基于Copula函數(shù)的太湖流域汛期洪澇災(zāi)害危險性分析*

羅 赟，董增川**，管西柯，劉玉環(huán)，鐘敦宇，袁嘉晨

(1：河海大學水文水資源學院, 南京 210098) (2：湖北省水利水電勘測設(shè)計院, 武漢 430064)

目前，關(guān)于洪澇災(zāi)害風險的研究主要包含災(zāi)害危險性分析[1-4]、承災(zāi)體易損性分析[5-7]、災(zāi)損評估[8-10]和風險應(yīng)對決策[11-13]4個方面. 其中，洪澇災(zāi)害的危險性受到天文、氣象、水文、人類活動等多重因子的影響，僅采用單變量對其分析不能夠清楚描述各因子之間的相互作用，難以有效地解決洪澇災(zāi)害問題，因此尋求多變量的聯(lián)合分布就成為了洪澇災(zāi)害危險性分析的熱點.

多變量聯(lián)合分布模型根據(jù)邊際分布函數(shù)的特點，可分為兩類，第一類是具有相同邊際分布的多變量分布模型[14-16]，第二類是具有不同邊際分布的多變量分布模型[17-19]. 根據(jù)洪澇災(zāi)害影響因子的實際情況，第二類多變量分布模型的適用性較強，因此相關(guān)學者的研究成果也更為豐富，但第二類模型中有些具體模型(如Meta-Gaussian模型和FGM模型)對變量間的相關(guān)性有要求，使它們的適用范圍受到了限制. 相比之下，同屬第二類模型的Copula函數(shù)優(yōu)勢就更為明顯，它不僅可以描述變量之間的線性關(guān)系還可以描述變量間的非線性關(guān)系，可以更好地表征洪澇災(zāi)害因子之間的相互結(jié)構(gòu). 目前，經(jīng)國內(nèi)外廣大學者對Copula函數(shù)的類型選取、參數(shù)估計、擬合優(yōu)度等各方面的深入研究，其在水文中的應(yīng)用已日漸成熟，主要包含兩個部分，第一對水文氣象變量的多特征屬性進行頻率分析(如洪水歷時、洪峰、洪量，降水歷時、降水量、降水強度等)[20-21]，第二是各種水文事件的遭遇組合問題(如臺風梅雨遭遇問題，干支流豐、平、枯組合問題等)[22-24]. 而洪澇災(zāi)害危險性分析研究在兩類應(yīng)用中均有涉及.

在多重天氣系統(tǒng)的影響下，太湖流域降水類型分為梅雨和臺風雨. 不同的天氣系統(tǒng)帶來時空分布各異的降水，給該地區(qū)城鎮(zhèn)防洪排澇工作造成了巨大的挑戰(zhàn). 以往學者采用Copula函數(shù)對太湖流域汛期洪澇災(zāi)害危險性分析時，關(guān)注點主要集中于梅雨和臺風的遭遇問題[25]，且所選用的研究時段多為整個汛期[26]. 但相比梅雨和臺風的遭遇的情況，在汛期，梅雨或臺風等天氣系統(tǒng)單獨或交替影響整個流域降水的情況仍是大概率事件，并且由于梅雨或臺風等天氣系統(tǒng)的成因不同，造成降水在流域的時空分布情況也大不相同，因此造成的洪澇災(zāi)害危險性也有所差異.

本文在以往研究的基礎(chǔ)上，將汛期劃分為梅雨影響主導期(梅汛期)和臺風影響主導期(臺汛期)，并采用Copula函數(shù)，研究不同時期下降水的空間分布情況，之后結(jié)合太湖流域防洪規(guī)劃制定排澇不利情境，對流域梅汛期和臺汛期的洪澇風險進行分析，為流域設(shè)計暴雨的調(diào)整、洪水資源的利用以及防洪排澇實時調(diào)度的決策提供科學參考.

