馮 峰 ，喻謙花，羅福生，霍繼超，馮躍華，靳曉穎 ，劉 翠

(1. 黃河水利職業(yè)技術(shù)學(xué)院，河南 開封 475004； 2. 河南省黃河中下游水資源節(jié)約集約利用工程技術(shù)研究中心，河南 開封 475004； 3. 開封市氣象局，河南 開封 475004； 4. 河南省豫東水利工程管理局，河南 開封 475004)

2021年7月20日，河南省遭遇極端強(qiáng)降雨。7月18日8時(shí)至20日15時(shí)30分，河南鄭州滎陽、鞏義7個(gè)雨量站降雨量超600 mm，重現(xiàn)期均大于500年一遇，最大點(diǎn)雨量718.5 mm[1]。極端強(qiáng)降雨引起河南多地出現(xiàn)嚴(yán)重城市內(nèi)澇，防汛形勢(shì)十分嚴(yán)峻[2]。城市內(nèi)澇不僅威脅城市居民生命財(cái)產(chǎn)和出行安全，也造成了巨大經(jīng)濟(jì)損失[3-4]。近年來聚焦于城市內(nèi)澇的研究取得了較大進(jìn)展，主要集中在內(nèi)澇引發(fā)的災(zāi)害、形成的原因、治理的措施等方面[5-9]。對(duì)于城市內(nèi)澇風(fēng)險(xiǎn)評(píng)估研究，陳嘉雷等以珠海市為例，構(gòu)建了基于InfroWorks ICM 的城市雨洪模型，結(jié)合層次分析法和熵權(quán)法量化脆弱性，對(duì)3種設(shè)計(jì)暴雨情景下的研究區(qū)內(nèi)澇風(fēng)險(xiǎn)進(jìn)行評(píng)估[10]。這種利用雨洪模型模擬演進(jìn)對(duì)城市內(nèi)澇風(fēng)險(xiǎn)進(jìn)行評(píng)估和劃分的方法，為本研究風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)遴選和確定提供了思路。陸敏博等以蘇州市相城區(qū)為例，采用Mike 模型建立排水防澇系統(tǒng)耦合模型，同時(shí)考慮平原河網(wǎng)地區(qū)城市排水防澇特征，評(píng)估多種情景下的雨水系統(tǒng)排水能力和內(nèi)澇風(fēng)險(xiǎn)[11]。蘇州市相城區(qū)與本研究區(qū)域開封同為平原河網(wǎng)地區(qū)，為評(píng)估7.20 特大暴雨風(fēng)險(xiǎn)評(píng)估模型構(gòu)建提供了可借鑒的思路。王俊佳等采用層次分析法將研究區(qū)域劃分為高風(fēng)險(xiǎn)內(nèi)澇區(qū)、中風(fēng)險(xiǎn)內(nèi)澇區(qū)和低風(fēng)險(xiǎn)內(nèi)澇區(qū)[12]。楊帆等從內(nèi)澇成因的角度出發(fā)，以佛山市為典型研究區(qū)域，定量評(píng)估了佛山市城區(qū)多種雨潮組合下遭遇概率及其變化趨勢(shì)[13]。

以上研究在內(nèi)澇風(fēng)險(xiǎn)評(píng)估方面取得了一定的成果，但大部分使用數(shù)據(jù)模擬、模型計(jì)算，對(duì)城市某區(qū)域的內(nèi)澇風(fēng)險(xiǎn)進(jìn)行場(chǎng)地演進(jìn)模擬，評(píng)估結(jié)果缺少實(shí)際強(qiáng)降雨過程的檢驗(yàn)，可能存在著風(fēng)險(xiǎn)評(píng)估不準(zhǔn)確等問題[14]。對(duì)于由極端強(qiáng)降雨引發(fā)的城市內(nèi)澇，缺乏真實(shí)內(nèi)澇數(shù)據(jù)和實(shí)際案例的風(fēng)險(xiǎn)綜合評(píng)價(jià)方面的研究。因此在開封市7.20 特大暴雨降水過程、內(nèi)澇監(jiān)測(cè)數(shù)據(jù)的基礎(chǔ)上，基于城市特點(diǎn)開展針對(duì)性的風(fēng)險(xiǎn)評(píng)估研究，通過分析風(fēng)險(xiǎn)來源遴選代表性指標(biāo)，采用分層、多種賦權(quán)方法來規(guī)避人為因素帶來的誤差，構(gòu)建改進(jìn)的風(fēng)險(xiǎn)模糊評(píng)價(jià)模型，能夠充分利用指標(biāo)數(shù)據(jù)攜帶的信息，有效處理不同的決策偏好，使內(nèi)澇風(fēng)險(xiǎn)評(píng)估結(jié)果更加精準(zhǔn)實(shí)用。

