洪涝全过程自然灾害评估研究及应用实践.pdf

9月上/2 0 2 3/中国减灾27洪涝全过程自然灾害评估研究及应用实践吴欢吴玮在洪涝灾害全过程中，对灾害损失进行持续、实时、快速、有效的评估是一项重要工作。近年来，受全球变暖等因素影响，极端洪涝灾害事件多发频发，我国防洪形势日益严峻，洪涝灾害损失评估面临诸多新挑战。本文分析了国内外研究现状和发展动态，并基于中山大学研究团队自主研发的分布式洪涝模型和全球至局地洪涝监测和预报系统，以6 月2 8 日一7 月5日重庆市万州区洪涝灾害为例，介绍了洪涝灾害全过程的评估应用实践。NQI7月2 9 日，第5号台风“杜苏芮”登陆后，空中俯瞰福建省福州市被水淹没的五四路ICphoto/图28P独家策划完善全过程评估体系提升灾害治理效能近年来，气候变暖等因素导致极端洪涝灾害事件趋多趋强，给很多国家和地区带来的负面冲击也在日益攀升。我国的防洪减灾形势尤其严峻。根据我国国家自然灾害救助应急预案（国办函（2 0 1 6）2 5号）自然灾害情况统计调查制度（应急（2 0 2 0）1 9 号）等要求，受灾人口、农作物受灾面积等是我国灾情统计管理和发布的重要内容，其中的紧急转移安置人口数量等更是启动救灾应急响应的核心指标。这就需要在洪涝灾害过程中对灾害损失进行持续、实时、快速、有效的评估。然而，洪涝灾害损失的定量评估在国内外均面临很大挑战，主要包括：高质量的承灾体数据集（人口、农作物、基础设施等）、对洪涝灾害全过程的有效模拟、准确和定量的洪涝灾害损失评估、洪涝引发次生灾害（泥石流、滑坡等）损失评估、多场次洪涝灾害事件的叠加效应评估等。国内外研究现状和发展动态分析目前，国内外相关研究和应用已经从定性洪涝灾害风险评估，转向定量洪涝损失评估。研究方法从宏观的关注灾害成因机理及灾情数理统计，发展为微观的注重灾情实时动态变化、高精度的基于情景模拟分析。（一）洪涝模拟和预报模型和系统针对暴雨洪涝灾害全过程、多场次灾害叠加效应的洪涝灾害，开展直接损失评估，需要持续稳定的洪涝监测和预报信息，包括洪涝淹没范围、水深、流速、流量、历时等。鉴于我国洪涝灾害分布广、持续时间长等特点，我国洪涝灾害损失评估尤其需要高精度、高分辨率（格网化）、天或小时尺度的滚动式洪涝监测和预报产品。目前的研究和应用多基于第三方洪涝产品，主要是在灾后进行灾害调查和分析，因此洪涝灾害损失评估在时效性（实时监测甚至预报）、完整性（对洪涝灾害全过程的连续监测）、精细化（公里甚至米级尺度）等方面存在缺失。而基于遥感信息的洪涝损失方法不仅受到成像条件、重访观测周期、幅宽等因素限制，导致数据缺失，在预测能力上更加有限。目前，世界上能提供持续稳定的全球和区域尺度的洪水监测或预报模型系统，主要有欧洲中期天气预报中心的集成洪水预报系统G1oFAS、欧洲洪水预警系统EFAS、本文作者及其团队研发的全球至局地洪涝监测和预报系统GHS-F等（见表1）。（二）洪涝灾害直接损失评估传统的洪涝灾害直接损失评估，需要涵盖洪涝灾害特征提取（淹没深度、历时、流速等）、承灾体识别、承灾体暴露度和韧性、洪涝损失评估等一系列过程。美国、日本、英国、德国、澳大利亚等国家都已经开展了洪涝灾害直接损失评估模型研究，主要包括基于历史灾害损失数据的经验模型、基于专家知识的人工模型、经验-人工相结合模型、通过模糊聚类方法寻求类似灾害特征下的损失、基于遥感的灾害损失监测等（见表2）。