EN中文

Arid Land Geography >

2024 , Vol. 47 >Issue 7: 1147 - 1155

DOI: https://doi.org/10.12118/j.issn.1000-6060.2023.565

Climatology and Hydrology

Simulation of storm flood inundation and critical rainfall threshold for disaster in Subash Reservoir based on two types of precipitation data

  • Liancheng ZHANG , 1, 2 ,
  • Jiayi SI 3 ,
  • Liequn HU , 4 ,
  • Meixia WANG 5 ,
  • Taixi ZHANG 1
Expand
  • 1. Xinjiang Uygur Autonomous Region Climate Center, Urumqi 830002, Xinjiang, China
  • 2. State Key Laboratory of Desert and Oasis Ecology, Xinjiang Institute of Ecology and Geography, Chinese Academy of Sciences, Urumqi 830011, Xinjiang, China
  • 3. Xinjiang Institute of Engineering, Urumqi 830023, Xinjiang, China
  • 4. Xinjiang Meteorological Service Center, Urumqi 830002, Xinjiang, China
  • 5. Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences, Lanzhou 730000, Gansu, China

Received date: 2023-10-11

  Revised date: 2023-12-06

  Online published: 2026-03-11

Fold

Abstract

This study focuses on the Subash Reservoir area in the Aksu Prefecture, Xinjiang, China, employing various data sources, including merged precipitation, rainfall station, digital elevation model, and land-use data. Using the FloodArea model, a refined simulation of typical torrential rain-induced flood processes in the Subash Reservoir is conducted. By analyzing the inundation depth and runoff volume, and the simulation results of two precipitation data sources are compared, and a precipitation-inundation depth relationship model is established, determining critical rainfall thresholds corresponding to the sediment-flushing gate bottom elevation, flood limit water level, spillway gate weir top elevation, and dam crest elevation. The results reveal that the FloodArea model driven by multi-source precipitation fusion data has higher accuracy and closer approximation to the actual values for the inundation depth and calculated runoff volume in the Subash Reservoir than the model driven by rain gauge precipitation data. The error simulation rates for inundation depth of the two kind of data are 8.59% and 18.67%, respectively. The cumulative 4-hour precipitation thresholds for reaching inundation levels corresponding to the sediment-flushing gate bottom elevation, flood limit water level, spillway gate weir top elevation, and dam crest elevation of the Subash Reservoir are 7.1 mm, 20.1 mm, 32.9 mm, and 44.7 mm, respectively. The results provide a theoretical reference for torrential rain-induced early flood warning in the Subash Reservoir region to enhance the capability of early flood warning for such scenarios.

Key words： torrential rain-induced floods; inundation simulation; critical rainfall threshold; Subash Reservoir

Cite this article

Liancheng ZHANG , Jiayi SI , Liequn HU , Meixia WANG , Taixi ZHANG . Simulation of storm flood inundation and critical rainfall threshold for disaster in Subash Reservoir based on two types of precipitation data[J]. Arid Land Geography, 2024 , 47(7) : 1147 -1155 . DOI: 10.12118/j.issn.1000-6060.2023.565

