黃土高原山洪風(fēng)險評估方法探討
——以屈產(chǎn)河流域?yàn)槔?/h1>
2022-02-19 08:11:02趙海燕范志宣任玉歡潘慧
氣候與環(huán)境研究 2022年1期
趙海燕 范志宣 任玉歡 潘慧
1 山西省氣候中心，太原 030006
2 黃委中游水文水資源局，山西晉中 030600
1 引言
暴雨洪澇一直以來都是影響我國最嚴(yán)重的氣象災(zāi)害之一。據(jù)統(tǒng)計，每年因暴雨洪澇災(zāi)害造成的經(jīng)濟(jì)損失約占所有災(zāi)害損失的60%以上（何宗宜和韓用順, 2003）。氣候變化背景下，2001年以來我國東部地區(qū)“南澇北旱”的格局發(fā)生顯著變化，華北地區(qū)的降水出現(xiàn)增加趨勢（馬柱國等, 2018），且降雨強(qiáng)度和降水歷時也有增加趨勢（金煒昕等,2015），這可能導(dǎo)致暴雨洪澇災(zāi)害的加劇。在暴雨山洪監(jiān)測預(yù)警方面，西方發(fā)達(dá)國家起步較早，歐美從20世紀(jì)70年代起陸續(xù)建立了山洪災(zāi)害預(yù)報預(yù)警系統(tǒng)，基本實(shí)現(xiàn)了山洪災(zāi)害的實(shí)時監(jiān)測和水文模型的山洪預(yù)報預(yù)警（Norbiato et al., 2008; Wu et al.,2015; 周惠成等, 2016; 謝澤明等, 2018）。我國山洪災(zāi)害防治起步較晚，近10年來，我國實(shí)施了山洪災(zāi)害防治項(xiàng)目建設(shè)，初步建成了山洪災(zāi)害防御體系（郭良等, 2018），并在監(jiān)測預(yù)警以及應(yīng)急避險建設(shè)取得長足進(jìn)步，但暴雨山洪突發(fā)性強(qiáng)、成災(zāi)快、破壞性強(qiáng)、預(yù)警預(yù)防難度大，山洪災(zāi)害仍是我國洪水災(zāi)害中導(dǎo)致人員傷亡最主要的災(zāi)種之一（張紅萍, 2013）。
近年來，隨著GIS（Geographic Information System）技術(shù)的廣泛應(yīng)用，其已成為山洪風(fēng)險評估的一項(xiàng)重要技術(shù)手段（葛小平等, 2002），利用數(shù)字高程模型及各種迭代算法，實(shí)現(xiàn)了給定水深情況下洪水淹沒區(qū)的計算模擬（李春紅等, 2005）以及依據(jù)蓄滿產(chǎn)流平衡原理對暴雨洪澇淹沒進(jìn)行模擬 （葉麗梅等, 2013; 史瑞琴等, 2013）。目前，GIS與水動力模型結(jié)合的洪水淹沒模擬研究活躍，Gemmer（2004）通過FloodArea模型編制流域風(fēng)險圖技術(shù)得到廣泛推廣應(yīng)用；李蘭等（2013）求取流域雨洪曲線，并采用耿貝爾極值I型分布法求取流域不同重現(xiàn)期致災(zāi)臨界面雨量，通過基于GIS的暴雨洪澇淹沒模型和水文算法獲得淹沒范圍和水深，最后運(yùn)用災(zāi)害風(fēng)險原理制作了流域暴雨洪澇風(fēng)險區(qū)劃；蘇布達(dá)等（2005）建立了二維水動力洪水動態(tài)演進(jìn)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；章國材（2012）基于GIS柵格數(shù)據(jù)的水動力暴雨洪澇淹沒模型，對流域暴雨洪水淹沒過程進(jìn)行淹沒模擬，推算出山洪淹沒不同等級的風(fēng)險雨量，取得了與實(shí)際較為一致的結(jié)果。文明章等（2013）、謝五三等（2015）運(yùn)用FloodArea模型研究山洪災(zāi)害風(fēng)險雨量評估等；王勝等（2016）結(jié)合統(tǒng)計方法與水文模型確定了淠河流域的致災(zāi)臨界面雨量，運(yùn)用FloodArea模擬洪水。這些研究工作對山洪災(zāi)害的風(fēng)險評估具有重要意義，但對于黃土高原的山洪災(zāi)害評估集中在青海、甘肅、陜西 （韓永榮, 1996; 趙映東, 2007; 李永紅, 2008; 曲曉波等, 2010），對山西省內(nèi)的黃土高原的山洪研究較少 （吳博等, 2016, 2017），而山西省作為黃河中游地區(qū)的重要組成部分，是全國水土流失最為嚴(yán)重的省份之一，這直接導(dǎo)致生態(tài)環(huán)境脆弱、制約社會經(jīng)濟(jì)可持續(xù)發(fā)展（晉京串, 2005），且1960年以來山西省極端降水次數(shù)和強(qiáng)度都有所增加（李智才等, 2010）。本文在GIS平臺上，采用FloodArea模型對黃土高原山西省內(nèi)的屈產(chǎn)河流域典型強(qiáng)降水過程引發(fā)的山洪災(zāi)害進(jìn)行淹沒模擬，結(jié)合影響主要承災(zāi)體信息，開展可能損失評估，進(jìn)行風(fēng)險評估方法探討，并用災(zāi)情資料檢驗(yàn)損失評估效果，以期為小流域暴雨山洪災(zāi)害預(yù)警和風(fēng)險評估提供科學(xué)依據(jù)和技術(shù)參考。
2 資料與方法
2.1 資料
2.1.1 研究區(qū)域
屈產(chǎn)河發(fā)源于石樓山西麓，是黃河的一級支流。河流地形東高西低，起伏顯著，屈產(chǎn)河從東南向西北流入黃河。流域內(nèi)分為土石山區(qū)、黃土梁峁溝壑縱橫，植被稀疏，地表侵蝕嚴(yán)重（圖1）。全流域面積1218.3 km2，全長74.9 km。
圖1 屈產(chǎn)河流域地面高程（單位：m）及流域內(nèi)水系和氣象站點(diǎn)分布Fig. 1 DEM (Digital Elevation Model), rivers, and meteorological stations of the Quchan River basin
1957～2020年屈產(chǎn)河流域年暴雨次數(shù)在0～3次，平均0.77 a-1。暴雨多集中在7、8月份，這兩個月份的暴雨占全年暴雨總數(shù)的81.6%。一年中最早的出現(xiàn)在6月22日，最晚的出現(xiàn)在10月2日。屈產(chǎn)河水量不穩(wěn)定，流量季節(jié)變化較大，1962～1996年年徑流量均值3476×104m3，其中汛期徑流量2737×104m3，最大洪水流量3380 m3s-1，平均年輸沙量946×104t（李英明和潘軍峰, 2004）。
