孫素琴，吳 靜，唐春燕，熊 立，朱星球

(1.江西省氣象臺(tái)，江西 南昌 330096；2.江西省減災(zāi)備災(zāi)中心，江西 南昌 330030)

暴雨是江西省主要?dú)庀鬄?zāi)害之一，常引發(fā)城市內(nèi)澇、農(nóng)田漬澇，更有甚者引發(fā)山洪、泥石流等次生災(zāi)害，給當(dāng)?shù)厝嗣裆?、生產(chǎn)帶來極大影響。近十年來江西各地災(zāi)情普查數(shù)據(jù)統(tǒng)計(jì)顯示，暴雨洪澇災(zāi)害累計(jì)經(jīng)濟(jì)損失最大，其次為干旱；因?yàn)?zāi)累計(jì)死亡人數(shù)最多的氣象災(zāi)害亦為暴雨洪澇，其次為風(fēng)雹災(zāi)害。據(jù)民政部發(fā)布的2020年江西全年自然災(zāi)害基本情況報(bào)告顯示，洪澇造成直接經(jīng)濟(jì)損失達(dá)344.5億元，占各類自然災(zāi)害直接經(jīng)濟(jì)損失總和的97%。如2020年6月29日-7月上旬，江西中北部多次遭暴雨襲擊，累計(jì)雨量創(chuàng)歷史同期新高，達(dá)常年同期4倍，其中7月7-9日連續(xù)出現(xiàn)區(qū)域性大暴雨，大暴雨持續(xù)時(shí)間(3 d)和覆蓋范圍(60個(gè)縣(市、區(qū)))均為1961年以來歷史之最；7月8日大暴雨縣市數(shù)達(dá)35個(gè)，單日大暴雨范圍創(chuàng)歷史新高；江西暴雨與長江流域性大洪水相逢，外洪內(nèi)澇致鄱陽湖流域發(fā)生超歷史大洪水。衛(wèi)星遙感監(jiān)測顯示，7月14日06：00，鄱陽湖主體及附近水域面積達(dá)4 403 km2，為近10年來最大。黃安多[1]研究表明，從暴雨洪澇及其引發(fā)次生災(zāi)害的發(fā)生機(jī)制來看，暴雨洪澇具有明顯的季節(jié)性、區(qū)域性和重復(fù)性。因此，有必要開展暴雨災(zāi)害預(yù)評估工作，為政府及相關(guān)部門應(yīng)急決策管理提供科學(xué)依據(jù)。

