地球科学进展

地球科学进展, 2021, 36(3): 233-244 DOI: 10.11867/j.issn.1001-8166.2021.025

科技重大计划进展

西北干旱区融雪洪水灾害预报预警技术：进展与展望

陈仁升,1,3, 沈永平1, 毛炜峄2, 张世强3, 吕海深4, 刘永强5, 刘章文1, 房世峰6, 张伟1, 陈春艳7, 韩春坛1, 刘俊峰1, 赵求东1, 郝晓华1, 李如琦7, 秦艳5, 黄维东8, 赵成先9, 王书峰10

1.中国科学院西北生态环境资源研究院，甘肃 兰州 730000

2.中国气象局乌鲁木齐沙漠气象研究所，新疆 乌鲁木齐 830000

3.西北大学，陕西 西安 710127

4.河海大学，江苏 南京 210098

5.新疆大学，新疆 乌鲁木齐 830046

6.中国科学院地理科学与资源研究所，北京 100101

7.新疆维吾尔自治区气象台，新疆 乌鲁木齐 830002

8.甘肃省水文水资源局，甘肃 兰州 730000

9.新疆额尔齐斯河流域开发工程建设管理局，新疆 乌鲁木齐 830000

10.阿勒泰水文勘测局，新疆 阿勒泰 836300

Progress and Issues on Key Technologies in Forecasting of Snowmelt Flood Disaster in Arid Areas， Northwest China

CHEN Rensheng,1,3, SHEN Yongping1, MAO Weiyi2, ZHANG Shiqiang3, LÜ Haishen4, LIU Yongqiang5, LIU Zhangwen1, FANG Shifeng6, ZHANG Wei1, CHEN Chunyan7, HAN Chuntan1, LIU Junfeng1, ZHAO Qiudong1, HAO Xiaohua1, LI Ruqi7, QIN Yan5, HUANG Weidong8, ZHAO Chengxian9, WANG Shufeng10

1.Northwest Institute of Eco-Environment and Resources，Chinese Academy of Sciences，Lanzhou 730000，China

2.Institute of Desert Meteorology，China Meteorological Administration，Urumqi 830000，China

3.Northwest University，Xi'an 710127，China

4.Hohai University，Nanjing 210098，China

5.Xinjiang University，Urumqi 830046，China

6.Institute of Geographic Sciences and Natural Resources Research，Chinese Academy of Sciences，Beijing 100101，China

7.Xinjiang Meteorological Observatory，Urumqi 830002，China

8.Hydrology and Water Resources Bureau of Gansu Province，Lanzhou 730000，China

9.Xinjiang Irtysh River Basin Development and Construction Management Bureau，Urumqi 830000，China

10.Altay Hydrological Survey Bureau，Altay Xinjiang 836300，China

收稿日期: 2021-01-20   修回日期: 2021-02-20   网络出版日期: 2021-04-30

基金资助: 国家重点研发计划项目“干旱区融雪洪水灾害监测预报和防控关键技术研究与示范”.  2019YFC1510500
国家自然科学基金重大项目“冰冻圈水资源服务功能研究”.  41690141

Received: 2021-01-20   Revised: 2021-02-20   Online: 2021-04-30

作者简介 About authors

陈仁升（1974-），男，山东沂水人，研究员，主要从事寒区水文观测与模拟研究.E-mail：crs2008@lzb.ac.cn

CHENRensheng（1974-），male，YishuiCounty,ShandongProvince,Professor.Researchareasincludealpinehydrology.E-mail：crs2008@lzb.ac.cn

摘要

针对全球变化背景下极端升温、暴雪和雪面雨等事件增多以及我国西北干旱区融雪洪水灾害风险增大问题，简要概述了干旱区融雪洪水预报预警系统及其关键技术的研究进展，重点阐述了近年来发生频率增加、灾害风险大，但在干旱区未引起重视的雪面雨洪水的研究进展，提出了西北干旱区融雪洪水高精度预报预警所面临的关键科学问题，指出需在揭示干旱区融雪洪水灾害致灾机理、成灾机制及其演化规律基础上，研发干旱区融雪洪水灾害监测预警装置并构建立体监测体系，研究雨雪冰混合洪水形成及演进过程并建立模型，构建洪水风险评估指标体系，建成干旱区融雪洪水智能化预报预警决策支持平台，动态展示流域实时、潜在及未来超标准融雪洪水的淹没范围，评估风险程度，并提出防洪技术和工程方案以及洪水资源化利用途径等应对措施。

关键词： 极端升温过程 ; 雪面雨 ; 雨雪冰混合洪水 ; 预报预警 ; 智能化决策支持系统 ; 洪水资源化

Abstract

Under the global warming， the extreme warming process， heavy snowfall and Rain-On-Snow event occur more frequently， resulting in more frequent snowmelt floods， and the rain， snow and ice mixed floods. Therefore， the projection， prediction， forecasting and early warning of the flood disasters are urgently needed in the arid regions of northwest China. According to the present research progress on key technologies of snowmelt flood disaster forecasting， it is necessary to reveal the mechanism of flood disasters， develop the monitoring and early warning device of snowmelt flood disasters， and then construct the three-dimensional monitoring system in arid areas. Based on the in situ， remote observation and involved research results， a hydrological model should be developed to accurately simulate the rain， snow and ice mixed floods. Therefore， an Intelligent Decision Support System （IDSS） should be constructed to demonstrate the flood submerged areas， evaluate the risk of the flood disasters and give the best solutions in the arid regions of northwest China.

Keywords： Extreme warming process ; Rain-On-Snow ; Rain， snow and ice mixed flood ; Forecasting and warning ; Intelligent Decision Support System ; Floodwater utilization

PDF (1810KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

陈仁升, 沈永平, 毛炜峄, 张世强, 吕海深, 刘永强, 刘章文, 房世峰, 张伟, 陈春艳, 韩春坛, 刘俊峰, 赵求东, 郝晓华, 李如琦, 秦艳, 黄维东, 赵成先, 王书峰. 西北干旱区融雪洪水灾害预报预警技术：进展与展望. 地球科学进展[J], 2021, 36(3): 233-244 DOI:10.11867/j.issn.1001-8166.2021.025

CHEN Rensheng, SHEN Yongping, MAO Weiyi, ZHANG Shiqiang, LÜ Haishen, LIU Yongqiang, LIU Zhangwen, FANG Shifeng, ZHANG Wei, CHEN Chunyan, HAN Chuntan, LIU Junfeng, ZHAO Qiudong, HAO Xiaohua, LI Ruqi, QIN Yan, HUANG Weidong, ZHAO Chengxian, WANG Shufeng. Progress and Issues on Key Technologies in Forecasting of Snowmelt Flood Disaster in Arid Areas， Northwest China. Advances in Earth Science[J], 2021, 36(3): 233-244 DOI:10.11867/j.issn.1001-8166.2021.025

1 引 言

洪水灾害是全球发生频率最高、损失最严重的自然灾害之一［1］，1980—2013年全球洪水造成的直接经济损失高达1万亿美元［2］。在全球变暖的背景下，随着全球极端暴雨［3］和洪水事件频次［4］增加，未来洪水灾害损失将越来越严重，预估全球136个主要沿海城市2005—2050年累积洪灾损失或可达1万亿美元［5］。我国洪水灾害造成的人员伤亡和经济损失分别占各类自然灾害总损失的75%和40%［6］。随着全球变暖极端气象和水文事件增加，我国水灾损失也越来越严重：1950s为1 073亿元，1980s上升到5 985亿元，1990s则飙升到12 615亿元，2000s以来年均也超过1 000亿元［7］。

