李觀義，于澤興

(廣東省防汛保障與農(nóng)村水利中心，廣東 廣州 510635)

山洪一般指山區(qū)小流域驟發(fā)洪水，因山高坡陡、洪水匯流快，加之人口和財產(chǎn)分布在有限的低平地上，往往在洪水過境的短時間內(nèi)即可造成人員傷亡和財產(chǎn)損失[1]。21世紀以來，全球因山洪災害死亡人口近千人，造成的經(jīng)濟損失高達463億元[2]。中國是受暴雨山洪災害威脅最嚴重的國家之一，受威脅的陸地面積和人口數(shù)分別約為全國總數(shù)的51%和43%[3]。廣東省山洪威脅地區(qū)涉及18個市，覆蓋面積約10.13萬km2，威脅人口達1 631.56萬人[4]。據(jù)統(tǒng)計，廣東發(fā)生山洪災害近900次，死亡和失蹤人數(shù)3 000余人，造成經(jīng)濟損失近600億元。其中，發(fā)生災害次數(shù)最多的地市依次是梅州市、韶關(guān)市、河源市。

常用的山洪災害預警預報方法主要是分布式水文模型法[5]和動態(tài)臨界雨量法[6]。張鵬等[4]在紫荊關(guān)流域應用水文模型推算了流域不同土壤濕度條件下的臨界雨量。AZIZI等[7]利用HEC-HMS水文模型分析了土地利用變化對山洪過程線的影響。分布式水文模型法對資料的需求要求較高，難以滿足全省范圍內(nèi)的山洪災害預報預警需求。近年來，廣東省已完成82個山洪防治縣調(diào)查評價工作，創(chuàng)建了山洪災害防御基礎(chǔ)數(shù)據(jù)集和調(diào)查評價底圖，在山洪災害防治區(qū)建立了水雨情監(jiān)測體系，建設(shè)了覆蓋省、市、縣、鎮(zhèn)多級的山洪災害監(jiān)測預警平臺，初步實現(xiàn)了山洪災害實況預警，發(fā)揮了重要的防洪減災效益[8]。廣東省現(xiàn)階段主要采用行政區(qū)臨界雨量預警法和關(guān)聯(lián)測站臨界雨量預警法進行山洪災害監(jiān)測預警。前者構(gòu)建防災對象與其所在鎮(zhèn)區(qū)關(guān)聯(lián)關(guān)系，當鎮(zhèn)區(qū)累積面雨量超過其鎮(zhèn)區(qū)內(nèi)任意防災對象雨量預警指標時，發(fā)布山洪災害預警信息；后者構(gòu)建防災對象與鄰近雨量站關(guān)聯(lián)關(guān)系，當任意雨量站降雨量超過防災對象雨量預警指標時，發(fā)布山洪災害預警信息。然而，由于山區(qū)降雨時空分布異質(zhì)性強，上述方法存在代表性不足、不確定性較大、預見期短等問題，導致山洪災害預警空報誤報等現(xiàn)象時有發(fā)生[9-10]。

降雨是山洪模擬的重要輸入量，將會影響山洪災害預警的精度[11]。目前，降雨數(shù)據(jù)主要包括地面站的實測、雷達降雨觀測、衛(wèi)星降雨觀測和不同時空尺度的降雨預報數(shù)據(jù)[12]。上述產(chǎn)品時間和空間分辨率多數(shù)不匹配，難以直接應用到山洪的實施預報預警中。本研究采用多源降雨數(shù)據(jù)集成的動態(tài)雨量預警指標分析方法進行山洪災害預警研究，來降低降雨輸入的不確定性，進一步提高山洪災害預警的精度，延長預見期。

1 研究方法

基于多源降雨數(shù)據(jù)集成的動態(tài)雨量預警指標分析方法的基本流程分為：多源降雨數(shù)據(jù)集成和山洪災害調(diào)查評價成果分析、不同預警時段下小流域面雨量滑動計算、土壤含水量分析、臨界雨量計算、綜合預警指標確定、合理性分析，具體流程見圖1。

