羅 赟，董增川**，管西柯，劉玉環(huán)，鐘敦宇，袁嘉晨

(1：河海大學(xué)水文水資源學(xué)院, 南京 210098) (2：湖北省水利水電勘測設(shè)計院, 武漢 430064)

目前，關(guān)于洪澇災(zāi)害風(fēng)險的研究主要包含災(zāi)害危險性分析[1-4]、承災(zāi)體易損性分析[5-7]、災(zāi)損評估[8-10]和風(fēng)險應(yīng)對決策[11-13]4個方面. 其中，洪澇災(zāi)害的危險性受到天文、氣象、水文、人類活動等多重因子的影響，僅采用單變量對其分析不能夠清楚描述各因子之間的相互作用，難以有效地解決洪澇災(zāi)害問題，因此尋求多變量的聯(lián)合分布就成為了洪澇災(zāi)害危險性分析的熱點.

多變量聯(lián)合分布模型根據(jù)邊際分布函數(shù)的特點，可分為兩類，第一類是具有相同邊際分布的多變量分布模型[14-16]，第二類是具有不同邊際分布的多變量分布模型[17-19]. 根據(jù)洪澇災(zāi)害影響因子的實際情況，第二類多變量分布模型的適用性較強，因此相關(guān)學(xué)者的研究成果也更為豐富，但第二類模型中有些具體模型(如Meta-Gaussian模型和FGM模型)對變量間的相關(guān)性有要求，使它們的適用范圍受到了限制. 相比之下，同屬第二類模型的Copula函數(shù)優(yōu)勢就更為明顯，它不僅可以描述變量之間的線性關(guān)系還可以描述變量間的非線性關(guān)系，可以更好地表征洪澇災(zāi)害因子之間的相互結(jié)構(gòu). 目前，經(jīng)國內(nèi)外廣大學(xué)者對Copula函數(shù)的類型選取、參數(shù)估計、擬合優(yōu)度等各方面的深入研究，其在水文中的應(yīng)用已日漸成熟，主要包含兩個部分，第一對水文氣象變量的多特征屬性進(jìn)行頻率分析(如洪水歷時、洪峰、洪量，降水歷時、降水量、降水強度等)[20-21]，第二是各種水文事件的遭遇組合問題(如臺風(fēng)梅雨遭遇問題，干支流豐、平、枯組合問題等)[22-24]. 而洪澇災(zāi)害危險性分析研究在兩類應(yīng)用中均有涉及.

在多重天氣系統(tǒng)的影響下，太湖流域降水類型分為梅雨和臺風(fēng)雨. 不同的天氣系統(tǒng)帶來時空分布各異的降水，給該地區(qū)城鎮(zhèn)防洪排澇工作造成了巨大的挑戰(zhàn). 以往學(xué)者采用Copula函數(shù)對太湖流域汛期洪澇災(zāi)害危險性分析時，關(guān)注點主要集中于梅雨和臺風(fēng)的遭遇問題[25]，且所選用的研究時段多為整個汛期[26]. 但相比梅雨和臺風(fēng)的遭遇的情況，在汛期，梅雨或臺風(fēng)等天氣系統(tǒng)單獨或交替影響整個流域降水的情況仍是大概率事件，并且由于梅雨或臺風(fēng)等天氣系統(tǒng)的成因不同，造成降水在流域的時空分布情況也大不相同，因此造成的洪澇災(zāi)害危險性也有所差異.

本文在以往研究的基礎(chǔ)上，將汛期劃分為梅雨影響主導(dǎo)期(梅汛期)和臺風(fēng)影響主導(dǎo)期(臺汛期)，并采用Copula函數(shù)，研究不同時期下降水的空間分布情況，之后結(jié)合太湖流域防洪規(guī)劃制定排澇不利情境，對流域梅汛期和臺汛期的洪澇風(fēng)險進(jìn)行分析，為流域設(shè)計暴雨的調(diào)整、洪水資源的利用以及防洪排澇實時調(diào)度的決策提供科學(xué)參考.

