EN中文

地球信息科学学报 >

2023 , Vol. 25 >Issue 3: 546 - 559

DOI: https://doi.org/10.12082/dqxxkx.2023.210341

地球信息科学理论与方法

利用改进的SCS水文预警模型提升山洪灾害风险应急制图的时效性——以长江经济带为例

  • 张珂健 , 1, 2, 3, 4 ,
  • 黄诚 1, 2, 3, 4 ,
  • 张晓祥 , 1, 2, 3, 4, * ,
  • 王加虎 1, 4 ,
  • 陈跃红 1, 2, 3, 4 ,
  • 杨涛 1, 4
展开
  • 1.河海大学水文水资源学院，南京 210098
  • 2.河海大学地理信息科学与工程研究所，南京 210098
  • 3.河海大学地理空间智能与流域科学研究中心，南京 210098
  • 4.河海大学洪涝灾害风险预警与防控应急管理部重点实验室，南京 210098
* 张晓祥（1979— ），男，江苏南通人，博士，教授，博士生导师，主要从事GIS空间分析与建模、数字孪生流域、地理 学思想史研究。 E-mail：

张珂健（1998— ），男，山东济宁人，硕士生，主要从事空间分析与建模研究。 E-mail:

收稿日期: 2021-06-18

  修回日期: 2022-05-07

  网络出版日期: 2023-04-19

基金资助

国家重点研发计划项目(2019YFC1510600)

中央高校基本科研业务费项目(B200204029)

收起

Using the Improved SCS Hydrological Early Warning Model to Improve the Timeliness of Flash Flood Disaster Risk Emergency Mapping: A Case Study of Yangtze River Economic Belt

  • ZHANG Kejian , 1, 2, 3, 4 ,
  • HUANG Cheng 1, 2, 3, 4 ,
  • ZHANG Xiaoxiang , 1, 2, 3, 4, * ,
  • WANG Jiahu 1, 4 ,
  • CHEN Yuehong 1, 2, 3, 4 ,
  • YANG Tao 1, 4
Expand
  • 1. College of Hydrology and Water Resources, Hohai University, Nanjing 210098, China
  • 2. Institute of Geographic Information Science and Engineering, Hohai University, Nanjing 210098, China
  • 3. Center for Geospatial Intelligence and Watershed Science, Hohai University, Nanjing 210098, China
  • 4. Key Laboratory of Flood Disaster Risk Warning, Prevention and Mitigation, Ministry of Emergency Management, Hohai University, Nanjing 210098, China
* ZHANG Xiaoxiang, E-mail:

Received date: 2021-06-18

  Revised date: 2022-05-07

  Online published: 2023-04-19

Supported by

National Key Research and Development Program of China(2019YFC1510600)

Fundamental Research Funds for the Central Universities(B200204029)

Fold

摘要

山洪灾害防治是我国当前防汛减灾的薄弱环节，开展山洪灾害预警是防御山洪灾害最有效的方式之一，应急制图可为山洪灾害预警信息发布和决策部署提供有力的技术支撑。对于突发性强、时空过程变化剧烈的山洪灾害，常规应急制图方法的时效性难以满足实际需求。本研究利用参数少、结构简单的SCS模型能快速分析计算山洪灾害发生的可能性，结合“模型计算-应急制图-辅助决策”框架，以提升山洪灾害风险应急制图的时效性。2020年主汛期长江流域遭遇1998年以来最严重的汛情，迫切需要开展山洪灾害风险应急制图研究，本文以长江经济带为研究区开展研究。研究结果表明：① 通过改进SCS模型，对划分的每个子流域进行气象数据的山洪灾害风险计算，并且通过构建前期基础数据库、快速数据处理工具，设计标准制图模板，提高了模型计算及应急制图效率，保证了应急制图的规范性，单幅应急专题图制图时间提升至约50 min；② 将实时模型计算与应急制图结合，并且通过采用每日24 h降雨预报数据，实现专题图动态持续更新；③ 研究有效应用于2020年汛期长江经济带山洪灾害防御工作，累计制作150幅山洪灾害风险专题图支撑国家应急管理决策部署，取得了良好的效果。本研究也为新时期各类突发自然灾害应急服务提供新的思路和可能。

关键词： 山洪灾害风险; 改进的SCS模型; 水文模型; 应急制图; 预警预报; 长江经济带; 防汛减灾; 辅助决策

本文引用格式

张珂健 , 黄诚 , 张晓祥 , 王加虎 , 陈跃红 , 杨涛 . 利用改进的SCS水文预警模型提升山洪灾害风险应急制图的时效性——以长江经济带为例[J]. 地球信息科学学报, 2023 , 25(3) : 546 -559 . DOI: 10.12082/dqxxkx.2023.210341

Abstract

The prevention and mitigation of flash flood disasters is a weak link in flood prevention and disaster mitigation at present in China. Early warning is one of the most effective way of defense against flash flood disasters. Emergency mapping can provide strong technical support for early warning information release and decision-making deployment in flash flood disasters. For flash flood disasters with high suddenness and drastic changes in spatial and temporal process, traditional emergency mapping methods are difficult to meet the actual needs in timeliness. Using the SCS model in this research which has few parameters and simple structure can quickly analyze and calculate the possibility of flash flood disasters. It is combined with the framework of "Model calculation- Emergency mapping- Decision-making support" to improve the timeliness of flash flood disaster risk emergency mapping. In the main flood season of 2020, the Yangtze River Basin experienced the most severe flood since 1998. It is urgently needed to carry out the emergency mapping research of flash flood disaster risk. The Yangtze River Economic Belt is taken as the research area to carry out the research. The research results include the following three aspects: (1) the improved SCS model is used to calculate the flash flood disaster risk for each discretized subunit based on meteorological data. Through the construction of early-stage basic database and rapid data processing tools, and the design of standard mapping templates, the efficiency of model calculation and emergency mapping is improved and the standardization of emergency mapping can be guaranteed. The mapping time of a single emergency thematic map is improved to about 50 minutes. (2) The combination of real-time model calculation and emergency mapping, and the use of 24h daily rainfall forecast data realizes dynamic and continuous updating of thematic maps. (3) The study is effectively applied to the flash flood disaster prevention of the Yangtze River Economic Belt during the 2020 flood season. A total of 150 thematic maps of flash flood disaster risk are produced to support the decision-making deployment in national emergency management and it achieves good results. This study also provides new ideas and possibilities for emergency services for various sudden natural disasters in the new era.

