利用雷达降水近期预报扩大水文气象事件的可预报性外文翻译资料

英语原文共 18 页，剩余内容已隐藏，支付完成后下载完整资料

利用雷达降水近期预报扩大水文气象事件的可预报性

ENRIQUE R. VIVONI

新墨西哥州矿业与技术研究所地球与环境科学系，新墨西哥索科罗

DARA ENTEKHABI, RAFAEL L. BRAS, VALERIY Y. IVANOV, AND MATTHEW P. VAN HORNE

麻省理工学院土木与环境工程系Ralph M. Parsons实验室

CHRISTOPHER GRASSOTTI and ROSS N. HOFFMAN

大气与环境研究公司，马萨诸塞州莱克星敦

（手稿于2005年6月13日完成，最终修订于2005年10月24日）

摘要：

通过雷达临近预报和分布式水文模拟的结合，研究了水文气象洪水事件的可预报性。根据基于物理学的水文模型，雷达临近预报产生的降雨场可以延长发布洪水和山洪预报的时间，明确说明地形，地表特征和气象强迫的空间变化。通过比较多个流域（盆地出口和内部点）的观测资料，在模拟的实时操作中，将洪水的可预测性评估为预报提前期，流域尺度和降雨空间变化的函数。预报实验是在与业务水文预报相关的时间和空间尺度上进行的。提出了雷达临近预报和分布式水文模型（插值和扩展导线预报）的时间耦合的两种模式，并对俄克拉荷马州一套嵌套盆地内的洪水事件进行了评估。基于雷达的预测与持续性的比较显示了利用雷达临近预报在洪水事件演变期间预测近期降雨的优势。

1、引言

使用分布式传感和建模系统的水文预测仍然是研究目前的水文气象学中一个基础但是有前景的问题。最关键的在于，尽管水文模拟工作取得进展，未来降雨量的不确定性限制了我们扩大洪水和山洪预测提前期的能力[可以看Singh和Woolhiser（2002）最近的评论]。水文预报所需的小规模和长时间的强制降雨的可用性受到降雨过程预测的限制，比如说，Browning和Collier（1989）讨论了各种预报策略作为预测提前期的函数的性能，指出了可预测性的限制。虽然有所进展，但是准确的定量降水预报（QPFs）仍然是水文气象学中最困难的课题之一（Collier and Krzysztofowicz 2000）。当降雨预报被用来预测洪水分布式水文模型对降水的时空分布敏感时，挑战难度就增加了(如Pessoa 1993；Bell and Moore 2000; Ivanov 2004a)。此外，由于这些事件通常发生在对强力暴风雨作出快速反应的小型上水盆地，所以这种可预见性被认为是受限于山洪。

在水文气象学中使用QPF的主要目标之一是增加在一系列流域尺度上发布洪水和山洪预报的时间。在实时操作中，水文模型应该包含最好的降雨预报，而不是简单地认为可以把未来降水量忽略不计——毕竟它本身就是一个预报（Collier，1991）。美国和欧洲的运营机构已经采用总的概念模型将降水预报（0〜6 h）纳入流域模拟(typically ＞1000km2)(McEnery 2005;Moore 2005)。在没有降雨预报的情况下，可用于洪水预警的最大提前期是流域响应时间，其数量取决于流域特征和流域规模。根据降水预报技术的准确性，降雨预报发布洪水和山洪预报的时间可以有效提前几个小时。为了将短期降雨预报纳入水文模拟，天气雷达，卫星和数值天气模式（Droegemeier 2000）的定量降水估算（QPE）可用于推断降雨场和增加水文可预测性(Yates 2000;Smith and Austin 2000; Berenguer 2005)。例如，用于降雨场预测的雷达外推算法已经证明了气象应用的预测技巧，尽管它们被限制在较短的提前期（Dixon and Weiner 1993; Golding 1998）。在分布式水文模型的背景下，雷达临近预报可以模拟降水场的短期平流，并提供QPF来驱动应用于感兴趣盆地的空间上明确的洪水预报工具。比如说Mecklenburg (2000)和Berenguer (2005) 展示了在基于网格的概念模型中使用雷达临近预报。

