陳超，顧淏清，蔡聰，孫雨情，鄒芬，朱毅

鹽城市大豐區(qū)氣象局，江蘇 鹽城 224100

0 引言

鹽城市大豐區(qū)地處黃海之濱，位于淮河入海尾閭、蘇北里下河腹部，海岸線長112公里，位于南北及內陸與海洋氣候過渡帶，常有短時強降水、龍卷、冰雹、雷暴大風等中小尺度強對流天氣，也會有江淮氣旋、臺風、強冷空氣等大尺度強對流天氣，甚至兩類天氣系統(tǒng)會疊加出現(xiàn)，都可能造成極端影響。

為了加強氣象災害的防范，對不同的氣象災害風險進行分析，陳靖[1-2]等對中小河流暴雨洪澇、沿海風暴潮等氣象災害風險提出了區(qū)域分析和等級劃分，楊忠恩、梁玉蓮、尹曉東、扈海波[3-6]等人主要針對影響當?shù)氐臍庀鬄暮妥兓卣鬟M行分析。本文收集整理分析大豐區(qū)相關氣象觀測數(shù)據(jù)，災情數(shù)據(jù)、承災體數(shù)據(jù)以及地理信息數(shù)據(jù)等，建立適合本區(qū)域的暴雨災害風險評估模型。在確保相關氣象災害風險評估區(qū)劃成果的完整性及有效性的前提下，開展大豐區(qū)暴雨災害風險普查評估方法研究。本文以暴雨氣象災害為例，主要就鹽城市大豐區(qū)暴雨災害危險性評估方法詳細展開描述。

1 資料與方法

1.1 危險性評估原理

暴雨災害的危險性評估主要是衡量致災因子對承災體的致險程度，是風險評估的重要組成部分。暴雨事件和孕災環(huán)境是進行暴雨災害致災危險性評估重要因素，一般由年雨澇指數(shù)及暴雨孕災環(huán)境影響系數(shù)組成[7-9]。

（1）年雨澇指數(shù)。根據(jù)暴雨過程的相關定義，通常以連續(xù)降水日數(shù)判定為一個過程降水量，當出現(xiàn)無降水時則認為本次過程結束，同時要求本次過程中≥1天的降水量≥50mm，單站暴雨過程強度為整個降水過程中全部降水量的累加[10-11]，并據(jù)此計算年雨澇指數(shù)。

（2）孕災環(huán)境影響系數(shù)。暴雨孕災環(huán)境是指在暴雨的直接影響下，形成城市內澇、洪澇、泥石流、滑坡等次生災害的自然環(huán)境。暴雨成災危險性受暴雨孕災環(huán)境的影響，一般考慮地形、河網水系、地質災害易發(fā)條件等，具體的計算方法可以參考DB33/T 2025-2017（暴雨過程危險性等級評估技術規(guī)范）。對于高海拔地區(qū)，可根據(jù)實際情況修改海拔高度的分區(qū)范圍。

（3）致災危險性計算。致災危險性指數(shù)=（1+暴雨孕災環(huán)境影響系數(shù)）×年雨澇指數(shù)

1.2 數(shù)據(jù)來源

本文使用2010-2020年大豐區(qū)的暴雨歷史災害事件、氣象數(shù)據(jù)、承災體、地理信息、常住人口分布、GDP分布等相關資料，如表1所示。

表1 資料清單

1.3 評估模型構建

本文從大豐實際氣候和社會條件情況出發(fā)，調查分析暴雨氣象資料、災情資料、社會資料、自然環(huán)境資料；對資料進行預處理，形成暴雨災害數(shù)據(jù)集；基于暴雨災害數(shù)據(jù)集，對大豐區(qū)暴雨致災因子、孕災環(huán)境敏感性進行分析，構建適合大豐區(qū)的承災體危險性評估模型。

結合大豐區(qū)實際情況，依據(jù)《全國自然災害綜合風險普查（氣象災害）技術規(guī)范—暴雨災害調查與風險評估》內容，需要對暴雨災害的具體災情進行解析，分離出不同承災體的損失情況。然后利用承災體損失計算災損指數(shù)，通過災損指數(shù)和致災因子的關系分析，確定暴雨災害的短歷時雨強致災因子和過程性雨強致災因子。本文通過災情解析直接識別致災因子，計算年雨澇指數(shù)，最終選取暴雨雨澇指數(shù)和暴雨孕災環(huán)境影響系數(shù)兩個因子作為評估暴雨災害危險性的重要指標。

