摘 要：臨界雨量方法在山洪災害預報預警中應用廣泛，然而傳統的臨界雨量方法以靜態臨界雨量為主，且無法判別山洪災害的風險等級。本文發展了基于動態臨界雨量方法的山洪災害分級預警方法，并在閩江下游小流域進行應用。方法采用人工神經網絡構建成災流量與風險因子間的統計關系，進而獲得無資料地區成災流量的空間分布，并根據歷史重現期劃分不同山洪風險等級，得到對應風險等級的臨界流量和臨界雨量。結果表明：通過考慮流域前期濕潤狀況，該方法能夠顯著延長山洪災害預警的預見期，有效提升對山洪災害的監測預報能力。此外，相比于傳統山洪預警方法，山洪風險等級的劃分使得該方法更適用于山洪災害風險預警的業務應用。

　　關鍵詞：山洪預警;動態臨界雨量;山洪風險等級;小流域

　　0 引言

　　洪水災害是我國目前受災面積最廣、致死率最高的自然災害之一，對我國社會經濟和生命安全造成了極大威脅[1]。盡管我國大江大河的防洪體系日趨完善，但小流域山洪預報技術和管理系統仍然是一個薄弱環節[2]。據統計，2019 年中小河流和山洪災害死亡人口數占洪澇災害總死亡人口數的 60%。一方面，我國中小河流眾多，分布范圍廣，地理氣候條件復雜多樣，而山丘區通常站點布設有限，長序列水文氣象觀測資料稀缺。另一方面，小流域產匯流具有明顯非線性特征，洪水過程水通常歷時短且強度大，因此小流域山洪預報預警成為洪水防治研究的難點[3]。為有效抵御山洪災害，國務院于2006 年正式批復《全國山洪災害防治規劃》，啟動山洪災害防治試點建設，并于 2009 年將全國 103個縣級行政區納入試點范圍。2012 年水利部組織編制《全國山洪災害防治項目實施方案(2013-2015)年》，進一步完善了山洪災害防治的非工程措施。山洪災害防治逐漸成為我國防災減災工作的重心[2-6]。

　　氣象災害方向論文：災害應對論文發表期刊(級別)

　　山洪災害預警是山洪災害防治的關鍵環節和技術難點[7]。常用的洪水預警方法一般有基于上游河道水位監測的預報方法、基于降雨徑流過程的定量預報預警方法、基于臨界雨量的預警方法等。山區流域通常面積較小且降雨徑流響應時間較短，使得基于上游河道水位監測或是基于降雨徑流關系的預報方法均存在預見期短的問題，因此在小流域山洪預警中的適用性有限[8]。臨界雨量預警方法則直接依靠降雨信息進行山洪預警，若實時(或預報)降雨量超過可能致災的臨界雨量，表明山洪災害發生的可能性很高，需要發出預警，反之則表明山洪災害發生可能性較低，不需要預警[9]。

　　臨界雨量預警方法不僅具有較長的預報期，又具有一定的準確度，且步驟簡單，操作方便，因此在中小河流洪水預警中得到了廣泛應用[10-11]。基于臨界雨量的預警方法的關鍵步驟是確定臨界雨量的大小[12]。在最早時期，人們通過繪制降雨歷時和累積雨量的散點圖，對超警戒和未超警戒的降雨事件進行線性劃分，以該線代表不同歷時下的臨界雨量[13]。1970 年代由美國國家氣象局河流預 報 中 心 開 發 的 山 洪 指 導 系 統 ( Flash FloodGuidance，簡稱 FFG)首次考慮了流域土壤含水量，在給定土壤含水量條件下，通過不斷改變降雨條件并重復運行集總式水文模型，確定流域可能致災的臨界雨量[14]。

　　在 FFG 方法基礎上，人們進一步發展了基于格點的 GFFG 方法(Gridded Flash FloodGuidance，簡稱 GFFG)，該系統在柵格尺度進行臨界雨量計算，克服了 FFG 方法中臨界雨量在一定時段和整個流域內均一的缺陷[15]。我國目前普遍采用的臨界雨量指標以靜態臨界雨量為主，其發展歷程可分為兩個階段[16]。第一階段為 2006-2012 年，各省根據其歷史降雨徑流過程建立洪峰流量與降雨強度、匯流時間、流域面積和徑流系數等因子的經驗關系，進而確定山洪預警的臨界雨量指標。這一階段的經驗方法通常難以考慮降雨特性、下墊面條件等因素，因此預報精度較低。

