具体实施方式

现结合附图对本发明作进一步的描述。

如图1所示，本发明提出了一种区域大气水文耦合预警决策系统，利用天气预报研究模型和水文模型，即WRF模型和WRF-Hydro模型，基于全球预报场、再分析格点数据和区域高分辨率观测数据，结合卫星红外和微波数据,以及路面基本GIS信息，路面节点水利设施，例如，鱼塘、水库、湖、河网、水闸和泵站，开发特定区域内极端天气洪涝灾害预警决策支持系统，实现台风路径和强度预报，降水过程和降水量预报，进而实现台风预警、降水过程和降雨量预警、河湖库塘水文预报、区域产汇流过程预报、城市河道水位、路面积水预报、区域洪水预报、区域防台预泄决策、区域防洪排涝决策和洪涝灾害预报。

该系统包括：区域资料获取模块、人工智能模块、降水预报分析模块、校正模块、水文资料获取模块、水文预报模块、响应演示模块和预警决策模块；

所述区域资料获取模块，用于实时获取区域资料；

其中，所述区域资料包括：区域观测数据、格点数据、卫星红外和微波数据；

所述人工智能模块，用于利用风云气象卫星数年观测数据和区域可降水历史记录数据建立数据库，并采用统计分析和预报模式相结合的方式，得到区域内的具有高适应性和准确性的可降水分析模型；

所述降水预报分析模块，用于通过实时获取的区域资料和区域内的可降水分析模型，实时进行降水路径和强度预报分析，获得该区域内的降水量和降水路径预报；具体地，通过实时获取的该区域内的区域资料和区域内的可降水分析模型，结合全球再分析数据，利用大气同化模式WRFDA，设定区域，对大气同化模式进行参数化，设置预报时长和分辨率，进行降水路径和强度预报分析，获得该区域内的降水量和降水路径预报；

其中，区域资料利用卫星在线读取，获取经纬度和时间，经过质量控制和时空匹配后，对其进行格式转换，即HDF格式转换为二进制格式，基于改进的背景误差协方差矩阵的大气同化模式，开展区域资料同化，预报强降水路径和强度，并结合常规降水预报，提供优化的强降水路径和强度预报。

具体地，利用改进的大气模式参数预报和同化模式，采用高分辨率的时变的背景误差协方差矩阵，时变间隔为15分钟，再采用同化卫星微波资料的方式，根据人工智能方法和大数据分析方法，获取24-48小时的可降水数据和降水量数据；其中，本实施中的改进的大气模式参数预报和同化模式并不是常规的同化模式中的静态背景误差协方差矩阵，而是采用了高分辨率的时变的背景误差协方差矩阵，有效提高了预报准确度。

所述校正模块，用于利用该区域内的降水量和降水路径预报对预先存储在数据库中的区域内常规降水量和降水路径结果进行修正，获得修正后的该区域内的降水量和降水路径预报，并将其存储在数据库中；

