基于Flood Area模型的邢臺市小馬河流域暴雨洪澇災害風險分布特征

趙志楠，王麗榮，王叢梅，韓曉慶

(1.河北省邢臺市氣象局，河北 邢臺 054000；2.河北省氣象災害防御中心，河北 石家莊 050021；3.河北省國土資源利用規劃院，河北 石家莊 050051)

引 言

暴雨洪澇災害是造成人員傷亡與財產損失最為嚴重的氣象災害之一[1-2]，且隨著我國經濟的快速發展，其造成的損失也不斷增加[3]。暴雨洪澇災害的發生是多種因素共同作用的結果，極端降雨一旦降落在中小河流附近無法及時排出，極有可能導致災害發生，給沿岸人民帶來嚴重危害[4-6]。因此加強對暴雨洪澇災害的風險管理，適時開展中小河流暴雨洪澇監測預警對社會經濟建設和人民生命財產安全具有重要意義[7-10]。

國內外學者就流域附近暴雨洪澇災害風險評估展開了大量研究，并取得了一定成果[11-16]。目前的暴雨洪澇災害風險評估理論大多從風險形成機制出發，綜合考慮致災因子、孕災環境、承災體與防災減災能力等指標，運用層次分析法給各評價指標賦予權重并疊加，進而劃分不同的風險等級，給出相應的防御措施，這一研究成果在國內多個流域中得以運用[17-21]。然而層次分析法相對主觀，各評價指標層次權重受人為因素影響較大，評價結果易形成誤差[22]。為解決該方法不足，引入信息熵權法，該方法可有效消除人為因素干擾，但卻無法保證各指標權重的一致性[23]。基于層析分析法與熵權法的優點，創建AHP熵權法對暴雨洪澇災害進行風險評估，該方法可以將主客觀因素對指標權重的影響降到最低，全面提升研究準確度[24-25]。

致災臨界面雨量是進行暴雨洪澇災害風險評估的重要依據，為深入研究其對流域洪災的影響，基于數次暴雨天氣過程平均降雨量，利用統計分析法運算可以得到某流域的致災臨界面雨量[26]。但該方法相對簡單，無法將計算結果精確到逐小時，且采用數次暴雨過程的平均雨量無法定量表達不同洪澇等級變化與災害風險的關系[19,27]。為解決上述問題，本文在現有研究的基礎上將重現期引入暴雨洪澇災害風險評估中，依據MuDFiT軟件得到不同重現期致災臨界面雨量，并基于GIS軟件運行Flood Area水文模型對河北省內丘縣小馬河流域不同重現期、不同淹沒深度的洪水淹沒場景進行模擬。與以往研究相比，該方法獲取不同重現期的致災臨界面雨量信息較為精確，并給出極端降雨天氣下流域暴雨洪澇災害風險分布特征與承災體受損率，為相關決策部門做好小馬河流域暴雨洪澇災害防范工作提供一定的技術支撐。

1 研究區概況

內丘縣位于河北省邢臺市西部，屬溫帶季風氣候，降水多集中在7—9月。地勢西高東低，平均海拔約1000 m，最高海拔1822 m，最低海拔45 m。境內河流眾多，受當地氣候影響，多為季節性河流，具有降水集中、地面回流迅速等特點。其西部山區植被覆蓋度相對較低，一旦出現短時強降雨天氣，極有可能出現暴雨洪澇災害。

小馬河發源于內丘縣柳林鄉東部淺山區，向南流入馮村鄉，向東流經金店鄉南界入隆堯縣西南邊界，全長36 km，流域面積320 km2。小馬河在內丘縣境內長27 km，寬150 m，泄水能力為10 m3·s-1。據統計1980—2019年內丘國家氣象站平均氣溫13.0 ℃，最高氣溫42.2 ℃，最低氣溫-23.1 ℃。1980—2019年共出現暴雨59次，最大日降雨量為237.5 mm。小馬河夏、秋流量較大，受流域上游地形地貌影響，一旦出現暴雨或短時強降雨天氣極易發生洪澇災害。例如1963年8月暴雨引起洪澇災害，導致內丘縣2426.87 hm2土地、165 674間房屋被沖毀，170人死亡，秋糧減產737×104kg，棉花減產67×104kg；2016年7月19—20日暴雨過程導致小馬河流域部分地區85 000人受災，農作物受災面積高達103 15 hm2，直接經濟損失9950萬元。圖1為小馬河流域水系走向、地形以及氣象站點分布。