　　第二階段為 2013年至今，根據現場調查的水位流量關系確定警戒水位對應的流量，并通過頻率分析推求該流量的水文頻率以及該頻率所對應的臨界雨量[17]。第二階段的方法假定降雨和洪水的重現期相同，然而該假設是否成立尚待驗證。此外，研究表明前期累積降雨會影響后期降雨的產流，相同的降雨強度由于流域前期濕潤狀況的不同會有不同的產流結果[18-19]。忽略流域前期濕潤狀況對山洪發生及洪峰量級的影響可能會導致山洪預警的空報或漏報[20]。

　　因此，臨界雨量指標應當隨流域濕潤狀況動態變化，而不是一成不變的固定值。此外，傳統的臨界雨量方法僅能判斷山洪災害發生而無法判別洪水量級，難以識別山洪災害的風險等級[20]。為使得山洪預警更具有針對性，亟需發展更為有效的小流域洪水動態預報預警方法，提升對山洪的監測和預報能力，延長山洪災害預警的預見期[21]。本文選取了閩江下游山區流域作為研究區域，利用成災流量觀測及水文氣象資料，發展了基于動態臨界雨量的山洪預警方法，提出了基于成災流量重現期的山洪風險等級劃分方法，實現了山洪災害的多階段分級預警，并應用于該流域的山洪預警。

　　1 數據與方法

　　1.1 研究區概況

　　本文研究區域為閩江下游山區流域，流域面積12701km2，占福建省總面積 10.2%。該流域位于東經 116°~119°，北緯 25°~28°之間，地處亞熱帶海洋季風區，年平均溫度 16~20℃。流域多年平均降雨量為 1617mm，其中汛期(4-9 月)降水占年總降水量的 70~80%。流域內河流眾多，河網密度高，地形地貌主要由山地和丘陵構成，因此極易誘發山洪災害[22-24]。

　　1.2 數據介紹

　　研究中所用數據包括基礎地理信息數據，水文氣象數據。流域地貌信息包括高程、坡度等，由DEM 高 程 數 據 獲 得 ， 空間精度為 90 米。降雨氣象數據來自國家氣象信息中心提供的氣象站1979—2017 年逐日降水資料，流域內共有 5 個氣象 站 。 人 口 分 布 數 據 來 自 GHSL，空間精度 250 米。研究區歷史實測成災流量(共 413 個村莊點成災流量)、子流域匯流時間、洪峰模數、土地利用、土壤類型及涉水工程等數據由中國水利水電科學研究院提供。成災流量為研究區內可能發生山洪災害的最低水位所對應的流量[25]。此外，為率定與驗證水文模型，從水利部水情中心收集了研究區內三個水文站1988-1999 年的實測日徑流資料。

　　1.3 研究方法

　　本文首先基于 GBHM 模型進行流域長序列徑流模擬(1988-2009 年)，其中模型率定期為 1988-1993 年，驗證期為 1994-1999 年。流域的網格大小設置為 1 公里，模型模擬的時間步長為 1 小時。GBHM 模型是 Yang 等[26-27]開發的基于地貌的分布式水文模型(Geomorphology-based hydrologicalmodel，GBHM)，關于模型的詳細描述請參見楊大文等[28]、許繼軍等[29]。為推求無資料地區的成災流量，本文采用 BP神經網絡構建成災流量與風險因子的統計關系，其中模型采用兩層神經網絡結構，訓練函數為trainlm，將 70%的樣本用于訓練，15%用于驗證，15%用于測試。基于該統計關系得到研究區像元尺度的成災流量分布，然后在每個子流域上將成災流量分布與重采樣至同一空間精度的人口分布進行對比，選取所有人口不為零像元的成災流量的最小值作為該子流域的成災流量。采用 P-III 型頻率曲線對子流域徑流資料進行水文頻率分析，確定成災流量的歷史重現期[30]。

　　根據成災流量的重現期(T)的不同倍數劃分不同山洪災害風險等級，即 IV 級(藍色預警，T)，III 級(黃色預警，2T)，II 級(橙色預警，4T)，I 級(紅色預警，10T)，并通過水文頻率分析推求對應風險等級的臨界流量。臨界流量為不同等級的山洪風險所對應的流量，其中 IV 級藍色預警的臨界流量與成災流量相同。在構建成災流量與風險因子關系時，參考已有山洪風險因子的研究[31-32]，主要考慮土地利用類型、土壤類型、洪峰模數(10min5mm，10min30mm、10min50mm)、匯流時間(10min5mm，10min30mm、10min50mm)、人口分布、流域內與河網的高程差、距離及涉水工程數量等風險因子。基于動態臨界雨量的山洪預警方法，其思路是結合水文模型模擬的降雨徑流過程和土壤濕度信息，反推出流域出口斷面洪峰流量達到臨界流量所需的降雨量。該臨界雨量由臨界流量和前期土壤飽和度共同決定，因此稱之為動態臨界雨量。

