Pre-assessment and verification of rainstorm and flood disasters risk based on FloodArea model

doi:10.7522/j.issn.1000-694X.2022.00038

Journal of Desert Research ›› 2022, Vol. 42 ›› Issue (6): 25-32.DOI: 10.7522/j.issn.1000-694X.2022.00038

Previous Articles Next Articles

Pre-assessment and verification of rainstorm and flood disasters risk based on FloodArea model

Na Wang¹^,²(), Tianwang Lei³(), Shun Xiao⁴, Yangna Lei¹^,², Mingce Mao¹^,²

^1.Shaanxi Key Laboratory of Eco-Environment and Meteorology for the Qinling Mountains and Loess Plateau，Shaanxi Meteorological Bureau，Xi'an 710014，China
^2.Shaanxi Climate Center，Xi'an 710015，China
^3.Xi'an Traffic Engineering Institute，Xi'an 710065，China
^4.School of Geography and Tourism，Shaanxi Normal University，Xi'an 710119，China

Received:2022-02-12 Revised:2022-04-14 Online:2022-11-20 Published:2023-01-09
Contact: Tianwang Lei

Abstract

Abstract:

By using hourly rainfall data from the meteorological stations， grid forecast precipitation data， the digital elevation model， the land use data，and the disasters data， a pre-assessment method for rainstorm and flood impact is established over Shaanxi Province. Based on the inundation depth and scope， a refined rainstorm flood disaster risk pre-assessment model was established with overlaying the attributes of the disaster-bearing body and introducing the disaster loss curve of the disaster-bearing body， then verified from the perspectives of the proportion of the quantity and the proportion of the disaster. The results show that the prediction disaster areas of rainstorm and flood meteorological risk are basically consistent with the actual distribution of disaster areas， and the correct prediction rate is 73.2%， and the simulation results are highly reliable. The risk pre-assessment performance of concentrated rainstorm in precipitation area is higher than that of decentralized rainstorm， and the missing rate is relatively low， but the empty rate is high.According to the results of risk pre-assessment and effect inspection， it is found that the regional adaptability of the model itself and the accuracy of rainstrom forecast affect the accuracy of pre-assessment. The procedure of rainstorm and flood disaster risk pre-assessment and effect inspection can improve the pertinence of meteorological services， which can be used in the actual business of flood risk pre-assessment and provide technical support for storm and flood risk management.

Key words: rainstorm and flood, FloodArea model, risk pre-assessment, verification

CLC Number:

P457

Na Wang, Tianwang Lei, Shun Xiao, Yangna Lei, Mingce Mao. Pre-assessment and verification of rainstorm and flood disasters risk based on FloodArea model[J]. Journal of Desert Research, 2022, 42(6): 25-32.

