黄河下游滩区不同治理模式下的洪水风险评估

程亦菲 ,  夏军强 ,  方红卫 ,  周美蓉 ,  周祖昊 ,  鲁俊 ,  李东阳 ,  Roger A. Falconer ,  白玉川

Engineering ›› 2025, Vol. 51 ›› Issue (8) : 240 -253.

PDF (5888KB)
Engineering ›› 2025, Vol. 51 ›› Issue (8) : 240 -253. DOI: 10.1016/j.eng.2025.02.011
研究论文

黄河下游滩区不同治理模式下的洪水风险评估

作者信息 +

Modelling of Flood Risks to People’s Life and Property in the Lower Yellow River Under Different Floodplain Management Modes

Author information +
文章历史 +
PDF (6028K)

摘要

评估洪水风险是滩区管理和发展的前提。黄河下游为复式河道，易受洪水威胁。当前黄河下游滩区有大量人口居住，滩区发展与防洪安全矛盾日益突出。基于新时期国家发展战略，目前已提出多种滩区治理模式，但缺乏完善的风险评估技术，尚未开展不同治理模式的对比研究。本文构建了洪水风险评估综合模型，包括二维水沙演进模块与考虑水沙运动致灾机制的洪水风险评估模块。采用高含沙洪水过程及溃堤洪水过程对二维模型进行了率定验证，最后将模型应用于极端洪水条件下黄河下游重点滩区不同治理模式下的洪灾损失评估。结果表明：①模型计算水沙过程与实测值符合较好，计算沙峰相对误差为9%，兰考东明滩区计算淹没水深及范围与实测值一致；②现状边界条件下大部分滩区处于重度淹没区，防护堤模式下滩区处于轻度淹没区的面积占比较大，而在三滩分治模式下滩区处于中度淹没区的面积占比较大；③与现状边界条件相比，防护堤和三滩分治模式下滩区群众生命财产处于高风险区的面积分别减小21%~49%、35%~93%。

Abstract

Quantification of river flood risks is a prerequisite for floodplain management and development. The lower Yellow River (LYR) is characterized by a complex channel–floodplain system, which is prone to flooding but inhabits a large population on the floodplains. Many floodplain management modes have been presented, but implementation effects of these management modes have not been evaluated correctly. An integrated model was first proposed to evaluate the flood risks to people’s life and property, covering an improved module of two-dimensional (2D) morphodynamic processes and a module of flood risk evaluation for people, buildings and crops on the floodplains. Two simulation cases were then conducted to validate the model accuracy, including the hyperconcentrated flood event and dike-breach induced flood event occurring in the LYR. Finally, the integrated model was applied to key floodplains in the LYR, and the effects of different floodplain management modes were quantified on the risks to people’s life and property under an extreme flood event. Results indicate that: ① Satisfactory accuracy was achieved in the simulation of these two flood events. The maximum sediment concentration was just underestimated by 9%, and the simulated inundation depth agreed well with the field record; ② severe inundation was predicted to occur in most domains under the current topography (Scheme I), which would be alleviated after implementing different floodplain management modes, with the area in slight inundation degree accounting for a large proportion under the mode of “construction of protection embankment” (Scheme II) and the area in medium inundation degree occupying a high ratio under the mode of “floodplain partition harnessing” (Scheme III); and ③ compared with Scheme I, the high-risk area for people’s life and property would reduce by 21%–49% under Scheme II, and by 35%–93% under Scheme III.

关键词

综合模拟 / 群众生命财产 / 洪水风险评估 / 滩区治理模式 / 黄河下游

Key words

Integrated modelling / People’s life and property / Flood risk evaluation / Floodplain management modes / Lower Yellow River

引用本文

引用格式 ▾
程亦菲,夏军强,方红卫,周美蓉,周祖昊,鲁俊,李东阳,Roger A. Falconer,白玉川. 黄河下游滩区不同治理模式下的洪水风险评估[J]. 工程（英文）, 2025, 51(8): 240-253 DOI:10.1016/j.eng.2025.02.011

登录浏览全文

4963

注册一个新账户 忘记密码

1 引言

洪水灾害已成为当今世界最主要的自然灾害之一，具有发生频率高、影响范围广等特点，给社会经济造成了巨大损失[1‒3]。据统计，1980—2013年全球范围内，由于河道洪水造成的直接经济损失高达1万亿美元，此外造成的死亡人数超过20万[4‒5]。当前极端天气造成的降雨不确定性及不可预见性更趋明显，且脆弱区域（如黄河下游两岸滩区）人口与财富规模逐渐扩大，因此未来洪灾损失也将更加严重[6‒9]。因此，构建水沙演进与风险评估模型，评估脆弱地区群众生命财产安全风险，对于实施有效的管理策略至关重要[10‒11]。

已有研究通常采用两类方法量化洪水淹没范围：数值模拟与遥感解译。随着高精度遥感影像资料的积累，当前遥感解译可以较为准确地计算某些地区历史洪水淹没范围[12‒14]，但此类方法无法给出淹没水深及流速的动态变化过程，且无法进行预测。因此，数值模拟方法被广泛用于模拟洪水淹没过程。由于计算成本和数值不稳定性的限制，三维模型在模拟大型河流时较少应用[11]。因此，二维模型广泛应用于大型河流（尤其是复式河道）的水沙演进过程模拟。

在河道洪水演进模拟中，现有二维水沙模型多采用非耦合或半耦合解法，不考虑含沙量变化及河床冲淤对洪水演进的影响，主要适用于低含沙量、河床变形速率较小的情况[15‒21]。对于多沙河流，尤其是黄河下游，在汛期常发生含沙量超200 kg∙m-3的高含沙洪水，河床变形速率快。部分研究采用二维水沙耦合模型计算了水槽试验以及概化河道中的高含沙洪水演进过程[20,22‒23]，但这些模型尚未模拟高含沙洪水在复杂地形下的演进过程。例如，Yue等[20]提出了基于无结构网格的二维水沙模型，并采用水槽试验算例对模型进行了验证。因此，针对黄河下游复杂断面形态和来流含沙量较高的情况，还需要进一步完善现有的二维水沙耦合数学模型，使其适用于模拟高含沙洪水在复杂地形下的演进过程。

