基于不同選樣方法的雨潮遭遇風(fēng)險(xiǎn)分析

王尚偉 劉曾美

摘要：感潮地區(qū)內(nèi)澇災(zāi)害的發(fā)生同時(shí)受澇區(qū)暴雨與承泄區(qū)潮位2個(gè)致災(zāi)因子影響，在雨潮遭遇風(fēng)險(xiǎn)分析過(guò)程中，不同的選樣方法將對(duì)分析結(jié)果造成影響。以中（山）珠（海）聯(lián)圍感潮地區(qū)為例，基于年最值選樣法與超閾值選樣法并結(jié)合Copula函數(shù)，對(duì)研究區(qū)雨潮遭遇風(fēng)險(xiǎn)進(jìn)行分析，結(jié)果表明：①超閾值1 d降雨樣本序列具有更大的樣本容量，其包含更多降雨量較大的暴雨事件，同時(shí)這些較大的暴雨事件往往會(huì)與高潮位相遭遇；②由于超閾值樣本序列包含了更多有效的雨潮事件數(shù)據(jù)信息，從防洪排澇規(guī)劃設(shè)計(jì)的角度考慮，采用超閾值選樣法得到的雨潮邊緣分布更為安全，且具有更高的準(zhǔn)確性；③基于超閾值選樣法得到的雨潮聯(lián)合分布具有更高的擬合優(yōu)度，同時(shí)在年最值樣本序列遺漏掉一些較大的暴雨信息的情況下，由超閾值樣本序列計(jì)算得到的非期望雨潮組合事件發(fā)生的概率要較大一些。

關(guān)鍵詞：雨潮遭遇；風(fēng)險(xiǎn)分析；年最值選樣；超閾值選樣；Copula函數(shù)；中珠聯(lián)圍

中圖分類號(hào)：TV122文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1001-9235（2024）02-0105-11

Encounter Risk Analysis of Rainstorm and Tide Base on Different Sampling Method

WANG Shangwei¹，LIU Zengmei^2*

（1.Guangdong Hydropower Planning & Design Institute Company Limited，Guangzhou 510635，China；2.Department of Water Conservancy and Hydropower Engineering，South China University of Technology，Guangzhou 510641，China）

Abstract： Waterlogging disaster in tide-affected area usually occurs under the influence of rainstorm and tide level.In the process of risk analysis of rainstorm and tide level，different sample methods will affect the risk probability results.Taking Zhong-Zhu union catchment as an example，based on annual maximum series sampling method and peak over threshold sampling method combined with Copula function，the risk analysis results indicate that：①Sample data obtained based on peak over threshold sampling method has a larger sample size，which contains more rainstorm events than sample data obtained based on annual maximum series sampling method，and these rainstorm events tend to encounter high tide;②On the basis of containing more effective sample information，the frequency analysis results obtained by peak over threshold sampling method are more accurate and with much more security from the perspective of waterlogged drainage;③The joint distribution of rainstorm and tide based on peak over threshold sampling method showed a better fitting degree，and the probability of encountering unexpected events is larger as a result of annual maximal series sampling method omitted some effective sample information.

Keywords：encounter of rainstorm and tide；risk analysis；annual maximal series sampling method；peak over threshold sampling method；Copula function；Zhong-Zhu union catchment