Figures/Tables 6

References 31

1	刘引鸽，葛永刚，周旗.秦岭以南地区降水量变化及其灾害效应研究［J］.干旱区地理，2008，31（1）：50-55.
2	毕宝贵，刘月巍，李泽椿.2002年6月8-9日陕南大暴雨系统的中尺度分析［J］.大气科学，2004，28（5）：747-761.
3	彭艳，王钊，董妍，等.1960-2012年陕西降水变化特征及可能成因分析［J］.高原气象，2016，35（4）：1050-1059.
4	韩兰英，张强，马鹏里，等.气候变暖背景下黄河流域干旱灾害风险空间特征［J］.中国沙漠，2021，41（4）：225-234.
5	周波涛，於琍.管理气候灾害风险推进气候变化适应［J］.中国减灾，2012（3）：18-19.
6	王玉竹，闫浩文，王小平.新疆风沙灾害风险评估［J］.中国沙漠，2020，40（6）：13-21.
7	管梦鸾，张正偲，董治宝.风沙灾害风险评估研究进展［J］.中国沙漠，2018，38（5）：978-988.
8	黄大鹏，刘闯，彭顺风.洪灾风险评价与区划研究进展［J］.地理科学进展，2007，26（4）：11-22.
9	Yoshimatsu H， Abe S.A review of landslide hazards in Japan and assessment of their susceptibility using an analytical hierarchic process （AHP） method［J］.Landslides，2006，3（2）：149-158.
10	Rother K H.Flood action plan of the River Rhine：development and realization （In brief）［J］.Resources and Environment in the Yangtze Basin，2006，15（5）：620.
11	Hattermann F F， Post J， Krysanova V，等.气候变化背景下欧洲中部水资源供给的不稳定性评估：以易北河流域为例［J］.气候变化研究进展，2009，5（2）：63-70.
12	Begum S， Stive M J F， Hall J W.Flood Risk Management in Europe［M］.Dordrecht，Netherlands：Springer，2007.
13	周月华，彭涛，史瑞琴.我国暴雨洪涝灾害风险评估研究进展［J］.暴雨灾害，2019，38（5）：494-501.
14	李军玲，刘忠阳，邹春辉，等.基于GIS的河南省洪涝灾害风险评估与区划研究［J］.气象，2010，36（2）：87-92.
15	李茜，蔡新玲，徐军昶，等.陕西省暴雨灾害风险实时评估技术研究［J］.中国农学通报，2015，31（25）：241-246.
16	袭祝香，张晨琛，吕忠，等.吉林省重大暴雨过程灾害损失风险预评估［J］.冰川冻土，2016，38（2）：395-401.
17	黄杏元，马劲松，汤勤.地理信息系统概论［M］.北京：高等教育出版社，2001：2-4.
18	吴信才.MAPGIS地理信息系统［M］.北京：电子工业出版社，2006：2-6.
19	姜彤.莱茵河流域水环境管理的经验对长江中下游综合治理的启示［J］.水资源保护，2002（3）：45-50.
20	Gemmer M，王国杰，姜彤.洪湖分蓄洪区洪水淹没风险动态识别与可能损失评估［J］.湖泊科学，2006，18（5）：464-469.
21	谢五三，宋阿伟，田红.中小河流域暴雨洪涝灾害风险评估及效果检验［J］.气象科学，2018，38（2）：264-270.
22	FEMA.HAZUS-MHMR4 Flood Model Technical Manual［M］.Washington，USA：Mitigation Division，Federal Emergency Management Agency，2009.
23	Scawthorn C， Flores P， Blais N，et al.HAZUS-MH flood loss estimation methodology：II.damage and loss assessment［J］.Natural Hazards Review，2006，7：72-81.
24	Jongman B， Kreibich H， Apel H，et al.Comparative flood damage model assessment：towards a European approach［J］.Natural Hazards and Earth System Science，2012，12：3733-3752.
25	Gemmer M.Decision Support for Flood Risk Management at the Yangtze River by GIS/RS Based Flood Damage Estimation［R］Giessen，Germany：Shaker，2004：108-127.
26	苏布达，姜彤，郭业友，等.基于GIS栅格数据的洪水风险动态模拟模型及应用［J］.河海大学学报，2005，33（4）：370-374.
27	文明章，林昕，游立军，等.山洪灾害风险雨量评估方法研究［J］.气象，2013，39（10）：1325-1330.
28	谢五三，田红，卢燕宇.基于FloodArea 模型的大通河流域暴雨洪涝灾害风险评估［J］.暴雨灾害，2015，34（4）：384-387.
29	刘晓冉，康俊，王颖，等.基于GIS和FloodArea水动力模型的重庆市山洪灾害风险区划［J］.水土保持通报，2019，39（2）：206-211.
30	Geomer.Floodarea-ArcGIS Extension for Calculating Flooded Areas （User Manual Version 9.5）［Z］.Heidelberg，Germany：Geomer，2008.
31	吴先华，周蕾，高歌，等.考虑防灾减灾能力的洪涝灾害灾损率曲线构建：以里下河地区的李中镇为例［J］.地理科学进展，2016，35（2）：223-231.

