基于柵格與云模型的風(fēng)暴潮洪水風(fēng)險(xiǎn)模擬評(píng)估方法
——以珠海市香洲區(qū)為例

孫 海，嵇文捷，鄭雅芝

（1.中國(guó)海洋大學(xué)工程學(xué)院，山東青島 266100；2.中國(guó)海洋大學(xué)海洋發(fā)展研究院，山東青島 266100）

引言

風(fēng)暴潮災(zāi)害在我國(guó)是最常見(jiàn)和破壞性最大的自然災(zāi)害之一。風(fēng)暴潮洪水涌入沿海城市，會(huì)造成多方面的負(fù)面影響，如堤壩橋梁等基礎(chǔ)設(shè)施被沖毀，城市道路被淹沒(méi)導(dǎo)致交通中斷，港口碼頭倉(cāng)庫(kù)中的庫(kù)存物資因水位上升被浸泡損失嚴(yán)重，海岸防護(hù)工程受損巨大［1］等。同時(shí)，沿海地區(qū)人口和經(jīng)濟(jì)高度聚集［2］、地面沉降［3］等因素亦會(huì)加劇風(fēng)暴潮災(zāi)害的威脅，最終造成大量的人員傷亡和財(cái)產(chǎn)損失。風(fēng)暴潮已經(jīng)成為沿海地區(qū)經(jīng)濟(jì)發(fā)展的一個(gè)嚴(yán)重制約因素［4，5］。

準(zhǔn)確高效地進(jìn)行風(fēng)暴潮洪水模擬及風(fēng)險(xiǎn)評(píng)估可以最大限度地減輕風(fēng)暴潮災(zāi)害損失［6］，模擬風(fēng)暴潮洪水的演進(jìn)對(duì)沿海城市災(zāi)害應(yīng)對(duì)有著重要的指導(dǎo)意義。目前有許多成熟的二維水動(dòng)力學(xué)模型可以用于洪水演進(jìn)模擬，其中常用的有DHI的MIKE 21，SOBEX，JFLOW及UIM等［7］。上述模型可以得到較為精確的洪水隨時(shí)間空間變化的信息，如在不同時(shí)刻、不同地點(diǎn)的水深、流速等。但這類(lèi)模型對(duì)數(shù)據(jù)的要求較高，需要地形、糙率、水位邊界條件等原始數(shù)據(jù)，且輸入模型前需進(jìn)行數(shù)據(jù)格式轉(zhuǎn)換，轉(zhuǎn)換過(guò)程會(huì)產(chǎn)生一定的誤差和丟失精度。此外，傳統(tǒng)的二維水動(dòng)力學(xué)模型求解過(guò)程復(fù)雜，操作和計(jì)算耗時(shí)長(zhǎng)，無(wú)法適應(yīng)實(shí)時(shí)應(yīng)用。元胞自動(dòng)機(jī)（cellular automata，CA）是一種時(shí)間、空間、狀態(tài)均離散，空間相互作用和時(shí)間因果關(guān)系為局部的網(wǎng)格動(dòng)力學(xué)模型，具有模擬復(fù)雜系統(tǒng)時(shí)空演化過(guò)程的能力，在模擬地表徑流和洪水事件等方面具有較強(qiáng)的優(yōu)勢(shì)，能很好地符合洪水波的運(yùn)動(dòng)變化規(guī)律，可便捷高效地與GIS系統(tǒng)集成。胡蓓蓓等［8］提出基于柵格圖像的種子蔓延算法，該方法能夠較好模擬有源淹沒(méi)的洪水。劉坤等［9］提出基于柵格的區(qū)域生長(zhǎng)算法，實(shí)現(xiàn)了對(duì)堰塞湖潰壩后淹沒(méi)區(qū)的預(yù)測(cè)。上述元胞自動(dòng)機(jī)模型可以直接利用DEM地形數(shù)據(jù)，通過(guò)輸入起始位置和水位近似求解，計(jì)算規(guī)則簡(jiǎn)單，計(jì)算效率高。弊端是模擬過(guò)程不涉及水動(dòng)力學(xué)計(jì)算，而是按照較為簡(jiǎn)單的轉(zhuǎn)換規(guī)則更新元胞狀態(tài)，無(wú)法得出精確的洪水隨時(shí)空變化的信息，不能很好地反應(yīng)水流實(shí)際運(yùn)動(dòng)規(guī)律?？紤]到元胞自動(dòng)機(jī)的計(jì)算效率優(yōu)勢(shì)和水動(dòng)力學(xué)模型的準(zhǔn)確性，一些學(xué)者嘗試將二者結(jié)合起來(lái)。Guidolin［10］團(tuán)隊(duì)利用水位權(quán)重和曼寧公式的網(wǎng)格動(dòng)力學(xué)方法模擬了考慮降水的河道洪水淹沒(méi)，Dottori和Todini［11，12］建立了基于擴(kuò)散方程的二維元胞自動(dòng)機(jī)模型。上述研究表明元胞自動(dòng)機(jī)洪水模擬的準(zhǔn)確性得到了有效提高，初步實(shí)現(xiàn)了對(duì)洪水隨時(shí)空變化過(guò)程的模擬。

