基于柵格與云模型的風(fēng)暴潮洪水風(fēng)險模擬評估方法
——以珠海市香洲區(qū)為例

孫 海，嵇文捷，鄭雅芝

（1.中國海洋大學(xué)工程學(xué)院，山東青島 266100；2.中國海洋大學(xué)海洋發(fā)展研究院，山東青島 266100）

引言

風(fēng)暴潮災(zāi)害在我國是最常見和破壞性最大的自然災(zāi)害之一。風(fēng)暴潮洪水涌入沿海城市，會造成多方面的負(fù)面影響，如堤壩橋梁等基礎(chǔ)設(shè)施被沖毀，城市道路被淹沒導(dǎo)致交通中斷，港口碼頭倉庫中的庫存物資因水位上升被浸泡損失嚴(yán)重，海岸防護(hù)工程受損巨大［1］等。同時，沿海地區(qū)人口和經(jīng)濟(jì)高度聚集［2］、地面沉降［3］等因素亦會加劇風(fēng)暴潮災(zāi)害的威脅，最終造成大量的人員傷亡和財產(chǎn)損失。風(fēng)暴潮已經(jīng)成為沿海地區(qū)經(jīng)濟(jì)發(fā)展的一個嚴(yán)重制約因素［4，5］。

準(zhǔn)確高效地進(jìn)行風(fēng)暴潮洪水模擬及風(fēng)險評估可以最大限度地減輕風(fēng)暴潮災(zāi)害損失［6］，模擬風(fēng)暴潮洪水的演進(jìn)對沿海城市災(zāi)害應(yīng)對有著重要的指導(dǎo)意義。目前有許多成熟的二維水動力學(xué)模型可以用于洪水演進(jìn)模擬，其中常用的有DHI的MIKE 21，SOBEX，JFLOW及UIM等［7］。上述模型可以得到較為精確的洪水隨時間空間變化的信息，如在不同時刻、不同地點的水深、流速等。但這類模型對數(shù)據(jù)的要求較高，需要地形、糙率、水位邊界條件等原始數(shù)據(jù)，且輸入模型前需進(jìn)行數(shù)據(jù)格式轉(zhuǎn)換，轉(zhuǎn)換過程會產(chǎn)生一定的誤差和丟失精度。此外，傳統(tǒng)的二維水動力學(xué)模型求解過程復(fù)雜，操作和計算耗時長，無法適應(yīng)實時應(yīng)用。元胞自動機(jī)（cellular automata，CA）是一種時間、空間、狀態(tài)均離散，空間相互作用和時間因果關(guān)系為局部的網(wǎng)格動力學(xué)模型，具有模擬復(fù)雜系統(tǒng)時空演化過程的能力，在模擬地表徑流和洪水事件等方面具有較強(qiáng)的優(yōu)勢，能很好地符合洪水波的運動變化規(guī)律，可便捷高效地與GIS系統(tǒng)集成。胡蓓蓓等［8］提出基于柵格圖像的種子蔓延算法，該方法能夠較好模擬有源淹沒的洪水。劉坤等［9］提出基于柵格的區(qū)域生長算法，實現(xiàn)了對堰塞湖潰壩后淹沒區(qū)的預(yù)測。上述元胞自動機(jī)模型可以直接利用DEM地形數(shù)據(jù)，通過輸入起始位置和水位近似求解，計算規(guī)則簡單，計算效率高。弊端是模擬過程不涉及水動力學(xué)計算，而是按照較為簡單的轉(zhuǎn)換規(guī)則更新元胞狀態(tài)，無法得出精確的洪水隨時空變化的信息，不能很好地反應(yīng)水流實際運動規(guī)律?？紤]到元胞自動機(jī)的計算效率優(yōu)勢和水動力學(xué)模型的準(zhǔn)確性，一些學(xué)者嘗試將二者結(jié)合起來。Guidolin［10］團(tuán)隊利用水位權(quán)重和曼寧公式的網(wǎng)格動力學(xué)方法模擬了考慮降水的河道洪水淹沒，Dottori和Todini［11，12］建立了基于擴(kuò)散方程的二維元胞自動機(jī)模型。上述研究表明元胞自動機(jī)洪水模擬的準(zhǔn)確性得到了有效提高，初步實現(xiàn)了對洪水隨時空變化過程的模擬。

