亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于大氣-水動(dòng)力集成模型的城市內(nèi)澇模擬預(yù)報(bào)研究

        2020-12-14 07:21:58陳光照侯精明高徐軍李繼成張宏芳
        關(guān)鍵詞:模型

        陳光照,侯精明,同 玉,周 聶,高徐軍,蘇 鋒,李繼成,呂 鵬,楊 霄,張宏芳

        (1.西安理工大學(xué) 西北旱區(qū)生態(tài)水利國(guó)家重點(diǎn)實(shí)驗(yàn)室, 陜西 西安 710048;2.中國(guó)電力建設(shè)集團(tuán)有限公司 西北勘測(cè)設(shè)計(jì)研究院有限公司, 陜西 西安 710065;3.陜西省氣象局 陜西省氣象服務(wù)中心, 陜西 西安 710014)

        近年來,隨著城市化率的提高和氣候變化的加劇,城市內(nèi)澇災(zāi)害愈加頻繁[1]。在下墊面硬化、排水能力不足、短歷時(shí)強(qiáng)降水事件頻發(fā)等因素的共同作用下,許多城市將遭受內(nèi)澇災(zāi)害并造成嚴(yán)重?fù)p失[2]。政府間氣候變化專門委員會(huì)(IPCC)的研究表明,1981年至2000年間,500 mm極端降雨的發(fā)生概率約為1%,至2100年這一概率將高達(dá)18%[3]。因此,開展城市內(nèi)澇預(yù)報(bào)方法研究,對(duì)防澇減災(zāi)具有重要意義。

        城市內(nèi)澇預(yù)報(bào)是降低內(nèi)澇災(zāi)害風(fēng)險(xiǎn)、減輕災(zāi)害損失的重要措施,但目前仍未開發(fā)出完全滿足防災(zāi)減災(zāi)要求的預(yù)報(bào)系統(tǒng)[4]。影響預(yù)報(bào)效果的問題主要為預(yù)見期短及無法精確描述內(nèi)澇變化過程。為了延長(zhǎng)預(yù)見期,內(nèi)澇預(yù)報(bào)可采用數(shù)值天氣預(yù)報(bào)(NWP)模型生成的預(yù)報(bào)降雨產(chǎn)品作為地表內(nèi)澇模型的輸入數(shù)據(jù)[5]。例如,Li等[5]集成了柳溪河水文模型與WRF氣象模型,將其用于南方流域大尺度洪澇預(yù)報(bào)。該方法延長(zhǎng)了內(nèi)澇預(yù)報(bào)的預(yù)見期,但只能提供網(wǎng)格分辨率為20km×20km的預(yù)報(bào)產(chǎn)品。Tian等[6]開發(fā)了耦合WRF模型、河北水文模型及3DVar數(shù)據(jù)同化模塊,構(gòu)建了大氣-水文預(yù)報(bào)系統(tǒng)。結(jié)果表明,該預(yù)報(bào)系統(tǒng)對(duì)空間分布均勻的降雨有較好的預(yù)報(bào)效果,但對(duì)短歷時(shí)強(qiáng)降雨預(yù)報(bào)誤差較大。Habibi等[7]采用了由X波段氣象雷達(dá)數(shù)據(jù)驅(qū)動(dòng)的NWS水文分布模型。結(jié)果表明,該系統(tǒng)能較好地預(yù)測(cè)水位和河流的變化,但其時(shí)間誤差較為嚴(yán)重。

        常規(guī)水文模型無法精確模擬內(nèi)澇變化過程,而求解淺水方程(SWEs)的全水動(dòng)力模型數(shù)值則可解決這一問題[8]?;趧?dòng)力波方法的水動(dòng)力模型能夠模擬水力要素在復(fù)雜地形上的變化過程,生成準(zhǔn)確的內(nèi)澇變化計(jì)算結(jié)果。本文提出集成數(shù)值氣象模型和水動(dòng)力模型構(gòu)建內(nèi)澇預(yù)報(bào)模型,并以此模擬預(yù)報(bào)灃西新城內(nèi)澇淹沒過程,研究結(jié)果將為提升防災(zāi)減災(zāi)能力提供參考借鑒。

