基于Flood Area模型的邢台市小马河流域暴雨洪涝灾害风险分布特征

赵志楠，王丽荣，王丛梅，韩晓庆

(1.河北省邢台市气象局，河北 邢台 054000；2.河北省气象灾害防御中心，河北 石家庄 050021；3.河北省国土资源利用规划院，河北 石家庄 050051)

引 言

暴雨洪涝灾害是造成人员伤亡与财产损失最为严重的气象灾害之一[1-2]，且随着我国经济的快速发展，其造成的损失也不断增加[3]。暴雨洪涝灾害的发生是多种因素共同作用的结果，极端降雨一旦降落在中小河流附近无法及时排出，极有可能导致灾害发生，给沿岸人民带来严重危害[4-6]。因此加强对暴雨洪涝灾害的风险管理，适时开展中小河流暴雨洪涝监测预警对社会经济建设和人民生命财产安全具有重要意义[7-10]。

国内外学者就流域附近暴雨洪涝灾害风险评估展开了大量研究，并取得了一定成果[11-16]。目前的暴雨洪涝灾害风险评估理论大多从风险形成机制出发，综合考虑致灾因子、孕灾环境、承灾体与防灾减灾能力等指标，运用层次分析法给各评价指标赋予权重并叠加，进而划分不同的风险等级，给出相应的防御措施，这一研究成果在国内多个流域中得以运用[17-21]。然而层次分析法相对主观，各评价指标层次权重受人为因素影响较大，评价结果易形成误差[22]。为解决该方法不足，引入信息熵权法，该方法可有效消除人为因素干扰，但却无法保证各指标权重的一致性[23]。基于层析分析法与熵权法的优点，创建AHP熵权法对暴雨洪涝灾害进行风险评估，该方法可以将主客观因素对指标权重的影响降到最低，全面提升研究准确度[24-25]。

致灾临界面雨量是进行暴雨洪涝灾害风险评估的重要依据，为深入研究其对流域洪灾的影响，基于数次暴雨天气过程平均降雨量，利用统计分析法运算可以得到某流域的致灾临界面雨量[26]。但该方法相对简单，无法将计算结果精确到逐小时，且采用数次暴雨过程的平均雨量无法定量表达不同洪涝等级变化与灾害风险的关系[19,27]。为解决上述问题，本文在现有研究的基础上将重现期引入暴雨洪涝灾害风险评估中，依据MuDFiT软件得到不同重现期致灾临界面雨量，并基于GIS软件运行Flood Area水文模型对河北省内丘县小马河流域不同重现期、不同淹没深度的洪水淹没场景进行模拟。与以往研究相比，该方法获取不同重现期的致灾临界面雨量信息较为精确，并给出极端降雨天气下流域暴雨洪涝灾害风险分布特征与承灾体受损率，为相关决策部门做好小马河流域暴雨洪涝灾害防范工作提供一定的技术支撑。

1 研究区概况

内丘县位于河北省邢台市西部，属温带季风气候，降水多集中在7—9月。地势西高东低，平均海拔约1000 m，最高海拔1822 m，最低海拔45 m。境内河流众多，受当地气候影响，多为季节性河流，具有降水集中、地面回流迅速等特点。其西部山区植被覆盖度相对较低，一旦出现短时强降雨天气，极有可能出现暴雨洪涝灾害。

小马河发源于内丘县柳林乡东部浅山区，向南流入冯村乡，向东流经金店乡南界入隆尧县西南边界，全长36 km，流域面积320 km2。小马河在内丘县境内长27 km，宽150 m，泄水能力为10 m3·s-1。据统计1980—2019年内丘国家气象站平均气温13.0 ℃，最高气温42.2 ℃，最低气温-23.1 ℃。1980—2019年共出现暴雨59次，最大日降雨量为237.5 mm。小马河夏、秋流量较大，受流域上游地形地貌影响，一旦出现暴雨或短时强降雨天气极易发生洪涝灾害。例如1963年8月暴雨引起洪涝灾害，导致内丘县2426.87 hm2土地、165 674间房屋被冲毁，170人死亡，秋粮减产737×104kg，棉花减产67×104kg；2016年7月19—20日暴雨过程导致小马河流域部分地区85 000人受灾，农作物受灾面积高达103 15 hm2，直接经济损失9950万元。图1为小马河流域水系走向、地形以及气象站点分布。

