地下埋设管道穿河段的洪水危险度评价

吴夏 王保民 李家叶 李铁键 魏加华

摘要：地下埋设管道下穿河流，由于不同河流的汇水面积、地形、降雨、下垫面条件等因素可存在较大差异，不同工程段遭遇洪水的危险程度不同，需要简单有效的方法进行洪水危险度评价。以陕京三线输气管道山西临县段为例，定量分析了每个管道穿河段的洪水风险因子，包括汇水区的面积、降雨、高差、形状、土地利用、植被指数等因子，穿河点的纵向比降和横向高差等因子。根据因子间的相关性和因子与穿河管段实际水毁次数间的相关性，选定了影响洪水危险度的三个核心因子。采用多元线性回归模型和Logistic回归模型建立了洪水危险度评估模型，并绘制了陕京三线山西临县段洪水危险度分布图。成果为管道运行安全防护措施的制定和实施提供依据，方法可为类似线状工程的洪水风险评价提供参考。

关键词：线状工程；洪水；危险度评价；输气管道；洪水风险因子；Logistic回归模型；洪水风险图

中图分类号：TV877；TE832 文献标志码：A 文章编号：1672-1683（2016）04-0185-07

Abstract：Underground pipelines inevitably go across rivers.For different crossed rivers，large differences may exist in their catchment areas，topography，rainfall，underlying conditions and so on，and then their flood threat will vary among corresponding infrastructure segments.Therefore，a simple but effective assessment method for flood threat is urgently needed.In this paper，the section of the Shaanxi-Beijing Gas Pipeline in Linxian County，Shanxi Province was chosen for case study.Firstly，flood factors were quantified for each crossed river，including the area，rainfall，elevation difference，planar shape，land use，vegetation index of each river catchment，and the longitudinal slope and cross-sectional elevation difference of each cross-over region.Secondly，three key factors were selected after the cross-correlations among the factors and the relationships between each factor and the number of historical flood damage events were examined.Thirdly，the multivariate linear regression and logistic regression methods were used to establish a flood threat assessment model.Finally，the flood threat zoning map of the Shaanxi-Beijing Gas Pipeline in Linxian County was obtained.The result would provide a basis for the formulation and implementation of protection measures in pipeline safety management，and the method in this paper could be a reference for similar flood threat assessments of linear infrastructures.

Key words： linear infrastructure；flood；threat assessment；gas pipeline；flood risk factor；Logistic regression；flood

管道运输是陆上石油、天然气运输的主要方式，具有运输量大、占地少、能耗低等优势[1]。但是，作为一种线状工程形式的基础设施，油气管道具有距离长和跨度大的特点，沿线气象和地质灾害风险具有较大差异性，难以有效确定重点防控区域，任一管段发生事故则影响全线，损失巨大。以黄土高原地区的油气管道为例，线路区土壤可蚀性高，水土流失严重，夏季短时强降雨可引起剧烈的地形变化，使地下埋设的管线发生暴露、位移等危害管道安全运行的洪水风险事件[2]。交叉河流洪水诱发的油气管道失效风险一直以来都是油气管道运行安全管理的薄弱环节，水工保护工程措施受到高度重视[3-4]。但是，水工保护工程成本高，设防标准不明确，难以在长输管线全线施行。

水利部于2014年颁布了《洪水影响评价报告编制导则》[5]，其中包括洪水对建设项目的影响分析。但是，该导则适用于洪泛区、蓄滞洪区内的建设项目，其中规定的防洪标准确定、淹没影响评价、冲刷淤积影响评价等内容均为适用于大中型河流和一般地表建设项目的方法，不适用于穿越大量小流域、地下埋设的油气管道。因此，急需简单有效的线状工程穿越河流的洪水危险度评价方法，用于确定高风险管段，进行有效的重点防控。