1 研究區(qū)域與資料

開封市位于黃河下游，河南省中東部，東經(jīng)113°51′51″~115°15′42″，北緯34°11′43″~35°11′43″，總面積6 444 km2，城區(qū)面積546 km2。開封市屬暖溫帶大陸性季風(fēng)氣候區(qū)，年均氣溫為14.52 ℃，多年平均降水量為627.5 mm，降水多集中在夏季7、8月份。根據(jù)歷年遇到暴雨時(shí)易形成多個(gè)內(nèi)澇積水點(diǎn)的范圍，選擇開封市中心城區(qū)為研究區(qū)域。由于研究區(qū)域內(nèi)的內(nèi)澇已嚴(yán)重影響城市的防洪安全和居民出行，開展7.20 特大暴雨內(nèi)澇風(fēng)險(xiǎn)研究就顯得非常迫切和必要。

1.1 7.20 特大暴雨降水過程

根據(jù)開封氣象站監(jiān)測(cè)數(shù)據(jù)，7月20日0時(shí)至22日8時(shí)7個(gè)氣象站降水過程如圖1 所示。最大降水強(qiáng)度出現(xiàn)在7月20日22時(shí)，A 站達(dá)到103.4 mm/h；最大3 h 累計(jì)降水量出現(xiàn)在A 站為157.0 mm，最大24 h累計(jì)降水量出現(xiàn)在G 站為276.2 mm，最大48 h 累計(jì)降水量出現(xiàn)在A 站為354.7 mm，該值已達(dá)到開封多年平均降水量627.5mm 的56.5%。7個(gè)站點(diǎn)56 h 的平均累計(jì)降水量為345.1 mm，各站點(diǎn)累計(jì)降水量相差較小，說明本次特大暴雨在研究區(qū)域范圍內(nèi)的降水量和降水過程差別不大。

圖1 開封市7.20 特大暴雨降水過程（56 h）Fig. 1 Precipitation process of 7.20 heavy rainstorm in Kaifeng City (56 hours)

1.2 開封市內(nèi)澇監(jiān)測(cè)站點(diǎn)及數(shù)據(jù)來源

研究區(qū)域以開封古城墻為中心，北至復(fù)興大道，南至濱河路，東至勞動(dòng)路，西至金明大道。根據(jù)研究區(qū)域內(nèi)易發(fā)生內(nèi)澇積水的位置，選擇了市內(nèi)12個(gè)內(nèi)澇自動(dòng)監(jiān)測(cè)站點(diǎn)為研究對(duì)象，研究區(qū)域位置、監(jiān)測(cè)站點(diǎn)的地理位置如圖2 所示，各站點(diǎn)的地理位置、編號(hào)與氣象站之間的對(duì)應(yīng)關(guān)系及經(jīng)緯度見表1。2021年的7.20 暴雨內(nèi)澇數(shù)據(jù)來源于自動(dòng)監(jiān)測(cè)站每2 min 生成的監(jiān)測(cè)數(shù)據(jù)。

表1 開封市積水內(nèi)澇自動(dòng)監(jiān)測(cè)站點(diǎn)位置Tab. 1 Location of automatic monitoring points of waterlogging in Kaifeng City

圖2 研究區(qū)域內(nèi)澇積水監(jiān)測(cè)站點(diǎn)分布Fig. 2 Distribution of urban waterlogging monitoring points in research area