我国西北干旱区融雪洪水包括升温融雪型洪水和雨雪混合型洪水2种，前者主要发生在新疆北部乌苏、呼图壁和玛纳斯县以及西部伊犁州等地，集中在3月中旬至4月上旬；后者多发生于祁连山、昆仑山和天山等地，集中在5~6月。由于干旱区积雪主要分布在山高坡陡、产汇流快的山区，在极端升温和/或雪面雨（Rain-On-Snow，降落在积雪表面的雨）过程的诱发下，加之水利设施薄弱，容易造成融雪洪水灾害，对当地居民、道路桥梁等造成较为严重的威胁［8］。此外，在新疆北部特别是阿尔泰山南麓、新疆西部伊犁河谷的浅山区和平原区，由于冷季大量积雪，在极端升温事件诱发下，积雪快速消融，在暖冬年份由于平原区主要为砂土覆盖，融水快速下渗，一般不会形成灾害；但在冷冬年份，由于土壤表层冻结，往往会形成灾害性洪水。融雪洪水发生时期，由于河冰广泛覆盖，往往形成雪冰或雨雪冰混合洪水，冰坝影响河道行洪、洪水灾害损失巨大。如1985年3月新疆乌苏洪水，阻断乌伊公路7天，冲毁农田约57.73 hm2、渠道16 km、民房6 154 m2，死亡3人；1988年3月，新疆塔城、伊犁和天山北坡发生了新中国成立以来最严重的融雪洪水灾害，冲毁312国道130 km、水渠181 km，淹没农田9 600 hm2、水工建筑物70座，直接经济损失数十亿元［9］；2005年3月，伊犁河谷11万人受灾，冲毁房屋约1.2万间，溺水死亡牲畜3 736头，淹没农田796 hm2［10］；2009年3月，新疆尼勒克县淹没冬小麦超过113.33 hm2［11］；2010年1月，阿勒泰和塔城地区受灾人数约9万人，淹没房屋2 908间，冲毁大棚约761座［10］。1950—1993年，融雪洪水共冲垮新疆142座中小型水库大坝，2001—2014年造成14人遇难［12］。近年来，由于干旱区大型河流水利设施的完善，融雪洪水灾害主要发生在相对偏远、水利设施薄弱的小型河流地区。

在全球变暖背景下，雨雪比、积雪特性及其融水规律发生了变化，导致北半球多数地区融雪洪水期提前，洪水频次增加。研究结果表明，过去50年欧洲东北部融雪洪水期提前了约20 d［13］；我国干旱区以融雪径流为主的克兰河，其洪峰由1990s之前的6月提前到1990s—2010s的5月［14］。全球变暖还导致雪面雨事件增多，如阿尔卑斯山脉1965—2015年增加了约40%［15］。雪面雨事件往往造成灾害性洪水，因为其不仅携带了较多的热量加速积雪消融，而且降雨过程往往意味着发生了极端升温事件，也加速了积雪消融过程；同时，雪面雨强一般较大，对积雪形成强烈侵蚀，而此时地表冻结、入渗受阻，容易快速形成地表径流，在地形陡峭、积雪较多的山区快速形成雨雪冰混合洪水，并携带大量砂石，冲蚀平原地区的积雪，形成了雨雪混合灾害性洪水；受此影响，1965—2015年阿尔卑斯山区雨雪混合洪水比例也增加了约40%［15］，北美［16］和我国干旱区也有类似的增加趋势。此外，近年来甚至在冬季也出现了融雪洪水；最早报道的是2010年1月发生在准格尔盆地西北部裕民县及其邻近地区的洪水，该地区1月降雪量高达95 mm，受1~7日极端升温过程诱发洪水［17］；2019年11月24日，新疆阿勒泰市也出现了升温融雪型洪水。综合研究结果表明，在过去70年里北美［18］和欧洲高纬地区［13］融雪洪水频次增加明显，我国干旱区1980s—2010s洪水频次是1970s的5~10倍［19］。预估未来北半球包括我国主要积雪区的融雪洪水频次更高，致灾性更高的雨雪冰混合洪水的比例增加，灾害风险加大，灾害防控面临新挑战，亟需开展洪水预估、预报、预警和防控。

2 研究进展

我国西北干旱区气象、积雪和洪水等监测薄弱，融雪洪水形成机理研究相对匮乏，洪水演变过程模拟基础差，洪水预报、预警精度较低，这都给洪水灾害高精度预报和预警带来了极大的困难。下面重点阐述近年来发生频率增加、灾害风险大但在干旱区未引起重视的雪面雨洪水的研究进展，并简要概述干旱区融雪洪水预报预警系统及其关键技术的进展情况。

2.1　干旱区“新型”融雪洪水：雪面雨洪水

一般认为，干旱区升温融雪型洪水主要是由极端升温过程造成，而雨雪混合洪水则是在积雪消融季节由中低山区降雨径流叠加高山区的积雪融水形成的；雪面雨洪水作为干旱区一种特殊的雨雪混合洪水，过去一直没有得到重视；但近年来雪面雨洪水事件时有发生，如2013年6月17日在祁连山黑河上游观测到1次雪面雨洪水，实测最大半小时降雨量11.7 mm，2小时降雨量26.3 mm，降雨强烈侵蚀高山区的积雪，伴随降雨径流形成了快速雨雪混合洪水，侵蚀河道形成了破坏性强的水石流，总经济损失超过550万元。相关研究表明，在全球变化背景下，北半球春季降雨提前［20］，雪面雨事件增多［21］，且向海拔更高、积雪更多、坡度更陡、更容易快速形成洪水的地区发展［22］。因此，认识雪面雨对积雪消融及洪水形成过程的作用机理，对于提高我国西北干旱区雪面雨洪水的预报、预估精度等具有重要的意义。

雪面雨在全球高纬度、高海拔地区普遍存在［23］，主要发生在晚秋和早春，在冬季也时有发生［24］。现有研究结果表明，世界上许多极端洪水与雪面雨事件有关［25］，如在美国西海岸、西部内陆主要山脉、阿巴拉契亚山脉等地区，超过70%的极端洪水（小于0.1%概率）是由雪面雨造成的［26］；在德国海拔400 m以上流域的河道侵蚀与雪面雨洪水有关［25］；在奥地利490个流域11 518场洪水中约54%为雪面雨造成［27］；雪面雨在英国也常常形成洪水［28］，甚至提前并加速了北极地区的积雪消融过程［29］。近年来，越来越多的学者更是直接将“雪面雨”事件与洪水概念对等［30，31］。因此，研究雪面雨频次及强度变化［32，33］、雪面雨加速积雪消融过程及其致灾机理［34］、雪面雨洪水变化及未来预估［35］等成为了当前全球的热点和前沿问题：

（1）如何界定雪面雨事件是雪面雨频次及强度变化研究中的前沿和难点问题。雪面雨主要发生在高纬度和高海拔地区，监测数据稀缺导致难以准确确定某次降水事件是否为雪面雨事件［36］，目前主要采用基于临界气温的雨雪分离法来确定雪面雨事件并分析其变化趋势，如Freudiger等［37］发现1950—2011年欧洲中部中山区冬季雪面雨事件呈增加趋势，1990年以后春季减少；瑞士1972—2012年雪面雨事件呈微弱减少趋势，但阿尔卑斯山地区1960s以来雪面雨事件呈增加趋势［22］；从全球范围看，在过去50年里寒区流域的雪面雨事件总体呈增加趋势［38］。鉴于高海拔地区雨雪分离临界气温的高度时空异质性，相关研究还存在较大的不确定性；这也导致目前最为关注的、大型的灾害性雪面雨事件重建问题变得极为困难［33］。为此，Pall等［36］和Wachowicz等［39］探讨了界定雪面雨事件的参数化方法，并分别为挪威和美国提供了相关的空间参数集，但在地形复杂和监测稀少的地区，这些方法的适用性及参数精度还难以保证。