屈產(chǎn)河流域所在的呂梁市山洪發(fā)生頻次為山西省最多地市（楊秀芳, 2010），1977年屈產(chǎn)河流域普降暴雨，石樓縣沖垮小型水庫1座，沖壞小型水庫2座，1163 hm2受災(zāi)，963 hm2絕收；1992年屈產(chǎn)河流域遭受洪災(zāi)，農(nóng)作物成災(zāi)面積4000 hm2，經(jīng)濟(jì)損失357×104元（溫克剛, 2005）。
2.1.2 氣象數(shù)據(jù)
本文以屈產(chǎn)河流域2020年8月4～7日出現(xiàn)的歷史罕見強(qiáng)降水過程為例進(jìn)行研究。屈產(chǎn)河流域內(nèi)14個區(qū)域氣象站的逐小時降水量來自于山西省氣象信息中心，數(shù)據(jù)經(jīng)過嚴(yán)格質(zhì)量控制。本文模擬時使用的流域面雨量為流域內(nèi)所有區(qū)域氣象站逐時降水量的算術(shù)平均值。
2.1.3 地理信息數(shù)據(jù)
本文使用的高程數(shù)據(jù)由美國太空總署（NASA）和國防部國家測繪局（NIMA）聯(lián)合測量；水系、流域邊界、行政邊界等矢量數(shù)據(jù)；30 m分辨率全球地表覆蓋產(chǎn)品GlobeLand30 中的土地利用數(shù)據(jù)；不同土地類型對洪水演進(jìn)造成不同的阻率，因此不同的土地利用類型對應(yīng)特定的地表粗糙度數(shù)值，即Manning-Stricker系數(shù)（蘇布達(dá)等, 2005）（表1）。
2.1.4 其他數(shù)據(jù)
2020年8月5日裴溝水文站的水位和徑流量數(shù)據(jù)來自全國水雨情信息網(wǎng)（http://xxfb.mwr.cn/sq_djdh.html[2021-12-17]）。2010年GDP和人口的1 km分辨率柵格數(shù)據(jù)來自中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心數(shù)據(jù)注冊與出版系統(tǒng)（徐新良,2017a, 2017b）；2020年災(zāi)情資料來自石樓縣人民政府網(wǎng)站（http://www.sxshilou.gov.cn/gwgk/yjgl/202008/t20200810_1423088.shtml[2021-12-17]）和石樓縣應(yīng)急管理局，以及實(shí)地災(zāi)情調(diào)查。
2.2 方法
2.2.1 FloodArea模型
FloodArea模型（Geomer, 2003）為德國Geomer公司開發(fā)，以模塊形式與ArcGIS無縫集成，原理為二維非恒定流水動力模型，計算基于水動力方法。具體的模擬演進(jìn)以柵格為單位，用Manning-Stricker公式計算每個柵格單元與周圍8個單元之間的洪水流量。圖2為FloodArea模型計算洪水匯流示意圖，模型中相鄰單元的水流寬度被認(rèn)為是相等的，位于對角線的單元，以不同的長度算法來計算；R為相鄰單元的柵格距離，為對角線單元的柵格距離，陰影部分指柵格面積。水流的淹沒深度為淹沒水位高程和地面高程之間差值，圖中箭頭指淹沒過程中的水流方向，它由地形坡向所決定，地形坡向反映了斜坡所面對的方向，坡向指地表面上一點(diǎn)的切平面的法線矢量在水平面的投影與過該點(diǎn)的正北方向的夾角，表征該點(diǎn)高程值改變量的最大變化方向。
圖2 FloodArea模型算法示意圖Fig. 2 Schematic of the flood area model algorithm
2.2.2 風(fēng)險評估
本文采用基于GIS的二維水動力FloodArea模型模擬洪水淹沒的演進(jìn)過程，得到30 m分辨率淹沒范圍和淹沒水深。本文參考?xì)庀笮袠I(yè)標(biāo)準(zhǔn)QX/T542-2020《中小河流洪水和山洪致災(zāi)閾值雨量等級》中的“山洪致災(zāi)閾值雨量等級”：低危險為淹沒深度0.1～0.6 m，中危險為淹沒深度0.6～1.2 m，中高危險為淹沒深度1.2～1.8 m，高危險為淹沒深度1.8 m以上。通常風(fēng)險評估思路一般采用降水預(yù)報信息，進(jìn)行動態(tài)淹沒水深模擬，結(jié)合承災(zāi)體暴露情況及其脆弱性，進(jìn)行可能損失評估。這里以實(shí)際發(fā)生降水代替，進(jìn)行可能損失評估，探討風(fēng)險評估思路。在本文評估中，運(yùn)用Python語言提取不同危險等級的淹沒面積，結(jié)合GDP、人口、耕地和居民地分布，對屈產(chǎn)河流域的暴雨洪澇風(fēng)險進(jìn)行評估。
3 結(jié)果與分析
3.1 洪水淹沒模擬
2020年8月4～7日山西省北部部分地區(qū)和中南部大部地區(qū)出現(xiàn)強(qiáng)降水天氣，8月5～6日屈產(chǎn)河流域內(nèi)區(qū)域氣象站累積降水量介于67.8～176.3 mm （圖3），流域平均累積降水量為127 mm，其中，8月5日12:00（北京時間，下同）至14:00的降水強(qiáng)度最大，3 h累積降水量達(dá)到36.6 mm（表2）。此次強(qiáng)降水過程造成屈產(chǎn)河流域山洪爆發(fā)。本文選取本次強(qiáng)降水過程對FloodArea淹沒模型的模擬能力進(jìn)行檢驗(yàn)。
圖3 2020年8月5～6日屈產(chǎn)河流域累計降水量分布Fig. 3 Fig, 3 Pattern of accumulated precipitation in the Quchan River basin during 5 August to 6 August 2020
表2 2020年8月5日02:00至6日23:00屈產(chǎn)河流域3 h累積降水量Table 2 Accumulated precipitation for 3 hours in the Quchan River basin from 0200 LST 5 August to 2300 LST 6 August 2020
對2020年8月5日02:00至6日23:00的山洪淹沒范圍進(jìn)行模擬，發(fā)現(xiàn)屈產(chǎn)河河道附近地勢較低的區(qū)域淹沒較深。5日02:00至08:00，屈產(chǎn)河流域面雨量開始超過20 mm，山洪災(zāi)害開始出現(xiàn) （圖4和5a）：低危險（淹沒深度0.1～0.6 m）的面積急劇上升，但中高危險及以上（淹沒深度＞1.2 m）危險的面積很?。?.0 km2）。14:00，流域小時面雨量達(dá)到最大（14.3 mm），隨著降雨的持續(xù)和地面積水的匯流（圖4）；17:00，高危險（淹沒深度＞1.8 m）的范圍達(dá)到最大（23.1 km2），出現(xiàn)時間滯后最大累積面雨量時間約3 h（圖4和5b）。
