國家級水文氣象預報業務技術進展與挑戰*

包紅軍 張恒德 許鳳雯 狄靖月 王 蒙 曹 爽 楊 寅 李宇梅 劉海知

1 國家氣象中心，北京 100081 2 中國氣象局-河海大學水文氣象研究聯合實驗室，北京 100081

提 要： 近年來，國家級水文氣象預報業務已經取得了明顯進展，但與國外先進水平相比還有一定的差距?？偨Y了近十年來國內外水文氣象預報業務現狀和技術進展，目前國家級的技術支撐狀況和所面臨的挑戰，并提出未來發展計劃。目前，水文氣象預報技術主要是以基于統計學的致災閾值模型和分布式水文模型等為主，結合大數據分析與人工智能的氣象—水文—地質耦合預報模式將在水文氣象預報中發揮重要作用。流域天—空—地基監測、水文氣象災害機理研究和多尺度分析是水文氣象預報的重要基礎；基于無縫隙精細化智能網格降水的水文氣象預報技術及水文集合預報模式是水文氣象預報的發展方向。

引 言

水文氣象預報是指根據前期和現時的大氣與流域水文狀態，使用氣象學與水文學原理與預報技術，對未來水文循環中某一水體、某一流域或者某一站點/格點的降水、蒸發、土壤水分、徑流等水文氣象要素的狀態及可能影響進行預報預測(Bruce and Clark，1966；Sene, 2010；包紅軍等，2016c；包紅軍，2017；丁一匯等，2020)。

水文氣象業務始于20世紀30年代。美國為了滿足防洪工程設計需要，專門成立水文氣象實體機構從事氣象資料推算可能最大降水和可能最大洪水的研究與應用。隨后，水文學快速發展，使得水文學與氣象學逐步有機結合，水文氣象學成為了具有獨立體系的一門學科。水文氣象預報的發展，主要依賴于氣象學與水文學的發展。20世紀70—80年代，西方發達國家和我國先后進入廣泛應用客觀定量的數值天氣預報的現代天氣預報階段。20世紀60—80年代，流域水文模型得到蓬勃的發展與業務應用，尤其80年代以后，隨著計算機技術、地理信息系統、數字高程模型和遙感技術的快速發展，一系列分布式水文模型得到了發展和應用。數值天氣預報的定量化預報水平逐步提升，使得提高水文氣象預報精度與延長預報預見期成為可能。20世紀90年代以來，歐美發達國家逐步實現基于數值天氣預報與流域水文模型的現代水文氣象預報，并形成模型系統在業務中廣泛使用(Warner et al，1991；Bae et al，1995；Lin et al，2002；McEnery et al，2005；Amengual et al，2007；Alfieri et al，2013；包紅軍等，2016c)。最為典型的為歐洲洪水預報系統(European Flood Forecasting System,EFFS;Alfieri et al，2013)與美國水文預報服務系統(Advanced Hydrologic Prediction Services，AHPS;McEnery et al，2005)。EFFS是以ECMWF全球模式和LISTFLOOD耦合實現水文氣象預報；AHPS中，針對“單一”確定性數值天氣模式降水預報的不確定性，采用二元聯合分布將“單一”確定性數值預報降水轉化成有意義的降水概率預報，并在此基礎上生成了集合預報，并與Sacramento模型、HL-RMS模型等耦合，實現水文氣象預報。相比歐美，國內的水文氣象預報技術發展時間相對滯后。進入21世紀，基于數值模式的水文氣象預報技術得到飛速的發展：Lu et al(2008)基于加拿大MC2模式建立淮河上游水文氣象預報模型系統，崔春光等(2010)基于AREW中尺度數值模型發展了長江流域水文氣象預報模型系統等等。Bao and Zhao(2012)發現使用“單一”確定性數值預報，由于模式初值誤差、模式偏差以及大氣自身的混沌特性，易造成水文氣象預報出現較大偏差，水文集合預報包含了水文氣象預報鏈式的不確定性，既提供確定性預報，又能提供概率預報信息，成為水文氣象預報的重要發展方向。葉愛中等(2015)基于GEFS集合預報模式建立了飛來峽流域水文氣象集合預報模型，包紅軍和趙琳娜(2012)基于多中心多集合預報發展了淮河流域水文氣象集合預報模型系統。

當前全球范圍非常重視氣象災害風險管理和減輕氣象災害風險行動。2009年以來，國際減災戰略秘書處，跟蹤全球減災風險最新發展理念和成果；世界氣象組織(WMO)將基于影響的多災種預報和預警服務作為重點加以推廣，其認為傳統的天氣預報預警已經不能滿足當前防災減災的要求，而需要由常規天氣要素預報向基于承災體脆弱性和暴露度的氣象災害影響預報預警服務轉變；WMO著力推進的全球氣候服務框架也將減輕災害風險作為氣候服務的優先發展領域。經過十年的發展，國內外建立了多個基于風險的影響預報業務，其中以基于降水的影響預報與風險預警居多。在國內，隨著經濟發展與防災減災的迫切需求，天氣預報服務逐步向緊貼用戶需求的影響預報與風險預警轉變。特別是中國氣象局從2013年起正式開展的暴雨誘發中小河流洪水、山洪與地質災害氣象風險預警服務業務，旨在基于影響預報與風險預警理念，實現水文氣象預報從傳統的江河流域面雨量監測預報等業務向基于風險的中小河流洪水、山洪與地質災害氣象風險預警轉變，國家級業務具體由中央氣象臺承擔。

