高要區大逕河流域山洪致災臨界面雨量分析

袁業溶，周義昌

（1.肇慶市高要區氣象局，廣東肇慶 526000；2.肇慶市突發事件預警信息發布中心，廣東肇慶 526000）

山洪是溝谷小流域由于地表徑流暴漲所引發的洪水，其誘發的塌方、泥石流等地質災害對周邊居民的生命財產安全構成嚴重威脅［1-2］。山洪災害具有很強的突發性，預測預防難度大，在水文觀測資料匱乏的山區，更是難以進行有效的山洪災害預測預警［3］。因此開展山洪災害預警方法技術研究對于有效規避山洪災害、減輕山洪災害損失具有重要意義。

降水是誘發山洪災害的重要因素，因此致災臨界雨量常用作預測山洪災害發生的指標［4］。2001年德國Geomer公司開發的FloodArea模型是基于水動力原理模擬洪水演進過程的洪水淹沒模型，近年來被廣泛應用到山洪致災臨界面雨量的研究中［5-6］，如張連成等［7］、周杰等［8］采用FloodArea模型分別對皮里青河流域、清江河流域的山洪過程進行模擬，建立流域降水與淹沒深度的關系；孟玉婧等［9］利用FloodArea模型計算內蒙古山洪致災雨量閾值并基于災害重現期進行風險評估。FloodArea模型在廣東地區也得到較好的應用，如鄭璟等［10］根據馬貴河流域不同歷時及重現期的降雨量，利用FloodArea模型對流域一次特大山洪過程進行模擬，確定不同降雨條件下各風險等級的山洪致災臨界雨量；陳慧忠等［11］利用FloodArea模型對東莞市一次暴雨洪澇過程進行模擬并與實況進行對比分析，認為模型模擬效果較好。由此可見，FloodArea模型在廣東地區適用性較好。

高要區位于西江流域下游，地形以山地、丘陵為主，在西江以北的鄉鎮，房屋多依山而建，防范山洪等地質災害是重中之重。本研究利用FloodArea模型對高要區西北部大逕河流域2018年6月8日特大暴雨誘發的洪災過程進行模擬重現，通過建立預警點降雨量與模擬淹沒深度的回歸模型，從而計算出山洪災害致災臨界面雨量，以期為開展山洪災害預警服務提供參考。

1 數據與方法

1.1 研究區概況

基于1∶5萬數字高程模型數據，利用Arcgis水文分析劃分出大逕河流域。如圖1所示，流域位于高要區西北角，境內多山，河網密集，是山洪多發易發地區。流域內有1個水文站點和4個區域氣象自動站點。由于河臺氣象自動站數據缺測，因此本研究選用大涇河流域內祿步鎮府、水南鎮府和樂城領村小學3個區域自動站的雨量數據進行分析。

圖1 大逕河流域地理位置

2018年6月6—9日，受臺風“艾云尼”環流影響，高要區出現特大暴雨，全區17個鎮均遭受不同程度的災情。2018年6月7日20：00—8日20：00（北京時，下同）大逕河流域內3個氣象站的累計雨量分別為祿步鎮府站244.9 mm、水南鎮府站221.8 mm、樂城領村小學站133.2 mm。

1.2 數據來源與處理

本研究所用的2018年6月7日20：00—8日20：00 3個區域自動站逐時雨量來源于高要區氣象局；運用泰森多邊形法及反距離權重插值法對3個站點的逐時雨量進行處理，得到流域面雨量序列和降水空間分布權重（圖2a）。水文資料為大逕河水文站點逐時水位監測資料，來源于肇慶市水利局。地理信息數據包括空間分辨率為30 m×30 m的DEM地形高程數據和土地利用類型數據，取自地理空間數據云；對不同的土地利用類型進行賦值得到地表水力糙度圖層（林地18、人造25、草地29、耕地30、水體40），具體如圖2b所示。

