一种针对城市极端强降雨风险早期识别的方法

郑 睿 李 成 陈灿伟 杨 棚

（广东省电信规划设计院有限公司，广东 广州 510660）

1 引言

2021年7月10 日晚至12日凌晨，豫西、豫北地区迎来最强一轮降雨天气，济源、鹤壁局部地区出现特大暴雨，鹤壁、济源、安阳等市平均降雨量分别达151.2毫米、118.8毫米和97.4毫米。2021年7月18日至21日，河南多地出现了持续强降水天气过程，尤其在省会郑州普降特大暴雨，累积平均降水量449毫米。最大的降雨在20日下午4点到5点间，郑州全市降雨量达201.9毫米，超过我国陆地小时降雨量极值。降雨引发的洪水令市民措手不及，造成京广隧道倒灌、地铁5号线倒灌、郑州茜城花园15号及22号楼倾斜、小区及商场地库倒灌、道路塌陷等次生灾害问题。

此次极端强降雨造成了重大的人员和经济损失，截至8月2日12时，河南省共有150个县（市、区）、1663个乡镇、1453.16万人受灾。组织紧急避险93.38万人，转移安置最高峰值147.08万人；倒塌房屋30106户、89001间；农作物成灾面积872万亩，绝收面积380万亩，直接经济损失1142.69亿元。截至2021年8月2日12时，仅郑州市就有遇难292人，失踪47人，此次特大洪涝灾害共造成302人死亡，50人失踪。

基于此次事件的基本情况和重大影响，结合数学分析模型，开展对特定区域、特定时间范围内发生短时极端强降雨的风险进行早期识别的初步研究和讨论。

2 解决思路

2.1 数据收集整理

2.1.1 数据收集

通过对接汇聚气象和水文部门历史降雨数据，完成区域内降水相关的历史数据的收集，汇聚整理海拔高度、经纬度、地形（平地、丘陵、山区、沿海、海岛等）、坡向（南坡、北坡等）等公开的地理信息以及水文和气象基本雨量站的经纬度、海拔高度等公开的地理信息，为数据分析和风险识别提供基础数据支撑能力。

2.1.2 数据整理

将水文、气象基本雨量站历史降雨数据按照年-月-日-时-小时雨量的统一格式整理成逐时降雨数据文件，采用合理范围、相关性、连续性、变化趋势检验等手段，实现对观测数据代表性、一致性、可靠性的质量控制，以支撑准确可靠、完整高效的降雨数据质量分析。

2.1.3 建立原始数据集

根据质量控制后的各个站点历史雨量数据，采用滑动分析方法，每年挑选1小时、3小时、6小时、24小时等降雨历时的逐年历史最大值，建立统一的各站点各历时的极值雨量原始数据集，对应急、气象、水文等部门的实时人口热力图、经济、工地、化工厂等各类承灾体数据进行归类整理，建立区域内极端强降雨灾害承灾体数据库，为上层业务应用系统提供数据支撑，支撑实现数据汇聚、存储、融合、智能分析和可视化展示。

2.2 数据耦合分析

2.2.1 雨量站极值雨量序列延长订正

根据地理信息资料对有代表性的水文和气象基本雨量站的高程进行相似性分析，根据气象水文站经纬度资料对有代表性的水文和气象基本雨量站的位置及距离进行分析，根据地理信息资料对有代表性的水文和气象基本雨量站的坡度、坡向进行相似性分析，综合高程、经度、纬度、坡度、坡向等相似性分析，实现对水文和气象基本雨量站的邻近相似雨量参证站的选取，完成对水文气象基本雨量站降雨数据的极值序列数据延长订正，补充缺失数据，提高历史雨量极值数据的可靠性。

2.2.2 延长订正模型构建

降雨数据分析需同时考虑地理信息数据（经度、纬度、高程、坡度、坡向等），通过多元逐步回归分析、交叉验证等手段建立水文气象基本雨量站和参证站之间的极值雨量推算的合理可靠的数学模型，提升降雨数据分析的精准度和科学合理性。

2.2.3 极端强降雨频率计算分析

通过对各站点不同历时历史强降雨的频率分析，计算得出有代表性的水文气象基本雨量站1小时、3小时、6小时、24小时等降雨历时的重现期间隔为5年、最大重现期为100年的降雨量数据，对各站点不同降雨历时的年最大降雨量极值序列进行各种概率分布曲线拟合分析，确定最优的概率分布模型，帮助提升极端强降雨风险识别与预测能力。

2.2.4 拟合判别

根据拟合均方差、拟合相对偏差、柯尔莫哥洛夫检验指标等多种概率分布的拟合优度指标，确定各站点历史极值雨量频率分析的最优的概率分布模型：

（1）拟合相对偏差判别：根据拟合均方差计算拟合优度指标。

（2）拟合均方差判别：根据拟合相对偏差计算拟合优度指标。

（3）柯尔莫哥洛夫检验指标判别：根据柯尔莫哥洛夫检验指标计算拟合优度指标。

Sf=其中n为样本容量，Dn如下式所示：

Dn=

其中，xi为有序样本，Dn表示在所有各点上，经验分布与假设的理论分布之差的最大值。

以上三种指标均是值越小表示概率分布模型拟合效果越好，根据拟合结果，结合当地降雨特点，可确定各站点历史极值雨量频率分析的最优概率分布模型，帮助提前预测短时极端强降雨发生概率。

2.2.5 极端强降雨频率计算分析

基于最优概率分布模型，对各站点不同历时历史强降雨的频率进行分析，计算出区域内代表性水文气象站1小时、3小时、6小时、24小时等降雨历时的重现期5年、10年、20年、50年、100年一遇的短时极端强降雨的发生频率，为及时有效防范化解灾害事故风险提供有力支撑。

2.3 极端强降雨大数据智能分析

依据区域内基础数据库，实现对市区、城镇、乡村、山区、沿海地区等不同类型地区的极端强降雨进行智能频率风险分析和风险预警分级，实现事前预判、临灾预告、短临预警的全过程感知，提升风险发现能力、隐患排查能力和应急处置支撑能力。

2.3.1 极端强降雨智能风险分级体系确定

根据风险的高低、色彩的辨识度，确定极端强降雨风险分级体系、文字表述和色标体系。

2.3.2 极端强降雨智能风险等级阈值确定

依据敏感性、危险性、脆弱性、防灾减灾能力等，确定各镇街各历时的极端强降雨风险等级阈值，建立区域内镇街级精细度的各历时降雨频率风险预警等级阈值库。

2.3.3 极端强降雨智能风险分级

基于各历时极端强降雨数据库、风险等级阈值，按无风险、有一定风险（4级）、风险较高（3级）、风险高（2级）、风险很高（1级）5个级别对区域内各市、县及镇街发生短时极端强降雨的风险进行分级，预测风险隐患，提前分级别开展防御和告警转移等工作，减少人员伤亡和财产损失。

3 结语

通过探讨实现对极端强降雨发生风险的早期识别，提前预测灾害风险，进行风险防范和人员转移，可帮助减少人员伤亡和经济损失，进一步提升应急管理部门智慧监测预警和智慧辅助决策能力。下一步，需研究推进结合应急管理救援实战运用，不断核实完善应用体系，着实提升实战能力。