張 慧,雷國平,趙映慧

(東北農(nóng)業(yè)大學(xué) 資源與環(huán)境學(xué)院,哈爾濱 150030)

1 研究現(xiàn)狀及研究區(qū)概況

計(jì)算洪水淹沒區(qū)范圍所造成的災(zāi)害損失一直是災(zāi)害評(píng)估研究中的一個(gè)熱點(diǎn)問題,如何快速準(zhǔn)確地預(yù)測洪水淹沒范圍就越顯突出。

有關(guān)洪水淹沒這一課題自六七十年代起,由于各地區(qū)水系構(gòu)成情況不盡相同,各地區(qū)的自然地形地貌等均有所不同,差異很大,目前尚沒有綜合預(yù)測洪水淹沒區(qū)的方法。較為通用的方法是采用體積法,水流動(dòng)態(tài)模型,種子蔓延分析法等。在個(gè)別地區(qū)也有采用利用極值理論計(jì)算平均淹沒水深、實(shí)地調(diào)查估值法等。

在國外有關(guān)洪水淹沒范圍的分析研究,多是伴隨著洪災(zāi)保險(xiǎn)進(jìn)行的[1-7]。為了洪水保險(xiǎn)的需要,在蓄滯洪區(qū)進(jìn)行洪災(zāi)風(fēng)險(xiǎn)區(qū)域的劃分,進(jìn)而確定保險(xiǎn)額度等。N.I.Fox和C.GCollier等(N.I. Fox&C.GCollier'2000)進(jìn)行了中尺度流域的洪水風(fēng)險(xiǎn)性的評(píng)估研究。他們在特定流域內(nèi),7 d暴雨情況下,研究了一套評(píng)估洪水發(fā)生可能性的方法?；? km分辨率衛(wèi)星影像獲取的地表物理特性,并基于遙感與地理信息系統(tǒng)的洪災(zāi)風(fēng)險(xiǎn)區(qū)劃研究且開發(fā)了一套系統(tǒng),此系統(tǒng)被驗(yàn)證在英格蘭西北的Irwell河,由于暴雨產(chǎn)生洪水這一事件具有很大的偶然性,所以要進(jìn)行長時(shí)間的跟蹤,來評(píng)估可靠性[8]。

隨著GIS技術(shù)的日趨成熟,許多學(xué)者將GIS空間分析技術(shù)與水文分析模型相結(jié)合,開始了一個(gè)新的研究領(lǐng)域。不過,不同的學(xué)者研究洪水淹沒的角度不同,側(cè)重點(diǎn)也不同。有的學(xué)者從矢量數(shù)據(jù)出發(fā),分析地表徑流;有的則從柵格數(shù)據(jù)出發(fā),通過模擬三維地形,分析地貌關(guān)系來進(jìn)行洪水淹沒的計(jì)算和預(yù)測?？偟乃悸范际菍⒀蜎]分析分為有源淹沒分析與無源淹沒分析兩種[9]。近幾年來,我國在洪水淹沒分析領(lǐng)域,又相繼提出了基于人工神經(jīng)網(wǎng)絡(luò)的洪水水位預(yù)報(bào)模型,孫海、王乘等人提出的利用DEM的環(huán)形洪水淹沒算法建立空間信息網(wǎng)模型,來實(shí)現(xiàn)洪水淹沒范圍的動(dòng)態(tài)分析監(jiān)控[10]。

松花江哈爾濱段位于 E125°42′～E130°10′、N44°04′～N46°40′,全年平均降水量569.1 mm,夏季占全年降水量的60%。哈爾濱市區(qū)主要分布在松花江形成的三級(jí)階地上,是一個(gè)水災(zāi)隱患較高的城市,在全球氣候變化的大背景下,松花江洪水發(fā)生的頻次也存在較大的不確定性,因此建立洪水淹沒范圍計(jì)算模型,根據(jù)降水量對(duì)洪澇淹沒范圍、水深及淹沒區(qū)土地利用現(xiàn)狀做出客觀、準(zhǔn)確的預(yù)測,及時(shí)、準(zhǔn)確地向政府部門提供洪水預(yù)警預(yù)報(bào),對(duì)于防災(zāi)減災(zāi)具有重要意義。