近年來越來越多的案例表明，如何應(yīng)對和處置洪水災(zāi)害造成的風(fēng)險，也是搶險救災(zāi)、確定搶救重點、制定應(yīng)急方案的重要部分。進(jìn)行洪水風(fēng)險評估需要綜合考慮各種因素，包括災(zāi)害強(qiáng)度與區(qū)域特征。部分學(xué)者通過傳統(tǒng)的洪水風(fēng)險評估方法，例如層次分析法［13］、模糊聚類模型［14］、信息擴(kuò)散理論［15］等，開展了洪水災(zāi)害危險程度的區(qū)劃研究，研制出基于可靠性分析的模糊風(fēng)險計算模型。上述研究，將洪水風(fēng)險區(qū)劃的模糊性、隨機(jī)性，災(zāi)情數(shù)據(jù)的不完備性和研究區(qū)之間的關(guān)聯(lián)性分別進(jìn)行了研究。但是，模糊性、隨機(jī)性、不完備性以及關(guān)聯(lián)性都是洪水災(zāi)害風(fēng)險評估中的一部分，需予以綜合研究。云模型是解決這一問題的有效手段，該模型能兼顧等級概念的模糊性與隨機(jī)性，能從實際數(shù)據(jù)分布中抽取等級概念，實現(xiàn)不同層次上的分析與綜合，能更好模擬洪水災(zāi)害風(fēng)險等級的概念。目前，基于云模型進(jìn)行風(fēng)暴潮風(fēng)險的研究相對較少，本文擬根據(jù)災(zāi)害風(fēng)險系統(tǒng)的定義以及洪水災(zāi)害的特點，以云模型模擬區(qū)域洪水災(zāi)害風(fēng)險的不確定性，以期為區(qū)域洪水災(zāi)害風(fēng)險評估提供新思路。

綜上所述，本文提出了基于柵格水動力學(xué)的元胞自動機(jī)模型，將二維淺水動力學(xué)方程離散化并作為轉(zhuǎn)化規(guī)則引入到元胞自動機(jī)模型，利用動量和能量守恒機(jī)制模擬風(fēng)暴潮洪水演進(jìn)過程，通過簡化次要信息實現(xiàn)及時高效地模擬風(fēng)暴潮洪水致災(zāi)過程。同時，在采用基于柵格水動力學(xué)的元胞自動機(jī)模型對研究區(qū)域進(jìn)行風(fēng)暴潮洪水仿真的基礎(chǔ)上，引入基于云模型的多屬性風(fēng)險綜合分析方法，綜合考慮人口、經(jīng)濟(jì)、社會環(huán)境因素與評價指標(biāo)的隨機(jī)性和模糊性，結(jié)合模擬得出的淹沒水深、淹沒范圍等風(fēng)暴潮洪水災(zāi)害信息進(jìn)行綜合分析，彌補了災(zāi)害實時綜合風(fēng)險評估的不足。最后，對基于柵格水動力學(xué)的元胞自動機(jī)模型進(jìn)行實時風(fēng)險評估的有效性進(jìn)行實例驗證。文章通過基于柵格水動力學(xué)的元胞自動機(jī)綜合風(fēng)險度耦合計算模型，深化了對風(fēng)暴潮災(zāi)害動力學(xué)與風(fēng)險評估過程的研究，以期為風(fēng)暴潮災(zāi)害的快速精確模擬及風(fēng)險評估提供新的思路，形成一套高效的風(fēng)暴潮災(zāi)害風(fēng)險預(yù)警方法。

