1961年以来陇南市最强两次暴雨过程致灾因子对比分析

  • 程瑛 , 1 ,
  • 陶健红 , 2 ,
  • 吴晶 1 ,
  • 李文莉 1 ,
  • 石延召 1
展开
  • 1. 兰州中心气象台,甘肃 兰州 730020
  • 2. 甘肃省气象局,甘肃 兰州 730020
陶健红(1968-), 男, 甘肃临夏人, 研究员, 主要从事气候分析和灾害性天气事件的诊断研究. E-mail:

程瑛(1966 -), 女, 甘肃酒泉人, 正高级工程师, 主要从事气候变化和防灾减灾研究. E-mail:

收稿日期: 2025-01-14

  修回日期: 2025-08-19

  网络出版日期: 2025-10-20

基金资助

甘肃省自然科学基金项目(24JRRA1178)

甘肃省自然科学基金项目(23JRRA1572)

“飞天风云”青年拔尖人才项目(2425-rczx)

甘肃省气象局气象科研重点项目(Zd20284-B-2)

中国气象局青年创新团队项目(CMA2024QN04)

甘肃省气象局科研项目(Ms2023-12)

Comparative Analysis of Disaster Factors Caused by the Two Strongest Rainstorms in Longnan City Since 1961

  • Ying CHENG , 1 ,
  • Jianhong TAO , 2 ,
  • Jing WU 1 ,
  • Wenli LI 1 ,
  • Yanzhao SHI 1
Expand
  • 1. Lanzhou Central Meteorological observatory,Lanzhou 730020,Gansu,China
  • 2. Gansu Meteorological Bureau,Lanzhou 730020,Gansu,China

Received date: 2025-01-14

  Revised date: 2025-08-19

  Online published: 2025-10-20

Copyright

© Editorial Department of Plateau Meteorology (CC BY-NC-ND)

摘要

暴雨是甘肃省陇南市主要灾害性天气, 由暴雨引发的灾害给当地社会经济发展和人民生命财产造成巨大危害。本文基于气象、 灾情及地理信息数据, 采用自然灾害系统理论, 对陇南市1961年以来最强两次暴雨过程, 即: 2024年“7·22”和2020年“8·14”, 作综合对比分析。结果表明: “7·22”、 “8·14”两次暴雨过程降水强度强、 累积雨量大、 强降水持续时间长、 极端性明显, 与前期暴雨落区反复重叠, 是“7.22”、 “8.14”致灾的主要原因; “8.14”过程及其前后累积降水量总体大于“7·22”, “8·14”暴雨灾害明显比“7·22”严重。两次过程暴雨灾害等级为严重等级的均发生在陇南市经济较强、 人口较多的武都区和文县。陇南市9县区中武都区、 文县地质灾害隐患点多, 平均坡度、 河网密度大, 沟壑纵横, 高山河谷交错分布, 暴雨致灾风险最高, 致使“7·22”和“8·14”两次暴雨过程中武都区、 文县降水量不是最大, 但造成的灾害最重, 属严重等级。

本文引用格式

程瑛 , 陶健红 , 吴晶 , 李文莉 , 石延召 . 1961年以来陇南市最强两次暴雨过程致灾因子对比分析[J]. 高原气象, 2026 , 45(1) : 295 -304 . DOI: 10.7522/j.issn.1000-0534.2025.00092

Abstract

Heavy rainfall is the main catastrophic weather in Longnan city, Gansu Province.The disasters caused by heavy rainfall do great harm to social and economic development and people's life and property.In this paper, the processes of the two strongest rainstorms since 1961 in Longnan city, "7·22" in 2024 and "8·14" in 2020, are taken as examples.Based on meteorological, disaster situation and geographic information data, the disaster causing processes of the two rainstorms and heavy precipitation are analyzed and compared by using the theory of natural disaster system.The results show that: "7·22" and "8·14" rainstorm processes have strong precipitation intensity, large cumulative rainfall, long duration of heavy precipitation and obvious extremity, which overlap repeatedly with the previous rainstorm areas, and are the main causes of disaster caused by "7·22" and "8·14" rainstorm processes.The population and economic losses caused by "7·22" and "8·14" rainstorm and heavy rainfall accounted for 8.5%, 6.5%, 35.8% and 45.2% of the total population and GDP of Longnan city, respectively."8·14" rainstorm and heavy rainfall disaster was significantly more serious than "7·22".The two process rainstorm disaster levels of severe grade occurred in Wudu district and Wenxian county, which are economically strong and populous in Longnan city.In the 9 counties of Longnan city, Wudu district and Wenxian county have the most hidden geological disaster points, the average slope and river network density are large, and the risk of disaster caused by heavy precipitation is high.As a result, the precipitation of Wudu district and Wenxian county is not the largest during the two heavy rains of "7·22" and "8·14", but the disaster is the heaviest.