我国山洪灾害多为暴雨山洪，其具有突发性强、水量集中、破坏力大等特点，往往在强降雨后几分钟至几小时内，令河流水位达到甚至超过警戒值，是该类灾害的即时预警工作时间紧迫的主要原因，同时灾后恢复工作也成为棘手问题[1]。近年来，山洪造成的损失比例不断上升，尤其在距离城市较偏远的山区地带，山洪灾害对人员伤亡和基础设施的破坏难以控制，已经成为制约山区乃至山区中下游社会经济发展的重要因素[2]。
目前，全国各省（市）已陆续的开展流域内山洪预警技术研究[3⇓⇓-6]。张磊等[1]基于FloodArea模型对福建省泉州市的梅溪流域进行了致灾临界雨量阈值的确定，并开展了山洪灾害精细化预警方法研究；郑璟等[7]对马贵河流域的特大山洪过程进行了模拟和校正，根据模拟结果对预警点的降水和淹没深度进行了关系拟合，最终确定出了不同风险等级的致灾临界雨量；陈晓丹[8]基于FloodArea模型，对安化县山洪淹没灾害预警技术进行了研究；张明达等[9]利用流域内气象站点逐时降雨量进行了淹没模拟，得出了各等级的致灾临界雨量；卢燕宇等[10]利用改进的暴雨洪水淹没模拟算法，在淮河流域进行应用研究。对于新疆区域，仅有张连成、吴秀兰等[11⇓-13]对伊犁州境内皮里青河流域和吉林台苏河流域进行了致灾临界雨量阈值的研究。通过以上学者的研究可以看出，一方面，大多学者主要针对中小河流或山洪沟开展暴雨山洪预警技术研究，对于中小水库暴雨山洪预警技术的研究较少。目前，新疆现有水库483个，中小水库达到了474座，近年来，由局地极端强降水造成的山区洪水频繁发生，引发水库溃堤。经统计，1958—2002年新疆发生溃坝事故的水库有157座，局地强降水导致水库溃坝89座，约占57%。在此背景下，研究中小型水库预警技术对于保障新疆中小水库自身安全，以及下游保护区的生命财产安全意义重大。另一方面，以上学者所用的降水数据多为雨量观测站的降水数据，对于新疆而言，自动站虽已布设到乡镇级，但其地域幅员辽阔，有些流域仅有一个区域站，甚至没有站点，而降水作为山洪灾害发生的最直接诱因，目前分布稀疏的雨量站对降水在空间上的监测，无法满足流域内山洪演变精确模拟的需求，对致灾临界雨量的确定会产生较大的误差[11,14]，影响暴雨山洪预警能力。然而，国家气象信息中心研发的多源降水融合小时数据，具有较高的时间和空间分辨率[15-16]，运用此数据可弥补新疆区域站点分布稀疏的不足，提高中小水库暴雨山洪预警能力。
针对以上分析，本研究以苏巴什水库为研究区，选用多源降水融合数据、雨量站数据、DEM数据、土地利用数据等，运用FloodArea模型对研究流域典型暴雨山洪演进过程进行精细模拟，通过实测数据验证模拟精度，在此基础上构建降水-淹没深度关系模型，得出不同等级的致灾临界雨量阈值。

1 数据与方法

1.1 研究区概况

本研究选取苏巴什水库为研究对象（图1），该水库位于阿克苏地区柯坪县境内的苏巴什河上游，坝址位于柯坪县城西北约10 km的苏巴什河出山口处，属于山区拦河式水库，其流域面积4428 km2，总库容量1561×104 m3，控制径流量0.6883×108 m3，控制灌溉面积1.3×104 hm2，具有灌溉和防洪综合利用任务[17-18]。近年来，该流域发生了8次洪水，尤其是在2019年9月9日至10日，柯坪县遭受强降雨。由于水库上游山区降雨量较大，加上阿合奇县和阿图什市的降雨大量汇入苏巴什水库，造成水库入库最大洪峰流量达到488 m3·s-1，导致苏巴什水库水位持续上涨，致使苏巴什水库导流堤地基受损约100 m，交通设施和基础设施受损严重，迫使1.4×104余人紧急转移。苏巴什水库上游分布大量的山洪沟，一旦山区降水产生径流，将共同向水库汇流，极易导致水库溃坝。因此，对苏巴什水库暴雨山洪预警技术的研究势在必行，对于保障人民生命财产安全具有重要意义。
图1 研究区示意图

Fig. 1 Schematic diagram of the study area

1.2 研究资料

本研究使用的资料主要包括：降水数据、数字高程数据（DEM）、土地利用数据。
（1） 多源降水融合数据：该数据从国家气象业务内网（http://idata.cma/）获取，空间分辨率为5 km，时间分辨率为1 h。该数据是基于概率密度匹配方法，使用质量控制后的全国近4×104个考核的自动站降水观测数据分别对CMORPH降水产品进行偏差订正，然后利用贝叶斯模式平均法将CMORPH降水产品和雷达估测降水生成一个联合背景场，最后采用最优插值方法将背景场与观测场进行融合最终得到CMPAS近实时降水产品[15-16,19]。融合降水产品不仅准确抓住了降水空间分布，且降水强度与地面观测接近，同时该数据在站点稀疏地区，降水精度均较融合前有明显提高，达到较好的融合效果[15]。该数据与研究区站点实测数据进行精度验证得出绝对误差为0.2 mm，误差较小，满足本研究精度需求。
（2） 区域自动站和国家站降水数据：从新疆气候中心获取研究区范围内及其周边区域自动站、国家站（柯坪站51720）小时降水数据。其中区域自动站站号分别为：Y6092、Y6075、Y5955、Y8617、Y5954、Y8615、Y5915、Y5956、Y8620、Y8618、Y5932、Y8619、Y5953。
（3） DEM数据：从NASA网站下载覆盖新疆区域30 m的DEM数据。
（4） 土地利用数据：从地理空间数据云中下载覆盖新疆区域的1 km的土地利用数据，为了与DEM数据在空间像元上保持一致，将此数据重采样为30 m。
（5） 苏巴什水库以及流域边界：从新疆气候中心获取。

