楊悅瑩，朱志華，蔡宴朋，楊志峰

(1.廣東工業(yè)大學(xué)環(huán)境生態(tài)工程研究院，廣東 廣州 510006；2.南方海洋科學(xué)與工程廣東省實驗室(廣州)，廣東 廣州 511458)

在氣候變化和城市化耦合作用下，降雨時空分布格局和自然水循環(huán)過程發(fā)生了顯著的變化，導(dǎo)致城市洪澇災(zāi)害的影響程度和范圍加大，雨洪災(zāi)害的致災(zāi)機理已成為當(dāng)前城市水文研究的焦點問題[1-2]。前人研究表明，極端降雨事件頻發(fā)是造成洪澇災(zāi)害日趨嚴(yán)重的主要誘因[3-5]，且在城市化進程下，強烈人類活動所造成的局部氣候效應(yīng)正加劇影響區(qū)域降雨時空分布的異質(zhì)性[6]。IPCC在第五次評估報告中強調(diào)，21世紀(jì)氣候變化不確定性將進一步變大，區(qū)域降雨時空分布將更加不均勻[7]。由于城市流域缺乏長時序的高時空分辨率降雨數(shù)據(jù)，導(dǎo)致降雨時空異質(zhì)性在城市水文分析過程中常被簡化或者忽略[8]，這一做法的合理性也受到普遍的質(zhì)疑。因此，探究降雨時空異質(zhì)性對徑流峰值的影響，對厘清雨洪災(zāi)害的致災(zāi)機理具有重要的科學(xué)意義。

降雨時空分布特征發(fā)生改變，必然導(dǎo)致洪峰流量、洪水總量等洪水特征發(fā)生變化[9-10]，而且大大增加了雨洪災(zāi)害發(fā)生的不確定性，使得雨洪致災(zāi)機理變得更為復(fù)雜。由于降雨時空分布存在明顯的異質(zhì)性，傳統(tǒng)基于降雨和洪水同頻率的假設(shè)(即n年一遇的降雨會產(chǎn)生n年一遇的洪水)產(chǎn)生極大不確定性，其適用性和合理性變得極其嚴(yán)苛[11]。早在2003年，Trenberth等[12]就強調(diào)在徑流(特別是洪峰流量)模擬過程中，需關(guān)注降雨事件的時空異質(zhì)性，認(rèn)為掌握降雨時間和空間變化過程是了解區(qū)域產(chǎn)匯流規(guī)律演變的關(guān)鍵所在；White等[13]亦認(rèn)為掌握降雨的時間和空間移動規(guī)律與洪水響應(yīng)關(guān)系，有助于更加深層次了解雨洪致災(zāi)原理和變化規(guī)律；Zhu等[14]指出在降雨時空異質(zhì)性的影響下，降水總量相對較小(如20年一遇)時也可導(dǎo)致較大量級(如500年一遇)的洪水出現(xiàn)。

(a) 高程

(b) 土地利用類型

在數(shù)值模擬方面，徑流峰值明顯受降雨時空異質(zhì)性的影響[15-16]，尤其在城市地區(qū)，這種影響表現(xiàn)得更為強烈[17]。Shah等[18]指出，降雨空間分布異質(zhì)性對流域洪峰流量大小的模擬具有重要影響；Peleg等[19]的研究亦表明，較小面積城市流域的洪峰流量受到降雨時空分布異質(zhì)性的影響，特別是降雨時間異質(zhì)性具有較為顯著的影響。目前，常用降雨覆蓋率、降雨強度、降雨移動規(guī)律、降雨中心空間相對位置等典型降雨特征指標(biāo)表征區(qū)域降雨時空異質(zhì)性，并分析其對流域洪峰流量的影響[20-21]。Ten Veldhuis等[20]指出降雨空間分布相對位置、移動方向及速度直接影響著洪峰流量、徑流響應(yīng)時間等；Mejía等[22-23]指出，強降雨覆蓋率是洪峰流量分析中重要的因素，其直接與洪峰流量、徑流總量等相關(guān)。雖然降雨時空異質(zhì)性對流域產(chǎn)匯流的影響引起了人們的極大關(guān)注，但徑流峰值對降雨時空異質(zhì)性的響應(yīng)機制仍有待深入研究。

