杜建華，鄭虹暉，莫云音，羊清雯

(1.海南省氣象信息中心，海南 ?？?570203；2.海南省南海氣象防災(zāi)減災(zāi)重點(diǎn)實(shí)驗(yàn)室，海南 ?？?570203；3.海南省氣象服務(wù)中心，海南 ?？?570203)

引 言

暴雨洪澇災(zāi)害是危害人類生命財(cái)產(chǎn)安全最常見(jiàn)的自然災(zāi)害之一[1-2]，也是我國(guó)東部、南部沿海地區(qū)最嚴(yán)重的氣象災(zāi)害之一。針對(duì)強(qiáng)降雨尤其是臺(tái)風(fēng)暴雨，國(guó)內(nèi)外基于天氣學(xué)原理和數(shù)值模擬研究其機(jī)理及預(yù)報(bào)方法的成果比較多見(jiàn)[3-9]。目前除了對(duì)暴雨發(fā)生機(jī)理及其預(yù)報(bào)方法研究外，還需要對(duì)強(qiáng)降雨的綜合風(fēng)險(xiǎn)分布特征及其致災(zāi)危險(xiǎn)性進(jìn)行了解，因此也有不少結(jié)合自然災(zāi)害風(fēng)險(xiǎn)理論對(duì)強(qiáng)降雨及其引發(fā)的次生災(zāi)害進(jìn)行風(fēng)險(xiǎn)評(píng)估和分析的研究[10-17]。

強(qiáng)降水會(huì)導(dǎo)致道路內(nèi)澇、交通擁堵[18]。在我國(guó)，強(qiáng)降雨引發(fā)的公路損毀、道路積水、道路通行受阻時(shí)常發(fā)生。隨著各地交通氣象業(yè)務(wù)、服務(wù)工作的不斷深入，運(yùn)用統(tǒng)計(jì)學(xué)方法，建立基于氣象條件的風(fēng)險(xiǎn)預(yù)警模型，針對(duì)京津冀及我國(guó)西南地區(qū)的強(qiáng)降雨對(duì)公路交通通行影響的研究逐步開(kāi)展[19-23]。海南省受臺(tái)風(fēng)暴雨影響尤為嚴(yán)重，常造成較為嚴(yán)重的經(jīng)濟(jì)財(cái)產(chǎn)損失[24-25]。根據(jù)海南省公路交通管理部門(mén)公布的信息，臺(tái)風(fēng)暴雨發(fā)生期間，省內(nèi)縣道、省道、高速公路常發(fā)生積水點(diǎn)或積水路段，甚至出現(xiàn)因漫水造成交通長(zhǎng)時(shí)間中斷的現(xiàn)象，嚴(yán)重威脅行車安全和交通運(yùn)輸效率。為進(jìn)一步分析海南島強(qiáng)降雨對(duì)公路交通的影響，本文基于海南省2015—2018年公路漫水阻斷事件個(gè)例及其對(duì)應(yīng)的降水觀測(cè)資料，運(yùn)用平滑曲線擬合法分析降水因子對(duì)公路漫水阻斷事件發(fā)生的相對(duì)危險(xiǎn)度，并基于不同時(shí)段降水因子分別建立Logistic風(fēng)險(xiǎn)預(yù)報(bào)模型，以便在今后的交通氣象服務(wù)業(yè)務(wù)中可以根據(jù)降水量預(yù)報(bào)開(kāi)展公路漫水阻斷事件發(fā)生風(fēng)險(xiǎn)的估測(cè)。

1 資 料

應(yīng)用海南省公路管理部門(mén)提供的2015—2018年因臺(tái)風(fēng)暴雨造成的島內(nèi)公路漫水阻斷事件個(gè)例，經(jīng)篩選，得到有效個(gè)例177個(gè)，覆蓋?？凇⒍ò?、文昌、瓊海、萬(wàn)寧、陵水、東方、昌江、儋州、臨高、屯昌、瓊中、五指山、白沙、澄邁15個(gè)行政市(縣)。個(gè)例信息包括公路漫水阻斷事件發(fā)生時(shí)間、地點(diǎn)及其造成的影響等信息。選取事件發(fā)生地臨近的15個(gè)國(guó)家氣象站的降水觀測(cè)資料，篩選個(gè)例發(fā)生前3、6、12、24、48、72 h等不同時(shí)段累計(jì)降水量及最大小時(shí)雨量等信息，研究公路漫水阻斷事件發(fā)生特征及其與氣象條件的相關(guān)關(guān)系和風(fēng)險(xiǎn)預(yù)報(bào)方法。