1 研究方法

1.1 淺水動力學(xué)方程離散化過程

元胞自動機(jī)由元胞空間、元胞狀態(tài)、鄰域及轉(zhuǎn)化規(guī)則組成［16］。本文選用二維元胞空間，鄰域采用Von Neuman型元胞網(wǎng)格，其洪水演進(jìn)過程見圖1。元胞自動機(jī)模型中每個元胞下一時刻的狀態(tài)（水位、流量）由該元胞及其鄰域元胞的上一時刻狀態(tài)（水位、流量）決定［17］。元胞自動機(jī)最關(guān)鍵的部分就是定義轉(zhuǎn)換規(guī)則。因此，為準(zhǔn)確描述洪水演化過程，本文擬將二維淺水動力學(xué)方程離散化，并將其作為元胞自動機(jī)模型的轉(zhuǎn)化規(guī)則引入，利用動量和能量守恒機(jī)制模擬風(fēng)暴潮洪水演進(jìn)過程，水位和流量的演化關(guān)系通過圣維南方程［18］進(jìn)行控制，見公式（1）～（3）。

圖1 Von Neuman型鄰域Fig.1 Von Neumann type neighborhood

式中：h為水深，即水面離河底的距離；Z為水位，即自由水面相對于黃?；婊驕y站基面的高程；M、N分別表示x、y方向上的平均單寬流量；u、v分別表示在x、y方向上的平均流速，n為曼寧糙率，t為時間，g為重力加速度。動量方程的第1項反映局地加速度，第2、3項反映對流加速度，1、2、3均為慣性項；由于假設(shè)的風(fēng)暴潮漫灘區(qū)域地形較為平坦的符號隨漲落洪而變化，參考擴(kuò)散波的簡化方法［19］，可知公式（3）和式（2）同理。且由于第2、3項對流項為非線性項，在進(jìn)行微分方程求解時會造成計算結(jié)果的振蕩，對計算影響較小，因此本文將其省略［20］。對式（1）～（3）簡化，進(jìn)行顯式差分，聯(lián)立求解可得到和，見公式（4）～（6）。

其中，k為元胞模擬變化次數(shù)，Δt為時間步長，Δx、Δy定義了元胞大小，i，j定義了元胞的位置，代表第i行j列。初始化網(wǎng)格的水位值，初始水流速度（w為風(fēng)暴潮的風(fēng)速導(dǎo)致的初始流速）。通過反復(fù)利用式（4）～（6），就可得到每一時刻的元胞狀態(tài)。元胞空間差分示意圖，見圖2。

圖2 元胞空間差分示意圖Fig.2 Cellular space difference diagram

顯式差分需滿足收斂性和穩(wěn)定性條件，需對時間步長與距離步長進(jìn)行限定，如公式（7）所示，c是波速，一般取

根據(jù)上述分析，基于元胞自動機(jī)的淹沒模型算法過程如下。首先，將所研究的區(qū)域劃分成若干大小一致的矩形單元（元胞），單元尺寸應(yīng)在10～200 m之間。設(shè)置過小，單元水平比例尺接近垂直比例尺，無法用沿水深方向的平均值表示水力要素。設(shè)置太大，則會損失精度。為提高模擬效果，本文選擇50 m作為單元大小。這些元胞組成了元胞空間，每個元胞上一時刻的狀態(tài)決定了元胞的下一時刻的狀態(tài)，同時這個變換過程受轉(zhuǎn)化規(guī)則控制。元胞自動機(jī)模型網(wǎng)格圖及淹沒過程流程見圖3、圖4。