近年來(lái)越來(lái)越多的案例表明，如何應(yīng)對(duì)和處置洪水災(zāi)害造成的風(fēng)險(xiǎn)，也是搶險(xiǎn)救災(zāi)、確定搶救重點(diǎn)、制定應(yīng)急方案的重要部分。進(jìn)行洪水風(fēng)險(xiǎn)評(píng)估需要綜合考慮各種因素，包括災(zāi)害強(qiáng)度與區(qū)域特征。部分學(xué)者通過(guò)傳統(tǒng)的洪水風(fēng)險(xiǎn)評(píng)估方法，例如層次分析法［13］、模糊聚類(lèi)模型［14］、信息擴(kuò)散理論［15］等，開(kāi)展了洪水災(zāi)害危險(xiǎn)程度的區(qū)劃研究，研制出基于可靠性分析的模糊風(fēng)險(xiǎn)計(jì)算模型。上述研究，將洪水風(fēng)險(xiǎn)區(qū)劃的模糊性、隨機(jī)性，災(zāi)情數(shù)據(jù)的不完備性和研究區(qū)之間的關(guān)聯(lián)性分別進(jìn)行了研究。但是，模糊性、隨機(jī)性、不完備性以及關(guān)聯(lián)性都是洪水災(zāi)害風(fēng)險(xiǎn)評(píng)估中的一部分，需予以綜合研究。云模型是解決這一問(wèn)題的有效手段，該模型能兼顧等級(jí)概念的模糊性與隨機(jī)性，能從實(shí)際數(shù)據(jù)分布中抽取等級(jí)概念，實(shí)現(xiàn)不同層次上的分析與綜合，能更好模擬洪水災(zāi)害風(fēng)險(xiǎn)等級(jí)的概念。目前，基于云模型進(jìn)行風(fēng)暴潮風(fēng)險(xiǎn)的研究相對(duì)較少，本文擬根據(jù)災(zāi)害風(fēng)險(xiǎn)系統(tǒng)的定義以及洪水災(zāi)害的特點(diǎn)，以云模型模擬區(qū)域洪水災(zāi)害風(fēng)險(xiǎn)的不確定性，以期為區(qū)域洪水災(zāi)害風(fēng)險(xiǎn)評(píng)估提供新思路。

綜上所述，本文提出了基于柵格水動(dòng)力學(xué)的元胞自動(dòng)機(jī)模型，將二維淺水動(dòng)力學(xué)方程離散化并作為轉(zhuǎn)化規(guī)則引入到元胞自動(dòng)機(jī)模型，利用動(dòng)量和能量守恒機(jī)制模擬風(fēng)暴潮洪水演進(jìn)過(guò)程，通過(guò)簡(jiǎn)化次要信息實(shí)現(xiàn)及時(shí)高效地模擬風(fēng)暴潮洪水致災(zāi)過(guò)程。同時(shí)，在采用基于柵格水動(dòng)力學(xué)的元胞自動(dòng)機(jī)模型對(duì)研究區(qū)域進(jìn)行風(fēng)暴潮洪水仿真的基礎(chǔ)上，引入基于云模型的多屬性風(fēng)險(xiǎn)綜合分析方法，綜合考慮人口、經(jīng)濟(jì)、社會(huì)環(huán)境因素與評(píng)價(jià)指標(biāo)的隨機(jī)性和模糊性，結(jié)合模擬得出的淹沒(méi)水深、淹沒(méi)范圍等風(fēng)暴潮洪水災(zāi)害信息進(jìn)行綜合分析，彌補(bǔ)了災(zāi)害實(shí)時(shí)綜合風(fēng)險(xiǎn)評(píng)估的不足。最后，對(duì)基于柵格水動(dòng)力學(xué)的元胞自動(dòng)機(jī)模型進(jìn)行實(shí)時(shí)風(fēng)險(xiǎn)評(píng)估的有效性進(jìn)行實(shí)例驗(yàn)證。文章通過(guò)基于柵格水動(dòng)力學(xué)的元胞自動(dòng)機(jī)綜合風(fēng)險(xiǎn)度耦合計(jì)算模型，深化了對(duì)風(fēng)暴潮災(zāi)害動(dòng)力學(xué)與風(fēng)險(xiǎn)評(píng)估過(guò)程的研究，以期為風(fēng)暴潮災(zāi)害的快速精確模擬及風(fēng)險(xiǎn)評(píng)估提供新的思路，形成一套高效的風(fēng)暴潮災(zāi)害風(fēng)險(xiǎn)預(yù)警方法。

