厦门岛内涝灾害风险评价制图

薛丰昌，张嫣然，田 娟，赵 碧，朱一晗



厦门岛内涝灾害风险评价制图

薛丰昌1,2，张嫣然1,2，田 娟1,2，赵 碧1,2，朱一晗2,3

(1. 南京信息工程大学遥感与测绘工程学院，江苏 南京 210044； 2. 气象灾害省部共建教育部重点实验室(南京信息工程大学)，江苏 南京 210044； 3. 南京信息工程大学地理科学学院，江苏 南京 210044)

城市内涝灾害风险评价图件是城市内涝灾害防灾减灾基础技术资料。利用城市管网等基础地理数据，经过汇水区划分和管网概化以及参数率定建立厦门岛内涝模型，模拟出不同重现期降雨量下厦门岛地表积水深度并作为内涝灾害风险评价中的危险性评价因子，以河网影响度、敏感点密度、植被覆盖度作为孕灾环境的敏感性因子，人口密度、人均GDP作为承灾体的易损性评价因子，建立厦门岛的内涝灾害风险评估模型，计算得到不同重现期下厦门岛内涝灾害风险等级评价图。结果表明，随着重现期的增加高风险指数的区域逐渐增加，主要呈现由沿海向岛内扩展的趋势，部分区域由于下垫面的构成如山体水系等影响表现出稳定的低风险特征。

城市积涝；SWMM；重现期；风险评价

近年来在极端天气不断增加情况下，强降水产生的地表径流往往超过城市管网排水能力，导致城市暴雨内涝灾害，造成不同程度的人员伤亡和城市基础设施的损坏。因此，迫切需要对城市内涝灾害进行风险评价分析，针对分析结果策划城市内涝灾害的应对措施，提高防灾减灾能力。

城市内涝灾害风险评价的方法一般包括3类[1]：①历史灾情数理统计法[2-4]，该方法比较简单，思路直观清晰，但是对资料的要求较高，局限于大区域研究区的应用；②指标体系法[5-8]重点在于评价因子的选取与其权重的确定，是风险评价分析中应用最为广泛的方法，评价指标的选取往往具有一定的主观性，相对于小尺度的空间来说评价因子也存在不够精细化的问题；③水文水力学模型与仿真模拟法[9-13]，能够借助城市管网等相关数据构建模型，模拟出暴雨过程。在以上方法中，前2种方法主要以降雨量作为致灾因子，不能直接反映积涝积水产生的危害；第3种方法能够模拟暴雨过程中的地表积水过程，但是传统方法多用于灾害情景模拟，由于缺乏和GIS、遥感影像等有效结合，精度较低。本文融合了指标体系法与水文水力模型法，应用水文水力学模型——暴雨洪水管理模型(storm water management model，SWMM)，建立厦门岛城市内涝仿真分析模型，利用改模型模拟两年、十年、二十年、五十年、一百年、两百年等重现期降雨量下的厦门岛城市内涝地表积水深度，作为涝灾害风险评价的危险性评价因子，以河网影响度、敏感点密度、植被覆盖度作为孕灾环境的敏感性因子，人口密度、人均GDP等作为承灾体的易损性因子，建立融合了SWMM内涝模型的厦门岛的内涝灾害风险评估模型，计算得到不同重现期降雨量下厦门岛内涝灾害风险等级评价图，对厦门岛积涝灾害的应对有一定的参考作用。

1 研究区域和数据

1.1 研究区域

厦门岛位于福建省的东南部，与金门岛隔海相望，在北纬24°25′～24°33′，东经118°02′～118°13′之间，是厦门市的政治经济文化商业中心。厦门岛土地面积为157.76 km2，全岛海拔最高为339.6 m。

厦门岛属南亚热带海洋性季风气候，全年有2个降水期高峰：①梅雨期(5~6月份)，受西南季风、东南季风的影响，雨势较强，暴雨频繁；②台风季(7~9月份)，平均每年有 3个热带风暴或台风登陆，带来大范围强降水过程。强降水过程产生的径流远远超过了城市的排水能力，给厦门岛带来了严重的城市内涝灾害[14-15]。