1 研究區(qū)與數(shù)據(jù)

1.1 流域概況

太湖流域(30°28′～32°15′N，119°11′～121°53′E)北抵長江，東臨東海，南瀕杭州灣，西以天目山、茅山等山區(qū)為界，流域總面積約36895 km2. 流域?qū)賮啛釒Ъ撅L(fēng)氣候，多年平均降水量為1177 mm，降水年內(nèi)分布不均勻，主要集中在汛期. 流域地形為一碟形洼地，周邊高，中央低，水面面積2336.8 km2的太湖位于流域中央，流域平原低洼處通常低于汛期河湖水位，上游洪水和流域降雨匯集于低洼地區(qū)，極易產(chǎn)生洪澇災(zāi)害[27]. 流域內(nèi)河網(wǎng)密布，湖泊眾多，天然調(diào)蓄量大，但上游坡陡水急，來水迅速，下游地勢平坦，水面較平緩，又受周邊江海潮位頂托，泄水不暢，河湖水位一旦抬高，退落緩慢. 根據(jù)水文和地理拓?fù)潢P(guān)系，太湖流域通常被分為8個水文分區(qū)，分別是湖西區(qū)(Ⅰ)、武澄錫虞區(qū)(Ⅱ)、陽澄淀泖區(qū)(Ⅲ)、浦西區(qū)(Ⅳ)、浦東區(qū)(Ⅴ)、杭嘉湖區(qū)(Ⅵ)、浙西區(qū)(Ⅶ)和太湖湖區(qū)(Ⅷ)，各個分區(qū)的地理位置如圖1所示.

1.2 數(shù)據(jù)來源

本文所用到的數(shù)據(jù)資料包含：1962-2011年太湖流域67個代表站點的日降水資料、1962-2011年太湖水位數(shù)據(jù)、1962-2011年太湖流域梅雨發(fā)生時間數(shù)據(jù)和1962-2011年發(fā)源于西太平洋歷史臺風(fēng)資料. 其中，降水、水位和梅雨數(shù)據(jù)均來自中華人民共和國水利部太湖流域管理局，臺風(fēng)資料來源于中國氣象局.

2 方法

2.1 基于降水主導(dǎo)因素的汛期分期

本文選擇太湖流域梅汛期的開始時間和結(jié)束時間來描述梅汛期的時間特征，利用臺風(fēng)登錄太湖流域的時間來刻畫臺汛期的時間特征[25]. 采用水文領(lǐng)域中常用的Norm、Lnorm、Gamma、Beta、Logistic、Weibull 6種分布來擬合入梅時間(STP)、出梅時間(ETP)、臺風(fēng)登錄時間(ITT)的分布函數(shù). 采用柯爾莫可洛夫-斯米洛夫檢驗(K-S)、概率點距相關(guān)系數(shù)檢驗法(PPCC)、平方絕對誤差(MAE)、均方根誤差(RMSE)、確定性系數(shù)(DC)依次對入梅時間、出梅時間和臺風(fēng)登錄時間等3個變量的6種分布線型進(jìn)行擬合檢驗. 各檢驗方法的表達(dá)式如下：

(1)

(2)

(3)

(4)

太湖流域的前汛期以梅雨型降水為主，后汛期以臺風(fēng)型降水為主，但在主汛期甚至整個汛期梅雨型降水和臺風(fēng)型降水是有一定遭遇概率的，因此本文以入梅時間分布的累積概率為90%處的時間點作為梅汛期的起點，即歷史上90%的年份在該日以后已經(jīng)進(jìn)入梅汛期；同樣以臺風(fēng)登錄時間分布的累積概率為90%處的時間點作為臺汛期的終點，即歷史上百分之九十的臺風(fēng)在該日之前已經(jīng)登錄太湖流域. 對于梅汛期和臺汛期的時間節(jié)點的劃分，通過構(gòu)造梅臺比重系數(shù)ω進(jìn)行劃分計算：

(5)

ω系數(shù)代表每個時間節(jié)點中梅雨和臺風(fēng)雨對降水的綜合貢獻(xiàn)率，取太湖流域主汛期ω值最大的時間節(jié)點作為梅汛期和臺汛期的分界點，使得梅雨型降水和臺風(fēng)型降水能夠在其各自的時間段內(nèi)保持較好的主導(dǎo)性和典型性. 選擇太湖水位作為降水的響應(yīng)變量，檢驗梅汛期和臺汛期時間劃分的合理性. 根據(jù)太湖超警戒水位發(fā)生時間(TWL)的雙峰特征，采用混合正態(tài)分布模型及其參數(shù)估計方法，對太湖警戒水位發(fā)生時間分布進(jìn)行擬合和參數(shù)估計，具體公式如下：

(6)

式中，α1和α2為權(quán)重系數(shù)，且α1+α2=1；μ1和μ2為均值，σ1和σ2為均方差.