經過多年的業務建設與技術研發，歐美很多國家與地區發展了降水誘發的中小河流洪水、山洪與地質災害的預報模型與業務系統，最大程度減少水文氣象災害損失。比較典型的是美國天氣局水文研究中心開發的基于臨界雨量閾值的暴洪指導系統(FFGS)，在美國本土及世界多個流域應用；另外，美國國家河流預報中心與馬里蘭大學開發的基于HEC水文模型的山洪預報系統(HEC-DHM)，意大利研發的耦合TOPKAPI水文模型的中小河流與山洪預報預警系統等。在滑坡預警方面，基于經驗統計的雨強與持續時間閾值與下墊面地質環境信息的統計預報模型在降水誘發型滑坡預報業務中應用越來越多(Brunetti et al，2010；He et al，2014)。國內，水利部減災中心在全國山洪災害調查評價基礎上，提出了小流域CNFF-HM分布式水文模型與山洪災害預警指標技術；自然資源部地質災害技術指導中心發展了隱式統計預警、顯式統計預警模型，在山洪與地質災害氣象預警業務中得到應用(郭良等，2018；劉傳正等，2009；劉艷輝和蘇永超，2019)。

中央氣象臺在總結國內外水文氣象業務建設與技術發展基礎上，提出了國家級水文氣象預報技術發展思路，初步建立了基于智能網格降水的水文氣象預報模型體系并在業務中應用，發揮了其防災減災效益。

1 水文氣象業務現狀

國家級水文氣象業務源于1998年長江、嫩江松花江流域特大洪水水文氣象服務，正式啟動于2002年的七大江河流域面雨量估測預報業務。2003年起，根據國土資源部和中國氣象局聯合簽署的相關協議，正式開展汛期地質災害氣象預報預警業務。2006年，為了更好地做好農田漬害與城市內澇防治氣象服務，中央氣象臺正式通過氣象影視發布漬澇災害氣象風險預報預警。

2011年起，隨著經濟發展與防災減災的迫切需求，為了實現由常規天氣要素預報向基于承災體脆弱性和暴露度的氣象災害影響預報預警服務轉變，中國氣象局開始組織安徽、江西、福建、湖北、四川等省開展中小河流洪水、山洪與地質災害等氣象風險預警服務試點工作；并于2012年啟動全國暴雨洪澇氣象災害風險普查，各省(自治區、直轄市)也陸續開展氣象災害風險預警服務試驗工作。國家級氣象災害風險預警服務業務由國家氣象中心(中央氣象臺)負責，旨在基于影響預報與風險預警理念，針對降水誘發的中小河流洪水、山洪與地質災害，發布基于風險的氣象預警。目前氣象災害風險預警業務已在全國推廣應用，涵蓋氣象災害風險普查、致災臨界面雨量科學確定、定量化風險評估、氣象災害風險預警、業務檢驗和效益評估等多個業務流程，建立了國家、省、市、縣四級氣象災害風險預警服務業務體系。開展氣象災害風險預警服務，是提高氣象服務針對性和實效性、發揮氣象服務效益的科學舉措，在國家防災減災體系中發揮重要的作用。

氣象與相關部委間預警協作得到了不斷發展和加強。2013年，經中國氣象局和原國土資源部批復，將兩部門于2003年開始聯合發布的“地質災害氣象預報預警”業務更名為“地質災害氣象風險預警”業務；2018年國務院機構改革后，將發布單位更改為“自然資源部和中國氣象局”；2015年，經中國氣象局和水利部批準決定，從2015年7月起，水利部和中國氣象局聯合發布“山洪災害氣象預警”業務。氣象與相關部門聯合發布氣象災害風險預警在防災減災和公眾服務中發揮重要支撐作用。國家級具體業務均由中央氣象臺承擔。

氣象災害風險預警服務業務內容主要包括災害風險普查和災害信息管理、致災氣象閾值確定、定量降水估測(quantitative precipitation evaluation,QPE)和定量降水預報(quantitative precipitation forecasting,QPF)、風險預警、預警業務檢驗和效益評估。在災害風險普查和災害信息庫基礎上，確定中小河流洪水、山洪與地質災害的致災氣象條件閾值，結合精細化降水估測與預報，發布氣象災害風險預警，基于業務檢驗動態評估風險預警效果效益。

2 水文氣象業務技術進展

2.1 技術整體框架

降水誘發的水文氣象災害，主要是指強降水落地至水流匯集，形成暴漲的地表徑流，流經流域河道，引發河道水位上升流量暴漲，并形成流域洪澇、中小河流洪水、山洪與泥石流災害；滲透入下墊面引發土壤水過飽和，導致剪切力增大造成邊坡失穩形成滑坡等地質災害的整個過程。圖1為國家級基于智能網格降水的水文氣象預報服務技術框架，面向水文氣象災害，形成氣象—水文耦合的預報技術，開展流域氣象預報服務與氣象災害風險預警業務。