在感潮地區(qū)的內(nèi)澇災(zāi)害防災(zāi)、減災(zāi)安全保障體系構(gòu)建過(guò)程中，往往需要通過(guò)進(jìn)行雨潮遭遇風(fēng)險(xiǎn)分析以對(duì)澇區(qū)排澇布置方案和排澇設(shè)施規(guī)模進(jìn)行合理確定^［1-2］。雨潮遭遇風(fēng)險(xiǎn)分析關(guān)注的是與災(zāi)害系統(tǒng)相關(guān)，且具有自然屬性的致災(zāi)因子、孕災(zāi)環(huán)境等特征值的概率分布情況，其反映的是內(nèi)澇災(zāi)害發(fā)生的內(nèi)在規(guī)律^［3］。由于感潮地區(qū)內(nèi)澇災(zāi)害的發(fā)生往往同時(shí)受澇區(qū)暴雨與承泄區(qū)潮位2個(gè)致災(zāi)因子影響，因而內(nèi)澇災(zāi)害防治中需要進(jìn)行澇區(qū)暴雨與承泄區(qū)水位2個(gè)致災(zāi)因子的遭遇風(fēng)險(xiǎn)分析^［4］。如今在雨潮、雨洪及洪潮等水文變量的遭遇風(fēng)險(xiǎn)分析中，Copula函數(shù)因其能夠靈活構(gòu)造邊緣分布為任意形式的多變量之間的聯(lián)合分布而得到了廣泛的應(yīng)用。劉曾美等^［5］基于Copula函數(shù)研究了中山市坦洲鎮(zhèn)澇區(qū)的暴雨和相應(yīng)承泄區(qū)潮水位的聯(lián)合分布，研究了澇區(qū)暴雨與承泄區(qū)水位遭遇組合的澇災(zāi)風(fēng)險(xiǎn)；劉曾美等^［6］也分別采用定性分析法和基于Copula函數(shù)的概率風(fēng)險(xiǎn)分析法對(duì)中珠聯(lián)圍暴雨與上游西江洪水的雨洪遭遇規(guī)律進(jìn)行了探究；石赟赟等^［7］基于Copula函數(shù)構(gòu)建了深圳市年最大1 d降雨量與相應(yīng)潮位的聯(lián)合分布，對(duì)不同雨潮遭遇情景對(duì)應(yīng)的概率進(jìn)行了計(jì)算分析；周煥等^［8］在浙江省多個(gè)沿海流域的防洪排澇規(guī)劃設(shè)計(jì)中對(duì)基于Copula函數(shù)的雨潮遭遇風(fēng)險(xiǎn)分析成果進(jìn)行了驗(yàn)證，結(jié)果表明該方法分析成果較傳統(tǒng)的雨潮組合定性分析方法分析成果具有較強(qiáng)的可靠性和實(shí)用性；Xu等^［9］為了探究臺(tái)風(fēng)對(duì)雨潮遭遇風(fēng)險(xiǎn)的影響，基于Copula函數(shù)構(gòu)建了海南省?？谑斜┯?、臺(tái)風(fēng)和風(fēng)暴潮的三變量聯(lián)合分布；Bouchra Zellou等^［10］基于Copula函數(shù)構(gòu)建了摩洛哥Bouregreg河口區(qū)域的雨潮遭遇風(fēng)險(xiǎn)模型，并對(duì)該區(qū)域發(fā)生內(nèi)澇災(zāi)害事件的概率進(jìn)行了預(yù)測(cè)分析；王保華等^［11］將基于Copula函數(shù)的洪潮遭遇分析模型應(yīng)用于海南省五源河流域治理工程中，對(duì)與工程建設(shè)規(guī)模等級(jí)相匹配的洪潮組合設(shè)計(jì)值進(jìn)行了合理確定。

盡管目前基于Copula函數(shù)的多水文變量遭遇風(fēng)險(xiǎn)研究已有較多典型案例，但大多數(shù)并未考慮到其中選樣方法可能對(duì)分析結(jié)果造成的影響，在水文變量頻率分析中大多僅考慮采用一般常用的年最值選樣法。由年最值選樣法得到的樣本序列能夠保證樣本之間的獨(dú)立性，但在資料年限較短的情況下，得到的樣本序列容量小，往往具有較大的抽樣誤差，且容易遺漏掉一些較大的次大值樣本信息^［12］。與年最值選樣法相比，超閾值選樣法則以超過(guò)特定閾值為取樣前提，可以擴(kuò)大樣本容量，使有限的資料信息得到充分的利用。因此，本次研究選擇以中（山）珠（海）聯(lián)圍感潮地區(qū)為例，考慮采用年最值選樣與超閾值選樣兩種不同的選樣方法，并結(jié)合Copula函數(shù)對(duì)研究區(qū)雨潮遭遇風(fēng)險(xiǎn)進(jìn)行分析，對(duì)比不同選樣方法對(duì)雨潮邊緣分布、雨潮聯(lián)合分布及雨潮遭遇風(fēng)險(xiǎn)造成的差異影響，并為感潮地區(qū)澇區(qū)排澇布置方案和排澇設(shè)施規(guī)模的確定提供參考依據(jù)。