1 研究方法

1.1 淺水動(dòng)力學(xué)方程離散化過(guò)程

元胞自動(dòng)機(jī)由元胞空間、元胞狀態(tài)、鄰域及轉(zhuǎn)化規(guī)則組成［16］。本文選用二維元胞空間，鄰域采用Von Neuman型元胞網(wǎng)格，其洪水演進(jìn)過(guò)程見(jiàn)圖1。元胞自動(dòng)機(jī)模型中每個(gè)元胞下一時(shí)刻的狀態(tài)（水位、流量）由該元胞及其鄰域元胞的上一時(shí)刻狀態(tài)（水位、流量）決定［17］。元胞自動(dòng)機(jī)最關(guān)鍵的部分就是定義轉(zhuǎn)換規(guī)則。因此，為準(zhǔn)確描述洪水演化過(guò)程，本文擬將二維淺水動(dòng)力學(xué)方程離散化，并將其作為元胞自動(dòng)機(jī)模型的轉(zhuǎn)化規(guī)則引入，利用動(dòng)量和能量守恒機(jī)制模擬風(fēng)暴潮洪水演進(jìn)過(guò)程，水位和流量的演化關(guān)系通過(guò)圣維南方程［18］進(jìn)行控制，見(jiàn)公式（1）～（3）。

圖1 Von Neuman型鄰域Fig.1 Von Neumann type neighborhood

式中：h為水深，即水面離河底的距離；Z為水位，即自由水面相對(duì)于黃海基面或測(cè)站基面的高程；M、N分別表示x、y方向上的平均單寬流量；u、v分別表示在x、y方向上的平均流速，n為曼寧糙率，t為時(shí)間，g為重力加速度。動(dòng)量方程的第1項(xiàng)反映局地加速度，第2、3項(xiàng)反映對(duì)流加速度，1、2、3均為慣性項(xiàng)；由于假設(shè)的風(fēng)暴潮漫灘區(qū)域地形較為平坦的符號(hào)隨漲落洪而變化，參考擴(kuò)散波的簡(jiǎn)化方法［19］，可知公式（3）和式（2）同理。且由于第2、3項(xiàng)對(duì)流項(xiàng)為非線(xiàn)性項(xiàng)，在進(jìn)行微分方程求解時(shí)會(huì)造成計(jì)算結(jié)果的振蕩，對(duì)計(jì)算影響較小，因此本文將其省略［20］。對(duì)式（1）～（3）簡(jiǎn)化，進(jìn)行顯式差分，聯(lián)立求解可得到和，見(jiàn)公式（4）～（6）。

其中，k為元胞模擬變化次數(shù)，Δt為時(shí)間步長(zhǎng)，Δx、Δy定義了元胞大小，i，j定義了元胞的位置，代表第i行j列。初始化網(wǎng)格的水位值，初始水流速度（w為風(fēng)暴潮的風(fēng)速導(dǎo)致的初始流速）。通過(guò)反復(fù)利用式（4）～（6），就可得到每一時(shí)刻的元胞狀態(tài)。元胞空間差分示意圖，見(jiàn)圖2。

圖2 元胞空間差分示意圖Fig.2 Cellular space difference diagram

顯式差分需滿(mǎn)足收斂性和穩(wěn)定性條件，需對(duì)時(shí)間步長(zhǎng)與距離步長(zhǎng)進(jìn)行限定，如公式（7）所示，c是波速，一般取

根據(jù)上述分析，基于元胞自動(dòng)機(jī)的淹沒(méi)模型算法過(guò)程如下。首先，將所研究的區(qū)域劃分成若干大小一致的矩形單元（元胞），單元尺寸應(yīng)在10～200 m之間。設(shè)置過(guò)小，單元水平比例尺接近垂直比例尺，無(wú)法用沿水深方向的平均值表示水力要素。設(shè)置太大，則會(huì)損失精度。為提高模擬效果，本文選擇50 m作為單元大小。這些元胞組成了元胞空間，每個(gè)元胞上一時(shí)刻的狀態(tài)決定了元胞的下一時(shí)刻的狀態(tài)，同時(shí)這個(gè)變換過(guò)程受轉(zhuǎn)化規(guī)則控制。元胞自動(dòng)機(jī)模型網(wǎng)格圖及淹沒(méi)過(guò)程流程見(jiàn)圖3、圖4。