1.3 研究方法

1.3.1 暴雨山洪淹没过程模拟

本研究运用FloodArea模型模拟研究区暴雨山洪淹没过程。FloodArea模型是由德国Geomer公司基于GIS栅格数据开发内嵌在GIS平台，用来计算洪水淹没深度和范围。其计算是基于水动力方法，对地形、河道和土地利用类型等参数较为敏感。目前，该模型对洪水演进过程取得了较好的效果，已在国内外科研、工程等部门得到了运用[6,9,11]。本研究选用FloodArea模型中的暴雨模块对研究区淹没过程进行模拟，该模块的输入参数包括逐时面雨量数据、DEM数据、地表水力糙度（Strickler系数）、最大水流交换率和时间步长，其中最大水流交换率值为1%，时间步长为1 h。

1.3.2 洪水淹没模拟过程精度检验

选取水库坝前以及周边数个位置作为实测点，洪水发生后实测以上位置的真实淹没深度，提取实测点对应位置FloodArea模型模拟的淹没深度，通过平均误差法评估出FloodArea模型反演苏巴什水库暴雨山洪淹没过程的模拟能力。
E = 1 n ∑ i = 1 n P i - G i
D = ( E / P i ) × 100
式中： E为平均误差（m）；n为考察点数量； P i为考察点i的实测淹没深度（m）； G i为考察点i的模拟淹没深度（m）；D为误差率（%）。

1.3.3 汇水量计算

通过FloodArea模型模拟的研究区淹没深度和范围计算汇水量，即假定每个单元格有一个单位的淹没水量，依据水流方向依次计算每个单元格所能积累的水量[20]，计算公式为：
V = ∑ i = 1 n h × a 2
式中：V为汇水量（m3）；h为淹没深度（m）；a为模拟淹没格点的空间分辨率（m）；n为模拟淹没格点数；i为第几个淹没格点。

1.3.4 FloodArea 模型参数计算

（1） 降水空间分布权重
站点数据确定：选用研究区范围内5个区域自动站、周边8个区域自动站和1个国家站（柯坪站）的数据，共同用于计算降水空间分布权重。具体计算方法如下：首先，对14个站点降水过程进行逐站点小时平均，得到各站点小时平均降水数据。其次，运用反距离权重插值方法对各站点小时平均降水数据进行插值，并对插值数据进行研究区范围裁剪。最后，对研究区插值数据各格点值除以格点最大值，得到在0~1范围内的空间数值，即为此次降水过程在研究区降水空间分布权重（图2a）。
图2 降水空间分布权重

Fig. 2 Spatial distribution weight of precipitation

多源降水融合数据确定：首先，对多源降水融合数据进行研究区范围裁剪，在此基础上通过ArcGIS 10.1平台，利用“栅格计算器”工具对降水过程进行格点小时平均。其次，运用反距离权重插值方法对格点小时平均数据进行空间插值。最后，对研究区插值数据各格点值除以格点最大值，得到0~1范围内的空间数值，即为此次降水过程研究区降水空间分布权重（图2b）。
（2） 地表水力糙度计算
根据研究区土地利用类型数据改进Strickler系数，在ArcGIS 10.1平台利用“重分类”工具，对地表粗糙度重新赋值，得到改进后的研究流域粗糙度系数。研究流域主要分布的耕地、草地、水体和裸地4类土地覆盖类型对应的Strickler系数分别为18、50、40、33[21]。
（3） 面雨量计算
根据历史灾情数据，选取苏巴什水库2019年9月9日—10日1次降水过程，用站点数据和多源降水融合数据分别计算研究区面雨量。站点数据：选取研究区及其周边共计14个气象站点逐小时降水数据，对不同站点同时间段内降水数据进行平均，得到过程降水1 h为步长的平均数据，此数据作为该降水过程逐小时面雨量数据，并生成文本文件。多源降水融合数据：在ArcGIS 10.1平台通过“栅格计算器”工具，对研究区范围内多源降水融合数据以1 h为步长进行平均计算，此数据作为1次降水过程的面雨量数据，并生成文本文件。

