IFKIS-Hydro：洪涝和泥石流早期预警和信息系统

1、IFKIS-Hydro：洪涝和泥石流早期预警和信息系统瑞士 Hans Romang Massimiliano Zappa李烨 译；冯翠娥、段琦 校译IFKIS-Hydro是一个在中小流域进行水文灾害分析的预警和信息系统。该系统收集一些如天气预报、降水测量、水位测量、流量模拟和针对具体事件的局部观测数据。此外，IFKIS-Hydro是一个集成基于网络的信息平台，作为数据提交和汇总的中央集线器。特别强调的是当地的信息，可以通过人员观测完成。在中等尺度流域，为了提供有价值的信息，流量预测模型的重要性日益增加。在瑞士的几个试验区开发了IFKIS-Hydro，现在已经可见其初步应用结果。该系统不断向其它

2、地区扩展，并可能成为瑞士小流域标准的预警系统。1 概 述自然灾害经常会在世界各地造成人员伤亡和财产损失。近几十年来，灾害事件的数量和经济损失都有所增加，与天气有关的灾害事件增加更为显著，如洪涝和飓风。假如有证据表明洪涝风险增加，但无法仅通过技术、生物和规划措施降低其风险，则需要采取综合方法进行风险管理，而此时组织措施和有效的应急管理显得更为重要。然而，应急管理和救援行动也面临着重大的挑战，要充分发挥其作用，必须在事件发生之前采取紧急措施。只有提前确定了采取适当行动的最佳时机，同时尽量减少假警报，这样应急管理人员才可能获得最佳信息。关键问题是确定提前预警的时间，对于较小的流域，响应时间极短，要做

3、出及时的应急管理决策，面临着一定的挑战。针对特定场地的预警系统，如提供关于灾害状况的可能演化信息时，可能会遇到挑战。在发达国家和整个世界都在不断开发这样的系统（Markar等，2005；Rabuffetti和Barbero，2005；Butts等，2006；Clark等，2007；Loster，2008）。越来越多的系统不再是简单地集中研究通常受水文模型支持的洪涝预测，而是综合了附加信息，如风险资产和影响决策支持系统的可能减灾措施（Ahmad和Simonovic，2006）。然而，似乎大部分可以利用的系统，主要是应用于较大的河流，而在较小、一般也较陡的流域，仅有少数实例。在20世纪80年代，加

4、利福尼亚州迈出了建立山洪爆发和泥石流早期预警系统的第一步（Wilson等，1993），并在此基础上取得了一定进展。2005年，开始启动泥石流预警系统（NOAA-USGS泥石流特别小组，2005）。世界上的其它地区，也开始研究一些较小流域的泥石流和滑坡早期预警系统（Georgakakos，1986；Chan等，2003；Aleotti，2004）。此外，在瑞士，洪涝预警一般针对较大的河流（Buergi等，2007），到现在为止，小河流和山洪仍未得到类似的研究。目前，模拟的最小流域面积为124km2，但是结果仅供预报团队使用，并没有交付于终端用户（Zappa和Vogt，2007）。特别是对于较小的

5、流域，早期预警系统并不能完全根据模拟结果。附加信息，如日常天气预报、临近预报系统（如降雨雷达）或当地关于灾害的先进技术和经验可能有一定帮助，否则，关于相关过程，如径流形成或泥石流启动的认识不完整。因此，为了提供即使在小流域也可以利用的应急管理信息，2004年启动了一个项目，旨在开发瑞士面积在11000km2的中小尺度流域水文灾害信息和预警系统。该系统是基于雪崩预警系统IFKIS的经验和基础设施，因此命名为IFKIS-Hydro。2 IFKIS-Hydro的设计和功能2.1 雪崩预警系统IFKISIFKIS是州际的雪崩早期预警和危机管理信息系统（Bruendl等，2004）。目前，易于发生雪崩的

