洪水预报，是如何实现的？

      进入汛期以来，水利部门累计制作发布50.3万站次洪水预报

      洪水预报，是如何实现的？

　　本报记者 王 浩

　　《人民日报》(2026年07月21日 第 14 版)

　　升级发布洪水黄色预警、主要江河发生编号洪水……洪水预报，为防洪工程调度、险情巡查抢护、避险撤离转移提供基础支撑。

　　洪水预报是根据洪水形成和运动的规律，对未来一定时段的洪水发展情况进行预测。

　　水利部印发的《全国主要江河洪水编号清单》，将洪水编号河流从19条增加至116条;构建中小河流5800余站洪水预报方案，进入汛期以来累计制作发布50.3万站次洪水预报，主要江河关键期洪水预报准确率达90%。

　　洪水预报是如何实现的?如何延长洪水预见期?记者采访了相关专家。

　　洪水预报不仅要看水，还要看雨、看云

　　近期，受台风“巴威”影响，松辽流域135条河流发生超警以上洪水。水利部信息中心提前3天研判辉发河全线超保、辽河干流超警。

　　提前3天，靠的是“天空地水工”一体化监测感知系统。水利部信息中心水情一处副处长赵兰兰介绍，洪水预报不仅要看水，还要看雨、看云。

　　天上，“水利一号”以及组网的34颗遥感卫星，小时级扫描重点防洪区域，快速识别漫滩、积水淹没地区。空中，水利测雨雷达捕捉强降雨云团，实现从“落地雨”向“云中雨”监测的转变。最后是“地、水、工”紧密配合，水文测站和工程安全监测点搭配水利北斗技术，传输偏远山区站点数据，实时采集降水、水位、流量等数据。

　　“看得准”还要“算得准”。“我们利用‘高保真’数字流场模拟数学模型，开展全链条滚动预报。”赵兰兰介绍，“云—雨”短临降水预报模型开展未来6小时“1公里×1公里”网格降雨预报。此外，动态调整洪水预报模型参数，将预报结果输入水动力演进和水工程优化调度模型，结合高精度数字孪生流域底板，可以开展重点河段洪水演进分析，最终生成多套调度方案支撑工程调度指挥决策。

　　“科技赋能、数智赋能，有力支撑防汛抗洪。”水利部信息中心主任付静介绍。240部水利测雨雷达覆盖国土面积约90万平方公里;搭建水利部无人机监测共享服务平台;接入水利视频资源3.6万余路，按需共享中国铁塔公司5万余路高点视频。

　　提前预报，为优化预演预案提供支撑。比如，受台风“美莎克”影响，西江流域多地降雨突破历史极值，水利部门滚动开展洪水预报与风险研判，累计生成100余套调度方案，下达32道调度指令，做好拦洪削峰。

　　气象水文一体化预报模型，能有效延长洪水预见期

　　7月10日至11日，四川省马边彝族自治县遭遇强降雨过程，一场争分夺秒的转移展开。

　　7月10日16时，水利测雨雷达捕捉到有强降雨云团持续向马边县上空移动。随后，又监测到新的对流云团生成，影响范围逐步扩大。

　　水利部先后向马边县发布黄色山洪灾害短临预报预警，四川省水利厅立即进行逐级喊醒叫应。马边县水务局依托山洪灾害预报预警预演预案“四预”平台，发布预警转移信息120条，1412户4814人及时被转移。

　　中国工程院院士、中国水利水电科学研究院水资源研究所名誉所长王浩介绍，在气候变化等多重因素影响下，洪涝灾害极端性、破坏性与复合链生效应更加凸显，特别是区域性洪水、突发性山洪、长历时干旱等，对工程韧性、调度指挥、应急响应提出更高要求。

　　王浩介绍，中国水科院目前构建了覆盖全国范围的气象水文一体化预报模型。这一预报模型打通大气降雨预报和流域水文响应，实现从“天上降雨”到“河道来水”的全链条连续预报，能有效延长洪水预见期，提高预报精度。

　　监测设备是防汛的“眼睛”。王浩建议，在极端条件下，传统监测设备易出现断电、信号中断、淤积损毁等问题，接下来应加强防水抗压、低功耗智能传感终端等设备研发和部署，保障监测数据的连续稳定。

　　人工智能大模型普及应用，为水循环监测站网规划和布局提供全新思路

　　“人工智能大模型普及应用，为水循环监测站网的规划和布局提供全新思路。”王浩表示，人工智能大模型模拟推演，优化整合站网布局，实现“测算一体”。雨水情监测正在从传统的“接触式、点状”模式，向“非接触、面状”模式转变。

　　人工智能大模型将深刻重塑防汛业务体系。王浩介绍，传统的洪水预报依赖专业积累和个人经验。海量历史洪水事件、实时气象水文数据、地形地质信息等，经过人工智能大模型综合学习后，能够智能推演多种洪水演进情景，精准计算不同降雨强度下河道水位变化。比如，防洪调度涉及水库群联合调度、蓄滞洪区启用时机、分洪闸门开度等复杂决策。人工智能大模型和水文水动力机理模型结合可以快速模拟不同调度方案下的洪水传播过程，对比淹没范围、损失程度和工程安全余量，大幅缩短决策时间，提升决策科学性。

　　大模型要在防汛一线真正发挥作用，仍需持续闯关。王浩建议，数据层面要打通气象、水文、地质、工程等多源数据壁垒，构建统一的高质量数据底座;算力层面要从硬件底座、分布式架构等多维度提升算力水平;算法层面将产汇流物理机制、水库调度约束条件与大模型深度融合，形成既“懂水利”又“会推理”的专业模型。