根據(jù)2021年7.20 暴雨內(nèi)澇監(jiān)測(cè)站點(diǎn)數(shù)據(jù)，12個(gè)站點(diǎn)中最大積水深度發(fā)生在5號(hào)站點(diǎn)（達(dá)104 cm），最小積水深度發(fā)生在10號(hào)站點(diǎn)（為6 cm）。最大平均積水深度也是5號(hào)站點(diǎn)，達(dá)60.44 cm，最小的平均積水深度發(fā)生在7號(hào)站點(diǎn)為3.10 cm。積水持續(xù)時(shí)間最長(zhǎng)的為2、3 和6號(hào)站點(diǎn)，都達(dá)到41.50 h；積水持續(xù)時(shí)間最短的為8號(hào)站點(diǎn)，積水時(shí)長(zhǎng)為5 h。最大積水深度出現(xiàn)時(shí)間：7號(hào)站點(diǎn)最早，為2021年7月20日 的22時(shí)06分，8號(hào)站點(diǎn)出現(xiàn)時(shí)間最晚，為2021年7月21日 9時(shí)14分，比7號(hào)站點(diǎn)晚了11 h 8 min。

2 城市內(nèi)澇風(fēng)險(xiǎn)評(píng)估

2.1 內(nèi)澇風(fēng)險(xiǎn)評(píng)估結(jié)構(gòu)

城市內(nèi)澇風(fēng)險(xiǎn)評(píng)估是在已有內(nèi)澇數(shù)據(jù)基礎(chǔ)上，更準(zhǔn)確地識(shí)別出短期風(fēng)險(xiǎn)、長(zhǎng)期風(fēng)險(xiǎn)、綜合風(fēng)險(xiǎn)，為后期的區(qū)域內(nèi)澇積水防治、應(yīng)急預(yù)案制定、排澇措施規(guī)劃、后續(xù)風(fēng)險(xiǎn)規(guī)避等提供科學(xué)依據(jù)。城市內(nèi)澇風(fēng)險(xiǎn)評(píng)估由短期風(fēng)險(xiǎn)、長(zhǎng)期風(fēng)險(xiǎn)兩個(gè)維度的因素構(gòu)成，兩個(gè)因素下遴選若干影響因子，影響因子由代表性指標(biāo)表示。城市內(nèi)澇風(fēng)險(xiǎn)評(píng)估體系共分3 層：第1 層是風(fēng)險(xiǎn)評(píng)估目標(biāo)層；第2 層是由短期風(fēng)險(xiǎn)因素、長(zhǎng)期風(fēng)險(xiǎn)因素構(gòu)成的準(zhǔn)則層；第3 層是由若干個(gè)代表性指標(biāo)構(gòu)成的指標(biāo)層。在第2 層2個(gè)子系統(tǒng)中，短期風(fēng)險(xiǎn)因素側(cè)重于內(nèi)澇在較短時(shí)間內(nèi)對(duì)道路通行安全、人員涉水安全、淹沒深度及范圍等方面產(chǎn)生的不利影響，選擇了積水深度、積水出現(xiàn)時(shí)間、積水面積等瞬時(shí)性指標(biāo)；長(zhǎng)期風(fēng)險(xiǎn)因素側(cè)重于內(nèi)澇存續(xù)在較長(zhǎng)時(shí)間內(nèi)對(duì)道路、建筑物等設(shè)施的基礎(chǔ)浸泡、排澇困難等方面的不利影響，遴選了積水持續(xù)時(shí)間、不同積水深度持續(xù)時(shí)間等過程性指標(biāo)。

根據(jù)開封市7.20 特大暴雨的降水過程，12個(gè)站點(diǎn)數(shù)據(jù)統(tǒng)計(jì)時(shí)段為7月20日0時(shí)至22日 8時(shí)共56 h，如表2 所示。第1個(gè)指標(biāo)xn1是指在7.20 特大暴雨降水的56 h 中，根據(jù)監(jiān)測(cè)站點(diǎn)間隔2 min 積水?dāng)?shù)據(jù)中出現(xiàn)的最大積水深度。第2個(gè)指標(biāo)xn2是指在7.20 特大暴雨降水的56 h 過程中，積水累計(jì)時(shí)長(zhǎng)內(nèi)的積水深度平均值。第3個(gè)指標(biāo)xn3最大積水深度出現(xiàn)時(shí)間，是以12個(gè)站點(diǎn)中最大積水深度出現(xiàn)時(shí)間滯后于對(duì)應(yīng)氣象站降水峰值出現(xiàn)的時(shí)間，以分鐘（min）計(jì)算。如圖1 所示7個(gè)氣象站降水峰值出現(xiàn)時(shí)間均為7月20日22 點(diǎn)。第4個(gè)指標(biāo)xn4積水面積，由于監(jiān)測(cè)點(diǎn)安裝的設(shè)備及位置并不能監(jiān)測(cè)到此項(xiàng)數(shù)據(jù)，由內(nèi)澇點(diǎn)的實(shí)際積水面積情況表述為定性指標(biāo)。第6~9個(gè)指標(biāo)為不同積水深度的累計(jì)時(shí)長(zhǎng)，考慮到涉水及通行的安全影響，積水深度在10 cm 以下未列入。