2 公路漫水阻斷事件總體分布

2015—2018年177個(gè)有效公路漫水阻斷樣本中，2016年發(fā)生次數(shù)最多(81次)、2018年次之(36次)、2017年第三(31次)、2015年最少(29次)，且這些樣本集中發(fā)生在每年的8—10月，漫水阻段事件的日變化和年變化隨機(jī)性較強(qiáng)，沒(méi)有顯著的變化特征。圖1為海南省公路漫水阻斷事件空間分布?？梢钥闯?，儋州境內(nèi)發(fā)生公路漫水阻段事件次數(shù)最多，占樣本總數(shù)的22%；其次是臨高和昌江，占樣本總數(shù)的比例均在12%以上；瓊海、東方、文昌、澄邁占樣本總數(shù)的7%～10%；而屯昌、瓊中、定安、五指山則較少發(fā)生，占樣本總數(shù)的2%以下?？傮w呈現(xiàn)出海島北部多于南部、沿?？h市多于非沿?？h市、山區(qū)和丘陵地帶明顯偏少的特征。

圖1 2015—2018年海南省公路漫水阻斷事件空間分布Fig.1 The spatial distribution of road flooding and blocking events in Hainan Province during 2015-2018

3 公路漫水阻斷事件與降水關(guān)系

3.1 2016年公路漫水事件與降水的關(guān)系

為進(jìn)一步解釋漫水阻斷事件的空間分布特征，對(duì)公路漫水阻斷事件發(fā)生頻次與事件發(fā)生臨近氣象觀測(cè)站的年累計(jì)降水量、最大小時(shí)雨量、小時(shí)雨量大于20 mm降水頻次依次對(duì)比分析，發(fā)現(xiàn)公路漫水阻段事件發(fā)生的頻次與當(dāng)?shù)刈畲笮r(shí)雨量以及小時(shí)雨量大于20 mm降水發(fā)生頻次有較好的對(duì)應(yīng)關(guān)系，而與年累計(jì)降水量的對(duì)應(yīng)關(guān)系不明顯。2016年公路漫水阻斷事件發(fā)生次數(shù)最多，其數(shù)據(jù)比4 a累加數(shù)據(jù)更具代表性，能夠在一定程度上反映公路漫水阻斷事件的空間分布特征。圖2為2016年海南省不同地區(qū)最大小時(shí)雨量、小時(shí)雨量大于20 mm降水頻次及對(duì)應(yīng)公路漫水阻斷事件發(fā)生頻次。可以看出，臨高、昌江、瓊海、儋州最大小時(shí)雨量較大、小時(shí)雨量大于20 mm降水發(fā)生頻次較高，且這4個(gè)地區(qū)的公路漫水阻段事件發(fā)生頻次也較高。萬(wàn)寧雖然小時(shí)雨量大于20 mm降水發(fā)生頻次較高，但最大小時(shí)雨量并不大。而地處山區(qū)的瓊中、五指山等地，雖然最大小時(shí)雨量以及小時(shí)雨量大于20 mm降水發(fā)生頻次都較高，但公路漫水阻斷事件發(fā)生的頻次比丘陵地帶和平原、沿海地區(qū)要明顯偏少。初步分析，這是由于地形原因所致，海南全島呈現(xiàn)中間高、周邊地勢(shì)低緩的地形特征。強(qiáng)降雨發(fā)生后，山區(qū)降水迅速向地勢(shì)低的河流匯集，因此公路積水情況相對(duì)較少，而丘陵和沿海地勢(shì)低緩，則容易造成路段積水。

圖2 2016年海南省不同地區(qū)最大小時(shí)雨量、小時(shí)雨量大于20 mm降水頻次及對(duì)應(yīng)公路漫水阻斷事件發(fā)生頻次Fig.2 The maximum hourly rainfall and frequency of hourly rainfall more than 20 mm and corresponding road flooding and blocking events frequency in different area of Hainan Province in 2016