圖3 元胞自動機(jī)模型網(wǎng)格圖Fig.3 Grid chart of the CA model calculation

圖4 元胞自動機(jī)模型計算流程圖Fig.4 Flowchart of the CA model calculation

1.2 基于云模型的風(fēng)暴潮災(zāi)害多屬性綜合風(fēng)險分析方法

本文首先構(gòu)建風(fēng)暴潮災(zāi)害綜合風(fēng)險評價指標(biāo)，常用的指標(biāo)有：臺風(fēng)持續(xù)時間、環(huán)境影響、經(jīng)濟(jì)損失、人口傷亡、海洋工程損傷長度、社會影響、人均GDP、醫(yī)療機(jī)構(gòu)數(shù)量等［21］。本文選取人口傷亡、經(jīng)濟(jì)損失、環(huán)境影響、社會影響四個權(quán)重較高的指標(biāo)，能較好地反映災(zāi)害導(dǎo)致的經(jīng)濟(jì)、社會環(huán)境損失及受災(zāi)人口數(shù)。其次，建立基于云模型的風(fēng)暴潮災(zāi)害的多屬性綜合風(fēng)險分析方法，綜合考慮指標(biāo)的不確定性、模糊性和隨機(jī)性，評價洪水災(zāi)害風(fēng)險等級。

1.2.1 風(fēng)暴潮災(zāi)害綜合風(fēng)險評價指標(biāo)估算

風(fēng)暴潮災(zāi)害導(dǎo)致的損失總體分為經(jīng)濟(jì)損失和非經(jīng)濟(jì)損失。經(jīng)濟(jì)損失分為直接經(jīng)濟(jì)損失和間接經(jīng)濟(jì)損失［22］。本文將受災(zāi)人口數(shù)及社會和環(huán)境損失歸為非經(jīng)濟(jì)損失。

（1）經(jīng)濟(jì)損失估算

直接經(jīng)濟(jì)損失根據(jù)受災(zāi)區(qū)域的土地類型進(jìn)行分類估算，土地利用類型主要包括耕地、林地、水域、城市建成區(qū)和開發(fā)區(qū)五類，其中，耕地、林地及水域三類土地利用類型主要考慮減產(chǎn)造成的經(jīng)濟(jì)損失，城市建成區(qū)主要考慮家庭財產(chǎn)損失、房屋和基礎(chǔ)公共設(shè)施的破壞，開發(fā)區(qū)主要考慮房屋和基礎(chǔ)公共設(shè)施的破壞，其計算公式為：

其中，L os s直為風(fēng)暴潮災(zāi)害導(dǎo)致的直接經(jīng)濟(jì)損失，Cos t為各土地利用類型單位面積的重置成本，Area為各土地利用類型的受災(zāi)面積，Vulnerab ility為各土地利用類型的潮災(zāi)損失率。由于間接經(jīng)濟(jì)損失影響因素眾多，難以精確計算，本文采用系數(shù)法對其進(jìn)行估算，公式為：

其中，L os s間為風(fēng)暴潮災(zāi)害間接經(jīng)濟(jì)損失，B為折算系數(shù)。對于不同行業(yè)折算系數(shù)B的推薦取值區(qū)間為：農(nóng)業(yè)15?30%，工業(yè)16%?35%［23］，由于風(fēng)暴潮災(zāi)害屬于較為嚴(yán)重的自然災(zāi)害，本文研究區(qū)域為珠海市香洲區(qū)，對經(jīng)濟(jì)造成的損失主要體現(xiàn)在工業(yè)方面而非農(nóng)業(yè)方面，故本文折算系數(shù)取工業(yè)部門推薦取值的平均水平，取B=0.25。同時，通過研究區(qū)域歷史資料和其他區(qū)域的風(fēng)暴潮災(zāi)害損失率，可確定研究區(qū)域的災(zāi)損率Vulnerab i lity，見表1。

表1 各土地利用類型單位面積價值及不同水深對應(yīng)的災(zāi)損率Table 1 The unit area value of each land use type and the damage rate corresponding to different water depth

土地利用類型根據(jù)國家標(biāo)準(zhǔn)GB/T 21010-2017土地利用現(xiàn)狀分類確定，其中城市建成區(qū)包括住宅用地、商服用地、公共管理與公共服務(wù)用地，開發(fā)區(qū)包括工礦倉儲用地、交通運輸用地、其他土地。

（2）受災(zāi)人口數(shù)量估算

受災(zāi)人口估算模型采用Jonkman提出的基于洪水強(qiáng)度的脆弱性曲線公式［24］：

其中，y為洪災(zāi)傷亡率，x為淹沒水深。本文通過土地利用類型提取城市建成區(qū)和開發(fā)區(qū)用地，結(jié)合人口統(tǒng)計資料及不同區(qū)域人口密度分布規(guī)律得到區(qū)域人口空間分布，根據(jù)洪災(zāi)傷亡率估算傷亡人口。