國內(nèi)外對暴雨災(zāi)害評估研究有概率統(tǒng)計(jì)法，灰色關(guān)聯(lián)法和主成分分析法。概率統(tǒng)計(jì)法以歷史重現(xiàn)率描述暴雨災(zāi)害等級，適于災(zāi)前、災(zāi)中、災(zāi)后快速評估，但未考慮人口和經(jīng)濟(jì)等信息，對暴雨事件可能評估不足?；疑P(guān)聯(lián)法對數(shù)據(jù)要求較低且計(jì)算量小，簡便易行，但災(zāi)情資料獲取后才可評估，適于各種災(zāi)害災(zāi)情調(diào)查評估。主成分分析法可將多種致災(zāi)因子按權(quán)重簡化成一個(gè)綜合指標(biāo)描述暴雨災(zāi)害強(qiáng)度，實(shí)際應(yīng)用中與概率統(tǒng)計(jì)法結(jié)合使用可有較好效果。王秀榮等[2]利用一種簡化的暴雨災(zāi)害風(fēng)險(xiǎn)及影響評估方法確定了中國區(qū)域內(nèi)與暴雨災(zāi)害密切相關(guān)的地形高程等環(huán)境脆弱性影響因素，并對各類要素進(jìn)行分級評定，將各類因子相結(jié)合建立暴雨災(zāi)害綜合風(fēng)險(xiǎn)評估模型，該評估模型實(shí)時(shí)評估業(yè)務(wù)能力強(qiáng)。襲祝香等[3]根據(jù)重大暴雨過程災(zāi)害損失風(fēng)險(xiǎn)的主要成因等，構(gòu)建了吉林省重大暴雨過程災(zāi)害損失風(fēng)險(xiǎn)評估模型，并對一次重大暴雨過程災(zāi)害損失風(fēng)險(xiǎn)進(jìn)行預(yù)評估，得出吉林省暴雨過程災(zāi)害損失綜合分析的高值區(qū)等，提高了重大暴雨過程應(yīng)對能力，減少災(zāi)害損失。石濤等[4]建立了暴雨洪澇災(zāi)害的致災(zāi)、孕災(zāi)、承災(zāi)和抗災(zāi)4個(gè)風(fēng)險(xiǎn)評價(jià)因子模型，對蕪湖市暴雨洪澇風(fēng)險(xiǎn)進(jìn)行評估，解決了暴雨洪澇災(zāi)害難以精細(xì)化、定量化評估的部分問題。張瑋瑋等[5]對風(fēng)險(xiǎn)評估方法進(jìn)行改進(jìn)，通過對災(zāi)害過程中不同階段分別開展風(fēng)險(xiǎn)分析，將氣象災(zāi)害風(fēng)險(xiǎn)分析從氣候特征評價(jià)向天氣過程評價(jià)轉(zhuǎn)化。謝五三等[6]從暴雨致災(zāi)機(jī)理出發(fā)，以東津河流域?yàn)槔_展中小河流域暴雨洪澇災(zāi)害風(fēng)險(xiǎn)區(qū)劃技術(shù)研究，得到不同重現(xiàn)期下人口、GDP以及土地利用等風(fēng)險(xiǎn)區(qū)劃圖譜，研究發(fā)現(xiàn)建立的中小河流域暴雨洪澇災(zāi)害風(fēng)險(xiǎn)區(qū)劃技術(shù)方法簡便可行，區(qū)劃結(jié)果精度高、實(shí)用性強(qiáng)，對于面向?qū)崟r(shí)防災(zāi)減災(zāi)的動(dòng)態(tài)災(zāi)害風(fēng)險(xiǎn)管理具有重要意義。伍俊斌等[7]針對洪澇災(zāi)害發(fā)生后應(yīng)急救災(zāi)部門優(yōu)先采取救援行動(dòng)的對象，以及重點(diǎn)關(guān)注的承災(zāi)體類型，提出基于應(yīng)急災(zāi)情指數(shù)的洪澇災(zāi)害災(zāi)情動(dòng)態(tài)應(yīng)急評估方法，實(shí)現(xiàn)服務(wù)于洪澇災(zāi)害應(yīng)急救援的災(zāi)情動(dòng)態(tài)應(yīng)急評估。劉慧等[8]基于突變理論對湖南衡陽暴雨災(zāi)害進(jìn)行風(fēng)險(xiǎn)評估，綜合分析了衡陽暴雨災(zāi)害風(fēng)險(xiǎn)的時(shí)間演變和空間變化情況，表明暴雨災(zāi)害綜合風(fēng)險(xiǎn)大致呈現(xiàn)由南至北逐漸遞減的趨勢，突變理論的采用和評估體系指標(biāo)的細(xì)化，優(yōu)化了風(fēng)險(xiǎn)評估的過程，提高了風(fēng)險(xiǎn)評估的實(shí)用性和科學(xué)性。李亞濱等[9]對黑龍江省1984-2013年各臺(tái)站歷史暴雨災(zāi)害資料進(jìn)行統(tǒng)計(jì)分析，采用灰色關(guān)聯(lián)度方法進(jìn)行災(zāi)害等級劃分，研究暴雨災(zāi)害與氣象因子之間的關(guān)系，建立了反映暴雨災(zāi)害程度的5項(xiàng)單指標(biāo)及綜合評估指數(shù)，在此基礎(chǔ)上建立了評估和預(yù)評估模型，最終實(shí)現(xiàn)對暴雨災(zāi)害事件的快速評估。徐永清等[10]以致災(zāi)危險(xiǎn)性、承災(zāi)體暴露性和脆弱性評估為理論基礎(chǔ)，采用GIS空間分析技術(shù)，對黑龍江省位于平原的富裕縣和位于山區(qū)的呼瑪縣進(jìn)行了暴雨洪澇風(fēng)險(xiǎn)評估研究，發(fā)現(xiàn)與基于空間分辨率較低降水資料所得到的暴雨洪澇指數(shù)和風(fēng)險(xiǎn)分區(qū)結(jié)果相比，采用較高空間分辨率降水資料的暴雨洪澇指數(shù)分布更加平滑，突出了暴雨高值和低值區(qū)，平原區(qū)暴雨洪澇風(fēng)險(xiǎn)分區(qū)連續(xù)性增強(qiáng)，山區(qū)風(fēng)險(xiǎn)分區(qū)不但連續(xù)性增強(qiáng)，且與地形分布趨勢高度一致的狀況顯著改善，結(jié)果更科學(xué)合理。對江西省暴雨災(zāi)害風(fēng)險(xiǎn)評估研究較多[11-15]，但在實(shí)際業(yè)務(wù)中可運(yùn)用的暴雨災(zāi)害風(fēng)險(xiǎn)預(yù)評估產(chǎn)品仍較少。本文旨在借鑒已有研究成果，結(jié)合江西實(shí)際情況，側(cè)重考慮暴雨過程與前期降水實(shí)況，結(jié)合災(zāi)情，對區(qū)域性暴雨進(jìn)行風(fēng)險(xiǎn)評估研究，實(shí)現(xiàn)對區(qū)域性暴雨過程災(zāi)害風(fēng)險(xiǎn)動(dòng)態(tài)預(yù)警評估。

