基于智能网格预报的江西暴雨灾害风险预评估研究*

孙素琴，吴 静，唐春燕，熊 立，朱星球

(1.江西省气象台，江西 南昌 330096；2.江西省减灾备灾中心，江西 南昌 330030)

暴雨是江西省主要气象灾害之一，常引发城市内涝、农田渍涝，更有甚者引发山洪、泥石流等次生灾害，给当地人民生活、生产带来极大影响。近十年来江西各地灾情普查数据统计显示，暴雨洪涝灾害累计经济损失最大，其次为干旱；因灾累计死亡人数最多的气象灾害亦为暴雨洪涝，其次为风雹灾害。据民政部发布的2020年江西全年自然灾害基本情况报告显示，洪涝造成直接经济损失达344.5亿元，占各类自然灾害直接经济损失总和的97%。如2020年6月29日-7月上旬，江西中北部多次遭暴雨袭击，累计雨量创历史同期新高，达常年同期4倍，其中7月7-9日连续出现区域性大暴雨，大暴雨持续时间(3 d)和覆盖范围(60个县(市、区))均为1961年以来历史之最；7月8日大暴雨县市数达35个，单日大暴雨范围创历史新高；江西暴雨与长江流域性大洪水相逢，外洪内涝致鄱阳湖流域发生超历史大洪水。卫星遥感监测显示，7月14日06：00，鄱阳湖主体及附近水域面积达4 403 km2，为近10年来最大。黄安多[1]研究表明，从暴雨洪涝及其引发次生灾害的发生机制来看，暴雨洪涝具有明显的季节性、区域性和重复性。因此，有必要开展暴雨灾害预评估工作，为政府及相关部门应急决策管理提供科学依据。

国内外对暴雨灾害评估研究有概率统计法，灰色关联法和主成分分析法。概率统计法以历史重现率描述暴雨灾害等级，适于灾前、灾中、灾后快速评估，但未考虑人口和经济等信息，对暴雨事件可能评估不足。灰色关联法对数据要求较低且计算量小，简便易行，但灾情资料获取后才可评估，适于各种灾害灾情调查评估。主成分分析法可将多种致灾因子按权重简化成一个综合指标描述暴雨灾害强度，实际应用中与概率统计法结合使用可有较好效果。王秀荣等[2]利用一种简化的暴雨灾害风险及影响评估方法确定了中国区域内与暴雨灾害密切相关的地形高程等环境脆弱性影响因素，并对各类要素进行分级评定，将各类因子相结合建立暴雨灾害综合风险评估模型，该评估模型实时评估业务能力强。袭祝香等[3]根据重大暴雨过程灾害损失风险的主要成因等，构建了吉林省重大暴雨过程灾害损失风险评估模型，并对一次重大暴雨过程灾害损失风险进行预评估，得出吉林省暴雨过程灾害损失综合分析的高值区等，提高了重大暴雨过程应对能力，减少灾害损失。石涛等[4]建立了暴雨洪涝灾害的致灾、孕灾、承灾和抗灾4个风险评价因子模型，对芜湖市暴雨洪涝风险进行评估，解决了暴雨洪涝灾害难以精细化、定量化评估的部分问题。张玮玮等[5]对风险评估方法进行改进，通过对灾害过程中不同阶段分别开展风险分析，将气象灾害风险分析从气候特征评价向天气过程评价转化。谢五三等[6]从暴雨致灾机理出发，以东津河流域为例，开展中小河流域暴雨洪涝灾害风险区划技术研究，得到不同重现期下人口、GDP以及土地利用等风险区划图谱，研究发现建立的中小河流域暴雨洪涝灾害风险区划技术方法简便可行，区划结果精度高、实用性强，对于面向实时防灾减灾的动态灾害风险管理具有重要意义。伍俊斌等[7]针对洪涝灾害发生后应急救灾部门优先采取救援行动的对象，以及重点关注的承灾体类型，提出基于应急灾情指数的洪涝灾害灾情动态应急评估方法，实现服务于洪涝灾害应急救援的灾情动态应急评估。刘慧等[8]基于突变理论对湖南衡阳暴雨灾害进行风险评估，综合分析了衡阳暴雨灾害风险的时间演变和空间变化情况，表明暴雨灾害综合风险大致呈现由南至北逐渐递减的趋势，突变理论的采用和评估体系指标的细化，优化了风险评估的过程，提高了风险评估的实用性和科学性。李亚滨等[9]对黑龙江省1984-2013年各台站历史暴雨灾害资料进行统计分析，采用灰色关联度方法进行灾害等级划分，研究暴雨灾害与气象因子之间的关系，建立了反映暴雨灾害程度的5项单指标及综合评估指数，在此基础上建立了评估和预评估模型，最终实现对暴雨灾害事件的快速评估。徐永清等[10]以致灾危险性、承灾体暴露性和脆弱性评估为理论基础，采用GIS空间分析技术，对黑龙江省位于平原的富裕县和位于山区的呼玛县进行了暴雨洪涝风险评估研究，发现与基于空间分辨率较低降水资料所得到的暴雨洪涝指数和风险分区结果相比，采用较高空间分辨率降水资料的暴雨洪涝指数分布更加平滑，突出了暴雨高值和低值区，平原区暴雨洪涝风险分区连续性增强，山区风险分区不但连续性增强，且与地形分布趋势高度一致的状况显著改善，结果更科学合理。对江西省暴雨灾害风险评估研究较多[11-15]，但在实际业务中可运用的暴雨灾害风险预评估产品仍较少。本文旨在借鉴已有研究成果，结合江西实际情况，侧重考虑暴雨过程与前期降水实况，结合灾情，对区域性暴雨进行风险评估研究，实现对区域性暴雨过程灾害风险动态预警评估。

