中图分类号：P338 文献标志码：A 文章编号：1001-6791（2026）03-0399-10
近年来，受全球气候变化影响，中国暴雨洪涝突发性、极端性、反常性越来越明显，突破历史纪录、颠覆传统认知的极端气候水文事件频繁发生[]。随着人类活动影响的不断加剧，流域的下垫面特性发生了巨大的变化，直接影响到流域的产流和汇流机制，改变了流域的水循环过程，加重了流域的洪涝灾害，传统的洪水预报方法所依赖的水文过程“一致性"或“平稳性"的假设正在被全球变化所打破[2]。经济社会的不断发展，增加了受灾体的暴露度，洪涝灾害风险不断增加，对防洪减灾的要求不断提高]。
洪水预报是调度决策和灾害防御的主要依据。环境变化给洪水预报工作带来了一系列新的问题和挑战，提出了新的更高的创新要求。因此，变化环境下洪水预报方法研究是当前水文科学和防洪减灾领域的前沿和核心课题，具有极强的理论价值和现实意义。
1环境变化对传统洪水预报方法的影响
传统的洪水预报方法所依赖的假设为流域水文过程的“一致性”或“平稳性”，即未来的气候状态和流域下垫面条件是平稳的[45]。而观测资料表明[6-]，气候状态在近50a来发生着前所未有的变化，人类活动对流域下垫面的影响日益突出，原来的预报理论基础被破坏，预报方法的适用性受到影响，原来的模型参数代表性也已不复存在。
1.1 全球变化的影响
全球气候系统综合观测和多项关键指标分析表明，2024年全球地表平均温度较工业化前水平高 1.49?C ，是1850年有气象观测以来最暖的一年。中国是气候变化的敏感区和影响显著区，升温速率明显高于同期全球平均水平。《中国气候变化蓝皮书（2025）》显示，1961—2024年，中国地表年平均气温升温速率为 0.31°C/（10a） 2024年中国地表年平均气温较常年值（1991—2020年）偏高 1.07?C ，为1901年以来的最高值。联合国气候变化专门委员会（IPCC）第六次评估报告综合报告指出，根据 2021年10月前宣布的国家自主贡献（NDCs）推算的2030年全球温室气体排放量，可能使21世纪全球温升超过 1.5?C ，且很难将温升控制在 2?C 以内。
大气温度上升将导致蒸发增加，水分循环加快。大气的饱和水汽压，即大气持水能力，按克劳修斯-克拉伯龙（C-C）定律，温度每增加 1c ，大气水分含量大约增加 7%[10] 。大气持水能力的增加，一方面增加大气的不稳定，容易形成降雨；另一方面由于实际大气的水汽含量增加，一旦形成降雨，降水量会比原来大。因此，人为导致的气候变化已经影响到全球每个地区的许多极端天气和气候事件，导致了对自然和人类的广泛不利影响以及相关的损失与损害[]。
在全球变暖的背景下，中国极端强降雨事件呈现了增多趋强的态势[12-13]。近些年接连发生了洪涝灾害重、损失大、影响深刻的极端事件。2020年长江上游发生特大洪水，江淮发生梅雨期长达 62d 、单点累计最大雨量为2179mm 的超级“暴力梅”，鄱阳湖发生流域性超历史大洪水。2021年7月郑州市发生极端强降水，最大1h雨量达 201.9mm ，创下中国陆地气象观测最大小时降雨纪录，此外最大1d、最大3d和最大过程降水量都突破了历史纪录，暴雨洪涝直接导致380人死亡，60余万辆汽车被淹[14]。同年，黄河流域中下游及海河流域卫河等发生严重秋汛，黄河小浪底水库出现建库以来最高水位 （273.5m） ，卫河新乡段、鹤壁段出现超保洪水，发生漫堤、决口。2023年海河流域发生流域性特大洪水，北京房山有3个水文站的3d累计降水量超过 100mm ，降下几乎相当于当地2a的平均雨量，导致流域性特大洪水，北京市和河北省分别因灾死亡失踪 51人和45人。2025年7月，北京密云潮白河发生1959年以来最大洪水，清水河出现近200a来最大洪水。
据统计资料分析，1961年以来，中国年降水量总体呈增加趋势，平均每 10a 增加 6.0mm ；极端暴雨，特别是短历时强降雨呈现增多趋强的态势[。中国极端日降水量事件频次平均每 10a 增多18站日，见图1。
图11961—2023年中国极端日降水量事件频次
