基于Flood Area模型的邢臺市小馬河流域暴雨洪澇災(zāi)害風(fēng)險分布特征

趙志楠，王麗榮，王叢梅，韓曉慶

(1.河北省邢臺市氣象局，河北 邢臺 054000；2.河北省氣象災(zāi)害防御中心，河北 石家莊 050021；3.河北省國土資源利用規(guī)劃院，河北 石家莊 050051)

引 言

暴雨洪澇災(zāi)害是造成人員傷亡與財產(chǎn)損失最為嚴重的氣象災(zāi)害之一[1-2]，且隨著我國經(jīng)濟的快速發(fā)展，其造成的損失也不斷增加[3]。暴雨洪澇災(zāi)害的發(fā)生是多種因素共同作用的結(jié)果，極端降雨一旦降落在中小河流附近無法及時排出，極有可能導(dǎo)致災(zāi)害發(fā)生，給沿岸人民帶來嚴重危害[4-6]。因此加強對暴雨洪澇災(zāi)害的風(fēng)險管理，適時開展中小河流暴雨洪澇監(jiān)測預(yù)警對社會經(jīng)濟建設(shè)和人民生命財產(chǎn)安全具有重要意義[7-10]。

國內(nèi)外學(xué)者就流域附近暴雨洪澇災(zāi)害風(fēng)險評估展開了大量研究，并取得了一定成果[11-16]。目前的暴雨洪澇災(zāi)害風(fēng)險評估理論大多從風(fēng)險形成機制出發(fā)，綜合考慮致災(zāi)因子、孕災(zāi)環(huán)境、承災(zāi)體與防災(zāi)減災(zāi)能力等指標，運用層次分析法給各評價指標賦予權(quán)重并疊加，進而劃分不同的風(fēng)險等級，給出相應(yīng)的防御措施，這一研究成果在國內(nèi)多個流域中得以運用[17-21]。然而層次分析法相對主觀，各評價指標層次權(quán)重受人為因素影響較大，評價結(jié)果易形成誤差[22]。為解決該方法不足，引入信息熵權(quán)法，該方法可有效消除人為因素干擾，但卻無法保證各指標權(quán)重的一致性[23]?；趯游龇治龇ㄅc熵權(quán)法的優(yōu)點，創(chuàng)建AHP熵權(quán)法對暴雨洪澇災(zāi)害進行風(fēng)險評估，該方法可以將主客觀因素對指標權(quán)重的影響降到最低，全面提升研究準確度[24-25]。

致災(zāi)臨界面雨量是進行暴雨洪澇災(zāi)害風(fēng)險評估的重要依據(jù)，為深入研究其對流域洪災(zāi)的影響，基于數(shù)次暴雨天氣過程平均降雨量，利用統(tǒng)計分析法運算可以得到某流域的致災(zāi)臨界面雨量[26]。但該方法相對簡單，無法將計算結(jié)果精確到逐小時，且采用數(shù)次暴雨過程的平均雨量無法定量表達不同洪澇等級變化與災(zāi)害風(fēng)險的關(guān)系[19,27]。為解決上述問題，本文在現(xiàn)有研究的基礎(chǔ)上將重現(xiàn)期引入暴雨洪澇災(zāi)害風(fēng)險評估中，依據(jù)MuDFiT軟件得到不同重現(xiàn)期致災(zāi)臨界面雨量，并基于GIS軟件運行Flood Area水文模型對河北省內(nèi)丘縣小馬河流域不同重現(xiàn)期、不同淹沒深度的洪水淹沒場景進行模擬。與以往研究相比，該方法獲取不同重現(xiàn)期的致災(zāi)臨界面雨量信息較為精確，并給出極端降雨天氣下流域暴雨洪澇災(zāi)害風(fēng)險分布特征與承災(zāi)體受損率，為相關(guān)決策部門做好小馬河流域暴雨洪澇災(zāi)害防范工作提供一定的技術(shù)支撐。

