上海地区短历时强降水致灾阈值探索

采用SCS-CN模型,通过对城市降雨径流过程的模拟,结合上海地区径流曲线系数和排水能力分布,以淹没5 cm深度作为致涝阈值,反演上海市短历时强降水1 h致灾临界面雨量,接着选取4个110积水报警较多和造成灾害较重短历时强降水典型个例,根据4个典型强降水过程逐时雨量与报警点的空间分布及逐时最大雨量与积水报警数的关系,验证分析上海地区短历时强降水引起积水灾害时的小时雨量。综合反演计算结果和验证分析,确定上海地区短历时强降水致灾阈值:当雨量达30~40mm·h~(-1),在上海市区和郊区大部分地区,就会出现淹没灾情和积水报警;当雨量大于等于50 mm·h~(-1),淹没区域增加到郊区一些新建城镇灾情加重,积水报警也明显增多;当雨量大于等于70 mm·h~(-1),上海市各个地区都有可能出现淹没现象灾情严重,全市都会出现积水报警且密集出现。短历时强降水致灾阈值的研究结果可为上海城市制定有效预防强降水积水淹涝灾害措施提供可靠的科学依据。     

短时强降水对剑河县城市内涝风险影响分析

城市内涝的发生与气象条件紧密相关,强降水是致灾的关键因素。通过分析把握剑河县城降雨变化趋势,结合城区的易涝点及历史积水资料,得到内涝灾害风险的分布特征及演变规律,进一步开展气象条件致灾关键环节分析,有助于剑河县内涝灾害气象决策服务更加精细化,为加强城市灾害的应急处置和应对防范能力体系建设提供气象支撑。通过对剑河县国家气象观测站2007～2021年降水数据进行分析,剑河县城降水主要集中在4～9月,占全年降水的74.5％,该时段也是剑河县城短时强降水、大雨、暴雨的集中高发期,4～9月大雨以上量级降水出现日数呈增多趋势,近15a来1h最大降水量呈逐年波动增加趋势,且主要发生在4～9月。结合DEM数字高程数据得到的易积水路段点及历史积水内涝资料分析,当短时强降水发生时,县城易积水路段会出现不同程度的积水,当小时雨强达到20mm且未来降水持续时,有积水达到10~20cm的风险,对行人过往造成影响,需加强监测并提示相关部门注意易积水路段可能出现积水风险;小时雨强超过30mm时,有积水超过20cm的风险,对车辆及低洼路段建筑影响较大,需及时联系相关部门建议在易积水路段采取相应排水措施,避免出现积水内涝情况影响居民工作生活,同时开展公众服务建议居民注意出行安全;小时雨强超过50mm时,将出现30cm以上积水,对过往车辆及低洼段建筑影响很大,行驶车辆应当就近到安全区域暂避,避免将车辆停放在低洼易涝等危险区域,如遇严重水浸等危险情况应当立即弃车逃生。相关应急处置部门和抢险单位应当严密监视灾情,做好内涝可能引发的其他灾害应急抢险救灾工作。     

基于信息扩散技术的暴雨内涝风险评估模型

针对河北省邯郸市区的道路暴雨内涝风险问题,开展了基于二维信息扩散技术及灾害风险评估理论的模型研究工作,联合气象部门、市政排水部门、社会公众等不同行业群体,收集邯郸市易涝点分布、降雨强度、积水深度、危险源及承灾体等基础数据,建立了针对易涝点的"雨强-水深-风险情景"评估模型,实现基于降雨强度估计易涝点积水深度,进而结合承灾体状况给出相应的风险情景。研究表明,本文提出的二维信息扩散道路暴雨内涝风险评估模型,对估计平原地区道路积水风险情景具有一定的实用价值。     

广州城市暴雨内涝模型模拟效果评估

基于水动力方法构建的广州城市暴雨内涝模型,结合精细化降水预报,对内涝点的积水深度及风险等级进行模拟,结果表明,模型对近两年内涝点内涝风险等级命中率达65%,对总降水量为50～100 mm的降水过程命中率最高为72.8%。模型对2020年“5.22”特大暴雨过程模拟的积水深度和实况相比偏弱,误差主要分布在30 cm以内,大约占64%,大部分模型模拟积水深度偏小,主要位于广州中北部地区;此外,模型对积水1m以下内涝点的积水有不错的模拟能力,而对2m左右的深积水模拟能力还有限。不同重现期雨情下,广州中心城区的降雨量和历时越大,积水面积越大。1 h重现期雨情下,积水深度一般在20 cm以下,部分在20～59 cm;3 h降雨情景下,积水明显加深,积水深度一般在20～59 cm,部分在0～20 cm和60～119 cm。总体而言,模型模拟结果与实测内涝积水情况基本一致,模型准确度可满足业务需求。     

