李觀義，于澤興

(廣東省防汛保障與農(nóng)村水利中心，廣東 廣州 510635)

山洪一般指山區(qū)小流域驟發(fā)洪水，因山高坡陡、洪水匯流快，加之人口和財(cái)產(chǎn)分布在有限的低平地上，往往在洪水過境的短時(shí)間內(nèi)即可造成人員傷亡和財(cái)產(chǎn)損失[1]。21世紀(jì)以來，全球因山洪災(zāi)害死亡人口近千人，造成的經(jīng)濟(jì)損失高達(dá)463億元[2]。中國是受暴雨山洪災(zāi)害威脅最嚴(yán)重的國家之一，受威脅的陸地面積和人口數(shù)分別約為全國總數(shù)的51%和43%[3]。廣東省山洪威脅地區(qū)涉及18個(gè)市，覆蓋面積約10.13萬km2，威脅人口達(dá)1 631.56萬人[4]。據(jù)統(tǒng)計(jì)，廣東發(fā)生山洪災(zāi)害近900次，死亡和失蹤人數(shù)3 000余人，造成經(jīng)濟(jì)損失近600億元。其中，發(fā)生災(zāi)害次數(shù)最多的地市依次是梅州市、韶關(guān)市、河源市。

常用的山洪災(zāi)害預(yù)警預(yù)報(bào)方法主要是分布式水文模型法[5]和動(dòng)態(tài)臨界雨量法[6]。張鵬等[4]在紫荊關(guān)流域應(yīng)用水文模型推算了流域不同土壤濕度條件下的臨界雨量。AZIZI等[7]利用HEC-HMS水文模型分析了土地利用變化對山洪過程線的影響。分布式水文模型法對資料的需求要求較高，難以滿足全省范圍內(nèi)的山洪災(zāi)害預(yù)報(bào)預(yù)警需求。近年來，廣東省已完成82個(gè)山洪防治縣調(diào)查評價(jià)工作，創(chuàng)建了山洪災(zāi)害防御基礎(chǔ)數(shù)據(jù)集和調(diào)查評價(jià)底圖，在山洪災(zāi)害防治區(qū)建立了水雨情監(jiān)測體系，建設(shè)了覆蓋省、市、縣、鎮(zhèn)多級的山洪災(zāi)害監(jiān)測預(yù)警平臺(tái)，初步實(shí)現(xiàn)了山洪災(zāi)害實(shí)況預(yù)警，發(fā)揮了重要的防洪減災(zāi)效益[8]。廣東省現(xiàn)階段主要采用行政區(qū)臨界雨量預(yù)警法和關(guān)聯(lián)測站臨界雨量預(yù)警法進(jìn)行山洪災(zāi)害監(jiān)測預(yù)警。前者構(gòu)建防災(zāi)對象與其所在鎮(zhèn)區(qū)關(guān)聯(lián)關(guān)系，當(dāng)鎮(zhèn)區(qū)累積面雨量超過其鎮(zhèn)區(qū)內(nèi)任意防災(zāi)對象雨量預(yù)警指標(biāo)時(shí)，發(fā)布山洪災(zāi)害預(yù)警信息；后者構(gòu)建防災(zāi)對象與鄰近雨量站關(guān)聯(lián)關(guān)系，當(dāng)任意雨量站降雨量超過防災(zāi)對象雨量預(yù)警指標(biāo)時(shí)，發(fā)布山洪災(zāi)害預(yù)警信息。然而，由于山區(qū)降雨時(shí)空分布異質(zhì)性強(qiáng)，上述方法存在代表性不足、不確定性較大、預(yù)見期短等問題，導(dǎo)致山洪災(zāi)害預(yù)警空報(bào)誤報(bào)等現(xiàn)象時(shí)有發(fā)生[9-10]。

降雨是山洪模擬的重要輸入量，將會(huì)影響山洪災(zāi)害預(yù)警的精度[11]。目前，降雨數(shù)據(jù)主要包括地面站的實(shí)測、雷達(dá)降雨觀測、衛(wèi)星降雨觀測和不同時(shí)空尺度的降雨預(yù)報(bào)數(shù)據(jù)[12]。上述產(chǎn)品時(shí)間和空間分辨率多數(shù)不匹配，難以直接應(yīng)用到山洪的實(shí)施預(yù)報(bào)預(yù)警中。本研究采用多源降雨數(shù)據(jù)集成的動(dòng)態(tài)雨量預(yù)警指標(biāo)分析方法進(jìn)行山洪災(zāi)害預(yù)警研究，來降低降雨輸入的不確定性，進(jìn)一步提高山洪災(zāi)害預(yù)警的精度，延長預(yù)見期。