1 研究區(qū)概況

內(nèi)丘縣位于河北省邢臺市西部，屬溫帶季風(fēng)氣候，降水多集中在7—9月。地勢西高東低，平均海拔約1000 m，最高海拔1822 m，最低海拔45 m。境內(nèi)河流眾多，受當(dāng)?shù)貧夂蛴绊?，多為季?jié)性河流，具有降水集中、地面回流迅速等特點。其西部山區(qū)植被覆蓋度相對較低，一旦出現(xiàn)短時強降雨天氣，極有可能出現(xiàn)暴雨洪澇災(zāi)害。

小馬河發(fā)源于內(nèi)丘縣柳林鄉(xiāng)東部淺山區(qū)，向南流入馮村鄉(xiāng)，向東流經(jīng)金店鄉(xiāng)南界入隆堯縣西南邊界，全長36 km，流域面積320 km2。小馬河在內(nèi)丘縣境內(nèi)長27 km，寬150 m，泄水能力為10 m3·s-1。據(jù)統(tǒng)計1980—2019年內(nèi)丘國家氣象站平均氣溫13.0 ℃，最高氣溫42.2 ℃，最低氣溫-23.1 ℃。1980—2019年共出現(xiàn)暴雨59次，最大日降雨量為237.5 mm。小馬河夏、秋流量較大，受流域上游地形地貌影響，一旦出現(xiàn)暴雨或短時強降雨天氣極易發(fā)生洪澇災(zāi)害。例如1963年8月暴雨引起洪澇災(zāi)害，導(dǎo)致內(nèi)丘縣2426.87 hm2土地、165 674間房屋被沖毀，170人死亡，秋糧減產(chǎn)737×104kg，棉花減產(chǎn)67×104kg；2016年7月19—20日暴雨過程導(dǎo)致小馬河流域部分地區(qū)85 000人受災(zāi)，農(nóng)作物受災(zāi)面積高達103 15 hm2，直接經(jīng)濟損失9950萬元。圖1為小馬河流域水系走向、地形以及氣象站點分布。

圖1 小馬河流域地形、水系及氣象站點分布Fig.1 Distribution of water system, terrain and meteorological stations in the Xiaoma river basin

2 資料與方法

2.1 資 料

所用資料有：(1)小馬河流域26個區(qū)域站2014—2019年及其周邊7個國家站1980—2019年逐日降水資料，資料均來源于邢臺市氣象局；(2)小馬河流域30 m×30 m高程與土地利用數(shù)據(jù)；(3)小馬河流域30 m×30 m人口、GDP數(shù)據(jù)。

文中涉及小馬河流域地形、人口、GDP、土地利用類型等柵格數(shù)據(jù)均來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心，文中附圖涉及地圖基于國家基礎(chǔ)地理信息中心提供的審圖號為GS(2019)1822的標準地圖制作，底圖無修改。

2.2 方 法

2.2.1 逐步回歸分析

利用SPSS軟件作線性回歸分析，采用逐步回歸法，挑選與區(qū)域站相關(guān)性最好的國家站，并建立相應(yīng)的回歸分析模型[28]：

Yi=ax1+bx2+cx3+dx4+ex5+fx6+gx7

(1)

式中：Yi(i=1，2，3，…，26)表示小馬河流域內(nèi)26個區(qū)域自動站；x1、x2、x3、x4、x5、x6、x7分別表示流域附近7個國家站；a，b，c，…，g為回歸系數(shù)，當(dāng)回歸系數(shù)為0時，對應(yīng)的國家站數(shù)據(jù)剔除。選取回歸系數(shù)非零項的國家站對小馬河流域區(qū)域站1980—2013年的降水?dāng)?shù)據(jù)進行擬合，重建區(qū)域站日降水序列。

2.2.2 泰森多邊形法

流域面雨量數(shù)據(jù)的獲取采用ArcGIS泰森多邊形法，該方法是一種依據(jù)離散分布氣象站點降雨量計算平均降雨量的方法[29]。提取小馬河流域邊界，結(jié)合流域附近的氣象站點，計算該流域面雨量數(shù)據(jù)，具體公式如下[30]：

(2)