所述水文资料获取模块，用于获取地面径流资料；

其中，所述地面径流资料包括：地面GIS、水文信息和路面节点水利设施，例如，鱼塘、水库、湖、河网、水闸和泵站。

所述水文预报模块，用于利用卫星气象产品和水文资料信息，基于大气水文耦合模式，模拟复杂地形条件下的水文过程，提供该区域内的水位预报、预警和预泄决策；

其中，所述气象产品包括：大气温湿度廓线、大气水汽含量、云中液态水、气压、降雨率、强对流和台风路径。

所述复杂地形条件下的水文过程为模拟陆面、土壤物理过程，以及地表、地下水流和积涝/水库积水过程。

具体地，所述的大气水文耦合模式，是指将大气同化模型与水文模型耦合来研究水循环，达到径流准确预测的目标。大气同化模型的高分辨率输出结果，如大气温湿度廓线、大气水汽含量，云中液态水，气压，降雨率，强对流，台风路径等常规气象观测数据和卫星数据，用作气象的强迫因子来驱动区域尺度和流域尺度的水文模型输入，参数率定方案结合陆地水文信息、大气信息和海路陆交界信息。根据区域地形地貌和水文信息，需要系统设置，预报系统静态参数设置和预处理，实时输入数据处理，水文模式预报和降水观测资料融合流程控制；大气同化模型和水文模型的耦合方式为双向耦合，将水文模型的结果栅格化输入大气模型，使用降雨、历史雨量、历史径流和历史蒸散发作为两种模型的交互关系的纽带，考虑水文模型与大气模型的交互机制。

所述响应演示模块，用于根据获得的修正后的降水量和降水路径预报，结合地面径流资料，模拟未来数小时内区域内的降水径流趋势和降水在地面向低处汇流，最终进入河道的过程，实现径流预警和预测。

所述预警决策模块，用于根据预先设置的径流监测点阈值，结合预报的降雨量，对径流监测点进行预报更新，并对预报降雨量进行反馈，经多次迭代，确定预警响应级别，并做出最终决策。具体地，根据大气模式输出的预报结果，计算径流监测点阈值，如水位、流速等。其中，这里的计算实际上是一种黑盒经验算法，利用历史数据经验统计而得。

根据上述强降水路径和强度预报结果，结合路面基本GIS信息和路面节点如鱼塘、水库、湖、河网、水闸、泵站和其他水利设施，利用蒙特卡洛算法、神经网络算法和人工智能优化算法，寻找最优化的水文网参数阈值，基于河湖库塘水位实测值和各自地理位置、水文状态的特点，建立一套完善的水位预报、预警和预泄决策指导界面，智能化的显示区域内河湖库塘在未来极端灾害天气过程中的实时变化和相关响应决策。

基于河湖库塘水位实测值和各自地理位置、水文状态的特点，建立一套完善的水位预报、预警和预泄决策指导界面，智能化的显示区域内河湖库塘在未来极端灾害天气过程中的实时变化和相关响应决策。在实际应用中验证该区域洪涝灾害预报预警决策系统，并于业务使用的预报预警结果进行比对，完善相关河湖库塘水位预报预警和预泄决策。

该系统利用大气同化模型和水文模型，基于全球预报场、再分析格点数据和区域高分辨率观测数据，结合卫星红外和微波数据,以及路面基本GIS信息，路面节点如鱼塘、水库、湖、河网、水闸、泵站及其他水利设施，开发区域极端天气洪涝灾害预警决策系统，实现台风路径和强度预报，降水过程和降水量预报，进而实现台风预警、降水过程和雨量预警、河湖库塘水文预报、区域产汇流过程预报、城市河道水位、路面积水预报、区域洪水预报、区域防台预泄决策、区域防洪排涝决策和洪涝灾害预报。

针对某一特定区域的区域性特点，调整大气同化模型和水文模型的气象、水文参数，形成具有区域适用性的洪涝灾害预报预警和决策功能的基于大气同化模型与水文模型耦合的预警决策系统，该系统对暴雨、涝灾有效的模拟和预报能力，涵盖在该特定区域范围内所有湖库塘水位预报、预警和预泄决策指导，能为预报员提供直观、精确定量的暴雨、涝灾预报。

