黃澤群，陳唯天，黎躍勇，廖春花，彭瑋瑩，王 瑤，郭田韻，李佳琦

(1.湖南省氣象服務(wù)中心，湖南 長沙 410118；2.氣象防災(zāi)減災(zāi)湖南省重點(diǎn)實(shí)驗(yàn)室，湖南 長沙 410118；3.中山大學(xué) 大氣科學(xué)學(xué)院，廣東 珠海 519082；4.廣東省氣候變化與自然災(zāi)害研究重點(diǎn)實(shí)驗(yàn)室，廣東 廣州 510275)

隨著全球氣候變化的不斷加劇以及城市化進(jìn)程的快速發(fā)展，城市內(nèi)澇災(zāi)害的發(fā)生也更加頻繁，影響范圍也越來越大[1-3]。這種不斷發(fā)生的嚴(yán)重城市內(nèi)澇災(zāi)害，已成為制約新興發(fā)展中國家城市發(fā)展的重要因子[4]。“逢暴雨必澇”已經(jīng)成為中國許多城市的真實(shí)寫照[5-7]。近些年，北京、廣州和鄭州等大中城市相繼發(fā)生暴雨內(nèi)澇災(zāi)害事件。2012年7月21日，北京市遭遇特大洪澇災(zāi)害，造成79人死亡，受災(zāi)人口達(dá)160.2萬。2014年5月23日，廣州、清遠(yuǎn)等地區(qū)遭遇特大暴雨天氣，造成當(dāng)?shù)亟煌òc瘓，通信中斷，受災(zāi)人數(shù)超40萬。2021年7月19-21日，鄭州地區(qū)出現(xiàn)了歷史以來極為罕見的極端暴雨天氣，8個國家級地面氣象觀測站日降水量全部突破建站以來的最大值[8]，極端暴雨引發(fā)了嚴(yán)重的城市內(nèi)澇和交通癱瘓，造成380人死亡失蹤，直接經(jīng)濟(jì)損失達(dá)到人民幣409億元[9-10]。因此，科學(xué)地評估城市內(nèi)澇災(zāi)害的風(fēng)險性是保證城市經(jīng)濟(jì)可持續(xù)性發(fā)展的前提與必要條件。

迄今為止，國內(nèi)外許多學(xué)者在城市內(nèi)澇的模擬與評估方面開展了大量工作，主要包括歷史事件統(tǒng)計分析、機(jī)器學(xué)習(xí)(卷積神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)等)和數(shù)值模型等方法。歷史事件統(tǒng)計分析主要依賴降水?dāng)?shù)據(jù)，未充分考慮造成內(nèi)澇的其他因素，如地形和植被覆蓋等。機(jī)器學(xué)習(xí)法受到訓(xùn)練樣本的限制，特別是許多城市的內(nèi)澇事件樣本數(shù)量和質(zhì)量難以滿足計算要求。數(shù)值模型雖然考慮到了影響內(nèi)澇過程的所有基本參數(shù)，但是很少能實(shí)現(xiàn)研究范圍和空間分辨率的平衡。例如，部分內(nèi)澇模型雖然空間分辨率較高(<10 m)，但研究僅針對某小區(qū)或某一小片區(qū)域進(jìn)行實(shí)時的模擬和計算，無法滿足整個城區(qū)的防災(zāi)減災(zāi)工作。有些研究雖然能覆蓋整個城區(qū)，但空間分辨率較粗(>100 m)，無法精準(zhǔn)定位和捕捉內(nèi)澇的發(fā)生點(diǎn)。DRIVE-Urban城市內(nèi)澇模型能很好地實(shí)現(xiàn)整個城區(qū)地表高分辨率積水淹沒信息的模擬。因此，本研究以長沙市內(nèi)五區(qū)及高新區(qū)作為研究區(qū)域，運(yùn)用DRIVE-Urban城市內(nèi)澇模型和統(tǒng)計分析相結(jié)合的方法，實(shí)現(xiàn)街道尺度(10 m分辨率)的模擬，并結(jié)合GIS空間信息技術(shù)，實(shí)現(xiàn)了長沙市內(nèi)澇災(zāi)害危險性的綜合評估與區(qū)劃。

