三峡水库泥沙实时预报关键技术研究及应用
——以2020年汛期为例

杨 成 刚，许 全 喜，董 炳 江，袁 晶，李 圣 伟

(长江水利委员会 水文局，湖北 武汉 430010)

金沙江下游梯级水库相继蓄水运用后，三峡水库入库沙量显著减少，入库沙量主要以汛期场次洪水来沙为主，几场洪水的输沙量即占全年入库沙量的80%以上[1]。长期实践表明：开展“蓄清排浑”调度是目前减轻水库淤积的有效手段，而泥沙实时预报则是确定水库排沙调度时机的基础，是三峡水库沙峰排沙调度的关键环节[2-3]。泥沙实时预报是世界性难题，尤其是长江上游地区幅员广阔，下垫面差异明显，水沙产输条件与泥沙输移规律均十分复杂，目前三峡库区的泥沙实时预报技术很不成熟。早期关于泥沙预报的成果主要集中在黄河流域，大都采用水文学方法进行高含沙水流的含沙量预报，如：纳希瞬时单位线法[4]、水沙响应函数法[5]、系统响应与回归结合的泥沙预报方法[6]等，有的学者采用BP神经网络、遗传算法等进行含沙量大小及峰现时间的预报工作[7-9]。但上述泥沙预报方法未能准确反映水沙之间复杂的内在作用机制，同时考虑到长江上游河道含沙量相对较小，输沙过程历时较短，水沙来源和关系复杂，因而基于水文学、神经网络等提出的泥沙预报方法在长江流域并不完全适用。陶冶等[10]、闫金波等[11]基于一维水沙数学模型，结合实时水雨情预报信息，提出了三峡水库短期泥沙作业预报方案；王世平等[12]以上下游含沙量关系模型为基础，结合短期水雨情预报，提出三峡入库站含沙量预报体系和方法。上述研究成果为三峡水库泥沙预报工作提供了研究思路，但受水雨情预报和泥沙实时报汛技术的限制，其预见期相对较短，预报体系也尚不完善。本次研究提出一种泥沙实时报汛技术，其结合降雨产沙理论、水沙相关关系、一维水沙数学模型计算等多种手段，涵盖干支流控制区域及未控区间的三峡库区泥沙预报体系。预报成果可为三峡水库沙峰排沙调度提供技术支撑。

1 泥沙实时监测技术

传统的悬移质含沙量测量方法耗时、耗人力物力，需经过取样、沉淀、烘干、称重多个等环节，一般需5～7 d才能获取含沙量资料，资料的时效性不能满足三峡水库泥沙预报的要求。为提高泥沙资料的时效性，满足泥沙预报的需要，现阶段采用的快捷方法是利用浊度仪在测量现场实测水体浊度[13-14]，在大量比测试验的基础上，利用非线性回归模型将水体浊度转换为水体含沙量，由此可大大提高含沙量资料获取效率。

2010年以来，长江水利委员会水文局在朱沱、寸滩、清溪场、北碚、武隆、黄陵庙等三峡水库入出库主要控制站开展泥沙浊度仪比测试验，并建立了各站含沙量与浊度的非线性回归模型。之后，将泥沙实时报汛站增大至15处，建立了上起白鹤滩、下至宜昌，包含横江、岷江、沱江、乌江、嘉陵江及其支流涪江、渠江的长江上游泥沙实时报汛站网(见图1)，为泥沙预报提供了实时观测资料。

图1 三峡水库入库泥沙监测浊度仪比测站点分布Fig.1 Distribution of monitoring stations for sediment flowing into the Three Gorges Reservoir

2 三峡水库泥沙实时预报体系

2.1 泥沙预报方法

目前国内关于泥沙预报的研究大多集中在黄河流域，对于高含沙水流的泥沙预报研究成果较为丰富，部分研究成果已用于生产实际中，但在长江流域含沙量相对较低的河流中，目前尚无成熟可靠的泥沙预报研究成果。

结合已有研究成果来看，关于泥沙模拟或预报的方法主要分为两大类：一类是水文学方法，如输沙单位线模型、神经网络模型、动力系统自记忆模型、水沙相关关系、响应函数模型等；另一类是水力学方法，如一、二维水沙数学模型与简化水力学模型等。一般而言，水力学方法因物理意义明确，研究成果丰富，在河道泥沙传播过程预报中应用较好。而对于提供数学模型输入条件的边界站泥沙预报，一般采用水文学方法，即根据单站的水沙相关关系或降雨特性来预报单站的未来泥沙信息。