本文根据洪水灾害风险分析的基本原理[6-11]，借鉴已有研究考虑到的风险因子[12-13]、采用的遥感和地理信息系统技术[14-17]，开展洪水危险度评价研究。以陕京三线输气管道山西临县段为例，首先定量分析每个管道穿河点的洪水风险因子，其次结合穿河管段的实际水毁记录，采用多元线性回归模型和Logistic回归模型优选主要风险因子，确定每个风险因子的权重，最终建立了洪水危险度评估模型，并绘制了洪水危险度分区图。

1 评价对象

陕京三线兼具压力高、输气量大、埋深浅的特点，又由于陕京三线山西临县段曾经发生水害，与管道相交的流域地形和水文规律较单一，因此将陕京三线临县段作为研究管段，其走向及穿越河流的情况见图1。该管段从黄河东岸八堡乡黄河隧道穿出点起，至阳坡水库寨上村止，全长约70 km，主要穿河段共96个。该研究区域位于东经110°30′-111°15′和北纬37°35′-38°15′之间，海拔高程在589 m至1925 m之间。研究区内主要河流为湫水河，属大陆性暖温带季风半干旱气候，多年平均降水量为518 mm，年内分布不均，多集中于7月-9月，占全年降水量的2/3。地表物质以黄土性土为主，土质疏松，容易发生水土流失。

在本文的洪水危险度评价中，输气管道被简化为线状对象。又由于管道穿越每个沟道、河道时，承受洪水灾害的主要位置是沟道内部和两岸边坡，危险度的评价对象可简化为离散的点对象。为表示方便，以各沟道、河道间的分水岭为界，将输气管线切分为包括各穿河点的管段，以管段作为风险程度的表示对象。

2 风险因子

本研究对管道洪水危险度的评价不涉及易损性，主要考虑洪水的相对危险度，即洪水的绝对威力和管段的抵御能力间的相互关系。影响洪水绝对威力的主要因子包括每个穿河点汇水区的天气因素和下垫面因素，包括降雨、面积、高差、形状、土地利用、植被状况等，这些汇水区面对象上的因子处理后映射到对应的管段。影响管段抵御能力的主要因子是局部地形因素，主要包括穿河点处沟道的纵向坡度和两岸与沟底的高差。以上主要风险因子定量评价的数据来源见表1。

不同风险因子的物理意义和量纲不同，为均衡考虑各因子对管道洪水风险的贡献，每个因子均按其值在各穿河点出现的频率分为5个级别，即落入前20%的划入一级，落入20%至40%的划入二级，以此类推。本研究共涉及96个穿河点，平均约19个划入一个等级。部分因子存在较多的重复值，重复值计入同一等级，所以最后的分级结果并不完全满足频率相等的条件，如年均暴雨天数等。各因子的分级区间及各区间内管段计数结果见表2。

针对每个风险因子，统计每个分级内所属的穿河点实际遭遇水毁事件次数的比例，绘制各因子不同分级下水毁事件的频率分布见图2。图2直观显示了各因子与水毁事件的相关关系，以图2（a）为例，年均降雨量越大，分级越高，发生1次和2次水毁的比例也越高。

下一节将分析各因子的风险特征及各因子间的相关性，筛选出因子间相关关系不强的一组因子用于建立洪水危险度评价模型。危险度评价的回归拟合模型采用多元线性回归模型和Logistic回归模型。Logistic回归模型属于概率型非线性回归，它是研究二分类和多分类结果与影响因素相关关系的一种多变量分析方法[19]。模型建立过程中采用逐步回归的方法剔除影响权重低的因子，选取较少的有效因子作为最终的模型输入，建立风险因子与风险事件次数间的拟合关系。

3 风险因子分析

3.1 降雨因子

降雨是形成洪水灾害的前提和动力条件，没有降水，尤其是暴雨，也就谈不上洪水灾害。对于研究区域，按年均降雨量由低至高分为5个等级，图2（a）显示了年均降雨量因子等级与水毁次数间的关系，年均降雨量越大，洪水危险度越高。