圖1 基于智能網格降水的水文 氣象預報服務技術框架Fig.1 Technical sketch of hydrometeorological forecasting and service based on intelligent-and-grid QPF

降水是水文氣象最主要的致災因子。實況降水主要通過地面氣象站、地基雷達、衛星遙感探測等手段獲取。近年來，雷達—衛星—地面降水觀測多源降水融合已經成為高精度QPE的主流方法。這樣可以綜合地面雨量觀測、雷達的降水信息準確率較高和衛星遙感大范圍連續探測的優勢(潘旸等，2018)。而誘發水文氣象災害的強降水形成的物理條件，除了具備一般性降水條件外，還需要有充分的水汽供應、強烈的上升運動和一定的持續時間等，預報難度很大，中央氣象臺暴雨預報TS評分在0.2左右。而降水誘發的中小河流洪水、山洪與地質災害尺度相對較小，對定時定點定量的降水預報需求很大。無縫隙智能網格降水為水文氣象災害風險預警提供了重要基礎。

徑流的形成是一個極為復雜的過程，水文學中將其概化為產流階段和匯流階段。徑流形成在降水誘發的水文氣象災害成災過程中起非常重要的作用，是研究水文氣象災害機理與規律的基礎。目前，主要應用流域水文模型描述徑流形成過程。分布式水文模型是精細化刻畫徑流形成過程的重要工具。

中央氣象臺水文氣象業務正是根據水文氣象災害形成機制，在無縫隙智能網格降水與分布式水文模型的研發基礎上，面向降水誘發的流域洪澇、中小河流洪水、山洪與地質災害等，發展了基于智能網格降水的水文氣象預報技術，支撐業務預報。

2.2 無縫隙精細化智能網格降水預報

近年來， QPF已經進入在數值預報模式基礎上主客觀融合的無縫隙精細化網格預報階段(畢寶貴等，2016；代刊等，2016；曹勇等，2016；金榮花等，2019)。為了應對水文氣象預報與氣象災害風險預警業務與服務需求，國家氣象中心利用雷達、衛星、地面觀測等多源觀測、全球/區域模式預報、頻率匹配與機器學習等模式后處理新技術，發展了多尺度不同時效的無縫隙、精細化網格預報技術與降水產品(金榮花等，2019)。

圖2為無縫隙精細化智能網格降水預報技術框架，基于主客觀融合網格預報平臺的智能網格降水預報技術的核心在于三個方面(王建捷，2018)：(1)動態自動調整或訂正模式降水預報誤差；(2)量化模擬預報員預報思路或融入預報經驗；(3)預報過程人與技術可交互，人在更高層面發揮作用。

圖2 無縫隙精細化智能網格定量降水預報技術框架Fig.2 Technical sketch of seamless fine intelligent-and-grid QPF

針對水文氣象災害風險預警的高影響0～10 d無縫隙智能網格降水預報，中央氣象臺基于層疊架構的L-K光流技術與強度守恒約束的semi-Lagrangian平流技術，結合GRAPES-Meso快速循環同化系統，提高臨近智能網格QPF精度；利用GRAPES-3 km高時空分辨率特性，構建基于Time-Lag融合的(2～12 h)短時預報模型，并引入實時頻率匹配訂正技術提升短時智能網格QPF能力；在多中心全球確定性和集合預報模式，區域中尺度模式基礎上，發展與引進了基于降水相似分析的多模式集成方法(林建等，2013)、基于確定性模式的邏輯回歸降水預報(張芳華等，2016)、頻率匹配訂正算法(Zhu and Luo,2015)、基于集合模式的最優百分位方法(代刊等，2018)等模式統計后處理方法，集成預報員主觀預報與降尺度技術，提高短中期智能網格QPF精度。

2.3 面向水文氣象預報的分布式水文模型

自世界上第一個流域水文模型“Stanford模型”研制以來，水文學家根據模型應用目的，對流域幾何特性、模型輸入、控制方程、初始及邊界條件和模型輸出等組成模型的五部分進行選擇性的結合(Singh，1995；李致家，2008；包紅軍等，2016c)。根據基于流域特征對水文過程的描述，流域水文模型可分為集總式水文模型和分布式水文模型，介于兩者之間常稱之為半分布式水文模型(Singh，1995)。

水文氣象預報特別是中小河流洪水、山洪與地質災害氣象風險預警，由于災害局地性、突發性強，需要精細化的分布式水文模型進行模擬與預報；而包括智能網格降水、數值模式在內的各類降水預報均為格點型產品，為了避免流域尺度與網格點尺度之間差異帶來的誤差，水文模型應為格點型分布式水文模型；作為國家級水文氣象業務水文模型，既要具有反映我國流域復雜的空間多樣性與水文物理過程的能力，又要兼顧業務使用的簡單性與高效性的預報計算特點，應基于降雨徑流概念性模型與分布式物理匯流模型構建(Todini and Ciarapica，2001；Yang et al，2002；Bao et al，2010；2011；包紅軍等，2016c)。