基于加权综合法的西安城市内涝灾害区划分析

用西安城区区域气象站降水资料,西安市区1∶10000地理信息资料,人口密度、房屋建筑面积、地均GDP等社会经济资料,采用加权综合法,从孕灾环境、致灾因子、承载体、防灾减灾能力4个方面分别进行内涝灾害的敏感性区划、危险性区划、易损性区划、防灾减灾能力区划,并使用重大内涝灾害天气过程实况资料进行临界值制定和综合分析,给出了西安城市内涝灾害区划.对已经业务化使用的“西安城市强降水内涝灾害预报预警系统”模拟的内涝积水分布情况,与内涝灾害区划的结果进行对比分析,表明加权综合法得出的西安城市内涝灾害风险指数区划较为科学、合理.     

西安城市内涝分布特征及其与降雨量的关系

利用西安市市政部门2007—2012年城市内涝资料及相应时段西安城区自动气象站逐小时降雨资料,对西安城区17例内涝过程进行了时空分布特征分析,对58个内涝点内涝进行了内涝等级划分并研究了积水深度与降雨强度的关系,建立了部分内涝点积水深度与降雨量方程。结果表明:西安城市内涝点空间分布较为均匀;内涝发生频率最高为41%,最低为18%;7—8月为城市内涝发生高峰期,占年内涝总次数的70%;07:00—08:00、15:00—16:00为城市内涝日变化中两个明显的高峰时段;城市内涝按积水深度划分为微风险、低风险、中风险、高风险四个等级,其中中风险等级内涝占西安总内涝次数的45%;短时强降水是造成城市积涝的主要原因,1h和3h降雨量是积水深度的重要影响因素。     

上海市城市暴雨内涝评估建模及模拟研究

随着城市化的推进,暴雨内涝逐渐成为许多城市的主要自然灾害,但当前暴雨内涝模型大多基于水动力学方法,需要大量的输入参数,不便于推广和应用。研究采用概化方法针对外环内中心城区构建上海暴雨内涝评估模型(Shanghai Urban Flooding Assessment Model,SUM),通过对接逐时次的降雨量,实现了对城市内涝的逐小时连续模拟。在此基础上,利用报警灾情资料和区内积水监测数据对模型模拟结果进行了评估。结果表明,该模型可以较好地模拟本市中心城区的内涝积水状况,且随着降雨量的增大,积水面积的增幅也逐渐变大;致灾阈值的分析表明浦西地区的内涝致灾雨量总体上低于浦东,其中本市黄浦、徐汇、虹口、闸北等中心城区以及宝山区部分街道的致灾雨量相对较低。     

上海中心城区暴雨内涝阈值研究

基于上海暴雨积水110报警数据和自动气象站逐小时降水数据,利用时空过程分析法研究了暴雨积水与降水强度以及累积雨量的关系,建立了中心城区暴雨内涝的阈值指标,结果表明,中心城区暴雨积水程度与1 h降水强度和2 h累积雨量密切相关。当降水强度达30~40 mm·h-1时,中心城区就会出现暴雨积水。当降水强度达50 mm·h-1、2 h累积雨量达70 mm时,暴雨积水会明显增多。相对于暴雨发生的时间,暴雨积水具有明显的滞后效应,一般滞后1~2 h。下垫面状况、人口和道路密度也影响到暴雨积水的发生。综合海拔高程、下垫面类型、排水管网等多因素,开展中心城区精细化的暴雨内涝风险情景模拟及灾害损失评估,是下一步的研究方向。     