3.2 公路漫水阻斷事件與累計(jì)降水量及最大小時(shí)雨量的關(guān)系

由于樣本中歷次公路漫水阻斷事件的天氣背景均是臺(tái)風(fēng)暴雨，因此以降水量作為主要因子，利用Kendall相關(guān)分析法分析事件發(fā)生前3、6、12、24、48、72 h累計(jì)降水量與公路漫水阻斷事件發(fā)生頻次的相關(guān)性，最終發(fā)現(xiàn)事件發(fā)生前24 h累計(jì)降水量與公路漫水阻斷事件的相關(guān)性最好，3、6、12 h累計(jì)降水量次之(圖略)。表1列出2015—2018年公路漫水阻斷事件發(fā)生前不同時(shí)段、不同級(jí)別累計(jì)降水量占比?？梢钥闯觯录l(fā)生前24 h降水量有78.4%超過(guò)100 mm，其中45.1%超過(guò)200 mm，最大值發(fā)生在2016年8月18日臨高境內(nèi)，事件發(fā)生前24 h降水量達(dá)516.6 mm，造成臨高境內(nèi)7處漫水阻段事件，其中有2處記錄為“強(qiáng)降雨導(dǎo)致路面坍塌阻斷”；最小值發(fā)生在2016年10月19日瓊海境內(nèi)，事件發(fā)生前24 h降水量為46.5 mm，對(duì)應(yīng)事件發(fā)生前48～72 h，降雨一直持續(xù)，說(shuō)明本次事件屬于在前期強(qiáng)降雨基礎(chǔ)上形成的新增積水點(diǎn)。事件發(fā)生前12 h降水量有80.4%超過(guò)50 mm，其中49.0%超過(guò)100 mm。而事件發(fā)生前3、6 h降水量分別有80.4%、53.0%在50 mm以下。

分析歷次公路漫水阻斷事件發(fā)生前最大小時(shí)雨量發(fā)現(xiàn)：當(dāng)小時(shí)雨量超過(guò)50 mm時(shí)，無(wú)論前期有無(wú)降水，在2 h內(nèi)就可能出現(xiàn)公路漫水阻斷事件；當(dāng)24 h累計(jì)降水量超過(guò)100 mm、小時(shí)雨量超過(guò)30 mm時(shí)，4～6 h內(nèi)可能出現(xiàn)公路漫水阻斷事件；當(dāng)連續(xù)3～5 d日降水量超過(guò)50 mm、持續(xù)3～6 h的小時(shí)雨量超過(guò)10 mm時(shí)也可能發(fā)生公路漫水阻斷事件。

表1 2015—2018年海南省公路漫水阻斷事件發(fā)生前不同時(shí)段、不同級(jí)別降水量占比Tab.1 The proportion of precipitation with different levels in different periods before road flooding and blocking events occurrence in Hainan Province during 2015-2018

3.3 累計(jì)降水量對(duì)事件發(fā)生相對(duì)危險(xiǎn)度的分析

利用平滑曲線擬合法[26]，通過(guò)Empower Stats統(tǒng)計(jì)分析軟件分析公路交通漫水阻斷事件發(fā)生次數(shù)與事件發(fā)生前3、6、12、24 h累計(jì)降水量關(guān)系(圖3)?？傮w上，公路漫水阻斷事件發(fā)生次數(shù)對(duì)3、6、12、24 h累計(jì)降水量的響應(yīng)不存在明顯的閾值效應(yīng)，隨著3、6、12、24h累計(jì)降水量的增加，公路交通漫水阻斷事件發(fā)生次數(shù)呈上升趨勢(shì)。當(dāng)3、6、12、24 h累計(jì)降水量分別超過(guò)100、150、250、500 mm后，由于樣本個(gè)例過(guò)少，擬合的可信度降低。

圖3 2015—2018年海南省公路漫水阻斷事件發(fā)生次數(shù)與事件發(fā)生前3、6、12、24 h累計(jì)降水量擬合曲線Fig.3 The fitting curves between occurring numbers of road flooding and blocking events and accumulated precipitation in 3 h, 6 h, 12 h and 24 h before the events in Hainan Province during 2015-2018

利用泊松分布，基于曲線擬合，以公路漫水阻斷事件發(fā)生次數(shù)為因變量，以氣象影響要素為自變量，分析公路漫水阻斷事件發(fā)生次數(shù)與事件發(fā)生前3、6、12、24 h累計(jì)降水量各因子的相對(duì)危險(xiǎn)度(RR)[26-30]，具體公式如下：

RR=exp(β×△X)

(1)

式中：RR為公路漫水阻斷事件發(fā)生的相對(duì)危險(xiǎn)度，X為氣象影響要素，△X為氣象要素的單位變化；β為系數(shù)。當(dāng)RR>1(β>0)時(shí)，X每增加一個(gè)單位，公路漫水阻斷事件發(fā)生風(fēng)險(xiǎn)的增加率為(RR-1)×100%；當(dāng)RR<1(β<0)時(shí)，X每增加一個(gè)單位，公路漫水阻斷事件發(fā)生風(fēng)險(xiǎn)的減小率為(1-RR)×100%。

