1 引言
山洪是指山溪沟中集水面积上短时强降雨大大超过水量而产生的地表径流（张明达等, 2016）。它是由降水、 地形地貌等多种因素综合而成的结果, 具有突发性、 破坏力强、 来势凶猛等特点（葛小平等, 2002; Tang et al, 2006; 刘志雨等, 2010）。山洪及其诱发的滑坡、 泥石流等灾害, 常对房屋、 田地、 桥梁、 牲畜以及人员等造成严重危害（程卫帅, 2013）。山洪灾害的形成机理十分复杂, 但降水是诱发山洪灾害的最直接的外动力因素（曲晓波等, 2010; 张俊兰等, 2017; 庄晓翠等, 2018）, 当累积降水量达到洪沟的致灾临界雨量时, 很容易发生山洪灾害, 因此致灾临界雨量准确的计算对防洪减灾具有重要的意义（曾勇等, 2018）。
目前, 全国各省（市）已经陆续的开展流域内山洪的淹没模拟以及致灾临界雨量的研究（叶勇等, 2008; 李兰等, 2013; 叶金印等, 2014; 谢五三等, 2015）。张磊等（2015）基于FloodArea模型对福建省泉州市的梅溪流域进行了旨在临界雨量阈值的确定, 并开展了山洪灾害精细化预警方法研究; 张明达等（2016）利用流域内气象站点逐时降雨量进行了淹没模拟, 得出了各等级的致灾临界雨量; 郑璟等（2015）对马贵河流域的特大山洪过程进行了模拟和校正, 根据模拟结果对预警点的降水和淹没深度进行了关系拟合, 最终确定出了不同风险等级的致灾临界雨量。然而以上的研究所用的降水数据多为气象站或区域自动站的雨量数据, 对于新疆而言, 区域自动站虽已布设到乡镇级, 但新疆地域幅员辽阔, 降水局地性较强, 区域自动站分布稀疏, 而降水量作为山洪灾害发生的最直接的诱因, 目前区域自动站对降水在空间上的监测, 无法满足流域内山洪过程的精确模拟, 对致灾临界雨量的确定会产生较大的误差（姚俊强等, 2018; 张连成等, 2018）。然而SWAN系统中定量降水估测(Quantitative Precipitaion Estimation, QPE)数据空间分辨率较高、 覆盖范围广（苏军锋等, 2012; 李俊等, 2012; 吕晓娜等, 2013）, 可定量估测偏远地区以及尺度较小的局地无雨量监测区域的降水量, 为精确的模拟山洪过程以及致灾临界雨量的确定提供可靠的数据基础（Norbbiato et al, 2009; 赵琳娜等, 2012; Dugwon et al, 2013）。
针对以上分析, 以伊宁县博尔博松流域为研究区, 基于FloodArea模型, 运用区域自动站小时降水数据、 QPE、 订正后的QPE(简称“R-QPE”)等数据, 分别对同一山洪过程进行淹没模拟, 通过实测数据对模拟结果进行精度检验, 得到面雨量-淹没深度的关系, 通过淹没深度的等级推导出致灾临界雨量阈值。
2 资料来源与方法介绍
2.1 研究区域
选取博尔博松流域为研究区（图1）, 其位于新疆伊宁县境内, 地处欧亚大陆腹地中纬度地带, 属于温带大陆性气候, 降水的垂直地带分布明显, 山区降水明显大于平原, 山区春夏季节多突发性天气和暴雨。流域内包括1个乡镇、 10个自然村, 人口大多分布在下游, 流域地势陡峭, 且多处于高山深处, 整体上呈东北-西南走向, 海拔在819.1~3328.1 m, 面积为616 km2, 流域内仅有1个区域自动站。从图1可以看出, 在该流域的上游多条小支流在不断汇聚形成了3条主要支流, 当降水量不断的累积, 3条支流的水流在中下游汇聚, 最终形成一条主要干流, 在一场短时强降水过程中, 汇流处水位会瞬时聚集, 极易形成暴涨的洪水。自2010年以来该流域共发生6次山洪灾害, 其时间分别为2010年7月10 -11日、 2011年8月11 -12日、 2013年8月8日、 2013年8月25日、 2015年6月28日、 2016年6月17日。 其中, 2016年6月17日博尔博松流域发生短时强降水, 区域站降水量为103.9 mm, 达特大暴雨量级, 引发洪水爆发, 从气象部门灾情直报获悉, 此次降水过程近千人受灾, 淹没耕地1千余亩, 防洪堤坝冲毁数百米, 经济损失达到数百万元。
