池州市近10 a主要暴雨灾害及致灾性分析

统计2007-2016年池州市暴雨引发的主要灾害及次生灾害,运用冯利华_^[1]提出的灾级概念模型对其进行分级,结果表明：2007年7月10日和2016年7月3日的暴雨灾害指数均超过了6.00,灾害等级为重灾。前者的短历时强降水特征非常明显,且由于降水发生时段主要在夜间,发生地位于山区,结果导致出现山洪、山体滑坡、泥石流等灾害;后者则是由于持续性的降水造成了城市内涝、多条河流超警戒水位甚至发生溃堤。文章还基于上述原因从致灾因子和承灾体即短时强降水和地形因素两方面重点分析其致灾性,结果表明：凌晨5时前后是池州市暴雨灾害的最强致灾时段,这主要是因为此时段为短时强降水高发时段,一旦发生持续性短时强降水将会造成严重的暴雨灾害;而在空间上池州市东至县、贵池南部山区及九华山区域为暴雨灾害高发区域,其原因是东至县为喇叭口特殊地形,而其他地区多为山区,同时由于池州市位于副高西北侧,汛期西南气流输送比较强盛,通过山区地形的强迫抬升和动力抬升作用容易触发对流,产生强降水过程,造成暴雨灾害。     

池州市近10 a主要暴雨灾害及致灾性分析

利用池州市2007—2016年共10 a的暴雨灾害资料和140个区域雨量站及4个国家基本站(贵池、东至、石台、青阳)逐小时降水资料,对池州市近10 a主要暴雨灾害进行分级并分析其致灾性,结果表明:(1)池州市近10 a主要暴雨灾害特征与短历时强降水分布特征及池州市地形分布特征具有明显关联性;(2)05时前后是池州市暴雨灾害的最强致灾时段,这主要是此时段为短时强降水高发时期,一旦发生持续性短时强降水将会造成严重的暴雨灾害;(3)东至县中南部、贵池南部山区及九华山区域为暴雨灾害高发区域,其原因是东至县具有喇叭口特殊地形,而其他地区多为山区,同时由于池州市常位于副高西北侧,汛期西南气流输送比较强盛,通过山区地形的强迫抬升和动力抬升作用容易触发对流,产生强降水过程,造成暴雨灾害。     

基于1 km网格的北京暴雨洪涝灾害风险区划

目前许多城市暴雨洪涝灾害综合风险区划对暴雨在复杂地形下可能引发的山洪与地质灾害造成的高风险以及对城市交通安全风险估计不足,同时常规的气象观测资料已难以描述暴雨致灾危险性精细化分布。本文基于自然灾害风险评估理论,利用遴选的293个北京气象自动站2006—2017年逐时降水观测资料、北京2015年1∶25万基础地理信息、2016年Landsat8晴空遥感影像、灾情资料以及网格化的社会经济资料,在承灾体暴露度基础上充分考虑了承灾体对暴雨引发的城市积涝、山洪与地质灾害灾损敏感性差异,从暴雨致灾危险性、孕灾环境敏感性、承灾体易损性3个方面开展了北京地区暴雨灾害1km分辨率的精细网格化风险评估与区划,并结合实际案例进行了分析。结果显示:(1)基于高密度降水观测资料提取的网格化短历时暴雨频次和暴雨量能较为精细地评估致灾危险性;基于遥感与GIS提取的不透水盖度、地形起伏度与河网密度可有效评估暴雨洪涝孕灾环境敏感性;基于1km格网化的GDP、人口密度和路网密度以及灾损敏感系数可有效评估暴雨引发的积涝、山洪与地质灾害对人员、财产和公路交通的易损性;(2)与已有成果比较,本次北京暴雨洪涝风险区划不但凸显了暴雨对城市的积涝风险,也凸显了暴雨引发的山洪与地质灾害风险,同时突出了暴雨对城市交通设施安全的影响;(3)风险区划结果基本反映了北京市暴雨灾害的潜在风险,北京暴雨洪涝灾害防御的重点区域应放在风险较高的三个区域。     

