混合方法在洪水预警指标中的应用：结合流体动力学建模与社区参与——以哥伦比亚马尼萨莱斯为例

《International Journal of Disaster Risk Reduction》：Hybrid methodology for flood early warning indicators: Combining hydrodynamic modeling and community participation in Manizales, Colombia

本研究提出结合流体动力学建模与社区参与的方法，用于哥伦比亚曼尼萨莱斯高风险洪水的阈值定义与验证。通过IBER软件模拟与社区实地观察，确定不同区域的洪水指标，验证了社区知识在技术模型中的补充作用，并指出未来需整合泥沙动态模型以提高预测精度。

　　洪水作为一种自然灾害，是全球范围内最常见的灾害之一。在21世纪，洪水事件的频率和强度都在不断上升，这与土地利用和覆盖变化以及气候变化密切相关。在2023年，全球记录了164次洪水事件，占所有自然灾害的41%，这些事件对社区造成了广泛的影响。因此，洪水治理成为科学界和学术界关注的核心议题之一。特别是在哥伦比亚，洪水被认定为最严重的社会经济灾害，其影响深远且复杂。然而，传统的洪水风险评估方法往往忽视了社区的脆弱性，这种脆弱性主要体现在社会结构、社区对灾害的易感性以及在面对灾害时的适应能力上。

为了应对洪水带来的影响，多种措施被实施，其中早期预警系统（EWS）被认为是最有效的手段之一。EWS旨在通过提供及时的信息，使社区能够更好地准备和响应洪水灾害，从而避免严重的后果。在实施EWS的过程中，提供关于洪水发生和特征的空间信息，以及关于受影响社区脆弱性的数据，显得尤为重要。尽管在灾害评估方面取得了显著进展，如通过空间数据库记录洪水事件的详细信息，但这些数据多集中于缓慢发生的灾害，而忽略了突然发生的洪水事件。这类突发性灾害虽然不频繁，但其影响往往更为严重，而广泛的灾害虽然更为常见，但其影响通常较低，如由滑坡或洪水引起的灾害。

因此，综合不同数据来源的分析方法有助于提高对灾害风险的认识，通过更全面地了解灾害的空间分布、潜在影响以及驱动因素。实现这一目标需要精确记录灾害的发生地点和时间。一种有效的方法是通过公民参与，这在近年来得到了广泛的认可，尽管其实践历史更为悠久。公民参与可以涵盖研究的不同阶段，从数据收集到风险响应，社区成员可能作为观察者或部署低成本传感器。另一种广泛采用的参与形式是制图，通常被称为参与式地理信息系统（Participatory GIS），这种方法在地理学及相关学科中被广泛探讨，以促进公众参与和地理空间技术的应用。

洪水预警系统中的主要指标包括累积降雨量（AR）、洪水前的累积降雨量（AAR）以及降雨强度-持续时间。阈值通常基于百分位数（如75%、90%、95%和99%）来确定，并与排水系统的设计暴雨以及当地知识相结合，以分类为不同的风险等级。AAR指标通常根据不同的累积天数进行分类，如短期（1、2、3、5和7天）和长期（5、7、10、15、25、30、60和90天）。第三种常用的指标是降雨强度-持续时间，尤其在城市环境中具有重要意义，典型的分析时间范围为10、15和60分钟，以及最多24小时。

在使用水动力学方法时，洪水阈值的定义基于结合了降雨特征（降雨深度、持续时间和暴雨模式）、洪水标准（如临界水位、临界洪水区域、洪水潜力最大的地点、排水概率和峰值排水）以及前期土壤湿度或饱和度条件的指标。模拟过程会持续到临界排水量（通常为河床满溢点），这在每个定义的指标和持续时间下对应的河流横截面达到。这种方法能够定义从10分钟到72小时的次日累积降雨深度。通常，阈值被定义为在特定持续时间内累积的降雨深度，受上述变量的多种组合影响。这些阈值反映了在山洪事件前降雨的强度和体积，与降雨特征、土壤湿度和地表条件密切相关。

