[发明专利]融合多元信息的中短期水文预报方法及系统

说明书

本发明公开了一种融合多元信息的中短期水文预报方法及系统，其采集全流域的相关信息并提取全流域的特征信息，根据全流域的特征信息选择分布式水文模型，选择ARW模型作为大气数值模型，根据其动力框架的特征，预测未来一定时段的大气运动状态和天气现象；将建立的分布式水文模型嵌入大气数值模型的陆面模型，使大气数值模型与分布式水文模型共用相同的陆面过程机制，构建数值天气预报与分布式水文模型的双向耦合。通过消除气象预报数值模型初始误差的方法，提高气象预报精度，实现网格化定量降水估计模型的流域小尺度匹配应用，保证气象预报和水文预报模型之间的无缝衔接，提高水文预报精度。

技术领域

本发明涉及中短期水文预报技术领域，尤其是涉及一种融合多元信息的中短期水文预报方法及系统。

背景技术

目前，定量降水预报主要基于数值天气预报技术，我国自行研制的GRAPES(Global/Regional Assimilation and Prediction System)模型历经10年左右的发展，已经逐步形成中尺度预报模型(GRAPES_Meso)、全球预报模型(GRAPES_Global)等。

近十几年来，陆气耦合模型发展成先进的水文预报工具，利用中尺度数值天气预报模型MM5进行天气要素的预报，并以此驱动水文模型，构建数值天气预报模型和水文模型的双向耦合预报系统，从而使预见期得到延长。

多元信息与水文预报的耦合的方式有单向耦合和双向耦合两种。单向耦合法较简单，大气模型与水文模型分别独立运行，由于二者对陆面参数的取法不同，水文模型不能实时地利用大气强迫改进对蒸发的计算，而大气模型也不能分享借鉴水文模型模拟的径流、土壤湿度等结果实时验证并修改其对陆面过程模拟的精度，进而又影响了大气模型的边界层结构和降水预报精度。

大气模型与水文模型共同利用一个陆面模型，不仅能够加强大气模型对陆面水文过程的描述，同时也能够改善水文模型模拟预报能力，为大气模型反馈质量更高的通量输入；利用不同层次多级嵌套，可以实现两种模型的双向耦合，然后对两个模型分别进行参数率定。

目前大部分陆气耦合研究属于单向耦合或部分耦合，即利用大气模型的输出资料(主要是降雨、温度、蒸发和风速)作为水文模型的输入资料，而水文模型的输出如径流、土壤含水量、辐射等资料并未反馈到大气模型中进行演算，且由于数值天气预报模型的降雨预报能力有限，可靠性较低，因此在洪水预报系统中应用的陆气耦合系统还不常见，本技术领域至今缺少实现陆气反馈、可推广应用于流域机构的系统性中短期水文气象耦合预报系统。

发明内容

本发明的目的在于克服上述技术不足，提出一种融合多元信息的中短期水文预报方法及系统，解决现有数值天气预报模型的降雨预报能力有限，可靠性较低，且未与水文模型双向耦合的问题。

为达到上述技术目的，本发明提供一种融合多元信息的中短期水文预报方法，其包括如下步骤：

采集全流域的相关信息并提取全流域的特征信息，根据全流域的特征信息选择分布式水文模型；

选择ARW模型作为大气数值模型，根据其动力框架的特征，求解描写天气演变过程的流体力学和热力学的方程组，预测未来一定时段的大气运动状态和天气现象；

将建立的分布式水文模型嵌入大气数值模型的陆面模型，使大气数值模型与分布式水文模型共用相同的陆面过程机制，构建数值天气预报与分布式水文模型的双向耦合。

本发明还提供一种融合多元信息的中短期水文预报系统，其包括如下功能模块：

水文模型建立模块，用于采集全流域的相关信息并提取全流域的特征信息，根据全流域的特征信息选择分布式水文模型；

大气数值模型建立模块，用于选择ARW模型作为大气数值模型，根据其动力框架的特征，求解描写天气演变过程的流体力学和热力学的方程组，预测未来一定时段的大气运动状态和天气现象；