在获得洪水演进过程相应的水动力参数之后，可以结合各类灾损曲线进行风险评估。对于黄河下游滩区而言，由于土地利用类型较少，受淹对象主要分为群众、房屋和农作物。从力学分析的角度看，生命财产的损失与水深和流速等洪水指标密切相关，其中人体洪水风险计算的前提是稳定性计算。现有人体稳定性计算多采用经验评估方法或基于简单力学平衡分析结合试验数据建立公式，缺乏完善的理论基础[24‒25]。Xia等[25]通过分析洪水中人体的受力情况，同时结合河流动力学中泥沙起动的理论，推导出洪水中人体滑移及跌倒失稳时的起动流速公式。该方法被广泛应用于城市洪涝风险评估中[26‒28]，但尚未应用于具有复杂河道-滩区系统的黄河下游。以往关于建筑物和农作物洪水损失的研究[29‒30]通常侧重于通过实地调查确定水深-损失曲线，对资料的相关性要求较高。然而，在评估特定流域的建筑物和农作物洪水损失时，应进行更多的力学分析和充分的实地调查。

黄河下游滩区是黄河河道的重要组成部分，总面积达4000 km2，约占黄河下游河道总面积的70%。滩区内目前居住153万人，但这些区域是洪水易发区，经常受由极端气候变化引起的洪水干扰。此外，下游广泛存在“二级悬河”，会加剧漫滩洪水程度。历史上黄河下游经常发生漫滩洪水，1949—2018年下游发生漫滩洪水31次，累计受灾人数近千万人[3]。因此，黄河下游滩区滞洪沉沙与群众生产生活、经济社会发展矛盾突出，是下游治理的瓶颈。尽管已提出了许多滩区治理模式，但以往研究缺乏有效的模拟技术和风险评估方法来讨论不同治理策略的效果。因此，本研究的主要目标为：①构建水沙演进与洪水风险评估耦合模型，实现水沙输移、河床冲淤及洪水风险的精细模拟；②基于黄河下游实测高含沙洪水及溃堤洪水资料，验证模型精度；③评估千年一遇极端洪水事件下的人民生命财产洪水风险，量化不同滩区治理模式的效果。

2 水沙演进与风险评估综合模型

水沙演进与风险评估综合模型包括二维水沙演进模块和洪水风险评估模块。其中，二维水沙演进模块尤其适用于复杂河道-滩区系统和高含沙洪水；洪水风险评估模块能够计算滩区群众生命财产（群众、房屋、农作物）在洪水中的安全程度。

2.1 二维水沙耦合模块

二维水沙演进模块的控制方程包括含沙水流的质量和动量守恒方程，可写为[20,22,31]

∂U∂t+∂E∂x+∂G∂y=R
ρ'ΔZb,kΔt=αs,kωs,k(Sk-S*,k)

式中， U 为守恒变量向量； E 和 G 分别为x和y方向的对流通量向量； R 为源项向量，包括底坡项、阻力项及泥沙输移和河床变形引起的附加项；t为时间；ρ'为床沙干密度；k为第k粒径组泥沙；ΔZb,k 为第k组泥沙输运在Δt时间步长内引起的河床冲淤厚度；Sk 和S*,k 分别为第k组泥沙的含沙量与挟沙力；αs,k和ωs,k分别为第k组泥沙的恢复饱和系数和浑水沉速。 U 、 E 、 G 和 R 的表达式为

U=hhuhvhSk,  E=huhu2+12gh2huvhuSk,  G=hvhuvhv2+12gh2hvSk,  R=0gh(Tb,x-Tf,x)gh(Tb,y-Tf,y)-αs,kωs,k(Sk-S*,k)Ⅰ+-∂Zb/∂t-Δρgh22ρmρs∂S∂x+ρb-ρmρmu∂Zb∂t-Δρgh22ρmρs∂S∂y+ρb-ρmρmv∂Zb∂t0Ⅱ

式中，h为计算单元的平均水深；u和v分别为x和y方向的深度平均流速；g为重力加速度；Tb,x 、Tb,y 分别为x和y方向的底坡项（Tb），即Tb,x=-∂Zb∂x、Tb,y=-∂Zb∂y；Zb 为河底高程；Tf,x 和Tf,y 分别为x和y方向的阻力项（Tf），即Tf,x=n2uu2+v2h-43、Tf,y=n2vu2+v2h-43，其中n为曼宁糙率系数；Δρ=ρs-ρw，其中ρs 为泥沙密度，ρw 为清水密度；ρb=(1-ρ'/ρs)ρw+ρ'为床沙饱和湿密度；ρm=S+(1-S/ρs)ρw为浑水密度，其中S为含沙量。式（3）中 R 的第二列是耦合求解的关键，代表了含沙量和河床变形的空间变化对水流动量的影响。当模拟低含沙量水流时，使用非耦合解可以忽略这些附加项，但对于高含沙量水流运动以及伴随河床剧烈冲淤的水沙输移过程的模拟而言，这些附加项是必要的。

有限体积法守恒性好，在以往研究中被广泛使用。本模型采用该方法基于非结构化网格求解控制方程，此类网格对不规则边界适应性好。所有守恒变量值存储于单元中心。将基于HLL（Harten-Lax-van Leer）格式的近似Riemann解与守恒律方程的单调上游中心格式（monotone upstream scheme for conservation laws, MUSCL）方法相结合，用于计算单元界面水流泥沙通量。方程离散与数值解法具体可见附录A。

2.2 洪水风险评估模块

本研究中洪水风险指的是漫滩洪水对滩区群众生命财产造成的危险，洪水灾情指标主要包括淹没范围、淹没历时、受灾人口、财产损失率等[3‒5]。洪水风险评估模块是专门为计算滩区群众生命财产洪水危险度而提出的。黄河下游滩区以农业经济为主，农业又以种植业为主。滩区农作物分为夏粮作物（小麦、大麦及夏杂粮）和秋粮作物（玉米、棉花等）。受洪水发生时段限制，受灾期农作物主要为秋粮作物[3]。因此，本研究只考虑群众、房屋以及以玉米为代表的农作物三类受淹对象的洪水风险，详细的计算关系描述如下。

2.2.1 群众洪水风险计算

以往研究中采用两类评估人体稳定性的方法，包括基于真实人体试验的研究成果和基于力学分析的半经验半理论公式[24]。但是，上述两种方法都存在一定的局限性：前者会受到测试对象的身体属性和心理因素影响，而后者对人体结构和流动条件做了过度简化[25]。Xia等[25]对洪水中人员稳定性判断方法进行了改进研究，通过分析洪水中人体的受力情况，同时结合河流动力学中泥沙起动的理论，推导出洪水中人体滑移及跌倒失稳时的起动流速公式，进而基于一系列水槽试验和真实人体失稳数据，得到了人体失稳的起动流速公式（图1）。由于滑移失稳通常发生在水深较小而流速极大的情景下，因此本研究仅考虑人体跌倒失稳的计算。当一个人面朝来流方向站立时（图1），跌倒失稳的临界条件是人体绕脚跟（O点）的合力矩为零，此时人体将绕O点向后跌倒。跌倒失稳的起动流速公式可写为