本文以高度城市化的石馬河流域作為典型的城市流域，研究耦合RainyDay暴雨生成器和高時空分辨率的遙感降雨產(chǎn)品，生成一系列不同降雨重現(xiàn)期、歷時和時空分布情景的設(shè)計降雨，進而將相同降雨重現(xiàn)期和降雨歷時的降雨情景重構(gòu)成降水總量相同的降雨事件，輸入分布式水文模型GSSHA中，結(jié)合協(xié)方差分析方法和降雨時空異質(zhì)性指標(biāo)體系，定量揭示徑流峰值對降雨時空異質(zhì)性的響應(yīng)規(guī)律。值得一提的是，本文并非模擬分析流域的洪水頻率，而是探究不同降雨強度下徑流峰值對降雨時空異質(zhì)性的響應(yīng)，以期為城市化背景下雨洪災(zāi)害防治提供理論依據(jù)和科學(xué)支撐。

1 研究區(qū)概況與數(shù)據(jù)來源

1.1 研究區(qū)概況

石馬河流域位于粵港澳大灣區(qū)城市群核心地帶，橫跨深圳和東莞兩市，流域面積達1 249 km2。石馬河源于大腦殼山，流經(jīng)深圳市龍華區(qū)和東莞市塘廈、清溪、鳳崗、樟木頭、和謝崗等鎮(zhèn)，匯入東江干流，河長73.5 km，河床平均坡降0.61‰。石馬河流域內(nèi)四周地勢相對較高，海拔在200～600 m 之間(圖1(a))，該流域?qū)儆趤啛釒Ъ撅L(fēng)氣候，降水量大，年平均降雨量為1 300～2 500 mm，但降雨主要集中在4—9月。從20世紀(jì)90年代起，石馬河流域經(jīng)歷了復(fù)雜的城市化過程，導(dǎo)致土地利用發(fā)生顯著變化，其中建設(shè)用地面積占比提升至38%，具體土地利用情況見圖1(b)。在氣候變化和城市化進程不斷加快的耦合影響下，流域內(nèi)雨洪問題日益突出，并造成嚴(yán)重的經(jīng)濟損失。

石馬河流域雖處于高度發(fā)達的城市區(qū)域，但其水文監(jiān)測系統(tǒng)相對不完善。流域內(nèi)僅設(shè)旗嶺水文站用于監(jiān)測1 h步長的徑流過程?；诖耍狙芯績H針對旗嶺水文站所控制的集水面積開展研究，即將旗嶺水文站作為研究區(qū)域的出水口。旗嶺水文站所控制的集水面積為682 km2，緯度為22.58°N～22.95°N，經(jīng)度為114.00°E～114.23°E。

1.2 數(shù)據(jù)來源

本文基于國家氣象科學(xué)數(shù)據(jù)中心發(fā)布的中國逐時降水量0.1°×0.1°網(wǎng)格氣象數(shù)據(jù)集(http://www.cma.gov.cn/2011qxfw/2011qsjgx/)計算石馬河流域不同頻率下的降雨時空過程。該數(shù)據(jù)集以中國地面3萬多個自動氣象觀測站的逐時降水觀測資料為基礎(chǔ)，對CMORPH衛(wèi)星降水資料進行優(yōu)化和驗證而得到。該數(shù)據(jù)集產(chǎn)品總體誤差水平在10%以內(nèi)，對強降水和站點稀疏區(qū)的誤差在20%以內(nèi)，準(zhǔn)確度高于同類其他產(chǎn)品。綜合考慮該數(shù)據(jù)集的可獲取年份和完整性，本文選取2008—2016年的降雨數(shù)據(jù)估算石馬河流域的設(shè)計降雨。

