太行山迎风区洪旱灾害预测模型应用研究

2021-03-29 06:43李秀丽韩廷印康彦付
河北水利 2021年2期
关键词:太行山降水量残差

□李秀丽 韩廷印 康彦付

洪旱灾害是我国主要的多发性自然灾害,具有影响范围大、灾害损失严重的特点,它对社会经济和生态系统造成了持久威胁。近年来,由于水文气象等多种因素极值耦合而成的洪旱灾害事件,无论在区域尺度或频率和强度上都有所增加,并引发了更大的社会经济损失。因此,将自然运动、天气气候和水文气象结合起来,采用多方法多变量聚合分析研究洪旱灾害未来趋势,预测预报洪旱灾害形成和发生几率,已成为洪旱灾害研究的重要课题。

1.研究区域概况

太行山迎风区位于太行山山脊线东—东南侧。太行山山脊线以东依次为深山区、半深山区和浅山丘陵区。南北长340km(小五台至漳河谷地),东西宽30km~140km。

河流从北到南有大清河、子牙河、漳卫南运河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、滏阳河、漳河等30 余条河流,相应流域面积29113km2,占山丘区总集水面积的38.7%,占迎风区集水面积的93.5%。

区域内多年平均降水量600~700mm。受地形、气候等因素影响,降水量分布地带性差异十分明显,降水量年际变化大,年内分配很不均匀,80%左右集中在6~9 月。受降水季节分配影响,径流的年内分配比较集中,年径流的70%左右集中于汛期。

2.资料及预报因子的选取

分别收集1470 年—1952 年和1953年—2016 年太平洋年代振荡(Pacific Decadal Oscillation,简称PDO)、北极涛动(Arctic Oscillation,简称 AO)/北大西洋涛动(North Atlantic Oscillation,简称NAO)、北太平洋涛动(North Pacific Oscillation,简称NPO)、厄尔尼诺/南方涛动(ElNino/Southern Oscillation,简称ENSO)及太阳黑子相对数和历史洪旱资料,并选取区域内典型站1953 年—2016 年逐日降水量观测数据,提取逐年、春季、夏季、秋季和冬季等分时段降水量。根据《海河流域旱涝冷暖史料分析》旱涝等级的划分标准,重建洪旱等级序列,得出1470 年—2016 年逐年洪旱等级系列。

3.洪旱规律分析

3.1 预报因子分析

ENSO:自1949 年有记录以来,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 都发生了厄尔尼诺现象,见图1。

大型El Nino 现象曾经在1790 年—1793 年、1828 年、1876 年—1878 年、1891 年、1925 年—1926 年、1997 年—1998 年、2014 年—2016 年出现。

PDO:西北太平洋十年际气候变化受太平洋10 年间涛动(PDO)影响。与ENSO 一样,PDO 的特点在于海水表面温度,海平面气压及风场的变化。PDO可分为暖相和凉相。每个PDO 的位相一般持续20~30 年。研究区代表站逐年降水量与PDO 指数序列对应情况,见图2。

图1 1951 年—2016 年海洋El Nino 指数图

图2 临城水文站1951 年—2012 年逐年降水量与PDO 指数序列对应图

太阳黑子:太阳黑子相对数有显著性的周期变化,自1849 年有观测记录以来出现了16 个上升期、15 个下降期,其中上世纪50 年代以来存在6 个上升期和5 个下降期,对应6 个极大值年 分 别 是1957 年、1968 年、1979 年、1989 年、2000 年、2014 年,5 个 极 小 值年 分 别 是1964 年、1976 年、1986 年、1996 年、2008 年。1953 年—2016 年 降水距平出现了7 个极大值分别是1956年、1963 年、1964 年、1973 年、1996 年、2000 年、2016 年;5 个 极 小 值 年 分 别 是1965 年、1972 年、1986 年、1992 年、1999 年及1978 年—1981 年连 续4 年和1997 年—1999 年连续3 年的干旱,见图3、图4。

为判断气候因子与太行山降水量的遥相关关系,分别计算太阳黑子相对数、ENSO、PDO、NAO 等与降水量的关系,超过±0.25 为显著,见表1。

3.2 洪旱规律分析

通过气候因子和洪旱等级序列资料分析得知,洪旱交替存在40 年、20年、11 年、5 年、2~4 年显著周期和3~5 年、10 年、18 年、30 年 与75 年 左 右 等主控周期。在1470 年—2016 年的547年中,1 级洪灾发生的次数为55 次,占总年数的10.1%;2 级洪灾发生的次数为117 次,占总年数的21.4%;3 级正常年份次数为192 次,占总年数的35.1%;4 级旱灾发生的次数为127 次,占总数的23.2%;5 级旱灾发生的次数为56次,占总数的10.2%;旱灾发生的次数稍多于洪灾发生的次数,区域气候相对偏旱。各个等级的洪旱年份存在连续性,即连续2 年与3 年发生旱灾或洪灾,见图5、图6、图7。