1.1 多源降雨數(shù)據(jù)集成

綜合利用多源觀測、模式數(shù)據(jù)、新技術(shù)新方法，通過海量數(shù)據(jù)挖掘、網(wǎng)格調(diào)整、降尺度等智能技術(shù)，將不同預報時效及預報尺度的精細化降雨產(chǎn)品進行集成，生成空間分辨率為1 km×1 km的網(wǎng)格，最終形成實時滾動的多源降雨數(shù)據(jù)集成產(chǎn)品(包括過去時刻的實測降雨及未來3 d定量降雨)。其中：對于過去時刻的降雨采用實測雨量站的降雨數(shù)據(jù)；對于0～3 h預報時效，主要使用SWAN-QPF雷達滾動外推短時降雨預報[13]；對于3～24 h預報時效，主要使用GRAPES-Meso、華南中尺度數(shù)值模式(GZMM)等智能預報產(chǎn)品形成的短臨降雨預報[14]；對于1～3 d預報時效，主要基于華南GRAPES-GFS、ECWMF等預報產(chǎn)品形成短期降雨預報[15]。山洪災害基本發(fā)生在地形復雜的山區(qū)，匯流時間短，傳統(tǒng)的實測降雨數(shù)據(jù)是基于雨量實測站求得，而偏遠山區(qū)實測站點分布稀疏，不能準確反映降雨的空間異質(zhì)性特點，并導致山洪災害的預見期短，而多源降雨數(shù)據(jù)集成能延長預見期并準確地反映降雨時空演變特征(圖2)。

1.2 雨量預警指標確定

首先確定預警時段。預警時段受防災對象上游集雨面積大小、坡度及其他因素的影響，根據(jù)本文研究區(qū)小流域的匯流時間和暴雨特征，確定采用1、3、6 h作為預警時段。其次采用成災水位和設(shè)計暴雨洪水反推臨界雨量法確定山洪災害雨量預警指標，包括防災對象的準備轉(zhuǎn)移和立即轉(zhuǎn)移2個等級的預警。具體分析流程如下。

a)成災水位是洪水水面線所能淹沒的沿河村落等防災對象的最低宅基高程，根據(jù)現(xiàn)場調(diào)查的歷史災害資料、成災水位和河道控制斷面等資料，推求控制斷面水位流量關(guān)系和臨界流量。

b)根據(jù)成災水位，采用曼寧公式等方法，推算出成災水位對應的流量值。

c)以防災對象所在控制斷面為流域出口，采用初損后損法進行產(chǎn)流計算，采用綜合單位線法和SCS單位線法進行匯流計算，采用運動波法進行河道洪水演進計算。

d)假定暴雨洪水同頻率，采用試算法反推不同前期土壤含水量條件下設(shè)計洪峰流量達到臨界流量時各個預警時段的設(shè)計暴雨量，即為防災對象的臨界雨量集合。前期土壤含水量條件考慮了前期較干(Pa≤0.5Wm)、一般(0.5Wm0.8Wm)3種條件，預警時段長為1、3、6 h。

e)綜合考慮防災對象所處河段河谷形態(tài)、洪水上漲速率、預警響應時間和站點位置等影響，以臨界雨量為防災對象立即轉(zhuǎn)移指標，立即轉(zhuǎn)移前0.5 h的流量相應的設(shè)計暴雨量為防災對象準備轉(zhuǎn)移指標。

1.3 山洪災害動態(tài)雨量預警

通過多源降雨數(shù)據(jù)集成和山洪災害調(diào)查評價成果，進行山洪災害雨量預警分析，具體流程見圖2。①計算不同預警時段下的小流域面雨量?；诙嘣唇涤昙袭a(chǎn)品滑動計算防災對象所在小流域不同預警時段(1、3、6 h)的面雨量，面雨量通過防災對象所在斷面以上小流域的網(wǎng)格求平均而得到。②確定相應時刻下的小流域土壤含水量。以地形地貌、土地利用、植被、土壤等信息為基礎(chǔ)，以實測或者降雨預報數(shù)據(jù)為驅(qū)動，采用中國山洪水文模型的產(chǎn)流模塊進行分析，模擬流域土壤含水量的動態(tài)變化過程。③雨量預警指標分析。確定土壤前期含水量后，將其對應的閾值與小流域面雨量進行比較，當某一時段的小流域面雨量超過防災對象不同等級雨量預警指標時，發(fā)布相應等級的山洪災害預警。