2 研究方法

洪水的淹沒過程是一個(gè)動(dòng)態(tài)平衡的過程。目前,對(duì)于洪水造成的最終淹沒范圍可以歸納為兩種不同的概化模型來進(jìn)行計(jì)算:

1)基于給定水位的洪水淹沒范圍計(jì)算。也就是在已知洪水水位的前提下,來推求洪水的淹沒范圍和水深分布。

2)基于給定水量的洪水淹沒范圍計(jì)算。也就在某一時(shí)期洪水水量是已知的條件下,計(jì)算相應(yīng)的洪水淹沒范圍和水深。前者多適用于在江河等流域下進(jìn)行淹沒分析,后者常用于水庫等的潰堤后所造成的可能淹沒范圍。本文以神經(jīng)網(wǎng)絡(luò)探求洪水水位的變化,故以前者作為既定的概化模型,DEM數(shù)據(jù)及遙感影像的預(yù)處理根據(jù)洪泛區(qū)需預(yù)測的范圍確定所應(yīng)用的遙感影像、DEM數(shù)據(jù)的范圍界線,避免因數(shù)據(jù)量過大而造成的預(yù)測效率降低。依據(jù)實(shí)驗(yàn)精度所確定下來的最小淹沒面積,對(duì)DEM數(shù)據(jù)進(jìn)行最低點(diǎn)剔除。

本文將神經(jīng)網(wǎng)絡(luò)中的BP模型在水利工程中應(yīng)用的優(yōu)點(diǎn)與GIS技術(shù)在洪水淹沒分析中的優(yōu)點(diǎn)相結(jié)合,實(shí)現(xiàn)基于GIS平臺(tái)與神經(jīng)網(wǎng)絡(luò)算法的洪水水位及淹沒范圍的動(dòng)態(tài)預(yù)測:通過BP人工神經(jīng)網(wǎng)絡(luò)預(yù)測淹沒區(qū)洪水水位;以環(huán)形洪水淹沒算法確定有源洪水的淹沒方向及面積等數(shù)據(jù);去除偽洼地,預(yù)測出有源淹沒面積,并得出相應(yīng)的水深分布圖;依據(jù)影像確定洪水淹沒區(qū)的土地利用類型,為淹沒區(qū)損失評(píng)價(jià)提供依據(jù)。

圖1 技術(shù)路線Fig.1 Technology route map

3 基于BP神經(jīng)網(wǎng)絡(luò)的洪水水位分析

由洪水災(zāi)害系統(tǒng)的反演模式及通過對(duì)造成洪水水位上漲的眾多因素進(jìn)行相關(guān)性分析、主成分分析后,得出影響洪水水位的因素主要包括已有水位及降水量兩個(gè)因素。根據(jù)問題的復(fù)雜程度在此選取一個(gè)隱含層。輸出層選取一個(gè)神經(jīng)元,輸出層的矢量為水位。

為了檢驗(yàn)BP網(wǎng)絡(luò)模型在洪水水位預(yù)測的實(shí)用性和可靠性,實(shí)驗(yàn)采用哈爾濱市1957年及1960年的水文數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù)。數(shù)據(jù)來自哈爾濱市水利志。

本部分以1957年26 d的水文數(shù)據(jù)及1960年46 d的水文數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù),并分別以前20 d和前30 d數(shù)據(jù)作為訓(xùn)練數(shù)據(jù),并以各期水文數(shù)據(jù)作為預(yù)測數(shù)據(jù)和檢驗(yàn)數(shù)據(jù)。