　　①提取每場洪水過程洪峰前 24 小時的降雨過程中的最大時段累積降雨量(時段長度可根據山洪預警的預見期決定)，并以該降雨歷時前 1h 的土壤飽和度表征該場次洪水的流域前期濕潤狀況。②以最大時段累積雨量為縱坐標、前期土壤飽和度為橫坐標繪制散點圖，根據洪峰流量大小是否超過臨界流量將散點分為超過組(圖 2b 紅色方點)和未超過組。③線性劃分兩組(圖中紫線)，該直線代表不同前期土壤飽和度下的臨界雨量。本文采用的是蒙特卡洛方法，基于隨機數進行最優化線性劃分[33-35]。采用追算(hindcast)方法對本研究提出的山洪預警方法的可靠性進行評價。首先根據每小時的土壤飽和度實時更新不同時段、不同風險等級對應的臨界雨量;然后，根據隨后不同時段累積雨量與對應的臨界雨量的比較結果，進行山洪分級預警。同時，對比出口斷面流量與臨界流量，確定是否實際發生了對應等級的山洪災害。

　　2 結果和討論

　　2.1 模型驗證

　　基于 GBHM 模型進行流域長序列徑流模擬，并對比模擬徑流與研究區內永泰站、文山里站和竹岐站的實測日徑流，評價指標為納什效率系數(NSE)及平均相對誤差(MRE)。評價結果顯示，率定期內模擬日徑流的 NSE 在 0.81-0.86 范圍，MRE 在 2%-3%范圍，而驗證期內的 NSE 在 0.76-0.85 范圍，MRE 在 3%-6%范圍，表明模型在研究區有著較好的適用性。基于BP神經網絡構建成災流量與山洪風險因子的統計關系，用于估測無資料地區的成災流量，并采用決定系數 R2 和平均相對誤差(MRE)對估測結果進行評價。評價結果顯示，全部樣本的 R2和 MRE 達到 0.64 和-1.2%，其中訓練集、驗證集和訓練集的 R2 在 0.55-0.66 范圍，MRE 在-1%--3%范圍，未出現過擬合現象，表明方法在該流域估算成災流量有著較好的應用效果。

　　2.2 成災流量空間分布

　　基于成災流量與山洪風險因子的統計關系估測研究區的成災流量，得到像元尺度的成災流量分布，進一步結合人口分布及水文頻率分析方法確定子流域成災流量及其對應的歷史重現期。流域平均成災流量為 790 m3/s，成災流量歷史重現期主要分布在 1~2 年之間。成災流量的主要控制因素為小流域的洪峰模數、平均坡度、河段坡降、人口密度以及離河距離，隨洪峰模數、平均坡度、河段坡降和人口密度的增加而減少，而隨離河距離的增加而增加。

　　洪峰模數代表子流域單位面積上的產洪能力，因此洪峰模數越高意味著山洪災害的危險程度越大。洪峰模數通常隨流域平均海拔和平均坡度的增加而增加[36]。流域坡度反映了下墊面的陡緩程度，在強降雨條件下，陡坡區域能夠更快地匯流形成洪峰，因此山洪災害的威脅更大[37]。此外，山洪災害易發生在地勢較低的沿河道兩岸，因此離河流越近的區域遭受山洪的可能性就越高。Carpenter 等[38]指出平灘流量與 1~2 年重現期的河道流量之間存在良好統計關系，本文結果驗證了該觀點[9,39-41]。

　　2.3 基于臨界流量的山洪災害分級預警

　　根據成災流量重現期分布及山洪災害風險等級劃分方法，得到不同風險等級對應臨界流量的空間分布。IV 級風險對應的臨界流量空間分布與流域地形分布高度相關。而 III 級、II 級和 I級風險對應的臨界流量的空間分布主要受匯流關系影響，下游地區的成災流量普遍高于上游地區。

　　2.4 基于動態臨界雨量的山洪災害多階段預警

　　基于臨界流量結果，本研究進一步確定了在不同前期土壤飽和度情況下不同山洪風險等級所對應的多階段臨界雨量。臨界雨量隨著前期土壤飽和度的增加而減少，這是因為流域產流機制對前期土壤飽和度和臨界雨量的關系有影響。研究區的產流模式由蓄滿產流主導，因此臨界雨量隨土壤含水量的增加而下降。此外，臨界雨量也隨山洪風險等級的提升及預見期的增加而增加。圖 7 顯示了前期土壤飽和度達到 25%時，IV 級山洪風險對應的臨界雨量分布。不同預見期下的臨界雨量的空間分布相似，但在流域內受局地水文變化影響表現出較高的空間變異性，表明臨界降雨量的估計應當在較小的空間尺度上開展。

