Page 9 - 2024年第55卷第9期

出入，而基于前 １?３和前 １?２历时降雨过程的识别结果和基于完整的降雨过程的识别结果是一致的。
利用本文提出的方法，当前降雨完成整场降雨历时的 １?３时，就可以找到历史上与之最接近的降雨过
程，实现山洪风险的早期识别。
每场降雨动态分布图以及洪水过程的对比图，如图 ３—７所示。图 ３—７中 Ａ组图为待识别样本，
Ｂ组图为从样本库中识别出来的历史样本，Ｃ组图为预测洪水对比结果。降雨总历时为 Ｔ小时，具体
降雨识别结果以及洪水预报结果对比，如表 １和表 ２所示。

图 ３ 降雨样本 １洪水预报结果
以识别结果的第 ３组为例，在 ２０２２年 ６月 １１日，当降雨开始出现约 ２～３ｈ的时候，即可做出判
断发出雨中提示，该场降雨可能达到 １２０ｍｍ，单站最大雨量可能达到 １２４ｍｍ，１ｈ最大雨量可能达到
３
３
３５．５ｍｍ，最大洪峰流量可能达到 １１７０ｍ ?ｓ，总洪量可能达到 ２４９８．９８万 ｍ ，出现降雨后 ２１ｈ可能达
到最大洪峰。这些区别于传统的洪水预报方法得到的降雨洪水风险信息，对于洪水风险管理是至关重
要的。
从图 ３—７和表 １的结果可以看出，利用本文提出的方法，识别出的历史降雨在空间分布形态上
并非与待识别降雨完全一致，毕竟出现 “完全一样” 的两场降雨几乎是不可能发生的，然而识别出的
历史降雨在面平均雨量、单站最大雨量、小时最大雨量以及降雨中心的时空变化特征等指标上与待识
别降雨有相当一致的地方。面雨量识别平均误差为 ５．９５％，单站最大雨量识别平均误差为 １３．２２％，最
大 １ｈ雨量识别平均误差为 １８．２１％。
从图 ３—７和表 ２的结果可以看出，这 ５场待识别降雨样本，具有一定的代表性，分别代表暴雨中
心在流域的不同位置的降雨过程。当降雨中心在流域南部上游山丘地区时，洪水过程形状相对尖瘦，
陡涨陡落，降雨中心在流域北部下游平坦地区时，洪水过程相对平坦，洪水形状和降雨的时空分布特
征具有一定的相关性。在受人为影响较小，且流域面积较小的中平小流域，本方法的洪峰流量预报平
均误差为 ８．３３％，洪量预报平均误差为 １４．２７％，峰现时间预报平均误差为 １ｈ，达到了精度要求。

— １ ０ ４ —
１