式中：Pa(mm)為流域面雨量；Ri(mm)為第i個站點的降雨量；Ai(m2)為第i個站點的面積；A(m2)為流域總面積；n為研究流域泰森多邊形數(shù)量。

在公式(2)的基礎(chǔ)上，利用多概率分布函數(shù)擬合工具軟件(MuDFiT)提取流域最優(yōu)函數(shù)下各重現(xiàn)期(5、10、15、20、30、50、100 a)致洪面雨量。具體方法是利用47種常用的分布函數(shù)對流域面雨量數(shù)據(jù)進行擬合，并利用3種擬合優(yōu)度檢驗對47種常見函數(shù)進行檢驗，最終選取一種函數(shù)，得到各重現(xiàn)期面雨量數(shù)據(jù)[31]。

2.2.3 Flood Area水文模型

圖2 Flood Area模型計算匯流原理示意圖[14]Fig.2 Sketch map of convergence calculation principle for Flood Area modal[14]

水流的淹沒深度為淹沒水位高程和地面高程的差值，圖2中箭頭表示淹沒過程中的水流方向(Aaspect)，它由地形坡向決定，地形坡向反映了斜坡所面對的方向。坡向的計算公式如下[34]：

(3)

2.2.4 指標歸一化

對Flood Area模型模擬結(jié)果進行驗證時，需要選取一次強降雨過程并對其造成的災(zāi)害進行風(fēng)險評估。由于評估時選擇的各類承災(zāi)體因子量綱不同，因此需要進行歸一化處理，具體計算公式如下[35]：

(4)

式中：Dij是j個站點第i個指標規(guī)一化后的值，Aij是j個站點第i個指標值，mini和maxi分別是第i個指標值中的最小值和最大值。

2.2.5 技術(shù)路線

依據(jù)研究流域氣象資料、地理信息、社會經(jīng)濟、人口與土地利用類型數(shù)據(jù)，利用泰森多邊形法和MuDFiT軟件獲取各重現(xiàn)期的致洪面雨量數(shù)據(jù)，運行搭載于GIS平臺的Flood Area模型，疊加各類承災(zāi)體柵格圖層，開展不同重現(xiàn)期下的小馬河流域暴雨洪澇災(zāi)害風(fēng)險研究，圖3為具體技術(shù)路線。

圖3 小馬河流域暴雨洪澇災(zāi)害風(fēng)險分布特征技術(shù)路線圖Fig.3 Technical flow chart for risk distribution characteristics of rainstorm and flood in the Xiaoma river basin

3 結(jié)果與分析

3.1 小馬河流域面雨量

在SPSS軟件中做逐步回歸分析，將國家站1980—2019年逐日降水?dāng)?shù)據(jù)代入公式(1)中，重建該流域區(qū)域站歷史降水序列。利用流域氣象站點信息、邊界范圍構(gòu)建泰森多邊形，并對各站點降雨量進行權(quán)重賦值，得到流域逐日面雨量數(shù)據(jù)。結(jié)合小馬河流域逐日面雨量數(shù)據(jù)，依據(jù)MuDFiT軟件對序列進行擬合，確定最優(yōu)擬合函數(shù)，計算得到該流域不同重現(xiàn)期的致災(zāi)面雨量數(shù)據(jù)(表1)。

表1 小馬河流域不同重現(xiàn)期致災(zāi)面雨量Tab.1 Flood-causing areal rainfall under different recurrence periods in the Xiaoma river basin

