Page 73 - 2023年第54卷第11期

的水文模型相结合。在传统误差实时校正模型中，自回归滑动平均模型（ＡｕｔｏｒｅｇｒｅｓｓｉｖｅＭｏｖｉｎｇＡｖｅｒａｇｅ
ｍｏｄｅｌ ，ＡＲＭＡ）是一种较为常用的函数模型，相对人工智能误差校正方法，ＡＲＭＡ模型参数简单，不易
受环境变量的影响。这种方法在水文预报领域已被普遍认可，得到了广泛的应用研究 ［１６ － １８］ 。
为充分提高耦合系统的径流预报能力，本研究在使用 ＷＲＦ模式数据同化改进预报降雨的同时，
针对耦合系统仍然存在的径流预报偏差，采用 ＬＳＴＭ和 ＡＲＭＡ模型分别对预报径流进行实时校正。首
先，通过同化雷达反射率与传统气象监测数据 ＧＴＳ（ＧｌｏｂａｌＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎＳｙｓｔｅｍ），改进 ＷＲＦ模式
的降雨预报精度，在此基础上构建出 ＷＲＦ?ＷＲＦ － Ｈｙｄｒｏ耦合系统；其次，配合 ＬＳＴＭ 模型，实现预报
径流的实时校正，提高陆气耦合系统的综合预报能力；最后，与传统实时校正模型 ＡＲＭＡ结果进行对
比验证。研究成果可为中小尺度流域的洪水风险管理与预报预警提供技术支撑。

２ 研究区域概况

本研究选取位于大清河流域南支的阜平流域和北支的紫荆关流域作为研究区，流域面积分别为
２
２
２２１０ｋｍ 和 １７６０ｋｍ ，研究区地处太行山东麓，全境为山地，地势高低落差明显，陡峭的地形、裸露
的地表和复杂的产汇流机制，极易造成严重的洪水灾害。流域面积研究区地理位置、地形地势以及雨
量站的分布情况见图 １。

图 １ 研究区位置图

根据阜平流域和紫荆关流域 １９９０年以来发生的历史洪水情况，依据同流域相关研究 ［１２，１７，１９ － ２０］ ，
按照不同的降雨类型及径流特征，选取了 ６场典型降雨过程开展陆气耦合径流预报研究。选取的降雨
场次在气象成因、强度、历时、落区上均具有一定的代表性，其分别具有雨强小且持续时间较长、雨
强较小但引发了明显的流量涨落、极短时间内雨强大引发洪水陡涨陡落等多种不同特点。为方便分析
和比较，所选取 ６场降雨的降雨时长均为 ２４ｈ，其降雨历时等详细信息见表 １。其中，场次 ４在统计
时段降雨发生前，已发生过较多降雨场次，自 ２０１６年 ５月 １日至 ７月 ２４日，阜平流域发生的累积面
雨量达 ３４０．５ｍｍ，并且在 ７月 １９日至 ７月 ２２日，出现过一个降雨强度大且持续时间长的洪水过程，
３
其中洪峰流量达到了 ５８１ｍ ?ｓ。因此，在场次 ４发生时，流域内存在较大基流，且土壤湿度较为饱和，
３
— １ ３ ５ —