圖2 流域2018年6月8日降水空間分布權重圖層（a）和流域地表水力糙度圖層（b）

1.3 研究方法

1）泰森多邊形法。

根據流域雨量站點分布，利用Arcgis軟件創建泰森多邊形，通過面積權重計算流域面雨量，計算公式為

其中，m為泰森多邊形個數；P為面雨量（mm）；Ri為站點雨量（mm）；S為流域總面積（m2）；Si為站點面積（m2）。

2）FloodArea淹沒模型。

FloodArea洪水淹沒模型是基于水動力原理和GIS柵格數據構建的二維水動力模型，該模型以擴展模塊的形式集成到ARCGIS平臺使用，其計算原理如圖3所示，模型以柵格為單位，設定相鄰單元的水流長度是相等的，對角線位置的單元則以不同的長度算法計算；水流的淹沒深度為淹沒水位和地面高程的差值；由Manning-Stricken公式計算各單元的流速及其與相鄰單元的流量；最后模型以柵格的形式輸出每個時次的淹沒范圍和水深等［5，12］。FloodArea根據不同的進水方式可分為漫頂、潰口及暴雨3種模擬方式，本研究采用暴雨模擬方式進行模擬。

圖3 柵格單元劃分

3）統計分析。

使用SPSS軟件分析預警點模擬水深與不同歷時降雨量的相關性，選取相關性最好的一組數據建立雨-洪關系模型，從而確定不同風險等級山洪災害的臨界面雨量。

2 結果與分析

2.1 FloodArea模型參數的率定

模型輸入數據包括流域DEM數據、降水空間分布權重柵格數據、地表水力糙度以及逐時面雨量數據，模擬步長為1 h，時長24 h，分別以不同的最大交換率（0.1%、0.5%、1%、2%、5%）進行模擬。以大逕河水文站為考察點，利用SPSS軟件分析在不同最大交換率的情況下模擬水深與實測水深的相關性。結果表明，當模型最大交換率為0.1時，模擬水深與實測水深相關性最好，相關系數為0.754，在α＝0.01信度水平上顯著相關，因此選用最大交換率為0.1的結果進行分析。

由圖4可以看出，在洪水模擬演進過程中，降水開始時由于雨量較小，降水先在低洼處積累，隨著時間推移和降雨的進行匯集到溝谷河道，漲水速度較緩慢，6月8日20：00淹沒深度1.57 m。在實際淹沒過程中，由于上游西江洪水暴漲，大逕河受上游匯水影響，水位迅速增長后回落，6月8日20：00實際淹沒水深1.79 m?？傮w來看，24 h模擬淹沒水深與實際淹沒水深偏差0.22 m，模擬效果較好。

圖4 2018年6月8日洪水過程模擬結果

2.2 降水與淹沒深度的關系

針對受災情況、地理位置和海拔高度等多個因素，選取水南鎮府氣象站作為預警點，利用SPSS軟件對預警點1、2、3、4、5、6 h累計雨量與模擬淹沒水深進行相關分析，結果表明2 h累計雨量與模擬淹沒水深在α＝0.05信度水平上顯著相關，相關性最好，因此以2 h累計雨量為指標建立回歸模型：

其中，Y為預警點的降雨量（mm）；X為預警點淹沒深度（m）。

2.3 致災臨界面雨量的確定

根據山洪災害等級劃分標準，將預警點淹沒水深為0.2、0.6、1.2、1.8 m時對應的雨量劃分為不同等級的致災臨界面雨量，得到預警點2 h山洪臨界雨量如表1所示。

表1 大逕河流域不同風險等級臨界面雨量

3 結論

1）FloodArea淹沒模型對高要區大逕河流域2018年6月一次特大暴雨的模擬中，24 h模擬淹沒水深與實際淹沒水深偏差0.22 m，模擬效果較好。

2）選取水南鎮府氣象站為預警點建立雨-洪關系，確定4個山洪風險等級對應的2 h臨界雨量分別為198.7 mm（一級）、136.5 mm（二級）、74.3 mm（三級）、32.9 mm（四級）。

相較于統計分析法和其他類型的水文模型法，FloodArea淹沒模型所需參數簡單易得，對于缺少水文觀測資料的流域是一種較好的致災臨界面雨量研究方法。模型分為漫頂、潰口及暴雨3種模擬方式，本研究根據致災原因選用暴雨模擬方式。該方式只考慮降水輸入，在開展山洪災害預警服務時可結合數值天氣模式產品的短時降雨預報，提前預警，為決策及轉移爭取更多的時間。在今后業務實踐和研究中也可嘗試加入其余兩種模擬方式進行對比分析及訂正，進一步提高模型準確性。