1 研究區(qū)與數(shù)據(jù)

1.1 流域概況

太湖流域(30°28′～32°15′N，119°11′～121°53′E)北抵長江，東臨東海，南瀕杭州灣，西以天目山、茅山等山區(qū)為界，流域總面積約36895 km2. 流域?qū)賮啛釒Ъ撅L氣候，多年平均降水量為1177 mm，降水年內(nèi)分布不均勻，主要集中在汛期. 流域地形為一碟形洼地，周邊高，中央低，水面面積2336.8 km2的太湖位于流域中央，流域平原低洼處通常低于汛期河湖水位，上游洪水和流域降雨匯集于低洼地區(qū)，極易產(chǎn)生洪澇災(zāi)害[27]. 流域內(nèi)河網(wǎng)密布，湖泊眾多，天然調(diào)蓄量大，但上游坡陡水急，來水迅速，下游地勢平坦，水面較平緩，又受周邊江海潮位頂托，泄水不暢，河湖水位一旦抬高，退落緩慢. 根據(jù)水文和地理拓撲關(guān)系，太湖流域通常被分為8個水文分區(qū)，分別是湖西區(qū)(Ⅰ)、武澄錫虞區(qū)(Ⅱ)、陽澄淀泖區(qū)(Ⅲ)、浦西區(qū)(Ⅳ)、浦東區(qū)(Ⅴ)、杭嘉湖區(qū)(Ⅵ)、浙西區(qū)(Ⅶ)和太湖湖區(qū)(Ⅷ)，各個分區(qū)的地理位置如圖1所示.

1.2 數(shù)據(jù)來源

本文所用到的數(shù)據(jù)資料包含：1962-2011年太湖流域67個代表站點的日降水資料、1962-2011年太湖水位數(shù)據(jù)、1962-2011年太湖流域梅雨發(fā)生時間數(shù)據(jù)和1962-2011年發(fā)源于西太平洋歷史臺風資料. 其中，降水、水位和梅雨數(shù)據(jù)均來自中華人民共和國水利部太湖流域管理局，臺風資料來源于中國氣象局.

2 方法

2.1 基于降水主導因素的汛期分期

本文選擇太湖流域梅汛期的開始時間和結(jié)束時間來描述梅汛期的時間特征，利用臺風登錄太湖流域的時間來刻畫臺汛期的時間特征[25]. 采用水文領(lǐng)域中常用的Norm、Lnorm、Gamma、Beta、Logistic、Weibull 6種分布來擬合入梅時間(STP)、出梅時間(ETP)、臺風登錄時間(ITT)的分布函數(shù). 采用柯爾莫可洛夫-斯米洛夫檢驗(K-S)、概率點距相關(guān)系數(shù)檢驗法(PPCC)、平方絕對誤差(MAE)、均方根誤差(RMSE)、確定性系數(shù)(DC)依次對入梅時間、出梅時間和臺風登錄時間等3個變量的6種分布線型進行擬合檢驗. 各檢驗方法的表達式如下：

(1)

(2)

(3)

(4)

太湖流域的前汛期以梅雨型降水為主，后汛期以臺風型降水為主，但在主汛期甚至整個汛期梅雨型降水和臺風型降水是有一定遭遇概率的，因此本文以入梅時間分布的累積概率為90%處的時間點作為梅汛期的起點，即歷史上90%的年份在該日以后已經(jīng)進入梅汛期；同樣以臺風登錄時間分布的累積概率為90%處的時間點作為臺汛期的終點，即歷史上百分之九十的臺風在該日之前已經(jīng)登錄太湖流域. 對于梅汛期和臺汛期的時間節(jié)點的劃分，通過構(gòu)造梅臺比重系數(shù)ω進行劃分計算：

(5)

ω系數(shù)代表每個時間節(jié)點中梅雨和臺風雨對降水的綜合貢獻率，取太湖流域主汛期ω值最大的時間節(jié)點作為梅汛期和臺汛期的分界點，使得梅雨型降水和臺風型降水能夠在其各自的時間段內(nèi)保持較好的主導性和典型性. 選擇太湖水位作為降水的響應(yīng)變量，檢驗梅汛期和臺汛期時間劃分的合理性. 根據(jù)太湖超警戒水位發(fā)生時間(TWL)的雙峰特征，采用混合正態(tài)分布模型及其參數(shù)估計方法，對太湖警戒水位發(fā)生時間分布進行擬合和參數(shù)估計，具體公式如下：

(6)

式中，α1和α2為權(quán)重系數(shù)，且α1+α2=1；μ1和μ2為均值，σ1和σ2為均方差.