2 應用案例

2.1 研究區(qū)概況

選取廣東省2021年帽子峰鎮(zhèn)和筆架山林場的2場山洪事件評估山洪預警精度(圖3)。帽子峰鎮(zhèn)位于廣東省北部南雄市山區(qū)，主要的土地利用類型為林地，主要的土壤類型為砂壤土，共劃分了2個小流域(12.5～21.0 km2)，鎮(zhèn)內(nèi)分布有河背村、老江屋村、河口村3個防災對象，流域周邊建有5個雨量站；筆架林場位于廣東省中部清遠市山區(qū)，主要的土地利用類型為林地，主要的土壤類型為砂壤土，小流域面積為13.71 km2，坑口村位于小流域出口，流域周邊建有2個雨量站。

2021年5月16日20時至17日7時，南雄市出現(xiàn)百年一遇短時大暴雨，平均降雨量97 mm，引發(fā)“50年一遇大洪水”，許多城鎮(zhèn)被淹，房屋農(nóng)田浸泡在洪水中，損失慘重。其中，帽子峰鎮(zhèn)于17日5點左右暴發(fā)山洪災害(圖4a)；8月9日凌晨至上午，清遠市清城區(qū)和清新區(qū)普降大暴雨，最大雨量和最大小時雨強均出現(xiàn)在清新區(qū)筆架山林場站(圖4b)，分別為236 mm、110 mm/h，古龍峽、太和古洞景點9點30分左右發(fā)生山洪，部分游客被緊急轉(zhuǎn)移。

2.2 雨量預警指標

根據(jù)山洪災害調(diào)查評價成果可知，帽子峰鎮(zhèn)河背村、老江屋村、河口村和筆架山林場坑口村的成災水位分別為215.59、226.21、235.27、167.84 m，相應的臨界流量分別為128.2、67.0、87.0、93.0 m3/s。帽子峰鎮(zhèn)和筆架山林場小流域最大蓄水量Wm取為100 mm，2場山洪事件發(fā)生前有一定量的降雨，基于土壤含水量分析模型獲得研究區(qū)的前期降雨量，模型表明流域土壤已基本達到飽和狀態(tài)(即Pa>90 mm)。最終確定在該土壤含水量條件下，河背村、老江屋村、河口村和坑口村1～3 h的預警指標(表1)，分別為54～79、54～78、48～67、50～169 mm。

表1 前期土壤較濕條件下各防災對象雨量預警指標

2.3 基于多源降雨數(shù)據(jù)集成的山洪災害預警

基于多源降雨數(shù)據(jù)集成的雨量預警指標方法分別對帽子峰鎮(zhèn)、筆架山林場的防治村落進行山洪災害預警分析。帽子峰鎮(zhèn)小流域面積僅21 km2，故采用帽子峰鎮(zhèn)小流域1和2的平均面雨量作為河口村、河背村和老江屋村的面雨量。5月17日，針對帽子峰鎮(zhèn)小流域防治村的集成的降雨數(shù)據(jù)進行滑動計算，其中2點時刻3 h累積降雨量(過去2 h實測降雨與未來1 h預報降雨之和為76.3 mm)觸發(fā)預警(圖5)，超過其河口村的立即轉(zhuǎn)移預警指標(67 mm)，超過河背村和老江屋村的準備轉(zhuǎn)移預警指標(71、70 mm)，相較于帽子峰鎮(zhèn)山洪災害實際發(fā)生時間提前3 h發(fā)出了山洪災害預警(表2)；8月9日9點，針對筆架山林場坑口村小流域防治村的集成降雨數(shù)據(jù)進行滑動計算，其中9點時刻未來1 h面雨量為73.2 mm， 超過坑口村的準備轉(zhuǎn)移預警指標(50 mm)，相較于坑口村山洪災害實際發(fā)生時間提前1 h發(fā)出山洪災害預警(表3)。

降雨數(shù)據(jù)3h累積面雨量/mm實測降雨(0—3點)101.0多源降雨集成數(shù)據(jù)(2點時刻過去2h實測降雨與未來1h預報降雨之和)76.3

