基于DRIVE-Urban模型的长沙市区暴雨内涝灾害研究*

黄泽群，陈唯天，黎跃勇，廖春花，彭玮莹，王 瑶，郭田韵，李佳琦

(1.湖南省气象服务中心，湖南 长沙 410118；2.气象防灾减灾湖南省重点实验室，湖南 长沙 410118；3.中山大学 大气科学学院，广东 珠海 519082；4.广东省气候变化与自然灾害研究重点实验室，广东 广州 510275)

随着全球气候变化的不断加剧以及城市化进程的快速发展，城市内涝灾害的发生也更加频繁，影响范围也越来越大[1-3]。这种不断发生的严重城市内涝灾害，已成为制约新兴发展中国家城市发展的重要因子[4]。“逢暴雨必涝”已经成为中国许多城市的真实写照[5-7]。近些年，北京、广州和郑州等大中城市相继发生暴雨内涝灾害事件。2012年7月21日，北京市遭遇特大洪涝灾害，造成79人死亡，受灾人口达160.2万。2014年5月23日，广州、清远等地区遭遇特大暴雨天气，造成当地交通瘫痪，通信中断，受灾人数超40万。2021年7月19-21日，郑州地区出现了历史以来极为罕见的极端暴雨天气，8个国家级地面气象观测站日降水量全部突破建站以来的最大值[8]，极端暴雨引发了严重的城市内涝和交通瘫痪，造成380人死亡失踪，直接经济损失达到人民币409亿元[9-10]。因此，科学地评估城市内涝灾害的风险性是保证城市经济可持续性发展的前提与必要条件。

迄今为止，国内外许多学者在城市内涝的模拟与评估方面开展了大量工作，主要包括历史事件统计分析、机器学习(卷积神经网络和BP神经网络等)和数值模型等方法。历史事件统计分析主要依赖降水数据，未充分考虑造成内涝的其他因素，如地形和植被覆盖等。机器学习法受到训练样本的限制，特别是许多城市的内涝事件样本数量和质量难以满足计算要求。数值模型虽然考虑到了影响内涝过程的所有基本参数，但是很少能实现研究范围和空间分辨率的平衡。例如，部分内涝模型虽然空间分辨率较高(<10 m)，但研究仅针对某小区或某一小片区域进行实时的模拟和计算，无法满足整个城区的防灾减灾工作。有些研究虽然能覆盖整个城区，但空间分辨率较粗(>100 m)，无法精准定位和捕捉内涝的发生点。DRIVE-Urban城市内涝模型能很好地实现整个城区地表高分辨率积水淹没信息的模拟。因此，本研究以长沙市内五区及高新区作为研究区域，运用DRIVE-Urban城市内涝模型和统计分析相结合的方法，实现街道尺度(10 m分辨率)的模拟，并结合GIS空间信息技术，实现了长沙市内涝灾害危险性的综合评估与区划。

1 数据与方法

1.1 研究区域概况

本文的研究范围为长沙市内五区及高新区，内五区主要包括芙蓉区、天心区、岳麓区、雨花区和开福区。为方便叙述，后文将这6个区统称为长沙市区。长沙市区为多级阶地组成的坡度较缓的平岗地带，地势南高北低[11]，属亚热带季风性气候，雨量充沛，且雨季集中[12]。每年汛期，由于过度集中的大暴雨天气，容易造成市区内出现严重积水，威胁着人民的生命和财产安全。

1.2 模型参数设置与评估方法

城市内涝模型DRIVE-Urban为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，通过二维水动力淹没算法，实现了河网、管道、地表三者之间的水通量交互计算，能对城区地带进行实时的内涝模拟，特别是城市地表高分辨率积水淹没信息的模拟。DRIVE-Urban从一维城市管网排放能力和二维河道溢流两个方面全面描述了流域与城市区域的相互作用方式，从降雨径流、蒸发下渗、管网排水、河道作用等方面阐述了城市内部的水循环过程。

模型使用的降水数据为2012-2021年1个国家基本气象站(长沙站)和60个区域自动气象站共10年的逐小时雨量数据，站点的分布如图1所示。数字地表模型为自然资源部国土卫星遥感应用中心的高分辨率DSM(Digital Surface Model)，其分辨率为10 m。土地覆盖数据为ESRI公布的全球10 m土地覆盖数据。长沙城市道路矢量数据来源于中国科学院资源环境科学与数据中心，土地利用数据来源于OSM(Open Street Map)。

