基于GIS台风洪涝灾害预测模型研究

黄秋锋　李进强　郭小兵　陈从文

[摘 要]台风是最强的暴雨天气系统，往往给受影响的地区造成巨大的经济损失甚至人员伤亡。准确及时地了解台风洪水灾害的形成过程，对于防洪减灾、洪水风险分析具有重要意义。本文综合采用BP神经网络，空间插值，水文分析，地表下渗率分析等多项技术方法，建立了福州地区汇水流域总降水量预测模型，并在ArcGIS Engine上实现了洪水灾害的动态模拟，研究成果可为有关人员参考。

[关键词]降雨量预测 洪涝灾害 动态模拟

中图分类号：X43 文献标识码：A 文章编号：1009-914X（2016）05-0351-02

台风是最强的暴雨天气系统，往往会造成狂风暴雨引发局地洪涝灾害，是影响最为严重的自然灾害之一。据统计，福州地区平均每年受台风影响3-5次，属于台风灾害的多发区。2005年，“龙王”台风肆虐福州，强降水造成山洪暴发，福州市区受淹最深达1.9米，福建全省三百多万人受灾，直接经济损失达32.78亿元人民币。

要减轻台风洪水灾害，一方面要加强抗台风防御工程设施建设；另一方而，要加强台风洪涝灾害形成机理的研究。近年来，已有不少学者对热带气旋暴雨进行了大量研究，例如：林毅等对龙王台风中尺度暴雨成因进行了定性分析[1]，发现中尺度大暴雨的发生与台风环流北侧出现的中尺度涡旋有密切的关系；林小红等对1960～2005年46年间影响福建的台风降水进行时空分析[2]，发现台风降水由闽南沿海向闽西北内陆逐渐减小，受福建山地地形作用，山脉以东的台风暴雨发生的概率要大大高于山脉西侧地区。在定量分析方面，王春娟等采用BP神经网络对香港地区1997-2012年6月期间48个台站的22场台风降雨资料进行预测分析[3]，对单一台风降雨量预测准确度达到75.1%，但由于该方法是以台风到达观测站点的强度和风向作为输入参数，不能做到提前预警的作用；艾福利等基于ArcGIS对台风过程降水进行插值分析[4]。在洪涝灾害模拟方面，孙海，邹时林等采用ArcEngine实现了洪水淹没可视化[5][6]，但对于台风引发洪涝灾害进行全过程研究的示例很少。

以上分析表明：台风洪水灾害预报涉及几个环节：1）使用登录前台风参数预测将来降雨量；2）汇水流域下渗能力的计算；3）淹没范围的动态模拟。本文以福州市为例，利用BP神经网络，空间插值，水文分析，地表下渗率分析等方法，建立了福州地区汇水流域总降水量预测模型，并运用 ArcEngine实现了洪涝灾害的三维动态模拟。

1基于BP台风降雨量预测模型

影响热带气旋降水量的因子间具有明显的非线性特征。BP神经网络具有非线性、准动力等特点，且其判别精确度不会随样本噪声而受到影响，较优于传统的统计法；另外该网络的拓扑结构灵活多样，有比较强的自学习功能、容错功能、联想存储功能等。因此，选择具有非线性性质的人工神经网络方法建立台风降雨量预测模型，是十分恰当。

1.1 影响台风降雨量的主要因素

影响热带气旋降水量的因素较多且复杂，特别大的台风降水往往由多个因素造成[7]：

1）台风强度是影响台风降雨量的主要因素之一。

2）地形作用可加大迎风坡的降水，同时使背风坡降水减少。

在福建沿海与内陆交界处有贯穿自北而南的鹫峰山-戴云山-博平岭山山脉。由西北太平洋生成并登陆福建的台风路径大都由低纬向高纬区域活动，台风由东南-西北方向迎着山脉进入，受地形增幅作用在山脉迎风坡气流的抬升作用下加上台风带来充沛水汽使得强对流云团在迎风坡发展和滞留，则山脉以东的迎风坡台风降水较背风坡明显偏多[8]。

3）长期干旱，空气中水汽少，湿度低.会导致台风降水明显减少。

1.2 基于BP台风点降水预测模型设计

根据1.1分析，影响台风降雨量的主要因素中，台风“登录地点”和“移动方向”反映了地形作用的影响，而且从气象预报中可以提前得到。因此以“登录地点”（X1，X2）、“移动方向”（X3）、“台风强度”（X4）为台风特征因子，雨量站选取位置（X5，X6），三个因子共6个输入因子，以及2个输出因子：降雨量（Y1），降雨时长（Y2）。