4.模型的建立

为了解决一般的GM(1,1)和马尔科夫预测模型在长期预测中精度不理想的问题,根据灰色系统和马尔科夫链的特点将两者结合起来,建立基于累积法的灰色马尔科夫链预测组合模型。

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

第二,令

图3 1849 年以来每年无黑子日和年均黑子数

图4 太阳黑子相对数和临城水文站年降水距平变化序列

表1 当年气候因子与降水量相关系数

图5 洪旱等级变化图

图6 太行山迎风区1470 年—2016 年旱涝等级序列(实线为10a 平滑曲线)

图7 旱涝等级累积距平图

故预测方程为:

第四,求转移概率矩阵P=(Pij(k))n×n,由矩阵求出预测值。

5.模型检验与应用

5.1 残差检验

残差检验就是计算相对误差。对模型的回顾,以残差的大小来判断模型的好坏,公式如下:

绝对误差序列:

相对误差序列:

残差的计算结果,见表3,从表3 可以看出各分区模型相对误差为4.15%~19.65%,精度为80.35%~95.85%,即各区域精度都在80%以上,模型总体精度较高,残差检验通过,可用于预测。

5.2 关联度检验

关联度是用来定量描述各变化过程之间的差别。关联系数越大,说明预测值和实际值越接近。

关联度:

其中:

式 中:ρ 为 分 辨 率,0<ρ <1,一 般 取ρ=0.5。

由于取定最大百分比为50,当ρ=0.5 时,关 联 度 等 于0.79467~0.9427>0.6 故模型预测是可信的。

5.3 后验差检验

后验差检验是对模型精度的等级标准做出合理的评价,按照精度检验C和P 两个指标进行评定,其等级标准见表2。表中的C 为方差比,即C=S2/S1,其中S1为原始数据的方差,S2为残差的方差。 P 为小误差概率,表达式为

原始数据均值和方差:

残差均值和方差:

后检验差比值:C=S2/S1

小误差概率:

通过以上计算C=0.0766~0.2662<0.35;所有的△(k)均小于0.6475S1(见表3),所以P=1>0.95;由此可见模型精度为最高一级的“好”。

5.4 预测与应用

灾变预测也称灾变灰预测。是指灰数的时间分布预测和非平稳序列的处置问题。具体说来,就是将序列(数列)中的异常点(即过大或过小的点,即所谓灾变点)构成子列,从子列获取其时间分布序列,然后对异常点的时间分布序列建立GM(1,1)模型,以预测异常点未来的时间分布,以了解在未来哪一个时刻将出现异常点。洪、旱灾害预测,严格地说是异常值预测,主要是洪、旱灾害出现时间的预测,即洪、旱出现的年份。经检验模型达到精度要求,可以进行外推预测。在2015 年—2018 年分别应用模型进行了预测,结果为:大清河北支2026 年和2032 年左右发生洪水的可能性较大;2019 年、2023 年发生干旱的可能性较大。大清河南支2033 年和2056年左右发生洪水的可能性较大;2022年、2027 年左右发生干旱的可能性较大。滹沱河2016 年、2026 年前后发生洪水的可能性较大;2022 年发生干旱的可能性较大。滏阳河2016 年、2053年发生洪水的可能性较大;2019 年、2022 年发生干旱的可能性较大。漳河2023 年发生洪水的可能性较大;2021年—2022 年发生干旱的可能性较大。

表2 检验指标等级标准表

表3 分区模型检验汇总表

6.预测成果分析

2016 年子牙河山区降水量896.8mm,是多年平均的1.47 倍,该区域发生严重的洪灾;2019 年滏阳河山区降水量403.5mm,仅是多年平均的65.8%,造成区域内严重旱灾。通过与实际情况对比,模型预测结果比较准确。

7.结语

现代预测学尽管考虑的因素越来越复杂,本质上还是依赖于历史数据。由于洪旱的发生和动态变化在不同区域、不同时间有很大的不一致性,很难找到一种普遍适用的方法。因此,在致力于提高现有模型的精度的前提下,应该研究新的更好的监测和预测方法,实施跟踪预测实时校正方法。

太行山迎风区处于同一雨区,在大的气象条件下一般容易同步形成洪旱,但是出现的丰枯程度不一。另外,由于地理因素和气象因素的影响尚有近3成的年份出现丰枯不一致的现象。□

猜你喜欢
太行山降水量残差
1958—2019年新兴县汛期降水量的气候特征
成都市年降水量时空分布特征
基于残差-注意力和LSTM的心律失常心拍分类方法研究
基于双向GRU与残差拟合的车辆跟驰建模
《太行山写生》
基于残差学习的自适应无人机目标跟踪算法
基于深度卷积的残差三生网络研究与应用
太行山(外二首)
1956—2014年铁岭县降水变化趋势分析
1970—2016年吕梁市离石区降水量变化特征分析