圖3 元胞自動(dòng)機(jī)模型網(wǎng)格圖Fig.3 Grid chart of the CA model calculation

圖4 元胞自動(dòng)機(jī)模型計(jì)算流程圖Fig.4 Flowchart of the CA model calculation

1.2 基于云模型的風(fēng)暴潮災(zāi)害多屬性綜合風(fēng)險(xiǎn)分析方法

本文首先構(gòu)建風(fēng)暴潮災(zāi)害綜合風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)，常用的指標(biāo)有：臺(tái)風(fēng)持續(xù)時(shí)間、環(huán)境影響、經(jīng)濟(jì)損失、人口傷亡、海洋工程損傷長(zhǎng)度、社會(huì)影響、人均GDP、醫(yī)療機(jī)構(gòu)數(shù)量等［21］。本文選取人口傷亡、經(jīng)濟(jì)損失、環(huán)境影響、社會(huì)影響四個(gè)權(quán)重較高的指標(biāo)，能較好地反映災(zāi)害導(dǎo)致的經(jīng)濟(jì)、社會(huì)環(huán)境損失及受災(zāi)人口數(shù)。其次，建立基于云模型的風(fēng)暴潮災(zāi)害的多屬性綜合風(fēng)險(xiǎn)分析方法，綜合考慮指標(biāo)的不確定性、模糊性和隨機(jī)性，評(píng)價(jià)洪水災(zāi)害風(fēng)險(xiǎn)等級(jí)。

1.2.1 風(fēng)暴潮災(zāi)害綜合風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)估算

風(fēng)暴潮災(zāi)害導(dǎo)致的損失總體分為經(jīng)濟(jì)損失和非經(jīng)濟(jì)損失。經(jīng)濟(jì)損失分為直接經(jīng)濟(jì)損失和間接經(jīng)濟(jì)損失［22］。本文將受災(zāi)人口數(shù)及社會(huì)和環(huán)境損失歸為非經(jīng)濟(jì)損失。

（1）經(jīng)濟(jì)損失估算

直接經(jīng)濟(jì)損失根據(jù)受災(zāi)區(qū)域的土地類(lèi)型進(jìn)行分類(lèi)估算，土地利用類(lèi)型主要包括耕地、林地、水域、城市建成區(qū)和開(kāi)發(fā)區(qū)五類(lèi)，其中，耕地、林地及水域三類(lèi)土地利用類(lèi)型主要考慮減產(chǎn)造成的經(jīng)濟(jì)損失，城市建成區(qū)主要考慮家庭財(cái)產(chǎn)損失、房屋和基礎(chǔ)公共設(shè)施的破壞，開(kāi)發(fā)區(qū)主要考慮房屋和基礎(chǔ)公共設(shè)施的破壞，其計(jì)算公式為：

其中，L os s直為風(fēng)暴潮災(zāi)害導(dǎo)致的直接經(jīng)濟(jì)損失，Cos t為各土地利用類(lèi)型單位面積的重置成本，Area為各土地利用類(lèi)型的受災(zāi)面積，Vulnerab ility為各土地利用類(lèi)型的潮災(zāi)損失率。由于間接經(jīng)濟(jì)損失影響因素眾多，難以精確計(jì)算，本文采用系數(shù)法對(duì)其進(jìn)行估算，公式為：

其中，L os s間為風(fēng)暴潮災(zāi)害間接經(jīng)濟(jì)損失，B為折算系數(shù)。對(duì)于不同行業(yè)折算系數(shù)B的推薦取值區(qū)間為：農(nóng)業(yè)15?30%，工業(yè)16%?35%［23］，由于風(fēng)暴潮災(zāi)害屬于較為嚴(yán)重的自然災(zāi)害，本文研究區(qū)域?yàn)橹楹Ｊ邢阒迏^(qū)，對(duì)經(jīng)濟(jì)造成的損失主要體現(xiàn)在工業(yè)方面而非農(nóng)業(yè)方面，故本文折算系數(shù)取工業(yè)部門(mén)推薦取值的平均水平，取B=0.25。同時(shí)，通過(guò)研究區(qū)域歷史資料和其他區(qū)域的風(fēng)暴潮災(zāi)害損失率，可確定研究區(qū)域的災(zāi)損率Vulnerab i lity，見(jiàn)表1。

表1 各土地利用類(lèi)型單位面積價(jià)值及不同水深對(duì)應(yīng)的災(zāi)損率Table 1 The unit area value of each land use type and the damage rate corresponding to different water depth

土地利用類(lèi)型根據(jù)國(guó)家標(biāo)準(zhǔn)GB/T 21010-2017土地利用現(xiàn)狀分類(lèi)確定，其中城市建成區(qū)包括住宅用地、商服用地、公共管理與公共服務(wù)用地，開(kāi)發(fā)區(qū)包括工礦倉(cāng)儲(chǔ)用地、交通運(yùn)輸用地、其他土地。

（2）受災(zāi)人口數(shù)量估算

受災(zāi)人口估算模型采用Jonkman提出的基于洪水強(qiáng)度的脆弱性曲線(xiàn)公式［24］：

其中，y為洪災(zāi)傷亡率，x為淹沒(méi)水深。本文通過(guò)土地利用類(lèi)型提取城市建成區(qū)和開(kāi)發(fā)區(qū)用地，結(jié)合人口統(tǒng)計(jì)資料及不同區(qū)域人口密度分布規(guī)律得到區(qū)域人口空間分布，根據(jù)洪災(zāi)傷亡率估算傷亡人口。

