王德燕， 邵方澤， 葉晶晶

(1.安徽省天長市氣象局，安徽天長 239300；2. 南京信息工程大學(xué)地理與遙感學(xué)院，江蘇南京 210044；3.安徽省明光市氣象局，安徽明光 239400)

基于FloodArea的天長市“7.24”暴雨過程淹沒模擬

王德燕1， 邵方澤2， 葉晶晶3

(1.安徽省天長市氣象局，安徽天長 239300；2. 南京信息工程大學(xué)地理與遙感學(xué)院，江蘇南京 210044；3.安徽省明光市氣象局，安徽明光 239400)

基于德國Geomer公司開發(fā)的FloodArea水動力淹沒模型,結(jié)合氣象、水文及基礎(chǔ)地理信息數(shù)據(jù)等，對2015年7月24日天長市出現(xiàn)的一次暴雨過程進行淹沒模擬。結(jié)果表明，模擬淹沒情況與實際淹沒在時間上有很好的一致性，可為天長市暴雨預(yù)警工作提供參考。

FloodArea；暴雨；淹沒；模擬；天長市

近年來，中國氣象局在全國啟動了暴雨誘發(fā)的中小河流洪水和山洪地質(zhì)災(zāi)害氣象風(fēng)險預(yù)警服務(wù)業(yè)務(wù)，暴雨洪澇災(zāi)害風(fēng)險評估技術(shù)已成為這項業(yè)務(wù)的科技支撐。暴雨洪澇災(zāi)害風(fēng)險評估技術(shù)發(fā)展迅速[1-2]，如蓄洪區(qū)洪水淹沒風(fēng)險動態(tài)識別研究[3]等。隨著GIS技術(shù)的廣泛應(yīng)用，其已成為暴雨洪澇風(fēng)險評估的一項重要技術(shù)手段[4]，利用數(shù)字高程模型及各種迭代算法，實現(xiàn)了對暴雨洪澇淹沒的模擬[5-6]。目前，GIS與水動力模型結(jié)合的洪水淹沒模擬研究較多，如蘇布達等[7]建立了二維水動力洪水動態(tài)演進模型模擬長江流域不同洪峰流量下分洪區(qū)的洪水淹沒范圍和水深；文明章等[8]運用FloodArea模型研究山洪災(zāi)害風(fēng)險雨量評估。這些研究對暴雨洪澇災(zāi)害的風(fēng)險評估具有重要意義，但大多側(cè)重于水庫潰口或河網(wǎng)漫頂造成的洪水淹沒模擬，而針對強降水造成的區(qū)域洪澇淹沒研究還不多見。

天長市地處江淮分水嶺，是江淮丘陵向蘇北平原過渡地帶，地勢由西南向東北傾斜，西南部丘陵起伏，東北部多平原；周邊及境內(nèi)湖泊、水庫較多，以東邊的高郵湖最大，白塔河橫穿整個天長。天長屬北亞熱帶季風(fēng)氣候，氣候特點復(fù)雜，降水時空變化大，災(zāi)害性天氣比較頻繁，暴雨平均每年3.4次左右。2015年7月24日天長市出現(xiàn)突發(fā)、短時強降水過程，市區(qū)及半數(shù)以上鄉(xiāng)鎮(zhèn)出現(xiàn)暴雨和大暴雨。監(jiān)測資料顯示，全市25個站點中，3個站點降雨量為50.0～99.9 mm，11個站點降雨量超過100.0 mm，最大降雨量出現(xiàn)在蘆龍社區(qū),高達174.7 mm；市區(qū)最大小時雨強為85.9 mm，在近10年氣象記錄中排第1位。強降水造成了市區(qū)及部分鄉(xiāng)鎮(zhèn)多處道路積水和短時內(nèi)澇，給人們出行造成諸多不便。筆者在GIS平臺上，采用FloodArea模型對天長市及周邊流域這次典型的強降水過程引發(fā)的區(qū)域暴雨洪澇進行淹沒模擬，并用災(zāi)情資料檢驗?zāi)M效果，以期為天長市暴雨預(yù)警工作提供參考。

