基于FloodArea模型的云南山洪淹沒模擬研究

張明達，李　蒙，戴叢蕊，黃　瑋

(云南省氣候中心，云南 昆明 650034)

?

基于FloodArea模型的云南山洪淹沒模擬研究

張明達，李蒙，戴叢蕊，黃瑋

(云南省氣候中心，云南 昆明 650034)

摘要:致災臨界雨量法被普遍用于山洪預警，結合FloodArea模型動態模擬山洪災害淹沒是獲取臨界雨量的新方法。對2012年云南宣威“7.12”山洪災害進行實地調查，獲取山洪溝基本參數及隱患點淹沒高度，利用周邊氣象站逐時降雨量進行淹沒模擬。結果表明：當臨界雨量分別為42 mm、85 mm、136 mm和180 mm時，達到各山洪災害等級淹沒高度，即得出各等級致災臨界雨量。對比實測值和模擬值后得出，此模型具有一定的參考價值，但需更精確的地理信息數據支撐。

關鍵詞:FloodArea;云南;山洪;臨界雨量;淹沒模擬

山洪指山溪溝中發生的暴漲洪水事件，是山洪溝集水面積上短歷時強降雨大大超過水量而產生的地表徑流。山洪災害是降雨、地形地貌、地層巖性等諸多因素綜合形成的結果，降雨是其中最重要的影響因素。山洪具有典型的突發性、水量集中、破壞力強等特點，所誘發的泥石流、滑坡等次生災害常常會對公共基礎設施和居民生命財產安全造成巨大的損失[1]。山洪災害的形成機理十分復雜，但在諸多因素中，降雨通常被認為是誘發山洪災害的最直接外在動力因素[2]。

云南省是我國地形最復雜的區域之一，地層巖性多變，構造運動頻繁，切割破碎、地形陡峻，全省94%的國土面積為山丘區。特殊的地理環境條件、復雜的地質構造以及低緯高原區氣候帶類型交錯，局地性強降水頻繁，生態環境脆弱性高，內外因的共同作用導致云南成為我國山洪災害最嚴重的省份[3]，近20年內強降水的強度和頻次都有所增加，更加大了局地滑坡、泥石流及洪澇災害發生的風險[4]。由降雨引發的山洪以及伴生的泥石流、滑坡災害頻繁，嚴重威脅居住在云南山區人民的生命財產安全，現已成為制約地區經濟發展的主要因素，防災減災形式非常嚴峻[5]。統計表明，云南自1950年代至21世紀初，洪水災害受災面積達0.7億hm2，受災1.2億人，死亡1.4萬人，損失500多億元；有山洪災害潛在威脅人口400多萬，潛在威脅財產300多億元。2004年云南盈江“7.20”特大山洪災害就曾造成了59人死亡或失蹤和1.5億元的重大財產損失[6]。云南的氣象工作者在山洪災害方面開展了大量的基礎研究工作，但多側重于中尺度濾波、診斷分析及災害風險評價[7]，而對致災臨界雨量的研究尚屬空白[8-9]。

通常將山洪預報研究方法分為臨界雨量閾值判別法、臨界徑流量水深測量法以及神經網絡預測法三種方法[10]。氣象部門主要采用臨界雨量作為判別山洪災害的指標[11]，當小流域范圍內某時段的降雨量達到或者超過某一量級或強度時，形成的山洪流量達到河道的安全泄洪能力，而大于該降雨量時將可能導致山洪災害，則此時的降雨量定義為臨界雨量[12]。暴雨洪澇災害發生的最直接原因也就是流域集水區內的強降水量超過了臨界雨量，導致河流水量無法維持平衡，而產生漬澇或洪水淹沒現象，這會嚴重危害流域內的社會經濟。洪水淹沒動態模擬是指動態模擬不同等級洪水在空間上的擴散過程以及造成的淹沒范圍、淹沒水深及受災程度。洪水淹沒動態模擬方法是基于GIS柵格數據的洪水動態演進模型[13]，能夠科學準確地反映出不同量級降雨情況下的洪水路徑、淹沒時間和淹沒深度，并運算出洪水各演進時間、各深度洪水淹沒地物面積以及可能損失估算等信息[14-15]。應用洪水淹沒模型進行運算，可以結合土地利用狀況、區域內降水、積水情況，上游來水等諸多條件的變化，及時調整模型參數，以獲取更合理的致災閾值[16]。