图1 小马河流域地形、水系及气象站点分布Fig.1 Distribution of water system, terrain and meteorological stations in the Xiaoma river basin

2 资料与方法

2.1 资 料

所用资料有：(1)小马河流域26个区域站2014—2019年及其周边7个国家站1980—2019年逐日降水资料，资料均来源于邢台市气象局；(2)小马河流域30 m×30 m高程与土地利用数据；(3)小马河流域30 m×30 m人口、GDP数据。

文中涉及小马河流域地形、人口、GDP、土地利用类型等栅格数据均来源于中国科学院资源环境科学数据中心，文中附图涉及地图基于国家基础地理信息中心提供的审图号为GS(2019)1822的标准地图制作，底图无修改。

2.2 方 法

2.2.1 逐步回归分析

利用SPSS软件作线性回归分析，采用逐步回归法，挑选与区域站相关性最好的国家站，并建立相应的回归分析模型[28]：

Yi=ax1+bx2+cx3+dx4+ex5+fx6+gx7

(1)

式中：Yi(i=1，2，3，…，26)表示小马河流域内26个区域自动站；x1、x2、x3、x4、x5、x6、x7分别表示流域附近7个国家站；a，b，c，…，g为回归系数，当回归系数为0时，对应的国家站数据剔除。选取回归系数非零项的国家站对小马河流域区域站1980—2013年的降水数据进行拟合，重建区域站日降水序列。

2.2.2 泰森多边形法

流域面雨量数据的获取采用ArcGIS泰森多边形法，该方法是一种依据离散分布气象站点降雨量计算平均降雨量的方法[29]。提取小马河流域边界，结合流域附近的气象站点，计算该流域面雨量数据，具体公式如下[30]：

(2)

式中：Pa(mm)为流域面雨量；Ri(mm)为第i个站点的降雨量；Ai(m2)为第i个站点的面积；A(m2)为流域总面积；n为研究流域泰森多边形数量。

在公式(2)的基础上，利用多概率分布函数拟合工具软件(MuDFiT)提取流域最优函数下各重现期(5、10、15、20、30、50、100 a)致洪面雨量。具体方法是利用47种常用的分布函数对流域面雨量数据进行拟合，并利用3种拟合优度检验对47种常见函数进行检验，最终选取一种函数，得到各重现期面雨量数据[31]。

2.2.3 Flood Area水文模型

图2 Flood Area模型计算汇流原理示意图[14]Fig.2 Sketch map of convergence calculation principle for Flood Area modal[14]

水流的淹没深度为淹没水位高程和地面高程的差值，图2中箭头表示淹没过程中的水流方向(Aaspect)，它由地形坡向决定，地形坡向反映了斜坡所面对的方向。坡向的计算公式如下[34]：

(3)

2.2.4 指标归一化

对Flood Area模型模拟结果进行验证时，需要选取一次强降雨过程并对其造成的灾害进行风险评估。由于评估时选择的各类承灾体因子量纲不同，因此需要进行归一化处理，具体计算公式如下[35]：

(4)

式中：Dij是j个站点第i个指标规一化后的值，Aij是j个站点第i个指标值，mini和maxi分别是第i个指标值中的最小值和最大值。

2.2.5 技术路线

依据研究流域气象资料、地理信息、社会经济、人口与土地利用类型数据，利用泰森多边形法和MuDFiT软件获取各重现期的致洪面雨量数据，运行搭载于GIS平台的Flood Area模型，叠加各类承灾体栅格图层，开展不同重现期下的小马河流域暴雨洪涝灾害风险研究，图3为具体技术路线。