圖1 小馬河流域地形、水系及氣象站點分布Fig.1 Distribution of water system, terrain and meteorological stations in the Xiaoma river basin

2 資料與方法

2.1 資 料

所用資料有：(1)小馬河流域26個區域站2014—2019年及其周邊7個國家站1980—2019年逐日降水資料，資料均來源于邢臺市氣象局；(2)小馬河流域30 m×30 m高程與土地利用數據；(3)小馬河流域30 m×30 m人口、GDP數據。

文中涉及小馬河流域地形、人口、GDP、土地利用類型等柵格數據均來源于中國科學院資源環境科學數據中心，文中附圖涉及地圖基于國家基礎地理信息中心提供的審圖號為GS(2019)1822的標準地圖制作，底圖無修改。

2.2 方 法

2.2.1 逐步回歸分析

利用SPSS軟件作線性回歸分析，采用逐步回歸法，挑選與區域站相關性最好的國家站，并建立相應的回歸分析模型[28]：

Yi=ax1+bx2+cx3+dx4+ex5+fx6+gx7

(1)

式中：Yi(i=1，2，3，…，26)表示小馬河流域內26個區域自動站；x1、x2、x3、x4、x5、x6、x7分別表示流域附近7個國家站；a，b，c，…，g為回歸系數，當回歸系數為0時，對應的國家站數據剔除。選取回歸系數非零項的國家站對小馬河流域區域站1980—2013年的降水數據進行擬合，重建區域站日降水序列。

2.2.2 泰森多邊形法

流域面雨量數據的獲取采用ArcGIS泰森多邊形法，該方法是一種依據離散分布氣象站點降雨量計算平均降雨量的方法[29]。提取小馬河流域邊界，結合流域附近的氣象站點，計算該流域面雨量數據，具體公式如下[30]：

(2)

式中：Pa(mm)為流域面雨量；Ri(mm)為第i個站點的降雨量；Ai(m2)為第i個站點的面積；A(m2)為流域總面積；n為研究流域泰森多邊形數量。

在公式(2)的基礎上，利用多概率分布函數擬合工具軟件(MuDFiT)提取流域最優函數下各重現期(5、10、15、20、30、50、100 a)致洪面雨量。具體方法是利用47種常用的分布函數對流域面雨量數據進行擬合，并利用3種擬合優度檢驗對47種常見函數進行檢驗，最終選取一種函數，得到各重現期面雨量數據[31]。

2.2.3 Flood Area水文模型

圖2 Flood Area模型計算匯流原理示意圖[14]Fig.2 Sketch map of convergence calculation principle for Flood Area modal[14]

水流的淹沒深度為淹沒水位高程和地面高程的差值，圖2中箭頭表示淹沒過程中的水流方向(Aaspect)，它由地形坡向決定，地形坡向反映了斜坡所面對的方向。坡向的計算公式如下[34]：

(3)

2.2.4 指標歸一化

對Flood Area模型模擬結果進行驗證時，需要選取一次強降雨過程并對其造成的災害進行風險評估。由于評估時選擇的各類承災體因子量綱不同，因此需要進行歸一化處理，具體計算公式如下[35]：

(4)

式中：Dij是j個站點第i個指標規一化后的值，Aij是j個站點第i個指標值，mini和maxi分別是第i個指標值中的最小值和最大值。

2.2.5 技術路線

依據研究流域氣象資料、地理信息、社會經濟、人口與土地利用類型數據，利用泰森多邊形法和MuDFiT軟件獲取各重現期的致洪面雨量數據，運行搭載于GIS平臺的Flood Area模型，疊加各類承災體柵格圖層，開展不同重現期下的小馬河流域暴雨洪澇災害風險研究，圖3為具體技術路線。

