基于动力学模式的季度水文可预报性研究

作为气候学与水文学研究的交叉，现阶段季度水文预测刚刚起步，还存在很大不确定性。本项目瞄准季度水文预测研究的核心科学问题，选取淮河流域作为试验流域，系统评估现有气候系统模式对流域尺度气候（降水、温度）异常的预报能力及其不确定性，提出可显著提高流域降水异常预测技巧的误差订正方法；在改进和完善已有时空降尺度方法的基础上，基于多个陆面水文模式，开展流域土壤湿度、河道流量等水循环变量的集合预报试验，揭示基于气候系统模式与大尺度陆面-水文模式的季度水文可预报性问题。本项目研究不但有助于进一步深化大气科学与水文科学的交叉融合，还可为最终建立适合于中国各个流域的季度水文预测系统提供科学依据，进而服务于国家防灾减灾的战略决策。

作为气候学与水文学研究的交叉，现阶段季度水文预测还存在很大不确定性。本项目选取淮河流域作为试验流域，系统评估了国际上现有的气候预测系统对淮河流域降水、温度异常的预报技巧；提出基于贝叶斯合并的季度预测误差订正方法，显著提高流域气候预测技巧；利用IAP AGCM4.1开展了1981-2010年的夏季气候异常的集合回报试验，评估了该模式对我国及淮河流域气候异常的预报技巧。.基于数值模拟试验，指出CLHMS对淮河流域水循环过程以及空间分布具有良好的模拟能力，尤其对湿润年份流域的水量平衡以及河道流量的季节、年际变化的模拟明显优于干旱年份；揭示了降水驱动资料准确与否是陆面水文模拟最主要的不确定性来源之一，而可以保持较强降水日变化的时间解集方法，也是保证合理模拟流域水文过程的重要因素；率定了CLHMS模式中的河道曼宁糙率系数、水力传导度两个关键参数，显著提高了模式对水文过程的模拟能力。.基于现有的气候预测系统以及CLHMS陆面水文耦合模式，发展了相应的大气集合预处理分系统和水文集合预报评估分系统，初步建立了国内第一个以流域月平均—季节平均的河道流量为预测变量的淮河流域动力学季度水文集合预测系统SHEPS，其中大气集合预处理系统包括贝叶斯合并前处理、历史相似性集合选样前处理以及映射法时间尺度匹配前处理等。.利用SHEPS季度水文预测系统框架，开展了两组淮河流域超前1～6个月的25年（1982～2006年）河道流量的集合回报试验（CFSv2，ESP试验），分析结果表明：SHEPS系统的集合平均预报对淮河流域夏季河道流量有较高的预报技巧；由于CFSv2的大气强迫比ESP强迫更为准确，所以CFSv2回报试验对淮河流域夏季流量的预报技巧高于ESP试验；SHEPS系统对河道流量的预报技巧随预报超前时间的增加而降低，当预报超前时间为1个月时，CFSv2试验预报的蚌埠站6月月平均流量和观测流量的PMC可达0.81，超前两个月时PMC为0.49。对于高值事件、正常事件和低值事件的概率预报，CFSv2回报试验比ESP回报试验的预报技巧高，且CFS在积分超前时间为1个月时概率预报技巧最高，对蚌埠站6月月平均流量的(RPS评分为0.17，比ESP回报试验减小了6%左右。.本项目的顺利实施为建立适合于中国各个流域的季度水文预测系统提供了科学依据，并将直接服务于国家防灾减灾的战略决策。.