（3）社會與環(huán)境受災(zāi)程度估算

社會與環(huán)境受災(zāi)程度是指洪水災(zāi)害對城市政治、文化、生態(tài)環(huán)境等帶來的損失，由于影響因素復(fù)雜，難以計算或用貨幣衡量。本文根據(jù)文獻(xiàn)［25］中定義的社會與環(huán)境風(fēng)險及風(fēng)險影響指標(biāo)參考值，估算潮災(zāi)帶來的社會環(huán)境影響，見式（11）：

式中，f為社會與環(huán)境影響指數(shù)。其余系數(shù)均分為5個級別，其中N為風(fēng)險人口系數(shù)，取值區(qū)間1.0-1.2、1.2-1.6、1.6-2.4、2.4-4.0、4.0-5.0，對應(yīng)的風(fēng)險人口數(shù)為1-10、10-103、103-105、105-107、107人以上；C為重要城市系數(shù)，取值1.0、1.3、1.6、2.0-3.0、4.0-5.0，對應(yīng)散戶、鄉(xiāng)村、鄉(xiāng)鎮(zhèn)、縣級市至地級市、直轄市或省會至首都；I為公共設(shè)施系數(shù)，取值1.0、1.2、1.5、1.7、2.0，對應(yīng)設(shè)施重要程度為一般、一般重要、市級重要、省級重要、國家級重要；h為文物古跡系數(shù)，取值1.0、1.2、1.5、2.0、2.5，對應(yīng)文物古跡珍稀程度為一般、縣級、省市級、國家級、世界級；R為河道形態(tài)系數(shù)，取值1.0、1.3、1.6、2.0-3.0、4.0-5.0，對應(yīng)受破壞規(guī)模為河道受輕微破壞、一般河流受一定破壞、大江大河受一定破壞、一般河流至大江大河受嚴(yán)重破壞，一般河流至大江大河改道；l為生物生活環(huán)境系數(shù)，取值1.0、1.2、1.5、1.7、2.0，對應(yīng)喪失棲息地動植物珍稀程度為一般、較有價值、較珍貴、稀有、世界級瀕臨滅絕；L為人文景觀系數(shù)，取值1.0、1.2、1.5、1.7、2.0，對應(yīng)受破壞景觀級別為自然、市級、省級、國家級、世界級；P為污染工業(yè)系數(shù)，取值1.0、1.2、1.6、2.0-3.0、4.0，對應(yīng)污染工業(yè)種類為基本無污染工業(yè)、一般化工廠或農(nóng)藥廠、較大規(guī)?；S或農(nóng)藥廠、大規(guī)?；S或農(nóng)藥廠至劇毒化工廠、核電站或核儲庫。

1.2.2 基于云模型的災(zāi)害風(fēng)險多屬性評價方法

參考《海洋災(zāi)害等級標(biāo)準(zhǔn)》（DB21T 1715-2009）及洪水淹沒風(fēng)險等級劃分［26］，風(fēng)暴潮災(zāi)害影響程度可劃分為Ⅰ、Ⅱ、Ⅲ、Ⅳ四級，分別表示特別重大、重大、較重、一般，其劃分標(biāo)準(zhǔn)，見表2。

表2 風(fēng)暴潮災(zāi)害綜合評價指標(biāo)賦值參考Table 2 Comprehensive evaluation index reference for storm surge disaster

公式（12）中，Ex ij為云滴在論域空間分布的期望，在本文是指標(biāo)在論域中的中心點；En ij為熵，表示指標(biāo)的不確定性度量，由指標(biāo)的隨機(jī)性和模糊性共同決定；He ij為超熵，是熵的不確定性的度量。

