張亞萍 黎中菊 翟丹華 張勇 邱鵬 黎春蕾
(1 重慶市氣象臺,重慶 401147;2 重慶市水文監(jiān)測總站,重慶 401120)
三峽庫區(qū)地形復(fù)雜,河網(wǎng)密布,強降水誘發(fā)的中小河流洪水、山洪和滑坡等災(zāi)害易發(fā)頻發(fā),防災(zāi)減災(zāi)對山洪等災(zāi)害的氣象風險預(yù)警精準度要求日益提升。中小河流洪水和山洪氣象風險預(yù)警涉及局地強降水形成機制分析、強降水監(jiān)測、降水的短時臨近預(yù)報、洪水(山洪)氣象風險等級預(yù)報的面雨量閾值確定及水文氣象耦合模型建立等水文氣象技術(shù)。其中,流域?qū)邓乃捻憫?yīng)與強降水監(jiān)測精度有關(guān),高時空分辨率的降水監(jiān)測數(shù)據(jù)是開展降水與流域水文響應(yīng)復(fù)雜關(guān)系研究的基礎(chǔ)。
最基本的流域面雨量計算基于雨量計監(jiān)測。通過將雨量計測值插值到流域內(nèi)一定空間分辨率的網(wǎng)格上,然后對所有網(wǎng)格的雨量值求平均,相當于求取該流域內(nèi)雨量的面積平均值,因此得到的結(jié)果稱為流域面雨量。由于雨量計站網(wǎng)相對稀疏,其監(jiān)測數(shù)據(jù)往往不足以代表風暴的空間變化。Michaud等研究發(fā)現(xiàn),如果雨量計相對于尺度較小的強降水風暴是“稀疏”的,由于風暴單體的降雨梯度很陡,雨量計只能監(jiān)測其所在位置的降水,當風暴在雨量站之間穿過時,會導(dǎo)致強降水中心的漏測,得到的面雨量作為水文模型的輸入時,在一定程度上會導(dǎo)致峰值流量模擬存在誤差。
天氣雷達能夠以較高的時空分辨率監(jiān)測面上降水,在強降水中心監(jiān)測方面具有較大優(yōu)勢。但是,由于雷達反射率因子與雨強的關(guān)系跟雨滴譜分布有關(guān),雨滴譜分布在不同的降水系統(tǒng)中差別很大,使得雷達定量降水估計并不穩(wěn)定。同時,雷達定量降水估計的誤差還與回波采樣時的天氣條件、冰雹回波和亮帶回波的影響、回波與雷達的距離、雷達掃描方式、雷達掃描距離庫大小、地形、數(shù)據(jù)處理以及雷達維護情況等有關(guān)。雷達聯(lián)合地面雨量計估計降水,可以綜合利用雨量計和雷達的優(yōu)勢對雨量進行點面結(jié)合監(jiān)測。
本文針對三峽庫區(qū)長江左岸小江流域內(nèi)的花林子流域的兩次洪峰過程,基于雨量計監(jiān)測降水分析場(下文將“降水分析場”簡稱為“降水場”)和雷達聯(lián)合雨量計估計降水場分別計算該子流域面雨量并進行對比分析,研究造成不同來源降水場計算流域面雨量差別的原因,為雨量計布設(shè)和預(yù)報員對多源降水產(chǎn)品的應(yīng)用提供參考。
圖1 花林流域河網(wǎng)分布(綠色實線,藍色圓點為花林水文站位置)和距流域出口距離(陰影,a)及三維視圖(b)Fig.1 Hualin Catchment. (a) river network (green solid lines, the blue dot: the Hualin Catchment outlet) and distance to watershed outlet (shaded), (b) three dimensional view
花林流域為三峽庫區(qū)長江左岸小江流域內(nèi)的子流域,流域面積為561 km?;炙恼臼切〗野吨Я髌绽锖拥目刂普尽F绽锖影l(fā)源于重慶市梁平區(qū)城東鄉(xiāng),向東北流,于開州渠口鎮(zhèn)匯入長江左岸支流小江。河長為116 km,流域面積為1178 km。普里河在南門鎮(zhèn)以上為上游,河長約74 km。上游稱蓼葉河。自河源西流,過蓼葉水庫,折北又轉(zhuǎn)東北流,入萬州區(qū)境。至余家鎮(zhèn),此處原有余家水文站,2003年該站下遷至花林。繼入開州境,經(jīng)跳蹬場,過花林水文站(圖1),至南門鎮(zhèn),右納岳溪。南門鎮(zhèn)以下為下游,經(jīng)趙家鎮(zhèn),于渠口鎮(zhèn)匯入小江。普里河流域地處四川盆地東部平行嶺谷區(qū)的寬谷之中,多呈低山丘陵地貌。河道蜿蜒,多有急灘,兩岸有眾多短小的支溝溪流。普里河是典型的山溪性河流,流量極不穩(wěn)定,水位變幅大,是典型的災(zāi)害性河流。
