官方洪水地图在“海伦”飓风中是否发挥了作用？基于实地观测数据的官方洪水地图系统评估

《International Journal of Disaster Risk Reduction》：Did Official Flood Maps Work in Hurricane Helene? Systematic Evaluation of Official Flood Maps with Ground-truth Observations

火山灰沉积与水文系统动态交互的多灾害网络模型研究，提出动态网络化随机模型作为虚拟测试床，通过非均匀泊松过程模拟不同时间尺度的灾害连锁反应，揭示火山灰-降水-河流系统的多阶段耦合机制，为灾害风险管理提供可扩展的数值框架。

　　网络模型在分析自然灾害事件的空间连锁反应方面已有一定应用，但通常忽略了时间因素，将事件的连锁过程假设为瞬时发生。本研究提出了一种动态的、基于网络的随机模型，该模型作为虚拟实验平台，用于模拟多个时间过程之间复杂的多灾害互动，这些过程往往发生在不同的时间尺度上。由于当前最先进的物理模型通常需要大量的计算资源，使用计算上简单的概率分布来描述灾害事件的动态和相互作用，使得模型能够进行更多次的模拟，从而提高模型预测的稳健性。网络建模方法旨在识别系统中最脆弱的关键要素，制定风险缓解策略，并评估恢复计划。我们通过研究火山灰降落对新西兰Rangitaiki和Tarawera河流系统水文过程的影响，以模拟一个为期一年的火山喷发期间的水文动态，来展示我们的方法。研究结果表明，虚拟实验平台能够用于探索“如果发生”情景下的连锁影响，通过提供灵活且计算高效的框架，为火山地区的灾害风险管理（DRM）提供关键支持。

自然灾害之间的复杂相互作用是灾害风险管理（DRM）中的重要挑战之一。当多种灾害同时或相继影响同一地区时，会发生什么样的后果？灾害发生的时间、地点、类型以及规模，是评估自然灾害风险的主要问题。然而，自然灾害的复杂性和相互依赖性使得这些问题的答案变得难以捉摸。许多大型灾害涉及多种灾害在同一地区同时或在第一种灾害影响未完全恢复之前发生。多灾害指的是在时空上部分或完全重叠的多种灾害，这些灾害可能有因果关系，也可能没有。其中，初始事件触发一系列后续灾害的多灾害现象，会产生连锁影响和复杂风险，这些风险预测和管理难度较大。例如，火山灰在降雨期间降落、地震后引发液化或洪水、或者山体滑坡进入湖泊引发海啸等，都是典型的连锁多灾害现象。

为了应对这一挑战，科学界正致力于在综合的数字生态系统中开发虚拟实验平台。这些实验平台旨在模拟复杂的多风险过程，为改进对连锁影响的理解和测试风险缓解与适应策略提供“如果发生”情景。本文贡献于这类实验平台的概念化和实现。

火山地区是多灾害环境的典型例子。历史上的火山喷发展示了灾害影响可能远远超出火山本身的影响范围。例如，1314年的Kaharoa火山喷发持续了4至5年，沉积了至少7.3立方公里（密实岩等效）的火山灰，并在Lake Tarawera的出水口形成了一个坝体，该坝体随后被冲毁。这种广泛的火山灰降落可能通过与其他自然过程的相互作用，引发连锁灾害，特别是与水文循环的相互作用。目前，我们对火山灰与水文系统之间动态相互作用的理解仍存在显著的知识空白，这可能导致灾难性的复合事件。

单一自然灾害的模型通常基于物理化学、数值计算和经验关系的结合，其中经验关系依赖于灾害特定的数据。然而，多灾害模型尚未达到这种复杂性的水平。例如，一次地震可能引发数千次山体滑坡和滑坡坝，这些滑坡坝本身可能造成灾难性的决堤洪水，如2016年新西兰Kaikoura地震期间所观察到的。同样，如果一次喷发是低强度但持续时间长，那么持续的火山灰输入可能导致水库中沉积物的积累，最终引发频繁的大规模洪水。

开发稳健的多灾害模型面临两个主要障碍：数据的缺乏以及对这些复杂灾害相互作用时间动态的理解不足。多灾害数据是构建多灾害模型的基础，用于了解灾害的发生、规模以及潜在的灾害相互作用。然而，尽管在多灾害相互作用的普遍性方面已经开展了大量概念性研究，但支持统计分析或这些关系的正式量化的数据仍然不足。这种根本性的差距可以通过模拟潜在的多灾害系统来部分弥补。

