?

太行山迎風區洪旱災害預測模型應用研究

2021-03-29 06:43李秀麗韓廷印康彥付
河北水利 2021年2期
關鍵詞:太行山降水量殘差

□李秀麗 韓廷印 康彥付

洪旱災害是我國主要的多發性自然災害,具有影響范圍大、災害損失嚴重的特點,它對社會經濟和生態系統造成了持久威脅。近年來,由于水文氣象等多種因素極值耦合而成的洪旱災害事件,無論在區域尺度或頻率和強度上都有所增加,并引發了更大的社會經濟損失。因此,將自然運動、天氣氣候和水文氣象結合起來,采用多方法多變量聚合分析研究洪旱災害未來趨勢,預測預報洪旱災害形成和發生幾率,已成為洪旱災害研究的重要課題。

1.研究區域概況

太行山迎風區位于太行山山脊線東—東南側。太行山山脊線以東依次為深山區、半深山區和淺山丘陵區。南北長340km(小五臺至漳河谷地),東西寬30km~140km。

河流從北到南有大清河、子牙河、漳衛南運河3 大水系,主要河流有易水、唐河、北沙河、磁河、滹沱河、槐河、汦河、沙河、洺河、滏陽河、漳河等30 余條河流,相應流域面積29113km2,占山丘區總集水面積的38.7%,占迎風區集水面積的93.5%。

區域內多年平均降水量600~700mm。受地形、氣候等因素影響,降水量分布地帶性差異十分明顯,降水量年際變化大,年內分配很不均勻,80%左右集中在6~9 月。受降水季節分配影響,徑流的年內分配比較集中,年徑流的70%左右集中于汛期。

2.資料及預報因子的選取

分別收集1470 年—1952 年和1953年—2016 年太平洋年代振蕩(Pacific Decadal Oscillation,簡稱PDO)、北極濤動(Arctic Oscillation,簡稱 AO)/北大西洋濤動(North Atlantic Oscillation,簡稱NAO)、北太平洋濤動(North Pacific Oscillation,簡稱NPO)、厄爾尼諾/南方濤動(ElNino/Southern Oscillation,簡稱ENSO)及太陽黑子相對數和歷史洪旱資料,并選取區域內典型站1953 年—2016 年逐日降水量觀測數據,提取逐年、春季、夏季、秋季和冬季等分時段降水量。根據《海河流域旱澇冷暖史料分析》旱澇等級的劃分標準,重建洪旱等級序列,得出1470 年—2016 年逐年洪旱等級系列。

3.洪旱規律分析

3.1 預報因子分析

ENSO:自1949 年有記錄以來,1951 年—1954 年、1957 年—1959 年、1964 年—1966 年、1972 年—1973 年、1975 年—1976 年、1982 年—1983 年、1986 年—1987 年、1991 年—1995 年、1997 年—1998 年、2002 年—2003 年、2004 年—2005 年、2006 年—2007 年、2009 年—2010 年、2014 年—2016 年 都發生了厄爾尼諾現象,見圖1。

大型El Nino 現象曾經在1790 年—1793 年、1828 年、1876 年—1878 年、1891 年、1925 年—1926 年、1997 年—1998 年、2014 年—2016 年出現。

PDO:西北太平洋十年際氣候變化受太平洋10 年間濤動(PDO)影響。與ENSO 一樣,PDO 的特點在于海水表面溫度,海平面氣壓及風場的變化。PDO可分為暖相和涼相。每個PDO 的位相一般持續20~30 年。研究區代表站逐年降水量與PDO 指數序列對應情況,見圖2。

圖1 1951 年—2016 年海洋El Nino 指數圖

圖2 臨城水文站1951 年—2012 年逐年降水量與PDO 指數序列對應圖

太陽黑子:太陽黑子相對數有顯著性的周期變化,自1849 年有觀測記錄以來出現了16 個上升期、15 個下降期,其中上世紀50 年代以來存在6 個上升期和5 個下降期,對應6 個極大值年 分 別 是1957 年、1968 年、1979 年、1989 年、2000 年、2014 年,5 個 極 小 值年 分 別 是1964 年、1976 年、1986 年、1996 年、2008 年。1953 年—2016 年 降水距平出現了7 個極大值分別是1956年、1963 年、1964 年、1973 年、1996 年、2000 年、2016 年;5 個 極 小 值 年 分 別 是1965 年、1972 年、1986 年、1992 年、1999 年及1978 年—1981 年連 續4 年和1997 年—1999 年連續3 年的干旱,見圖3、圖4。

為判斷氣候因子與太行山降水量的遙相關關系,分別計算太陽黑子相對數、ENSO、PDO、NAO 等與降水量的關系,超過±0.25 為顯著,見表1。

3.2 洪旱規律分析

通過氣候因子和洪旱等級序列資料分析得知,洪旱交替存在40 年、20年、11 年、5 年、2~4 年顯著周期和3~5 年、10 年、18 年、30 年 與75 年 左 右 等主控周期。在1470 年—2016 年的547年中,1 級洪災發生的次數為55 次,占總年數的10.1%;2 級洪災發生的次數為117 次,占總年數的21.4%;3 級正常年份次數為192 次,占總年數的35.1%;4 級旱災發生的次數為127 次,占總數的23.2%;5 級旱災發生的次數為56次,占總數的10.2%;旱災發生的次數稍多于洪災發生的次數,區域氣候相對偏旱。各個等級的洪旱年份存在連續性,即連續2 年與3 年發生旱災或洪災,見圖5、圖6、圖7。