2 實例驗證

2.1 研究區(qū)域

珠海市地處廣東省東南海岸，人口密集，經(jīng)濟(jì)發(fā)達(dá)，由于臺風(fēng)經(jīng)常襲擊，風(fēng)暴潮給該區(qū)域帶來重大的經(jīng)濟(jì)損失和社會影響［28］。本文以2017年第13號臺風(fēng)天鴿為例，選擇受災(zāi)嚴(yán)重的珠海市香洲區(qū)（22.06°N-22.30°N、113.41°E-113.60°E）作為研究區(qū)域，見圖5。

圖5 研究區(qū)域Fig.5 Study area

2017年8月23日12時50分前后，臺風(fēng)天鴿在廣東省珠海市金灣區(qū)登陸，珠海站觀測最大風(fēng)暴潮增水達(dá)2.79 m，為1965年以來登陸珠江口的最強(qiáng)臺風(fēng)。據(jù)2017年中國海洋災(zāi)害公報統(tǒng)計，廣東省碼頭損毀1.22 km，防波堤損毀240.18 km，海堤換損毀532.08 km，道路損毀0.02 km。數(shù)字高程數(shù)據(jù)取自30 m×30 m分辨率的GDEMDEM數(shù)據(jù)集，遙感圖下載于Google Earth（2018）。

2.2 風(fēng)暴潮洪水模擬與驗證

為驗證本文建立的柵格水動力學(xué)模型的有效性，擬將模型模擬的結(jié)果與傳統(tǒng)二維水動力學(xué)模型的仿真結(jié)果進(jìn)行水深與計算時間對比，對提出方法的性能進(jìn)行驗證。除此之外，我們還依據(jù)從社交數(shù)據(jù)集提取的臺風(fēng)天鴿登陸后香洲區(qū)多處實際淹沒點在不同時刻的水深，與模擬水深進(jìn)行對比分析，輔助驗證模型的實際表現(xiàn)。目前流行的傳統(tǒng)二維水動力學(xué)模型有MIKE 21、SOBEX、JFLOW、UIM等，它們的計算方法、時空離散化的形式和運算特點等也有所不同［7］，見表3。

表3 洪水淹沒模型對比Table 3 Comparison of flood inundation models

據(jù)表3可知，MIKE 21在模擬洪水方面有可并行運算以及加入慣性項運算的優(yōu)勢，具有較好的時空離散化的表達(dá)形式和運算快速、精確等優(yōu)點。因此，本文將對比基于柵格水動力學(xué)的元胞自動機(jī)模型與MIKE 21模型的模擬結(jié)果，從水深差值、統(tǒng)計指標(biāo)（均方根誤差及相關(guān)系數(shù)）和計算時間3個方面比較模型。用于對比實驗的MIKE 21模型采用非結(jié)構(gòu)化網(wǎng)格，糙率設(shè)定為固定值0.03，取0.05 m作為干濕邊界的判斷條件，水位邊界條件取自三灶站與赤灣站的實測數(shù)據(jù)［29］。同時，據(jù)中國天氣臺風(fēng)網(wǎng)播報，該地區(qū)受臺風(fēng)影響時長約為8 h，故本文模擬時間定為8 h（10：30-18：30）。

2.2.1 水深對比

選取t=240 min時刻的水深數(shù)據(jù)分別繪制洪水淹沒圖和水深絕對差值圖，見圖6，根據(jù)選取時刻點的淹沒水深圖和差值圖，基于柵格水動力學(xué)的元胞自動機(jī)模型與MIKE 21模型模擬結(jié)果有良好的一致性，極少部分區(qū)域存在一些小的差異，且水深差絕對值不超過0.1 m。

圖6 t=240 min淹沒水深對比Fig.6 Comparison of simulated flooding at 240 min

選取5個時刻的水深數(shù)據(jù)，通過計算均方根誤差（RMSE）和相關(guān)系數(shù)（R）驗證結(jié)果，見表4。其計算公式見式（16）和式（17）。與表示CA模擬在元胞C i,j處的水深和平均水深，與表示MIKE 21模擬在元胞C i,j處的水深和平均水深。