1.3.1 暴雨雨澇指數(shù)

大豐區(qū)2010～2020年共計四次歷史暴雨災害過程，因此選取了能表征暴雨過程強度的相應指標，并進一步分析其代表性，最終選擇最大小時降水量、最大日降水量、過程累計降水量、暴雨持續(xù)天數(shù)4個指標來表達單站暴雨雨澇指數(shù)，并疊加得到暴雨雨澇指數(shù)，單站暴雨過程強度指數(shù)的計算見下式：

式中，RPI為單站暴雨過程強度指數(shù)；Phr、Pdy、PIpre、Iday分別是歸一化處理的最大小時降水量、最大日降水量、過程累計降水量、暴雨持續(xù)天數(shù)；A、B、C、D為權重系數(shù)，采用賦權法確定權重系數(shù)。

1.3.2 暴雨孕災環(huán)境影響系數(shù)

結合大豐區(qū)實際情況，選取高程標準差、河網密度以及自然災害指標作為暴雨孕災環(huán)境的影響因子，并計算暴雨孕災環(huán)境影響系數(shù)：

孕災環(huán)境綜合指數(shù)計算見下式：

孕災環(huán)境影響指數(shù)計算見下式：

1.3.3 暴雨災害危險性區(qū)劃

《第一次全國自然災害綜合風險普查（氣象災害）技術規(guī)范-暴雨災害調查與風險評估》推薦公式計算致災因子危險性指數(shù)。

致災因子危險性指數(shù)＝（1+暴雨孕災環(huán)境影響系數(shù)）×年雨澇指數(shù)

根據(jù)上式求得結果，利用百分位數(shù)法將到大豐區(qū)暴雨災害危險性劃分為Ⅰ～Ⅳ級共4個等級，分別對應高風險、較高風險、較低風險、低風險。再綜合考慮行政區(qū)劃（或氣候區(qū)、流域等），對致災危險性進行空間單元的劃分。

1.3.4 技術流程

本文建立的暴雨災害危險性評估模型具體技術流程如圖1所示。

圖1 暴雨災害危險性評估與區(qū)劃技術流程圖

2 研究方法與數(shù)據(jù)處理

2.1 信息熵賦權法

在研究過程，有多個不同的評估指標，需要對不同的指標賦權，并根據(jù)其權重，計算其綜合后的新指標。

在多重指標的綜合評估中，熵權法可以客觀地反映各評估指標的權重。當一個系統(tǒng)的有序程度越高，則權重越小；熵值越大；反之亦然。如評估指標中的指標值差值越大，綜合評估中該指標作用越大；如果評估指標中的指標值全部相等，綜合評估中該指標無用。其計算步驟如下。

設評估體系是由m個指標n個對象構成的系統(tǒng)，計算第i項指標下第j個對象的指標值rij所占指標比重Pij：

使用熵權法在計算第i個指標的熵值Si：

再計算第i個指標的熵權，從而確定客觀權重ωi：

層次分析法和專家打分法涉及主觀因素，使用不當容易造成不必要的誤差，本文選擇信息熵賦權法是根據(jù)各項指標之間的差異程度來確定最后指標權數(shù)，借鑒了信息熵思想，避免了人為因素帶來的偏差。相對其他主觀賦值法，具有魯棒性強、單調性好、數(shù)據(jù)信息恒定和縮放無關性等優(yōu)點。

2.2 氣象資料延長訂正與插值方法

根據(jù)實際情況，采用線性回歸方法延長訂正區(qū)域自動站歷史序列。而進行要素及指數(shù)的空間分布特征分析時，需要將氣象數(shù)據(jù)插值成柵格進行分析。主要有線性插值和反距離權重插值，在進行不同指標計算時，需要根據(jù)實際情況選取不同的插值方法計算。