1 數(shù)據(jù)與方法

1.1 研究區(qū)域概況

本文的研究范圍為長沙市內(nèi)五區(qū)及高新區(qū)，內(nèi)五區(qū)主要包括芙蓉區(qū)、天心區(qū)、岳麓區(qū)、雨花區(qū)和開福區(qū)。為方便敘述，后文將這6個區(qū)統(tǒng)稱為長沙市區(qū)。長沙市區(qū)為多級階地組成的坡度較緩的平崗地帶，地勢南高北低[11]，屬亞熱帶季風(fēng)性氣候，雨量充沛，且雨季集中[12]。每年汛期，由于過度集中的大暴雨天氣，容易造成市區(qū)內(nèi)出現(xiàn)嚴(yán)重積水，威脅著人民的生命和財產(chǎn)安全。

1.2 模型參數(shù)設(shè)置與評估方法

城市內(nèi)澇模型DRIVE-Urban為DRIVE(Dominant River Tracing-Routing Integrated with VIC Environment Model)水文模型[13-14]和城市暴雨洪水管理模型SWMM(Storm Water Management Model)模型[15-16]相耦合，通過二維水動力淹沒算法，實(shí)現(xiàn)了河網(wǎng)、管道、地表三者之間的水通量交互計算，能對城區(qū)地帶進(jìn)行實(shí)時的內(nèi)澇模擬，特別是城市地表高分辨率積水淹沒信息的模擬。DRIVE-Urban從一維城市管網(wǎng)排放能力和二維河道溢流兩個方面全面描述了流域與城市區(qū)域的相互作用方式，從降雨徑流、蒸發(fā)下滲、管網(wǎng)排水、河道作用等方面闡述了城市內(nèi)部的水循環(huán)過程。

模型使用的降水?dāng)?shù)據(jù)為2012-2021年1個國家基本氣象站(長沙站)和60個區(qū)域自動氣象站共10年的逐小時雨量數(shù)據(jù)，站點(diǎn)的分布如圖1所示。數(shù)字地表模型為自然資源部國土衛(wèi)星遙感應(yīng)用中心的高分辨率DSM(Digital Surface Model)，其分辨率為10 m。土地覆蓋數(shù)據(jù)為ESRI公布的全球10 m土地覆蓋數(shù)據(jù)。長沙城市道路矢量數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心，土地利用數(shù)據(jù)來源于OSM(Open Street Map)。

圖1 國家基本氣象站和區(qū)域自動氣象站的空間分布

因?yàn)槿狈Φ叵鹿芫W(wǎng)數(shù)據(jù)，所以對城市管道模塊做出如下設(shè)計：①每條主干道路都具有管道排放能力；②每條道路的頭部和尾部都具有管道口用于該道路的地表水排放；③管線的拓?fù)浣Y(jié)構(gòu)與道路相似，即主干道管線的布置與道路平行；④每個管道均為圓形口徑，其直徑為50 cm(該數(shù)值為長沙市常用管道標(biāo)準(zhǔn)口徑；管道的上下游關(guān)系根據(jù)道路的總體坡度決定，管道的長度與道路長度相等)；⑤管道排放口連接于最近的河道格點(diǎn)；⑥地表逐時刻降雨-產(chǎn)流均匯流于最近的管道口。

DRIVE-Urban模型采用數(shù)值求解圣維南方程組的運(yùn)動波方程，得到河道格點(diǎn)的逐3 h徑流量、水深等數(shù)據(jù)，并假設(shè)河道水深在3 h內(nèi)不變；采用求解圣維南方程組的動力波方法得到管道逐時刻的匯流狀態(tài)(管道模擬時間步長設(shè)置為5 s)，并通過兩種類型的二維淹沒算法連接城市地表與管道的水量交互，以及河道與城市地表的水量交互；地表降雨-徑流的模擬采用SCS-CN徑流曲線法，地表子匯水區(qū)CN的數(shù)值根據(jù)長沙市土地覆蓋、土地利用數(shù)據(jù)確定；基本的圣維南方程的公式如下：

(1)

(2)

