洪水是破坏性严重的自然灾害之一，修筑水库能够调蓄洪水并为灌溉、发电提供便利。及时而准确的径流预报，结合防洪地区的水情、工情和社会经济状况，能形成最佳的调度预案，对于保护群众生命财产安全，减少洪水损失、提高水库发电效益和供水安全具有重要意义。目前普遍使用降水径流预报方法，模拟精度有限，物理机理不足。一定物理基础的陆面水文模型虽然能够精细描述地表水传播过程，但是受限于无法细致刻画梯级水库群系统的调度方法以及有限精度的降水预报，很难进行推广。机器学习方法可以寻找变量间的隐藏关系，因此结合气象-水文模型以及机器学习方法对于推广梯级水库径流预报具有重要意义。
本研究使用气象集合预报产品TIGGE-ECWMF驱动课题组自主研发的陆面水文模型CSSPv2对广西龙滩-岩滩区间流域的汛期径流进行逐小时回报试验与评估，并利用机器学习方法LSTM进行订正，探究并量化了TIGGE-ECMWF集合预报、LSTM模型以及陆面水文模型CSSPv2对径流预报的贡献。结果表明，气象预报相对于气候态驱动能够使确定性和概率性径流预报增加6%的预报精度；在气象-水文模型基础上，LSTM模型对72小时内的径流预报能够进一步提升6%的预报精度；而仅使用LSTM模型的径流预报效果在24小时后迅速降低（图1）。
图1 四种预报方法的逐小时径流预报均方根误差。回报时间段为2013-2017年4-9月，每天进行未来7天的滚动回报，LSTM模型率定采用交叉验证方法。绿线表示气象-水文-LSTM预报（即结合气象预报、陆面水文模拟以及机器学习订正），蓝线表示水文集合预报，红线为气象-水文预报，紫线为仅使用观测历史径流驱动LSTM模型进行径流预报。
该研究发表于水资源领域一区期刊《Hydrology and Earth System Sciences》，第一作者为硕士研究生刘俊江，通讯作者为其导师袁星教授，合作者包括我院曾俊涵、焦阳，广西壮族自治区气象灾害防御技术中心李勇等。
论文信息：
Liu, J., Yuan, X.*, Zeng, J., Jiao, Y., Li, Y., Zhong, L., and Yao, L.: Ensemble streamflow forecasting over a cascade reservoir catchment with integrated hydrometeorological modeling and machine learning, Hydrol. Earth Syst. Sci., 26, 265–278, https://doi.org/10.5194/hess-26-265-2022, 2022.