多种模型结合了累积降雨量（如1、3、6、12、24、48和72小时）与洪水标准（如洪水区域或水位），这些是使用最频繁的指标之一。评估洪水易发区的技术通常依赖于数字高程模型（DEM）数据，如地形指数（TI）、高度高于最近排水口（HAND）、多分辨率山谷平坦度指数，以及洼地或下沉区的地图。这些数据通常通过地理信息系统（GIS）工具从DEM处理中获得，并突出了洪水易发区，这些区域要么由于TI非常高而容易发生饱和水流，要么由于HAND高度较低，或者由于地势非常平坦，使得在洪水期间更容易达到这些水位或被水淹没。

尽管洪水早期预警系统（FEWS）已经取得了显著进展，但在本地尺度上应用水动力学或水文学模型仍面临诸多挑战，尤其是在城市山区流域中，由于地貌的多样性以及数据的稀缺性，不确定性增加。同时，基于社区的方法提供了有价值的背景信息，但往往缺乏预测能力和定量验证，这限制了其在决策支持中的应用。本研究提出的方法论创新在于系统地将水力建模与社区监测相结合，以设计一个基于社区的早期预警系统（CBEWS）。虽然大多数研究要么从技术角度探讨水动力建模，要么从社会角度分析社区监测，但本研究将两者结合在一个整合的框架中，这不仅通过补充模型与本地观察来减少事件预测的不确定性，还增强了社区对系统的社会接受度，从而提高对灾害的响应效果。此外，该方法在安第斯城市背景下开发，为其他具有类似脆弱性和监测基础设施限制的地区提供了可转移的经验，从而为国际早期预警系统的学术研究和实际风险管理工作提供了支持。

本研究的案例研究地点包括哥伦比亚马尼萨莱斯市的两个社区——Lusitania和Providencia，这两个社区都位于Chinchiná河沿岸，并被归类为高洪水风险区域。马尼萨莱斯市位于哥伦比亚中部山脉，具有安第斯和热带气候的特征，如中等至陡峭的坡度，海拔范围从800米到2450米。截至2018年，该市的人口约为400,436人，其中86%为农村地区。该市具有双峰降雨模式，每年有两个高降雨量季节和两个低降雨量季节，并且由于其地理位置，表现出高度的时空气候变异性。城市地区的年降雨量范围在1,380至2,250毫米之间，大多数降雨事件持续时间较短，大多数在25至55分钟之间。因此，该市主要河流的水文响应迅速，甚至可能是激流。这种快速响应是由流域的典型物理特征造成的，如流域通常较小、坡度陡峭，以及短的汇流时间（Tc），导致高度的能量流动和显著的泥沙输运。

为了实施基于社区的早期预警系统（CBEWS），提出了一种混合方法，结合了技术研究和社区参与，如UNAL（2024a）所指出的。这种方法旨在提高早期预警系统的洪水预测能力，特别是通过优化提出的警报阈值（如图2所示）。该方法属于风险知识组件，包括以下阶段：a) 危险分析，b) 危险和脆弱性地图，c) 地域识别和利益相关者地图，d) 指标和阈值的定义。该组件的根本目标是识别社区面临的风险，使社区能够理解自身面临的风险和脆弱性——通常是通过参与式地图技术。另一个目标是提高社区对这些风险的认识，并强调支持地方当局进行灾害风险减少的重要性。可靠的数据是任何早期预警系统的基础，必须包括关于各种考虑因素的连续和可靠信息，如灾害的性质、严重程度和重现周期。以下部分重点介绍了与定义指标和阈值相关的阶段。

危险分析阶段开始于一个准备阶段，主要由研究团队主导。在此阶段，确定与每个社区合作的目标，并进行实地访问以识别最危险的地点。在选定关键地点后，与社区建立联系，并进行初步评估，以确定当地已有的组织，如社区行动委员会、社区领袖、学校等，这些组织聚集了大量利益相关者。第一个社区研讨会的重点是重建该地区的本地历史，以发展对风险的共同理解。该活动旨在提高社区对影响其家庭的威胁和脆弱性的意识，并强调预防和准备在短期或中期潜在事件中的重要性。通过创建时间线，可以识别之前在该地区经历的水文事件，帮助恢复社区对过去洪水事件的记忆，并了解这些事件对生活、安全和财产的影响。该研讨会通常包括小组会议以及与该地区关键群体或个人的访谈。