中央氣象臺在2006年引入的VIC水文模型、2009年引進的新安江水文模型基礎上，發展了GMKHM分布式水文模型(Bao et al,2017)。模型結合數字高程模型(DEM)、遙感(RS)技術，以DEM柵格為計算單元，柵格內進行植被冠層截留、蒸散(發)、產流與分水源計算；采用混合產流模型進行流域產流計算，考慮柵格間水量交換和水系排水影響(包紅軍等，2016b)，坡面匯流和河道匯流均采用逐柵格的分布式運動波模型水流演算，模型參數基于DEM、GIS和RS技術先驗估計直接獲取(包紅軍等，2016a；2017a；Wang and Bao，2018)。目前，已經建立基于智能網格降水預報的全國逐1或6 h的5 km×5 km分辨率的全國陸地水文過程預報。

為了更好地兼顧江河流域水文氣象預報服務特點，在GMKHM分布式水文模型基礎上進一步發展了組合框架的松散耦合型分布式水文模型。模型考慮網格與子流域兩個基本單位，蓄滿、超滲、先蓄后超、先超后蓄四個產流模型，單位線、線性水庫、Muskingum、運動波、擴散波與動力波六個匯流模型。針對復雜流域中存在行蓄洪區等水利工程的影響，發展了基于擴散波與柱蓄和楔蓄理論建立Muskingum-Cunge水位流量演算模型進行具有行蓄洪區的復雜河系預報，在淮河2016年水文氣象預報精度較高(包紅軍等，2017c)。

2.4 面雨量監測預報

面雨量指某一時段內特定區域或者流域的平均降雨量，是水文氣象業務與科研中最重要的物理量之一，也是流域內水旱防御、水資源評估預估、工程設計、山洪與地質災害防治與減災的重要依據。中央氣象臺的面雨量估測預報業務起始于1998年長江和嫩江松花江流域洪澇氣象服務。2002年起，正式開展七大江河流域共86個子流域面雨量實時估測預報業務；2010年，根據國家防汛減災等新需求擴展到96個子流域。

地面站點降水是面雨量估測與預報的重要依據。目前，我國有降水觀測任務的國家地面氣象觀測站為2 423個，另外，還設有加密自動氣象站約6萬個。面雨量估測主要通過泰森多邊形法、雙線性插值、克里金系列方法、反距離權重等技術進行計算，其中以泰森多邊形法最為常用；面雨量預報通常把降水預報反演至站點，再通過泰森多邊形等方法進行面雨量預報。

在業務中，由于國家地面氣象觀測站降水的空間代表性與加密自動站降水質量控制問題，往往導致流域面雨量監測與預報存在較大的誤差。近年來，無縫隙精細化智能網格降水技術的快速發展較好地解決了流域空間降水分布問題，為面雨量監測與預報方法拓展了新的思路。無縫隙精細化智能網格降水實況采用雷達—衛星—地面降水觀測多源降水融合技術，形成了覆蓋中國區域完整的降水融合產品，時間分辨率為1 h，空間分辨率為5 km×5 km。應用獨立樣本檢驗表明，精度優于任一來源產品(潘旸等，2018)。無縫隙精細化智能網格降水預報利用雷達、衛星、地面觀測等多源觀測、全球/區域模式預報、頻率匹配與機器學習等模式后處理新技術，發展了多尺度不同時效(短時臨近、短期、中期)的主客觀融合的無縫隙網格預報技術與降水產品(金榮花等，2019)。中央氣象臺在智能網格降水的基礎上，基于射線法與算術平均法建立全國七大江河流域96個子流域面雨量估測與預報技術。2017年起，實現基于智能網格降水的全國七大江河流域面雨量估測與預報(預報時效為10 d)，4 254條中小流域面雨量估測與預報(預報時效為7 d)。另外，還基于ECMWF、GRAPES、智能網格降水預報發展了動態權重集成面雨量預報技術，進一步提升面雨量預報精度(包紅軍，2016)。

2.5 中小河流洪水氣象預警

近年來，面對世界范圍內越來越嚴重的中小河流洪水災害, 很多國家已經或正在研發有效的中小河流洪水監測預警預報系統和洪水管理方法, 力求使災害程度達到最小(Georgakakos，2006；Norbiato et al，2008；2009；Clark et al，2014；劉志雨等，2010；葉金印等，2014)。

目前，中小河流洪水預警技術主要可以分為兩類：一類為基于高分辨率的分布式水文模型預報出每個子流域(或者網格點)的徑流過程、洪峰等洪水特征，根據河流防洪標準，發布洪水預警；另一類是動態臨界面雨量閾值法，通過流域水文模型反演致洪臨界面雨量的動態閾值，基于實時流域面雨量預報，發布洪水預警。后者在目前中小河流洪水預報預警中是更為常用的方法。