基于物理的分布式水文模型与概念性集总模型（即将流域作为一个单元处理的模型）相比，可以提供明显的优势，一旦操作技术成熟，就广泛用于洪水预报(如Garrote and Bras 1995; Reed 2004; Ivanov 2004b)。此外，基于物理的模型与概念模型是有区别的，即使两者都是自然分布的，它们能够代表从山坡到河流流域范围内的水文过程。近年来，分布式模型的输入有了显着的提高，包括数字高程模型（DEMs），地表参数地图和水文气象数据，这些数据用于参数化各个盆地的基于物理的方程(ASCE Task Committee 1999)。在分布式模型中，根据降水的时间和空间变化，表面特性和先期湿度，流域径流响应可以在流域内变化(Ivanov 2004a,b; Vivoni 2005)。特别是通过多个物理机制产生的径流可以在复杂的分水岭表面上以高水平的细节获得。这种能力可以模拟传统上被排除在运行洪水预报之外的流域条件，包括内河流量位置的流量预报，特定场地径流产生的时间序列以及水文响应的时空域（如土壤水分，径流机制和补给）。除此之外，模型对降雨强迫的敏感性可以用来评估QPE和QPF的性能。例如，Gourley和Vieux（2005）使用分布式水文模型测试了基于雷达QPE的精度，而Benoit等（2000）展示了一个分布式洪水预报的大气模型产生的QPF的水文验证。

在这项研究中，我们评估了雷达临近预报模型和分布式水文模型的结合使用，通过量化作为提前期和流域规模的函数的预测性能来评估洪水可预测性的界限。我们还解决了雷达观测所捕获的降雨空间变化对组合预测模型性能的影响。该方法利用研究区域上的运行雷达网络以及用于参数化，校准和强制水文模型的高分辨率数据。在以前的研究中，利用基于雷达降雨估计（QPEs）的分布式水文模型已经再现了流量测量结果，并为研究盆地的水文动力学提供了见解（见Ivanov 2004b; Vivoni 2005）。在这里，我们通过在风暴演变过程中引入降雨预报，使用两种操作模式：插值和扩展导线预报，来模拟雷达临近预报和分布式水文模型的实时操作。感兴趣的时间尺度与运行预报的设定相当（临近预报为0〜3 h，洪水预报为0〜12 h），并在较宽的范围内（0.8〜800 km2）扩展。与观测驱动的洪水后报和河流流量测量结果的比较有助于量化分布式洪水预报技巧，作为前置时间和流域尺度的函数。对于这组仿真，假设基于QPE的校准水文模型代表“真值”，并将QPF驱动模拟与本标准进行比较，以评估雷达临近预报对分布式洪水预报技巧的影响。

2、模型描述和应用

我们利用Storm Tracker临近预报模式(STNM; Wolfson 1999)对阿肯色州 - 红河流域（500 000平方公里）进行短期降雨预报。STNM算法产生的高分辨率预报来自于下一代天气雷达（NEXRAD）的数据（2到4公里），因交付时间短（0到3小时）而作为强制性的分布式水文模型（称为三角形不规则网络（TIN）实时综合盆地模拟器（tRIBS）（Ivanov等2004a）。与基于光栅的DEM相比，TIN允许对基本的盆地地形学进行表征，其节点比例更少（例如Kumler 1994; Vivoni等2004）。这种能力可以有效地模拟各种各样的流域规模，从上游流域到区域流域，定量评估尺度在洪水预报技能中的作用。另外，由基于物理的模型捕获的高时间分辨率允许对与临近预报模型相关的不同前置时间的预测性能进行详细评估。下面，我们描述分布式预测模型（STNM和tRIBS）及其在俄克拉荷马州东北部的运行规模的流域（800平方公里）中的应用。

A、STNM临近预报模型

临近预报是利用外推法和观测到的地面雷达或卫星的降雨场（如Dixon和Weiner 1993; Hamill和Nehrkorn 1993; Tsanis等2002）产生的短距离降雨预报。降雨数据的一个潜在来源是NEXRAD网络，该网络以高空间分辨率提供对大域的频繁观测（例如，Young等，2000）。NEXRAD数据虽然在许多研究中被采用，但在短期洪水预报的临近预报算法中并未经常使用。Van Horne等（2003）利用带有雷达数据的STNM模型来产生水文应用的降雨预报。Pereira Fo（1999）和Yates（2000）已经表明使用临近预报降雨预报作为强迫集中和半分布式水文模型的可行性，这些研究的结果表明，雷达临近预报与短时间的数值天气预报模式相比，可以提供更准确的降雨预报。STNM最初被设计用于使用雷达反射率数据预报直线风暴的进展[参见Wolfson（1999）模型细节]。临近预报算法的突出之处在于它能够使用每个图像的椭圆，尺度分离滤波器将大规模的风暴包络运动与嵌入式对流活动分开。该模型利用连续滤波后的图像的互相关生成大尺度运动矢量的场，并将其应用于原有降雨场的平移。更新版本的STNM模型可以明确地解释风暴的增长和衰退过程（Dupree 2002）。雷达预报可以根据雷达数据的时间分辨率提供不同的预测长度。最近，Van Horne等人（2003）对0-3小时预报期间的阿肯色 - 红河流域降雨预报算法进行了评估。结果表明，STNM模型能够预测高时空分辨率的降水，特别是对于由天气尺度强迫驱动的线性的、有组织的事件。预报技巧因缺乏发育良好的风暴而减少，具有可分离的大规模平流特征。在这项研究中，我们通过比较基于QPF的洪水预报，基于QPE的洪水后报和排放测量来评估雷达临近预报技术。