2.2 三峡库区泥沙预报模块

三峡库区支流众多，水沙异源、多源现象突出。根据水文资料统计及实地调查，三峡入库泥沙来源包括金沙江干流及横江、岷江、沱江、嘉陵江等主要支流。其中以嘉陵江、岷江、沱江来沙为主，分别占寸滩站沙量的38%，27%，15%。考虑三峡水库入库沙量主要来源，基于泥沙实时报汛站网，构建上起向家坝坝址、下至三峡坝址，涵盖主要干流、支流、未控区间的三峡库区泥沙预报体系，预报体系主要分为进口条件输入模块和一维水沙数学模型计算模块两个方面。三峡库区泥沙预报流程如图2所示。

图2 三峡库区泥沙预报体系流程Fig.2 Flow chart of sediment forecast system of the Three Gorges Reservoir

2.2.1进口条件输入模块

三峡库区入库泥沙源头众多，不同场次洪水的产沙区间也不尽相同。针对不同区域来沙情况，泥沙预报体系中采用不同的预报方法对边界站点进行预报。

(1) 对于横江、岷江、沱江、乌江等支流上设有泥沙实时报汛站点的控制站，采用Q-S相关关系模型进行预报。具体方法为：① 首先根据历史水沙资料，构建汛期Q-S相关关系模型。② 根据场次洪水的前期泥沙报汛数据对相关关系模型进行修正，使模型更加贴合场次洪水的水沙特性。③ 根据各水文站流量预报情况，运用Q-S相关关系模型来预报未来几天含沙量情况。以岷江高场站为例，给出高场站Q-S相关关系模型建立方法及含沙量预报效果。

选取2009～2018年高场站汛期实测水沙资料，划分为30个流量级，分析平均含沙量与流量的相关关系，如图3所示。再用场次洪水前期泥沙报汛数据进行拟合，发现计算值整体偏大，如图4所示，因此引入修正系数0.7，并再次进行含沙量预报计算。计算结果表明，修正后预报结果较好，与实际过程基本吻合。

(2) 嘉陵江流域是三峡水库入库泥沙的最主要来源，嘉陵江出口水沙控制站为北碚站。嘉陵江流域产沙区间主要是上游支流涪江、渠江及嘉陵江干流上游。涪江、渠江在合川入汇嘉陵江，但入汇口和北碚站之间修建有草街航电枢纽，枢纽直接切断了泥沙输移通道，对水沙相关关系影响很大，因此不能直接采用水沙关系模型来预报北碚站含沙量情况。采用的策略是分段预报、上下衔接的方法。具体而言，就是先根据涪江小河坝站、嘉陵江上游武胜站、渠江罗渡溪站的泥沙报汛数据及单站水沙关系模型，预报上游产沙情况，将上游3站泥沙在枢纽上游形成合成含沙量S合，S合受到草街航电枢纽调度，草街航电枢纽出库沙量与下泄流量有关，并进一步传播至北碚站，因此可构建S北碚-S合Q北碚关系，预报北碚站含沙量。

图3 高场站汛期Q-S相关关系Fig.3 Q-S relation in flood season of Gaochang station

图4 高场站2020年8月17日泥沙预报成果Fig.4 Sediment forecast results in Gaochang station in 17, August,2020

选取2009～2018年小河坝站、武胜站、罗渡溪站汛期实测水沙资料，划分为30个流量级，建立平均含沙量与流量的相关关系。根据实测资料分析，3站洪水传播至草街航电枢纽坝前时间大概为6 h，而泥沙的传播时间受不同来流量、不同含沙量的影响而变化，传播时间如表1所示。

表1 嘉陵江流域不同流量下沙峰传播时间Tab.1 Sand peak propagation time in the Jialingjiang River basin

根据3站水沙传播特性，建立3站合成含沙量S合的计算公式：

(1)