2.2 研究资料
所使用的资料主要包括: 降水数据、 数字高程（DEM）数据、 土地利用类型数据。
（1） QPE小时数据: 从新疆气象台获取的2013 -2017年5 -8月覆盖伊宁县分辨率为0.01°的QPE小时产品数据, 共计13325条;
（2） 区域自动站降水数据: 从新疆气候中心获取2013年8月25日、 2015年6月28日、 2016年6月17日, 共计3次过程的小时降水数据。虽然自2010年以来该流域共发生6次山洪灾害, 但研究区自动站从2013年开始陆续建站, 为了满足数据要求, 本研究选取2013年以后的3次降水过程。
（3） 数字高程（DEM）数据: 从NASA网站下载的覆盖新疆区域30 m 数字高程（DEM）数据;
（4） 土地利用数据: 从地理空间数据云中下载覆盖新疆区域的1 km土地利用数据, 为了与DEM数据在空间像元上保持一致, 将此数据重采样为30 m。
2.3 研究方法
2.3.1 反距离权重法(IDW)
此方法是基于相近相似的原理, 即在同一个区域内, 两个测量点距离越近, 则测定参数越相似, 反之, 距离越远则相似性越小。它以插值点与样本点间的距离为权重进行加权平均, 离插值点越近的样本点赋予的权重越大。此方法已在气象、 水文、 土壤等领域得到了广泛的应用（王春光等, 2018; 朱玉果等, 2018; 崔晓临等, 2018）。本文通过此方法对3种数据降水空间分布以及权重进行插值, 其公式为
,
式中: 为估测值; 为第 个样本点的值; 为第 个样本点与插值点之间的距离; 为样本总数。
2.3.2 FloodArea模型
德国Geomer公司基于GIS栅格数据开发内嵌GIS平台的FloodArea模型, 用来计算洪水淹没深度和范围。其计算是基于水动力方法, 对地形、 河道和土地利用类型等参数较为敏感。目前该模型对洪水演进过程取得了较好的效果, 已在国内外科研、 工程等部门得到了运用（谢五三等, 2015; 张明达等, 2016; 张连成等, 2018）。本文运用此模型对研究区3种数据3次降水的淹没过程进行模拟。
2.4 数据处理
2.4.1 QPE数据的订正
运用相关分析法分析出纬度、 经度、 海拔以及距雷达距离对降水的影响程度, 并确定出影响降水分布的主要因子, 通过多元线性回归方程建立QPE数据的订正模型, 订正后的QPE数据记为R-QPE数据, 通过交叉验证的方法对R-QPE小时产品进行精度检验, 结果表明R-QPE产品虽然存在低估现象, 但相较订正前, 在不同降水量级上的估测能力均得到不同程度的提升, 与实测数据相比, 总体平均相对误差仅为0.85 mm, 误差较小, 能够满足本研究的精度需求。具体做法可参考刘维成等（2014）的文献。
2.4.2 降水空间分布权重
QPE、 R-QPE数据: 通过编程手段3次降水过程共46时次（2013年22时次、 2015年18时次、 2016年6时次）QPE数据解译成CSV格式, 运用ArcGIS10.0软件将解译的CSV数据通过数据管理工具中的创建XY图层加载到ArcGIS界面, 并将此数据转化成shp文件。由于QPE、 R-QPE数据的空间范围覆盖全疆, 数据量较大, 运算需要花费大量时间, 为了节约数据处理时间, 创建覆盖研究区的三角矢量, 将QPE、 R-QPE数据进行裁剪, 裁剪后的数据运用反距离权重法（IDW）进行空间插值。运用栅格计算器对46时次的QPE、 R-QPE插值数据进行均值处理, 并以研究区矢量为边界进行空间裁剪, 同时除以最大值, 得到0.1~1空间范围内的系数, 最终得到研究区降水空间分布权重[图3(b), (c)]。