图1 国家基本气象站和区域自动气象站的空间分布

因为缺乏地下管网数据，所以对城市管道模块做出如下设计：①每条主干道路都具有管道排放能力；②每条道路的头部和尾部都具有管道口用于该道路的地表水排放；③管线的拓扑结构与道路相似，即主干道管线的布置与道路平行；④每个管道均为圆形口径，其直径为50 cm(该数值为长沙市常用管道标准口径；管道的上下游关系根据道路的总体坡度决定，管道的长度与道路长度相等)；⑤管道排放口连接于最近的河道格点；⑥地表逐时刻降雨-产流均汇流于最近的管道口。

DRIVE-Urban模型采用数值求解圣维南方程组的运动波方程，得到河道格点的逐3 h径流量、水深等数据，并假设河道水深在3 h内不变；采用求解圣维南方程组的动力波方法得到管道逐时刻的汇流状态(管道模拟时间步长设置为5 s)，并通过两种类型的二维淹没算法连接城市地表与管道的水量交互，以及河道与城市地表的水量交互；地表降雨-径流的模拟采用SCS-CN径流曲线法，地表子汇水区CN的数值根据长沙市土地覆盖、土地利用数据确定；基本的圣维南方程的公式如下：

(1)

(2)

式中：Q为径流流量，A为过水断面面积，q为侧向入流量，S0为渠道坡度，Sf为摩擦坡度，g为重力加速度，H为水深。

求解圣维南方程组利用到的谢才公式与曼宁公式如下：

(3)

(4)

式中：n为曼宁糙率系数；R为水力半径。

在祁彪佳死后的30多年里，商景兰对于人生价值尤其是女性立身的思考逐渐明晰，并在文学世界寻找到了自我意识抒发的渠道。她“恃子若女，相依膝下，或对雪联吟，或看花索句，聊寄风雅，以卒桑榆。”[9]297山阴祁氏的文学活动为时人津津乐道，成为当地一桩美谈。商景兰不仅开始思考作为个体的生命意义，还意识到作为女性的生存处境。在《西施山怀古》中，诗人感慨万端：

内涝模型的模拟效果评估指标为内涝点命中率(POD)，POD越接近1，表示模型未模拟到的内涝事件越少，模型的模拟效果越好，可信度越高。

(5)

式中：Nhit表示真实观测到的内涝且模型成功捕捉到的数量，Nmiss表示真实观测到的内涝但是模型未模拟出来的数量。

1.3 内涝风险区划方法

本研究基于降水、地形和内涝持续时间等参数来确定长沙市区的内涝风险区划。降水因子根据内涝过程中1 h、3 h、6 h降水量建立评价指标库，对各评价指标进行归一化处理，并采用德尔菲法，确定权重后通过加权求和得到内涝过程中单站降水量的强度指数。内涝过程中单站降水量强度指数的公式如下：

IR=A×I1h+B×I3h+C×I6h。

(6)

式中：IR为单站暴雨过程强度指数；I1h、I3h和I6h分别是1 h、3 h、6 h最大降水量归一化处理后的指标数值，A、B、C为权重系数，分别为0.5，0.3和0.2。

为了综合评估内涝灾害的危险性，利用致灾因子和孕灾环境共同定义危险性指数，具体表示为：

DA=E×IR+F×Train+G×Hterrain。

(7)

式中：DA为内涝灾害综合危险性指标，IR为内涝过程中单站降水量强度指数，Train为内涝过程发生时内涝的持续时间，Hterrain为站点位置的高程，E、F、G分别表示三个指标的权重系数，分别为0.4，0.2和0.4。

2 结果的分析与应用

2.1 长沙市内涝事件统计

2012-2021年期间，长沙市区共发生城市内涝102起，受内涝影响的街道共计109条。各区的内涝事件次数统计由图2所示，可知雨花区的次数最多(26起)，之后分别是岳麓区、天心区、芙蓉区、开福区和高新区。