2.2 流域子區(qū)域聚類分析

根據(jù)水系特征和徑流關(guān)系，太湖流域被劃分為8個水文分區(qū). 但不同的水文分區(qū)可能具有相似的降水規(guī)律，因此本文根據(jù)這一假設(shè)，對太湖流域8個水文分區(qū)進行聚類，合并成更具有特點的降水空間分區(qū). 這種方法既維持了區(qū)域之間的水力聯(lián)系，又考慮了降水在空間上的分布情況. 在水文分區(qū)多次聚合之后，會產(chǎn)生多個區(qū)域聚類結(jié)果，但流域洪澇災(zāi)害形成機理復雜，不僅僅由降水造成，因此最優(yōu)的降水聚類結(jié)果并不一定最能反映流域洪澇特性. 根據(jù)太湖流域?qū)嶋H情況，各區(qū)降水與太湖水位的關(guān)系是流域洪澇風險控制的核心因素，也是本文進行洪澇危險性分析的基礎(chǔ)，因此，在每次聚合之后采用Copula函數(shù)擬合各區(qū)降水與太湖水位的聯(lián)合分布函數(shù)，同時考慮完全不聚類(8個水文分區(qū))和完全聚類(整個流域作為一個整體)的兩種極端情況，通過經(jīng)驗概率與理論概率的對比分析，確定最優(yōu)的區(qū)域聚類方案. 此外，本文在區(qū)域聚類過程中，將梅汛期和臺汛期分別考慮.

2.2.1 基于降水相關(guān)性的區(qū)域聚類 首先，利用泰森多邊形法分別統(tǒng)計梅汛期和臺汛期8個分區(qū)的面降水量數(shù)據(jù)，之后通過皮爾森法(Pearson)、斯皮爾曼法(Spearman)計算各個分區(qū)之間的降水相關(guān)性，將降水相關(guān)性較強的區(qū)域依次合并聚類.

2.2.2 基于聯(lián)合分布效果的區(qū)域聚類優(yōu)選 Copula函數(shù)是定義在[0,1]均勻分布的多維聯(lián)合分布函數(shù)，根據(jù)Sklar理論[28]，令H為一個n維分布函數(shù)，各變量的邊緣分布為F1,F2,…,Fn，那么存在一個n-Copula函數(shù)C，使得對任意的x屬于Rn，滿足:

H(x1,x2,…,xn)=Cθ(F1(x1),F2(x2),…,Fn(xn))

(7)

式中，θ為Copula函數(shù)的參數(shù)；若F1,F2, …,Fn是連續(xù)的，則函數(shù)C是唯一確定的.

對稱Archimedean Copulas由于具有簡單的函數(shù)構(gòu)造，僅含一個參數(shù)，求解容易等特性，被廣泛應(yīng)用于水文多變量頻率分析計算. 本文選取Archimedean Copulas中的Clayton Copula、Gumbel Copula和Frank Copula 這3種常用類型作為候選函數(shù)，并采用最大似然法進行參數(shù)估計[29]. 此外，為了能夠找出最能反映降水與水位關(guān)系的區(qū)域聚類結(jié)果，采用赤池信息準則(Akaike Information Criterion)和貝葉斯信息準則(Bayesian Information Criterion)對聯(lián)合分布進行擬合優(yōu)度檢驗，每次區(qū)域聚類后，選擇最優(yōu)的Copulas函數(shù)類型[30]. 本文選用的擬合優(yōu)度檢驗公式如下：

(8)

(9)

式中，Pei為聯(lián)合經(jīng)驗頻率，Pi為Copula函數(shù)聯(lián)合分布值，k為模型中所含的參數(shù)，n為樣本數(shù)，檢驗值A(chǔ)IC和BIC越小，表示Copula分布值Pi越靠近聯(lián)合分經(jīng)驗概率值Pei，擬合精度越高.