1 引言

暴雨是洪涝、 泥石流、 山体滑坡、 城市内涝等自然灾害的重要诱发因素。随着气候变暖, 极端降水事件发生的频率和强度都在增加(苏布达等, 2020徐粒等, 2020丁一汇, 2015), 暴雨引发的自然灾害不断增多。气象灾害风险大小取决于致灾因子危险性、 承灾体脆弱性、 孕灾环境稳定性等风险影响因素相互配置状况。目前已有不少学者开展了气象灾害风险研究(张雪芬等, 2012李成等, 2023), 也有一些学者从孕灾环境和承灾体展开了研究(颜悠逸等, 2024童亿勤等, 2007)。但在一定区域与时段内, 气象致灾因子在成灾过程中起关键作用, 客观定量分析气象致灾因子危险性、 承灾体脆弱性、 孕灾环境稳定性, 可为防灾减灾决策提供帮助(翟盘茂和刘静, 2012)。暴雨引发自然灾害也是由孕灾环境、 致灾因子、 承灾体3部分构成(史培军, 2009李大卫等, 2014), 由于致灾因子异动多变, 是造成灾害的关键性因素。国内外关于暴雨灾害和降水的研究有很多, 分析了暴雨灾害的降雨特征, 主要包括降雨强度、 持续时间、 累计降雨量等(马超等, 2013铁永波等, 2013)。另外, 还有许多学者研究了泥石流灾害事件和降水特征之间的紧密关系, 尤其是前期降水、 当日降水量、 当日降水强度对泥石流的贡献, 认为泥石流当日降水量与其前3 d降水量和前30 d降水量相关较好, 且与始发降水量也有很大相关性, 雨强也是引发泥石流的关键降水因子(陈静静等, 2014Pelfini and Santilli, 2008); 此外, 还有学者对地质灾害预报预警方法、 地质灾害危险性、 风险评估和区划方法进行了研究(闵颖等, 2013万石云等, 2013)。暴雨的危害涉及到各行各业, 对社会经济生态系统的稳定和可持续发展有不利影响, 研究暴雨的致灾机理、 危险性及其防御对减少灾害损失、 未来社会经济规划及防灾减灾显得极为重要。
甘肃省虽地处西北干旱、 半干旱地区, 暴雨发生的频率、 范围、 灾害损失不如中国东部和南部, 但是, 甘肃省地面植被差, 地形陡峭, 小范围暴雨发生频率高、 强度大、 时间集中、 灾害严重、 防御难。陇南市位于甘肃省东南部, 地质构造复杂, 软岩广布, 地形变化多样, 山脉连绵, 沟谷深切, 是甘肃省降水量最多的地区, 也是甘肃省暴雨频发区, 河谷型、 沟谷型和山坡型泥石流灾害频发, 成为中国四大泥石流灾害高发区之一。
本文根据陇南市1961年以来最强两次暴雨雨情、 灾情、 地形地貌及社会经济等资料, 基于自然灾害系统理论, 分析了这两次最强暴雨致灾过程, 并将两次过程致灾机理进行对比分析, 解析陇南市暴雨致灾成灾模式, 为政府防灾减灾提供科学参考和决策依据。

2 研究区概况

甘肃省陇南市(104°01′E -106°36′E, 32°35′N - 34°32′N)位于甘肃省东南部, 现辖武都区、 宕昌县、 文县、 康县、 成县、 徽县、 两当县、 西和县和礼县, 总面积2.79×104 km2图1)。陇南地处中国大陆二级阶梯向三级阶梯过渡地带, 位于秦巴山区、 青藏高原和黄土高原三大地形交汇区域, 境内形成了高山峻岭与峡谷盆地相间的复杂地形。北部西礼山地呈现低山宽谷的黄土地貌, 海拔1800 m上下; 东部徽成盆地介于北秦岭和南秦岭之间, 呈现丘陵宽谷地形, 海拔1000 m左右; 西南部为高中山与峡谷地, 高峻山岭与深陷河谷错落相接, 对比显著, 相对高差达1000 m以上。陇南市是甘肃省唯一属于长江流域水系的地区, 区域内有嘉陵江、 白龙江、 西汉水、 乐素河、 清河等河流, 河网纵横, 河流密度达到每平方公里0.5条。陇南市北部属暖温带湿润、 南部河谷属北亚热带半湿润两种气候类型, 是甘肃省降水量最多地区, 年降水400~1000 mm, 大部分地方大于600 mm, 东南部文县肖家、 中庙, 武都裕河及康县南部等在900 mm以上。特殊的地理环境和气候特点, 由暴雨引发的洪涝、 泥石流、 山体滑坡、 城市内涝等灾害频繁发生。
图1 研究区地形图

Fig.1 Topography of research area

3 资料来源与方法介绍

3.1 数据来源

研究中所用资料有6类:
气象数据: 本文采用的地面降水观测资料来自国家气象信息中心整编的陇南市9个国家级气象站观测资料, 时间自1961年1月至2024年12月, 包括逐日降水量[08:00(北京时, 下同)至次日08:00]、 逐小时降水量等资料, 及经过考核的区域自动站 386个, 时间为2020 -2024年汛期(5 -9月), 上述资料均经过国家气象信息中心的质量控制和极值检验。采用欧洲中期天气预报中心发布的第5代全球气候再分析资料数据集(the fifth global reanalysis, ERA-5)分析暴雨的环流形式, 所用数据时段为2024年7月22 -25日、 2020年8月14 -18日, 气象要素包括: 位势高度场、 温度、 水平风场、 比湿、 垂直速度场等, 水平分辨率为0.25°×0.25°。
暴雨灾害灾情数据: 来源于甘肃省人民政府防汛抗旱指挥部。
地理信息: 陇南市行政矢量境界数据来源于国家测绘局(https: //www.webmap.cn/); 30 m分辨率数字高程数据来源于地理空间数据云(https: //www.gseloud.cn)。
河网密度: 利用ArcGIs水文分析工具从AS.TER GDEMV2数据产品提取河流并矢量化, 生成随机网格与河流图层相交, 逐网格计算相交河流长度作为该网格河网密度值, 获取陇南市河网密度数据。
坡度: 利用ArcGIS, 基于DEM数据提取到坡度(Degree of slope)。
并利用甘肃省志、 各市州县志、 《甘肃省文史资料选辑(20)》《甘肃水旱灾害》《甘肃抗旱防汛手册》及甘肃省自然资源厅地质灾害防治技术指导中心所提供的材料, 整理了1960 -2024年甘肃省地质灾害灾情资料。