（2）人工降雨模拟试验是认识雪面雨洪水形成过程的快速、有效手段，但目前全球相关试验仅有2次，且均在中低海拔区的厚层积雪中开展。在过去的几十年中，主要采用人工降雨模拟试验［40］研究降雨对积雪消融过程的作用，最相关的试验如表1所列。这些试验信息可总结为：①试验目的：涉及产流过程的仅2次，分别探讨总径流［30］和雪内径流［41］形成过程；②试验雪层：均为厚层雪，介于47~210 cm；③国别：7次试验中5次在美国，2次在欧洲；④地理特点：中纬度、中低海拔地区；⑤试验重复：少于10次（1~8次），平均3.8次；⑥降雨量及历时：次降雨量2.5~201 mm、历时5~2 160 min；⑦监测项目：缺积雪含水量及冲蚀过程监测等。

表1   全球主要雪面雨人工降雨模拟试验信息(据参考文献[40]补充）

Table 1  The main artificial rainfall simulation test on the snow cover in the world (revised from the reference [40]）

试验目的试验地点海拔/m试验次数/次降雨量/mm降雨历时/min示踪剂降雨面积/m2雪深/cm试验间隔/min径流深/mm积雪粒径/性状锋面入渗率/（cm/min）积雪密度/（g/cm3）参考 文献
雨水入渗美国内华达山脉Soda泉附近2 10032.5（次）5染色剂1.0×1.050~100--新雪、雪温小于0 ℃1.5~9.8-[42]
雨水入渗美国喀斯喀特山脉，斯诺夸尔米山口附近915219.0、100.0600、 2 160无1.5×1.0120、135无、660无观测0.1~1 mm；老雪（含两污化层）0.2-[43]
产流过程奥地利大格洛克纳山Glatzbach流域2 640649.2~201.060~120无2.0×1.0、2.0×2.010810~143.1~203.8含5层冰10.0-[30]
溶质运移美国内华达山脉Soda泉附近2 1003240.0（总）90~270Tm、Yb、Lu6.0×3.013545~90330.0老雪1.4~2.90.42±0.04[44]
溶质运移美国内华达山脉Soda泉附近2 1004460.0（总）306~330F-(KF)、Br-(LiBr)6.0×3.0210110~130336.0雪温小于0 ℃1.6~1.90.35±0.14[45,46]
雪内径流美国爱达荷州博伊西国家森林公园85089.5（次）30NaCl1.5×0.547~138120~ 1 290-

0.25~

1.00 mm

1.9~11.50.21~0.31[41]
径流分割捷克共和国巨人山脉拉贝河流域1 300172.761δ2H0.5×0.51201991.7粗粒老雪（含两硬层）6.00.57[40]

注：“-”表示无观测

新窗口打开| 下载CSV


（3）雪面雨对积雪消融过程影响机理的研究。①雪面雨对积雪性质的影响。研究表明，雪面雨提高了积雪含水量和消融速率，降低了反照率，增加了积雪层的能量并改变了能量平衡［33］；增强了积雪的变质作用，导致粒径变粗［43］、积雪下沉和密实化［47］，提高了导热系数［33］，因而加速了消融过程。②雪面雨强度对融雪径流形成过程的影响。美国爱达荷州博伊西国家森林公园的8次人工降雨试验结果表明，在小雨情况下（次降雨量9.5 mm），降雨对厚层积雪（47~138 cm）融水径流形成的加速作用较弱［41］；奥地利大格洛克纳山2个试验场（雨强0.80~1.66 mm/min；降水量49.2~201 mm；雪深108 cm）3次降雨试验结果表明，在高强度降雨影响下，融雪径流往往跟随降雨的入渗途径而快速流动；尽管厚层积雪的储水能力较强，但结冰层的隔水作用更大，强降雨引起的径流运动速率也远远大于常规融雪径流［30，31］；如果土壤冻结，则更为迅速［48］；积雪饱和时的水流速率可高达6 m/h，饱和后加速产流；在饱水条件下，小降雨事件也可能会产生快速的径流，形成洪水［30］；在高强度降雨情况下，还常常会出现优先流，这主要是由积雪表面的不均一性造成的［49］。Rücker等［38］总结指出，对于单次雪面雨事件来说，小雨多数储存在厚层积雪中，在积雪液态水充足情况下也可以促进产流过程，视季节和积雪特性而定；多数大雨可导致融雪洪水事件的发生。③雪面雨洪水形成过程的其他影响因素。McCabe等［50］的研究表明，雪面雨洪水不仅与降雨量及其强度有关，而且与0 ℃等温层高度和积雪特性等有关。雪层中水分是储存还是产流主要受控于雪温、积雪分层状况、雪粒大小和积雪成熟度等。研究表明，新雪层比老雪层拦蓄降雨的能力更强［51］，成熟分层积雪可储存约7%的液态水；雪中水流速度，在正常情况下可达3 cm/min；但在极端情况下，可达10 cm/min［30］；积雪层饱和或者底部结冰也是融雪径流快速形成的重要原因［31］。Marks等［52］发现60%~90%的积雪消融能量来自于乱流热通量，但Mazurkiewicz等［53］发现太阳辐射是最大的影响因素。森林砍伐也会加速雪面雨洪水的形成过程及其峰值［54］。雪面雨洪水最易形成于融雪季节晚期，在北美等地区受北极涛动或北大西洋涛动的影响较大［55］，在欧洲南部则主要受西南季风的影响［56］；Guan等［57］认为天河（Atmospheric rivers）的出现加大了雪面雨洪水的风险，美国内华达山脉1998—2014年约50%的雪面雨洪水与之有关。总体来看，雪面雨强度、雪深和雪层初始含水量是最重要的影响因素［49］。④雪面雨径流分割。如何定量区分雪面雨洪水中降雨和融雪水的贡献还存在极大的挑战［58］，同位素示踪和模型模拟等是主要的研究手段。研究发现，加拿大1995年的2次雪面雨事件中降雨占融水径流的比例分别为33%和50%；美国爱达荷州博伊西国家森林公园的人工降雨试验结果表明，积雪场（含降雨和积雪消融）可贡献12%的流域径流量［41］；捷克共和国克尔科诺谢山的人工降雨试验发现，尽管在高强度降水情况下，降雨仅占总产流量的52.7%，厚层积雪（120 cm）截留了约33.6%的降雨量；降雨将雪层中原液态水挤出后才产流［40］；瑞士阿尔卑斯山浅山区的研究结果表明，不同试验场降雨占总径流量的5%~35%［38］。⑤雪面雨动力侵蚀过程。强降雨进入积雪层后，改变了雪层结构，削弱了雪粒之间的链接，降低了雪层的机械强度［31］，容易引起雪崩［59］；在强降雨对积雪侵蚀的同时，雨雪混合洪水还会对下坡积雪造成强烈的冲蚀，形成灾害性较强的洪水。研究降雨侵蚀积雪的动力过程，对于洪水预报和风险评估至关重要［50］，但相关机理还不明确［40，60］。因此，目前最受关注的是雪面雨侵蚀积雪动力过程及其诱发极端洪水的机制［23］研究。

（4）流域尺度雪面雨洪水模拟和预报。流域洪水峰值总体受控于积雪、降雨特性和能量平衡；积雪特性如雪深、密度、含水量和雪水当量，雪面雨特性如雨滴大小、温度、雨强和历时等复杂时空变化，流域风场、地形（如坡度、坡向、海拔）和植被覆盖等对洪水形成过程也有较大的影响。此外，雨水和融水在积雪中的流经途径也是多变的，这都给融雪洪水高精度模拟带来了极大的挑战［38］。由于观测稀少、机理认识特别是对动力机制认识不足，加上气象预报的不确定性，导致雪面雨洪水预报非常困难［61］，特别是极端洪水事件［34］。