图3 小马河流域暴雨洪涝灾害风险分布特征技术路线图Fig.3 Technical flow chart for risk distribution characteristics of rainstorm and flood in the Xiaoma river basin

3 结果与分析

3.1 小马河流域面雨量

在SPSS软件中做逐步回归分析，将国家站1980—2019年逐日降水数据代入公式(1)中，重建该流域区域站历史降水序列。利用流域气象站点信息、边界范围构建泰森多边形，并对各站点降雨量进行权重赋值，得到流域逐日面雨量数据。结合小马河流域逐日面雨量数据，依据MuDFiT软件对序列进行拟合，确定最优拟合函数，计算得到该流域不同重现期的致灾面雨量数据(表1)。

表1 小马河流域不同重现期致灾面雨量Tab.1 Flood-causing areal rainfall under different recurrence periods in the Xiaoma river basin

3.2 小马河流域暴雨洪涝灾害风险特征

3.2.1 不同重现期下洪水淹没模拟

将不同重现期致洪面雨量数据平均分布到24h，作为Flood Area模型输入的逐小时降雨数据。加载流域DEM数据、地表粗糙度系数运行Flood Area模型[36]，模拟时长选择24 h，间隔为1 h，最大交换率为5%，对小马河流域不同重现期的淹没范围进行模拟(图4)。依据Flood Area模型模拟的淹没数据并结合流域实际情况，利用断点法将淹没深度(D)划分为5个等级：D≤0.1 m、0.1 m1.0 m。可以看出，随着重现期不断增大，洪水逐渐向中下游地区推进，淹没范围不断扩大加深。5 a一遇重现期下，洪水淹没范围相对较浅，整体淹没深度低于0.1 m(图略)；10 a与15 a一遇重现期下，洪水淹没深度大于0.1 m的范围不断扩大，其中0.3 m以上的淹没范围逐步向下游延伸；20 a一遇重现期下，0.1～0.3m淹没范围较前几个重现期进一步扩大，且0.3 m以上淹没范围扩大趋势更明显；30 a一遇重现期下，0.3 m以上淹没范围继续扩大，海拔较低的东部下游地区开始零散出现1.0 m以上淹没深度；50 a一遇重现期下，0.3～0.5 m、0.5～1.0 m淹没范围较前几个重现期更为突出，1.0 m以上淹没范围零散的分布于整个流域；100 a一遇重现期流域洪水淹没深度整体较大，洪水淹没深度大于1.0 m的范围基本涵盖整个流域。

图4 小马河流域不同重现期下洪水淹没深度分布(单位：m)Fig.4 The distribution of flood inundated depth under different recurrence periods in the Xiaoma river basin (Unit: m)

3.2.2 承灾体易损性分析

将栅格化的人口、GDP、土地利用类型等数据叠加到不同重现期淹没范围图层上，利用GIS栅格计算器工具，计算各类承灾体在不同重现期、不同淹没深度下的受损率(图5)。由图5可以看出，当淹没深度D在0.1 m以下时，对林地造成的影响较小，受损率较低，当0.1 m1.0 m时，林地受损率多在21%～43%之间。人口、GDP、城镇用地、耕地、草地等其他承灾体在淹没深度D<0.1 m时，受损率多在60%以上，当0.1 m1.0 m时受损率在1%～15%之间。

图5 小马河流域不同重现期、不同淹没深度下各承灾体的受损率Fig.5 The disaster rate of each disaster bearing body for different inundated flood depth under different recurrence periods in the Xiaoma river basin

为将风险降低在最低水平，相关部门在日常工作中要坚持工程措施与非工程措施并重，提高洪涝灾害防御能力；加强对洪涝灾害高风险区的管理，协调好发展与防洪的关系，开展建设活动时也要尽量避开高风险区域；加强洪灾风险研究，提高洪涝灾害防御的针对性；建立健全防御洪涝灾害的责任体系，加强跨区域联防；加大科普宣传，提高民众的安全防范意识和防灾水平[37-38]。