表2 7.20 特大暴雨開封市內(nèi)澇風(fēng)險(xiǎn)評(píng)估指標(biāo)數(shù)據(jù)Tab. 2 Waterlogging risk assessment index data of 7.20 heavy rainstorm in Kaifeng City

2.2 風(fēng)險(xiǎn)模糊評(píng)估模型

根據(jù)前期研究成果，對(duì)多目標(biāo)多層次評(píng)估問題采用改進(jìn)的模糊評(píng)價(jià)模型比較適合[15-16]。模糊評(píng)價(jià)模型常用的指標(biāo)、系統(tǒng)權(quán)重確定方法為二元比較模糊標(biāo)度法，將指標(biāo)或子系統(tǒng)兩兩對(duì)比主觀判斷后，利用查模糊標(biāo)度與相對(duì)隸屬度關(guān)系表的方法確定。這種權(quán)重確定方法適用于指標(biāo)數(shù)量、評(píng)價(jià)方案較少的情況，并對(duì)主觀判斷的專業(yè)性和準(zhǔn)確性要求較高。根據(jù)城市內(nèi)澇風(fēng)險(xiǎn)評(píng)估的特點(diǎn)對(duì)模型權(quán)重確定方法進(jìn)行改進(jìn)，在指標(biāo)層、準(zhǔn)則層權(quán)重確定時(shí)采用分層賦權(quán)法，以減少人為因素或其他誤差對(duì)評(píng)價(jià)結(jié)果的影響[15]。對(duì)于指標(biāo)層，以短期風(fēng)險(xiǎn)因素、長(zhǎng)期風(fēng)險(xiǎn)因素2個(gè)子系統(tǒng)的指標(biāo)作為輸入數(shù)據(jù)，由式（1）利用模糊評(píng)價(jià)計(jì)算，得到該層的12個(gè)站點(diǎn)的相對(duì)優(yōu)屬度向量并作為輸出數(shù)據(jù)。

式中：u'n為短期風(fēng)險(xiǎn)子系統(tǒng)的相對(duì)優(yōu)屬度向量；u'a為長(zhǎng)期風(fēng)險(xiǎn)子系統(tǒng)的相對(duì)優(yōu)屬度向量；xn為短期風(fēng)險(xiǎn)因素子系統(tǒng)的指標(biāo)；xa為長(zhǎng)期風(fēng)險(xiǎn)因素子系統(tǒng)的指標(biāo)；l 為參與風(fēng)險(xiǎn)評(píng)價(jià)的站點(diǎn)數(shù)；k 為子系統(tǒng)的指標(biāo)數(shù)。

對(duì)于第2 層，最低層的輸出結(jié)果也是該層的輸入數(shù)據(jù)，由式（2）構(gòu)成該層輸入數(shù)據(jù)。

從輸出結(jié)果到輸入數(shù)據(jù)的變化由式（3）完成，令

依此從最低層（目標(biāo)層）向最高層（目標(biāo)層）逐層進(jìn)行計(jì)算，由于目標(biāo)層只有一個(gè)系統(tǒng)，可直接輸出得到系統(tǒng)結(jié)果，即方案相對(duì)優(yōu)屬度向量[17]，如式（4）所示。

式中：u 為目標(biāo)層系統(tǒng)的相對(duì)優(yōu)屬度向量；u1為對(duì)應(yīng)于等級(jí)1 的相對(duì)優(yōu)屬度向量；h 為評(píng)價(jià)等級(jí)級(jí)別數(shù)，包括極高、較高、中等、較低、極低等5 級(jí)。

風(fēng)險(xiǎn)評(píng)估過程如下：

（1）由7.20 特大暴雨開封市內(nèi)澇風(fēng)險(xiǎn)評(píng)估指標(biāo)的原始數(shù)據(jù)，構(gòu)建l個(gè)站點(diǎn)k個(gè)指標(biāo)的判斷矩陣X 如下：