圖4 2020年8月5～6日屈產(chǎn)河流域3 h面雨量及FloodArea模型模擬的屈產(chǎn)河流域淹沒面積Fig. 4 Area rainfall and FloodArea-simulated flooding area in the Quchan River basin during 5 August to 6 August 2020
圖5給出5日08:00漲水時刻和17:00洪水淹沒最強(qiáng)時刻屈產(chǎn)河流域淹沒模擬分布。17:00流域內(nèi)中高危險范圍和高危險范圍，分別為4.1 km2和23.1 km2（圖5b紅色和深紅色所包括面積），遠(yuǎn)大于08:00相應(yīng)山洪危險范圍。
圖5 2020年8月5日（a）08:00（開始漲水時刻）、（b）17:00（洪水最大淹沒范圍時刻）FloodArea模型模擬的屈產(chǎn)河流域淹沒面積Fig. 5 FloodArea-simulated flooding area in the Quchan River basin at (a) 0800 LST (the time when the water began to rise) and (b) 1700 LST (the time of maximum flooding area) on 5 August 2020
3.2 淹沒模擬深度檢驗(yàn)
對此次災(zāi)害的受災(zāi)情況進(jìn)行3處實(shí)地考察（表3）：裴溝水文站在此次洪水過程中水位從739.6 m上漲至742.4 m，水位上升2.8 m，與模擬淹沒水深3.1 m接近（圖6）；坪底水庫位于裴溝水文站上游，在此次洪水過程中未進(jìn)行人工調(diào)控，坪底水庫附近河道有明顯漲水；永由村溝內(nèi)玉米地被山洪淹沒大面積倒伏，村道被淹沒，實(shí)地考察時道路仍有淤泥，淹沒深度未獲取。
表3 2020年8月屈產(chǎn)河流域暴雨洪澇災(zāi)害期間實(shí)地考察點(diǎn)的最大模擬水深和觀測水深及災(zāi)情狀況Table 3 Simulation and observation of the maximum flooding depth and disaster situation at three survey sites in the Quchan River basin during the flood disaster in August 2020
水動力模型FloodArea的模擬結(jié)果顯示（圖6a），8月5日02:00至05:00，裴溝水文站的模擬深度小于0.1 m，這是因?yàn)? h累積降水量較小。5日08:00至11:00，雖然降水強(qiáng)度變大，累積降水量分別為20.7 mm和18.2 mm，但是裴溝水文站在屈產(chǎn)河的下游，所以模擬深度僅增加至0.2 m。5日14:00，累積降水量達(dá)到最大值36.6 mm，模擬深度迅速增加至1.5 m。5日17:00，累積降水量減小至12.4 mm，裴溝水文站的淹沒深度滯后降水量，模擬深度增加到最大值2.5 m。模擬值和實(shí)測值對比顯示，實(shí)測深度與模擬深度的變化符合得很好，并且模擬深度與實(shí)測徑流量的變化趨勢也符合地很好（圖6b）。
圖6 2020年8月5日裴溝水文站降水量以及（a）實(shí)測與FloodArea模型模擬淹沒水深、（b）實(shí)測徑流量變化Fig. 6 (a) Simulated and observed flooding depth and (b) observed runoff and precipitation at Peigou Station on 5 August 2020
3.3 風(fēng)險評估及檢驗(yàn)
屈產(chǎn)河流域99%面積的年GDP不超過50×104元 km-2，其中62%的面積不超過10×104元 km-2；超過50×104元的地區(qū)零星分布在流域上游的靈泉鎮(zhèn)（石樓縣城所在地）和暖泉鎮(zhèn)（中陽縣）。此次洪水過程在8月5日08:00（開始漲水時刻）受影響GDP分布范圍較小，各危險性等級共564×104元，為低危險和中危險等級（圖7a、表1）；17:00（洪水最大淹沒范圍時刻）受影響GDP范圍沿河道向外擴(kuò)展，各危險性等級共3615×104元，其中，中危險等級為3155×104元，其次為高危險等級，達(dá)221×104元（圖7b、表1）。由于受影響GDP未考慮承災(zāi)體的脆弱性，是災(zāi)害發(fā)生時最大的可能經(jīng)濟(jì)損失，因此一般情況，受影響GDP大于直接經(jīng)濟(jì)損失。據(jù)石樓縣應(yīng)急管理局調(diào)查數(shù)據(jù)，此次屈產(chǎn)河流域的洪水靈泉鎮(zhèn)、羅村鎮(zhèn)、龍交鄉(xiāng)和裴溝鄉(xiāng)的直接經(jīng)濟(jì)損失3216×104元?？紤]到屈產(chǎn)河包括石樓縣外的3個鄉(xiāng)鎮(zhèn)以及模擬受影響GDP大于直接經(jīng)濟(jì)損失，模擬屈產(chǎn)河受影響GDP與實(shí)際情況比較接近。
圖7 2020年8月5日（a）08:00（開始漲水時刻）、（b）17:00（洪水最大淹沒范圍時刻）屈產(chǎn)河流域受此次暴雨洪澇災(zāi)害影響的GDP損失Fig. 7 GDP (Gross Domestic Product) affected by the flood disaster in the Quchan River basin at (a) 0800 LST (the time when the water began to rise) and (b) 1700 LST(the time of maximum flooding area) on 5 August 2020
