張善亮

摘要：基于實時水雨情監(jiān)測數(shù)據(jù)的洪水演進機理模型疊加降雨產(chǎn)匯流水文模型可有效提高洪水預報精度。采用MIKE11的NAM水文模型與HD水動力模型耦合方法，收集和處理了錢塘江流域大量降雨、水位、流量等水文、地形資料，構建錢塘江衢州-澉浦段降雨徑流-水動力演進模型，通過多次歷史洪水資料進行率定和驗證，從確定性系數(shù)、水量相對誤差、洪峰相對誤差、水位相對誤差及峰現(xiàn)時差等多方面進行預報精度評定。結果表明：水文與水動力模型耦合方法可有效增加洪水預報模擬精度。

關鍵詞： 洪水演進; 洪水預報; 水文模型; 水動力模型; 錢塘江流域

中圖法分類號：TV133.2 文獻標志碼：A DOI：10.15974/j.cnki.slsdkb.2022.07.004

文章編號：1006 - 0081（2022）07 - 0025 - 08

0 引 言

中國沿海地帶洪水災害頻發(fā)，精準預測河道水位變化過程可減少洪災損失，避免人員傷亡，為防洪調(diào)度、避險轉(zhuǎn)移決策提供重要數(shù)據(jù)支撐。降雨產(chǎn)匯流和洪水河道演進構成了洪水模擬的全部過程[1]。純水文模型無法考慮水位頂托影響，純水動力模型的內(nèi)外部邊界往往無法及時準確測量。曾志強等[2]提出流域和河流屬于復雜巨系統(tǒng)，通過水文-水動力耦合方式可建立起兩者之間的水力聯(lián)系，同時彌補各自不足，提高洪水模擬精度。蔣衛(wèi)威等[3]選擇BTOPMC水文模型和孔隙率法水動力模型，構建了松散耦合模型，模擬的城區(qū)水淹過程符合觀測結果，不過該方法未考慮蒸發(fā)和突然下滲的影響。王旭瀅等[4]構建浦陽江流域水文水動力松耦合模型，上游山區(qū)采用新安江水文模型，下游盆地區(qū)采用一 、二維水動力模型，該方法能夠模擬潮水頂托影響并能及時響應降雨變化，但未考慮水動力模型范圍內(nèi)下游盆地區(qū)間降雨情況。Thompson等[5]將水文模型MIKE SHE和水動力學模型MIKE11進行了緊密耦合計算，真實反映坡面與河道洪泛區(qū)水流的相互作用。本文利用MIKE11軟件構建了錢塘江干流水文水動力學耦合模型，通過實測數(shù)據(jù)率定了模型參數(shù)，研究了降雨徑流耦合關系和歷史洪水的降雨徑流響應關系。本文不僅考慮了流域水文徑流、河道水動力和潮位過程的耦合，還充分考慮了流域大型水利工程調(diào)度對洪水過程的影響，可為全流域洪水精準模擬提供可行的技術方法。

1 研究方法

1.1 水文模型

MIKE11 NAM水文模型是一個集總式的確定性概念模型，用于模擬流域內(nèi)的降雨產(chǎn)匯流過程。它將土壤含水量分成積雪儲水層、地表儲水層、淺層或根區(qū)儲水層和地下水儲水層4個部分，分別進行連續(xù)計算以模擬流域中各種相應的水文過程。NAM模型作為MIKE 11河流模擬系統(tǒng)的降雨徑流模塊，既可獨自運行，也可以和MIKE11 HD模塊耦合計算一個或多個進入河網(wǎng)的子流域旁側(cè)入流。

1.2 水動力學模型

MIKE11 HD水動力計算模型是基于河道斷面垂向積分的物質(zhì)和動量守恒方程組，即利用一維非恒定流圣維南方程組來模擬河流的水流狀態(tài)。

式中：Q為流量，m/s;A為斷面面積，m;q為旁側(cè)入流單寬流量，m/s;α為動量校正系數(shù);g為重力加速度，m/s;h為水位，m;C為謝才系數(shù);R為水力半徑，m。方程組利用Abbott-Ionescu六點隱式有限差分格式求解。若河道中存在水工構筑物，相鄰水位或流量點不連續(xù)，可認為是內(nèi)部邊界，在MIKE11中通過SO模塊，對涉及調(diào)度的水工建筑物運行可以設置復雜的調(diào)度規(guī)則。

