利用遥感数据与数据同化改进洪水淹没范围表征

得益于数据同化的发展，洪水模拟与预报能力已大幅提升。该方法将现场水位站观测与数值水动力模型相结合，以修正水力状态并降低模型参数的不确定性。然而，这些方法严重依赖于观测数据的可用性与质量，因此需要其他数据源来改善洪水模拟与预报性能。利用 Sentinel-1 影像，通过应用基于历史洪水事件训练、并使用人工勾绘洪水图的随机森林(Random Forest)算法，实现了一种洪水淹没范围制图方法。研究区域涉及加龙河马尔芒德流域(Garonne Marmandaise catchment)一段 50 公里长的河段。以 +24 小时预见期，在分析和预报两种模式下模拟了两次近期洪水事件。本研究证明了使用 SAR 反演的洪水淹没范围图来验证并改进基于 Telemac2D-EnKF 水动力数值模型的预报结果的价值。计算了定量的 1D 与 2D 指标，以评估模拟与观测之间的水位时间序列及洪水淹没范围。结果表明，无数据同化(DA)的自由运行实验低估了淹没范围。另一方面，利用独立的 SAR 反演洪水淹没范围对 DA 结果进行验证，可诊断出导致过度淹没的模型—观测偏差。一旦考虑该偏差，DA 即可对基于面积的摩擦系数与入流流量进行序贯修正，从而获得更好的洪水淹没范围表征。本研究借助可用的遥感数据集，为水文站稀少的流域实现可靠的洪水预报解决方案铺平了道路。