暴雨过程致灾危险性评估方法研究——以孝感市“8·12”暴雨过程为例

王芬，洪国平，赵小芳，何明琼，刘静，罗金芳，邓凯

(1.湖北省孝感市气象局，孝感 432100；2.武汉区域气候中心,武汉 430074；3.中国气象局武汉暴雨研究所中国气象局流域强降水重点开放实验室/暴雨监测预警湖北省重点实验室 武汉 430205；4.湖北省气象服务中心，武汉 430205)

引言

暴雨灾害是我国主要自然灾害之一，强度大、范围广、持续时间长的暴雨过程常引发洪涝、城市内涝以及山洪、泥石流、滑坡等灾害，造成重大经济财产损失和人员伤亡(陶玮等，2021；张柳红等，2021；李莹和赵姗姗，2022)。在全球气候变化背景下，极端暴雨频发，如2012 年京津冀“7·21”极端暴雨(谌芸等，2012)，2021 年河南“7·20”极端暴雨(奇道日娜等，2022)等。因此，开展暴雨灾害危险性预评估，在灾害发生前对灾害强度和位置进行预估，对于政府应急响应和公众及时采取防范措施减轻灾害损失具有重要意义。

近年来，暴雨过程综合强度及致灾危险性评估已成为研究热点，并取得有应用价值的研究成果。在暴雨过程综合强度评估方法研究中，王莉萍等(2018)、邹燕等(2014)、伍红雨等(2019)、张顺谦等(2019)以降水强度、持续时间、覆盖范围等指标建立了区域性降水过程或暴雨过程综合强度评估模型，分别对中国范围任意区域、福建省、广东省、四川省的暴雨过程综合强度进行定量评估。在暴雨致灾危险性评估方法研究中，除了考虑暴雨过程综合强度外，一般还增加了环境因子的影响。任洪玉等(2018)在全国山洪灾害危险性评价中，以多年暴雨极值平均和变异系数加权的暴雨指标、表征地形起伏度的地形指标相乘得到山洪灾害危险度指数，用于对全国山洪灾害危险性进行分区。王秀荣等(2016)以单站降雨综合指数(考虑暴雨强度和持续时间)为致灾因子，以高程指数、高程标准差指数、河网密度指数、土壤类型指数为孕灾环境因子，采用加权求和法构建中国4类降雨区暴雨灾害综合风险评估模型。孟旭芹等(2022)在对承德市精细化山洪灾害风险区划方法中，选取山洪灾害频次、1 h和3 h最小致灾降水量阈值作为山洪灾害危险性评价指标，将地形影响因子作为山洪灾害风险评价的一部分。中国气象局(2021)给出了暴雨致灾危险性评估技术规范(以下简称中国局规范)，采用单站多年历次暴雨过程的最大小时降水量、最大日降水量、过程累积降水量及持续日数为致灾因子，孕灾环境指数综合考虑海拔高度、地形高程标准差、水系及地质灾害易发条件的影响，对识别出的每次暴雨过程，均采用了相同的致灾因子和孕灾环境影响因子，致灾危险性区划结果显示的是各地暴雨灾害危险性总体分布特征。谢五三等(2023)根据中国局规范，并结合安徽实际，分别计算山洪和平原内涝致灾危险性指数，并将两者叠加得到融合山洪和平原内涝的安徽省暴雨综合致灾危险性分布。苏涛等(2023)同样采用中国局规范对湖南长沙县暴雨灾害危险性进行区划。

已有研究成果大多针对各地暴雨过程综合强度及致灾危险性总体分布特征，在暴雨致灾危险性评估中，确定致灾因子及孕灾环境影响因子后一般是固定不变的，即每次暴雨过程强度计算取相同的致灾因子和孕灾环境影响因子。实际上每次暴雨过程特征量不同，因此对单次暴雨过程致灾因子的选取应根据暴雨过程具体实际确定，暴雨区孕灾环境因子也应根据暴雨区下垫面特征选取，从而提高单次暴雨过程致灾危险性评估的针对性。本文结合孝感市2021 年8 月11—12 日暴雨过程(以下简称“8·12”过程)，通过对暴雨过程特征量和下垫面孕灾环境敏感性的分析，确定致灾因子及孕灾环境影响因子，提出了针对一次暴雨过程灾害危险性动态评估方法，并利用实际灾情数据对评估结果进行了合理性验证，以期为抢险救灾、防灾应急响应及减轻灾害风险提供技术支撑。