1 研究地区概况

江西省位于长江中下游南岸，冷暖空气常交汇的地带，1980-2010年年均降水量为1 676 mm，仅次于广东省(1 788 mm)和海南省(1 787 mm)。地貌以江南丘陵为主，省境东、西、南三面环山地，中部丘陵和河谷平原交错分布，北部为鄱阳湖平原，地势总体呈现四周高、中间低，内部呈南高北低，如一个向北开口的簸箕(图1)，江西主要河流被五条动脉水系所覆盖：赣江、抚河、信江、饶河和修水，流域面积均超1万km2，以鄱阳湖为中心集纳后经长江入海。

图1 江西省地形及气象站点分布图注：底图来源于标准地图服务网 审图号为GS(2019)3333号，无修改，下同

2 资料及处理

2.1 资料

1)降水实况数据为经质控的当日20时-次日20时降水数据，因涉及极值问题，为充分利用现有资料，选取1951-2022年数据。江西降水过程统计优先使用江西地面实况网格日产品，该产品分辨率为1 km(0.01°)，源于江西省气象数据中心，无此资料时利用站点数据插值处理，其中2022年数据用于暴雨灾害风险预评估。

2)降水预报资料为气象台预报员每日制作的网格预报数据，时间分辨率为12 h，将其累加至24 h网格降水预报产品，空间区域为113.45°～118.60°E、24.35°～30.20°N，精度为5 km×5 km，产品选取上午、下午两时段预报数据，按需插值成1 km分辨率。

3)暴雨过程灾情数据来源于“国家自然灾害灾情管理系统(2022)”，自然灾害灾情报送分为省、市、县、乡、村五级，灾情数据以乡镇为基本单元。灾情报送时效分为初报、续报、核报。过程开始时，各部门2 h以内完成灾情逐级初报。初报后，24 h内完成灾情逐级续报。过程结束时，完成灾情核定后，各部门(县级5 d内、市级8 d内、省级10 d内)逐级上报后完成最终灾情数据。

4)江西省年GDP(Gross Domestic Product，国内生产总值)、人口资料来源于中国科学院地理科学与资源研究所。经济数据为2015年中国GDP空间分布公里网格数据集，人口数据为2015年中国人口空间分布公里网格数据集，两者分辨率均为1 km，据暴雨过程所在年份使用时对江西省总GDP、常住总人口数适当修订。

5)水系数据采用江西基础地理信息数据，用于河网密度计算。

6)土壤类型数据来自联合国粮农组织(FAO)和维也纳国际应用分析研究所(IIASA)所构建的世界土壤数据库(Harmonized World Soil Database，HWSD)。