3.2 方法介绍

极端事件评估采用IPCC报告使用的百分位法, 即日降水资料排序的第95%位定义极端降水阈值。
根据中华人民共和国国家标准《降水量等级GB/T 28592 -2012》(中国国家标准化管理委员会, 2012), 将 24 h内降水量R 24达到 50 mm 以上定义为暴雨, 暴雨一般可分为三个等级, 暴雨: 50 mm≤R 24<100 mm, 大暴雨: 100 mm≤R 24<250 mm, 特大暴雨: R 24≥250 mm。
根据中华人民共和国气象行业标准《降雨过程强度等级QX/T 341-2016》(中国气象局, 2016), 基于降雨强度、 覆盖范围、 持续时间三个指标, 计算区域降雨过程强度指数RPI, 划分为特强、 强、 较强、 中等和弱五个等级(表1)。
表1 降雨过程强度等级

Table 1 The intensity grade of rainfall process

降雨过程强度指数范围 降雨过程强度 等级
1≤RPI≤12 特强 Ⅰ级
12<RPI≤24 Ⅱ级
24<RPI≤36 较强 Ⅲ级
36<RPI≤64 中等 Ⅳ级
RPI>64 Ⅴ级
根据中华人民共和国国家标准《暴雨灾害等级GB/T 33680-2017》(中国国家标准化管理委员会, 2017), 选取暴雨持续日数、 暴雨影响范围、 农作物受灾面积、 直接经济损失、 死亡人口等指标, 划分暴雨灾害等级(表2), 定量评估暴雨灾害对社会造成的影响程度。
表2 暴雨灾害等级

Table 2 Grades of rainstorm disaster

暴雨灾害等级 轻度 中度 严重 特大
FD FD<1.6 1.6≤FD<2.4 2.4≤F D<3.2 FD≥3.2

4 天气概况

4.1 环流形势

“7·22”暴雨发生前, 西太平洋副热带高压比较强盛, 西北地区东部处于副热带高压边缘, 沿副热带高压外围有源源不断西南暖湿气流向西北地区东部输送水汽和热量, 并在这一带积累; 22 -23日, 甘肃东南部处在副热带高压边缘和南风急流的前沿, 形成了非常有利于强降水的水汽、 热力和动力条件, 低涡切变和暖湿输送共同作用在陇东南产生对流性强降水; 23日夜间至24日, 副热带高压略有南退, 同时北方冷空气南下, 陇南东部强降水持续; 另外, 副热带高压南侧的双台风活动(2024年4号台风“派比安”、 3号台风“格美”)增强了副热带高压环流, 使得副热带高压外围水汽输送加强, 另一方面东西带状副热带高压南侧双台风的北推, 使副热带高压北界稳定维持, 有利于强降水发展和环流形势的稳定[图2(a)], 为极端暴雨提供了充足的水汽和有利的环流条件。“8·14”暴雨过程也属于副热带高压边缘型, 15日08:00(北京时, 下同), 500 hPa副热带高压强盛, 中心在日本西部, 强度达592 dagpm, 陇南市处于副热带高压西侧暖湿气流中, 新疆有一股弱冷空气入侵, 15日20:00, 副热带高压西伸北台, 新疆东部和甘肃陇东南两个低压槽形成阶梯槽[图2(b)], 700 hPa切变钱位于陇南市与陕西交界地区, 切变东侧西南暖湿输送加强, 发展成低空急流辐合、 持续, 将水汽源源不断的输送, 受其影响, 陇南市出现强降水。
图2 2024年7月23日08:00 (a)和2020年8月15日20:00 (b) 500 hPa天气形势

红虚线为等温线, 蓝实线为等高线

Fig.2 The synoptie patterns of 500 hPa at 08:00 on 23 july 2024 (a) and at 20:00 on 15 August 2020 (b).The dashed red lines andsolid blue lines represent isotherm and geo-potential height, respectively

4.2 天气实况及灾情

2024年7月22 -24日(以下简称“7·22”), 陇南市9县区连续两天出现暴雨, 共有93个站次出现暴雨, 82个站次大暴雨, 4个站特大暴雨, 共造成陇南市9县区163个乡镇受灾, 受灾人数20.5万人, 4人失踪, 农作物受灾面积2941.0 hm2, 绝收597.0公顷, 直接经济损失39.0亿元。根据《降雨过程强度等级QX/T 341-2016》(中国气象局, 2016)评估表明, 陇南市“7·22”降雨过程强度指数RPI为10, 属特强等级, 为1961年以来最强; 根据《暴雨灾害等级GB/T 33680-2017》(中国国家标准化管理委员会, 2017)评估得出, 陇南市“7·22”暴雨灾害等级FD为2.0达到了中度等级[图3(a)], 陇南市9县区中武都区、 文县、 徽县为严重等级, 成县、 康县为中度等级, 除西和县外, 其余县为轻度等级。2020年8月14 -17日(以下简称“8·14”), 陇南市连续4日出现暴雨, 共出现219个站次暴雨, 10个站次大暴雨, 共造成陇南市9个县区199个乡镇受灾, 受灾人数86.2万, 13人死亡, 3人失踪, 农作物受灾面积34443.7 hm2, 绝收6839.5 hm2, 直接经济损失272.3亿元。评估得出“8·14”降雨过程强度指数RPI为12, 属特强等级[图3(b)], 为1961年以来第二强, 仅次于“7·22”; 但“8·14”暴雨灾害等级FD为2.8达到了严重等级, 远远大于“7·22”, 陇南市9县区中武都区、 文县为严重等级, 两当为轻度, 其余县均为中度等级。
图3 “7·22”(a)、 “8·14”(b)暴雨灾害等级分布