1 FloodArea簡介

FloodArea為德國Geomer公司開發(fā)的洪水淹沒模型，該模型內(nèi)嵌于ArcGIS平臺，計算基于水動力方法，同時考慮了一個柵格的周圍8個單元(圖1)。對鄰近柵格單元的瀉入量由manning-stricke公式[9]計算。坡度由單元之間的最低水位和最高地形高程之間的差異所決定，對每一個單元都進行計算。相鄰單元的流量長度被認為是相等的；位于對角線的單元，以不同的長度算法來計算。不同于靜態(tài)洪水風(fēng)險區(qū)劃圖，F(xiàn)loodArea在每個時相的運行過程，即運行時間與相應(yīng)淹沒范圍和水深均以柵格形式呈現(xiàn)和存儲，直觀明了，易于查詢。

水流的淹沒深度為淹沒水位高程和地面高程的差值，其公式為[9]：

flow_depth=water_levela-elevationa

(1)

淹沒過程中的水流方向由地形坡向所決定，地形坡向反映了斜坡所面對的方向，坡向指地表面上一點的切平面的法線矢量在水平面的投影與過該點的正北方向的夾角。對地面任何一點來說，坡向表征了該點高程值改變量的最大變化方向。計算公式為[9]：

(2)

2 數(shù)據(jù)及處理

2.1 DEM數(shù)據(jù)獲取及處理 從NASA網(wǎng)站(http://reverb.echo.nasa.gov/reverb/)獲得DEM數(shù)據(jù)，平均分辨率為30 m。利用ArcGIS工具將分塊的DEM數(shù)據(jù)合并，具體通過ArcGIS的ToolBox工具箱里的Data Management Tools/Raster/Raster Dataset/Mosaic To New Raster工具(圖1)，將4組數(shù)據(jù)(圖2)合并為1組(圖3)，并將投影信息設(shè)為Alber投影。

圖1 ArcGIS柵格拼接工具Fig.1 ArcGIS raster stitching tool

圖2 拼接前的4組DEM數(shù)據(jù)Fig.2 The four groups DEM data before splicing

圖3 拼接后的DEM數(shù)據(jù)Fig.3 DEM data after splicing

2.2 流域邊界提取及DEM數(shù)據(jù)準(zhǔn)備 利用MapWindowGIS進行流域劃分，得到天長市及周邊流域邊界圖，根據(jù)天長市邊界選擇能代表天長市范圍的流域圖(圖4)。利用選取得到的流域邊界裁剪處理后的DEM數(shù)據(jù)，得到FA模擬所需的DEM圖。從DEM分布圖(圖5)可以看出，天長市總體呈西高東低分布，西部海拔較高，地形相對復(fù)雜，東部海拔較低，地勢平緩；從地形分布看，天長總體有南北兩大匯流區(qū)，均匯入西部地勢低洼區(qū)(高郵湖)。

圖4 天長市流域分布Fig.4 Distribution of watershed in Tianchang City

圖5 天長市數(shù)字高程數(shù)據(jù)Fig.5 Digital elevation data of Tianchang City

2.3 降水?dāng)?shù)據(jù)插值 對天長市23個自動站數(shù)據(jù)進行插值，得到逐小時的面雨量(圖6)，降水主要集中在10：00—12:00，最多值出現(xiàn)在11:00，為37.3 mm。選取07:00—16：00作為模擬時段，將面雨量存為TXT格式，具體存儲方式如圖7所示，第1列為模擬時次間隔，第2列為面雨量。

2.4 根據(jù)土地利用類型確定粗糙度 利用流域邊界對所得的土地利用數(shù)據(jù)進行裁剪，并將投影方式設(shè)為Alber投影，與DEM數(shù)據(jù)投影保持一致。地面粗糙度主要影響水流流速，根據(jù)孫桂華等[10]研究給出的不同土地利用類型賦以對應(yīng)的地表粗糙度，即林地、居民地、旱田和水田對應(yīng)的粗糙度參數(shù)分別為18、25、40、50，利用ArcGIS的reclassify工具，根據(jù)土地利用數(shù)據(jù)進行重分類，得到粗糙度分布(圖8)。結(jié)果顯示，天長市總共涉及林地、居民地、旱田和水田4類不同粗糙度下墊面，粗糙度分別為18、25、40、50。

圖6 2015年7月24日07:00—16：00天長市面雨量 Fig.6 Area precipitation at 07: 00-16:00 on July 24, 2015 in Tianchang City

圖7 FA面雨量輸入格式Fig.7 Input format of FA area precipitation

圖8 天長市土地利用類型(a)和粗糙度(b)Fig.8 Land use type (a) and roughness (b) in Tianchang City