辽宁暴雨诱发山洪灾害风险区划研究

基于自然灾害风险评估理论,利用2005—2019年辽宁省1639个自动站逐时降水观测资料、2017年辽宁省30 m分辨率的基础地理信息和山洪沟资料以及风险普查数据,对辽宁暴雨诱发山洪灾害风险区划进行研究,并将风险区划结果与历史山洪灾情进行对比分析。结果表明：通过山洪灾害与降水相关性统计发现,6 h暴雨作为辽宁省山洪致灾因子更为合适,因此构建了6 h综合利用分级暴雨强度及暴雨频次精细评估暴雨致灾危险性;山洪沟沟口高程、沟床比降及河网密度等资料可有效评估山洪孕灾环境敏感性;人口密度、耕地比例两个风险暴露度指标以及灾损敏感系数可大体评估承灾体的易损性;与历史山洪灾害空间和频率分布对比,山洪灾害的高发区与在本次风险区划高风险区基本吻合;精确到每个山洪沟风险区划的结果,提高了山洪灾害的风险区划精度,为辽宁暴雨诱发山洪灾害精准防御提供参考。     

基于随机森林的暴雨灾害人口损失预估模型及应用

基于2009—2017年的广西县级暴雨灾情记录,综合考虑致灾因子、孕灾环境和承灾体因素选取7个解释变量,运用随机森林算法,构建暴雨灾害人口损失预估模型;并以精细化网格降水实况分析和预报产品驱动模型,预估是否发生人口损失。研究结果表明:模型训练样本及测试样本的分类准确率均在90%以上,致灾因子(降水情况)是最主要的解释变量,重要性从大到小依次是前10 d降水距平百分率、过程最大日雨量、最大小时雨量和短时强降水频次。应用智能网格降水产品对广西地区近两年的暴雨灾害过程进行回报试验,准确率超过70%。     

CMORPH卫星-地面自动站融合降水数据在中国南方短时强降水分析中的应用

对比分析了国家级气象观测站逐时地面降水资料和CMORPH卫星-地面自动站融合降水数据在反映中国南方地区2008—2013年4—10月短时强降水时空分布特征上的差异,并在此基础上利用融合降水数据分析了短时强降水与暴雨的关系,结果表明:(1) 融合降水数据所反映的短时强降水的大尺度特征与站点资料一致,并能更好地描述地形的影响;(2) 短时强降水的季节变化与东亚夏季风进程和雨带的季节性位移密切相关;(3) 短时强降水与暴雨日的空间分布特征和季节变化趋势相似,4月下半月—10月上半月,超过60%的短时强降水发生在暴雨日,同时短时强降水也是暴雨形成的重要因素,短时强降水暴雨日数占总暴雨日数的比例(68.6%)普遍高于非短时强降水暴雨日(31.4%),但是短时强降水暴雨日的发生具有显著的季节和区域差异。      

关中东部暴雨灾害风险区划研究

利用关中东部11个气象站1961—2007年的逐日降水资料、同期暴雨洪涝灾害和经济发展资料,在ARCGIS平台上,从暴雨的孕灾环境敏感性、致灾因子危险性、承灾体易损性、防灾减灾能力等4方面综合分析,形成关中东部暴雨风险灾害区划。结果表明：关中东部孕灾环境的高敏感区主要在秦岭北部渭河支流较多的二华地区和沿黄河的韩城市;韩城和潼关的雨涝致灾危险性最高,蒲城、大荔致灾危险性相对较小;临渭区为高易损区;关中东部的临渭区、大荔、韩城对暴雨灾害防灾减灾能力最强,其次为蒲城和华县。暴雨洪灾的高风险区在韩城和潼关。暴雨灾害风险区面积相对较小,防灾减灾相对较强,暴雨致灾危险性范围小,但受地形和地貌影响,孕灾环境敏感性较高。     

基于地形订正技术的安徽冰雹灾害风险区划

地形订正是保证冰雹灾害风险区划结果准确的关键环节。利用1978—2020年安徽省81个国家级气象观测站冰雹观测资料以及地理信息、国内生产总值、历史灾情等数据,采用相关分析、回归分析等统计方法,识别冰雹灾害致灾因子,并计算其致灾强度,建立冰雹频次的地形修正方法,综合冰雹致灾强度和频次开展致灾危险性评估。基于自然灾害风险形成理论,综合致灾危险性和承灾体易损性,借助GIS技术完成冰雹灾害经济风险区划,并对结果的合理性进行了验证。结果表明：(1)最大冰雹直径和降雹持续时间与冰雹灾损指数显著相关,确定二者为冰雹灾害致灾因子;地形修正后的冰雹频次空间分布特征与实际发生情况一致,且能更精细地反映出高海拔山区的冰雹频次空间差异程度;(2)冰雹多发区、高和较高危险区均位于安徽省冰雹主要路径上的淮河以北地区、江淮之间东部地区以及大别山区和皖南山区两大山区;(3)冰雹灾害经济风险总体上自南向北逐渐增大。通过灾情验证,安徽省冰雹灾害经济风险指数与直接经济损失多年平均值的相关系数通过α=0.01显著性水平检验,区划结果与实际情况基本吻合。     