Fig.3 Distribution of disaster intensity of rainstorm of “7·22”(a) and “8·14”(b)

5 暴雨过程致灾分析

5.1 致灾因子

致灾因子为可能对人员、 财产和环境带来威胁的各种自然现象和社会现象。如暴雨、 干旱、 热带气旋、 风暴潮、 低温、 冰雹、 海啸、 地震等。致灾因子基本的决定因素包括位置、 时间、 强度和频率。“7·22”、 “8·14”灾害的致灾因子为强度强、 累积雨量大、 持续时间长、 极端性明显的暴雨天气。下面从降水特征进行对比分析:

5.1.1 降水特征

“7·22”陇南市9县区共出现93个站次暴雨, 82个站次大暴雨, 成县陈院镇武山村(261.8 mm)、 陈院镇大垭村(255.6 mm)、 王磨镇管店村(255.4 mm)和徽县泥阳(257.6 mm)出现特大暴雨; 武都、 文县、 成县、 徽县、 康县共有65个站出现132次1小时降水量大于20 mm的短时强降水, 有29个站多次反复出现短时强降水, 主要出现在成县(70个站次)、 文县(27个站次)、 徽县(18个站次); 成县本站日降水量182.9 mm, 破1961年以来历史极值, 达到极端降水事件标准; 武都日降水量75.0 mm, 破1961年以来历史同期降水极值。截止25日08:00, 全市累积降雨量有10个站超过500 mm、 110个站超过250 mm、 312个站超过100 mm[图4(a)]。“7·22”暴雨具有降水强度强、 累积雨量大、 强降水持续时间长且落区集中的特点, 并具有一定的极端性。“8·14”陇南市连续4日出现暴雨, 共出现219个站次暴雨, 10个站次大暴雨, 只有5个站次出现1小时降水量大于20 mm的短时强降水, 武都、 文县日降雨量超过极端降水阈值, 达到极端日降水事件标准。截止18日08:00, 全市累积降水量有3个站超过250 mm、 187个站超过100 mm [图4(b)]。“8·14”强降水持续时间较“7·22”长, 暴雨范围比“7·22”大, 但其大暴雨、 特大暴雨范围及短时强降水出现频次远远不如“7·22”。但从表3来看, 陇南市9县区“7·22”过程累积平均面雨量除宕昌和成县比“8·14”偏大4.9 mm、 38.0 mm外, 其他县区均偏小, 武都区、 文县、 康县、 徽县、 两当、 西和、 礼县分别偏小15.0 mm、 1.3 mm、 8.5 mm、 8.6 mm、 48.3 mm、 35.5 mm, 西和和礼县还不及“8·14”的一半。
图4 累积降水量(彩色区, 单位: mm)分布(a)2024年7月22日08:00至25日08:00; (b)2020年8月14日08:00至18日08:00; (c)2024年7月1日08:00至22日08:00; (d)2020年7月24日08:00至8月14日08:00; (e)2024年7月1日08:00至25日08:00; (f)2020年7月24日08:00至8月18日08:00

Fig.4 Distribution of the cumulated precipitation (colored area, unit: mm).(a)from 08:00 on 22 to 08:00 on 25 July 2024; (b) from 08:00 on 14 to 08:00 on 18 August 2022; (c) from 08:00 on 1 to 08:00 on 22 July 2024; (d) from 08:00 on 24 July to 08:00 on 14 August 2020; (e) from 08:00 on 1 to 08:00 on 25 July 2024; (f) from 08:00 on 24 July to 08:00 on 18 August 2020

表3 “7·22”和“8·14”过程、 过程前及过程前后陇南市各县区累积平均面雨量

Table 3 The cumulative average surface rainfall of the process of "7·22" and "8·14" and before and after the process of Longnan City counties

时间段 累积平均面雨量/mm
武都区 宕昌县 文县 康县 成县 徽县 两当县 西和县 礼县
“7·22”过程累积平均面雨量(2024年7月22日08:00至25日08:00) 90.0 54.9 126.1 142.2 164.8 110.0 68.2 29.6 37.1
“8·14”过程累积平均面雨量(2020年8月14日08:00至18日08:00) 105.0 50.3 127.4 150.7 126.3 118.6 116.5 80.5 72.6
“7·22”过程前累积平均面雨量(2024年7月1日08:00至22日08:00) 79.3 79.2 101.9 258.8 131.2 183.5 203.2 72.2 92.7
“8·14”过程前累积平均面雨量(2020年7月24日08:00至8月14日08:00) 149.2 125.6 126.7 271.0 207.5 142.3 117.1 122.6 120.6
“7·22”过程前后累积平均面雨量(2024年7月1日08:00至25日08:00) 160.8 118.1 220.2 369.8 283.7 271.1 251.6 99.9 124.2
“8·14”过程前后累积平均面雨(2020年7月24日08:00至8月18日08:00) 247.4 175.8 246.6 416.7 327.8 252.2 233.6 194.0 190.5