Key words： flash flood disaster risk; improved SCS model; hydrological model; emergency mapping; early warning and forecasting; the Yangtze River Economic Belt; flood prevention and disaster mitigation; decision-making support

1 引言

我国是灾害多发频发的国家，近年来，全球气候变化加剧，极端降水事件频发，2020年中国南方地区发生大范围的洪水灾害[1]。另外，在国际上，2021年度德国、比利时等国家也发生创纪录的大洪水，都造成大量的人员伤亡和财产损失[2]。在洪水灾害中，山洪灾害已成为最重要的灾种。水利部《中国水旱灾害防御公报2020》[3]统计表明，2020年，因山洪灾害死亡失踪157人，比2011—2019年年平均死亡失踪378人低58.5%，但仍占因洪涝灾害死亡失踪人口的56.3%，是洪涝灾害人员死亡失踪的主因。
在突发事件应急处置和防灾减灾中，应急制图（Emergency Mapping）技术应用广泛。地图是“地理学的第二语言”，但是传统制图方法通常费时费力，主要针对静态的地理特征，对地图的实时性要求不高，难以满足应急响应时效要求[4,5]。对于突发自然灾害、公共卫生事件、社会安全事件等时态性很强的紧急事件，应急地图至关重要[6]。保证应急制图的准确性和时效性是应急制图研究所面临的主要科学问题和技术问题。应急制图主要利用基础地理信息数据和应急专题数据，研究应急地图制图模型，完成应急综合信息的快速处理，实现应急制图流程化，提高专题地图制图效率，满足应急救援、灾情评估、灾后重建等不同阶段的需求[7]。基于卫星的应急制图（Satellite-based Emergency Mapping）已成为各类自然和人为灾害监测的重要技术手段。国际组织和研究机构正在努力发展对地观测卫星系统用以全球重大自然灾害的预警、监测和评估[8]。美、英、法、加、中等国家以及欧洲的航天机构都纷纷加入《空间与重大灾害国际宪章》[9]（International Charter Space and Major Disasters），国际宪章旨在为国际卫星资源合作提供统一的空间数据采集和交付系统，从而帮助减轻灾害对人类生命和财产的影响。同时，一些联合国机构如UNOSAT以及欧洲哥白尼应急管理服务（CEMS）[10]和德国、法国等国家自行建立的应急制图系统多基于卫星数据开展应急制图[11⇓-13]，应急制图已越来越多地应用于灾害发生后最初几小时和几天内的响应阶段[14]。
我国的应急管理工作与发达国家相比起步较晚，2003年起逐步建立了以“一案三制”为核心的应急管理体系，2018年国家建立应急管理部，统一指挥调度，承担国家应对特别重大灾害指挥部工作[15-16]。在应急制图方面，我国早期的应急制图以制作遥感影像地图为主，且主要针对地震灾害，在2008年汶川地震以后开始大规模应用[17⇓-19]。但应急遥感地图中只可简单叠加地名及行政区划，无法叠加展示详细的各类灾害专题数据和重要的衍生数据。为提升信息处理效率，需开展应急制图的数据获取、传输及处理的基础研究，实现从任务分配到向用户交付的全过程的流程优化，聚焦面向任务的遥感信息服务，并可考虑叠加“天地图”等在线地理信息平台进行快速应急制图[20-21]。在基础研究和关键技术研究方面，实时GIS时空数据模型的基础研究以及构建通信、导航、遥感卫星一体化的实时应用的遥感服务技术体系对于构建应急服务体系、提升应急服务水平有着重要的意义[22-23]。
当前，应急制图数据产品特征已从“类型单一、重访周期长”快速发展到“产品多样、更新迅速”，应急制图方法也随着人工智能和大数据的兴起更加丰富。刘纪平等认为灾害大数据和地理信息的融合正深刻地改变着灾害管理和应急响应[24]；杜清运等为面对复杂多变的灾害应急情况，设计了一种面向灾害应急服务的自适应制图技术[25]。Harvey Miller认为地理信息的快速化和智能化之间可能是一把双刃剑，一味地追求快速化可能会使得社会没有消化反应的时间，所以在实际应用中需要达到一种平衡[26]。此外，实时协作式GIS（Real-time Collaborative GIS）支持3D以及真正融入对地观测体系能切实为灾难管理和决策助力[27]，社交媒体数据可有效用于实时自然灾害地图绘制[28]，在灾害信息时空可视化方面还需研发空间粒度和时间粒度计算模型，这些对于加强应急制图的综合性、真实感和大众化有着重要参考意义[29]。另外，由于自然灾害种类繁多，应急制图涉及数据类型多样，如何将多源数据快速融合叠加至地图上仍是应急制图质量和效率提高的一大困难，主要表现在应急制图规范标准和体系建设不够完善，统一的应急服务系统平台还未实现[30]，高效实时的数据采集与处理能力不足[31]，应急制图资源共享不够[32]，现行《基础地理信息应急制图规范》（CH/T 4018-2013）[33]无法直接满足非基础地理信息应急制图的需求。
山洪灾害具有突发性强、暴涨暴落、历时短的特点，因此山洪灾害预警是山洪灾害防治非工程措施中的重要一环。常规的遥感监测因为空间和光谱分辨率、观测频率等限制难以捕捉到洪水成灾的快速过程，目前的遥感监测手段难以有效进行应急制图。以实测数据或遥感卫星预报数据为驱动，基于数学统计分析或水文机理模型，分析判断山洪灾害发生的可能性，是山洪灾害预警的有效方法[34]。SCS（Soil Conservation Service）模型是由美国农业部（United States Department of Agriculture, USDA）水土保持局（Soil Conservation Service）研制的小流域设计洪水模型，是目前应用广泛的地表径流模型之一，对小流域径流模拟具有较好的效果[35]。由于SCS模型参数少、结构简单，重要参数通过大尺度数据获取较为容易，当区域内小流域划分足够精细，提升算力，通过实时输入的降雨数据，能够快速计算得出山洪灾害风险区域，满足应急的要求。因此，需要开发新的技术工作并优化处理流程，结合模型计算来进行山洪灾害的应急制图。目前山洪灾害风险评估与制图研究主要根据山洪灾害风险评估的专题数据开展，如采用致灾因子和孕灾环境[36]，或叠加承灾体脆弱性进行综合分析[37]，或采用危险度和易损度的乘积[38]，但研究结果多以某一时期的各类风险地图呈现，并无持续动态更新数据，且针对山洪灾害风险应急制图的研究还较为少见。本研究中山洪灾害风险这一概念，应与危险性含义相同，但研究中并未引入其他评估指标，故以山洪灾害风险作为统称。
2020年汛期，我国南方地区特别是长江流域因持续强降水引发流域性大洪水，遭受1998年以来最严重的一次汛情。长江经济带作为我国经济高质量发展时期国家经济格局规划的重大战略支撑区域，开展面向长江经济带山洪灾害风险的应急制图研究，对于加强长江流域山洪灾害防御具有重要的意义。本研究利用改进的SCS模型进行水文模拟，辅助开展大区域的应急制图，以提升山洪灾害风险应急制图的时效性，深入研究了应急制图的关键技术和流程，并应用于长江经济带山洪灾害风险监测。

