城市暴雨积涝灾害风险突增效应研究进展

城市暴雨积涝灾害风险突增效应研究进展

扈海波

Research progress of surging urban flood risks

Haibo HU

表2 通用暴雨危险性计算模型方法一览表

Tab.2 General rainstorm hazard assessment models

方法	简介	特点	文献来源
统一雨量量纲法	首先计算降水持续时间D(单位为h)的雨量值(R)和日降雨量( $\begin{matrix} R_{d} \end{matrix}$ )间的定量转换： $\begin{matrix} R_{d} = 4.216 R D^{- 0.475} \end{matrix}$ ,在得到不同降雨时段内的等效日雨量后,利用下式计算致灾因子危险性指数： $\begin{matrix} \{\begin{matrix} H = 0, P < \overset{′}{p} \\ H = Exp (P / \overset{′}{p}), P > \overset{′}{p} \end{matrix} \end{matrix}$ 式中：P为降水量; $\begin{matrix} \overset{′}{p} \end{matrix}$ 为累计降水阈值;H为降水过程所引起的危险性指数;设定日雨量或等效日雨量超过50 mm才有影响,即 $\begin{matrix} \overset{′}{p} \end{matrix}$ =50 mm。	方法基本上定量化,为下一步的风险评估方程提供输入参数。该方法需叠加脆弱性、敏感性及风险暴露因子等来综合评估暴雨灾害风险;综合了雨量及降雨持续时间信息。	扈海波等, 2013;Hu, 2015
分位数法	建立每个格点的雨量序列,计算格点的90%或99%的分位数值,以此判断所在格点的暴雨洪涝危险性大小,同时还可建立时间序列做Mann-Kendall (M-K)分析,检验格点的雨量增强趋势。	比较常用的极端天气及气候分析方法,能较好表现暴雨危险性的时空变化特征,但未较好体现与灾害性后果之间的关联;未作概率密度分析。	Krishnamurth et al, 2009
极限阈值法(POT)	用皮尔逊-通用普拉图(Poisson-generalized Pareto)概率密度函数计算超越概率,确定暴雨危险性的阈值,用最大似然法作参数估计,可借助Matlab等软件完成。Beguería等(2005)还利用“地形”等为影响因子的回归方程来估算暴雨危险指数。	较常用的极端气象要素值分析方法,用超越概率(重现期)确定暴雨危险性阈值。	Beguería et al, 2005
历史灾情法	基于危险性越大,灾情期望损失越大的原则,统计历史灾害损失的情况,确定危险性指数。Meyer等(2009)运用这一方法得出历史灾情损失曲线与极端暴雨出现概率呈自然指数形式的非线性递减的规律。	可直接由灾害期望损失来反映灾害风险,并可判定对应的极端暴雨雨量的阈值,对历史灾情资料的数据质量有很高的要求。	Meyer et al, 2009
洪涝指数模型(Ind-ex Flood Model)	采用通用极值(Generalized Extreme Value, GEV)的概率分布型函数,用累计函数(CDF)计算超越概率。其中洪涝指标可采用GEV的位置参数 $\begin{matrix} ξ (s) \end{matrix}$ 、统计均值及中位数。	确定连续性区域的危险性指数,不用针对单个格点进行统计;采用的GEV分布型较合适极端暴雨的雨量分布。	Buonomo et al, 2007; Goubanova et al, 2007; Hanel et al, 2009
Copulas模型方法	Copulas模型非常适合暴雨危险性特征分析,其关键是建立雨强和降雨持续时间的概率关联来推算暴雨危险性指数。Copulas运用GEV分布型来建立雨强和持续时间的概率分布函数,然后建立关联,而二者之间的关联主要有：Frank's族方法(Frank, 1979; Nelson, 1999);Gumbel族方法(Bonazzi et al, 2012);Clayton、AMH、 FGM、 A12和A14 copulas族(Genest et al, 2007)。	该方法可基于多维变量来计算暴雨危险性,有比较成熟的理论和方法体系;通常采用雨量和降雨持续时间的统计关联来建立二维信息的暴雨概率密度方程;方法比较客观并可定量化。	Nelsen, 1999; Genest et al, 2007; Bonazzi et al, 2012