九江市強降水風險預警叫應閾值研究

何青 陳新玉 楊超 陳涵彬

摘要 強降水是九江影響最大、損失最重的氣象災害，具有較強的突發性、局地性和致災性。針對降水與成災之間的時間差，綜合分析了隱患點數量、歷史災害等情況，建立了強降雨可能導致的災害風險等級，結合降水歷史重現期建立了精細化的風險叫應閾值，并根據降水量提前開展了風險叫應，有利于為相關部門科學、精準防范和提前轉移贏得更多時間，進一步實現防災減災關口前移，降低強降水氣象災害風險。

關鍵詞 強降水；叫應；閾值；風險；預警

中圖分類號：P458.1+21.1 文獻標識碼：B 文章編號：2095–3305（2023）12–0-03

Research on the Response Threshold of Strong Precipitation Risk Warning in Jiujiang City

He Qing et al（Jiujiang Meteorological Bureau， Jiujiang， Jiangxi 332000）

Abstract Heavy precipitation was the meteorological disaster that has the greatest impact and heavy losses on Jiujiang， and it has strong suddenness， locality， and disaster causing characteristics. For the time difference between precipitation and disaster， the article comprehensively analyzed the number of hidden points， historical disasters， etc.， set up the heavy rainfall may lead to disaster risk level， combined with the precipitation history period established the fine risk should be threshold， and according to the precipitation in advance risk， for related departments of science， accurate prevention and transfer to win more time， further realize disaster prevention and mitigation of reach forward， reduce the risk of heavy rainfall meteorological disaster.

Key words Heavy precipitation; Response; Threshold; Risk; Warning

九江市位于亞熱帶季風氣候區，年降水量豐富，地勢復雜多變，是江西省受氣象災害影響最為嚴重的地區之一。九江市常見的氣象災害有暴雨洪澇、干旱、雷電、臺風、低溫凍害等，以及由此引發的山洪、滑坡等次生和衍生災害。近年來，全球氣候變暖導致極端天氣氣候事件頻繁發生，氣象災害的強度和范圍不斷增加，對九江市的經濟社會發展和人民群眾的生命財產安全造成了巨大威脅[1-2]。其中，強降水是九江市最主要的氣象災害類型，具有突發性強、局地性明顯、致災性高等特點。特別是在2021年河南鄭州“7·20”、湖北隨縣“8·11”等極端降水事件之后，進一步暴露了我國城市對強降水災害的脆弱性和應對能力的不足[3]。

評估強降水災害風險是提高城市防御能力和減輕災害損失的重要手段。強降水災害風險不僅與強降水事件本身的危險性有關，還與城市承災體的暴露度和脆弱性密切相關。國內一些學者使用雨量時空特征、優勢分析法、臨界雨量閾值模型、致災因子評價指標體系、時空過程分析法、最優分割法等方法，對暴雨、洪澇、泥石流、內澇等災害進行分類以及閾值研究，并在實際防汛工作中進行了有效應用[4-5]。然而，上述方法也存在一些不足，例如，閾值與災害評估相關的理論和評估方法的研究還不夠完善；大部分工作都以統計學為基礎；結果為半定量半定性[6]。

為了得到有效的定量閾值，綜合分析隱患點數量、歷史災害等情況，建立強降雨可能導致的災害風險等級，結合降水歷史重現期，從而建立精細化的風險叫應閾值，從而進一步實現防災減災關口前移，降低強降水氣象災害風險。

1 主要災害與降水的相關性分析

降水是洪澇及地質災害的第一誘因。九江市境內地形條件復雜，河流縱橫、水系發達，加上季風氣候的影響，極易形成局部地區的強降水。強降水會頻繁誘發中小河流洪水、山洪、地質災害等，且具有點多面廣、受災分布散等特征，嚴重威脅經濟社會發展和人民群眾生命財產安全，已成為當前防災減災中的突出問題[7-8]。

1.1 地質災害與降水的相關性分析

九江市地質災害以群發性小型山體滑坡、崩塌為主，呈點多面廣、規模小、危害大及突發性強等特點。截至2023年，全市現存各類地質災害隱患共計8 576處、中型36處、小型8 540處，潛在威脅6.5萬人和1.7億元財產安全。2013—2022年，全市共計發生災（險）情461起，造成直接經濟損失約3305萬元。通過歷史災情分析，地質災害災險情主要集中于汛期降雨量較大的年份，且主要集中在4—8月，在此月份期間共計發生災情413起，占總災情數約90%。7月份發生災情最多，共計202起，占總災情數約44%（圖1）。

按災情發生具體時間分析，約40%災情發生在一輪或多輪集中強降雨之后1～2 d，約58%災情發生在強降雨過程的中后期（圖2）。統計2016—2022年4—7月全市平均降雨量和地質災害災情發生次數（圖3）可以看出，降雨量與災情起數呈正相關，強降雨是主要的致災因素之一。

1.2 洪澇災害與降水的相關性分析

洪澇災害是九江發生最多、造成損失最大的災害。九江全市年平均降雨量為1544.6 mm，50%以上集中在4—7月。局部、區域性的暴雨洪澇災害時常發生，重度暴雨洪澇災害平均3～5年出現1次，沿江、沿河、濱湖地區洪澇頻率高于其他地區（圖3）。

統計1984—2020年洪澇歷史災情，洪澇災害主要發生在汛期，4—8月發生洪澇災害602起，占總災情數79.6%，其中降水期中期（6—7月）發生洪澇災害396起，占總災害數52.4%，約占汛期洪澇災害2/3?？梢钥闯?，降雨與洪澇災情起數呈正相關，集中降水是主要致災因素（圖4）。

