盐城市大丰区暴雨灾害时空特征及其危险性评估方法

2022-11-26陈超顾淏清蔡聪孙雨情邹芬朱毅

电子元器件与信息技术 2022年9期

陈超，顾淏清，蔡聪，孙雨情，邹芬，朱毅

盐城市大丰区气象局，江苏盐城 224100

0 引言

盐城市大丰区地处黄海之滨，位于淮河入海尾闾、苏北里下河腹部，海岸线长112公里，位于南北及内陆与海洋气候过渡带，常有短时强降水、龙卷、冰雹、雷暴大风等中小尺度强对流天气，也会有江淮气旋、台风、强冷空气等大尺度强对流天气，甚至两类天气系统会叠加出现，都可能造成极端影响。

为了加强气象灾害的防范，对不同的气象灾害风险进行分析，陈靖[1-2]等对中小河流暴雨洪涝、沿海风暴潮等气象灾害风险提出了区域分析和等级划分，杨忠恩、梁玉莲、尹晓东、扈海波[3-6]等人主要针对影响当地的气象灾害和变化特征进行分析。本文收集整理分析大丰区相关气象观测数据，灾情数据、承灾体数据以及地理信息数据等，建立适合本区域的暴雨灾害风险评估模型。在确保相关气象灾害风险评估区划成果的完整性及有效性的前提下，开展大丰区暴雨灾害风险普查评估方法研究。本文以暴雨气象灾害为例，主要就盐城市大丰区暴雨灾害危险性评估方法详细展开描述。

1 资料与方法

1.1 危险性评估原理

暴雨灾害的危险性评估主要是衡量致灾因子对承灾体的致险程度，是风险评估的重要组成部分。暴雨事件和孕灾环境是进行暴雨灾害致灾危险性评估重要因素，一般由年雨涝指数及暴雨孕灾环境影响系数组成[7-9]。

（1）年雨涝指数。根据暴雨过程的相关定义，通常以连续降水日数判定为一个过程降水量，当出现无降水时则认为本次过程结束，同时要求本次过程中≥1天的降水量≥50mm，单站暴雨过程强度为整个降水过程中全部降水量的累加[10-11]，并据此计算年雨涝指数。

（2）孕灾环境影响系数。暴雨孕灾环境是指在暴雨的直接影响下，形成城市内涝、洪涝、泥石流、滑坡等次生灾害的自然环境。暴雨成灾危险性受暴雨孕灾环境的影响，一般考虑地形、河网水系、地质灾害易发条件等，具体的计算方法可以参考DB33/T 2025-2017（暴雨过程危险性等级评估技术规范）。对于高海拔地区，可根据实际情况修改海拔高度的分区范围。

（3）致灾危险性计算。致灾危险性指数=（1+暴雨孕灾环境影响系数）×年雨涝指数

1.2 数据来源

本文使用2010-2020年大丰区的暴雨历史灾害事件、气象数据、承灾体、地理信息、常住人口分布、GDP分布等相关资料，如表1所示。

表1 资料清单

1.3 评估模型构建

本文从大丰实际气候和社会条件情况出发，调查分析暴雨气象资料、灾情资料、社会资料、自然环境资料；对资料进行预处理，形成暴雨灾害数据集；基于暴雨灾害数据集，对大丰区暴雨致灾因子、孕灾环境敏感性进行分析，构建适合大丰区的承灾体危险性评估模型。

结合大丰区实际情况，依据《全国自然灾害综合风险普查（气象灾害）技术规范—暴雨灾害调查与风险评估》内容，需要对暴雨灾害的具体灾情进行解析，分离出不同承灾体的损失情况。然后利用承灾体损失计算灾损指数，通过灾损指数和致灾因子的关系分析，确定暴雨灾害的短历时雨强致灾因子和过程性雨强致灾因子。本文通过灾情解析直接识别致灾因子，计算年雨涝指数，最终选取暴雨雨涝指数和暴雨孕灾环境影响系数两个因子作为评估暴雨灾害危险性的重要指标。