3.2 小馬河流域暴雨洪澇災(zāi)害風(fēng)險特征

3.2.1 不同重現(xiàn)期下洪水淹沒模擬

將不同重現(xiàn)期致洪面雨量數(shù)據(jù)平均分布到24h，作為Flood Area模型輸入的逐小時降雨數(shù)據(jù)。加載流域DEM數(shù)據(jù)、地表粗糙度系數(shù)運行Flood Area模型[36]，模擬時長選擇24 h，間隔為1 h，最大交換率為5%，對小馬河流域不同重現(xiàn)期的淹沒范圍進行模擬(圖4)。依據(jù)Flood Area模型模擬的淹沒數(shù)據(jù)并結(jié)合流域?qū)嶋H情況，利用斷點法將淹沒深度(D)劃分為5個等級：D≤0.1 m、0.1 m1.0 m?？梢钥闯?，隨著重現(xiàn)期不斷增大，洪水逐漸向中下游地區(qū)推進，淹沒范圍不斷擴大加深。5 a一遇重現(xiàn)期下，洪水淹沒范圍相對較淺，整體淹沒深度低于0.1 m(圖略)；10 a與15 a一遇重現(xiàn)期下，洪水淹沒深度大于0.1 m的范圍不斷擴大，其中0.3 m以上的淹沒范圍逐步向下游延伸；20 a一遇重現(xiàn)期下，0.1～0.3m淹沒范圍較前幾個重現(xiàn)期進一步擴大，且0.3 m以上淹沒范圍擴大趨勢更明顯；30 a一遇重現(xiàn)期下，0.3 m以上淹沒范圍繼續(xù)擴大，海拔較低的東部下游地區(qū)開始零散出現(xiàn)1.0 m以上淹沒深度；50 a一遇重現(xiàn)期下，0.3～0.5 m、0.5～1.0 m淹沒范圍較前幾個重現(xiàn)期更為突出，1.0 m以上淹沒范圍零散的分布于整個流域；100 a一遇重現(xiàn)期流域洪水淹沒深度整體較大，洪水淹沒深度大于1.0 m的范圍基本涵蓋整個流域。

圖4 小馬河流域不同重現(xiàn)期下洪水淹沒深度分布(單位：m)Fig.4 The distribution of flood inundated depth under different recurrence periods in the Xiaoma river basin (Unit: m)

3.2.2 承災(zāi)體易損性分析

將柵格化的人口、GDP、土地利用類型等數(shù)據(jù)疊加到不同重現(xiàn)期淹沒范圍圖層上，利用GIS柵格計算器工具，計算各類承災(zāi)體在不同重現(xiàn)期、不同淹沒深度下的受損率(圖5)。由圖5可以看出，當(dāng)淹沒深度D在0.1 m以下時，對林地造成的影響較小，受損率較低，當(dāng)0.1 m1.0 m時，林地受損率多在21%～43%之間。人口、GDP、城鎮(zhèn)用地、耕地、草地等其他承災(zāi)體在淹沒深度D<0.1 m時，受損率多在60%以上，當(dāng)0.1 m1.0 m時受損率在1%～15%之間。

圖5 小馬河流域不同重現(xiàn)期、不同淹沒深度下各承災(zāi)體的受損率Fig.5 The disaster rate of each disaster bearing body for different inundated flood depth under different recurrence periods in the Xiaoma river basin

為將風(fēng)險降低在最低水平，相關(guān)部門在日常工作中要堅持工程措施與非工程措施并重，提高洪澇災(zāi)害防御能力；加強對洪澇災(zāi)害高風(fēng)險區(qū)的管理，協(xié)調(diào)好發(fā)展與防洪的關(guān)系，開展建設(shè)活動時也要盡量避開高風(fēng)險區(qū)域；加強洪災(zāi)風(fēng)險研究，提高洪澇災(zāi)害防御的針對性；建立健全防御洪澇災(zāi)害的責(zé)任體系，加強跨區(qū)域聯(lián)防；加大科普宣傳，提高民眾的安全防范意識和防災(zāi)水平[37-38]。

3.3 暴雨洪澇災(zāi)害風(fēng)險驗證

根據(jù)2016年7月19—20日強降雨過程對小馬河流域模擬結(jié)果進行驗證。此次降雨過程流域部分氣象站點日降雨量達186 mm以上，其中張果老山景區(qū)、太子巖、獐么等站點日降雨量達300 mm以上，按照MuDFiT軟件計算結(jié)果此次暴雨過程降雨量級為百年一遇。根據(jù)民政部門提供的災(zāi)情資料，選取受災(zāi)人口、GDP損失值以及農(nóng)作物受災(zāi)面積作為承災(zāi)體因子，并利用專家打分法確定各因子權(quán)重[35]，構(gòu)建承災(zāi)體易損性評估模型，具體公式如下：

Vj=0.6Va+0.2Vb+0.2Vc

(5)