对气象致灾因子危险度诊断方法的探讨

气象灾害损失与风险大小取决于气象致灾因子危险性、承灾体脆弱性、自然与人为防控在孕灾环境中时空配置格局及交互作用.但对于一定区域与时段而言,后两个因素相对稳定,气象致灾因子多变,其不同时空分布格局很大程度上决定了灾害的地域性及时间变化特征.对致灾因子危险性予以准确诊断是客观评估气象灾害损失与风险大小的基本前提.为此,文中提出了气象致灾因子危险度定义及点面相结合的诊断模型:(1)将危险度定义为事件致灾因子量值与风险阈值场中各级风险水平阈值之间的接近程度;(2)采用随机变量概率分布模型估计各地各种特定概率下的气象事件致灾因子量级,构建气象致灾因子风险阈值场;(3)联合空间相似和距离参量构建危险度诊断模型,以刻划事件致灾因子与各级风险阈值分布形态相似性及数值差异大小,据此计算事件致灾因子与风险阈值场中各级风险阈值的接近程度,以接近度最大为原则确定某过程致灾因子总体危险性水平等级.然后以上海地区风致灾因子危险性诊断为例,计算了上海各地不同风险水平下年最大风速阈值以及各地各级年最大风速的风险水平,构建了上海地区年最大风速的风险阈值场,结果表明:上海沿海地区的南汇、崇明、金山等地为年最大风速高值区,也是一定风险水平下的最大风速高值区,同时又是8级以上强风频发区及高危险区;相对地,本市较内陆的区域,则是年最大风速低值区,也是一定风险水平下的最大风速低值区,同时又是8级以上强风稀遇区及低危险区;一定重现期下最大风速阈值地区分布也有类似规律.最后,应用该模型对影响上海地区热带气旋及其他天气过程共30余个例作出风危险度诊断,结果表明,以1977年9月11日的7708号热带气旋风危险度最高,总体上与风险水平为8年一遇的年最大风速阈值最为接近;1986年8月27日8615号热带气旋与1983年6月3日其他天气过程个例风危险度为第2,总体接近于7年一遇年最大风速阈值;8114号与9711号热带气旋风危险度则与4年一遇年最大风速阈值最为接近;7413号、7503号、7909号、8506号热带气旋的风危险度接近3年一遇年最大风速阈值;而0509号热带气旋"麦莎"、0515号热带气旋"卡努"风危险度总体上接近于2年一遇的年最大风速阈值.其他热带气旋影响个例,其风危险度多数与重现期约2年一遇的年最大风速阈值接近.实际应用结果表明,所提出的这一点面结合的危险度的诊断方法,能较客观定量地评定气象致灾因子的危险性程度.     

安徽省夏玉米涝渍灾害时空特征及其灾损风险

为分析安徽省夏玉米全生育期涝渍灾害发生的特征,定量化评估涝渍灾害风险程度。利用安徽省48年的气象资料(1971-2018年),采用夏玉米涝渍指数模型,计算分析了安徽省夏玉米涝渍指数的时空特征,并确定了夏玉米涝渍指数等级指标,最后采用灾损风险指数模型得到了安徽省夏玉米产量涝渍灾损风险分布。结果表明:(1)夏玉米全生育期涝渍指数以0.027/10a的速率呈显著上升趋势,其中6月上旬和8月上旬上升趋势最为明显;涝渍指数的空间分布显示其值变幅在0.08～0.38之间,其中大别山区、江南中东部和淮北局部是夏玉米涝渍指数的高值区。(2)建立的夏玉米涝渍灾害等级指标和实际涝渍减产的结果较为一致,其中涝渍等级与实际减产率一致的比例为82.2%。(3)而夏玉米涝渍产量灾损风险分布显示大别山区、江淮东部和江南东部地区是安徽省夏玉米涝渍产量损失的高风险区。研究结果对开展区域农业气象防灾减灾有很好的借鉴意义。     

10—11月海南省瓜菜苗期湿涝风险评估与区划

为了评估海南省冬种瓜菜苗期生长阶段容易遭受的湿涝灾害,基于1998—2011年海南省18个气象站气象资料、各市县西瓜、豇豆、辣椒、丝瓜4种冬种瓜菜产量及苗期湿涝灾情资料,以降水量、降水日数等因子建立主成分分析综合指标,通过灾情反演构建苗期湿涝致灾等级指标,结合孕灾、灾损和防灾能力进行瓜菜苗期湿涝灾害综合风险分析与区划。结果表明:瓜菜苗期湿涝危险性从西南至东北增加,轻度与重度湿涝风险概率分布趋势相反,苗期湿涝孕灾敏感性从中西部山区向沿海和平原地区增加,瓜菜苗期湿涝灾损风险和防灾能力分布存在差异,且不同瓜菜差异明显;4种瓜菜苗期湿涝综合风险总体分布趋势一致,从西南至东北地区风险等级加重,降水、地势、土地等因素综合导致东部和北部部分地区苗期湿涝的风险高。     

