何青 陳新玉 楊超 陳涵彬

摘要 強(qiáng)降水是九江影響最大、損失最重的氣象災(zāi)害，具有較強(qiáng)的突發(fā)性、局地性和致災(zāi)性。針對降水與成災(zāi)之間的時間差，綜合分析了隱患點數(shù)量、歷史災(zāi)害等情況，建立了強(qiáng)降雨可能導(dǎo)致的災(zāi)害風(fēng)險等級，結(jié)合降水歷史重現(xiàn)期建立了精細(xì)化的風(fēng)險叫應(yīng)閾值，并根據(jù)降水量提前開展了風(fēng)險叫應(yīng)，有利于為相關(guān)部門科學(xué)、精準(zhǔn)防范和提前轉(zhuǎn)移贏得更多時間，進(jìn)一步實現(xiàn)防災(zāi)減災(zāi)關(guān)口前移，降低強(qiáng)降水氣象災(zāi)害風(fēng)險。

關(guān)鍵詞 強(qiáng)降水；叫應(yīng)；閾值；風(fēng)險；預(yù)警

中圖分類號：P458.1+21.1 文獻(xiàn)標(biāo)識碼：B 文章編號：2095–3305（2023）12–0-03

Research on the Response Threshold of Strong Precipitation Risk Warning in Jiujiang City

He Qing et al（Jiujiang Meteorological Bureau， Jiujiang， Jiangxi 332000）

Abstract Heavy precipitation was the meteorological disaster that has the greatest impact and heavy losses on Jiujiang， and it has strong suddenness， locality， and disaster causing characteristics. For the time difference between precipitation and disaster， the article comprehensively analyzed the number of hidden points， historical disasters， etc.， set up the heavy rainfall may lead to disaster risk level， combined with the precipitation history period established the fine risk should be threshold， and according to the precipitation in advance risk， for related departments of science， accurate prevention and transfer to win more time， further realize disaster prevention and mitigation of reach forward， reduce the risk of heavy rainfall meteorological disaster.

Key words Heavy precipitation; Response; Threshold; Risk; Warning

九江市位于亞熱帶季風(fēng)氣候區(qū)，年降水量豐富，地勢復(fù)雜多變，是江西省受氣象災(zāi)害影響最為嚴(yán)重的地區(qū)之一。九江市常見的氣象災(zāi)害有暴雨洪澇、干旱、雷電、臺風(fēng)、低溫凍害等，以及由此引發(fā)的山洪、滑坡等次生和衍生災(zāi)害。近年來，全球氣候變暖導(dǎo)致極端天氣氣候事件頻繁發(fā)生，氣象災(zāi)害的強(qiáng)度和范圍不斷增加，對九江市的經(jīng)濟(jì)社會發(fā)展和人民群眾的生命財產(chǎn)安全造成了巨大威脅[1-2]。其中，強(qiáng)降水是九江市最主要的氣象災(zāi)害類型，具有突發(fā)性強(qiáng)、局地性明顯、致災(zāi)性高等特點。特別是在2021年河南鄭州“7·20”、湖北隨縣“8·11”等極端降水事件之后，進(jìn)一步暴露了我國城市對強(qiáng)降水災(zāi)害的脆弱性和應(yīng)對能力的不足[3]。

評估強(qiáng)降水災(zāi)害風(fēng)險是提高城市防御能力和減輕災(zāi)害損失的重要手段。強(qiáng)降水災(zāi)害風(fēng)險不僅與強(qiáng)降水事件本身的危險性有關(guān)，還與城市承災(zāi)體的暴露度和脆弱性密切相關(guān)。國內(nèi)一些學(xué)者使用雨量時空特征、優(yōu)勢分析法、臨界雨量閾值模型、致災(zāi)因子評價指標(biāo)體系、時空過程分析法、最優(yōu)分割法等方法，對暴雨、洪澇、泥石流、內(nèi)澇等災(zāi)害進(jìn)行分類以及閾值研究，并在實際防汛工作中進(jìn)行了有效應(yīng)用[4-5]。然而，上述方法也存在一些不足，例如，閾值與災(zāi)害評估相關(guān)的理論和評估方法的研究還不夠完善；大部分工作都以統(tǒng)計學(xué)為基礎(chǔ)；結(jié)果為半定量半定性[6]。