6、各州均采用该系统收集和发布相关信息，如天气和积雪情况、灾害预测和雪崩活动。此外，在IFKIS框架中，还包括相关的安全服务组织以及统一的雪崩教育和培训，联邦环境办公室（FOEN）负责监督整个过程。研究雪和雪崩的WSL研究所起着瑞士官方雪崩预警中心的重要作用。在瑞士，开发了IFKIS系统进行雪崩预警。IFKIS-Hydro计划是尝试利用雪崩预警的概念和基础设施进行水文灾害预警。居民和雪崩风险主管部门通常负责也关心其它自然灾害风险，如水灾。此外，雪和水的驱动过程的研究有一些相似之处，例如所需的信息类型或采用的危机管理方法。在这两种情况下，均需要利用一些气象数据，如测量和预测的降水量，以及当地信息，如

7、观察到的活动过程，以及模拟模型的结果，如积雪覆盖模拟和流量预测。因此，IFKIS原则可以用于洪涝灾害分析，而且并没有忽略与雪崩的差异，如特别是在较小的流域，洪水灾害对降水的反应更快；或在不同的流域初始条件可能变化更大。2.2 IFKIS-Hydro结构IFKIS-Hydro基于以下3点实现决策支持系统（DSS）的功能，使当地部门官员及时作出响应：监测：周期性地（至少每年一次）收集流域和每一事件的变化情况。监测有助于更好了解关注区域以前的情况，据此来评价适合实际情况的应急需求。实时信息：在紧急情况下，IFKIS-Hydro可以迅速提供信息，如天气预报、流量预测、测量数据和地方观测结果。这些资料可

8、以是定性的，也可以是定量的。事件记录：有效地长期管理当前和将来事件的信息，然而，这些信息目前大部分缺失。因此，IFKIS-Hydro的一个重要功能是收集和储存这些过去事件的信息，为将来所用。特别是对当地的观察资料非常重要，因为在其它地方不会存储这些资料。在IFKIS系统中，将数据收集、数据处理、解释和发布过程进行了标准化。设计工作主要致力于紧急情况下系统的运行，然而，也支持采用该系统进行长期监测和数据存储。观察员气象站模型雨量计数据库全国雪崩预警服务SLF公众安全服务安全服务信息管理者公告图1 设计IFKIS2.3 IFKIS-Hydro的主要要素在应用于特定地区时，系统的要素需要适应各自的情

9、况，特别是对现有数据是否适应。一般来说，IFKIS-Hydro主要要素特征如下：气象站：天气信息如天气预报、卫星或雷达图像、定量降水预报，对于洪涝预警系统是必不可少。一般来说，IFKIS-Hydro采用官方提供的气象服务、科研机构和专业公司提供的信息。雨量计：测量数据，如降水强度或排放量，给出了特定场地准确的信息，可近似地代表较大的区域范围情况。如果可能，可以将现有的雨量网络，如国家或区域一级的官方网络，以及私人网络，如水电站网络在IFKIS-Hydro中进行集成。为了适应系统的需求并提供准确的数据，雨量计必须符合相关的标准，例如测量的精度和间隔时间，以及数据存储、传输和维护。在极小的区域范围

10、应用时，IFKIS-Hydro需要依靠密集的网络，通常需要安装新的雨量计。到目前为止，需要根据当地分析和当地经验，对这些雨量计的数目和最佳位置，以及有多少雨量计确实需要安装进行评价，例如在Evolne试验区（210km2），建议安装6台雨量计，准确地代表在高山地形的降雨模式。然而，预测和预警系统的最佳雨量计网络密度仍是一个悬而未决的问题。模型：过程模拟有助于了解自然过程的形成和扩展。特别是将气象数据结合在过程相关的信息当中，如排水量。到现在为止，在IFKIS-Hydro中只采用了降雨-径流模拟模型，但在处理各自的情况时，其它模型（如泥石流启动预测）也非常有用。径流模型有助于增加预警准备的时间。

