洪水超前预警综合评价方法研究及应用

从满足防洪预警的实际需求出发,构建了一种新型的洪水超前预警合理性“精度-可靠度”评价方法,即将洪水量级预报精度评价与预报结果可靠性评价相结合,进行洪水超前预警的综合评价方法。以黄河一级支流湫水河流域为例,开展该综合评价方法的适用性研究。利用随机森林模型对湫水河流域1980—2010年23场洪水进行超前预警,通过综合评价方法得到:在进行洪水预警精度评价时,合格率为83%;进行洪水预警可靠度评价时,合格率为100%;综合评价的合格率为92%,评价等级为“优”。研究结果表明该综合评价方法在洪水超前预警的合理性评价方面具有较好的适用性。

基于谷歌地球的湫水河流域暴雨洪水变化分析

采用统计学方法研究了黄河中游支流湫水河流域1960—2015年的暴雨洪水变化趋势,并基于谷歌地球软件提供的近期卫星遥感图片分析了库坝、梯田以及林草等在产/汇流和暴雨洪水变化过程中的不同作用。结果表明:水库及淤地坝系阻滞了河道汇流,梯田及林草等植被覆盖率的提高减小了流域产流,而库坝的增多对洪水量级和发生频次的减小起着最主要的作用。建议继续加强以淤地坝系为主的小流域沟道治理力度,进一步降低黄土高原地区洪水的发生频次。

基于随机森林模型的湫水河流域洪水过程模拟

黄河中游干旱半干旱地区洪水预报精度水平普遍不高,其主要原因在于降雨时空高度变异性以及大范围水土保持措施对产汇流的强烈干扰。随着现代统计理论发展,智能机器学习算法为该地区洪水预报提供了新的途径。以黄河中游左岸湫水河流域为例,采用随机森林算法建立暴雨洪水预报模型,对汛期场次洪水过程进行模拟,结果表明:当计算时间步长为1小时,随机森林模型的确定性系数(NSE)平均值为0.47,以NSE ≥ 0.60衡量,合格率为42%;当计算时间步长为0.5小时,NSE平均值为0.76,场次洪水预报合格率为88%;由此可知,输入资料精度是决定模型精度的主要因素。此外,不同时间步长条件下,随机森林模型的应用效果均明显优于传统的多元回归统计模型,表明随机森林模型适用于湫水河流域的洪水过程预报,对黄河中游黄土高原地区防洪预警具有一定参考价值。

湫水河流域1955-2020年降雨变化规律

本文以湫水河流域1955-2020年降雨资料为研究对象,运用SPSS及Mann-Kendall统计分析方法,研究了年降雨的变化规律。结果表明:湫水河流域1955-2020年年降雨量在197.3~714.1 mm,且以6.1 mm/10 a的速率递增,在整个研究时段内降水共增加了40.27 mm。该流域降雨量呈逐步增加的趋势,存在一个先降低又升高的变化过程。