為了得到有效的定量閾值，綜合分析隱患點數(shù)量、歷史災(zāi)害等情況，建立強(qiáng)降雨可能導(dǎo)致的災(zāi)害風(fēng)險等級，結(jié)合降水歷史重現(xiàn)期，從而建立精細(xì)化的風(fēng)險叫應(yīng)閾值，從而進(jìn)一步實現(xiàn)防災(zāi)減災(zāi)關(guān)口前移，降低強(qiáng)降水氣象災(zāi)害風(fēng)險。

1 主要災(zāi)害與降水的相關(guān)性分析

降水是洪澇及地質(zhì)災(zāi)害的第一誘因。九江市境內(nèi)地形條件復(fù)雜，河流縱橫、水系發(fā)達(dá)，加上季風(fēng)氣候的影響，極易形成局部地區(qū)的強(qiáng)降水。強(qiáng)降水會頻繁誘發(fā)中小河流洪水、山洪、地質(zhì)災(zāi)害等，且具有點多面廣、受災(zāi)分布散等特征，嚴(yán)重威脅經(jīng)濟(jì)社會發(fā)展和人民群眾生命財產(chǎn)安全，已成為當(dāng)前防災(zāi)減災(zāi)中的突出問題[7-8]。

1.1 地質(zhì)災(zāi)害與降水的相關(guān)性分析

九江市地質(zhì)災(zāi)害以群發(fā)性小型山體滑坡、崩塌為主，呈點多面廣、規(guī)模小、危害大及突發(fā)性強(qiáng)等特點。截至2023年，全市現(xiàn)存各類地質(zhì)災(zāi)害隱患共計8 576處、中型36處、小型8 540處，潛在威脅6.5萬人和1.7億元財產(chǎn)安全。2013—2022年，全市共計發(fā)生災(zāi)（險）情461起，造成直接經(jīng)濟(jì)損失約3305萬元。通過歷史災(zāi)情分析，地質(zhì)災(zāi)害災(zāi)險情主要集中于汛期降雨量較大的年份，且主要集中在4—8月，在此月份期間共計發(fā)生災(zāi)情413起，占總災(zāi)情數(shù)約90%。7月份發(fā)生災(zāi)情最多，共計202起，占總災(zāi)情數(shù)約44%（圖1）。

按災(zāi)情發(fā)生具體時間分析，約40%災(zāi)情發(fā)生在一輪或多輪集中強(qiáng)降雨之后1～2 d，約58%災(zāi)情發(fā)生在強(qiáng)降雨過程的中后期（圖2）。統(tǒng)計2016—2022年4—7月全市平均降雨量和地質(zhì)災(zāi)害災(zāi)情發(fā)生次數(shù)（圖3）可以看出，降雨量與災(zāi)情起數(shù)呈正相關(guān)，強(qiáng)降雨是主要的致災(zāi)因素之一。

1.2 洪澇災(zāi)害與降水的相關(guān)性分析

洪澇災(zāi)害是九江發(fā)生最多、造成損失最大的災(zāi)害。九江全市年平均降雨量為1544.6 mm，50%以上集中在4—7月。局部、區(qū)域性的暴雨洪澇災(zāi)害時常發(fā)生，重度暴雨洪澇災(zāi)害平均3～5年出現(xiàn)1次，沿江、沿河、濱湖地區(qū)洪澇頻率高于其他地區(qū)（圖3）。

統(tǒng)計1984—2020年洪澇歷史災(zāi)情，洪澇災(zāi)害主要發(fā)生在汛期，4—8月發(fā)生洪澇災(zāi)害602起，占總災(zāi)情數(shù)79.6%，其中降水期中期（6—7月）發(fā)生洪澇災(zāi)害396起，占總災(zāi)害數(shù)52.4%，約占汛期洪澇災(zāi)害2/3?？梢钥闯?，降雨與洪澇災(zāi)情起數(shù)呈正相關(guān)，集中降水是主要致災(zāi)因素（圖4）。