1.3.1 暴雨雨涝指数

大丰区2010～2020年共计四次历史暴雨灾害过程，因此选取了能表征暴雨过程强度的相应指标，并进一步分析其代表性，最终选择最大小时降水量、最大日降水量、过程累计降水量、暴雨持续天数4个指标来表达单站暴雨雨涝指数，并叠加得到暴雨雨涝指数，单站暴雨过程强度指数的计算见下式：

式中，RPI为单站暴雨过程强度指数；Phr、Pdy、PIpre、Iday分别是归一化处理的最大小时降水量、最大日降水量、过程累计降水量、暴雨持续天数；A、B、C、D为权重系数，采用赋权法确定权重系数。

1.3.2 暴雨孕灾环境影响系数

结合大丰区实际情况，选取高程标准差、河网密度以及自然灾害指标作为暴雨孕灾环境的影响因子，并计算暴雨孕灾环境影响系数：

孕灾环境综合指数计算见下式：

孕灾环境影响指数计算见下式：

1.3.3 暴雨灾害危险性区划

《第一次全国自然灾害综合风险普查（气象灾害）技术规范-暴雨灾害调查与风险评估》推荐公式计算致灾因子危险性指数。

致灾因子危险性指数＝（1+暴雨孕灾环境影响系数）×年雨涝指数

根据上式求得结果，利用百分位数法将到大丰区暴雨灾害危险性划分为Ⅰ～Ⅳ级共4个等级，分别对应高风险、较高风险、较低风险、低风险。再综合考虑行政区划（或气候区、流域等），对致灾危险性进行空间单元的划分。

1.3.4 技术流程

本文建立的暴雨灾害危险性评估模型具体技术流程如图1所示。

图1 暴雨灾害危险性评估与区划技术流程图

2 研究方法与数据处理

2.1 信息熵赋权法

在研究过程，有多个不同的评估指标，需要对不同的指标赋权，并根据其权重，计算其综合后的新指标。

在多重指标的综合评估中，熵权法可以客观地反映各评估指标的权重。当一个系统的有序程度越高，则权重越小；熵值越大；反之亦然。如评估指标中的指标值差值越大，综合评估中该指标作用越大；如果评估指标中的指标值全部相等，综合评估中该指标无用。其计算步骤如下。

设评估体系是由m个指标n个对象构成的系统，计算第i项指标下第j个对象的指标值rij所占指标比重Pij：

使用熵权法在计算第i个指标的熵值Si：

再计算第i个指标的熵权，从而确定客观权重ωi：

层次分析法和专家打分法涉及主观因素，使用不当容易造成不必要的误差，本文选择信息熵赋权法是根据各项指标之间的差异程度来确定最后指标权数，借鉴了信息熵思想，避免了人为因素带来的偏差。相对其他主观赋值法，具有鲁棒性强、单调性好、数据信息恒定和缩放无关性等优点。

2.2 气象资料延长订正与插值方法

根据实际情况，采用线性回归方法延长订正区域自动站历史序列。而进行要素及指数的空间分布特征分析时，需要将气象数据插值成栅格进行分析。主要有线性插值和反距离权重插值，在进行不同指标计算时，需要根据实际情况选取不同的插值方法计算。

2.2.1 线性回归方法

线性回归模型是指两个要素之间的线性关系，如果选取的两个要素有较高的相关性，即可建立线性回归方程，从而对缺测的数据进行延长补全。其表达式为：

其中x为自变量，yˆ是和x相对应的应变量估值。a和b则为回归系数。

由于所收集到的数据中存在缺测的情况，需对数据进行补全。对于大丰区区域站缺测数据（降水量、暴雨日等），采用了一元线性回归的方法，根据各台站历史数据与同期的国家站历史数据建立一元线性回归模型，利用模型实现数据延长订正或补全。