1 研究區(qū)概況

中（山）珠（海）聯(lián)圍位于珠江三角洲下游，片區(qū)橫跨廣東省中山市和珠海市，東南與澳門半島相鄰，隔磨刀門水道與珠海市斗門區(qū)相望，北接五桂山脈和鳳凰山脈，地勢(shì)東北向西南傾斜。由于中珠聯(lián)圍自身特殊的地理位置和地形條件，其境內(nèi)降雨頻繁，且往往具有強(qiáng)度大、雨量多的特點(diǎn)；磨刀門水道為中珠聯(lián)圍集水片區(qū)主要的承泄區(qū)，屬感潮河段，其水位既受自下而上的河口潮波的影響，又受自上而下的西江洪水徑流的作用。大量歷史資料表明，當(dāng)中珠聯(lián)圍片區(qū)內(nèi)較大的暴雨遭遇承泄區(qū)被整體抬高的潮位時(shí)，河口水閘自排受到阻礙，導(dǎo)致片區(qū)內(nèi)的積水無(wú)法及時(shí)排除，因而極易形成澇災(zāi)^［13］。為合理確定澇區(qū)排澇布置方案和排澇設(shè)施的規(guī)模，在實(shí)際的防洪排澇規(guī)劃設(shè)計(jì)過(guò)程中，必須對(duì)片區(qū)內(nèi)的雨潮遭遇風(fēng)險(xiǎn)規(guī)律進(jìn)行重點(diǎn)研究。

本次研究中，受資料條件限制，雨量數(shù)據(jù)選擇采用位于中山市三鄉(xiāng)鎮(zhèn)的三鄉(xiāng)雨量站，位于中山市神灣鎮(zhèn)的神灣雨量站、位于珠海市香洲區(qū)的竹仙洞雨量站共3個(gè)雨量站（圖1）的日降雨量觀測(cè)數(shù)據(jù)，并通過(guò)加權(quán)平均得到集水片區(qū)的逐日面雨量，樣本數(shù)據(jù)時(shí)間序列為1973—2008年（缺失1986、1987、2000年）共33 a；潮位數(shù)據(jù)選擇采用位于磨刀門水道的燈籠山潮位站逐日潮位觀測(cè)數(shù)據(jù)。

2 雨潮邊緣分布頻率分析

對(duì)于暴雨內(nèi)澇災(zāi)害而言，澇區(qū)受災(zāi)的根本原因仍在于澇區(qū)內(nèi)發(fā)生的極端降雨，承泄區(qū)潮位則主要作為與河口洪水遭遇的可變化的相應(yīng)邊界條件對(duì)澇水外排造成影響^［5］。因此，本次研究選擇采用以暴雨為主，潮位相應(yīng)的雨潮組合方式，即分別采用年最值選樣法和超閾值選樣法對(duì)1 d雨量樣本數(shù)據(jù)進(jìn)行選樣，并在潮位樣本數(shù)據(jù)中按當(dāng)日不規(guī)則半日潮的高高潮選取相應(yīng)潮位。

2.1 年最值選樣法

年最值選樣法選取每年的最值一個(gè)樣本組成序列進(jìn)行頻率分析，年最值樣本序列的經(jīng)驗(yàn)頻率按式（1）計(jì)算：

式中 P_m——經(jīng)驗(yàn)頻率；N——選取的樣本序列總數(shù)；m——各樣本由大到小排列的序號(hào)。

本次研究采用水文計(jì)算規(guī)范中指定采用的P-Ⅲ型分布線型對(duì)年最值1 d降雨序列進(jìn)行擬合，其分布函數(shù)為式（2）：

式中 α——形狀參數(shù)，α>0；β——尺度參數(shù)；γ——位置參數(shù)；Γ（α）——α的Gamma函數(shù)。

考慮到相應(yīng)潮位分布線型接近負(fù)偏態(tài)，采用可適用于描述負(fù)偏態(tài)線型的廣義極值分布線型對(duì)相應(yīng)潮位序列進(jìn)行擬合，其分布函數(shù)為式（3）：

式中 μ——位置參數(shù)；α——尺度參數(shù)，α>0；k——形狀參數(shù)，k≠0。

參數(shù)估計(jì)方法采用具有無(wú)偏性的線性矩法^［15］，并采用概率點(diǎn)據(jù)相關(guān)系數(shù)法（PPCC）與四階線性矩檢驗(yàn)法（TW4）^［16］進(jìn)行擬合優(yōu)選，頻率分布曲線見(jiàn)圖2、3，頻率分布參數(shù)見(jiàn)表1。

2.2 超閾值選樣法

超閾值選樣法以每年中超過(guò)閾值的觀測(cè)數(shù)據(jù)來(lái)共同組成樣本序列進(jìn)行頻率分析，該方法選樣得到的超閾值序列由大到小排列得到的頻率為一年發(fā)生多次的次頻率，需要轉(zhuǎn)換為實(shí)際應(yīng)用中的年頻率，超閾值樣本序列的年頻率按式（4）計(jì)算：