玉屏暴雨与致灾暴雨特征及乡镇“三个叫应”阈值确定

本文使用玉屏县国家站及乡镇考核站点2014-2020年暴雨天气过程日降水量、逐小时降水量及灾情数据,统计分析玉屏县暴雨天气及致灾暴雨天气过程降水特点,对本地“三个叫应”阈值进行检验,并提炼乡镇“三个叫应”阈值。结果表明：（1）新店镇暴雨频次逐年变化幅度不大,而田坪镇变化幅度最大,朱家场镇次之。（2）全县在5-7月份出现暴雨的频次较高,6月份达到峰值,而朱家场镇暴雨频次的峰值出现在7月。（3）在所有暴雨天气过程中,短时强降水多出现在夜间,致灾分为持续性降水或平缓降水致灾、暴雨叠加致灾、短时强降水致灾。当玉屏县境内出现连续4天以上降水且累计雨量达到100mm左右,或10mm/h左右降水持续5小时～9小时,将可能出现灾情。暴雨叠加分为空间叠加及时间叠加,玉屏县辖区两次暴雨时间间隔小于1天,将极易引发相关灾害。空间叠加为玉屏县中南部3小时出现50mm降水叠加岑巩上游暴雨,玉屏县中南部将可能出现灾情。（4）对“三个叫应”阈值进行检验,结果表明各乡镇的致灾雨强并不统一,因此制定分乡镇的“三个叫应”阈值,3h阈值为40mm～60mm。     

乐山地区短时强降水时空分布及变化特征研究

基于2013~2020年乐山地区9个国家自动站和136个区域自动站逐小时降水资料,应用诊断分析方法,系统研究了乐山地区短时强降水的时空分布及变化特征,探讨了短时强降水发生频次与地形因子的关系。结果表明:乐山地区短时强降水年均频次和极值均呈增加的趋势,强度较为稳定,变率不大。短时强降水在3~10月均有发生,其频次月分布呈现出单峰型的特征,集中发生在7~8月,占全年的77.7%,7月下旬~8月上旬发生频次又占7~8月总量的49.8%。短时强降水频次日变化呈单峰单谷结构,夜间发生概率最大,白天发生概率相对较小,22时~次日04时是短时强降水集中高发时段,虽然短时强降水在午后和傍晚的发生概率相对较小,但其强度较强,也应当引起重视。乐山地区短时强降水空间分布差异较大,存在两级分化的特点,与地形关系密切,总体呈西南部和东北部少、西北部—中部—东南部多的分布特征。短时强降水的发生与经纬度、海拔高度等地形因子显著相关,高发区主要集中在山谷喇叭口、岷江流域的河谷地带及城市热岛区。      

暴雨灾害风险及其对农业影响的评估

综合考虑降雨区域类型、发生强度和持续时间,确定了暴雨灾害致灾因子的综合强度分级标准;将地形高程、高程标准差、河网密度等环境脆弱性要素结合暴雨灾害致灾因子,建立暴雨灾害风险评估模型,并进行分级评估;应用GIS将农业易损性指标叠加到暴雨灾害风险区划中,得到不同等级风险下农业受影响的程度。以"7·21"暴雨为例,进行模型的应用及检验分析,结果表明:降雨量最大的葫芦岛大部、丹东宽甸县暴雨灾害风险等级为极高;致灾因子危险等级相同时,辽宁中部平原地区较辽西、辽东丘陵地区暴雨灾害风险等级高;农业易损性较高的沈阳大部、鞍山北部、丹东局部、锦州大部、铁岭部分、葫芦岛大部地区农业受灾较重。评估结果与事实灾情较一致。     