（3）社會(huì)與環(huán)境受災(zāi)程度估算

社會(huì)與環(huán)境受災(zāi)程度是指洪水災(zāi)害對(duì)城市政治、文化、生態(tài)環(huán)境等帶來(lái)的損失，由于影響因素復(fù)雜，難以計(jì)算或用貨幣衡量。本文根據(jù)文獻(xiàn)［25］中定義的社會(huì)與環(huán)境風(fēng)險(xiǎn)及風(fēng)險(xiǎn)影響指標(biāo)參考值，估算潮災(zāi)帶來(lái)的社會(huì)環(huán)境影響，見(jiàn)式（11）：

式中，f為社會(huì)與環(huán)境影響指數(shù)。其余系數(shù)均分為5個(gè)級(jí)別，其中N為風(fēng)險(xiǎn)人口系數(shù)，取值區(qū)間1.0-1.2、1.2-1.6、1.6-2.4、2.4-4.0、4.0-5.0，對(duì)應(yīng)的風(fēng)險(xiǎn)人口數(shù)為1-10、10-103、103-105、105-107、107人以上；C為重要城市系數(shù)，取值1.0、1.3、1.6、2.0-3.0、4.0-5.0，對(duì)應(yīng)散戶(hù)、鄉(xiāng)村、鄉(xiāng)鎮(zhèn)、縣級(jí)市至地級(jí)市、直轄市或省會(huì)至首都；I為公共設(shè)施系數(shù)，取值1.0、1.2、1.5、1.7、2.0，對(duì)應(yīng)設(shè)施重要程度為一般、一般重要、市級(jí)重要、省級(jí)重要、國(guó)家級(jí)重要；h為文物古跡系數(shù)，取值1.0、1.2、1.5、2.0、2.5，對(duì)應(yīng)文物古跡珍稀程度為一般、縣級(jí)、省市級(jí)、國(guó)家級(jí)、世界級(jí)；R為河道形態(tài)系數(shù)，取值1.0、1.3、1.6、2.0-3.0、4.0-5.0，對(duì)應(yīng)受破壞規(guī)模為河道受輕微破壞、一般河流受一定破壞、大江大河受一定破壞、一般河流至大江大河受?chē)?yán)重破壞，一般河流至大江大河改道；l為生物生活環(huán)境系數(shù)，取值1.0、1.2、1.5、1.7、2.0，對(duì)應(yīng)喪失棲息地動(dòng)植物珍稀程度為一般、較有價(jià)值、較珍貴、稀有、世界級(jí)瀕臨滅絕；L為人文景觀系數(shù)，取值1.0、1.2、1.5、1.7、2.0，對(duì)應(yīng)受破壞景觀級(jí)別為自然、市級(jí)、省級(jí)、國(guó)家級(jí)、世界級(jí)；P為污染工業(yè)系數(shù)，取值1.0、1.2、1.6、2.0-3.0、4.0，對(duì)應(yīng)污染工業(yè)種類(lèi)為基本無(wú)污染工業(yè)、一般化工廠或農(nóng)藥廠、較大規(guī)?；S或農(nóng)藥廠、大規(guī)?；S或農(nóng)藥廠至劇毒化工廠、核電站或核儲(chǔ)庫(kù)。

1.2.2 基于云模型的災(zāi)害風(fēng)險(xiǎn)多屬性評(píng)價(jià)方法

參考《海洋災(zāi)害等級(jí)標(biāo)準(zhǔn)》（DB21T 1715-2009）及洪水淹沒(méi)風(fēng)險(xiǎn)等級(jí)劃分［26］，風(fēng)暴潮災(zāi)害影響程度可劃分為Ⅰ、Ⅱ、Ⅲ、Ⅳ四級(jí)，分別表示特別重大、重大、較重、一般，其劃分標(biāo)準(zhǔn)，見(jiàn)表2。

表2 風(fēng)暴潮災(zāi)害綜合評(píng)價(jià)指標(biāo)賦值參考Table 2 Comprehensive evaluation index reference for storm surge disaster

公式（12）中，Ex ij為云滴在論域空間分布的期望，在本文是指標(biāo)在論域中的中心點(diǎn)；En ij為熵，表示指標(biāo)的不確定性度量，由指標(biāo)的隨機(jī)性和模糊性共同決定；He ij為超熵，是熵的不確定性的度量。