通過對比分析每次聚類之后區(qū)域降水與太湖水位的聯(lián)合分布，根據(jù)Copula函數(shù)擬合效果的優(yōu)劣，確定梅汛期和臺汛期最終的區(qū)域聚類劃分結(jié)果.

2.3 基于Copula的洪澇風險分析

根據(jù)太湖流域管理局與流域各省市有關(guān)單位編制的《太湖流域防洪規(guī)劃》，到2025年，流域達到防御不同降雨典型100年一遇的洪水標準；區(qū)域基本達到防御50年一遇洪水標準. 太湖警戒水位3.8 m，太湖保證水位4.65 m. 根據(jù)梅汛期和臺汛期的區(qū)域聚類結(jié)果，如果流域降水不分區(qū)，說明流域降水的空間分布不明顯，整體降水較為均勻，則采用流域整體防洪標準、太湖警戒水位、保證水位進行洪澇風險情境設(shè)定. 如果流域降水分為不同的區(qū)域，說明流域降水在空間上呈現(xiàn)差異性，則采用區(qū)域防洪標準、太湖警戒水位進行洪澇風險情境設(shè)定. 之后，通過Copula函數(shù)擬合多元變量的聯(lián)合分布函數(shù)[31]，分析各區(qū)域或流域多種降水頻率與太湖水位狀態(tài)的遭遇概率，對梅汛期和臺汛期流域洪澇風險進行分析.

3 結(jié)果和分析

3.1 汛期分期結(jié)果及分析

根據(jù)K-S檢驗(表1)和PPCC值、MAE值、RMSE值和DC值的大小(表2和表3)，可知太湖流域入梅時間和出梅時間，臺風登錄時間擬合最好的函數(shù)類型分別為Weibull分布、Lognormal分布和Norm分布，具體參數(shù)值見表4.

從圖2可知，梅汛期的起止時間為：6月24日(一年中的第175天，下同)至7月21日(202天)；臺汛期的起止時間為：7月22日(203天)至9月22日(265天). 根據(jù)《太湖流域洪水與水量調(diào)度方案》(下面簡稱‘方案’)，將全年劃分為6個時段，其中，第4個時段為梅汛期(6月16日-7月20日)，第5個時段為臺汛期(7月21日-9月30日). 本文計算的時段均處于‘方案’劃分時段之內(nèi). 此外，通過分析圖中超警戒水位發(fā)生時間，可以得到以下3個結(jié)論：1)在第170～180天期間，超警戒水位 發(fā)生概率迅速增大，說明在這時間段降水量明顯增大，太湖流域已經(jīng)入梅，驗證了我們劃分的第175天的入梅期是合理的；2)第191天為梅汛期超汛限水位發(fā)生概率最大的時間點，說明由梅雨主導的降水的結(jié)束點應(yīng)該在這天之后，因此驗證了我們劃分的第202天是合理的；在第210～220天期間內(nèi)，超警戒水位的發(fā)生概率最小，說明該期間為梅汛期尾期，臺汛期初期，考慮到水位和降雨響應(yīng)關(guān)系的延遲性，梅汛期和臺汛期的分界點可以適當提前；3)梅汛期超警戒水位分布形狀高且瘦，臺汛期超警戒水位分布矮且胖，符合梅雨和臺風的時長和頻次的發(fā)生特點. 梅汛期降雨量小且時間長，導致多年水位漲落過程集中；臺汛期降雨量大且時間短，次數(shù)多，導致多年水位漲落過程分散疊加.