1 研究区概况及资料与方法

1.1 研究区概况

孝感地处湖北省东北部，桐柏山、大别山之南，长江以北，汉江以东，由大别山、桐柏山向江汉平原过渡，呈坡状地貌。北部山峰高度多在海拔400～800 m之间，最高海拔高程873.7 m；东北部与西北部山岳之间形成较宽的河谷地形，有较多北南向河流穿过；中部为丘陵地带，地面高程在海拔50～150 m 之间；南部为平原湖区，属江汉平原北延部分，地面高程在海拔50 m以下(图1)。孝感位于我国南北气候的交界线上，属中纬度亚热带温湿季风大陆性气候区，初夏、梅雨期暴雨频繁，易发生暴雨洪涝灾害。

1.2 资料说明

使用的资料包括：(1)孝感市1961—2020年7个国家气象观测站(以下简称国家站)20—20时(北京时，下同)日降水量、小时降水量和2021 年8 月11 日20 时—12 日20 时7 个国家站和120 个区域气象观测站(以下简称区域站)日降水量、小时降水量，均来源于国家气象信息中心全国综合气象信息共享平台“天擎”，并由该平台进行了质控。前者用于极端暴雨事件判别、降水量重现期分析，后者用于“8·12”过程特征量及强度分析。气象观测站的空间分布较均匀(图2)。(2)地理信息数据包括数字高程模型(DEM)，来源于美国航空航天局卫星雷达影像数据(Shuttle Radar Topography Mission,SRTM)，精度为30 m×30 m；水系河网数据来源于中国气象局；地理行政边界矢量数据来源于第一次全国气象灾害综合风险普查领导小组办公室。(3)“8·12”过程灾情数据，来源于孝感市民政局及农业局。

图2 孝感市气象观测站的空间分布Fig.2 Spatial distribution of meteorological observation stations in Xiaogan City

1.3 研究方法

首先明确单站暴雨过程，对相关概念定义如下：(1)单站暴雨日为前一日20时至当日20时国家站或区域站降水量≥50 mm；(2)单站暴雨过程指单站暴雨日持续1 d及以上或中断日出现中到大雨(日降水量10.0～49.9 mm)、且前后日均为暴雨日的降水过程，过程开始日、结束日分别为暴雨过程首个、最后一个暴雨日。

基于“8·12”暴雨过程特征量分析确定表征暴雨过程危险性的致灾因子。根据中国局规范和气象行业标准QX/T 405—2017，在危险性、风险评价中涉及多评价因子的权重系数时可采用信息熵赋权法确定。信息熵表示系统的有序程度，一个系统的有序程度越高，则熵值越大、权重越小，反之，则权重越大。即对于一个评价指标，指标值之间的差距越大，则该指标在综合评价中所起的作用越大。采用信息熵权法计算各致灾因子权重系数，采用致灾因子加权求和计算暴雨过程强度指数。根据暴雨区下垫面特征分析暴雨孕灾环境敏感性，依据海拔高程和水系河网数据，计算暴雨孕灾环境综合指数。将暴雨过程强度指数与孕灾环境综合指数加权求和构建暴雨过程致灾危险性指数模型，基于ArcGIS平台的空间分析模块，采用自然断点法对危险性指数分级。对暴雨区国家站日降水量进行排位，采用百分位数法判断极端事件，采用极值Ⅰ型概率分布函数拟合最大6 h降水量、日降水量重现期，利用实际灾情数据验证致灾危险性评估结果的合理性。