对数据延长补全的结果，通过对比实况与预测结果来验证方法的可行性，具体分析结果如图2所示。

图2 线性插值和反距离权重插值对比

上图是应用于气象数据延长订正及补全的一元线性回归模型对大丰区小海站2020年降水量的预测结果，其中蓝色为预测值，黄色为实况，模型是基于2010～2019年小海站、大丰站日降水量对应关系建立的。所选模型对该站2020年月降水模拟结果较好：各月模拟值的误差较小，模型能够很好地表现季节变化特征，其与观测数据的相关系数达到0.982。一元线性回归模型的模拟结果尚可，可用于气象数据延长订正及补全。

2.2.2 反距离权重插值法

反距离权重插值法是指插值点与样本点间的距离为权重进行加权平均，距离插值点越近的样本点赋予权重越大，其计算步骤如下。

式中：Zo为插值点O的估值；Zi为控制点i的值；di为控制点i与点O间的距离；n为在估计中用到的控制点的数目；k为指定的幂。

拿多年平均雨涝指数举例，线性插值、反距离插值结果趋于一致，空间分布特征结果差异小，但是线性插值不会改变原站点真实数值，从下图红圈处可以看出，线性插值具有在站点处误差为0的特点，在空间分布上对于极值的刻画优于反距离权重插值。故年度降水量、暴雨日、雨涝指数等要素绘制空间分布图选择线性插值，如图3所示。

图3 多年平均雨涝指数线性和反距离权重插值

2.2.3 线性插值法

线性插值使用较普遍，多为一次多项式插值函数。在各插值节点上插值的误差为0，在空间分布上对于极值的刻画优于反距离权重插值。

在计算孕灾环境影响系数时，需要考虑大丰区水网密度，由于在越接近水网的地方，反距离权重插值的结果比其他插值方法更大，能较好地表征水网密度高的地方水体对孕灾环境的影响系数大，因而孕灾环境影响系数绘制空间分布图选择反距离权重插值。

2.3 百分位数法

在数据统计中常用百分位数法，通常表述选取样本值在某百分位置上的水平，为位置指标，通常使用多个百分位，用于全面描述样本的分布特征，在本文中主要用于风险区划。

定义为把收集的雨量观测数据按数值从小到大顺序排列，将数据进行100等分。第ρ个分界点数值，称为第ρ个百分位数（ρ=1，2，…，99）。在第ρ个分界点到第ρ+1个分界点之间的数据，称为处于第ρ+1个百分位数。百分位数计算公式如下：

式中，mP为第m个百分位数，N为总频次，L为mP所在组的下限，U为mP所在组的上限，hF为小于L的累计次数，nF为大于N的累计次数，i为组距。

2.4 暴雨因子标准化

由于不同评估因子的单位不同，各项指标的量纲和数量级需要统一，因此，需先指标进行统一化，使其数值介于0～1之间，即使数据之间具有可比性，在暴雨灾害风险普查中主要用于各指标中数据的归一化处理。

2.5 加权综合评估法

加权综合评估法是考虑式中每个因子对暴雨灾害模型的影响程度，将每个因子的优劣结合起来，将相关指标具体数值化，作为评估暴雨灾害模型优劣的依据。

3 危险性评估结果分析

3.1 历史特征分析

利用大丰区28个气象站历史10年数据，采用延长订正和插值方法得到平均降水量、年暴雨日数、年均降水量分布以及年暴雨日分布，展示降水年际、年代际变化特征，降水空间分布，暴雨量、暴雨日空间分布。其结果如图4和图5所示。

图4 大丰区年均降水量和平均年暴雨日（2010～2020）

图5 大丰区国家站月累计降水量（2010～2020）

上图通过线性回归的方法对年均降水量及平均年暴雨日的趋势进行分析，可以看出大丰区2010～2020平均年降水量1120mm，近10年有一定的递增趋势，平均年暴雨日数约为4.64d。总体趋势均呈波动上升趋势，年降水量与降水日数的年际变化特征相近，但长期线性趋势比降水日数的线性趋势明显。平均降水量最大年份为2015年，降水量为1713.4mm；平均暴雨日在2010年和2013年均为1，与之对应年份的各乡镇平均降水量也偏低，为668.2mm。大丰区年均降水量和年暴雨日分布图如图6所示。