1 研究方法

基于多源降雨數(shù)據(jù)集成的動(dòng)態(tài)雨量預(yù)警指標(biāo)分析方法的基本流程分為：多源降雨數(shù)據(jù)集成和山洪災(zāi)害調(diào)查評價(jià)成果分析、不同預(yù)警時(shí)段下小流域面雨量滑動(dòng)計(jì)算、土壤含水量分析、臨界雨量計(jì)算、綜合預(yù)警指標(biāo)確定、合理性分析，具體流程見圖1。

1.1 多源降雨數(shù)據(jù)集成

綜合利用多源觀測、模式數(shù)據(jù)、新技術(shù)新方法，通過海量數(shù)據(jù)挖掘、網(wǎng)格調(diào)整、降尺度等智能技術(shù)，將不同預(yù)報(bào)時(shí)效及預(yù)報(bào)尺度的精細(xì)化降雨產(chǎn)品進(jìn)行集成，生成空間分辨率為1 km×1 km的網(wǎng)格，最終形成實(shí)時(shí)滾動(dòng)的多源降雨數(shù)據(jù)集成產(chǎn)品(包括過去時(shí)刻的實(shí)測降雨及未來3 d定量降雨)。其中：對于過去時(shí)刻的降雨采用實(shí)測雨量站的降雨數(shù)據(jù)；對于0～3 h預(yù)報(bào)時(shí)效，主要使用SWAN-QPF雷達(dá)滾動(dòng)外推短時(shí)降雨預(yù)報(bào)[13]；對于3～24 h預(yù)報(bào)時(shí)效，主要使用GRAPES-Meso、華南中尺度數(shù)值模式(GZMM)等智能預(yù)報(bào)產(chǎn)品形成的短臨降雨預(yù)報(bào)[14]；對于1～3 d預(yù)報(bào)時(shí)效，主要基于華南GRAPES-GFS、ECWMF等預(yù)報(bào)產(chǎn)品形成短期降雨預(yù)報(bào)[15]。山洪災(zāi)害基本發(fā)生在地形復(fù)雜的山區(qū)，匯流時(shí)間短，傳統(tǒng)的實(shí)測降雨數(shù)據(jù)是基于雨量實(shí)測站求得，而偏遠(yuǎn)山區(qū)實(shí)測站點(diǎn)分布稀疏，不能準(zhǔn)確反映降雨的空間異質(zhì)性特點(diǎn)，并導(dǎo)致山洪災(zāi)害的預(yù)見期短，而多源降雨數(shù)據(jù)集成能延長預(yù)見期并準(zhǔn)確地反映降雨時(shí)空演變特征(圖2)。

1.2 雨量預(yù)警指標(biāo)確定

首先確定預(yù)警時(shí)段。預(yù)警時(shí)段受防災(zāi)對象上游集雨面積大小、坡度及其他因素的影響，根據(jù)本文研究區(qū)小流域的匯流時(shí)間和暴雨特征，確定采用1、3、6 h作為預(yù)警時(shí)段。其次采用成災(zāi)水位和設(shè)計(jì)暴雨洪水反推臨界雨量法確定山洪災(zāi)害雨量預(yù)警指標(biāo)，包括防災(zāi)對象的準(zhǔn)備轉(zhuǎn)移和立即轉(zhuǎn)移2個(gè)等級的預(yù)警。具體分析流程如下。

a)成災(zāi)水位是洪水水面線所能淹沒的沿河村落等防災(zāi)對象的最低宅基高程，根據(jù)現(xiàn)場調(diào)查的歷史災(zāi)害資料、成災(zāi)水位和河道控制斷面等資料，推求控制斷面水位流量關(guān)系和臨界流量。

b)根據(jù)成災(zāi)水位，采用曼寧公式等方法，推算出成災(zāi)水位對應(yīng)的流量值。

c)以防災(zāi)對象所在控制斷面為流域出口，采用初損后損法進(jìn)行產(chǎn)流計(jì)算，采用綜合單位線法和SCS單位線法進(jìn)行匯流計(jì)算，采用運(yùn)動(dòng)波法進(jìn)行河道洪水演進(jìn)計(jì)算。