式中：Vj為第j個區(qū)域站的承災(zāi)體易損性指數(shù)；Va、Vb、Vc分別為受災(zāi)人口、GDP、農(nóng)作物受災(zāi)面積歸一化后的值。

基于GIS柵格計算器疊加不同承災(zāi)體因子圖層，利用自然斷點法將承災(zāi)體易損性指數(shù)從低到高依次劃分為低風(fēng)險(0.50～0.56)、次低風(fēng)險(0.57～0.61)、中風(fēng)險(0.62～0.67)、次高風(fēng)險(0.67～0.75)、高風(fēng)險(0.76～0.91)等5個等級(圖6)。由圖6可以看出，當(dāng)小馬河流域日降雨量達到百年一遇級別時，承災(zāi)體受損情況較為嚴重，流域整體處于中風(fēng)險以上水平。流域上游地區(qū)為海拔較高的山區(qū)，地廣人稀，農(nóng)作物播種面積較少，不論是受災(zāi)人口還是GDP損失都相對較輕。中等以上風(fēng)險區(qū)逐漸由河道兩側(cè)向四周蔓延，特別是次高與高風(fēng)險區(qū)向人口密集、工農(nóng)業(yè)發(fā)達的平原地區(qū)延伸。低風(fēng)險區(qū)位于下游的任縣、隆堯部分地區(qū)，驗證結(jié)果基本與Flood Area模型模擬結(jié)果一致。

圖6 2016年7月19—20日小馬河流域強降雨過程暴雨洪澇災(zāi)害區(qū)劃Fig.6 The regionalization of flood disaster of heavy rainfall process in the Xiaoma river basin during 19-20 July 2016

4 結(jié)論與討論

(1)小馬河流域5、10、15、20、30、50、100 a不同重現(xiàn)期致洪面雨量分別為76.57、94.96、106.90、116.42、131.28、151.65、185.21 mm。

(2)Flood Area模型可以對小馬河流域不同重現(xiàn)期、不同淹沒深度的空間變化趨勢進行有效模擬。結(jié)果表明隨著重現(xiàn)期不斷增大，洪水逐漸向中下游地區(qū)推進，淹沒范圍不斷擴大加深。特別是百年一遇重現(xiàn)期整個流域受其影響較為明顯。

(3)就承災(zāi)體受損率情況而言，當(dāng)0.1 m1.0 m時，林地受損情況較嚴重，且受損率最高，淹沒深度D<0.1 m時，對林地影響較小，受損率最低。人口、GDP、城鎮(zhèn)用地、耕地、草地等其他承災(zāi)體淹沒深度在0.1 m以下時受損率最高，0.1 m1.0 m時受損率居中，0.3 m

(4)選取2016年7月19—20日強降雨過程對模擬結(jié)果進行驗證。結(jié)果表明，劃分的風(fēng)險等級分區(qū)與模擬基本一致，對小馬河流域暴雨洪澇災(zāi)害特征分析較合理，F(xiàn)lood Area模型可用于暴雨洪澇災(zāi)害風(fēng)險評估與預(yù)警工作。

小馬河流域不同重現(xiàn)期致災(zāi)面雨量及淹沒深度不僅與當(dāng)?shù)氐慕邓偭亢屯恋乩妙愋拖嚓P(guān)，還與當(dāng)?shù)赝度虢ㄔO(shè)的各類防洪抗災(zāi)工程密切相關(guān)。中小河流發(fā)生的暴雨洪澇災(zāi)害是多種因子共同作用的結(jié)果，應(yīng)當(dāng)盡可能考慮更多的影響因子諸如地貌、產(chǎn)流等[28]?；贔lood Area模型對小馬河流域洪水淹沒情形進行模擬與流域高程、各類承災(zāi)體柵格數(shù)據(jù)精確度密切相關(guān)，由于資料有限本文采用的高程與承災(zāi)體數(shù)據(jù)分辨率都較低，這在一定程度上降低了研究結(jié)果的準確性。未來要考慮更多的影響因子，采用更為精確的數(shù)據(jù)，進一步提升研究的科學(xué)性。