1 研究地區(qū)概況

江西省位于長江中下游南岸，冷暖空氣常交匯的地帶，1980-2010年年均降水量為1 676 mm，僅次于廣東省(1 788 mm)和海南省(1 787 mm)。地貌以江南丘陵為主，省境東、西、南三面環(huán)山地，中部丘陵和河谷平原交錯(cuò)分布，北部為鄱陽湖平原，地勢總體呈現(xiàn)四周高、中間低，內(nèi)部呈南高北低，如一個(gè)向北開口的簸箕(圖1)，江西主要河流被五條動(dòng)脈水系所覆蓋：贛江、撫河、信江、饒河和修水，流域面積均超1萬km2，以鄱陽湖為中心集納后經(jīng)長江入海。

圖1 江西省地形及氣象站點(diǎn)分布圖注：底圖來源于標(biāo)準(zhǔn)地圖服務(wù)網(wǎng) 審圖號(hào)為GS(2019)3333號(hào)，無修改，下同

2 資料及處理

2.1 資料

1)降水實(shí)況數(shù)據(jù)為經(jīng)質(zhì)控的當(dāng)日20時(shí)-次日20時(shí)降水?dāng)?shù)據(jù)，因涉及極值問題，為充分利用現(xiàn)有資料，選取1951-2022年數(shù)據(jù)。江西降水過程統(tǒng)計(jì)優(yōu)先使用江西地面實(shí)況網(wǎng)格日產(chǎn)品，該產(chǎn)品分辨率為1 km(0.01°)，源于江西省氣象數(shù)據(jù)中心，無此資料時(shí)利用站點(diǎn)數(shù)據(jù)插值處理，其中2022年數(shù)據(jù)用于暴雨災(zāi)害風(fēng)險(xiǎn)預(yù)評估。

2)降水預(yù)報(bào)資料為氣象臺(tái)預(yù)報(bào)員每日制作的網(wǎng)格預(yù)報(bào)數(shù)據(jù)，時(shí)間分辨率為12 h，將其累加至24 h網(wǎng)格降水預(yù)報(bào)產(chǎn)品，空間區(qū)域?yàn)?13.45°～118.60°E、24.35°～30.20°N，精度為5 km×5 km，產(chǎn)品選取上午、下午兩時(shí)段預(yù)報(bào)數(shù)據(jù)，按需插值成1 km分辨率。

3)暴雨過程災(zāi)情數(shù)據(jù)來源于“國家自然災(zāi)害災(zāi)情管理系統(tǒng)(2022)”，自然災(zāi)害災(zāi)情報(bào)送分為省、市、縣、鄉(xiāng)、村五級，災(zāi)情數(shù)據(jù)以鄉(xiāng)鎮(zhèn)為基本單元。災(zāi)情報(bào)送時(shí)效分為初報(bào)、續(xù)報(bào)、核報(bào)。過程開始時(shí)，各部門2 h以內(nèi)完成災(zāi)情逐級初報(bào)。初報(bào)后，24 h內(nèi)完成災(zāi)情逐級續(xù)報(bào)。過程結(jié)束時(shí)，完成災(zāi)情核定后，各部門(縣級5 d內(nèi)、市級8 d內(nèi)、省級10 d內(nèi))逐級上報(bào)后完成最終災(zāi)情數(shù)據(jù)。