（2）評(píng)價(jià)指標(biāo)有定量、定性指標(biāo)2種，判斷矩陣X 由定量指標(biāo)值和定性指標(biāo)的相對(duì)優(yōu)屬度組合構(gòu)成。定性指標(biāo)I4的相對(duì)優(yōu)屬度值按二元比較模糊決策分析法[18]通過查表法確定。

（3）歸一化處理指標(biāo)判斷矩陣，得到歸一化判斷矩陣B。根據(jù)指標(biāo)是正向或逆向的不同類型，正向指標(biāo)用式（6）計(jì)算，逆向指標(biāo)用式（7）計(jì)算。

式中：bij為歸一化判斷矩陣中第i 行第j 列的元素；xij為第i 行第j 列的指標(biāo)值；i 為矩陣行數(shù)，亦為指標(biāo)數(shù)；j 為矩陣列數(shù)，亦為評(píng)價(jià)站點(diǎn)數(shù)。

（4）由分層賦權(quán)法確定系統(tǒng)第1 層各指標(biāo)、第2 層各子系統(tǒng)的權(quán)向量。第1 層采用數(shù)學(xué)賦權(quán)法，通過計(jì)算各指標(biāo)的熵值確定各指標(biāo)的權(quán)向量，熵值權(quán)向量主要是依據(jù)各指標(biāo)所攜帶的數(shù)據(jù)信息，有效地避免了人為主觀因素的影響[19]。指標(biāo)的熵值用式（8）計(jì)算，指標(biāo)熵值權(quán)向量用式（9）確定[20]。為了能夠模擬各種情況，確保內(nèi)澇風(fēng)險(xiǎn)評(píng)價(jià)更符合實(shí)際，第2 層子系統(tǒng)權(quán)向量采用3種方法進(jìn)行賦權(quán)，分別為熵值權(quán)向量、對(duì)等權(quán)向量和決策偏好權(quán)向量。

式中：Hi為指標(biāo)i 的熵值；fij為熵值計(jì)算的參數(shù)。

式中：ωi為第i個(gè)指標(biāo)的熵值權(quán)向量。

（5）計(jì)算第1 層各子系統(tǒng)相對(duì)優(yōu)屬度向量，利用連續(xù)模糊優(yōu)選原理的式（10）計(jì)算。

式中：uhj為第j個(gè)方案對(duì)應(yīng)級(jí)別h 的相對(duì)優(yōu)屬度向量；i為矩陣第i 行，共m行，與指標(biāo)數(shù)相同；j為矩陣第j列，共n 列，與評(píng)價(jià)站點(diǎn)數(shù)相同；h為評(píng)價(jià)等級(jí)級(jí)別數(shù)，h=aj,aj+1,···,bj；dhj、zj為計(jì)算參數(shù)，=sh為等級(jí)h 對(duì)應(yīng)的標(biāo)準(zhǔn)值向量。

（6）計(jì)算準(zhǔn)則層短期風(fēng)險(xiǎn)、長(zhǎng)期風(fēng)險(xiǎn)2個(gè)子系統(tǒng)的相對(duì)優(yōu)屬度向量，重復(fù)（3）~（5）步驟。

（7）得出最高層風(fēng)險(xiǎn)評(píng)估目標(biāo)層的輸出相對(duì)優(yōu)屬度向量，用式（11）計(jì)算各站點(diǎn)的級(jí)別特征值。

式中： H 為第j個(gè)站點(diǎn)的級(jí)別特征值。

3 開封市內(nèi)澇風(fēng)險(xiǎn)評(píng)估

短期風(fēng)險(xiǎn)因素下有1個(gè)定性指標(biāo)，即積水面積xn4，根據(jù)語氣算子和相對(duì)隸屬度的關(guān)系表[18]，可確定該指標(biāo)的相對(duì)優(yōu)屬度矩陣如下：