針對國內外水文氣象與中小河流洪水預警研究進展與國內氣象部門業務現狀，中央氣象臺將全國河流分為4 254條中小河流，并根據中小流域的水文氣象資料情況劃分成有完整水文氣象資料流域(簡稱為有資料流域)、缺水文有氣象資料流域(簡稱為缺資料流域)、無資料流域。對于有資料流域與缺資料流域，采用流域水文模型與頻率分析技術可推求基于流域初始狀態(常用土壤飽和度表示)的中小河流致洪雨量動態臨界閾值(包紅軍，2016)。但在我國部分中小河流流域中，常常存在既無長序列水文資料，又缺少長序列降水資料的情況。如何獲取流域致洪降水動態臨界雨量閾值是能否實現無資料中小河流洪水預報預警的關鍵技術之一。中央氣象臺發展了基于流域地形地貌特征信息的中小河流致洪動態臨界面雨量閾值推求方法(包紅軍等，2020b)，建立了全國中小河流致洪動態臨界面雨量閾值。圖3為2020年8月17日08時全國中小河流致洪動態臨界面雨量閾值，分為紅橙黃藍四級，色彩越深，其臨界閾值越小。

圖3 全國中小河流洪水致洪臨界動態面雨量閾值 (a)紅，(b)橙，(c)黃，(d)藍四級Fig.3 Critical dynamic area rainfall thresholds for small to middle river floods (a) red, (b) orange, (c) yellow and (d) blue four levels

根據基于智能網格降水的中小流域面雨量集成預報，與致洪動態雨量臨界閾值，形成全國中小河流洪水氣象風險預警客觀模型，可實現未來240 h，每日08時和20時起報，逐24 h的全國中小河流洪水氣象風險預警產品；未來72 h，逐6 h全國中小河流>洪水氣象風險預警產品。

2.6 山洪災害氣象預警

近年來，中國氣象局在全國山洪災害氣象風險普查基礎上，發展了山洪災害致災氣象風險閾值技術、基于EFI指數山洪災害氣象預警技術與GMKHM分布式水文模型等方法，旨在提升山洪災害氣象預警精度(包紅軍等，2017a；2020a)。

將溪溝小流域精細化QPE與QPF作為分布式水文模型輸入強迫，驅動水文模型得到山洪水文要素預報過程。由于山丘區溪溝小流域往往沒有長序列的水文氣象資料進行模型參數率定，參數如何取值成為困擾分布式水文模型應用的難點。中央氣象臺考慮到形成山洪的徑流過程常存在既有蓄滿產流又有超滲產流的情況，構建了基于中國氣象局逐小時的QPE與QPF驅動GMKHM分布式水文模型實現山洪災害氣象風險精細化預警。圖4是在四川青川大溝山洪溝溪流域(流域面積為79.8 km2，時間分辨率為1 h，空間分辨率為30″×30″)的山洪定量預報圖，基于GMKHM分布式水文模型的青川大溝2009年7月14日16時至19日08時山洪模擬預報過程與實況基本吻合，確定性系數為0.94。

圖4 2009年7月14日16時至19日08時 大溝流域出口山洪模擬預報過程Fig.4 The simulated hydrograph of flash flood in Dagou Basin from 16:00 BT 14 to 08:00 BT 19 July 2009

山洪災害致災雨量閾值模型是中央氣象臺山洪災害業務重要的預警模型之一。模型基于中國氣象局暴雨洪澇風險普查推求的致災閾值與無縫隙精細化智能網格降水結合，建立全國山洪災害氣象風險預警模型。截至目前，已經完成全國13 628個山洪溪溝小流域的四級預警氣象閾值確定。

另外，由于山洪災害往往由極端性降水誘發，而極端性降水事件預報的難度很大。近年來，隨著集合預報的快速發展，從集合預報中提煉極端降水事件發生的EFI指數為山洪災害氣象預警提供了新的

思路。中央氣象臺基于ECMWF集合預報的EFI指數與山洪災害承災體信息融合，建立全國山洪災害氣象風險預警EFI模型(預報時效為未來7 d逐24 h，5 km×5 km)，自2019年7月起，為山洪災害氣象風險預警業務提供重要支撐。圖5為基于EFI指數的全國山洪災害氣象預警2020年8月17日08時的預報結果，四川中部的局部地區存在橙色的山洪災害氣象風險。

圖5 2020年8月17日08時起報的 基于EFI指數的山洪災害氣象預警 (紅、橙、黃、藍四級)Fig.5 Forecast of the developed flash flood meteorological warning model based on EFI index initiated at 08:00 BT 17 August 2020 (four levels: red, orange, yellow and blue)

2.7 地質災害氣象預警

地質災害是指在自然或者人為因素的作用下形成的，對人類生命財產、環境造成破壞和損失的地質作用(現象)。我國是世界上地質災害最為嚴重的國家之一，地質災害種類多、分布廣、危害大，嚴重制約和威脅著地質災害多發易發地區經濟社會發展和人民生命財產安全。其中滑坡、泥石流和崩塌是最主要的氣象因素誘發的地質災害類型之一(劉傳正等，2009)，最為常見的觸發強迫因子為降水(包紅軍等，2017b)。地質災害氣象風險預警模型主要分為統計預報(隱式統計預報、顯式統計預報)和動力機理模型預報，自然資源部地質災害預報預警業務模型和中央氣象臺地質災害氣象風險預警業務模型均屬于前者。近年來，中央氣象臺在邏輯回歸概率預報站點模型基礎上，引入智能網格降水，發展了概率預報格點模型，模型分辨率達到5 km×5 km。圖6為2020年8月17日08時起報的全國5 km×5 km分辨率的邏輯回歸地質災害格點概率預報，西南地區局部地區風險高。