表1 6種分布函數(shù)的K-S檢驗結(jié)果

表2 出梅時間和入梅時間的擬合優(yōu)選

表3 臺風登錄時間的擬合優(yōu)選

表4 6種分布函數(shù)的參數(shù)

圖2 太湖流域入梅、出梅、臺風和超警戒水位發(fā)生時間的理論概率關(guān)系Fig.2 Probability density functions of random variables(STP, ETP, ITT and TWL)

3.2 流域子區(qū)域聚類結(jié)果

3.2.1 降水相關(guān)性聚類結(jié)果 根據(jù)圖3分析各分區(qū)降水相關(guān)性，考慮地理拓撲關(guān)系和上下游水流走向，進行第1次聚類：在梅汛期，可將水利分區(qū)由原來的8個區(qū)域重新劃分為湖西區(qū)與武澄錫虞區(qū)(Ⅰ & Ⅱ)、陽澄淀泖區(qū)與太湖湖區(qū)(Ⅲ & Ⅷ)、浦西區(qū)與浦東區(qū)(Ⅳ & Ⅴ)、浙西區(qū)和杭嘉湖區(qū)(Ⅵ & Ⅶ)4個區(qū)域. 在臺汛期，可以將水利分區(qū)由原來的8個區(qū)域重新劃分為湖西區(qū)與武澄錫虞區(qū)(Ⅰ & Ⅱ)、陽澄淀泖區(qū)，太湖湖區(qū)與浦西區(qū)(Ⅲ & Ⅳ & Ⅷ)、浦東區(qū)(Ⅴ)、浙西區(qū)和杭嘉湖區(qū)(Ⅵ & Ⅶ)4個區(qū)域.

根據(jù)圖4分析各分區(qū)降水相關(guān)性，進行第2次聚類：在梅汛期可以發(fā)現(xiàn)陽澄淀泖和太湖湖區(qū)(Ⅲ & Ⅷ)與浦西和浦東區(qū)(Ⅳ & Ⅴ)的相關(guān)性仍然很大，在Pearson和Spearman檢驗下能夠達到0.86和0.84，考慮地理拓撲關(guān)系和上下游水流走向關(guān)系，可以將這兩個分區(qū)繼續(xù)合并，因此整個太湖流域被分成：湖西區(qū)與武澄錫虞區(qū)(Ⅰ & Ⅱ)，陽澄淀泖區(qū)、太湖湖區(qū)、浦西區(qū)與浦東區(qū)(Ⅲ & Ⅷ & Ⅳ & Ⅴ)，浙西區(qū)和杭嘉湖區(qū)(Ⅵ & Ⅶ)3個區(qū)域. 分析臺汛期各分區(qū)降水相關(guān)性，可以發(fā)現(xiàn)4個區(qū)域降水的相關(guān)性仍然很大，特別是湖西區(qū)與武澄錫虞區(qū)(Ⅰ & Ⅱ)，陽澄淀泖區(qū)、太湖湖區(qū)、浦西區(qū)(Ⅲ & Ⅷ & Ⅳ)，浙西區(qū)和杭嘉湖區(qū)(Ⅵ & Ⅶ)三者之間在Pearson和Spearman檢驗下相關(guān)系數(shù)達到0.87及以上，呈現(xiàn)出整個區(qū)域的聚合性. 但為了與梅汛期對比，在臺汛期，太湖流域汛期分區(qū)結(jié)果與梅汛期一致.

圖4 太湖流域梅汛期和臺汛期4個水利分區(qū)降水量的相關(guān)關(guān)系Fig.4 The correlation results of precipitation between four hydrological sub-regions in Taihu Basin