2.2 区域暴雨过程确定

本文针对社会经济、群众生活生产等造成一定影响的降水过程评估。因此，选取江西境内24 h内(当日20时-次日20时)出现≥5站国家站暴雨(24 h降雨量≥50 mm)时，且5站以上暴雨较为集中的过程为一个区域性暴雨日。区域性暴雨过程向前或向后延伸基本条件为全省有3～5站降水量≥25 mm。据统计1951-2021年此类区域性暴雨为672次。

此外，区域暴雨过程发生前或即将结束时，某些观测站较强降水已开始或仍在持续，对相应观测站暴雨过程延伸，延伸标准为日降水量≥25 mm。如2011年6月13-15日暴雨过程，6月16日仅出现1站暴雨(区域性暴雨过程结束)，但德兴市16-17日降水量为52.3 mm和29.8 mm，与15日降水量(233.6 mm)有共同致灾影响，故德兴市暴雨时间延伸至17日。

3 基于格点的精细化暴雨灾害风险预评估

3.1 暴雨过程强度指数

1)单站暴雨过程强度指数。首先，计算单站暴雨过程强度：

Ir=A×I24pre+B×Ipre+C×Iday。

(1)

式中：I24pre、Ipre、Iday分别为归一化后的最大日降水量、过程累积降水量、降水持续天数；A、B、C为权重系数，由I24pre、Ipre、Iday三者之间的复相关系数绝对值的倒数求得；统计得到持续1 d及以上暴雨过程的三个因子值及各自权重系数(表1)。

表1 1951-2021年单站暴雨过程归一化参数和各因子权重系数

2)区域性暴雨过程强度指数。在单站暴雨过程强度指数基础上，构建区域暴雨过程强度指数为：

(2)

式中：n为达到单站暴雨过程标准的站数，m为第i个测站出现暴雨过程次数，Irij为第i站、第j次暴雨过程单站暴雨强度指数。

据江西1951-2021年672次区域性暴雨过程强度指数统计结果，采用百分位法，将区域暴雨过程分特强、强、较强、一般四等级(表2)，给出综合强度由强到弱排前20位的区域性暴雨过程(表3)，对应强度指数划分，得出这些过程均为特强过程。

表2 区域降水过程强度百分位分级

表3 1951-2021年强度排名前20位强区域性暴雨过程

3.2 孕灾环境分析

本文孕灾环境敏感性指标选择与暴雨灾害关联性较大的地理环境要素，包括地形高程数据，地形高程标准差、河网密度、土壤类型等。

1)地形因子。周成虎等[16]研究表明，地形对暴雨灾害损失的影响以地形高程和地形高程标准差的综合影响值体现，地形高程越低，地形起伏越小，越容易发生洪水。综合考虑江西省地形和洪涝灾害分布特点，以200 m、500 m和1 000 m为界，将地形高程划分为四个等级，分别对应不同的指数值。

(3)

式中：E为高程(m)，指数值越大表示越容易产生洪涝灾害。

高程标准差指数是据隋刚等[17]研究成果，选择合适栅格空间分辨率，利用高程标准差可较好反映出地形起伏度。其中标准差为0～10时表示地势为比较平坦，基本是农业用地；10～30为相对平坦的草地，30～50为起伏的丘陵地带，大于50基本是沟壑纵横的山地。根据不同高程标准差产生洪涝灾害的难易程度，设置分级指数。

(4)

式中：Ed为高程标准差(m)，指数值越大表示越容易产生洪涝灾害。

(2)河网密度指数。河网密度高的区域，流域径流汇流快，而暴雨转化为地下水的部分相对较小，洪流流量大，洪水危险性较大。参考黄诗峰等[18]的研究方法：

D=L/A=nl/na=l/a。

(5)

式中：L为流域内河流总长度，A为流域面积，n为流域内河段总段数，l为平均河流长度，a为平均相邻面积。运用线密度计算方法对河网密度分析计算，将发生洪涝灾害的难易程度划分为四个等级：

(6)

式中：D为河网密度(km/km2)。ID为河网密度指数，指数值越大表示越容易发生洪涝灾害。

(3)土壤类型指数。不同土壤的透水性不相同，郭晓军等[19]研究表明，下渗率的大小与土壤颗粒大小密切相关。根据FAO-90对各种土壤颗粒百分含量的资料，并结合考虑土壤的渗透率和产流能力的大小，对不同土壤类型赋予不同指数值，反映发生洪涝灾害的难易程度(表4)。