表4 MIKE 21和基于柵格水動力學(xué)的元胞自動機(jī)模型結(jié)果統(tǒng)計指標(biāo)對比Table 4 RMSE and R value of the MIKE 21 and CA model based on grid hydrodynamics at five moments

由表4知，在5個時刻兩模型水深數(shù)據(jù)的均方根誤差都在0.04 m以下，說明CA模型模擬的淹沒范圍及水深的精確度較高，與MIKE 21的結(jié)果一致性較好。此外，它們的相關(guān)系數(shù)均不低于0.93，這證明兩模型的模擬結(jié)果相關(guān)性較高，異常性較低。

2.2.2 計算時間對比

計算時間是本文模型需要考慮的重要因素和評價模型效率的重要標(biāo)準(zhǔn)。本次模型對比分析均在臺式服務(wù)機(jī)上運行，處理器為因特爾I5-9 400F CPU@2.90GHz，內(nèi)存為16GB，操作系統(tǒng)為Windows 10。MIKE 21的模擬時間為3.27 min，CA模型的模擬時間為1.23 min。并且MIKE 21前期需要進(jìn)行模擬區(qū)域的網(wǎng)格處理和邊界條件、參數(shù)的設(shè)置，增加了模型模擬的復(fù)雜性和工作量，而CA模型僅需設(shè)置幾個初始參數(shù)，模擬時間減少62.4%，有利于實現(xiàn)風(fēng)暴潮洪水淹沒過程的簡單快速評估。

2.2.3 水位輔助驗證

國內(nèi)外相關(guān)研究證明，社交媒體數(shù)據(jù)由于其自身的時間和地理空間屬性，可以應(yīng)用于災(zāi)害事件的實時監(jiān)測和趨勢預(yù)測。數(shù)據(jù)主要集中在暴雨暴發(fā)后的24 h內(nèi)，本文從社交數(shù)據(jù)集獲取150條相關(guān)信息，構(gòu)建基于社交媒體的災(zāi)情信息網(wǎng)絡(luò)驗證集。其中，以保西路（22.16°N，113.48°E），洪灣港（22.16°N，113.46°E），東堤（22.14°N，113.54°E），琴海西路（22.13°N，113.46°E）4個特征點位置的照片及相關(guān)信息舉例說明，見圖7。

圖7 基于災(zāi)情信息的網(wǎng)絡(luò)驗證集示例Fig.7 Example of network verification set based on disaster information

通過挖掘特征點的照片與相關(guān)災(zāi)情信息，當(dāng)模擬時間t=140 min時，保西路實際水深約為0.45 m，CA模型模擬水位為0.51 m；t=330 min時，洪灣港實際水深約為0.55 m，CA模型模擬水位為0.50 m，其他特征點的水深也與實際情況基本相符，見圖8，誤差小于10%，一定程度上反映了模型的可靠性，結(jié)果可為風(fēng)暴潮災(zāi)害管理提供洪水和水深數(shù)據(jù)參考。

圖8 基于社交媒體特征數(shù)據(jù)點的淹沒水深對比圖Fig.8 Comparison of inundation depth based on social media feature points

2.3 基于云模型的風(fēng)暴潮災(zāi)害多屬性綜合風(fēng)險計算

根據(jù)土地利用類型分布和洪水最大淹沒水深分布，見圖9、10。利用公式（10）和公式（12）進(jìn)行柵格計算，可以得到該地區(qū)風(fēng)暴潮洪水災(zāi)害損失分布圖和受災(zāi)人口分布圖，見圖11、12。

