Journal of Applied Meteorology, 39, 797-825. Prediction of a Flash Flood in Complex Terrain A Comparison of Flood Discharge Simulations Using Rainfall Input from Radar, a Dynamic Model, and an Automated Algorithmic System Journal of Applied Meteorology, 39, 797-825.

Introduction 這篇文章主要使用雷達估計降水以及兩種雨量預測方式套入水文模式模擬1996/7/12的暴雨事件對於Buffalo Creek 集水區的流量估計。 由於此集水區在1996/7/12暴雨事件的前兩個月有發生森林大火，造成集水區1/4的植被遭受大火摧殘而消失，地表因此產生相當大的變化。 in the mountainous Front Range near Denver ,Colorado.

Introduction 先前提到雨量估計使用雷達估計降水以及兩種雨量預測方式，分別為： WSR-88D、S-POL(NCAR)利用Z-R、KDP-R relational 做計算。 運用運動方程式做定量降水預報。 針對暴雨使用自動化天氣預報系統做預測。 Z-R relationship :R=0.017ZH0.714 KDP-R relationship : R=40.56KDP0.87 IF ZH > 25dBz (Sachidananda and Zrinc,1987)

Land conditions of the watershed Buffalo Creek 集水區主要在 Colorado州丹佛市旁的Front Range山脈的一條野溪。平均海平面高度2300m，總流域面積130km2最高高度超過3600m，河流出口部份則是2070m。 Buffalo creek 集水區地形較為陡峭，由一些灌木林等等的植披所組成 土壤方面則是沙壤土..等。 集水區中沒被燒的部份有森林、地表上得植披保護著森林地表不被沖蝕以及地層下有6公分厚的腐質層。 1.平均海平面高度2300m，總流域面積130km2 2.最高高度超過3600m，河流出口部份則是2070m 3.在Buffalo creek 地形較為陡峭，由一些灌木林等等的植披所組成 4.土壤方面則是沙壤土..等

Land conditions of the watershed 5.集水區中沒被燒的部份有森林、地表上得植披保護著森林地表不被沖蝕以及地層下有6公分厚的腐質層。 6.由於地表下的腐質層的地下水入滲會造成地表水流延遲，也反映出在腐質層下的碎石層入滲率減慢。 7.當這些腐質層被大火燒盡之後，造成延遲的因素沒有了，也因此當一個較大的降水事件發生時，地表水流流量增加。 8.由於被燒掉，因此截留的部份減小，減小的部份則流到河川中增加其流量。 6 cm 腐質層 碎石層

Wildfire 邊坡燒完後 殘餘樹枝在河川的堆積 1.Rill erosion on a burned hillslope after the Buffalo Creek Fire. Photo by John A. Moody http://wwwbrr.cr.usgs.gov/projects/Burned_Watersheds/ 2. Organic debris and sediment were deposited in Strontia Springs Reservoir, which supplies drinking water to the cities of Denver and Aurora. This debris came from two watersheds (Buffalo Creek and Spring Creek) burned by the 1996 Buffalo Creek Fire. Associated with this debris was an increase in manganese, which increased the chlorine demand of water treated for municipal usage. Photo by John A. Moody 圖片取自 http://wwwbrr.cr.usgs.gov/projects/Burned_Watersheds/

Meteorological condition Total precipitation accumulation between 1996/7/13 0000~0423 UTC

Meteorological condition 1996/7/12的暴雨事件有高的地表露點溫度、底層上升氣流、高層噴流以及週期性的推行力等等的氣候環境。 由於集水區的面積較小以及沒有足夠的雨量觀測站作為雷達估計降水的校正，因此Jarrett 和 Browning(1999)提出使用過去的雨量資料繪出等值線。

Meteorological condition 1.在point 1 S-POL KDP-R 、 S-POL Z-R and WSR-88D 估計雨量分別為68.1mm 、70.9mm and 50.6mm

Surface hydrological condition 集水區年降雨量為接近400mm，河川水源若是依靠降雨，水量只能夠維持一天，因此必須仰賴每年10月到隔年5月的降雪。 1996/7/12的暴雨事件在短短30分鐘產生4公尺高的水深。在Jarrett and Browning,1999估計在集水區洪峰流量為450m3/s(±20%)。

Surface hydrologic modeling system 水文模式使用USGS Precipitation-Runoff Modeling System(PRMS)作為Modular modeling system(MMS)內的模組，主要是一個分散式模式，可分成許多的次流域，並且輸入物理參數(如：斜度、坡向、土壤參數…等等)，而渠道使用運動波方程做模擬。 模式的河道設定是使用GIS做河道判斷加入MMS。 1.均質 2.時間的輸入可從一天到每分鐘的TIME STEP，對流胞的時間設定6～1min

Experimental design Watershed characterization and runoff-model parameteriztion Outlet 1.使用gis建立出37個次流域。 2.Dem資料 為100m，為了要使得空間解析度與雨量的高解析度做match，必須經過微調疊合的動作。 3.在河道判斷上，由於河道的水源主要來自於左右兩邊的集水區所供給的，只有少數的是單一次流域擁有一條河道。

Experimental design 入滲參數使用Green-Ampt infiltration model Low Median Upper Area(km2) 0.9 3.1 7.7 Slope(%) 7.0 13 31 Hydraulic conductivity(%) 6.0 70 80 Percent impervious(%) 1.0 30 Cover density 0.1 0.6 0.82 Soil water capacity(mm) 25 65 Cover density :植披密度 入滲參數使用Green-Ampt infiltration model 入滲參數使用Green-Ampt infiltration model 由於集水區有經過大火肆虐，因此一些地表參數有經過修正。