Uc=β1(hhp)β2×mpρmh2-(0.633hp2+0.367h⋅hp)(1.015×10-3mp-4.927×10-3) 

式中，hp为人体身高，取平均身高1.7 m；mp为人体重量，取平均体重60 kg；β1和β2为需要率定的综合参数。关于此公式的详细推导见参考文献[25]。经实测数据率定验证后，该公式能准确确定人体失稳临界条件，这一成果代表了该领域的最先进水平[32‒33]。因此，本模块采用下式计算群众洪水风险度（HDpeople）：

HDpeople=min (U/Uc,1.0)

式中，U为单元平均流速（m∙s-1）；HDpeople是洪水淹没中成年人发生跌倒失稳概率的指标，该指标越接近1.0，群众洪水风险就越大。

2.2.2 房屋洪水风险计算

对建筑物洪水损失的评估通常侧重于淹没水深的影响。以往研究建立了水深-损失曲线[34‒35]。一些研究认为房屋的破坏方式不仅与淹没水深有关，与水流流速及淹没历时均有一定的关系[36‒37]。Kelman [37]详细分析静水和动水条件下房屋受力情况后[图2（a）]发现，侧向水压力与水深及流速相关，是房屋受损的主要影响因素。Kelman [37]通过实地调查确定建筑物受损特征后，总结出了不同建筑物内外水深差和流速组合下的风险矩阵，这些矩阵点可以通过曲线进行拟合[图2（b）]，并写成如下公式：

HDbuilding(-17Δh2+63Δh+46)/100U=4 m·s-1(-6.7Δh2+41Δh+40)/100U=0 m·s-1

式中，HDbuilding等于1.0表示房屋完全受损。需要注意的是，对于其他水深和流速组合，房屋洪水风险度根据方程（6）进行插值得到。

2.2.3 农作物洪水风险计算

前述已说明在洪水期内（通常是7~8月）滩区主要农作物为玉米，因此洪水风险评估模块中需要考虑玉米的风险计算。玉米是一种喜温作物，其生长和品质会受到过量水分的影响。现有研究均表明农作物洪水受损的主要因素为淹没水深和历时[30,38]，部分研究也认为地貌变化和含沙量会影响农作物生长情况[3,39‒40]，但此类研究的实测资料较少。因此，基于真实洪水事件的实地调查，建立玉米损失与淹没水深和历时之间的关系仍然是合理的，这种关系可以间接反映洪水事件中含沙量和地貌变化的影响。式（7）考虑淹没历时与淹没水深对玉米生长的影响，能合理计算黄河下游滩区农作物的洪水损失率（图3）：

HDcorn=0.48h0.35Tin0.34

式中，Tin为淹没历时；HDcorn表示洪水中玉米风险度，数值越大，所造成的损害就越大。基于式（5）~（7）可以计算各类受淹对象的洪水风险度。受淹对象的洪水风险等级暂无统一的划分标准，文献[38]认为人体的洪水风险度大于0.85时，来流流速非常接近人体失稳流速，此时人体将处于极度危险状态。因此，本研究定义各受淹对象在洪水风险度高于0.85时即处于高洪水风险状态。

需要说明的是，特定受淹对象与计算网格单元的尺度往往不一致。绘制仅容纳单个人体或建筑物的网格是不现实的。因此，本研究根据研究区域的土地利用类型逐单元计算各受淹对象的洪水风险度。例如，对于房屋，仅对标记为城镇类型的计算网格单元进行风险度计算；对于群众，除主河道区域外，群众可能出现在所有计算网格单元中。在确定各受淹对象可能存在的区域之后，以各单元平均流速、水深作为公式（5）~（7）中的参数进行计算[41]。基于这种处理方式，研究区域的风险度计算与所提出的公式相吻合。

3 综合模型率定与验证

本研究使用了三类数据进行模型验证和洪水风险评估。第一类是地形数据，包括常规的断面测量数据，如河南省夹河滩（JHT）断面和山东省高村（GC）断面[图4（a）]的测量数据；也包括使用Autodesk计算机辅助设计（CAD）地图获得的滩区地形。黄河下游设有七个水文站：花园口（HYK）、JHT、GC、孙口（SK）、艾山（AS）、泺口（LK）和利津（LJ）[图4（a）]。前两个站位于河南省，其余5个站位于山东省。第二类是水文数据，包括水位、流量、含沙量和级配的过程线。这两类数据由水利部黄河水利委员会（YRCC）提供。第三类是土地利用和遥感影像数据。土地利用分类基于30 m分辨率的土地利用图和CAD图，后者在识别城镇位置方面精度更高。土地利用图来源于鹏城实验室的星云数据服务平台以及Yang和Huang [42]的研究。原始遥感影像下载自地理空间数据云，该平台由中国科学院计算机网络信息中心建设和维护。

基于这些数据，本节对综合模型的准确性进行了验证。2004年高含沙洪水没有发生洪水漫滩，因此计算时分析洪水在主槽内的演进过程，验证二维水沙模块的计算精度。2003年溃堤洪水严重威胁了河南省兰考-东明滩区（LKDM，位于JHT至GC段，简称为夹高段）群众的生命财产安全，因此分析由于生产堤溃口引起的漫滩洪水演进过程及造成的洪水风险，进一步验证水沙演进与风险评估二维模型的计算精度。

3.1 2004年高含沙洪水过程模拟

3.1.1 模型设置

黄河下游通常指河南孟津至山东LJ河段，总长约756 km，包括HYK、JHT、GC、LJ等七个水文站。按照河道形态、河床演变特点以及水文站位置，黄河下游通常分为三个不同类型的河段：GC以上的游荡型河段、GC至AS的过渡型河段以及AS至LJ的弯曲型河段[图4（a）]。GC以上河段为典型游荡段，其特点是多汊，设有三个用于进行每日水文测量水文测量站：HYK、JHT和GC。二级悬河普遍存在于夹高段，该段长77 km，主流方向由西转向东北。该河段人口稠密，分布着一些大滩区，当地经济也在不断发展。因此，选择夹高段作为研究河段来验证二维地貌动力学模块。收集了2004年7月40个淤积断面的横断面地形数据，用于生成二维地形[图4（b）]。为便于参考，横断面编号为CS1至CS40。图中绘制了插值得到的CS3横断面，以说明生成数字地形的精度[图4（c）]。本次计算网格单元总数为40 230，网格单元面积为717~5831 m2。

