接入實時降雨數(shù)據(jù)的暴雨型洪澇災害臨災預警方法

杜志強，王 叁，張葉廷

(1.武漢大學 測繪遙感信息工程國家重點實驗室，湖北 武漢 430079；2.地球空間信息技術(shù)協(xié)同創(chuàng)新中心，湖北 武漢 430079)

0 引 言

洪澇災害在我國是第二重要的氣候災害，它嚴重威脅了人民的生命財產(chǎn)安全并為經(jīng)濟發(fā)展帶來極大的影響[1]。暴雨降水是我國洪澇災害發(fā)生的直接原因。洪澇災害總是在幾場大降水之后迅速發(fā)生，并且災害前期降水的致災性較大[2]。臨災預警，即在臨近災害發(fā)生的時期進行短時預警，一方面有效提升了洪澇災害預警的時效性，另一方面為居民轉(zhuǎn)移安置提供足夠及合理的時間。在暴雨型洪澇災害發(fā)生的前期進行臨災預警，對于控制災情以及減少災害造成的危害和損失等方面都具有重要的意義。

現(xiàn)有暴雨型洪澇預警研究大致可分為三類。第一類是聚焦暴雨降水，利用遙感手段預警強降雨[3-5]，但這種方法僅僅通過預警暴雨降水量和范圍來預警洪澇，未能有機結(jié)合暴雨和洪澇災害之間的機理關(guān)系；第二類是結(jié)合水文模型進行數(shù)值模擬[6-10]，這種方法對河網(wǎng)流域的洪澇預警效果好，但是對數(shù)據(jù)和模型參數(shù)的要求較高，某些參數(shù)獲取難度較大，且不適用于城市內(nèi)澇的預警；還有一類是運用GIS的空間分析能力，從致災因子、孕災環(huán)境、承災體以及防災減災能力等方面進行分析，構(gòu)建區(qū)域風險評價模型[11-14]，但是目前這種方法對影響因子的選取理論還不夠成熟，存在致災因子致災性不明確問題，如通常將暴雨作為致災因子，但是暴雨與洪澇災害之間并不完全是因果關(guān)系。此外，當前的暴雨型洪澇風險分析方法大多是省級的年度洪澇風險分析，時間尺度和空間尺度都比較大，時效性和針對性較差，難以滿足局部強降雨導致的洪澇災害預警需求[15-18]，對當前或即將發(fā)生的災害指導意義有限。

本文針對現(xiàn)有暴雨型洪澇災害預警方法時效性差，空間尺度大以及致災因子的致災性不明確的問題，通過接入實時降雨量數(shù)據(jù)，以“日”為時間尺度，將異常降雨作為致災因子進行暴雨型洪澇臨災風險分析。借助時序分析模型分析局部地區(qū)的正常降雨規(guī)律進而識別異常降雨，并與地形起伏、高程和河網(wǎng)因素結(jié)合，構(gòu)建暴雨型洪澇災害風險指數(shù)。根據(jù)暴雨型洪澇災害風險數(shù)值大小將災害風險等級劃分為無風險、低風險、中風險、中高風險和高風險5個等級，得到逐日風險區(qū)劃圖，實現(xiàn)在災害發(fā)生前期進行臨災預警，為防災減災提供科學的參考信息。

1 實驗區(qū)域與數(shù)據(jù)

1.1 實驗區(qū)域概況

清遠市位于廣東省中部，一半以上地域是山區(qū)，地勢自西北向東南傾斜，以山地、丘陵為主，平原分布于北江兩岸的南部地區(qū)。該地區(qū)處于北回歸線北側(cè)附近，屬東亞亞熱帶季風氣候區(qū)，年平均降雨量1900 mm。清遠市行政區(qū)劃如圖1所示，現(xiàn)轄清遠市區(qū)（清城區(qū)、清新區(qū)）、佛岡縣、陽山縣、連南瑤族自治縣、連山壯族瑤族自治縣，并代管英德市、連州市兩個縣級市。