2 暴雨过程致灾危险性评估与验证

2.1 暴雨过程致灾因子选取

2021年8月11日20时—12日20时受对流层中高层西风带低值系统东移和中低层中尺度江淮切变线影响，孝感市自西向东发生了一次强降水过程，降水区位于孝感市中北部，中部一带降水量最大(图3)。强降水带先后影响安陆、应城、云梦、孝昌、大悟及孝感城区，造成了城市内涝、房屋受损和农作物受淹等灾害，具有来势猛、短时降水量大、降水集中等特点。区域内7个国家站中有6站日降水量超过50 mm，其中最大日降水量为199.6 mm(云梦县站)，为一次区域性暴雨过程(洪国平，2020)。孝感市84 个区域站日降水量超过50 mm，其中42 站出现大暴雨、8 站特大暴雨，最大1 h降水量为98.1 mm(云梦县伍洛站)，最大日降水量为235.4 mm(京珠高速孝南区京珠向k1115站)。区域内近71%的站点出现暴雨及以上量级降水。根据单站暴雨过程定义，共有90 站出现单站暴雨过程，暴雨过程时长为1 d。

图3 2021年8月11日20时—12日20时孝感最大1 h降水量(a)和日降水量(b)的空间分布(单位:mm)Fig.3 Spatial distribution for(a)maximum hourly precipitation and(b)day precipitation in Xiaogan City from 20∶00 BT on 11 to 20∶00 BT on 12 August,2021(unit:mm)

“8·12”过程降水最强时段主要出现在12 日05—14 时(图4a)，过程累积降水量最大的孝南区京珠高速k1115 站小时降水量(图4b)显示，其最大连续3 h、6 h降水量分别为189.2 mm(12日9—11时)、228.9 mm(12日8—13 时)。90 个暴雨站降水过程中的最大1 h、最大3 h、最大6 h降水量占各站过程总降水量的平均值分别为32.2%、60.6%、86.1%(图4c)，可见暴雨过程主要降水量集中在6 h 以内。因此，选取暴雨过程致灾因子时重点考虑短时降水量。

图4 2021年8月11日20时—12日20时孝感市90个暴雨站平均的逐小时降水量演变(a)，8月12日06—14时孝南区京珠高速k1115站逐小时降水量演变(b)和90个暴雨站平均的不同历时最大降水量在各站过程总降水量占比(c)Fig.4 Evolution of(a)mean hourly precipitation of 90 rainstorm stations from 20∶00 BT on 11 August to 20∶00 BT on 12 August,and(b)hourly precipitation of k1115 station in Jingzhu expressway from 06∶00 BT to 14∶00 BT on 12 August,and(c)mean ratio of different duration maximum precipitation to process precipitation of 90 rainstorm stations in Xiaogan City from 20∶00 BT on 11 August to 20∶00 BT 12 August,2021

2.2 暴雨过程致灾因子与强度指数

针对“8·12”过程历时短(24 h 以内)、降水量集中(最大6 h降水量占过程总降水量86.1%)、短时雨量大(最大1 h 降水量98.1 mm)等特征，选取过程最大1 h、最大3 h、最大6 h 降水量及日降水量4 个指标为致灾因子。取达到单站暴雨过程标准的90 个暴雨站的4个致灾因子值，构成原始数据矩阵，按信息熵赋权法计算得到4个致灾因子的熵权权重分别为:a=0.297 2，b=0.273 0，c=0.232 5，d=0.197 4，结果表明降水历时越短的因子，熵值越小，熵权越大，提供的有用信息量越大。对4个致灾因子加权求和构建单站暴雨过程强度指数公式(Ir)

式(1)中，R1h、R3h、R6h、R24h分别为归一化后的单站暴雨过程最大1 h、最大3 h、最大6 h 及日降水量等4 个致灾因子，归一化公式如下(QX/T 405—2017)

式(2)中，dij为j站第i个指标的归一化值，aij为j站第i个指标值，xmax(i)、xmin(i)分别为第i个指标值中的最大值和最小值。计算了90 个单站暴雨过程强度指数值(Ir)，通过ArcGIS 平台空间分析模块，采用反距离权重插值法(IDW)，将基于站点的Ir值插值到30 m×30 m 的格网，然后绘制暴雨过程强度指数分布图(图5)，可见孝南区中北部、云梦县中部、应城市东北部、安陆市西部、孝昌县南部、大悟县南部的Ir相对较高，这主要与各短历时的降水强度有关。