这些方法通常基于历史数据或专业经验，研究洪涝灾害特征与损失之间的物理或经验模型，建立致灾因子与损失率的关系（例如承灾体脆弱性曲线模型）。例如，在美国联邦应急管理署模型中，美国各州都采用了美国陆军研制的一套承灾体损失曲线，该系统包括900多条损害曲线库，用于评估各类建筑物和基础设施的直接和间接经济损失；农作物的损失评估则基于洪水的时间和持续时间，根据淹没面积与耕地总面积以及随后的产量、投资和收入减少来估算。英国建立了2 种洪水持续时间情境下的4 个社会阶层、2 1 种房屋类型共计1 6 8 条灾损曲线库。目前，只有少数洪涝损失模型可用于洪水灾害评估。洪水损失分析包（FDAP，美国）使用“频率法”来计算预计的年度损害，通过计算特定洪水等级的潜在损害，然后用超标概率对损害值进行加权。ANUFLOOD（澳大利亚）用基于住宅和商业地产的综合阶段损害曲线进行洪水损失评估。还有ESTDAM（英国）标准化洪水损失估算模型。但是，由于不具备融入实时洪涝监测的机制，这些模型仅用于灾害事件后的损失评估，并不能用于实时洪水损失估计。总体来说，目前的洪涝损失评估模型方法具有工作量大、数据不全、难以大范围推广、历史洪涝事件外延代表性不足等缺陷，也未能充分展现承灾体及其韧性的空间和时间差异（例如，不同地理位9月上/2 0 2 3/中国减灾29表1 世界上主要的全球或区域洪涝模型洪水监测预报系统GloFASGHS-FEFAS(JRC)U-Tokyo水文模型HTESSEL,LISFLOODDRIVEHTESSEL,LISFLOODCaMa-Flood洪水频率估计19791998一：每3 小时2002；每3 小时19922014输出空间分辨率5km112km5km25km最小流域500km2100km2100km2500km2表2 洪涝直接损失评估模型要素和研究方法模型要素空间尺度模型类别模型输出建模策略损失方程模型输入变量承灾体要素洪涝损失数据源研究方法洲、国家、区域、局部尺度确定性模型、概率性损失模型相对损失率、绝对损失量经验模型、人工模型、经验-人工模型、遥感监测、机器学习模型等线性、指数、对数、多项式、随机森林、人工神经网络等单变量洪涝特征（淹没深度）、多变量（淹没深度、流速、历时）房屋、农业、基础设施、车辆等调查问卷、政府报告、媒体报道、遥感影像、专家知识置和不同季节应当具有不同的损失模型）、多场次灾害的叠加效应等复杂过程。此外，上述来自于欧美的模型和方法具有很强的地域性，在我国洪涝损失评估的适用性还有待评价。事实上，洪涝灾害损失是一个非常复杂的系统问题，很难用单维或多维数学公式来表达洪涝特征、承灾体和社会经济要素之间的相互关系。因此，基于人工智能的快速评估方法应运而生，其研究和应用也正处于快速发展阶段。基于历史洪涝损失数据，通过回归分析、贝叶斯网络、随机森林回归、人工神经网络等算法，建立洪涝损失模型，是对传统灾害损失模型的有益补充。例如，利用美国全国保险赔付历史大数据和历史洪涝事件，有研究通过大数据和随机森林方法建立了洪涝损失模型，显示了机器学习方法在模拟灾害损失复杂过程中的可行性和优势。时间序列机器学习算法能够模拟灾害一暴露性一脆弱性一韧性-直接损失这一复杂建模过程，能够模拟多维洪涝特征（淹没深度、历时、流速、流量等）的动态时间演变。此外，日益发展的高分辨可见光和微波遥感技术，为洪涝损失评估提供了有益的数据源：利用遥感影像提取洪涝淹没范围，利用植被指数对农作物长势进行监测和产量损失评估等。