　　預警方法在閩江下游山區小流域的應用效果，在不同預見期下，對不同等級山洪預警的平均CSI值在0.27-0.55范圍，預警效果較好，其中 IV 級山洪風險預警的平均命中率在 0.61-0.66范圍，平均誤報率在 0.12-0.14 范圍。盡管預警方法的應用效果隨著山洪風險等級的提升而有所下降，但均高于美國國家氣象局全國尺度山洪預報指導系統的 0.2 基準值[42]，表明該方法具有可靠性。

　　2.5 不足與展望

　　動態臨界雨量空間分布存在不確定性。不確定來源主要包括：①該流域雨量站密度較低，因此空間插值結果難以充分反映降雨的實際分布;②利用流域平均雨量來計算臨界雨量而忽略降雨時空分布特征會帶來的不確定性;③在線性劃分過程中，樣本大小會對劃分精度產生影響。此外，本文基于點尺度的成災流量觀測與風險因子建立統計關系，并在網格尺度上進行成災流量估測，其估測精度相對于以沿河村落為對象要稍低，因此更適用于較大范圍內的快速成災流量計算。以上不足將在未來的工作中進一步研究討論。

　　3 結論

　　本文發展了基于動態臨界雨量的小流域山洪災害分級預警方法，并在閩江下游山區流域進行應用，得到如下結論：(1)研究區的平均成災流量為 790 m3/s，大部分地區的成災流量的重現期在 1~2 年之間。成災流量隨小流域洪峰模數、平均坡度、河段坡降和人口密度的增加而減少，而隨離河距離的增加而增加;(2)基于成災流量的重現期劃分了山洪風險等級，改進了傳統預警方法只采用單一指標判斷有無山洪災害的局限性;(3)基于動態臨界雨量的小流域山洪災害分級預警方法能夠充分考慮流域前期濕潤狀況，延長山洪預見期，且應用效果良好，具有可靠性。本文所發展的山洪災害預警方法有效考慮了流域前期濕潤狀況的影響，實現了山洪的多階段分級預警，在業務應用中能夠為山洪災害防御提供充分信息、爭取更多應急反應時間，因此對全國山洪災害防治工作有重要參考價值。

　　參考文獻(References)

　　[1] 葉勇,王振宇,范波芹.浙江省小流域山洪災害臨界雨量確定方法分析[J].水文,2008(1):56-58.YE Yong, WANG Zhenyu, FAN BoQin. An analysis method forascertain critical rainfall of mountain flood disaster of small watershedin ZheJiang Province [J]. Journal of China Hydrology, 2008(1):56-58.(in Chinese)

　　[2] 彭安幫,劉九夫,馬濤,等.遼寧省資料短缺地區中小河流洪水預報方法[J].水力發電學報, 2020, 39(8): 79-89.PENG Anbang, LIU Jiufu, MA Tao, et al. Flood forecasting method formedium- and small-size rivers short of hydrological data in LiaoningProvince [J]. Journal of Hydroelectric Engineering, 2020, 39(8): 79-89.(in Chinese)

　　[3] 劉悅,張建云,鮑振鑫,等.東部季風區不同地貌類型試驗流域洪水研究[J].水力發電學報, 2022, 41(3): 22-31.LIU Yue, ZHANG Jianyun, BAO Zhenxin, et al. Study of floods inexperimental watersheds of different geomorphic types in easternmonsoon region of China [J]. Journal of Hydroelectric Engineering,2022, 41(3): 22-31. (in Chinese)

　　[4] 何秉順,李青.山洪災害防御技術現狀與發展趨勢探索[J].中國水利,2014(18):11-13.HE Bingshun, LI Qing. Exploration on present situation anddeveloping tendency of mountain flood disaster prevention technology[J]. China Water Resources, 2014(18):11-13. (in Chinese)

　　[5] 黃鵬年,李致家.分布式降雨輸入與匯流模擬對洪峰計算的影響[J].水力發電學報, 2019, 38(11): 49-57.HUANG Pengnian, LI Zhijia. Influence of distributed rainfall inputand routing simulation on flood peak flow calculation [J]. Journal ofHydroelectric Engineering, 2019, 38(11): 49-57. (in Chinese)

　　[6] 張容焱,游立軍,高建蕓,等.統計方法與淹沒模型結合的山洪災害風險評估方法及其應用[J].氣象,2013,39(12):1642-1648.

　　作者：韓俊太，王政榮，楊雨亭