（5）雪面雨洪水预估研究。由于缺乏系统观测和对动力机制认识不足，目前雪面雨洪水的预估还主要采用气温变化作为主要依据［33］。研究发现，未来加拿大、美国中部和西北地区雪面雨洪水频次将会增加［55］，北美西部雪面雨洪水风险增加幅度可达20%~200%［21］；未来斯洛文尼亚［62］、日本［63］和北冰洋［32］等国家与地区极端雪面雨洪水也会增加；到全球温升2~4 ℃时，瑞士阿尔卑斯山雪面雨洪水可增加约50%［64］；但挪威南部到2070—2099年雪面雨洪水则比参照年减少约48%［35］；未来全球，特别是北半球高纬度地区雪面雨事件频次总体增加［55］。但在雪面雨洪水预估方面，Melgar等［33］总结指出，全球多数高风险地区的相关研究还极为匮乏。

2.2　融雪洪水预报预警系统驱动信息获取技术

融雪洪水预报和预警主要利用气象预报的气温等信息来驱动水文模型［65～67］，其误差主要来源于天气预报的精度［68，69］、地面积雪储量和储能观测以及河道洪水演变过程的模拟精度。土壤湿度、冻土分布和气温等时空分布信息也是融雪洪水预报和预警的重要影响因素［70］。Schmid等［71］通过upGPR-GPS综合技术，实时无干扰监测积雪含水量、雪深、雪水当量信息，为融雪洪水预报和预警提供了较为可靠的数据支撑。精细化积雪观测和模拟需采用涡度相关系统、气象梯度和辐射观测等全方位获取积雪表面能量的输入和输出［72］；而地面站点资料尽管能够获取这些信息，但其空间代表性在山区受限，有限的观测资料给复杂地形的山区融雪径流预报和预警带来了极大挑战。因此，精确地预报和预警洪水还需要掌握流域尺度的精确积雪储量、分布和消融等信息。高时空分辨率遥感监测是目前获取区域和流域尺度相关信息的有效手段；相关研究结果表明，由于干雪和湿雪的特性不同，在积雪遥感监测中结合微波和可见光遥感，能极大地提高积雪信息的精度，可为融雪洪水预报和预报提供大尺度的可靠信息［73］。Dziubanski等［74］应用AMSE-E雪水当量数据，利用SNOW17水文模型模拟了密西西比河7个子流域的融雪径流，结果表明利用AMSE-E雪水当量数据和卡尔曼率波方法同化前期径流数据能够极大改善后续径流的模拟精度。

2.3　融雪洪水形成过程模拟方法

融雪消融模拟是融雪洪水预报和预警系统的核心模块之一，目前主要采用度日因子法和能量平衡法进行模拟。例如，在新疆塔里木河融雪径流洪水模拟中，Paix等［75］采用了D-IUH度日模型；SWAT和SRM等采用度日因子法的融雪消融模型也被广泛应用于西北干旱区融雪径流模拟中［76］。CRHM和SSARR等采用能量平衡法的模型［77］，以及更为复杂的、考虑风吹雪和积雪滑塌等积雪再分布过程的SnowModel、SnowTran-3D和SnowSlide等模型［13］，也被广泛应用于全球不同地区的融雪径流估算中。由于不同流域积雪、气象观测数据资料多寡不一，能量平衡类模型和度日因子类模型的优劣很难对比。为此，Verdhen等［78］对比了包括HEC-1、NWSRFS、PRMS、SHE、SRM、SSARR、SWAT、TANK和UBC等在内的9个融雪径流模型，发现采用度日因子法的SWAT和采用能量平衡法的SSARR模型表现整体优于其他模型，但鉴于模型输入数据的不同，模型精度也受到输入数据不同的限制；度日模型数据输入少，精度稳定，而能量平衡模型要求输入较多数据，模拟精度往往受限于观测数据的多寡。因此，可用数据是模型选择的重要参考要素。

2.4　融雪洪水河道演进及淹没范围评估方法

河道洪水演进过程模拟也是融雪洪水预报和预警系统的核心之一，常采用2种模型计算［79］：①洪水河道路径演化模型——利用槽蓄方程和水量平衡方程的河道流量演算法，例如马斯京根—康吉演算模型或动力波法。②采用水动力模型。一般通过求解1、2、3维近似的纳维斯托克斯方程，对于较浅河道常采用求解圣维南方程组近似求解。

洪水淹没范围预报和预警可通过多种方法计算［80，81］，主流算法是采用水文模型与水力学模型嵌套方法［82~84］。在洪水风险评估方面，Li等［85］引入了模糊数学理论方法进行评估，Apel等［86］在蒙特卡罗框架下采用概率统计方法进行风险和不确定性评估，Saad等［87］则采用多变量连接函数概率统计方法评估了加拿大魁北克黎塞留河的融雪洪水灾害。

2.5　干旱区融雪洪水预报预警系统

智能化决策支持系统是融雪洪水预报预警系统数据、模型等的集成和展示平台，能够直接帮助政府和公众更好地应对洪水灾害［88］，在洪水保险、基础设施建设、粮食安全等诸多方面应用广泛［89］。目前，全球多数国家已经建立了其特色的洪水决策支持系统，如欧洲联合研究中心联合水文和气象服务部门，在2003年开展了“欧洲洪水预警系统”研究项目，旨在开发洪水预警系统［90］；借助欧洲中期天气预报中心的51种概率天气预报，目前已经能够提前预报未来3~10 d的洪水［91］；俄罗斯文气象和环境监测部也构建了基于监测部门、新闻媒体、政府等多部门联合的洪水监测预警系统［92］；韩国则利用基于智能化的软件和硬件，建立了其洪水预警系统［93］等。Sharma等［94］2019年指出，在中小流域尺度洪水预报预警系统中，提供多种可供选择的模块或模型，对于提高预报预警精度具有较好的促进作用。

在我国干旱区融雪洪水预报预警决策支持系统研发方面，刘志辉［95］较早地构想运用GIS技术集成，构建一个多功能为一体的流域供水管理决策支持系统来解决融雪洪水预警问题。之后，马俊英等［96］针对防洪决策需求，提出了一种适用于新疆干旱区的防洪决策支持系统框架，期望提高决策者的决策效率，降低融雪洪灾损失。2007年，刘永强等［97］基于B/S和J2EE技术，设计了融雪预警决策系统框架，运用面向对象表示方法建立融雪洪水预警知识库，将成熟的关系型数据库与模型库理论集成，提出了基于参数元的关系型融雪洪水预警决策系统的模型库管理系统，统一了模型库数据接口，使模型与模型参数相互独立、模型库与数据库相互独立，实现了模型库共享，最终研制出集数据仓库、方法库、模型库和知识库为一体的新疆融雪洪水预警决策支持系统；这是我国首次结合现代“3S”技术、虚拟现实及计算机多媒体等研建的干旱区融雪洪水预警决策支持系统，填补了我国在该领域的空白。2009年，闫彦等［98］从孕灾环境、致灾因子和承灾体3个方面，选择自然、经济、人口和防洪设施四大类因子，建立了新疆融雪洪水预警指标体系，构建了融雪洪水预警指数模型。同时，刘志辉［99］结合新疆当地实际，考虑了融雪洪水量级、时空分布和洪水可能造成的经济损失等，建立了新疆融雪洪水预警模式和预警标准，拟根据融雪模型预测的洪峰和洪量，按照灾害等级提前进行融雪洪灾预警。2015年，Fang等［65］进一步改进了新疆融雪型洪水预报预警系统中的部分算法。在此基础上，Liu等［100］采用实测积雪数据结合模型算法，于2016年专门构建了天山北坡呼图壁县军塘湖流域的积雪洪水灾害框架。王大环等［101］则于2017年运用熵权确定影响因素的权重，利用模糊C均值聚类模式识别分类方法确定融雪洪水分类，以迅速判断洪水产流类型，有效地提高了融雪洪水的预报精度。