1亦那河山洪溝概況

本研究所選取的山洪溝是位于云南省曲靖市宣威縣的亦那河山洪溝。宣威縣地處云南高原東北部，地勢西北高，東南低，是云南高原區向貴州高原區過渡的斜坡地帶。境內最高點海拔2 868 m，最低點海拔920 m，相對高差1 948 m，烏蒙山系橫亙市境，分兩支穿境而過。亦那河山洪溝歸屬宣威縣境內的亦那河流域，屬于珠江水系，河源位于沾益縣播樂鄉境內，河口位于東山鎮歌可村委會，途經羊場鎮、海岱鎮、東山鎮，河流長度92 km，流域面積513 km2。山洪溝流域途經羊場鎮、海岱鎮、田壩鎮，三個鄉鎮都處于山區和半山區，村鎮所在區域和延河區域土地較為平緩，人口均較為密集，良田肥沃。

2012年7月12-13日，受副熱帶高壓外圍氣流和冷鋒切變共同影響，宣威縣境內多個鄉鎮普降大到暴雨，暴雨造成大面積農作物被淹，民房倒塌損毀，公路被沖毀，路基的毀壞，水利、電力設施也遭到了損壞。暴雨還引起周邊鄉鎮發生滑坡、山體崩塌等地質災害，災害點6處，威脅101戶278人的生命財產安全。災后統計表明，此次山洪災害共造成全市13個鄉(鎮、街道)不同程度的受災，受災人口達15.66萬人，因災緊急轉移、安置人口450人，解救被困人員34人。分析山洪溝流域范圍內雨量站監測數據表明，強降雨從7月12日晚間開始，一直持續到7月13日下午才陸續結束，羊場、海岱、田壩三鎮均出現了自有降雨統計以來的日最大降雨，其中羊場站170.2 mm、海岱站151.6 mm、田壩站165.4 mm，暴雨至7月13日20時后逐漸停止。

2資料和方法

本研究針對2013年宣威“7.13”山洪災害過程，利用基礎地理信息、災害調查、氣象水文等資料數據，基于FloodArea模型模擬本次山洪災害淹沒過程，并通過實測災害資料數據進行對比，調整模型參數，檢驗模型模擬效果。本研究以1 h為時間步長進行洪水演進動態模擬，根據暴雨發生過程，模擬時間為2012年7月12日21時至2012年7月13日20時，模擬總時長為24 h，模擬結果以ArcGRID數據格式輸出，以1 h為時間間隔記錄了整個山洪演進過程中的淹沒深度的時空分布場，淹沒深度的模擬精度控制在0.1 m。

2.1　災害實地調查

選取位于亦那河山洪溝周邊受到影響的居民點、農田及其他公共場所和建筑周邊，在山洪災害發生時受洪水淹沒的建筑設施或單體作為山洪災害調查點，并進行了相應的實地災害調查。通過詢問及資料查詢，與村民、小區住戶進行詢問調查，進行實地測量，準確記錄淹沒點的位置(經度、緯度、海拔，均為度分秒格式)、洪水發生時間和淹沒水深等參數，并做好記錄。由于山洪溝無防護堤，實地測量中所記錄的淹沒水深均為基于河道的淹沒水深。亦那河山洪災害隱患點基本信息及隱患調查點附近雨量站的雨量信息見表1、表2。

表1　亦那河山洪溝周邊雨量站7月12日21時-7月13日20時累計降雨量

表2　亦那河山洪災害隱患點基本信息

2.2　地理信息數據

本研究所采用的地理信息數據主要為1:5萬基礎地理信息數據，空間分辨率為30 m。主要包括以下幾點：1:5萬高程數據(DEM)、Strilker系數分布數據(Strilker)、降雨分布權重(Weight)、流域邊界(亦那河山洪溝邊界.shp)、亦那河水系數據(6級河流)、土地利用類型(landset)、淹沒調查點、宣威縣鄉鎮分布。通過實地考察河寬和河深，將河道的高程信息嵌入到的DEM中，使嵌入河道的DEM反映出河流的匯水情況，將主河道高程下調5 m，實際水位值根據實際河寬與像元分辨率按比例換算后使用。