屈產(chǎn)河流域75%面積的人口密度不超過100 km-2，其中25%的面積不超過50 km-2；超過100 km-2的主要分布暖泉鎮(zhèn)（中陽縣）和靈泉鎮(zhèn)（石樓縣城所在地），其中靈泉鎮(zhèn)最大的人口密度達(dá)到3321 km-2。此次洪水過程在8月5日08:00（開始漲水時刻）受影響人口為5359人，17:00（洪水最大淹沒范圍時刻）受影響人口5475人。雖然兩個時刻受影響人數(shù)非常接近，但17:00受高危險影響的人口為2396人，08:00為0人（表4）。由于受影響人口未考慮承災(zāi)體的脆弱性，是災(zāi)害發(fā)生時最大的受災(zāi)人口，因此一般情況，受影響人口大于受災(zāi)人口。據(jù)石樓縣應(yīng)急管理局調(diào)查數(shù)據(jù)，此次流域內(nèi)洪水靈泉鎮(zhèn)、羅村鎮(zhèn)、龍交鄉(xiāng)和裴溝鄉(xiāng)的受災(zāi)人口14428人。對受影響人口的評估值低于調(diào)查獲取的數(shù)據(jù)，其原因可能與30 m分辨率的高程地形還與實(shí)際情況存在誤差，也可能與災(zāi)情調(diào)查的人為因素有關(guān)。
屈產(chǎn)河流域的土地利用類型中，草地所占比例最高（46%），其次是耕地（39%），林地和居民地所占比例為46%和0.3%。此次洪水過程在8月5日08:00（開始漲水時刻）受影響耕地和居民地分別為13.9 km2和0.4 km2，17:00（洪水最大淹沒范圍時刻）受影響耕地和居民地20.7 km2和0.7 km2（表4）。由于受影響耕地未考慮承災(zāi)體的脆弱性，是災(zāi)害發(fā)生時最大的農(nóng)作物受災(zāi)面積，因此一般情況，受影響耕地大于農(nóng)作物受災(zāi)面積。據(jù)石樓縣應(yīng)急管理局調(diào)查數(shù)據(jù)，此次洪水靈泉鎮(zhèn)、羅村鎮(zhèn)、龍交鄉(xiāng)和裴溝鄉(xiāng)的農(nóng)作物受災(zāi)面積為13.7 km2?？紤]到屈產(chǎn)河包括石樓縣外的3個鄉(xiāng)鎮(zhèn)及模擬受影響耕地大于農(nóng)作物受災(zāi)面積，本文對受影響耕地的評估結(jié)果與實(shí)際情況符合。另外，由于沒有獲取與受影響居民地直接相關(guān)的災(zāi)情數(shù)據(jù)，因此本文未對受影響居民地進(jìn)行檢驗(yàn)。
表4 2020年8月5日08:00和17:00不同淹沒水深危險等級影響的GDP損失、人口、耕地和居民地估算Table 4 Simulated values of GDP, population, cultivated land and residential land affected by the flood at 0800 LST and 1700 LST on 5 August 2020
4 結(jié)論與討論
（1）運(yùn)用FloodArea模型對屈產(chǎn)河流域2020年8月5日02:00至6日23:00強(qiáng)降水過程進(jìn)行洪水淹沒模擬，模擬最大淹沒深度、受影響GDP和受災(zāi)面積與實(shí)際調(diào)查情況基本一致，具有較好的洪水淹沒模擬效果。屈產(chǎn)河流域地形起伏明顯，無大型水庫、運(yùn)河、大壩等人工調(diào)蓄干預(yù)措施，庫容最大的坪底水庫總庫容為744×104m3（屬小型水庫），在此次強(qiáng)降水過程中無人為干預(yù)，這些為FloodArea在該流域較好的模擬效果提供了基礎(chǔ)條件。風(fēng)險評估結(jié)果表明屈產(chǎn)河流域內(nèi)河道及上游山洪溝附近的山洪危險性較高，應(yīng)建立山洪預(yù)報預(yù)警系統(tǒng)，繪制山洪風(fēng)險圖，還應(yīng)加強(qiáng)水土保持工程，減少水土流失。
（2） FloodArea模型可用于屈產(chǎn)河暴雨洪澇災(zāi)害風(fēng)險評估與預(yù)警業(yè)務(wù)，但降水資料的精度和降水的空間格局對FloodArea的模擬影響較大，還有土地利用的變化引起的Manning-Stricker系數(shù)的變化也會導(dǎo)致影響地面匯流，進(jìn)而影響淹沒深度和范圍。這些因素的影響都有待于進(jìn)一步的研究。
（3）災(zāi)情的大小由致災(zāi)因子、孕災(zāi)環(huán)境和承災(zāi)體脆弱性共同決定。其中，脆弱性是聯(lián)系致災(zāi)因子和承災(zāi)體的重要橋梁，也是研究暴雨洪澇災(zāi)損估算和風(fēng)險評估的重要基礎(chǔ)之一。尹占娥等（2011）利用GIS技術(shù)對上海浦東區(qū)暴雨洪澇災(zāi)害的脆弱性進(jìn)行分析；張安凝知等（2018）對河北省農(nóng)作物暴雨洪澇災(zāi)害的脆弱性進(jìn)行評價；溫泉沛等（2018）進(jìn)行了湖北暴雨洪澇災(zāi)害脆弱性評估的定量研究。我們將對農(nóng)作物、人口、供水設(shè)施等城市基礎(chǔ)建設(shè)的暴雨洪澇脆弱性問題作進(jìn)一步研究，以期為山西暴雨洪澇災(zāi)害損失定量評估及制定防災(zāi)減災(zāi)應(yīng)急預(yù)案提供參考。
致 謝石樓縣應(yīng)急管理局提供了受洪災(zāi)影響人口、GDP等災(zāi)情數(shù)據(jù)，石樓縣氣象局雷劍鳴協(xié)助開展實(shí)地災(zāi)情調(diào)查，在此一并表示感謝。
猜你喜歡
一半模型童話王國·奇妙邏輯推理(2024年5期)2024-06-19 16:03:38 深度理解一元一次方程中學(xué)生數(shù)理化·七年級數(shù)學(xué)人教版(2020年11期)2020-12-14 06:59:52 重要模型『一線三等角』中學(xué)生數(shù)理化·七年級數(shù)學(xué)人教版(2020年10期)2020-11-26 08:24:50 重尾非線性自回歸模型自加權(quán)M-估計的漸近分布數(shù)學(xué)物理學(xué)報(2020年2期)2020-06-02 11:29:24 深度觀察藝術(shù)品鑒證.中國藝術(shù)金融(2018年8期)2019-01-14 01:14:28 深度觀察藝術(shù)品鑒證.中國藝術(shù)金融(2018年10期)2019-01-08 02:44:26 深度觀察藝術(shù)品鑒證.中國藝術(shù)金融(2018年6期)2019-01-08 02:43:04 深度觀察藝術(shù)品鑒證.中國藝術(shù)金融(2018年12期)2018-08-26 06:03:48 3D打印中的模型分割與打包光學(xué)精密工程(2016年6期)2016-11-07 09:07:19 FLUKA幾何模型到CAD幾何模型轉(zhuǎn)換方法初步研究核科學(xué)與工程(2015年4期)2015-09-26 11:59:03
