杜志強(qiáng)，王 叁，張葉廷

(1.武漢大學(xué) 測繪遙感信息工程國家重點實驗室，湖北 武漢 430079；2.地球空間信息技術(shù)協(xié)同創(chuàng)新中心，湖北 武漢 430079)

0 引 言

洪澇災(zāi)害在我國是第二重要的氣候災(zāi)害，它嚴(yán)重威脅了人民的生命財產(chǎn)安全并為經(jīng)濟(jì)發(fā)展帶來極大的影響[1]。暴雨降水是我國洪澇災(zāi)害發(fā)生的直接原因。洪澇災(zāi)害總是在幾場大降水之后迅速發(fā)生，并且災(zāi)害前期降水的致災(zāi)性較大[2]。臨災(zāi)預(yù)警，即在臨近災(zāi)害發(fā)生的時期進(jìn)行短時預(yù)警，一方面有效提升了洪澇災(zāi)害預(yù)警的時效性，另一方面為居民轉(zhuǎn)移安置提供足夠及合理的時間。在暴雨型洪澇災(zāi)害發(fā)生的前期進(jìn)行臨災(zāi)預(yù)警，對于控制災(zāi)情以及減少災(zāi)害造成的危害和損失等方面都具有重要的意義。

現(xiàn)有暴雨型洪澇預(yù)警研究大致可分為三類。第一類是聚焦暴雨降水，利用遙感手段預(yù)警強(qiáng)降雨[3-5]，但這種方法僅僅通過預(yù)警暴雨降水量和范圍來預(yù)警洪澇，未能有機(jī)結(jié)合暴雨和洪澇災(zāi)害之間的機(jī)理關(guān)系；第二類是結(jié)合水文模型進(jìn)行數(shù)值模擬[6-10]，這種方法對河網(wǎng)流域的洪澇預(yù)警效果好，但是對數(shù)據(jù)和模型參數(shù)的要求較高，某些參數(shù)獲取難度較大，且不適用于城市內(nèi)澇的預(yù)警；還有一類是運用GIS的空間分析能力，從致災(zāi)因子、孕災(zāi)環(huán)境、承災(zāi)體以及防災(zāi)減災(zāi)能力等方面進(jìn)行分析，構(gòu)建區(qū)域風(fēng)險評價模型[11-14]，但是目前這種方法對影響因子的選取理論還不夠成熟，存在致災(zāi)因子致災(zāi)性不明確問題，如通常將暴雨作為致災(zāi)因子，但是暴雨與洪澇災(zāi)害之間并不完全是因果關(guān)系。此外，當(dāng)前的暴雨型洪澇風(fēng)險分析方法大多是省級的年度洪澇風(fēng)險分析，時間尺度和空間尺度都比較大，時效性和針對性較差，難以滿足局部強(qiáng)降雨導(dǎo)致的洪澇災(zāi)害預(yù)警需求[15-18]，對當(dāng)前或即將發(fā)生的災(zāi)害指導(dǎo)意義有限。

本文針對現(xiàn)有暴雨型洪澇災(zāi)害預(yù)警方法時效性差，空間尺度大以及致災(zāi)因子的致災(zāi)性不明確的問題，通過接入實時降雨量數(shù)據(jù)，以“日”為時間尺度，將異常降雨作為致災(zāi)因子進(jìn)行暴雨型洪澇臨災(zāi)風(fēng)險分析。借助時序分析模型分析局部地區(qū)的正常降雨規(guī)律進(jìn)而識別異常降雨，并與地形起伏、高程和河網(wǎng)因素結(jié)合，構(gòu)建暴雨型洪澇災(zāi)害風(fēng)險指數(shù)。根據(jù)暴雨型洪澇災(zāi)害風(fēng)險數(shù)值大小將災(zāi)害風(fēng)險等級劃分為無風(fēng)險、低風(fēng)險、中風(fēng)險、中高風(fēng)險和高風(fēng)險5個等級，得到逐日風(fēng)險區(qū)劃圖，實現(xiàn)在災(zāi)害發(fā)生前期進(jìn)行臨災(zāi)預(yù)警，為防災(zāi)減災(zāi)提供科學(xué)的參考信息。