青藏高原边坡临夏地区短时强降水时空分布及海拔特征分析

利用青藏高原边坡临夏地区6个国家级自动气象站和66个乡镇区域自动气象站2010—2019年5—9月逐小时降水资料，详细分析了临夏地区短时强降水的时空分布及海拔地形特征，结果表明：近10 a短时强降水频次总体呈上升趋势，短时强降水频次与西太副高脊线位置和北界位置有密切关系。短时强降水主要发生在5—9月，集中时段为7月中旬到8月中旬，19:00～23:00为高发时段，属于傍晚型和夜雨型。近10 a临夏地区短时强降水的极端性逐年增大，单站年均频次在0.2～2.6次之间，平均为0.8次，短时强降水空间分布差异较大，总体呈西南多、东部和北部少，山区多、川区少的分布特征。临夏地区降水分布与海拔高度有明显关系，5—9月平均降水量随海拔高度升高而增大，不同海拔地形下短时强降水频次分布呈现两个极端：海拔较高的山地喇叭口地形区域和海拔较低的河谷地区，是临夏地区汛期短时强降水的重点关注区域。     

基于降水时空分布情景模拟的暴雨洪涝致灾危险性评价

致灾因子危险性评价是进行风险区划的重要环节。本文采用江西省贡水流域超警戒水位的降水作为暴雨致灾因子,以最优极值函数分布方法计算研究该流域的重现期面雨量,利用超警戒水位降水过程的降水量时间分布规律和降水空间经验正交函数分析结果,结合Flood Area模型开展不同降水时空分布情景的洪水演进模拟,以模拟淹没水深作为指标建立暴雨致灾危险性评价等级,对不同降水时空分布情景下贡水流域暴雨致灾危险性进行评价。结果显示:不同的降水时空分布对暴雨洪涝致灾危险性评价影响较大。该方法是完善流域内暴雨洪涝灾害风险区划和评估工作的基础,在此基础上开展流域内不同承灾体的脆弱性评价和暴露度评价,可为地方政府制订减灾规划与预案等提供参考。     

基于FloodArea的山洪灾害风险区划研究——以淠河流域为例

致灾临界面雨量、洪水淹没范围及深度的确定是暴雨山洪灾害风险区划的核心环节。本文以淠河流域为研究区,利用统计方法与水文模型相结合的方法确定雨-洪关系,得到致灾临界面雨量;基于FloodArea开展洪水淹没模拟,叠加承灾体信息,得到T年一遇洪水淹没风险评估与区划图。通过对2015年13号台风"苏迪罗"强降水过程的淹没反演,验证表明:无论是洪水淹没范围还是淹没水深,FloodArea模拟值与实况值均较为吻合。综合来看,淠河流域暴雨山洪灾害风险区划与评估结果较为合理;基于FloodArea模型在淠河流域具有较好的洪水淹没模拟效果,可用于暴雨洪涝灾害风险评估与预警。     

四川区域暴雨过程中短时强降水时空分布特征

利用2007~2012年5~9月四川省3079个观测站的分钟级降水资料,并结合SRTM(Shuttle Radar Topography Mission)提供的分辨率为90m的地形高程数据,采用统计分析方法,分析了四川省区域暴雨过程中短时强降水的时空分布特征。结果表明:(1)四川省区域暴雨过程中短时强降水主要出现在盆地的三个区域:雅安-乐山-眉山地区、遂宁-资阳地区、绵阳-广元-巴中地区。(2)强降水过程主要发生在后半夜到凌晨(01~08时),不同区域的强降水过程具有各自明显的日变化特征。(3)可以用3mm/10min的标准线来区分四川盆地强降水过程与非强降水过程。短时强降水过程降水率一般为3~6mm/10min,地形对短时强降水率的整体分布影响不大,但是对降水率的极端值影响较大。     