2 錢塘江流域洪水

本文以錢塘江流域為研究對象，該流域以富春江大壩為界，上游呈山溪型河流特征，下游為感潮河口往復流，流域內(nèi)汛期分為梅汛期和臺汛期，梅汛期梅雨降雨持續(xù)時間長，主要影響中上游，臺汛期臺風雨降水歷時短強度大，主要影響下游區(qū)域。因此該流域洪水產(chǎn)生機理復雜。

錢塘江流域洪水現(xiàn)有模型研究成果多為區(qū)域性。宋立松等[6]構建了錢塘江河口一維動床模型，以富春江下泄流量為上邊界，澉浦站潮位為下邊界，計算沿程各站點水位。司偉等[7]利用新安江模型對富春江大壩以上流域開展洪水預報研究，通過實時洪水預報修正技術提高了模型計算精度。任火良等[8]通過錢塘江流域防洪減災數(shù)字化平臺，對“20200707”洪水降雨、流量、水位等大數(shù)據(jù)分析，研究其相關性，得到洪水形成、傳播規(guī)律。王超等[9]建立了富春江壩址以上一維非恒定流計算模型，上游邊界為龍?zhí)堆邏?，主要支流以集中點源匯入，新安江下泄洪水為支流上邊界，分析應對特大洪水的防御方案及洪水風險。劉登嵩等[10]建立金華江流域新安江模型、BP神經(jīng)網(wǎng)絡等多種水文模型，分析不同預見期下模型的適用性。

3 洪水模擬

3.1 基礎數(shù)據(jù)

本文中錢塘江全流域的地形數(shù)據(jù)來源于SRTM90M數(shù)據(jù)。收集到流域水系圖，137個雨量站點，34個主要水文站點，4個蒸發(fā)站，錢塘江上游河道斷面數(shù)據(jù)和下游地形數(shù)據(jù)以及水工建筑物設計相關資料。圖1給出了研究區(qū)域內(nèi)主要站點、水系、地形分布。本文收集的水文數(shù)據(jù)包括降雨、蒸發(fā)、水位、流量數(shù)據(jù)。降雨數(shù)據(jù)分為遙測和摘錄兩類數(shù)據(jù)，其中遙測數(shù)據(jù)為137個站點，數(shù)據(jù)時段為2017年6月和2019年9月至2020年8月;摘錄的為水文年鑒中降雨要素摘錄表的場次降雨數(shù)據(jù)，共有91個站點，時段為2010～2018年。蒸發(fā)數(shù)據(jù)來自衢州、蘭溪、金華3站，時段為2008～2018年。水位、流量數(shù)據(jù)收集到2008～2020年34個主要站點的數(shù)據(jù)，其中2008～2018年為水文年鑒中的摘錄資料，不同的測站在不同時段存在缺失。

對降雨數(shù)據(jù)進行整理，本次計算范圍內(nèi)的有效降雨站點數(shù)為132個，其中2017年6月場次降雨數(shù)據(jù)雨量站126個，2019年9～12月降雨數(shù)據(jù)雨量站114個，2020年1～8月降雨數(shù)據(jù)雨量站109個，2010年雨量站41個。收集了2010～2020年的25個水文站點以及大中型結構物的水位及流量相關數(shù)據(jù)。數(shù)據(jù)主要為全年數(shù)據(jù)，較為完整。河道水位、流量的數(shù)據(jù)主要用于模型邊界條件設置和參數(shù)的率定。

3.2 水文模型構建

水文模型的構建包括水文分區(qū)劃分、面雨量計算、蒸發(fā)量計算等，各部分的具體介紹如下。

3.2.1 子流域分區(qū)

根據(jù)研究區(qū)域內(nèi)的主要河道及衢州、金華、蘭溪等水文站點，基于STRM90M數(shù)據(jù)，將流域劃分為36個子流域，其中模型水文計算分區(qū)26個，分區(qū)的劃分結果如圖2所示。

3.2.2 面雨量計算

水文分區(qū)面雨量通過雨量站在分區(qū)內(nèi)的泰森多邊形控制面積進行加權計算。本文中可利用的降雨站數(shù)量逐年遞增，以2017年為例，采用126個站點劃分泰森多邊形（圖3），計算各個分區(qū)的面雨量。

3.2.3 蒸發(fā)量計算

此次共收集到5個站點的蒸發(fā)數(shù)據(jù)，分別為分水江、金蘭水庫、衢州、金華和徐畈站，若流域內(nèi)沒有蒸發(fā)站點數(shù)據(jù)則使用臨近站點蒸發(fā)數(shù)據(jù)。