d)假定暴雨洪水同頻率，采用試算法反推不同前期土壤含水量條件下設(shè)計(jì)洪峰流量達(dá)到臨界流量時(shí)各個(gè)預(yù)警時(shí)段的設(shè)計(jì)暴雨量，即為防災(zāi)對象的臨界雨量集合。前期土壤含水量條件考慮了前期較干(Pa≤0.5Wm)、一般(0.5Wm0.8Wm)3種條件，預(yù)警時(shí)段長為1、3、6 h。

e)綜合考慮防災(zāi)對象所處河段河谷形態(tài)、洪水上漲速率、預(yù)警響應(yīng)時(shí)間和站點(diǎn)位置等影響，以臨界雨量為防災(zāi)對象立即轉(zhuǎn)移指標(biāo)，立即轉(zhuǎn)移前0.5 h的流量相應(yīng)的設(shè)計(jì)暴雨量為防災(zāi)對象準(zhǔn)備轉(zhuǎn)移指標(biāo)。

1.3 山洪災(zāi)害動(dòng)態(tài)雨量預(yù)警

通過多源降雨數(shù)據(jù)集成和山洪災(zāi)害調(diào)查評價(jià)成果，進(jìn)行山洪災(zāi)害雨量預(yù)警分析，具體流程見圖2。①計(jì)算不同預(yù)警時(shí)段下的小流域面雨量?；诙嘣唇涤昙袭a(chǎn)品滑動(dòng)計(jì)算防災(zāi)對象所在小流域不同預(yù)警時(shí)段(1、3、6 h)的面雨量，面雨量通過防災(zāi)對象所在斷面以上小流域的網(wǎng)格求平均而得到。②確定相應(yīng)時(shí)刻下的小流域土壤含水量。以地形地貌、土地利用、植被、土壤等信息為基礎(chǔ)，以實(shí)測或者降雨預(yù)報(bào)數(shù)據(jù)為驅(qū)動(dòng)，采用中國山洪水文模型的產(chǎn)流模塊進(jìn)行分析，模擬流域土壤含水量的動(dòng)態(tài)變化過程。③雨量預(yù)警指標(biāo)分析。確定土壤前期含水量后，將其對應(yīng)的閾值與小流域面雨量進(jìn)行比較，當(dāng)某一時(shí)段的小流域面雨量超過防災(zāi)對象不同等級雨量預(yù)警指標(biāo)時(shí)，發(fā)布相應(yīng)等級的山洪災(zāi)害預(yù)警。

2 應(yīng)用案例

2.1 研究區(qū)概況

選取廣東省2021年帽子峰鎮(zhèn)和筆架山林場的2場山洪事件評估山洪預(yù)警精度(圖3)。帽子峰鎮(zhèn)位于廣東省北部南雄市山區(qū)，主要的土地利用類型為林地，主要的土壤類型為砂壤土，共劃分了2個(gè)小流域(12.5～21.0 km2)，鎮(zhèn)內(nèi)分布有河背村、老江屋村、河口村3個(gè)防災(zāi)對象，流域周邊建有5個(gè)雨量站；筆架林場位于廣東省中部清遠(yuǎn)市山區(qū)，主要的土地利用類型為林地，主要的土壤類型為砂壤土，小流域面積為13.71 km2，坑口村位于小流域出口，流域周邊建有2個(gè)雨量站。

2021年5月16日20時(shí)至17日7時(shí)，南雄市出現(xiàn)百年一遇短時(shí)大暴雨，平均降雨量97 mm，引發(fā)“50年一遇大洪水”，許多城鎮(zhèn)被淹，房屋農(nóng)田浸泡在洪水中，損失慘重。其中，帽子峰鎮(zhèn)于17日5點(diǎn)左右暴發(fā)山洪災(zāi)害(圖4a)；8月9日凌晨至上午，清遠(yuǎn)市清城區(qū)和清新區(qū)普降大暴雨，最大雨量和最大小時(shí)雨強(qiáng)均出現(xiàn)在清新區(qū)筆架山林場站(圖4b)，分別為236 mm、110 mm/h，古龍峽、太和古洞景點(diǎn)9點(diǎn)30分左右發(fā)生山洪，部分游客被緊急轉(zhuǎn)移。

2.2 雨量預(yù)警指標(biāo)