1.2 数据

(1) 基础地理数据。厦门岛矢量边界数据，来源于厦门市气象局；5 m分辨率的DEM数据，来源于厦门市气象局；厦门岛30 m分辨率遥感图像，来源于地理空间数据云。

(3) 降水数据。1953—2013年厦门站日降水量，来源于南京信息工程大学气象台。

(4) 社会经济状况数据。厦门岛医院、学校、仓库、地下停车场、公交站、商场等分布图，厦门岛经济及人口数据，来源自厦门市气象局。

2 排水模型构建

SWMM是由美国环保局于1971年为解决城市排水问题而研发的，该模型可以用于单场或连续降水事件产生径流与汇流过程的动态模拟，地表以及排水系统的处理过程[16]。SWMM模型构建主要包括3个部分，汇水区划分、管网概化及参数率定。

2.1 产汇流模型原理

地表产流的过程指降雨量去除地表洼蓄和下渗等消耗的雨量在地表形成的径流。地表径流会透过透水区域的上表层进行下渗，本文选择Horton(霍顿)模型对渗透过程进行模拟，为

其中，为时刻的入渗率；0为初始入渗率；f为稳定时的入渗率；为衰减系数。

地表汇流是指地表的径流以汇水区为单元进行汇总至相应节点如排水口或者河道等水系的过程，即

对于智库的理解，世界最著名的智库兰德公司创始人弗兰克·科尔博莫做出过这样的定义：严格意义上的智库可以简单概括为是一个独立于政府机构的民间组织；他强调真正的智库应该是一个“思想工厂”；一个可以没有学生的大学；一个有明确、坚定目标和追求却又能无拘无束、“异想天开”的头脑风暴中心；一个勇于超越现有一切智慧、勇于挑战和蔑视现有权威的“战略思想中心”。

其中，为出流率；为汇水区的宽度；为曼宁系数；为水深；d为洼蓄的深度；为汇水单元坡度。

2.2 汇水区划分和管网概化

汇水区又称集水区域，是指从地表产生径流到汇集至出水口的过程中所流经的地表区域，是水文分析模型的基本评价单元，不同的划分方式会对模型的模拟结果产生不同的影响。本文基于厦门岛的DEM数据，剔除了面积较大的水系以及60 m以上的山地，综合分析了城市的主要道路、主干河道、检查井、排水口等分布，建立了泰森多边形(Voronoi图)[17]实现了对汇水区的划分，最后共得到1 757个汇水区，其中最大面积为3.81 km2，最小面积0.03 km2，如图1所示。

图1 厦门岛汇水区划分结果

管网概化是由于实际排水管网往往由于数据的限制以及模型的复杂度等因素不利于模拟和计算，从而把实际排水管网系统进行了抽象与概化以便分析。研究区内简化后的管网数据为599个检查井，28个排水口，628条管线，模型构建结果如图2所示。

图2 SWMM模型构建结果

2.3 参数率定

根据厦门岛的遥感图像进行土地利用类型分类，结果如图3所示，参考SWMM用户手册[16]对每一种土地利用类型进行参数的率定，见表1，最后以汇水区为基本评价单元利用汇水区内各类地物面积进行加权平均，从而确定汇水区内的曼宁系数。

图3 厦门岛土地利用分类图

表1 不同土地利用类型的曼宁系数

3 内涝模拟

3.1 暴雨模拟

降水量的重现期是指在一定年限中，大于或等于降水量出现一次的平均间隔时间，计算方法为该降水量发生频率的倒数，经常以多少年一遇降水来表示。本文选取了1953—2013年厦门市的国家站降水量的年最大日降水序列(annual maximum，AM)，运用对数正态分布(Lognormal, LN)、韦伯分布(Weibull)、广义极值分布(generalized extreme value, GEV)、广义帕累托分布(Gen. Pareto，GP)、韦克比分布(Wakeby)、耿贝尔分布等对AM序列进行拟合，选择最大似然法(maximum likelihood estimation, MLE)进行了参数估算，最后利用K-S (Kolmogorov-Smirnov)与A-D(Anderson-Darling)方法进行检验。结果见表2，发现Wakeby无论是在K-S检验还是A-D检验中都是排名第一，是最优的拟合函数。通过Wakeby的拟合计算得到不同重现期下对应雨量见表3。