式中：t为目标时刻，h；t1，t2，t3分别为武胜站、罗渡溪站、小河坝站相应流量级下沙峰传播时间，h；S合t为目标时刻3站合成含沙量，kg/m3；Qt-6为6 h之前站点的流量，m3/s；St-t1为t1时刻之前站点的含沙量，kg/m3。

草街航电枢纽排沙与下泄流量与直接关系，根据多来多排原则，北碚站含沙量关系可概化为

(2)

式中：k，m，n，a均为待定系数。采用实测资料对待定系数进行率定，率定结果为：k=0.002 47，m=0.659，n=0.604，a=-0.022，相关系数R=0.94，则北碚站预报模型为

(3)

运用公式(3) 进行北碚站泥沙预报。从实际预报结果来看，预报结果与实际值拟合较好，如图5所示。

图5 北碚站8月20日泥沙预报成果Fig.5 Sediment forecast results in Beibei station in 20，August

(3) 对于无泥沙报汛站点的其他区间支流，若降雨区间位于这些支流流域范围内，则根据降雨产输沙模型[15-17]，结合实时雨情及降雨预报，预报未来几天流域内降雨产沙情况。

2.2.2一维水沙数学模型计算模块

在充分认识三峡库区泥沙冲淤规律的基础上，基于水力学及河流动力学基本原理，建立三峡库区一维非恒定流、非均匀沙的水沙数学模型，用于计算三峡库区干流水沙输移过程。首先根据长江干流控制站朱沱站、寸滩站、清溪场站、巴东站、庙河站及坝前的水沙资料对模型进行率定验证，再根据预报的进口水沙条件和坝前水位条件计算泥沙在库区内的传播，预报沙峰到达坝前的时间及坝前含沙量过程。

2.3 泥沙预报预见期

三峡水库泥沙预报的预见期主要由两部分组成：

(1) 进口条件的预见期。数学模型本身不具备预报功能，模型预见期主要依赖进口条件的预见期。近年来，随着气象预报、水文预报技术的不断发展，水雨情预报的预见期和精度有大幅提高。其中，降雨中短期预报精度较高，预见期为1 d的平均准确率达到91.3%，预见期为3 d的平均准确率达到88.2%；水情预报预见期为1～3 d的预报合格率在90%左右。基于雨情、水情预报结果，结合降雨产沙模型、水沙相关关系模型，对模型输入的泥沙条件进行预报。总体来说，进口条件的预见期一般与水雨情预报的预见期相一致。

(2) 水沙传播时间带来的预见期。沙峰从进入三峡水库开始至到达坝前所需的时间为库区沙峰传播时间。库区沙峰传播时间随坝前水位、入库流量变化而不同。表2为不同坝前水位、不同入库流量条件下三峡库区沙峰传播时间。沙峰传播时间随坝前水位抬高而增大，随入库流量增大而减小。

表2 不同条件下三峡库区沙峰传播时间Tab.2 Sand peak propagation time in TGR in different conditions

沙峰在库区内传播的这段时间也可作为模型的预见期。图6为水沙数学模型预见期的传播示意。在进口边界上，预见期主要由中短期水雨情预报组成，在出口边界上，预见期主要由库区沙峰传播时间、短期预报预见期和部分中期预报的预见期组成。结合水雨情预报预见期、库区沙峰传播时间等要素，确定三峡水库泥沙实时预报的预见期为7 d。

图6 水沙数学模型预见期示意Fig.6 Schematic of forecast period

3 泥沙预报技术在2020年排沙调度中的应用

3.1 2020年汛期水沙形势

2020年8月期间，受冷空气、副高以及特殊地形的共同影响，长江上游地区出现大范围连续强降雨过程，持续降雨造成长江上游干、支流发生多次较大洪水，尤其是8月17日在长江上游形成的2020年第5号洪水，三峡入库洪峰流量达到75 000 m3/s，为三峡水库成库以来历史最大洪峰流量。同时由于降雨带位于长江上游主要产沙区内，导致长江上游出现较大输沙过程。寸滩站8月份水沙过程如图7所示。

图7 2020年8月寸滩站水沙过程Fig.7 Flow and sediment processes at Cuntan station in August 2020