式中 P_E——年頻率；N——選取的樣本序列總數(shù)；m——各樣本由大到小排列的序號(hào)；k——每年平均取樣個(gè)數(shù)。

由超閾值選樣法得到樣本序列服從廣義Pareto分布，其分布函數(shù)為式（5）、（6）：

式中 a——形狀參數(shù)；b——尺度參數(shù)，b>0；x₀——閾值。

在超閾值選樣法中，閾值的選取對(duì)頻率分析結(jié)果有著很大的影響。如果選取的閾值偏小，則不能保證超限量分布的收斂性，使參數(shù)估計(jì)產(chǎn)生大的偏差；如果選取的閾值偏大，則可能導(dǎo)致超限數(shù)據(jù)的樣本序列數(shù)量較少，使得一些有用的資料信息被浪費(fèi)，造成估計(jì)的分布參數(shù)偏差較大^［18］。本次研究通過(guò)以下幾個(gè)步驟確定選樣閾值。

a）分析雨量資料的數(shù)據(jù)特性。根據(jù)中珠聯(lián)圍境內(nèi)及周邊雨量站所有雨量觀測(cè)資料，降雨量年最大1 d雨量的最小值為72.7 mm，閾值的選取范圍可初步確定為65～80 mm，按公差為1.0 mm構(gòu)成16個(gè)超閾值1 d降雨序列。

b）年發(fā)生次數(shù)的泊松分布檢驗(yàn)。對(duì)于滿足廣義Pareto分布的超閾值序列，其年超限數(shù)，即超過(guò)閾值的年發(fā)生次數(shù)，應(yīng)服從泊松分布。對(duì)于選取的16個(gè)超閾值1 d暴雨序列，在顯著水平0.05下進(jìn)行χ²檢驗(yàn)（原假設(shè)H₀=0表示符合泊松分布）。檢驗(yàn)結(jié)果見(jiàn)表2，16個(gè)超閾值序列的年超限數(shù)均符合泊松分布。

c）擬合優(yōu)度檢驗(yàn)。對(duì)16個(gè)超閾值1 d暴雨序列采用廣義Pareto分布進(jìn)行擬合，參數(shù)估計(jì)方法采用概率權(quán)重矩法。采用PPCC法和TW4法對(duì)16個(gè)超閾值1 d暴雨序列的頻率分布進(jìn)行擬合優(yōu)度評(píng)價(jià)，各超閾值序列的擬合優(yōu)度見(jiàn)表2。

根據(jù)檢驗(yàn)結(jié)果可知，當(dāng)閾值選取為72 mm時(shí)擬合度最優(yōu)，因此最終選取72 mm作為對(duì)降雨數(shù)據(jù)進(jìn)行超閾值選樣的閾值，其廣義Pareto分布參數(shù)見(jiàn)表3，頻率分布曲線見(jiàn)圖4。

確定閾值之后，根據(jù)得到的超閾值1 d降雨序列在潮位樣本數(shù)據(jù)選取相應(yīng)潮位得到超閾值相應(yīng)潮位序列，采用廣義極值分布線型對(duì)相應(yīng)潮位序列進(jìn)行擬合，得到的頻率分布參數(shù)見(jiàn)表3，頻率分布曲線見(jiàn)圖5。

3 雨潮聯(lián)合分布頻率分析

在雨潮單變量邊緣分布已經(jīng)確定的基礎(chǔ)上，選擇借助Copula函數(shù)對(duì)雨潮變量之間的相關(guān)性結(jié)構(gòu)進(jìn)行描述。設(shè)F（h，z）為中珠聯(lián)圍1 d降雨量隨機(jī)變量H和承泄區(qū)感潮河段相應(yīng)潮位隨機(jī)變量Z的聯(lián)合分布函數(shù)，其邊緣分布為F_H（h）和F_Z（z），根據(jù)Sklar定理，一定存在唯一的Copula函數(shù)C（u，v），使得：

F（h，z）=C［F_H（h），F(xiàn)_Z（z）］ ???（7）

目前，在水文變量頻率分析中采用Archimedean Copula函數(shù)已具有較為成熟的理論和應(yīng)用基礎(chǔ)，其主要包括GH Copula函數(shù)、Clayton Copula函數(shù)、AMH Copula函數(shù)和Frank Copula函數(shù)4種函數(shù)^［19］，對(duì)應(yīng)的聯(lián)合分布參數(shù)θ可根據(jù)雨潮序列之間的Kendall秩相關(guān)系數(shù)τ確定，見(jiàn)表4。