对于强降雨，根据黄土高原地区降雨历时短、强度大、土壤可蚀性高的特点，场次降水量达到30 mm以上就有发生洪水的可能，因此选择日降雨量30 mm以上的年均暴雨日数作为量化强降雨的参数。图2（b）显示了年均暴雨日数与水毁次数的关系，暴雨日数越多，发生1次和2次水毁的比例越低。这说明对于各管段所处的不同区域而言，降雨量30 mm以上的暴雨威力是不一样的，不能一概而论，暴雨频数越低的地区，其每次暴雨的威力反而越强。

3.2 汇水区几何特征

管道交叉沟道、河道的汇水区面积决定了其汇集洪水范围的大小，在相同降雨条件下直接决定洪水的总量。采用Hydro30河网数据，统计各管段交叉河流的汇水区面积，将汇水面积由小至大分为5个等级。针对本研究区域，图2（c）显示，汇水面积较小时，管段发生水毁灾害的概率较大。这是由于汇水面积不仅决定了汇集洪水的多少，也影响穿河断面河床演变的剧烈程度。在黄土高原地区，汇水面积越小，沟道、河道的河床演变越剧烈，管段遭受的洪水风险也就越高。

管道交叉沟道、河道汇水区内的高差决定了其中洪水演进的速度。采用Hydro30河网数据，统计各管段交叉河流干流源头至交叉点的高差，将高差由小至大分为5个等级。针对本研究区域，图2（d）显示汇水区内高差越小，管段发生水毁灾害的概率越大，这个规律与汇水区面积相近，受穿河断面河床演变的剧烈程度影响。

管道交叉沟道、河道的汇水区形状决定了其中洪水汇集叠加的剧烈程度。采用Hydro30河网数据，统计各管段汇水区长宽比，按汇水区干流长度一半的平方除以汇水区面积计算。将汇水区长宽比由小至大分为5个等级，长宽比越小，汇水区的形状越接近扇型，不同来源的洪水则更同步地到达管道交叉点，管道发生水毁灾害的概率也就越大，图2（e）基本反映了这个特征。

3.3 汇水区下垫面条件

管道交叉沟道、河道汇水区内的土地利用情况影响降雨产流规律，不合理土地利用导致水土流失加剧，从而影响交叉点洪水。不同的土地利用类型对水分的截留作用不同，林地在减少径流方面的作用十分突出。在暴雨条件下，减流强度：林地>草地>农地。一般来说，对径流截留作用越大的土地利用类型，发生洪水的可能性越小。采用近期MODIS MCD12Q1数据获得研究区的土地利用情况，考虑这个区域主要的土地利用类型为林地、草地和耕地，因此统计各管段交叉河流汇水流域内的耕地占总汇水区面积的比例作为土地利用类型的指标，按照耕地面积比例由小至大分为5个等级。针对本研究区域，土地利用等级越大，管道发生水毁的概率越小，见图2（f）。这是由于耕地区一般存在大面积的平地，且会修建水土保持工程，因此反而不易发生高强度洪水，而没有耕地的地区，大多是坡度比较陡的地区，更容易诱发水毁灾害。

采用近期MODIS MOD13A1数据获得研究区的归一化植被指数（NDVI）反映植被覆盖情况。NDVI值的范围为0到1，越接近1，植被状况越好，在减少径流方面的作用越突出。对于研究区域，按NDVI值由低至高分为5个等级，级别越大，植被覆盖越好，则水毁风险越低，见图2（g）。

3.4 穿河段局部地形条件

穿河段的局部地形条件与管道洪水灾害的危险度密切相关，本研究采用管道交叉河段的纵向比降和横向高差反映局部地形条件，数据来源为Hydro30河网数据。图2（h）显示，交叉河段纵向比降与管段水毁频率的关系表现为抛物线状，纵向比降在一定范围内具有最大的水毁风险概率，而在较小及较大的纵向比降下，水毁发生概率则较低。这主要是因为河段纵向比降大的流域，其汇水面积较小，可汇集的洪水有限，难以造成较大的破坏力；而河段纵向比降小的流域，虽然其汇水面积较大，但河道更为宽浅，容易排泄上游的洪水，因此造成水毁的概率也较小。

