福州市单次暴雨洪涝灾害灾情区域预测

摘 要：利用福州市近30年国家气象观测站观测数据、福州市高程数据和水系数据。针对福州市单次暴雨洪涝灾害的灾情区域进行了预测分析，建立了洪涝灾害预测模型。模型综合考虑了气象因子、地形湿度和水系密度等因素，以提高预测的准确性。研究结果表明，高风险区域主要集中在沿海及南部地区，而内陆地区风险较低。模型在2021年“卢碧”台风事件中得到验证，显示出良好的预测效果。提出了加强重点区域的防灾减灾措施，以减少洪涝灾害的影响。

关键词：暴雨洪涝；灾害区域；福州市

中图分类号：P426.616 文献标志码：B 文章编号：2095–3305（2024）07–0-03

近年来，随着我国城市化进程不断加快，以暴雨为典型的极端降雨事件在中国各大城市频繁发生对社会经济造成了巨大的损失。这些自然灾害往往会引起严重的洪涝灾害，给当地人民的生命财产安全带来严重威胁[1-2]。洪涝灾害不仅会给当地农业和渔业生产带来影响，还会对基础设施和城市建设造成严重破坏，影响当地经济的发展[3]。研究洪涝灾害可以帮助当地相关部门更好地制订防灾减灾和救灾预案。通过了解不同区域的灾害性质和灾情变化趋势，可以有针对性地采取措施，提高抗灾能力和响应能力，减少灾害造成的损失[4-5]。了解灾害的成因和规律，可以让民众更好地预判灾害风险，采取有效措施减少灾害损失[6]。

福建省位于中国东南沿海地区，是一个经常受到暴雨和台风侵袭的地区。通过建立和验证预测模型，可以更准确地预测福建省暴雨洪涝灾害灾情区域，从而提高抗灾能力和响应能力，减少灾害损失，为福建省的防灾减灾和救灾预案提供重要依据，保障人民的生命财产安全，促进经济的可持续发展。同时，建立预测模型也可以为福建省其他地区提供借鉴。

1 数据来源和研究方法

1.1 数据来源

第一，2001—2021年福州市的国家站站点的逐小时降水量观测数据，其中2001—2020年的数据用于建立近20年福州市的单次暴雨洪涝灾害灾情区域预测区划图，2021年的数据用于分析提取一次重点暴雨洪涝灾害过程，并对该模型进行相关的验证。第二，地形数据采用的是来自地理空间数据云的最新数字高程模型（Digital Elevation Model，DEM）数据。第三，福建省最新水系分布数据，用于建立福州市水系密度分布数据。

1.2 研究方法

（1）收集2001—2021年福州市所有国家气象站站点的观测数据，以及福建省的最新高程数据和水系线数据，以便为后续分析提供必要的基础信息。严格按照相关标准收集这些数据，确保其全面性和准确性。

（2）对收集到的国家气象站站点数据进行了数据清理、质量控制和系统梳理，目的是提取对福州市区洪涝灾害影响较为显著的气象因子。特别关注了1、2 h降水量和整个降水过程的累计降水量这3类关键气象因子，并构建了气象因子集。这些因子能够较为直观地反映暴雨过程的强度和持续性，是研究区域洪涝灾害的重要指标。

为了进一步量化这些气象因子的影响，计算了气象因子指数Qpre。该指数的计算公式如下：

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

式（1）中，Pre1 hmax为暴雨过程最强小时雨量归一化值，Pre3 hmax为暴雨过程最强3 h雨量归一化值，Preproc为暴雨过程降水量归一化值。其中，归一化使用了最大最小值法。w1、w2、w3分别为这3个气象因子的权重系数，在这里分别取0.3、0.5和0.2。最后得到气象因子Qpre。利用ArcGIS软件将Qpre的站点数据通过克里金插值法插值成格点数据并对其进行归一化处理，以便后续对数据用栅计算器进行栅格运算。此计算方式旨在综合考虑暴雨过程的短时强降水和累计降水量，以更准确地反映暴雨对市区洪涝灾害的潜在影响。