        1 研究區(qū)域

        研究區(qū)位于西咸新區(qū)灃西新城,總面積22.5 km2。全年降雨量主要集中在7~9月。排水管網(wǎng)局部淤堵及結(jié)構(gòu)設(shè)計(jì)不合理,限制了該地區(qū)的排水能力,當(dāng)遇到暴雨時(shí),內(nèi)澇頻發(fā)。該地區(qū)布設(shè)有微型氣象站,可以氣象站監(jiān)測(cè)數(shù)據(jù)作為地面實(shí)況,對(duì)GRAPES_MESO預(yù)報(bào)數(shù)據(jù)進(jìn)行評(píng)價(jià)。

        本文采用無人機(jī)航測(cè)技術(shù)對(duì)研究區(qū)地形數(shù)據(jù)進(jìn)行了測(cè)量。數(shù)字高程模型(DEM)和數(shù)字正射影像圖(DOM)的網(wǎng)格分辨率為2m,約560萬個(gè)網(wǎng)格單元,如圖1、圖2所示。根據(jù)正射影像圖,采用最大似然分類法將網(wǎng)格單元?jiǎng)澐譃槲宸N土地利用類型,如表1所示。曼寧系數(shù)參考相關(guān)標(biāo)準(zhǔn)和城市排水文獻(xiàn)確定[9-10]。

        圖1 DEM數(shù)據(jù)Fig.1 DEM data

        圖2 土地利用數(shù)據(jù)Fig.2 Land use data

        表1 土地利用參數(shù)Tab.1 Properties of the different land uses

        2 大氣-水動(dòng)力集成模擬預(yù)報(bào)模型

        本文集成GRAPES_MESO大氣模型、二維水動(dòng)力模型和預(yù)報(bào)降雨重構(gòu)方法建立大氣-水動(dòng)力內(nèi)澇預(yù)報(bào)模型,圖3為模型工作流程圖。集成模型每隔12 h將滾動(dòng)更新的預(yù)報(bào)降雨數(shù)據(jù)輸入基于回歸分析方法的重構(gòu)模塊進(jìn)行改進(jìn),而后將重構(gòu)的預(yù)報(bào)降雨數(shù)據(jù)作為水動(dòng)力模型的輸入數(shù)據(jù)。為了評(píng)估重構(gòu)法對(duì)預(yù)報(bào)降雨和內(nèi)澇數(shù)據(jù)的改善效果,本文還利用氣象站的實(shí)測(cè)降雨數(shù)據(jù)和原始預(yù)報(bào)數(shù)據(jù)驅(qū)動(dòng)內(nèi)澇模型,進(jìn)行內(nèi)澇淹沒過程模擬計(jì)算,并以淹沒面積和水深預(yù)報(bào)結(jié)果分析模型性能。

        圖3 城市內(nèi)澇預(yù)報(bào)工作流程Fig.3 Flowchart for the urban inundation forecasting

        2.1 GRAPES_MESO氣象模型

        全球/區(qū)域同化預(yù)報(bào)系統(tǒng)(GRAPES)是中國(guó)氣象局自主開發(fā)的采用多級(jí)數(shù)據(jù)同化的數(shù)值天氣預(yù)報(bào)模型。根據(jù)不同分辨率要求,選擇區(qū)域或全球中期物理過程軟件包,可形成全球中期天氣預(yù)報(bào)系統(tǒng)(GRAPES_GFS)或區(qū)域中尺度天氣預(yù)報(bào)系統(tǒng)(GRAPES_MESO)。城市內(nèi)澇預(yù)報(bào)模型采用GRAPES_MESO 4.0版本預(yù)報(bào)降水?dāng)?shù)據(jù)。預(yù)報(bào)系統(tǒng)每天00:00和12:00對(duì)中國(guó)及周邊地區(qū)的未來72h降雨數(shù)據(jù)進(jìn)行滾動(dòng)更新,時(shí)空分辨率為3h、10km。