同时，研究团队收集与所识别的灾害相关的官方研究和数据。在两个案例研究中咨询的数据库如表1所示。通过整合社区知识和技术信息，开发了一个全面的时间线，包括记录的事件以及统计或描述数据，以表征灾害。随后，举办了一个参与式会议，社区成员可以比较两种方法的结果，以识别相似性、差异和整合的机会。

第二阶段是生成关于之前识别的灾害（洪水）的空间信息，这通过结合社区基础和技术创新的方法进行。参与式地图使社区成员能够定位之前识别的事件。该技术涉及使用预先准备的基础地图，并辅以彩色标记或贴纸，这些标记的含义由附带的图例定义。研讨会有助于理解社区与环境的关系，使社区成员能够集体反思最脆弱的点、关键灾害以及关键物理基础设施（如集会地点）的位置。一个主要目标是让每个社区成员能够定位他们的家与每个潜在灾害的关系。在本文中，重点放在洪水风险上。

在技术方面，使用水文学方法来确定洪水易发区，特别是确定洪水发生时的流量水平——即当河床满溢时。为此，使用了IBER 2.6软件，这是一种用于河流水动力学和洪水区域评估的二维湍流自由表面流模型，适用于稳态和非稳态流条件，并采用有限体积法作为其数值方案。该软件在预处理和后处理阶段提供了灵活性，允许定制和调整。由于本研究关注河流通道建模，因此应用数值建模来模拟开放渠道流，解决连续性和动量方程，以再现现实世界的水动力学行为。水文学建模使用了具有0.5米分辨率的数字地形模型（DTM）。表面粗糙度参数来自卫星图像和通过无人机飞行获得的高分辨率正射影像。不同土地覆盖和结构的曼宁粗糙度值来自Chow（1959）的研究，而河道的曼宁系数则在校准和验证过程中进行调整。采用了一个1.5米分辨率的非结构化网格，这是通过敏感性分析选择的，以实现精度和计算效率之间的平衡。假设了稳态流条件，因为研究的目标是确定洪水水平，而不是关注形态动力学演变或泥沙输运过程。

模型校准通过选择那些能够最小化观测和模拟水位数据之间相对误差的曼宁系数进行。在Lusitania和Providencia两个地点，选择了两个监测站——Bosque Popular和Bocatoma Sancancio（见图1）。在Bosque Popular站，使用了六次现场流量测量进行校准，11次用于验证；在Bocatoma Sancancio站，使用了九次现场流量测量进行校准，18次用于验证（UNAL & CORPOCALDAS, 2014）。验证结果表明，在Bosque Popular站，水位的百分比误差范围在0.61%到83.82%之间，其中54.55%的数据误差小于10%。在Bocatoma Sancancio站，误差范围在1.13%到24.05%之间，其中77.78%的数据误差低于10%。异常值（误差高于10%）主要归因于河道形态的变异性，这是高山区河流的特征，其中侵蚀、沉积和材料输运过程在短时间内改变了横截面，影响了水位-流量关系的稳定性。此外，大型卵石的存在可能引入传感器测量的不确定性。尽管存在这些限制，所有数据都被纳入校准和验证过程中，因为它们反映了系统的实际变异性。然而，模拟和观测流量及水位值的比较显示，超过一半的数据误差范围在10%以内，根据Santo & Lacumberry（2005）提出的尺度，这被认为是良好到可接受的。因此，可以得出结论，所提出的模型能够可靠地表示Chinchiná河在Lusitania-Providencia河段的水动力学行为。

每种方法（社区基础和技术）都独立应用。一旦获得两组结果，它们会被相互比较，以允许相互补充。这种整合方法确保了技术建模工具与本地知识的对齐，特别是在社区认为脆弱的区域进行阈值分析。

