擬中考慮流域土地利用變化的影響。

3.3.3 基于遙感反演的土壤水分數(shù)據(jù)

模型初值對洪水預報模型具有較為顯著影響，每場降雨前土壤的干濕程度直接影響其產(chǎn)流大小。密云水庫流域多年應用經(jīng)驗也表明，同樣量級的降水在汛期初期和中后期的產(chǎn)流量存在明顯差異。因此，引入準確的土壤水分數(shù)據(jù)也能提高洪水預報精度。隨著遙感技術快速發(fā)展，可多途徑獲得觀測數(shù)據(jù)。對于土壤水分數(shù)據(jù)也是一樣，可借助實測土壤水分數(shù)據(jù)對遙感數(shù)據(jù)進行融合校正，保證數(shù)據(jù)真實性。同時，可將原有的觀測數(shù)據(jù)徑流量與反演的土壤含水量進行多源數(shù)據(jù)融合，進一步提高土壤水分數(shù)據(jù)的準確性。

4 結(jié)論

根據(jù)近年來密云水庫水文預報的應用可知，采用分布式水文模型EasyDHM 對密云水庫流域相關水文站點進行洪水預報，預報精度較高，為水庫的優(yōu)化調(diào)度運行提供了有力的技術支撐。為更好地開展密云水庫的水文預報研究，今后可從以下幾個方面開展進一步工作。

4.1 優(yōu)化監(jiān)測站點布設

增加流域站點布設密度，在上游主要支流補充建立流量自動監(jiān)測站點，以便汛期及時獲取數(shù)據(jù)，同時可比對校正實測流量，為水文預報提供更詳細準確的基礎數(shù)據(jù)支撐，提升預報精度。

4.2 考慮土地利用變化影響

一方面，需要借助遙感手段獲取流域下墊面的變化信息；另一方面，在水文產(chǎn)流模擬方面，對原有水文模型進行優(yōu)化，進而能將流域土地利用變化的影響考慮到流域產(chǎn)流模擬中。

4.3 基于遙感反演的土壤水分數(shù)據(jù)

對于洪水預報模型來說，引入準確的土壤水分數(shù)據(jù)能夠有效提高洪水預報精度。隨著遙感技術快速發(fā)展，可將原有的觀測數(shù)據(jù)徑流量與反演的土壤含水量進行多源數(shù)據(jù)融合，進一步提高土壤水分數(shù)據(jù)的準確性。