Fig.1Frequency of extreme daily precipitation events in China from196l to 2023
1.2 下垫面变化和人类活动的影响
中国已建各类水库约9.5万座，是世界上修建水库最多的国家。水库在防洪工作中发挥了不可或缺和不可替代的拦蓄调节洪水的作用，产生了巨大的防洪减灾效益和水资源供给保障作用。但是，水库对水量的阻隔和调节作用，破坏了水文资料系列的一致性，导致模型参数失去代表性，增加了流域过程的复杂性和洪水预报的不确定性。如图2所示，下垫面变化改变了流域产汇流规律，中国北方河流的径流系数明显减少，降雨一径流关系发生显著性变化；工程建设破坏资料系列的一致性，模型参数的代表性不复存在[15-17]。
1980年改革开放初期，中国城镇化率为 19.4% 。截至2025年年底，全国常住人口城镇化率为 67.89% ，发展速度高于发达国家相同阶段的水平。以太湖流域为例（表1），该流域城镇化快速发展，2020年耕地面积较1980 年减少了 7474km2（-31.9%） ，城镇用地增加了 6980km2（206.7%） 。城镇化的快速发展导致城市水文效应越来越突出[1-1]。首先是热岛效应，城市建筑多为石材和混凝土，热容量低、热传导率高，加上建筑本身对风的阻挡，导致城市的年平均气温高于郊区，城市形成了一个温暖的岛屿；其次是雨岛效应，城市大气污染物增加水汽凝结核，提高了城区的降雨概率和强度；此外，微地形阻障效应也是一个问题，高楼大厦阻挡暖湿空气运动，导致空气冷却，增加降雨的可能性。
表1太湖流域土地利用变化统计
Table1 Statistics of land use change in the TaihuLake Basin
2变化环境下洪水预报方法的转变与创新
在气候变化与人类活动双重驱动下，降雨时空分布、下垫面结构及流域水文响应机理均呈现出显著的非平稳特征，洪水形成过程的不确定性和复杂性持续增强[]。传统以确定性预报、单一数据源和经验驱动为特征的洪水预报体系，将在变化环境下面临系统性挑战。为适应新形势下防洪减灾与风险管理需求，洪水预报方法亟需在模型结构、数据基础、业务内涵、预报方式、参数确定、技术范式及不确定性表达等方面实现转型和创新。
2.1模型结构从集总式向分布式转变
在下垫面条件和气象要素空间差异日益显著的背景下，流域洪水预报模型亟需由集总式模型向分布式模型转变，以更真实地刻画水文过程的空间异质性。集总式模型通常将流域视为整体，通过一定的参数描述整体响应过程，在下垫面条件相对稳定的情况下，集总式模型仍具有一定适用性。但在城镇化加快、土地利用快速变化和极端降雨频发条件下，集总式模型难以反映流域内部土地利用、土壤类型和降雨分布等要素的空间差异性，模型参数也不能客观地反映流域产汇流过程的空间异质性，这是洪水预报误差的主要来源。
分布式模型通过对流域进行空间离散，在子流域或网格尺度上描述产汇流过程，可引人更加精细的参数和边界条件，用于显式刻画植被覆盖、土地利用和土壤类型空间变化对径流形成和汇流过程的影响，例如区分森林、农田和城市下垫面在产流汇流机制上的差异。随着气候变化和人类活动强度的持续增强，流域下垫面的不均匀性可能不断加剧，推动流域预报模型由“整体平均”向“空间精细刻画”方向演进，成为提升预报精度的必然选择。如水灾害防御全国重点实验室研发的将流域按照地理要素的相似性划分为若干子流域的半分布式新安江模型，以及按照一定分辨率研发的栅格分布式新安江模型，在大江大河的洪水预报中取得了很好的应用。国际上还有一些应用比较多的分布式或半分布式水文模型，如欧共体组织开发的Mike-SHE模型、意大利学者研发的Topmodel等，在中国也有较好的应用。
2.2模型输入从单一观测源向多源数据的同化融合转变
为了降低单一观测数据误差和不确定性的影响，洪水预报方法正由单一观测源数据输入向多源数据同化融合应用转变。这种改变可提高输入数据的可靠性，进一步提升洪水预报的精度，为防洪减灾提供更准确的信息。比如，通过综合利用地面雨量站、测雨雷达和卫星遥感等多源观测信息，并采用卡尔曼滤波、最优插值、变分同化和统计加权集成等方法，对降雨和水文要素进行同化分析，可以显著改善面雨量计算的可靠性和精度。