（3）计算twi指数，利用ArcGIS软件对高程数据进行分步处理，通过计算得出福建省填洼数据、坡度数据（Slope）、流向数据、流量数据、单位面积汇流量（SCA）和twi地形湿度指数。其中，twi指数的表达式如下。

twi=ln（2）

（4）根据高程数据和水系数据，利用ArcGIS线密度分析计算得到福建省水系线密度格点数据，对水系线密度格点数据进行归一化处理。通过下列公式计算得出Parea指数，该指数为单次暴雨过程引发的洪涝灾害致灾指数。

Parea=v1×twi+v2×Dwater+v3×Qpre（3）

式（3）中，twi为地形湿度指数，Dwater为单位面积的水系密度，Qpre为单次暴雨过程与洪涝灾害相关的气象因子指数。其中，v1、v2、v3分别为权重系数。

（5）在研究中，利用2021年福州市一次典型的暴雨过程的气象数据以及实际灾情，对所建立的洪涝灾害预测模型进行了初步验证。具体而言，先计算了该次暴雨过程中的1、3 h降水量和全过程降水量，生成了与此次过程相关的气象因子指数。随后，为了保证气象因子在模型计算中的一致性和可比性，对这些气象因子进行了归一化处理。归一化过程中的最大值和最小值，依据2001—2020年模型建立期间的统计数据确定。在完成气象因子的归一化处理后，将这些处理后的数据输入模型，计算该暴雨过程可能引发的洪涝灾害重点区域。为了检验模型的有效性，将计算结果与当地的实际灾情进行了对比分析。此次验证分析以2021年台风“卢碧”所引发的暴雨过程为案例研究。台风“卢碧”在福州地区引发了显著的降水及其相关灾害，对福州地区的影响较大，因此其所造成的实际影响为研究提供了可靠的对比数据。通过对比分析模型预测结果与实际灾情之间的吻合程度，验证了模型在福州地区洪涝灾害预测中的应用潜力和准确性。

2 研究内容

2.1 气象因子分布

从气象因子来看，福州市2001—2020年的暴雨过程气象因子指数分布如图1所示。图1采用了克里金插值法对气象因子指数的站点数据进行了初步的插值。通过自然断点法，将指数分为5类，从图中可以看出连江县、市辖区和福清市的气象因子指数较高，这些区域在单次暴雨过程之中，1、3 h降水和过程总降水量可能会较多。其中，长乐区、罗源县、闽清县和闽侯县的气象因子指数都较低。

2.2 致灾指数分布

在研究中，基于气象影响因子、地形湿度指数（TWI）和河网密度指数，按照0.4、0.3、0.3的权重比例构建了洪涝灾害风险评估模型。通过该模型，生成了福州市受单次暴雨影响引发洪涝灾害的危险指数分布图（图2）。该图直观地展示了福州市内不同区域的洪涝灾害风险分布情况。

从图2中可以看出，洪涝灾害风险较高的区域主要集中在连江县中部和南部、鼓楼区、台江区、仓山区、晋安区南部、马尾区东端和西端、长乐区沿海、福清市的大部分地区以及平潭综合实验区。这些区域由于多种因素的综合作用，易受暴雨引发的洪涝灾害影响。相对而言，闽清县、永泰县、闽侯县北部以及罗源县的危险性等级较低，这些区域的洪涝灾害风险较低，反映出其气象、地理和水文条件对洪涝灾害的较低敏感性。

2.3 “卢碧”台风暴雨洪涝灾害气象因子指数分布

图3为此次对比验证中选取的“卢碧”台风引起的暴雨洪涝灾害的福州市气象因子分布图，从图中可以看出，此次暴雨气象因子指数的高值区主要分布在沿海的连江县、鼓楼区、仓山区、台江区、晋安区南部、马尾区、长乐区、闽侯县南部、福清市、平潭综合实验区等地。气象因子指数呈现由沿海地区向内陆递减的分布特征。

