《Progress in Disaster Science》:Identifying physical vulnerability drivers increasing in exposed structures to floods
编辑推荐:
本研究针对山区流域内暴露于洪水的桥梁和挡土墙等结构物,在土地利用变化(LUC)背景下物理脆弱性评估的关键驱动因子识别问题,开展了深入探讨。研究团队在哥伦比亚科贝马河(Combeima River)流域,结合水文水动力模型与MICMAC(交叉影响矩阵乘法应用于分类)、PCA(主成分分析)和CATPCA(分类主成分分析)方法,系统分析了13个与结构物物理脆弱性相关的因子。结果表明,根系区土壤蓄水量(Hu)、曲线数(CN)、流量(Q)和流速(V)是影响结构物物理脆弱性的关键驱动因子。该研究为洪水风险管理和韧性基础设施建设提供了重要的科学依据。
在全球气候变化和人类活动加剧的背景下,洪水灾害对山区基础设施的威胁日益严峻。位于安第斯山脉的哥伦比亚科贝马河流域,在过去几十年中经历了频繁的洪水事件,对当地的桥梁、挡土墙等关键基础设施造成了严重破坏。然而,当前对于这些结构物在洪水中的物理脆弱性驱动机制认识不足,特别是缺乏系统的方法来识别最关键的影响因素。传统研究多侧重于单一方法或有限的因素分析,难以全面捕捉复杂系统中多因子间的相互作用。
为此,研究团队在《Progress in Disaster Science》上发表了一项创新性研究,旨在通过多方法集成分析,揭示影响洪水暴露结构物理脆弱性的关键驱动因子。该研究不仅结合了水文水动力模拟与多种统计分析方法,还首次将专家知识驱动的结构性分析与数据驱动的多元统计技术相结合,为洪水脆弱性评估提供了新的方法论框架。
研究团队运用了几个关键技术方法:首先建立了基于TETIS模型的分布式水文模型和HEC-RAS水动力模型,模拟了1971-2024年间不同土地利用情景下的洪水过程;随后采用MICMAC方法进行专家评判的结构性分析,识别因子的影响力和依赖性;同时运用PCA和CATPCA进行数据降维和相关性分析;最后通过Spearman等级相关系数评估不同方法间的一致性。
研究结果揭示了多个重要发现。在水文水动力模拟方面,研究发现流域的土地利用变化显著影响洪水量级,森林面积的增加伴随着曲线数(CN)的降低和土壤蓄水能力(Hu)的提高,从而减少了洪峰流量。在物理脆弱性评估方面,四种评估方法(VFVCN、VVHu、MFLUP和VLUCS)均表明,结构的脆弱性水平随土地利用情景变化而呈现动态变化。
通过MICMAC分析,研究识别出土壤蓄水量(Hu)、曲线数(CN)、流量(Q)和河床条件(S)为关键驱动因子,这些因子具有高影响力和低依赖性特征。PCA和CATPCA分析进一步证实,曲线数(CN)和流量(Q)与结构脆弱性呈正相关,而土壤蓄水量(Hu)则呈负相关。特别值得注意的是,不同结构类型表现出不同的脆弱性特征:挡土墙的脆弱性主要与流量(Q)相关,而桥梁的脆弱性则更受曲线数(CN)的影响。
研究结论部分强调,根系区土壤蓄水能力(Hu)和反映地表渗透特性的曲线数(CN)是决定结构物洪水物理脆弱性的最关键因素。高的土壤入渗能力与低脆弱性水平相关,而地表不透水性的增加则会加剧结构的脆弱性。同时,流量(Q)和流速(V)等水力参数也显示出与脆弱性水平的显著正相关。
这项研究的重要意义在于首次通过多方法验证,系统识别了影响洪水暴露结构物理脆弱性的关键驱动因子,为山区流域的洪水风险管理提供了科学依据。研究建立的混合方法框架能够有效整合专家知识和观测数据,提高了脆弱性评估的可靠性。研究结果可应用于土地利用规划、洪水预警系统设计和韧性基础设施建设,对于落实《2015-2030年仙台减少灾害风险框架》具有重要实践价值。未来研究可进一步探索这些关键因子在不同地理环境和气候条件下的普适性,以及它们在与气候变化相互作用下的演化规律。