式中：Q為徑流流量，A為過水?dāng)嗝婷娣e，q為側(cè)向入流量，S0為渠道坡度，Sf為摩擦坡度，g為重力加速度，H為水深。

求解圣維南方程組利用到的謝才公式與曼寧公式如下：

(3)

(4)

式中：n為曼寧糙率系數(shù)；R為水力半徑。

在祁彪佳死后的30多年里，商景蘭對于人生價值尤其是女性立身的思考逐漸明晰，并在文學(xué)世界尋找到了自我意識抒發(fā)的渠道。她“恃子若女，相依膝下，或?qū)ρ┞?lián)吟，或看花索句，聊寄風(fēng)雅，以卒桑榆?！盵9]297山陰祁氏的文學(xué)活動為時人津津樂道，成為當(dāng)?shù)匾粯睹勒劇Ｉ叹疤m不僅開始思考作為個體的生命意義，還意識到作為女性的生存處境。在《西施山懷古》中，詩人感慨萬端：

內(nèi)澇模型的模擬效果評估指標(biāo)為內(nèi)澇點(diǎn)命中率(POD)，POD越接近1，表示模型未模擬到的內(nèi)澇事件越少，模型的模擬效果越好，可信度越高。

(5)

式中：Nhit表示真實(shí)觀測到的內(nèi)澇且模型成功捕捉到的數(shù)量，Nmiss表示真實(shí)觀測到的內(nèi)澇但是模型未模擬出來的數(shù)量。

1.3 內(nèi)澇風(fēng)險區(qū)劃方法

本研究基于降水、地形和內(nèi)澇持續(xù)時間等參數(shù)來確定長沙市區(qū)的內(nèi)澇風(fēng)險區(qū)劃。降水因子根據(jù)內(nèi)澇過程中1 h、3 h、6 h降水量建立評價指標(biāo)庫，對各評價指標(biāo)進(jìn)行歸一化處理，并采用德爾菲法，確定權(quán)重后通過加權(quán)求和得到內(nèi)澇過程中單站降水量的強(qiáng)度指數(shù)。內(nèi)澇過程中單站降水量強(qiáng)度指數(shù)的公式如下：

IR=A×I1h+B×I3h+C×I6h。

(6)

式中：IR為單站暴雨過程強(qiáng)度指數(shù)；I1h、I3h和I6h分別是1 h、3 h、6 h最大降水量歸一化處理后的指標(biāo)數(shù)值，A、B、C為權(quán)重系數(shù)，分別為0.5，0.3和0.2。

為了綜合評估內(nèi)澇災(zāi)害的危險性，利用致災(zāi)因子和孕災(zāi)環(huán)境共同定義危險性指數(shù)，具體表示為：

DA=E×IR+F×Train+G×Hterrain。

(7)

式中：DA為內(nèi)澇災(zāi)害綜合危險性指標(biāo)，IR為內(nèi)澇過程中單站降水量強(qiáng)度指數(shù)，Train為內(nèi)澇過程發(fā)生時內(nèi)澇的持續(xù)時間，Hterrain為站點(diǎn)位置的高程，E、F、G分別表示三個指標(biāo)的權(quán)重系數(shù)，分別為0.4，0.2和0.4。

2 結(jié)果的分析與應(yīng)用

2.1 長沙市內(nèi)澇事件統(tǒng)計

2012-2021年期間，長沙市區(qū)共發(fā)生城市內(nèi)澇102起，受內(nèi)澇影響的街道共計109條。各區(qū)的內(nèi)澇事件次數(shù)統(tǒng)計由圖2所示，可知雨花區(qū)的次數(shù)最多(26起)，之后分別是岳麓區(qū)、天心區(qū)、芙蓉區(qū)、開福區(qū)和高新區(qū)。