2 研究方法

应急制图是以应急服务事件为驱动，针对突发性强，预报难度大的重大灾害，在需求分析的基础上，根据应急事件的类型，应急事件的时效等特点，利用前期已有的基础数据，制作多种类型标准模板，然后与应急数据快速叠加输出，以达到对应急事件的影响范围和程度进行表达和评估的目的，进而进行辅助决策。
本研究中，通过改进的SCS模型应用于山洪灾害风险计算，将山洪灾害风险模型计算与应急制图体系进行有机结合，形成“模型计算-应急制图-辅助决策”的完整体系，并且应用于2020年汛期长江经济带的山洪灾害风险监测工作。根据《中华人民共和国突发事件应对法》[39]，应急服务需求主要包括对突发灾害的监测与预警、应急处置与救援和灾后恢复与重建这3个方面，然后经过山洪灾害风险模型计算和应急制图，从而进行辅助决策。本文的技术路线如图1所示，包括数据准备、模型计算、应急制图、辅助决策。
图1 山洪灾害风险应急制图技术路线

Fig. 1 Flash flood disaster risk emergency mapping technology framework

2.1 模型计算

降雨径流的形成可以简单概括为产流和汇流过程。产流过程主要包含了降雨经过植被冠层截流、填洼、下渗和蒸发转化为净雨。而汇流则包含了净雨经平移和调蓄后最终形成流域出口断面的径流的过程。山洪灾害风险模型计算我们采用基于改进的SCS模型。SCS模型的建立基于水量平衡原理，以及比例相等关系、初损值——可能最大潜在滞留量关系2个基本假设[40]。
（1）产流结构
一次降水过程的径流量R可由式（1）计算[41-42]：
R = ( P - I a ) 2 ( P - I a + S )
式中：R为总径流量/mm；P为总降雨量/mm；Ia为初始土壤吸附量/mm，是土壤类型和前期土壤含水量的函数；S为土壤蓄水能力/mm。
SCS模型只有一个参数CN（Curve Number），该参数是反映降雨前流域特征的一个综合参数，随前期土壤湿润程度（AMC）、土壤类型、地表覆被、土地利用种类及方式而不同，且无量纲[43]。模型中根据土壤质地将土壤分为A、B、C、D共4种类型；根据前5d的降水总量可将土壤湿润程度划分为干旱（AMCⅠ）、平均（AMCⅡ）、湿润（AMCⅢ）3种状态，且不同湿润状况的CN值有相互转换关系。传统的方法根据SCS模型的CN值表（美国农业水土保持局制），依据研究区上述的自身属性查算，即可确定相应研究区的CN值[44]。利用地理信息技术，依靠丰富的数字高程模型（DEM）、土地利用、土壤类型、土壤湿度等数据，通过计算各土地利用类型和土壤分类的权重也可得到相应的CN值[45]。
为了减少大量实测资料的要求以及利于应用至无资料地区和大尺度区域，采用降雨—径流反推法，由式（2）反推出式（3），根据降雨和径流的历史匹配资料，由式（3）计算出相应的流域综合CN值[46]。
S = 25400 C N - 254
C N = 25400 25 4 + S
式中：S为土壤蓄水能力/mm；CN为曲线数，无量纲。
对于初损Ia，引入初损比例因子m，将Ia=0.2S 的经验公式修改为Ia=mS[47]，m随着不同的自然地理情况和水文条件而变化，通过参数率定确定其值，则径流量的计算公式为：
R = ( P - m S ) 2 ( P + ( 1 - m ) S )
式中：m为初损比例因子。
（2）汇流结构
SCS原始模型的汇流计算采用一条统一的无因次单位线来进行汇流计算，其单位线根据经验公式确定。本研究中为在大尺度区域上应用且充分利用地形特征，采用滞后演算法。
一个单元流域某种水源的水量平衡方程如式（5）所示。
I - Q = d W d t
式中：I、Q为单元流域该种水源的入流、出流量，m3/s；W为单元流域内的蓄量，m3。
假定该水源的槽蓄方程是线性的（式（6））：
W = k Q
就式（5）、式（6）进行差分求解，时段长为Δt，在i-1，i两个时刻进行差分，假定k是常数，并引入滞时T通过推导有：
Q i = C s Q i - 1 + ( 1 - C s ) I ( i - 1 - T ) + I ( i - T ) 2
C s = k - 0.5 Δ t k + 0.5 Δ t
式中：k为线性的蓄泄系数/h；Cs为线性水库的消退系数，考虑单元流域的调蓄；1-Cs为线性水库的出流系数。
综上，将降雨预报数据以及CN值输入产流结构，得到每个计算单元的径流量，再通过汇流结构的计算，得到一个流域出口断面的径流量。最后通过比较此预报数据与历史数据计算结果的超出比例，来确定山洪灾害风险等级，生成山洪灾害风险数据。

2.2 应急制图

应急制图主要涵盖了灾害类型、时间状态、影响范围、相关地理要素等方面。首先，根据应急事件的类型，如地震、火灾、山洪、台风……来确定具体制图需求。不同的应急事件需要有不同的地图内容表达，灾前、灾中还是灾后的地图时效性也会影响其地图内容。而后，在应急制图过程中，还需考虑灾害的动态演变，并且突发灾害的严重程度与影响范围也是不确定的，需考虑多级尺度的地图表达。
由于应急响应的时间要求，预先构建前期基础数据库和设计标准制图模板能在应急响应时节省大量时间。我们还根据山洪灾害风险数据的特点构建了数据快速处理工具，提高数据处理的效率。
（1）构建前期基础数据库
充足多源的前期数据可在灾害发生时为应急制图提供有力的信息支撑。就山洪灾害风险专题图这一需求来说，前期基础数据主要包括各级行政区、道路、河流、湖泊、水库以及重点防灾减灾保护对象等矢量数据，灾前卫星遥感影像数据，人口、医疗资源分布等经济社会数据。为此我们构建了山洪灾害风险应急制图前期基础数据库，数据如表1所示。因为本研究中重点关注山洪灾害风险所影响的范围，为各级应急管理部门争取准备时间，所以前期基础数据库中包含的数据类型较少，不够全面。
表1 山洪灾害风险应急制图前期基础数据库

Tab. 1 The preliminary fundamental database of flash flood disaster risk emergency mapping