2.2 流域子區(qū)域聚類分析

根據(jù)水系特征和徑流關(guān)系，太湖流域被劃分為8個水文分區(qū). 但不同的水文分區(qū)可能具有相似的降水規(guī)律，因此本文根據(jù)這一假設(shè)，對太湖流域8個水文分區(qū)進(jìn)行聚類，合并成更具有特點的降水空間分區(qū). 這種方法既維持了區(qū)域之間的水力聯(lián)系，又考慮了降水在空間上的分布情況. 在水文分區(qū)多次聚合之后，會產(chǎn)生多個區(qū)域聚類結(jié)果，但流域洪澇災(zāi)害形成機(jī)理復(fù)雜，不僅僅由降水造成，因此最優(yōu)的降水聚類結(jié)果并不一定最能反映流域洪澇特性. 根據(jù)太湖流域?qū)嶋H情況，各區(qū)降水與太湖水位的關(guān)系是流域洪澇風(fēng)險控制的核心因素，也是本文進(jìn)行洪澇危險性分析的基礎(chǔ)，因此，在每次聚合之后采用Copula函數(shù)擬合各區(qū)降水與太湖水位的聯(lián)合分布函數(shù)，同時考慮完全不聚類(8個水文分區(qū))和完全聚類(整個流域作為一個整體)的兩種極端情況，通過經(jīng)驗概率與理論概率的對比分析，確定最優(yōu)的區(qū)域聚類方案. 此外，本文在區(qū)域聚類過程中，將梅汛期和臺汛期分別考慮.

2.2.1 基于降水相關(guān)性的區(qū)域聚類 首先，利用泰森多邊形法分別統(tǒng)計梅汛期和臺汛期8個分區(qū)的面降水量數(shù)據(jù)，之后通過皮爾森法(Pearson)、斯皮爾曼法(Spearman)計算各個分區(qū)之間的降水相關(guān)性，將降水相關(guān)性較強的區(qū)域依次合并聚類.

2.2.2 基于聯(lián)合分布效果的區(qū)域聚類優(yōu)選 Copula函數(shù)是定義在[0,1]均勻分布的多維聯(lián)合分布函數(shù)，根據(jù)Sklar理論[28]，令H為一個n維分布函數(shù)，各變量的邊緣分布為F1,F2,…,Fn，那么存在一個n-Copula函數(shù)C，使得對任意的x屬于Rn，滿足:

H(x1,x2,…,xn)=Cθ(F1(x1),F2(x2),…,Fn(xn))

(7)

式中，θ為Copula函數(shù)的參數(shù)；若F1,F2, …,Fn是連續(xù)的，則函數(shù)C是唯一確定的.

對稱Archimedean Copulas由于具有簡單的函數(shù)構(gòu)造，僅含一個參數(shù)，求解容易等特性，被廣泛應(yīng)用于水文多變量頻率分析計算. 本文選取Archimedean Copulas中的Clayton Copula、Gumbel Copula和Frank Copula 這3種常用類型作為候選函數(shù)，并采用最大似然法進(jìn)行參數(shù)估計[29]. 此外，為了能夠找出最能反映降水與水位關(guān)系的區(qū)域聚類結(jié)果，采用赤池信息準(zhǔn)則(Akaike Information Criterion)和貝葉斯信息準(zhǔn)則(Bayesian Information Criterion)對聯(lián)合分布進(jìn)行擬合優(yōu)度檢驗，每次區(qū)域聚類后，選擇最優(yōu)的Copulas函數(shù)類型[30]. 本文選用的擬合優(yōu)度檢驗公式如下：

(8)

(9)

式中，Pei為聯(lián)合經(jīng)驗頻率，Pi為Copula函數(shù)聯(lián)合分布值，k為模型中所含的參數(shù)，n為樣本數(shù)，檢驗值A(chǔ)IC和BIC越小，表示Copula分布值Pi越靠近聯(lián)合分經(jīng)驗概率值Pei，擬合精度越高.