2 實(shí)例驗(yàn)證

2.1 研究區(qū)域

珠海市地處廣東省東南海岸，人口密集，經(jīng)濟(jì)發(fā)達(dá)，由于臺(tái)風(fēng)經(jīng)常襲擊，風(fēng)暴潮給該區(qū)域帶來(lái)重大的經(jīng)濟(jì)損失和社會(huì)影響［28］。本文以2017年第13號(hào)臺(tái)風(fēng)天鴿為例，選擇受災(zāi)嚴(yán)重的珠海市香洲區(qū)（22.06°N-22.30°N、113.41°E-113.60°E）作為研究區(qū)域，見(jiàn)圖5。

圖5 研究區(qū)域Fig.5 Study area

2017年8月23日12時(shí)50分前后，臺(tái)風(fēng)天鴿在廣東省珠海市金灣區(qū)登陸，珠海站觀測(cè)最大風(fēng)暴潮增水達(dá)2.79 m，為1965年以來(lái)登陸珠江口的最強(qiáng)臺(tái)風(fēng)。據(jù)2017年中國(guó)海洋災(zāi)害公報(bào)統(tǒng)計(jì)，廣東省碼頭損毀1.22 km，防波堤損毀240.18 km，海堤換損毀532.08 km，道路損毀0.02 km。數(shù)字高程數(shù)據(jù)取自30 m×30 m分辨率的GDEMDEM數(shù)據(jù)集，遙感圖下載于Google Earth（2018）。

2.2 風(fēng)暴潮洪水模擬與驗(yàn)證

為驗(yàn)證本文建立的柵格水動(dòng)力學(xué)模型的有效性，擬將模型模擬的結(jié)果與傳統(tǒng)二維水動(dòng)力學(xué)模型的仿真結(jié)果進(jìn)行水深與計(jì)算時(shí)間對(duì)比，對(duì)提出方法的性能進(jìn)行驗(yàn)證。除此之外，我們還依據(jù)從社交數(shù)據(jù)集提取的臺(tái)風(fēng)天鴿登陸后香洲區(qū)多處實(shí)際淹沒(méi)點(diǎn)在不同時(shí)刻的水深，與模擬水深進(jìn)行對(duì)比分析，輔助驗(yàn)證模型的實(shí)際表現(xiàn)。目前流行的傳統(tǒng)二維水動(dòng)力學(xué)模型有MIKE 21、SOBEX、JFLOW、UIM等，它們的計(jì)算方法、時(shí)空離散化的形式和運(yùn)算特點(diǎn)等也有所不同［7］，見(jiàn)表3。

表3 洪水淹沒(méi)模型對(duì)比Table 3 Comparison of flood inundation models

據(jù)表3可知，MIKE 21在模擬洪水方面有可并行運(yùn)算以及加入慣性項(xiàng)運(yùn)算的優(yōu)勢(shì)，具有較好的時(shí)空離散化的表達(dá)形式和運(yùn)算快速、精確等優(yōu)點(diǎn)。因此，本文將對(duì)比基于柵格水動(dòng)力學(xué)的元胞自動(dòng)機(jī)模型與MIKE 21模型的模擬結(jié)果，從水深差值、統(tǒng)計(jì)指標(biāo)（均方根誤差及相關(guān)系數(shù)）和計(jì)算時(shí)間3個(gè)方面比較模型。用于對(duì)比實(shí)驗(yàn)的MIKE 21模型采用非結(jié)構(gòu)化網(wǎng)格，糙率設(shè)定為固定值0.03，取0.05 m作為干濕邊界的判斷條件，水位邊界條件取自三灶站與赤灣站的實(shí)測(cè)數(shù)據(jù)［29］。同時(shí)，據(jù)中國(guó)天氣臺(tái)風(fēng)網(wǎng)播報(bào)，該地區(qū)受臺(tái)風(fēng)影響時(shí)長(zhǎng)約為8 h，故本文模擬時(shí)間定為8 h（10：30-18：30）。

2.2.1 水深對(duì)比

選取t=240 min時(shí)刻的水深數(shù)據(jù)分別繪制洪水淹沒(méi)圖和水深絕對(duì)差值圖，見(jiàn)圖6，根據(jù)選取時(shí)刻點(diǎn)的淹沒(méi)水深圖和差值圖，基于柵格水動(dòng)力學(xué)的元胞自動(dòng)機(jī)模型與MIKE 21模型模擬結(jié)果有良好的一致性，極少部分區(qū)域存在一些小的差異，且水深差絕對(duì)值不超過(guò)0.1 m。

圖6 t=240 min淹沒(méi)水深對(duì)比Fig.6 Comparison of simulated flooding at 240 min

選取5個(gè)時(shí)刻的水深數(shù)據(jù)，通過(guò)計(jì)算均方根誤差（RMSE）和相關(guān)系數(shù)（R）驗(yàn)證結(jié)果，見(jiàn)表4。其計(jì)算公式見(jiàn)式（16）和式（17）。與表示CA模擬在元胞C i,j處的水深和平均水深，與表示MIKE 21模擬在元胞C i,j處的水深和平均水深。