序号 数据名称 数据来源 数据年份 数据格式 数据类型 处理方法
1 全国行政区划 国家基础地理信息中心 2017 矢量格式 基础数据 直接使用
2 全国河流、湖泊 中国科学院南京地理与湖泊研究所 2012 矢量格式 基础数据 直接使用
3 全国分省市人口统计数据 国家统计局 2019 文本格式 基础数据 GIS处理
4 全国分省市GDP统计数据 国家统计局 2019 文本格式 基础数据 GIS处理
（2）构建数据处理工具
山洪灾害风险计算模型的输出结果为文本格式，为将该结果有效的表达在地图中，需要将其转换为栅格格式。在ArcGIS平台中，传统方法是将文本格式的数据依次经过ACSII转栅格、定义坐标系和投影变换处理，转换为栅格格式。为加快数据处理速度，减少中间过程数据的产生，利用ArcGIS平台的模型构建器（ModelBuilder）模块，构建了山洪灾害风险数据的处理工具，使得数据处理一步完成，得到可直接应用于制图的栅格格式的山洪灾害风险数据。ModelBuilder地理数据处理工具流程如图2所示。
图2 地理数据处理工具流程

Fig. 2 Flowchart of the geo-processing

（3）设计标准制图模板
制图模板包含地理实体关系模型、地理底图配图方案、地图符号库和合理美观的图面配置等。为了减少应急制图时的响应时间、避免出现不同设备和人员的主观差异性以及保证地图布局格式的统一标准和连续性，我们为此设计了一套山洪灾害风险应急制图模板，模板包括地理底图配图模板和图面配置样式模板。地理底图采用行政区划数据，重点关注区域可叠加湖泊、河流数据。图面配置要素主要包括内、外图廓、图名、图例、附图或文字说明、比例尺、制图单位、制图时间等，如图3所示。
图3 图面配置样式模板

Fig. 3 The template of map layout pattern

2.3 辅助决策

辅助决策一词是指计算机系统所具有的功能，包括决策者获取信息、确定问题、评价和取舍方案等过程。在针对自然灾害应急服务的辅助决策时，虽然决策者需要考虑专业知识、工作经验以及自然灾害的复杂性，但辅助决策对于决策者来说，具有非常重要的作用。
针对山洪灾害风险监测工作，通过获取专题地图的信息以及分析研判，决策者可迅速确定存在山洪灾害风险的省区市。当山洪灾害风险触发应急响应标准时，各级的应急管理或防汛抗旱部门决策者经过会商，通过网站、通讯网络、社交媒体等方式向社会公众发布预警信息，相关专业人员做好群众撤离、人员物资调配等防灾减灾应对准备。此外，山洪灾害风险计算结果可叠加相关社会经济数据或历史山洪灾害点数据，针对重点地区加强监测和准备。在降雨集中的汛期，此结果还可对一个降雨集中时期进行平行对比，分析山洪灾害风险的发展方向、过程以及趋势。

3 研究区概况与数据来源

3.1 研究区概况

长江经济带以长三角城市群、中游城市群和成渝城市群为主，横跨我国东中西三大板块，涵盖沿江9省2市共43个地市，面积约为205.23万km2，约占我国国土面积的21.4%，2019年GDP总量和人口数量均超过全国的40%。在经济高质量发展的阶段，已成为我国综合实力最强的区域之一，是国家经济格局规划的重大战略支撑。该区域内受亚热带季风气候影响，夏季降水多且集中，汛期较长，年均降水量超过1000 mm，且区域性差异较大。特别是2020年入汛以来，累积降雨量大，以湖北省为例，入梅较常年偏早9 d，梅雨期长达43 d，平均雨日多达30 d，其中6月8日至7月19日全省平均降水量比常年同期偏多2.45倍，长江中下游其他地区降雨情况类似[1]。参考我国降水量等级国家标准，将长江经济带2020年7月的平均降雨量大致分为5级，由图4可以看出雨带分布在长江两侧，其中雨带中心主要分布在安徽以及渝鄂湘交接区域。
图4 长江经济带2020年7月平均降雨量分布

Fig. 4 The average rainfall distribution of the Yangtze River Economic Belt in July 2020

3.2 数据来源

本研究所涉及的数据如表2所示。
表2 数据列表

Tab. 2 Data list

数据名称 数据来源 时段 数据格式 数据类型 处理方法
全国行政区划[48] 国家基础地理信息中心 2017 矢量格式 基础数据 直接使用
全国河流、湖泊[49] 中国科学院南京地理与湖泊研究所 2012 矢量格式 基础数据 直接使用
全国分省市人口统计数据[50] 国家统计局 2019 文本格式 基础数据 GIS处理
全国分省市GDP统计数据[50] 国家统计局 2019 文本格式 基础数据 GIS处理
DEM数据[51] 美国航空航天局SRTM 2000 栅格格式 专题数据 GIS处理
全球土地覆盖数据[52] 马里兰大学 2000—2020 栅格格式 专题数据 GIS处理
土壤类型数据[53] 联合国粮农组织（FAO） 2009 栅格数据库 专题数据 预处理
TRMM卫星降水数据[54] 美国航空航天局（NASA） 2010—2019 栅格格式 专题数据 预处理
每日24 h降雨预报数据[55] 象辑知源（武汉）科技有限公司 2020 文本格式 专题数据 GIS处理

4 结果及分析

4.1 长江经济带模型计算

模型计算中所采用的数据如表2所示，包括DEM、全球土地覆盖、土壤类型、TRMM卫星降水以及每日24 h降雨预报数据等。DEM数据的空间分辨率为90 m，全球土地覆盖数据的空间分辨率为30 s（1 km），根据研究区裁剪使用。土壤类型数据包含栅格数据和属性数据库，需根据土壤类型与属性数据库连接，即可获得相应的土壤属性。TRMM卫星降水数据的空间分辨率为0.25 °。
根据DEM数据，按照汇流关系将全国离散为二十多万个流域，其中长江经济带区域包含约5万个流域（流水累积量阈值为3000），每个流域单独进行分布式水文模型计算。时间步长为1 h。根据历史10年的TRMM卫星遥感数据，计算出集水面积50~500 km²的各个山洪沟单元流量数据作为基准值序列备用校核。利用每日24 h降雨预报数据计算出各个山洪沟单元未来24 h的流量，与基准值序列比较，根据超过基准值的比例来确定该区域的山洪灾害风险等级。山洪灾害风险等级划分可根据不同的制图需求确定，例如两级分级以50%作为分界线；四级分级采用25%、50%、75%作为分界线。确定等级划分后，即可计算生成全国山洪灾害风险数据。