通過對比分析每次聚類之后區(qū)域降水與太湖水位的聯(lián)合分布，根據(jù)Copula函數(shù)擬合效果的優(yōu)劣，確定梅汛期和臺汛期最終的區(qū)域聚類劃分結(jié)果.

2.3 基于Copula的洪澇風(fēng)險分析

根據(jù)太湖流域管理局與流域各省市有關(guān)單位編制的《太湖流域防洪規(guī)劃》，到2025年，流域達(dá)到防御不同降雨典型100年一遇的洪水標(biāo)準(zhǔn)；區(qū)域基本達(dá)到防御50年一遇洪水標(biāo)準(zhǔn). 太湖警戒水位3.8 m，太湖保證水位4.65 m. 根據(jù)梅汛期和臺汛期的區(qū)域聚類結(jié)果，如果流域降水不分區(qū)，說明流域降水的空間分布不明顯，整體降水較為均勻，則采用流域整體防洪標(biāo)準(zhǔn)、太湖警戒水位、保證水位進(jìn)行洪澇風(fēng)險情境設(shè)定. 如果流域降水分為不同的區(qū)域，說明流域降水在空間上呈現(xiàn)差異性，則采用區(qū)域防洪標(biāo)準(zhǔn)、太湖警戒水位進(jìn)行洪澇風(fēng)險情境設(shè)定. 之后，通過Copula函數(shù)擬合多元變量的聯(lián)合分布函數(shù)[31]，分析各區(qū)域或流域多種降水頻率與太湖水位狀態(tài)的遭遇概率，對梅汛期和臺汛期流域洪澇風(fēng)險進(jìn)行分析.

3 結(jié)果和分析

3.1 汛期分期結(jié)果及分析

根據(jù)K-S檢驗(表1)和PPCC值、MAE值、RMSE值和DC值的大小(表2和表3)，可知太湖流域入梅時間和出梅時間，臺風(fēng)登錄時間擬合最好的函數(shù)類型分別為Weibull分布、Lognormal分布和Norm分布，具體參數(shù)值見表4.

從圖2可知，梅汛期的起止時間為：6月24日(一年中的第175天，下同)至7月21日(202天)；臺汛期的起止時間為：7月22日(203天)至9月22日(265天). 根據(jù)《太湖流域洪水與水量調(diào)度方案》(下面簡稱‘方案’)，將全年劃分為6個時段，其中，第4個時段為梅汛期(6月16日-7月20日)，第5個時段為臺汛期(7月21日-9月30日). 本文計算的時段均處于‘方案’劃分時段之內(nèi). 此外，通過分析圖中超警戒水位發(fā)生時間，可以得到以下3個結(jié)論：1)在第170～180天期間，超警戒水位 發(fā)生概率迅速增大，說明在這時間段降水量明顯增大，太湖流域已經(jīng)入梅，驗證了我們劃分的第175天的入梅期是合理的；2)第191天為梅汛期超汛限水位發(fā)生概率最大的時間點，說明由梅雨主導(dǎo)的降水的結(jié)束點應(yīng)該在這天之后，因此驗證了我們劃分的第202天是合理的；在第210～220天期間內(nèi)，超警戒水位的發(fā)生概率最小，說明該期間為梅汛期尾期，臺汛期初期，考慮到水位和降雨響應(yīng)關(guān)系的延遲性，梅汛期和臺汛期的分界點可以適當(dāng)提前；3)梅汛期超警戒水位分布形狀高且瘦，臺汛期超警戒水位分布矮且胖，符合梅雨和臺風(fēng)的時長和頻次的發(fā)生特點. 梅汛期降雨量小且時間長，導(dǎo)致多年水位漲落過程集中；臺汛期降雨量大且時間短，次數(shù)多，導(dǎo)致多年水位漲落過程分散疊加.

