杜建华，郑虹晖，莫云音，羊清雯

(1.海南省气象信息中心，海南 海口 570203；2.海南省南海气象防灾减灾重点实验室，海南 海口 570203；3.海南省气象服务中心，海南 海口 570203)

引 言

暴雨洪涝灾害是危害人类生命财产安全最常见的自然灾害之一[1-2]，也是我国东部、南部沿海地区最严重的气象灾害之一。针对强降雨尤其是台风暴雨，国内外基于天气学原理和数值模拟研究其机理及预报方法的成果比较多见[3-9]。目前除了对暴雨发生机理及其预报方法研究外，还需要对强降雨的综合风险分布特征及其致灾危险性进行了解，因此也有不少结合自然灾害风险理论对强降雨及其引发的次生灾害进行风险评估和分析的研究[10-17]。

强降水会导致道路内涝、交通拥堵[18]。在我国，强降雨引发的公路损毁、道路积水、道路通行受阻时常发生。随着各地交通气象业务、服务工作的不断深入，运用统计学方法，建立基于气象条件的风险预警模型，针对京津冀及我国西南地区的强降雨对公路交通通行影响的研究逐步开展[19-23]。海南省受台风暴雨影响尤为严重，常造成较为严重的经济财产损失[24-25]。根据海南省公路交通管理部门公布的信息，台风暴雨发生期间，省内县道、省道、高速公路常发生积水点或积水路段，甚至出现因漫水造成交通长时间中断的现象，严重威胁行车安全和交通运输效率。为进一步分析海南岛强降雨对公路交通的影响，本文基于海南省2015—2018年公路漫水阻断事件个例及其对应的降水观测资料，运用平滑曲线拟合法分析降水因子对公路漫水阻断事件发生的相对危险度，并基于不同时段降水因子分别建立Logistic风险预报模型，以便在今后的交通气象服务业务中可以根据降水量预报开展公路漫水阻断事件发生风险的估测。

1 资 料

应用海南省公路管理部门提供的2015—2018年因台风暴雨造成的岛内公路漫水阻断事件个例，经筛选，得到有效个例177个，覆盖海口、定安、文昌、琼海、万宁、陵水、东方、昌江、儋州、临高、屯昌、琼中、五指山、白沙、澄迈15个行政市(县)。个例信息包括公路漫水阻断事件发生时间、地点及其造成的影响等信息。选取事件发生地临近的15个国家气象站的降水观测资料，筛选个例发生前3、6、12、24、48、72 h等不同时段累计降水量及最大小时雨量等信息，研究公路漫水阻断事件发生特征及其与气象条件的相关关系和风险预报方法。

2 公路漫水阻断事件总体分布

2015—2018年177个有效公路漫水阻断样本中，2016年发生次数最多(81次)、2018年次之(36次)、2017年第三(31次)、2015年最少(29次)，且这些样本集中发生在每年的8—10月，漫水阻段事件的日变化和年变化随机性较强，没有显著的变化特征。图1为海南省公路漫水阻断事件空间分布。可以看出，儋州境内发生公路漫水阻段事件次数最多，占样本总数的22%；其次是临高和昌江，占样本总数的比例均在12%以上；琼海、东方、文昌、澄迈占样本总数的7%～10%；而屯昌、琼中、定安、五指山则较少发生，占样本总数的2%以下。总体呈现出海岛北部多于南部、沿海县市多于非沿海县市、山区和丘陵地带明显偏少的特征。

图1 2015—2018年海南省公路漫水阻断事件空间分布Fig.1 The spatial distribution of road flooding and blocking events in Hainan Province during 2015-2018

3 公路漫水阻断事件与降水关系

3.1 2016年公路漫水事件与降水的关系

为进一步解释漫水阻断事件的空间分布特征，对公路漫水阻断事件发生频次与事件发生临近气象观测站的年累计降水量、最大小时雨量、小时雨量大于20 mm降水频次依次对比分析，发现公路漫水阻段事件发生的频次与当地最大小时雨量以及小时雨量大于20 mm降水发生频次有较好的对应关系，而与年累计降水量的对应关系不明显。2016年公路漫水阻断事件发生次数最多，其数据比4 a累加数据更具代表性，能够在一定程度上反映公路漫水阻断事件的空间分布特征。图2为2016年海南省不同地区最大小时雨量、小时雨量大于20 mm降水频次及对应公路漫水阻断事件发生频次。可以看出，临高、昌江、琼海、儋州最大小时雨量较大、小时雨量大于20 mm降水发生频次较高，且这4个地区的公路漫水阻段事件发生频次也较高。万宁虽然小时雨量大于20 mm降水发生频次较高，但最大小时雨量并不大。而地处山区的琼中、五指山等地，虽然最大小时雨量以及小时雨量大于20 mm降水发生频次都较高，但公路漫水阻断事件发生的频次比丘陵地带和平原、沿海地区要明显偏少。初步分析，这是由于地形原因所致，海南全岛呈现中间高、周边地势低缓的地形特征。强降雨发生后，山区降水迅速向地势低的河流汇集，因此公路积水情况相对较少，而丘陵和沿海地势低缓，则容易造成路段积水。