2 结果与分析

2.1 降水空间分布权重分析

通过对比2种数据确定的降水空间分布权重可以看出，降水权重在空间上整体呈现左高右低的分布特征。多源降水融合数据确定的权重，空间表现相对离散，过渡较为均匀，更能反映出局部的降水分布情况（图2b）；而站点数据确定的权重，空间上不够离散，尤其在研究区无站点布设的区域，而且插值结果在站点附近存在较大的“牛眼”（图2a）。

2.2 典型淹没过程模拟结果分析

2.2.1 淹没过程模拟

从多源降水融合数据驱动FloodArea模型对研究流域2019年9月9日20:00—10日09:00第14 h的淹没深度和范围的模拟结果（图3）来看，上游山区的多个洪沟共同向下游汇水，淹没深度较深的区域多集中在山区。由于中下游地势较为平坦，上游汇集的水多以漫滩的形式向下游汇集，最终沿着河道汇入苏巴什水库。通过多源降水融合数据和雨量站降水数据驱动的FloodArea模型模拟流域局部区域此次降水过程的淹没范围和淹没深度（图4、图5）可知，多源降水融合数据驱动的淹没模拟在前2 h并未产生径流，处于水量蓄积状态，从第3 h开始地表逐渐产生径流，随着时间的推移各个山洪沟的水深逐步变大，淹没范围逐渐变宽，产生的径流共同向下游的苏巴什水库汇聚，致使水库水位不断上升。相比之下，雨量站降水数据驱动的淹没模拟前6 h未产生地表径流，处于水量蓄积阶段，从第7 h开始地表逐渐产生径流。2种降水数据源模拟结果显示，多源降水融合数据模拟的结果产生的径流更早，淹没过程更为清晰。
图3 研究区第14 h淹没空间分布

Fig. 3 Spatial distribution of inundation in the 14th hour in the study area

图4 多源降水融合数据驱动的FloodArea模型反演研究区局部逐小时淹没过程

Fig. 4 Inversion of local hourly flooding process in the study area driven by multi-source precipitation fusion data using the FloodArea model

图5 雨量站降水量驱动的FloodArea模型反演研究区的局部逐小时淹没过程

Fig. 5 Inversion of local hourly flooding process in the study area driven by rain gauge precipitation using the FloodArea model

本研究利用20个实测淹没深度（表1）对2种降水数据模拟的苏巴什水库淹没过程进行精度验证。结果表明，多源降水融合数据驱动的FloodArea模型模拟淹没深度相对于实测深度略有高估，平均高估0.03 m，误差率为8.59%，而雨量站降水数据驱动的模型模拟的淹没深度则略有低估，平均低估0.07 m，误差率达到18.67%。可以得出，多源降水融合数据驱动的FloodArea模型对苏巴什水库淹没过程的模拟精度更高，更接近实际淹没深度。
表1 模拟淹没深度和实测淹没深度

Tab. 1 Simulated and observed inundation depths

序号 经度/°E 纬度/°N 实测淹没深度/m 模拟淹没深度/m
多源降水融合数据 气象站点降水数据
1 78.92 40.57 0.79 0.83 0.53
2 78.92 40.57 0.30 0.38 0.17
3 78.90 40.55 0.31 0.40 0.27
4 78.82 40.53 0.17 0.22 0.13
5 78.79 40.52 0.49 0.53 0.29
6 78.79 40.52 0.52 0.58 0.43
7 78.79 40.52 0.59 0.62 0.47
8 78.79 40.52 0.32 0.37 0.38
9 78.76 40.52 0.50 0.48 0.38
10 78.75 40.51 0.17 0.22 0.07
11 78.75 40.51 0.33 0.29 0.23
12 78.75 40.51 0.35 0.42 0.32
13 78.73 40.50 0.40 0.45 0.28
14 78.92 40.56 0.31 0.34 0.23
15 78.92 40.56 0.43 0.45 0.44
16 78.92 40.56 0.28 0.28 0.23
17 78.92 40.56 0.21 0.21 0.19
18 78.92 40.56 0.36 0.36 0.35
19 78.92 40.56 0.35 0.36 0.34
20 78.92 40.56 0.24 0.25 0.24