圖2 2012-2021年間長沙市區(qū)內(nèi)城市內(nèi)澇事件次數(shù)統(tǒng)計

圖3 2017年06月29日11時-07月02日05時長沙市區(qū)降水空間分布

圖4 2021年08月17日16時-08月18日00時長沙市區(qū)降水空間分布

2.2 典型內(nèi)澇事件的降水空間分析

2.2.1 2017年7月案例

2017年6月29日-7月2日，長沙市區(qū)普降大到暴雨。此次降水過程具有強(qiáng)度大，范圍廣，持續(xù)時間長等特點(diǎn)。6月29日11時-7月2日05時，長沙市區(qū)平均累計降水量達(dá)278 mm，22個自動站累計雨量均超過200 mm。累計雨量超過300 mm的有7站，其中岳麓區(qū)4站，天心區(qū)、雨花區(qū)和芙蓉區(qū)各1站，最大值為岳麓區(qū)長沙國家站351.3 mm。最大小時雨強(qiáng)出現(xiàn)在開福區(qū)霞凝港站，達(dá)62.6 mm(30日14時-15時)。22個自動站中有21個站最大小時雨強(qiáng)超過20 mm，6個站超過50 mm(岳麓區(qū)4站，開福區(qū)1站，高新區(qū)1站)。

2.2.2 2021年8月案例

2021年08月17日，受到中低層切變的影響，長沙市區(qū)出現(xiàn)暴雨天氣，部分地區(qū)大暴雨。8月17日16時-18日00時，長沙市區(qū)平均累積雨量28.59 mm，累計雨量超過50 mm達(dá)到暴雨標(biāo)準(zhǔn)的有8站(岳麓區(qū)4站，雨花區(qū)2站，天心區(qū)1站，開福區(qū)1站)，其中最大值為雨花區(qū)東塘街道七里廟站，其8 h累計雨量達(dá)106.4 mm，達(dá)到大暴雨標(biāo)準(zhǔn)。暴雨區(qū)域主要集中在岳麓區(qū)東部、天心區(qū)北部、雨花區(qū)北部和開福區(qū)北部。最大小時雨強(qiáng)出現(xiàn)在雨花區(qū)東塘街道七里廟站，達(dá)66.3 mm(17日17-18時)。其中岳麓區(qū)東部、天心區(qū)北部、雨花區(qū)北部、和開福區(qū)北部小時雨強(qiáng)較大，超過20 mm。

2.3 基于DRIVE-Urban模型的典型內(nèi)澇事件模擬

基于逐小時的降水?dāng)?shù)據(jù)輸入，DRIVE-Urban模型分別模擬了兩次典型的內(nèi)澇事件(2017年7月和2021年8月案例)。圖5為模型生成的2017年7月1日11時的城市道路積水分布，空間分辨率為10 m。此次內(nèi)澇的范圍幾乎覆蓋了整個長沙市區(qū)的主要街道，特別是雨花區(qū)西北部、天心區(qū)中北部、芙蓉區(qū)中西部、開福區(qū)南部、岳麓區(qū)東部以及高新區(qū)東部。內(nèi)澇嚴(yán)重地段多集中于街道、十字路口和地勢低洼的地區(qū)。市區(qū)內(nèi)共監(jiān)測到25處內(nèi)澇點(diǎn)，模型成功捕捉到16處，內(nèi)澇點(diǎn)命中率(POD)達(dá)到64%(表1)。圖6為長沙市岳麓區(qū)牌樓路附近的積水淹沒圖，可以看出牌樓路和麓山路的北段積水面積較大，大部分積水深度都在100～500 mm之間。

表1 兩次典型內(nèi)澇事件中模型的內(nèi)澇點(diǎn)命中率(POD)結(jié)果

圖5 2017年7月1日11時長沙市區(qū)的內(nèi)澇積水分布

圖6 2017年7月1日11時長沙市岳麓區(qū)牌樓路和麓山路附近的內(nèi)澇積水分布

圖7為2021年8月17日18時的城市道路積水分布圖，其空間分辨率為10 m。該圖顯示此次內(nèi)澇的范圍主要集中在天心區(qū)中北部和雨花區(qū)西北部，且內(nèi)澇嚴(yán)重地段主要在分布在街道和地勢低洼的地區(qū)。市區(qū)內(nèi)共監(jiān)測到21處內(nèi)澇點(diǎn)，模型成功捕捉到14處，內(nèi)澇點(diǎn)命中率(POD)達(dá)到67%(表1)。圖8為長沙市天心區(qū)浦沅橋附近的積水淹沒圖，從圖中可以看出南二環(huán)、芙蓉南路和部分小區(qū)的積水面積較大，積水深度集中在100 ～500 mm之間，部分地區(qū)的積水深度甚至超過了500 mm。