11、应用的主要限制是模拟地区的大小、可利用的数据、模型的精确度、校正和由此产生的不确定性（Pappenberger和Beven，2006）。观察员：在野外工作的观察员通常可以有效地提供与事件相关的信息。观察员可以灵活地部署工作，收集一些资料，如斜坡不稳定性、泥石流活动和河床负载等，并在其后加以解释。此外，与当地一些专业人员合作是必须的，因为他们一方面可以解释数据，另一方面可采取干预措施。名为InfoManager的基于Java的网络平台，作为一个中央集线器，提交数据及实现可视化，观察员可以进入。所有这些信息都存储在中央数据库（Oracle），不仅仅限于目前的数据，同时也允许将以前事件的数据输入。特

12、别是在一些小流域，到现在为止记录很少，系统地收集数据并进行存储，有助于提高对流域的整体认识，因此可以为将来的预警提供决策支持。到目前为止，IFKIS-Hydro并没有像IFKIS雪崩警报系统一样，作为全国的预警要求，因此，并不提供供市民参考的公告，这是由于该项目的示范特征。然而，在将来，该系统显然可能需要进行扩展。2.4 在瑞士的应用范围在瑞士不同地区开发了IFKIS-Hydro并作为示范项目，首次是应用于高山，但在随后扩大到瑞士的低地地区。3 瓦莱试验区3.1 集中于小流域瑞士西南部的瓦莱州，主要由隆河流域以及海拔高达4600m的高山峡谷组成，其中一些非常著名，如马特豪恩峰，IFKIS-Hy

13、dro重点研究小且陡的山谷。Jordan等（2006）和Jordan（2007）已经开发了隆河的预报系统MINERVE，并付诸于实施。首先对瓦莱州6个IFKIS-Hydro试验区的灾害和风险状况进行了评价，之后识别出应急管理的重点。与当地负责人员一起，通过现场观察或高密度的测量网络可能进一步了解当地信息。考虑到研究区范围相当小，可以利用的当地信息至关重要。该项目正在逐步实现，IFKIS-Hydro的2个试验区于2005年秋季开始运行。至于其它地区，2007年完成了概念设计，但尚未实施。Illgraben流域，这是一个已经进行深入研究的泥石流易发区，对道路、居民区，进而对人们的户外活动产生了重大

14、的威胁，IFKIS-Hydro模型也充分考虑了这一地区（Badoux 等，2009）。3.2 当地观察为了解和预测较小流域的水文事件，当地信息至关重要。降水以及各个流域的性质可能在较短的距离和较短的时间差异很大。野外工作人员可以收集这些地方信息，灵活地部署工作，收集一些资料，如斜坡不稳定性、泥石流活动和河床负荷等。在发生紧急状况时，会观察到一些现象，另外也可以对特定区域定期观测。定期观测的特定场所包括活动斜坡运动、河床负荷和物质堆积等。在这些场地进行每年一次或频率更高的观测，有助于找出可能导致危险增加的变化条件，例如，考虑流域对强降水的响应。Badoux等（2009）对瓦莱州其中一个IFKIS

15、-Hydro场地的观测结果进行了描述。此外，这些信息不应仅支持对单一事件作出评价，同时也应有助于对流域作出更加主动的管理，如预防性的维护工作或减灾措施。在事件发生时，可以连续观察其中一些重要场地（如不稳定斜坡），但在一般情况下，更侧重于河道的断面，以收集与事件相关的信息，如水位或侵蚀活动。事件发生期间的观察结果有助于了解流域对降水的响应，同时，应当直接提供应急管理活动，例如，突发事件时开展救援服务。所选的观测河道，应当比较稳定，不会受局部侵蚀和物质堆积的影响。此外，人员必须可以安全地进入，避免观察员自己受到伤害。在瓦莱州开发IFKIS-Hydro时，根据这些原则选择观察位置并收集数据。3.3

