福州市單次暴雨洪澇災(zāi)害災(zāi)情區(qū)域預(yù)測

摘 要：利用福州市近30年國家氣象觀測站觀測數(shù)據(jù)、福州市高程數(shù)據(jù)和水系數(shù)據(jù)。針對福州市單次暴雨洪澇災(zāi)害的災(zāi)情區(qū)域進行了預(yù)測分析，建立了洪澇災(zāi)害預(yù)測模型。模型綜合考慮了氣象因子、地形濕度和水系密度等因素，以提高預(yù)測的準(zhǔn)確性。研究結(jié)果表明，高風(fēng)險區(qū)域主要集中在沿海及南部地區(qū)，而內(nèi)陸地區(qū)風(fēng)險較低。模型在2021年“盧碧”臺風(fēng)事件中得到驗證，顯示出良好的預(yù)測效果。提出了加強重點區(qū)域的防災(zāi)減災(zāi)措施，以減少洪澇災(zāi)害的影響。

關(guān)鍵詞：暴雨洪澇；災(zāi)害區(qū)域；福州市

中圖分類號：P426.616 文獻標(biāo)志碼：B 文章編號：2095–3305（2024）07–0-03

近年來，隨著我國城市化進程不斷加快，以暴雨為典型的極端降雨事件在中國各大城市頻繁發(fā)生對社會經(jīng)濟造成了巨大的損失。這些自然災(zāi)害往往會引起嚴(yán)重的洪澇災(zāi)害，給當(dāng)?shù)厝嗣竦纳敭a(chǎn)安全帶來嚴(yán)重威脅[1-2]。洪澇災(zāi)害不僅會給當(dāng)?shù)剞r(nóng)業(yè)和漁業(yè)生產(chǎn)帶來影響，還會對基礎(chǔ)設(shè)施和城市建設(shè)造成嚴(yán)重破壞，影響當(dāng)?shù)亟?jīng)濟的發(fā)展[3]。研究洪澇災(zāi)害可以幫助當(dāng)?shù)叵嚓P(guān)部門更好地制訂防災(zāi)減災(zāi)和救災(zāi)預(yù)案。通過了解不同區(qū)域的災(zāi)害性質(zhì)和災(zāi)情變化趨勢，可以有針對性地采取措施，提高抗災(zāi)能力和響應(yīng)能力，減少災(zāi)害造成的損失[4-5]。了解災(zāi)害的成因和規(guī)律，可以讓民眾更好地預(yù)判災(zāi)害風(fēng)險，采取有效措施減少災(zāi)害損失[6]。

福建省位于中國東南沿海地區(qū)，是一個經(jīng)常受到暴雨和臺風(fēng)侵襲的地區(qū)。通過建立和驗證預(yù)測模型，可以更準(zhǔn)確地預(yù)測福建省暴雨洪澇災(zāi)害災(zāi)情區(qū)域，從而提高抗災(zāi)能力和響應(yīng)能力，減少災(zāi)害損失，為福建省的防災(zāi)減災(zāi)和救災(zāi)預(yù)案提供重要依據(jù)，保障人民的生命財產(chǎn)安全，促進經(jīng)濟的可持續(xù)發(fā)展。同時，建立預(yù)測模型也可以為福建省其他地區(qū)提供借鑒。

1 數(shù)據(jù)來源和研究方法

1.1 數(shù)據(jù)來源

第一，2001—2021年福州市的國家站站點的逐小時降水量觀測數(shù)據(jù)，其中2001—2020年的數(shù)據(jù)用于建立近20年福州市的單次暴雨洪澇災(zāi)害災(zāi)情區(qū)域預(yù)測區(qū)劃圖，2021年的數(shù)據(jù)用于分析提取一次重點暴雨洪澇災(zāi)害過程，并對該模型進行相關(guān)的驗證。第二，地形數(shù)據(jù)采用的是來自地理空間數(shù)據(jù)云的最新數(shù)字高程模型（Digital Elevation Model，DEM）數(shù)據(jù)。第三，福建省最新水系分布數(shù)據(jù)，用于建立福州市水系密度分布數(shù)據(jù)。

1.2 研究方法

（1）收集2001—2021年福州市所有國家氣象站站點的觀測數(shù)據(jù)，以及福建省的最新高程數(shù)據(jù)和水系線數(shù)據(jù)，以便為后續(xù)分析提供必要的基礎(chǔ)信息。嚴(yán)格按照相關(guān)標(biāo)準(zhǔn)收集這些數(shù)據(jù)，確保其全面性和準(zhǔn)確性。