在構(gòu)建石馬河流域產(chǎn)匯流模型過程中，DEM數(shù)據(jù)、土壤數(shù)據(jù)和土地利用數(shù)據(jù)分別采用美國地質(zhì)勘探局提供的SRTM-30m數(shù)字地形高程數(shù)據(jù)、世界土壤數(shù)據(jù)庫提供的分辨率1∶100萬土壤數(shù)據(jù)(Harmonized World Soil Database version 1.1)和由中國科學(xué)院地理科學(xué)與資源研究所提供的基于Landsat TM/ETM的1km土地覆蓋遙感影像數(shù)據(jù)。為率定和驗證所構(gòu)建的流域產(chǎn)匯流模型的合理性，采用的實測降雨和徑流數(shù)據(jù)包括來自于2009年觀洞、碗窯、上村、高峰4個水文站的降雨數(shù)據(jù)和旗嶺水閘的下泄流量數(shù)據(jù)，所選擇的降雨數(shù)據(jù)和徑流數(shù)據(jù)均是相同時間內(nèi)發(fā)生的事件。此外，本文采用日本GsMAp提供2001—2020年的小時降雨數(shù)據(jù)驗證所估算得到不同頻率下的流域設(shè)計降雨的合理性。

2 研究方法

2.1 RainyDay暴雨發(fā)生器

RainyDay暴雨發(fā)生器是Wright等[24]基于Python平臺所開發(fā)，其核心是結(jié)合隨機降雨轉(zhuǎn)置技術(shù)和遙感降雨產(chǎn)品，通過多次轉(zhuǎn)置發(fā)生于研究區(qū)域外，并與其具有相同氣候特征和降雨過程的降雨場次，以達到增加發(fā)生在研究區(qū)域內(nèi)的強降雨事件，擴大研究區(qū)域的樣本容量。本文所選取的最大轉(zhuǎn)置空間與Zhu等[2]一致，最大轉(zhuǎn)置空間選取的合理性分析可見文獻[2]。值得一提的是，RainyDay暴雨發(fā)生器只改變降雨發(fā)生的空間位置，而不改變降雨量的時程分布。

2.2 GSSHA分布式水文模型

為更全面地揭示降雨時空異質(zhì)性對流域徑流峰值的影響，采用二維分布式水文模型GSSHA(gridded surface/subsurface hydrologic analysis)進行流域的產(chǎn)匯流過程模擬。該模型具有較全面的水文物理機理計算機制，即使所構(gòu)建的模型在未得到“顯著校準(zhǔn)”的情況下，也能較好地捕獲區(qū)域洪水對降雨的響應(yīng)，其在水文資料相對不足的城市區(qū)域具有良好的模擬效果[25]。采用30 m分辨率的DEM數(shù)據(jù)構(gòu)建流域產(chǎn)匯流模型的水文地理基面，并提取各河道的流向；選取考慮土壤水分再分配的Green-Ampt方程計算徑流下滲過程；利用一維擴散波方程和ADE方程分別計算河道洪水波運動及地表徑流過程。

采用multilevel single linkage(MLSL)方法和實測降雨及其相應(yīng)的流量數(shù)據(jù)自動率定模型參數(shù)。其中，模型模擬效果采用納什系數(shù)(NSE)和Kling-Gupta efficiency(KGE)系數(shù)進行評價。Zhu等[26]的研究表明NSE和KGE能很好地評價模型結(jié)果的合理性，當(dāng)NSE和KGE系數(shù)大于0.5時，表明模型是可行的，其數(shù)值越靠近1，模型模擬效果越好。

2.3 降雨時空異質(zhì)性指標(biāo)

根據(jù)Ten Veldhuis等[20-21]的研究，綜合選取最有代表性的雨峰系數(shù)(r)、降雨集中度(PCI)、1 h最大降水量(Rmax)、總降雨中心(tg)、時刻降雨中心(cg)、25 mm/h 閾值降雨空間覆蓋率(A25)、50 mm/h閾值降雨空間覆蓋率(A50)這7個指標(biāo)，構(gòu)建表征降雨時空變化的異質(zhì)性指標(biāo)體系，并采用協(xié)方差分析方法定量計算各指標(biāo)對徑流峰值的貢獻情況。