2 降水致災(zāi)因子分析

鑒于降水與洪澇、地質(zhì)災(zāi)害的正相關(guān)性，采取AHP層次分析法，匹配洪澇災(zāi)害、地質(zhì)歷史災(zāi)害情況，以及地災(zāi)隱患點情況等相關(guān)因子權(quán)重，確立降雨量與九江致災(zāi)承災(zāi)體、孕災(zāi)環(huán)境的相關(guān)性，從而建立當(dāng)?shù)貜?qiáng)降水致災(zāi)風(fēng)險指數(shù)。相關(guān)因子權(quán)重計算采取分級定量法，將各因子按重要程度劃分為5級，賦以定量值，不重要賦值為1，次重要賦值為2，重要賦值為3，非常重要賦值為4，極為重要賦值為5（表1）。根據(jù)相關(guān)因子的賦值情況計算各因子權(quán)重系數(shù)，從而得出“強(qiáng)降水致災(zāi)風(fēng)險指數(shù)”。

根據(jù)專家打分情況，強(qiáng)降水致災(zāi)風(fēng)險指數(shù)=洪澇次數(shù)×0.34+洪澇災(zāi)害發(fā)生次數(shù)×0.32+災(zāi)害點數(shù)量×0.34。

3 強(qiáng)降水致災(zāi)風(fēng)險區(qū)等級劃分。

根據(jù)強(qiáng)降水致災(zāi)風(fēng)險指數(shù)離散情況，將全市劃分為高風(fēng)險區(qū)、中風(fēng)險區(qū)和一般區(qū)。取風(fēng)險指數(shù)120以上的為高風(fēng)險區(qū)，風(fēng)險指數(shù)在60～120的為中風(fēng)險區(qū)，風(fēng)險指數(shù)＜60的為一般區(qū)（圖5）。

按此標(biāo)準(zhǔn)，修水縣黃龍鄉(xiāng)、水源鄉(xiāng)，廬山市牯嶺鎮(zhèn)，彭澤縣浩山鄉(xiāng)、楊梓鎮(zhèn)等5個鄉(xiāng)鎮(zhèn)為高風(fēng)險區(qū)；修水縣白嶺鎮(zhèn)、大椿鄉(xiāng)、港口鎮(zhèn)、古市鎮(zhèn)、黃坳鄉(xiāng)、黃港鎮(zhèn)、黃沙鎮(zhèn)、寧州鎮(zhèn)、全豐鎮(zhèn)、溪口鎮(zhèn)、新灣、渣津鎮(zhèn)，永修縣三溪橋鎮(zhèn)、柘林鎮(zhèn)，湖口縣雙鐘鎮(zhèn)，彭澤縣龍城鎮(zhèn)、馬垱鎮(zhèn)、黃花鎮(zhèn)等18個鄉(xiāng)鎮(zhèn)為中風(fēng)險區(qū)（表2），其他鄉(xiāng)鎮(zhèn)為一般區(qū)（圖6）。

4 強(qiáng)降水風(fēng)險預(yù)警叫應(yīng)閾值的確定

鄉(xiāng)鎮(zhèn)和村莊排洪設(shè)施設(shè)計暴雨重現(xiàn)期標(biāo)準(zhǔn)為5～10年一遇，結(jié)合強(qiáng)降水致災(zāi)風(fēng)險區(qū)等級劃分情況，通過降水“多年一遇”值建立分等級分鄉(xiāng)鎮(zhèn)強(qiáng)降水風(fēng)險預(yù)警叫應(yīng)閾值。高風(fēng)險區(qū)叫應(yīng)閾值設(shè)定為3年一遇，中風(fēng)險區(qū)叫應(yīng)閾值設(shè)定為5年一遇，一般區(qū)叫應(yīng)閾值設(shè)定為10年一遇[9]。

降水“多年一遇”值采取耿貝爾（Gumbel）分布頻率曲線進(jìn)行計算。根據(jù)極值定理，最大值X的概率分布函數(shù)趨于廣義極值分布。

其中k為形狀參數(shù)，μ為中心參數(shù)，σ為展寬參數(shù)。k→0時，分布函數(shù)趨于雙指數(shù)形式P（X>σ。

采取Winsorization方法對降水重現(xiàn)期中的小時降水?dāng)?shù)據(jù)進(jìn)行了預(yù)處理，以減小極端值的影響，提高數(shù)據(jù)質(zhì)量。采用5%的上下界標(biāo)準(zhǔn)進(jìn)行Winsorization處理。將降水?dāng)?shù)據(jù)的第5百分位數(shù)和第95百分位數(shù)作為上下界，對所有數(shù)據(jù)進(jìn)行了限制。超出這個范圍的數(shù)據(jù)被分別限制在這個界限內(nèi)，而范圍內(nèi)的數(shù)據(jù)則保持不變。剔除極端值的站點，取其最近鄉(xiāng)鎮(zhèn)啟動站計算的降水重現(xiàn)期降水?dāng)?shù)據(jù)來確定叫應(yīng)閾值[10-11]。