3 问题与展望

尽管近年来空—天—地一体化监测技术快速发展，如高精度微波和可见光遥感、雪水当量仪等能够连续监测积雪特性，自动水位传感器等可有效监测河道洪水状况，但由于融雪洪水频发区地形复杂、监测数据有限，导致洪水灾害预报预见期短、预警响应时间过长。北半球高纬地区以及我国干旱区等多数研发了融雪洪水预报预警系统，但受融雪洪水监测能力限制，以及对温升背景下洪水形成和演进过程中诸多科学问题的认识不足，干旱区融雪洪水模拟精度总体偏低，预报预警能力偏弱，尚未完全在业务部门普及推广；亟需立足我国干旱区、面向“一带一路”需求，全面提升融雪洪水灾害监测、模拟、预报、预警和应对的综合能力。要实现干旱区融雪洪水高精度预报预警的需求，需重点关注如下几个关键科学和技术问题。

3.1　关键科学问题

（1）　降雨侵蚀积雪过程动力机制

在全球变暖的背景下，雪面雨事件增多并将引发更多的极端洪水，雪面雨对积雪的动力侵蚀过程是极端雨雪冰混合洪水的关键触发器，但相关研究极为匮乏。通过多期、多地、多组人工降雨控制试验，揭示雪面雨对积雪的动力侵蚀机制，既是该领域的研究前沿和热点，也是当前国家“防洪减灾”的重要需求。

（2）　干旱区融雪洪水致灾机理

干旱区融雪洪水灾害形成过程不同于我国青藏高原、东北等主要积雪区以及国外高纬度地区。研究干旱区融雪、混合型洪水灾害产生的物质基础、触发条件和受灾对象，揭示干旱区极端升温和雪面雨动力侵蚀过程致灾机理与成灾机制，是干旱区融雪洪水灾害评估、预报预警和防控的基础。

（3）　温升背景下积雪特性变化和冻土消融提前对融雪洪水形成过程的影响机制

温升背景下，全球降雪特性（雨雪比例和干湿雪比例）、积雪时间（积雪初日、终日和积雪期）变化减少了积雪的密实化，加速了积雪的升华和融化过程，并且冻土提前消融改变了积雪融水的入渗和产汇流过程，最终影响了融雪洪水的形成过程；相关研究属领域前沿或尚未开展，亟需研究其影响机制并构建数学方程。

（4）　雨雪冰混合洪水的灾害叠加增强机制

随着全球变暖，降雨初期提前，极端降雨发生在融雪初、中期的频率增加。强降雨过程携带热量和动能、冲刷厚层积雪，形成短时、大型洪峰并携带大量石块、泥沙，侵蚀河冰形成冰凌、冰坝，洪水破坏力叠加增强，极易形成严重灾害，这是当前国际上的热点和难点问题。为精确预报预警干旱区融雪洪水灾害，亟需认识并定量描述该叠加增强机制。

3.2　关键技术问题

（1）　极端降雪与升温过程精细化预报技术

①复杂地形极端降雪精细化网格预报技术；②复杂山地升温过程精细化网格预报技术；③极端降水相态预报技术。

（2）　资料匮乏地区融雪洪水形成和演进立体监测技术

①空—天—地监测布网与数据传输技术；②积雪特性地面监测技术；③基于微波和可见光遥感的积雪参数反演技术；④河道洪水智能化实时监测技术。

（3）　雨雪冰混合洪水形成、演进过程模拟与联合调控技术

①复杂地形风吹雪及积雪消融模拟技术；②河道冰洪多源数据融合降低洪水演进过程模拟不确定性模型参数优化技术；③冰凌冰坝形成与溃决的动力和热力耦合技术；④雨雪冰混合洪水集成模拟技术；⑤不同时间尺度上水资源调配模拟、水库闸坝调控等多个过程之间的耦合模拟技术。

（4）　融雪洪水决策支持系统中的模型库、知识库、软件实现方法与集成技术

①3×3平台/架构构建技术；②数据库、知识库和模型库及其管理系统关联技术；③融雪洪水预警决策支持系统业务集成技术；④融雪洪水灾害防控技术（图1）。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   干旱区融雪洪水灾害决策支持系统示意图

Fig.1   The intelligent decision support system diagram of snowmelt flood in the arid regions


在回答上述科学问题、攻关相关技术问题基础上，建成我国西北干旱区融雪洪水智能化预报预警决策支持平台，动态展示流域实时、潜在及未来超标准融雪洪水的淹没范围，评估风险程度，并提出适合西北干旱区的防洪技术和工程方案以及洪水资源化利用途径等应对措施。

鉴于西北干旱区水资源短缺，洪水资源化利用应是防控的主要目标。在我国湿润地区，超过10年一遇的洪水一般不考虑资源化，但在西北干旱区戈壁、荒漠和沙漠广布、生态用水紧缺，应加强探索超标准洪水转化为生态用水的有效途径。

参考文献

FANG Jian，DU Juan，XU Wei，et al．

Advances in the study of climate change impacts on flood disaster

［J］. Advances in Earth Science，2014，29（9）： 1 085-1 093．

[本文引用: 1]

方建，杜鹃，徐伟，等.

气候变化对洪水灾害影响研究进展

［J］. 地球科学进展，2014，29（9）： 1 085-1 093．

[本文引用: 1]

IPCC. Managing the risks of extreme events and disasters to advance climate change adaptation： A special report of the intergovernmental panel on climate change ［M］. Cambridge：Cambridge University Press， 2012.

[本文引用: 1]

IPCC.

Climate change 2013： The physical science basis

Contribution of working group I to the fifth assessment report of the intergovernmental panel on climate change

［M］. Cambridge， United Kingdom and New York， NY， USA： Cambridge University Press， 2013.

[本文引用: 1]

HIRABAYASHI Y， MAHENDRAN R， KOIRALA S， et al.

Global flood risk under climate change

［J］. Nature Climate Change， 2013， 3：816-821.

[本文引用: 1]

HALLEGATTE S， GREEN C， NICHOLLS R， et al.

Future flood losses in major coastal cities

［J］. Nature Climate Change， 2013， 3： 802-806.

[本文引用: 1]

ZOU Q， ZHOU J， ZHOU C， et al.

Fuzzy risk analysis of flood disasters based on diffused-interior-outer-set model

［J］. Expert Systems with Applications， 2012， 39（6）： 6 213-6 220.

[本文引用: 1]

WAN Xinyu， WANG Guangqian.

Typical flood disasters during last sixty years and strategies of flood control and disaster mitigation in China

［J］. Yellow River， 2011，33（8）：1-4.

[本文引用: 1]

万新宇，王光谦.

近60年中国典型洪水灾害与防洪减灾对策

［J］. 人民黄河，2011，33（8）：1-4.

[本文引用: 1]

SHEN Yongping， SU Hongchao， WANG Guoya， et al.

The responses of glaciers and snow cover to climate change in Xinjiang （II）： Hazards effects

［J］. Journal of Glaciology and Geocrology， 2013， 35（6）： 1 355-1 370.

[本文引用: 1]

沈永平，苏宏超，王国亚，等．

新疆冰川、积雪对气候变化的响应（II）：灾害效应

［J］．冰川冻土，2013， 35（6）： 1 355-1 370.

[本文引用: 1]

WU Sufen， LIU Zhihui， QIU Jianhua.

Analysis of the characteristics of snowmelt flood and previous climate in North Xinjiang

［J］. Journal of China Hydrology， 2006（6）： 84-87.

[本文引用: 1]

吴素芬， 刘志辉， 邱建华.

北疆地区融雪洪水及其前期气候积雪特征分析

［J］. 水文， 2006（6）： 84-87.

[本文引用: 1]

LIN Hu.

Based on GIS technology， design and application of distributed snowmelt model and snowmelt runoff forecast system

［D］. Urumqi： Xinjiang University， 2013.

[本文引用: 2]

蔺虎.

基于 GIS 技术的分布式融雪模型及融雪径流预报系统的设计与应用

［D］. 乌鲁木齐： 新疆大学， 2013.

[本文引用: 2]

QIAO Peng.

