基于信息扩散理论的重庆地区暴雨灾害风险评估

2014-01-05汪志辉

成都信息工程大学学报 2014年6期

吉莉，李强，马君，汪志辉，张爽，冉静

(1.兰州大学大气科学学院，甘肃兰州730000;2.重庆市北碚区气象局，重庆400700)

0 引言

全球气候变化及大规模的人类活动显著地影响了全球的水汽循环和区域降水特征[1]，降水是影响自然环境基础的因子和影响气候变化的重要指标，地区降水多少对地区气候有非常大的影响[2]。降水过少地区容易出现旱情，降水过多会导致严重洪涝灾害，因此研究地区降水风险规律对减少地区旱涝引起的灾害损失和开发利用水资源具有重要意义。

重庆属于气候脆弱区，灾害发生频繁，而高温和暴雨是夏季主要的气象灾害，出现频率高，造成损失大。例如:2004年，重庆共发生不同程度的暴雨洪涝100次，全年因暴雨洪涝引发的地质灾害造成农作物受灾面积56万公顷，成灾面积28.7万公顷，直接经济损失39.5亿元[3]。在重庆，关于暴雨事件的变化研究主要是集中在暴雨成因方面[4－8]，而对于重庆暴雨灾害风险方面未见报道。

采用重庆34个区县30年的气象要素资料(暴雨雨量、暴雨日数)，通过信息扩散理论[9－14]，揭示重庆暴雨灾害风险的统计特征，找出暴雨风险分布变化规律，为预报和服务提供参考，以提高防灾减灾能力。

1 资料和方法

1.1 资料来源

采用重庆地区1981～2010年逐日的降水量、暴雨日数等气象观测资料。

1.2 研究方法

信息扩散理论是为弥补信息不足而对样本进行集值化的模糊数学处理法。信息扩散方法将一个分明值样本点变成一个模糊集[15－17]。

设某研究指标论域为:U={u1，u2，…，un}，按照此式，一个单值观测样本yj可以将其携带的信息扩散给U中的所有点:

式中h为扩散系数，可根据样本集合中样本的最大值b、最小值a和样本个数m确定:

令:

把ζyj(ui)称为样本yj的归一化信息分布，将单值样本y变成一个以ζyj(ui)为隶属函数的模糊子集y*。对ζyj(ui)进行处理，可以得到一种效果好的风险评估结果。令:

其物理意义:由{y1，y2，…，ym}，经信息扩散推断出，如果自然现象观测值只能取u1，u2，…，un中的一个，那么，在将yj均看作是样本代表时，观测值为ui的样本个数为q(ui)个。显然，q(ui)通常不是一个正整数，但一定是一个不小于零的数。再令:

事实上，Q就是各ui点上样本数的总和，P(ui)就是样本落在ui处的频率值，可以为概率的估计值。对于自然现象统计指数X={x1，x2，…，xn}，通常将X取为统计数论域，xi取为论域U中的某一个元素ui，显然，超越ui的概率值应为式(6)，P(u≥ui)就是要求的风险估计值。

在分析重庆地区暴雨灾害风险特征时，根据重庆地形将其分为渝东南、渝东北、渝西、渝中4个区域，各区域包含的测站详见表1。渝东南选取黔江为代表测站，渝东北选取万州，渝西选取沙坪坝，渝中选取涪陵。

表1 重庆市区域划分表

图1 重庆地区暴雨日数距平年际序列及变化趋势图

2 重庆地区暴雨时空变化特征

2.1 重庆地区暴雨日数时间变化特征

对1981～2010年重庆地区暴雨日数进行统计分析，绘制年平均暴雨日数逐年变化图(图1)，并求解重庆地区4个代表站暴雨日数一元回归方程(表2)。由图1可知，重庆1981～2010年暴雨日数年际变化呈下降趋势(通过了α=0.02的显著性检验)，年平均下降率为0.20/10a。4个代表站的变化趋势如表2所示。除涪陵站呈上升趋势(未通过显著性检验)外，其余3个代表站的变化趋势与全市的变化趋势基本一致，但未通过显著性检验。

表2 各级暴雨日数线性拟合方程及相关系数

2.2 重庆地区暴雨基本空间分布特征

从图2看，重庆地区多年平均暴雨日数多在2～5d，总体呈现南多北少的分布特征。高值区主要分布在渝东北的开县—城口一带、渝东南角的酉阳及渝西片区的北碚3处，其中开县为最大值，年平均暴雨日数为5.1d，最少的是渝西綦江及渝东南地区的武隆—丰都—石柱一带。

图2 重庆地区暴雨日数空间分布图

图3 重庆地区平均暴雨雨量空间分布图

图3为重庆地区近30a平均暴雨雨量的空间分布图。平均暴雨雨量的分布基本特征为长江以北高于长江以南的地区。地处渝西南的万盛—南川为重庆地区平均暴雨雨量的最小区域，降水量不足70mm。对比图2，发现重庆地区平均暴雨日数的空间分布与平均暴雨雨量的空间分布基本相似。由此说明，重庆暴雨发生频次的多寡与暴雨雨量存在一定的联系。