3 結(jié)果與分析

3.1 流域產(chǎn)匯流模型率定和驗證

選取2009年4場典型降雨進行石馬河流域產(chǎn)匯流模型的率定和驗證，表1為產(chǎn)匯流模型率定和驗證結(jié)果，圖2為4場典型降雨實測與模擬結(jié)果對比。由圖2可見，所構(gòu)建的模型能夠較好地反映出流域場次降雨的產(chǎn)匯流情況，所得到的模擬徑流過程基本與實測徑流一致，且能夠準(zhǔn)確地模擬徑流峰值的出現(xiàn)時間。通過定量分析各場次的模擬效果可以發(fā)現(xiàn)，各降雨場次的模擬徑流和實測徑流的NSE系數(shù)和KGE系數(shù)均大于0.5，徑流峰值偏差系數(shù)均控制在10%以內(nèi)，表明該模型能夠基本反映流域的產(chǎn)匯流情況，能夠較好地模擬流域內(nèi)場次降雨所產(chǎn)生的徑流峰值。產(chǎn)匯流模型中不同土地利用類型的粗糙度系數(shù)分別為：耕地和草地0.110、林地0.130、城市建設(shè)用地0.014；河道粗糙度系數(shù)為0.067。產(chǎn)匯流模型不同土壤類型參數(shù)率定結(jié)果見表2。

表1 2009年4場典型降雨模型率定和驗證結(jié)果

(a) 率定1

(b) 驗證1

(c) 驗證2

(d) 驗證3

表2 產(chǎn)匯流模型不同土壤類型參數(shù)率定結(jié)果

3.2 考慮降雨時空異質(zhì)性的流域設(shè)計降雨

圖3為基于RainyDay暴雨發(fā)生器得到的石馬河流域不同降雨重現(xiàn)期(1～100 a)和不同降雨歷時(2 h、6 h和24 h)的設(shè)計降雨，圖中紅色圓點、紅色菱形和紅色三角分別代表根據(jù)實測降雨數(shù)據(jù)計算得到的降雨歷時分別為2 h、6 h和24 h的設(shè)計降水量值。值得一提的是，每個重現(xiàn)期具有20種不同時空分布特征的情景，每個情景的設(shè)計降水量均有所差異，各重現(xiàn)期下不同降雨歷時及情景的設(shè)計降水量均落在圖3的陰影部分。與傳統(tǒng)方法所計算得到的設(shè)計降雨不同的是，基于RainyDay暴雨發(fā)生器得到的設(shè)計降雨的時間分布是實際發(fā)生在最大轉(zhuǎn)置區(qū)內(nèi)的降雨事件，RainyDay暴雨發(fā)生器僅是改變了降雨的空間位置，即所計算得到的設(shè)計降雨時空分布與實際降雨更為相符。

圖3 石馬河流域不同降雨歷時的設(shè)計降雨

由圖3可知，基于RainyDay暴雨發(fā)生器的設(shè)計降雨強度呈現(xiàn)隨著重現(xiàn)期和降雨歷時的增大而增大的變化規(guī)律。通過對比基于實測降雨數(shù)據(jù)和RainyDay暴雨發(fā)生器所得到的設(shè)計降雨可以發(fā)現(xiàn)，二者所計算得到的設(shè)計降雨較為相近。在降雨歷時較短時，RainyDay暴雨發(fā)生器普遍低估了流域設(shè)計降雨，而這種低估現(xiàn)象隨著重現(xiàn)期增大而有所減??；隨著降雨歷時增加，RainyDay暴雨發(fā)生器所得到的設(shè)計降雨基本能夠與基于實測降雨的設(shè)計降雨相同，即實測設(shè)計降雨落在陰影部分(圖3)。具體地，結(jié)合相對誤差分析，在降雨歷時為6 h時，重現(xiàn)期大于10 a的范圍內(nèi)，實測設(shè)計降雨都在RainyDay暴雨發(fā)生器計算范圍內(nèi)，降雨歷時6 h的整體相對誤差在2%～14%之間；而在降雨歷時為24 h時，實測設(shè)計降雨都落在基于RainyDay暴雨發(fā)生器所計算得到的設(shè)計降雨范圍內(nèi)，RainyDay暴雨發(fā)生器設(shè)計降雨與實測設(shè)計降雨的相對誤差范圍在3%以內(nèi)?？傮w來說，RainyDay暴雨發(fā)生器能夠較好地計算石馬河流域的設(shè)計降雨。雖然RainyDay暴雨發(fā)生器在計算短歷時設(shè)計降雨時會出現(xiàn)一定的低估現(xiàn)象，但本文并不是模擬分析石馬河流域的洪水頻率變化規(guī)律，而是探究不同降雨強度下徑流峰值對降雨時空異質(zhì)性的響應(yīng)，因此這一低估現(xiàn)象并不影響本文的研究結(jié)果，Wright等[24]在分析流域洪水頻率時也出現(xiàn)了類似現(xiàn)象。