4.模型的建立

為了解決一般的GM(1,1)和馬爾科夫預測模型在長期預測中精度不理想的問題,根據灰色系統和馬爾科夫鏈的特點將兩者結合起來,建立基于累積法的灰色馬爾科夫鏈預測組合模型。

首先,構造洪旱序列 X(0)={X(0)(1),X(0)(2),…,X(0)(n)} ,對X(0)進 行一次累加生成序列 X(1) ={x(1)(1),x(1)(2),…,x(1)(n)} ,計算背景值序列Z(1)={ z (1)(2),z(1)(3)…,z(1)(n)};

第二,令

圖3 1849 年以來每年無黑子日和年均黑子數

圖4 太陽黑子相對數和臨城水文站年降水距平變化序列

表1 當年氣候因子與降水量相關系數

圖5 洪旱等級變化圖

圖6 太行山迎風區1470 年—2016 年旱澇等級序列(實線為10a 平滑曲線)

圖7 旱澇等級累積距平圖

故預測方程為:

第四,求轉移概率矩陣P=(Pij(k))n×n,由矩陣求出預測值。

5.模型檢驗與應用

5.1 殘差檢驗

殘差檢驗就是計算相對誤差。對模型的回顧,以殘差的大小來判斷模型的好壞,公式如下:

絕對誤差序列:

相對誤差序列:

殘差的計算結果,見表3,從表3 可以看出各分區模型相對誤差為4.15%~19.65%,精度為80.35%~95.85%,即各區域精度都在80%以上,模型總體精度較高,殘差檢驗通過,可用于預測。

5.2 關聯度檢驗

關聯度是用來定量描述各變化過程之間的差別。關聯系數越大,說明預測值和實際值越接近。

關聯度:

其中:

式 中:ρ 為 分 辨 率,0<ρ <1,一 般 取ρ=0.5。

由于取定最大百分比為50,當ρ=0.5 時,關 聯 度 等 于0.79467~0.9427>0.6 故模型預測是可信的。

5.3 后驗差檢驗

后驗差檢驗是對模型精度的等級標準做出合理的評價,按照精度檢驗C和P 兩個指標進行評定,其等級標準見表2。表中的C 為方差比,即C=S2/S1,其中S1為原始數據的方差,S2為殘差的方差。 P 為小誤差概率,表達式為

原始數據均值和方差:

殘差均值和方差:

后檢驗差比值:C=S2/S1

小誤差概率:

通過以上計算C=0.0766~0.2662<0.35;所有的△(k)均小于0.6475S1(見表3),所以P=1>0.95;由此可見模型精度為最高一級的“好”。

5.4 預測與應用

災變預測也稱災變灰預測。是指灰數的時間分布預測和非平穩序列的處置問題。具體說來,就是將序列(數列)中的異常點(即過大或過小的點,即所謂災變點)構成子列,從子列獲取其時間分布序列,然后對異常點的時間分布序列建立GM(1,1)模型,以預測異常點未來的時間分布,以了解在未來哪一個時刻將出現異常點。洪、旱災害預測,嚴格地說是異常值預測,主要是洪、旱災害出現時間的預測,即洪、旱出現的年份。經檢驗模型達到精度要求,可以進行外推預測。在2015 年—2018 年分別應用模型進行了預測,結果為:大清河北支2026 年和2032 年左右發生洪水的可能性較大;2019 年、2023 年發生干旱的可能性較大。大清河南支2033 年和2056年左右發生洪水的可能性較大;2022年、2027 年左右發生干旱的可能性較大。滹沱河2016 年、2026 年前后發生洪水的可能性較大;2022 年發生干旱的可能性較大。滏陽河2016 年、2053年發生洪水的可能性較大;2019 年、2022 年發生干旱的可能性較大。漳河2023 年發生洪水的可能性較大;2021年—2022 年發生干旱的可能性較大。

表2 檢驗指標等級標準表

表3 分區模型檢驗匯總表

6.預測成果分析

2016 年子牙河山區降水量896.8mm,是多年平均的1.47 倍,該區域發生嚴重的洪災;2019 年滏陽河山區降水量403.5mm,僅是多年平均的65.8%,造成區域內嚴重旱災。通過與實際情況對比,模型預測結果比較準確。

7.結語

現代預測學盡管考慮的因素越來越復雜,本質上還是依賴于歷史數據。由于洪旱的發生和動態變化在不同區域、不同時間有很大的不一致性,很難找到一種普遍適用的方法。因此,在致力于提高現有模型的精度的前提下,應該研究新的更好的監測和預測方法,實施跟蹤預測實時校正方法。

太行山迎風區處于同一雨區,在大的氣象條件下一般容易同步形成洪旱,但是出現的豐枯程度不一。另外,由于地理因素和氣象因素的影響尚有近3成的年份出現豐枯不一致的現象?!?/p>

猜你喜歡
太行山降水量殘差
1958—2019年新興縣汛期降水量的氣候特征
成都市年降水量時空分布特征
基于殘差-注意力和LSTM的心律失常心拍分類方法研究
基于雙向GRU與殘差擬合的車輛跟馳建模
《太行山寫生》
基于殘差學習的自適應無人機目標跟蹤算法
基于深度卷積的殘差三生網絡研究與應用
太行山(外二首)
1956—2014年鐵嶺縣降水變化趨勢分析
1970—2016年呂梁市離石區降水量變化特征分析
91香蕉高清国产线观看免费-97夜夜澡人人爽人人喊a-99久久久无码国产精品9-国产亚洲日韩欧美综合