1 實驗區(qū)域與數(shù)據(jù)

1.1 實驗區(qū)域概況

清遠(yuǎn)市位于廣東省中部，一半以上地域是山區(qū)，地勢自西北向東南傾斜，以山地、丘陵為主，平原分布于北江兩岸的南部地區(qū)。該地區(qū)處于北回歸線北側(cè)附近，屬東亞亞熱帶季風(fēng)氣候區(qū)，年平均降雨量1900 mm。清遠(yuǎn)市行政區(qū)劃如圖1所示，現(xiàn)轄清遠(yuǎn)市區(qū)（清城區(qū)、清新區(qū)）、佛岡縣、陽山縣、連南瑤族自治縣、連山壯族瑤族自治縣，并代管英德市、連州市兩個縣級市。

圖1 廣東省清遠(yuǎn)市行政區(qū)劃圖Fig.1 Administrative map of Qingyuan,Guangdong province

2014年5月22至23日，廣東遭遇特大暴雨。重災(zāi)區(qū)清遠(yuǎn)市北部山區(qū)山洪暴發(fā)，南部低洼地區(qū)出現(xiàn)內(nèi)澇。此次暴雨洪澇災(zāi)害的受災(zāi)人口約65萬，受災(zāi)農(nóng)作物50多萬畝，倒塌房屋3300間，死亡5人失蹤1人，給人民的生命財產(chǎn)安全造成了極大的威脅。針對此次暴雨洪澇事件，本文選擇清遠(yuǎn)市作為實驗區(qū)域，旨在根據(jù)本文所述方法在洪澇災(zāi)害發(fā)生的前期識別異常降雨并劃分風(fēng)險區(qū)，進(jìn)而為災(zāi)害預(yù)警和救助提供指導(dǎo)信息。

1.2 實驗數(shù)據(jù)

本文采用實驗數(shù)據(jù)具體如下：

降雨數(shù)據(jù)：中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)發(fā)布的逐日網(wǎng)格降水量實時分析系統(tǒng)數(shù)據(jù)集，數(shù)據(jù)空間分辨率為0.25°×0.25°。

地形數(shù)據(jù)：地理空間數(shù)據(jù)云提供的ASTER GDEM數(shù)字高程數(shù)據(jù)，產(chǎn)品空間分辨率為30M。

河網(wǎng)數(shù)據(jù)：全國1:1 000 000的基礎(chǔ)地理信息數(shù)據(jù)。

2 暴雨型洪澇災(zāi)害風(fēng)險指數(shù)分析與計算

2.1 異常降雨因子

異常降雨是洪澇災(zāi)害發(fā)生的直接原因，在不同地區(qū)導(dǎo)致洪澇災(zāi)害發(fā)生的異常降雨的異常標(biāo)準(zhǔn)也不同?？紤]到這種特點，本文以0.25°×0.25°作為空間分辨率將實驗區(qū)劃分，對各個區(qū)域分別構(gòu)建時序分析模型ARMA，進(jìn)而分析得到不同區(qū)域的正常降雨規(guī)律。

ARMA模型的基本思想是：將對象隨著時間的推移而形成的序列視作為一組隨機(jī)序列，然后用特定的數(shù)學(xué)模型來描述和逼近這個序列。這個模型一旦被識別且通過檢驗，就可以從時間序列的過去值來預(yù)測未來值。

ARMA(p，q)模型原理如公式（1），它表示當(dāng)前預(yù)測值不但與之前自身P個滯后時間內(nèi)的歷史觀測值有線性關(guān)系，還與過去q個滯后時間內(nèi)發(fā)生的變化有關(guān)系。

式中，p表示AR項的階數(shù)、q表示MA項的階數(shù)、t表示當(dāng)前時刻、yt表示t時刻對象的值，即t時刻的降雨量大小、ψ為常數(shù)，表示自回歸項的系數(shù)、是一組白噪聲序列，它的均值為零，方差為σt2，代表與歷史降雨數(shù)據(jù)不相關(guān)的其他影響因素、w為常數(shù)，表示移動平均項的系數(shù)[19]。