根據(jù)城市內(nèi)澇風(fēng)險(xiǎn)評(píng)估的目標(biāo)，以及由暴雨引發(fā)的內(nèi)澇和積水產(chǎn)生的不利影響和風(fēng)險(xiǎn)越低越好的原則，將9個(gè)指標(biāo)進(jìn)行分類[21-22]。xn3計(jì)算的最大積水深度出現(xiàn)時(shí)間滯后于對(duì)應(yīng)氣象站降水峰值出現(xiàn)的時(shí)間，出現(xiàn)的越晚內(nèi)澇風(fēng)險(xiǎn)越小，因此該指標(biāo)為正向越大越優(yōu)型指標(biāo)；其余8個(gè)指標(biāo)為逆向越小越優(yōu)型指標(biāo)。第1 層（輸入層）2個(gè)子系統(tǒng)下各指標(biāo)權(quán)值的計(jì)算，令定性指標(biāo)的相對(duì)優(yōu)屬度為其構(gòu)成特征值矩陣X 的數(shù)據(jù)值，與定量指標(biāo)組合，利用式（6）、（7）計(jì)算各子系統(tǒng)指導(dǎo)的歸一化判斷矩陣B。利用式（8）、（9）計(jì)算第1 層（輸入層）2個(gè)子系統(tǒng)各指標(biāo)的權(quán)值（表3）。

表3 短期風(fēng)險(xiǎn)、長(zhǎng)期風(fēng)險(xiǎn)子系統(tǒng)的熵值和權(quán)值Tab. 3 Entropy value and weight vector of short-term and long-term risk subsystem

構(gòu)建第2 層各子系統(tǒng)的方案相對(duì)優(yōu)屬度矩陣R，計(jì)算歸一化判斷矩陣B。對(duì)短期風(fēng)險(xiǎn)因素、長(zhǎng)期風(fēng)險(xiǎn)因素2個(gè)子系統(tǒng)設(shè)置不同的權(quán)重模擬各種決策情況，有效規(guī)避因權(quán)重設(shè)置不合理導(dǎo)致的評(píng)價(jià)結(jié)果偏差問題。子系統(tǒng)權(quán)向量采用第1種方法熵值權(quán)向量（w=（0.381，0.619））、第2種方法對(duì)等權(quán)向量（w=（0.500，0.500））和第3種方法決策偏好權(quán)向量（w=（0.600，0.400））。第3種決策偏好權(quán)向量，模擬的是決策者更看重短期風(fēng)險(xiǎn)的影響，代表了偏保守的決策意愿。分別利用式（10）、（11）進(jìn)行計(jì)算，結(jié)果如表4 所示。

表4 開封市內(nèi)澇風(fēng)險(xiǎn)評(píng)估12個(gè)站點(diǎn)的級(jí)別特征值Tab. 4 Level characteristic values of 12 stations for waterlogging risk assessment in Kaifeng City

4 結(jié)果分析

將表4 中級(jí)別特征值進(jìn)行轉(zhuǎn)換，級(jí)別特征值H 整數(shù)位代表的是級(jí)數(shù)，對(duì)應(yīng)1~5 級(jí)的標(biāo)準(zhǔn)值為（0，0.3，0.6，0.8，1.0），通過內(nèi)插計(jì)算轉(zhuǎn)換為0~1 之間的風(fēng)險(xiǎn)綜合評(píng)價(jià)結(jié)果，如表5 所示。根據(jù)在第2 層對(duì)2個(gè)子系統(tǒng)采取的3種計(jì)算方法，得出開封市12個(gè)站點(diǎn)的內(nèi)澇綜合風(fēng)險(xiǎn)評(píng)估值，為了更直觀判斷風(fēng)險(xiǎn)等級(jí)，將風(fēng)險(xiǎn)設(shè)為Ⅴ級(jí)（Ⅰ級(jí)極低、Ⅱ級(jí)較低、Ⅲ級(jí)中等、Ⅳ級(jí)較高、Ⅴ級(jí)極高），對(duì)應(yīng)綜合評(píng)估值的范圍為0~0.14，0.15~0.39，0.40~0.59，0.60~0.84，0.85~1.00，3種方法對(duì)應(yīng)的評(píng)價(jià)級(jí)別見表5。

表5 開封市內(nèi)澇風(fēng)險(xiǎn)評(píng)估12個(gè)站點(diǎn)綜合評(píng)價(jià)結(jié)果Tab. 5 Comprehensive evaluation results of waterlogging risk assessment of 12 stations in Kaifeng City