此次高含沙洪水过程历时186 h（2004年8月24日至31日），图4（d）为该场洪水过程的来水来沙条件。计算时段内悬沙和床沙颗粒的粒径为0.002~1.000 mm，计算中将非均匀沙分为9组。模型计算最小水深为0.01 m。河段的曼宁糙率系数设为定值，验证结果表明曼宁糙率系数设为0.015时计算结果精度最高。分别采用串行和并行技术在一台8核且基准速度为3.60 GHz的服务器上计算此算例，运行时间分别为88.8 h和22.9 h。因此，采用并行技术时，模型的计算速度能显著提高。

3.1.2 模拟结果

图5对比了JHT和GC断面的水位、流量及含沙量计算与实测过程。JHT断面水位在计算开始20 h内升高，计算最大水位为76.2 m，与实测峰值（76.3 m）非常接近。随后30 h内水位有所降低，落水期内水位计算值与实测值一致。然而在第二个水位上升期，计算值偏大，导致JHT断面计算水位纳什效率系数（NSE = 0.44）较低，水位均方根误差（RMSE = 0.22 m）较大。模拟水位与实测水位的偏差可能源于糙率系数的确定。糙率系数最初设为常数，后根据与水深相关的经验公式进行调整。GC断面计算与实测流量过程基本符合，RMSE = 430 m3∙s-1。计算流量峰值为4005 m3∙s-1，仅比实测流量峰值（3840 m3∙s-1）偏大4%。采用耦合解法，含沙量计算结果精度较高（图5）。基于耦合解法计算得到GC断面含沙量最大值为180 kg∙m-3，与实测值（199 kg∙m-3）相比仅偏小9%，而采用非耦合解法计算得到最大值为165 kg∙m-3，比实测值偏小21%。采用耦合解法时含沙量过程计算NSE和RMSE分别为0.73和27.5 kg·m-3，而采用非耦合解法时含沙量过程计算NSE和RMSE分别为0.68和30.0 kg·m-3，因此采用水沙耦合解法能更准确模拟高含沙洪水演进过程。

为了分析此次高含沙洪水过程中泥沙组成的变化情况，将泥沙分为三组：粒径d ≤ 0.025 mm为细沙；粒径0.025 < d ≤ 0.050 mm为中沙；d > 0.050 mm为粗沙[43]。图6对比了GC断面计算与实测分组含沙量过程。从图6可知，此次高含沙洪水中的细沙组分所占比例较大，因此高含沙洪水演进至GC断面时，其悬沙中的粗沙占比为0，细沙占比最大。尽管GC断面计算细沙最大含量与实测最大值相比有所滞后，但计算细沙最大含量为146 kg·m-3，与实测值（144 kg·m-3）十分接近[图6（a）]。计算中沙过程与实测过程趋势一致，但计算值偏小[图6（b）]。总体而言，模型计算分组含沙量过程与实测过程符合较好。

3.2 2003年溃堤洪水过程模拟

3.2.1 模型设置

2003年溃决洪水受灾滩区为LKDM滩区，位于夹高段[图4（a）]。该段前期河床淤积严重，大部分断面平滩流量不足3000 m3·s-1。2003年9月18日，该段河南省蔡集控导工程的两座生产堤[图4（a）]被冲垮，水流进入滩区[图7（a）]。图7给出了溃堤断面汛前、汛后横断面形态变化。可以发现，在2003年汛期，该断面附近河势剧烈调整，主槽向右发生了大幅摆动。至2003年9月25日，溃口口门宽度发展为58 m，滩区淹没水深为0.5~1.5 m。次日对溃口进行封堵但未成功，滩区积水58 d。此次险情严重威胁了当地群众的生命财产安全，约11万人被水围困，超7000间房屋倒塌或损坏，直接经济损失达7.5亿元。

以控导工程和生产堤为界，确定研究的范围为LKDM滩区。根据2003年地表覆盖数据及1999年滩区CAD地形图，发现区域内主要土地利用类型为耕地和居民点，林地面积极少[图7（c）]。采用与研究时段最近的滩区地形数据（1999年），生成LKDM滩区内的计算地形[图7（d）]。溃口口门宽度设为定值（60 m），口门处加密网格边长为5 m。计算网格总数为27 692，计算区域总面积为199.0 km2，各网格单元面积范围为7~13 283 m2。

由于此次险情严重且发展迅速，而溃口时口门处水流集中，流向紊乱，测验条件十分复杂，溃口初期缺乏实测资料。Guo等[44]建立的横向溃口模块计算此次险情中溃口宽度变化与实测过程符合较好，计算时段为2003年9月18日至9月25日。因此，此处计算的进口水流条件为Guo等[44]计算得到的溃口处流量过程，以JHT站相应时段内含沙量过程及级配作为模型计算的进口含沙量条件。

3.2.2 模拟结果

图8首先给出了2003年溃堤洪水过程中计算区域内不同时刻的水深及流场模拟结果，分析此次溃决洪水在滩区的演进过程。t = 8 h时，进口流量峰值为26.9 kg∙m-3，溃口附近流场呈长轴偏向滩区下游的不规则椭圆[图8（a）]。t = 80 h时，进口流量小于100 m3∙s-1，但水流进滩速度较快，溃口计算流速为1.5 m∙s-1左右。由于滩区横比降较大，“二级悬河”现象突出，大堤附近高程低于滩区中部，水流开始顺堤行洪，堤脚水深为0.8~1.2 m，流速较小，基本小于0.2 m∙s-1 [图8（b）]。t = 120 h时，进口流量上涨至213 m3∙s-1，水流仍以较大的速度进入滩地，溃口流速为2.5 m∙s-1左右[图8（c）]。滩地淹没范围增大，水流继续顺堤行洪，并且向靠近主槽的滩区演进。堤脚最大淹没水深接近2.0 m，大部分被淹没的兰考北滩水深为0.4~1.6 m，这与“洪水漫滩后，水流进滩速度较快，仅五天时间就造成兰考北滩漫滩水深0.5~1.5 m”的记载[45]描述一致。t = 168 h时，进口流量达到最大值439 m3∙s-1，大部分LKDM滩区被淹没，最大淹没水深达3.4 m [图8（d）]，滩区淹没面积为98 km2。

此次洪水过程计算淹没水深、范围与实际值均较为符合，表明建立的水沙演进与风险评估二维模型能较好模拟此次滩区洪水过程。因此，图9以群众和农作物为例给出了t = 168 h时洪水风险分布。可以发现，偎水堤段群众洪水风险度基本都在0.8以上，滩区中部群众洪水风险度较小；然而由于淹没历时长，玉米的危险度和受灾面积不断累积，大部分被淹区域面临巨大损失。

4 不同滩区治理模式下的洪水风险评估

本节首先阐述黄河下游不同滩区治理模式，并通过一维水沙动力学模型[18]识别千年一遇极端洪水下的关键出险河段，进而运用综合模型对不同模式下的滩区洪水风险进行评估，重点探讨各受淹对象的淹没范围、淹没历时及风险等级。