(a) 降雨事件A

(b) 降雨事件B

(c) 降雨事件C

(a) 11:00

(b) 12:00

(c) 13:00

在得到上述設(shè)計降雨的基礎(chǔ)上，計算同一重現(xiàn)期和降雨歷時下各設(shè)計降雨情景與平均設(shè)計降雨的比值，按照這一比值同比例縮放各時刻和網(wǎng)格的降水量，以達到相同重現(xiàn)期和降雨歷時下具有相同的降水量，并將同比例縮放后的降水量作為流域產(chǎn)匯流模型的降雨輸入，以模擬徑流峰值對降雨時空異質(zhì)性的響應(yīng)規(guī)律。為更好地展示降雨時空異質(zhì)性，在此選取了降雨歷時為24 h、重現(xiàn)期為10 a的3種降雨情景(下面分別簡稱其為降雨事件A、B、C)進行說明，從圖4～6可見，雖然降雨事件A、B、C的總降雨量均為180 mm，但在時空結(jié)構(gòu)上存在明顯差異。由圖4降雨的時程分布來看，不同降雨情景的降雨量時程分配具有明顯的差異，降雨峰值出現(xiàn)的時間可較早、中間或者較晚，具有較為明顯的差異；降雨集中度也存在明顯的差異，其中降雨事件C的降雨集中度明顯比A和B要高。圖5為降雨事件A、B、C的24 h累積降水量空間分布，圖6為降雨事件B中3個不同時刻1 h降水量空間分布。由圖5可見，每個柵格的總降水量及其每個時刻的降水量也存在顯著的差異，降雨事件A和B的降雨在空間上較為集中，而降雨事件C的降雨分布相對分散；3個降雨事件在不同時刻的降水量空間分布也存在明顯的差異。

圖4 降雨事件A、B、C的降雨過程

3.3 徑流峰值對降雨時空異質(zhì)性的響應(yīng)規(guī)律

圖7為不同降雨重現(xiàn)期和降雨歷時下各降雨情景所產(chǎn)生的徑流峰值，圖中各點表示各降雨情景所產(chǎn)生的相應(yīng)徑流峰值，陰影部分表示相應(yīng)重現(xiàn)期和降雨歷時的徑流峰值波動范圍。由圖7可見，徑流峰值隨著降雨歷時和重現(xiàn)期的增大而增大，但也出現(xiàn)降雨重現(xiàn)期較小(降雨歷時較短)時所產(chǎn)生的徑流峰值可比降雨重現(xiàn)期較大(降雨歷時較長)所產(chǎn)生的徑流峰值大。如圖7中，降雨歷時為6 h時，重現(xiàn)期為10 a的部分降雨情景比重現(xiàn)期為20 a的所有降雨情景的徑流峰值大，降雨歷時為24 h、重現(xiàn)期為50 a和100 a所產(chǎn)生的徑流峰值亦出現(xiàn)相同的現(xiàn)象。此外，在降雨重現(xiàn)期為10 a時，降雨歷時為6 h的部分降雨情景所產(chǎn)生的徑流峰值比降雨歷時為24 h所產(chǎn)生的徑流峰值大。由此可以看出，降雨時空異質(zhì)性對徑流峰值的影響有時比降雨歷時和降水量的影響更大，即降水量或者降雨歷時越大時，不一定會產(chǎn)生較大的徑流峰值，而降水量較小或者降雨歷時較短時，也可產(chǎn)生較大的徑流峰值。