圖3 小馬河流域暴雨洪澇災害風險分布特征技術路線圖Fig.3 Technical flow chart for risk distribution characteristics of rainstorm and flood in the Xiaoma river basin

3 結果與分析

3.1 小馬河流域面雨量

在SPSS軟件中做逐步回歸分析，將國家站1980—2019年逐日降水數據代入公式(1)中，重建該流域區域站歷史降水序列。利用流域氣象站點信息、邊界范圍構建泰森多邊形，并對各站點降雨量進行權重賦值，得到流域逐日面雨量數據。結合小馬河流域逐日面雨量數據，依據MuDFiT軟件對序列進行擬合，確定最優擬合函數，計算得到該流域不同重現期的致災面雨量數據(表1)。

表1 小馬河流域不同重現期致災面雨量Tab.1 Flood-causing areal rainfall under different recurrence periods in the Xiaoma river basin

3.2 小馬河流域暴雨洪澇災害風險特征

3.2.1 不同重現期下洪水淹沒模擬

將不同重現期致洪面雨量數據平均分布到24h，作為Flood Area模型輸入的逐小時降雨數據。加載流域DEM數據、地表粗糙度系數運行Flood Area模型[36]，模擬時長選擇24 h，間隔為1 h，最大交換率為5%，對小馬河流域不同重現期的淹沒范圍進行模擬(圖4)。依據Flood Area模型模擬的淹沒數據并結合流域實際情況，利用斷點法將淹沒深度(D)劃分為5個等級：D≤0.1 m、0.1 m1.0 m。可以看出，隨著重現期不斷增大，洪水逐漸向中下游地區推進，淹沒范圍不斷擴大加深。5 a一遇重現期下，洪水淹沒范圍相對較淺，整體淹沒深度低于0.1 m(圖略)；10 a與15 a一遇重現期下，洪水淹沒深度大于0.1 m的范圍不斷擴大，其中0.3 m以上的淹沒范圍逐步向下游延伸；20 a一遇重現期下，0.1～0.3m淹沒范圍較前幾個重現期進一步擴大，且0.3 m以上淹沒范圍擴大趨勢更明顯；30 a一遇重現期下，0.3 m以上淹沒范圍繼續擴大，海拔較低的東部下游地區開始零散出現1.0 m以上淹沒深度；50 a一遇重現期下，0.3～0.5 m、0.5～1.0 m淹沒范圍較前幾個重現期更為突出，1.0 m以上淹沒范圍零散的分布于整個流域；100 a一遇重現期流域洪水淹沒深度整體較大，洪水淹沒深度大于1.0 m的范圍基本涵蓋整個流域。

圖4 小馬河流域不同重現期下洪水淹沒深度分布(單位：m)Fig.4 The distribution of flood inundated depth under different recurrence periods in the Xiaoma river basin (Unit: m)

3.2.2 承災體易損性分析

將柵格化的人口、GDP、土地利用類型等數據疊加到不同重現期淹沒范圍圖層上，利用GIS柵格計算器工具，計算各類承災體在不同重現期、不同淹沒深度下的受損率(圖5)。由圖5可以看出，當淹沒深度D在0.1 m以下時，對林地造成的影響較小，受損率較低，當0.1 m1.0 m時，林地受損率多在21%～43%之間。人口、GDP、城鎮用地、耕地、草地等其他承災體在淹沒深度D<0.1 m時，受損率多在60%以上，當0.1 m1.0 m時受損率在1%～15%之間。

圖5 小馬河流域不同重現期、不同淹沒深度下各承災體的受損率Fig.5 The disaster rate of each disaster bearing body for different inundated flood depth under different recurrence periods in the Xiaoma river basin