        2.2 預(yù)報(bào)降雨數(shù)據(jù)重構(gòu)方法

        該預(yù)報(bào)降雨數(shù)據(jù)重構(gòu)方法以GRAPES_MESO預(yù)報(bào)數(shù)據(jù)(數(shù)據(jù)來自國(guó)家氣象科學(xué)數(shù)據(jù)中心http://data.cma.cn/)為自變量,氣象站實(shí)測(cè)數(shù)據(jù)為因變量。利用SPSS統(tǒng)計(jì)分析軟件的回歸分析函數(shù)擬合修正公式。由于GRAPES_MESO的數(shù)值預(yù)報(bào)產(chǎn)品于2015年12月29日00:00首次發(fā)布,因此該方法選取的分析樣本時(shí)間為2016年1月1日00:00至2019年1月1日24:00。在SPSS回歸分析中,在篩去降雨量小于10 mm的場(chǎng)次降雨后,選取剩余降雨數(shù)據(jù)中的37個(gè)典型致澇降雨數(shù)據(jù)作為樣本數(shù)據(jù)。為增強(qiáng)公式的適用性,各樣本數(shù)據(jù)的降雨歷時(shí)、雨強(qiáng)、累計(jì)降雨量都有所不同。此外,選擇4個(gè)不同特征的降雨作為測(cè)試數(shù)據(jù)。

        研究區(qū)第一和第三季度預(yù)報(bào)雨量小于實(shí)測(cè)數(shù)據(jù),而第二季度預(yù)報(bào)雨量較大。由于第四季度的暴雨次數(shù)較少,因此不進(jìn)行分析。本文選取線性方程、二次方程、三次方程、對(duì)數(shù)方程、指數(shù)方程、冪方程6種常用模型擬合公式。去除過度擬合和低相關(guān)性的函數(shù),得到預(yù)測(cè)數(shù)據(jù)與實(shí)測(cè)數(shù)據(jù)之間的函數(shù)關(guān)系,如表2所示。第一季度符合對(duì)數(shù)函數(shù),相關(guān)系數(shù)R2為0.81;第二和第三季度符合三次函數(shù),R2分別為0.91和0.93。其中,xR為原始預(yù)測(cè)數(shù)據(jù);xH為預(yù)測(cè)相對(duì)濕度;y表示重構(gòu)值。

        表2 修正公式Tab.2 Correction formulas

        由于預(yù)報(bào)降雨數(shù)據(jù)的時(shí)間分辨率為3 h,當(dāng)降雨持續(xù)時(shí)間小于3 h時(shí),雨峰將變得不明顯,致使降雨過程變得平緩,進(jìn)而造成較大的誤差。為了使重構(gòu)后的降雨數(shù)據(jù)更符合實(shí)際情況,對(duì)采用修正公式(見表2)重構(gòu)的降雨再進(jìn)行重新分布?;诙嗄杲涤陻?shù)據(jù)的芝加哥雨型公式可以描述該地區(qū)的短期降雨過程,如式(1)所示。降雨將按芝加哥雨型每小時(shí)的雨量分配比例進(jìn)行分配。根據(jù)公式計(jì)算結(jié)果,在第1小時(shí)分配降雨總量的10%,第2小時(shí)分配81%,第3小時(shí)分配9%。采用這種分配方法,可以在預(yù)報(bào)降雨時(shí)間小于3 h的情況下構(gòu)建雨峰。

        (1)

        式中:q為暴雨強(qiáng)度;p為重現(xiàn)期;m為暴雨歷時(shí)。

        納什效率系數(shù)(NSE)用于評(píng)估預(yù)測(cè)數(shù)據(jù)與實(shí)際情況的相似程度,ηNSE值越接近于1,則模擬結(jié)果越可靠。

        (2)

        2.3 二維水動(dòng)力模型

        2.3.1控制方程

        模型控制方程為耦合水文過程的二維淺水方程(SWEs),忽略運(yùn)動(dòng)黏性項(xiàng)、科氏力、風(fēng)應(yīng)力及紊流黏性項(xiàng),其對(duì)應(yīng)的二維非線性淺水方程守恒格式的矢量形式為:

        (3)

        其中,

        式中:q為變量矢量,包括x和y方向的單寬流量qx和qy;u、v表示x和y方向的流速;t為時(shí)間;F和G分別為x、y方向的通量矢量;i為凈雨率;S為源項(xiàng)矢量;zb為河床底面高程;Cf=gn2/h1/3為河床糙率系數(shù),n為曼寧系數(shù),g為重力加速度,h為水深。

        2.3.2數(shù)值方法與GPU高性能計(jì)算技術(shù)

        模型采用基于結(jié)構(gòu)化網(wǎng)格的Godunov格式有限體積法求解SWEs。通過二階顯式Runge-Kutta法構(gòu)造具有二階時(shí)空精度的MUSCL型格式,從而確保物質(zhì)守恒并有效解決不連續(xù)問題。針對(duì)模擬過程中可能產(chǎn)生急變流及非連續(xù)等復(fù)雜問題,模型選用HLLC近似黎曼求解器對(duì)單元界面上的質(zhì)量以及動(dòng)量的通量進(jìn)行求解。底坡源項(xiàng)通過底坡通量法計(jì)算[11]。摩阻源項(xiàng)通過改進(jìn)的顯式方法計(jì)算[12]。模型代碼使用C++和CUDA進(jìn)行編程,從而能夠在圖形處理單元(GPU)實(shí)現(xiàn)并行計(jì)算,大大加快了計(jì)算速度。使用矩陣的方式將等待計(jì)算的單元分配給每個(gè)線程。每個(gè)GPU線程按順序計(jì)算網(wǎng)格邊界通量和源項(xiàng)。

        3 結(jié)果及討論

        3.1 模型驗(yàn)證

        以2016年8月25日00:36至8月25日12:27的實(shí)測(cè)降雨資料來驗(yàn)證模型的準(zhǔn)確性。該場(chǎng)次降雨為雙峰型,總歷時(shí)為12h,降雨總量為97.2 mm,如圖4所示。根據(jù)灃西新城管委會(huì)提供的監(jiān)測(cè)資料,對(duì)其中4個(gè)內(nèi)澇點(diǎn)(A、B、C、D)的模擬淹沒面積進(jìn)行分析,如圖5所示。

        圖4 降雨過程線Fig.4 Rainfall process line

        圖5 內(nèi)澇點(diǎn)分布圖Fig.5 Inundation location map

        表3為實(shí)測(cè)結(jié)果與模擬結(jié)果的對(duì)比。從表3中可以看出,模擬內(nèi)澇面積與實(shí)測(cè)數(shù)據(jù)相吻合,相對(duì)誤差最大為-4.2%,表明該模型精度較高,可用于大尺度復(fù)雜地形下的城市內(nèi)澇過程模擬。

        表3 實(shí)測(cè)結(jié)果與模擬結(jié)果比較(t=4 h)Tab.3 Comparison of measured results and simulated results (t=4 h)

        3.2 預(yù)報(bào)降雨性能評(píng)估

        以4場(chǎng)典型降雨(Ⅰ、Ⅱ、Ⅲ和Ⅳ)為例,對(duì)模型預(yù)報(bào)降雨性能進(jìn)行評(píng)估。詳細(xì)的降雨數(shù)據(jù)信息已在表4中列出。通過圖6所示的原始預(yù)報(bào)降雨、重構(gòu)預(yù)報(bào)降雨與氣象站實(shí)測(cè)數(shù)據(jù)對(duì)比結(jié)果可以得出,重構(gòu)數(shù)據(jù)的ηNSE值較原始預(yù)報(bào)數(shù)據(jù)的ηNSE值有了顯著提高,說明該重構(gòu)方法是合理的。但在原始預(yù)報(bào)誤差較大的情況下,重構(gòu)方法的修正能力也受到限制,存在著一定的不確定性,如Ⅰ、Ⅲ號(hào)降雨。