趙海燕 范志宣 任玉歡 潘慧
1 山西省氣候中心，太原 030006
2 黃委中游水文水資源局，山西晉中 030600
1 引言
暴雨洪澇一直以來都是影響我國最嚴(yán)重的氣象災(zāi)害之一。據(jù)統(tǒng)計，每年因暴雨洪澇災(zāi)害造成的經(jīng)濟(jì)損失約占所有災(zāi)害損失的60%以上（何宗宜和韓用順, 2003）。氣候變化背景下，2001年以來我國東部地區(qū)“南澇北旱”的格局發(fā)生顯著變化，華北地區(qū)的降水出現(xiàn)增加趨勢（馬柱國等, 2018），且降雨強(qiáng)度和降水歷時也有增加趨勢（金煒昕等,2015），這可能導(dǎo)致暴雨洪澇災(zāi)害的加劇。在暴雨山洪監(jiān)測預(yù)警方面，西方發(fā)達(dá)國家起步較早，歐美從20世紀(jì)70年代起陸續(xù)建立了山洪災(zāi)害預(yù)報預(yù)警系統(tǒng)，基本實(shí)現(xiàn)了山洪災(zāi)害的實(shí)時監(jiān)測和水文模型的山洪預(yù)報預(yù)警（Norbiato et al., 2008; Wu et al.,2015; 周惠成等, 2016; 謝澤明等, 2018）。我國山洪災(zāi)害防治起步較晚，近10年來，我國實(shí)施了山洪災(zāi)害防治項(xiàng)目建設(shè)，初步建成了山洪災(zāi)害防御體系（郭良等, 2018），并在監(jiān)測預(yù)警以及應(yīng)急避險建設(shè)取得長足進(jìn)步，但暴雨山洪突發(fā)性強(qiáng)、成災(zāi)快、破壞性強(qiáng)、預(yù)警預(yù)防難度大，山洪災(zāi)害仍是我國洪水災(zāi)害中導(dǎo)致人員傷亡最主要的災(zāi)種之一（張紅萍, 2013）。
近年來，隨著GIS（Geographic Information System）技術(shù)的廣泛應(yīng)用，其已成為山洪風(fēng)險評估的一項(xiàng)重要技術(shù)手段（葛小平等, 2002），利用數(shù)字高程模型及各種迭代算法，實(shí)現(xiàn)了給定水深情況下洪水淹沒區(qū)的計算模擬（李春紅等, 2005）以及依據(jù)蓄滿產(chǎn)流平衡原理對暴雨洪澇淹沒進(jìn)行模擬 （葉麗梅等, 2013; 史瑞琴等, 2013）。目前，GIS與水動力模型結(jié)合的洪水淹沒模擬研究活躍，Gemmer（2004）通過FloodArea模型編制流域風(fēng)險圖技術(shù)得到廣泛推廣應(yīng)用；李蘭等（2013）求取流域雨洪曲線，并采用耿貝爾極值I型分布法求取流域不同重現(xiàn)期致災(zāi)臨界面雨量，通過基于GIS的暴雨洪澇淹沒模型和水文算法獲得淹沒范圍和水深，最后運(yùn)用災(zāi)害風(fēng)險原理制作了流域暴雨洪澇風(fēng)險區(qū)劃；蘇布達(dá)等（2005）建立了二維水動力洪水動態(tài)演進(jìn)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；章國材（2012）基于GIS柵格數(shù)據(jù)的水動力暴雨洪澇淹沒模型，對流域暴雨洪水淹沒過程進(jìn)行淹沒模擬，推算出山洪淹沒不同等級的風(fēng)險雨量，取得了與實(shí)際較為一致的結(jié)果。文明章等（2013）、謝五三等（2015）運(yùn)用FloodArea模型研究山洪災(zāi)害風(fēng)險雨量評估等；王勝等（2016）結(jié)合統(tǒng)計方法與水文模型確定了淠河流域的致災(zāi)臨界面雨量，運(yùn)用FloodArea模擬洪水。這些研究工作對山洪災(zāi)害的風(fēng)險評估具有重要意義，但對于黃土高原的山洪災(zāi)害評估集中在青海、甘肅、陜西 （韓永榮, 1996; 趙映東, 2007; 李永紅, 2008; 曲曉波等, 2010），對山西省內(nèi)的黃土高原的山洪研究較少 （吳博等, 2016, 2017），而山西省作為黃河中游地區(qū)的重要組成部分，是全國水土流失最為嚴(yán)重的省份之一，這直接導(dǎo)致生態(tài)環(huán)境脆弱、制約社會經(jīng)濟(jì)可持續(xù)發(fā)展（晉京串, 2005），且1960年以來山西省極端降水次數(shù)和強(qiáng)度都有所增加（李智才等, 2010）。本文在GIS平臺上，采用FloodArea模型對黃土高原山西省內(nèi)的屈產(chǎn)河流域典型強(qiáng)降水過程引發(fā)的山洪災(zāi)害進(jìn)行淹沒模擬，結(jié)合影響主要承災(zāi)體信息，開展可能損失評估，進(jìn)行風(fēng)險評估方法探討，并用災(zāi)情資料檢驗(yàn)損失評估效果，以期為小流域暴雨山洪災(zāi)害預(yù)警和風(fēng)險評估提供科學(xué)依據(jù)和技術(shù)參考。
2 資料與方法
2.1 資料
2.1.1 研究區(qū)域
屈產(chǎn)河發(fā)源于石樓山西麓，是黃河的一級支流。河流地形東高西低，起伏顯著，屈產(chǎn)河從東南向西北流入黃河。流域內(nèi)分為土石山區(qū)、黃土梁峁溝壑縱橫，植被稀疏，地表侵蝕嚴(yán)重（圖1）。全流域面積1218.3 km2，全長74.9 km。
圖1 屈產(chǎn)河流域地面高程（單位：m）及流域內(nèi)水系和氣象站點(diǎn)分布Fig. 1 DEM (Digital Elevation Model), rivers, and meteorological stations of the Quchan River basin
1957～2020年屈產(chǎn)河流域年暴雨次數(shù)在0～3次，平均0.77 a-1。暴雨多集中在7、8月份，這兩個月份的暴雨占全年暴雨總數(shù)的81.6%。一年中最早的出現(xiàn)在6月22日，最晚的出現(xiàn)在10月2日。屈產(chǎn)河水量不穩(wěn)定，流量季節(jié)變化較大，1962～1996年年徑流量均值3476×104m3，其中汛期徑流量2737×104m3，最大洪水流量3380 m3s-1，平均年輸沙量946×104t（李英明和潘軍峰, 2004）。