Kendall秩相關(guān)系數(shù)是常用于度量水文變量相關(guān)性的指標(biāo)，其定義如下：

式中 （x_1i，x_2i）——觀測(cè)點(diǎn)據(jù)；sign（·）——符號(hào)函數(shù)，當(dāng)（x_1i－x_1j）（x_2i－x_2j）>0時(shí)，sign=1，當(dāng)（x_1i－x_1j）（x_2i－x_2j）<0時(shí)，sign=-1，當(dāng)（x_1i－x_1j）（x_2i－x_2j）=0時(shí)，sign=0。

將年最值選樣法得到的年最大1 d降雨序列與相應(yīng)潮位序列、超閾值法得到的超閾值1 d降雨序列與相應(yīng)潮位序列分別構(gòu)建雨潮聯(lián)合分布，得到的雨潮聯(lián)合分布參數(shù)見(jiàn)表5。采用AIC信息準(zhǔn)則法（AIC）和離差平方和最小準(zhǔn)則（OLS）對(duì)得到的聯(lián)合分布進(jìn)行擬合優(yōu)度評(píng)價(jià)，結(jié)果表明：對(duì)于由年最值選樣法得到的降雨序列與相應(yīng)潮位序列，在采用Clayton Copula函數(shù)構(gòu)建雨潮聯(lián)合分布時(shí)達(dá)到最佳的擬合效果；對(duì)于由超閾值選樣法得到的降雨序列與相應(yīng)潮位序列，在采用GH Copula函數(shù)構(gòu)建雨潮聯(lián)合分布時(shí)達(dá)到最佳的擬合效果，雨潮聯(lián)合分布最優(yōu)擬合度情況見(jiàn)圖6、7。

4 雨潮遭遇風(fēng)險(xiǎn)分析

在雨潮遭遇風(fēng)險(xiǎn)分析中，降雨量和潮位均屬于變量值越大越不利的水文變量，當(dāng)降雨量或潮位超過(guò)某個(gè)設(shè)定值時(shí)，通常將其稱為非期望事件，可以通過(guò)不同風(fēng)險(xiǎn)率的計(jì)算對(duì)各種情景對(duì)應(yīng)發(fā)生的不確定性進(jìn)行分析^［20］。

從災(zāi)害成因的角度來(lái)分析，內(nèi)澇災(zāi)害的2個(gè)最主要致災(zāi)因子是暴雨H與潮位Z；顯然當(dāng)澇區(qū)暴雨超過(guò)設(shè)計(jì)值時(shí)，澇區(qū)將會(huì)遭受內(nèi)澇災(zāi)害，同時(shí)即使?jié)硡^(qū)暴雨未超過(guò)設(shè)計(jì)標(biāo)準(zhǔn)，但承泄區(qū)潮位超過(guò)與設(shè)計(jì)暴雨相組合的設(shè)計(jì)潮位值時(shí)，澇區(qū)還是會(huì)發(fā)生內(nèi)澇，即暴雨H與潮位Z之中一個(gè)變量超過(guò)設(shè)計(jì)值時(shí)澇區(qū)就會(huì)發(fā)生內(nèi)澇，對(duì)應(yīng)的風(fēng)險(xiǎn)率即為聯(lián)合風(fēng)險(xiǎn)率，反映了澇區(qū)可能遭受內(nèi)澇災(zāi)害的概率，見(jiàn)式（9）^［20］：

P_LH=P［（H>h）∪（Z>z）］=1－P［（H

其次，從內(nèi)澇災(zāi)害最不利的情況來(lái)考慮，即澇區(qū)暴雨與承泄區(qū)潮位同時(shí)超過(guò)設(shè)計(jì)值的情況，對(duì)應(yīng)的風(fēng)險(xiǎn)率即為同現(xiàn)風(fēng)險(xiǎn)率，反映了內(nèi)澇災(zāi)害最大情況發(fā)生的概率，見(jiàn)式（10）：

P_TX=P［（H>h）∩（Z>z）］=P（H>h）+P（Z>z）-［1-P［（H

將以上頻率分析得到的雨潮邊緣分布與聯(lián)合分布代入風(fēng)險(xiǎn)率計(jì)算公式中，可得到中珠聯(lián)圍雨潮遭遇風(fēng)險(xiǎn)見(jiàn)表6、7。