（2）對收集到的國家氣象站站點數(shù)據(jù)進行了數(shù)據(jù)清理、質(zhì)量控制和系統(tǒng)梳理，目的是提取對福州市區(qū)洪澇災(zāi)害影響較為顯著的氣象因子。特別關(guān)注了1、2 h降水量和整個降水過程的累計降水量這3類關(guān)鍵氣象因子，并構(gòu)建了氣象因子集。這些因子能夠較為直觀地反映暴雨過程的強度和持續(xù)性，是研究區(qū)域洪澇災(zāi)害的重要指標(biāo)。

為了進一步量化這些氣象因子的影響，計算了氣象因子指數(shù)Qpre。該指數(shù)的計算公式如下：

Qpre=w1×Pre1 hmax+w2×Pre3 hmax+w3×Preproc（1）

式（1）中，Pre1 hmax為暴雨過程最強小時雨量歸一化值，Pre3 hmax為暴雨過程最強3 h雨量歸一化值，Preproc為暴雨過程降水量歸一化值。其中，歸一化使用了最大最小值法。w1、w2、w3分別為這3個氣象因子的權(quán)重系數(shù)，在這里分別取0.3、0.5和0.2。最后得到氣象因子Qpre。利用ArcGIS軟件將Qpre的站點數(shù)據(jù)通過克里金插值法插值成格點數(shù)據(jù)并對其進行歸一化處理，以便后續(xù)對數(shù)據(jù)用柵計算器進行柵格運算。此計算方式旨在綜合考慮暴雨過程的短時強降水和累計降水量，以更準(zhǔn)確地反映暴雨對市區(qū)洪澇災(zāi)害的潛在影響。

（3）計算twi指數(shù)，利用ArcGIS軟件對高程數(shù)據(jù)進行分步處理，通過計算得出福建省填洼數(shù)據(jù)、坡度數(shù)據(jù)（Slope）、流向數(shù)據(jù)、流量數(shù)據(jù)、單位面積匯流量（SCA）和twi地形濕度指數(shù)。其中，twi指數(shù)的表達(dá)式如下。

twi=ln（2）

（4）根據(jù)高程數(shù)據(jù)和水系數(shù)據(jù)，利用ArcGIS線密度分析計算得到福建省水系線密度格點數(shù)據(jù)，對水系線密度格點數(shù)據(jù)進行歸一化處理。通過下列公式計算得出Parea指數(shù)，該指數(shù)為單次暴雨過程引發(fā)的洪澇災(zāi)害致災(zāi)指數(shù)。

Parea=v1×twi+v2×Dwater+v3×Qpre（3）

式（3）中，twi為地形濕度指數(shù)，Dwater為單位面積的水系密度，Qpre為單次暴雨過程與洪澇災(zāi)害相關(guān)的氣象因子指數(shù)。其中，v1、v2、v3分別為權(quán)重系數(shù)。

（5）在研究中，利用2021年福州市一次典型的暴雨過程的氣象數(shù)據(jù)以及實際災(zāi)情，對所建立的洪澇災(zāi)害預(yù)測模型進行了初步驗證。具體而言，先計算了該次暴雨過程中的1、3 h降水量和全過程降水量，生成了與此次過程相關(guān)的氣象因子指數(shù)。隨后，為了保證氣象因子在模型計算中的一致性和可比性，對這些氣象因子進行了歸一化處理。歸一化過程中的最大值和最小值，依據(jù)2001—2020年模型建立期間的統(tǒng)計數(shù)據(jù)確定。在完成氣象因子的歸一化處理后，將這些處理后的數(shù)據(jù)輸入模型，計算該暴雨過程可能引發(fā)的洪澇災(zāi)害重點區(qū)域。為了檢驗?zāi)Ｐ偷挠行裕瑢⒂嬎憬Y(jié)果與當(dāng)?shù)氐膶嶋H災(zāi)情進行了對比分析。此次驗證分析以2021年臺風(fēng)“盧碧”所引發(fā)的暴雨過程為案例研究。臺風(fēng)“盧碧”在福州地區(qū)引發(fā)了顯著的降水及其相關(guān)災(zāi)害，對福州地區(qū)的影響較大，因此其所造成的實際影響為研究提供了可靠的對比數(shù)據(jù)。通過對比分析模型預(yù)測結(jié)果與實際災(zāi)情之間的吻合程度，驗證了模型在福州地區(qū)洪澇災(zāi)害預(yù)測中的應(yīng)用潛力和準(zhǔn)確性。

