编辑推荐：
为探究德尔纳洪灾成因，研究人员结合多种数据与模型开展研究。结果表明极端降雨致径流远超坝体容量，坝体失事后洪水破坏力大增。该研究为提升防洪减灾能力、制定风险管理策略提供依据。
在 2023 年 9 月，一场可怕的灾难降临在利比亚的沿海城市德尔纳。风暴 “丹尼尔” 带来了前所未有的降雨，引发了一场毁灭性的洪水，无数家庭支离破碎，大量人员伤亡，城市满目疮痍。这场洪灾的背后究竟隐藏着怎样的秘密？为何会造成如此巨大的损失？为了解开这些谜团，来自美国南卡罗来纳大学、橡树岭国家实验室、杰克逊州立大学等机构的研究人员展开了深入研究，相关成果发表在《Nature Communications》上。
此前，面对这类洪灾，人们往往缺乏全面深入的了解，难以准确判断洪水形成的原因，也无法提前做好充分的防范措施。而且，对于老化的防洪基础设施，如德尔纳的大坝，其在极端天气下的安全性评估也存在诸多不足。在这种背景下，开展此项研究显得尤为重要。
研究人员采用了综合建模方法，该方法结合了卫星图像、水文（Hydrologic）、水力（Hydraulic）和岩土（Geotechnical）模拟、机器学习、目击者描述以及数字高程数据（Digital Elevation Model，DEM）等多方面的数据和技术手段。
研究结果如下：
- 降雨、径流和洪水：分析发现，风暴 “丹尼尔” 期间，德尔纳流域 6 个地点在 9 月 8 - 13 日的累积降雨量在 308 - 432mm 之间，平均累积降雨深度为 350mm，远超当地历史年降雨量和 100 年一遇的 24 小时降雨量。通过水文模型（Hydrologic Engineering Center’s Hydrologic Modeling System，HEC - HMS）预测，流域径流量达 160MCM，是两座大坝总容量的 7 倍。水动力模拟（Hydrologic Engineering Center’s River Analysis System，HEC - RAS）显示，大坝溃决会导致流量大幅增加，淹没范围扩大，“溃坝” 情景下的淹没范围比 “无坝” 情景增加了 45%。
- 模型性能评估：将预测的洪水水位与事件后的洪水标记进行比较，验证指标如纳什效率系数（Nash - Sutcliffe efficiency，NSE）为 0.57，均方根误差（root mean squared error，RMSE）为 2.8m，平均绝对误差（mean absolute error，MAE）为 2.41m，表明模型性能良好。
- 洪水对建筑结构的影响：利用 Maxar 卫星图像和随机森林分类器（Random Forest Classifier）分析发现，在评估的 2217 栋建筑物中，862 栋被归类为 “完全 / 部分毁坏”，对 120 栋随机选择的 “完全 / 部分毁坏” 建筑物进行验证，结果显示精度为 0.95，召回率为 0.78，F1 分数为 0.85，总体准确率为 0.76。
在研究结论和讨论部分，研究表明布曼苏尔大坝（Bu Mansour dam）的溃决是造成灾难性洪水的主要原因，即使大坝没有溃决，强降水也会导致洪水，但损失会小得多。通过对布曼苏尔大坝进行有限元分析（Finite Element Analysis）发现，维护不善会加速大坝的溃决。此外，原本计划建设的第三座大坝若建成，可有效减少布曼苏尔大坝的水力压力。同时，该研究也指出洪水管理不能单纯依赖结构性措施，还应加强监测、制定疏散计划和提升公众风险意识。
这项研究意义重大，它揭示了德尔纳洪灾的形成机制，为全球类似地区的防洪减灾提供了宝贵的经验和参考。让人们更加清楚地认识到气候变化背景下，老化基础设施的脆弱性以及加强风险管理的紧迫性。通过深入了解洪水形成的过程和影响因素，有助于制定更加科学合理的防洪策略，从而减少未来类似灾害造成的损失，保护更多人的生命和财产安全。