圖7 不同降雨重現(xiàn)期和降雨歷時下各降雨情景所產(chǎn)生的徑流峰值

圖8為r、PCI、Rmax、tg、cg、A25、A507個降雨時空異質(zhì)性指標(biāo)對徑流峰值的影響。總體來說，r、PCI、Rmax等降雨時空異質(zhì)性指標(biāo)對徑流峰值的影響較大，而在不同降雨歷時下各指標(biāo)的影響程度有所差異。其中，r在降雨歷時較小時對徑流峰值的影響較大，隨著降雨歷時和降雨重現(xiàn)期的增大，其影響隨之減??；在降雨歷時為2 h時，其對徑流峰值的影響達到50%以上，而隨著降雨重現(xiàn)期增大至 100 a，這一影響下降至25%；而在降雨歷時為24 h時，r的影響在各重現(xiàn)期下基本可忽略不計。PCI則出現(xiàn)相反的情況，其對徑流峰值的影響明顯地在各降雨歷時下呈現(xiàn)隨著降雨重現(xiàn)期的增大而增大；而這一比例在重現(xiàn)期為100 a可達到45%～60%左右。Rmax雖然對徑流峰值具有相對較大的影響，但其隨降雨重現(xiàn)期或降雨歷時變化呈現(xiàn)較為無規(guī)律的變化。除了A25和A50在降雨歷時為24 h、降雨重現(xiàn)期較小時對徑流峰值具有較大的影響外，其他指標(biāo)對徑流峰值的影響相對有限。值得一提的是，各指標(biāo)之間的相互作用在各重現(xiàn)期和降雨歷時均具有較大的影響，即不可忽視各要素之間相互作用對徑流峰值的影響。

(a) 降雨歷時為2 h

(b) 降雨歷時為6 h

(c) 降雨歷時為24 h

4 結(jié) 論

a.基于短時序(2008—2016)柵格降雨數(shù)據(jù)，采用RainyDay暴雨生成器能夠生成與實際降雨時空分布相似的流域設(shè)計降雨。并通過對比，基于RainyDay暴雨生成器得到的設(shè)計降雨基本與根據(jù)實測降雨數(shù)據(jù)計算得到的設(shè)計降雨相近，雖然在降雨歷時較短時，RainyDay暴雨生成器會出現(xiàn)一定程度的低估，但這一低估現(xiàn)象隨著降雨重現(xiàn)期增大或者降雨歷時增長有明顯的改善。

b.降雨時空異質(zhì)性顯著地影響著徑流峰值。徑流峰值隨著降雨重現(xiàn)期或降雨歷時增大而增大，但降雨時空分布不同會導(dǎo)致降雨重現(xiàn)期較小或歷時較短的降雨產(chǎn)生的徑流峰值比降雨重現(xiàn)期較大或歷時較長的降雨所產(chǎn)生的徑流峰值大的現(xiàn)象出現(xiàn)，即降雨時空異質(zhì)性對徑流峰值的影響可比降雨歷時或降雨量的影響大。

c.雨峰系數(shù)、降雨集中度、1 h最大降水量等降雨時空異質(zhì)性指標(biāo)對徑流峰值的影響較大。其中，雨峰系數(shù)在降雨歷時較短或降雨重現(xiàn)期較小時對徑流峰值的影響較大，其影響可高達50%以上；而降雨集中度對徑流峰值的影響隨著降雨重現(xiàn)期和降雨歷時的增大而增大，可高達60%；1 h 最大降水量對徑流峰值的影響也高達40%以上，但其隨降雨重現(xiàn)期或降雨歷時變化呈現(xiàn)較為無規(guī)律的變化。