5.1.2 前期降水

为保持一直, 过程前期均选择过程前22天。“7·22”前期, 陇南市降水过程频繁, 降水量明显偏多, 暴雨反复出现, 7月6 -8日、 13 -15日、 16 -18日、 21日出现了暴雨、 局地大暴雨的天气过程, 截至22日08:00, 陇南市累积降水量有92.4%的站点超过50 mm, 其中有4站超过500 mm, 18个站超过300 mm, 33个站超过250 mm, 175个站超过100 mm, 超过100 mm的站数占到了陇南市的45.3%, 最大累计降水量出现在康县白杨达679.8 mm [图4(c)]。同样, “8·14”前期也是暴雨过程频繁, 降水量明显偏多, 7月24 -25日、 8月3 -6日、 10 -12日出现了暴雨、 局地大暴雨的天气过程, 截至14日08:00, 陇南市累积降水量有89.1%的站点超过50 mm, 其中有16站超过300 mm, 43站超过250 mm, 307站超过100 mm, 超过100 mm的站数占到了陇南市的79.5%, 最大累积降水量出现在文县口头坝457.3 mm [图4(d)]。可以看出, “7·22”前期累积降水量超过500 mm、 300 mm、 50 mm的站点比“8·14”多, 但超过250 mm、 100 mm的站点却比“8·14”少2.6%和34.2%, 也就是说, “8·14”前期累积降水平均面雨量比“7·22”大, 除徽县、 两当县外, 其他县区平均面雨量均大于“7·22”过程, 且武都区、 宕昌、 成县、 西和、 礼县均大于30 mm以上, 武都区、 成县分别大于69.9 mm和76.3 mm(表3)。

5.1.3 过程前后累积降水

两次暴雨过程前后累积降水也是有一定的差异, “7·22”过程前后累积降水有10个站超过500 mm, 最大累计降水量出现在文县中庙895.4 mm, 有84个站超过300 mm, 111站超过250 mm, 149个站超过200 mm, 218个站超过150 mm[图4(e)]; “8·14”过程前后累积降水有11个站超过500 mm, 最大累计降水量出现在文县碧口738.4mm, 有104个站超过300 mm, 168个站超过250 mm, 268个站超过200 mm, 326站超过150 mm [图4(f)]。可以看出, 过程前后累积降水超过500 mm的强降水区“8·14”和“7·22”差不多, 但过程前后累积降水超过300 mm、 250 mm、 200 mm和150 mm的范围“8·14”却比“7·22”大, 分别超过了5.1%、 14.7%、 34.2%和28.0%。同时也可以看出(表3), “8·14”过程除徽县、 两当县外, 其他县区平均面雨量均大于“7·22”过程, 两次过程康县平均面雨量最大, “7·22”和“8·14”过程分别为369.8 mm和416.7 mm, 其次是成县、 徽县, 武都区和文县虽然其平均面雨量不是很大, 但两次过程造成的灾害均达到了严重等级, 说明了引发暴雨灾害降水并不是单一的因子。

5.2 承灾体特征

陇南市是中国历史上农耕文化、 畜牧文化和渔猎文化交汇积淀的地域, 近年来, 随着国家对西部地区的大支持, 陇南市经济总量逐年呈现出良好的发展态势。全市2023年GDP总量为602.7亿元, 其中, 武都区178.85亿元, 占陇南市总GDP的29.7%, 是陇南市经济最强的区县, 也是全市唯一GDP超过100亿元的区县; 其次是成县为87.62亿元、 文县75.19亿元, 最差是两当县, GDP仅为14.21亿元。根据第七次人口普查结果, 陇南市常住人口为240.73万人, 是甘肃省第四人口大市, 且主城区人口密集, 其中武都区常住人口为54.66万人, 是陇南市人口最多的区县, 其次礼县42.41万人、 西和县35.11万人, 文县有19.69万人, 两当县最少为3.97万人。当前, 陇南市仍以农业、 林业和旅游业为主导产业, 产业结构较为单一, 抗风险能力较弱。
“7·22”和“8·14”暴雨灾害造成的受灾人口和经济损失分别占陇南市总人口和GDP的8.5%、 6.5%和35.8%、 45.2%, 且暴雨灾害等级为严重等级的武都区、 文县是陇南市经济较强、 人口较多的地区, 同时也可以看出, “8·14”暴雨灾害比“7·22”要严重。