表4 MIKE 21和基于柵格水動(dòng)力學(xué)的元胞自動(dòng)機(jī)模型結(jié)果統(tǒng)計(jì)指標(biāo)對(duì)比Table 4 RMSE and R value of the MIKE 21 and CA model based on grid hydrodynamics at five moments

由表4知，在5個(gè)時(shí)刻兩模型水深數(shù)據(jù)的均方根誤差都在0.04 m以下，說(shuō)明CA模型模擬的淹沒(méi)范圍及水深的精確度較高，與MIKE 21的結(jié)果一致性較好。此外，它們的相關(guān)系數(shù)均不低于0.93，這證明兩模型的模擬結(jié)果相關(guān)性較高，異常性較低。

2.2.2 計(jì)算時(shí)間對(duì)比

計(jì)算時(shí)間是本文模型需要考慮的重要因素和評(píng)價(jià)模型效率的重要標(biāo)準(zhǔn)。本次模型對(duì)比分析均在臺(tái)式服務(wù)機(jī)上運(yùn)行，處理器為因特爾I5-9 400F CPU@2.90GHz，內(nèi)存為16GB，操作系統(tǒng)為Windows 10。MIKE 21的模擬時(shí)間為3.27 min，CA模型的模擬時(shí)間為1.23 min。并且MIKE 21前期需要進(jìn)行模擬區(qū)域的網(wǎng)格處理和邊界條件、參數(shù)的設(shè)置，增加了模型模擬的復(fù)雜性和工作量，而CA模型僅需設(shè)置幾個(gè)初始參數(shù)，模擬時(shí)間減少62.4%，有利于實(shí)現(xiàn)風(fēng)暴潮洪水淹沒(méi)過(guò)程的簡(jiǎn)單快速評(píng)估。

2.2.3 水位輔助驗(yàn)證

國(guó)內(nèi)外相關(guān)研究證明，社交媒體數(shù)據(jù)由于其自身的時(shí)間和地理空間屬性，可以應(yīng)用于災(zāi)害事件的實(shí)時(shí)監(jiān)測(cè)和趨勢(shì)預(yù)測(cè)。數(shù)據(jù)主要集中在暴雨暴發(fā)后的24 h內(nèi)，本文從社交數(shù)據(jù)集獲取150條相關(guān)信息，構(gòu)建基于社交媒體的災(zāi)情信息網(wǎng)絡(luò)驗(yàn)證集。其中，以保西路（22.16°N，113.48°E），洪灣港（22.16°N，113.46°E），東堤（22.14°N，113.54°E），琴海西路（22.13°N，113.46°E）4個(gè)特征點(diǎn)位置的照片及相關(guān)信息舉例說(shuō)明，見(jiàn)圖7。

圖7 基于災(zāi)情信息的網(wǎng)絡(luò)驗(yàn)證集示例Fig.7 Example of network verification set based on disaster information

通過(guò)挖掘特征點(diǎn)的照片與相關(guān)災(zāi)情信息，當(dāng)模擬時(shí)間t=140 min時(shí)，保西路實(shí)際水深約為0.45 m，CA模型模擬水位為0.51 m；t=330 min時(shí)，洪灣港實(shí)際水深約為0.55 m，CA模型模擬水位為0.50 m，其他特征點(diǎn)的水深也與實(shí)際情況基本相符，見(jiàn)圖8，誤差小于10%，一定程度上反映了模型的可靠性，結(jié)果可為風(fēng)暴潮災(zāi)害管理提供洪水和水深數(shù)據(jù)參考。

圖8 基于社交媒體特征數(shù)據(jù)點(diǎn)的淹沒(méi)水深對(duì)比圖Fig.8 Comparison of inundation depth based on social media feature points

2.3 基于云模型的風(fēng)暴潮災(zāi)害多屬性綜合風(fēng)險(xiǎn)計(jì)算

根據(jù)土地利用類(lèi)型分布和洪水最大淹沒(méi)水深分布，見(jiàn)圖9、10。利用公式（10）和公式（12）進(jìn)行柵格計(jì)算，可以得到該地區(qū)風(fēng)暴潮洪水災(zāi)害損失分布圖和受災(zāi)人口分布圖，見(jiàn)圖11、12。

圖9 土地利用類(lèi)型分布圖Fig.9 Distribution map of land use types

圖11 經(jīng)濟(jì)損失風(fēng)險(xiǎn)圖Fig.11 Risk map of economic losses

圖10 最大淹沒(méi)風(fēng)險(xiǎn)圖Fig.10 Risk map of the maximum simulated flooding area