结合DEM数据计算管道穿越交叉河道中心点与两侧山坡最高点的高程差，定义为河段横向高差参数。将研究区域穿河段横向高差由小至大分为5个等级，横向高差越大，河道侧岸冲刷、崩塌的可能性应越高，发生水毁的概率越大，见图2（i）。

3.5 因子相关性分析

对表2中的9个风险因子绘制相关散点图矩阵，见图3。每个相关图中均有96个数据点，取置信水平p<0.01，则因子间的相关系数（R）绝对值大于0.26即表明其间具有统计显著的相关性。在图3的上三角中标出具有显著相关性的因子组合的相关系数。这些相关组合中，年降雨量和年暴雨天数负相关（R=-0.90），说明研究地区具有暴雨天数多反而年降雨量少、暴雨天数少反而年降雨量多的特点；汇水面积和汇水区内高差正相关（R=0.77），属于流域地貌的正常反映，汇水面积越大，高差越大；年暴雨天数和植被覆盖呈正相关（R=0.52），年暴雨天数越多，植被覆盖越好，同样，汇水区内高差和植被覆盖也是正相关（R=0.52），高差越大，植被覆盖越好，这两者可能与研究区域不同地形地貌的植被类型有关，高山上的林地更多。综合以上分析，汇水区年暴雨天数、高差和植被覆盖与其他因子间均具有较强或较频繁的相关关系，为避免后续多元回归模型中自变量中的强相关性，决定将汇水区年暴雨天数和高差两个因素剔除，不用于洪水危险度评价模型的建立。剔除这两个因子后，汇水区植被覆盖和其他因子间的相关度均较低，保留植被覆盖因子。

4 评价结果

使用96个穿河点数据检验各风险因子与水毁次数的相关性，剔除不具备统计显著性（|R|<0.26）的因子，包括汇水面积、汇水区形状、穿河点比降和穿河点横向高差，最终选取了汇水区年降雨量、土地利用和植被覆盖作为显著影响穿河点洪水危险度的3个核心风险因子。以这3个核心因子的风险等级作为自变量，以管道穿河点的实际水毁次数（统计见表3）为目标变量，进行管道洪水灾害的回归分析。回归模型采用了多元线性回归模型和Logistic回归模型。Logistic回归属于概率型非线性回归，它是研究二分类和多分类结果与影响因素相关关系的一种多变量分析方法[19]。表3显示了两种方法模拟得到的管道水毁次数与实际统计的对比，图4显示了两个回归模型的风险评价结果与管道实际水毁次数的逐管段对比。如果将模拟的水毁次数四舍五入到整数，多元线性回归模型的评价准确度达到74/96，而Logistic回归模型的评价准确度达到了75/96，两者均超过75%。从单个穿河点的模拟结果来看，Logistic回归模型得到的具体值比多元线性回归模型更接近真实情况，反映了该方法对于本问题比线性回归更适用。

在多元线性回归方法中，汇水区年降雨量、土地利用、植被覆盖3个因子的系数分别为0.316、-0.159、-0.068。可以看出，权重最大的为年降雨量，达到58.2%，其次是汇水区土地利用（29.3%）、植被覆盖（12.5%）。在Logistic回归方法中，汇水区年降雨量、土地利用、植被覆盖3个因子的系数分别为1.29、-0.589、-0.173。权重最大的仍然为年降雨量，达到62.9%，其次是汇水区土地利用（28.7%）、植被覆盖（8.4%）。两种方法中不同因子的权重顺序一致，最大影响因子是年降雨量，均超过50%的权重；其次是汇水区土地利用，均超过25%的权重；然后是植被覆盖，在10%左右。