5.3 孕灾环境特征

陇南市地处秦巴山地西部与青藏高原东部边缘的交汇地带, 地质构造复杂, 山脉连绵, 沟谷深切, 地质构造表现为褶皱构造突出。中秦岭华力西皱带, 南秦岭印支褶皱带、 碧口中元古代褶皱带穿过, 岩性坚硬, 河谷软岩广布, 是甘肃省地质灾害和洪水灾害的高发区, 也是中国四大泥石流灾害高发区之一, 尤其是武都区是国内受泥石流及洪水灾害威胁严重城市之一。经查明的地质灾害隐患点陇南市占全省总数的31.2%, 武都区最多, 占陇南市的29.4%; 其次是文县, 占陇南市的17.7%; 再次是礼县、 徽县、 康县、 西和县, 两当县地质灾害隐患点最少, 只占陇南市的2.4%。统计得出, 近60年甘肃省地质灾害发生频次最高、 危害最重在陇南市, 而陇南市武都区为全省最多, 其次就是文县、 礼县, 西和、 宕昌、 成县也较多。根据田丰等(2017)裴惠娟等(2017)的研究结果得出, 甘肃省地质灾害的危险性除了致灾因子中的降水、 承灾体的特征外, 就是孕灾环境内部的潜在因子, 包括地形、 地貌、 水文、 构造等, 其中河网密度、 坡度、 地层岩性、 地貌类型起到关键作用。河网密度是指河网长度与流域面积之间的比值, 可以间接反映暴洪、 地质灾害危险性的相对大小, 即河网密度大的地方, 说明该地区河流、 支流多且密集, 遭遇暴洪、 地质灾害的可能性较大。陇南市区域内有嘉陵江、 白龙江、 西汉水、 乐素河、 清河等河流, 河网密度均在0.16 km·km-2以上, 成县、 西和达到了0.25 km·km-2, 是甘肃省暴洪、 地质灾害重点防治区。坡度不仅可以定量描述地形地貌特征, 同时和暴洪、 地质灾害的发生存在很大相关性, 陇南市境内白龙江流域, 地貌类型非常复杂, 武都区海拔最高3600 m, 最低660 m, 文县海拔最高4187 m, 最低550 m, 形成了很大的坡度, 文县平均坡度是甘肃省最大的, 达到了28.42°, 武都区、 宕昌、 两当县也属于较大区, 平均坡度分别达到了24.15°、 23.16°、 22.44°。另外, 陇南全境可分为三个地貌类型区: 浅中切割浅山丘陵盆地地貌区, 本地域包括徽成盆地的成县、 徽县、 两当县, 地势平缓, 缓坡丘陵盆地; 中深切割中高山地貌区, 本区域包括康县、 武都区、 文县, 山势较高、 沟壑纵横, 高山河谷交错分布; 全切割中高山地貌区, 本区域包括宕昌县、 礼县、 西和, 相对高差小, 地势平缓, 河谷开阔(表4)。
表4 陇南市各县区平均河网密度和坡度

Table 4 Average river network density and slope of Longnan City counties

武都区 宕昌县 文县 康县 成县
平均河网密度/(km·km-2 0.17 0.16 0.23 0.21 0.26
平均坡度/(°) 24.15 23.16 28.42 22.31 18.34
地层岩性 松散堆积物(极软岩体) 软弱岩体 松散堆积物(极软岩体) 软弱岩体 软弱岩体
地貌类型 大起伏山、 沟壑纵横, 高山河谷 中起伏山、 地势平缓, 河谷开阔 大起伏山、 沟壑纵横, 高山河谷 大起伏山、 沟壑纵横, 高山河谷 丘陵盆地
徽县 两当县 西和县 礼县
平均河网密度/(km·km-2 0.18 0.22 0.25 0.18
平均坡度/(°) 18.74 19.44 17.16 17.28
地层岩性 硬岩体 硬岩体 软弱岩体 软弱岩体
地貌类型 丘陵盆地 丘陵盆地 中起伏山、 地势平缓, 河谷开阔 中起伏山, 地势平缓, 河谷开阔
另外, 蒲金涌等(2006)从甘肃省6 -8月100 cm土壤水分容纳量的角度也研究了甘肃省因降水造成暴洪灾害的特征, 结果得出, 陇南市的白龙江、 白水江流域6 -8月土壤持水量低, 渗透强度差, 水分可容纳量小, 暴雨极易形成强大的地表径流。
综上所述, 陇南市武都区、 文县暴雨致灾风险最高, 其次是康县, 再次是宕昌、 礼县、 徽县、 西和、 成县, 两当县最低。
因此, 高强度降雨是“7·22”和“8·14”致灾的主要原因, 但特殊的地质地貌也使“7·22”和“8·14”两次暴雨造成的灾害有所不同。“7·22”和“8·14”两次暴雨过程中陇南市康县降水量最大, 过程前后累积平均面雨量均大于360 mm, 由于康县暴雨致灾风险较武都区、 文县小, 两次过程暴雨灾害等级均属中度; 武都区、 文县两次暴雨过程及过程前后累积平均降水量均较小, 但暴雨灾害等级属严重区; “7·22”宕昌、 礼县、 西和过程前后累积平均降水量比“8·14”小很多, 其暴雨灾害等级均比“8·14”小, 成县、 徽县两次过程降水量虽不及康县, 暴雨致灾风险较武都区、 文县小, 但由于过程及过程前后降水量较大, 且“7·22”两县反复多轮出现短时强降水, 仅7月22日20:00至23日20:00 24 h内, 两县部分地方的短时强降水达30次以上, 其暴雨灾害等级也属中度; 两当县两次过程及过程前后降水量也较大, 但由于两当属于地质灾害不易发区, 暴雨灾害等级为轻度。