从3种数据确定出的降水空间分布权重看, 区域自动站数据确定的权重在0.61~1, 得出的系数分布在高值范围内, 分布不够匀称, 不能完全代表研究区降水分布情况。QPE数据和R-QPE数据确定的权重系数区间较为相近, 分别在0.12~1, 0.13~1, 系数分布较为均匀, 能够很好的代表研究区降水分布的权重程度; 从空间分布看, 自动站数据确定的降水空间分布权重呈现片状分布, 空间连续性和过度性较差, 而QPE数据和R-QPE数据确定的权重空间上分布较为均匀, 连续性较好, 能够反映出不同地形、 局地性降水以及小尺度范围的降水空间分布情况。
造成以上结果主要由于研究区自动站较少, 并且空间分布极为不均匀, 研究区及周边仅有6个自动站, 大多布设在研究区的西南方向的中下游, 所在地形相对平坦, 在进行数据插值时由于基础数据空间分布的不足、 地形的复杂性以及降水的局地性, 使得最终得出的结果无法代表整个区域的权重分布。而QPE数据和R-QPE数据在空间上分辨率为0.01°, 空间分布较为均匀, 连续性好, 得出的结果能够很好地反映出整个研究区不同环境背景下的降水空间分布权重。
2.4.3 地表水力糙度
地表水力糙度指的是流体力学上的粗糙度, 是衡量冲沟边壁或河道粗糙程度和形状不规则性影响的一个综合性指数(刘鸣彦等, 2015), 本文利用新疆土地利用类型数据, 根据孙桂华等（1992）和张洪江等（1994）的研究对不同土地利用类型的水力糙度给予赋初值, 根据山洪淹没模型的效果可以进行参数的调整（图4）, 其中建筑用地为18, 旱田为33, 林地为50。从图4中可以看出, 研究区大部分区域为林地并且分布在流域的中上游, 建筑用地分布在下游人员聚集区, 旱田多分布在中下游, 主要沿主沟道周边分布。
2.4.4 典型降水过程面雨量的确定
根据历史灾情资料, 选取了2013年8月25日、 2015年6月28日、 2016年6月17日博尔博松流域的3次降水过程作为本研究的典型降水过程。分别运用3种数据源（区域站小时降水数据、 QPE数据、 R-QPE数据）确定出该流域面雨量。其中, 区域自动站面雨量的确定: 选取流域内及其周边共计6个区域自动站同一时段逐小时降水数据, 并对此数据进行平均处理, 得到了逐小时平均降水数据, 此数据作为该区域内一次降水过程的面雨量数据, 并生成文本文件; QPE、 R-QPE数据面雨量的确定: 将研究区范围内一次降水过程的0.01°降水数据点以1 h为时间步长对整个研究区进行平均处理, 得到区域内一次降水过程的面雨量数据, 并生成文本文件。
2.4.5 隐患点的实测数据采集
针对2016年6月17日博尔博松流域淹没过程, 选取该流域具有代表性淹没点作为考察点进行淹没深度的测量。由于研究区上游多为山地, 人员车辆到达极为困难, 无法进行淹没实测, 另外研究区人口多聚集在下游区域, 山洪发生极易造成人员伤亡。本文选取的考察点是山洪发生时极易造成重大灾害, 也是人员可以到达的区域, 具有一定的代表性, 综合所述, 本文选取了博尔博松村和塔尔村两个代表性比较好的隐患点作为考察点, 对考察点的地名、 淹没深度、 经度、 纬度等数据做了记录（表1）。
表1 2016年6月17日博尔博松村和塔尔村两个观察点的位置和淹没深度Table 1 Location and inundation depth of the twoobservation points in Bolbosong Village andThar Village on June 17, 2016 |
| 编号 | 地点 | 经度 | 纬度 | 淹没深度/m |
|---|---|---|---|---|
| 1 | 博尔博松村 | 81.98°E | 43.98°N | 0.78 |
| 2 | 塔尔村 | 81.96°E | 43.95°N | 1.80 |
3 结果与分析
3.1 洪水过程再现模拟