多源数据融合通过信息互补和冗余校验，可有效降低单源误差对预报结果的影响，提高输入数据的整体可信度（图3）。图3（a）为原始雷达反演降水数据，地面杂波处理后形成更正数据（图3（b）），融合地面监测站点数据（图3（c）），生成地面监测站点数据与雷达监测数据的融合数据（图3（d）），更全面地反映了流域的降雨及其分布。图4表示的是某流域 2014年7月7—12日的一次降水过程，全球降水观测计划（GPM）监测数据与地面站累计面降雨相对误差为 23.78% ，而经过地面站点降雨监测数据融合分析后，与地面站累计面降雨相对误差降为 5.59% 。已有大量研究和业务实践表明，多源数据同化融合能够显著提升洪水预报的精度和可靠性，已成为现代洪水预报体系的重要技术支撑方向。
图3雷达数据与地面站监测数据融合
Fig.3Fusion effect of radar data and ground station monitoring data
2.3模型参数从有资料流域的长系列率定识别法向资料缺乏流域的参数确定方法转变
随着洪水预报任务由大江大河向中小流域不断拓展，以及下垫面变化破坏了资料序列的一致性，预报模型参数确定方法需由传统依赖有资料流域的长系列率定识别向适用于资料缺乏流域的参数确定方法转变。基于水文序列稳定性的假设，传统模型参数确定方法高度依赖长期连续的水文观测数据进行率定，在资料缺乏或监测条件薄弱流域的洪水预报，模型参数的确定是关键难题。
无资料或资料缺乏流域的模型参数一般有2类方法：一是基于地理信息的模型参数提取方法，利用流域的形状、坡度、土地利用、土壤类型等空间数据直接提取或推导关键参数，降低对水文实测数据的依赖；二是相似流域法，基于流域在气候、地形和下垫面等条件上的相似性，移植或推断模型参数。无论采用何种参数确定方法，均需通过独立样本验证、敏感性分析和不确定性评估，确保模型预测的可靠性。随着遥感技术、地理信息系统和多学科交叉研究的不断发展，资料缺乏流域的模型参数确定方法将逐步成熟，为洪水预报提供坚实支撑。
图4全球降水测量卫星与地面观测站数据融合
Fig. 4Fusion effect ofGPM data and ground station monitoring data
2.4预报方式从洪水单向预报向“降水预报-洪水预报-预报调度-洪水滚动预报"的方式转变
为了增强“预报、预警、预演、预案"的能力，洪水预报需由洪水单向预报向“降水预报-洪水预报-预报调度-洪水滚动预报”相结合的综合预报方式转变，该转变通过引人滚动更新机制，延长预见期，并动态反映预报边界条件的变化，提高预报的时效性和适应性。
变化环境下，基于固定边界条件的静态洪水预报难以满足防汛决策对时效性和适应性的要求，滚动预报方式是应对不确定性的必然选择。滚动预报方式能够在降雨演变和流域响应不断变化的条件下，持续修正预报结果，为防汛决策提供更加全面和可靠的信息支撑。在预报过程中，降水预报是洪水滚动预报的前提，是延长洪水预见期的重要途径。将洪水预报与水库、河道和蓄滞洪区等工程调度方案相结合，可评估不同调度情景下的洪水响应，提升防洪调度的科学性。滚动预报通过持续引人最新观测和预报信息，对洪水过程进行动态更新，实时反映水文状态和边界条件变化。随着大数据、人工智能和机器学习技术的发展，滚动洪水预报可从海量实时数据中提取关键信息，进一步提高预报精度和自动化水平。
2.5预报业务从单一洪水预报向多灾种、多场景综合预报转变
为适应新时期防汛抗旱减灾工作的新需求，洪水预报需要突破流域单向洪水预报的局限，向多灾种、多场景综合预报转变，业务范围逐步由传统流域洪水预报拓展至城市内涝、山洪地质灾害以及水环境污染等多类相关风险预报[22-23]。
城市内涝预报已成为洪水预报业务的重要拓展方向，通过构建城市排水系统模型并耦合高分辨率降雨预报，可模拟暴雨条件下的洪水及内涝积水演变过程。山洪及相关地质灾害预报依托遥感、地理信息系统和数值模拟技术，分析多大强度可能产生多大量级的山洪，结合山体稳定性分析，确定致灾山洪的临界阈值，实现对高风险区域的快速识别和预警。水环境预报侧重于水环境污染物输移及消散过程模拟，为流域综合治理和生态保护提供技术支撑。多业务拓展依赖气象、水文、地理和环境等多学科深度融合，并通过部门协同与信息共享，提升防汛减灾的系统性和整体效能。