根據(jù)山洪災(zāi)害調(diào)查評價(jià)成果可知，帽子峰鎮(zhèn)河背村、老江屋村、河口村和筆架山林場坑口村的成災(zāi)水位分別為215.59、226.21、235.27、167.84 m，相應(yīng)的臨界流量分別為128.2、67.0、87.0、93.0 m3/s。帽子峰鎮(zhèn)和筆架山林場小流域最大蓄水量Wm取為100 mm，2場山洪事件發(fā)生前有一定量的降雨，基于土壤含水量分析模型獲得研究區(qū)的前期降雨量，模型表明流域土壤已基本達(dá)到飽和狀態(tài)(即Pa>90 mm)。最終確定在該土壤含水量條件下，河背村、老江屋村、河口村和坑口村1～3 h的預(yù)警指標(biāo)(表1)，分別為54～79、54～78、48～67、50～169 mm。

表1 前期土壤較濕條件下各防災(zāi)對象雨量預(yù)警指標(biāo)

2.3 基于多源降雨數(shù)據(jù)集成的山洪災(zāi)害預(yù)警

基于多源降雨數(shù)據(jù)集成的雨量預(yù)警指標(biāo)方法分別對帽子峰鎮(zhèn)、筆架山林場的防治村落進(jìn)行山洪災(zāi)害預(yù)警分析。帽子峰鎮(zhèn)小流域面積僅21 km2，故采用帽子峰鎮(zhèn)小流域1和2的平均面雨量作為河口村、河背村和老江屋村的面雨量。5月17日，針對帽子峰鎮(zhèn)小流域防治村的集成的降雨數(shù)據(jù)進(jìn)行滑動(dòng)計(jì)算，其中2點(diǎn)時(shí)刻3 h累積降雨量(過去2 h實(shí)測降雨與未來1 h預(yù)報(bào)降雨之和為76.3 mm)觸發(fā)預(yù)警(圖5)，超過其河口村的立即轉(zhuǎn)移預(yù)警指標(biāo)(67 mm)，超過河背村和老江屋村的準(zhǔn)備轉(zhuǎn)移預(yù)警指標(biāo)(71、70 mm)，相較于帽子峰鎮(zhèn)山洪災(zāi)害實(shí)際發(fā)生時(shí)間提前3 h發(fā)出了山洪災(zāi)害預(yù)警(表2)；8月9日9點(diǎn)，針對筆架山林場坑口村小流域防治村的集成降雨數(shù)據(jù)進(jìn)行滑動(dòng)計(jì)算，其中9點(diǎn)時(shí)刻未來1 h面雨量為73.2 mm， 超過坑口村的準(zhǔn)備轉(zhuǎn)移預(yù)警指標(biāo)(50 mm)，相較于坑口村山洪災(zāi)害實(shí)際發(fā)生時(shí)間提前1 h發(fā)出山洪災(zāi)害預(yù)警(表3)。

降雨數(shù)據(jù)3h累積面雨量/mm實(shí)測降雨(0—3點(diǎn))101.0多源降雨集成數(shù)據(jù)(2點(diǎn)時(shí)刻過去2h實(shí)測降雨與未來1h預(yù)報(bào)降雨之和)76.3

表3 8月9日筆架山林場小流域觸發(fā)1 h雨量預(yù)警指標(biāo)的面雨量

針對帽子峰鎮(zhèn)小流域，基于實(shí)測降雨數(shù)據(jù)的雨量指標(biāo)預(yù)警分析方法在5月17日3點(diǎn)觸發(fā)河口村、河背村和老江屋村1、3 h累積雨量預(yù)警。圖6a所示，3點(diǎn)時(shí)刻過去1 h實(shí)測降雨累積雨量為66 mm，超過3個(gè)防治村的1 h立即轉(zhuǎn)移預(yù)警指標(biāo)(53、60、60 mm)，過去3 h實(shí)測降雨累積雨量為101 mm，超過3個(gè)防治村的3 h立即轉(zhuǎn)移預(yù)警指標(biāo)(67、79、78 mm)，相比山洪災(zāi)害實(shí)際發(fā)生時(shí)間提前2 h，相比基于多源降雨數(shù)據(jù)集成的雨量預(yù)警指標(biāo)方法延遲1 h；針對筆架山林場小流域，基于實(shí)測降雨數(shù)據(jù)的雨量指標(biāo)預(yù)警分析方法在8月9日10點(diǎn)觸發(fā)坑口村1 h累積雨量預(yù)警，相比山洪災(zāi)害實(shí)際發(fā)生時(shí)間延遲0.5 h，相比基于多源降雨數(shù)據(jù)集成的雨量預(yù)警方法延遲1 h(表3)。因此，基于多源降雨數(shù)據(jù)集成的雨量預(yù)警指標(biāo)方法比基于實(shí)測降雨的預(yù)警方法更能有效延長山洪災(zāi)害預(yù)警預(yù)見期，為人民群眾轉(zhuǎn)移避險(xiǎn)提供重要的決策依據(jù)。