Research of spatial distributed snowmelt runoff model with double layer in the arid area—Take Juntanghu River basin for example

［D］. Urumqi： Xinjiang University， 2011.

[本文引用: 1]

乔鹏.

干旱区双层分布式融雪径流模型研究——以军塘湖流域为例

［D］. 乌鲁木齐： 新疆大学， 2011.

[本文引用: 1]

ABLIMITJAN Ablikim，CHEN Chunyan，YUSUP Abdula，et al．

The temporal and spatial distribution features of snowmelt flood events in Xinjiang from 2001 to 2012

［J］. Journal of Glaciology and Geocrology， 2015（1）： 226-232.

[本文引用: 1]

阿不力米提江·阿布力克木，陈春艳，玉素甫·阿不都拉.

2001—2012年新疆融雪型洪水时空分布特征

［J］. 冰川冻土， 2015（1）： 226-232.

[本文引用: 1]

BERNHARDT M， SCHULZ K， LISTON G E， et al.

The influence of lateral snow redistribution processes on snow melt and sublimation in alpine regions

［J］. Journal of Hydrology， 2012， 424/425： 196-206.

[本文引用: 3]

CHEN Rensheng， ZHANG Shiqiang， YANG Yong， et al. Impacts of cryospheric changes on river runoff in the clod regions of western China ［M］. Beijing： Science Press， 2019.

[本文引用: 1]

陈仁升，张世强，阳勇，等. 冰冻圈变化对中国西部寒区径流的影响 ［M］. 北京：科学出版社， 2019.

[本文引用: 1]

STOFFEL M， CORONA C.

Future winters glimpsed in the Alps

［J］. Nature Geoscience， 2018， 11： 458-460.

[本文引用: 2]

PEDERSON G T， GRAY S T， WOODHOUSE C A， et al.

The unusual nature of recent snowpack declines in the North American cordillera

［J］. Science， 2011， 333： 332-335.

[本文引用: 1]

MAO Weiyi， ZHANG Xu， YANG Zhihua， et al.

Winter snowmelt flood in the northwest of Junggar Basin first monitored by satellite remote sensing

［J］. Journal of Glaciology and Geocrology， 2010，32（1）：211-214.

[本文引用: 1]

毛炜峄，张旭，杨志华，等.

微信遥感首次监测到准噶尔盆地西北部的冬季融雪洪水

［J］. 冰川冻土，2010，32（1）：211-214.

[本文引用: 1]

MALLAKPOUR I， VILLARINI G.

The changing nature of flooding across the central United States

［J］. Nature Climate Change， 2015， 5：250-254.

[本文引用: 1]

HASYETI Rehman，RUAN Xinmin，KURBAN Yiming， et al.

Flood disaster investigation and characteristic analysis in Xinjiang from 1949 to 2019

［J］. Journal of China Institute of Water Resources and Hydropower Research， 2020，18（5）：331-336.

[本文引用: 1]

哈斯也提·热合曼，阮新民，库尔班·依明，等.

新疆1949—2019年洪水灾害调查与特征分析

［J］. 中国水利水电科学研究院学报，2020，18（5）：331-336.

[本文引用: 1]

IPCC.

AR6 climate change 2021： The physical science basis

［R/OL］. ，2021.

[本文引用: 1]

MUSSELMAN K N， LEHNER F， IKEDA K， et al.

Projected increases and shifts in Rain-On-Snow flood risk over western North America

［J］. Nature Climate Change，2018， 8（9）： 808.

[本文引用: 2]

Morán-Tejeda1

E， López-Moreno I J， Stoffel M，

et al

. Rain-On-snow events in Switzerland： Recent observations and projections for the 21st century

［J］. Climate Research， 2016， 71： 111-125.

[本文引用: 2]

TRUBILOWICZ W J， DANMOORE R.

Quantifying the role of the snowpack in generating water available for run-off during Rain-On-Snow events from snow pillow records

［J］. Hydrological Processes， 2017， 31： 4 136-4 150.

[本文引用: 2]

Ye H， Yang D， Robinson D.

Winter rain on snow and its association with air temperature in northern Eurasia

［J］. Hydrological Processes， 2008， 22： 2 728-2 736.

[本文引用: 1]

JONES J A， PERKINS R M.

Extreme flood sensitivity to snow and forest harvest， western Cascades， Oregon， United States

［J］. Water Resources Research， 2010， 46（12）： 439-445.

[本文引用: 2]

LI D， LETTENMAIER D P， MARGULIS S.

The role of rain-on-snow in flooding over the conterminous United States

［J］. Water Resources Research， 2019， 55： 8 492-8 513.

[本文引用: 1]

MERZ R， BLÖSCHL G.

A process typology of regional floods

［J］. Water Resources Research， 2003， 39：1 340.

[本文引用: 1]

ARCHER D R， BAILEY J O， BARRETT E C， et al.

The potential of satellite remote sensing of snow over Great Britain in relation to cloud cover

［J］. Nordic Hydrology， 1994， 25： 39-52.

[本文引用: 1]

SOBOTA I， WECKWERTH P， GRAJEWSKI T.

Rain-On-Snow （ROS） events and their relations to snowpack and ice layer changes on small glaciers in Svalbard， the high Arctic

［J］. Journal of Hydrology， 2020， 590： 125279.

[本文引用: 1]

SINGH P， SPITZBART G， HÜBL H， et al.

Hydrological response of snowpack under Rain-On-Snow events： A field study

［J］. Journal of Hydrology， 1997， 202：1-20.

[本文引用: 6]

PRADHANANG S M， FREI A， ZION M， et al.

Rain-On-Snow runoff events in New York

［J］. Hydrological Processes， 2013， 27： 3 035-3 049.

[本文引用: 4]

DOU T， XIAO C， LIU J， et al.

Trends and spatial variation in Rain-On-Snow events over the Arctic Ocean during the early melt season

［J］. The Cryosphere， 2021， 15： 883-895.

[本文引用: 2]

MELGAR D O， MEZA F J.

Exploring the fingerprints of past Rain-On-Snow events in a central Andean mountain range basin using satellite imagery

［J］. Remote Sensing， 2020， 12： 4 173.

[本文引用: 6]

WÜRZER S， WEVER N， JURAS R.

Modelling liquid water transport in snow under Rain-On-Snow conditions-considering preferential flow

［J］. Hydrology and Earth System Sciences， 2017， 21： 1 741-1 756.

[本文引用: 2]

POSCHLOD B， ZSCHEISCHLER J， SILLMANN J， et al.

Climate change effects on hydrometeorological compound events over southern Norway

［J］. Weather and Climate Extremes， 2021， 100253. DOI：/10.1016/.wace.2020.100253.

[本文引用: 2]

PALL P， TALLAKSEN M L， STORDAL F.

A climatology of Rain-On-Snow events for Norway

［J］. Bulletin of the American Meteorological Society， 2019， 32： 6 995-7 016.

[本文引用: 2]

FREUDIGER D， KOHN I， STAHL K， et al.

Large-scale analysis of changing frequencies of Rain-On-Snow events with flood-generation potential

［J］. Hydrology and Earth System Sciences， 2014， 18： 2 695-2 709.

[本文引用: 1]

RÜCKER A， BOSS S， KIRCHNER W J， et al.

Monitoring snowpack outflow volumes and their isotopic composition to better understand streamflow generation during Rain-On-Snow events

［J］. Hydrology and Earth System Sciences， 2019， 23： 2 983-3 005.

[本文引用: 4]

WACHOWICZ J L， MOTE T L， HENDERSON G R.

A rain on snow climatology and temporal analysis for the eastern United States

［J］. Physical Geography， 2020. DOI： 10.1080/02723646.2019.1629796.

[本文引用: 1]

JURAS R， PAVLÁSEK J， VITVAR T， et al.

Isotopic tracing of the outflow during artificial Rain-On-Snow event

［J］. Journal of Hydrology， 2016， 541： 1 145-1 154.