从寸滩站水沙过程来看，2020年汛期三峡入库泥沙主要集中在8月中旬和下旬，泥沙来源包含横江、岷江、沱江、嘉陵江等上游主要支流，水沙异源、多源现象突出。据初步统计，本次沙峰过程(8月12～24日)入库沙量达到1.2亿t，短短12 d输沙量已远大于2014～2019年年均入库输沙量0.626亿t(除2018年全年入库沙量为1.43亿t外，其余年份全年入库沙量在0.320亿～0.685亿t之间)。

3.2 泥沙预报情况

自2010年开展浊度仪泥沙报汛以来，长江水利委员会水文局逐步推进三峡水库泥沙试预报工作，并在2012，2013，2018年汛期沙峰排沙调度中发挥了重要作用[18-19]。2020年汛期洪水过程中，长江水利委员会水文局再次对三峡水库泥沙输移情况进行滚动预报，共发布泥沙预报简报近20期，尤其是在应对长江上游4号、5号洪水的连续输沙过程中，连续发布多期泥沙预报简报，预报结果精度相对较高，为三峡水库沙峰排沙调度提供了技术支撑。

以2020年8月20日发布的泥沙预报为例，本期泥沙预报是在寸滩站5号洪峰开始消退且沙峰已经到达寸滩站后，即刻开展的一期泥沙预报，预报内容是5号洪水的沙峰过程在库区内输移及到达坝前的时间、沙峰峰值等，预见期为7 d，预报结果如表3和图8所示。从泥沙预报结果来看，寸滩站、清溪场站含沙量预报值较实际值有所偏小，但预报的含沙量衰减过程与实测含沙量衰减过程基本一致。巴东站、庙河站及坝前的含沙量预报过程与实际过程有一定的差异，但差异主要是传播时间的相位差，而沙峰峰值误差极小。如表3所示，巴东站、庙河站及坝前的预报沙峰峰值与实测沙峰峰值误差分别是0.04，0.02，0.04 kg/m3，误差百分比分别为3%，2%，4%，峰现时间分别较实际峰现时间提前了19，26，47 h。整体来看，泥沙预报精度相对较高。

图8 预报含沙量过程与实时报汛成果对比Fig.8 Comparison of sediment prediction and measured results

基于泥沙预报成果制定的三峡水库沙峰排沙调度方案，确定自2020年8月18日16：00起，三峡水库下泄流量由44 000 m3/s增大至49 000 m3/s，后基本维持下泄流量在48 000 m3/s，直至8月25日5号洪水沙峰排出水库。从排沙效果来看，沙峰排沙调度工作取得了良好成效，沙峰过程排沙比为27%，高出试验性蓄水以来平均排沙比9个百分点，显著增加了三峡水库出库沙量。泥沙预报在2020年三峡水库沙峰排沙调度中发挥了重要的技术支撑作用。

表3 2020年8月预报含沙量与实时报汛成果对比Tab.3 Comparison of sediment prediction results and measured values in August 2020

从预报结果来看，误差主要体现在沙峰峰现时间上，这主要是两方面原因所致：一是库区大水深条件下垂线流速、含沙量分布差异显著。在垂线方向上，流速分布为上大下小，含沙量分布为上稀下浓，且均为对数分布，而一维水沙数学模型对平均流速、平均含沙量的处理时未考虑这种水沙垂线分布的差异；二是泥沙预报计算时，采用的坝前水位条件是预报水位，而实际调度过程中因开展了沙峰排沙调度，实际坝前调度水位与预报水位有较大差异，造成沙峰峰现时间与实际沙峰峰现时间之间出现偏差。

4 结论与展望

(1) 本文提出了一种基于泥沙实时报汛技术，结合降雨产沙理论、水沙相关关系、一维水沙数学模型计算等多种手段的三峡库区泥沙预报体系，并对2020年汛期三峡水库沙峰过程展开预报。预报结果表明：在2020年汛期，三峡水库泥沙预报的沙峰峰值与报汛值基本吻合，泥沙预报成果精度相对较高，预报结果可为三峡水库沙峰排沙调度提供技术支撑。

(2) 下阶段需进一步完善数学模型计算方法，改进对垂线平均流速、含沙量的处理方法，使模型计算更贴合实际。同时，需继续完善和创新泥沙实时报汛技术和单站泥沙预报方法，进一步提高进口泥沙条件的预报精度和可靠性。

说 明

本文2020年水文要素的统计分析源自报汛数据。