2.2.1 線性回歸方法

線性回歸模型是指兩個要素之間的線性關系，如果選取的兩個要素有較高的相關性，即可建立線性回歸方程，從而對缺測的數(shù)據(jù)進行延長補全。其表達式為：

其中x為自變量，y?是和x相對應的應變量估值。a和b則為回歸系數(shù)。

由于所收集到的數(shù)據(jù)中存在缺測的情況，需對數(shù)據(jù)進行補全。對于大豐區(qū)區(qū)域站缺測數(shù)據(jù)（降水量、暴雨日等），采用了一元線性回歸的方法，根據(jù)各臺站歷史數(shù)據(jù)與同期的國家站歷史數(shù)據(jù)建立一元線性回歸模型，利用模型實現(xiàn)數(shù)據(jù)延長訂正或補全。

對數(shù)據(jù)延長補全的結果，通過對比實況與預測結果來驗證方法的可行性，具體分析結果如圖2所示。

圖2 線性插值和反距離權重插值對比

上圖是應用于氣象數(shù)據(jù)延長訂正及補全的一元線性回歸模型對大豐區(qū)小海站2020年降水量的預測結果，其中藍色為預測值，黃色為實況，模型是基于2010～2019年小海站、大豐站日降水量對應關系建立的。所選模型對該站2020年月降水模擬結果較好：各月模擬值的誤差較小，模型能夠很好地表現(xiàn)季節(jié)變化特征，其與觀測數(shù)據(jù)的相關系數(shù)達到0.982。一元線性回歸模型的模擬結果尚可，可用于氣象數(shù)據(jù)延長訂正及補全。

2.2.2 反距離權重插值法

反距離權重插值法是指插值點與樣本點間的距離為權重進行加權平均，距離插值點越近的樣本點賦予權重越大，其計算步驟如下。

式中：Zo為插值點O的估值；Zi為控制點i的值；di為控制點i與點O間的距離；n為在估計中用到的控制點的數(shù)目；k為指定的冪。

拿多年平均雨澇指數(shù)舉例，線性插值、反距離插值結果趨于一致，空間分布特征結果差異小，但是線性插值不會改變原站點真實數(shù)值，從下圖紅圈處可以看出，線性插值具有在站點處誤差為0的特點，在空間分布上對于極值的刻畫優(yōu)于反距離權重插值。故年度降水量、暴雨日、雨澇指數(shù)等要素繪制空間分布圖選擇線性插值，如圖3所示。

圖3 多年平均雨澇指數(shù)線性和反距離權重插值

2.2.3 線性插值法

線性插值使用較普遍，多為一次多項式插值函數(shù)。在各插值節(jié)點上插值的誤差為0，在空間分布上對于極值的刻畫優(yōu)于反距離權重插值。

在計算孕災環(huán)境影響系數(shù)時，需要考慮大豐區(qū)水網密度，由于在越接近水網的地方，反距離權重插值的結果比其他插值方法更大，能較好地表征水網密度高的地方水體對孕災環(huán)境的影響系數(shù)大，因而孕災環(huán)境影響系數(shù)繪制空間分布圖選擇反距離權重插值。

2.3 百分位數(shù)法

在數(shù)據(jù)統(tǒng)計中常用百分位數(shù)法，通常表述選取樣本值在某百分位置上的水平，為位置指標，通常使用多個百分位，用于全面描述樣本的分布特征，在本文中主要用于風險區(qū)劃。

定義為把收集的雨量觀測數(shù)據(jù)按數(shù)值從小到大順序排列，將數(shù)據(jù)進行100等分。第ρ個分界點數(shù)值，稱為第ρ個百分位數(shù)（ρ=1，2，…，99）。在第ρ個分界點到第ρ+1個分界點之間的數(shù)據(jù)，稱為處于第ρ+1個百分位數(shù)。百分位數(shù)計算公式如下：

式中，mP為第m個百分位數(shù)，N為總頻次，L為mP所在組的下限，U為mP所在組的上限，hF為小于L的累計次數(shù)，nF為大于N的累計次數(shù)，i為組距。

2.4 暴雨因子標準化

由于不同評估因子的單位不同，各項指標的量綱和數(shù)量級需要統(tǒng)一，因此，需先指標進行統(tǒng)一化，使其數(shù)值介于0～1之間，即使數(shù)據(jù)之間具有可比性，在暴雨災害風險普查中主要用于各指標中數(shù)據(jù)的歸一化處理。