2.2.2 汇水量分析

2种降水数据源驱动的FloodArea模型计算出的汇水量随时间逐渐升高（图6），其中多源降水融合数据模拟计算的汇水量在前2 h未产生水量，从第3 h开始产生汇水量；而雨量站降水数据模拟计算的汇水量则在第7 h开始产生。这与前文描述的淹没过程产生的径流量时间吻合。在汇水量演变过程看，雨量站降水数据模拟计算的汇水量整个过程未超过1×106 m3，而多源降水融合数据模拟计算的汇水量在0.13×106~7.04×106 m3之间。多源降水融合数据模拟的汇水量明显大于雨量站数据模拟的结果，并且在第12~13 h（9月10日上午08:00—09:00点）达到了防洪库容量（5.84×106 m3），而雨量站数据模拟的结果未达到防洪库容量。根据实际调查，此次降水过程达到了苏巴什水库警戒水位，超过了防洪库容，在9月10日上午09:00—10:00开闸泄洪。可以看出，虽然多源降水融合数据模拟计算的汇水量相较实际提前1 h达到了库容量，但与雨量站降水数据模拟计算的汇水量相比更符合实际情况。
图6 苏巴什水库汇水量模拟

Fig. 6 Simulation of runoff volume in Subash Reservoir

2.3 致灾临界雨量阈值的确定

通过30 m DEM数据确定研究区坝体周边地面距离海平面高度为1290 m。在此基础上，依据冲砂闸底板高程、汛限水位、泄洪闸堰顶高程和坝顶高程距海平面高度，确定冲砂闸底板高程、汛限水位、泄洪闸堰顶高程和坝顶高程到地面的绝对高度（表2）。通过多源降水融合数据驱动的FloodArea模型反演的淹没深度和雨量站降水量数据，建立降水-淹没深度关系式，其中降水数据选取柯坪站数据，该站点为国家气象站，获取的数据经过质量控制，质量较好。通过不同时长累积降水量与淹没深度相关分析，仅有累积7 h和累积4 h的降水量通过0.05显著性检验（表3）。虽然累积7 h的降水量与对应的淹没深度相关性最好，达到0.83，但考虑到当地降雨持续时间相对较短，并且通过7 h累积降水为预警指标，不利于预警的时效性，因此选择累积降水量与淹没深度相关系数相对较好的累积4 h的降水量（相关系数为0.73），建立降水-淹没深度关系式，计算公式为：
y = 1.4463 x + 2.75
式中： y为降水量（mm）； x为淹没深度（m）。
表2 水库各指标高程参数和致灾临界雨量阈值

Tab. 2 Elevation parameters and critical rainfall thresholds for reservoir indicators

指标参数 冲砂闸底板高程 汛限水位 泄洪闸堰顶高程 坝顶高程
距海平面高度/m 1293.0 1302.0 1310.8 1319.0
距地面高度/m 3.0 12.0 20.8 29.0
致灾临界雨量阈值/mm 7.1 20.1 32.9 44.7
表3 不同小时累积降水与淹没深度相关性

Tab. 3 Correlation between accumulated precipitation and inundation depth at different hours

累积小时/h 1 2 3 4 5 6 7 8 9 10
相关系数 0.26 0.26 0.37 0.73* 0.64 0.67 0.83* 0.69 0.70 0.67

注：*表示通过0.05显著性水平检验。

通过以上关系式可以推算出，苏巴什水库淹没水位达到冲砂闸底板高程、汛限水位、泄洪闸堰顶高程和坝顶高程对应的累积4 h降水量的致灾临界雨量阈值分别为7.1 mm、20.1 mm、32.9 mm和44.7 mm（表2）。