根据博尔博松流域的面雨量数、 降水空间分布权重、 地表水力糙度以及DEM等数据, 利用FloodArea模型对研究区2013年8月25日、 2015年6月28日、 2016年6月17日暴雨洪涝过程以1 h为时间步长进行再现模拟。
3.1.1 时间变化特征分析
从三次淹没过程分析看, 2013年8月25日和2015年6月28日两次淹没过程可以分成三个阶段, 第一阶段为淹没的蓄积期, 此阶段降水累积量不断增加, 但地表并未形成明显的径流; 第二阶段为淹没的稳定增长期, 此阶段地表径流开始形成, 并且随着累积降雨量的不断增加淹没深度稳定增加; 第三阶段波动上升期, 此阶段淹没深度上下震荡幅度较大, 但淹没深度仍然保持上升趋势, 而且比前一阶段的上升斜率更大; 2016年6月17日仅有蓄积期和稳定增长期, 这主要由于此次降水过程维持的时间较短, 无法达到第三个阶段。
3.1.2 空间变化特征分析
图6为运用R-QPE数据模拟的2015年6月28日一次洪水淹没过程[时间跨度为28日08:00（北京时, 下同)至29日01:00]。从图6中可以看出, 在此次淹没过程中前2 h的降水并未出现淹没痕迹, 当降水累积到第3个小时后水流开始逐渐汇聚, 形成淹没径流, 此时的径流分布的相对分散, 多是一些分支的小支流, 并未形成明显的干流, 随着降水的不断持续, 到第6~9个小时干流逐渐形成, 淹没水位不断上升, 淹没范围逐渐变大, 上流各支流的水流不断的向中下游的干流汇聚, 到第12个小时各支流与干流交界处的水位快速上升, 淹没范围进一步扩大, 若不及时预警, 采取相应的避险措施, 会对下游造成极大的危险。
3.2 精度检验
三次淹没过程, 仅对2016年6月17日进行了现场调研, 并测量了考察点的淹没深度, 因此本文通过2016年6月17日的一次淹没过程, 选取两个淹没点的实测深度对三种数据模拟的淹没深度进行精度检验, 并将两个考察点分别记为考察点1（博尔博松村）和考察点2（塔儿村）。由表2可以得出, 考察点1实测淹没深度为0.78 m, 三种数据对应的模拟水深分别为1.24 m(自动站数据), 0.13 m（QPE数据）和0.43 m（R-QPE数据）, 与实测数据相比绝对误差分别为0.46 m, 0.78 m和0.35 m; 考察点2实测淹没深度为1.8 m, 模拟水深分别为3.15 m(自动站数据), 0.36 m（QPE数据）和1.15 m（R-QPE数据）（表2）, 绝对误差分别为1.35 m, 1.44 m和0.65 m。
表2 考察点模拟与实测的淹没深度Table 2 The depth of inundation simulated and measured at the investigation points |
| 考察点 | 实测淹没深度/m | 区域自动站降水数据模拟水深/m | QPE数据模拟水深/m | R-QPE数据模拟水深/m |
|---|---|---|---|---|
| 博尔博松村 | 0.78 | 1.24 | 0.13 | 0.43 |
| 塔儿村 | 1.8 | 3.15 | 0.36 | 1.15 |
通过以上数据可以看出, 区域自动站降水数据模拟的淹没深度要大于实测深度, 而QPE和R-QPE数据要小于实测深度, 这主要是由于区域自动站多集中在研究区的中下游, 若此区域有局地强降水过程, 降水的空间权重要远远大于研究区其它区域, 通过此数据确定出的面雨量也要大于实际面雨量。R-QPE数据虽然准确度得到了大幅提升, 但与实测降水数据相比仍存在较小的低估, 确定出的面雨量也要小于实际面雨量, 因此最终导致模拟的结果要小于实测淹没深度。另外QPE数据模拟的结果误差要大于其他两种数据, 这是由于QPE数据本身就有很大的误差, 因此在使用此数据前必须对该数据进行误差订正。R-QPE数据模拟的洪水淹没过程要好于其他两种数据, 并且考察点1的精度大于考察点2。