在內(nèi)澇短期風(fēng)險(xiǎn)評(píng)估中，根據(jù)第2 層評(píng)價(jià)結(jié)果可知：5號(hào)站點(diǎn)評(píng)估值最大，風(fēng)險(xiǎn)等級(jí)為極高；10號(hào)站點(diǎn)的評(píng)估值最小，風(fēng)險(xiǎn)等級(jí)為中等。在長(zhǎng)期風(fēng)險(xiǎn)評(píng)估中，6號(hào)站點(diǎn)評(píng)估值最大，風(fēng)險(xiǎn)等級(jí)為較高；8號(hào)站點(diǎn)的評(píng)估值最小，風(fēng)險(xiǎn)等級(jí)為極低。輸出層3種方法的評(píng)估值對(duì)比如圖3 所示。12個(gè)站點(diǎn)的評(píng)估值中，有9個(gè)站點(diǎn)的第3種決策偏好權(quán)向量法評(píng)價(jià)結(jié)果均是3種方法中最低的，且無極高風(fēng)險(xiǎn)等級(jí)，這說明決策偏好偏保守。12個(gè)站點(diǎn)中3種賦權(quán)方法均顯示：5號(hào)站點(diǎn)評(píng)估值最大，風(fēng)險(xiǎn)等級(jí)為極高；7號(hào)站點(diǎn)評(píng)估值最小，風(fēng)險(xiǎn)等級(jí)為較低。綜合風(fēng)險(xiǎn)評(píng)價(jià)等級(jí)為極高的是5號(hào)、2號(hào)站點(diǎn)，較低的是7號(hào)、8號(hào)站點(diǎn)。

圖3 開封市城市內(nèi)澇風(fēng)險(xiǎn)3種方法評(píng)價(jià)對(duì)比Fig. 3 Comparison of urban waterlogging risk evaluation by three methods in Kaifeng City

計(jì)算所得的開封市7.20 特大暴雨12個(gè)站點(diǎn)56 h的內(nèi)澇過程，經(jīng)與12個(gè)站點(diǎn)的內(nèi)澇風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果對(duì)比，符合內(nèi)澇實(shí)際發(fā)生過程，5號(hào)、2號(hào)2個(gè)站點(diǎn)過程曲線均在圖4 中顯示峰值最大、覆蓋時(shí)間最長(zhǎng)。綜合風(fēng)險(xiǎn)評(píng)價(jià)等級(jí)為較低的是7號(hào)、8號(hào)站點(diǎn)，也符合內(nèi)澇實(shí)際發(fā)生過程，2個(gè)站點(diǎn)過程曲線均顯示積水深度小且覆蓋時(shí)間短。5號(hào)點(diǎn)位于開封市復(fù)興大道西段，由于此處的排水管網(wǎng)較小、地勢(shì)低洼等原因，在歷次降雨中極易發(fā)生內(nèi)澇，積水深度大且歷時(shí)長(zhǎng)。6號(hào)站點(diǎn)位于復(fù)興大道與東環(huán)北路交叉口，積水持續(xù)時(shí)間較長(zhǎng)，內(nèi)澇風(fēng)險(xiǎn)也較高，評(píng)價(jià)結(jié)果與實(shí)際內(nèi)澇過程完全吻合。復(fù)興大道為開封市北面重要的交通要道，是進(jìn)出連霍高速公路的必經(jīng)之路，內(nèi)澇積水將嚴(yán)重影響道路交通和居民出行。此次7.20 特大暴雨更是充分暴露了5號(hào)、6號(hào)站點(diǎn)內(nèi)澇風(fēng)險(xiǎn)的情況，因此后期需要加強(qiáng)復(fù)興大道排水管網(wǎng)改造力度，布設(shè)排水泵站時(shí)應(yīng)優(yōu)先考慮。7號(hào)站點(diǎn)位于開封市第三職業(yè)高中門口，在降雨過程中雖然有積水，但歷時(shí)短積水較淺，因此綜合風(fēng)險(xiǎn)較低。位于老城區(qū)城墻內(nèi)的7號(hào)、9號(hào)站點(diǎn)風(fēng)險(xiǎn)等級(jí)為較低和中等，也得益于老城區(qū)內(nèi)水系眾多，河湖連通，排水系統(tǒng)較發(fā)達(dá)。

圖4 開封市7.20 特大暴雨12個(gè)站點(diǎn)內(nèi)澇過程（56 h） (單位： mm)Fig. 4 Waterlogging process at 12 stations of 7.20 heavy rain in Kaifeng City (56 hours) (unit: mm)