2.4 “卢碧”台风暴雨洪涝灾害致灾指数分布

从本次暴雨过程的模拟结果来看，本研究聚焦于2021年受“卢碧”台风影响的福州市暴雨洪涝灾害过程。此次暴雨过程的风雨影响主要集中在8月4—8月8日，因此在分析中，选取了8月1—8月15日的气象数据作为模型的输入，以捕捉更为全面的气象变化对灾害发展的影响。从图4可以看出，受“卢碧”台风的强烈影响，此次暴雨洪涝灾害过程的致灾指数高值区主要集中在福州市的多个关键区域，包括闽侯县东部与仓山区邻近的区域、仓山区、台江区、鼓楼区、晋安区南部、马尾区、长乐区、福清市以及平潭综合实验区等地。这些区域在模型中显示出较高的洪涝风险，特别是闽侯县的南屿镇，该镇在图中以红星标注，标识出其作为此次暴雨洪涝的重灾区。此外，福州市的市辖区由于地势较低且较为平坦，模型也预示这些地区在暴雨期间易出现局部的严重积涝现象。

为了验证模型的准确性，将模拟结果与实际灾情进行了详细对比。结果显示，模型对灾害高风险区的预测与实际灾情之间表现出较强的一致性，说明模型具备较强的适用性和预测能力[7-8]。在实际灾情调查中发现，闽侯县南屿镇确实是本次暴雨洪涝的重灾区，与模型预测完全吻合，表明该模型在预测暴雨引发的洪涝灾害方面有着良好的应用前景，能够为防灾减灾工作提供重要的科学依据。

3 结束语

利用福州市2001—2020年国家站气象观测数据、高程数据等，考虑气象因子、水系密度、地形等因素，建立了福州市的由单次暴雨过程引发的洪涝灾害模型，对其引起的洪涝灾害致灾区域分布进行了研究。研究结果显示，致灾指数较大的区域主要分布在福州市的鼓楼区、台江区、仓山区、闽侯县南部、马尾区西部和沿海、连江县、福清市和平潭综合实验区等地，靠近内陆地区的闽清县、闽侯县北部、罗源县西部等地不易发生由单次暴雨引发的洪涝灾害。从降水条件来看，靠近南部和沿海的区县降水条件明显更好；从地形条件来看，福州市山地较多，市辖区地势相对较为平坦，四周多为山区，较为容易发生城市内涝。应当提高防灾抗灾能力，加强灾前科普宣传工作，利用模型和预报数据，对灾情进行初步估算，并对灾情可能较为严重的地区进行及时的疏散和防御。

参考文献

[1] 冯强，王昂生，李吉顺.我国降水的时空变化与暴雨洪涝灾害[J].自然灾害学报，1998（1）：89-95.

[2] 高诗妍，陈思，唐振飞，等.国内外洪涝灾害评估进展与应用研究综述[J].海峡科学，2023（1）：19-21，48.

[3] 苏慧君，赖巧珍，许庆文.龙岩市永定区近30年暴雨特征及其致灾性分析[J].海峡科学，2022（10）：7-10.

[4] 周成虎，万庆，黄诗峰，等.基于GIS的洪水灾害风险区划研究[J].地理学报，2000（1）：15-24.

[5] 张会，张继权，韩俊山.基于GIS技术的洪涝灾害风险评估与区划研究：以辽河中下游地区为例[J].自然灾害学报， 2005（6）：141-146.

[6] 刘可群，周守华，黄永平，等.土地利用变化对洪湖流域洪涝灾害影响[J].气象科技进展，2018，8（5）：63-66.

[7] 张强，高歌.我国近50年旱涝灾害时空变化及监测预警服务[J].科技导报，2004（7）：21-24.

[8] 陈艳真，林秋寒，梁宝元.2109号台风“卢碧”引发莆田市暴雨成因分析与模式检验[J].海峡科学，2022（5）：14-19，44.