圖6 2020年8月17日08時起報的24 h預報 時效的格點化地質災害邏輯回歸概率預報Fig.6 Forecast with lead time of 24 h of grid-logistic geological model initiated at 08:00 BT 17 July 2020

地質災害統計模型中，難以考慮降水入滲與產匯流等流域水文過程對滑坡、泥石流等地質災害響應的影響(包紅軍等，2017b)。包紅軍等(2017b;2018)在滑坡泥石流物理模型中引入分布式水文模型，通過完善的流域水文過程更為準確計算觸發地質災害的有效降水，提高了地質災害預報精度。目前，中央氣象臺基于此技術初步建立了區域地質災害水土耦合預報模型。

2.8 漬澇氣象預報預警

降水引起的漬澇是一種氣象災害，是由于降水過多，導致土壤過度浸泡并地面受淹而造成的一種自然災害(包紅軍等，2015)。漬和澇是一個問題的兩個方面：漬強調由于地面徑流、排水和土壤透水能力不足，使土壤過度浸泡，植物根部有毒氣體聚集、營養成分減少、缺氧，而導致植物的損害、死亡和嚴重減產；澇強調地面受淹導致的直接災害，包括城市漬(內)澇和農田漬澇。漬澇災害已經成為影響人民生活、經濟發展以及生態建設的主要因素之一(包紅軍等，2015)。

2005年，中央氣象臺建立了全國漬澇風險氣象預報預警業務(謝正輝等，2004；林建等，2008)，并于2006年7月5日正式對公眾發布“漬澇風險氣象預報預警”產品，支撐技術主要為基于VIC(variable infiltration capacity)-3L水文模型的漬澇預報預警技術(Liang et al,1996;Liang and Xie,2001；2003)，空間分辨率為50 km×50 km。2015年起，基于USGS(U.S.Geological Survey)提供的30″×30″分辨率的DEM訂正流域數字水系，提高流域水系的精確性與精細化程度；并將漬澇風險氣象預報預警業務模型中的VIC水文模型替代為GMKHM分布式水文模型，提高模型分辨率到5 km×5 km，整體提升了漬澇業務模型預報的精準度。2017年，漬澇災害預報命中率由原模型的17.8%提升至24.1%；2018年，命中率由原模型的16.9%提升至24.3%。

2.9 水文氣象綜合分析和會商支撐業務系統平臺

相比于歐美發達國家，中央氣象臺水文氣象業務系統建設較晚，開始于2010年建立的中央氣象臺水文氣象監測與預警系統，內容以水情監測、七大流域面雨量為主要內容。自2013年，中國氣象局正式啟動暴雨誘發的中小河流洪水、山洪與地質災害氣象風險預警服務業務，使得水文氣象預報服務業務從傳統的流域水文氣象服務向基于風險的影響預報轉變，業務內容也以中小河流洪水、山洪與地質災害為主。隨著近年來業務的快速發展，業務數據量更加多源與海量、業務方向逐步增多、預報預警模型更加科學與精細，亟需建立高效便捷、綜合性強、集監測、預報分析、風險預警、檢驗評估、產品制作與發布的一體化、交互式、智能化的水文氣象業務系統。2019—2020年，為了更好地滿足業務需求，中央氣象臺進一步持續推進基于BS框架和Web GIS技術的中央氣象臺水文氣象綜合分析與會商支撐業務系統平臺。圖7為其主界面，系統主要包括水文氣象監測、面雨量監測預報、水文氣象預報預警、預報檢驗評估和歷史預報庫等五個主要部分。該平臺自應用以來，發揮了很好的業務支撐作用。

圖7 中央氣象臺水文氣象綜合分析和會商支撐業務系統主界面Fig.7 Main interface of hydrometeorological analysis and consultation support system in National Meteorological Centre

3 存在問題與對策

3.1 存在問題

目前，水文氣象預報服務業務已經成為跨氣象、水利、自然資源與應急管理的災害風險防控科學問題。存在主要問題如下：

(1)水文氣象監測不足，呈“東密西疏”“大密小疏”。①地面監測水平空間代表性不夠。面向中小河流洪水預報的水文氣象監測，整體呈“東密西疏”“大密小疏”分布。強降水是造成中小河流漫堤潰堤、中小水庫出險、山洪與地質災害的主要誘因。強降雨大多在中小尺度天氣系統中形成，具有突發性、局地性、強度大等特征。中國氣象局雨量觀測網站點空間分布不均衡，呈現東部密、西部疏，大江大河密、中小河流山洪溝溪與地質災害隱患區域疏的特點，對致洪致災流域強降水的捕捉能力不夠。②天氣雷達網探測覆蓋范圍不足。雷達、衛星、地面自動站多源信息融合的雨量場可以改善地面雨量站觀測的空間代表性不夠問題。但中國氣象局天氣雷達網呈現“東密西疏”的總體分布，存在站間探測盲區，且在地形地貌復雜山區中小河流山洪溝溪與地質災害隱患區域易造成天氣雷達觀測遮擋盲區，極易導致局地強降水天氣事件演變過程觀測的缺失；流域洪澇、中小河流洪水、山洪與地質災害防治氣象保障所需的應急觀測能力亟待提高，目前全國移動天氣雷達數目不足，無法適應應急處置和補充加密觀測需求。因此，如何利用天基、空基和地基等多源信息，實現水文氣象災害成災全過程多尺度監測分析是水文氣象預報亟需解決的關鍵技術之一。