基于上述预测系统，本发明还提供了一种区域大气水文耦合预警决策方法，该方法包括：

实时获取某一特定区域内的区域资料；

其中，所述区域资料包括：区域观测数据、格点数据、卫星红外和微波数据；

通过实时获取的区域资料，实时进行降水路径和强度预报分析，获得该区域内的降水量和降水路径预报；

利用获得的该区域内的降水量和降水路径预报对预先存储在数据库中的常规降水量和降水路径结果进行修正，获得修正后的降水量和降水路径预报，并将其存储在数据库中；

利用卫星气象产品和水文信息，基于大气水文耦合模式，模拟复杂地形条件下的水文过程，提供该区域内的水位预报、预警和预泄决策；

具体地，所述的大气水文耦合模式，是指将大气同化模型与水文模型耦合来研究水循环，达到径流准确预测的目标。大气同化模型的高分辨率输出结果，如大气温湿度廓线、大气水汽含量，云中液态水，气压，降雨率，强对流，台风路径等常规气象观测数据和卫星数据，用作气象的强迫因子来驱动区域尺度和流域尺度的水文模型输入，参数率定方案结合陆地水文信息、大气信息和海路陆交界信息。根据区域地形地貌和水文信息，需要系统设置，预报系统静态参数设置和预处理，实时输入数据处理，水文模式预报和降水观测资料融合流程控制；耦合方式为双向耦合，将水文模型的结果栅格化输入大气模型，使用降雨、历史雨量、历史径流和历史蒸散发作为两种模型的交互关系的纽带，考虑水文模型与大气模型的交互机制；

根据获得的修正后的降水量和降水路径预报，结合地面径流资料，模拟未来数小时内该区域内的降水径流趋势和降水在地面向低处汇流，最终进入河道的过程，实现径流预警和预测。

根据预先设置的径流监测点阈值，结合预报的降雨量，对径流监测点进行预报更新，并对预报降雨量进行反馈，经多次迭代，确定预警响应级别，并做出最终决策；进而确定一套完整的防台预泄、防洪排涝和洪涝灾害预防方案。

具体地，首先对地面信息(如鱼塘、水库、湖、河网、水闸、泵站及其他水利设施)进行主成分分析，根据指定的区域，确定神经网络模型输入的主要参数，利用后向传输算法，对径流历史监测数据进行权重函数训练，得到新的径流预报结果，进行记录后，反馈到神经网络模型模型输入，经过反复迭代，将预报降雨量和径流预报进行智能判断，利用查找表方法，根据历史降水量预报值，历史径流记录值和历史响应级别的匹配，确定当前预警等级，得到准确的决策判断；具体见图2。

首先针对地面资料的高相关性，对有用信息进行提取，运用线性代数的知识来进行数据降维，将多个变量转换为少数几个不相关的综合变量代表区域内GIS信息，为缩短神经网络训练时长，提高训练精度做准备。神经网络方法采用三层后向传输神经网络结构，输入层为主成分分析后的要素，隐层A1,A2，…AN,代表N个隐层神经元，个数由输入神经元个数M决定，输出层为径流预测，N等于对输入层个数M加上输出层个数1加上计划迭代次数X之和取平方，经过对匹配的历史地面信息和径流信息进行训练，得到神经网络输出值，即径流预测，将此预测值反馈给预报的降水量，依据主成分分析确定的变量，继续开展神经网络训练过程，并将迭代后的径流预测值与降水量利用查找表方法，根据历史降水量预报值，历史径流记录值和历史响应级别的匹配，智能确定当前预警等级，根据每次迭代记录的降雨量和径流预测值，得到准确的决策判断。

实施例1.

在本实施例中，将某特定区域设定为京津冀区域。

本实施例提供了一种区域大气水文耦合预警决策系统，该系统包括：区域资料获取模块、人工智能模块、降水预报分析模块、校正模块、水文资料获取模块、水文预报模块和响应演示模块；

所述区域资料获取模块，用于实时获取京津冀区域的区域资料；所述京津冀区域资料包括：区域观测数据、格点数据、卫星红外和微波数据；

所述人工智能模块，用于利用风云气象卫星数年观测数据和京津冀区域可降水历史记录数据建立数据库，并采用统计分析和预报模式相结合的方式，得到京津冀区域内的可降水分析模型；