3.3 水動力模型

本次模型概化的河道包含水文站所在的錢塘江及其主要支流：烏溪江、金華江、新安江、分水江和浦陽江，河網(wǎng)概化如圖4（a）所示。河道上游端點和區(qū)間子流域入流均采用NAM水文模型計算的流量結果，模型下游采用澉浦實測水位邊界進行設置，見圖4（b）。

模型中的河道斷面為實測斷面與虛擬斷面，模型主干河道錢塘江及其主要支流新安江、金華江均有實測斷面;支流烏溪江、分水江、浦陽江采用虛擬斷面。斷面分布見圖4（a），實測斷面和虛擬斷面的典型斷面示例見圖4（c）和（d）。模型中的虛擬斷面設置基于河道高程、河寬等基本數(shù)據(jù)，設置成規(guī)則的矩形斷面。模型中主要河道錢塘江上游斷面平均距離500 m，錢塘江中下游斷面平均距離3 000 m。

3.4 模型率定與驗證

3.4.1 洪水場次及站點

分析各站點資料可靠性后，結合水量平衡、降雨空間分布、峰值流量等因素挑選了蘭溪站歷史實測洪峰流量值較大的7個場次洪水，用于模型率定和驗證，如表1所示。站點按流量和水位區(qū)分，見圖5。

3.4.2 水文模型率定

水文率定分為源頭子流域和區(qū)間子流域兩類。其中源頭子流域為源口分區(qū)，其積壽昌溪源口斷面集水面為677.62 km2，可通過源頭源口站的實測流量資料直接進行NAM水文參數(shù)的率定。無區(qū)間流量測站的區(qū)間子流域，只能利用干流河道流量資料，結合水文、水動力模型聯(lián)合計算來率定區(qū)間的NAM水文參數(shù)。圖6為模擬計算結果與實測結果的對比。

通過率定得到NAM模型的水文參數(shù)見表2。

3.4.3 水文模型驗證

對本次模型模擬站點的流量模擬結果進行精度評定，流量評價中主要為源口、蘭溪、富春江電站，分別對洪峰流量、場次水量、確定性系數(shù)進行統(tǒng)計，見圖7。洪峰流量與場次水量使用平均相對誤差（MAPE）和確定性系數(shù)（DC）進行驗證：

從圖7可以看出，源口站流量模擬結果與實測值擬合較好，洪峰平均相對誤差4.55%，水量平均相對誤差8.67%，平均確定性系數(shù)為0.924。區(qū)間子流域流量率定驗證站點中，蘭溪站模擬結果相對較好，洪峰平均相對誤差為3.79%，水量相對誤差平均值為4.26%，確定性系數(shù)均值為0.954，表明衢州、金華-蘭溪區(qū)間的水文模型計算的產(chǎn)匯流過程精度較高。富春江電站的流量過程受調(diào)度影響明顯，雖然缺少實際調(diào)度資料，但以閘上水位為調(diào)度依據(jù)計算的出流過程與實際出流過程基本擬合，洪峰平均相對誤差為10.66%，水量平均相對誤差在6.13%，平均確定性系數(shù)為0.889。3個站點平均確定性系數(shù)為0.92，模擬與實測擬合良好，故本次模型設定的水文參數(shù)能基本反映計算區(qū)域的水文匯流特征。

3.4.4 水動力模型率定

選擇年份較近、數(shù)據(jù)完整性較好的“20170625”洪水資料對沿程各個河段的參數(shù)進行率定。圖8為“20170625”洪水場次的衢州、安仁鋪梯級、紅船豆梯級、小溪灘梯級、蘭溪、女埠等模擬水位與實測水位的對比圖。

從圖8中可以看出各站模擬的水位過程線與實測水位過程線擬合較好。通過模型率定確定河道水動力參數(shù)取值，錢塘江干流富春江水庫壩址以上糙率為0.035～0.038，感潮段糙率為0.012～0.025，河口段糙率取0.02～0.028，金華江等上游河道糙率為為0.028～0.032。將率定場次模擬水位與實測水位進行了誤差統(tǒng)計，其統(tǒng)計結果見表3。

從表3中可以看出，水位的整體擬合程度較好，確定性系數(shù)較高。錢塘江段，富春江水庫以上各站的水位模擬平均絕對誤差為0.10 m，最大絕對誤差為0.21 m;下游水位模擬平均絕對誤差0.19 m，最大絕對誤差0.33 m。上游要明顯優(yōu)于下游，這主要是因為富春江下游水位受潮汐影響明顯，區(qū)間水位受河道地形影響顯著，而本次模型中，浦陽江及錢塘江下游段均有斷面缺測，是造成水位偏差的主要因素。