综合以上分析可以得出, 运用R-QPE数据, FloodArea模型对研究区洪水过程模拟的效果最好, 可以反映出该区域的洪水淹没情况, 能为无水文资料山区流域的山洪过程进行较为精准的模拟。
3.3 面雨量-淹没深度关系的建立
鉴于考察点1位于流域上方, 洪水经过早、 涨水快、 水力大、 模拟的结果精度高, 所以选其作为预警点, 可以提高整个流域洪水监测时效和预警能力。分析该点处逐时不同累计时效的面雨量和模拟洪水过程线的相关关系, 取相关系数最好的一组换算表达式, 得到预警点淹没某一深度时对应的面雨量, 这就是考察点淹没达到或超过某一量值时的致灾临界面雨量。
如图7所示, 在1~7 h淹没深度随着面雨量逐时累计时效的增加相关系数在不断上升, 7~12 h相关系数逐渐降低, 峰值出现在7 h, 相关系数达到0.989, 并通过0.01的显著性检验。因此选取累计7 h的面雨量数据与淹没深度建立两者间的换算关系, 表达式如下:
,
式中: 为考察点的面雨量; 为考察点的淹没深度。
3.4 致灾临界雨量的确定
按照山洪灾害等级划分标准, 将山洪分为四个等级, 即四级（0.2 m）、 三级（0.6 m）、 二级(1.2 m)和一级(1.8 m)。因此得到预警点对应等级降水累计7 h的致灾临界雨量, 分别为6.25 mm, 23.61 mm, 49.64 mm和75.67 mm（表3）。
表3 不同淹没等级的淹没深度和致灾临界雨量Table 3 Submergence depth and disaster-causing critical rainfall of different submergence levels |
| 淹没等级 | 四级 | 三级 | 二级 | 一级 |
|---|---|---|---|---|
| 淹没深度/m | 0.2 | 0.6 | 1.2 | 1.8 |
| 临界雨量/mm | 6.25 | 23.61 | 49.64 | 75.67 |
4 结论与讨论
（1） 对模拟结果时空分布特征分析得出, 随着时间的变化淹没深度具有上升的趋势, 并且R-QPE数据模拟的淹没深度上升趋势要大于其他两种数据; 淹没过程大致可分为蓄积期、 稳定增长期、 波动上升期3个阶段。
（2） 通过精度验证得出, FloodArea模型运用自动站降水数据模拟的淹没深度与实测数据相比偏高, 而QPE、 R-QPE数据偏低, 与两个考察点的绝对误差分别为: 0.46 m, 0.78 m, 0.35 m和1.35 m, 1.44 m, 0.65 m, R-QPE数据模拟的洪水淹没过程效果最好精度最高, 能够反映出该流域的洪水淹没情况。
（3） 通过相关分析得出, 累计时效7 h的面雨量与模拟洪水淹没深度的相关性最好, 达到了0.989, 在此基础上建立了面雨量-淹没深度的关系。
（4） 按照面雨量-淹没深度的关系和山洪灾害等级划分标准得出, 预警点累计时效7 h面雨量得到对应四个等级的致灾临界雨量阈值分别为: 四级6.25 mm、 三级23.61 mm、 二级49.64 mm、 一级75.67 mm。
本文运用FloodArea模型对研究区3次（2013年8月25日、 2015年6月28日、 2016年6月17日）洪水过程进行再现模拟, 并对模拟结果进行了精度对比, 虽然可以达到精度要求, 但由于土地利用类型分辨率仅为1 km, 确定出的地表水力糙度分辨率较粗, 在模型运行中会对模拟的淹没精度造成影响, 在未来的研究中继续寻找更高分辨率的土地利用类型数据, 改进地表水利糙度的精度, 进一步提升淹没模拟的精准性。另外, 虽然QPE和R-QPE能够满足降水的空间分布, 但其分辨率较粗, 会给面雨量和降水空间分布权重的确定造成误差, 下一步工作提高降水空间分布的精准性, 进一提升面雨量和降水空间分布权重的精度, 以期提升模拟的淹没精度。