1.1　农田涝灾预测评估

涝灾预测评估是农田涝灾防御的基础性工作。在定量预测评价农田涝灾风险基础上，分析不同地区农田涝灾发生的演变规律，探索涝灾防御的应对技术与措施，对降低农田涝灾风险和减轻灾害损失具有重要意义。

1.1.1　基于评价指标体系的农田涝灾风险评估

基于评价指标体系开展农田涝灾风险评估的前提，首先是选择适宜的指标因子构建评价指标体系，其次是进行等级划分或指标量化并确定各评价指标对风险影响的权重，最后是选择适当的数学方法开展农田涝灾风险评估。指标因子的选择主要基于对涝灾形成机制的分析结果，早期，人们普遍将环境作为致灾因子或灾体（Burton等，1978），侧重于根据致灾因子强度的阈值刻画灾害等级，而忽略了承灾体的脆弱性以及承灾体与致灾因子间相互作用所形成的风险。随着研究的不断深入，人们不再一味仅关注致灾因子或孕灾环境的研究，对灾害的社会属性也逐渐引起普遍关注（Hewitt，1998），即关注致灾因子作用的对象及其活动所在的社会与各种资源的集合，此外，承灾体（人类社会）对致灾因子表现出的脆弱性也受到人们的极大关注，对自然灾害风险的评估已由基于致灾因子的成灾机理分析或统计分析发展为与社会经济条件分析紧密结合的评估方式。自20世纪90年代起，灾害风险研究逐渐由脆弱性研究转变为基于灾害系统的风险研究。灾害系统理论认为灾害是孕灾环境、致灾因子与脆弱性相互作用的结果。在此基础上，已经形成了较为公认的灾害风险机制，即在一定区域内的灾害风险是由危险性、暴露性、脆弱性3个因素相互作用形成的（葛全胜等，2008）。考虑到区域抗灾能力对灾害风险亦有影响，张继权等（2007）将上述3个因素的灾害风险机制扩展至4个因素，即危险性、暴露性、脆弱性和抗灾能力，目前在大多数灾害风险研究中都会考虑3因素或4因素。

评价指标体系多为三层结构组成，第一层和第二层指标已基本统一，即第一层指标为危险性、暴露性、脆弱性和抗灾能力，其中危险性对应的第二层指标主要为气象（降雨）、地形（高程）、地貌（河湖网络）、下垫面（植被、土壤等）；暴露性和脆弱性对应的第二层指标主要包括人口（密度、脆弱性人口数等）、农业（种植面积、作物受涝响应等）和经济（GDP、工厂等）和环境（湿地面积等）；抗灾能力对应的第二层指标包括抗灾能力、救灾能力和恢复能力。对于第三层指标的选择，有学者提出了选择原则（闻珺，2007；尹占娥，2009），但其仅具宏观指导意义，难以判别所选的指标及其表达形式的有效性，指标选择的有效性多是通过专家评判方法予以确定，这导致第三层指标的选择具有一定的主观性。

评价指标的量化分为绝对数、相对数和等级划分3种方式，其中绝对数和相对数的确定较为简单，可直接根据获取的原始资料得到，而等级划分则需在原始资料基础上做一定处理后才可得到，通常是根据指标序列的分布规律或进行专题调研确定。Jiang等（2009）将标准差作为等级划分的间隔，将最大三日降雨量、暴雨时间、排水密度等指标线性地划分为5个等级；李旭（2008）对广州市的DEM数据进行高程相对标准差计算，从而根据标准差均值和方差将地形因子分为三级；邹强等（2012）基于国家、行业及地方颁布的有关标准或文件，结合研究区的自然地理、水文气象、社会经济及其对涝灾影响的实际情况与特点，确定了评价指标的分级标准。李喜仓等（2012）和莫建飞等（2012）利用降雨序列的不同百分位数对暴雨强度进行了分级量化，对量化后的指标进行了标准化处理以使指标间具有可比性。常用的标准化处理方法包括归一化和极值标准化，不同的评价指标对涝灾风险的作用方向可能不同，根据指标值与涝灾风险相关性质可分为正相关指标或负相关指标，对于不同性质的相关指标可采用不同的标准化处理方法。