4)江西省年GDP(Gross Domestic Product，國內(nèi)生產(chǎn)總值)、人口資料來源于中國科學(xué)院地理科學(xué)與資源研究所。經(jīng)濟(jì)數(shù)據(jù)為2015年中國GDP空間分布公里網(wǎng)格數(shù)據(jù)集，人口數(shù)據(jù)為2015年中國人口空間分布公里網(wǎng)格數(shù)據(jù)集，兩者分辨率均為1 km，據(jù)暴雨過程所在年份使用時(shí)對江西省總GDP、常住總?cè)丝跀?shù)適當(dāng)修訂。

5)水系數(shù)據(jù)采用江西基礎(chǔ)地理信息數(shù)據(jù)，用于河網(wǎng)密度計(jì)算。

6)土壤類型數(shù)據(jù)來自聯(lián)合國糧農(nóng)組織(FAO)和維也納國際應(yīng)用分析研究所(IIASA)所構(gòu)建的世界土壤數(shù)據(jù)庫(Harmonized World Soil Database，HWSD)。

2.2 區(qū)域暴雨過程確定

本文針對社會(huì)經(jīng)濟(jì)、群眾生活生產(chǎn)等造成一定影響的降水過程評估。因此，選取江西境內(nèi)24 h內(nèi)(當(dāng)日20時(shí)-次日20時(shí))出現(xiàn)≥5站國家站暴雨(24 h降雨量≥50 mm)時(shí)，且5站以上暴雨較為集中的過程為一個(gè)區(qū)域性暴雨日。區(qū)域性暴雨過程向前或向后延伸基本條件為全省有3～5站降水量≥25 mm。據(jù)統(tǒng)計(jì)1951-2021年此類區(qū)域性暴雨為672次。

此外，區(qū)域暴雨過程發(fā)生前或即將結(jié)束時(shí)，某些觀測站較強(qiáng)降水已開始或仍在持續(xù)，對相應(yīng)觀測站暴雨過程延伸，延伸標(biāo)準(zhǔn)為日降水量≥25 mm。如2011年6月13-15日暴雨過程，6月16日僅出現(xiàn)1站暴雨(區(qū)域性暴雨過程結(jié)束)，但德興市16-17日降水量為52.3 mm和29.8 mm，與15日降水量(233.6 mm)有共同致災(zāi)影響，故德興市暴雨時(shí)間延伸至17日。

3 基于格點(diǎn)的精細(xì)化暴雨災(zāi)害風(fēng)險(xiǎn)預(yù)評估

3.1 暴雨過程強(qiáng)度指數(shù)

1)單站暴雨過程強(qiáng)度指數(shù)。首先，計(jì)算單站暴雨過程強(qiáng)度：

Ir=A×I24pre+B×Ipre+C×Iday。

(1)

式中：I24pre、Ipre、Iday分別為歸一化后的最大日降水量、過程累積降水量、降水持續(xù)天數(shù)；A、B、C為權(quán)重系數(shù)，由I24pre、Ipre、Iday三者之間的復(fù)相關(guān)系數(shù)絕對值的倒數(shù)求得；統(tǒng)計(jì)得到持續(xù)1 d及以上暴雨過程的三個(gè)因子值及各自權(quán)重系數(shù)(表1)。

表1 1951-2021年單站暴雨過程歸一化參數(shù)和各因子權(quán)重系數(shù)

2)區(qū)域性暴雨過程強(qiáng)度指數(shù)。在單站暴雨過程強(qiáng)度指數(shù)基礎(chǔ)上，構(gòu)建區(qū)域暴雨過程強(qiáng)度指數(shù)為：

(2)

式中：n為達(dá)到單站暴雨過程標(biāo)準(zhǔn)的站數(shù)，m為第i個(gè)測站出現(xiàn)暴雨過程次數(shù)，Irij為第i站、第j次暴雨過程單站暴雨強(qiáng)度指數(shù)。

據(jù)江西1951-2021年672次區(qū)域性暴雨過程強(qiáng)度指數(shù)統(tǒng)計(jì)結(jié)果，采用百分位法，將區(qū)域暴雨過程分特強(qiáng)、強(qiáng)、較強(qiáng)、一般四等級(表2)，給出綜合強(qiáng)度由強(qiáng)到弱排前20位的區(qū)域性暴雨過程(表3)，對應(yīng)強(qiáng)度指數(shù)劃分，得出這些過程均為特強(qiáng)過程。