3.2.2 基于聯(lián)合分布效果的聚類結(jié)果分析 梅汛期，在9維、5維、4維聯(lián)合分布函數(shù)中，Clayton Copula取得了最好的擬合效果；在整個太湖流域降水和太湖水位的2維聯(lián)合分布函數(shù)中，AIC和BIC一致認為Gumbel Copula取得了最好的擬合效果(圖5、表5)；臺汛期，在8個水利分區(qū)和太湖水位的9維聯(lián)合分布函數(shù)中，Gumbel Copula取得了最好的擬合效果；在5維和4維水利分區(qū)降水和太湖水位的聯(lián)合分布函數(shù)中，Clayton Copula取得了最好的擬合效果，在整個太湖流域降水和太湖水位的二維擬合關(guān)系中，AIC和BIC一致認為Gumbel Copula取得了最好的擬合效果(圖6、表5). 從各維度擬合效果來看，梅汛期、湖西區(qū)與武澄錫虞區(qū)(Ⅰ & Ⅱ)，陽澄淀泖區(qū)、太湖湖區(qū)、浦西區(qū)與浦東區(qū)(Ⅲ & Ⅷ & Ⅳ & Ⅴ)，浙西區(qū)和杭嘉湖區(qū)(Ⅵ & Ⅶ)3個區(qū)域的降水和太湖水位的4維聯(lián)合分布最能反映區(qū)域降水和太湖水位的關(guān)系. 臺汛期，整個太湖流域降水和太湖水位的2維聯(lián)合分布最能反映太湖流域降水和太湖水位的關(guān)系. 太湖流域梅汛期和臺汛期聚類劃分結(jié)果如圖7所示.

圖5 太湖流域梅汛期降雨和太湖水位P-P圖(圖(a)、圖(b)、圖(c)是8水利分區(qū)降水和太湖水位的九維聯(lián)合分布P-P圖；圖(d)、圖(e)、圖(f)是4水利分區(qū)降水和太湖水位的五維聯(lián)合分布P-P圖；圖(g)、圖(h)、圖(i)是3水利分區(qū)降水和太湖水位的四維聯(lián)合分布P-P圖；圖(j)、圖(k)、圖(l)是太湖流域降水和太湖水位的二維聯(lián)合分布P-P圖；圖(a)、圖(d)、圖(g)、圖(j)是Clayton Copula擬合的結(jié)果；圖(b)、圖(e)、圖(h)、圖(k)是Gumbel Copula擬合的結(jié)果；圖(c)、圖(f)、圖(i)、圖(l)是Frank Copula擬合的結(jié)果)Fig.5 The probability-probability (P-P) plots in the plum rain period in Taihu Basin

圖6 太湖流域臺汛期降雨和太湖水位P-P圖(各圖序號定義與圖5一致)Fig.6 The probability-probability (P-P) plots in the typhoon period in Taihu Basin

圖7 太湖流域梅汛期和臺汛期聚類劃分結(jié)果Fig.7 The results of regional clustering in the plum rain period and typhoon period

3.3 洪澇風險分析

在梅汛期，通過對太湖警戒水位和區(qū)域防洪標準的分析，認為在太湖超過3.8 m警戒水位時，4個分區(qū)中只要有1個分區(qū)遭遇50年一遇以上暴雨即為排澇不利. 因為各分區(qū)在遭遇超過本區(qū)域防洪能力的暴雨時，必將通過向區(qū)域外排放洪水，以減輕本區(qū)域水利工程的防洪壓力和減少本區(qū)域洪澇災(zāi)害，而太湖是流域內(nèi)主要的蓄水區(qū)域，但此時若太湖水位超過警戒值，不宜蓄水或水位過高難以接納各分區(qū)澇水，則必然造成流域或流域部分區(qū)域排澇不利的情境.

在臺汛期，通過對太湖警戒水位和流域防洪標準的分析，認為在太湖超過3.8 m警戒水位時，流域遭遇100年一遇以上暴雨即為排澇不利；在太湖超過4.65 m保證水位時，流域遭遇50年一遇以上暴雨即為排澇不利.

到2025年，根據(jù)設(shè)定的排澇不利情景，太湖流域在梅汛期和臺汛期出現(xiàn)排澇不利的概率分別為2.4%和1.1%(表6～8)，與太湖流域防洪規(guī)劃相比，結(jié)果基本吻合. 相比以往洪澇風險分析方法(如MIKE模型[32]、太湖流域模型[33])，本文注意到不同天氣系統(tǒng)導致洪澇風險差異性的現(xiàn)象，并利用較少的數(shù)據(jù)，最大程度上反映太湖流域防洪排澇的真實情況，在流域規(guī)劃層面上，可以為流域區(qū)域防洪排澇協(xié)調(diào)性評估、防洪排澇工程布局等工作提供參考.

