复合洪水在飓风生命周期中的演变：对休斯顿-加尔维斯顿地区飓风哈维和艾克的对比分析

《Coastal Engineering》：Compound Flooding Evolves Across Hurricane Lifecycle: A Contrasting Analysis of Hurricanes Harvey and Ike in the Houston–Galveston Region.

　　摘要热带气旋可在风暴潮、降雨和河流流量同时发生时触发复合洪水（CF），产生比任何单一驱动因素单独作用更大的淹没。这些驱动因素的贡献及其非线性相互作用在不同特征的风暴之间有何差异，以及它们在风暴过程中如何演变，目前仍缺乏定量研究。我们采用降复杂度水动力模型SFINCS，使用单一一致的框架和相同的边界配置，对美国德克萨斯州休斯顿-加尔维斯顿地区2017年飓风哈维（缓慢、以降雨为主）和2008年飓风艾克（快速、以风暴潮为主）的复合洪水进行后报模拟。我们将复合效应（CE，衡量复合洪水相对于主导单一驱动因素的超出量）与非线性相互作用（NLI，衡量复合洪水相对于所有驱动因素之和的偏离量）区分开来，并追踪从飓风登陆到洪水消退期间两者的演变。结果表明，哈维淹没了该地区约32%的区域，主要源于降雨，持续淹没长达12天；而艾克淹没了约23%，集中于沿海，水深更深、上涨更快，但持续时间较短（约2-8天）。在哈维期间，复合洪水在几乎所有淹没区域超出主导驱动因素达0.4米，但大多数相互作用为加性的。非线性放大主要发生在河道走廊，而沿海沼泽和洪泛区上的相互作用为负（阻尼）。哈维期间，在径流充满海湾后，加尔维斯顿湾上的相互作用随沿湾风向改变符号。驱动因素优势也在风暴生命周期中发生转移。艾克的洪水从登陆时的沿海主导转变为最大范围时的复合主导。因此，单一峰值洪水快照和单一指标无法准确表征复合洪水风险；因此，需要考虑驱动因素和时间分辨率的建模以实现有效的洪水管理。

引言沿海洪水常被视为最具破坏性的自然灾害之一，在人口和基础设施密度高的地区风险尤为突出，造成严重的环境、社会和金融影响（Marsooli, Lin et al. 2019, Rentschler, Salhab et al. 2022, Jonkman, Curran et al. 2024）。热带气旋（TC），包括飓风和热带风暴，对沿海地区构成特别严重的威胁，风暴潮、强降雨引起的城市洪涝以及河流流量引起的河川洪水可共同作用淹没沿海居民点。然而，研究人员在模拟沿海洪水和评估其风险时往往仅关注风暴潮（例如，Marcos, Calafat et al. 2015, Rashid, Wahl et al. 2019, Rashid and Wahl 2020, Rashid, Wahl et al. 2021, Boumis, Moftakhari et al. 2023, Kiesel, Lorenz et al. 2023, Rashid, Moftakhari et al. 2024, Zafor and Rashid 2026）。这些洪水驱动因素的同时或相继发生及其潜在的依赖性产生社会经济影响，称为复合洪水（Wahl, Jain et al. 2015, Zscheischler, Westra et al. 2018, Nasr, Wahl et al. 2021, Ali, Wahl et al. 2023, Nasr, Wahl et al. 2023）。多个洪水驱动因素的联合效应可将总洪水影响放大至远超任何单一驱动因素单独产生的水平（Bevacqua, Maraun et al. 2017, Wahl, Haigh et al. 2017, Muis, Lin et al. 2019, Mu?oz, Moftakhari et al. 2020）。由于每个热带气旋产生独特的强迫条件组合和序列，由此产生的复合情景在不同风暴之间以及单个风暴的生命周期内差异很大（Gori, Lin et al. 2020, Gori, Lin et al. 2020, Chao, Ghansah et al. 2021, Xu, Tian et al. 2022）。因此，稳健地归因洪水驱动因素并理解其相对重要性和相互作用如何演变，对于表征区域洪水风险至关重要。

美国在过去几十年中承受了全球部分最昂贵的飓风相关损失（Pielke, Gratz et al. 2008, Park 2021），德克萨斯州海岸平均每四年遭受约三次热带风暴或飓风袭击（Roth 2010）。其中一些最具破坏性的风暴在德克萨斯州加尔维斯顿湾附近登陆（Martinez 2020），包括飓风哈维（2017年）和飓风艾克（2008年），两者合计造成估计1500亿美元的损失（分别为1250亿美元和250亿美元）（Berg 2009, Roth 2010, Amadeo 2018）。这两个事件的对比，一个以降雨为主，一个以风暴潮为主，使它们成为在同一区域内考察复合洪水的不同过程（驱动因素）及其相互作用如何随风暴类型变化的自然配对。