图2 2016年海南省不同地区最大小时雨量、小时雨量大于20 mm降水频次及对应公路漫水阻断事件发生频次Fig.2 The maximum hourly rainfall and frequency of hourly rainfall more than 20 mm and corresponding road flooding and blocking events frequency in different area of Hainan Province in 2016

3.2 公路漫水阻断事件与累计降水量及最大小时雨量的关系

由于样本中历次公路漫水阻断事件的天气背景均是台风暴雨，因此以降水量作为主要因子，利用Kendall相关分析法分析事件发生前3、6、12、24、48、72 h累计降水量与公路漫水阻断事件发生频次的相关性，最终发现事件发生前24 h累计降水量与公路漫水阻断事件的相关性最好，3、6、12 h累计降水量次之(图略)。表1列出2015—2018年公路漫水阻断事件发生前不同时段、不同级别累计降水量占比。可以看出，事件发生前24 h降水量有78.4%超过100 mm，其中45.1%超过200 mm，最大值发生在2016年8月18日临高境内，事件发生前24 h降水量达516.6 mm，造成临高境内7处漫水阻段事件，其中有2处记录为“强降雨导致路面坍塌阻断”；最小值发生在2016年10月19日琼海境内，事件发生前24 h降水量为46.5 mm，对应事件发生前48～72 h，降雨一直持续，说明本次事件属于在前期强降雨基础上形成的新增积水点。事件发生前12 h降水量有80.4%超过50 mm，其中49.0%超过100 mm。而事件发生前3、6 h降水量分别有80.4%、53.0%在50 mm以下。

分析历次公路漫水阻断事件发生前最大小时雨量发现：当小时雨量超过50 mm时，无论前期有无降水，在2 h内就可能出现公路漫水阻断事件；当24 h累计降水量超过100 mm、小时雨量超过30 mm时，4～6 h内可能出现公路漫水阻断事件；当连续3～5 d日降水量超过50 mm、持续3～6 h的小时雨量超过10 mm时也可能发生公路漫水阻断事件。

表1 2015—2018年海南省公路漫水阻断事件发生前不同时段、不同级别降水量占比Tab.1 The proportion of precipitation with different levels in different periods before road flooding and blocking events occurrence in Hainan Province during 2015-2018

3.3 累计降水量对事件发生相对危险度的分析

利用平滑曲线拟合法[26]，通过Empower Stats统计分析软件分析公路交通漫水阻断事件发生次数与事件发生前3、6、12、24 h累计降水量关系(图3)。总体上，公路漫水阻断事件发生次数对3、6、12、24 h累计降水量的响应不存在明显的阈值效应，随着3、6、12、24h累计降水量的增加，公路交通漫水阻断事件发生次数呈上升趋势。当3、6、12、24 h累计降水量分别超过100、150、250、500 mm后，由于样本个例过少，拟合的可信度降低。

图3 2015—2018年海南省公路漫水阻断事件发生次数与事件发生前3、6、12、24 h累计降水量拟合曲线Fig.3 The fitting curves between occurring numbers of road flooding and blocking events and accumulated precipitation in 3 h, 6 h, 12 h and 24 h before the events in Hainan Province during 2015-2018

利用泊松分布，基于曲线拟合，以公路漫水阻断事件发生次数为因变量，以气象影响要素为自变量，分析公路漫水阻断事件发生次数与事件发生前3、6、12、24 h累计降水量各因子的相对危险度(RR)[26-30]，具体公式如下：

RR=exp(β×△X)

(1)

式中：RR为公路漫水阻断事件发生的相对危险度，X为气象影响要素，△X为气象要素的单位变化；β为系数。当RR>1(β>0)时，X每增加一个单位，公路漫水阻断事件发生风险的增加率为(RR-1)×100%；当RR<1(β<0)时，X每增加一个单位，公路漫水阻断事件发生风险的减小率为(1-RR)×100%。

计算得出公路漫水阻断事件发生前3、6、12、24 h累计降水量分别对应的相对危险度(表2)，可以看出，4个时段累计降水量对应的公路漫水阻断事件发生相对危险度RR均大于1，即随着3、6、12、24 h累计降水量的增加，公路漫水阻断事件发生的风险都呈升高趋势。而3、24 h累计降水量对应的事件发生相对危险度RR较大，分别为1.013、1.007，即随着3、24 h累计降水量每增加1 mm，公路漫水阻断事件发生的风险分别随之增加1.3%和0.7%。