5 結(jié)果與分析

5.1 雨潮統(tǒng)計(jì)特征

本次研究采用年最值選樣法共得到雨潮樣本33組，采用超閾值選樣法共得到雨潮樣本124組，相對(duì)比超閾值樣本序列具有更大的樣本容量。雨潮樣本序列基本統(tǒng)計(jì)特征見(jiàn)圖8、9，在每個(gè)箱子上，紅色實(shí)線表示中位數(shù)，箱子的底邊和頂邊分別表示第25個(gè)和75個(gè)百分位數(shù)，須線會(huì)延伸到不是離群值的最遠(yuǎn)端數(shù)據(jù)點(diǎn)，離群值是距離箱子底部或頂部超過(guò)1.5倍四分位差的值，離群值使用“+”標(biāo)記符號(hào)單獨(dú)繪制。據(jù)圖8顯示，年最值1 d降雨樣本序列中位值為161.2 mm，所有樣本值均落在正常值范圍內(nèi)，沒(méi)有出現(xiàn)離群值；超閾值1 d降雨樣本序列中位值為99.4 m，較年最值樣本序列明顯減小，同時(shí)出現(xiàn)較多高于箱子上邊界的離群值，其反映出研究區(qū)年內(nèi)往往會(huì)遭遇多次強(qiáng)降雨，并且其中存在較多降雨量與年最值降雨接近的次大值降雨。同時(shí)據(jù)圖9顯示，年最值相應(yīng)潮位樣本序列中位值為1.15 m，與年最值1 d降雨樣本序列統(tǒng)計(jì)特征保持一致，所有樣本值均落在正常值范圍內(nèi)，沒(méi)有出現(xiàn)離群值；超閾值相應(yīng)潮位樣本序列中位值為0.94 m，較年最值樣本序列略有減小，離群值大多出現(xiàn)于箱子上邊界以外的區(qū)域。此外，從圖10中可以明顯發(fā)現(xiàn)，年最值1 d降雨樣本序列由每年最大值一個(gè)樣本組成系列，其相應(yīng)潮位樣本序列每年僅包含一個(gè)樣本值，超閾值1 d降雨樣本序列則由超過(guò)閾值（72 mm）的最值與次大值組成，其中部分次大值降雨遭遇的相應(yīng)潮位要高于年最值降雨遭遇的相應(yīng)潮位。

總體而言，超閾值1 d降雨樣本序列具有更大的樣本容量，其包含更多降雨量較大的暴雨事件，同時(shí)這些較大的暴雨事件往往會(huì)與高潮位相遭遇。

5.2 雨潮邊緣分布特征

基于年最值選樣法與超閾值選樣法得到的雨潮邊緣分布頻率分析結(jié)果見(jiàn)表8，各重現(xiàn)期對(duì)應(yīng)的雨潮變量設(shè)計(jì)值見(jiàn)圖11、12。結(jié)果表明，在重現(xiàn)期小于50年一遇時(shí)，2種選樣方法的暴雨設(shè)計(jì)值相差不大，但在重現(xiàn)期大于50年一遇時(shí)，超閾值選樣法得到的暴雨設(shè)計(jì)值明顯大于年最值選樣法得到的暴雨設(shè)計(jì)值，且兩者之間的差值隨著重現(xiàn)期的增大而增大；相應(yīng)潮位設(shè)計(jì)值則存在更為顯著的差異，超閾值選樣法得到的相應(yīng)潮位設(shè)計(jì)值均大于年最值選樣法得到的相應(yīng)潮位設(shè)計(jì)值。

同時(shí)，在綜合考慮PPCC與TW4兩種擬合優(yōu)度評(píng)價(jià)指標(biāo)的情況下，對(duì)于1 d降雨邊緣分布，基于年最值選樣法頻率分析得到的最優(yōu)擬合度分別為0.996 4和0.027 5，基于超閾值選樣法頻率分析得到的最優(yōu)擬合度分別為0.997 9和0.004 8；對(duì)于相應(yīng)潮位邊緣分布，基于年最值選樣法頻率分析得到的最優(yōu)擬合度分別為0.980 8和0.024 2，基于超閾值選樣法頻率分析得到的最優(yōu)擬合度分別為0.996 3和0.002 0；可以發(fā)現(xiàn)，基于超閾值選樣法得到的雨潮邊緣分布擬合度指標(biāo)均優(yōu)于基于年最值選樣法得到的。