表1 6種分布函數(shù)的K-S檢驗結(jié)果

表2 出梅時間和入梅時間的擬合優(yōu)選

表3 臺風(fēng)登錄時間的擬合優(yōu)選

表4 6種分布函數(shù)的參數(shù)

圖2 太湖流域入梅、出梅、臺風(fēng)和超警戒水位發(fā)生時間的理論概率關(guān)系Fig.2 Probability density functions of random variables(STP, ETP, ITT and TWL)

3.2 流域子區(qū)域聚類結(jié)果

3.2.1 降水相關(guān)性聚類結(jié)果 根據(jù)圖3分析各分區(qū)降水相關(guān)性，考慮地理拓?fù)潢P(guān)系和上下游水流走向，進(jìn)行第1次聚類：在梅汛期，可將水利分區(qū)由原來的8個區(qū)域重新劃分為湖西區(qū)與武澄錫虞區(qū)(Ⅰ & Ⅱ)、陽澄淀泖區(qū)與太湖湖區(qū)(Ⅲ & Ⅷ)、浦西區(qū)與浦東區(qū)(Ⅳ & Ⅴ)、浙西區(qū)和杭嘉湖區(qū)(Ⅵ & Ⅶ)4個區(qū)域. 在臺汛期，可以將水利分區(qū)由原來的8個區(qū)域重新劃分為湖西區(qū)與武澄錫虞區(qū)(Ⅰ & Ⅱ)、陽澄淀泖區(qū)，太湖湖區(qū)與浦西區(qū)(Ⅲ & Ⅳ & Ⅷ)、浦東區(qū)(Ⅴ)、浙西區(qū)和杭嘉湖區(qū)(Ⅵ & Ⅶ)4個區(qū)域.

根據(jù)圖4分析各分區(qū)降水相關(guān)性，進(jìn)行第2次聚類：在梅汛期可以發(fā)現(xiàn)陽澄淀泖和太湖湖區(qū)(Ⅲ & Ⅷ)與浦西和浦東區(qū)(Ⅳ & Ⅴ)的相關(guān)性仍然很大，在Pearson和Spearman檢驗下能夠達(dá)到0.86和0.84，考慮地理拓?fù)潢P(guān)系和上下游水流走向關(guān)系，可以將這兩個分區(qū)繼續(xù)合并，因此整個太湖流域被分成：湖西區(qū)與武澄錫虞區(qū)(Ⅰ & Ⅱ)，陽澄淀泖區(qū)、太湖湖區(qū)、浦西區(qū)與浦東區(qū)(Ⅲ & Ⅷ & Ⅳ & Ⅴ)，浙西區(qū)和杭嘉湖區(qū)(Ⅵ & Ⅶ)3個區(qū)域. 分析臺汛期各分區(qū)降水相關(guān)性，可以發(fā)現(xiàn)4個區(qū)域降水的相關(guān)性仍然很大，特別是湖西區(qū)與武澄錫虞區(qū)(Ⅰ & Ⅱ)，陽澄淀泖區(qū)、太湖湖區(qū)、浦西區(qū)(Ⅲ & Ⅷ & Ⅳ)，浙西區(qū)和杭嘉湖區(qū)(Ⅵ & Ⅶ)三者之間在Pearson和Spearman檢驗下相關(guān)系數(shù)達(dá)到0.87及以上，呈現(xiàn)出整個區(qū)域的聚合性. 但為了與梅汛期對比，在臺汛期，太湖流域汛期分區(qū)結(jié)果與梅汛期一致.

圖4 太湖流域梅汛期和臺汛期4個水利分區(qū)降水量的相關(guān)關(guān)系Fig.4 The correlation results of precipitation between four hydrological sub-regions in Taihu Basin

