《山洪灾害预报预警技术研究及其应用》全面阐述研究区域暴雨山洪特征规律、水文预报模型集成技术、水文模型及参数智能识别、水文模型参数敏感性分析、水文模型参数移植、多维山洪灾害预报预警体系、山洪预警临界雨量指标确定、耦合洪水预报的山洪预警和耦合降雨预报的山洪预警及山洪灾害预报预警平台等，结构合理、紧凑，逻辑性强。《山洪灾害预报预警技术研究及其应用》提出的山洪灾害预报预警方法比较新颖、*特且实用，并配有相应的计算实例，便于自学。所提方法有助于推动山洪灾害预报预警技术的深入发展与应用，对减少山洪灾害损失具有重要意义。

目录
前言
第1章 山洪灾害预报预警技术研究概述 1
1.1 研究背景 1
1.2 山洪灾害预报预警技术研究进展 2
1.2.1 水文模型研究进展 2
1.2.2 水文模型参数识别方法研究进展 3
1.2.3 水文模型参数敏感性研究进展 5
1.2.4 水文模型参数移植研究进展 7
1.2.5 山洪临界雨量研究进展 7
1.2.6 山洪灾害预警研究进展 8
1.3 研究意义 10
1.4 研究内容 11
第2章 研究区域暴雨山洪特征规律分析 13
2.1 研究区域概况 13
2.1.1 地理环境 13
2.1.2 地形地貌 14
2.1.3 水文气象 15
2.2 不同天气系统影响下的降雨特点 15
2.2.1 台风型天气系统 15
2.2.2 气旋型天气系统 16
2.2.3 冷锋型天气系统 17
2.3 辽宁省清原县山洪典型暴雨过程及其天气系统特点分析 17
2.3.1 典型流域—北口前流域 17
2.3.2 历史洪水降雨过程分析 18
2.3.3 历史洪水降雨过程的天气系统分析 31
2.4 辽宁省岫岩县山洪典型暴雨过程及其天气系统特点分析 34
2.4.1 典型流域—大洋河流域 34
2.4.2 历史洪水降雨过程分析 35
2.4.3 历史洪水降雨过程的天气系统分析 40
2.5 本章小结 42
第3章 水文预报模型集成技术 44
3.1 水文模型适用性分析 44
3.1.1 大伙房模型 44
3.1.2 新安江模型 49
3.1.3 TOPMODEL 50
3.1.4 HEC模型 52
3.1.5 推理公式辽宁法 55
3.2 预报模型库集成及管理技术 57
3.2.1 预报模型库的发展阶段 57
3.2.2 预报模型数据接口定义 58
3.2.3 模型方法元数据 60
3.2.4 模型库管理系统 62
3.3 模型参数自动识别技术 62
3.3.1 典型历史洪水分类 63
3.3.2 模型参数的自动识别 64
3.4 水文模型参数率定方法与技术 64
3.4.1 模型参数率定方法 65
3.4.2 参数优选的*优化技术 68
3.5 本章小结 69
第4章 水文模型及参数智能识别 70
4.1 水文模型及参数智能识别指标体系 70
4.1.1 水文模型识别指标体系 70
4.1.2 场次洪水识别 73
4.2 水文模型及参数智能识别方法 74
4.2.1 模糊聚类的基本概念 75
4.2.2 模糊聚类分析的研究现状 76
4.2.3 模糊聚类与模式识别 77
4.3 应用实例 78
4.3.1 实例概况 78
4.3.2 指标选取 79
4.3.3 基于层次分析法的水文模型识别 80
4.3.4 模型识别结果分析与对比 81
4.4 本章小结 82
第5章 水文模型参数敏感性分析 83
5.1 水文模型参数敏感性分析方法 83
5.1.1 常用参数敏感性分析方法 84
5.1.2 多目标GLUE方法 88
5.1.3 基于主成分分析因子载荷验证 89
5.2 新安江模型参数敏感性分析 90
5.2.1 新安江模型参数取值范围 90
5.2.2 北口前模型参数敏感性分析 92
5.2.3 北口前流域新安江模型参数率定 99
5.3 大伙房模型参数敏感性分析 101
5.3.1 大伙房模型参数特性 101
5.3.2 大伙房模型参数在典型流域的敏感性规律 102
5.3.3 岫岩流域大伙房模型的参数率定 106
5.4 本章小结 107
第6章 水文模型参数移植 109
6.1 流域特征信息提取 109
6.1.1 流域特征信息分析 109