4.2 长江经济带应急制图

在本次应用中我们通过构建前期基础数据库、构建数据处理工具和设计标准制图模板的方法来保证应急制图的效果和效率。
有效的可视化方法在面对突发灾害应急制图时更加重要，可在判断灾害严重性以及影响范围时发挥重要作用。山洪灾害风险数据为面数据，在地图中可直观地反映山洪灾害风险区的范围。针对不同等级的山洪灾害风险，我们采用两级或四级配色表达。两级配色即采用红色和黄色分别表示较高风险和潜在风险。四级配色即采用蓝色、黄色、橙色和红色来分别表示一般、较高、高和特别高的山洪灾害风险。除了前期基础数据和模型数据外，要素的符号样式、注记、态势标绘符号以及地图整饰要素也是不可或缺。为此我们制作了一套全国省市的地名注记和全国主要河流的名称注记，结合相应的研究区使用。最后，通过与前期准备的专题制图模板匹配，设置山洪灾害风险符号、色彩、注记等制图综合，输出打印地图以完成应急制图工作。
针对山洪灾害风险这一应急制图服务，我们主要采用了全国各级行政区划、主要河流以及湖泊数据，并且根据每日山洪灾害风险的分布情况，采取自适应制图的方式，对重点地市或重点关注区域进行针对性制图，形成一系列专题地图。如图5—图7展示了2020年汛期的山洪灾害风险专题图。其中，图5展示了2020年7月11日长江经济带的山洪灾害风险，主要集中在江苏、安徽、河南和湖北四省。
图5 2020年7月11日长江经济带山洪灾害风险专题图

Fig. 5 Thematic map of flash flood disaster risk in the Yangtze River Economic Belt on Jul. 11, 2020

图6 2020年8月16日长江经济带山洪灾害风险专题图

Fig. 6 Thematic map of flash flood disaster risk in the Yangtze River Economic Belt on Aug. 16, 2020

图7 2020年7月5日—7月13日长江经济带山洪灾害风险分布情况

Fig. 7 Flash flood disaster risk distribution in the Yangtze River Economic Belt from Jul. 5 to Jul. 13, 2020

图6展示了2020年8月16日长江经济带山洪灾害风险分布情况，总体来看当日山洪灾害风险主要分布在四川省、陕西省和山西省，长江经济带区域内四川省中部整体风险较高。长江经济带区域中山洪灾害红色风险为绵阳市、德阳市、成都市、雅安市、眉山市5市；橙色风险为广元市和阿坝藏族羌族自治州；黄色风险为乐山市和云南省昭通市；蓝色风险为资阳市、甘孜藏族自治州、凉山彝族自治州、云南省德宏傣族景颇族自治州、红河哈尼族彝族自治州、曲靖市和文山壮族苗族自治州等7市（自治州）。
如图7（a）—图7（i）所示，依次展示了2020年7月5日至2020年7月13日一个较为集中的降雨期内，长江经济带山洪灾害风险的分布情况。该降雨期内山洪灾害风险多分布于长江的中游省市，7月5日至7月8日，湖南省的西北部、湖北省的中东部、安徽省的南部和浙江省的北部和西北部区域为山洪灾害红色风险，且出现了南移的趋势。7月9日山洪灾害风险已转移到贵州省东南部、湖南省中部、江西省的中部和浙江省的西南部区域。7月10日山洪灾害风险分布较为分散且不成规模，主要集中在江西省中部和北部。7月11日安徽省和江苏省的北部出现山洪灾害红色风险，重庆市和湖北省出现了较大规模的山洪灾害黄色风险。7月12日至13日，随着降雨的减少，长江经济带山洪风险逐步减弱消散，只在安徽省和江苏省北部以及云南省的西部出现一些山洪灾害黄色风险。
根据实际工作中的应用，自触发应急响应，分别采用常规制图方法和上述应急制图方法完成制图，我们通过计时来定量反映2种方法的制图速度，设备为LENOVO Xiaoxin 700（i7-6700HQ 2.59 GHz 16 GB）笔记本电脑。计时从接收山洪灾害风险计算结果开始，至完成地图输出结束，经过统计，采用常规制图方法15次，平均单幅专题图制图时间约为450 min；采用上述应急制图方法85次，平均单幅专题图制图时间约为50 min。

4.3 长江经济带辅助决策

根据相关省市气象局或防汛抗旱指挥部发布的通知，经统计，2021年7月5日，安徽省提升暴雨应急响应至二级，湖北、湖南、浙江、江苏四省提升暴雨应急响应为三级。7月8日，江西提升暴雨应急响应至二级。7月9日，中央气象台连续第三天发布暴雨橙色预警。7月10日，江西提升防汛应急响应为二级，重庆启动暴雨四级应急响应，湖北启动防汛二级应急响应。7月11日，江西提升防汛应急响应为一级。7月12日，水利部将水旱灾害防御 Ⅲ 级应急响应提升至Ⅱ 级，鄱阳湖水位升至历史最高位。自6月至7月13日以来，我国共有433条河流发生超警以上洪水，其中109条河流发生超保洪水，33条河流发生超历史洪水；长江、黄河上游、珠江流域西江和北江、太湖先后发生1号洪水。7月5日至7月13日间的汛情与图8所反映的山洪灾害风险分布情况基本一致，相关部门根据各级尺度的山洪灾害风险专题图，研判山洪灾害风险分布情况，及时发布预警通知，有效地保护了人民生命财产安全，验证了山洪灾害风险模型的有效性以及本次面向山洪灾害风险的应急制图体系的高效性和一体化。

5 结论与讨论

5.1 结论

以上针对2020年汛期长江经济带进行山洪灾害风险监测工作，从7月份起至10月份汛期结束，共计96天，为国家应急管理部门提供共计150幅山洪灾害风险专题图，并且该方法在汛期成功预警了多次山洪灾害，为防灾减灾、保护人民生命财产安全发挥了作用。通过上述的优化改进方法，极大地缩短了从触发应急响应到输出应急专题地图的工作时间，从数据接收到输出应急专题图，可将常规方式下的7~8 h提高至50 min，提高了应急响应效率，并且保证了应急专题图的标准性。
山洪灾害预报预警工作是我国的防汛减灾工作的关键部分，本文通过上述研究方法及实际验证，初步得到以下结论：① 通过改进的SCS模型，结合应急制图与辅助决策理论框架，通过构建前期基础数据库、构建数据处理工具、设计标准制图模板等方法，将平均单幅专题图制图时间从采用常规制图方法的450 min提高至50 min，提升了模型计算和应急制图效率，保证了应急制图的规范性； ② 将实时模型计算与应急制图结合，并且通过采用每日24 h降雨预报数据，实现了山洪灾害风险专题图的动态持续更新；③ 该方法在2020年汛期有效应用于长江经济带山洪灾害风险防御工作，累计制作约150幅山洪灾害风险专题图，实际验证结果良好并且成功预警多次山洪灾害，为国家应急管理部门提供了防汛减灾的辅助决策。