B、TRIBS分布式水文模型

tRIBS模型是一种基于物理的分布式水文模型，利用雨量计，雷达或数值天气预报模型的降水估计，为持续的洪水预报而开发[关于模型物理和能力的完整细节，请参见Ivanov等人（2004a）]。该模型的一个关键特征是能够模拟相互关联的山坡系统内的详细的地表下地表动力学和水分的横向再分配。通过追踪渗透前缘，地下水位波动和包气带和饱和带的侧向水汽通量来模拟耦合的地表和地下水对降雨的响应。地表径流是通过渗透过量，饱和度过剩，地下暴雨流和地下水渗出而产生的。表面流动的路线是通过水文陆上流动和液压通道布线实现的。基于地表气象估计的辐射和能量平衡计算裸土，植被和拦截降水的蒸发量。目前，tRIBS模型可以连续模拟流域水文学中的主要组成部分，同时保留运行规模集水区的高分辨率数据（表1）。Ivanov等（2004b）和Reed等（2004）讨论了模型在洪水预报中的优势和局限性。除了雨量计和天气雷达观测资料外，TRIBS还可以利用雷达QPF进行实时洪水预报。在操作环境中，可用的QPE被使用迄今。然后可以使用雷达临近预报，气象模式或混合方法（QPF）在不同分辨率下的降雨预报强迫达到特定的预报提前期（如Grassotti et al。2002）。QPF在流域上的强度，模式和时间通过模型中的降雨 - 径流动力学被整合到洪水流量中，并被流域响应时间推迟。我们通过将其与由QPE驱动的模型运行产生的分布进行比较，来评估所产生的分布式定量洪水预测结果。利用这种分布式方法，可以明确地量化降雨预报技能与洪水可预报性作为前置时间和流域尺度函数的变化。

表1：tRIBS分布式水文模型的水文组成。

C、研究区域和雷达降雨数据

tRIBS模型同时应用于一套嵌套盆地：位于俄克拉荷马州埃尔顿（BF）的Baron Fork和位于俄克拉荷马州克里斯蒂市的Peacheater Creek，以及位于阿肯色州（DM）的Dutch Mills的Baron Fork。表2列出了三个流域的特征，包括地形，土地利用和土壤属性。图1a说明了与阿肯色 - 红河盆地相关的嵌套盆地。地形来源于美国地质调查局（USGS）的30米DEM，采用Vivoni等人描述的水文TIN程序。（2004）（图1b）。位于奥扎克高原，盆地的一部分崎岖不平，而另一些则缓缓倾斜。由于地形变化较大，因此TIN内三角形单元的大小从0.13平方米到0.60平方千米不等。Baron Fork的特点是混合使用田地和树林（52.2％）; 农田和果园（46.3％）; 小城镇（1.3％）。土壤质地主要是粉质土（94％）和细砂质土（6％）。河网最长67.3km，排水密度0.86km1。由于不受管制的性质，高流密度密度和长时间的雷达数据系列（例如Johnson等，1997; Carpenter等，2001; Reed等，2004），各种研究都集中在Baron Fork上。

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[22504]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

您可能感兴趣的文章

• 1981-2010年期间塞尔维亚气候要素分析外文翻译资料
• 利用WOFOST模型模拟在古吉拉特中部地区4个小麦品种的生长和产量外文翻译资料
• 美国东部阔叶林88年以来生长季长度变化对碳同化和蒸腾的影响外文翻译资料
• 全球变暖导致夜间气温升高，水稻产量下降外文翻译资料
• 太湖涡度通量网外文翻译资料
• 涡度协方差法测量瑞士水库的极端CH4排放通量，并分析其短期变化外文翻译资料
• 来自非管理河口，湖泊，海洋，河流和湿地的生物甲烷排放的比较外文翻译资料
• 中国西北塔里木盆地人居环境适宜性分析外文翻译资料
• 罗马尼亚Iaşi市城市热岛的范围和强度外文翻译资料
• HadGEM 1家族的耦合模式和纯大气模式中水平分辨率的提高对南美洲气候模式的影响外文翻译资料