        表4 典型降雨修正結(jié)果Tab.4 Corrected results of the typical rainfall events

        圖6 預(yù)報(bào)降雨過程線對(duì)比Fig.6 Comparison of forecast rainfall processes

        3.3 淹沒深度及面積預(yù)報(bào)性能評(píng)估

        以2017年8月7日10:18發(fā)生的降雨致澇事件為例,該次模擬所用計(jì)算平臺(tái)的CPU為IntelRCoreTMi7-8700,GPU為NVIDIA RTX2080。集成內(nèi)澇預(yù)報(bào)模型耗時(shí)2.45小時(shí)完成了7小時(shí)內(nèi)澇過程的模擬。由于GRAPES_MESO的預(yù)報(bào)降雨產(chǎn)品于2017年8月7日00:00發(fā)布,故此次內(nèi)澇預(yù)報(bào)信息可以提前約9小時(shí)生成。內(nèi)澇點(diǎn)模擬預(yù)報(bào)與現(xiàn)場(chǎng)實(shí)況的對(duì)比如圖7所示,結(jié)果表明,預(yù)報(bào)模型可以準(zhǔn)確預(yù)報(bào)出內(nèi)澇位置。

        以秦皇島與開元路十字路口(圖7中B點(diǎn))為例,分析該區(qū)域淹沒面積與最大水深的預(yù)報(bào)結(jié)果。圖8、圖9為采用三類降雨數(shù)據(jù)(實(shí)測(cè)、原始預(yù)報(bào)和重構(gòu)預(yù)報(bào)數(shù)據(jù))模擬預(yù)報(bào)的內(nèi)澇過程。從圖中可以看出,三類降雨數(shù)據(jù)模擬的面積和水深其變化趨勢(shì)是一致的,但具體數(shù)值存在差異。由于GRAPES_MESO生成的原始預(yù)報(bào)數(shù)值高估了降雨量和持續(xù)時(shí)間,故用原始預(yù)報(bào)降雨量驅(qū)動(dòng)預(yù)報(bào)系統(tǒng)得到的結(jié)果會(huì)稍大于用實(shí)測(cè)降雨模擬得到的預(yù)報(bào)結(jié)果,且峰現(xiàn)時(shí)間延遲了1小時(shí);而利用重構(gòu)數(shù)據(jù)模擬的預(yù)測(cè)結(jié)果更接近于實(shí)測(cè)結(jié)果,峰現(xiàn)時(shí)間也與實(shí)測(cè)降雨模擬結(jié)果一致,但1小時(shí)至2小時(shí)的模擬數(shù)值超過了使用原始預(yù)報(bào)降雨得出的數(shù)值,這說明重構(gòu)方法仍存在一定的不確定性。

        圖7 2017年8月7日現(xiàn)場(chǎng)圖片與模擬結(jié)果對(duì)比(t=6 h)Fig.7 Comparison of field pictures and simulation results on August 7, 2017 (t=6 h)

        圖8 不同輸入降雨條件下的淹沒面積變化過程Fig.8 Simulated inundation area by using different input data

        圖9 不同輸入降雨條件下的最大水深變化過程Fig.9 Simulated max water depth by using different input data

        圖8、圖9所示結(jié)果表明,使用重構(gòu)降雨得出的內(nèi)澇預(yù)報(bào)結(jié)果的相對(duì)誤差在大多數(shù)時(shí)刻都較低。其預(yù)報(bào)面積和水深的平均相對(duì)誤差分別為11.24%和3.75%;預(yù)報(bào)面積和水深的ηNSE分別為0.89和0.94。重構(gòu)方法能夠提升模型的預(yù)報(bào)性能,但重構(gòu)方法改進(jìn)的降雨數(shù)據(jù)存在一定的不確定性,可能會(huì)使預(yù)報(bào)結(jié)果出現(xiàn)偏差。同時(shí),原始預(yù)測(cè)數(shù)據(jù)的時(shí)空分辨率不足也是影響預(yù)報(bào)準(zhǔn)確性的另一因素。由于地形平坦,研究區(qū)域內(nèi)的氣候變化不大,因此,具有中尺度時(shí)空分辨率的預(yù)測(cè)數(shù)據(jù)可以在該區(qū)域使用。但是致澇強(qiáng)降雨具有局部分布的特點(diǎn),應(yīng)盡可能使用具有精細(xì)時(shí)空分辨率的預(yù)報(bào)降雨數(shù)據(jù)。