4 結(jié)論與展望

以往對降水時間分布不均勻性的研究多集中在年時間尺度，研究成果多以汛期和非汛期兩階段展示，而在汛期內(nèi)，對由于復雜天氣系統(tǒng)所造成降水時空差異性的研究較少，基于此的洪澇災(zāi)害危險性分析研究成果也不多. 本文通過擬合天氣系統(tǒng)中各降水主導因素的發(fā)生時間，將流域汛期劃分為梅汛期和臺汛期，并利用Copula函數(shù)對流域的水文分區(qū)進行聚類，探究不同時期，太湖流域各區(qū)域降水和太湖水位的關(guān)系. 在此基礎(chǔ)上，對梅汛期和臺汛期流域洪澇風險進行分析. 本文主要的結(jié)論如下：

1)由于氣象原因，太湖流域的梅雨和臺風發(fā)生時間也呈現(xiàn)出一定的規(guī)律性，根據(jù)各自的發(fā)生時間規(guī)律，太湖流域汛期可以被分成梅汛期(6月24日-7月21日)和臺汛期(7月22日-9月22日).

表5 汛期不同時段降雨和水位各維度聯(lián)合概率分布函數(shù)的擬合優(yōu)度評價

表6 太湖流域梅汛期各區(qū)域不同降水和太湖水位遭遇概率計算結(jié)果(一)*

*低的含義為區(qū)域降水的重現(xiàn)期小于50年一遇；高的含義為區(qū)域降水的重現(xiàn)期大于等于50年一遇；朝上的箭頭含義為太湖水位超過警戒水位；朝下的箭頭含義為太湖水位小于警戒水位.

表7 太湖流域梅汛期各區(qū)域不同降水和太湖水位遭遇概率計算結(jié)果(二)*

*表中“高”，“低”，“朝向箭頭”，“朝下箭頭”的含義與表5一致.

表8 太湖流域臺汛期不同降水和太湖水位遭遇概率計算結(jié)果*

*低的含義為區(qū)域降水的重現(xiàn)期小于等于50年一遇；中的含義為區(qū)域降水的重現(xiàn)期在50年一遇到100年一遇之間；高的含義為區(qū)域降水的重現(xiàn)期大于等于100年一遇；朝下的箭頭含義為太湖水位小于警戒水位水位；朝上的箭頭含義為太湖水位超過保證水位；水平左右兩端的箭頭含義為太湖水位處于警戒水位和保證水位之間.

2)在不同天氣系統(tǒng)的影響下，降水的空間不均勻性也是不一致的. 在梅汛期，太湖流域劃分為P-Ⅰ區(qū)、P-Ⅱ區(qū)和P-Ⅲ區(qū)，采用4維的Clayton Copula函數(shù)來構(gòu)建3個區(qū)域降水和太湖水位的聯(lián)合分布最能反映流域?qū)嶋H洪澇情況；在臺汛期，整個流域不分區(qū)，太湖流域降水作為一個整體進行流域洪澇風險分析.

3)在2025年，梅汛期和臺汛期，太湖流域出現(xiàn)排澇不利情景的風險概率分別為2.4%和1.1%. 太湖流域年降水量雖然集中在汛期，但受復雜天氣系統(tǒng)影響，汛期內(nèi)降水的時空分布是不同的，因此梅雨期和臺風期的洪澇災(zāi)害風險也不同，我們應(yīng)該制定相應(yīng)的應(yīng)急預案來預防洪水災(zāi)害.

本文的研究區(qū)域是太湖流域，但對受臺風和梅雨影響的臺灣、遼東半島、日本等東亞沿海地區(qū)均可以采用類似的方法進行防洪排澇風險分析，對東亞沿海地區(qū)設(shè)計暴雨的調(diào)整，洪水資源的利用，防洪排澇實時調(diào)度的決策具有一定的參考意義. 此外在下一步研究中，可以結(jié)合具體的水動力學等數(shù)值模型，在不同時期、降水情境以及區(qū)域劃分方案下，展開具體的數(shù)值模擬工作，為流域洪澇風險評估工作提供更為具體的技術(shù)支持.