实践案例6月2 8 日一7 月5日，以万州区为洪涝受灾核心的重庆市遭遇超强暴雨袭击，导致重庆市2 6 个区县受灾。基于中山大学极端水文气象数值模拟团队自主研发的分布式洪涝模型（DRIVE）和全球至局地洪涝监测和预报系统（GHS-F），以重庆洪涝灾害为案例，简要介绍洪涝灾害全过程的评估实践。30F独家策划完善全过程评估体系提升灾害治理效能3洪涝预报洪涝实时监测（每天、1 2 公里）（每3 小时、每天洪涝强度预报1公里、9 0 米）洪涝强度监测洪涝风险预报洪涝损失监测洪涝损失预报（人口、农作（人口、农作物等物等）4洪涝预报洪涝灾后损失评估（每天、1 2 公里）（事件、9 0 米）洪涝强度预报洪涝损失评估洪涝风险预报（人口、农作物等）洪涝损失预报（人口、农作物等）图1 洪涝全过程灾害预报、监测和直接损失评估工作流程示意图如图1 所示，该案例旨在涵盖洪涝预报、风险评估、实时洪涝监测、实时损失评估和灾后损失评估的洪涝灾害响应全过程，空间尺度包括全国、省、市、县直到9 0 米格网。案例采取4 个循环步骤，即灾害事件前，提供未来3 天1 2 公里分辨率的全国尺度洪涝预报、风险评估和损失评估；灾害事件中，提供每3 小时和每天9 0 米分辨率的精细化实时洪涝监测和损失评估；灾害事件后，提供9 0米分辨率网格化的洪涝损失评估（并综合到县级）；提供未来洪涝风险和损失预报（每天、1 2 公里）。首先，GHS-F系统持续提供全国范围逐3 小时洪涝预报，制作每日全国洪涝强度和洪涝风险预报产品，并提供全国每个1 2 公里格网点上的受灾人口和受灾农作物面积评估成果。在重庆洪涝灾害期间，每日提供精细化洪涝模拟、损失评估洪涝灾害监测和损失评估成果。根据历史洪涝事件损失，通过空间分析和数据驱动模拟，每日提供滚动式洪涝损失评估（受灾人口、紧急转移人口、农作物受灾面积、农作物绝收面积等）。洪涝事件结束后，根据实际损失数据，对数据驱动模型进行优化，对整个洪涝灾害事件损失进行再评估和汇总。洪涝损失评估的地理单元为9 0 米格网，并综合到县级。重庆洪涝灾害评估取得较好的结果。受灾人口评估与公开受灾人口统计的相关系数R达0.8 8，受灾农作物评估与公开农作物受灾面积统计的相关性R为0.4 2。然而，由于数据驱动方法依赖于高质量的历史数据，需要基于大数据建立全面的洪涝损失模型库和参数库，提高评估模型在不同洪涝事件中的通用性。另外，实践中主要考虑整个洪涝事件的最大洪涝特征（水深、流速、历时），还需要考虑洪涝动态演变过程（例如每3 小时或每天的洪涝特征）以及次生灾害（泥石流、滑坡等）所导致的损失。未来发展趋势随着大数据技术和人工智能方法的发展，数据驱动的洪涝损失评估模型能够克服经验模型、合成模型和遥感监测等传统损失评估方法的缺陷，正在成为洪涝灾害损失研究的新兴手段。有学者发现，被世界广泛采用的美国联邦应急管理署的洪涝损失模型，与实际观测数据有很大差距，从而建议应基于洪涝损失大数据建设洪涝损失模型。大数据驱动的洪涝损失模型及其应用，不仅可以涵盖承灾体暴露度、脆弱性、韧性的损失评估这一复杂建模过程，还可以利用本地化灾害损失数据实现高时间分辨率（例如天或者小时尺度）、局地化（例如9 0 米分辨率）和精细化的洪涝损失评估，实现对洪涝灾害全过程的实时模拟和损失评估。（作者吴欢单位为中山大学，作者吴玮单位为应急管理部国家减灾中心；本文表1、2，图1由作者提供）