所述降水预报分析模块，用于通过实时获取的区域资料和京津冀区域内的可降水分析模型，实时进行降水路径和强度预报分析，获得京津冀区域内的降水量和降水路径预报；

所述校正模块，用于利用京津冀区域内的降水量和降水路径预报对预先存储在数据库中的京津冀区域内常规降水量和降水路径结果进行修正，获得修正后的降水量和降水路径预报，并将其存储在数据库中；

所述水文资料获取模块，用于获取地面径流资料；所述地面径流资料包括：地面GIS、水文信息和路面节点水利设施，例如，鱼塘、水库、湖、河网、水闸和泵站。

所述水文预报模块，用于利用卫星气象产品和水文资料信息，基于大气水文耦合模式，模拟复杂地形条件下的水文过程，提供该京津冀区域内的水位预报、预警和预泄决策；

所述响应演示模块，用于根据获得的修正后的降水量和降水路径预报，结合地面径流资料，模拟未来数小时内京津冀区域内的降水径流趋势和降水在地面向低处汇流，最终进入河道的过程，实现径流预警和预测。

所述预警决策模块，用于根据预先设置的径流监测点阈值，对预警响应级别进行权重分析和决策判断，提供容错率分析报告，确定决策方案，进而确定一套完整的针对京津冀区域内的防台预泄、防洪排涝和洪涝灾害预防方案。

基于上述预测系统，本实施例还提供了一种区域大气水文耦合预警决策方法，该方法包括：

实时获取京津冀区域的区域资料；

其中，所述区域资料包括：区域观测数据、格点数据、卫星红外和微波数据；

通过实时获取的区域资料，实时进行降水路径和强度预报分析，获得京津冀区域内的降水量和降水路径预报；

利用获得的京津冀区域内的降水量和降水路径预报对预先存储在数据库中的常规降水量和降水路径结果进行修正，获得修正后的降水量和降水路径预报，并将其存储在数据库中；

利用卫星气象产品和水文信息，基于大气水文耦合模式，模拟复杂地形条件下的水文过程，提供该京津冀区域内的水位预报、预警和预泄决策；

具体地，所述的大气水文耦合模式，是指将大气同化模型与水文模型耦合来研究水循环，达到径流准确预测的目标。大气同化模型的高分辨率输出结果，如大气温湿度廓线、大气水汽含量，云中液态水，气压，降雨率，强对流，台风路径等常规气象观测数据和卫星数据，用作气象的强迫因子来驱动区域尺度和流域尺度的水文模型输入，参数率定方案结合陆地水文信息、大气信息和海路陆交界信息。根据区域地形地貌和水文信息，需要系统设置，预报系统静态参数设置和预处理，实时输入数据处理，水文模式预报和降水观测资料融合流程控制；耦合方式为双向耦合，将水文模型的结果栅格化输入大气模型，使用降雨、历史雨量、历史径流和历史蒸散发作为两种模型的交互关系的纽带，考虑水文模型与大气模型的交互机制；

根据获得的修正后的降水量和降水路径预报，结合地面径流资料，模拟未来数小时内该京津冀区域内的降水径流趋势和降水在地面向低处汇流，最终进入河道的过程，实现径流预警和预测。

根据预先设置的径流监测点阈值，结合预报的降雨量，对径流监测点进行预报更新，并对预报降雨量进行反馈，经多次迭代，确定预警响应级别，并做出最终决策；进而确定一套完整的防台预泄、防洪排涝和洪涝灾害预防方案。

具体地，首先对地面信息(如鱼塘、水库、湖、河网、水闸、泵站及其他水利设施)进行主成分分析，根据指定的京津冀区域，确定神经网络模型输入的主要参数，利用后向传输算法，对径流历史监测数据进行权重函数训练，得到新的径流预报结果，进行记录后，反馈到神经网络模型模型输入，经过反复迭代，将预报降雨量和径流预报进行智能判断，利用查找表方法，根据历史降水量预报值，历史径流记录值和历史响应级别的匹配，确定当前预警等级，得到准确的决策判断。

最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。