以往的研究在概念上提高了对多灾害相互作用的理解，但往往缺乏动态时间元素，难以进行真实的模拟。一种量化风险系统复杂性的方法是通过网络抽象地表示灾害及其相互作用。然而，目前的方法是静态的，仅捕捉灾害的端元状态，而无法体现连锁过程的演变。为了解决这些限制，我们提出了一种新颖的动态网络随机多灾害模型，该模型设计为一个虚拟参数化实验平台。我们的方法将时间特征，如灾害发生之间的延迟，通过非齐次泊松过程等手段融入时空多风险框架，从而实现对连锁事件随时间变化的现实模拟。通过结合计算上高效的单一灾害模型及其相互作用模型，我们能够在较长的时间范围内进行稳健的随机模拟，为风险评估和决策支持提供强大的工具。

本研究的应用案例聚焦于新西兰北岛Bay of Plenty地区的Rangitaiki和Tarawera河流系统。该地区不仅拥有Okataina火山复合体，该复合体在全新世期间产生了多次大规模和长期的喷发，还可能受到热带气旋的影响。该地区有多个人工水库，为风险缓解和管理决策提供了空间。此外，该地区还发生了1987年的M6.5 Edgecumbe地震，其对Rangitaiki河流的影响得到了充分记录。除了水库，该地区的重要基础设施包括Edgecumbe GXP、Te Ahi O Maui地热发电站、纸浆和造纸厂，以及位于Rangitaiki和Tarawera河上的Edgecumbe和Kawerau城镇。网络脆弱性出现在桥梁和铁路桥上，这些桥梁下方承载着通信和供水管道。该地区地势相对平坦，河流由防洪堤岸所限制。这些防洪堤岸在洪水情况下可能威胁桥梁，造成森林残骸堆积，而在堤岸失效时则可能威胁其他基础设施。此前的研究已经量化了火山灰对奶牛场和林业的影响，这些是该地区的主要土地利用形式。

本文的其余部分结构如下：在第二部分，我们将概述网络模型及其与图论的关系，并将其与一系列自然灾害联系起来。随后，在第三部分，我们将介绍构成模型简化版本的灾害模型，重点分析火山灰和降水对Rangitaiki和Tarawera河流系统的案例研究。第四部分将展示案例研究的结果，第五部分将讨论方法，并提出补充灾害模块的建议，以完善第二部分所描述的概念。

多灾害的网络模型使用图论的概念，将灾害和基础设施作为节点，将可能引发其他灾害的灾害之间建立联系，同时将灾害与其可能影响的基础设施位置建立联系。其目的是创建一个应急管理体系的“如果发生”情景生成器，用于评估灾害重叠影响的范围。初始的案例研究是2016年新西兰Kaikoura的M7.8地震，该地震展示了多灾害之间的复杂互动。

虚拟实验平台的建模需要考虑两个方面：首先，当前最先进的物理模型对于每个单一灾害过程的建模通常具有很高的计算需求，例如天气预报，以及大量的参数。其次，如何处理多个相互作用灾害的整体随机不确定性尚不明确。因此，在本文提出的图模型中，模拟需要基于已知的经验关系，以确保模型的可靠性。

研究结果展示了火山灰、降雨和河流系统响应之间的动态连锁相互作用。我们关注的是“库存-流量”关系，即描述火山灰（库存）如何在水文事件（流量）中被储存在流域和河流网络中，并被释放出来。这些结果提供了对多灾害之间复杂互动的深入理解，并突显了该方法在复杂多风险框架下的潜在价值。

本研究的网络随机案例分析为“如果发生”虚拟实验平台提供了支持，使我们能够深入探讨火山和水文灾害之间的复杂连锁互动。研究结果量化了这些互动，并展示了该方法在灾害风险管理（DRM）中的应用价值。

本研究详细描述了动态网络虚拟实验平台的概念化和实现，该平台用于评估火山灰与水文系统之间的连锁风险。通过在计算高效的框架中引入动态时间过程，我们的模型提供了一个现实的模拟环境，用于探索多灾害之间的互动及其对灾害风险管理（DRM）的影响。研究结果表明，这种模型能够有效支持对复杂多灾害系统的分析，为灾害管理提供科学依据和决策支持。