Page 87 - 水利学报2025年第56卷第3期

图 ３ 降雨临近预报评价指标计算结果

图 ４ 各站点的均方根误差（ＲＭＳＥ）和相关系数（ｒ）

这是因为 ＲＮＭＣＷ 考虑了风场对降雨的影响，风场大致反映了大气的运动，这是降水的必要动力条
件。这表明在输入中添加风要素能有效提高预报模型的性能。
选取 ２０１８年 ７月 ２２日典型降雨场次作为案例进行分析和评价。采用不同方法对该场次降雨每两
小时进行一次预测，总降雨量预测结果如图 ５所示。从图 ５中可以看出，本次降雨集中在流域出口附
近，流域上 游 降 雨 较 少 降 雨 的 空 间 差 异 很 大。各 方 法 对 暴 雨 中 心 的 预 测 效 果 较 为 准 确， 但 ＯＦ、
ＲａｉｎＮｅｔ和 ＳＴＥＰＳ方法对降雨突变区域的预测效果较差，由于其未考虑风场对后续降雨变化的影响，
导致出现 “运动模糊”。
４．２ 暴雨洪水耦合预报 采用 ＨＥＣ － ＨＭＳ模型，根据历史降雨径流数据对模型参数进行率定，主要的
模型输入包括 ＤＥＭ数据和降雨数据，模型输出为洪水的逐 ５ｍｉｎ尺度的流量数据。在完成模型率定
２
后，仅以实测降雨作为输入模拟暴雨后续的洪水过程以完成洪水预报。由于流域面积仅有 ５０．５ｋｍ ，
且流域内坡度较大，汇流时间在 ３０ｍｉｎ之内。模型在 ３０ｍｉｎ预见期内，预报效果较好。当预见期大
于 ３０ｍｉｎ时，预报效果迅速下降。因此，当仅有实测降雨时，仅能提供预见期在 ３０ｍｉｎ内的洪水预
报，预报信息有限，对防洪的支持较小。
为验证耦合模型的预测效果，将不同降雨预报模型的预测降雨输入到率定好的水文模型当中，对

— ３ ６ ９ —