2.6预报要素从流域控制节点断面向数字孪生流域全水文要素转变
在高度工程化、信息化和快速演变的流域系统中，仅依赖控制断面水位或流量信息已难以全面反映洪水演进状态，洪水预报由“节点控制断面”向“全流域状态感知与智能推演"转变十分必要。数字孪生水利工作的推进也为这种转变提供了技术支持，这种转变可以提升洪水预报、过程仿真和调度决策的整体能力。
数字孪生流域通过构建与真实流域高度一致的虚拟映射体，系统刻画流域内降雨、产汇流过程、各断面水位和水量，以及相关环境要素的动态演变过程。数字孪生流域的构建依赖多源数据融合，包括卫星遥感、气象观测、水文监测及工程运行数据，通过数据同化与模型计算实现流域状态的连续更新，以实现对流域降雨、水位、流量等关键水文要素的实时感知、动态预测与情景推演。应用数字孪生流域，可开展洪水过程仿真与情景分析，评估不同防洪工程与调度方案的响应效果，为决策提供科学依据。
2.7预报成果从确定性预报向概率性和集合预报转变
洪水预报模型是通过若十参数和数学表达对流域降水-产流-汇流等过程的概化，模型结构对流域过程刻画的精准性和模型参数优化程度，以及模型输入资料的可靠性都会影响模型的计算结果，因此洪水预报过程不可避免的具有误差和不确定性。变化环境下，降雨过程、下垫面条件及人类调控行为的叠加效应使洪水过程的不确定性呈现多源耦合和放大趋势，传统确定性预报的适用边界不断收缩。
传统洪水预报通常仅给出单一的确定性预测结果，难以反映预测结果可能存在的偏差和风险范围。为了有效刻画和应对洪水预报过程中的不确定性，洪水预报方法需由传统的确定性预报向概率性预报和集合预报转变。这种转变将为防汛决策者提供不同等级洪水的发生概率、影响范围及风险等级等关键信息，有助于开展分级响应和风险管理。概率性和集合预报将加强模型结构与参数不确定性的识别与量化，并分析不确定性在预报过程中的传播机制。在技术实现上，集合预报通常采用概率模型或模糊逻辑模型处理不确定性，生成一系列可能的洪水预测结果，并附带对应的概率或可信度。概率性预报和集合预报还需要与气象预报系统、水文监测系统等进行集成，通过数据共享和系统集成提高预报准确性和可靠性，降低不确定性对决策的影响。总体而言，洪水预报正由“单值结果导向”向“风险概率表达"转变，有效支撑防汛减灾由经验决策向风险决策的提升。
2.8预报模型从物理机理模型向物理机理模型与数据驱动模型相结合的方向转变
人工智能（AI）技术正成为推动水文学发展的核心驱动力。AI技术在水文预报及工程实践中展现出显著的应用潜力，通过机器学习模型增强对非线性水文过程的表达能力，提升预报精度与响应速度。AI技术在模型参数的自动率定、无资料地区模型参数的识别、相似流域的判定、智能预报调度、应用情景及决策等方面都有很好的应用。长短期记忆网络、注意力机制模型等方法，通过融合多源异构数据，在极端洪水等非平稳过程预测中展现出较强的优势。
近年来，大语言模型在水利领域逐步得到应用。通过知识图谱构建与模型耦合，实现自然语言驱动下的模型调用与决策支持，推动洪水预报向端到端智能化发展。同时也应认识到，一是AI技术在洪水预报中的应用仍受数据不足、时空分布不均等因素制约；二是在推进数字孪生与人工智能应用的同时，仍需夯实水文物理过程模型基础，实现数据驱动与机理模型的协同发展。
3结语
受全球气候变化影响，中国暴雨洪涝突发性、极端性、反常性越来越明显，突破历史纪录、颠覆传统认知的极端气候水文事件频繁发生，增加了洪水预报的复杂性和难度。（1）随着人类活动影响的不断加剧，流域的下垫面特性发生了巨大的变化，直接影响到流域的产流和汇流机制，改变了流域的水循环过程，加重了流域的洪涝灾害，传统的洪水预报方法所依赖的水文过程“一致性”或“平稳性”的假设已不复存在。（2）传统以确定性预报、单一数据源和经验驱动为特征的洪水预报体系，将在变化环境下面临系统性挑战。为适应新形势下防洪减灾与风险管理需求，洪水预报方法亟需在模型结构、数据基础、业务内涵、预报方式、参数确定、技术范式及不确定性等方面实现转型和创新。（3）AI技术在洪水预报及工程实践中展现出显著的应用潜力，但其在洪水预报中的应用仍受数据不足、时空分布不均等因素制约。在推进数字孪生与人工智能应用的同时，仍需夯实水文物理过程模型基础，实现数据驱动与机理模型的协同发展。