        4 結(jié) 論

        本文通過集成GRAPES_MESO數(shù)值天氣預(yù)報(bào)模型與水動(dòng)力模型,構(gòu)建了城市內(nèi)澇預(yù)報(bào)模型,并將該模型應(yīng)用于灃西新城區(qū)域。

        1) 針對(duì)GRAPES_MESO數(shù)值天氣預(yù)報(bào)模型的預(yù)報(bào)產(chǎn)品存在不確定性的問題,基于回歸分析方法,提出了一種重構(gòu)預(yù)報(bào)降雨數(shù)據(jù)的方法。

        2) 集成模型能夠準(zhǔn)確預(yù)報(bào)內(nèi)澇點(diǎn)位置,預(yù)報(bào)淹沒面積和水深的平均相對(duì)誤差分別為11.24%和3.75%,ηNSE分別為0.89和0.94。

        3) 在Ⅱ號(hào)典型降雨算例中,集成內(nèi)澇預(yù)報(bào)模型耗時(shí)2.45小時(shí)完成了7小時(shí)內(nèi)澇過程的模擬,內(nèi)澇預(yù)報(bào)信息可于內(nèi)澇發(fā)生前約9小時(shí)發(fā)布。

        本文提出的城市內(nèi)澇預(yù)報(bào)模型預(yù)見期較長(zhǎng)、準(zhǔn)確性較高,在城市防澇工作中具有巨大的應(yīng)用潛力。內(nèi)澇預(yù)報(bào)的準(zhǔn)確性很大程度上取決于預(yù)報(bào)降雨的質(zhì)量,因此,改進(jìn)和優(yōu)化數(shù)值天氣預(yù)報(bào)模型仍然是提高內(nèi)澇預(yù)報(bào)準(zhǔn)確性最主要和最直接的手段。在下一步研究中,將開發(fā)天氣預(yù)報(bào)模型降尺度方法,以便獲取更高分辨率的降雨數(shù)據(jù)。

        猜你喜歡
        模型
        一半模型
        一種去中心化的域名服務(wù)本地化模型
        適用于BDS-3 PPP的隨機(jī)模型
        提煉模型 突破難點(diǎn)
        函數(shù)模型及應(yīng)用
        p150Glued在帕金森病模型中的表達(dá)及分布
        函數(shù)模型及應(yīng)用
        重要模型『一線三等角』
        重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
        3D打印中的模型分割與打包
        亚洲av综合av一区二区三区| 杨幂国产精品一区二区| 国产av精品久久一区二区| 国产最新女主播福利在线观看| 一本一道人人妻人人妻αv| 无码精品a∨在线观看十八禁 | 色综合久久88色综合天天| 国产欧美VA欧美VA香蕉在| 亚洲中文字幕精品一区二区| 国产一区二区av在线免费观看| 亚洲综合av永久无码精品一区二区| 国自产偷精品不卡在线| 久久男人av资源网站无码| 亚洲免费福利视频网站| 伦伦影院午夜理论片| 老熟妇乱子伦av| 久久国产国内精品对话对白| 日本精品av中文字幕| 亚洲国产精品日本无码网站| 全球av集中精品导航福利| 亚洲国产精品午夜电影| 亚洲精品中文字幕一二三 | 亚洲熟妇av日韩熟妇在线 | 少妇太爽了在线观看| 极品av在线播放| 亚洲成人精品久久久国产精品| 日本最新免费二区| 国产91中文| 成人影院免费视频观看| 操风骚人妻沉沦中文字幕| 亚洲一区二区三区中文字幂| 国产成人8x视频网站入口| 久久婷婷国产色一区二区三区| 体验区试看120秒啪啪免费| 成熟人妻av无码专区| 少妇高潮无码自拍| gg55gg国产成人影院| 欧美成人精品三级网站| 亚洲欧美日韩中文字幕网址| 射进去av一区二区三区| 狠狠的干性视频|