ARMA模型構(gòu)建完畢之后可以預(yù)測接下來N步的正常降雨量上限。將實時降雨數(shù)據(jù)與正常降雨上限進(jìn)行對比，并將兩者之差作為異常降雨因子，劃分其對洪澇災(zāi)害的影響度。對于每天評估的異常降雨因子R，采用表1值列確定其對洪澇災(zāi)害的影響度X1。其中，零值是降雨正常和降雨異常的分界線。異常降雨因子小于零說明實測值在預(yù)測范圍內(nèi)，降雨處于正常規(guī)律下，不存在洪澇風(fēng)險；大于零說明實測值超出預(yù)測范圍，認(rèn)為出現(xiàn)異常降雨，并根據(jù)超出范圍的程度劃分異常降雨因子的影響度。實時降雨數(shù)據(jù)的接入實現(xiàn)了災(zāi)害發(fā)生前期異常降雨的識別，保證了暴雨型洪澇災(zāi)害風(fēng)險分析的時效性。

表1 異常降雨因子對洪澇災(zāi)害的影響度計算表Tab.1 Eあect of abnormal rainfall factor on flood disaster

2.2 地形因子

地形對洪澇災(zāi)害的發(fā)生和發(fā)展有著重要的影響。首先，高程越低的地區(qū)越容易被淹沒；其次，地形起伏越小的地區(qū)，洪水越不容易排泄出去，越有可能成為洪澇區(qū)域。根據(jù)實驗區(qū)域的數(shù)字高程模型，可以直接得到高程信息，進(jìn)而計算地形起伏度。對于高程因子H和地形起伏度因子S，借鑒前人的經(jīng)驗[20]確定它們對洪澇災(zāi)害的影響度X2和X3計算見表2和表3。

表2 高程因子對洪澇災(zāi)害的影響度計算表Tab.2 Eあect of evation factor on flood disaster

表3 地形起伏度因子對洪澇災(zāi)害的影響度計算表Tab.3 Eあect of terrain fluctuation factor on flood disaster

2.3 河網(wǎng)因子

河網(wǎng)的分布也影響洪澇災(zāi)害的發(fā)生和發(fā)展?fàn)顩r。從理論角度講，距離河網(wǎng)越近的區(qū)域越容易受到洪水的影響，被淹沒的可能性越大。借助GIS的空間分析能力，對河網(wǎng)建立多級緩沖區(qū)可以計算其對洪澇災(zāi)害的影響度。河流緩沖區(qū)L對洪澇災(zāi)害的影響度X4計算見表4[21]。

表4 河流緩沖區(qū)因子對洪澇災(zāi)害的影響度計算表Tab.4 Eあect of river network factor on flood disaster

2.4 構(gòu)建暴雨型洪澇災(zāi)害風(fēng)險指數(shù)

結(jié)合異常降雨、高程、地形起伏度和河網(wǎng)構(gòu)建暴雨型洪澇災(zāi)害風(fēng)險指數(shù)Z，其計算公式如式（2）所示。

式中，X1、X2、X3、X4分別表示異常降雨因子、地形起伏度因子、高程因子和河流緩沖區(qū)對洪澇災(zāi)害的影響度，a1、a2、a3、a4分別代表各個因子的權(quán)重。

本文采用層次分析法（AHP）確定各個因子的權(quán)重。首先通過兩兩比較目標(biāo)之間的相對重要程度構(gòu)造判斷矩陣，然后檢驗判斷矩陣的一致性，如果不通過檢驗則需重新構(gòu)造判斷矩陣；通過檢驗則認(rèn)為矩陣具有滿意一致性，最后歸一化得到各個目標(biāo)對應(yīng)的權(quán)重。

經(jīng)過計算確定各個目標(biāo)的權(quán)重分別為0.64、0.18、0.07和0.11，即暴雨型洪澇災(zāi)害風(fēng)險指數(shù)計算公式如式（3）所示。