為將風險降低在最低水平，相關部門在日常工作中要堅持工程措施與非工程措施并重，提高洪澇災害防御能力；加強對洪澇災害高風險區的管理，協調好發展與防洪的關系，開展建設活動時也要盡量避開高風險區域；加強洪災風險研究，提高洪澇災害防御的針對性；建立健全防御洪澇災害的責任體系，加強跨區域聯防；加大科普宣傳，提高民眾的安全防范意識和防災水平[37-38]。

3.3 暴雨洪澇災害風險驗證

根據2016年7月19—20日強降雨過程對小馬河流域模擬結果進行驗證。此次降雨過程流域部分氣象站點日降雨量達186 mm以上，其中張果老山景區、太子巖、獐么等站點日降雨量達300 mm以上，按照MuDFiT軟件計算結果此次暴雨過程降雨量級為百年一遇。根據民政部門提供的災情資料，選取受災人口、GDP損失值以及農作物受災面積作為承災體因子，并利用專家打分法確定各因子權重[35]，構建承災體易損性評估模型，具體公式如下：

Vj=0.6Va+0.2Vb+0.2Vc

(5)

式中：Vj為第j個區域站的承災體易損性指數；Va、Vb、Vc分別為受災人口、GDP、農作物受災面積歸一化后的值。

基于GIS柵格計算器疊加不同承災體因子圖層，利用自然斷點法將承災體易損性指數從低到高依次劃分為低風險(0.50～0.56)、次低風險(0.57～0.61)、中風險(0.62～0.67)、次高風險(0.67～0.75)、高風險(0.76～0.91)等5個等級(圖6)。由圖6可以看出，當小馬河流域日降雨量達到百年一遇級別時，承災體受損情況較為嚴重，流域整體處于中風險以上水平。流域上游地區為海拔較高的山區，地廣人稀，農作物播種面積較少，不論是受災人口還是GDP損失都相對較輕。中等以上風險區逐漸由河道兩側向四周蔓延，特別是次高與高風險區向人口密集、工農業發達的平原地區延伸。低風險區位于下游的任縣、隆堯部分地區，驗證結果基本與Flood Area模型模擬結果一致。

圖6 2016年7月19—20日小馬河流域強降雨過程暴雨洪澇災害區劃Fig.6 The regionalization of flood disaster of heavy rainfall process in the Xiaoma river basin during 19-20 July 2016

4 結論與討論

(1)小馬河流域5、10、15、20、30、50、100 a不同重現期致洪面雨量分別為76.57、94.96、106.90、116.42、131.28、151.65、185.21 mm。

(2)Flood Area模型可以對小馬河流域不同重現期、不同淹沒深度的空間變化趨勢進行有效模擬。結果表明隨著重現期不斷增大，洪水逐漸向中下游地區推進，淹沒范圍不斷擴大加深。特別是百年一遇重現期整個流域受其影響較為明顯。

(3)就承災體受損率情況而言，當0.1 m1.0 m時，林地受損情況較嚴重，且受損率最高，淹沒深度D<0.1 m時，對林地影響較小，受損率最低。人口、GDP、城鎮用地、耕地、草地等其他承災體淹沒深度在0.1 m以下時受損率最高，0.1 m1.0 m時受損率居中，0.3 m

(4)選取2016年7月19—20日強降雨過程對模擬結果進行驗證。結果表明，劃分的風險等級分區與模擬基本一致，對小馬河流域暴雨洪澇災害特征分析較合理，Flood Area模型可用于暴雨洪澇災害風險評估與預警工作。

小馬河流域不同重現期致災面雨量及淹沒深度不僅與當地的降水總量和土地利用類型相關，還與當地投入建設的各類防洪抗災工程密切相關。中小河流發生的暴雨洪澇災害是多種因子共同作用的結果，應當盡可能考慮更多的影響因子諸如地貌、產流等[28]。基于Flood Area模型對小馬河流域洪水淹沒情形進行模擬與流域高程、各類承災體柵格數據精確度密切相關，由于資料有限本文采用的高程與承災體數據分辨率都較低，這在一定程度上降低了研究結果的準確性。未來要考慮更多的影響因子，采用更為精確的數據，進一步提升研究的科學性。