因此、确定网络输入层节点数为6，输出层节点数为1，并且根据kolmogorov定律，将隐含层节点数取为9，激活函数为S型函数，由此得到用于福州台风降雨预报的BP神经网络拓扑结构为（6，9，1）。

1.3 区域降雨量预测计算

利用训练好的BP预测模型可以预测各个雨量站预测数据，然后利用这些数据进行空间内插，得到区域降雨量栅格数据。常用内插方法：反距离权重插值（IDW）、克里格法。由于克里格法考虑了空间相关性[4]，并经试验证实：克里格法较为适宜。

2 流域内汇水总量计算

降水是沿着地表径流和地下（下渗）两种主要途径汇入河网，而造成洪水灾害的主要原因是由于大暴雨下高度集中的地表径流引起。良好的土壤下渗能力可减少坡面地表径流量而增加地下径流量，从而削减洪峰。

2.1 土壤下渗能力计算

土壤下渗能力与地表土壤质地、土壤结构、植被覆盖率有关，通常植被覆盖比较好的区域土壤较疏松，孔隙度高，透水性能强，枯枝落叶和腐殖质层厚对地表起到覆盖和保护的作用，在发生洪水灾害期间可以滞留大量的水分，渗入地下从而补充地下水。相反地，如果区域的植被覆盖较差，导致土壤的吸水性也变差。从大体上来说，土壤下渗能力从小到大依次是：农地、草地、灌丛地、天然林地。

3 实例验证

3.1数据来源

1）从中国科学院数据云获取：福州地区30m分辨率DEM数据，30m分辨率Landset8卫星影像数据。DEM及卫星影像数据进行拼接处理，继而在ArcGIS 中利用Georeference工具将DEM及卫星影像与福州地区矢量数据进行配准。

2）从福州勘测院获取：福州地区矢量数据（包括道路，居民点，各级行政区等）。

3）从福州市气象局收集：各雨量观测站台记录的风降雨量数据和降雨时长数据。

3.2 观测站点降水预测模型训练

选择9个历史上比较典型的台风（9914号“丹恩”，0102号“飞燕”，0513号“泰利”，0519号“龙王”，0604号“碧利斯”，0605号“格美”，0608号“桑美”，0808号“海鸥”，0809号“凤凰”）样本数据，以及福州地区7个雨量站（乌山观测站、晋安站、长乐站、福清站、永泰站、连江站、闽侯站、闽清站）相应记录，采用 MATLAB 的 BP 神经网络工具，对BP网络进行2500次迭代训练，得到进行相关的预测模型。

3.3 洪水淹没范围数据库计算

第2部分研究得到汇水总量，但不知道淹没高度，无论采用种子扩算算法，还是采用ArcGIS CutFill方法都需要进行多次迭代计算，才能找到洪水范围，计算时间较长，不能满足灾情动态模拟的要求。为此在Arc Engine中开发专门计算工具，将1m-100m每一个淹没高程的淹没范围及相应降雨量体积预先计算出来，以高度为索引存储在Access数据库数据表中（为提高效率，只存储淹没范围数据的文件名，实际文件统一存在指定目录中）。实际应用时，根据降雨量在数据库快速查询到相应高度的淹没范围数据文件名。

3.4 洪水灾情动态模拟

1）首先使用Matlab BP得到汇水流域的汇水总量统计数据；

2）在Access数据库中查寻到相应的淹没高度记录（H）；

3）从1m开始连续加载对应的淹没范围栅格数据，直至大于H为止；加载时间为每秒加载一次。

将遥感影像和其他场地上要素的添加，即可生动地表达了研究区的地理环境特征和水灾淹没场景。如图3-1

4 结论

综合上述，可得出结论：

1）基于BP神经网络能够快速地对研究区域内台风降雨量进行预测，结合Horton模型减去下渗量，能够得到较接近真实的地表径流量数据。

2）在ArcEngine三维分析支持下可动态模拟洪水灾害的形成过程。该模型在“龙王”台风推演中实现了较好的模拟效果，并且满足一定的精度要求。

3）由于在台风过程中引发洪水灾害还受其他许多因素的影响，实际洪水淹没并不是同一个水平高度，加之数据获取不够充分，只能模拟中尺度洪水淹没灾情与周围的环境关系，高精度的模型有待于进一步研究。