與對(duì)應(yīng)的7個(gè)氣象站降水過程對(duì)比，A 站的小時(shí)降水量、3 h 累計(jì)降水量、48 h 累計(jì)降水量均為7個(gè)站點(diǎn)中最大的，但對(duì)應(yīng)的內(nèi)澇積水風(fēng)險(xiǎn)為較高。這是因?yàn)殚_封的西部城區(qū)是新區(qū)，排水管網(wǎng)及泵站相對(duì)較完善，降低了內(nèi)澇積水的風(fēng)險(xiǎn)。最大24 h 累計(jì)降水量出現(xiàn)在G 站，但G 站覆蓋的內(nèi)澇站點(diǎn)中7、8號(hào)的風(fēng)險(xiǎn)評(píng)估均為較低。結(jié)合城區(qū)DEM 圖可見：在地勢(shì)南高北低的影響下，開封南區(qū)、東區(qū)內(nèi)澇積水風(fēng)險(xiǎn)得到了有效緩沖，開封老城區(qū)內(nèi)排水效果較明顯。B、F 站的48 h 累計(jì)降水量為7個(gè)站點(diǎn)中較小的，但對(duì)應(yīng)的5、6號(hào)內(nèi)澇站點(diǎn)卻是風(fēng)險(xiǎn)極高和較高。DEM 圖也顯示：開封北區(qū)地勢(shì)低洼，排水體系較差，容易形成小雨大澇險(xiǎn)情。這應(yīng)該引起重視。

5 結(jié) 語

在河南7.20 特大暴雨的真實(shí)背景下，針對(duì)城市內(nèi)澇風(fēng)險(xiǎn)評(píng)估問題開展研究。根據(jù)城市內(nèi)澇監(jiān)測(cè)數(shù)據(jù)，構(gòu)建了由短期風(fēng)險(xiǎn)、長(zhǎng)期風(fēng)險(xiǎn)2個(gè)維度，9個(gè)指標(biāo)構(gòu)成的3 層評(píng)價(jià)體系。在模糊評(píng)價(jià)的基礎(chǔ)上對(duì)模型分層賦權(quán)進(jìn)行了改進(jìn)，采用輸入層、準(zhǔn)則層不同的賦權(quán)方法。對(duì)2個(gè)子系統(tǒng)設(shè)置不同的權(quán)重模擬各種決策情況，采用了第1種方法熵值權(quán)向量（w=（0.381，0.619））、第2種方法對(duì)等權(quán)向量（w=（0.500，0.500））和第3種方法決策偏好權(quán)向量（w=（0.600，0.400））賦權(quán)方法，有效規(guī)避因權(quán)重設(shè)置不合理導(dǎo)致的評(píng)價(jià)結(jié)果偏差較大，確保評(píng)價(jià)結(jié)果的合理性。以開封市7.20 特大暴雨為研究實(shí)例，選擇了12個(gè)內(nèi)澇站點(diǎn)進(jìn)行風(fēng)險(xiǎn)評(píng)估，評(píng)價(jià)結(jié)果與實(shí)際相符。3種不同賦權(quán)方法下評(píng)價(jià)結(jié)果仍保持一致，這證實(shí)了評(píng)價(jià)結(jié)構(gòu)和模型具有較強(qiáng)的適用性。

通過7.20 特大暴雨12個(gè)站點(diǎn)的風(fēng)險(xiǎn)評(píng)估結(jié)果，可知中等以上風(fēng)險(xiǎn)的站點(diǎn)占比達(dá)到了83.3%，說明開封市需提高洪澇排泄能力和城市應(yīng)急管理水平。內(nèi)澇風(fēng)險(xiǎn)評(píng)估結(jié)果也為開封市排水管網(wǎng)改造、排澇泵站的選址、海綿城市建設(shè)等提供有益的數(shù)據(jù)支持，還可根據(jù)第2 層評(píng)價(jià)結(jié)果具體分析短期風(fēng)險(xiǎn)和長(zhǎng)期風(fēng)險(xiǎn)的變化過程，找到弱項(xiàng)和短板，從而為城市防澇應(yīng)急預(yù)案制定和搶險(xiǎn)提供方向和思路。