中国气象报记者吴鹏报道 近日，澳大利亚阿德莱德大学的科学家在《水文学杂志》（Journal of Hydrology）上发表研究称，在保持高精度预测洪水风险的前提下，一种将事件分析和连续模拟方法有机结合起来的新混合算法可将气候变化下的洪灾风险评估运算速度提升至原来的100至1000倍。

　　在气候变化的背景下，工程公司和当地政府在洪水风险评估及相关基础设施建设方面面临巨大挑战。在资料缺乏或没有足够径流量数据的流域，一般应用推导式洪水频率方法为洪灾风险评估提供基础数据。最常用的是事件分析方法，比如设计暴雨（design storm）或联合概率。基于事件分析的方法可以快速得出评估结果，但由于其内在假设条件限制，并且难以获取导致极端洪灾事件发生的相关输入数据信息（降雨量和流域湿度），因此可能产生预测偏差和不确定性。这种基于历史洪水事件数据的分析方法也是工业评估洪灾风险的常用方法，但在气候变暖的条件下，历史洪水事件与未来洪水事件之间的关联将越来越小，这种方法最终也将被淘汰。

　　另一种长期连续模拟方法预测准确度更高，但由于需加载横跨几百年的降雨量序列数据，分析气候变异及其对驱动重大洪水事件的流域径流过程的影响，因此计算速度极其缓慢，所需模拟计算时间很长，对任意区域单个集流过程的分析也需几周甚至数月时间。

　　为此，该研究开发了一种新方法，即混合算法，将事件分析和连续模拟方法以最佳方式结合起来，目的是在保持高精度预测结果的前提下加快运算速度。该算法剔除了连续模拟方法中的所有冗余信息，比如无降水量的长期干旱期数据，在基于事件的分析方法中运用短期连续模拟方法为降雨径流模型提供输入参数数据，并且将全机率定理与高限峰值法有机结合起来，形成可预测年洪水量分布的模式。该混合算法的主要优势在于可估测洪水频率分布，并且其精确度与连续性模拟方法不相上下，但所需运算时间大幅减少。

　　截至目前，该方法已在澳大利亚一个虚拟实验室中测试了8个样点，包括沙漠、地中海、热带和亚热带气候区。研究结果表明，与目前使用的年洪水量分布评估方法相比，该新方法预测效果明显提升。在保持高精度洪水风险预测的前提下，该算法可将气候变化下的洪灾风险评估运算速度提升至原来的100至1000倍。尽管该方法目前还处于概念验证开发阶段，距真正投入洪水风险评估还有一段时间，但也许五年后就能在精确预测洪水风险中发挥重要作用。