表2 區(qū)域降水過程強(qiáng)度百分位分級

表3 1951-2021年強(qiáng)度排名前20位強(qiáng)區(qū)域性暴雨過程

3.2 孕災(zāi)環(huán)境分析

本文孕災(zāi)環(huán)境敏感性指標(biāo)選擇與暴雨災(zāi)害關(guān)聯(lián)性較大的地理環(huán)境要素，包括地形高程數(shù)據(jù)，地形高程標(biāo)準(zhǔn)差、河網(wǎng)密度、土壤類型等。

1)地形因子。周成虎等[16]研究表明，地形對暴雨災(zāi)害損失的影響以地形高程和地形高程標(biāo)準(zhǔn)差的綜合影響值體現(xiàn)，地形高程越低，地形起伏越小，越容易發(fā)生洪水。綜合考慮江西省地形和洪澇災(zāi)害分布特點(diǎn)，以200 m、500 m和1 000 m為界，將地形高程劃分為四個(gè)等級，分別對應(yīng)不同的指數(shù)值。

(3)

式中：E為高程(m)，指數(shù)值越大表示越容易產(chǎn)生洪澇災(zāi)害。

高程標(biāo)準(zhǔn)差指數(shù)是據(jù)隋剛等[17]研究成果，選擇合適柵格空間分辨率，利用高程標(biāo)準(zhǔn)差可較好反映出地形起伏度。其中標(biāo)準(zhǔn)差為0～10時(shí)表示地勢為比較平坦，基本是農(nóng)業(yè)用地；10～30為相對平坦的草地，30～50為起伏的丘陵地帶，大于50基本是溝壑縱橫的山地。根據(jù)不同高程標(biāo)準(zhǔn)差產(chǎn)生洪澇災(zāi)害的難易程度，設(shè)置分級指數(shù)。

(4)

式中：Ed為高程標(biāo)準(zhǔn)差(m)，指數(shù)值越大表示越容易產(chǎn)生洪澇災(zāi)害。

(2)河網(wǎng)密度指數(shù)。河網(wǎng)密度高的區(qū)域，流域徑流匯流快，而暴雨轉(zhuǎn)化為地下水的部分相對較小，洪流流量大，洪水危險(xiǎn)性較大。參考黃詩峰等[18]的研究方法：

D=L/A=nl/na=l/a。

(5)

式中：L為流域內(nèi)河流總長度，A為流域面積，n為流域內(nèi)河段總段數(shù)，l為平均河流長度，a為平均相鄰面積。運(yùn)用線密度計(jì)算方法對河網(wǎng)密度分析計(jì)算，將發(fā)生洪澇災(zāi)害的難易程度劃分為四個(gè)等級：

(6)

式中：D為河網(wǎng)密度(km/km2)。ID為河網(wǎng)密度指數(shù)，指數(shù)值越大表示越容易發(fā)生洪澇災(zāi)害。

(3)土壤類型指數(shù)。不同土壤的透水性不相同，郭曉軍等[19]研究表明，下滲率的大小與土壤顆粒大小密切相關(guān)。根據(jù)FAO-90對各種土壤顆粒百分含量的資料，并結(jié)合考慮土壤的滲透率和產(chǎn)流能力的大小，對不同土壤類型賦予不同指數(shù)值，反映發(fā)生洪澇災(zāi)害的難易程度(表4)。

表4 土壤類型對產(chǎn)流影響分級表

(4)孕災(zāi)環(huán)境影響系數(shù)IP。綜合考慮地形、水系、地質(zhì)災(zāi)害易發(fā)程度，評估點(diǎn)的暴雨孕災(zāi)環(huán)境綜合指數(shù)(IC)可通過IE、IEd、ID和Isoil的加權(quán)求和得到，即：

IC=a×IE+b×IEd+c×ID+d×Isoil。

(7)

式中：a、b、c和d分別為地形高程系數(shù)、地形高程差系數(shù)、河網(wǎng)密度系數(shù)和土壤類型系數(shù)的權(quán)重，并滿足a+b+c+d=1。權(quán)重值的大小根據(jù)上述三因素對暴雨災(zāi)害影響確定，本文由層次分析法得出，分別取0.55、0.1、0.05、0.3。

考慮評估區(qū)域一致性，對暴雨孕災(zāi)環(huán)境綜合指數(shù)規(guī)范化處理，得到評估格點(diǎn)的暴雨孕災(zāi)環(huán)境影響系數(shù)(IP)為：

(8)