P
)和基于雷達聯(lián)合雨量計估計的降水場(P
),計算P
與P
的差值場(P
),分析P
與復(fù)雜地形下雨量計布設(shè)的關(guān)系以及流域?qū)τ诓煌邓植伎赡墚a(chǎn)生的水文響應(yīng)差異。基于流域內(nèi)及流域周邊的雨量計監(jiān)測值,利用奧地利INCA(the Integrated Nowcasting through Comprehensive Analysis)系統(tǒng)中采用的距離平方反比法計算得到時間分辨率為1 h,空間分辨率為l km×1 km的P
降水場。2011年花林流域內(nèi)布設(shè)有5個雨量計,密度約112 km一個雨量計,插值時用到了周邊雨量計,但雨量計密度也只有大約100 km一個雨量計。2014年花林流域內(nèi)布設(shè)有16個雨量計,密度約35 km一個雨量計,但在流域內(nèi)分布不均勻,加上周邊雨量計后密度大約為60 km一個雨量計。時空分辨率與P
降水場相同的P
降水場的計算方法如下。利用優(yōu)先校準強降水的雷達聯(lián)合地面雨量計估計降水局地分級平均校準方法得到初步的雷達聯(lián)合雨量計估計降水場P
。雷達資料來源于位于重慶東北部的萬州新一代天氣雷達(CINRAD/SB),花林流域位于雷達以西偏北,距離雷達約35~65 km。計算P
時已考慮雷達波束遮擋。局地分級平均校準方法針對強降水監(jiān)測預(yù)警和山洪氣象風險預(yù)警等對強降水監(jiān)測精度的需求,在雷達聯(lián)合地面雨量計估計降水的平均校準法、局地校準法和動態(tài)分級Z
-I
關(guān)系估算方法的基礎(chǔ)上研發(fā),在局地范圍內(nèi)選擇一定數(shù)量雨量計進行分級平均校準,其主要特點是將雷達—雨量計對按照雨量計測值分組,然后先計算雨量計測值較大組的平均校準因子,首先對強降水進行校準,目的是盡量減少對強降水的估計誤差。檢驗表明,利用優(yōu)先校準強降水的局地分級平均校準法能夠更好地表征預(yù)警區(qū)域的強降水強度及分布。計算平均校準因子時的平滑作用可能造成P
中雨量計所在格點的降水估計值與雨量計測值有偏差,需要將P
與P
進行融合得到最終的雷達聯(lián)合雨量計估計降水場P
。本文借鑒Haiden等提出的將雨量計插值場與雷達定量降水估計場融合的方法,在融合時從P
中取出有雨量計觀測的所有格點的值,利用距離平方反比法得到一個參考場P
。由于本文計算時已經(jīng)考慮了雷達波束遮擋問題,因此將該方法中考慮波束遮擋因素的系數(shù)去除,按照公式(1)和(2)依次計算每個格點的P
:P
接近于0,從而保證了由式(2)計算的這些格點上的值與雨量計測值基本保持一致。對于無雨量計測值的格點,若該格點雷達估計值P
遠大于周邊,則P
也會較大,使得強降水中心得到保留。反之亦然。同時,由于P
=P
-P
,本文用P
表征雷達估計降水場與雨量計插值場存在主要差異的區(qū)域。將流域內(nèi)所有格點某一時次的降水求平均,計算得到該時次的流域面雨量。
圖2 為花林流域兩次洪峰過程最強降水時段流域面雨量演變。2011年9月14日(圖2a)洪峰發(fā)生前約6 h(02:00),流域小時面雨量達到最大,雨量計插值小時面雨量為23.3 mm,雷達估計小時面雨量為33.5 mm,比雨量計插值結(jié)果高43.8%。整個強降水時段雷達估計5 h累計面雨量(94.2 mm) 比雨量計插值結(jié)果(75.6 mm)高24.6%。2014年8月11日(圖2b)洪峰發(fā)生前約8.5 h(05:00),雷達估計小時面雨量達到最大(20.7 mm),洪峰發(fā)生前約7.5 h(06:00)雨量計插值小時面雨量達到最大(21.8 mm),但2 h最大累計面雨量兩者相差不大(雨量計插值為39.9 mm,雷達估計為41.4 mm),整個強降水時段雷達估計9 h累積面雨量(134.6 mm)比雨量計插值結(jié)果(138.3)偏低2.7%。
圖2 花林流域1 h面雨量(a)2011年9月14日00:00—04:00,(b)2014年8月11日04:00—12:00Fig.2 1 h areal rainfall of Hualin Catchment(a) 00:00—04:00 BT on 14 September 2011,(b) 04:00—12:00 BT on 11 August 2014