6.1.2 流域地貌特征值提取 110
6.1.3 流域地表覆盖特征值提取 112
6.2 水文模型参数移植方法 113
6.2.1 属性相似法 113
6.2.2 空间相似法 114
6.2.3 参数回归法 114
6.2.4 基于主成分分析的流域相似法 115
6.3 基于属性相似法的水文模型参数移植 117
6.3.1 流域地貌特征值提取 117
6.3.2 指标权重的确定 117
6.3.3 评价因子的筛选 120
6.3.4 移植合理性分析 121
6.4 参数移植效果分析 121
6.4.1 流域选择 121
6.4.2 流域地貌特征值提取 122
6.4.3 流域地表覆盖特征值提取 124
6.4.4 基于主成分分析法的流域相似性评价 125
6.4.5 参数移植结果分析 130
6.5 参数移植修正方法 135
6.5.1 汇流参数移植修正方法 135
6.5.2 汇流参数移植修正结果分析 136
6.6 本章小结 138
第7章 多维山洪灾害预报预警体系 139
7.1 多维山洪灾害预报预警体系设计 139
7.2 多因素山洪灾害预报预警分析 141
7.2.1 下垫面条件对山洪灾害预报预警的影响 141
7.2.2 降雨时空分布对山洪灾害预报预警的影响 143
7.2.3 实时降雨对山洪灾害预报预警的影响 144
7.2.4 预报降雨对山洪灾害预报预警的影响 144
7.3 多尺度与多级别山洪预警分析 145
7.3.1 多尺度山洪预警分析 145
7.3.2 多级别山洪预警分析 146
7.4 多模式山洪预警分析 147
7.4.1 基于临界雨量的预警模式研究 147
7.4.2 基于实时预报和成灾流量的预警模式研究 147
7.4.3 基于假拟预报和成灾流量的预警模式研究 149
7.5 实例分析 149
7.5.1 流域概况及资料分析 150
7.5.2 多维预报预警模式的山洪预警 150
7.5.3 预警结果分析 151
7.6 本章小结 152
第8章 山洪预警临界雨量指标确定 153
8.1 临界雨量预警指标及确定方法分析 153
8.1.1 山洪灾害预警临界雨量 153
8.1.2 统计归纳法 154
8.1.3 基于土壤含水量饱和度的动态临界雨量法 157
8.1.4 基于动态预警的同频反推法 158
8.1.5 无资料地区临界雨量确定方法 162
8.2 动态临界雨量*线法 163
8.2.1 绘制降雨径流相关图 163
8.2.2 推求经验单位线 164
8.2.3 确定临界雨量 165
8.3 考虑降雨不确定性的动态临界雨量*线法 166
8.3.1 临界雨量计算 167
8.3.2 影响因子分析 167
8.3.3 动态山洪预警 168
8.4 应用实例 168
8.4.1 资料整理 168
8.4.2 英那河流域动态临界雨量指标的确定 169
8.4.3 英那河流域考虑降雨不确定性的动态临界雨量确定 179
8.5 本章小结 183
第9章 耦合洪水预报的山洪预警 185
9.1 耦合洪水预报的山洪预警流程 185
9.2 洪水预报可利用性分析 186
9.2.1 水文模型选取 186
9.2.2 水文模型模拟 187
9.2.3 洪水预报可利用性评价 216
9.3 应用实例 217
9.3.1 清原县“20130816”场次洪水 219
9.3.2 岫岩县“20120729”场次洪水 222
9.3.3 岫岩县“20120803”场次洪水 224
9.3.4 岫岩县“20170804”场次洪水 226
9.4 本章小结 229
第10章 耦合降雨预报的山洪预警 230
10.1 耦合降雨预报的山洪预警流程 230
10.2 降雨预报信息的可利用性分析 232
10.2.1 降雨集合预报产品 232
10.2.2 降雨等级划分 234
10.2.3 降雨预报信息精度评价 240
10.2.4 降雨预报信息可利用性评价 245
10.3 耦合动态临界雨量与降雨预报的山洪预警 249
10.3.1 面雨量预报信息分析 250
10.3.2 考虑降雨预报信息的山洪预警 251
10.3.3 耦合降雨预报的山洪预警修订 252