[本文引用: 6]

EIRIKSSON D， WHITSON M， LUCE C H， et al.

An evaluation of the hydrologic relevance of lateral flow in snow at hillslope and catchment scales

［J］. Hydrological Processes， 2013， 27： 640-654.

[本文引用: 4]

KATTELMANN R.

Water release from a forested snowpack during rainfall

［M］//Forest hydrology and watershed management. Vancouver： IAHS-AISH Publish，167， 1987.

[本文引用: 1]

CONWAY H， BENEDICT R.

Infiltration of water into snow

［J］. Water Resources Research， 1994， 30： 641-649.

[本文引用: 2]

FENG X， KIRCHNER J W， RENSHAW C E， et al.

A study of solute transport mechanisms using Rare Earth Element tracers and artificial rainstorms on snow

［J］. Water Resources Research， 2001， 37： 1 425-1 435.

[本文引用: 1]

LEE J， FENG X， POSMENTIER E S， et al.

Modeling of solute transport in snow using conservative tracers and artificial Rain-On-Snow experiments

［J］. Water Resources Research， 2008， 44： 1-12.

[本文引用: 1]

LEE J， FENG X， FAIIA A， et al.

Isotopic evolution of snowmelt： A new model incorporating mobile and immobile water

［J］. Water Resources Research， 2010， 46： 1-12.

[本文引用: 1]

MARSHALL H P， CONWAY H， RASMUSSEN L A.

Snow densification during rain

［J］. Cold Regions Science and Technology， 1999， 30： 35-41.

[本文引用: 1]

SHANLEY J， CHALMERS A.

The effect of frozen soil on snowmelt runoff at Sleepers River， Vermont

［J］. Hydrological Processes， 1999， 13： 1 843-1 857.

[本文引用: 1]

WÜRZER S， JONAS T， WEVER N， et al.

Influence of initial snowpack properties on runoff formation during Rain-On-Snow events

［J］. Journal of Hydrometeorology， 2016， 17：1 801-1 815.

[本文引用: 2]

MCCABE G J， CLARK M P， HAY L E.

Rain-On-Snow events in the western United States

［J］. Bulletin of the American Meteorological Society， 2007， 88： 319-328.

[本文引用: 2]

SINGH P， SINGH V P. Snow and glacier hydrology ［M］. Boston：Kluwer Academic Publishers， 2001.

[本文引用: 1]

MARKS D， KIMBALL J， TINGEY D， et al.

The sensitivity of snowmelt processes to climate conditions and forest cover during Rain-On-Snow—A case study of the 1996 Pacific Northwest flood

［J］. Hydrological Processes， 1998， 12： 1 569-1 587.

[本文引用: 1]

MAZURKIEWICZ A B， CALLERY D G， MCDONNELL J J.

Assessing the controls of the snow energy balance and water available for runoff in a Rain-On-Snow environment

［J］. Journal of Hydrology， 2008， 354： 1-14.

[本文引用: 1]

HARR R D.

Effects of clearcutting on Rain-On-Snow runoff in western Oregon： A new look at old studies

［J］. Water Resources Research， 1986， 22（7）： 1 095-1 100.

[本文引用: 1]

COHEN J， YE H， JONES J.

Trends and variability in Rain-On-Snow events

［J］. Geophysical Research Letters， 2015， 42： 7 115-7 122.

[本文引用: 3]

WICKSTRÖM S， JONASSEN M O， CASSANO J J.

Present temperature， precipitation， and Rain-On-Snow climate in Svalbard

［J］. Journal of Geophysical Research Atmospheres， 2020， 125： e2019JD

032155

.

[本文引用: 1]

GUAN B， WALISER D E， RALPH F M， et al.

Hydrometeorological characteristics of Rain-On-Snow events associated with atmospheric rivers

［J］. Geophysical Research Letters， 2016， 43： 2 964-2 973.

[本文引用: 1]

CORRIPIO G J， LÓPEZ-MORENO I J.

Analysis and predictability of the hydrological response of mountain catchments to heavy rain on snow events： A case study in the Spanish Pyrenees

［J］. Hydrology， 2017， 4（20）： 1-21.

[本文引用: 1]

STIMBERIS J， RUBIN M C.

Glide avalanche response to an extreme Rain-On-Snow event， Snoqualmie Pass， Washington， USA

［J］. Journal of Glaciology， 2011， 57（203）： 468-474.

[本文引用: 1]

WEVER N， JONAS T， FIERZ C.

Model simulations of the modulating effect of the snow cover in a Rain-On-Snow event

［J］. Hydrology and Earth System Sciences， 2014， 18： 4 657-4 669.

[本文引用: 1]

Rössler O， Froidevaux P， Börst U， et al.

Retrospective analysis of a nonforecasted Rain-On-Snow flood in the Alps—A matter of model limitations or unpredictable nature？

［J］. Hydrology and Earth System Sciences， 2014， 18： 2 265-2 285.

[本文引用: 1]

SEZEN C， ŠRAJ M， ANŽE MEDVED A， et al.

Investigation of Rain-On-Snow floods under climate change

［J］. Applied Sciences， 2020， 10： 1 242.

[本文引用: 1]

OHBA M， KAWASE H.

Rain-On-Snow events in Japan as projected by a large ensemble of regional climate simulations

［J］. Climate Dynamics， 2020. DOI：10.1007/s00382-020-05419-8.

[本文引用: 1]

BENISTON M， STOFFEL M.

Rain-On-Snow events， floods and climate change in the Alps： Events may increase with warming up to 4 ℃ and decrease thereafter

［J］. Science of the Total Environment， 2016， 571： 228-236.

[本文引用: 1]

FANG S， XU L， ZHU Y， et al.

An integrated information system for snowmelt flood early-warning based on internet of things

［J］. Information Systems Frontiers， 2015， 17：321-335.

[本文引用: 2]

SALEH F， RAMASWAMY V， GEORGAS N， et al.

A retrospective streamflow ensemble forecast for an extreme hydrologic event： A case study of Hurricane Irene and on the Hudson River basin

［J］. Hydrology and Earth System Sciences Discussions， 2016， 20（7）： 2 649-2 667.

SIDDIQUE R， MEJIA A， BROWN J， et al.

Verification of precipitation forecasts from two numerical weather prediction models in the Middle Atlantic Region of the USA： A precursory analysis to hydrologic forecasting

［J］. Journal of Hydrology， 2015， 529（Part 3）：1 390-1 406.

ADDOR N， JAUN S， FUNDEL F， et al.

An operational hydrological ensemble prediction system for the city of Zurich （Switzerland）： Skill， case studies and scenarios

［J］. Hydrology and Earth System Sciences， 2011， 15（7）： 2 327-2 347.

[本文引用: 1]

KHAN M M， SHAMSELDIN A Y， MELVILLE B W， et al.

Stratification of NWP forecasts for medium-range ensemble streamflow forecasting

［J］. Journal of Hydrologic Engineering， 2015， 20（7）： 04014076.1-04014076.10.

[本文引用: 1]

TUTTLE S E， CHO E， RESTREPO P J， et al. Remote sensing of drivers of spring snowmelt flooding in the North Central U.S. ［M］. Switzerland： Springer International Publishing， 2017.

[本文引用: 1]

SCHMID L， KOCH F， HEILIG A， et al.

A novel sensor combination （upGPR-GPS） to continuously and nondestructively derive snow cover properties

［J］. Geophysical Research Letters， 2015， 42： 3 397-3 405.

[本文引用: 1]

BILISH S， MCGOWAN H A， CALLOW J N.

Energy balance and snowmelt drivers of a marginal subalpine snowpack

［J］. Hydrological Processes， 2018， 32： 3 837-3 851.

[本文引用: 1]

TEDESCO M. Remote sensing of the cryosphere ［M］. New York： Wiley Blackwell， 2015.