在定义指标和阈值的阶段，这是至关重要的，因为这代表了系统的整合。EWS开发模型以预测或最佳情况下预测灾害的发生，从而防止其升级为灾难。因此，选择指标并定义其阈值至关重要。这些指标会从技术、社会和长期社区可持续性的角度进行分析，以确定其是否被纳入或排除。在案例研究中，FEWS于2020年实施，随后在2023年进行了SCAT。因此，重点在于验证已有的指标和阈值。如前所述，A10min指标——即10分钟移动窗口内的降雨量——于2018年建立，使用固定阈值。2023年，阈值被更改为P10Level，这结合了降雨强度和水位。这种方法的一个局限性是它仅选择一个关键点（即模型预测的第一个洪水地点或用于P10Level的参考水文站）。为了解决这一弱点，本研究建议在多个脆弱地点应用相同的指标——适应本地条件——特别是在Chinchiná河的Lusitania和Providencia河段。

在社区部分，举行了一个研讨会，居民们使用本地经验和常用的地貌标识符来确定河床满溢水平。所使用的指标包括：a) 洪水平原的变化，从陡峭区域到平坦区域的过渡；b) 坡度变化，河岸坡度或地形变化；c) 植被变化，从常绿植物到相关或水阻植物的变化；d) 泥沙粒径的变化，例如从粗颗粒到细颗粒；e) 河道冲刷，通常发生在河床满溢水平以下；f) 岩石上的污渍或地衣带。社区成员在每个选定的地点直接进行这些观察。值得注意的是，观察点并不总是与最脆弱的地点重合，因为目标是让社区观察者参与其中。

从技术角度来看，采用了两种主要方法：水文学和水动力学。水文学方法依赖于河床满溢流的概念，通过经验公式，可以将其与相应的河床满溢水平关联起来，这是目标指标。河床满溢流（Qbf）作为河流通道形成流的指标，识别出经常被洪水覆盖的区域，这些区域由于频繁的洪水事件，抑制了坚固植被的生长。这种方法通过不同的水文学方法来确定河床满溢流，这些方法将河床满溢流与排水面积相关联，如表2所示。其中一种方法是图形法，通过排水面积估算河床满溢流（见Mulvihill & Baldigo, 2012，第458页），该方法最初是为纽约州开发的，并在此作为国际参考。此外，还有特定地理区域的功能公式，如哥伦比亚安第斯地区提出的河床满溢方法（Mejía & Posada, 2002）以及Cauca峡谷子区域和整个国家的河床满溢方法（UNAL & UPME, 2000），后者估计最大流的重现期为2.33年，这与河床满溢条件相关，考虑到在陡坡区域（0.03 m/m）的重现期超过2.5年。由于结果相似，认为使用平均值来计算河床满溢流是适当的。河床满溢水平由表2中的公式确定（Mejía & Posada, 2002）。然后，将河床满溢水平与在水文站进行的现场测量值进行比较。

在社区部分，举行了一个研讨会，居民们使用本地经验和常用的地貌标识符来确定河床满溢水平。所使用的指标包括：a) 洪水平原的变化，从陡峭区域到平坦区域的过渡；b) 坡度变化，河岸坡度或地形变化；c) 植被变化，从常绿植物到相关或水阻植物的变化；d) 泥沙粒径的变化，例如从粗颗粒到细颗粒；e) 河道冲刷，通常发生在河床满溢水平以下；f) 岩石上的污渍或地衣带。社区成员在每个选定的地点直接进行这些观察。值得注意的是，观察点并不总是与最脆弱的地点重合，因为目标是让社区观察者参与其中。