2.5 加權綜合評估法

加權綜合評估法是考慮式中每個因子對暴雨災害模型的影響程度，將每個因子的優(yōu)劣結合起來，將相關指標具體數(shù)值化，作為評估暴雨災害模型優(yōu)劣的依據(jù)。

3 危險性評估結果分析

3.1 歷史特征分析

利用大豐區(qū)28個氣象站歷史10年數(shù)據(jù)，采用延長訂正和插值方法得到平均降水量、年暴雨日數(shù)、年均降水量分布以及年暴雨日分布，展示降水年際、年代際變化特征，降水空間分布，暴雨量、暴雨日空間分布。其結果如圖4和圖5所示。

圖4 大豐區(qū)年均降水量和平均年暴雨日（2010～2020）

圖5 大豐區(qū)國家站月累計降水量（2010～2020）

上圖通過線性回歸的方法對年均降水量及平均年暴雨日的趨勢進行分析，可以看出大豐區(qū)2010～2020平均年降水量1120mm，近10年有一定的遞增趨勢，平均年暴雨日數(shù)約為4.64d?？傮w趨勢均呈波動上升趨勢，年降水量與降水日數(shù)的年際變化特征相近，但長期線性趨勢比降水日數(shù)的線性趨勢明顯。平均降水量最大年份為2015年，降水量為1713.4mm；平均暴雨日在2010年和2013年均為1，與之對應年份的各鄉(xiāng)鎮(zhèn)平均降水量也偏低，為668.2mm。大豐區(qū)年均降水量和年暴雨日分布圖如圖6所示。

圖6 大豐區(qū)年均降水量和年暴雨日分布圖（2010～2020）

上圖通過線性插值得到年均降水量、年暴雨日數(shù)空間分布圖，從空間分布來看，年累計降水量與年暴雨日數(shù)分布大體相同且分散，其中以大豐港經濟開發(fā)區(qū)北部沿海最多，年均降水量為1384.4mm，年累計暴雨日平均值為6.06日；新豐鎮(zhèn)和建東農場一帶次之，年均降水量為1200.0mm，年累計暴雨日平均值約為5日；海豐農場最少，年均降水量為908.44mm，年累計暴雨日平均值為3.56日。

3.2 暴雨雨澇指數(shù)

根據(jù)信息熵賦權法確定權重系數(shù)，計算結果如表2所示。

表2 單站暴雨強度指標權重賦值表

累加當年逐場暴雨過程強度值，得到年雨澇指數(shù)，進一步計算大豐區(qū)平均雨澇指數(shù)，通過線性插值得到其分布如圖7所示。

圖7 大豐區(qū)平均雨澇指數(shù)分布圖

上圖為大豐區(qū)平均雨澇指數(shù)分布（2010～2020），可以明顯看出，大豐區(qū)劉莊鎮(zhèn)至新團村、西團鎮(zhèn)一帶雨澇指數(shù)最高，次高地區(qū)為大中農場附近區(qū)域，海豐農場地區(qū)及大豐港經濟開發(fā)區(qū)雨澇指數(shù)較低。雨澇指數(shù)是綜合考慮歷次暴雨期間降水強度后計算出的值，即雨澇指數(shù)高的地區(qū)，暴雨發(fā)生次數(shù)相對高，每次暴雨過程強度也相對較大。故大豐區(qū)劉莊鎮(zhèn)至新團莊、西團鎮(zhèn)一帶近十年的暴雨發(fā)生次數(shù)和強度綜合考慮最大，大中農場附近區(qū)域次之，海豐農場地區(qū)及大豐港經濟開發(fā)區(qū)近十年的暴雨發(fā)生次數(shù)和強度綜合考慮最小。雨澇指數(shù)強，代表著區(qū)域的暴雨發(fā)生次數(shù)更多，暴雨過程強度更大，會導致區(qū)域的暴雨日、降水量大于周圍雨澇指數(shù)低的地區(qū)。

3.3 孕災環(huán)境影響系數(shù)

由于缺乏自然災害指標數(shù)據(jù)，自然災害指標權重為0。因而大豐區(qū)暴雨孕災環(huán)境主要考慮了地形和水網。

用高程標準差來表示地形變化。一般來說，地勢越低、地形變化越小的平坦地區(qū)不利于洪水的排泄，容易形成澇災；而地勢高，地形變大大的山區(qū)則容易形成滑坡、山洪等地質災害。大豐區(qū)地形指標如表3所示。