表2 不同函数的检验结果

参考《厦门市暴雨公式》中1 440 min历时暴雨的设计雨型，得到不同重现期下的间隔为一个小时的雨量分配图，如图4所示，选择雨型中最强小时降水量(16时降水量)以及前11 h (4时~15时降水量)的前期降水量作为完整的暴雨过程。

3.2 积水深度模拟

由于城市内涝模型的模拟结果提供的是不同节点的径流量、径流速度、积水量等，并不能直观的显示不同区域的积涝情况，于是采用了水量动态分配的算法[18]，利用DEM高程数值对积水进行扩散，得到不同重现期下分辨率为30 m的积水深度图像，如图5所示，可以明显的观察到厦门岛积水情况严重的区域，如南部的厦门大学，东部的会展中心，西南部的中山医院附近等。

图4 不同重现期下的雨量分配图

表3 不同重现期对应的日降水量

序号PT日降雨量(mm) 10.998500a411.35 20.990100a307.60 30.98050a268.96 40.95020a222.75 50.90010a190.98 60.5002a115.50

图5 不同重现期下的积水深度图

4 风险评价分析

4.1 评价模型构建

本文从危险性、敏感性、易损性等3个方面分别选取相应的评价指标，利用层次分析法确定了权重，构建了厦门岛的城市积涝风险评价模型，得到不同重现期的雨量下的积涝灾害的风险等级。

4.1.1 评价指标确定

致灾因子的危险性是由不同重现期的雨量模拟出的积水深度进行确定，孕灾环境的敏感性包括河网影响度、敏感点密度、植被覆盖度等3个因素，承灾体的易损性是由人口密度、人均GDP组成。

由于河网水系作为城市积水的排水渠道可以缓解城市的积涝压力。利用厦门岛的矢量河网数据做缓冲区分析，根据周边区域与河网的距离对其缓冲区做0~1的赋值处理，得到河网影响度。

医院、学校、仓库、地下停车场、公交站、商场等地均易在积涝灾害时发生较为严重的灾害影响或者发生二次灾害，所以需将其列为敏感点，进行点密度分析，利用模糊隶属进行归一化处理。

植被覆盖度是植被垂直投影面积占单位面积的百分比，是地表植被覆盖程度的表示方法，该指数不同的数值可以从侧面反映出不同的地物类型，间接代表了不同的抗洪能力，因此将植被覆盖度作为敏感性因子参与分析。

最后确定了相关影响因子如图6所示。

(a) 河网影响度(b) 敏感点密度(c) 植被覆盖度

4.1.2 权重的确定

层次化分析法(analytic hierarchy process, AHP)是根据经验构造两两比较判断矩阵，求出特征向量得到通过一致性检验的权重，是结合了定性与定量的决策分析方法，原理较为简单，且在地学上有着广泛的应用[19]。本文利用层次分析法得到各个评价因子的权重见表4。

4.2 风险等级划分

厦门岛城市内涝风险评价模型构建如下

111223341526(3)

其中，为风险指数；1，1，2，3，1，2分别为积水深度、河网影响度、敏感点密度、植被覆盖度、人口密度、人均GDP等评价因子，且每个因子都运用模糊隶属进行了无纲量的归一化处理，皆为分辨率为30 M的栅格图像；1，2，3，4，5，6为各个评价因子的权重。

表4 风险评价的因子与权重

计算得到的阈值为0.03~0.75，分值越高风险等级越高。利用Natural Breaks (Jenks)对重现期为20年的风险指数进行分类，见表5，并应用于所有重现期的风险指数，得到不同重现期下的厦门岛城市内涝灾害风险图，如图7所示。