Experimental design 水文模式參數的物理特性在執行雨量估計的運用前，必須要經過敏感度測試。

The Dynamic model 非大氣穩定且為對流尺度的數值天氣預報模式(Sun and Crook,1997) 使用雷達觀測資料做同化再做數值模擬。 模擬範圍：65*65*13(km) 空間解析度：2km水平解析度、0.5km垂直解析度。 側邊界設定：open boundary 上層及下層風速設定為0m/s。 微物理過程假設水相粒子過程過飽和的水汽為雲水，進一步經由碰撞合併成雨水。冰相粒子在此模式不考慮，只考慮暖雨過程(Kessler,1969)

The automated algorithmic systems 自動化天氣預報模式對於小尺度對流胞加入了(Dixon and Wiener, 1993)the thunderstorm identification, Tracking, Analysis, and Nowcasting (TITAN) algorithm，此方式假設邊界層的風速為0m/s以及沒使用地形參數。

Experimental design Precipitation and runoff data 對於強降水，S-POL KDP-R比WSR-88D Z-R 以及S-POL Z-R雨量估計來的高。而在弱降水， S-POL KDP-R低於25mm，也比S-POL Z-R低，但高於WSR-88D Z-R。 利用數值預報模式根據實驗設計，模擬三個時間間隔的降雨以得到每六分鐘一筆的累積降雨。 利用自動化氣象預報模式模擬兩個小時的天氣情況以得到每六分鐘一筆的累積降雨。 1.由之前的圖可以看到其結果與WSR-88D Z-R平均雨量來比要高出25％ 2.模擬的網格大小：65*65*13km

Meteorology condition 1.利用三種雷達估計方式六分鐘累積降雨 2.一般雨量站得最大一小時累積雨量為80mm，而S-POL KDP-R 一小時累積雨量為90mm。 3.三種雷達估計降水方式若是和KDP-R的平均為基礎，WSR88d Z-R平均低3％ S-POL Z-R平均低13％ 4.1700~2123LT 5.WSR-88D 空間解析度為1*1km S-POL空間解析度為1*0.15km 時間間隔 S-POL 110s WSR-88D 5min 0.5度仰角

Experimental design 由於在模擬的集水區並沒有流量站，因此使用估計流量450m3/s(±20％)作為模擬雷雨所造成的流量基準。 Experiment Start of forecast End of forecast 1 0128 UTC 0227 UTC 2 0226 UTC 0325 UTC 3 0139 UTC 1.不論哪個起始時間會有較好的模擬結果，主要要挑選與dynamic model 的時段一樣去做模擬，並且將其結果輸入到水文模式做運算。

Discharge prediction from radar-derived QPEs Low 500m3/s Over 300m3/s 200m3/s Peak time:1945 LT 1.可以看到S-POL QPE 有著三個peak，最大的peak產生在1945，而WSR-88D則只有兩個peak 其最大的peak沒有S-POL QPE要來的大。 2.若從雨量的極大值來做比較，WSR-88D沒有很明顯的第二個peak。 3.由這樣的結果可以很明顯的看出雨量多重peak的結果，也可以看出選擇不同的雨量估計方式會有不同的流量結果。

Discharge prediction from QPF

Discharge prediction from QPF Rain input from the dynamic model closely 200m3/s 1.EXP3在第一個peak模擬完和S-POL比較有較好的結果，因為與第一個PEAK的降雨強度來看S-POL的降雨強度較為接近。 2.EXP3雖然在第一個peak1924 比較接近S-POL的結果，但是在第二個peak很明顯的跟S-POL做比較有相當大的差異。 3.200m3/s與被大火200年頻率的洪水有一致性 4.EX1再依開始的時候起始時間與S-POL差不多M，但是PEAK與其S-POL相比則很小。

Discharge prediction from QPF Rain input from the automated algorithmic system Delay 45min difference 100 m3/s Low 100 m3/s 1.exp1 流量曲線的結果與s-pol 的流量結果來比是非常的差，而且起始流量的時間也比s-pol早半小時。 2.exp3 第一個peak的結果與S-POL要來的小，起始流量的時間比較接近S-POL的起始時間。 3.exp2 從第二個peak暴雨來看，其流量有delay大約45分鐘也小於S-POL的流量。 4.100m/s在此流域超過未發生大火前的100年頻率洪水。

Discharge prediction from QPF 由QPF可看出流量的結果並不會與QPE的流量結果相同，也可從降雨估計結果瞭解。 在EXP2的模擬中，當強降水經過集水區時間及位置會與實際強降水會有所偏差。 結果顯示在模擬對流胞的發展時間及空間上得位置是有困難的。

Discussion 由於雷達估計降水良好的空間分佈特性搭配利用GIS針對先前大火調整的陸地參數對流量有較適合的的結果。 對於QPFs的流量結果，顯示出利用雨量模擬套入到水文模式是有發展性的。 水文模式的流量在複雜山區地形的模擬需要空間上準確的降雨資訊，以提高其流量精確度。 1.結果也顯示說經過大火延燒後的流量結果會比未燒過前來的快且大。 2.雖然在第二個peak模擬上兩個模式都無法準確的模擬，但是針對第一個peak有接近QPE套入水文模式的流量。 3.其需要準確的流量模擬在未來可以測試不同的大氣模式去做模擬，或者用不同的參數。

THINK YOU FOR LISTENING

Surface analyses