2.4 不同降雨數(shù)據(jù)的空間分布情況

圖7展示了5月17日觸發(fā)帽子峰鎮(zhèn)小流域山洪災(zāi)害預(yù)警的實(shí)測降雨數(shù)據(jù)和多源降雨數(shù)據(jù)集成的空間分布情況，3點(diǎn)時(shí)刻3 h累積實(shí)測降雨量為101 mm，整體呈現(xiàn)西多東少的趨勢。而多源降雨集成數(shù)據(jù)的空間分布與實(shí)測降雨數(shù)據(jù)存在差異，呈現(xiàn)南多北少的趨勢，南部區(qū)域的3 h累計(jì)雨量在80.0 mm以上，流域平均面雨量76.3 mm，與3 h的實(shí)測降雨量相差24.7 mm；圖8展示了8月9日觸發(fā)筆架林場小流域山洪災(zāi)害預(yù)警的不同降雨產(chǎn)品的空間分布情況，10點(diǎn)時(shí)刻1 h累積實(shí)測降雨量為91 mm，呈現(xiàn)南多北少的趨勢。而9點(diǎn)時(shí)刻的多源降雨數(shù)據(jù)空間分布呈現(xiàn)東多西少的趨勢，流域面雨量為73.2 mm，與1 h的實(shí)測降雨量相差17.8 mm。本文研究區(qū)小流域面積為12.5～21.0 km2，流域面積小和特殊的山區(qū)地形導(dǎo)致降雨的空間分布存在很大的空間異質(zhì)性，實(shí)測雨量站點(diǎn)具有單點(diǎn)精度高的特點(diǎn)但只代表站點(diǎn)周圍一定范圍內(nèi)的雨量，而多源降雨數(shù)據(jù)單點(diǎn)誤差高但能有效反映降雨的空間分布情況[16]。研究區(qū)的不同降雨數(shù)據(jù)在空間上雖然存在差異，但統(tǒng)計(jì)單點(diǎn)面雨量值相近，從而均能觸發(fā)山洪災(zāi)害預(yù)警，延長山洪災(zāi)害預(yù)見期。動(dòng)態(tài)雨量指標(biāo)預(yù)警分析法主要受流域內(nèi)面平均雨量影響，受到降雨空間分布的影響較小，后續(xù)需進(jìn)一步結(jié)合分布式水文模型探究其降雨空間異質(zhì)性對預(yù)見期的影響[17]。

3 結(jié)論與展望

以廣東省帽子峰鎮(zhèn)和筆架山林場小流域2021年發(fā)生的2場山洪為案例，基于多源降雨數(shù)據(jù)集成的動(dòng)態(tài)雨量預(yù)警指標(biāo)分析方法進(jìn)行驗(yàn)證，主要結(jié)論如下：①多源降雨數(shù)據(jù)集成的動(dòng)態(tài)雨量預(yù)警指標(biāo)分析方法相較于山洪災(zāi)害實(shí)際發(fā)生的時(shí)間分別提前3.0、0.5 h發(fā)出預(yù)警，相較于基于實(shí)測降雨的動(dòng)態(tài)雨量預(yù)警指標(biāo)分析方法分別提前1.0、0.5 h發(fā)出預(yù)警，提高了山洪災(zāi)害降雨預(yù)報(bào)的預(yù)見期；②山洪防治區(qū)流域面積小、雨量站點(diǎn)稀疏及預(yù)報(bào)產(chǎn)品的不確定性，導(dǎo)致基于實(shí)測雨量站點(diǎn)的降雨數(shù)據(jù)和多源融合降雨預(yù)報(bào)數(shù)據(jù)在空間分布上存在差異。

山區(qū)暴雨引發(fā)的山洪災(zāi)害機(jī)制復(fù)雜，受到地質(zhì)地貌、降雨空間異質(zhì)性及人類活動(dòng)等復(fù)合因素的影響，具有高度的非線性特征。今后研究需進(jìn)一步挖掘多源氣象水文數(shù)據(jù)快速集成、分布式水文模型快速匹配等技術(shù)，實(shí)現(xiàn)山區(qū)暴雨山洪快速模擬預(yù)報(bào)，以提高山洪預(yù)警預(yù)見期。