表5 风险等级划分指标

风险指数分值风险等级 ＜0.131 0.13~0.192 0.19~0.253 0.25~0.334 ＞0.335

图7 不同重现期下的风险等级划分图

由图7可知，随着重现期的增加，高风险等级区域面积逐渐增加，如莲前街道风险等级由沿海向内陆延伸，湖里街道西部区域颜色逐渐加深扩张，鹭江街道与中华街道连接部分风险等级较高、梧村街道风险指数逐渐增加，夏港街道在重现期大于50年之后开始出现高风险数值，滨海街道的厦门大学区域一直显示高风险等级指数，莲前街道东部会场中心附近也有较高的风险指数。部分低风险等级区域没有变动，如莲前街道西半部和滨海街道部分区域、金山街道西南部、金山街道和禾山街道沿海部分区域等是因为属于山地区域与水系附近，建筑密度较小，风险灾害指数较低。而金山街道北半部分则出现了随着重现期增加风险等级降低的情况，通过对比分析积水深度、DEM数据以及管网参数发现，由于金山街道北部区域的高程数据并不是逐渐降低而是出现了降低之后又增加的情况，形成了狭长的低洼区域，易形成积水，随着重现期增加积水深度增加满足了管网高程数值，有效的排水降低了积涝风险数值。

5 结束语

(1) 在建立了厦门岛城市内涝模型的基础上演算出两年一遇、十年一遇、二十年一遇、五十年一遇、百年一遇以及五百年一遇等多个重现期的积水深度，融合了危险性、敏感性、易损性，建立了厦门岛的风险灾害评价模型，计算得到多个重现期对应雨量下的评价单元为30 m×30 m的积涝灾害风险等级图。

(2) 在应用SWMM模型对厦门岛排水模型进行建模的过程中，由于对地下管网数据的获取困难，概化实际排水管网数据的过程包含较多人为因素，一定程度上会对模型精度产生影响。

(3) 本文提取厦门岛50多年日雨量的AM序列，利用对数正态分布等6种函数进行重现期的计算，对厦门岛的雨量检测预警具有一定的参考意义。

(4) 利用DEM高程数值对积水进行扩散获取城市内涝积水深度的方法可以避免主观因素干扰，提高了暴雨积水数值模拟的准确度。

(5) 对比遥感图像以及厦门岛相关积涝灾害新闻发现该评价体系的演算结果契合土地利用类型，与真实积涝灾害的发生情况较为吻合，有良好的预警效果，可以为城市规划建设以及内涝灾害的防灾减灾工作提供决策依据。

[1] 张冬冬, 严登华, 王义成, 等. 城市内涝灾害风险评估及综合应对研究进展[J]. 灾害学, 2014, 29(1): 144-149.

[2] 郭涛. 四川城市水灾的历史特征[J]. 灾害学, 1991(1): 72-79.

[3] 周魁一. “历史模型”与灾害研究[J]. 自然灾害学报, 2002(1): 10-14.

[4] DE MOEL H, JEROEN C J H, KOOMEN E. Development of flood exposure in the Netherlands during the 20th and 21st century [J]. Global Environmental Change, 2010, 21(2): 620-627.

[5] ALEKSANDRA K, CAVAN G. Surface water flooding risk to urban communities: Analysis of vulnerability, hazard and exposure [J]. Landscape and Urban Planning, 2011, 103(2): 185-197.

[6] 傅湘, 纪昌明. 洪灾损失评估指标的研究[J]. 水科学进展, 2000(4): 432-435.

[7] 曾家俊, 黄华爱, 刘松, 等. 广西德保岩溶内涝灾害风险评价[J]. 水资源与水工程学报, 2016, 27(1): 70-74.

[8] 谈丰, 孙健, 麻炳欣. 上海市闵行区内涝灾害风险评价与区划[J]. 安徽农业科学, 2015, 43(4): 199-201.

[9] 岑国平. 城市雨水径流计算模型[J]. 水利学报, 1990(10): 68-75.

