变化环境下水文集合预报理论与方法研究

结题报告

项目介绍

AI项目解读

基本信息

批准号：
51879009
项目类别：
面上项目
资助金额：
60.0万
负责人：
叶爱中
依托单位：
北京师范大学
学科分类：
E0901.工程水文与水资源利用
结题年份：
2022
批准年份：
2018
项目状态：
已结题
起止时间：
2019-01-01 至2022-12-31

项目参与者：
狄振华；马凤；侯静雯；田霖；黄李东；
关键词：
水文模型变化环境贝叶斯理论不确定性集合预报

项目摘要

The traditional hydrological forecasting only affords a deterministic forecast, the uncertainty information of the forecast is not given, and the weather forecast has not been fully utilized in the hydrological forecast. With the social and economic development and environmental changing, the hydrological forecasting has been difficult to satisfy the needs of flood control, drought relief and efficient water resources manage. The study includes: 1) improve pre-process scheme of hydrological ensemble forecast, integrating weather and climate predictions for seamless hydrologic ensemble forecasting, and reduce the system deviation of weather forecast, provide a more accurate meteorological input for hydrological forecasting. 2) couple several distributed hydrological model, develop dynamic Bayesian model averaging method, give multi-model hydrological forecasting; 3) improve post-process of hydrological ensemble forecasting, post process the output of hydrological models, ultimately providing more accurate hydrological ensemble forecasts. The goal of this research is to study the hydrological ensemble forecasting method on the water cycle mechanism in the changing environment, which can help us to flood control, drought relief and efficient water resources manage.

传统水文预报仅仅给出确定性的预报，未给出预报的不确定性信息，也未充分的利用气象预报信息，从而导致了水文预报结果存在很大的不确定性。随着社会经济发展与环境的变化，现有的水文预报已经很难满足防洪抗旱及水资源高效开发利用的需求。本申请将研究变化环境下的水文集合预报理论与方法，主要研究内容包括：1）改进水文集合预报前处理方案，通过前处理耦合天气与气候预报，并降低气象预报的系统偏差，为水文预报提供更高精度的气象输入；2）耦合多个分布式水文模型，发展动态贝叶斯模型平均方法，给出多模型水文预报；3）改进水文集合预报后处理方案，对水文模型的输出进行后处理，最终提供更高精度的水文集合预报。该申请研究的目标是基于变化环境下的水循环机制，研究的水文集合预报方法，给出变化环境下水文集合预报理论与方法，为防汛抗旱及水资源高效开发利用提供支撑。

结项摘要

全球气候变化与人类活动双重影响下，洪水与干旱事件频发。现有的确定性预报存在很大的不确定性，未给出预报的不确定性信息，未充分利用气象预报信息，高误报率会降低用户对水文预报的信任度。水文预报精度不足与防洪抗旱及水资源开发利用的高精度需求矛盾越来越突出。给出长预见期、高精度的水文集合预报及其不确定性信息是解决问题的有效途径之一。.本项目研究变化环境下的水文集合预报理论与方法，主要研究内容包括：1)改进水文集合预报前处理方案，采用机器学习方法，后处理最新气象预报及遥感降水数据，降低了降水预报的系统偏差，为水文预报模型提供高精度的气象输入；2)耦合多个分布式水文模型，采用分布式新安江模型、萨克们托模型、时变增益水文模型，建立多模型系统；3)改进水文集合预报后处理方案，对水文模型的输出建立系统响应模型，消除径流预报的系统偏差，提供更高精度的水文集合预报；4)水文集合预报系统开发，将研究成果集成开发成一包含了集合前处理、分布式多模型及水文集合后处理的软件系统。.通过研究，给出如下成果：1)基于机器学习前处理，发现不同学习方法的优缺点，为水文集合预报前处理的机器/深度学习方法使用提供建议；2)完成了多模型水文集合预报方案，采用多模型进行水文干旱与洪水模拟，能够给出模型带来的不确定性信息； 3)实现了集合预报径流后处理方法，通过对模型输出的径流预报进行后处理，消除系统偏差，给出更高精度的水文预报；4)开发了水文集合预报系统，该系统可以为有水文预报业务单位提供水文集合预报应用。.本研究是水文集合预报系统研究的有效尝试，在基于机器学习的水文集合预报的前、后处理方面探索研究为以后的水文集合预报理论研究及业务化指明了方向，建立的多模型水文集合预报系统能够获得更长的预见期，更高精度的水文集合预报，为防汛抗旱及水资源高效利用提供科技支撑。