10.4 考虑降雨（概率）预报信息的山洪预警 258
10.4.1 不同时段预报降雨量级情况下实际降雨的概率分布*线 258
10.4.2 应用实例 280
10.5 本章小结 292
第11章 山洪灾害预报预警平台 293
11.1 平台总体设计 293
11.1.1 平台架构设计 293
11.1.2 平台环境配置 293
11.1.3 平台设计模式 294
11.2 平台功能结构 295
11.3 平台成果展示 297
11.3.1 流域概况及资料分析 297
11.3.2 平台主界面 297
11.3.3 洪水预报 298
11.3.4 山洪预警 301
11.3.5 预报预警结果分析 303
11.4 本章小结 303
参考文献 304

第1章山洪灾害预报预警技术研究概述
　　1.1研究背景
　　我国地貌类型复杂多样，以山地、丘陵和比较崎岖的高原为主，约占全国陆地面积的2/3。受东亚季风气候的影响，我国年内降水分配不均，暴雨频发，导致山洪灾害发生频繁。山洪灾害不仅对我国山丘区的基础设施造成毁灭性破坏，还对当地人民群众的生命财产安全构成极大的威胁和损害，已经成为山丘区经济社会可持续发展的重要制约因素之一[1]。
　　据不完全统计，自新中国成立以来我国因洪死亡27万余人，其中山洪灾害导致19万余人死亡，约占70%。20世纪90年代以来，我国平均每年因山洪灾害造成的人员死亡超过1000人，山洪灾害年均经济损失在400亿元以上。2003～2013年，我国山洪灾害死亡人数占因洪死亡人数的比例上升到79.5%。伴随全球气候变化和城镇化进程的快速推进，因山丘区特殊的水文气象条件及自然地理环境和土地利用条件的客观制约，山丘区城镇成为潜在的承灾体，将不同程度地承受因强降水而导致的洪水风险，重大灾害事件时有发生。例如，2013年8月16日强降水引起辽宁省清原满族自治县（简称清原县）43个乡镇街道发生山洪灾害，导致63人死亡、101人失踪，共损毁房屋6.17万间，直接经济损失超过17亿元。由此可见，山洪灾害已成为我国防洪减灾的薄弱环节。
　　面对严峻的山洪灾害防御形势，我国政府及时行动。依据《国务院关于全国山洪灾害防治规划的批复》，2010年11月水利部会同财政部等部局启动了全国山洪灾害防治县级非工程措施建设项目，投资110亿元，用3年时间初步建成全国2058个山洪灾害防治县的非工程措施体系，主要包括监测系统、预警系统和群防体系，目前已建成运行并发挥了重要作用。2011年4月国务院审议通过《全国中小河流治理和病险水库除险加固、山洪地质灾害防御和综合治理总体规划》。2013年5月水利部、财政部联合印发了《全国山洪灾害防治项目实施方案（2013～2015年）》，开展全国山洪灾害调查评价、山洪灾害防治非工程措施补充完善和重点山洪沟防洪治理工作。
　　小流域洪水具有突发性强、流速快、预见期短以及分布广的特点，必须尽早获知暴雨洪水灾害的发生。因此，建成山洪防治硬件设施后，山洪防治的关键问题是如何提高小流域山洪预报预警水平。然而，众所周知，大多数小流域都是无资料地区，无法像大中流域那样有效地开展洪水预报研究，因此小流域山洪预报预警是山洪灾害防治的重点和难点。
　　由于地理原因，辽宁省受山洪灾害威胁的区域约占全省总面积的2/3，并且部分区域人员居住密集，因此山洪灾害防御任务重、难度大。为做好山洪灾害防御工作，辽宁从2010年开始实施山洪灾害非工程措施建设，不断完善山洪灾害群测群防体系，全省共建设完成1个省级、13个市级、55个县级山洪灾害监测预警平台，并延伸了县级平台到所属全部乡镇。
　　2018年，辽宁省的山洪灾害防治建设主要是山洪灾害非工程措施建设，补充完善一些县（市、区）监测系统、预警系统；在朝阳市区、北票市、建昌县及义县开展县级平台延伸到乡镇；对全省55个县（市、区）的县级监测预警平台软件进行功能优化；建设完善沈阳、大连、鞍山、营口、辽阳、锦州、朝阳、葫芦岛、阜新及铁岭10个市的山洪灾害预警短信网关。同时，辽宁省持续完善55个县（市、区）山洪灾害群测群防体系建设；在辽西部分县（市、区）配备县乡级应急救援工具，进一步完善山洪灾害应急保障系统。辽宁已经确定了18条主要江河防汛特征水位，进一步完善了江河湖库防洪调度方案；落实了以行政*长负责制为核心，覆盖省、市、县、乡、村，由4万多人组成的防汛抗旱责任网络；落实了9900名村级水管员、1370名小型水库库管员的防汛职责和培训工作，提升了基层防汛抗旱的组织应对能力。