2.3　FloodArea淹沒模型

德國Geomer公司基于GIS柵格數據開發的內嵌于GIS平臺Arcview3.x擴展模塊的FloodArea工具，在國外廣泛用于洪水演進模擬、計算洪水淹沒深度和范圍及動態風險評估制圖。自2001年發布到2011年8月，十年間已經更新數十次版本，并在20多個國家和地區的決策、科研以及工程等部門開展應用。FloodArea采用ArcGRID數據格式，采用數字高程模型進行水文-水動力數學建模，淹沒過程的水動力由二維不穩定洪水演進模型模擬完成。FloodArea模型充分考慮了地形坡度和多種地表覆蓋形態下地表粗糙度對洪水動態演進過程的影響，洪水以輸入水位、流量和面雨量三種方式進入模型，并根據水文過程線進行實時參數調整[17]。FloodArea模型針對每個時相的運行過程，以柵格形式輸出和存儲，過程直觀明確，便于查詢，計算迅速快捷，可視化表達流向、流速和淹沒水深等水文參數和時空物理場，為洪水淹沒風險動態評估提供了有效工具，在國外山洪災害監測預警以及城市內澇監測評價中得到了廣泛的應用[18-19]，國內也已有江西、安徽、福建等省份正在嘗試采用FloodArea淹沒模型進行淹沒風險模擬，計算山洪災害影響范圍及分布區[20]。

3結果與討論

3.1　致災條件和等級的確定

本研究通過對現場災情信息的分析和不同雨量下淹沒高度的模擬結果進行山洪災害等級定量分級，根據氣象災害等級劃分管理，結合模擬淹沒結果，將山洪災害風險等級分為4級。取河道為基點，考慮洪水淹沒高度達到0.5 m時定為四級風險，此時洪水將漫出無堤防的山洪溝；考慮三級風險設置為淹沒高度為1.0 m，此時洪水將淹沒河道周圍部分農田和道路等公共基礎設施；二級風險設置為淹沒高度達到1.5 m時，此時洪水將淹沒河道周圍少部分居民房屋，對人身安全造成中度危險。一級風險設置為淹沒高度達到2.0 m時，此時洪水將淹沒河道周圍大部分居民房屋，對人身安全造成重度危險。

3.2　各時次山洪災害模擬結果

分析表明，由于降水過程的不連續性，預警點模擬水位與前1～6 h累計雨量的相關關系都不明顯，故取逐小時面雨量累加進行淹沒模擬。得到逐小時面雨量與預警點模擬水位之間相關系數最大(0.811 8)，建立淹沒水位-降雨量關系的回歸方程如下：

Y=0.0156X+0.3802。

(1)

式中:X為1 h面雨量，Y為預警點基于河道的淹沒水深。

不同時次的洪水演進過程結果如圖1所示?？梢钥闯鲈诒敬伪┯赀^程中，整個流域范圍內的大部分低洼地面均被不同程度地淹沒，沿河的所有淹沒隱患點的淹沒高度均超過2 m。

3.3　誤差檢驗

針對隱患點調查獲取的實測淹沒高度，與模型模擬結果的淹沒高度進行對比，如表3所示。

從表3可以看出，FloodArea模型在部分隱患點的模擬結果較好，相對誤差值小于10%，但在較多的隱患點表現較差，模擬結果偏差超過50%，甚至超過了100%，但總體上可以表現為沿河隱患點均可以有淹沒效果，地勢低洼處均有集水匯集，而海拔較高的地區集水可以完全流走。

3.4　不同等級山洪災害降雨量—淹沒深度關系和臨界(面)雨量的確定

利用淹沒深度模擬結果較好的羊場鎮干河村和海岱鎮羊場村兩個隱患點進行降雨量-淹沒深度關系推算，推出不同山洪等級致災臨界(面)雨量，由圖2可見，當累計面雨量42 mm時，淹沒深度達到0.5 m，即為四級風險等級，當累計面雨量85 mm時，淹沒深度達到1.0 m，即為三級風險等級，當累計面雨量136 mm時，淹沒深度達到1.5 m，即為二級風險等級，當累計面雨量達到180 mm時，淹沒深度達2.0 m，即為一級風險等級。本次暴雨過程中，羊場村和干河村兩個村都達到了中等風險等級，而小電廠自然村、木格處自然村、孔家灣自然村、海戛村和澤戛村5個隱患點都達到了四級洪水風險等級。