[本文引用: 1]

DZIUBANSKI D， FRANZ K.

Assimilation of AMSR-E snow water equivalent data in a spatially lumped snow model

［J］. Journal of Hydrology， 2016， 540：26-39.

[本文引用: 1]

PAIX M J D L， LANHAI L， JIWEN G， et al.

Analysis of snowmelt model for flood forecast for water in arid zone： Case of Tarim River in Northwest China

［J］. Environmental Earth Sciences， 2012， 66（5）： 1 423-1 429.

[本文引用: 1]

CHEN Xinchi， ZHANG Liping， CHEN Shaodan， et al.

Snowmelt runoff model applied in Kuitun River catchment for flood forecasting

［J］. South-to-North Water Transfers and Water Science & Technology， 2018，16（1）：50-56.

[本文引用: 1]

陈心池，张利平，陈少丹，等．

SRM 融雪径流模型在奎屯河流域洪水预报的应用

［J］．南水北调与水利科技，2018，16（1）：50-56.

[本文引用: 1]

MENG X， YU D， LIU Z.

Energy balance-based SWAT model to simulate the mountain snowmelt and runoff—Taking the application in Juntanghu Watershed （China） as an example

［J］. Journal of Mountain Science， 2015， 12（2）：368-381.

[本文引用: 1]

VERDHEN A， CHAHAR B R， SHARMA O P.

Snowmelt modelling approaches in watershed models： Computation and comparison of efficiencies under varying climatic conditions

［J］. Water Resour Manage， 2014， 28：3 439-3 453.

[本文引用: 1]

SENE K. Flash floods： Forecasting and warning ［M］. Dordrecht Heidelberg， New York， London： Springer， 2013.

[本文引用: 1]

LIAN Y， I-CHI CHAN， SINGH J， et al.

Coupling of hydrologic and hydraulic models for the Illinois River Basin

［J］. Journal of Hydrology， 2007， 344（3/4）： 210-222.

[本文引用: 1]

GRIMALDI S， PETROSELLI A， ARCANGELETTI E， et al.

Flood mapping in ungauged basins using fully continuous hydrologic-hydraulic modeling

［J］. Journal of Hydrology， 2013， 487： 39-47.

[本文引用: 1]

NGUYEN P， THORSTENSEN A， SOROOSHIAN S， et al.

A high resolution coupled hydrologic-hydraulic model （HiResFlood-UCI） for flash flood modeling

［J］. Journal of Hydrology， 2016， 541 （Part A）： 401-420.

[本文引用: 1]

CHRISTIAN J， DUENAS-OSORIO L， TEAGUE A， et al.

Uncertainty in floodplain delineation： Expression of flood hazard and risk in a Gulf Coast watershed

［J］. Hydrological Processes， 2013， 27 （19）： 2 774-2 784.

BUAHIN C A， SANGWAN N， FAGAN C， et al.

Probabilistic flood inundation forecasting using rating curve libraries

［J］. Journal of the American Water Resources Association， 2017， 53（2）： 300-315.

[本文引用: 1]

LI Q， ZHOU J， LIU D， et al.

Research on flood risk analysis and evaluation method based on variable fuzzy sets and information diffusion

［J］. Safety Science， 2012， 50（5）：1 275-1 283.

[本文引用: 1]

APEL H， THIEKEN A H， MERZ B， et al.

Flood risk assessment and associated uncertainty

［J］. Natural Hazards & Earth System Sciences， 2004， 4： 295-308.

[本文引用: 1]

SAAD C， ADLOUNI S， ST-HILAIRE A， et al.

A nested multivariate copula approach to hydrometeorological simulations of spring floods： The case of the Richelieu River （Que'bec， Canada） record flood

［J］. Stochastic Environmental Research and Risk Assessment， 2015， 29： 275-294.

[本文引用: 1]

CLOKE H L， PAPPENBERGER F.

Ensemble flood forecasting： A review

［J］. Journal of Hydrology， 2009， 375（3）： 613-626.

[本文引用: 1]

GOMEZ M， SHARMA S， REED S， et al.

Skill of ensemble flood inundation forecasts at short- to medium-range timescales

［J］. Journal of Hydrology， 2019， 568： 207-220.

[本文引用: 1]

THIELEN J， BARTHOLMES J， RAMOS M H， et al.

The European flood alert system-Part 1： Concept and development

［J］. Hydrology and Earth System Sciences， 2009， 13：125-140.

[本文引用: 1]

ROULIN E.

Skill and relative economic value of medium-range hydrological ensemble predictions

［J］. Hydrology & Earth System Sciences Discussions， 2007， 11： 725-737.

[本文引用: 1]

BORSCH S， SIMONOV Y.

Operational hydrological forecast system in Russia

［M］//Adams E T， Pagano C T. Flood forecasting. Academic Press， 2016.

[本文引用: 1]

AZAM M， KIM H S， MAENG S J.

Development of flood alert application in Mushim stream watershed Korea

［J］. International Journal of Disaster Risk Reduction， 2017， 21：11-26.

[本文引用: 1]

SHARMA S， SIDDIQUE R， REED S， et al.

Hydrological model diversity enhances streamflow forecast skill at short- to medium-range timescales

［J］. Water Resources Research， 2019， 55（2）：1 510-1 530.

[本文引用: 1]

LIU Zhihui.

Decision support system for water supply management in drainage basin

［J］. Arid Land Geography， 2000，23（3）：259-263.

[本文引用: 1]

刘志辉.

流域供水管理决策支持系统总体设计

［J］. 干旱区地理，2000，23（3）：259-263.

[本文引用: 1]

MA Junying， LIU Zhihui.

The plan of controling flood decision support system in Xinjiang arid area

［J］. Journal of Xinjiang University （ Natural Science Edition）， 2002， 19（3）： 354-357.

[本文引用: 1]

马俊英，刘志辉.

新疆干旱区流域防洪决策支持系统规划设计

［J］. 新疆大学学报：自然科学版， 2002， 19（3）： 354-357.

[本文引用: 1]

LIU Yongqiang， LIU Zhihui.

Development about decision support system for snowmelt flood prediction of Xinjiang

［J］. Journal of Arid Land Resources and Environment， 2007，21（2）：110-113.

[本文引用: 1]

刘永强，刘志辉.

新疆融雪洪水预警决策支持系统研究

［J］. 干旱区资源与环境，2007，21（2）：110-113.

[本文引用: 1]

YAN Yan， LIU Zhihui， YE Zhaoxia.

Establishment and validation of early-warning model for snowmelt flood in North Xinjiang

［J］. Arid Land Geography， 2009，32（4）：554-557.

[本文引用: 1]

闫彦，刘志辉，叶朝霞.

新疆北疆地区融雪洪水灾害预警模型的建立与验证

［J］. 干旱区地理，2009，32（4）：554-557.

[本文引用: 1]

LIU Zhihui.

The prediction， early-warning for snowmelt flood and decision support based on '3S' technologies in Xinjiang

［D］. Xuzhou： China University of Mining and Technology， 2009.

[本文引用: 1]

刘志辉.

基于“3S”技术的新疆融雪洪水预测预警及决策支持研究

［D］. 徐州：中国矿业大学，2009.

[本文引用: 1]

LIU D， ZHONG S， HUANG Q. Study on risk assessment framework for snowmelt flood and hydro-network extraction from watersheds ［M］. Berlin Heidelberg：Springer-verlag， 2016.

[本文引用: 1]

WANG Dahuan， LIU Yang， LIU Zhihui， et al.

Flood-type classification in mountainous catchments using fuzzy C-means algorithm classification based on entropy weights

［J］. China Rural Water and Hydropower， 2017（5）： 114-117.

[本文引用: 1]

王大环，刘洋，刘志辉，等.

基于熵权的模糊聚类模型在山区融雪洪水产流类型中的分类应用

［J］. 中国农村水利水电，2017（5）：114-117.

[本文引用: 1]