計(jì)算得出公路漫水阻斷事件發(fā)生前3、6、12、24 h累計(jì)降水量分別對(duì)應(yīng)的相對(duì)危險(xiǎn)度(表2)，可以看出，4個(gè)時(shí)段累計(jì)降水量對(duì)應(yīng)的公路漫水阻斷事件發(fā)生相對(duì)危險(xiǎn)度RR均大于1，即隨著3、6、12、24 h累計(jì)降水量的增加，公路漫水阻斷事件發(fā)生的風(fēng)險(xiǎn)都呈升高趨勢(shì)。而3、24 h累計(jì)降水量對(duì)應(yīng)的事件發(fā)生相對(duì)危險(xiǎn)度RR較大，分別為1.013、1.007，即隨著3、24 h累計(jì)降水量每增加1 mm，公路漫水阻斷事件發(fā)生的風(fēng)險(xiǎn)分別隨之增加1.3%和0.7%。

表2 2015—2018年海南省公路漫水阻斷事件發(fā)生次數(shù)與事件發(fā)生前不同時(shí)段累計(jì)降水量的關(guān)系Tab.2 The relationship between occurring numbers of road flooding and blocking events and accumulated precipitation in different periods before the events in Hainan Province during 2015-2018

4 公路漫水阻斷風(fēng)險(xiǎn)預(yù)報(bào)方法

4.1 公路漫水阻斷事件風(fēng)險(xiǎn)預(yù)報(bào)模型

應(yīng)用Logistic回歸模型[31]，將公路漫水阻斷事件作為二分類響應(yīng)變量，即事件發(fā)生視為y=1，不發(fā)生視為y=0，進(jìn)而以降水因子為自變量，根據(jù)樣本數(shù)據(jù)估計(jì)出參數(shù)值求得響應(yīng)變量的發(fā)生概率。由于只考慮降水因子對(duì)公路漫水阻斷事件的影響，而海南公路漫水阻斷事件與不同時(shí)段降水量相關(guān)，因此將事件發(fā)生前3、6、12、24 h累計(jì)降水量分別作為自變量單獨(dú)建模。建模時(shí)，應(yīng)用2015—2017年7月1日至10月31日(臺(tái)風(fēng)暴雨多發(fā)時(shí)段)15個(gè)自動(dòng)氣象站任一整點(diǎn)時(shí)次往前推3、6、12、24 h的累計(jì)降水量，不為0則作為一個(gè)有效樣本輸出，共得到樣本24 812個(gè)。

依據(jù)Logistic回歸原理，建立公路漫水阻斷事件與降水因子的回歸模型為：

(2)

式中：p(%)為公路漫水阻斷事件發(fā)生概率；F(mm)為事件發(fā)生前不同時(shí)段累計(jì)降水量；α、β分別為待擬合模型系數(shù)。運(yùn)用SPSS20.0數(shù)據(jù)統(tǒng)計(jì)分析軟件，通過(guò)最大似然法估算出事件發(fā)生前3、6、12、24 h的累計(jì)降水量分別與公路漫水阻斷事件發(fā)生風(fēng)險(xiǎn)的相關(guān)參數(shù)(表3)，其中Sig<0.05時(shí)表示該因子的顯著性水平具有統(tǒng)計(jì)學(xué)意義，可見(jiàn)，對(duì)于公路漫水阻斷事件發(fā)生風(fēng)險(xiǎn)具有顯著意義的因子是事件發(fā)生前3 h和24 h累計(jì)降水量。因此最終選取基于3 h和24 h累計(jì)降水量的公路漫水阻斷風(fēng)險(xiǎn)預(yù)報(bào)模型，具體公式如下：

式中：p3、p24(%)分別為基于3 h和24 h累計(jì)降水量的公路漫水阻斷事件發(fā)生概率；r3、r24(mm)分別為公路漫水阻斷事件發(fā)生前3、24 h累計(jì)降水量。