屈產(chǎn)河流域所在的呂梁市山洪發(fā)生頻次為山西省最多地市（楊秀芳, 2010），1977年屈產(chǎn)河流域普降暴雨，石樓縣沖垮小型水庫1座，沖壞小型水庫2座，1163 hm2受災(zāi)，963 hm2絕收；1992年屈產(chǎn)河流域遭受洪災(zāi)，農(nóng)作物成災(zāi)面積4000 hm2，經(jīng)濟(jì)損失357×104元（溫克剛, 2005）。
2.1.2 氣象數(shù)據(jù)
本文以屈產(chǎn)河流域2020年8月4～7日出現(xiàn)的歷史罕見強(qiáng)降水過程為例進(jìn)行研究。屈產(chǎn)河流域內(nèi)14個區(qū)域氣象站的逐小時降水量來自于山西省氣象信息中心，數(shù)據(jù)經(jīng)過嚴(yán)格質(zhì)量控制。本文模擬時使用的流域面雨量為流域內(nèi)所有區(qū)域氣象站逐時降水量的算術(shù)平均值。
2.1.3 地理信息數(shù)據(jù)
本文使用的高程數(shù)據(jù)由美國太空總署（NASA）和國防部國家測繪局（NIMA）聯(lián)合測量；水系、流域邊界、行政邊界等矢量數(shù)據(jù)；30 m分辨率全球地表覆蓋產(chǎn)品GlobeLand30 中的土地利用數(shù)據(jù)；不同土地類型對洪水演進(jìn)造成不同的阻率，因此不同的土地利用類型對應(yīng)特定的地表粗糙度數(shù)值，即Manning-Stricker系數(shù)（蘇布達(dá)等, 2005）（表1）。
2.1.4 其他數(shù)據(jù)
2020年8月5日裴溝水文站的水位和徑流量數(shù)據(jù)來自全國水雨情信息網(wǎng)（http://xxfb.mwr.cn/sq_djdh.html[2021-12-17]）。2010年GDP和人口的1 km分辨率柵格數(shù)據(jù)來自中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心數(shù)據(jù)注冊與出版系統(tǒng)（徐新良,2017a, 2017b）；2020年災(zāi)情資料來自石樓縣人民政府網(wǎng)站（http://www.sxshilou.gov.cn/gwgk/yjgl/202008/t20200810_1423088.shtml[2021-12-17]）和石樓縣應(yīng)急管理局，以及實(shí)地災(zāi)情調(diào)查。
2.2 方法
2.2.1 FloodArea模型
FloodArea模型（Geomer, 2003）為德國Geomer公司開發(fā)，以模塊形式與ArcGIS無縫集成，原理為二維非恒定流水動力模型，計算基于水動力方法。具體的模擬演進(jìn)以柵格為單位，用Manning-Stricker公式計算每個柵格單元與周圍8個單元之間的洪水流量。圖2為FloodArea模型計算洪水匯流示意圖，模型中相鄰單元的水流寬度被認(rèn)為是相等的，位于對角線的單元，以不同的長度算法來計算；R為相鄰單元的柵格距離，為對角線單元的柵格距離，陰影部分指柵格面積。水流的淹沒深度為淹沒水位高程和地面高程之間差值，圖中箭頭指淹沒過程中的水流方向，它由地形坡向所決定，地形坡向反映了斜坡所面對的方向，坡向指地表面上一點(diǎn)的切平面的法線矢量在水平面的投影與過該點(diǎn)的正北方向的夾角，表征該點(diǎn)高程值改變量的最大變化方向。
圖2 FloodArea模型算法示意圖Fig. 2 Schematic of the flood area model algorithm
2.2.2 風(fēng)險評估
本文采用基于GIS的二維水動力FloodArea模型模擬洪水淹沒的演進(jìn)過程，得到30 m分辨率淹沒范圍和淹沒水深。本文參考?xì)庀笮袠I(yè)標(biāo)準(zhǔn)QX/T542-2020《中小河流洪水和山洪致災(zāi)閾值雨量等級》中的“山洪致災(zāi)閾值雨量等級”：低危險為淹沒深度0.1～0.6 m，中危險為淹沒深度0.6～1.2 m，中高危險為淹沒深度1.2～1.8 m，高危險為淹沒深度1.8 m以上。通常風(fēng)險評估思路一般采用降水預(yù)報信息，進(jìn)行動態(tài)淹沒水深模擬，結(jié)合承災(zāi)體暴露情況及其脆弱性，進(jìn)行可能損失評估。這里以實(shí)際發(fā)生降水代替，進(jìn)行可能損失評估，探討風(fēng)險評估思路。在本文評估中，運(yùn)用Python語言提取不同危險等級的淹沒面積，結(jié)合GDP、人口、耕地和居民地分布，對屈產(chǎn)河流域的暴雨洪澇風(fēng)險進(jìn)行評估。
3 結(jié)果與分析
3.1 洪水淹沒模擬
2020年8月4～7日山西省北部部分地區(qū)和中南部大部地區(qū)出現(xiàn)強(qiáng)降水天氣，8月5～6日屈產(chǎn)河流域內(nèi)區(qū)域氣象站累積降水量介于67.8～176.3 mm （圖3），流域平均累積降水量為127 mm，其中，8月5日12:00（北京時間，下同）至14:00的降水強(qiáng)度最大，3 h累積降水量達(dá)到36.6 mm（表2）。此次強(qiáng)降水過程造成屈產(chǎn)河流域山洪爆發(fā)。本文選取本次強(qiáng)降水過程對FloodArea淹沒模型的模擬能力進(jìn)行檢驗(yàn)。
圖3 2020年8月5～6日屈產(chǎn)河流域累計降水量分布Fig. 3 Fig, 3 Pattern of accumulated precipitation in the Quchan River basin during 5 August to 6 August 2020
表2 2020年8月5日02:00至6日23:00屈產(chǎn)河流域3 h累積降水量Table 2 Accumulated precipitation for 3 hours in the Quchan River basin from 0200 LST 5 August to 2300 LST 6 August 2020
對2020年8月5日02:00至6日23:00的山洪淹沒范圍進(jìn)行模擬，發(fā)現(xiàn)屈產(chǎn)河河道附近地勢較低的區(qū)域淹沒較深。5日02:00至08:00，屈產(chǎn)河流域面雨量開始超過20 mm，山洪災(zāi)害開始出現(xiàn) （圖4和5a）：低危險（淹沒深度0.1～0.6 m）的面積急劇上升，但中高危險及以上（淹沒深度＞1.2 m）危險的面積很?。?.0 km2）。14:00，流域小時面雨量達(dá)到最大（14.3 mm），隨著降雨的持續(xù)和地面積水的匯流（圖4）；17:00，高危險（淹沒深度＞1.8 m）的范圍達(dá)到最大（23.1 km2），出現(xiàn)時間滯后最大累積面雨量時間約3 h（圖4和5b）。