3 讨论

通过雨量站数据和多源降水融合数据分别为降水数据源驱动FloodArea模型，对苏巴什水库1次暴雨山洪过程进行模拟，得出雨量站降水数据模拟的淹没过程在产生径流方面相对滞后，模拟的淹没深度和计算的汇水量较实际情况存在明显低估。然而FloodArea模型在伊犁的皮里青流域[11]、博尔博松流域[12]、依格孜牙流域[13]以及福建省梅溪流域[1]，云南的亦那河山洪沟[9]通过雨量站驱动模拟得到的淹没深度均要要高于实际淹没深度，与本研究结论相反。这主要由于以上流域相对较小，气象站点分布较多，并且在空间分布较为均匀，面雨量数据能较好地代表整个研究区域。而本研究区及其周边的雨量站多分布在海拔较低的平原区域（图1），山区分布较少，而往往山区降水较为复杂，一般情况下山区的降水要多于平原区，甚至在山区更容易形成局部强降水[22⇓-24]，因此通过雨量站确定的面雨量可能小于实际情况，无法很好地代表整个研究流域。另外，FloodArea模型在模拟过程中假定降水全部转换为径流参与汇流和淹没分析，而实际情况是在降水产流过程中有部分降水以下渗等方式损耗[10]，因此在输入可靠降水的前提下，模型模拟的淹没深度要高于实测数据。这也进一步说明本研究区通过雨量站确定的面雨量偏小，致使模拟的淹没深度、汇水量较实际情况小，产生的径流相对滞后。而通过多源降水融合数据确定的降水分布权重（图2b）表明，研究区上游山区的降水量要明显大于下游区域，该数据驱动FloodArea模型模拟的淹没深度要大于实际淹没深度，淹没深度和汇水量与实际情况相比误差相对较小，但模拟计算的汇水量要比实际情况提前达到防洪库容。这主要由于新疆南疆区域，地表土壤持水率低，更易于径流下渗[25]，FloodArea模型模拟过程中并未考虑实际下渗[10]，导致计算出的汇水量要比实际情况提前达到防洪库容。因此，在后续的模拟研究中有必要进一步考虑产流系数，将下渗部分考虑到FloodArea模型中，以期提升暴雨山洪预警能力。
本研究作为水库预警技术的初步探究，可为水库暴雨山洪预警提供思路。但本研究仍存在不足，还需在后续的研究中进一步完善。例如，本研究在计算淹没深度和汇水量时，假设水库初始状态下是无水的，而在现实中，水库不一定一直处于无水状态，尤其是在汛期；另外，在淹没模拟过程中假设水库一直处于静态积水状态，并未考虑水库在蓄水的同时溢洪道放水或开闸泄水的情况。因此，下一步工作要在现有的研究基础上开展水库动态蓄水模拟，以期提升水库暴雨山洪的模拟能力。

4 结论

（1） 多源降水融合数据驱动的FloodArea模型对苏巴什水库淹没深度和达到防洪库容量的模拟均存在高估现象，而雨量站数据模拟结果则呈现低估。相较之下，多源降水融合数据模拟的淹没深度和计算的汇水量精度更高，误差率分别为8.59%和18.67%。
（2） 苏巴什水库淹没水位达到冲砂闸底板高程、汛限水位、泄洪闸堰顶高程和坝顶高程所对应的累积4 h降水量的致灾临界雨量阈值分别为7.1 mm、20.1 mm、32.9 mm和44.7 mm。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
张磊, 王文, 文明章, 等. 基于“FloodArea”模型的山洪灾害精细化预警方法研究[J]. 复旦学报 (自然科学版), 2015, 54(3): 282-287.

[Zhang Lei, Wang Wen, Wen Mingzhang, et al. Research on refined early-waring method of mountain flood disaster based on FloodArea[J]. Journal of Fudan University (Natural Science Edition), 2015, 54(3): 282-287.]

[2]
赵琳娜, 包红军, 田付友, 等. 水文气象研究进展[J]. 气象, 2012, 38(2): 147-154.

[Zhao Linna, Bao Hongjun, Tian Fuyou, et al. Advances in hydrometeorological research[J]. Meteorological Monthly, 2012, 38(2): 147-154.]

[3]
叶勇, 王振宇, 范波序. 浙江省小流域山洪灾害临界雨量确定方法分析[J]. 水文, 2008, 28(1): 56-58.

[Ye Yong, Wang Zhenyu, Fan Boxu. An analysis method for ascertain critical rainfall of mountain flood disaster of small watershed in Zhejiang Province[J]. Journal of China Pydrology, 2008, 28(1): 56-58.]

[4]
李兰, 周月华, 叶丽梅, 等. 基于GIS淹没模型的流域暴雨洪涝风险区划方法[J]. 气象, 2013, 39(1): 112-117.

[Li Lan, Zhou Yuehua, Ye Limei, et al. Basin rainstorm flood risk regionalization method based on GIS rainstorm flood inundation model[J]. Meteorological Monthly, 2013, 39(1): 112-117.]