综合评价数学模型是开展涝灾评估的核心。从数学变换角度看，各评价对象是由其所属的各个指标组成的高维空间点，涝灾评价模型是一种从高维空间向低维空间的映射。目前的涝灾风险评估中常采用的数学模型包括特尔菲法、主成分分析法、层次分析法、模糊综合评价、人工神经网络等。此外，一些新的数学模型如投影寻踪、支持向量机、资料包络分析及多种数学方法的集成模型如模糊层次法、自适应神经模糊推理系统、分形模糊集评价等也逐渐被广泛应用于涝灾风险评估。

1.1.2　涝灾风险评估数学模型

统计性和经验性模型是最为简单的数学模型，一般不具有机理性，仅适用于资料缺乏地区的简单涝灾分析，缺点是模型训练对采用的资料具有极大的依赖性，这使得此类模型不具有移植性和通用性。概念性或具有一定物理基础的分布式水文模型在涝灾风险评估中的应用已日趋广泛。对于过境的洪水灾害，一般采用浅水波运动方程模拟洪水在地表和河道中的演进过程（Bhuiyan and Dutta，2012）；对于当地降雨导致的涝灾，需要模拟的物理过程相对较多，如降雨截留、蒸散发、土壤水和地下水运动、地表产流、地表汇流、河道汇流等。在以往的流域水文模型中，汇流计算多采用水文学方法，如等流时线、单位线法和马斯京根法等，这些方法对集水区的划分方式有一定依赖性，只能提供集水区出口断面处的洪涝过程，不能详细提供洪水要素的实时变化状况。为了避免上述缺陷，人们将水文模型与河道水力模型进行联合或耦合，进而加强了河道和沟道中水流运动的模拟精度，这些模型包括HEC-HMS和HEC-HRS（Gül等，2010）、MIKE SHE（Thompson，2004）、SWMM和MIKE11（Danish Hydraulic institute Inc，2005），或者直接在模型坡面汇流和河道汇流计算过程中全部采用水动力学运动方程（Dushmanta，2006）。

灌区水分循环是区域水循环的一种子类型。由于受灌排沟塘改造、土地平整、作物种植、道路建设等复杂下垫面条件变化的影响，灌区内的蒸发蒸腾、入渗补给、产汇流等水分循环过程已发生了较大改变，农田、沟渠、塘堰、河湖之间地表水、土壤水和地下水的交换更加频繁，使得灌区水分循环过程与自然流域水分循环过程产生了显著差异。考虑到灌区所具有的上述特性，基于自然流域水分运动规律的水文模型在灌区的适应性条件被重新审视，构建和研发灌区水分循环模型日益受到人们的重视。

构建灌区水分循环模型主要有3种方式：一是在原有流域水文模型基础上，针对灌区水分循环特征进行某些水循环过程的改进，如Carluer和Marsily（2004）在TOPOG模型基础上考虑到人工沟道影响而研发了ANTHROPOG模型，Zheng等（2010）改进了SWAT模型中灌区沟渠的产汇流过程、灌区子流域和水文响应单元的划分以及作物实际蒸散发量的计算方法等，进而模拟自然-人工混合条件下的灌区水文循环过程，Xie等（2011）通过修改SWAT模型中的灌排过程、稻田蒸散发计算方法并联合应用作物模型，使得该模型能够很好地模拟稻田灌排管理的应用效果和作物产量；二是在田间水文模型基础上进行扩展后将其用于区域尺度，如Fernandez等（2006）通过排水沟汇流模型和田间排水模型DRAINMOD的结合，提出一个集总参数的流域尺度排水模型，Chen等（2004）提出了分散分布的水箱模型概念，描述稻田、旱田和沟渠同时存在的产汇流特征，并采用堰槽水力模型连接水流模拟区域地表径流；三是研发适合于灌区水分循环特征的分布式排水模型，如赵勇等（2007）基于二元水循环理论研发了适宜宁夏平原地区的分布式水文模型，考虑了灌区水分循环构成中的各个环节。