表3 8月9日筆架山林場小流域觸發(fā)1 h雨量預警指標的面雨量

針對帽子峰鎮(zhèn)小流域，基于實測降雨數(shù)據(jù)的雨量指標預警分析方法在5月17日3點觸發(fā)河口村、河背村和老江屋村1、3 h累積雨量預警。圖6a所示，3點時刻過去1 h實測降雨累積雨量為66 mm，超過3個防治村的1 h立即轉(zhuǎn)移預警指標(53、60、60 mm)，過去3 h實測降雨累積雨量為101 mm，超過3個防治村的3 h立即轉(zhuǎn)移預警指標(67、79、78 mm)，相比山洪災害實際發(fā)生時間提前2 h，相比基于多源降雨數(shù)據(jù)集成的雨量預警指標方法延遲1 h；針對筆架山林場小流域，基于實測降雨數(shù)據(jù)的雨量指標預警分析方法在8月9日10點觸發(fā)坑口村1 h累積雨量預警，相比山洪災害實際發(fā)生時間延遲0.5 h，相比基于多源降雨數(shù)據(jù)集成的雨量預警方法延遲1 h(表3)。因此，基于多源降雨數(shù)據(jù)集成的雨量預警指標方法比基于實測降雨的預警方法更能有效延長山洪災害預警預見期，為人民群眾轉(zhuǎn)移避險提供重要的決策依據(jù)。

2.4 不同降雨數(shù)據(jù)的空間分布情況

圖7展示了5月17日觸發(fā)帽子峰鎮(zhèn)小流域山洪災害預警的實測降雨數(shù)據(jù)和多源降雨數(shù)據(jù)集成的空間分布情況，3點時刻3 h累積實測降雨量為101 mm，整體呈現(xiàn)西多東少的趨勢。而多源降雨集成數(shù)據(jù)的空間分布與實測降雨數(shù)據(jù)存在差異，呈現(xiàn)南多北少的趨勢，南部區(qū)域的3 h累計雨量在80.0 mm以上，流域平均面雨量76.3 mm，與3 h的實測降雨量相差24.7 mm；圖8展示了8月9日觸發(fā)筆架林場小流域山洪災害預警的不同降雨產(chǎn)品的空間分布情況，10點時刻1 h累積實測降雨量為91 mm，呈現(xiàn)南多北少的趨勢。而9點時刻的多源降雨數(shù)據(jù)空間分布呈現(xiàn)東多西少的趨勢，流域面雨量為73.2 mm，與1 h的實測降雨量相差17.8 mm。本文研究區(qū)小流域面積為12.5～21.0 km2，流域面積小和特殊的山區(qū)地形導致降雨的空間分布存在很大的空間異質(zhì)性，實測雨量站點具有單點精度高的特點但只代表站點周圍一定范圍內(nèi)的雨量，而多源降雨數(shù)據(jù)單點誤差高但能有效反映降雨的空間分布情況[16]。研究區(qū)的不同降雨數(shù)據(jù)在空間上雖然存在差異，但統(tǒng)計單點面雨量值相近，從而均能觸發(fā)山洪災害預警，延長山洪災害預見期。動態(tài)雨量指標預警分析法主要受流域內(nèi)面平均雨量影響，受到降雨空間分布的影響較小，后續(xù)需進一步結(jié)合分布式水文模型探究其降雨空間異質(zhì)性對預見期的影響[17]。

3 結(jié)論與展望

以廣東省帽子峰鎮(zhèn)和筆架山林場小流域2021年發(fā)生的2場山洪為案例，基于多源降雨數(shù)據(jù)集成的動態(tài)雨量預警指標分析方法進行驗證，主要結(jié)論如下：①多源降雨數(shù)據(jù)集成的動態(tài)雨量預警指標分析方法相較于山洪災害實際發(fā)生的時間分別提前3.0、0.5 h發(fā)出預警，相較于基于實測降雨的動態(tài)雨量預警指標分析方法分別提前1.0、0.5 h發(fā)出預警，提高了山洪災害降雨預報的預見期；②山洪防治區(qū)流域面積小、雨量站點稀疏及預報產(chǎn)品的不確定性，導致基于實測雨量站點的降雨數(shù)據(jù)和多源融合降雨預報數(shù)據(jù)在空間分布上存在差異。

山區(qū)暴雨引發(fā)的山洪災害機制復雜，受到地質(zhì)地貌、降雨空間異質(zhì)性及人類活動等復合因素的影響，具有高度的非線性特征。今后研究需進一步挖掘多源氣象水文數(shù)據(jù)快速集成、分布式水文模型快速匹配等技術(shù)，實現(xiàn)山區(qū)暴雨山洪快速模擬預報，以提高山洪預警預見期。