3.2.2 基于聯(lián)合分布效果的聚類結(jié)果分析 梅汛期，在9維、5維、4維聯(lián)合分布函數(shù)中，Clayton Copula取得了最好的擬合效果；在整個太湖流域降水和太湖水位的2維聯(lián)合分布函數(shù)中，AIC和BIC一致認(rèn)為Gumbel Copula取得了最好的擬合效果(圖5、表5)；臺汛期，在8個水利分區(qū)和太湖水位的9維聯(lián)合分布函數(shù)中，Gumbel Copula取得了最好的擬合效果；在5維和4維水利分區(qū)降水和太湖水位的聯(lián)合分布函數(shù)中，Clayton Copula取得了最好的擬合效果，在整個太湖流域降水和太湖水位的二維擬合關(guān)系中，AIC和BIC一致認(rèn)為Gumbel Copula取得了最好的擬合效果(圖6、表5). 從各維度擬合效果來看，梅汛期、湖西區(qū)與武澄錫虞區(qū)(Ⅰ & Ⅱ)，陽澄淀泖區(qū)、太湖湖區(qū)、浦西區(qū)與浦東區(qū)(Ⅲ & Ⅷ & Ⅳ & Ⅴ)，浙西區(qū)和杭嘉湖區(qū)(Ⅵ & Ⅶ)3個區(qū)域的降水和太湖水位的4維聯(lián)合分布最能反映區(qū)域降水和太湖水位的關(guān)系. 臺汛期，整個太湖流域降水和太湖水位的2維聯(lián)合分布最能反映太湖流域降水和太湖水位的關(guān)系. 太湖流域梅汛期和臺汛期聚類劃分結(jié)果如圖7所示.

圖5 太湖流域梅汛期降雨和太湖水位P-P圖(圖(a)、圖(b)、圖(c)是8水利分區(qū)降水和太湖水位的九維聯(lián)合分布P-P圖；圖(d)、圖(e)、圖(f)是4水利分區(qū)降水和太湖水位的五維聯(lián)合分布P-P圖；圖(g)、圖(h)、圖(i)是3水利分區(qū)降水和太湖水位的四維聯(lián)合分布P-P圖；圖(j)、圖(k)、圖(l)是太湖流域降水和太湖水位的二維聯(lián)合分布P-P圖；圖(a)、圖(d)、圖(g)、圖(j)是Clayton Copula擬合的結(jié)果；圖(b)、圖(e)、圖(h)、圖(k)是Gumbel Copula擬合的結(jié)果；圖(c)、圖(f)、圖(i)、圖(l)是Frank Copula擬合的結(jié)果)Fig.5 The probability-probability (P-P) plots in the plum rain period in Taihu Basin

圖6 太湖流域臺汛期降雨和太湖水位P-P圖(各圖序號定義與圖5一致)Fig.6 The probability-probability (P-P) plots in the typhoon period in Taihu Basin

圖7 太湖流域梅汛期和臺汛期聚類劃分結(jié)果Fig.7 The results of regional clustering in the plum rain period and typhoon period

3.3 洪澇風(fēng)險分析

在梅汛期，通過對太湖警戒水位和區(qū)域防洪標(biāo)準(zhǔn)的分析，認(rèn)為在太湖超過3.8 m警戒水位時，4個分區(qū)中只要有1個分區(qū)遭遇50年一遇以上暴雨即為排澇不利. 因為各分區(qū)在遭遇超過本區(qū)域防洪能力的暴雨時，必將通過向區(qū)域外排放洪水，以減輕本區(qū)域水利工程的防洪壓力和減少本區(qū)域洪澇災(zāi)害，而太湖是流域內(nèi)主要的蓄水區(qū)域，但此時若太湖水位超過警戒值，不宜蓄水或水位過高難以接納各分區(qū)澇水，則必然造成流域或流域部分區(qū)域排澇不利的情境.

在臺汛期，通過對太湖警戒水位和流域防洪標(biāo)準(zhǔn)的分析，認(rèn)為在太湖超過3.8 m警戒水位時，流域遭遇100年一遇以上暴雨即為排澇不利；在太湖超過4.65 m保證水位時，流域遭遇50年一遇以上暴雨即為排澇不利.

到2025年，根據(jù)設(shè)定的排澇不利情景，太湖流域在梅汛期和臺汛期出現(xiàn)排澇不利的概率分別為2.4%和1.1%(表6～8)，與太湖流域防洪規(guī)劃相比，結(jié)果基本吻合. 相比以往洪澇風(fēng)險分析方法(如MIKE模型[32]、太湖流域模型[33])，本文注意到不同天氣系統(tǒng)導(dǎo)致洪澇風(fēng)險差異性的現(xiàn)象，并利用較少的數(shù)據(jù)，最大程度上反映太湖流域防洪排澇的真實情況，在流域規(guī)劃層面上，可以為流域區(qū)域防洪排澇協(xié)調(diào)性評估、防洪排澇工程布局等工作提供參考.