参考文献：
[1]张建云，贺瑞敏，金君良，等.变化环境下中国洪涝灾害新特征及科技需求[J].水科学进展，2026，37（2）：197-206. （ZHANGJY，HERM，JIGJL，etal.Newfloodcharacteristicsandtechnologicalneeds inChinaunderachangingenviroment[J]. Advances in Water Science，2026，37（2）： 197-206.（in Chinese））
[2]O'DONELLEC，HORNECR.Driversoffutureurbanfloodisk[J].ilosopicalTransactionsSeriesA，MathematicalPhsical， and Engineering Sciences，2020，378（2168）： 20190216.
[3]MRZ B，BLOSCHL G，VOROGUSHYNS，etal.Causes，impacts andpatrms of disastrous riverflods[J]. Nature Reviews Earth & Environment，2021，2（9）： 592-609.
[4]THCKERAYCW，HALA，NORRISJ，etal.Constraining he icreasedfrequencyofglobalprecipitationextremsunderwaing[J] Nature Climate Change，2022，12（5）： 441-448.
[5]WANGDS，WANG X W，LUL，etal. Urbansignatures in tespatialclusteringofprecipiationextremesover China's inlandJ]. Journal of Hydrometeorology，2021，22（3）：639-656.
[6]IPCC. Climate change 2013：physical science base[M]. Cambridge：Cambridge University Press， 2013.
[7]IPCC.Climatechange2014：impacts，adaptationandVulnerability：partA：globalandsectionaspects[M].Cambridge：Cambridge University Press，2014.
[8]中国气象局国家气候中心.中国气候变化蓝皮书2025[M].北京：科学出版社，2025.（National Climate Centre of China meteorologicaladministration.Blue book onclimate change in China：2025[M].Beijing：Science Press，2025.（in Chinese））
[9]IPCC.Climate change 2021：the physical science basis[M]. Cambridge ：Cambridge University Press，2021.
[10]da SILVANA，HAERTERJO.Supe-Clusius-Clpeynsalingofextreeprepitatioexplainedbyshiftfrostratfotocovective rain type[J].Nature Geoscience，2025，18（5）： 382-388.
[1]WINSEMUSHC，AERTSJCJH，vanBEEKLPH，etal.Global driversoffutureriverflodrisk[J].Nature ClimateChange，016， 6（4）： 381-385.