表4 土壤类型对产流影响分级表

(4)孕灾环境影响系数IP。综合考虑地形、水系、地质灾害易发程度，评估点的暴雨孕灾环境综合指数(IC)可通过IE、IEd、ID和Isoil的加权求和得到，即：

IC=a×IE+b×IEd+c×ID+d×Isoil。

(7)

式中：a、b、c和d分别为地形高程系数、地形高程差系数、河网密度系数和土壤类型系数的权重，并满足a+b+c+d=1。权重值的大小根据上述三因素对暴雨灾害影响确定，本文由层次分析法得出，分别取0.55、0.1、0.05、0.3。

考虑评估区域一致性，对暴雨孕灾环境综合指数规范化处理，得到评估格点的暴雨孕灾环境影响系数(IP)为：

(8)

式中：ICmin、ICmax分别为区域内最小和最大暴雨孕灾环境综合指数；C为常数(取值0.2～0.4)，本文取0.2；暴雨孕灾环境影响系数为负值时，消减致灾危险性；正值加重致灾危险性。分析得出江西暴雨孕灾环境影响系数分布(图2)。

图2 江西省暴雨孕灾环境影响系数分布

3.3 暴雨过程致灾危险性分析

暴雨致灾危险性由暴雨孕灾环境影响系数与区域暴雨过程综合强度指数加权综合得到。

Wx=(1+IP)×IR。

(9)

式中：Wx为暴雨致灾危险性指数，IP为暴雨孕灾环境影响系数，IR为区域暴雨过程综合强度指数。

自然断点法是根据暴雨过程特点进行强度分级的一种方法，而不同暴雨有不同划分阈值，故不易对比暴雨过程间的强度。为了对比不同暴雨强度，本文采用固定阈值法对135个典型暴雨过程致灾危险性分级，分级阈值见表5；并将暴雨灾害风险评估结果与灾情实况进行对比分析，发现两者总体一致，表明该模型较为合理。

表5 基于固定阈值的致灾危险性等级划分表

3.4 承灾体分析

暴雨灾害影响与降雨强度和孕灾环境有关，也与承灾体密切相关。同等强度暴雨，发生在人口和经济暴露度高的地区造成损失大，灾害风险也大。本文选取承灾体包括人口、农业、经济，灾情对应为受灾人口、农作物受灾面积、直接经济损失。因承灾体脆弱性获取困难，主要考虑承灾体的暴露度。

为消除各指标量纲差异，对人口暴露度、经济暴露度、农业暴露度指标归一化处理：

(10)

式中：EDi是第i个指标归一化值，Ai是第i个指标值，mini和maxi分别是第i个指标中最小值和最大值。据分析得出人口、经济和耕地的相关数据分布(图3)。

图3 江西省2015年人口栅格分布图、GDP栅格分布图和土地利用分布示意图

分析2010-2021年35个暴雨强度与基于站点和格点的承灾体灾情发现，基于格点的承灾体评估强度较站点准确，故本文均基于格点开展暴雨灾害风险预评估。本文对多个过程进行评估分析，表6为2022年3个典型暴雨过程(2022年5月27-30日、2022年6月12-15日、2022年6月17-20日)的直接经济损、农作物受灾面积和受灾人口分别进行格点数据和站点数据评估检验可见，除了案例3直接经济损失站点数据评估较好外，其他案例格点数据的准确率总体上优于站点数据。

表6 典型暴雨过程灾情定量评估准确率分析

3.5 基于格点的精细化暴雨灾害风险预评估

暴雨灾害的综合风险分布产品制作流程：利用智能网格的降水预报日产品数据，得出降雨综合强度评定输出结果数据，为数据分辨率统一，将降水资料通过反距离权重法插值为空间分辨率1 km的格点数据；结合1 km分辨率的江西各地暴雨致灾环境数据，包括地形高程、高程差、土壤类型和河网密度等孕灾环境背景数据，应用模型计算出每个格点上的暴雨灾害综合危险性指数，将危险性分为高、较高、中、较低、低五级别，再分别叠加人口、经济、耕地等承灾体空间分布栅格数据，得到不同等级下不同承灾体的影响，最后利用GIS技术，得到暴雨灾害的综合风险分布产品。