圖7 2021年8月17日18時長沙市區(qū)的內(nèi)澇積水分布

圖8 2021年8月17日18時長沙市天心區(qū)南二環(huán)和芙蓉南路附近的內(nèi)澇積水分布

2.4 不同重現(xiàn)期下內(nèi)澇積水的模擬

基于長沙市區(qū)國家站和區(qū)域自動站的降水?dāng)?shù)據(jù)，分別計算了6個不同重現(xiàn)期(5年、10年、20年、30年、50年和100年)下的降水累計量，并使用反距離加權(quán)法插值到10 m×10 m的水平網(wǎng)格上作為DRIVE-Urban內(nèi)澇模型中的降水輸入數(shù)據(jù)，得到歷時1 h和3 h的重現(xiàn)期下城市道路積水淹沒情況(表2和表3)。由表2可得，當(dāng)暴雨歷時為1 h的時候，重現(xiàn)期越大，積水面積越大。積水深度為0.1 ～0.25 m的積水面積占總積水面積的86.99%到90.18%，積水深度為0.25 ～0.50 m的積水面積占總積水面積的9.31%～12.27%，積水深度為0.50 ～1.0 m的積水面積占總積水面積的1%以下，積水深度未超過1.0 m的比例不足0.1%。并且隨著重現(xiàn)期的增大，積水深度大于0.25 m的占比越高。表3為不同重現(xiàn)期長沙市區(qū)暴雨歷時3 h積水面積，相比于表2可以發(fā)現(xiàn)，當(dāng)重現(xiàn)期相同時，暴雨歷時越長，積水越深，積水面積也越大，且積水面積最高占比達(dá)總市區(qū)面積的8.2%(96.51 km2)。

表2 不同重現(xiàn)期長沙市區(qū)暴雨歷時1 h的積水面積

表3 不同重現(xiàn)期長沙市區(qū)暴雨歷時3 h的積水面積

2.5 內(nèi)澇風(fēng)險評估與區(qū)劃

根據(jù)城市內(nèi)澇模型的模擬結(jié)果，對長沙市區(qū)內(nèi)澇的積水深度進(jìn)行了風(fēng)險等級的劃分(表4)。當(dāng)內(nèi)澇的風(fēng)險等級為1級時，內(nèi)澇風(fēng)險屬性為低風(fēng)險，積水深度在0.1～0.25 m，1 h的雨量參考值為0～30 mm。當(dāng)內(nèi)澇的風(fēng)險等級為2級時，內(nèi)澇風(fēng)險屬性為中風(fēng)險，積水深度在0.25 ～0.5 m之間，1 h的雨量參考值為30～50 mm。當(dāng)內(nèi)澇的風(fēng)險等級為3級時，內(nèi)澇風(fēng)險屬性為較高風(fēng)險，積水深度在0.5 ～1 m之間，1 h的雨量參考值為50～70 mm。當(dāng)內(nèi)澇的風(fēng)險等級為4級時，內(nèi)澇風(fēng)險屬性為高風(fēng)險，積水深度大于1 m，1 h的雨量參考值大于70 mm。

表4 基于積水深度的城市內(nèi)澇風(fēng)險等級指標(biāo)

根據(jù)內(nèi)澇危險性指數(shù)的值來對應(yīng)內(nèi)澇風(fēng)險等級指標(biāo)中的四個風(fēng)險等級，最后得到長沙市區(qū)暴雨次數(shù)和內(nèi)澇風(fēng)險區(qū)劃圖(圖9)。從圖中可以看出高風(fēng)險和較高風(fēng)險的區(qū)域主要集中在岳麓區(qū)東部、開福區(qū)南部、天心區(qū)北部、芙蓉區(qū)、雨花區(qū)北部和高新區(qū)南部。芙蓉區(qū)、開福區(qū)、天心區(qū)、雨花區(qū)和岳麓區(qū)的許多地區(qū)基本都處于中風(fēng)險以上。高新區(qū)北部、岳麓區(qū)西部和雨花區(qū)南部因?yàn)榈貏葺^高，風(fēng)險等級較低。