(2)氣象—水文—地質耦合預報能力亟需加強。降水是水文氣象預報中決定性的因素，面向流域洪澇、中小河流洪水、山洪與地質災害風險預警與防控需求，強降水預報精度仍需提高。我國自主研發的GRAPES數值預報系統(全球、區域、集合預報)已業務運行；在多源信息融合同化與多尺度多中心模式基礎上發展的無縫隙精細化智能網格降水預報，有效提升了強降水預報。但目前國內外對局地性、突發性強降水的預報能力均存在一定局限，特別是對局地極端性強降水預報能力亟待提高。流域雨量估測與預報在流域洪澇、中小河流洪水、山洪與地質災害風險預警與防控應用不夠。我國基于新安江水文模型的洪水預報業務主要應用在大江大河，濕潤區預報效果較好，干旱半干旱區相關理論和預報模型尚有不足。國際上洪水管理、山洪與地質災害防治呈現從大尺度概念性模型應用預報向精細化預報預警發展趨勢。我國中小河流、山洪與地質災害，尤其干旱半干旱地區非均質特征顯著，地形地貌、土地利用復雜，中小水庫塘壩的攔蓄與調節作用明顯，水文過程與洪水地質災害成災機理復雜，變化環境下氣象—水文—地質耦合預報模型研發與應用不夠，大大限制了水文氣象災害風險預報預警水平。因此，如何在預報模式中突破變化環境下精細網格尺度物理過程描述的難點，并引入人工智能技術(顧建峰等，2020)，提升氣象—水文—地質耦合預報模式精度并拓展在河流污染物輸送等方面拓展預報能力，是水文氣象預報中存在的又一難題。

(3)面向水文氣象災害的風險管理與應急處置能力不足。①水文氣象災害風險預警與影響評估業務體系不夠完善。當前全球范圍歐美發達國家與組織非常重視災害風險管理。WMO推進基于影響的多災種預報預警服務，由常規天氣要素預報向基于承災體脆弱性和暴露度的氣象災害影響預報預警服務轉變。中國氣象局依此建立的氣象風險預警業務在防災減災體系中初顯成效。國內洪水風險管理也逐步向定量、微觀尺度實時動態情景分析轉變，但對精細化氣象災害風險預警與影響評估業務體系仍不夠系統完善，減災效益不夠明顯。②水文氣象災害應急處置能力較為薄弱。風險預警與影響評估業務體系不夠完善。近些年，我國由于突發性事件造成的損失巨大，此過程中科學的應急處置顯得尤為重要。在突發性流域汛情險情、中小河流洪水、山洪與地質災害的應急處置中，有現場作業環境與控制條件差、流域水文氣象要素監測時效性高、預報技術方案基礎不完備、標準規范靈活處理的特點。目前，水文氣象災害對應急監測手段、應急處置技術體系，應急響應的長效機制均較為薄弱。未來重點要在水文氣象災害風險預警與影響評估和水文氣象應急處置技術兩方面開展研發與實際應用。

(4)水文氣象災害預警發布與群測群防發展不平衡。①國家中小河流洪水、山洪與地質災害等水文氣象災害氣象風險預警發布能力不足。國家預警信息發布中心是國家應急管理體系的重要組成部分，已經形成綜合自然災害、事故災難、公共衛生事件、社會安全事件四大類突發事件的預警信息發布業務體系；針對水文氣象災害氣象風險預警發布需求，仍存在“消息樹”和“發令槍”作用不明顯，預警信息不能按照實際預警范圍準確發布到指定區域和指定人群的情況，在中小河流洪水、山洪與地質災害頻發的農村地區、偏遠山區，依然缺乏必要的預警信息接收終端或傳播方式。②國家水文氣象災害防治群測群防體系亟需建立。由于我國中小河流眾多，山洪與地質災害點多面廣，災害頻發，突發性強且損失重，亟需在中小河流洪水、山洪與地質災害等水文氣象災害易發區開展以當地群眾為主體的監測、預報、預防工作。目前，社會化的水文氣象防災減災網絡構建不到位，對災害風險管理人員的職業化培訓不足，尚不能成為水文氣象災害防御與群測群防的有效力量；對公眾開展水文氣象災害防御的宣傳工作投入不足，公眾的減災避險自救意識不強。因此，如何解決水文氣象風險預警與發布的“最后一公里”，與有效的災害群測群防策略，是提升水文氣象災害防治、減少災害損失的重要途徑。