3 模擬結(jié)果分析

啟動FA工具，輸入DEM數(shù)據(jù)、降水分布權(quán)重、粗糙度數(shù)據(jù)及面雨量數(shù)據(jù)，進行模擬。結(jié)果顯示(圖9)，7月24日10：00開始出現(xiàn)積水，12:00進水范圍迅速擴大，市區(qū)出現(xiàn)明顯積水，湖泊、水庫等水體匯水明顯?？梢姡M淹沒情況與實際淹沒在時間上有很好的一致性，淹沒時間與降水強度強的時次對應(yīng)較好。

圖9 2015年7月24日10：00(a)和12:00(b)天長市淹沒分布Fig.9 Submerged distribution at 10:00 (a) and 12:00 (b) on July 24，2015 in Tianchang City

4 小結(jié)

根據(jù)降水資料及數(shù)字高程模型,利用FloodArea對天長市主要流域的暴雨過程進行再現(xiàn)淹沒模擬，結(jié)果顯示，模擬淹沒情況與實際淹沒在時間上有很好的一致性，淹沒時間與降水強度強的時次對應(yīng)較好；從空間上看，模擬結(jié)果能夠反映出部分低洼易淹沒區(qū)域，可對預(yù)警工作提供一定的參考。同時由于沒有考慮退水和下滲作用，模擬淹沒深度與實際淹沒深度有一定的偏差，后續(xù)將引進更精細的數(shù)字高程及土地利用數(shù)據(jù)，進一步考慮下滲及排水機制，以期得到與實際更一致的模擬結(jié)果。

[1] 章國材.自然災(zāi)害風(fēng)險評估與區(qū)劃原理和方法[M].北京:氣象出版社,2013.

[2] 李蘭,周月華,葉麗梅,等.一種依據(jù)旱澇災(zāi)情資料確定分區(qū)暴雨洪澇臨界雨量的方法[J].暴雨災(zāi)害,2013,32(3):280-283.

[3] GEMMER M,王國杰,姜彤.洪湖分蓄洪區(qū)洪水淹沒風(fēng)險動態(tài)識別與可能損失評估[J].湖泊科學(xué),2006,18(5):464-469.

[4] 葛小平,許有鵬,張琪,等.GIS 支持下的洪水淹沒范圍模擬[J].水科學(xué)進展,2002, 13(4):456-460.

[5] 葉麗梅,周月華,李蘭,等.通城縣一次暴雨洪澇淹沒個例的模擬與檢驗[J].氣象,2013,39(6):699-703.

[6] 史瑞琴,劉寧,李蘭,等.暴雨洪澇淹沒模型在洪災(zāi)損失評估中的應(yīng)用[J].暴雨災(zāi)害,2013,32(4):379-384.

[7] 蘇布達,姜彤,郭業(yè)友,等.基于GIS柵格數(shù)據(jù)的洪水風(fēng)險動態(tài)模擬模型及其應(yīng)用[J].河海大學(xué)學(xué)報(自然科學(xué)版),2005,33(4):370-374.

[8] 文明章,林昕,游立軍,等.山洪災(zāi)害風(fēng)險雨量評估方法研究[J].氣象, 2013,39(10):1325-1330.

[9] GEOMER.Floodarea：Arcview extension for calculating flooded areas (User manual Version 2.4)[M].Heidelberg:Geomer Gmph，2003.

[10] 孫桂華，王善序，王金鑾，等.洪水風(fēng)險分析制圖實用指南[M].北京：水利電力出版社，1992:54-82.

Submerged Simulation of “7.24” Rainstorm Process in Tianchang City Based on FloodArea

WANG De-yan1,SHAO Fang-ze2,YE Jing-jing3

(1.Tianchang Meteorological Bureau, Tianchang, Anhui 239300;2. School of Geography and Remote Sensing, Nanjing University of Information Science and Technology, Nanjing,Jiangsu 210044;3. Mingguang Meteorological Bureau,Mingguang,Anhui 239400)

Based on the FloodArea hydrodynamic model developed by Geomer Company of Germany, the submerged simulation of a rainstorm process occurred in Tianchang City on July 24, 2015 was carried out by combining meteorological, hydrological and basic geographic information data.The results showed that the simulated submergence was in good consistency with the actual submerged time, which can be used as a reference for the rainstorm warning in Tianchang City.

FloodArea;Rainstorm;Submergence;Simulation;Tianchang City

王德燕(1983- )，女，江蘇揚州人，工程師，從事天氣預(yù)報預(yù)測研究。

2016-09-21

S 161.6

A

0517-6611(2016)34-0188-03