圖1 廣東省清遠市行政區(qū)劃圖Fig.1 Administrative map of Qingyuan,Guangdong province

2014年5月22至23日，廣東遭遇特大暴雨。重災區(qū)清遠市北部山區(qū)山洪暴發(fā)，南部低洼地區(qū)出現(xiàn)內(nèi)澇。此次暴雨洪澇災害的受災人口約65萬，受災農(nóng)作物50多萬畝，倒塌房屋3300間，死亡5人失蹤1人，給人民的生命財產(chǎn)安全造成了極大的威脅。針對此次暴雨洪澇事件，本文選擇清遠市作為實驗區(qū)域，旨在根據(jù)本文所述方法在洪澇災害發(fā)生的前期識別異常降雨并劃分風險區(qū)，進而為災害預警和救助提供指導信息。

1.2 實驗數(shù)據(jù)

本文采用實驗數(shù)據(jù)具體如下：

降雨數(shù)據(jù)：中國氣象科學數(shù)據(jù)共享服務(wù)網(wǎng)發(fā)布的逐日網(wǎng)格降水量實時分析系統(tǒng)數(shù)據(jù)集，數(shù)據(jù)空間分辨率為0.25°×0.25°。

地形數(shù)據(jù)：地理空間數(shù)據(jù)云提供的ASTER GDEM數(shù)字高程數(shù)據(jù)，產(chǎn)品空間分辨率為30M。

河網(wǎng)數(shù)據(jù)：全國1:1 000 000的基礎(chǔ)地理信息數(shù)據(jù)。

2 暴雨型洪澇災害風險指數(shù)分析與計算

2.1 異常降雨因子

異常降雨是洪澇災害發(fā)生的直接原因，在不同地區(qū)導致洪澇災害發(fā)生的異常降雨的異常標準也不同?？紤]到這種特點，本文以0.25°×0.25°作為空間分辨率將實驗區(qū)劃分，對各個區(qū)域分別構(gòu)建時序分析模型ARMA，進而分析得到不同區(qū)域的正常降雨規(guī)律。

ARMA模型的基本思想是：將對象隨著時間的推移而形成的序列視作為一組隨機序列，然后用特定的數(shù)學模型來描述和逼近這個序列。這個模型一旦被識別且通過檢驗，就可以從時間序列的過去值來預測未來值。

ARMA(p，q)模型原理如公式（1），它表示當前預測值不但與之前自身P個滯后時間內(nèi)的歷史觀測值有線性關(guān)系，還與過去q個滯后時間內(nèi)發(fā)生的變化有關(guān)系。

式中，p表示AR項的階數(shù)、q表示MA項的階數(shù)、t表示當前時刻、yt表示t時刻對象的值，即t時刻的降雨量大小、ψ為常數(shù)，表示自回歸項的系數(shù)、是一組白噪聲序列，它的均值為零，方差為σt2，代表與歷史降雨數(shù)據(jù)不相關(guān)的其他影響因素、w為常數(shù)，表示移動平均項的系數(shù)[19]。

ARMA模型構(gòu)建完畢之后可以預測接下來N步的正常降雨量上限。將實時降雨數(shù)據(jù)與正常降雨上限進行對比，并將兩者之差作為異常降雨因子，劃分其對洪澇災害的影響度。對于每天評估的異常降雨因子R，采用表1值列確定其對洪澇災害的影響度X1。其中，零值是降雨正常和降雨異常的分界線。異常降雨因子小于零說明實測值在預測范圍內(nèi)，降雨處于正常規(guī)律下，不存在洪澇風險；大于零說明實測值超出預測范圍，認為出現(xiàn)異常降雨，并根據(jù)超出范圍的程度劃分異常降雨因子的影響度。實時降雨數(shù)據(jù)的接入實現(xiàn)了災害發(fā)生前期異常降雨的識別，保證了暴雨型洪澇災害風險分析的時效性。

表1 異常降雨因子對洪澇災害的影響度計算表Tab.1 Eあect of abnormal rainfall factor on flood disaster

2.2 地形因子

地形對洪澇災害的發(fā)生和發(fā)展有著重要的影響。首先，高程越低的地區(qū)越容易被淹沒；其次，地形起伏越小的地區(qū)，洪水越不容易排泄出去，越有可能成為洪澇區(qū)域。根據(jù)實驗區(qū)域的數(shù)字高程模型，可以直接得到高程信息，進而計算地形起伏度。對于高程因子H和地形起伏度因子S，借鑒前人的經(jīng)驗[20]確定它們對洪澇災害的影響度X2和X3計算見表2和表3。

表2 高程因子對洪澇災害的影響度計算表Tab.2 Eあect of evation factor on flood disaster

表3 地形起伏度因子對洪澇災害的影響度計算表Tab.3 Eあect of terrain fluctuation factor on flood disaster