4.2 公路漫水阻斷事件風(fēng)險(xiǎn)預(yù)報(bào)模型效果檢驗(yàn)及修正

應(yīng)用海南省2018年7—10月的降水量數(shù)據(jù)對(duì)公路漫水阻斷風(fēng)險(xiǎn)預(yù)報(bào)模型進(jìn)行效果檢驗(yàn)，單獨(dú)運(yùn)用基于24 h累計(jì)降水量的風(fēng)險(xiǎn)預(yù)報(bào)模型時(shí)，當(dāng)r24≥200 mm時(shí)，公路漫水阻斷事件發(fā)生的預(yù)測(cè)準(zhǔn)確率可高達(dá)95.8%，當(dāng)100≤r24<200 mm時(shí)，事件發(fā)生的預(yù)測(cè)準(zhǔn)確率為76.3%，當(dāng)r24<100 mm時(shí)，事件發(fā)生的預(yù)測(cè)準(zhǔn)確率為49.2%；而單獨(dú)運(yùn)用基于3 h累計(jì)降水量的風(fēng)險(xiǎn)預(yù)報(bào)模型時(shí)，對(duì)前期持續(xù)強(qiáng)降水的影響很難反映。因此，采用層次分析法將兩個(gè)風(fēng)險(xiǎn)預(yù)報(bào)模型綜合運(yùn)用，對(duì)公路漫水阻斷事件風(fēng)險(xiǎn)預(yù)報(bào)模型進(jìn)行修正，得到公式(4)，再次進(jìn)行檢驗(yàn)時(shí)，對(duì)公路漫水阻斷事件的預(yù)測(cè)準(zhǔn)確率可達(dá)91.7%。

(4)

4.3 模型業(yè)務(wù)化應(yīng)用

在實(shí)際業(yè)務(wù)中運(yùn)用智能網(wǎng)格化降水預(yù)報(bào)產(chǎn)品進(jìn)行公路漫水阻斷事件的風(fēng)險(xiǎn)等級(jí)預(yù)報(bào)?；陲L(fēng)險(xiǎn)頻率3基點(diǎn)(p=10%、50%、90%)[31]，得到海南公路漫水阻斷風(fēng)險(xiǎn)判別標(biāo)準(zhǔn)：當(dāng)p≥90%時(shí)，判定事件發(fā)生風(fēng)險(xiǎn)極高；當(dāng)50%≤p<90%時(shí)，判定事件發(fā)生風(fēng)險(xiǎn)高；當(dāng)10%≤p<50%時(shí)，判定事件發(fā)生風(fēng)險(xiǎn)較高；當(dāng)p<10%時(shí)，判定事件發(fā)生風(fēng)險(xiǎn)低。

5 結(jié)論與討論

(1)臺(tái)風(fēng)暴雨造成的海南省公路漫水阻斷事件總體呈現(xiàn)出海島北部多于南部、沿?？h市多于非沿?？h市、山區(qū)和丘陵地帶明顯偏少的特征。公路漫水阻段事件發(fā)生的頻次與當(dāng)?shù)刈畲笮r(shí)雨量以及小時(shí)雨量>20 mm降水頻次有較好的對(duì)應(yīng)關(guān)系。

(2)事件發(fā)生前24 h降水量78.4%超過(guò)100 mm，事件發(fā)生前12 h降水量有49.0%超過(guò)100 mm。當(dāng)小時(shí)雨量超過(guò)50 mm，24 h累計(jì)降水量超過(guò)100 mm且小時(shí)雨量超過(guò)30 mm，連續(xù)3～5 d日降水量超過(guò)50 mm且連續(xù)3～6 h小時(shí)雨量超過(guò)10 mm時(shí)都可能引發(fā)公路漫水阻斷事件。定量分析發(fā)現(xiàn)，隨著3、6、12、24 h累計(jì)降水量的增加，公路漫水阻斷事件發(fā)生的風(fēng)險(xiǎn)加大，事件發(fā)生前3 h和24 h累計(jì)降水量對(duì)應(yīng)的事故發(fā)生相對(duì)危險(xiǎn)度RR較大，分別為1.013和1.007，即隨著相應(yīng)時(shí)段累計(jì)降水量每增加1 mm，事故發(fā)生風(fēng)險(xiǎn)分別增加1.3%和0.7%。

(3)3 h和24 h累計(jì)降水量對(duì)公路漫水事件的發(fā)生有較好的指示意義，建立Logistic風(fēng)險(xiǎn)預(yù)報(bào)模型時(shí)，可能會(huì)忽略短時(shí)強(qiáng)降雨和前期累計(jì)降水總量的影響，因此將兩個(gè)風(fēng)險(xiǎn)預(yù)報(bào)模型綜合運(yùn)用建立預(yù)報(bào)模型，對(duì)公路漫水阻斷事件發(fā)生風(fēng)險(xiǎn)有很好的預(yù)報(bào)效果。

由于降水是公路漫水阻斷事件的主要影響因素，因此本文僅基于降水提取不同因子建立風(fēng)險(xiǎn)預(yù)報(bào)模型，將來(lái)需要對(duì)不同路段尤其是沿?？h市的公路路段進(jìn)行地形地貌、土壤特征、河道排泄能力、植被等特征的詳盡、動(dòng)態(tài)普查，不斷改進(jìn)風(fēng)險(xiǎn)預(yù)報(bào)模型。