洪水建模是洪水范围评估、预报和风险评估的基础，为此已开发了多种方法。静态浴缸模型将峰值水位直接施加到区域地形上（Titus and Richman 2001, Nobre, Cuartas et al. 2011, Strauss, Ziemlinski et al. 2012, Nguyen, Ichikawa et al. 2016, Ahmed, Rashid et al. 2025）；其简单性使得计算高效，但往往低估或高估洪水范围和深度（Ramirez, Lichter et al. 2016, Teng, Penton et al. 2022），这促使人们通过纳入水文连通性（Santos Cruz, Lee et al. , Enriquez, Wahl et al. 2023, Kasmalkar, Wagenaar et al. 2024）和利用遥感数据（Cian, Marconcini et al. 2018, Hamidi, Peter et al. 2023, Ahmed, Rashid et al. 2025）来改进其性能。水动力模型提供了更具物理基础的方法，通过求解一维、二维或三维流动方程来估算洪水范围、深度和流速（Kumbier, Carvalho et al. 2018, Namara, Damisse et al. 2022, Lee, Sun et al. 2024, Luc Anh Tuan 2024）。由于这些模型通常需要较小的离散时间步长以及精细分辨率的空间数据，因此计算需求高（Saksena, Dey et al. 2020, Fraehr, Wang et al. 2023, Taysi, Yang et al. 2025），并且随着模型域增大，这种成本迅速增加，即使在高效能计算资源上也是如此。因此，降复杂度模型已成为在相对较大的沿海和河川环境中进行洪水建模的实用替代方案（例如，Bates, Horritt et al. 2010）。

SFINCS模型通过求解简化的、降阶的动量方程而非完整的浅水方程来实现这一效率（Leijnse, van Ormondt et al. 2021）。SFINCS在单一框架内整合了多个洪水驱动因素，包括降雨和河川输入、入渗、潮汐和波浪，从而能够全面表征复合洪水事件（Sebastian, Bader et al. 2021, Eilander, Couasnon et al. 2023, Leijnse, Nederhoff et al. 2023, Diaz, Jafarzadegan et al. 2025, Grimley, Sebastian et al. 2025, Chowdhury, Lee et al. 2026）。根据配置不同，该模型的运行速度约为全复杂度水动力模型的15至50倍（R?bke, Leijnse et al. 2021, van Ormondt, Leijnse et al. 2025），且精度损失有限（Leijnse, van Ormondt et al. 2021, Sebastian, Bader et al. 2021）。最近的应用展示了这种多功能性，包括针对飓风艾克的概率性、基于集合的SFINCS预报框架（Lee, Sun et al. 2025）、来自降水预报的SFINCS预报不确定性（Gomez, Jafarzadegan et al. 2026）、复合洪水（CF）驱动因素非线性相互作用的时空变异性及其对CF的贡献（Chowdhury, Lee et al. 2026），以及针对卡罗来纳州飓风佛罗伦萨复合洪水的验证后报（Grimley et al., 2025），强调了SFINCS在法证和业务沿海洪水风险评估中的适用性。

越来越多的研究使用水动力模型来量化单个洪水驱动因素的相对贡献以及它们之间的非线性相互作用（Shen, Morsy et al. 2019, Maymandi, Hummel et al. 2022, Xu, Tian et al. 2022, Han and Tahvildari 2024, Lin, Shi et al. 2024, Grimley, Sebastian et al. 2025, Sakib, Mu?oz et al. 2025, Yarveysi, Diaz et al. 2025, Chowdhury, Lee et al. 2026），一致发现复合作用可提高水位超出任何单一驱动因素所能产生的水平，且驱动因素主导区域之间的过渡带在空间上复杂（Bilskie and Hagen 2018, Jane, Cadavid et al. 2020, Yarveysi, Diaz et al. 2025）。然而，这些评估大多集中于单个风暴，并依赖峰值洪水或风暴总快照，留下两个问题基本未解决。首先，由于每个热带气旋产生独特的强迫序列，不清楚在根本不同特征的风暴之间（如缓慢移动、以降雨为主的风暴与快速移动、以风暴潮为主的风暴），同一区域内洪水驱动因素的相对贡献和非线性相互作用有何差异，而其他因素如地形、土地覆盖和洪水控制基础设施（如大坝和堤防）也可能影响洪水。与单风暴的合成扰动不同，后者无法重现根本不同的洪水机制或通过与观测验证，比较两个验证过的端元事件在相同建模框架内揭示可能反映系统属性而非单个风暴的共同特征。其次，很少有研究考察这些贡献和相互作用在单个风暴过程中如何演变，从登陆到峰值洪水再到消退，尽管洪水强迫本质上是非平稳的，且驱动因素优势在这些阶段可能大幅转移。最近一项研究专门针对休斯顿-加尔维斯顿地区的单个事件飓风贝丽尔（2024年）解决了这一时间维度问题（Chowdhury et al., 2025）。尽管如此，具有对比洪水机制的历史事件之间的跨风暴比较仍然有限。大多数研究要么报告复合洪水相对于单一驱动因素的超出量，要么报告非线性相互作用，很少同时报告两者，更少报告它们如何随时间演变。对于飓风期间区域不同部分淹没速度和持续时间的精细分辨率评估同样稀少，尽管它们与疏散规划、应急响应和基础设施损坏直接相关。