5.2 讨论

本研究的山洪灾害风险计算结果以数据集的形式发表至国家地球系统科学数据中心（http://www.geodata.cn/）[56]。
本研究不同于前人对山洪灾害风险采用危险度与易损度或者孕灾环境、致灾因子和承灾体因子的评估方法，而是采用SCS模型进行径流量模拟，以此计算当日未来24 h的山洪灾害风险，并通过构建前期基础数据库、构建数据处理工具、设计标准制图模板等方法，提高应急制图效率，实现山洪灾害风险应急地图的动态连续更新。山洪灾害风险计算方法是基于前人对于SCS模型的改进，上述改进方法在常规水文模拟中已得到验证且效果良好。不同于常规的水文洪水预报对水位、径流量等指标的关注，山洪灾害预报预警更加关注山洪灾害是否发生，主要采用命中率作为评价指标，传统方法山洪灾害预报预警精度有限，仍存在较大的发展空间。灾害风险通常被定义为未来损失的可能性，在本质上是事件发生的概率，因此客观上无法对模型计算的山洪灾害风险结果进行绝对的验证。
本研究是面向长江经济带区域的大尺度山洪灾害风险预警工作，应急管理部门意在快速了解和获取全国范围或大尺度区域上的山洪灾害风险宏观分布情况，从而进行下级单位的工作安排和科学决策。由于图幅和比例尺等限制，道路、房屋、人口等重要承灾体数据，以及人口、GDP等社会经济数据在大尺度制图中难以有效表达，所以在应用中并未叠加此类数据。此类较为精细化的数据应针对小尺度区域，在山洪灾害风险精细化制图研究中深入开展，并考虑地图信息负载量与制图效率的平衡，结合当地防汛减灾工作加以应用。此外，采用更高精度的数据会提高计算山洪灾害风险的精度，但更高的精度与更高的计算效率之间的取舍在应急制图中更加重要。本研究在模型计算部分已经实现数据接收到计算输出的实时自动化，但在应急制图及其衔接上实时自动化程度不高，未形成完整的系统，仍需深入研究。
自然灾害的高复杂性，高不确定性以及高预报难度，意味着我国防灾减灾的工作仍有更远的路要走：① 实时多源数据融合以及实时应急制图等关键技术仍未得到有效解决。② 针对各类自然灾害的应急制图，多种模型的综合应用以及应急制图系统的完善性和能否满足不同层次人员的制图要求，是未来研究发展的方向。③ GIS、遥感技术对于灾害应急的实时服务还有较大差距，需要加速推进我国空天地数据获取、处理、传输和应用一体化的智能服务系统。④ 我国应急制图服务体系仍需加强完善，应急管理部门设置时间不长，应急制图往往会涉及到多个部门的多种数据，不同部门、不同平台以及数据的多样性对于“全国应急一张图”的实现是一个巨大的挑战。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
夏军, 陈进. 从防御2020年长江洪水看新时代防洪战略[J]. 中国科学:地球科学, 2021, 51(1):27-34.

[Xia J, Chen J. A new era of flood control strategies from the perspective of managing the 2020 Yangtze River flood[J]. Science China Earth Sciences, 2021, 51(1):27-34.] DOI:10.1360/SSTe-2020-0214

DOI

[2]
Cornwall W. Europe's Deadly Floods Leave Scientists Stunned[J]. Science, 2021(373):372-373. DOI:10.1126/science.373.6553.372

DOI

[3]
中华人民共和国水利部. 中国水旱灾害防御公报2020[EB/OL]. 2021-12-08: http://www.mwr.gov.cn/sj/tjgb/zgshzhgb/202112/P020211208612249749576.pdf.

[Ministry of Water Resources of the People's Republic of China. Bulletin on flood and drought disasters prevention in China in 2020[EB/OL]. 2021-12-08: http://www.mwr.gov.cn/sj/tjgb/zgshzhgb/202112/P020211208612249749576.pdf.]

[4]
陈述彭. 地图学的发展与展望[J]. 地域研究与开发, 1988(01):1-6.

[Chen S P. The Development and Prospect of Cartography[J]. Areal Research and Development, 1988(01):1-6.] DOI:CNKI:SUN:DYYY.0.1988-01-000

DOI

[5]
周启, 李维庆. 快速制图在地质灾害应急中面临的挑战与应对策略[J]. 测绘, 2016, 39(05):223-226.

[Zhou Q, Li W Q. The challenges and strategies of rapid mapping in geological disaster emergency response[J]. Surveying and Mapping, 2016, 39(05):223-226.] DOI:10.3969/j.issn.1674-5019.2016.05.009

DOI

[6]
Goodchild M F. Looking forward: Five thoughts on the future of GIS[EB/OL]. 2011-02: https://www.esri.com/news/arcwatch/0211/future-of-gis.html.

[7]
朱秀丽, 赵勇, 刘万增, 等. 测绘地理信息应急快速制图系统研究[J]. 武汉大学学报·信息科学版, 2020, 45(8):1303-1311.

[Zhu X L, Zhao Y, Liu W Z, et al. Geographic information rapid mapping system for emergency[J]. Geomatics and Information Science of Wuhan University, 2020, 45(8):1303-1311.] DOI:10.13203/j.whugis20200139

DOI

[8]
Voigt S, Giulio-Tonolo F, Lyons J, et al. Global trends in satellite-based emergency mapping[J]. Science, 2016, 353(6296):247-252. DOI:10.1126/science.aad8728

DOI PMID

[9]
International Charter Space and Major Disasters. International Charter Space and Major Disasters[EB/OL]. 2022: https://disasterscharter.org/web/guest/text-of-the-charter

[10]
Boccardo P. New perspectives in emergency mapping[J]. European Journal of Remote Sensing, 2013, 46(1):571-582. DOI:10.5721/EuJRS20134633

DOI

[11]
杨思全, 空间信息技术在法国减灾工作中的应用(二)卫星遥感技术在减灾领域的应用动态[J]. 中国减灾, 2005(5):44-46.

[Yang S Q. Application of spatial information technology in disaster reduction in France (II)application of satellite remote sensing technology in disaster reduction[J]. China Journal of Disaster Reduction, 2005(5):44-46.] DOI:10.3969/j.issn.1002-4549.2005.05.023

DOI

[12]
Wania A, Joubert-Boitat I, Dottori F, et al. Increasing timeliness of satellite-based flood mapping using early warning systems in the copernicus emergency management service[J]. Remote Sensing, 2021, 13(11):2114. DOI:10.3390/rs13112114

DOI

[13]
Schnebele E, Cervone G, Kumar S, et al. Real time estimation of the Calgary floods using limited remote sensing data[J]. Water, 2014, 6(2):381-398. DOI:10.3390/w6020381

DOI

[14]
Zerger A, Smith D I. Impediments to using GIS for real-time disaster decision support[J]. Computers, environment and urban systems, 2003, 27(2):123-141. DOI:10.1016/S0198-9715(01)00021-7

DOI

[15]
周兴波, 张妍, 朱哲, 等. 国外应急管理体系对比研究及其启示[J]. 水力发电, 2021, 47(9):112-117,131.

[Zhou X B, Zhang Y, Zhu Z, et al. Comparative Study and Lessons Learned from Foreign Emergency Management System[J]. Water Power, 2021, 47(9):112-117,131.]

[16]
丁军, 王丹. 用于震害研究的遥感资料航摄与影像图制作技术[J]. 国土资源遥感, 1995, 4(26):56-62.