3.4.5 水動力模型驗證

在“1007a&b”“1106”“1203”“1406a&b”“1506a&b”“1606”場次洪水中，除蘭溪、金華、富春江水庫站外，其余水位站實測數(shù)據(jù)較少，故選用蘭溪站、金華站、富春江水庫站進行驗證。對模擬場次平均水位誤差和確定性系數(shù)的統(tǒng)計，見圖9。

從圖9中可以看出，對于不同場次洪水，金華、蘭溪、富春江水庫平均水位誤差分別為0.04，

-0.06，-0.01 m，擬合程度較好;3站不同場次洪水模擬確定性系數(shù)分別為0.99，0.94，0.96。

4 結 論

本研究基于MIKE 11 NAM、HD和SO模塊完成了錢塘江流域衢州至澉浦段區(qū)間干流及主要支流的水文與水動力耦合模型。該模型對錢塘江干流的主要河道和水工建筑物進行了概化，并對近20 a的歷史洪水進行了模擬和研究，通過多個站點不同來源的實測水文資料對模型進行了參數(shù)率定和驗證，評價結果表明：流量平均確定性系數(shù)均達到0.92，洪水流量峰值平均誤差約為6%，峰現(xiàn)時間平均誤差2.6 h;水位平均確定性系數(shù)為0.97。通過歷史多場洪水過程模擬和評價結果可以看出，該模型能夠準確計算河道洪水的傳播過程，不同站點之間的流量和水位相位誤差小，水位和流量峰值誤差均較小，河道沿程的洪水演進過程能夠準確表達實際洪水的過程。

參考文獻：

[1] 王浩，賈仰文.變化中的流域“自然-社會”二元水循環(huán)理論與研究方法[J].水利學報，2016，47（10）：1219-1226.

[2] 曾志強，楊明祥，雷曉輝，等.流域河流系統(tǒng)水文-水動力耦合模型研究綜述[J].中國農(nóng)村水利水電，2017（9）：72-76.

[3] 蔣衛(wèi)威，魚京善，赤穗良輔，等.基于水文水動力耦合模型的山區(qū)小流域洪水預報[J].水文，2020，40（5）：28-35.

[4] 王旭瀅，阮跟軍，馬婷，等.基于水文水動力模型的浦陽江流域洪水情景模擬[J].中國農(nóng)村水利水電，2021（2）：113-118.

[5] THOMPSON J R，REFSTRUP S H，GAVIN H，et al. Application of the Coupled MIKE SHE/MIKE 11 modelling system to a lowland wet grassland in southeast England[J].Journal of Hydrology，2004，293（1-4）：151-179.

[6] 宋立松，方琛亮，史英標，等.基于Web的錢塘江下游洪水實時預報系統(tǒng)研制[J].水電能源科學，2011，29（1）：119-121.

[7] 司偉，余鴻慧，包為民，等.面平均雨量誤差和產(chǎn)流量誤差修正的對比研究——以富江流域為例[J].中國農(nóng)村水利水電，2016（2）：42-45，49.

[8] 任火良，胡智超.錢塘江流域洪水防御及實例分析[J].浙江水利水電學院學報，2021，33（2）：43-48.

[9] 王超，馬贊杰，張曉文.錢塘江流域1995年型特大洪水防御形勢分析[J]. 水電能源科學，2021，39（7）：90-93.

[10] 劉登嵩，葛路，許月萍，等.基于多水文模型預報能力分析的洪水預報[J]. 浙江大學學報（工學版），2021，55（5）：1010-1018.

（編輯：江 文）

Flood forecasting based on hydrological and hydrodynamic coupling model in Qiantang River Basin

ZHANG Shanliang

（Huadong Engineering Corporation Limited， PowerChina， Hangzhou 311122， China）

Abstract： The flood propagation mechanism model based on real-time water and rain monitoring data and the hydrological model of rainfall runoff-yield and confluence can effectively increase the accuracy of flood forecasting. Using the coupling method of MIKE11 NAM hydrological model and HD hydrodynamic model， a large number of hydrological and topographic data such as rainfall， water level and discharge in the Qiantang River Basin were collected and processed， and the rainfall runoff and hydrodynamic evolution model of the Qiantang River from Quzhou to Ganfu was constructed. It was calibrated and verified through multiple historical flood data and the forecasting accuracy was evaluated from many aspects， such as certainty coefficient， relative error of water volume， relative error of flood peak， relative error of water level and peak time difference. The results showed that the coupling method based on hydrological and hydrodynamic model could effectively increase the simulation accuracy of flood forecasting process.

Key words： flood routing; flood forecasting; hydrological model; hydrodynamic model;? Qiantang River Basin