2 研究內(nèi)容

2.1 氣象因子分布

從氣象因子來看，福州市2001—2020年的暴雨過程氣象因子指數(shù)分布如圖1所示。圖1采用了克里金插值法對氣象因子指數(shù)的站點數(shù)據(jù)進行了初步的插值。通過自然斷點法，將指數(shù)分為5類，從圖中可以看出連江縣、市轄區(qū)和福清市的氣象因子指數(shù)較高，這些區(qū)域在單次暴雨過程之中，1、3 h降水和過程總降水量可能會較多。其中，長樂區(qū)、羅源縣、閩清縣和閩侯縣的氣象因子指數(shù)都較低。

2.2 致災(zāi)指數(shù)分布

在研究中，基于氣象影響因子、地形濕度指數(shù)（TWI）和河網(wǎng)密度指數(shù)，按照0.4、0.3、0.3的權(quán)重比例構(gòu)建了洪澇災(zāi)害風(fēng)險評估模型。通過該模型，生成了福州市受單次暴雨影響引發(fā)洪澇災(zāi)害的危險指數(shù)分布圖（圖2）。該圖直觀地展示了福州市內(nèi)不同區(qū)域的洪澇災(zāi)害風(fēng)險分布情況。

從圖2中可以看出，洪澇災(zāi)害風(fēng)險較高的區(qū)域主要集中在連江縣中部和南部、鼓樓區(qū)、臺江區(qū)、倉山區(qū)、晉安區(qū)南部、馬尾區(qū)東端和西端、長樂區(qū)沿海、福清市的大部分地區(qū)以及平潭綜合實驗區(qū)。這些區(qū)域由于多種因素的綜合作用，易受暴雨引發(fā)的洪澇災(zāi)害影響。相對而言，閩清縣、永泰縣、閩侯縣北部以及羅源縣的危險性等級較低，這些區(qū)域的洪澇災(zāi)害風(fēng)險較低，反映出其氣象、地理和水文條件對洪澇災(zāi)害的較低敏感性。

2.3 “盧碧”臺風(fēng)暴雨洪澇災(zāi)害氣象因子指數(shù)分布

圖3為此次對比驗證中選取的“盧碧”臺風(fēng)引起的暴雨洪澇災(zāi)害的福州市氣象因子分布圖，從圖中可以看出，此次暴雨氣象因子指數(shù)的高值區(qū)主要分布在沿海的連江縣、鼓樓區(qū)、倉山區(qū)、臺江區(qū)、晉安區(qū)南部、馬尾區(qū)、長樂區(qū)、閩侯縣南部、福清市、平潭綜合實驗區(qū)等地。氣象因子指數(shù)呈現(xiàn)由沿海地區(qū)向內(nèi)陸遞減的分布特征。

2.4 “盧碧”臺風(fēng)暴雨洪澇災(zāi)害致災(zāi)指數(shù)分布

從本次暴雨過程的模擬結(jié)果來看，本研究聚焦于2021年受“盧碧”臺風(fēng)影響的福州市暴雨洪澇災(zāi)害過程。此次暴雨過程的風(fēng)雨影響主要集中在8月4—8月8日，因此在分析中，選取了8月1—8月15日的氣象數(shù)據(jù)作為模型的輸入，以捕捉更為全面的氣象變化對災(zāi)害發(fā)展的影響。從圖4可以看出，受“盧碧”臺風(fēng)的強烈影響，此次暴雨洪澇災(zāi)害過程的致災(zāi)指數(shù)高值區(qū)主要集中在福州市的多個關(guān)鍵區(qū)域，包括閩侯縣東部與倉山區(qū)鄰近的區(qū)域、倉山區(qū)、臺江區(qū)、鼓樓區(qū)、晉安區(qū)南部、馬尾區(qū)、長樂區(qū)、福清市以及平潭綜合實驗區(qū)等地。這些區(qū)域在模型中顯示出較高的洪澇風(fēng)險，特別是閩侯縣的南嶼鎮(zhèn)，該鎮(zhèn)在圖中以紅星標(biāo)注，標(biāo)識出其作為此次暴雨洪澇的重災(zāi)區(qū)。此外，福州市的市轄區(qū)由于地勢較低且較為平坦，模型也預(yù)示這些地區(qū)在暴雨期間易出現(xiàn)局部的嚴(yán)重積澇現(xiàn)象。