本文從異常降雨致災(zāi)的角度出發(fā)，認(rèn)為異常降雨事件可以為洪澇災(zāi)害定性，即異常降雨導(dǎo)致暴雨型洪澇災(zāi)害發(fā)生。因此，本文將異常降雨因子R對暴雨型洪澇災(zāi)害影響度的分界點與其對應(yīng)的權(quán)重0.64相乘得到的結(jié)果作為災(zāi)害風(fēng)險等級的分界點，將暴雨型洪澇災(zāi)害劃分為無風(fēng)險、低風(fēng)險、中風(fēng)險、中高風(fēng)險和高風(fēng)險五級，等級劃分表見表5。

表5 暴雨型洪澇災(zāi)害風(fēng)險等級劃分表Tab.5 Classification of risk levels of rainstorm-caused flood disaster

3 實驗分析

3.1 異常降雨因子影響度計算

ARMA模型的適用條件包括：

1）輸入數(shù)據(jù)在時間上必須是連續(xù)無間斷；

2）輸入數(shù)據(jù)必須超過60個，以保證分析結(jié)果的準(zhǔn)確性。

本文從異常降雨致災(zāi)角度出發(fā)，旨在揭示正常降雨規(guī)律，即降雨未能致災(zāi)的規(guī)律。因此，在數(shù)據(jù)選擇方面還需注意，在實驗數(shù)據(jù)對應(yīng)的時期內(nèi)不能有暴雨型洪澇災(zāi)害發(fā)生，以保證規(guī)律的準(zhǔn)確性。

綜合以上三個約束條件，本文選擇2014年3月1日至2014年5月20日的清遠(yuǎn)市范圍內(nèi)的逐日降雨數(shù)據(jù)作為ARMA模型的輸入數(shù)據(jù)。

通過疊加逐日降雨柵格影像與清遠(yuǎn)市界，得到81幅柵格影像，其中每幅影像中包含28個柵格。本實驗對此28個柵格逐一建模與分析，得到各個柵格包含的地區(qū)內(nèi)的降雨規(guī)律，并進(jìn)行六個滯后項的正常降雨量上限預(yù)測。在此基礎(chǔ)上，以“日”為時間尺度，接入實測降雨量，對實測值和預(yù)測上限求差，差值圖如圖2所示。其中，降雨異常以水平零軸作為分界線。實測值與預(yù)測值之差大于零則說明實測值超出預(yù)測的正常降雨上限，此時認(rèn)為降雨異常，存在發(fā)生洪澇災(zāi)害的危險；小于零則說明實測值在預(yù)測范圍內(nèi)，即降雨處于正常規(guī)律下，不存在發(fā)生洪澇災(zāi)害的危險。從時間角度來講，5月22日和23日清遠(yuǎn)市大部分地區(qū)處于降雨異常中；從地區(qū)角度來講，同一地區(qū)基本遵循洪澇風(fēng)險在22日達(dá)到峰值，然后逐漸減小的規(guī)律，并且ID號從11號至22號所代表的地區(qū)降雨異常狀況較為嚴(yán)重。將實測值與預(yù)測上限之差經(jīng)過數(shù)據(jù)空間化并計算其對洪澇災(zāi)害的影響度，得到5月21日至5月26日的異常降雨因子的影響度等級如圖3所示。從圖中可以看出，5月22日清遠(yuǎn)市全部地區(qū)都處于降雨異常狀態(tài)中；5月21日-23日期間，清遠(yuǎn)市中下部地區(qū)降雨異常情況比較嚴(yán)重；陽山縣處于持續(xù)的降雨異常情況中。

圖2 實測值與預(yù)測上限差值圖Fig.2 Graph of diあerence between measured values and predicted maximum

圖3 廣東省清遠(yuǎn)市異常降雨影響度等級圖Fig.3 Eあect level of abnormal rainfall in Qingyuan,Guangdong province

3.2 地形因子影響度計算

由清遠(yuǎn)市30 m分辨率DEM得到高程因子的影響度分布如圖4所示。通過GIS的柵格鄰域分析方法，利用高程數(shù)據(jù)計算得到地形起伏度因子的影響度分布如圖5所示。

圖4 廣東省清遠(yuǎn)市高程影響度等級圖Fig.4 Eあect level of evation in Qingyuan,Guangdong province