基于云模型的指標(biāo)等級(jí)劃分如表5所示。首先，確定指標(biāo)權(quán)重系數(shù)并通過(guò)一致性檢驗(yàn)，權(quán)重系數(shù)為：w=(0.560,0.250,0.096,0.096)。其次，根據(jù)云模型理論，借助正向云發(fā)生器算法計(jì)算生成每個(gè)評(píng)價(jià)指標(biāo)的隸屬度云圖，構(gòu)建災(zāi)害等級(jí)評(píng)價(jià)指標(biāo)的隸屬度矩陣R，見(jiàn)式（18），結(jié)合指標(biāo)權(quán)重和隸屬度矩陣，計(jì)算風(fēng)暴潮災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)矩陣：B=w×R=(0,0.085,0.007,0.252)，將B歸一化得B=(0,0.247,0.020,0.733)。最后，根據(jù)置信度準(zhǔn)則，取置信度為0.7，可判斷此次風(fēng)暴潮災(zāi)害屬于特別重大的自然災(zāi)害。該方法實(shí)現(xiàn)了評(píng)價(jià)指標(biāo)與評(píng)語(yǔ)的不確定性映射，以此預(yù)判的災(zāi)害綜合風(fēng)險(xiǎn)等級(jí)可為城市的風(fēng)暴潮災(zāi)害風(fēng)險(xiǎn)預(yù)測(cè)和制定防災(zāi)策略提供科學(xué)依據(jù)。

表5 基于云模型的指標(biāo)等級(jí)劃分Table 5 Index classification based on cloud model

通過(guò)統(tǒng)計(jì)區(qū)域各土地類(lèi)型對(duì)應(yīng)不同水深的淹沒(méi)面積和經(jīng)濟(jì)損失，可以得到總的直接經(jīng)濟(jì)損失為69.96億元，間接經(jīng)濟(jì)損失為17.49億元，合計(jì)87.45億元，總傷亡人數(shù)約889人。

從經(jīng)濟(jì)損失風(fēng)險(xiǎn)圖（圖11）及受災(zāi)人口分布風(fēng)險(xiǎn)圖（圖12）可以看出此次臺(tái)風(fēng)事件在單位面積價(jià)值較高的地區(qū)、人口密度較大的地區(qū)，以及靠近河流、海洋地勢(shì)較低的沿海地區(qū)會(huì)引發(fā)較高的損失風(fēng)險(xiǎn)，地形、位置、人口、單位面積價(jià)值都是導(dǎo)致風(fēng)暴潮洪水損失的重要因素。同時(shí)，本文從權(quán)威媒體獲取臺(tái)風(fēng)天鴿相關(guān)信息，與本文模型預(yù)測(cè)的風(fēng)險(xiǎn)區(qū)進(jìn)行比較分析，輔助驗(yàn)證了風(fēng)暴潮洪水對(duì)珠海市人員、經(jīng)濟(jì)、環(huán)境造成了巨大風(fēng)險(xiǎn)，結(jié)果與模型較為一致，見(jiàn)表6。

圖12 人口傷亡分布圖Fig.12 Distribution map of population casualties

表6 權(quán)威媒體相關(guān)信息提取及模型驗(yàn)證Table 6 Extraction of photo information in social media and verification

3 結(jié)論與展望

風(fēng)暴潮災(zāi)害的發(fā)生具有顯著的突發(fā)性和短歷時(shí)性，為了實(shí)現(xiàn)實(shí)時(shí)高效的應(yīng)急響應(yīng)，本文首先建立了基于柵格水動(dòng)力學(xué)的元胞自動(dòng)機(jī)模型，通過(guò)與傳統(tǒng)二維水動(dòng)力學(xué)模型從淹沒(méi)水深差值、均方根誤差（≤0.04 m）、相關(guān)系數(shù)（≥0.93）、計(jì)算時(shí)間多個(gè)方面對(duì)比后，證明了模型在保證精度的前提下可有效提高模擬效率，能夠?qū)崿F(xiàn)利用較少的參數(shù)和地形數(shù)據(jù)近實(shí)時(shí)地模擬風(fēng)暴潮洪水演進(jìn)過(guò)程。其次，引入云模型進(jìn)行了風(fēng)暴潮災(zāi)害的多屬性風(fēng)險(xiǎn)分析，可在仿真基礎(chǔ)上實(shí)時(shí)評(píng)估災(zāi)害綜合動(dòng)態(tài)風(fēng)險(xiǎn)及風(fēng)險(xiǎn)的空間分布。最后，以珠海市香洲區(qū)作為研究區(qū)，對(duì)臺(tái)風(fēng)天鴿導(dǎo)致的風(fēng)暴潮洪水進(jìn)行了模擬，分析得到風(fēng)暴潮洪水淹沒(méi)范圍、淹沒(méi)水深，并對(duì)災(zāi)害損失風(fēng)險(xiǎn)進(jìn)行了綜合評(píng)估，研究成果可為風(fēng)暴潮災(zāi)害實(shí)時(shí)預(yù)警、風(fēng)險(xiǎn)分析和制定防災(zāi)減災(zāi)措施提供一定的技術(shù)支持。