16、观测和测量数据解释要采取积极的应急措施，需要在早期阶段对观察到和实测的数据作出准确解释，同时也要考虑气象预报和类似的信息。这是一项具有挑战性的任务，鉴于对流域范围水文地质过程的了解仍存在一定局限性，特别是对小流域范围，更是如此，因此对当地情况进行评价非常重要。此外，尽管地方官员通常对这些现象有一些经验，可以作出相应解释，但是仍需要安装如IFKIS-Hydro之类的系统，采用专业知识对数据进行解释。一种可能提高了解潜在灾害的方法是对数据进行比较，如观测的降水值和阈值。这些阈值在世界上许多地区被定义，可能对早期预警系统发挥重要的作用（Wieczorek，1987；Cannon，1988；Crozi

17、er等，1999；Carpenter等，1999；Guzzetti等，2008）。在瑞士，确定了IFKIS-Hydro一个场地的阈值，即研究Illgraben流域的泥石流（McArdell和Badoux，2007）。然而，在实现IFKIS-Hydro以及类似的早期预警系统时，建立这些准确阈值的知识和数据仍较为缺乏。此外，由于这些数值对于当地的情况有很大依赖性，因此，一般情况下，无法将一个地区的阈值应用于另一个地区。一般情况下，只能基于足够长的数据系列定义阈值。为了启用该系统，在瓦莱州Evolne试验场地提出了一个相对简单的分析（表1）。在该分析中，比较了19872003年期间，该地区的降水数据

18、和洪水、泥石流事件信息。从由瑞士气象局运行的位于Evolne试验场地（210 km2）的自动测量站获得雨量数据。以前事件的信息来自与以前灾害分布图以及全国灾害事件数据库相关的文件（Hilker等，2009）。确定了5个导致在主要河流以及在众多的支流发生洪水和泥石流的重大事件。相应的降雨量发生相对频繁，即重现期主要在几年的范围。2002年10月发生的事件最大，对于日总降水量，重现期约为30年。对测量值和观测值进行比较，旨在确定本地区的有效阈值（如果存在的话）。表1 IFKIS-Hydro投入运行阶段的事件分析实例1小时最大降24小时最大降总降水量事件历前5天的总降事件发生日期水量水量（mm）时（

19、h）水量（mm）（mm/h）（mm/24h）1987年8月24255.935.048.961.710日1993年9月24257.941.895.285.249日1994年7月23日15.124.524.51.7151994年9月24252.212.020.188.0422000年10月137.682.5127.667.56615日降水资料分析表明：这一地区的灾害事件主要是由于历时较长的降水引起的（4次事件历时至少60小时，以及一个次历时较短的雷暴）。这些事件的24小时总降水量一般超过30mm（1994年9月的数据部分准确，因为降水中心是在山谷背后，因此，测量值不具代表性）。每小时的最大总降雨量

20、大多超过6mm（1994年9月除外）。强度增加似乎也对最终的诱发事件起着重要作用。通过2000年的事件可以看出，在最终发生泥石流与洪水时，降雨强度增加到了7mm/h。根据相关资料，初步得到近似阈值：日总降水量30mm/24h，降雨强度为7mm/h。5个事件中有3次均超过了2个阈值，但是并不完全相同。在这个意义上，5次事件中有4次，超过了两个阈值中的其中一个，或者为24小时或1小时阈值。如前所述，雨量站的数据对事件可能并不具有代表性，可能不能满足这些阈值（1994年9月）。虽然这些阈值通常固定在一个相当较低的水平，但可能无法监测到所有的事件。此外，可能有较高的事件发生数量。根据19872003年

21、的数据，这些事件每年超出阈值34倍。对Evolne现有数据作简单分析，可以为评价将来可能的灾害事件提供一些线索。然而，得到的阈值只能是粗略的近似，并不十分可靠。在这一阶段，只能作为补充信息，建议，Evolne采用30mm/24h作为阈值，并继续谨慎地观测降水强度的变化（参考值7mm/h）。此外，应该将其它雨量站纳入在IFKIS-Hydro中，以更好地覆盖整个区域，这样比较容易实现而且也较为可行，因为雨量站已经存在，只需要调整为可以进行自动化通信并连接到系统即可。最后但并非最不重要的是，天气情况的附加观察信息仍将发挥关键的作用，因为它们可以揭示小范围、历时极短的现象，如雷暴变化或降水分布的区域变