4.1 滩区治理模式概述

黄河流域水沙主要来源于中上游，但水沙灾害在下游最为严重[9]。目前尚无有效方法搬迁滩区居民，滩区发展与防洪矛盾突出。目前有三种滩区治理模式正受到广泛讨论：现状边界条件（Scheme Ⅰ）、防护堤模式（Scheme Ⅱ）和三滩分治模式（Scheme Ⅲ）。

防护堤模式的核心是完善现有控导工程及其连接工程，建设一个河宽2.0~3.0 km、能长期过流10 000 m3∙s-1左右的高效行洪输沙通道[46‒47]。“三滩分治”模式的思路是在现状格局下改造黄河下游滩区，形成不同功能区域[3]，具体区划为：①加高临堤2000 m以内的区域形成高滩，按照20年一遇防洪标准（JHT断面对应的20年一遇洪峰为10 000 m3∙s-1）建设为生态宜居区，用于安置滩区群众；②以控导工程及其连接工程为界，按照5年一遇防洪标准（JHT断面对应的5年一遇洪峰为8000 m3∙s-1）建设为低滩，用于发展生态观光农业等；③嫩滩为临河滩地，用于建设湿地公园，与主河槽一起承担行洪输沙功能。按照上述思路，确定各模式治理后的典型断面形态，如图10所示。

4.2 下游极端洪水演进过程模拟及出险河段确定

1958年7月洪水是黄河下游有实测资料以来最大的一次洪水。小浪底和HYK站洪峰流量分别达16 700 m3∙s-1和22 300 m3∙s-1（千年一遇洪峰流量）[18,48]。因此，该极端洪水常被视为黄河下游最不利的水沙条件。采用Xia等[18]构建的适用于库区与下游的一维水沙耦合模型，以三门峡站1958年7月11日14时至7月24日18时（历时316 h）水沙过程作为库区模型计算的上游边界条件，2020年库区与下游汛前横断面地形和床沙组成作为模型边界条件，计算得到小浪底水库调控之后的出库水沙过程，然后计算调控后的洪水在现状黄河下游长河段的演进过程[图11（a）和（b）]。2020年，汛前黄河下游各断面最小平滩流量仅为4 375 m3∙s-1，最大平滩流量不足10 000 m3∙s-1。游荡段、过渡段与弯曲段平均平滩流量分别为8713 m3∙s-1、6155 m3∙s-1和6384 m3∙s-1。故此次极端洪水在黄河下游造成了严重的漫滩。为定量描述各断面漫滩程度，采用漫溢系数和漫滩历时作为洪水漫滩程度的特征参数。漫溢系数指某断面洪峰流量与相应平滩流量的比值，反映某次洪水过程漫滩程度的大小，也在一定程度上反映河道边界条件对漫滩洪水过程的适应程度。图11（c）给出了此次洪水过程中黄河下游各断面的漫滩特征。可以发现，夹高段全部漫滩的漫滩历时较长，平均为140 h，漫溢系数平均为1.4，是下游漫滩最严重的河段，需要详细评估此次洪水造成的风险。

夹高段左、右大堤之间河宽范围为5.0~20.0 km，滩区宽度约占整个断面宽度的70%。该段有两个较大的滩区，包括左岸长垣（CY）滩和右岸LKDM滩。计算区域划分为58 133个无结构三角形网格单元，计算网格总面积为748 km2，其中滩区面积占640.7 km2，各单元面积为455 m2~0.05 km2。计算河段主槽地形采用横断面地形生成的2020年汛前地形。由于2020年并未测量滩区地形，因此采用最近的2012年滩区CAD地形数据作为现状滩区地形，插值生成滩区二维地形。对主槽及滩区进行地理配准，完成后可得计算区域的计算地形[图12（a）]。计算区域滩地的土地利用类型较为简单，可划分为闲置滩地、耕地、林地、村庄、涉水工程用地5种，这些区域的计算节点代码依次按1~5标记。例如，某一节点属于闲置滩地时，其代码为1；若某一节点处有整治工程，则其代码为5。参考现有研究中对于不同土地利用类型的糙率系数赋值，将上述5种土地利用类型的糙率系数取为0.020~0.065，主槽糙率系数取为0.018。图12给出了不同治理模式下的具体区划，控导工程和各级滩地淤填高程按各断面水位流量关系确定。因此，防护堤模式中的控导工程高程与三滩分治模式下高滩高程为63.7~74.3 m（10 000 m3∙s-1对应的设计标准），低滩需要淤填至5年一遇洪水标准（流量为8000 m3∙s-1），但考虑到低滩区域较广，此处在布置时仅加高分区线至相应设计标准62.8~73.7 m。由于难以预测溃口位置，此处未考虑河道整治工程的溃决。

4.3 不同治理模式下重点滩区的洪水风险评估

4.3.1 淹没范围

识别淹没范围对于洪水风险评估至关重要，此处统计研究河段最大淹没水深（hm）分布情况。最大淹没水深指的是各网格单元在整个计算过程中的最大水深，在一定程度上反映了最大洪水风险程度。根据淹没水深大小，可将淹没区域分成三个等级[49]：淹没水深小于0.5 m的轻度淹没区（包含未被淹没区）、淹没水深为0.5~1.5 m的中度淹没区和淹没水深大于1.5 m的重度淹没区。表1给出了各治理模式下滩区处于不同淹没程度的面积及其占比。现状边界条件下，约547.8 km2的滩区处于中度和重度淹没区，其中262.6 km2滩区处于重度淹没，占滩区总面积的41%。防护堤模式下，滩地上轻度和中度淹没区面积较大，其中轻度淹没区面积占比最大，约为44%；重度淹没区面积为150.8 km2。三滩分治模式下，中度淹没区面积最大，约占滩区总面积的61%。从表1和图13（a）~（c）可以发现，如果不对当前河段进行治理，在极端洪水事件下，当前滩区大部分区域将遭受重度淹没；在防护堤模式下，由于全河段防洪标准大幅提升，因此现状边界条件下的大部分重度淹没区将会转为轻度淹没区；在三滩分治模式下，由于只有宽滩区防洪标准提升，故现状边界条件下的大部分重度淹没区将会转为中度淹没区。