表2 2015—2018年海南省公路漫水阻断事件发生次数与事件发生前不同时段累计降水量的关系Tab.2 The relationship between occurring numbers of road flooding and blocking events and accumulated precipitation in different periods before the events in Hainan Province during 2015-2018

4 公路漫水阻断风险预报方法

4.1 公路漫水阻断事件风险预报模型

应用Logistic回归模型[31]，将公路漫水阻断事件作为二分类响应变量，即事件发生视为y=1，不发生视为y=0，进而以降水因子为自变量，根据样本数据估计出参数值求得响应变量的发生概率。由于只考虑降水因子对公路漫水阻断事件的影响，而海南公路漫水阻断事件与不同时段降水量相关，因此将事件发生前3、6、12、24 h累计降水量分别作为自变量单独建模。建模时，应用2015—2017年7月1日至10月31日(台风暴雨多发时段)15个自动气象站任一整点时次往前推3、6、12、24 h的累计降水量，不为0则作为一个有效样本输出，共得到样本24 812个。

依据Logistic回归原理，建立公路漫水阻断事件与降水因子的回归模型为：

(2)

式中：p(%)为公路漫水阻断事件发生概率；F(mm)为事件发生前不同时段累计降水量；α、β分别为待拟合模型系数。运用SPSS20.0数据统计分析软件，通过最大似然法估算出事件发生前3、6、12、24 h的累计降水量分别与公路漫水阻断事件发生风险的相关参数(表3)，其中Sig<0.05时表示该因子的显著性水平具有统计学意义，可见，对于公路漫水阻断事件发生风险具有显著意义的因子是事件发生前3 h和24 h累计降水量。因此最终选取基于3 h和24 h累计降水量的公路漫水阻断风险预报模型，具体公式如下：

式中：p3、p24(%)分别为基于3 h和24 h累计降水量的公路漫水阻断事件发生概率；r3、r24(mm)分别为公路漫水阻断事件发生前3、24 h累计降水量。

4.2 公路漫水阻断事件风险预报模型效果检验及修正

应用海南省2018年7—10月的降水量数据对公路漫水阻断风险预报模型进行效果检验，单独运用基于24 h累计降水量的风险预报模型时，当r24≥200 mm时，公路漫水阻断事件发生的预测准确率可高达95.8%，当100≤r24<200 mm时，事件发生的预测准确率为76.3%，当r24<100 mm时，事件发生的预测准确率为49.2%；而单独运用基于3 h累计降水量的风险预报模型时，对前期持续强降水的影响很难反映。因此，采用层次分析法将两个风险预报模型综合运用，对公路漫水阻断事件风险预报模型进行修正，得到公式(4)，再次进行检验时，对公路漫水阻断事件的预测准确率可达91.7%。

(4)

4.3 模型业务化应用

在实际业务中运用智能网格化降水预报产品进行公路漫水阻断事件的风险等级预报。基于风险频率3基点(p=10%、50%、90%)[31]，得到海南公路漫水阻断风险判别标准：当p≥90%时，判定事件发生风险极高；当50%≤p<90%时，判定事件发生风险高；当10%≤p<50%时，判定事件发生风险较高；当p<10%时，判定事件发生风险低。

5 结论与讨论

(1)台风暴雨造成的海南省公路漫水阻断事件总体呈现出海岛北部多于南部、沿海县市多于非沿海县市、山区和丘陵地带明显偏少的特征。公路漫水阻段事件发生的频次与当地最大小时雨量以及小时雨量>20 mm降水频次有较好的对应关系。

(2)事件发生前24 h降水量78.4%超过100 mm，事件发生前12 h降水量有49.0%超过100 mm。当小时雨量超过50 mm，24 h累计降水量超过100 mm且小时雨量超过30 mm，连续3～5 d日降水量超过50 mm且连续3～6 h小时雨量超过10 mm时都可能引发公路漫水阻断事件。定量分析发现，随着3、6、12、24 h累计降水量的增加，公路漫水阻断事件发生的风险加大，事件发生前3 h和24 h累计降水量对应的事故发生相对危险度RR较大，分别为1.013和1.007，即随着相应时段累计降水量每增加1 mm，事故发生风险分别增加1.3%和0.7%。

(3)3 h和24 h累计降水量对公路漫水事件的发生有较好的指示意义，建立Logistic风险预报模型时，可能会忽略短时强降雨和前期累计降水总量的影响，因此将两个风险预报模型综合运用建立预报模型，对公路漫水阻断事件发生风险有很好的预报效果。

由于降水是公路漫水阻断事件的主要影响因素，因此本文仅基于降水提取不同因子建立风险预报模型，将来需要对不同路段尤其是沿海县市的公路路段进行地形地貌、土壤特征、河道排泄能力、植被等特征的详尽、动态普查，不断改进风险预报模型。