图6 大丰区年均降水量和年暴雨日分布图（2010～2020）

上图通过线性插值得到年均降水量、年暴雨日数空间分布图，从空间分布来看，年累计降水量与年暴雨日数分布大体相同且分散，其中以大丰港经济开发区北部沿海最多，年均降水量为1384.4mm，年累计暴雨日平均值为6.06日；新丰镇和建东农场一带次之，年均降水量为1200.0mm，年累计暴雨日平均值约为5日；海丰农场最少，年均降水量为908.44mm，年累计暴雨日平均值为3.56日。

3.2 暴雨雨涝指数

根据信息熵赋权法确定权重系数，计算结果如表2所示。

表2 单站暴雨强度指标权重赋值表

累加当年逐场暴雨过程强度值，得到年雨涝指数，进一步计算大丰区平均雨涝指数，通过线性插值得到其分布如图7所示。

图7 大丰区平均雨涝指数分布图

上图为大丰区平均雨涝指数分布（2010～2020），可以明显看出，大丰区刘庄镇至新团村、西团镇一带雨涝指数最高，次高地区为大中农场附近区域，海丰农场地区及大丰港经济开发区雨涝指数较低。雨涝指数是综合考虑历次暴雨期间降水强度后计算出的值，即雨涝指数高的地区，暴雨发生次数相对高，每次暴雨过程强度也相对较大。故大丰区刘庄镇至新团庄、西团镇一带近十年的暴雨发生次数和强度综合考虑最大，大中农场附近区域次之，海丰农场地区及大丰港经济开发区近十年的暴雨发生次数和强度综合考虑最小。雨涝指数强，代表着区域的暴雨发生次数更多，暴雨过程强度更大，会导致区域的暴雨日、降水量大于周围雨涝指数低的地区。

3.3 孕灾环境影响系数

由于缺乏自然灾害指标数据，自然灾害指标权重为0。因而大丰区暴雨孕灾环境主要考虑了地形和水网。

用高程标准差来表示地形变化。一般来说，地势越低、地形变化越小的平坦地区不利于洪水的排泄，容易形成涝灾；而地势高，地形变大大的山区则容易形成滑坡、山洪等地质灾害。大丰区地形指标如表3所示。

表3 大丰区地形指标

通过反距离权重插值得到地形高度和水系分布如图8所示。

图8 大丰区地形高度（2015）和水系（2018）分布图

由上图可以看出，大丰区整体地势较为平缓，有小的起伏，对孕灾环境的影响有限，而河网密度呈明显的由西至东递减趋势。

通过反距离权重插值得出2010～2020年大丰区孕灾环境影响系数分布如图9所示。

图9 大丰区孕灾环境影响系数分布图（2010～2020）

由上图可以看出，大丰区的孕灾环境呈西高东低的分布，结合大丰区实际情况，大丰港经济开发区一带河网水系较少，裕华镇和西团镇地势较高，故孕灾环境影响较低，符合评估结果分布。

3.4 致灾危险性区划

基于致灾危险性指数，综合考虑行政区划（或气候区、流域等），采用百分位数法对致灾危险性进行空间单元的划分。并根据结果制成图件并进行时空分布等的分析，划分结果如图10所示。

图10 大丰区暴雨灾害危险性区划图（2010～2020）

由上图可以看出，大丰区暴雨灾害危险性高等级区主要集中在刘庄镇以西地区及大丰经济开发区一带，等级为Ⅰ级；由西至东危险性逐渐降低；其中，洋心洼、唐西、唐中一带危险性格外偏低，该处地区危险性为Ⅲ～Ⅳ级。综上，可以看出无论是人口受灾风险、经济损失风险、耕地受灾风险还是大丰区暴雨综合风险，西团镇、刘庄镇及新丰镇所围的区域及省大中农场处均显著高于其余区域，受暴雨灾害的风险较高。