表3　隱患點實測水深與模擬水深對比

圖1　不同時次洪水演進過程模擬結果

圖2　致災臨界面雨量確定圖

3.5　誤差分析

模擬過程的誤差主要來源于以下幾個方面。

(1)模擬過程所采用的所有基礎地理信息數據均為1:5萬，且云南高原區地形復雜，數字地形與實際地形的偏差較大，致使模擬過程中部分地區集水蓄積較多較快，而部分地區的集水卻無法形成蓄積，這是造成模擬誤差的主要原因。

(2)實地調查點的調查為人工調查，雖經GPS定位和實地測量，但反應在DEM圖上卻有一定的偏差，大部分隱患點的經緯度定位數據與DEM數據反應不一致，主要表現在海拔高度不同上，這也極大的影響了模型模擬結果的準確率。

(3)在確定面雨量的權重文件(Weight)時，使用的是隱患點周邊各雨量站的總和做權重，但從降雨量附表可以看出，本次暴雨過程的降雨量變化較為復雜，并不能簡單地以一個權重文件來代表降雨分布狀況，更不能以一個雨量站的數據來反應其他雨量站的數據，而且雨量站分布較散，降水數據時間跨度過長，也導致降雨輸入數據有誤差。

(4)文獻提供的Strilker系數類型較少，實際土地利用類型更多，因此簡單的帶入相近類型的Strilker系數方式以及修正Strilker系數的方式都有誤差。

4結論

近50年來云南強降水事件表現為逐漸增加的趨勢[21]，與此相關的伴生、次生災害的發生頻率也越來越高[22]。臨界雨量作為開展山洪災害氣象預報預警業務，制定綜合防治規劃方案的關鍵性指標，目前多采用單站雨量法或災害氣候頻率法獲得，前者由于氣象站點分布稀疏且多位于城區，距離災害發生地較遠，代表性較差，導致臨界雨量明顯偏??；后者由于受到山洪災害歷史資料不全的影響，結果通常明顯偏大。從本研究模擬來看，應用FloodArea模型在云南省地勢復雜，天氣多變的條件下進行山洪災害模擬是可行的，但需要保證相關代入數據的精度，并參照更多的淹沒實例模擬，開展更精細的實地調查，調整模型相關參數，選擇適當的降水權重代入方式，調整模型運行效果，進一步完善淹沒模型在云南的應用。

參考文獻：

[1]劉志雨,楊大文,胡健偉.基于動態臨界雨量的中小河流山洪預警方法及其應用[J].北京師范大學學報:自然科學版,2010,46(3):317-318.

[2]曲曉波,張濤.劉鑫華.等.舟曲“8.8”特大山洪坭石流災害氣象成因分析[J].氣象,2010,36(10):102-105．

[3]胡娟,閔穎,李華宏,等.云南省山洪地質災害氣象預報預警方法研究[J].災害學,2014,29(1):62-69.

[4]李運剛,胡金明,何大明,等.1960-2007年紅河流域強降水事件頻次和強度變化及其影響[J].地理研究,2013,31(1):64-72.

[5]唐川,朱靜.云南滑坡泥石流研究[M].北京:商務印書館,2003:25-46.

[6]馬東濤,張金山,馮自立,等.2004.7.20云南盈江滑坡泥石流山洪災害成因及減災對策[J].災害學,2005,20(1):67-71.

[7]朱靜.城市山洪災害風險評價-以云南省文山縣城為例[J].地理研究,2010,29(4):655-664.

[8]金少華,段旭,艾永智,等.“070812”云南元江特大山洪泥石流氣象成因分析[J].自然災害學報,2011,20(6):62-67.

[9]陶云,唐川,寸燦瓊,等.2004-07-05云南德宏州山洪泥石流氣象成因分析[J].山地學報,2005,23(1):53-62.