2.3 河網(wǎng)因子

河網(wǎng)的分布也影響洪澇災害的發(fā)生和發(fā)展狀況。從理論角度講，距離河網(wǎng)越近的區(qū)域越容易受到洪水的影響，被淹沒的可能性越大。借助GIS的空間分析能力，對河網(wǎng)建立多級緩沖區(qū)可以計算其對洪澇災害的影響度。河流緩沖區(qū)L對洪澇災害的影響度X4計算見表4[21]。

表4 河流緩沖區(qū)因子對洪澇災害的影響度計算表Tab.4 Eあect of river network factor on flood disaster

2.4 構(gòu)建暴雨型洪澇災害風險指數(shù)

結(jié)合異常降雨、高程、地形起伏度和河網(wǎng)構(gòu)建暴雨型洪澇災害風險指數(shù)Z，其計算公式如式（2）所示。

式中，X1、X2、X3、X4分別表示異常降雨因子、地形起伏度因子、高程因子和河流緩沖區(qū)對洪澇災害的影響度，a1、a2、a3、a4分別代表各個因子的權(quán)重。

本文采用層次分析法（AHP）確定各個因子的權(quán)重。首先通過兩兩比較目標之間的相對重要程度構(gòu)造判斷矩陣，然后檢驗判斷矩陣的一致性，如果不通過檢驗則需重新構(gòu)造判斷矩陣；通過檢驗則認為矩陣具有滿意一致性，最后歸一化得到各個目標對應(yīng)的權(quán)重。

經(jīng)過計算確定各個目標的權(quán)重分別為0.64、0.18、0.07和0.11，即暴雨型洪澇災害風險指數(shù)計算公式如式（3）所示。

本文從異常降雨致災的角度出發(fā)，認為異常降雨事件可以為洪澇災害定性，即異常降雨導致暴雨型洪澇災害發(fā)生。因此，本文將異常降雨因子R對暴雨型洪澇災害影響度的分界點與其對應(yīng)的權(quán)重0.64相乘得到的結(jié)果作為災害風險等級的分界點，將暴雨型洪澇災害劃分為無風險、低風險、中風險、中高風險和高風險五級，等級劃分表見表5。

表5 暴雨型洪澇災害風險等級劃分表Tab.5 Classification of risk levels of rainstorm-caused flood disaster

3 實驗分析

3.1 異常降雨因子影響度計算

ARMA模型的適用條件包括：

1）輸入數(shù)據(jù)在時間上必須是連續(xù)無間斷；

2）輸入數(shù)據(jù)必須超過60個，以保證分析結(jié)果的準確性。

本文從異常降雨致災角度出發(fā)，旨在揭示正常降雨規(guī)律，即降雨未能致災的規(guī)律。因此，在數(shù)據(jù)選擇方面還需注意，在實驗數(shù)據(jù)對應(yīng)的時期內(nèi)不能有暴雨型洪澇災害發(fā)生，以保證規(guī)律的準確性。

綜合以上三個約束條件，本文選擇2014年3月1日至2014年5月20日的清遠市范圍內(nèi)的逐日降雨數(shù)據(jù)作為ARMA模型的輸入數(shù)據(jù)。

通過疊加逐日降雨柵格影像與清遠市界，得到81幅柵格影像，其中每幅影像中包含28個柵格。本實驗對此28個柵格逐一建模與分析，得到各個柵格包含的地區(qū)內(nèi)的降雨規(guī)律，并進行六個滯后項的正常降雨量上限預測。在此基礎(chǔ)上，以“日”為時間尺度，接入實測降雨量，對實測值和預測上限求差，差值圖如圖2所示。其中，降雨異常以水平零軸作為分界線。實測值與預測值之差大于零則說明實測值超出預測的正常降雨上限，此時認為降雨異常，存在發(fā)生洪澇災害的危險；小于零則說明實測值在預測范圍內(nèi)，即降雨處于正常規(guī)律下，不存在發(fā)生洪澇災害的危險。從時間角度來講，5月22日和23日清遠市大部分地區(qū)處于降雨異常中；從地區(qū)角度來講，同一地區(qū)基本遵循洪澇風險在22日達到峰值，然后逐漸減小的規(guī)律，并且ID號從11號至22號所代表的地區(qū)降雨異常狀況較為嚴重。將實測值與預測上限之差經(jīng)過數(shù)據(jù)空間化并計算其對洪澇災害的影響度，得到5月21日至5月26日的異常降雨因子的影響度等級如圖3所示。從圖中可以看出，5月22日清遠市全部地區(qū)都處于降雨異常狀態(tài)中；5月21日-23日期間，清遠市中下部地區(qū)降雨異常情況比較嚴重；陽山縣處于持續(xù)的降雨異常情況中。