3.2 對策措施

隨著精細化水文氣象預報、信息融合、大數據分析等技術快速發展，開展水文氣象災害多尺度監測、高時空分辨率降雨量估算與預報、精細化分布式水文預報模型、洪水—地質災害物理預報模型、災害風險預警評估與應急處置等技術發展為水文氣象災害風險預警、防控與應急管理服務成為可能。因此，可從以下幾個方面開展對策工作，將有力提高國家水文氣象風險預警與防控能力，減少災害損失。

(1)加強水文氣象多尺度天—空—地基監測，實現水文氣象災害全過程監測體系建設?；谔旎⒖栈?、地基等多源監測資料，研發水文氣象水災害過程的三維監測技術；發展基于大數據識別與融合同化技術的水文氣象災害實時監測、提取和統計分析處理技術；建立水文氣象數據庫和監測系統，建立水文氣象災害全過程監測體系。

(2)發展氣象—水文—地質耦合預報一體化模型。①構建不同水文氣象分區降水特征條件下多源信息融合的高時空分辨率雨量場，發展基于人工智能與數值模式的雷達智能外推短時臨近降水預報技術和基于多數值模式自適應的短中期定量降水集成預報技術；構建面向中小河流洪水、山洪與地質災害等水文氣象災害的無縫隙精細化智能網格降水預報，著力提升流域強降水的預報精度。②面向中小河流洪水、山洪與地質災害，基于精細化分布式水文模型的洪水—地質災害耦合預報模型?；跉v史降雨和洪水實測資料，結合大數據技術、遙感分析、原型實驗和機理剖析，揭示不同水文氣象分區和下墊面條件下的水文氣象災害預報模式及其成災機制，構建氣象—水文—地質耦合預報一體化模型。

(3)推進水文氣象災害風險預警評估與應急處置業務體系建設。①建立水文氣象災害風險預警與影響評估。結合全國自然災害綜合風險普查，研究水文氣象災害風險因子辨識和快速提取方法，構建基于“致災因子—暴露度—脆弱性”風險三角模型的水文氣象風險評估指標體系；發展“氣象—水文—水動力—災害—影響”時序過程推演的水文氣象災害風險預警與評估模型；提出針對不同地貌類型區的實時災害鏈式風險評估方法；建立精細化水文氣象災害風險動態預警技術；完善全國水文氣象業務體系。②建立全國水文氣象應急處置體系。采用層次分析方法，研究洪水監測預警、庫壩調度、人員轉移、搶險處置等關鍵環節的適用技術，建立水文氣象災害應急處置技術體系，提出災害結構化應急預案編制方法，制定國、省、市、縣四級的《水文氣象災害應急處置預案導則》，并實施。

(4)全國水文氣象災害氣象風險預警精準一體發布全覆蓋與群測群防策略。①水文氣象氣象風險預警與發布“一張網”。提出基于風險的重大水文氣象災害氣象風險預警快速制作技術，建立水文氣象災害風險預警信息發布和傳播評估技術，建立以送達率、覆蓋面等評估模型為基礎的預警信息發布效果評估指標體系；研究預警信息精準智慧融合發布關鍵技術，利用大數據、物聯網、應急通訊、氣象衛星等技術，構建基于云計算的水文氣象災害風險預警精準快速發布示范平臺。②建立以基層信息員為主體的水文氣象災害群測群防策略。提升基層應急能力，筑牢防災減災救災的人民防線。加強水文氣象災害防御公眾宣傳力度；建立信息員隊伍規章制度和評比辦法；加大對群測群防信息員培訓力度；優勝劣汰動態調整人員結構；多形式總結推廣經驗；建立“技防”和“人防”協同機制；等等。

中央氣象臺立足發展國家級鏈條式水文氣象業務，重點發展“一平臺、兩模型、三重點、四拓展”?！耙黄脚_”指的是發展國家級全國水文氣象監測與預報服務業務智能交互式一體化系統平臺，“兩模型”包括基于智能網格降水的分布式水文氣象模型和面向防汛減災的中小河流洪水、山洪與地質災害氣象災害風險模型；“三重點”主要指流域氣象精細預報服務、水文氣象災害風險預警評估和“一帶一路”沿線風險預警能力；“四拓展”指重點城市內澇氣象預警、流域水資源氣象預估評估、流域水環境要素氣象預報、流域水土保持氣象風險預報等四個方面，實現從“水文+氣象”向“水文氣象+”的轉變。

4 結論與討論

本文總結了近年來中央氣象臺水文氣象預報服務業務的現狀和技術進展，分析了存在的問題，并提出了相應的對策建議。從當前的業務技術進展來看，水文氣象天—空—地基監測、水文氣象災害機理研究和多尺度分析是水文氣象預報的重要基礎；基于無縫隙精細化智能網格降水的水文氣象預報技術及水文集合預報模式是水文氣象預報的重要發展方向；針對水文氣象災害特點的檢驗評估方法是促進水文氣象預報業務和技術發展的重要方面；一體化、交互式、智能化的預報服務系統是水文氣象業務及技術進步的保證。由于水文氣象預報服務涉及氣象、水利、自然資源、應急管理等多個領域，建立完備的全國水文氣象預報服務業務體系是一個非常復雜和重要的系統工程。