应用主成分构建的暴雨致灾能力评估指数及其应用

为了构建合理的四川暴雨致灾能力评估指数(简称:评估指数),本文对2008~2018年四川地区126次致灾性暴雨过程,选取刻画暴雨特征的8个降水量因子,利用总体主成分和阈值法确立因子的权重及阈值,由此建立了评估指数模型。经历史个例反演及预报个例的评估应用表明:(1)暴雨区域的平均雨量值,≥25mm/h的面积及大暴雨面积是影响四川暴雨致灾能力强弱的关键因子,利用主成分构建的评估指数较好的反映了历次暴雨过程的致灾能力,当指数达0.8以上时,一般对应着大型及以上暴雨灾害。(2)结合经济损失及气象灾害评估分级处置标准,将评估指数划为4个等级。基于此,利用每日08时和20时四川省气象台订正的0.05°×0.05°预报降水数据,输入评估指数模型计算未来3d的指数及对应的致灾能力落区等级空间分布。实际应用表明,评估指数模型对评估暴雨过程的整体致灾能力及具体的暴雨致灾能力落区等级分布有显著的实用性。      

内蒙古山洪致灾阈值与定量化风险评估研究

以赤峰市半支箭山洪沟为例,采用德国二维水文动力模型FloodArea、广义极值分布函数、情景模拟评估法和统计相关分析等方法,基于气象资料、山洪灾情个例和基础地理信息数据等,对半支箭山洪沟发生的5次山洪过程进行淹没模拟,通过建立淹没深度与面雨量的回归关系,计算不同山洪等级的致灾阈值,并定量评估不同重现期下山洪灾害对人口和GDP的可能影响,结果表明:(1) FloodArea模型对半支箭山洪沟流域有较好的淹没模拟能力,可应用于内蒙古无水文资料山洪沟的致灾阈值确定和定量化风险评估。(2)半支箭山洪沟的山洪致灾时效为4 h,其1—4级山洪的致灾阈值分别为58.5 mm、48.9 mm、39.3 mm和29.7 mm。(3)半支箭山洪沟T年一遇山洪影响的人口和GDP均随着淹没深度的增加而减少,其中影响最大的为0.1～0.6 m。(4) T年一遇山洪影响的人口和GDP分别在淹没深度为0.6～1.8 m和大于0.6 m时随着重现期的增大而增大。当淹没深度大于1.8 m时,5年一遇山洪影响的人口最小,100年一遇影响的人口最大;当淹没深度在0.1～0.6 m时,100年一遇山洪影响的GDP最小,30年一遇山洪影响的GDP最大。     

广东暴雨洪涝灾害损失定量评估

广东暴雨强度大、范围广、季节长,造成的灾害重、影响大。为合理、定量地评估广东暴雨洪涝过程强度及其损失,基于1994—2018年广东致灾暴雨过程和相应灾情资料,构建了广东暴雨过程综合强度评估模型和灾情指数模型,并采用百分位数法进行暴雨强度和灾情等级划分,以第60、第80、第90和第95百分位数为临界阈值,分别将致灾暴雨过程强度和灾情划分为弱(1级)、较弱(2级)、中等(3级)、较强(4级)、强(5级)和微灾、小灾、中灾、大灾、巨灾5个等级,进而分析了不同强度等级暴雨过程可能造成的人口、农作物、房屋和经济等承灾体损失。结果表明:(1)1994—2018年间,广东各等级致灾暴雨过程主要出现在4—9月的汛期,5—7月尤其多,要特别注意防御;(2)致灾暴雨过程强度等级与各类承灾体灾情指数存在显著正相关关系:随暴雨强度的增强,倒塌房屋数呈指数增长,受灾人口、死亡人数、农作物受灾面积和直接经济损失呈线性增长;(3)平均而言,当暴雨强度达到强(5级)等级时,受灾人口、死亡人数、农作物受灾面积、倒塌房屋数和直接经济损失标准分别约为187.19万人、22人、10.52×10^4 hm^2、1.12万间和13.07亿元。     

基于GIS的洛清江流域洪涝致灾面雨量计算方法研究

根据气象风险预警服务业务需要,基于1:250000基础地理信息数据,利用GIS水文分析模型,划分洛清江流域范围;基于气象要素及灾情资料,分析洛清江流域暴雨洪涝气候背景、洪涝灾害特征;采用线性回归统计分析方法,建立洛清江流域雨洪关系模型,确定洛清江流域不同风险等级致灾面雨量阈值;并通过历史典型个例,对洛清江流域致灾面雨量阈值加以验证,结果表明:基于GIS的洛清江流域洪涝致灾面雨量阈值划分较为合理,可为广西精细化暴雨洪涝灾害风险普查和气象风险预警服务业务化提供基础支撑。     