圖9 土地利用類型分布圖Fig.9 Distribution map of land use types

圖11 經(jīng)濟(jì)損失風(fēng)險圖Fig.11 Risk map of economic losses

圖10 最大淹沒風(fēng)險圖Fig.10 Risk map of the maximum simulated flooding area

基于云模型的指標(biāo)等級劃分如表5所示。首先，確定指標(biāo)權(quán)重系數(shù)并通過一致性檢驗，權(quán)重系數(shù)為：w=(0.560,0.250,0.096,0.096)。其次，根據(jù)云模型理論，借助正向云發(fā)生器算法計算生成每個評價指標(biāo)的隸屬度云圖，構(gòu)建災(zāi)害等級評價指標(biāo)的隸屬度矩陣R，見式（18），結(jié)合指標(biāo)權(quán)重和隸屬度矩陣，計算風(fēng)暴潮災(zāi)害風(fēng)險評價矩陣：B=w×R=(0,0.085,0.007,0.252)，將B歸一化得B=(0,0.247,0.020,0.733)。最后，根據(jù)置信度準(zhǔn)則，取置信度為0.7，可判斷此次風(fēng)暴潮災(zāi)害屬于特別重大的自然災(zāi)害。該方法實現(xiàn)了評價指標(biāo)與評語的不確定性映射，以此預(yù)判的災(zāi)害綜合風(fēng)險等級可為城市的風(fēng)暴潮災(zāi)害風(fēng)險預(yù)測和制定防災(zāi)策略提供科學(xué)依據(jù)。

表5 基于云模型的指標(biāo)等級劃分Table 5 Index classification based on cloud model

通過統(tǒng)計區(qū)域各土地類型對應(yīng)不同水深的淹沒面積和經(jīng)濟(jì)損失，可以得到總的直接經(jīng)濟(jì)損失為69.96億元，間接經(jīng)濟(jì)損失為17.49億元，合計87.45億元，總傷亡人數(shù)約889人。

從經(jīng)濟(jì)損失風(fēng)險圖（圖11）及受災(zāi)人口分布風(fēng)險圖（圖12）可以看出此次臺風(fēng)事件在單位面積價值較高的地區(qū)、人口密度較大的地區(qū)，以及靠近河流、海洋地勢較低的沿海地區(qū)會引發(fā)較高的損失風(fēng)險，地形、位置、人口、單位面積價值都是導(dǎo)致風(fēng)暴潮洪水損失的重要因素。同時，本文從權(quán)威媒體獲取臺風(fēng)天鴿相關(guān)信息，與本文模型預(yù)測的風(fēng)險區(qū)進(jìn)行比較分析，輔助驗證了風(fēng)暴潮洪水對珠海市人員、經(jīng)濟(jì)、環(huán)境造成了巨大風(fēng)險，結(jié)果與模型較為一致，見表6。

圖12 人口傷亡分布圖Fig.12 Distribution map of population casualties

表6 權(quán)威媒體相關(guān)信息提取及模型驗證Table 6 Extraction of photo information in social media and verification

3 結(jié)論與展望

風(fēng)暴潮災(zāi)害的發(fā)生具有顯著的突發(fā)性和短歷時性，為了實現(xiàn)實時高效的應(yīng)急響應(yīng)，本文首先建立了基于柵格水動力學(xué)的元胞自動機(jī)模型，通過與傳統(tǒng)二維水動力學(xué)模型從淹沒水深差值、均方根誤差（≤0.04 m）、相關(guān)系數(shù)（≥0.93）、計算時間多個方面對比后，證明了模型在保證精度的前提下可有效提高模擬效率，能夠?qū)崿F(xiàn)利用較少的參數(shù)和地形數(shù)據(jù)近實時地模擬風(fēng)暴潮洪水演進(jìn)過程。其次，引入云模型進(jìn)行了風(fēng)暴潮災(zāi)害的多屬性風(fēng)險分析，可在仿真基礎(chǔ)上實時評估災(zāi)害綜合動態(tài)風(fēng)險及風(fēng)險的空間分布。最后，以珠海市香洲區(qū)作為研究區(qū)，對臺風(fēng)天鴿導(dǎo)致的風(fēng)暴潮洪水進(jìn)行了模擬，分析得到風(fēng)暴潮洪水淹沒范圍、淹沒水深，并對災(zāi)害損失風(fēng)險進(jìn)行了綜合評估，研究成果可為風(fēng)暴潮災(zāi)害實時預(yù)警、風(fēng)險分析和制定防災(zāi)減災(zāi)措施提供一定的技術(shù)支持。