从技术角度来看，采用了两种主要方法：水文学和水动力学。水文学方法依赖于河床满溢流的概念，通过经验公式，可以将其与相应的河床满溢水平关联起来，这是目标指标。河床满溢流（Qbf）作为河流通道形成流的指标，识别出经常被洪水覆盖的区域，这些区域由于频繁的洪水事件，抑制了坚固植被的生长。这种方法通过不同的水文学方法来确定河床满溢流，这些方法将河床满溢流与排水面积相关联，如表2所示。其中一种方法是图形法，通过排水面积估算河床满溢流（见Mulvihill & Baldigo, 2012，第458页），该方法最初是为纽约州开发的，并在此作为国际参考。此外，还有特定地理区域的功能公式，如哥伦比亚安第斯地区提出的河床满溢方法（Mejía & Posada, 2002）以及Cauca峡谷子区域和整个国家的河床满溢方法（UNAL & UPME, 2000），后者估计最大流的重现期为2.33年，这与河床满溢条件相关，考虑到在陡坡区域（0.03 m/m）的重现期超过2.5年。由于结果相似，认为使用平均值来计算河床满溢流是适当的。河床满溢水平由表2中的公式确定（Mejía & Posada, 2002）。然后，将河床满溢水平与在水文站进行的现场测量值进行比较。

在Lusitania，使用水动力模型确定的河床满溢水平在点1为1.62米，而在Providencia，同一地点的河床满溢水平为2.94米（见图8）。在位于下游0.45公里的Bosque Popular站，使用直接测量法确定的河床满溢水平为1.99米，这一值将作为两个区域的参考。在Lusitania，水动力模型估算的水平与社区估算的水平非常接近，差异仅为0.31%；而在Providencia，水文学方法估算的水平更接近社区估算的水平，差异为17.27%，而水动力模型的结果则与社区估算值存在更大的差异，为44.87%。这些差异可以归因于建模方法，该方法不仅考虑了河流达到河床满溢条件的时刻，还评估了可能威胁附近居民的相邻区域的洪水风险。这种全面的方法使洪水风险的分析更加具体，适应了每个地点独特的地貌和社会条件。

值得注意的是，每种分析方法都基于其内部逻辑，并且依赖于河流的不同特征。然而，这些方法固有的不确定性可能源于测量要素和对结果的主观解释。在此背景下，研究结果揭示了定义河床满溢流及其相关水平的变异性，这与Radecki-Pawlik（2002）的观察相一致，他强调没有一种普遍精确的分析方法可以建立这一阈值。这种整合方法的重要性在于结合技术方法（如水力和水文学模型）与本地知识，使能够包括技术性和主观性因素，从而获得对安第斯河流系统复杂性和高变异性更全面的理解。

所提出的方法论具有多个优势。首先，它通过纳入水力建模提供了技术严谨性，这使得能够获得定量估算、洪水情景和预测能力。这得到了社区基础监测的补充，使能够进行实时本地数据收集，从而增强预测能力。其次，这种方法促进了知识的社会归属感，因为社区的参与增加了对系统的信任，并期望提高对风险事件的及时响应。它还通过整合物理和人文科学的见解，促进了跨学科性，并展示了灵活性，因为该方法可以在基础设施完善的地区以及基础设施有限的地区实施，因为它不完全依赖于官方监测网络。

然而，也识别出一些缺点，例如对社区承诺和积极参与的依赖；如果这些减少，系统的有效性就会受到影响。预测模型依赖于水文学和水力数据的质量和可用性，这在某些情况下可能会受到限制。另一个挑战是将该方法转移到社会组织水平较低的社区，以及对CBEWS进行持续维护的需要，这包括持续的培训、技术更新以及资金的可用性。这些限制可以通过与正式机构的协调来解决，如地方政府、大学和风险管理机构，这些机构可以提供技术、后勤和资金支持。建议维持持续的社区培训过程，以加强本地监测和适应能力。最后，有必要通过将CBFEWS纳入本地灾害风险管理计划，确保其长期的连续性和资金保障。

此外，尽管沉积过程如输运、侵蚀和沉积可能影响洪水深度和水位，但在本研究的这一阶段，由于水文沉积学信息的有限性，建模是在清澈水流条件下进行的。然而，认识到将沉积动力学和河道形态演变纳入分析的重要性，因为这些过程可以显著改变系统的水力响应。因此，预期未来早期预警系统的阶段将整合移动床模型，以更全面地评估水动力学和沉积输运之间的相互作用，从而在地貌变化的情境下提高系统的预测能力和适用性。