Michaud等評估了雨量計布設(shè)密度對分布式水文模擬的影響,在面積150 km的流域較均勻地布設(shè)了58個雨量計,雨量計密度約為2.5 km一個雨量計,流域中劃分出58個子流域(注意這些子流域并不是根據(jù)雨量計位置劃分的,是根據(jù)地形劃分的),將58個雨量計測值插值到各子流域,作為水文模型降水輸入,將模擬的流量作為利用雨量“真值”模擬的流量;在58個雨量計中提取出8個分布較均勻的雨量計作為“稀疏雨量計網(wǎng)”(約20 km一個雨量計),也插值到各個子流域作為水文模擬的雨量輸入;結(jié)果表明,觀測峰值和模擬峰值之間的差異約有一半是由于雨量計密度不足造成的。圖3為2011年9月14日02:00基于雨量計和雷達資料的花林流域及周邊1 h降水分析。對比流域河網(wǎng)分布(圖1a)可知,在雷達估計降水場上(圖3a),雨帶呈西南—東北向,該時次強降水主要發(fā)生在右岸和河道周邊,以山脊為界,發(fā)生在流域內(nèi)的20 mm/h以上的強降水約占2/3,其余強降水位于流域以外;在雨量計插值降水場上(圖3b),發(fā)生在流域內(nèi)的20 mm/h以上的強降水約占1/2,但強度遠低于雷達估計,受到流域外一個強降水測值的影響,強降水重心偏在流域外面一側(cè)。通過差值場(圖3c)可以看出,由于2011年花林流域內(nèi)雨量計布設(shè)較為稀疏,使得雨量計插值降水場漏測了大范圍的強降水區(qū)域。預(yù)報員通過差值場產(chǎn)品可以迅速直觀地了解無雨量計地區(qū)是否發(fā)生了強降水,由于這些區(qū)域往往是山區(qū)雨量計布設(shè)難度大的地區(qū),有時還是上游易發(fā)山洪的小流域,因此關(guān)注該產(chǎn)品有利于開展山洪地質(zhì)災(zāi)害氣象風險預(yù)警服務(wù)。
圖3 2011年9月14日02:00基于雨量計和雷達資料的1h降水分析和比較(a)雷達聯(lián)合雨量計估計降水場Pr,(b)雨量計插值降水場Ps,(c)Pr-Ps(黑色實線為花林流域邊界,黑色實心三角為雨量計位置,單位:mm)Fig.3 1 h precipitation analysis and comparison based on rain gauge and radar data (02:00 BT 14 September 2011)(a) final precipitation analysis Pr, (b) pure rain gauge interpolation Ps, (c) Pr-Ps(black solid: the boundary for Hualin Catchment, black solid triangle: rain gauge locations, unit: mm)
圖4 同圖3,但時間為2014年8月11日05:00Fig.4 Same as Fig. 3, but for 05:00 BT on 11 August 2014
圖5 同圖3,但時間為2014年8月11日06:00Fig.5 Same as Fig. 3, but for 06:00 BT on 11 August 2014
圖6 同圖3,但時間為2014年8月11日09:00Fig.6 Same as Fig. 3, but for 09:00 BT on 11 August 2014
圖4 —圖6分別為2014年8月11日05:00、06:00和09:00基于雨量計和雷達資料的花林流域及周邊1 h降水分析。與2011年9月14日的洪峰過程比較,流域內(nèi)雨量站網(wǎng)密度明顯增加。05:00時位于流域內(nèi)的雨量計最大測值(47.9 mm)靠近強降水中心,只在雨量計依然稀疏的流域東南部地形陡峭區(qū)域存在部分強降水漏測(圖4c)。06:00時,強降水中心位于流域中部偏北,有2個測站靠近其邊緣。09:00,強降水中心位于流域中部,正好位于測站之間,由于雨量計插值場只能通過周邊雨量計插值得到該區(qū)域降水量,使得其對降水中心雨量的監(jiān)測偏低大約20 mm。 因此,即使面雨量差別不大,但具體的雷達估計降水分布與雨量計插值場仍可能存在較大差別。對比P
降水場(圖3a、4a、5a和6a)和相同時次的P
降水場(圖3b、4b、5b和6b)可以看出,P