基于改进层次分析法的湖北省雷电灾害风险区划

准确判定评价指标的相对重要性是雷电灾害风险区划的关键技术之一。为解决层次分析法(AHP)由人为经验方式判定指标相对重要性存在的问题,提出一种改进的AHP法(IAHP);同时,利用湖北省2007—2020年闪电监测、数字地形高程、土壤电导率及经济社会等资料,选取雷击大地密度、地闪强度、海拔高度、地形起伏度、土壤电导率、人口密度、GDP密度7个参数作为湖北省雷电灾害风险的评价指标,构建雷电灾害风险评价模型,据此对湖北省雷电灾害进行综合评价与风险区划。结果表明:湖北省雷电灾害风险可分为高、较高、中、较低、低5个等级,较高、高风险区主要位于鄂东大别山以南、幕阜山以北的平原和低山丘陵地区,以及江汉平原大部和鄂西山区向江汉平原的过渡带;较低、低风险区主要位于鄂西的恩施、神农架、十堰、宜昌西部和襄阳西南部;湖北其它地区,大部为雷电灾害中风险等级。对比检验显示,各区县雷电灾害风险指数与历年实际雷灾频次呈正相关,且相关性较好,基本反映了湖北省雷电灾害的潜在风险。     

东津河流域暴雨洪涝灾害风险区划

本文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。根据气象资料、水文资料、地理信息资料、社会经济统计资料以及历史灾情资料等,运用TOPMODEL水文模型并结合统计法确定致洪临界面雨量,利用逐步回归法重建区域站资料序列,基于广义极值分布函数计算出不同重现期的致洪面雨量,根据流域内小时降水雨型分布,将不同重现期致洪面雨量以及叠加堤坝信息的DEM、manning系数等数据代人Flood Area模型进行洪水淹没模拟,得到不同重现期下洪水淹没图,再叠加流域内栅格化的人口、GDP以及土地利用信息,最终得到不同重现期下人口、GDP以及土地利用等风险区划图谱。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。     

基于GIS的榆林市暴雨灾害风险区划

利用陕西省榆林市12县区气象站1951—2011年暴雨资料及所属162个区域自动气象站2007—2011年暴雨资料进行统计,按照百分位法划分暴雨等级;结合全市年降水量分布特征及地形、经济、人口等资料,确定暴雨灾害的孕灾环境、致灾因子、承灾体易损性等区划要素;应用ArcGIS技术对各项区划因子进行小网格模拟计算,并赋予不同权重,通过综合运算得到榆林市暴雨灾害分布图,应用GIS的自然断点法及经验订正法,将全市暴雨灾害划分为高风险、次高风险、中风险、次低风险及低风险5个等级。区划结果表明：榆林市北部府谷、神木县和南部子洲、吴堡县暴雨多发,灾情重,灾害风险等级最高;西部定边、靖边暴雨最少,灾害风险等级最低。     

基于GIS的云南省1km精细化暴雨灾害风险评估

为了加强暴雨相关的防灾减灾工作的科学性，本文基于云南省126个国家气象站2010—2019年10年的逐时降水资料和基础地理信息数据，从暴雨灾害致灾因子危险性、孕灾环境敏感性和承灾体易损性3个方面，建立暴雨灾害风险评估模型，利用熵值法、自然断点法、ArcGIS插值和栅格分析方法，实现云南省暴雨灾害风险的区划评估。结果显示:①暴雨灾害高风险区主要集中于云南南部，包括西双版纳州、普洱市、红河南部、德宏州及北部地区；②迪庆州、怒江州、丽江市北部等地暴雨灾害风险等级较低；③全省暴雨灾害高风险区、次高风险区面积占比分别为7.05%、25.22%，低风险区、次低风险区面积占比分别为10.32%、21.86%。使用2020年暴雨灾害次数、暴雨日对区划评估结果进行检验表明，区划评估结果具有科学合理性。     

西南地区短时强降水的气候特征分析

利用国家级地面气象站逐小时和日降水数据集资料,对西南地区短时强降水的气候特征进行了分析,并对近30年来强短时强降水和强暴雨的变化趋势进行了分析。结果表明:西南地区短时强降水主要集中在4-10月;三个高发区分别位于贵州东南部、四川盆地西南部和云南东南部,年均发生次数约5～6次;强度一般为20～30 mm·h~(-1),其中贵州30 mm·h~(-1)以上的小时降水强度所占比例最高,四川盆地西部边缘地区小时降水最强,超过80 mm·h~(-1),极端小时降水达123.1 mm·h~(-1);短时强降水具有明显的夜发性,02时左右为发生频次的峰值时段。从近30年西南地区超过第90百分位的强短时强降水与强暴雨的长期变化趋势来看,强短时强降水呈现频次增加、强度增强的变化趋势,强暴雨则变化不明显。