圖2為1957年洪水水位訓(xùn)練的SSE圖。

圖2 1957年洪水水位訓(xùn)練的SSE圖Fig.2 Sse map of flood level training in 1957

以前23 d做為訓(xùn)練數(shù)據(jù),后5 d作為檢驗(yàn)數(shù)據(jù)。

由圖2可知,當(dāng)以訓(xùn)練樣本迭代 100次時(shí), BP網(wǎng)絡(luò)模型趨于穩(wěn)定,并且其誤差變化趨于穩(wěn)定。其誤差在-0.392 4到0.335 36間變化,其誤差精度能夠滿足后期的淹沒范圍分析預(yù)測的需求。

圖3為1960年洪水水位訓(xùn)練的SSE圖。

由圖3可知,當(dāng)以訓(xùn)練樣本迭代 100次時(shí), BP網(wǎng)絡(luò)模型趨于穩(wěn)定,并且其誤差變化趨于穩(wěn)定。其誤差在-0.788 72到0.735 34間變化,其誤差精度能夠滿足后期的淹沒范圍分析預(yù)測的需求。

將趨于穩(wěn)定BP網(wǎng)絡(luò)模型應(yīng)用于計(jì)算哈爾濱市的1998年的水位預(yù)測,該年哈爾濱市的洪水狀況通過BP網(wǎng)絡(luò)模型計(jì)算得到(選取洪水演進(jìn)某一時(shí)段的結(jié)果)。依據(jù)1∶50 000地形圖進(jìn)行矢量化,并進(jìn)行等高線加密。利用洪水水面高程和等高線的高程制作洪水淹沒等深線,并生成洪水淹沒等深范圍面,依據(jù)數(shù)字高程模型剔除水流連通不上的偽洼地,得到最終有源淹沒范圍,淹沒區(qū)水深通過不同顏色反映,見圖4。

圖3 1960年洪水水位訓(xùn)練的SSE圖Fig.3 Sse map of flood level training in 1960

4 基于GIS的洪水淹沒范圍分析

在結(jié)合了實(shí)地采集數(shù)據(jù)及影像數(shù)據(jù)的獲取準(zhǔn)備工作后,通過GIS將所得數(shù)據(jù)進(jìn)行內(nèi)業(yè)的矢量化。將所預(yù)測到的淹沒區(qū)水位作為分析時(shí)所用的淹沒線。根據(jù)所獲得到的洪水水位線及DEM數(shù)字高程模型,通過GIS進(jìn)行Spatial Analyst(空間分析),來獲得相應(yīng)水位的等高線作為淹沒范圍的界線,并進(jìn)行剔除偽洼地。通過GIS中的Overlay(疊置分析)功能將所得到的矢量化了的土地利用分類數(shù)據(jù)與淹沒范圍的界線數(shù)據(jù)進(jìn)行疊置分析得到松花江哈爾濱段的淹沒區(qū)淹沒面積。通過GIS的數(shù)據(jù)統(tǒng)計(jì)分析對(duì)所得的淹沒區(qū)的各類受災(zāi)用地面積進(jìn)行統(tǒng)計(jì),并以圖形的方式進(jìn)行可視化顯示。

圖4 哈爾濱市淹沒范圍圖Fig.4 Harbin submerged area map

哈爾濱市區(qū)的淹沒范圍包括,呼蘭區(qū)、松北區(qū)、道里區(qū)、道外區(qū)和香坊區(qū),受淹面積將達(dá)到1 402 km2,占哈爾濱市域總面積的19.8%。淹沒區(qū)覆蓋地類共28種,其中所占淹沒比例較大的有旱地、城市用地、水田和農(nóng)村居民點(diǎn)等,從淹沒損失的角度評(píng)價(jià)以上幾種地類均為損失率較高的地類,會(huì)造成較大的經(jīng)濟(jì)和生態(tài)損失。各地類統(tǒng)計(jì)見表1。