图5 孝感市“8·12”暴雨过程强度指数的空间分布Fig.5 Spatial distribution of intensity indices for“8·12”rainstorm process in Xiaogan City

2.2 暴雨孕灾环境敏感性

暴雨孕灾环境指在暴雨影响下对形成洪涝、城市内涝以及山洪、泥石流、滑坡等次生灾害起作用的自然环境。暴雨孕灾环境对暴雨成灾危险性起扩大或缩小作用。根据中国局规范暴雨孕灾环境宜考虑地形、河网水系、地质灾害易发条件等影响。孝感市地形地貌特征利于中南部形成雨洪汇流，因此暴雨孕灾环境应考虑地形影响；孝感市中南部河流湖泽分布密集，一般来说，距离河流、湖泊等水体越近，遭受洪涝灾害的风险越大，因此暴雨孕灾环境应考虑水系分布影响。本次暴雨过程时间短，且主要发生在孝感市中部，不易发生次生地质灾害，因此不考虑地质灾害易发条件影响。

(1)地形因子影响包括地形高程和局地地形起伏度，后者采用地形高程标准差(Sh)表示。一般来说，地势越低、地形起伏变化越小的平坦地区不利于洪水的排泄，容易形成涝灾。高程标准差(Sh)的计算式为

式(3)中，hj为评估点临近8 个方位栅格的海拔高度(单位:m)，h0为评估点海拔高度(单位:m)，n=8，j为高程的格点数。根据评估点的Sh、h0，并参照浙江省地方标准(DB33/T 2025—2017)，地形影响指数(Ph)按表1矩阵确定。

表1 不同高程标准差和海拔高程影响下的孝感市地形因子影响指数Table 1 Topographic factor impact index of different elevation standard deviation and elevation in Xiaogan City

(2)水系因子影响主要考虑评估点距离水体的远近(缓冲区长度)，参照浙江省地方标准(DB33/T 2025—2017)，将评估点距离水体的不同距离转换为相应系数值，作为水系因子影响指数(Pr)，按表2赋值。

表2 不同水体面积和距离影响下的孝感市水系因子影响指数(Pr)Table 2 Drainage factor impact index(Pr)of different water body area and distance from water body

(3)综合考虑地形、水系等环境敏感性影响，暴雨孕灾环境综合指数(Ie)通过Ph、Pr的加权求和得到，公式为

式(4)中，wh、wr分别为地形因子影响指数、水系因子影响指数的权重系数，二者满足wh+wr=1.0，考虑到本次过程孝感市地形地理条件、水系条件对暴雨致灾影响同等重要，取wh、wr分别为0.5、0.5。基于Arc-GIS平台的空间分析模块，计算得到30 m×30 m格网的孕灾环境综合指数，绘制成指数图(图6)，可见孝感市中南部、中北部河流周边暴雨孕灾环境综合指数较高，这与地形起伏度及水网密集度有关。

图6 孝感市“8·12”暴雨过程孕灾环境综合指数的空间分布Fig.6 Spatial distribution of synthesis disaster-prone environment indices of“8·12”rainstorm process in Xiaogan City

2.4 暴雨致灾危险性评估

暴雨致灾危险性指数(Ih)由暴雨过程强度指数(Ir)和孕灾环境综合指数(Ie)加权综合而得，致灾危险性指数(Ih)计算式为

在ArcGIS平台的空间分析模块上，对基于相同栅格分辨率的Ir和Ie按式(5)计算得到各栅格Ih。根据中国局规范，暴雨过程致灾危险性等级依据Ih值划分，一般划分为4级，考虑到本次暴雨过程强度大、降水集中的特点，采用更精细的5 级危险等级分级和自然断点法划分，绘制出危险等级分区图(图7)。可见孝南区大部、云梦县中部、应城市东北、安陆市西南为暴雨致灾高危险区，而较高危险区几乎覆盖整个孝感市中部，这与暴雨强度及地形、水系水体等环境敏感性有关。

图7 孝感市“8·12”暴雨过程致灾危险性等级的空间分布Fig.7 Spatial distribution of disaster hazard zonation for“8·12”rainstorm process in Xiaogan City