[10] 周玉文, 赵洪宾. 城市雨水径流模型研究[J]. 中国给水排水, 1997(4): 2, 4-6.

[11] 尹占娥, 许世远, 殷杰, 等. 基于小尺度的城市暴雨内涝灾害情景模拟与风险评估[J]. 地理学报, 2010, 65(5): 553-562.

[12] 贺法法, 陈晓丽, 张雅杰, 等. GIS辅助的内涝灾害风险评价——以豹澥社区为例[J]. 测绘地理信息, 2015, 40(2): 35-39.

[13] 谢文敬. 基于水力模型的武汉黄孝河区域内涝评估[D]. 武汉: 武汉理工大学, 2015.

[14] 厦门市人民政府. 自然环境[EB/OL]. [2018-08-20]. http://www.xm.gov.cn/zjxm/xmgk/200708/t20070830_173889. Htm.

[15] 厦门市气象局. 气候概况[EB/OL]. [2018-08-20]. http://qx.xm.gov.cn/qxfw/qhfw/qhgk/.htm.

[16] ROSSMAN L A. Storm water management model user’s manual version 5.0 [M]. Washington: National Risk Management Research Laboratory, Office of Research and Development, U S Environmental Protection Agency, 2009: 1-32.

[17] 薛丰昌, 盛洁如, 钱洪亮. 面向城市平原地区暴雨积涝汇水区分级划分的方法研究[J]. 地球信息科学学报, 2015, 17(4): 462-468.

[18] 薛丰昌, 黄敏敏, 唐步兴. 一种水量动态分配的有源积水扩散算法: 江苏, CN107194156A [P]. 2017-09-22.

[19] 赵焕臣, 许树柏, 和金生, 等. 层次分析法: —种简易的新决策方法[M]. 北京: 科学出版社, 1986: 1-105.

Risk Assessment and Mapping of Waterlogging Disasters in Xiamen Island

XUE Feng-chang1,2, ZHANG Yan-ran1,2, TIAN Juan1,2, ZHAO Bi1,2, ZHU Yi-han2,3

(1. School of Remote Sensing & Geomatics Engineering, Nanjing University of Information Science & Technology, Nanjing Jiangsu 210044, China; 2. Key Laboratoty of Meteorological Disaster, Ministry of Education, Nanjing University of Information Science & Technology, Nanjing Jiangsu 210044, China; 3. School of Geographical Sciences, Nanjing University of Information Science & Technology, Nanjing Jiangsu 210044, China)

The risk assessment map for urban waterlogging is the basic technical data for disaster prevention and mitigation in urban areas. Using basic geographic data as urban pipe networks, after watershed division and pipe network generalization and parameter rate, Xiamen waterlogging model was established. The depth of surface gathered water in Xiamen Island under the rainfall of different return period was also simulated and was viewed as hazard assessment factor in risk assessment of waterlogging disasters. Furthermore, the river network influence, sensitive point density and vegetation coverage constitute the sensitivity factors of hazard inducing environment; and population density and per capita GDP compose the vulnerability assessment factors of disaster body. Based on such factors, the risk assessment model for the waterlogging disaster of Xiamen Island is established,and waterlogging disaster risk level evaluation map at different return periods is generated. The results show that: With the increase of the return period, the area of high-risk index is gradually increasing, mainly showing the trend of expansion from coastal to island. Some areas exhibit stable low-risk characteristics due to the influence of the underlying surface such as the mountain and water system.

urban waterlogging; SWMM; return period; risk assessment

TP 391

10.11996/JG.j.2095-302X.2019020321

A

2095-302X(2019)02-0321-07

2018-09-04；

2018-10-17

江苏省自然科学基金项目(BK20151458)；江苏省博士后科研基金项目(1101024B)；中国气象局北京城市气象研究城市气象科学研究基金项目(IUMKY&UMRF201103)；江苏省研究生科创新计划项目(KYCX18-1034)

薛丰昌(1970-)，男，内蒙古呼盟人，副教授，博士。主要研究方向为GIS气象应用、气象灾害数值模拟。E-mail：xfc9800@126.com