22、化。4 格拉鲁斯试验区4.1 背景和系统的一般设置Linth河是瑞士东部格拉鲁斯的一条高山河流。流域面积约600km2，被森林（20%）、草原（31%）和岩石区（34%）覆盖。径流受3个水电站水库的影响，总储水量为1.44亿m3，由于水电站发电，一天内排水量波动很大。此外，在洪涝事件发生时，水库可以作为蓄水池，极大地降低了洪峰流量和总排水量。沿Linth河，虽然通过移动保护措施可能减少一些潜在的灾害，但一些住宅和工业区仍受洪水的威胁。为了确定何时启动这些措施，需要快速、可靠地获取相关信息。尽管Linth河流域已经建造了许多测量站，但是这些测量站或者属于不同的网络，或者根本没有集成在任何网络，这

23、样就使得访问和收集以前的数据非常耗时。因此，在该地区首先安装了IFKIS-Hydro，以简化数据收集工作。所收集的信息不仅有助于进行事件管理，同时也开发了排水模型（Zappa等，2006）。目前，格拉鲁斯IFKIS-Hydro已经将降水量和排水测量站的数据，以及排水模拟结果相结合，并且极易通过基于网络的InfoManager访问。该系统自2006年开始运行，并已成功地应用于一些真实的事件。4.2 排水量模拟和预测在较大的流域，排水量预测模型发挥了关键作用。根据降水量预测和降水数据，可以预测可能的洪峰流量并绘制水位图，以及确定洪水沿河流的流动途径。格拉鲁斯IFKIS-Hydro的目标之一，是将数

24、值排水模型应用于较小的流域，如Linth河（600km2）。并将模型进一步开发为半分布式水文模型PREVAH（降水-径流-蒸散-HRU相关模型）（Gurtz等，2003；Viviroli等，2009）。此外，在Linth河首次应用PREVAH，环境办公室（FOEN）、瑞士国家气象服务局和IMIS监测网络（由瑞士联邦雪与雪崩研究所WSL运行）共同用来进行径流预测。每隔一小时，PRECAH收集并处理从MeteoSwiss和IMIS/SLF自动雨量站的雨量资料，以及来自FOEN和格拉鲁斯州的排水量数据，之后将最新的数据在流域内进行空间插值，最后，采用该模型模拟测量值前12天的数据，如果需要，该模型可

25、以重新校准。IFKIS-Hydro InfoManager模型运行4分钟后，就可以得到模拟结果（排水量、区域降水量、融雪、蒸发和地面的饱和状态）。据此评价后，相关部门可以采取进一步的行动，例如：紧急任务应急队。根据天气预报，负责人可以采用不同的方案，并得到一个河流排泄量发展变化的总观。目前，气象预报是手工输入的，与天气预报预测结果进行自动连接还处于开发当中（见标题为苏黎世试验区部分），目前，已经在MAPD-PHASE项目中进行了测试（Zappa等，2008）。4.3 应急管理组织格拉鲁斯试验区IFKIS-Hydro模型的成功，不仅是实现预测模型和网络平台系统相结合的技术结果，而且使得地方行政组

26、织和个人可以实施救援服务。所有的地方参与者都意识到了自己的角色和责任，并采用某一方式组织起来，使他们能够按照系统的信息共同采取行动。由于将该系统设置为运行，因此，当几次很小的事件发生时，每一事件都为进一步开发IFKIS-Hydro提供了进一步的输入。过去2年来最重要的事件是2007年8月的洪水事件，其时间序列提供了该系统如何工作的细节：根据气象预报，计算了几个排水方案。一般来说，这些预测方案表示8月8日夜间达到了临界排水水平。8月8日下午5时，州政府官员和市消防队举行会议分析形势，决定采取预防措施。消防队动员。他们安装了移动保护措施，例如在已知脆弱区安放沙袋和Beave灵活的软管系统。此外，告