[12]丁一汇，柳艳菊，宋亚芳.东亚夏季风水汽输送带及其对中国大暴雨与洪涝灾害的影响[J].水科学进展，2020，31（5）：629- 643.（DINGYH，LUYJ，SONGYFEast Asiansummermonsoonmosture tansportbeltand itsimpactonheavyrinfalsandflods in China[J].Advances in Water Science，2020，31（5）： 629-643.（in Chinese））
[13］丁一汇，张建云.暴雨洪涝[M].北京：气象出版社，2009.（DINGYH，ZHANGJY.Rainstorm and flood[M].Beijing：China
Meteorological Press，2009.（in Chinese））
[14]张建云，舒章康，王鸿杰，等.郑州“7-20"暴雨洪涝几个水文问题的讨论[J].地理学报，2023，78（7）：1618-1626.（ZHANGJY，SHU Z K，WANG H J，et al. A discussion on several hydrological issues of“ 7.20′′ rainstorm and flood in Zhengzhou[J]. ActaGeographica Sinica，2023，78（7）： 1618-1626.（in Chinese））
[15]王国庆，张建云，刘九夫，等.中国不同气候区河川径流对气候变化的敏感性[J].水科学进展，2011，22（3）：307-314.（WANGGQ，ZHANJY，LIUJF，etal.TesensitivityofrunftimatechangeindiferentclimaticregisinCina[J]dvancesin Water Science，2011，22（3）：307-314.（in Chinese））
[16]张建云，王国庆.气候变化对水文水资源影响研究[M].北京：科学出版社，2007.（ZHANGJY，WANGGQ.Study on theimpact of climate change on hydrology and water resources[M].Beijing： Science Press， 20o7.（in Chinese））
[17]张建云，章四龙，王金星，等.近50年来中国六大流域年际径流变化趋势研究[J].水科学进展，2007，18（2）：230-234.（ZHANGJY，ZHANGSL，WANGJX，etal.StudyonrunoftrendsofthesixlargerbasinsinChinaoverthepast50years[J].Advancesin Water Science，2007，18（2）：230-234.（in Chinese））
[18]张建云，王银堂，贺瑞敏，等.中国城市洪涝问题及成因分析[J].水科学进展，2016，27（4）：485-491.（ZHANGJY，WANGYT，HERMetal.DiscusionontheurbanfloodandwaterloggingandcausesanalysisinChina[J].AdvaesinWaterScience，2016，27（4）：485-491.（in Chinese））
[19]张建云.城市化与城市水文学面临的问题[J].水利水运工程学报，2012（1）：1-4.（ZHANGJY.The vital problems for theurbanization and urban hydrology today[J]. Hydro-Science and Engineering，2012（1）：1-4.（in Chinese））
[20]程晓陶，刘昌军，李昌志，等.变化环境下洪涝风险演变特征与城市韧性提升策略[J].水利学报，2022，53（7）：757-768，778.（CHENG X T，LIUCJ，LICZ，et al.Evolutioncharacteristcsoffloo iskunderchangingenvironmentandstrategyof urbanresilience improvement[J]. Journal ofHydraulic Engineering，2022， 53（7）：757-768，778.（in Chinese））
[21]徐宗学，陈浩，任梅芳，等.中国城市洪涝致灾机理与风险评估研究进展[J].水科学进展，2020，31（5）：713-724.（XUZX，CHENH，RE，etalProgressodisasterechansmadisaessntofurbanflooateggigdisastesiniaJ].Aancein Water Science，2020，31（5）：713-724.（in Chinese））
[22]张建云，宋晓猛，王国庆，等.变化环境下城市水文学的发展与挑战：I.城市水文效应[J].水科学进展，2014，25（4）：594-605.（ZHANGJY，SONG X M，WANG G Q，et al. Development andchalenges ofurban hydrology in achanging environment：I：hydrological response to urbanization[J]. Advances in Water Science，2014，25（4）：594-605.（in Chinese））
[23]宋晓猛，张建云，王国庆，等.变化环境下城市水文学的发展与挑战：ⅡI.城市雨洪模拟与管理[J].水科学进展，2014，25（5）：752-764.（SONG X M， ZHANG JY，WANG GQ，et al. Development and challenges of urban hydrology in a changingenvironment：II：urbanstormwatermodelingandmanagement[J].AdvancesinWaterScience，2014，25（5）：752-764.（inChinese））