4.3.2 淹没历时

淹没历时指的是研究区域的积水时间，是滩区灾情评估的重要指标之一，对于评估对象（尤其是农作物）的洪水风险而言影响较大。计算农作物洪水风险时的起算水深为0.1 m，可定义为农作物受灾的最小水深。此处分别以模型计算最小水深（0.01 m）和农作物受灾最小水深（0.1 m）来判断研究区域是否受到淹没，进而统计研究区域的淹没历时。参考相关文献[49]中洪水淹没历时的分级标准，将淹没历时分为四级：Ⅰ级淹没（< 24 h）；Ⅱ级淹没（1~3 d）；Ⅲ级淹没（3~7 d）；Ⅳ级淹没（> 7 d），进而统计此次洪水过程中滩区处于不同淹没历时等级对应的面积。

从表2中可以发现，判断淹没的特征水深取值不同对各治理模式下研究区域的淹没历时规律影响不大。因此以表2中特征水深为0.01 m的统计结果为例，分析此次洪水过程中滩区的淹没历时，可以得出如下结论：①不同治理模式下处于Ⅱ级淹没的滩区面积非常小，而处于Ⅲ级淹没的滩区占比很大，而此次洪水过程历时316 h，表明此次洪水过程中大部分区域受到了较长历时的淹没。②防护堤模式下，约有20%的滩区处于Ⅰ级淹没，与现状边界条件相比，约有10%的滩区由Ⅲ级淹没降低为Ⅰ级淹没；但相较于现状边界条件下有5%的滩区处于Ⅳ级淹没，防护堤模式下处于Ⅳ级淹没的滩区面积则稍有增加，6%的滩区将受到长历时的淹没，这是由于防护堤阻挡了堤防内外的水沙交换，堤内区域在此次洪水过程中基本处于淹没状态。③三滩分治模式下，极少区域处于Ⅳ级淹没状态，这表明三滩分治模式下，主槽与滩区水沙交换较为顺畅，因此洪水消退过程较为顺畅；此外计算得到高滩上处于Ⅰ级淹没的滩区面积为26.0 km2，占全部高滩面积的20%，没有高滩处于Ⅳ级淹没。

4.3.3 群众生命财产的安全程度

为直观反映在此次极端洪水过程中各对象可能遭受的最大洪水风险，图13（d）~（f）以群众为例给出了不同治理模式下研究区域内最大洪水风险度的空间分布情况。在现状边界条件下，滩区群众受到的洪水风险度均超过0.80，滩区群众生命安全将受到严重威胁。在防护堤模式下，防护堤内群众洪水风险较高，虽然左岸CY滩群众洪水风险稍低，但右岸LKDM滩区北部群众洪水风险度基本超过0.8。在三滩分治模式下，高滩群众可能遭受的最大洪水风险度基本小于0.2，但部分处于低滩的群众可能会遭受较大洪水风险。但在不同治理模式下，出口附近的区域均有极大的洪水风险。

为进一步说明各受淹对象在此次极端洪水过程中的受灾特点，基于实际土地利用类型，计算各对象的实际受灾情况。图14和表3统计了各受淹对象处于高风险区的面积及占比变化情况，其中占比指的是此次漫滩洪水过程中各对象所处高风险区最大面积与该对象可能存在的所有区域面积之比。各受淹对象可能存在的区域面积需要考虑现状土地利用类型。由于滩区不同类型的土地上都有可能存在人类活动，因此群众可能存在的区域面积为全部滩区面积（640.7 km2）；但对于房屋而言，只存在村庄用地，因此所占的区域面积仅为39.8 km2；对于农作物而言，全部耕地面积为529.5 km2。

各受淹对象处于高风险区的面积变化特点与受灾机理一致。人体和房屋受灾与水深和流速密切相关，因此在洪水消退过程中，不同治理模式下群众和房屋处于高风险区的面积有所减少。农作物受灾与淹没历时密切相关，因此不同治理模式下农作物处于高风险区的面积随时间增加（图14）。表3中不同治理模式下各受淹对象处于高风险区面积的统计结果表明：①现状边界条件下，各受淹对象处于高风险区的面积均最大；接近一半的滩区群众都处于高风险区，洪水威胁极大；高达64.0 km2的农作物处于高风险区，洪水损失严重。②防护堤模式下，群众处于高风险区的面积最小；但由于防护堤模式下行洪通道里有大量耕地，滩槽水沙交换程度弱，因此农作物处于高风险区的面积仍较大，为33.1 km2。③三滩分治模式下，群众处于高风险区的面积稍大于防护堤模式；房屋处于高风险区的面积最大占比仅为0.3%，损失相对较少；农作物处于高风险区的面积最大占比为0.8%，小于防护堤模式。此外，统计了高滩上群众和房屋处于高风险区的面积。结果表明，高滩上有7.3 km2的区域群众将处于高洪水风险，但高滩上无房屋处于高风险区；如果严格限制群众的活动区间，即低滩内减少甚至杜绝人类活动，则极端洪水过程中三滩分治模式下各类对象的安全性将进一步提升。

4.3.4 群众生命财产综合风险评估

在洪水风险评估中，基于国内生产总值（GDP）或人口密度等详细的社会经济数据评估社会经济韧性十分重要。然而，已收集的遥感数据精度难以准确反映黄河下游滩区内经济与基础设施的实际分布状况。此外，几乎所有房屋都集中在LKDM与CY两滩区内，而其他区域主要为农作物分布区。因此，基于灾损曲线和土地利用类型来计算洪水风险更加合理。为综合评估不同滩区治理模式的效果，提出群众生命财产平均洪水风险指标（R¯）。假定在洪水风险评估中各受淹对象权重相等，则R¯可采用如下公式计算：

R¯=∑l=13R¯l/3
R¯l=∑i=1N(HDl×Ai)/∑i=1NAi

式中，Ai 为第i个网格面积（考虑不同土地利用类型，如果该网格为村庄，则Ai 为房屋和群众存在的面积）；HD l 为第i个网格面积内群众（l = 1）、房屋（l = 2）以及玉米（l = 3）在此次洪水过程中的最大洪水风险；R¯k 为整个计算区域内群众（l = 1）、房屋（l = 2）以及玉米（l = 3）的平均最大洪水风险；N为网格总数。该指标不仅能综合评估滩区洪水风险，还考虑了各受淹对象的空间分布，从而间接反映了洪水风险评估中的社会经济维度。

表4给出了不同滩区治理模式下群众生命财产平均洪水风险计算结果。现状边界条件下，群众生命财产平均洪水风险指标最大为0.52；防护堤和三滩分治模式下，平均洪水风险指标较为接近，分别为0.32和0.37。综合各类指标表明，实施滩区治理能显著降低滩区洪水风险，其中三滩分治模式下各受淹对象高风险区面积大幅降低。