27、知居民面临危险。Linth河水位上涨明显快于预测结果。尽管如此，在11点达到洪峰之前，已经采取了大部分干预措施。InfoManager及其模拟不断追踪并支持形势的发展。8月9日，给出解除危险的信号，在随后几天，保护措施被拆除。此外，根据事件的经验，一方面可以进一步开发PREVAH模型，另一方面，有助于州和地方应急管理人员组织措施。Romang和Wilhelm（2009）对干预计划进行了详细阐述。该计划主要是针对紧急任务应急队，当危险来临时，他们冲在第一线。该计划向应急管理者提供所需的信息、组织运作并优先考虑处于风险的对象。他们知道何时、何地以及采取何种行动，例如优先考虑采用移动河堤。根据计划，

28、在真实事件发生时，可以采取准备和干预措施，也可以提前获得所需要的物资，如可移动的洪水保护装置。5 苏黎世试验区5.1 背景和目标区域Sihl流域（336 km2）是一个非常具有挑战性的流域，苏黎世中央火车站（ZRS）及其周围面临着严重威胁，灾害对ZRS及其周围地区潜在的损失远超过10亿欧元。Schwanbeck等（2007）对最糟情况下的洪涝方案进行分析，结果表明洪涝事件可能会导致ZRs及其周围地区被淹，因此应该不惜一切代价避免这一现象发生，这也就是为什么需要实时洪水预警系统。Sihl河在ZRS下部的河道中流动（图2），图中，河流Sihl（c）位于火车道（a）下方，将来会流经目前正在建设的新铁

29、路（b）上方。20082011年，由于在Sihl河又新建了一个地下火车站，ZRS面临的潜在风险进一步增加。为了完成修建地下火车站的开挖工作，在持续3年内，ZRS下部河道的容量要减少40%。在河道断面五分之二处安装了潮闸门，这样导致潜在破坏增加。在流域上游，建了一个混凝土坝，收集上游源头次流域约115km2范围的来水，形成了Sihlsee湖，一个私人水电开发公司开发利用湖水，之后将水分流到苏黎世湖（图2）。图2 IFKIS-Hydro模拟Sihl流域和ZRS场地位置图苏黎世中心车站Sihlsee流域苏黎世湖5.2 水文地质模拟和实时数据同化类似于格拉鲁斯试验区，进一步开发了水文集合预报系统，并运

30、行PREVAH版本。通过国家和区域（由苏黎世州和Sihlsee湖流域水电公司负责运行）数据库不同观测网收集和整合的数据库获得模型需要的实时数据。处理确定性和概率数值天气预测模型（NWPs）的程序类似于Jaun等（2008）和Zappa等（2008）所提提出的方法，此处不作进一步讨论。为了预测不同的提前时间，可以采用MeteoSwiss的NWP系统。两种确定性模型可以提供高分辨率的预测结果，范围从24小时到72小时，这些信息每天更新数次。大气集合预报系统提供了每天一次的集合预报，包括16个组成部分，提前时间可以达到132小时（Molteni等，2001）。这些集合洪水预报结果，在大气和水文预报系

31、统中具有一定的不确定性。最后，将PREVAH耦合到一个水力模型，确定排水沿河床的流动途径，并考虑Sihlsee湖的管理（Schwanbeck等，2007）。5.3 系统的运行在运行模块中，即时预报始于气象数据插值，终于计算排水量，根据水力学模型FLORIS，每小时运行，持续5天，采用不同的NWPs约束，这样会生成径流预测结果，提前时间可以达到24小时到120小时。对所有数据进行处理后，自动生成预警水平和图表，上传到结合在IFKIS-Hydro的InfoManager可视化平台。紧急任务部队所有成员都可以进入可视化平台，对Sihl河流域洪水采取决策。为了进行洪水控制并对ZRS进行保护，由专家定期