6 结论

本文以陇南市1961年以来最强两次暴雨过程2024年“7·22”和2020年“8·14”为例, 利用气象、 灾情、 地形地貌等资料, 采用自然灾害系统理论, 分析了两次暴雨的致灾过程, 并进行了对比, 结论如下:
(1) 降水强度强、 累积雨量大、 强降水持续时间长、 极端性明显, 且与前期暴雨落区反复重叠, 是陇南市“7·22”、 “8·14”暴雨过程的降水特征, 也是致灾的主要因子。虽然“8·14”暴雨过程中的大暴雨、 特大暴雨范围及短时强降水出现频次远远不如“7·22”, 但“8·14”过程强降水持续时间较“7·22”长, 暴雨范围比“7·22”大, 除宕昌、 成县外, 其他县区的平均面雨量均大于“7·22”; 同时, 过程前期累积降水量超过250 mm、 100 mm的范围“8·14”比“7·22”大2.6%和34.2%, 过程前后累积降水量超过200 mm和150 mm的范围“8·14”比“7·22”大14.2%和21.2%, 。过程前期及过程前后累积平均面雨量除徽县、 两当外, 其他县区“8·14”均大于“7·22”过程。因此, “8·14”暴雨过程造成的灾情比“7·22”严重。
(2) 武都区是陇南市经济最强的区县, 其GDP占陇南市总数的29.7%, 其次是成县、 文县, 最差是两当县; 同时, 武都区也是陇南市人口最多的区县, 其次礼县、 西和县和文县, 两当县最少为3.97万人。“7·22”和“8·14”暴雨灾害造成的受灾人口和经济损失分别占陇南市总人口和GDP的8.5%、 6.5%和35.8%、 45.2%, 暴雨灾害等级为严重等级的武都区、 文县是陇南市经济较强、 人口较多的地区。
(3) 高强度降雨是陇南市“7·22”和“8·14”致灾的主要原因, 但其9县区各自的特殊地质地貌也使“7·22”和“8·14”两次暴雨灾害有所不同。陇南市9县区中武都区、 文县地质灾害隐患点多, 平均坡度、 河网密度大, 沟壑纵横, 高山河谷交错分布, 暴雨致灾风险高, 其次是康县, 再次是宕昌、 礼县、 徽县、 西和、 成县, 两当县最低, 致使“7·22”和“8·14”两次暴雨过程中武都区、 文县降水量不是最大, 但灾害属严重等级; 而康县降水量最大, 由于康县暴雨致灾风险较小, 两次过程暴雨灾害等级均属中度; 两当县两次过程降水量也比较大, 但由于两当地势平缓, 地貌为缓坡丘陵盆地, 属于地质灾害不易发区, 暴雨灾害等级为轻度。
Pelfini M Santilli M2008.Frequency of debris flows and their relation with precipitation: a case study in the Central Alps; ltaly[J].Geomorphology101(4): 721-730.

陈静静, 姚蓉, 文强, 等, 2014.湖南省降雨型地质灾害致灾雨量阈值分析[J].灾害学29(2): 42-47.

Chen J J Yao R Wen Q, et al, 2014.Hazard rainfall threshold analysis of rainfall-induced geological disasters in Hunan province[J].Journal of Catastrophology29(2): 42-47.

翟盘茂, 刘静, 2012.气候变暖背景下的极端天气气候事件与防灾减灾[J].中国工程科学14(9): 55-63.DOI: 10.3969/j.issn.1009-1742.2012.09.007.Zhai P M

Liu J2012.Extreme weather/climate events and disaster prevention and mitigation under global warming background[J].Engineering Sciences14(9): 55-63.DOI: 10.3969/j.issn.1009-1742.2012.09.007 .

丁一汇, 2015.论河南“75·8”特大暴雨的研究: 回顾与评述[J].气象学报73(3): 411-424.

Ding Y H2015.On the study of the unprecedented heavy rainfall in Henan Province during 4-8 August 1975: Review and assessment[J].Acta Meteorologica Sinica73(3): 411-424.

李成, 高帅, 于宁宇, 等, 2023.陕西省地质灾害气象预报预警指标研究[J].灾害学38(3): 82-86.DOI: 10.3969/j.issn.1000 -811X.2023.03.013.Li C

Gao S Yu N Y, et al, 2023.Study on meteorological forecast and warning index of geological disasters in Shanxi povince[J].Journal of Catastrophology38(3): 82-86.DOI: 10.3969/j.issn.1000-811X.2023.03.013 .

李大卫, 石树中, 杨福平, 等, 2014.自然灾害风险评估综述[J].价值工程33(26): 322-325.

Li D W Shi S Z Yang F P, et al, 2014.Summary of natural disaster risk assessment[J].Value Engineering33(26): 322-325.

马超, 胡凯衡, 赵晋恒, 等, 2013.震后泥石流的激发用量特征——以汶川地震和集集地震后泥石流为例[J].灾害学28(4): 89-94.DOI: 10.3969/j.issn.1000-811X.2013.04.018.Ma C

Hu K H Zhao J H, et al, 2013.Analysis of the rainfall parameters of debris flows after strong earthquake——example of debris flows after Wenchuan earthquake and Chichi earthquake[J].Journal of Catastrophology28(4): 89-94.DOI: 10.3969/j.issn.1000-811X.2013.04.018 .

闵颖, 胡娟, 李超, 等, 2013.云南省滑坡泥石流灾害预报预警模型研究[J].灾害学28(4): 216-220.DOI: 10.3969/j.issn.1000-811X.2013.04.043.Min Y

Hu J Li C, et al, 2013.Prediction model about landslide and debris flow in Yunnan Province[J].Journal of Catastrophology28(4): 216-220.DOI: 10.3969/j.issn.1000-811X.2013.04.043 .