按照上述方法確定高風(fēng)險區(qū)和中風(fēng)險區(qū)分鄉(xiāng)鎮(zhèn)強(qiáng)降水風(fēng)險預(yù)警叫應(yīng)閾值如下（表3）。

5 結(jié)論

暴雨災(zāi)害的防范應(yīng)對一直是九江市氣象防災(zāi)減災(zāi)工作的重點，通過分析降水量與災(zāi)情數(shù)據(jù)，建立精細(xì)化風(fēng)險叫應(yīng)閾值，分鄉(xiāng)鎮(zhèn)對強(qiáng)降水及其致災(zāi)風(fēng)險進(jìn)行早期識別、跟蹤監(jiān)測、即時服務(wù)和影響評估，可以為黨委政府更加精準(zhǔn)實施提前轉(zhuǎn)移提供技術(shù)支撐，有利于切實提高防范和化解強(qiáng)降水誘發(fā)的災(zāi)害風(fēng)險的能力，推動從注重災(zāi)后救助向注重災(zāi)前預(yù)防轉(zhuǎn)變，實現(xiàn)災(zāi)害預(yù)警從“大水漫灌”向“精準(zhǔn)滴灌”轉(zhuǎn)變，進(jìn)一步減輕強(qiáng)降水災(zāi)害損失。

參考文獻(xiàn)

[1] 陳軍飛，丁佳敏，鄧夢華.城市雨洪災(zāi)害風(fēng)險評估及管理研究進(jìn)展[J].災(zāi)害學(xué)， 2020，35（2）：154-159，166.

[2] 殷子昭，王成芳.大城市極端暴雨洪澇災(zāi)害防災(zāi)體系建設(shè)的經(jīng)驗與啟示：以日本東京為例[J].防災(zāi)科技學(xué)院學(xué)報， 2023，25（4）：63-73.

[3] 廖洪敏，何為，石薇，等.玉屏暴雨與致災(zāi)暴雨特征及鄉(xiāng)鎮(zhèn)”三個叫應(yīng)”閾值確定[J].中低緯山地氣象，2022，46（2）：63-70.

[4] 李錫強(qiáng)，王敏，冉王群，等.四川省九龍縣暴雨誘發(fā)泥石流的時空特征及其閾值確定[J].四川師范大學(xué)學(xué)報（自然科學(xué)版），2020，43（3）：411-416.

[5] 黎躍勇，周威，李好，等.基于優(yōu)勢分析法的暴雨綜合致災(zāi)指數(shù)及閾值研究：以張家界市保險業(yè)為例[J].暴雨災(zāi)害，2022，41

（2）：232-239.

[6] 孫玉龍，王麗榮，張琪，等.基于優(yōu)勢分析法的河北省暴雨對房屋致災(zāi)閾值研究[J].氣候與環(huán)境研究，2021，26（3）：289-298.

[7] 王海芝.北京地區(qū)暴雨泥石流預(yù)警閾值研究[J].第四紀(jì)研究，2020，40（5）：1371-1380.

[8] 宋瑞寧，任夢瑤，劉強(qiáng)，等.基于InfoWorks ICM模型的內(nèi)澇預(yù)警降雨量閾值研究[J].水電能源科學(xué)，2021，39（2）：5-8，73.

[9] 史軍，穆海振，楊涵洧，等.上海中心城區(qū)暴雨內(nèi)澇閾值研究[J].暴雨災(zāi)害，2016， 35（4）：344-350.

[10] 孫玉龍，王麗榮，張琪，等.河北省強(qiáng)降水對道橋影響的致災(zāi)閾值研究[J].氣象與環(huán)境科學(xué)，2022，45（5）：71-77.

[11] 周月華，彭濤，史瑞琴.我國暴雨洪澇災(zāi)害風(fēng)險評估研究進(jìn)展[J].暴雨災(zāi)害， 2019，38（5）：494-501.