式中：ICmin、ICmax分別為區(qū)域內(nèi)最小和最大暴雨孕災(zāi)環(huán)境綜合指數(shù)；C為常數(shù)(取值0.2～0.4)，本文取0.2；暴雨孕災(zāi)環(huán)境影響系數(shù)為負(fù)值時(shí)，消減致災(zāi)危險(xiǎn)性；正值加重致災(zāi)危險(xiǎn)性。分析得出江西暴雨孕災(zāi)環(huán)境影響系數(shù)分布(圖2)。

圖2 江西省暴雨孕災(zāi)環(huán)境影響系數(shù)分布

3.3 暴雨過程致災(zāi)危險(xiǎn)性分析

暴雨致災(zāi)危險(xiǎn)性由暴雨孕災(zāi)環(huán)境影響系數(shù)與區(qū)域暴雨過程綜合強(qiáng)度指數(shù)加權(quán)綜合得到。

Wx=(1+IP)×IR。

(9)

式中：Wx為暴雨致災(zāi)危險(xiǎn)性指數(shù)，IP為暴雨孕災(zāi)環(huán)境影響系數(shù)，IR為區(qū)域暴雨過程綜合強(qiáng)度指數(shù)。

自然斷點(diǎn)法是根據(jù)暴雨過程特點(diǎn)進(jìn)行強(qiáng)度分級的一種方法，而不同暴雨有不同劃分閾值，故不易對比暴雨過程間的強(qiáng)度。為了對比不同暴雨強(qiáng)度，本文采用固定閾值法對135個(gè)典型暴雨過程致災(zāi)危險(xiǎn)性分級，分級閾值見表5；并將暴雨災(zāi)害風(fēng)險(xiǎn)評估結(jié)果與災(zāi)情實(shí)況進(jìn)行對比分析，發(fā)現(xiàn)兩者總體一致，表明該模型較為合理。

表5 基于固定閾值的致災(zāi)危險(xiǎn)性等級劃分表

3.4 承災(zāi)體分析

暴雨災(zāi)害影響與降雨強(qiáng)度和孕災(zāi)環(huán)境有關(guān)，也與承災(zāi)體密切相關(guān)。同等強(qiáng)度暴雨，發(fā)生在人口和經(jīng)濟(jì)暴露度高的地區(qū)造成損失大，災(zāi)害風(fēng)險(xiǎn)也大。本文選取承災(zāi)體包括人口、農(nóng)業(yè)、經(jīng)濟(jì)，災(zāi)情對應(yīng)為受災(zāi)人口、農(nóng)作物受災(zāi)面積、直接經(jīng)濟(jì)損失。因承災(zāi)體脆弱性獲取困難，主要考慮承災(zāi)體的暴露度。

為消除各指標(biāo)量綱差異，對人口暴露度、經(jīng)濟(jì)暴露度、農(nóng)業(yè)暴露度指標(biāo)歸一化處理：

(10)

式中：EDi是第i個(gè)指標(biāo)歸一化值，Ai是第i個(gè)指標(biāo)值，mini和maxi分別是第i個(gè)指標(biāo)中最小值和最大值。據(jù)分析得出人口、經(jīng)濟(jì)和耕地的相關(guān)數(shù)據(jù)分布(圖3)。

圖3 江西省2015年人口柵格分布圖、GDP柵格分布圖和土地利用分布示意圖

分析2010-2021年35個(gè)暴雨強(qiáng)度與基于站點(diǎn)和格點(diǎn)的承災(zāi)體災(zāi)情發(fā)現(xiàn)，基于格點(diǎn)的承災(zāi)體評估強(qiáng)度較站點(diǎn)準(zhǔn)確，故本文均基于格點(diǎn)開展暴雨災(zāi)害風(fēng)險(xiǎn)預(yù)評估。本文對多個(gè)過程進(jìn)行評估分析，表6為2022年3個(gè)典型暴雨過程(2022年5月27-30日、2022年6月12-15日、2022年6月17-20日)的直接經(jīng)濟(jì)損、農(nóng)作物受災(zāi)面積和受災(zāi)人口分別進(jìn)行格點(diǎn)數(shù)據(jù)和站點(diǎn)數(shù)據(jù)評估檢驗(yàn)可見，除了案例3直接經(jīng)濟(jì)損失站點(diǎn)數(shù)據(jù)評估較好外，其他案例格點(diǎn)數(shù)據(jù)的準(zhǔn)確率總體上優(yōu)于站點(diǎn)數(shù)據(jù)。