裴惠娟, 陈晋, 李雯, 等, 2017.甘肃省地质灾害风险评估[J].灾害学32(2): 97-102.DOI: 10.3969/j.issn.1000-81lX.2017.02.017.1.Pei H J

Chen J Li W, et al, 2017.Geological disaster risk assesment in Gansu province[J].Journal of Catastrophology, 2017, 32(2): 97-102.DOI: 10.3969/j.issn.1000-81lX.2017.02.017.1 .

蒲金涌, 苗具全, 姚小英, 等, 2006.甘肃省暴雨洪水灾害分布特征研究[J].灾害学21(1): 27-31.Pu J Y, Miao J Q, Yao X Y, et al, 2006.A study on characteristics of distribution of rainstorm and flood disasters in Gansu province[J].Journal of Catastrophology, 2006, 21(1): 27-31.

史培军, 2009.五论灾害系统研究的理论与实践[J].自然灾害学报18(5): 1-9.

Shi P J2009.Theory and practice on disaster system research in a fifth time[J].Journal of Natural Disasters18(5): 1-9.

苏布达, 孙赫敏, 李修仓, 等, 2020.气候变化背景下中国陆地水循环时空演变[J].大气科学学报43(6): 1096-1105.

Su B D Sun H M Li X C, et al, 2020.Impact of climate change on terrestrial water cycle in China[J].Transactions of Atmospheric Sciences43(6): 1096-1105.

田丰, 张军, 冉有华, 等, 2017.甘肃陇南市泥石流灾害危险性及影响因子评价[J].灾害学32(3): 197-203.DOI: 10.3969/i.issn.1000-811X.2017.03.033.1.Tian F

Zhang J Ran Y H, et al, 2017.Assesment of debris flow disaster hazard and influence factors in Longnan district[J].Journal of Catastrophology32(3): 197-203.DOI: 10.3969/i.issn.1000-811X.2017.03.033.1 .

铁永波, 周洪福, 倪化勇, 2013.西南山区短时强降雨诱发型低频泥石流成因机制分析——以四川省宝兴县冷木沟泥石流为例[J].灾害学28(4): 110-113.DOI: 10.3969/j.issn.1000-811X.2013.04.022.Tie Y B

Zhou H F Ni H Y2013.Formation of low frequency debris flow induced by short-time heavy rainfall in mountain area of Southwest China——Take Lengmu debris flow as an example, Baoxing, Sichuan province[J].Journal of Catastrophology28(4): 110-113.DOI: 10.3969/j.issn.1000-811X.2013.04.022 .

童亿勤, 杨晓平, 李加林, 等, 2007.宁波市水旱灾害孕灾环境因子分析[J].灾害学22(3): 32-35.DOI: 10.3969/j.issn.1000-811X.2007.03.008.Tong Y Q

Yang X P Li J L, et al, 2007.Study on hazard inducing factors of drought and flood disasters in Ningbo[J].Journal of Catastrophology22(3): 32-35.DOI: 10.3969/j.issn.1000-811X.2007.03.008 .

万石云, 李华宏, 胡娟, 2013.云南省滑坡泥石流灾害危险区划[J].灾害学28(2): 60-64.DOI: 10.3969/j.issn.1000-811X.2013.02.013.Wan S Y

Li H H Hu J2013.Hazard zoning of landslide and debris flow disasters in Yunnan Province[J].Journal of Catastrophology28(2): 60-64.DOI: 10.3969/j.issn.1000-811X.2013.02.013 .

徐粒, 李倩, 王瑛, 等, 2020.气候变化情景下泥石流危险性响应分析[J].气候变化研究进展16(4): 415-423.

Xu L Li Q Wang Y, et al, 2020.Analysis of the change in debris flow hazard in the context of climate change[J].Climate Change Research16(4): 415-423.

颜悠逸, 高路, 陈仁德, 等, 2024.福州市 2305“杜苏芮”台风灾害链致灾与成害过程分析[J].灾害学39(4): 228-234.DOI: 10.3969/j.issn.1000-811X.2024.04.033.Yan Y Y

Gao L Chen R D, et al, 2024.Analysis of disaster and damage process caused by No.2305 “Doksur” typhoon disaster Chain in Fuzhou City[J].Journal of Catastrophology39(4): 228-234.DOI: 10.3969/j.issn.1000-811X.2024.04.033 .

张雪芬, 余卫东, 王春乙, 2012.基于作物模型灾损识别的黄淮区域冬小麦晚霜冻风险评估[J].高原气象31(1): 277-284.

Zhang X F Yu W D Wang C Y2012.Risk evaluation for spring frost disaster of winter wheat in Yellow River-Huai river regions based on crop model[J].Plateau Meteorology31(1): 277-284.

中国国家标准化管理委员会, 2017. 暴雨灾害等级: GB/T 33680-2017 [S].北京: 中国标准出版社.Standardization Administration of the People's Republic of China, 2017.Grades of rainstorm disaster: GB/'T 33680-2017[S].Beijing: Standards Press of china.

中国国家标准化管理委员会, 2012. 降水量等级: GB/T 28592-2012 [S].北京: 中国标准出版社.Standardization Administration of the People's Republic of China, 2012.Grades of precipitation: GB/'T 28592-2012[S].Beijing: Standards Press of china.

中国气象局, 2016. 降雨过程强度等级: QX/T 341-2016 [S].北京: 中国标准出版社.China Meteorological Administration, 2016.The intensity grade of rainfall process: QX/T 341-2016 [S].Beijing: Standards Press of china.

文章导航

/