基于GIS台风洪涝灾害预测模型的研究.docVIP

基于GIS台风洪涝灾害预测模型的研究 　　[摘 要]台风是最强的暴雨天气系统，往往给受影响的地区造成巨大的经济损失甚至人员伤亡。准确及时地了解台风洪水灾害的形成过程，对于防洪减灾、洪水风险分析具有重要意义。本文综合采用BP神经网络，空间插值，水文分析，地表下渗率分析等多项技术方法，建立了福州地区汇水流域总降水量预测模型，并在ArcGIS Engine上实现了洪水灾害的动态模拟，研究成果可为有关人员参考。 　　[关键词]降雨量预测 洪涝灾害 动态模拟 　　中图分类号：X43 文献标识码：A 文章编号：1009-914X（2016）05-0351-02 　　台风是最强的暴雨天气系统，往往会造成狂风暴雨引发局地洪涝灾害，是影响最为严重的自然灾害之一。据统计，福州地区平均每年受台风影响3-5次，属于台风灾害的多发区。2005年，“龙王”台风肆虐福州，强降水造成山洪暴发，福州市区受淹最深达1.9米，福建全省三百多万人受灾，直接经济损失达32.78亿元人民币。 　　要减轻台风洪水灾害，一方面要加强抗台风防御工程设施建设；另一方而，要加强台风洪涝灾害形成机理的研究。近年来，已有不少学者对热带气旋暴雨进行了大量研究，例如：林毅等对龙王台风中尺度暴雨成因进行了定性分析[1]，发现中尺度大暴雨的发生与台风环流北侧出现的中尺度涡旋有密切的关系；林小红等对1960～2005年46年间影响福建的台风降水进行时空分析[2]，发现台风降水由闽南沿海向闽西北内陆逐渐减小，受福建山地地形作用，山脉以东的台风暴雨发生的概率要大大高于山脉西侧地区。在定量分析方面，王春娟等采用BP神经网络对香港地区1997-2012年6月期间48个台站的22场台风降雨资料进行预测分析[3]，对单一台风降雨量预测准确度达到75.1%，但由于该方法是以台风到达观测站点的强度和风向作为输入参数，不能做到提前预警的作用；艾福利等基于ArcGIS对台风过程降水进行插值分析[4]。在洪涝灾害模拟方面，孙海，邹时林等采用ArcEngine实现了洪水淹没可视化[5][6]，但对于台风引发洪涝灾害进行全过程研究的示例很少。 　　以上分析表明：台风洪水灾害预报涉及几个环节：1）使用登录前台风参数预测将来降雨量；2）汇水流域下渗能力的计算；3）淹没范围的动态模拟。本文以福州市为例，利用BP神经网络，空间插值，水文分析，地表下渗率分析等方法，建立了福州地区汇水流域总降水量预测模型，并运用 ArcEngine实现了洪涝灾害的三维动态模拟。 　　1基于BP台风降雨量预测模型 　　影响热带气旋降水量的因子间具有明显的非线性特征。BP神经网络具有非线性、准动力等特点，且其判别精确度不会随样本噪声而受到影响，较优于传统的统计法；另外该网络的拓扑结构灵活多样，有比较强的自学习功能、容错功能、联想存储功能等。因此，选择具有非线性性质的人工神经网络方法建立台风降雨量预测模型，是十分恰当。 　　1.1 影响台风降雨量的主要因素 　　影响热带气旋降水量的因素较多且复杂，特别大的台风降水往往由多个因素造成[7]： 　　1）台风强度是影响台风降雨量的主要因素之一。 　　2）地形作用可加大迎风坡的降水，同时使背风坡降水减少。 　　在福建沿海与内陆交界处有贯穿自北而南的鹫峰山-戴云山-博平岭山山脉。由西北太平洋生成并登陆福建的台风路径大都由低纬向高纬区域活动，台风由东南-西北方向迎着山脉进入，受地形增幅作用在山脉迎风坡气流的抬升作用下加上台风带来充沛水汽使得强对流云团在迎风坡发展和滞留，则山脉以东的迎风坡台风降水较背风坡明显偏多[8]。 　　3）长期干旱，空气中水汽少，湿度低.会导致台风降水明显减少。 　　1.2 基于BP台风点降水预测模型设计 　　根据1.1分析，影响台风降雨量的主要因素中，台风“登录地点”和“移动方向”反映了地形作用的影响，而且从气象预报中可以提前得到。因此以“登录地点”（X1，X2）、“移动方向”（X3）、“台风强度”（X4）为台风特征因子，雨量站选取位置（X5，X6），三个因子共6个输入因子，以及2个输出因子：降雨量（Y1），降雨时长（Y2）。 　　因此、确定网络输入层节点数为6，输出层节点数为1，并且根据kolmogorov定律，将隐含层节点数取为9，激活函数为S型函数，由此得到用于福州台风降雨预报的BP神经网络拓扑结构为（6，9，1）。 　　1.3 区域降雨量预测计算 　　利用训练好的BP预测模型可以预测各个雨量站预测数据，然后利用这些数据进行空间内插，得到区域降雨量栅格数据。常用内插方法：反距离权重插值（IDW）、克里格法。由于克里格法考虑了空间相关性[4]，并经试验证实：克里格法较为适宜。 　　2 流域内汇水总量计算 　　降水是沿着地表径流和地下（下渗）两种