表3 大豐區(qū)地形指標

通過反距離權重插值得到地形高度和水系分布如圖8所示。

圖8 大豐區(qū)地形高度（2015）和水系（2018）分布圖

由上圖可以看出，大豐區(qū)整體地勢較為平緩，有小的起伏，對孕災環(huán)境的影響有限，而河網密度呈明顯的由西至東遞減趨勢。

通過反距離權重插值得出2010～2020年大豐區(qū)孕災環(huán)境影響系數(shù)分布如圖9所示。

圖9 大豐區(qū)孕災環(huán)境影響系數(shù)分布圖（2010～2020）

由上圖可以看出，大豐區(qū)的孕災環(huán)境呈西高東低的分布，結合大豐區(qū)實際情況，大豐港經濟開發(fā)區(qū)一帶河網水系較少，裕華鎮(zhèn)和西團鎮(zhèn)地勢較高，故孕災環(huán)境影響較低，符合評估結果分布。

3.4 致災危險性區(qū)劃

基于致災危險性指數(shù)，綜合考慮行政區(qū)劃（或氣候區(qū)、流域等），采用百分位數(shù)法對致災危險性進行空間單元的劃分。并根據(jù)結果制成圖件并進行時空分布等的分析，劃分結果如圖10所示。

圖10 大豐區(qū)暴雨災害危險性區(qū)劃圖（2010～2020）

由上圖可以看出，大豐區(qū)暴雨災害危險性高等級區(qū)主要集中在劉莊鎮(zhèn)以西地區(qū)及大豐經濟開發(fā)區(qū)一帶，等級為Ⅰ級；由西至東危險性逐漸降低；其中，洋心洼、唐西、唐中一帶危險性格外偏低，該處地區(qū)危險性為Ⅲ～Ⅳ級。綜上，可以看出無論是人口受災風險、經濟損失風險、耕地受災風險還是大豐區(qū)暴雨綜合風險，西團鎮(zhèn)、劉莊鎮(zhèn)及新豐鎮(zhèn)所圍的區(qū)域及省大中農場處均顯著高于其余區(qū)域，受暴雨災害的風險較高。

4 結論與展望

（1）大豐區(qū)月累計降水量最高出現(xiàn)在7月、8月次之，僅月趨勢表明，夏季是雨季降水高峰（6月、7月、8月），3～6月降水量逐漸增加，7～10月降水量逐漸減小，5～7月降水量明顯增大。

（2）大豐區(qū)的暴雨災害危險性分布不均勻，空間分布的總體特征為由西至東呈降低趨勢，其中西部邊緣劉莊鎮(zhèn)一帶以及大豐經濟開發(fā)區(qū)一帶為高風險區(qū)，受暴雨災害的風險較高；次高風險區(qū)分布在新豐鎮(zhèn)、新團村、西團鎮(zhèn)一帶，高風險區(qū)域，易受汛期暴雨作用下受洪澇災害威脅；大豐地形東邊沿海岸線一帶地區(qū)受暴雨災害的風險較低。

（3）本文充分分析了大豐區(qū)暴雨特征，通過對比采用信息熵賦權法、反距離權重插值、線性回歸等更客觀合理的方法處理致災因子和孕災環(huán)境影響度，建立的模型完成了大豐區(qū)暴雨災害危險等級評估，能夠進行暴雨洪澇災害風險性預報業(yè)務，在暴雨災害風險評估上具有一定推廣應用價值。

（4）本研究側重于區(qū)域暴雨事件的危險性評估，將有助于客觀評估暴雨災害事件發(fā)生的可能性，后續(xù)可以融合氣候預測產品，綜合評估未來可能發(fā)生的暴雨事件，從而進一步推動氣象災害的風險評估，提高防災減災業(yè)務能力。

（5）由于歷史數(shù)據(jù)樣本有限，未來需要收集更多的數(shù)據(jù)樣本，便于更好的分析評估，同時可以運用新的評估方法，例如皮爾遜（Pearson）相關法等，進一步提高評估模型的準確度。