4 結(jié)論與展望

以往對降水時間分布不均勻性的研究多集中在年時間尺度，研究成果多以汛期和非汛期兩階段展示，而在汛期內(nèi)，對由于復(fù)雜天氣系統(tǒng)所造成降水時空差異性的研究較少，基于此的洪澇災(zāi)害危險性分析研究成果也不多. 本文通過擬合天氣系統(tǒng)中各降水主導(dǎo)因素的發(fā)生時間，將流域汛期劃分為梅汛期和臺汛期，并利用Copula函數(shù)對流域的水文分區(qū)進(jìn)行聚類，探究不同時期，太湖流域各區(qū)域降水和太湖水位的關(guān)系. 在此基礎(chǔ)上，對梅汛期和臺汛期流域洪澇風(fēng)險進(jìn)行分析. 本文主要的結(jié)論如下：

1)由于氣象原因，太湖流域的梅雨和臺風(fēng)發(fā)生時間也呈現(xiàn)出一定的規(guī)律性，根據(jù)各自的發(fā)生時間規(guī)律，太湖流域汛期可以被分成梅汛期(6月24日-7月21日)和臺汛期(7月22日-9月22日).

表5 汛期不同時段降雨和水位各維度聯(lián)合概率分布函數(shù)的擬合優(yōu)度評價

表6 太湖流域梅汛期各區(qū)域不同降水和太湖水位遭遇概率計算結(jié)果(一)*

*低的含義為區(qū)域降水的重現(xiàn)期小于50年一遇；高的含義為區(qū)域降水的重現(xiàn)期大于等于50年一遇；朝上的箭頭含義為太湖水位超過警戒水位；朝下的箭頭含義為太湖水位小于警戒水位.

表7 太湖流域梅汛期各區(qū)域不同降水和太湖水位遭遇概率計算結(jié)果(二)*

*表中“高”，“低”，“朝向箭頭”，“朝下箭頭”的含義與表5一致.

表8 太湖流域臺汛期不同降水和太湖水位遭遇概率計算結(jié)果*

*低的含義為區(qū)域降水的重現(xiàn)期小于等于50年一遇；中的含義為區(qū)域降水的重現(xiàn)期在50年一遇到100年一遇之間；高的含義為區(qū)域降水的重現(xiàn)期大于等于100年一遇；朝下的箭頭含義為太湖水位小于警戒水位水位；朝上的箭頭含義為太湖水位超過保證水位；水平左右兩端的箭頭含義為太湖水位處于警戒水位和保證水位之間.

2)在不同天氣系統(tǒng)的影響下，降水的空間不均勻性也是不一致的. 在梅汛期，太湖流域劃分為P-Ⅰ區(qū)、P-Ⅱ區(qū)和P-Ⅲ區(qū)，采用4維的Clayton Copula函數(shù)來構(gòu)建3個區(qū)域降水和太湖水位的聯(lián)合分布最能反映流域?qū)嶋H洪澇情況；在臺汛期，整個流域不分區(qū)，太湖流域降水作為一個整體進(jìn)行流域洪澇風(fēng)險分析.

3)在2025年，梅汛期和臺汛期，太湖流域出現(xiàn)排澇不利情景的風(fēng)險概率分別為2.4%和1.1%. 太湖流域年降水量雖然集中在汛期，但受復(fù)雜天氣系統(tǒng)影響，汛期內(nèi)降水的時空分布是不同的，因此梅雨期和臺風(fēng)期的洪澇災(zāi)害風(fēng)險也不同，我們應(yīng)該制定相應(yīng)的應(yīng)急預(yù)案來預(yù)防洪水災(zāi)害.

本文的研究區(qū)域是太湖流域，但對受臺風(fēng)和梅雨影響的臺灣、遼東半島、日本等東亞沿海地區(qū)均可以采用類似的方法進(jìn)行防洪排澇風(fēng)險分析，對東亞沿海地區(qū)設(shè)計暴雨的調(diào)整，洪水資源的利用，防洪排澇實時調(diào)度的決策具有一定的參考意義. 此外在下一步研究中，可以結(jié)合具體的水動力學(xué)等數(shù)值模型，在不同時期、降水情境以及區(qū)域劃分方案下，展開具體的數(shù)值模擬工作，為流域洪澇風(fēng)險評估工作提供更為具體的技術(shù)支持.