1.1.3　不同承载体的受涝响应规律

不同承灾体的种类、不同受灾时间和受灾程度均会导致不同的灾害损失结果。承载体受涝响应规律的表达形式为灾损曲线，或称为易损性模型，相应的构建方法是在假设承灾体遭受淹没水深、淹没时间等条件相同时破坏程度相似基础上，通过调研或试验数据开展建模，给出水体变量与损失率之间的关系表达式（Berning，2000）。对住宅、建筑物、商业、工业等承载体而言，多是通过实地调查获得其灾损曲线。农业上的承载体主要是作物，不同生育阶段对淹水深度及淹水历时的响应敏感程度存在着差异。当田间涝水超过某一淹水深度或淹水历时超过某一数值时，则会对作物生长发育、最终产量乃至品质产生较大的影响。国内外学者通过小尺度的田间淹水试验获得了不同作物在不同暴雨强度、淹水深度、淹水历时等环境下的产量响应函数以及涝渍胁迫下的作物水分生产函数，从而为区域农田涝灾风险评估脆弱性曲线的构建奠定了基础。Gibert等（2008）通过田间试验分析了不同淹水深度对甘蔗产量的影响；谢彦等（2011）通过赣江流域实地普查获得了早稻和中稻在不同熟期、不同淹水历时、不同淹水深度和不同淹水水质下的产量差异状况；殷剑敏等（2009）根据江西、湖南、湖北等地进行的洪涝试验分析了不同洪涝程度对早稻产量及产量结构因素的影响。我国《灌溉与排水工程设计规范》（GB50288—99）中规定设计暴雨历时和排除时间分别为：旱作区1～3d设计暴雨从作物受淹1～3d排至田面无积水；水稻区1～3d设计暴雨3～5d排至耐淹水深。除经济损失外，生态环境作为新的承载体也开始受到关注，洪涝灾害对自然生态和环境的影响日益引起人们重视。

1.1.4　环境变化对涝灾风险的影响

以全球气候变暖为主要特征的气候变化导致陆-海、陆-气与海-气环流间的相互作用发生了变化，进而影响到各种自然灾害发生，尤其是与气候变化密切相关的洪涝灾害。气候变化对涝灾风险的影响不仅表现在改变了致灾因子的发生频率、强度、空间范围及其持续时间等，还可能通过影响人类活动从而改变孕灾环境，如下垫面、湿地面积、江河湖泊分布等。此外，气候变化也会对承载体脆弱性产生影响，如持续的升温可能导致作物生长规律发生改变，致使作物对灾害的响应更为脆弱。人类活动不仅会影响灾害的孕灾环境、承载体暴露性和抗灾能力，还可能使得致灾因子发生变化，如城市化导致的热岛效应影响了局地小气候，改变了降雨规律。

IPCC（2007）第4次评估报告指出，到21世纪80年代，海平面上升将导致比目前多出几百万的人口遭受洪涝之害，其中亚洲和非洲人口稠密的低洼大三角洲地区受影响人口数量最多，而小岛屿则会更加脆弱。海平面上升可能导致风暴潮、海水入侵和排水不畅，从而增大了涝灾风险。Purvis等（2008）基于IPCC第3次评估报告中的海平面上升值，分析了不同重现期潮汐情况下海平面上升对英格兰西南部塞文河河口沿岸土地的淹没情况，发现海平面的上升将极大增加洪水淹没面积。海平面上升一方面是因海面的绝对升高；另一方面也可能是因地面沉陷所致的海面相对升高。Alvarado-Aguilar等（2012）分析了这两种情况综合作用下的海平面上升对西班牙地中海沿岸埃布罗河三角洲洪涝灾害程度的影响，发现按现有地面沉降速度发展下去，预计到2100年，相对海平面升高0.5m（低方案）、0.7m（中方案）、0.9m（高方案）下的淹没面积分别为45%、53%和61%。

随着人类影响自然能力的增强，人类活动正深刻影响着涝灾风险形成机制。城市是受人类活动影响最为强烈的地区，城市化通过植被砍伐、土壤夯实、开沟排水、下垫面改变等途径，改变了地表用地类型的景观结构和植被特征，破坏了原有的水文系统结构，影响了现有的地表产汇流机制和水分循环过程（Ayed等，2010；Adélia等，2011；Levavasseur等，2012）。不透水面格局趋向积聚，林地格局趋向分散，使得植被缓解径流的能力降低。河流人工化特征明显，河网直线化和硬化使得河流的调蓄功能下降，增加了涝灾发生的可能性。沟道加速了地表径流、避开了地表障碍物，影响到地表和地下水间的交换，改变了径流和排水的迁移路径。蓄洪区能够分蓄超额洪水，可以改变洪涝灾害发生的时空特征，而蓄洪区的不当发展则会削弱抗御洪涝灾害的能力，增加抗灾成本（Vorogushyn等，2012）。此外，堤防、圩区治理和外河水面率变化等人类活动对涝灾的影响也引起广泛的关注。