降水場對降水空間分布的描繪更為細致。同時,從2014年的雨量計分布來看,在流域邊緣海拔較高的地區(qū)還存在雨量計較稀疏的情況,其降水監(jiān)測也將依賴于雷達。Morin等從雷達回波中提取降水單體并與水文模型結(jié)合,發(fā)現(xiàn)強降水風暴單體沿流域匯流方向移動、相鄰風暴單體觸發(fā)時間接近是導(dǎo)致流域出口流量增加的重要因素。翟丹華等對瓊江流域2次洪水過程的水文氣象分析表明,2次過程的強降水由多段強降水雨帶導(dǎo)致,對流系統(tǒng)多在右岸支流源頭新生,移向與河流流向一致,在干流產(chǎn)生洪水的疊加效應(yīng)。因此,影響一次洪峰過程的所有強降水風暴的發(fā)生位置、演變和移動情況,在很大程度上決定著流域的水文響應(yīng)。
綜上所述,雨量計密度、降水空間分布和時間演變都會影響流域面雨量監(jiān)測。對于2次降水過程的最強降水時次,2011年9月14日02:00(圖2a和圖3)的雷達估計面雨量(33.5 mm)遠高于雨量計插值面雨量(23.3 mm),由圖3c差值場(P
-P
)可見,由于流域內(nèi)雨量計布設(shè)稀疏,雨量計插值場漏測了大范圍強降水區(qū)域,對面雨量測值造成較大影響,2014年8月11日09:00(圖2b和圖6),隨著雨量計密度的增加,雖然不同來源降水場在具體的網(wǎng)格點上雨量仍會有差異,但雷達估計面雨量(21.6 mm)與雨量計插值面雨量(23.5 mm)已較為接近。兩次降水過程在降水空間分布方面也存在差異,2011年9月14日的降水主要分布在流域干流和右岸(圖3),2011年右岸只布設(shè)了1個雨量計,因此很難監(jiān)測到強降水中心,2014年8月11日的降水除05:00和08:00強降水中心主要分布在左岸以外,其他時次主要沿干流分布(圖7),同時流域內(nèi)雨量計密度較2011年增加,提高了對強降水中心的監(jiān)測能力。從降水的時間演變上看,2011年9月14日主要強降水時長約5 h,為單峰型(圖2a),且強降水區(qū)西南—東北沿流域匯流向移動,有利于前期降水匯流到下游時與后期降水疊加,2014年8月11日主要強降水時長約9 h,為雙峰型(圖2b),2段降水的強降水區(qū)也是自西南向東北沿流域匯流方向移動,在某種程度上相當于連續(xù)發(fā)生2次2011年9月14日類似的洪水,產(chǎn)生的疊加效應(yīng)導(dǎo)致了很高的水位??梢姡趯嶋H業(yè)務(wù)工作中,需要了解雨量站布設(shè)情況,結(jié)合雷達估計降水場了解強降水的空間分布情況,并加強對強降水雨團移動情況的分析,利用雷達回波運動場跟蹤等業(yè)務(wù)產(chǎn)品估計雨團未來移向,從而預(yù)判降水疊加的可能性。1)雨量計稀疏或分布不均勻,可能會漏測強降水中心,導(dǎo)致不同降水場計算的面雨量存在較大偏差。在流域邊緣海拔較高的地區(qū)存在雨量計稀疏的情況,其降水監(jiān)測依賴于雷達。
2)不同來源降水分析場的差值場能夠直觀地顯示出無雨量計地區(qū)是否發(fā)生了強降水。由于這些區(qū)域往往是山區(qū)雨量計布設(shè)難度大的地區(qū),有時還是上游易發(fā)山洪的小流域,因此關(guān)注該產(chǎn)品有助于判斷這些地區(qū)的山洪地質(zhì)災(zāi)害氣象風險等級。
3)導(dǎo)致1次洪峰的所有強降水風暴的發(fā)生位置、演變和移動情況,在很大程度上決定著流域的水文響應(yīng)。對強降水雨團移動情況的監(jiān)測有助于判斷降水疊加的可能性。需要結(jié)合雷達估計降水場了解強降水的空間分布情況,并加強對強降水雨團移動情況的分析,利用雷達回波運動場跟蹤等業(yè)務(wù)產(chǎn)品估計雨團未來移向,從而預(yù)判降水疊加的可能性。
圖7 2014年8月11日04—12 BT(a~f)雷達聯(lián)合雨量計估計1 h的Pr降水場(黑色實線為花林流域邊界)Fig.7 1 h Pr precipitation analysis based on rain gauge and radar data from 04-12 BT (a-f) on 11 August 2014(black solid: the boundary for Hualin Catchment)
Advances in Meteorological Science and Technology2021年2期