綜上分析，由于超閾值選樣法選取的樣本包含了更多有效的雨潮事件數(shù)據(jù)信息，從防洪排澇規(guī)劃設(shè)計(jì)的角度考慮，采用超閾值選樣法得到的雨潮邊緣分布更為安全，且具有更高的準(zhǔn)確性。

5.3 雨潮聯(lián)合分布與風(fēng)險(xiǎn)率特征

根據(jù)表5中的結(jié)果，年最值選樣法得到的年最大1 d降雨序列與相應(yīng)潮位的Kendall秩相關(guān)系數(shù)為0.014；大于超閾值選樣法得到的年最大1 d降雨序列與相應(yīng)潮位的Kendall秩相關(guān)系數(shù)為0.197；即超閾值選樣法得到的1 d降雨序列與相應(yīng)潮位序列具有更強(qiáng)的相關(guān)性。同時(shí)，在綜合考慮AIC與OLS 2種擬合優(yōu)度評(píng)價(jià)指標(biāo)的情況下，基于年最值選樣法頻率分析得到的最優(yōu)擬合度分別為-192.01和0.004 825，基于超閾值選樣法頻率分析得到的最優(yōu)擬合度分別為-910.02和0.002 916，可以發(fā)現(xiàn)，基于超閾值選樣法得到的雨潮聯(lián)合分布擬合度指標(biāo)均優(yōu)于基于年最值選樣法。

根據(jù)表6、7中的結(jié)果，可以發(fā)現(xiàn)，年最值選樣法得到的同現(xiàn)風(fēng)險(xiǎn)率、聯(lián)合風(fēng)險(xiǎn)率結(jié)果均小于超閾值選樣法得到的結(jié)果，與文獻(xiàn)［21］中的研究結(jié)論一致。例如，在基于年最值選樣法的情況下，中珠聯(lián)圍20年一遇年最大1 d降雨與相當(dāng)于5年一遇年最高潮位的感潮河段相應(yīng)潮位組合時(shí)，同現(xiàn)風(fēng)險(xiǎn)率、聯(lián)合風(fēng)險(xiǎn)率分別為0.04%、5.66%；在基于超閾值選樣法的情況下，中珠聯(lián)圍20年一遇年最大1 d降雨與相當(dāng)于5年一遇年最高潮位的感潮河段相應(yīng)潮位組合時(shí)，同現(xiàn)風(fēng)險(xiǎn)率、聯(lián)合風(fēng)險(xiǎn)率分別為0.36%、9.67%，后者得到的風(fēng)險(xiǎn)率要大于前者；同樣，在其他不同的雨潮組合情況下可以得到相同的結(jié)論。進(jìn)一步分析認(rèn)為，造成這一差異變化的主要原因?yàn)橄噍^于年最值選樣，超閾值選樣不僅僅選取每年的最大降雨量作為樣本數(shù)據(jù)，還選取了小于年最大降雨量，同時(shí)大于閾值的次大值降雨量，而這些次大值多數(shù)只是略小于年最大值，因此在年最值樣本序列中遺漏掉了一些較大的暴雨信息，也就遺漏了其相應(yīng)潮位信息，從而導(dǎo)致年最大值選樣的樣本序列計(jì)算得到的非期望雨潮組合事件發(fā)生的概率較超閾值樣本序列計(jì)算的要小一些。

6 結(jié)語(yǔ)

本文以位于感潮地區(qū)的中（山）珠（海）聯(lián)圍為例，分別采用年最大值選樣法與超閾值選樣法進(jìn)行了澇區(qū)暴雨與承泄區(qū)潮水位的遭遇風(fēng)險(xiǎn)分析。年最大值選樣法遺漏掉了一些較大的暴雨信息，而超閾值選樣法則充分利用了這些雨量較大的暴雨事件，且因這些較大的暴雨事件往往可能會(huì)與較高的潮位相遭遇，因而基于超閾值選樣法比基于年最大值選樣法分析得到的非期望雨潮組合事件發(fā)生的概率要大，且基于超閾值選樣法進(jìn)行雨潮遭遇分析能客觀地揭示澇區(qū)暴雨與承泄區(qū)水位的遭遇規(guī)律。因此，若資料條件許可，在內(nèi)澇災(zāi)害防治規(guī)劃設(shè)計(jì)中建議采用超閾值選樣法進(jìn)行雨洪遭遇分析。

參考文獻(xiàn)：

［1］劉曾美，吳俊校，肖素芬. 感潮地區(qū)排澇分析計(jì)算方法和思路研究［J］.人民珠江，2009（5）：8-11，46.