全球极端气候频发使得人们开始关注极端气候条件下的灾害风险评估。IPCC（1995）第2次评估报告中指出开展极端事件变化研究的重要意义，并试图回答“气候是否更加容易变化或更加极端化”这一难题。2006年在莫斯科召开的水文气象安全问题国际会议，围绕极端气候和气象水文事件的影响、预测评估、预警以及对策等方面进行了研讨。2008年，我国启动了国家“十一五”科技支撑计划重点项目“我国主要极端天气气候事件及重大气象灾害的监测、检测和预测关键技术研究”。2009年，中国气象学会年会组织了以“气候系统变化与极端天气气候事件科学关系”为主题的会议，针对主要极端气候事件及重大气候灾变的监测、预测和应对集中展开了讨论。2012年，IPCC（2012）发布了《管理极端事件和灾害风险，推进气候变化适应》特别报告，其中包括灾害风险的决定因素、气候极端事件的变化及其对自然环境的影响、极端事件对人类系统和生态系统影响的变化等。

未来环境变化是多因子变化的综合表现，研究多因子组合变化下的涝灾演变机制与规律开始受到重视。Wu等（2012）根据历史资料分析了降雨变化、下垫面改变和城市排水管网管理对上海内涝风险的影响；Bouwer等（2010）预测了气候、土地利用和区域经济变化下洪灾损失的改变；Wang等（2012）模拟了海平面上升、地面沉降和排水管网密度增大作用下的上海未来洪涝灾害风险变化。此外，人们还开展了人工林增加和气候改变、城市化和海平面上升等多重因素引起的径流变化及涝灾风险和管理策略研究（Pavri，2010；Zhang，2011）。

1.1.5　涝灾风险评估的不确定性

在涝灾风险评估过程中，由于受自然发展过程本身的随机性、信息资料的完备程度以及主观认知水平的限制等影响，风险分析成果具有不确定性，有可能出现误差甚至错误，即会出现“风险的风险”。为此，树立“风险的风险”概念，对涝灾风险分析结果进行不确定性分析具有重要的意义。

涝灾风险评估不确定性的来源主要包括：①输入变量的不确定性。致灾因子、孕灾环境的正确表达通常依赖于所收集数据的准确性，而这些数据本身就具有不确定性，此外在分析环境变化对风险评估影响中，未来气候和人类活动变化情景的设定和预测也具有很大的不确定性。②模型结构的不确定性。受认知水平限制，构建的模型结构能否真实反映客观事实还存在疑问，这导致模型结构具有很大的不确定性。③模型参数的不确定性。涝灾风险评估所涉及的诸多模型中含有大量参数，其取值多基于试验数据、历史统计资料、经验数据等，无论采用何种参数取值方式都不可能完全准确刻画参数的实际值在时空上的分布状况，从而导致参数取值的不确定性。

涝灾风险评估过程中的不确定性分析多是针对水文模型的不确定性开展，采用的数学模型主要有参数敏感性分析、蒙特卡洛法、通用似然不确定性估计法、马尔科夫链、卡尔曼滤波、贝叶斯法等，分析的对象主要围绕灾害风险评估中使用的水文模型参数或致灾因子，其基本思路是将不确定性因子利用随机变量、模糊变量或区间变量替代原模型中的确定性变量，通过对风险结果的变化分析不确定性。如Purvis等（2008）将未来海平面变化当作随机变量并利用蒙特卡洛法分析其不确定性，发现不考虑海平面上升的不确定性会低估洪涝灾害风险的发生频率；Gaume等（2010）在估计无测站地区的洪量过程中，利用贝叶斯、马尔科夫链、蒙特卡洛法估计结果的不确定性；Aronica等（2012）利用水文模型和蒙特卡洛法将降雨处理成不确定性因子，模拟了城市地区洪峰流量、淹水深度等指标的概率分布状况。