综合两种方法，把管道洪水危险度归一到[0，1]区间，得到逐管段的洪水危险度评价结果见图5。图中白色管段为不受小流域洪水影响的管段，蓝色、紫色的高危险管段间隔分布，显示出3个核心风险因子的综合作用。

总的来说，降雨在管道洪水危险度中起到了60%左右的主要贡献，汇水区土地利用和植被覆盖两个因子贡献了剩下的40%。从危险度的分析结果看，汇水区降雨量越大、汇水区的耕地面积比例越小、植被覆盖越差的管段则越容易发生洪水灾害，应高度关注。结果显示出耕地比例越大管道越安全，这主要是因为梯田、畦埂等耕作措施能够阻拦洪水，降低洪水的级别。

5 结论

本文提出穿越河流的线状工程洪水危险度评价方法可以实现对管道洪水危险度空间分布的评估，在特定区域建模率定的准确度超过了75%。该方法能够通过各种基础实测数据发现潜在的高风险管段，在相同的气候和地理条件下，模型参数有望保持有效，可用于规划和新建工程的洪水危险度空间分布的相对评价。相比经验方法，本文方法的空间分辨率和准确性更高，是可用于穿越河流的线状工程风险评估的一种新方法。本文方法的局限性在于，它仍然是评价不同管段洪水危险度相对高低的静态型方法，从洪水风险的动态管理看，准确的短期降雨预报和降雨—洪水模型，是管道洪水风险规避决策的核心技术，仍然有待研究。

参考文献（References）：

[1] 陈钟.我国综合运输一体化发展研究[D].北京：北京交通大学，2007.（CHEN Zhong.Research on the integrated development of China′s comprehensive transportation[D].Beijing：Beijing Jiaotong University，2007.（in Chinese））

[2] 冯伟.黄土塬地区管道水工保护存在的问题与治理措施[J].产业与科技论坛，2009，8（2）：137-138.（FENG Wei.Problems and measurements for water reservation of pipelines in the Loess Plateau[J].Industrial & Science Tribune，2009，8（2）：137-138.（in Chinese））

[3] 张红星，李林.水工保护在长输管道建设中的应用[J].化学工程与装备，2010，（8）：116-117.（ZHANG Hong-xing，LI Lin.Application of water reservation for long-distance pipelines[J].Chemical Engineering & Equipment，2010，（8）：116-117.（in Chinese））

[4] 顾伯通，王兆福，李铁军，等.高陡边坡管道水工保护的设计新方法[J].天然气与石油，2006，24（4）：27-28.（GU Bo-tong，WANG Zhao-fu，LI Tie-jun，et al.New design method for water reservation of pipelines in high and steep slope[J].Natural Gas and Oil，2006，24（4）：27-28.（in Chinese））

[5] 中华人民共和国水利部.洪水影响评价报告编制导则[S].北京：中国水利水电出版社，2014.（The ministry of water resources of the People′s Republic of China.Guidelines on compilation of flood impact assessment reports[S].Beijing：China Water & Power Press，2014.（in Chinese））

[6] 黄崇福.自然灾害风险评价理论与实践[M].北京：科学出版社，2005.（HUANG Chong-fu.Risk assessment of natural disaster：Theory & practice[M].Beijing：Science Press，2005.（in Chinese））

[7] 黄诗峰.洪水灾害风险分析的理论与方法研究[D].北京：中国科学院地理研究所，1999.（HUANG Shi-feng.Research on the theory and method of flood disaster risk analysis[D].Beijing：Institute of Geographic Sciences，Chinese Academy of Sciences，1999.（in Chinese））

[8] 张行南，罗健，陈雷，等.中国洪水灾害危险程度区划[J].水利学报，2000，（3）：1-7.（ZHANG Xing-nan，LUO Jian，CHEN Lei，et al.Zoning of Chinese flood hazard risk[J].Shuili Xuebao，2000，（3）：1-7.（in Chinese））

[9] Federal Emergency Management Agency （FEMA）.Flood risk assessments：Guidelines and specifications for flood hazard mapping partners[R].USA：Federal Emergency Management Agency，2014.