数据名称	来　源	属　性	作　用
研究区及周边气象站降水量数据	陕西省气象局	逐小时气象站点降水观测资料	实况降水
格点降水量预报数据	陕西省气象局	约3 km×3 km逐小时格点降水预报
DEM	美国NASA	30 m×30 m格点数据
土地利用类型	国家基础地理信息中心	Shp矢量数据
灾情数据	陕西省应急厅	受灾人口、直接经济损失	灾情验证

数据名称	来　源	属　性	作　用
研究区及周边气象站降水量数据	陕西省气象局	逐小时气象站点降水观测资料	实况降水
格点降水量预报数据	陕西省气象局	约3 km×3 km逐小时格点降水预报
DEM	美国NASA	30 m×30 m格点数据
土地利用类型	国家基础地理信息中心	Shp矢量数据
灾情数据	陕西省应急厅	受灾人口、直接经济损失	灾情验证

项　目		2018年 6月18日	2018年 7月2日	2018年 8月22日	2019年 6月27日	2019年 8月3日	2019年 8月9日
暴雨等级		强	较强	一般	一般	较强	较强
平均日降水量/mm		91	68.2	68.3	63.2	73.5	71.1
最大日降水量/mm （出现站点）		204.3（汉中镇巴星子山林场）	245.2（汉中宁强广坪）	124.9（铜川宜君南文兴）	121（汉中佛坪西岔河）	221.2（商州商南余家台滑坡）	143.3（汉中城固莫爷庙）
直接经济损失/万元		15 455	13 617	10 521	4 299	78 884	50 062
有危险有灾情	灾情占比/%	96.3	56.8	64	63.7	79.9	78.6
有危险有灾情	数量占比/%	71.4	39.1	35.3	50	71.4	23.5
无危险有灾情	灾情占比/%	3.7	43.2	36	36.3	20.1	21.4
无危险有灾情	数量占比/%	28.6	60.9	64.7	50	28.6	76.5
有危险无灾情	数量占比/%	54.5	47.4	70	66.7	28.6	50

项　目		2018年 6月18日	2018年 7月2日	2018年 8月22日	2019年 6月27日	2019年 8月3日	2019年 8月9日
暴雨等级		强	较强	一般	一般	较强	较强
平均日降水量/mm		91	68.2	68.3	63.2	73.5	71.1
最大日降水量/mm （出现站点）		204.3（汉中镇巴星子山林场）	245.2（汉中宁强广坪）	124.9（铜川宜君南文兴）	121（汉中佛坪西岔河）	221.2（商州商南余家台滑坡）	143.3（汉中城固莫爷庙）
直接经济损失/万元		15 455	13 617	10 521	4 299	78 884	50 062
有危险有灾情	灾情占比/%	96.3	56.8	64	63.7	79.9	78.6
有危险有灾情	数量占比/%	71.4	39.1	35.3	50	71.4	23.5
无危险有灾情	灾情占比/%	3.7	43.2	36	36.3	20.1	21.4
无危险有灾情	数量占比/%	28.6	60.9	64.7	50	28.6	76.5
有危险无灾情	数量占比/%	54.5	47.4	70	66.7	28.6	50

[1]	Duan Haixia, Guo Ni, Huo Wen, Qin He, Ma Yufen. The Comparison of the Prediction Efficiency of GRAPES-SDM Dust-Storm Model and the Satellite Remote Sensing Monitoring [J]. JOURNAL OF DESERT RESEARCH, 2014, 34(6): 1617-1623.
[2]	DUAN Hai-xia1, ZHAO Jian-hua1, LI Yao-hui1, HUO Wen2. A Verification on the Prediction Efficiency of GRAPES-SDM Dust-Storm Model Used in Recent Years [J]. JOURNAL OF DESERT RESEARCH, 2013, 33(1): 214-222.

Pre-assessment and verification of rainstorm and flood disasters risk based on FloodArea model

RichHTML

PDF

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 6

References 31

Related Articles 2

Recommended Articles

Metrics

Comments