表6 典型暴雨過程災(zāi)情定量評估準(zhǔn)確率分析

3.5 基于格點(diǎn)的精細(xì)化暴雨災(zāi)害風(fēng)險(xiǎn)預(yù)評估

暴雨災(zāi)害的綜合風(fēng)險(xiǎn)分布產(chǎn)品制作流程：利用智能網(wǎng)格的降水預(yù)報(bào)日產(chǎn)品數(shù)據(jù)，得出降雨綜合強(qiáng)度評定輸出結(jié)果數(shù)據(jù)，為數(shù)據(jù)分辨率統(tǒng)一，將降水資料通過反距離權(quán)重法插值為空間分辨率1 km的格點(diǎn)數(shù)據(jù)；結(jié)合1 km分辨率的江西各地暴雨致災(zāi)環(huán)境數(shù)據(jù)，包括地形高程、高程差、土壤類型和河網(wǎng)密度等孕災(zāi)環(huán)境背景數(shù)據(jù)，應(yīng)用模型計(jì)算出每個(gè)格點(diǎn)上的暴雨災(zāi)害綜合危險(xiǎn)性指數(shù)，將危險(xiǎn)性分為高、較高、中、較低、低五級別，再分別疊加人口、經(jīng)濟(jì)、耕地等承災(zāi)體空間分布柵格數(shù)據(jù)，得到不同等級下不同承災(zāi)體的影響，最后利用GIS技術(shù)，得到暴雨災(zāi)害的綜合風(fēng)險(xiǎn)分布產(chǎn)品。

業(yè)務(wù)在暴雨發(fā)生之前或者暴雨發(fā)生過程中，需對暴雨過程造成影響提前評估。暴雨過程之前，預(yù)評估使用降水預(yù)報(bào)資料；暴雨過程中，預(yù)評估使用降水實(shí)況資料和降水預(yù)報(bào)資料。

4 典型案例分析

上文通過對暴雨過程災(zāi)害損失風(fēng)險(xiǎn)進(jìn)行評估，并與災(zāi)情實(shí)況對比檢驗(yàn)，發(fā)現(xiàn)該模型輸出的結(jié)果較為合理。

4.1 暴雨災(zāi)害風(fēng)險(xiǎn)評估

以2019年6月6-10日暴雨過程為例，選用逐日實(shí)況降水資料結(jié)合孕災(zāi)環(huán)境因子計(jì)算此次暴雨過程綜合危險(xiǎn)性指數(shù)，經(jīng)分級后得到危險(xiǎn)性區(qū)域分布，圖4a可見吉安市北部至贛州市東北部、上饒市東部及贛州市西南部為暴雨災(zāi)害風(fēng)險(xiǎn)較高到風(fēng)險(xiǎn)高區(qū)，與災(zāi)情實(shí)況分布(圖4b，源于江西省減災(zāi)備災(zāi)中心)對比，大體上反映出此次暴雨過程受災(zāi)情況。從逐日災(zāi)情分布可見，災(zāi)情數(shù)據(jù)有滯后性，如6月6-8日暴雨發(fā)生后，災(zāi)情收集滯后，6月9日才體現(xiàn)出上饒南部和撫州北部等地災(zāi)情(圖略)。

圖4 2019年6月6-10日暴雨災(zāi)害風(fēng)險(xiǎn)評估危險(xiǎn)性分布和暴雨實(shí)況災(zāi)情等級分布

基于暴雨過程災(zāi)害危險(xiǎn)性，據(jù)人口分布密度計(jì)算出受影響人數(shù)，同時(shí)分析輸出暴雨災(zāi)害綜合風(fēng)險(xiǎn)等級下的經(jīng)濟(jì)損失和農(nóng)作物受災(zāi)面積情況(表7)。

表7 2019年6月6-10日暴雨過程的影響評估

據(jù)統(tǒng)計(jì)，此次暴雨過程共造成301.7萬人受災(zāi)，農(nóng)作物受災(zāi)面積達(dá)250.9 khm2，直接經(jīng)濟(jì)損失達(dá)98.2億元。表7可見，評估受災(zāi)人口為218.640 7萬人，小于實(shí)際影響人口；而直接經(jīng)濟(jì)損失評估值大于實(shí)際值，為1 212 637萬元；農(nóng)作物受災(zāi)面積為206.064 khm2，同樣小于實(shí)際值；總體而言，三者評估準(zhǔn)確度良好，準(zhǔn)確率為72.5%～82.1%。

