岩溶地区基于水文气象耦合的山洪灾害预警预报方法

1 研究区域与数据

1.1 流域概况

研究区域选取贵州省黔西南州册亨县秧坝河流域，流域出口坐标为104^∘56^′E 、 24^∘58^′N ，面积 42km² ，主河道长 15.4km ，平均坡度 32‰ 。地处亚热带季风气候区，汛期（5—9 月）降雨集中，多年平均降水量 1100mm ，径流深 150mm 。区域内岩溶地貌发育，地形起伏大，河道径流响应迅速，水文特征复杂。流域内秧坝水文站长期观测水位、流量等要素，为洪水预报提供基础数据支撑。

1.2 数据前处理

1.2.1 雷达数据处理

对 2018—2024 年降雨时段的雷达基数据进行多步骤处理：

编码转换：利用气象数据解析工具将原始二进制数据转换为NetCDF 格式，实现多源数据兼容；

∙ 杂波抑制：采用自适应滤波算法剔除地物、超折射等杂波，提升回波数据纯净度；

衰减订正：基于地面雨量站同步观测数据，通过分段 Z-R 关系（层状雨＼（Z=200R^{1.6}＼），对流雨 ）动态校准雷达反射率与降雨率关系；

地物遮挡订正：结合 DEM 数据识别雷达波束遮挡区域，通过克里金插值法修复缺失回波；

坐标转换与裁剪：将极坐标反射率数据转换为笛卡尔坐标，针对小流域特性裁剪为流域周边 ^128×128 网格（ 105^∘08^′24^′′E-105^∘55^′12^′′E ，24^∘32^′36^′′N-24^∘55^′48^′′N） 。以 20180521 场次降雨为例，预处理后回波数据杂波干扰显著减少，波束遮挡修复率达 85% ，可靠性提升。训练集与验证集共 20，000 帧回波图按 8：2 划分，测试集选取 2012、2016、2021 年4 场典型降雨雷达数据。

1.2.2 流域数据处理

子流域划分：基于 DEM 数据和 D8 算法，以秧坝站为出口划分子流域，共生成 30 个区域，提取各子流域面积、坡度及中心位置数据；

网格划分：按经纬度将流域划分为 25×32 网格（分辨率约 1km² ），适配卷积计算需求，构建包含地形、土地利用等属性的下垫面数据库。

2 研究方法

2.1 雷达降雨临近预报

采用天气雷达外推算法实现未来 2 小时降雨预测：

（1）运动场计算：基于 Lucas-Kanade 光流法，追踪相邻雷达回波帧特征点运动，获取逐像素位移矢量 ，精度达 0.5m/s ；

（2 ）回波外推：结合指数衰减模型 ＼cdote^{-＼lambda ＼Delta t}＼）（层状云＼（＼lambda ＼），对流云＼（＼lambda ＼）），外推未来 10—120 分钟反射率场；

（3）降雨量转换：依据降雨类型选用对应 Z-R 关系，生成时间分辨率 10 分钟、空间分辨率 1km 的网格化降雨数据，经误差校正后小时降雨量平均绝对误差 ≤1.5mm 。

2.2 水文模型构建

基于 LSTM 算法构建降雨量 - 洪峰流量预测模型：

输入层：动态输入为未来 2 小时 30 个子流域降雨量序列（12个时间步，单位： mm/10min ），静态输入为子流域面积、坡度、中心坐标（ 30×3 维特征矩阵）；

隐藏层：包含 64 单元 LSTM 层（带 Dropout 正则化）和 32单元双向 LSTM 层（Bi-LSTM），捕捉降雨序列时间依赖与汇流非线性关系；

输出层：单神经元线性层，输出未来 2—3 小时洪峰流量（适配雷达预报预见期与流域汇流时间）。训练过程采用 Adam 优化器，批次大小 32，迭代 200 次，输入数据 Z-score 标准化，输出数据归一化处理。

3 结果分析

3.1 降水预报精度

预处理后雷达数据使降雨预报精度显著提升，RMSE 较原始数据降低20% ，R² 提高 15% ，尤其对 ≥50mm/h 强降雨，1 小时预报 RMSE 降至1.0mm/h ，POD 达 0.92，满足山洪预警输入要求。

3.2 洪水预报精度

LSTM 模型较传统新安江模型，洪峰预报 RMSE 减少 40% ，R² 提升15% ，提前 2 小时精度提高 15‰ 以 2021 年 7 月 19 日暴雨事件为例，LSTM 模型洪峰预报相对误差 2.5% ，峰现时间误差 <10 分钟，显著优于新安江模型的 14.7% 误差与 30 分钟滞后，尤其在涨水段流量变化趋势匹配度达 95% 。

4 结论

本文构建的岩溶地区水文气象耦合山洪预警方法，通过高分辨率雷达数据预处理与 LSTM 模型耦合，有效提升了小流域洪水预报精度与预见期：

（1）雷达数据预处理技术显著改善降雨临近预报质量，为水文模型提供可靠输入；

（2）LSTM 模型结合子流域地形特征与时间序列降雨数据，捕捉喀斯特地貌非线性汇流过程，较传统模型精度提升显著；

（3）模型在秧坝河流域测试中表现优异，满足山洪预警规范要求，具备业务化应用潜力。

未来研究可进一步融合卫星遥感、数值预报等多源数据，探索数据驱动与物理机制结合的混合模型，提升极端条件下预报可靠性，为岩溶地区山洪灾害防治提供更坚实的技术支撑。

参考文献

[1]毕宝贵， 等. 定量降水预报技术进展[J]. 应用气象学报， 2016， 27（5）：534–549.

[2]李青， 等. 山洪灾害气象预警方法探索与实践[J]. 中国防汛抗旱，2020， 30（9/10）： 31–35.

[3]刘荣华， 等. 美国山洪灾害预警研究进展[J]. 中国防汛抗旱， 2020，30（9/10）： 141–148.

[4]严剑兵. 山洪灾害监测预警云平台系统设计与应用[J]. 广东水利水电， 2022（3）： 96–100.

[5]Sun， Y.， & Zhang， W. （2020）. Advances in Hydrological Forecasting Techniques in Flood Warning Systems. Journal of Hydrology， 584， 124-137.