2 降水致災因子分析

鑒于降水與洪澇、地質災害的正相關性，采取AHP層次分析法，匹配洪澇災害、地質歷史災害情況，以及地災隱患點情況等相關因子權重，確立降雨量與九江致災承災體、孕災環境的相關性，從而建立當地強降水致災風險指數。相關因子權重計算采取分級定量法，將各因子按重要程度劃分為5級，賦以定量值，不重要賦值為1，次重要賦值為2，重要賦值為3，非常重要賦值為4，極為重要賦值為5（表1）。根據相關因子的賦值情況計算各因子權重系數，從而得出“強降水致災風險指數”。

根據專家打分情況，強降水致災風險指數=洪澇次數×0.34+洪澇災害發生次數×0.32+災害點數量×0.34。

3 強降水致災風險區等級劃分。

根據強降水致災風險指數離散情況，將全市劃分為高風險區、中風險區和一般區。取風險指數120以上的為高風險區，風險指數在60～120的為中風險區，風險指數＜60的為一般區（圖5）。

按此標準，修水縣黃龍鄉、水源鄉，廬山市牯嶺鎮，彭澤縣浩山鄉、楊梓鎮等5個鄉鎮為高風險區；修水縣白嶺鎮、大椿鄉、港口鎮、古市鎮、黃坳鄉、黃港鎮、黃沙鎮、寧州鎮、全豐鎮、溪口鎮、新灣、渣津鎮，永修縣三溪橋鎮、柘林鎮，湖口縣雙鐘鎮，彭澤縣龍城鎮、馬垱鎮、黃花鎮等18個鄉鎮為中風險區（表2），其他鄉鎮為一般區（圖6）。

4 強降水風險預警叫應閾值的確定

鄉鎮和村莊排洪設施設計暴雨重現期標準為5～10年一遇，結合強降水致災風險區等級劃分情況，通過降水“多年一遇”值建立分等級分鄉鎮強降水風險預警叫應閾值。高風險區叫應閾值設定為3年一遇，中風險區叫應閾值設定為5年一遇，一般區叫應閾值設定為10年一遇[9]。

降水“多年一遇”值采取耿貝爾（Gumbel）分布頻率曲線進行計算。根據極值定理，最大值X的概率分布函數趨于廣義極值分布。

其中k為形狀參數，μ為中心參數，σ為展寬參數。k→0時，分布函數趨于雙指數形式P（X>σ。

采取Winsorization方法對降水重現期中的小時降水數據進行了預處理，以減小極端值的影響，提高數據質量。采用5%的上下界標準進行Winsorization處理。將降水數據的第5百分位數和第95百分位數作為上下界，對所有數據進行了限制。超出這個范圍的數據被分別限制在這個界限內，而范圍內的數據則保持不變。剔除極端值的站點，取其最近鄉鎮啟動站計算的降水重現期降水數據來確定叫應閾值[10-11]。

按照上述方法確定高風險區和中風險區分鄉鎮強降水風險預警叫應閾值如下（表3）。

5 結論

暴雨災害的防范應對一直是九江市氣象防災減災工作的重點，通過分析降水量與災情數據，建立精細化風險叫應閾值，分鄉鎮對強降水及其致災風險進行早期識別、跟蹤監測、即時服務和影響評估，可以為黨委政府更加精準實施提前轉移提供技術支撐，有利于切實提高防范和化解強降水誘發的災害風險的能力，推動從注重災后救助向注重災前預防轉變，實現災害預警從“大水漫灌”向“精準滴灌”轉變，進一步減輕強降水災害損失。

參考文獻

[1] 陳軍飛，丁佳敏，鄧夢華.城市雨洪災害風險評估及管理研究進展[J].災害學， 2020，35（2）：154-159，166.

[2] 殷子昭，王成芳.大城市極端暴雨洪澇災害防災體系建設的經驗與啟示：以日本東京為例[J].防災科技學院學報， 2023，25（4）：63-73.

[3] 廖洪敏，何為，石薇，等.玉屏暴雨與致災暴雨特征及鄉鎮”三個叫應”閾值確定[J].中低緯山地氣象，2022，46（2）：63-70.

[4] 李錫強，王敏，冉王群，等.四川省九龍縣暴雨誘發泥石流的時空特征及其閾值確定[J].四川師范大學學報（自然科學版），2020，43（3）：411-416.

[5] 黎躍勇，周威，李好，等.基于優勢分析法的暴雨綜合致災指數及閾值研究：以張家界市保險業為例[J].暴雨災害，2022，41

（2）：232-239.

[6] 孫玉龍，王麗榮，張琪，等.基于優勢分析法的河北省暴雨對房屋致災閾值研究[J].氣候與環境研究，2021，26（3）：289-298.

[7] 王海芝.北京地區暴雨泥石流預警閾值研究[J].第四紀研究，2020，40（5）：1371-1380.

[8] 宋瑞寧，任夢瑤，劉強，等.基于InfoWorks ICM模型的內澇預警降雨量閾值研究[J].水電能源科學，2021，39（2）：5-8，73.

[9] 史軍，穆海振，楊涵洧，等.上海中心城區暴雨內澇閾值研究[J].暴雨災害，2016， 35（4）：344-350.

[10] 孫玉龍，王麗榮，張琪，等.河北省強降水對道橋影響的致災閾值研究[J].氣象與環境科學，2022，45（5）：71-77.

[11] 周月華，彭濤，史瑞琴.我國暴雨洪澇災害風險評估研究進展[J].暴雨災害， 2019，38（5）：494-501.