[Ding J, Wang D. Photographic flight and photomap production for research of seismic hazards[J]. Remote Sensing for Land and Resources, 1995, 4(26):56-62.] DOI:CNKI:SUN:GT YG.0.1995-04-012

DOI

[17]
童星, 陶鹏. 论我国应急管理机制的创新——基于源头治理、动态管理、应急处置相结合的理念[J]. 江海学刊, 2013(2):111-117.

[Tong X, Tao P. On the innovation of emergency management mechanism in China——based on the concept of combining source management, dynamic management and emergency disposal[J]. Jianghai Academic Journal, 2013(2):111-117.] DOI:10.3969/j.issn.1000-856X.2013.02.015

DOI

[18]
和海霞, 杨思全, 黄河, 等. 应急遥感快速制图技术研究[J]. 国土资源遥感, 2012(3):159-164.

[He H X, Yang S Q, Huang H, et al. Research on the emergency-response-oriented rapid mapping based on RS data[J]. Remote Sensing For Land & Resources, 2012(3):159-164.] DOI:10.6046/gtzyyg.2012.03.28

DOI

[19]
陈军, 陈利军, 廖安平, 等. 汶川地震灾区应急影像地图制作技术[J]. 遥感学报, 2009, 13(1):162-168.

[Chen J, Chen L J, Liao A P, et al. Photomap producing for Wenchuan earthquake disaster emergency[J]. Journal of Remote Sensing, 2009, 13(1):162-168.] DOI:10.3321/j.issn:1007-4619.2009.01.021

DOI

[20]
李德仁, 朱庆, 朱欣焰, 等. 面向任务的遥感信息聚焦服务[M]. 北京: 科学出版社, 2010.

[Li D R, Zhu Q, Zhu X Y, et al. Task-oriented remote sensing information focusing service[M]. Beijing: Science Press, 2010.]

[21]
梅洋, 赵勇, 彭震中, 等. 基于天地图的应急影像地图快速制作研究[J]. 测绘通报, 2012(3):32-35.

[Mei Y, Zhao Y, Peng Z Z, et al. Emergency image map production based on Map World[J]. Bulletin of Surveying and Mapping, 2012(3):32-35.] DOI:CNKI:SUN:CHTB.0.2012-03-010

DOI

[22]
龚健雅, 李小龙, 吴华意. 实时GIS时空数据模型[J]. 测绘学报, 2014, 43(3):226-232.

[Gong J Y, Li X L, Wu H Y. Spatiotemporal data model for real-time GIS[J]. Acta Geodaetica et Cartographica Sinica, 2014, 43(3):226-232.] DOI:10.13485/j.cnki.11-2089.2014.003

DOI

[23]
李德仁, 丁霖, 邵振峰. 面向实时应用的遥感服务技术[J]. 遥感学报, 2021, 25(1):15-24.

[Li D R, Ding L, Shao Z F. Application-oriented real-time remote sensing service technology[J]. National Remote Sensing Bulletin, 2021, 25(1):15-24.] DOI:10.11834/jrs.20210260

DOI

[24]
刘纪平, 刘猛猛, 徐胜华, 等. 大数据时代下的一体化综合减灾技术综述[J]. 武汉大学学报·信息科学版, 2020, 45(8):1107-1116.

[Liu J P, Liu M M, Xu S H, et al. Survey on integrated and comprehensive disaster reduction technology in the era of big data[J]. Geomatics and Information Science of Wuhan University, 2020, 45(8):1107-1116.] DOI:10.13203/j.whugis20200108

DOI

[25]
杜清运, 王煜淼, 刘纪平, 等. 面向灾害应急服务的自适应制图技术[J]. 武汉大学学报·信息科学版, 2020, 45(8):1117-1125.

[Du Q Y, Wang Y M, Liu J P, et al. Adaptive cartographic techniques for disaster emergency services[J]. Geomatics and Information Science of Wuhan University, 2020, 45(8):1117-1125.] DOI:10.13203/j.whugis20200138

DOI

[26]
Miller H J. Geographic information science III: GIScience, fast and slow-why faster geographic information is not always smarter[J]. Progress in Human Geography, 2020, 44(1):129-138. DOI:10.1177/0309132518799596

DOI

[27]
Sun Y, Li S. Real-time collaborative GIS: a technological review[J]. ISPRS Journal of Photogrammetry and remote sensing, 2016, 115:143-152. DOI:10.1016/j.isprsjprs.2015.09.011

DOI

[28]
Subasinghe I, Nittel S, Cressey M, et al. Real-time mapping of natural disasters using citizen update streams[J]. International Journal of Geographical Information Science, 2020, 34(2):393-421. DOI:10.1080/13658816.2019.1639185

DOI

[29]
Zhou J, Shen J, Zang K, et al. Spatio-temporal visualization method for urban waterlogging warning based on dynamic grading[J]. ISPRS International Journal of Geo-Information, 2020, 9(8):471. DOI:10.3390/ijgi9080471

DOI

[30]
李朋德. 中国应急测绘体系建设与实践[J]. 卫星与网络, 2013(11):22-27.

[Li P D. Construction and Practice of Emergency Surveying and Mapping System in China[J]. Satellite & Network, 2013(11):22-27.] DOI:10.3969/j.issn.1672-965X.2013.11.008

DOI

[31]
朱庆, 曹振宇, 林珲, 等. 应急测绘保障体系若干关键问题研究[J]. 武汉大学学报·信息科学版, 2014, 39(5):551-555.

[Zhu Q, Cao Z Y, Lin H, et al. Key technologies of emergency surveying and mapping service system[J]. Geomatics and Information Science of Wuhan University, 2014, 39(5):551-555.] DOI:10.13203/j.whugis20130351

DOI

[32]
曹振宇. 自然灾害应急测绘信息服务机制与方法[D]. 武汉: 武汉大学, 2014.

[Cao Z Y. Mechanisms and methods of emergency mapping information services for natural disaster[D]. Wuhan: Wuhan University, 2014.]

[33]
国家测绘地理信息局. CH/T4018-2013,基础地理信息应急制图规范[S]. 国家测绘地理信息局, 2013.

[National Bureau of Surveying, Mapping and Geoinformation. CH/T4018-2013, Specifications for emergency mapping of fundamental geographic information[S]. National Bureau of Surveying, Mapping and Geoinformation, 2013.]

[34]
李青, 何秉顺, 李昌志, 等. 山洪灾害气象预警方法探索与实践[J]. 中国防汛抗旱, 2020, 30(9/10):31-35.

