基于LH-OAT分布式水文模型参数敏感性分析

为了有效进行分布式水文模型参数的优选,消除模型计算过程中的不确定性,更好地理解参数对水文模拟的影响,开展了模型参数敏感性分析。使用LH-OAT方法,对比分析了3个不同的流域中多个目标函数下的分布式物理水文模型——流溪河模型的参数敏感性,将其参数敏感性归为:极敏感,敏感,一般敏感和不敏感4类。研究表明,模型参数的敏感性并不是一成不变的,在不同流域,不同评价目标下,会发生一定程度的改变。

田头水流域暴雨洪水预报的流溪河模型研究

田头水流域暴雨洪水频发,是广东省中小流域洪水灾害防治的重点,目前尚未针对该流域建立有效的洪水预报模型。采用由我国学者提出的流域洪水预报分布式物理水文模型——流溪河模型,建立了田头水流域暴雨洪水预报模型,运用粒子群法优选了模型可调参数,获取了较好的模拟效果。实际运用表明,该模型可以用于田头水流域的洪水预报。

多参数敏感度方法在分布式水文模型的应用

分布式水文模型作为新一代洪水预报技术的新手段,已逐渐应用在洪水预报业务工作中。受流域面积及网格单元划分精度影响,该模型在实际应用中面临严峻挑战,特别是在参数优选过程。因此需要开展参数敏感性评估研究,确定较为重要的参数,减少参数优选计算量,减少模型不确定性,提高工作效率。该文引入多参数敏感分析方法,开展流溪河模型参数敏感性分析研究,探讨模型参数敏感性,以期提高分布式模型在实际业务应用中的工作效率。

SCE-UA算法在流溪河模型参数优选中的应用

流溪河模型是一个主要用于流域洪水预报的分布式物理水文模型,目前采用手工试错法优选模型参数,虽然该方法在过去的研究中取得了较好的效果,但参数优选过程较为繁琐,需时较长。文中以广州市流溪水库流域为例,采用SCE-UA算法对流溪河模型优选参数,并使用优选结果进行模拟检验,取得了较好的效果。研究表明,SCE-UA算法能够快速、有效地进行流溪河模型参数的优选,相比手工试错法具有简单、方便、高效的特点,可应用于分布式流域水文模型的参数自动化优选工作。

基于E-FAST的流溪河模型参数敏感性分析

基于E-FAST全局定量敏感性分析方法的思想,提出一个针对分布式物理水文模型——流溪河模型的参数敏感性分析方法,包括参数简化及取值范围确定、参数采样及采样次数的确定、敏感性评价指标的选取、参数敏感度计算4个部分。针对我国4个不同规模的流域(黄龙带水库流域、流溪河水库流域、长湖水库流域和新安江水库流域)开展了分布式物理水文模型参数敏感性分析,并采用4种不同的评价函数进行了对比计算。结果表明,流溪河模型饱和含水率和田间持水率是高度敏感参数,饱和水力传导率、土壤层厚度、土壤特性系数、边坡和河道糙率为敏感参数,其他参数为不敏感参数。

广州内涝形成原因与防治对策

在深入调研广州近年来发生的城市内涝特征的基础上,分析总结了广州内涝形成原因。广州内涝多发生在地势低洼处,城市化加剧了内涝的发生,降雨强度大是广州内涝形成的主要原因,同时河涌缺乏全流域统一规划与管理,外江洪水、潮水顶托也是内涝多发的重要原因。通过分析提出了广州内涝防治的对策措施,以河涌流域为单元,统一防洪排涝体系的规划、建设与管理,建设内涝防治非工程措施体系,加强内涝管理的政策与法规建设并开展广州内涝防治关键技术研究。

城市内涝预警综合评价方法

近年来,我国城市内涝洪水的频度和烈度呈现逐年加剧的趋势,在难以进行高标准防洪工程措施建设的情况下,开展城市内涝预警及应急管理显得尤为重要。以珠江三角洲地区的代表性城市东莞市为例,以DPSIR模型(driving forces、pressure、state、impact、responses)为理论基础,提出了城市内涝预警评价的综合指标体系,采用模糊综合评判法对预警等级进行评价,以多普勒雷达估算的高分辨率降雨为输入,以基于分布式城市内涝预报模型预报的城市内涝水深作为评价指标,实现了城市内涝预警的精细化和综合化。本文的评价方法既可根据当前实测的指标体系开展预警评价,也可通过预报指标开展预警评价,提高预警的预见期。对东莞市近年来发生的两场最为严重的内涝的模拟预警评价结果表明,该方法效果良好,可应用于实际工作。

广州中心城区内涝观测实践

针对广州中心城区内涝现状,选择了4个内涝点开展内涝观测,包括天寿路、花城大道、猎德大桥和中山大学南校区。设计了内涝观测方案,包括降雨、水深、流速和淹没范围4个要素,其中,降雨主要利用广州多普勒雷达进行监测,水深采用电子水尺进行观测,流速采用手持式电波流速仪观测,而淹没范围则采用便携式数码摄像机进行观测。对2017年4—6月的5场典型内涝开展了现场观测,采集到了宝贵的现场资料,为分析广州城市内涝形成规律和精细化城市内涝预报模型研发提供了数据支撑。