　　由于辽宁省大部分河流站网密度偏小，应急监测手段和预报方案不健全，山洪灾害预报预警系统体系建设不完善等，加上山洪灾害具有暴雨强度大、历时短、难预报、难预防等特点，而如今我国对山洪灾害的防治规划也多以非工程措施为主，因此研究山洪预报预警集成技术、提高预报预警的精确度、进行系统的预报预警体系建设，对于辽宁省山洪灾害的预报预警和保障辽宁省人民的生命财产安全是十分必要的。
　　1.2山洪灾害预报预警技术研究进展
　　1.2.1水文模型研究进展
　　水文模型是对自然界中复杂水循环过程的近似描述，是水文科学研究的一种手段和方法，也是对水循环规律进行研究和认识的必然结果。水文模型的发展*早可以追溯到1850年穆尔万（Mulvan）所建立的推理公式。1932年谢尔曼（Sherman）的单位线概念、1933年霍顿（Horton）的入渗方程、1948年彭曼（Penman）的蒸发公式等的提出，标志着水文模型开始由萌芽时代向发展阶段过渡。20世纪60年代以后，水文学家结合室内外实验等手段，不断探索水文循环的成因变化规律，并在此基础上，通过一些假设和概化，确定模型的基本结构、参数以及算法，开始了水文模型的快速发展阶段。在此期间，各国水文学家积极探索、勇于开拓，研究和开发了很多简便实用的概念性水文模型，如美国的斯坦福流域水文模型Ⅳ（Stanford watershed model Ⅳ，SWMⅣ）、萨克拉门托（Sacramento，SAC）模型、水土保持局（Soil Conservation Service，SCS）模型，澳大利亚的包顿（Boughton）模型，瑞典国家水文气象局开发的四水平衡水文（hydrologiska byrans vattenbalansavdelning，HBV）模型，日本的水箱模型（tank model），以及我国的新安江模型等。20世纪90年代以来，随着地理信息系统（geographic information system，GIS）、全球导航卫星系统（global navigation satellite system，GNSS），以及卫星遥感（remote sensing，RS）技术在水文学中的应用，考虑水文变量空间变异性的分布式水文模型日益受到重视。尽管早在1969年，Freeze和Harlan[2]就提出了基于水动力学偏微分物理方程的分布式水文模型概念，但由于计算手段的限制，直到80年代后期，随着计算机技术的快速发展，分布式水文模型才得到快速发展。目前，较为常见的分布式水文模型有英国水文研究所的分布式模型（institute of hydrology distributed model，IHDM），欧洲的分布式物理（system hydrological European，SHE）模型[3]和基于地形的半分布式模型（topography based hydrological model，TOPMODEL），美国的土壤水文评估工具（soil and water assessment tool，SWAT）模型、暴雨洪水管理模型（storm water management model，SWMM）、可变下渗容量（variable infiltration capacity，VIC）模型等。我国关于分布式水文模型的研究起步较晚，目前尚缺乏国际上普遍认可的分布式水文模型。但近年来，我国水文学家也在积极探索、勇于开拓，陆续研究和开发了一些基于不同时空尺度的分布式水文模型[4]。
　　1.2.2水文模型参数识别方法研究进展
　　水文模型是对水文过程进行模拟计算的数学模型。水文过程模拟，包括对流域内的产流、坡面汇流及河道汇流过程的模拟。参数识别就是根据特定的目标函数，确定一套固定的参数寻找法则，根据这套法则，估计出模型的参数值。模型参数识别是一个十分复杂且困难的问题[5]。