3 基于信息扩散理论的重庆地区暴雨风险分析

3.1 暴雨日数风险

根据信息扩散理论，选取1981～2010年30年的暴雨日数作为样本，从0～10d每间隔1d选取一个控制点，共10个控制点。图4为重庆地区4个代表站暴雨日数风险概率曲线，从图中可知4个代表站的暴雨日数均为单峰型，在2～4d的值域上占的比例最大。其中沙坪坝平均每年发生3d的风险性水平最高，其次为涪陵、万州、黔江。

3.2 暴雨量级风险空间分布

图4 重庆地区代表站暴雨日数风险概率曲线

按照上述方法，分别对重庆区域的34个站点30a的暴雨雨量进行分析，计算出重庆的暴雨雨量风险值，根据重庆的暴雨特点，将重庆地区的暴雨雨量分为4个级别，制成风险分布图(图5)。图5(a)为重庆地区出现暴雨雨量在50mm≤R＜100mm时的概率分布图，同理，图5(b)为重庆地区出现暴雨雨量在100mm≤R＜150mm时的概率分布图。以此类推，概率值越高说明发生这种灾害的可能性越大。如图5(a)所示，暴雨量级在50mm≤R＜100mm时，风险高值区主要分布在长江以南的綦江—南川—丰都一带，其次渝东北角的城口—巫溪—巫山一带，风险最小是渝西片区的渝北—北碚—沙坪坝一带、渝东北的梁平—开县—云阳一带。图5(b)中可见，第二等级的风险概率值与第一等级的风险概率恰好相反，第一等级的低值区为这二等级的高值区，说明这些区域出现大暴雨的比例更大，而长江以南的綦江—南川—丰都一带则为低值区，说明这片区域出现大暴雨的比例要小一些。在第三等级风险概率分布图(图5c)中，高值区为渝西片区的渝北—北碚，渝东南的彭水、渝东北的万州—梁平一带，与暴雨平均雨量(图3)的分布基本一致;在第四等级的高风险概率分布图(图5d)中，随着暴雨量级的增加，灾害出现的概率也随之减小，除渝西片区的璧山—沙坪坝、渝东北的梁平—开县、渝东南的黔江等地为小概率区域外，重庆地区大部分都处于零风险区域。

图5 重庆地区暴雨量级分级风险空间分布图

4 结论

(1)重庆地区1981～2010年暴雨日数呈明显的下降趋势。重庆地区多年平均暴雨日数多在2～5d，总体呈现南多北少的分布特征，平均暴雨雨量的分布基本特征为长江以北高于长江以南的地区。重庆暴雨发生频次的多寡很大程度上影响着暴雨雨量的大小。

(2)重庆地区4个代表站的暴雨日数风险概率曲线均为单峰型，在2～4d的值域上占的比例最大。其中沙坪坝平均每年发生3d的风险性水平最高，其次为涪陵、万州、黔江。

(3)从暴雨灾害风险空间分布来看，随着暴雨量级的增加，灾害出现的概率也随之减小。第二等级的风险区域与第一等级的风险区域恰好相反;第三等级风险概率分布图与暴雨平均雨量的分布图基本一致，高值区在渝西片区的渝北—北碚，渝东南的彭水、渝东北的万州—梁平一带;第四等级的高风险概率分布中，除渝西片区的璧山—沙坪坝、渝东北的梁平—开县、渝东南的黔江等地为小概率区域外，重庆地区大部分都处于零风险区域。

[1] 于赢东，杨志勇，刘永攀，等.变化环境下海河流域降水演变研究综述[J].水文，2010，30(4):33－35.

[2] 李延林，颜亮东.西北地区降水特征及其变化趋势研究综述[J].青海科技，2011，(5).

[3] 中国气象年鉴编辑部.2012中国气象年鉴[M].北京:中国气象出版社，2012.

[4] 张天宇，程炳岩，刘晓冉，等.重庆汛期极端降水事件分析[J].热带气象学报，2009，25(4):475－482.

[5] 刘德，李永华，何卷雄.重庆市夏季气温及降水变化的小波分析[J].高原气象，2003，22(2):173－178.

[6] 刘德，李永华，高阳华，等.重庆夏季旱涝的欧亚环流特征分析[J].高原气象，2005，25(2):275－279.

[7] 刘毅，何金海，王黎娟.近40a重庆地区夏季降水的气候特征[J].气象科学，2005，25(5):490－498.

[8] 李永华，毛文书，高阳华，等.重庆区域旱涝指标及其变化特征分析[J].气象科学，2006，26(6):638－644.

[9] Huang C F.An application of calculated fuzzy risk[J].Information Sciences，2002，142(1):37－56.

[10] Huang Chongfu.Risk assessment of natural disaster theory and practice[M].Beijing:Science Press，2005.

[11] Wang Qian，Jin Ping，Lu Yuchu.1nformation diffusion and parameter optimized[J].COMM.on Appl.Math and Comput.2003，17(2):75－84.

[12] 黄崇福，王家鼎.模糊信息优化处理技术及其应用[M].北京:北京航空航天大学出版社，1995:145－159.