业务在暴雨发生之前或者暴雨发生过程中，需对暴雨过程造成影响提前评估。暴雨过程之前，预评估使用降水预报资料；暴雨过程中，预评估使用降水实况资料和降水预报资料。

4 典型案例分析

上文通过对暴雨过程灾害损失风险进行评估，并与灾情实况对比检验，发现该模型输出的结果较为合理。

4.1 暴雨灾害风险评估

以2019年6月6-10日暴雨过程为例，选用逐日实况降水资料结合孕灾环境因子计算此次暴雨过程综合危险性指数，经分级后得到危险性区域分布，图4a可见吉安市北部至赣州市东北部、上饶市东部及赣州市西南部为暴雨灾害风险较高到风险高区，与灾情实况分布(图4b，源于江西省减灾备灾中心)对比，大体上反映出此次暴雨过程受灾情况。从逐日灾情分布可见，灾情数据有滞后性，如6月6-8日暴雨发生后，灾情收集滞后，6月9日才体现出上饶南部和抚州北部等地灾情(图略)。

图4 2019年6月6-10日暴雨灾害风险评估危险性分布和暴雨实况灾情等级分布

基于暴雨过程灾害危险性，据人口分布密度计算出受影响人数，同时分析输出暴雨灾害综合风险等级下的经济损失和农作物受灾面积情况(表7)。

表7 2019年6月6-10日暴雨过程的影响评估

据统计，此次暴雨过程共造成301.7万人受灾，农作物受灾面积达250.9 khm2，直接经济损失达98.2亿元。表7可见，评估受灾人口为218.640 7万人，小于实际影响人口；而直接经济损失评估值大于实际值，为1 212 637万元；农作物受灾面积为206.064 khm2，同样小于实际值；总体而言，三者评估准确度良好，准确率为72.5%～82.1%。

4.2 暴雨灾害风险预评估

以2022年6月12-15日暴雨过程为例，基于评估模型，利用逐日降水预报数据与实况数据得出逐日暴雨过程灾害评估预测图(图5)，其中图5c、图5g、图5l为2022年6月12-15日过程中已出现的降水实况，图5a、图5d、图5h为暴雨过程中不同时次的降水量预报，图5e、图5i为暴雨灾害风险预评估的总雨量(实况降水量和预报降水量之和)，图5b、图5f、图5j、图5m为不同起报时间的暴雨灾害风险预评估综合影响分布，图5k、图5n为与暴雨灾害风险预评估相对应时间的灾情实况分布。从6月11日开始进行暴雨过程风险灾害预估，通过逐日预报的调整，瑞金市、龙南市、全南县、定南县、于都县等地预评估受灾严重，与灾情实况接近；但信丰县和会昌县南部的预测受灾强度较低，与实况相差较大，是否受周围地区强降水影响致灾，有待进一步研究。从灾情评估值和实际灾情值对比可见(表8)，总体效果较好，其中受灾人口评估准确率为93.8%，农作物受灾面积准确率为89.1%，直接经济损失准确率为74.8%。

表8 2022年6月12-15日暴雨过程的影响评估

图5 2022年6月12-15日暴雨过程灾害风险预评估与灾情实况

5 结论与讨论

本文利用研究模型，对江西暴雨过程进行评估和预评估，该模型对暴雨灾害风险评估总体较合理，但仍有不足。

1)结合智能网格预报的降水产品和已出降水实况资料，对任意一次暴雨来临前(可能发生的)、暴雨进行时(正在发生的)及暴雨结束后(已经发生的)的暴雨灾害风险进行动态跟踪评估和判定；研究发现评估结果与灾后统计灾情大致相符，评估结果大致反映暴雨灾害综合风险分布趋势。

2)利用评估模型，结合GIS技术，分析江西地区暴雨灾害风险结果，可得出暴雨灾害影响的人口数量、直接经济损失和农作物受灾面积等定量影响结果。

3)模型中计算暴雨强度时运用了降水日资料，但对短历时暴雨而言，其权重因子是削弱的，从而会影响评估效果；需进一步完善承灾体背景库，建立逐年的人口、GDP、土地利用空间分布数据，以消除由承灾体数据年际差异造成的模型误差；灾情资料需订正与细化：灾情数据与实际发生的灾害影响有时差异较大，需通过各类文献、实地调研、座谈等方式修订，且目前收集到灾情多为省级数据，应精细到市、县甚至乡镇，用以分析承灾体脆弱性参数。