圖4 2020年8月5～6日屈產(chǎn)河流域3 h面雨量及FloodArea模型模擬的屈產(chǎn)河流域淹沒面積Fig. 4 Area rainfall and FloodArea-simulated flooding area in the Quchan River basin during 5 August to 6 August 2020
圖5給出5日08:00漲水時刻和17:00洪水淹沒最強(qiáng)時刻屈產(chǎn)河流域淹沒模擬分布。17:00流域內(nèi)中高危險范圍和高危險范圍，分別為4.1 km2和23.1 km2（圖5b紅色和深紅色所包括面積），遠(yuǎn)大于08:00相應(yīng)山洪危險范圍。
圖5 2020年8月5日（a）08:00（開始漲水時刻）、（b）17:00（洪水最大淹沒范圍時刻）FloodArea模型模擬的屈產(chǎn)河流域淹沒面積Fig. 5 FloodArea-simulated flooding area in the Quchan River basin at (a) 0800 LST (the time when the water began to rise) and (b) 1700 LST (the time of maximum flooding area) on 5 August 2020
3.2 淹沒模擬深度檢驗(yàn)
對此次災(zāi)害的受災(zāi)情況進(jìn)行3處實(shí)地考察（表3）：裴溝水文站在此次洪水過程中水位從739.6 m上漲至742.4 m，水位上升2.8 m，與模擬淹沒水深3.1 m接近（圖6）；坪底水庫位于裴溝水文站上游，在此次洪水過程中未進(jìn)行人工調(diào)控，坪底水庫附近河道有明顯漲水；永由村溝內(nèi)玉米地被山洪淹沒大面積倒伏，村道被淹沒，實(shí)地考察時道路仍有淤泥，淹沒深度未獲取。
表3 2020年8月屈產(chǎn)河流域暴雨洪澇災(zāi)害期間實(shí)地考察點(diǎn)的最大模擬水深和觀測水深及災(zāi)情狀況Table 3 Simulation and observation of the maximum flooding depth and disaster situation at three survey sites in the Quchan River basin during the flood disaster in August 2020
水動力模型FloodArea的模擬結(jié)果顯示（圖6a），8月5日02:00至05:00，裴溝水文站的模擬深度小于0.1 m，這是因?yàn)? h累積降水量較小。5日08:00至11:00，雖然降水強(qiáng)度變大，累積降水量分別為20.7 mm和18.2 mm，但是裴溝水文站在屈產(chǎn)河的下游，所以模擬深度僅增加至0.2 m。5日14:00，累積降水量達(dá)到最大值36.6 mm，模擬深度迅速增加至1.5 m。5日17:00，累積降水量減小至12.4 mm，裴溝水文站的淹沒深度滯后降水量，模擬深度增加到最大值2.5 m。模擬值和實(shí)測值對比顯示，實(shí)測深度與模擬深度的變化符合得很好，并且模擬深度與實(shí)測徑流量的變化趨勢也符合地很好（圖6b）。
圖6 2020年8月5日裴溝水文站降水量以及（a）實(shí)測與FloodArea模型模擬淹沒水深、（b）實(shí)測徑流量變化Fig. 6 (a) Simulated and observed flooding depth and (b) observed runoff and precipitation at Peigou Station on 5 August 2020
3.3 風(fēng)險評估及檢驗(yàn)
屈產(chǎn)河流域99%面積的年GDP不超過50×104元 km-2，其中62%的面積不超過10×104元 km-2；超過50×104元的地區(qū)零星分布在流域上游的靈泉鎮(zhèn)（石樓縣城所在地）和暖泉鎮(zhèn)（中陽縣）。此次洪水過程在8月5日08:00（開始漲水時刻）受影響GDP分布范圍較小，各危險性等級共564×104元，為低危險和中危險等級（圖7a、表1）；17:00（洪水最大淹沒范圍時刻）受影響GDP范圍沿河道向外擴(kuò)展，各危險性等級共3615×104元，其中，中危險等級為3155×104元，其次為高危險等級，達(dá)221×104元（圖7b、表1）。由于受影響GDP未考慮承災(zāi)體的脆弱性，是災(zāi)害發(fā)生時最大的可能經(jīng)濟(jì)損失，因此一般情況，受影響GDP大于直接經(jīng)濟(jì)損失。據(jù)石樓縣應(yīng)急管理局調(diào)查數(shù)據(jù)，此次屈產(chǎn)河流域的洪水靈泉鎮(zhèn)、羅村鎮(zhèn)、龍交鄉(xiāng)和裴溝鄉(xiāng)的直接經(jīng)濟(jì)損失3216×104元?？紤]到屈產(chǎn)河包括石樓縣外的3個鄉(xiāng)鎮(zhèn)以及模擬受影響GDP大于直接經(jīng)濟(jì)損失，模擬屈產(chǎn)河受影響GDP與實(shí)際情況比較接近。
圖7 2020年8月5日（a）08:00（開始漲水時刻）、（b）17:00（洪水最大淹沒范圍時刻）屈產(chǎn)河流域受此次暴雨洪澇災(zāi)害影響的GDP損失Fig. 7 GDP (Gross Domestic Product) affected by the flood disaster in the Quchan River basin at (a) 0800 LST (the time when the water began to rise) and (b) 1700 LST(the time of maximum flooding area) on 5 August 2020