3.3 暴雨洪涝灾害风险验证

根据2016年7月19—20日强降雨过程对小马河流域模拟结果进行验证。此次降雨过程流域部分气象站点日降雨量达186 mm以上，其中张果老山景区、太子岩、獐么等站点日降雨量达300 mm以上，按照MuDFiT软件计算结果此次暴雨过程降雨量级为百年一遇。根据民政部门提供的灾情资料，选取受灾人口、GDP损失值以及农作物受灾面积作为承灾体因子，并利用专家打分法确定各因子权重[35]，构建承灾体易损性评估模型，具体公式如下：

Vj=0.6Va+0.2Vb+0.2Vc

(5)

式中：Vj为第j个区域站的承灾体易损性指数；Va、Vb、Vc分别为受灾人口、GDP、农作物受灾面积归一化后的值。

基于GIS栅格计算器叠加不同承灾体因子图层，利用自然断点法将承灾体易损性指数从低到高依次划分为低风险(0.50～0.56)、次低风险(0.57～0.61)、中风险(0.62～0.67)、次高风险(0.67～0.75)、高风险(0.76～0.91)等5个等级(图6)。由图6可以看出，当小马河流域日降雨量达到百年一遇级别时，承灾体受损情况较为严重，流域整体处于中风险以上水平。流域上游地区为海拔较高的山区，地广人稀，农作物播种面积较少，不论是受灾人口还是GDP损失都相对较轻。中等以上风险区逐渐由河道两侧向四周蔓延，特别是次高与高风险区向人口密集、工农业发达的平原地区延伸。低风险区位于下游的任县、隆尧部分地区，验证结果基本与Flood Area模型模拟结果一致。

图6 2016年7月19—20日小马河流域强降雨过程暴雨洪涝灾害区划Fig.6 The regionalization of flood disaster of heavy rainfall process in the Xiaoma river basin during 19-20 July 2016

4 结论与讨论

(1)小马河流域5、10、15、20、30、50、100 a不同重现期致洪面雨量分别为76.57、94.96、106.90、116.42、131.28、151.65、185.21 mm。

(2)Flood Area模型可以对小马河流域不同重现期、不同淹没深度的空间变化趋势进行有效模拟。结果表明随着重现期不断增大，洪水逐渐向中下游地区推进，淹没范围不断扩大加深。特别是百年一遇重现期整个流域受其影响较为明显。

(3)就承灾体受损率情况而言，当0.1 m1.0 m时，林地受损情况较严重，且受损率最高，淹没深度D<0.1 m时，对林地影响较小，受损率最低。人口、GDP、城镇用地、耕地、草地等其他承灾体淹没深度在0.1 m以下时受损率最高，0.1 m1.0 m时受损率居中，0.3 m

(4)选取2016年7月19—20日强降雨过程对模拟结果进行验证。结果表明，划分的风险等级分区与模拟基本一致，对小马河流域暴雨洪涝灾害特征分析较合理，Flood Area模型可用于暴雨洪涝灾害风险评估与预警工作。

小马河流域不同重现期致灾面雨量及淹没深度不仅与当地的降水总量和土地利用类型相关，还与当地投入建设的各类防洪抗灾工程密切相关。中小河流发生的暴雨洪涝灾害是多种因子共同作用的结果，应当尽可能考虑更多的影响因子诸如地貌、产流等[28]。基于Flood Area模型对小马河流域洪水淹没情形进行模拟与流域高程、各类承灾体栅格数据精确度密切相关，由于资料有限本文采用的高程与承灾体数据分辨率都较低，这在一定程度上降低了研究结果的准确性。未来要考虑更多的影响因子，采用更为精确的数据，进一步提升研究的科学性。