[10] 郗蒙浩，于汐.灾害风险管理评价方法研究[J].中国市场，2008，（13）：48-49.（XI Meng-hao，YU Xi.Research on the estimation method of disaster risk management[J].China Market，2008，（13）：48-49.（in Chinese））

[11] 苏桂武，高庆华.自然灾害风险的分析要素[J].地学前缘，2003，10（suppl）：272-279.（SU Gui-wu，GAO Qing-hua.The elements for analyzing natural disaster risk[J].Earth Science Frontiers，2003，10（suppl）：272-279.（in Chinese））

[12] 荆宏远，郝建斌，陈英杰，等.管道地质灾害风险半定量评价方法与应用[J].油气储运，2011，30（7）：497-500.（JING Hong-yuan，HAO Jian-bin，CHEN Ying-jie，et al.A semi-quantitative assessment method and its application for geological disaster risk of pipelines[J].Oil & Gas Storage and Transportation，2011，30（7）：497-500.（in Chinese））

[13] 高华喜，殷坤龙.降雨与滑坡灾害相关性分析及预警预报阀值之探讨[J].岩土力学，2007，28（5）：1055-1060.（GAO Hua-xi，YIN Kun-long.Discuss on the correlations between landslides and rainfall and threshold for landslide early-warning and prediction[J].Rock and Soil Mechanics，2007，28（5）：1055-1060.（in Chinese））

[14] 陈秀万.洪水灾害损失评估系统——遥感与GIS技术应用研究[M].北京：中国水利水电出版社，1999.（CHEN Xiu-wan.Flood disaster damage assessment system：Application of remote sensing and geographical information system technologies[M].Beijing：China Water & Power Press，1999.（in Chinese））

[15] 周成虎，万庆，黄诗峰，等.基于GIS的洪水灾害风险区划研究[J].地理学报，2000，55（1）：15-24. （ZHOU Cheng-hu，WAN Qing，HUANG Shi-feng，et al.A GIS-based approach to flood risk zonation[J].Acta Geographica Sinica，2000，55（1）：15-24.）

[16] 杨金香.遥感在地质灾害研究中的应用[J].煤田地质与勘探，2005，33（z1）：30-32.（YANG Jin-xiang.Application of remote sensing to geological disaster[J].Coal Geology & Exploration，2005，33（z1）：30-32.（in Chinese））

[17] 阮沈勇，黄润秋.基于GIS的信息量法模型在地质灾害危险性区划中的应用[J].成都理工学院学报，2001，28（1）：89-92.（RUAN Shen-yong，HUANG Rui-qiu.Application of GIS-based information model on assessment of geological hazards risk[J].Journal of Chengdu University of Technology，2001，28（1）：89-92.（in Chinese））

[18] BAI Rui，LI Tie-jian，HUANG Yue-fei.An Efficient and Comprehensive Method for Drainage Network Extraction from DEM with Billions of Pixels Using a Size-Balanced Binary Search Tree[J].Geomorphology，2015，238（1）：56-67.

[19] Strahler A，Muchoney D，Borak J，et al.MODIS Land Cover Product Algorithm Theoretical Basis Document （ATBD） Version 5.0[EB/OL].http：//modis.gsfc.nasa.gov/data/atbd/atbd_mod12.pdf.1999

[20] Huete A，Justice C，Van Leeuwen W.Modis vegetation index （MOD 13） algorithm theoretical basis document[EB/OL].http：//modis.gsfc.nasa.gov/data/atbd/atbd_mod13.pdf.1999

[20] David A.Freedman.Statistical Models：Theory and Practice[M].England Cambridge University Press，2009.