　　模型参数率定是模型全面发展过程中*重要的一步。从理论上讲，模型参数可以从流域直接或间接获得，但由于水文模型参数既有其物理意义，又有其推理、概化的成分[6]，因此大部分模型参数只能在对实测资料进行分析的基础上，通过参数优选得到。受天文、气候、气象、下垫面、人文等众多因素的综合影响，水文模型的参数一般较多，并不完全*立，常常表现出不确定、高维、高度非线性和庞杂的特点，传统优化方法难以处理上述优化问题。一般来说，参数越多、非线性越强，优化时间就越多，同时也不能够保证优化算法收敛到全局*优[7]。牛顿（Newton）法、共轭梯度法、变尺度算法、单纯形（simplex）法、步长加速法、方向加速法和罗森布罗克（Rosenbrock）法等传统优化方法都是与初始点有关的局部优化方法，常常是找出初始点附近的一个极值点，至于它是否为全局极值点，在多数情况下不得而知。当给参数以不同的初值时，传统优化方法优化的结果有时很不相同，导致优化结果具有不稳定性。这种参数优化的不稳定性和局部优化的结果，将直接影响洪水预报的精度和可靠性，进而影响洪水调度与水资源管理的科学性和合理性[5]。
　　近年来，国内外许多学者对水文模型参数识别问题进行了研究。早在1970年，Nash和Sutcliffe[8]就提出了用模型效率系数来评价模型模拟结果的精度。Ibbitt和O’Donnell[9]设计了概念性流域水文模型参数优选的拟合方法。Johnston和Pilgrim[10]对流域水文模型参数优选进行了探讨。Pickup[11]对降雨-径流模型自动率定的算法及其搜索策略的有效性进行了测试。Gupta等[12]利用基于导数的优化方法对水文模型的参数进行了自动率定。Hendrickson等[13]比较了降雨-径流模型参数自动率定的Newton法和直接法。为了说明水文模型结构的复杂性，Duan等[14]设定了一些数据，检验了6个参数的识别问题，结果表明，即使用简单的6个参数的水文模型，参数优选也非常困难，从而说明水文模型结构非常复杂或参数优选算法需要改进等。以上学者主要对模型参数优选的传统优化方法进行了研究。传统优化方法都是基于单点迭代的局部优化方法，难以解决复杂水文模型参数优选问题[7]。随着20世纪80年代模拟智能的全局优化算法—遗传算法（genetic algorithm，GA）的兴起，水文工作者对遗传算法进行了研究。Wang[15]*早将遗传算法应用于概念降雨-净雨模型的产流参数优选。Duan等[16]使用亚利桑那大学开发的复合交叉进化方法（shuffled complex evolution-University of Arizona，SCE-UA）对流域水文模型参数的全局优化进行了自动率定，并观察到参数识别问题的难度主要取决于模型结构和参数估计方法。Franchi[17]将GA与局部搜索算法结合，用于概念降雨-径流模型参数的自动率定。Marca和Giorgio[18]在进行概念降雨-径流模型参数的自动率定时，比较了几种模式GA的应用效果。与Duan等[16]采用的方法类似，Wang[19]也从另一个角度对水文模型的参数率定进行了研究，先给定水文模型的参数，然后观察GA是否可以找到这个*优的参数，并用实例来检测GA的适用性和鲁棒性（该法称为“人为设定法”），结果表明GA是一种有效的搜索方法，它可以近似找到全局*优解；但他并没有进一步给出GA在水文模型参数识别过程中算法的参数设置，也未解决其收敛问题。Madsen[20]提出了水文模型参数多目标自动优选方法。Cheng等[21]应用模糊数学和GA混合技术探讨了降雨-径流模型多目标优化的参数率定问题[5]。毛学文[22]利用二进制编码的遗传算法，进行了新安江水文模型的参数优选。为了提高计算效率，金菊良等[23]建立了加速遗传算法，并解决了*大流量频率*线的参数估计问题。谭炳卿[24]介绍了Rosenbrock法、改进的simplex法和GA3个水文模型参数优选的算法，以新安江模型为例，应用14个流域的资料，对这3种算法优选参数的效果进行了比较分析，指出以GA的优选结果作为参数初值，再用其他两种方法进一步优化，是模型参数识别的一个有效途径[25]。张建云等[26]介绍了Rosenbrock法、simplex