為了驗證模型的準(zhǔn)確性，將模擬結(jié)果與實際災(zāi)情進行了詳細(xì)對比。結(jié)果顯示，模型對災(zāi)害高風(fēng)險區(qū)的預(yù)測與實際災(zāi)情之間表現(xiàn)出較強的一致性，說明模型具備較強的適用性和預(yù)測能力[7-8]。在實際災(zāi)情調(diào)查中發(fā)現(xiàn)，閩侯縣南嶼鎮(zhèn)確實是本次暴雨洪澇的重災(zāi)區(qū)，與模型預(yù)測完全吻合，表明該模型在預(yù)測暴雨引發(fā)的洪澇災(zāi)害方面有著良好的應(yīng)用前景，能夠為防災(zāi)減災(zāi)工作提供重要的科學(xué)依據(jù)。

3 結(jié)束語

利用福州市2001—2020年國家站氣象觀測數(shù)據(jù)、高程數(shù)據(jù)等，考慮氣象因子、水系密度、地形等因素，建立了福州市的由單次暴雨過程引發(fā)的洪澇災(zāi)害模型，對其引起的洪澇災(zāi)害致災(zāi)區(qū)域分布進行了研究。研究結(jié)果顯示，致災(zāi)指數(shù)較大的區(qū)域主要分布在福州市的鼓樓區(qū)、臺江區(qū)、倉山區(qū)、閩侯縣南部、馬尾區(qū)西部和沿海、連江縣、福清市和平潭綜合實驗區(qū)等地，靠近內(nèi)陸地區(qū)的閩清縣、閩侯縣北部、羅源縣西部等地不易發(fā)生由單次暴雨引發(fā)的洪澇災(zāi)害。從降水條件來看，靠近南部和沿海的區(qū)縣降水條件明顯更好；從地形條件來看，福州市山地較多，市轄區(qū)地勢相對較為平坦，四周多為山區(qū)，較為容易發(fā)生城市內(nèi)澇。應(yīng)當(dāng)提高防災(zāi)抗災(zāi)能力，加強災(zāi)前科普宣傳工作，利用模型和預(yù)報數(shù)據(jù)，對災(zāi)情進行初步估算，并對災(zāi)情可能較為嚴(yán)重的地區(qū)進行及時的疏散和防御。

參考文獻

[1] 馮強，王昂生，李吉順.我國降水的時空變化與暴雨洪澇災(zāi)害[J].自然災(zāi)害學(xué)報，1998（1）：89-95.

[2] 高詩妍，陳思，唐振飛，等.國內(nèi)外洪澇災(zāi)害評估進展與應(yīng)用研究綜述[J].海峽科學(xué)，2023（1）：19-21，48.

[3] 蘇慧君，賴巧珍，許慶文.龍巖市永定區(qū)近30年暴雨特征及其致災(zāi)性分析[J].海峽科學(xué)，2022（10）：7-10.

[4] 周成虎，萬慶，黃詩峰，等.基于GIS的洪水災(zāi)害風(fēng)險區(qū)劃研究[J].地理學(xué)報，2000（1）：15-24.

[5] 張會，張繼權(quán)，韓俊山.基于GIS技術(shù)的洪澇災(zāi)害風(fēng)險評估與區(qū)劃研究：以遼河中下游地區(qū)為例[J].自然災(zāi)害學(xué)報， 2005（6）：141-146.

[6] 劉可群，周守華，黃永平，等.土地利用變化對洪湖流域洪澇災(zāi)害影響[J].氣象科技進展，2018，8（5）：63-66.

[7] 張強，高歌.我國近50年旱澇災(zāi)害時空變化及監(jiān)測預(yù)警服務(wù)[J].科技導(dǎo)報，2004（7）：21-24.

[8] 陳艷真，林秋寒，梁寶元.2109號臺風(fēng)“盧碧”引發(fā)莆田市暴雨成因分析與模式檢驗[J].海峽科學(xué)，2022（5）：14-19，44.