[10]周金星.山洪及泥石流災害預警技術研究[D].北京:北京林業大學,2011.

[11]王繼竹,郭英蓮.湖北省中小流域山洪臨界面雨量計算方法及應用[J].安徽農業科學,2013,41(17):7535-7537,7540.

[12]葉金印,李致家,常露.基于動態臨界雨量的山洪預警方法研究與應用[J].氣象,2014,40(1):101-107.

[13]Tang Chuan, Zhu Jing. Use of GIS technology for torrent risk zonation in the upstream Red River Basin, China [J].Geographical Sciences,2006,16(4):1-8.

[14]葛小平,許有鵬,張琪,等.GIS支持下的洪水淹沒范圍模擬[J].水科學進展,2002,13(14):456-460.

[15]丁志雄,李紀人,李琳.基于GIS格網模型的洪水淹沒分析方法[J].水利學報,2004,1(6):56-67.

[16]劉仁義,劉南.基于GIS的復雜地形洪水淹沒區計算方法[J].地理學報,2001,56(1):1-6.

[17]Gemmer M. Decision support for flood risk management at the Yangtze River by GIS/RS based flood damage estimation[M].Giessen: Shaker.108-127.2004.

[18]蘇布達,姜彤,郭業友,等.基于GIS柵格數據的洪水風險動態模擬模型及其應用[J].河海大學學報:自然科學版,2005,33(4):370-374.

[19]文明章,林昕,游立軍,等.山洪災害風險雨量評估方法研究[J].氣象,2013,39(10):1325-1330.

[20]張容焱,游立軍,高建蕓,等.統計方法與淹沒模型結合的山洪災害風險評估方法及其應用[J].氣象,2013,39(12):1642-1648.

[21]王學鋒,鄭小波,黃瑋,等.近47年云貴高原汛期強降水和極端降水變化特征[J].長江流域資源和環境,2010,19(11):1350-l355.

[22]解明恩,程建剛,范菠.云南氣象災害的時空分布規律[J].自然災害學報,2004,13(51):40-47.

王宇，楊迎冬，晏祥省，等. 云南魯甸6.5級地震次生特大地質災害的特征及原因[J].災害學, 2016,31(4):83-86.[ Wang Yu, Yang Yingdong, Yan Xiangsheng, et al. Characteristics and Causes of Super-huge Secondary Geological Hazards Induced by M6.5 Ludian Earthquake in Yunnan[J].Journal of Catastrophology, 2016,31(1)：83-86.]

Simulation Study of Flood in Yunnan Based on the FloodArea Model

Zhang Mingda, Li Meng, Dai Congrui and Huang Wei

(YunnanClimateCenter,Kunming650034,China)

Abstract:Yunnan Province is one of the most flood-influenced regions. Disaster critical (surface) precipitation method is frequently applied to the prediction of flood. With the investigation of 7.12 flood that took place in Xuanwei, Yunnan Province, we try to simulate the inundation based on the terrain parameters, water levels, and rainfall in surrounding area. The result shows that, the thresholds of the hazard rating precipitation are 42 mm, 85 mm, 136 mm and 180 mm. With the comparison of simulated data and measured data, this model could be applied in the prediction of hazard flood. High resolution GIS data is needed for precise prediction of hazard flood.

Key words:FloodArea; Yunnan; flood inundation; critical precipitation; inundation simulation

作者簡介：張明達(1982-),男,吉林省吉林市人,工程師,主要從事氣象災害研究.E-mail:rockerdada@163.com通訊作者:黃瑋(1977-),男,云南昭通人,高級工程師,主要從事氣候預測相關研究.E-mail: hweimao12@163.com

基金項目：中國氣象局氣象關鍵技術集成與應用(面上)項目(CMAGJ2015M55)；中國氣象局氣候變化專項(CCSF201508)；國家自然科學基金(地區基金)項目(41565002)

收稿日期：2015-07-23修回日期：2015-09-02

中圖分類號：X43; P429

文獻標志碼：A

文章編號：1000-811X(2016)01-0078-05

doi:10.3969/j.issn.1000-811X.2016.01.016