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。     

2008-2012年四川强小时雨强的时空分布特征

利用2008-2012年四川157个基本测站和895个区域自动站的逐时降水资料,通过统计诊断方法分析了四川的强小时雨强发生频次、极值的时空分布特征,得到如下主要结论:(1)四川每年出现20 mm·h~(-1)以上的强小时雨强达3537.8次,平均每年的强小时雨强极值均超过了100 mm·h~(-1),并在2012年呈一个跃升的趋势。(2)四川强小时雨强落区主要集中在四川盆地及攀西南部的大部分地区,且强降水高发中心主要位于从盆地向山脉过渡的纵向陡峭地形区。雨强极值超过了30 mm·h~(-1)的落区也集中在盆地及攀西地区。频次及雨强极值的变化与海拔有密切联系,迎风坡的陡峭过渡地形削弱了频次及雨强极值随海拔的增高而减少的速率。(3)频次的月变化比强小时雨强极值的月变化更显著。7月发生强小时雨强的次数最多,其次是8月,5月最少。6-9月雨强极值均超过100 mm·h~(-1)。(4)20 mm·h~(-1)和30 mm·h~(-1)以上的强小时雨强频次日变化均呈夜间活跃的单峰型特征,而50mm·h~(-1)以上的强小时雨强突发性较强,日变化呈多峰型结构,且盆地不同区域的日变化特征及峰值活跃时间也有较大差异。     

江汉和江南西部春玉米涝渍指标及风险评估

以江汉和江南西部地区春玉米为研究对象,利用研究区域内57个气象站1961-2012年的逐日降水量资料、春玉米生育期资料和春玉米涝渍灾情资料,筛选春玉米不同生育时期的涝渍灾害样本。采用多元线性回归分析方法,定量分析当前过程降水量和前期降水量对春玉米涝渍灾害的影响,并据此构建当量降水量。基于正态分布的Lilliefors检验和t-分布区间估计方法,计算不同生育时期、不同等级涝渍灾害的当量降水量指标阈值,由此构建该区域春玉米不同生育时期的涝渍灾害等级指标并进行独立样本验证。在此基础上,利用信息扩散理论风险评估方法,计算各站点的春玉米涝渍致灾风险指数。结果表明:当前过程降水量和前2旬降水量对该区域春玉米涝渍灾害有显著性影响;构建的区域春玉米涝渍等级指标能够较好地反映实际受灾情况,指标验证结果与历史记录有较高一致性;出苗-拔节期和拔节-抽雄期发生春玉米涝渍灾害的风险相对较低,抽雄-成熟期为春玉米涝渍灾害的高风险时期,高风险区域主要位于湖北省恩施市、宜昌市西南部、荆州市西南部以及湖南省张家界市北部。     

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。     

基于CMA-MESO的分级短时强降水概率预报方法研究

随着预报服务需求不断增长和预报内容日趋精细化,仅针对20 mm·h^(-1)以上的短时强降水预报已不能完全满足业务需要,开展不同雨强等级的短时强降水预报方法研究显得十分必要。利用2016—2019年6—8月中国南方9省1市的国家及区域气象站共51355站次短时强降水样本,将雨强R分为4个等级:20≤R<30 mm·h^(-1)、30≤R<50 mm·h^(-1)、50≤R<80 mm·h^(-1)及R≥80 mm·h^(-1)(分别对应I、Ⅱ、Ⅲ、IV级)。将各级样本与同时段CMA-MESO(China Meteorological Administration mesoscale model)数值预报模式初始场进行时空匹配,提取22个相关物理量建立数据集并进行百分位值统计;利用XG⁃Boost(extreme gradient boosting)机器学习方法对物理量进行重要性排序以确定权重系数;应用连续概率预报方法,选用升、降半岭函数作为隶属函数,建立不同等级短时强降水概率预报模型。运用该模型在2020年汛期进行实时业务预报,并对湖北省2020年6—8月15次大暴雨过程0~36 h预报时效的逐小时不同等级短时强降水概率预报产品进行检验,结果表明:I级概率预报产品60%阈值的TS评分(0.145)最好,对应命中率为55.7%;Ⅱ级概率预报产品65%阈值的TS评分(0.083)最好,对应命中率为39.1%;Ⅲ级概率预报产品70%阈值的TS评分(0.03)最好,对应命中率为21.7%;IV级概率预报产品80%阈值的TS评分(0.005)最好,对应命中率为5.8%。对不同等级雨强个例对比检验表明,各级概率预报产品对CMA-MESO模式在同时次不同等级短时强降水预报上均有较好的订正作用。对3次强降水过程逐小时预报检验表明,I级概率预报产品命中率为40%~80%,空报率为50%~90%,预报时效达36 h,普遍优于同时次CMA-MESO降水量预报。本研究对不同等级短时强降水分型建模并在实际预报中有较好的参考性,能够对CMA-MESO的降水预报起到订正作用。