表1 淹沒區(qū)各地類匯總表Table 1 Class Summary of inundated areas

續(xù)表1Table 1

淹沒區(qū)土地利用現(xiàn)狀見圖5。

圖5 淹沒區(qū)土地利用現(xiàn)狀圖Fig.5 Submerged land use maps

5 結(jié) 論

本文以松花江哈爾濱段為研究對(duì)象,將BP神經(jīng)網(wǎng)絡(luò)與GIS技術(shù)相結(jié)合,較好地實(shí)現(xiàn)了洪水水位及淹沒范圍的動(dòng)態(tài)預(yù)測。對(duì)比了用空間格網(wǎng)和矢量數(shù)據(jù)對(duì)淹沒區(qū)進(jìn)行預(yù)測的結(jié)果,發(fā)現(xiàn)該方法在準(zhǔn)確度上有較好表現(xiàn),為流域洪水淹沒范圍的動(dòng)態(tài)監(jiān)控提供了一個(gè)有力的工具。同時(shí)結(jié)合遙感信息數(shù)據(jù),可以及時(shí)掌握淹沒區(qū)內(nèi)受淹處的土地利用類型,根據(jù)相關(guān)的社會(huì)經(jīng)濟(jì)數(shù)據(jù)可作出社會(huì)經(jīng)濟(jì)損失評(píng)估,為防洪的工程和非工程措施提供參考依據(jù),同時(shí)也可以服務(wù)于規(guī)劃部門,為規(guī)劃提供科學(xué)依據(jù)。

[1]Kelman and Spence,I.Kelman,R.Spence.An overview of flood actions on buildings[J].Engineering Geology,2004,73(3-4):297-309.

[2] Profeti,G and H.Macintosh.Flood management through landsat TM and ERS SAR data:a case study [J],Hudrological Process,1997,(11):1 397-1 408.

[3]Zhiwei Huang.Flood disaster loss comprehensive evaluation model based on optimization support vector machine[J]:Expert Systems with Applications 2010,37: 3 810-3 814.

[4]姜付仁,程曉陶,向立云,等.美國20世紀(jì)洪水損失分析及中美 90年代比較研究 [J].水科學(xué)進(jìn)展, 2003,14(3):384-388. (JIANG Fu-ren,CHENG Xiao-tao,XIANG Li-yun et al.Review on the flood losses of the 20th century in the United States and comparative study on flood damages between China and USA in 1990s,Advances in water science,2003,14(3):384-388.(in Chinese))

[5]S.N.Jonkman,M.Bockarjova,M.Kokc et al.Integrated hydrodynamic and economic modelling of flood damage in the Netherlands[J].Ecological Economic, 2008,66:77-90.

[6]Jian Chen,Arleen A.Hill,Lensyl D.Urbano.A GIS-based model for urban flood inundation[J].Journal of Hydrology,2009,373:184-192.

[7]H.de M oel,J.C.J.H.Aerts.Effect of uncertainty in land use,damage models and inundation depth on flood damage estimates Journal of Hydrology.http:// springer.lib.tsinghua.edu.cn/content/?k=Effect +of+uncertainty+in+land+use%2c+damage+models.13 December 2010.

[8]郭利華,龍 毅.基于DEM的洪水淹沒分析[J],測繪通報(bào),2002,(11):25-27. (GUO Li-hua,LONG Yi,Analysis of flood submerging based on DEM[J],Bulletin of Surveying and Mapping,2002,11:25-27.(in Chinese))

[9]朱星明,盧長娜,王如云,等.基于人工神經(jīng)網(wǎng)絡(luò)的洪水水位預(yù)報(bào)模型 [J],水利學(xué)報(bào),2005,36(7): 806-811. (ZHU Xing-ming,LU Chang-na,WANG Ru-yun et al. Artificial neural network model for flood water level forecasting[J],Journal ofHydraulic Engineering, 2005,36(7):806-811.(in Chinese))

[10]Quinn P F,Beven K J,Lamb R.The In(α/tanβ)index:How to calculate it and how to use it within the TOPM ODEL framework[M].Distributed Hydrological Modeling:Application of TOPMODEL Concept England:John Wiley&Sons Ltd,1997:31-52.