为解决这些空白，我们应用SFINCS模型对休斯顿-加尔维斯顿地区2017年飓风哈维和2008年飓风艾克的复合洪水进行后报模拟，使用一致的建模框架和相同的流量与水位边界配置（即来自同一模型域、再分析数据集和原位站点的数据）。这种方法能够对两个具有对比洪水机制的飓风之间的洪水动态进行受控比较。具体而言，本研究解决两个研究问题：（1）沿海、降雨和河川洪水过程的相对贡献及其非线性相互作用在飓风哈维和飓风艾克之间如何变化；（2）这些贡献和相互作用在每次飓风过程中如何随时间变化，从登陆到峰值洪水再到消退。除了洪水过程归因外，我们使用SFINCS的精细分辨率洪水深度来表征每次飓风期间的洪水，量化每个网格单元的洪水持续时间和上涨速率（洪水达到峰值的速度）。综合这些分析，为休斯顿-加尔维斯顿地区复合洪水风险的时空和事件间变异性提供了更完整的图景。

章节片段

研究区域本研究聚焦于美国墨西哥湾西北部的休斯顿-加尔维斯顿地区，涵盖六个USGS水文单位代码（HUC）-8位流域：下特里尼蒂（LT）、布法罗-圣哈辛托（BJ）、北加尔维斯顿湾（NGB）、东加尔维斯顿湾（EGB）、西加尔维斯顿湾（WGB）和奥斯汀-牡蛎（AO）（图1）。休斯顿和加尔维斯顿是该地区的两个主要城市，人口分别约为2,301,572和53,695（美国人口普查局2020年）。

模型性能与验证表3提供了模型在重现NOAA验潮站（N-1至N-6）和USGS河流站（U-1至U-6）观测水位方面的性能定量评估（模型性能统计图也见补充材料图S5）。模型与NOAA验潮站的观测水位吻合良好，而在少数沿城市河道的USGS河流站性能相对较低，尤其是在飓风艾克期间。对于飓风

讨论本研究应用SFINCS模型对休斯顿-加尔维斯顿地区2017年飓风哈维和2008年飓风艾克的复合洪水进行后报和归因，整合高分辨率地形水深数据和空间变化的边界强迫，在单一一致的建模框架内表征以降雨为主和以风暴潮为主的洪水机制。我们承认比较两个观测到的风暴无法隔离任何单个风暴参数的影响，因为前向

结论我们在休斯顿-加尔维斯顿地区使用SFINCS对飓风哈维和艾克的复合洪水进行了后报模拟，采用经验潮站、河流站和高水位标记验证的相同建模框架，并研究洪水驱动因素及其相互作用在对比风暴之间如何不同以及在每个风暴生命周期内如何演变。

哈维和艾克产生了显著不同的洪水足迹。哈维，一个缓慢、以降雨为主的暴雨，淹没了约3,524平方公里（32%）的

CRediT作者贡献声明Md Mamunur Rashid：写作——审阅与编辑，写作——初稿，可视化，验证，软件，方法学，调查，正式分析，概念化。Raihan Uddin Ahmed：写作——审阅与编辑，可视化，验证，软件，形式分析，数据管理
未引用文献 Ahmed等，2025；Ahmed等，2025；Ali等，2023；Andreadis等，2013；Bates等，2010；Bevacqua等，2017；Boumis等，2023；Chao等，2021；Chowdhury等，2026；Cian等，2018；CIRES，2014；Cosgrove等，2024；Deltares，8月；Diaz等，2025；Eilander等，2023；Enriquez等，2023；Feng等，2022；Fraehr等，2023；Gomez等，2026；Gori等，2020；Gori等，2020；Grimley等，2025；Hamidi等，2023；Hersbach等，2023；Huffman
利益冲突声明 作者声明，他们没有已知的竞争性经济利益或个人关系，这些可能影响本论文所报告的工作。
数据可用性 本研究中使用的所有数据均可公开获取。研究中使用的水动力模型（即SFINCS）（Leijnse，van Ormondt等，2021）可公开获取。本研究中使用的SFINCS v2.1.1_Dollerup版本可在GitHub上公开下载（Deltares 2024）。SFINCS模型是使用Python包HydroMT构建的（Deltares）。CUDEM（3米和10米）水深数据可在NOAA国家环境信息中心获取（CIRES 2014，CIRES 2014）。USGS利益冲突声明 ? 作者声明，他们没有已知的竞争性经济利益或个人关系，这些可能影响本论文所报告的工作。Md Mamunur Rashid|Raihan Uddin Ahmed 南密西西比大学海洋科学与工程学院，美国密西西比州奥申斯普林斯，邮编39564