圖2 實測值與預測上限差值圖Fig.2 Graph of diあerence between measured values and predicted maximum

圖3 廣東省清遠市異常降雨影響度等級圖Fig.3 Eあect level of abnormal rainfall in Qingyuan,Guangdong province

3.2 地形因子影響度計算

由清遠市30 m分辨率DEM得到高程因子的影響度分布如圖4所示。通過GIS的柵格鄰域分析方法，利用高程數(shù)據(jù)計算得到地形起伏度因子的影響度分布如圖5所示。

圖4 廣東省清遠市高程影響度等級圖Fig.4 Eあect level of evation in Qingyuan,Guangdong province

圖5 廣東省清遠市地形起伏度影響度等級圖Fig.5 Eあect level of terrain fluctuation in Qingyuan,Guangdong province

3.3 河網(wǎng)因子影響度計算

清遠市境內(nèi)僅有一條北江穿過，對其按照表4的標準生成多級緩沖區(qū)并確定影響度后，對洪澇災害的影響度分布如圖6所示。

圖6 廣東省清遠市河網(wǎng)影響度等級圖Fig.6 Eあect level of river network in QingYuan,Guangdong province

3.4 暴雨型洪澇災害風險指數(shù)計算與分析

將地形因子影響度分布圖、河網(wǎng)因子影響度分布圖與6天的異常降雨因子影響度分布圖加權(quán)疊加，并按照表 5的標準為暴雨型洪澇災害風險劃分等級，得到2014年5月21日至2014年5月26日期間內(nèi)每天的暴雨型洪澇災害風險分布圖，如圖7所示。

圖7 廣東省清遠市暴雨型洪澇災害風險分布圖（2014年5月21日至2014年5月26日）Fig.7 Risk distribution of rainstorm-caused flood disaster of QingYuan,Guangdong province(May 21,2014-May 26,2014)

調(diào)查顯示，在2014年5月22日至2014年5月24日期間，暴雨導致廣東省清遠市多地發(fā)生洪澇災害。清遠市北部發(fā)生山洪，南部發(fā)生內(nèi)澇，其中陽山縣災情較為嚴重。截止5月26日，清遠市陽山縣3個村形成2.1 km2的積水面積。對照發(fā)現(xiàn)，5月21日至5月25日期間，陽山縣中下部地區(qū)處于持續(xù)的較高暴雨洪澇風險中，說明預測的暴雨洪澇風險對于實際災情有一定的預警效果。

4 結(jié)束語

本文從異常降雨致災的角度出發(fā)，由不同地區(qū)的歷史降雨數(shù)據(jù)分析得到該地的正常降雨規(guī)律，接入實測降雨數(shù)據(jù)來識別異常降雨，并將異常降雨因子與地形因子、河網(wǎng)因子結(jié)合，利用層次分析法構(gòu)建暴雨型洪澇災害風險指數(shù)。以2014年5月22日廣東省清遠市發(fā)生的洪澇災害為例，在災害發(fā)生的前期進行短時、高時效性的臨災風險分析，得到逐日災害風險分布圖，實驗表明分析結(jié)果與實際洪澇災情吻合較好，為近、短時洪澇災害的發(fā)生和災情的空間分布提供準確的參考信息。

基于實時降雨數(shù)據(jù)的暴雨洪澇災害預警方法仍存在一定的缺陷，如歷史降雨數(shù)據(jù)必須是連續(xù)并且期間無暴雨洪澇災害發(fā)生的數(shù)據(jù)、降雨數(shù)據(jù)空間分辨率較低，影響風險分析結(jié)果的精度以及由于時序分析模型的限制，不適用于長期和災害發(fā)生期間的風險分析。但是作為一種短時暴雨型洪澇災害預警方法，本文使用的異常降雨計算方法使致災因子的致災性更具說服力，同時為短時、近期暴雨洪澇災害的發(fā)生和空間分布提供了一種新的臨災預警思路。