［2］劉曾美，陳子燊. 區(qū)間暴雨和外江洪水位遭遇組合的風(fēng)險(xiǎn)［J］.水科學(xué)進(jìn)展，2009（5）：619-625.

［3］劉曾美，陳子燊，吳俊校. 變化環(huán)境下治澇效益估算方法研究［J］.水利學(xué)報(bào)，2011，42（9）：1081-1087.

［4］劉曾美，陳子燊. 基于兩個(gè)致災(zāi)因子的治澇標(biāo)準(zhǔn)研究［J］.水力發(fā)電學(xué)報(bào)，2011，30（3）：39-44，49.

［5］劉曾美，吳俊校，陳子燊. 感潮地區(qū)暴雨和潮水位遭遇組合的澇災(zāi)風(fēng)險(xiǎn)［J］.武漢大學(xué)學(xué)報(bào)（工學(xué)版），2010（2）：166-169，174.

［6］劉曾美，王尚偉，蔡玉婷，等.感潮地區(qū)澇區(qū)暴雨與承泄區(qū)上游洪水的遭遇規(guī)律［J］.水資源保護(hù)，2021，37（2）：89-94，107.

［7］石赟赟，姚航斌，萬(wàn)東輝，等.基于Copula函數(shù)的深圳市雨潮遭遇風(fēng)險(xiǎn)分析［J］.人民珠江，2021，42（12）：24-29，41.

［8］周煥，揭夢(mèng)璇.基于Copula函數(shù)的浙江沿海流域雨潮組合風(fēng)險(xiǎn)分析［J］.人民長(zhǎng)江，2019，50（4）：32-35，85.

［9］XU H S，XU K，BIN L L，et al. Joint Risk of Rainfall and Storm Surges during Typhoons in a Coastal City of Haidian Island， China［J］. International Journal of Environmental Research and Public Health，2018，15（7）.DOI：10.3390/ijerph15071377.

［10］BOUCHRA Z，HASSANE R.Assessment of the joint impact of extreme rainfall and storm surge on the risk of flooding in a coastal area［J］.Journal of Hydrology，2018，569.DOI：10.1016/j.jhydrol.2018.12.028.

［11］王保華，王占海，月永昌.Copula函數(shù)在洪潮遭遇分析中的應(yīng)用研究［J］.人民珠江，2015，36（5）：62-65.

［12］藍(lán)福鵬.不同選樣方法的市政排水與水利排澇暴雨標(biāo)準(zhǔn)銜接關(guān)系對(duì)比研究［D］.廣州：華南理工大學(xué)，2020.

［13］劉曾美.中山市坦洲鎮(zhèn)水利規(guī)劃［R］.廣州：華南理工大學(xué)，2014.

［14］劉曾美，覃光華，陳子燊，等.感潮河段水位與上游洪水和河口潮位的關(guān)聯(lián)性研究［J］.水利學(xué)報(bào)，2013，44（11）：1278-1285.

［15］HOSKING J R M， WALLIS J R. Regional Frequency Analysis［M］. Cambridge：Cambridge University Press，1997.

［16］梁駿. 水文設(shè)計(jì)值置信區(qū)間計(jì)算方法研究［D］.楊凌：西北農(nóng)林科技大學(xué)，2016.

［17］李興凱，陳元芳.暴雨頻率分布線型優(yōu)選方法的研究［J］.水文，2010，30（2）：50-53.

［18］陳子燊，劉曾美，路劍飛.基于廣義Pareto分布的洪水頻率分析［J］.水力發(fā)電學(xué)報(bào)，2013，32（2）：68-73，83.

［19］郭生練，閆寶偉，肖義，等. Copula 函數(shù)在多變量水文分析計(jì)算中的應(yīng)用及研究進(jìn)展 ［J］.水文，2008，28（3） ：1-7.

［20］劉曾美.極值分布理論與風(fēng)險(xiǎn)分析在珠江三角洲水災(zāi)害中的應(yīng)用［D］.廣州：中山大學(xué)，2011.

［21］涂新軍，杜奕良，陳曉宏，等.濱海城市雨潮遭遇聯(lián)合分布模擬與設(shè)計(jì)［J］.水科學(xué)進(jìn)展，2017，28（1）：49-58.

（責(zé)任編輯：李澤華）