32、对几种方案进行公开和评价。根据最新的洪水预报，可以完成控制湖水水位下降工作。之后由利益相关者（地方政府、瑞士联邦铁路公司、保险公司、水电公司成员和负责新铁路的人员）、气象学家和水文学家组成的成员团采取决策。需要在潜在严重事件发生前2到3天，采取控制水位下降的最终决定。一方面，增加Sihlsee湖的保留体积，有助于大大削减苏黎世的洪峰（Schwanbeck等，2007）；另一方面，可以补偿由于减少发电造成的损失。防洪减灾的第二个选择，只适用于新铁路开通的临时最紧急状况，通过关闭潮闸来控制洪水。可以采用潮闸开放来保证ZRS下方河道的全容量。在这种情况下，建筑商可能会延误2周以上的工作，这样的成本也

33、很高。防洪的两个方案均与重要的经济后果有关，因此，应避免发出错误警报。在首次运行预测和预警系统后，应当确定基于详细风险分析的预警阈值（Roulin，2007）。6 讨 论IFKIS-Hydro试验区是在中小高山流域，在潜在风险区进行预警。该系统是根据已经通过雪崩预警证实的概念，因此，提供了一个普遍适用的框架。尽管如此，仅适应特定的情况（如可以利用的数据、适用模型和地方能力）。这是一个开放系统，设计将新的技术和模型研究成果，如改进的模型进行结合。此外，通过标准化网络平台改进获取信息的途径，推进安全工作人员的工作，以及数据和经验的交换。该模型最明显的潜在局限性与一些流域范围太小有关，缺乏不同事件的

34、实际经验，无法彻底对系统进行测试，解决紧急情况下传送预警信息的难题。在系统中，预测模型发挥了重要作用。在两个试验场地安装了排水模型PREVAH。在格拉鲁斯，已经证明该模型有助于在紧急情况下进行主动管理。安装在苏黎世试验区的模型包括附加的集合预测，这可能是一种大有可为的方法。可以设想，类似于IFKIS-Hydro的早期预警系统的重要性在未来会增加。然而，对于范围达到10km2的小流域和数据缺乏的区域，应用预测模型难度很大，所以，不确定程度进一步增加。基于这个原因，直到现在，仍未在小流域运行任何IFKIS-Hydro模型。在小流域，如在瓦莱试验区运行一个类似于IFKIS-Hydro的系统，一般极具

35、挑战性。在瓦莱典型的IFKIS-Hydro区域包括几个洪流和河流。一方面，这一区域的总体特征是气候的时空变化极大，进而受影响的流域反应不同；另一方面提前时间可能很短。目前的经验表明，当这些特征处于极端条件，如严重的雷雨，系统的运行会达到其极限。在其它情况下，尤其是有更多的时间可以利用，可以证明IFKIS-Hydro极为有用，即使在相当复杂的地形，也可以允许用户随时获得信息。目前尚无法说明在不同环境中IFKIS-Hydro的效果如何。如果有像类似于Illgraben流域提供的充足信息（由雨量站、观测站和自动预警信息提供，见Badoux等，2009），毫无疑问，即使是在小流域，这一模型也可以向应急

36、管理部门提供有价值的支持。需要花一些时间来说明，如何通过一些科技含量低，如观测之类的方式收集到类似的信息。毫无疑问，观测似乎是一个投入合理时间和财力收集地方信息的合理方法，特别是在复杂条件，如在山区小流域。与IFKIS-Hydro区域的流域范围无关，但与预警措施之间密切相关，格拉鲁斯试验区说明了如何实现这一工作的可行办法。尽管IFKIS-Hydro没有考虑预警管理的干预方面，但在将来进一步开发模型时，需要考虑这一界面。需要做进一步研究来改进对数据的解释，在数据高度不确定情况下做出较好的决策过程，提高预警措施的效果。特别是，应当将社会和行为科学列入其中，这样有助于加强各个要素之间的联系，例如不确定性评价、预报和警报的发布和预警响应行为（OConnor等，2005；Drobot和Parker，2007）。预警和干预不仅要在技术上，同时也应当在行政和组织水