[5]
叶金印, 李致家, 常露. 基于动态临界雨量的山洪预警方法研究与应用[J]. 气象, 2014, 40(1): 101-107.

[Ye Jinyin, Li Zhijia, Chang Lu. Research and application of flash flood early warning method based on dynamic critical precipitation[J]. Meteorological Monthly, 2014, 40(1): 101-107.]

[6]
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.

[Xie Wusan, Tian Hong, Lu Yanyu. Risk evaluation of rainstorm and flood disasters in Datong River Basin based on the FloodArea model[J]. Torrential Rain and Disasters, 2015, 34(4): 384-387.]

[7]
郑璟, 谭畅, 李春梅. 基于洪水淹没模型的山洪致灾临界雨量确定方法研究[C]// 宋军, 李景涛. 湖泊湿地与绿色发展——第五届中国湖泊论坛论文集. 长春: 吉林人民出版社, 2015: 98-102.

[Zheng Jing, Tan Chang, Li Chunmei. The method of critical rainfall determination of mountain flood based on flood inundation model was studied[C]// Song Jun, Li Jingtao. Lake Wetland and Green Development: Proceedings of the Fifth Chinese Lake, BBS. Changchun: Jilin People’s Press, 2015: 98-102.]

[8]
陈晓丹. 基于FloodArea的山洪淹没灾害预警研究[D]. 长沙: 湖南师范大学, 2018.

[Chen Xiaodan. Research on flash flood inundation disaster warning based on FloodArea[D]. Changsha: Hunan Normal University, 2018.]

[9]
张明达, 李蒙, 戴丛蕊, 等. 基于FloodArea模型的云南山洪淹没模拟研究[J]. 灾害学, 2016, 31(1): 78-82.

[Zhang Mingda, Li Meng, Dai Congrui, et al. Simulation study of flood in Yunnan based on the FloodArea model[J]. Journal of Catastrophology, 2016, 31(1): 78-82.]

[10]
卢燕宇, 邓汗青, 田红, 等. 改进的暴雨洪水淹没模拟算法及其在淮河流域的应用研究[J]. 气象科技进展, 2020, 10(5): 121-129.

[Lu Yanyu, Deng Hanqing, Tian Hong, et al. Improved rainstorm flood simulation algorithm and its application in Huaihe River Basin[J]. Advances in Meteorological Science and Technology, 2020, 10(5): 121-129.]

[11]
张连成, 江远安, 刘精, 等. 基于FloodArea模型的新疆山洪淹没模拟及致灾临界雨量阈值的研究——以皮里青河流域为例[J]. 干旱区地理, 2018, 41(1): 48-55.

[Zhang Liancheng, Jiang Yuanan, Liu Jing, et al. Mountain flood simulation and critical rainfall threshold incurring disaster based on the FloodArea model: A case of Piliqing River Valley as an example[J]. Arid Land Geography, 2018, 41(1): 48-55.]

[12]
张连成, 余行杰, 邵伟玲, 等. 基于不同数据的新疆山洪淹没模拟及致灾阈值分析[J]. 高原气象, 2020, 39(1): 80-89.

DOI

[Zhang Liancheng, Yu Xingjie, Shao Weiling, et al. Comparative analysis of Xinjiang mountain flooding simulation and threshold based on different data[J]. Plateau Meteorology, 2020, 39(1): 80-89.]

DOI

[13]
吴秀兰, 江远安, 余行杰, 等. 基于FloodArea的新疆依格孜牙河流域山洪灾害风险区划[J]. 干旱气象, 2019, 37(4): 663-669.

[Wu Xiulan, Jiang Yuan’an, Yu Xingjie, et al. Study on risk zoning of mountain flood disaster in Yigeziya River of Xinjiang based on FloodArea inundation model[J]. Journal of Arid Meteorology, 2019, 37(4): 663-669.]

[14]
姚俊强, 杨青, 毛炜峄, 等. 基于HYSPLIT4的一次新疆天山夏季特大暴雨水汽路径分析[J]. 高原气象, 2018, 37(1): 68-77.

DOI

[Yao Junqiang, Yang Qing, Mao Weiyi, et al. Analysis of a summer rainstorm water vapor paths in Tianshan Mountains (Xinjiang) based on HYSPLIT4 model[J]. Plateau Meteorology, 2018, 37(1): 68-77.]

DOI

[15]
潘旸, 谷军霞, 徐宾, 等. 多源降水数据融合研究及应用进展[J]. 气象科技进展, 2018, 8(1): 143-152.