最后，在实施滩区治理时还须综合考虑其他社会经济因素。需要说明的是，本研究在评估不同滩区治理模式下的洪水风险时，暂未考虑人口迁移。如果收集到详细的人口密度数据，本研究可以识别高风险区域以及须迁移的人口规模，但相关部门仍须根据迁移人口数量进一步规划安置选址及配套基础设施建设，以制定最优的滩区治理模式。此外，滩区治理还涉及堤防建设、人工淤填和社区迁移等复杂工程，精确测算各模式的实施成本存在较大难度。故本研究重点在于评估不同滩区治理模式下的洪水风险，进而为国土规划、水利、财政等部门进行综合研判提供科学支撑。

5 结论

当前极端天气造成的降雨不确定性及不可预见性更趋明显，黄河下游洪灾损失也更加严重，实施滩区治理工程是化解防洪安全和滩区高质量发展矛盾的关键，因此亟须开展不同治理模式下滩区洪水风险评估。本研究首先构建了水沙演进与风险评估二维综合模型，然后采用多年实测水沙及地形资料对综合模型进行了验证，最后开展了不同治理模式下黄河下游洪水过程模拟与风险评估。具体结论如下。

（1）构建了黄河下游水沙演进与风险评估二维综合模型，可实现水沙输移、河床冲淤及洪水风险的精细模拟。水沙演进模块考虑含沙量及河床冲淤变化对水流运动的影响，基于有限体积法求解水沙耦合控制方程；洪水风险评估模块考虑不同受淹对象失稳的水沙动力学机制，可计算群众、房屋以及农作物三类受淹对象在洪水中的安全程度。

（2）采用高含沙洪水与溃堤洪水过程对模型进行了率定验证，模型计算精度较高。分组含沙量过程与实测过程符合较好，计算沙峰相对误差为9%；计算淹没水深及范围与实测基本一致。

（3）从淹没范围、淹没历时、各对象洪水风险等维度评估了不同治理模式下重点河段的洪水风险。防护堤模式下，大部分滩区淹没历时为3~7 d；三滩分治模式下，极少区域淹没历时超过7 d。防护堤和三滩分治模式下，群众生命财产平均洪水风险相近，但与现状边界条件相比，防护堤模式下滩区群众生命财产处于高风险区的面积减小21%~49%，三滩分治模式下减幅为35%~93%。

参考文献

原文顺序 | 出版日期 | 本文引用
[1]

Leskens J, Brugnach M, Hoekstra AY, Schuurmans W. Why are decisions in flood disaster management so poorly supported by information from flood models? Environ Model Softw 2014;53:53‒61. . 10.1016/j.envsoft.2013.11.003
[2]

Parvin GA, Shimi AC, Shaw R, Biswas C. Flood in a changing climate: the impact on livelihood and how the rural poor cope in Bangladesh. Climate 2016; 4(4):60. . 10.3390/cli4040060
[3]

Zhang JL, Shang YZ, Cui M, Luo Q, Zhang R. Successful and sustainable governance of the lower Yellow River, China: a floodplain utilization approach for balancing ecological conservation and development. Environ Dev Sustain 2022;24(3):3014‒38. . 10.1007/s10668-021-01593-9
[4]

Winsemius HC, Aerts JCJH, van Beek LPH, Bierkens MFP, Bouwman A, Jongman B, et al. Global drivers of future river flood risk. Nat Clim Chang 2016;6(4):381‒5. . 10.1038/nclimate2893
[5]

Dottori F, Szewczyk W, Ciscar JC, Zhao F, Alfieri L, Hirabayashi Y, et al. Increased human and economic losses from river flooding with anthropogenic warming. Nat Clim Chang 2018;8(9):781‒6. . 10.1038/s41558-018-0257-z
[6]

Intergovernmental Panel on Climate Change (IPCC). Managing the risks of extreme events and disasters to advance climate change adaptation. Cambridge: Cambridge University Press; 2012.
[7]

Jongman B, Ward PJ, Aerts JCJH. Global exposure to river and coastal flooding: long term trends and changes. Glob Environ Change 2012;22(4):823‒35. . 10.1016/j.gloenvcha.2012.07.004
[8]

Visser H, Petersen AC, Ligtvoet W. On the relation between weather-related disaster impacts, vulnerability and climate change. Clim Change 2014;125(3‒4):461‒77.
[9]

Wang H, Zhao Y. Preliminary study on harnessing strategies for Yellow River in the new period. J Hydraul Eng 2019;50(11):1291‒8. Chinese.
[10]

Hamilton SK, Sippel SJ, Melack JM. Comparison of inundation patterns among major South American floodplains. J Geophys Res D Atmospheres 2002;107(D20):8038. . 10.1029/2000jd000306
[11]

Bates PD. Flood inundation prediction. Annu Rev Fluid Mech 2022;54(1):287‒315. . 10.1146/annurev-fluid-030121-113138
[12]

Manavalan R. SAR image analysis techniques for flood area mapping-literature survey. Earth Sci Inform 2017;10(1):1‒14. . 10.1007/s12145-016-0274-2
[13]

Clement MA, Kilsby CG, Moore P. Multi-temporal synthetic aperture radar flood mapping using change detection. J Flood Risk Manag 2018;11(2):152‒68. . 10.1111/jfr3.12303
[14]

Melkamu T, Bagyaraj M, Adimaw M, Ngusie A, Karuppannan S. Detecting and mapping flood inundation areas in Fogera‒Dera Floodplain, Ethiopia during an extreme wet season using Sentinel‒1 data. Phys Chem Earth 2022;127:103189. . 10.1016/j.pce.2022.103189
[15]

Sleigh PA, Gaskell PH, Berzins M, Wright NG. An unstructured finite-volume algorithm for predicting flow in rivers and estuaries. Comput Fluids 1998;27(4):479‒508. . 10.1016/S0045-7930(97)00071-6
[16]

Caleffi V, Valiani A, Zanni A. Finite volume method for simulating extreme flood events in natural channels. J Hydraul Res 2003;41(2):167‒77. . 10.1080/00221680309499959
[17]

Yoon TH, Kang SK. Finite volume model for two-dimensional shallow water flows on unstructured grids. J Hydraul Eng 2004;130(7):678‒88. Chinese. . 10.1061/(ASCE)0733-9429(2004)130:7(678)
[18]

Xia JQ, Wang ZH, Wang YZ, Zhang XL. Development and application of a reservoir‒channel‒floodplain coupling model system for flow and sediment transport in the middle and lower Yellow River. J Basic Sci Eng 2020;28(6):652‒65. Chinese.
[19]

Hou JM, Kang YD, Hu CH, Tong Y, Pan B, Xia J. A GPU-based numerical model coupling hydrodynamical and morphological processes. Int J Sediment Res 2020;35(4):386‒94. . 10.1016/j.ijsrc.2020.02.005
[20]

