融合海温偶极因子的长期月径流预报研究

可靠的月径流预报可以为水库科学运行与管理提供依据。通常而言,月径流预报模型可分为过程驱动和数据驱动两类。对于数据驱动模型而言,预报模型的选取和其对应的输入数据共同决定了预报的效果。然而,现有研究多集中于模型结构的对比分析,就模型输入数据对预报效果的影响的讨论较少。尽管海温与区域降水、径流的遥相关关系已被广泛证实,当前基于数据驱动模型的月径流预报在选择海温预报因子时通常仅考虑固定海域的海洋表面温度场作为遥相关因子,而忽视了海温场的空间分布特征和关联性。研究以天生桥一级(天一)水库入库径流为例,在考虑水库前期径流和大气环流因子的基础上,将海温偶极因子纳入待选预报因子集,在年内各月分别构建预见期为1~12个月的多元线性回归模型,探索各因子组合方式对预报效果的影响。结果表明:①只使用前期径流因子开展预报时效果较差,但在预见期为1~3个月时,将其与大气环流因子或海温偶极因子结合使用能有效提高两种因子单独使用时的预报精度;②含有海温偶极因子的预报因子组合在预见期较长时的预报效果优于只考虑大气环流因子和考虑径流和大气环流因子的模型,其中,提升效果最为显著的月份为9月和11月,以径流和海温偶极为预报因子的模型对这两个月份在预见期1~12个月的平均精度较以径流和大气环流为预报因子的模型分别提升了7.1%和9.3%。