[Pan Yang, Gu Junxia, Xu Bin, et al. Advances in multi-source precipitation merging research[J]. Advances in Meteorological Science and Technology, 2018, 8(1): 143-152.]

[16]
许冠宇, 李琳琳, 田刚, 等. 国家级降水融合产品在长江流域的适用性评估[J]. 暴雨灾害, 2020, 39(4): 400-408.

[Xu Guanyu, Li Linlin, Tian Gang, et al. Assessing the applicability of national precipitation merged products in the Yangtze River Basin[J]. Torrential Rain and Disasters, 2020, 39(4): 400-408.]

[17]
李鹤, 李玉建, 俞晓伟, 等. 苏巴什水库泄水建筑物消能防冲优化试验研究[J]. 水利技术监督, 2020(6): 156-160.

[Li He, Li Yujian, Yu Xiaowei, et al. Experimental study on optimization of energy dissipation and erosion control of drainage structure of Xinjiang Subashi Reservoir[J]. Technical Supervision in Water Resources, 2020(6): 156-160.]

[18]
孔灿. 新疆柯坪苏巴什水库水雨情预警系统设计及运行管理探讨[J]. 地下水, 2022, 44(1): 230-232.

[Kong Can. Design and operation management of water and rain warning system in Subashi Reservoir of Keping, Xinjiang[J]. Ground Water, 2022, 44(1): 230-232.]

[19]
Lu M M, You R, Zhang W J. A fusing technique with satellite precipitation estimate and rainfall data[J]. Acta Meteorologica Sinica, 2004, 18(2): 141-146.

[20]
王梅霞, 张太西, 余行杰, 等. 新疆哈密2018·7·31特大暴雨山洪汇水量估算与应用研究[J]. 干旱区地理, 2020, 43(4): 939-945.

[Wang Meixia, Zhang Taixi, Yu Xingjie, et al. Estimation and application of water-collecting amount during an extreme heavy rainfall induced flash flooding in Hami City on 31st July 2018[J]. Arid Land Geography, 2020, 43(4): 939-945.]

[21]
罗尊骅, 林广发, 张容焱, 等. FloodArea模型糙率系数改进方法[J]. 海南师范大学学报(自然科学版), 2018, 31(1): 98-104.

[Luo Zunhua, Lin Guangfa, Zhang Rongyan, et al. An improved method of calculating roughness coefficient for FloodArea[J]. Journal of Hainan Normal University (Natural Science Edition), 2018, 31(1): 98-104.]

[22]
郭玉琳, 赵勇, 周雅蔓, 等. 新疆天山山区夏季降水日变化特征及其与海拔高度关系[J]. 干旱区地理, 2022, 45(1): 57-65.

[Guo Yulin, Zhao Yong, Zhou Yaman, et al. Diurnal variation of summer precipitation and its relationship with altitude in Tianshan Mountains of Xinjiang[J]. Arid Land Geography, 2022, 45(1): 57-65.]

[23]
胡轶佳, 吴欣原, 李荔珊, 等. 基于年际增量法的中国西部山区夏季降水统计预测研究[J]. 气象与减灾研究, 2019, 42(3): 161-169.

[Hu Yijia, Wu Xinyuan, Li Lishan, et al. Study on the prediction of precipitation in the mountainous areas of western China using the year-to-year increment method[J]. Meteorology and Disaster Reduction Research, 2019, 42(3): 161-169.]

[24]
张雯, 马阳, 王岱, 等. 不同时间尺度海温因子对西北地区东部夏季降水的影响及预测[J]. 干旱区研究, 2023, 40(4): 532-542.

[Zhang Wen, Ma Yang, Wang Dai, et al. The influence and prediction of SST predictors at different timescales on summer precipitation over the eastern part of northwest China[J]. Arid Zone Research, 2023, 40(4): 532-542.]

[25]
赵泽艺, 李朝阳, 王洪博, 等. 南疆盐碱土水、氮、盐光谱特征及其反演模型[J]. 灌溉排水学报, 2023, 42(7): 93-100.

[Zhao Zeyi, Li Zhaoyang, Wang Hongbo, et al. Spectral characteristics and inversion model of water, nitrogen and salt in saline soil in southern Xinjiang[J]. Journal of Irrigation and Drainage, 2023, 42(7): 93-100.]

Options
Outlines

/

〈 〉