屈產(chǎn)河流域75%面積的人口密度不超過100 km-2，其中25%的面積不超過50 km-2；超過100 km-2的主要分布暖泉鎮(zhèn)（中陽縣）和靈泉鎮(zhèn)（石樓縣城所在地），其中靈泉鎮(zhèn)最大的人口密度達(dá)到3321 km-2。此次洪水過程在8月5日08:00（開始漲水時刻）受影響人口為5359人，17:00（洪水最大淹沒范圍時刻）受影響人口5475人。雖然兩個時刻受影響人數(shù)非常接近，但17:00受高危險影響的人口為2396人，08:00為0人（表4）。由于受影響人口未考慮承災(zāi)體的脆弱性，是災(zāi)害發(fā)生時最大的受災(zāi)人口，因此一般情況，受影響人口大于受災(zāi)人口。據(jù)石樓縣應(yīng)急管理局調(diào)查數(shù)據(jù)，此次流域內(nèi)洪水靈泉鎮(zhèn)、羅村鎮(zhèn)、龍交鄉(xiāng)和裴溝鄉(xiāng)的受災(zāi)人口14428人。對受影響人口的評估值低于調(diào)查獲取的數(shù)據(jù)，其原因可能與30 m分辨率的高程地形還與實(shí)際情況存在誤差，也可能與災(zāi)情調(diào)查的人為因素有關(guān)。
屈產(chǎn)河流域的土地利用類型中，草地所占比例最高（46%），其次是耕地（39%），林地和居民地所占比例為46%和0.3%。此次洪水過程在8月5日08:00（開始漲水時刻）受影響耕地和居民地分別為13.9 km2和0.4 km2，17:00（洪水最大淹沒范圍時刻）受影響耕地和居民地20.7 km2和0.7 km2（表4）。由于受影響耕地未考慮承災(zāi)體的脆弱性，是災(zāi)害發(fā)生時最大的農(nóng)作物受災(zāi)面積，因此一般情況，受影響耕地大于農(nóng)作物受災(zāi)面積。據(jù)石樓縣應(yīng)急管理局調(diào)查數(shù)據(jù)，此次洪水靈泉鎮(zhèn)、羅村鎮(zhèn)、龍交鄉(xiāng)和裴溝鄉(xiāng)的農(nóng)作物受災(zāi)面積為13.7 km2?？紤]到屈產(chǎn)河包括石樓縣外的3個鄉(xiāng)鎮(zhèn)及模擬受影響耕地大于農(nóng)作物受災(zāi)面積，本文對受影響耕地的評估結(jié)果與實(shí)際情況符合。另外，由于沒有獲取與受影響居民地直接相關(guān)的災(zāi)情數(shù)據(jù)，因此本文未對受影響居民地進(jìn)行檢驗(yàn)。
表4 2020年8月5日08:00和17:00不同淹沒水深危險等級影響的GDP損失、人口、耕地和居民地估算Table 4 Simulated values of GDP, population, cultivated land and residential land affected by the flood at 0800 LST and 1700 LST on 5 August 2020
4 結(jié)論與討論
（1）運(yùn)用FloodArea模型對屈產(chǎn)河流域2020年8月5日02:00至6日23:00強(qiáng)降水過程進(jìn)行洪水淹沒模擬，模擬最大淹沒深度、受影響GDP和受災(zāi)面積與實(shí)際調(diào)查情況基本一致，具有較好的洪水淹沒模擬效果。屈產(chǎn)河流域地形起伏明顯，無大型水庫、運(yùn)河、大壩等人工調(diào)蓄干預(yù)措施，庫容最大的坪底水庫總庫容為744×104m3（屬小型水庫），在此次強(qiáng)降水過程中無人為干預(yù)，這些為FloodArea在該流域較好的模擬效果提供了基礎(chǔ)條件。風(fēng)險評估結(jié)果表明屈產(chǎn)河流域內(nèi)河道及上游山洪溝附近的山洪危險性較高，應(yīng)建立山洪預(yù)報預(yù)警系統(tǒng)，繪制山洪風(fēng)險圖，還應(yīng)加強(qiáng)水土保持工程，減少水土流失。
（2） FloodArea模型可用于屈產(chǎn)河暴雨洪澇災(zāi)害風(fēng)險評估與預(yù)警業(yè)務(wù)，但降水資料的精度和降水的空間格局對FloodArea的模擬影響較大，還有土地利用的變化引起的Manning-Stricker系數(shù)的變化也會導(dǎo)致影響地面匯流，進(jìn)而影響淹沒深度和范圍。這些因素的影響都有待于進(jìn)一步的研究。
（3）災(zāi)情的大小由致災(zāi)因子、孕災(zāi)環(huán)境和承災(zāi)體脆弱性共同決定。其中，脆弱性是聯(lián)系致災(zāi)因子和承災(zāi)體的重要橋梁，也是研究暴雨洪澇災(zāi)損估算和風(fēng)險評估的重要基礎(chǔ)之一。尹占娥等（2011）利用GIS技術(shù)對上海浦東區(qū)暴雨洪澇災(zāi)害的脆弱性進(jìn)行分析；張安凝知等（2018）對河北省農(nóng)作物暴雨洪澇災(zāi)害的脆弱性進(jìn)行評價；溫泉沛等（2018）進(jìn)行了湖北暴雨洪澇災(zāi)害脆弱性評估的定量研究。我們將對農(nóng)作物、人口、供水設(shè)施等城市基礎(chǔ)建設(shè)的暴雨洪澇脆弱性問題作進(jìn)一步研究，以期為山西暴雨洪澇災(zāi)害損失定量評估及制定防災(zāi)減災(zāi)應(yīng)急預(yù)案提供參考。
致 謝石樓縣應(yīng)急管理局提供了受洪災(zāi)影響人口、GDP等災(zāi)情數(shù)據(jù)，石樓縣氣象局雷劍鳴協(xié)助開展實(shí)地災(zāi)情調(diào)查，在此一并表示感謝。
猜你喜歡
童話王國·奇妙邏輯推理(2024年5期)2024-06-19 16:03:38
中學(xué)生數(shù)理化·七年級數(shù)學(xué)人教版(2020年11期)2020-12-14 06:59:52
中學(xué)生數(shù)理化·七年級數(shù)學(xué)人教版(2020年10期)2020-11-26 08:24:50
數(shù)學(xué)物理學(xué)報(2020年2期)2020-06-02 11:29:24
藝術(shù)品鑒證.中國藝術(shù)金融(2018年8期)2019-01-14 01:14:28
藝術(shù)品鑒證.中國藝術(shù)金融(2018年10期)2019-01-08 02:44:26
藝術(shù)品鑒證.中國藝術(shù)金融(2018年6期)2019-01-08 02:43:04
藝術(shù)品鑒證.中國藝術(shù)金融(2018年12期)2018-08-26 06:03:48
光學(xué)精密工程(2016年6期)2016-11-07 09:07:19
核科學(xué)與工程(2015年4期)2015-09-26 11:59:03