4.2 暴雨災(zāi)害風(fēng)險(xiǎn)預(yù)評估

以2022年6月12-15日暴雨過程為例，基于評估模型，利用逐日降水預(yù)報(bào)數(shù)據(jù)與實(shí)況數(shù)據(jù)得出逐日暴雨過程災(zāi)害評估預(yù)測圖(圖5)，其中圖5c、圖5g、圖5l為2022年6月12-15日過程中已出現(xiàn)的降水實(shí)況，圖5a、圖5d、圖5h為暴雨過程中不同時(shí)次的降水量預(yù)報(bào)，圖5e、圖5i為暴雨災(zāi)害風(fēng)險(xiǎn)預(yù)評估的總雨量(實(shí)況降水量和預(yù)報(bào)降水量之和)，圖5b、圖5f、圖5j、圖5m為不同起報(bào)時(shí)間的暴雨災(zāi)害風(fēng)險(xiǎn)預(yù)評估綜合影響分布，圖5k、圖5n為與暴雨災(zāi)害風(fēng)險(xiǎn)預(yù)評估相對應(yīng)時(shí)間的災(zāi)情實(shí)況分布。從6月11日開始進(jìn)行暴雨過程風(fēng)險(xiǎn)災(zāi)害預(yù)估，通過逐日預(yù)報(bào)的調(diào)整，瑞金市、龍南市、全南縣、定南縣、于都縣等地預(yù)評估受災(zāi)嚴(yán)重，與災(zāi)情實(shí)況接近；但信豐縣和會(huì)昌縣南部的預(yù)測受災(zāi)強(qiáng)度較低，與實(shí)況相差較大，是否受周圍地區(qū)強(qiáng)降水影響致災(zāi)，有待進(jìn)一步研究。從災(zāi)情評估值和實(shí)際災(zāi)情值對比可見(表8)，總體效果較好，其中受災(zāi)人口評估準(zhǔn)確率為93.8%，農(nóng)作物受災(zāi)面積準(zhǔn)確率為89.1%，直接經(jīng)濟(jì)損失準(zhǔn)確率為74.8%。

表8 2022年6月12-15日暴雨過程的影響評估

圖5 2022年6月12-15日暴雨過程災(zāi)害風(fēng)險(xiǎn)預(yù)評估與災(zāi)情實(shí)況

5 結(jié)論與討論

本文利用研究模型，對江西暴雨過程進(jìn)行評估和預(yù)評估，該模型對暴雨災(zāi)害風(fēng)險(xiǎn)評估總體較合理，但仍有不足。

1)結(jié)合智能網(wǎng)格預(yù)報(bào)的降水產(chǎn)品和已出降水實(shí)況資料，對任意一次暴雨來臨前(可能發(fā)生的)、暴雨進(jìn)行時(shí)(正在發(fā)生的)及暴雨結(jié)束后(已經(jīng)發(fā)生的)的暴雨災(zāi)害風(fēng)險(xiǎn)進(jìn)行動(dòng)態(tài)跟蹤評估和判定；研究發(fā)現(xiàn)評估結(jié)果與災(zāi)后統(tǒng)計(jì)災(zāi)情大致相符，評估結(jié)果大致反映暴雨災(zāi)害綜合風(fēng)險(xiǎn)分布趨勢。

2)利用評估模型，結(jié)合GIS技術(shù)，分析江西地區(qū)暴雨災(zāi)害風(fēng)險(xiǎn)結(jié)果，可得出暴雨災(zāi)害影響的人口數(shù)量、直接經(jīng)濟(jì)損失和農(nóng)作物受災(zāi)面積等定量影響結(jié)果。

3)模型中計(jì)算暴雨強(qiáng)度時(shí)運(yùn)用了降水日資料，但對短歷時(shí)暴雨而言，其權(quán)重因子是削弱的，從而會(huì)影響評估效果；需進(jìn)一步完善承災(zāi)體背景庫，建立逐年的人口、GDP、土地利用空間分布數(shù)據(jù)，以消除由承災(zāi)體數(shù)據(jù)年際差異造成的模型誤差；災(zāi)情資料需訂正與細(xì)化：災(zāi)情數(shù)據(jù)與實(shí)際發(fā)生的災(zāi)害影響有時(shí)差異較大，需通過各類文獻(xiàn)、實(shí)地調(diào)研、座談等方式修訂，且目前收集到災(zāi)情多為省級數(shù)據(jù)，應(yīng)精細(xì)到市、縣甚至鄉(xiāng)鎮(zhèn)，用以分析承災(zāi)體脆弱性參數(shù)。