Yue ZY, Liu QQ, Huang W, Hu P, Cao Z. 2D well-balanced, coupled model of water flow, sediment transport, and bed evolution based on unstructured grids with efficient variable storage strategy. Int J Sediment Res 2021;36(1):151‒60. . 10.1016/j.ijsrc.2020.07.005
[21]

Uh Zapata, Gamboa Salazar L, Itzá Balam R, Nguyen KD. An unstructured finite-volume semi-coupled projection model for bed load sediment transport in shallow-water flows. J Hydraul Res 2021;59(4):545‒58. . 10.1080/00221686.2020.1786740
[22]

Xia JQ, Lin BL, Falconer RA, Wang G. Modelling dam-break flows over mobile beds using a 2D coupled approach. Adv Water Resour 2010;33(2):171‒83. . 10.1016/j.advwatres.2009.11.004
[23]

Martínez-Aranda S, Murillo J, García-Navarro P. Comparison of new efficient 2D models for the simulation of bedload transport using the augmented Roe approach. Adv Water Resour 2021;153:103931. . 10.1016/j.advwatres.2021.103931
[24]

Wallingford HR. R&D outputs: flood risks to people (Phase 2). London: Defra and Environment Agency (EA); 2006.
[25]

Xia JQ, Falconer RA, Wang YJ, Xiao X. New criterion for the stability of a human body in floodwaters. J Hydraul Res 2014;52(1):93‒104. . 10.1080/00221686.2013.875073
[26]

Kvočka D, Falconer RA, Bray M. Flood hazard assessment for extreme flood events. Nat Hazards 2016;84(3):1569‒99. . 10.1007/s11069-016-2501-z
[27]

Wang N, Hou JM, Du YG, Jing H, Wang T, Xia J, et al. A dynamic, convenient and accurate method for assessing the flood risk of people and vehicle. Sci Total Environ 2021;797:149036. . 10.1016/j.scitotenv.2021.149036
[28]

Dong BL, Xia JQ, Zhou MR, Li Q, Ahmadian R, Falconer RA. Integrated modeling of 2D urban surface and 1D sewer hydrodynamic processes and flood risk assessment of people and vehicles. Sci Total Environ 2022;827:154098. . 10.1016/j.scitotenv.2022.154098
[29]

Krzysztofowicz R, Davis DR. Category-unit loss functions for flood forecast‒response system evaluation. Water Resour Res 1983;19(6):1476‒80. . 10.1029/wr019i006p01476
[30]

Dutta D, Herath S, Musiake K. A mathematical model for flood loss estimation. J Hydrol 2003;277(1‒2):24‒49.
[31]

Simpson G, Castelltort S. Coupled model of surface water flow, sediment transport and morphological evolution. Comput Geosci 2006;32(10):1600‒14. . 10.1016/j.cageo.2006.02.020
[32]

Milanesi L, Pilotti M, Ranzi R. A conceptual model of people’s vulnerability to floods. Water Resour Res 2015;51(1):182‒97. . 10.1002/2014wr016172
[33]

Chanson H, Brown R. New criterion for the stability of a human body in floodwaters. J Hydraul Res 2015;53(4):540‒1. . 10.1080/00221686.2015.1054321
[34]

Parker DJ, Green CH, Thompson PM. Urban flood protection benefits: a project appraisal guide. London: Gower Technical Press; 1987.
[35]

Suleman MS, N’Jai A, Green CH, Penning-Rowsell EC. Potential flood damage data: a major update. London: Middlesex Polytechnic Flood Hazard Research Centre; 1988.
[36]

Smith DI. Flood damage estimation—a review of urban stage-damage curves and loss functions. Water SA 1994;20(3):231‒8.
[37]

Kelman H. Physical flood vulnerability of residential properties in coastal, eastern England [dissertation]. Cambridge: University of Cambridge; 2002.
[38]

Guo P, Xia JQ, Zhou MR, Falconer RA, Wang Z, Chen Q. Modelling of flood risks to people and property in a flood diversion zone. J Zhejiang Univ Sci A 2018;19(11):864‒77. . 10.1631/jzus.a1800124
[39]

Klaus S, Kreibich H, Merz B, Kuhlmann B, Schröter K. Large-scale, seasonal flood risk analysis for agricultural crops in Germany. Environ Earth Sci 2016;75(18):1289. . 10.1007/s12665-016-6096-1
[40]

Pacetti T, Caporali E, Rulli MC. Floods and food security: a method to estimate the effect of inundation on crops availability. Adv Water Resour 2017;110:494‒504. . 10.1016/j.advwatres.2017.06.019
[41]

Xia JQ, Falconer RA, Lin BL, Tan G. Numerical assessment of flood hazard risk to people and vehicles in flash floods. Environ Model Softw 2011;26(8):987‒98. . 10.1016/j.envsoft.2011.02.017
[42]

Yang J, Huang X. The 30 m annual land cover dataset and its dynamics in China from 1990 to 2019. Earth Syst Sci Data 2021;13(8):3907‒25. . 10.5194/essd-13-3907-2021
[43]

Long YQ, Chien N. Erosion and transportation of sediment in the Yellow River basin. Int J Sediment Res 1986;1(1):2‒38.
[44]

Guo P, Xia JQ, Zhou MR. Numerical modelling of farm dike lateral breach induced by flooding processes. Sediment Res 2022;47(6):15‒22. Chinese.
[45]

Yellow River Conservancy Commission of the Ministry of Water Resources. Revelation of flood rescue at Caiji in the lower Yellow River. Zhengzhou: Yellow River Press; 2008. Chinese.
[46]

Li WX, Li Y. Integration of the Yellow River harnessing strategies of “keeping a broad flood plain with solid embankment” and “clearing sediments by means of converting flow.” J Hydraul Eng 2002;10:96‒102. Chinese.
[47]

Tian Y, Qu B, Li Y, Gu ZG. Research and perspective on floodplain treatment in the lower Yellow River. Yellow River 2019;41(2):14‒9. Chinese.
[48]

Chen ZT, Hu RN, Zhang YL. Introduction to the Yellow River flood in July 1958. Hydrology 1981;3:44‒7. Chinese.
[49]

Ministry of Water Resources of the People’s Republic of China. Guidelines of flood risk mapping. Beijing: Ministry of Water Resources of the People’s Republic of China; 2017. Chinese.

AI Summary AI Mindmap
PDF (5888KB)

Supplementary files

Supplementary Material for Modelling of Flood Risks to People’s Life and Property in the Lower Yellow River Under Different Floodplain Management Modes

7640

访问

0

被引

详细
导航
相关文章

AI思维导图

/

〈 〉