[发明专利]一种山洪灾害人口损失评估模型的构建方法及其应用

说明书

本发明提供一种山洪灾害人口损失评估模型的构建方法，该方法包括获取待评估区域地形参数、土壤参数、土地资源参数、区域水文特征参数和人口分布数据；获取该待评估区域单次历史山洪灾害的气象参数和死亡人口分布数据；基于以上参数确定该次历史山洪灾害的最大淹没深度分布、最大流速分布和最大冲击力分布，计算得到最大分布乘积数据；根据最大分布乘积数据的数值大小将待评估区域划分为多个山洪影响区；确定各个山洪影响区的人口死亡率；根据各个山洪影响区的最大分布乘积数据和人口死亡率，通过拟合构建该待评估区域山洪灾害人口损失评估模型。该模型兼顾考虑了水深、流速和冲击力三种因素共同对山洪灾害导致的人口死亡的影响，精度较高。

技术领域

本发明涉及山洪灾害的风险评估技术领域。更具体地，涉及一种山洪灾害人口损失评估模型的构建方法。

背景技术

山洪灾害(Flash Floods)指山区小流域由降雨引起的突发的、暴涨暴落的洪水及由山洪诱发的泥石流、滑坡等对国民经济和人民生命财产造成损失的灾害(张平仓等，2009)。人类“依水而居”的特性使其成为山洪灾害最敏感、最脆弱的承灾体，山洪灾害影响人口占所有灾害影响人口的52％(Jonkman，2005)。随着人口和财富的高度集中，使得人口受山洪灾害影响与日俱增、风险加剧(Hanson et al，2011；Peduzzi et al，2012)。过去40年世界人口增长了87％，而山洪易发区的人口增长了114％(Velasquez et al，2012)。IPCC第五次评估报告指出，今后强降水等极端气候事件的出现将更加频繁，未来山洪灾害人口风险将进一步增大(IPCC，2013)。因此，如何从科学意义上认识山洪灾害对人口的影响，定量评估山洪灾害人口损失，成为山洪灾害风险评估研究亟待解决的重要议题。

近十年来，众多水文模型(Pilgrim et al.,1988；Vélezand Francés,2005；Braudet al.,2010)和水动力模型(Bates et al.,2006；Schumann et al.,2009；Murillo andGarcía-Navarro,2010；Lacasta et al.,2014)被应用于山洪灾害的危险性评估中，但针对特定时空尺度下的山洪灾害事件，由于缺少有效的降雨与流量等气象水文数据，加之其迟滞时间短，使得已有水文、水动力模型对山洪进行模拟时表现出高度不确定性(Segura-Beltran et al.，2016)。因此，需结合详实的灾后实地调研来进行山洪建模，以便更好地理解山洪灾害致灾过程。如在野外实地调查的基础上，研究者利用LIQUID水文模型平台对2002年发生在法国南部Gard地区的山洪灾害进行了降水-径流过程模拟，并着重分析了降雨特征及土壤湿度变化对山洪洪峰流量的影响(Manus et al.，2008；Sandrine et al.，2010；Isabelle Braud，2010)。Roux(2011)在充分考虑坡度因素的影响下，构建了MARINE分布式水文模型用于山洪灾害洪峰流量的预测。Miao(2016)利用GBHM(Geomorphology-basedHydrological Model)模型(GBHM)完成了在中国湿润、半湿润、半干旱山区，无资料支持小流域(493-1601km²)的山洪灾害预警工作。Luca et al.(2018)对意大利北部alpine山村山洪灾害建筑物脆弱性进行研究时，应用2-D SWE模型对山洪灾害的水动力特征(如最大水深、平均流速、冲击力)进行了详细分析，获得了其空间分布情况。Calvo and Savi(2008)对意大利阿尔卑斯山脉附近Ardenno山洪泥石流易发区进行了风险评估，利用二维水动力模型FLO-2D(O'Brien et al.，1993)模拟了泥沙流的整个传播过程，得到了描述其危险性的指标，即水深、流动速度和冲击力的时空分布情况及其概率密度分布函数。Castellanos(2008)基于从历史灾害事件中获得的环境参数，利用MassMov2D模型对古巴12个潜在山洪滑坡危险区进行了危险性评估，获得了其可能的影响范围及空间流动深度分布。考虑到资料的可获得性，P.Horton研发了一个仅仅利用DEM数据便能模拟山洪泥石流流动过程的模型，即Flow-R，并将其成功应用于对瑞士阿尔卑斯山区Fully、Saint-Barthelemy和Solalex三地的山洪泥石流灾害模拟，获取了其影响范围、流动速度和冲击力空间分布情况。Segura-Beltran et al.(2016)将TETIS水文模型和RiverFlow2D水动力模型进行耦合，并利用耦合模型完成了对西班牙Girona流域特大山洪事件的模拟重建工作。对耦合模型重建精度的验证，则通过灾后实地调研获得的最大水深和淹没范围信息，与模型模拟结果进行对比完成的。结果表明，耦合模型对此次事件的模拟精度达76％。Nguyen et al.(2016)则将半分布式水文模型(HL-RDHM)与二维水动力模型(BreZo)进行耦合，以便完成对山洪预警所需指标(如流量、水深、流速等)的模拟工作。该耦合模型的建立主要基于已有研究区的水文参数信息，但由于无实测水文资料，模型的验证主要通过对该区已发生山洪事件的模拟重建精度来完成。结果表明，耦合模型的精度较好，能用于未来山洪预警工作中。总的来看，对缺少实测水文资料区域的山洪灾害进行模拟时，耦合水文和水动力模型是行之有效的手段，且需要通过详实的灾后调查数据(如，淹没范围，特征点最大淹没深度等)对模型进行验证并保证其模拟精度。