圖5 廣東省清遠(yuǎn)市地形起伏度影響度等級圖Fig.5 Eあect level of terrain fluctuation in Qingyuan,Guangdong province

3.3 河網(wǎng)因子影響度計算

清遠(yuǎn)市境內(nèi)僅有一條北江穿過，對其按照表4的標(biāo)準(zhǔn)生成多級緩沖區(qū)并確定影響度后，對洪澇災(zāi)害的影響度分布如圖6所示。

圖6 廣東省清遠(yuǎn)市河網(wǎng)影響度等級圖Fig.6 Eあect level of river network in QingYuan,Guangdong province

3.4 暴雨型洪澇災(zāi)害風(fēng)險指數(shù)計算與分析

將地形因子影響度分布圖、河網(wǎng)因子影響度分布圖與6天的異常降雨因子影響度分布圖加權(quán)疊加，并按照表 5的標(biāo)準(zhǔn)為暴雨型洪澇災(zāi)害風(fēng)險劃分等級，得到2014年5月21日至2014年5月26日期間內(nèi)每天的暴雨型洪澇災(zāi)害風(fēng)險分布圖，如圖7所示。

圖7 廣東省清遠(yuǎn)市暴雨型洪澇災(zāi)害風(fēng)險分布圖（2014年5月21日至2014年5月26日）Fig.7 Risk distribution of rainstorm-caused flood disaster of QingYuan,Guangdong province(May 21,2014-May 26,2014)

調(diào)查顯示，在2014年5月22日至2014年5月24日期間，暴雨導(dǎo)致廣東省清遠(yuǎn)市多地發(fā)生洪澇災(zāi)害。清遠(yuǎn)市北部發(fā)生山洪，南部發(fā)生內(nèi)澇，其中陽山縣災(zāi)情較為嚴(yán)重。截止5月26日，清遠(yuǎn)市陽山縣3個村形成2.1 km2的積水面積。對照發(fā)現(xiàn)，5月21日至5月25日期間，陽山縣中下部地區(qū)處于持續(xù)的較高暴雨洪澇風(fēng)險中，說明預(yù)測的暴雨洪澇風(fēng)險對于實際災(zāi)情有一定的預(yù)警效果。

4 結(jié)束語

本文從異常降雨致災(zāi)的角度出發(fā)，由不同地區(qū)的歷史降雨數(shù)據(jù)分析得到該地的正常降雨規(guī)律，接入實測降雨數(shù)據(jù)來識別異常降雨，并將異常降雨因子與地形因子、河網(wǎng)因子結(jié)合，利用層次分析法構(gòu)建暴雨型洪澇災(zāi)害風(fēng)險指數(shù)。以2014年5月22日廣東省清遠(yuǎn)市發(fā)生的洪澇災(zāi)害為例，在災(zāi)害發(fā)生的前期進(jìn)行短時、高時效性的臨災(zāi)風(fēng)險分析，得到逐日災(zāi)害風(fēng)險分布圖，實驗表明分析結(jié)果與實際洪澇災(zāi)情吻合較好，為近、短時洪澇災(zāi)害的發(fā)生和災(zāi)情的空間分布提供準(zhǔn)確的參考信息。

基于實時降雨數(shù)據(jù)的暴雨洪澇災(zāi)害預(yù)警方法仍存在一定的缺陷，如歷史降雨數(shù)據(jù)必須是連續(xù)并且期間無暴雨洪澇災(zāi)害發(fā)生的數(shù)據(jù)、降雨數(shù)據(jù)空間分辨率較低，影響風(fēng)險分析結(jié)果的精度以及由于時序分析模型的限制，不適用于長期和災(zāi)害發(fā)生期間的風(fēng)險分析。但是作為一種短時暴雨型洪澇災(zāi)害預(yù)警方法，本文使用的異常降雨計算方法使致災(zāi)因子的致災(zāi)性更具說服力，同時為短時、近期暴雨洪澇災(zāi)害的發(fā)生和空間分布提供了一種新的臨災(zāi)預(yù)警思路。