[Li Q, He B S, Li C Z, et al. Exploration and practice for meteorological early warning of flash flood hazrads[J]. China Flood & Drought Management, 2020, 30(9/10):31-35.] DOI:10.16867/j.issn.1673-9264.2020287

DOI

[35]
Ding L, Ma L, Li L, et al. A survey of remote sensing and geographic information system applications for flash floods[J]. Remote Sensing, 2021, 13(9):1818. DOI:10.3390/rs13091818

DOI

[36]
赵刚, 庞博, 徐宗学, 等. 中国山洪灾害危险性评价[J]. 水利学报, 2016, 47(9):1133-1142,1152.

[Zhao G, Pang B, Xu Z X, et al. Assessment on the hazard of flash flood disasters in China[J]. Journal of Hydraulic Engineering, 2016, 47(9):1133-1142,1152.] DOI:10.13243/j.cnki.slxb.20150501

DOI

[37]
方建, 李梦婕, 王静爱, 等. 全球暴雨洪水灾害风险评估与制图[J]. 自然灾害学报, 2015, 24(1):1-8.

[Fang J, Li M J, Wang J A, et al. Assessment and mapping of global fluvial flood risk[J]. Journal of Natural Disasters, 2015, 24(1):1-8.] DOI:10.13577/j.jnd.2015.0101

DOI

[38]
任洪玉, 杜俊, 丁文峰, 等. 基于GIS的全国山洪灾害风险评估[J]. 灾害学, 2018, 33(4):86-92.

[Ren H Y, Du J, Ding W F, et al. Risk assessment of mountain torrent disaster based on GIS in China[J]. Journal of Catastrophology, 2018, 33(4):86-92.] DOI:10.3969/j.issn.1000-811X.2018.04.016

DOI

[39]
全国人民代表大会. 中华人民共和国突发事件应对法[J]. 中华人民共和国全国人民代表大会常务委员会公报, 2007(6):535-543.

[The National People's Congress of the People's Republic of China. Emergency response law of the People's Republic of China[J]. Gazette of the Standing Committee of the National People's Congress of the People's Republic of China, 2007(6):535-543.]

[40]
Cosby B J, Hornberger G M, Clapp R B, et al. A statistical exploration of the relationships of soil moisture characteristics to the physical properties of soils[J]. Water resources research, 1984, 20(6):682-690. DOI:10.1029/WR020i006p00682

DOI

[41]
Pilgrim D H, Cordery I. Chapter 9: Flood runoff. in maidment: handbook of hydrology[M]. New York: McGraw-Hill Inc., 1964:274-311.

[42]
张建云, 何惠. 应用地理信息进行无资料地区流域水文模拟研究[J]. 水科学进展, 1998(4):34-39.

[Zhang J Y, He H. Study on runoff modeling in non-data watershed using geo-referenced data[J]. Advances in Water Science, 1998(4):34-39.] DOI:CNKI:SUN:SKXJ.0.1998-04-005

DOI

[43]
Karmokar S, De M. Flash flood risk assessment for drainage basins in the Himalayan foreland of Jalpaiguri and Darjeeling Districts, West Bengal[J]. Modeling Earth Systems and Environment, 2020, 6(3):2263-2289. DOI:10.1007/s40808-020-00807-9

DOI

[44]
NRCS. National engineering handbook: Chapter 09. Hydrologic Soil-Cover Complexes[M]. Washington, DC: USDA Soil Conservation Service, 2004:1-14.

[45]
Abuzied S, Yuan M, Ibrahim S, et al. Geospatial risk assessment of flash floods in Nuweiba area, Egypt[J]. Journal of Arid Environments, 2016, 133:54-72. DOI:10.1016/j.jaridenv.2016.06.004

DOI

[46]
王冬, 李丽, 王加虎, 等. 径流曲线数(SCS-CN)模型在洪水预报中的应用研究[J]. 中国农村水利水电, 2017(8):108-112.

[Wang D, Li L, Wang J H, et al. Application of SCS-CN model in flood forecasting[J]. China Rural Water and Hydropower, 2017(8):108-112.] DOI:10.3969/j.issn.1007-2284.2017.08.023

DOI

[47]
张涛, 訾丽, 杨文发, 等. SCS模型在山区小流域山洪灾害预报预警中的适用性分析[J]. 长江科学院院报, 2021, 38(9):71-76.

[Zhang T, Zi L, Yang W F, et al. Applicability analysis of SCS model in flash flood forecasting and early warning[J]. Journal of Yangtze River Scientific Research Institute, 2021, 38(9):71-76.] DOI:10.11988/ckyyb.20200721

DOI

[48]
国家基础地理信息中心. 1:100万全国标准基础地理数据[DB/OL]. 2017: https://www.ngcc.cn/

[National Geomatics Center of China. 1:1 million national standard basic geographic data[DB/OL]. 2017: https://www.ngcc.cn/]

[49]
国家地球系统科学数据中心-湖泊-流域分中心. 中国1:25万三级流域分区内水系分布数据集(2012年)[DB/OL]. 2012: http://lake.geodata.cn

[Lake-Watershed Science SubCenter, National Earth System Science Data Center. Dataset of river system distribution in China's 1:250000 three-level watershed division(2012)[DB/OL]. 2012: http://lake.geodata.cn] DOI:10.12041/geodata.49919573122702.ver1.db

DOI

[50]
国家统计局. 分省年度数据[DB/OL]. 2019: https://data.stats.gov.cn/index.htm

[National Bureau of Statistics. Annual data by province[EB/OL]. 2019: https://data.stats.gov.cn/index.htm]

[51]
National Aeronautics and Space Administration. The Shuttle Radar Topography Mission[DB/OL]. 2000: https://earthdata.nasa.gov

[52]
Hansen M C, Defries R S, Townshend J R G, et al. Global land cover classification at 1 km spatial resolution using a classification tree approach[J]. International Journal of Remote Sensing, 2000, 21(6-7):1331-1364. DOI:10.1080/014311600210209

DOI

[53]
FAO/IIASA/ISRIC/ISS-CAS/JRC. Harmonized World Soil Database-Version 1.1[EB/OL]. 2009: https://www.fao.org/3/aq361e/aq361e.pdf

[54]
National Aeronautics and Space Administration. Tropical Rainfall Measuring Mission[DB/OL].2010-2019: https://earthdata.nasa.gov

[55]
象辑知源武汉科技有限公司. 每日24h降雨预报数据[DB/OL]. 2020: http://www.mlogcn.com/index.php.

[Xi-angji Zhiyuan(Wuhan) Technology Co., Ltd.. 24h daily rainfall forecast data[DB/OL]. 2020: http://www.mlogcn.com/index.php]

[56]
王加虎. 全国山洪风险预测数据集[DB/OL]. 2020: http://www.geodata.cn/data/datadetails.html?dataguid=197308656766222&docid=4020.

[Wang J H. Flash flood risk prediction dataset[DB/OL]. 2020: http://www.geodata.cn/data/datadetails.html?dataguid=197308656766222&docid=4020.] DOI:10.12041/geodata.197308656766222.ver1.db

DOI

Options
文章导航

/

〈 〉