圖9 長沙市區(qū)的暴雨次數(shù)和內(nèi)澇風(fēng)險區(qū)劃圖

暴雨的次數(shù)與內(nèi)澇的風(fēng)險區(qū)劃基本相符，特別是芙蓉區(qū)和開福區(qū)南部，其風(fēng)險等級與暴雨的頻次關(guān)系密切。盡管岳麓區(qū)西部、高新區(qū)西部和雨花區(qū)南部也有個別點(diǎn)的暴雨次數(shù)較多，但是由于其位置多為海拔較高的山地，植被覆蓋情況良好，蓄水能力較強(qiáng)，不易發(fā)生內(nèi)澇。

3 結(jié)論與展望

本文以長沙市區(qū)為研究區(qū)域，統(tǒng)計了市區(qū)近十年的內(nèi)澇分布情況，運(yùn)用DRIVE-Urban城市內(nèi)澇模型分別模擬了兩次典型的內(nèi)澇事件和六個不同重現(xiàn)期下城市道路積水淹沒情況，并確定了內(nèi)澇風(fēng)險等級和風(fēng)險區(qū)劃。主要結(jié)論如下：

1)長沙市區(qū)在2012-2021年間共發(fā)生內(nèi)澇102起，受影響的街道達(dá)到109條，其中雨花區(qū)最多達(dá)26次，之后分別是岳麓區(qū)、天心區(qū)、芙蓉區(qū)、開福區(qū)和高新區(qū)。

2)兩次典型內(nèi)澇事件的模擬結(jié)果顯示內(nèi)澇區(qū)域主要集中在岳麓區(qū)東部、天心區(qū)中北部、雨花區(qū)北部、芙蓉區(qū)中西部、開福區(qū)南部及高新區(qū)東部，內(nèi)澇點(diǎn)命中率分別為64%和67%。部分街道的積水深度達(dá)到了250 ～500 mm，少數(shù)街道積水深度超過了500 mm。

3)6個不同重現(xiàn)期下(5年、10年、20年、30年、50年和100年)短歷時(1～3 h)的城市內(nèi)澇積水淹沒情況表明當(dāng)重現(xiàn)期相同時，暴雨歷時越長，積水越深，積水面積也越大。隨著重現(xiàn)期增大，積水面積也越來越大，積水面積占比最高甚至達(dá)到了市區(qū)總面積的8.2%(96.51 km2)。

4)基于內(nèi)澇模型的模擬結(jié)果，將內(nèi)澇風(fēng)險等級分為4個等級，1～4級分別對應(yīng)低風(fēng)險、中風(fēng)險、較高風(fēng)險和高風(fēng)險，積水深度分別對應(yīng)為0.1～0.25 m、0.25～0.5 m、0.5～1 m和大于1 m。高風(fēng)險和較高風(fēng)險區(qū)域主要集中在岳麓區(qū)東部、天心區(qū)北部、芙蓉區(qū)、開福區(qū)南部、雨花區(qū)北部以及高新區(qū)南部。高新區(qū)北部、岳麓區(qū)西部和雨花區(qū)南部風(fēng)險等級較低。

盡管DRIVE-Urban城市內(nèi)澇模型在內(nèi)澇點(diǎn)命中率(POD)方面的模擬效果較好，但是由于觀測資料的缺失，無法實(shí)時獲取街道的淹沒水深和淹沒范圍等數(shù)據(jù)，造成模型的評估手段較為單一。此外，模型在城市隧道等特殊地形地區(qū)的模擬效果較差，這是因?yàn)镈SM顯示的是隧道頂部的高程，使得模型難以模擬出隧道內(nèi)的積水，造成模擬的結(jié)果誤差較大。今后將與城市排水相關(guān)部門展開合作，獲取更多實(shí)時的街道積水和淹沒數(shù)據(jù)，同時設(shè)計算法自動校正特殊地形的高程值，進(jìn)一步提升模型的準(zhǔn)確率。