上文评估了此次暴雨过程危险等级空间上的相对差异，下面对此次暴雨过程强度的历史排位进行评估。分析孝感市国家站1961—2020 年长序列日暴雨量及“8·12”过程日雨量排位表明，“8·12”过程中位于暴雨区中心的云梦站、孝南站日暴雨量分别排第4、5位，采用95%百分位值作为极端暴雨事件阈值，则云梦站、孝南站均达到极端暴雨事件等级。重现期分析表明，孝南站最大6 h降水量达50 a一遇，日降水量(11日20时—12日20时)为10 a一遇，云梦站最大6 h降水量接近50 a一遇，日降水量为10 a一遇，可见“8·12”过程的短时暴雨强度比日降水量强度更强。

2.5 灾情验证

收集到的“8·12”过程灾情表明，灾害主要发生在孝南区、云梦县、应城市、安陆市，孝南区、应城市城区部分道路和小区，内涝深度30～60 cm，孝昌县、临空区、双峰山部分乡镇农作物受淹、房屋受损。根据孝感市民政局灾情数据，孝感全市累计受灾人口33.404 8 万人，其中紧急避险0.705万人，转移安置0.137 7 万人；农作物受灾面积1.815×104hm2，成灾9.606×103hm2，绝收3.025×103hm2；倒塌房屋32间，严重损房38间；直接经济损失5.4亿元。重灾区位于危险性分区图的高和较高危险区。根据直接经济损失指标，此次暴雨灾害属“大型”(Ⅱ级)灾害等级(陶玮等，2021)。未发生暴雨次生地质灾害，孕灾环境综合指数不考虑地质灾害易发条件影响是合理的。综上，实际灾情数据与致灾危险性评估结果基本相符。

3 结论与讨论

基于孝感市“8·12”过程降水特征确定暴雨致灾因子，根据暴雨区地形、水系等环境敏感性特征确定孕灾环境因子，计算致灾危险性指数，按自然断点法划分为5 级，绘制了孝感市“8·12”过程危险性等级分区图，并利用实际灾情数据验证评估结果的合理性，得到如下主要结论：

(1)根据暴雨过程86.1%降水量集中在6 h以内的特征，选取暴雨过程最大1 h、最大3 h、最大6 h及日降水量作为致灾因子是合理的。采用信息熵赋权法确定致灾因子权重系数，计算结果表明降水历时越短的因子，熵值越小，熵权越大，提供的有用信息量越大；对致灾因子加权求和得到暴雨过程强度指数，孝南区中北部、云梦县中部、应城市东北部、安陆市西部、孝昌县南部、大悟县南部暴雨过程强度指数相对较高。

(2)孝感“8·12”过程致灾高危险区位于孝南区大部、云梦县中部、应城市东北部、安陆市西南部，而较高危险区几乎覆盖整个孝感市中部，这与暴雨强度和地形、水系水体等环境敏感性有关。位于暴雨区中心的云梦站、孝南站过程日暴雨量分别排1961—2020年第4、5位，均达到极端暴雨事件等级，最大6 h降水量、日降水量重现期分别为50 a 一遇、10 a 一遇。

(3)承灾体灾情数据验证表明，重灾区位于危险性分区的高和较高危险区，此次灾害等级属“大型”灾害等级，主要承灾体灾情损失与致灾危险性评估结果基本相符。

本研究给出的暴雨过程致灾因子选取方法、暴雨区孕灾环境敏感性分析法适用于暴雨过程致灾危险性的动态评估、复盘评估，结合智能网格预报，也可适用于即将发生的暴雨过程灾害危险性预估。但暴雨过程灾害危险性评估中还存在如下主要问题：一是地形和水系的分辨率不高，本文采用了30 m×30 m 栅格分辨率的数值高程模型，仍不能精细地刻画暴雨区微地形(如中小河流)的变形度，对于城市暴雨内涝的评估也达不到街道级的精细刻画。二是本文采用的统计方法只能给出暴雨致灾空间上的不同等级危险区范围，未能给出影响时间，这是采用统计方法研究的不足。今后可结合水文动力模型模拟方法，开展暴雨淹没地点、水深、淹没时间、淹没面积等精细化模拟，进行暴雨洪涝灾害的更精细化评估研究。