图2 2012-2021年间长沙市区内城市内涝事件次数统计

图3 2017年06月29日11时-07月02日05时长沙市区降水空间分布

图4 2021年08月17日16时-08月18日00时长沙市区降水空间分布

2.2 典型内涝事件的降水空间分析

2.2.1 2017年7月案例

2017年6月29日-7月2日，长沙市区普降大到暴雨。此次降水过程具有强度大，范围广，持续时间长等特点。6月29日11时-7月2日05时，长沙市区平均累计降水量达278 mm，22个自动站累计雨量均超过200 mm。累计雨量超过300 mm的有7站，其中岳麓区4站，天心区、雨花区和芙蓉区各1站，最大值为岳麓区长沙国家站351.3 mm。最大小时雨强出现在开福区霞凝港站，达62.6 mm(30日14时-15时)。22个自动站中有21个站最大小时雨强超过20 mm，6个站超过50 mm(岳麓区4站，开福区1站，高新区1站)。

2.2.2 2021年8月案例

2021年08月17日，受到中低层切变的影响，长沙市区出现暴雨天气，部分地区大暴雨。8月17日16时-18日00时，长沙市区平均累积雨量28.59 mm，累计雨量超过50 mm达到暴雨标准的有8站(岳麓区4站，雨花区2站，天心区1站，开福区1站)，其中最大值为雨花区东塘街道七里庙站，其8 h累计雨量达106.4 mm，达到大暴雨标准。暴雨区域主要集中在岳麓区东部、天心区北部、雨花区北部和开福区北部。最大小时雨强出现在雨花区东塘街道七里庙站，达66.3 mm(17日17-18时)。其中岳麓区东部、天心区北部、雨花区北部、和开福区北部小时雨强较大，超过20 mm。

2.3 基于DRIVE-Urban模型的典型内涝事件模拟

基于逐小时的降水数据输入，DRIVE-Urban模型分别模拟了两次典型的内涝事件(2017年7月和2021年8月案例)。图5为模型生成的2017年7月1日11时的城市道路积水分布，空间分辨率为10 m。此次内涝的范围几乎覆盖了整个长沙市区的主要街道，特别是雨花区西北部、天心区中北部、芙蓉区中西部、开福区南部、岳麓区东部以及高新区东部。内涝严重地段多集中于街道、十字路口和地势低洼的地区。市区内共监测到25处内涝点，模型成功捕捉到16处，内涝点命中率(POD)达到64%(表1)。图6为长沙市岳麓区牌楼路附近的积水淹没图，可以看出牌楼路和麓山路的北段积水面积较大，大部分积水深度都在100～500 mm之间。

表1 两次典型内涝事件中模型的内涝点命中率(POD)结果

图5 2017年7月1日11时长沙市区的内涝积水分布

图6 2017年7月1日11时长沙市岳麓区牌楼路和麓山路附近的内涝积水分布

图7为2021年8月17日18时的城市道路积水分布图，其空间分辨率为10 m。该图显示此次内涝的范围主要集中在天心区中北部和雨花区西北部，且内涝严重地段主要在分布在街道和地势低洼的地区。市区内共监测到21处内涝点，模型成功捕捉到14处，内涝点命中率(POD)达到67%(表1)。图8为长沙市天心区浦沅桥附近的积水淹没图，从图中可以看出南二环、芙蓉南路和部分小区的积水面积较大，积水深度集中在100 ～500 mm之间，部分地区的积水深度甚至超过了500 mm。

图7 2021年8月17日18时长沙市区的内涝积水分布

图8 2021年8月17日18时长沙市天心区南二环和芙蓉南路附近的内涝积水分布

2.4 不同重现期下内涝积水的模拟

基于长沙市区国家站和区域自动站的降水数据，分别计算了6个不同重现期(5年、10年、20年、30年、50年和100年)下的降水累计量，并使用反距离加权法插值到10 m×10 m的水平网格上作为DRIVE-Urban内涝模型中的降水输入数据，得到历时1 h和3 h的重现期下城市道路积水淹没情况(表2和表3)。由表2可得，当暴雨历时为1 h的时候，重现期越大，积水面积越大。积水深度为0.1 ～0.25 m的积水面积占总积水面积的86.99%到90.18%，积水深度为0.25 ～0.50 m的积水面积占总积水面积的9.31%～12.27%，积水深度为0.50 ～1.0 m的积水面积占总积水面积的1%以下，积水深度未超过1.0 m的比例不足0.1%。并且随着重现期的增大，积水深度大于0.25 m的占比越高。表3为不同重现期长沙市区暴雨历时3 h积水面积，相比于表2可以发现，当重现期相同时，暴雨历时越长，积水越深，积水面积也越大，且积水面积最高占比达总市区面积的8.2%(96.51 km2)。

表2 不同重现期长沙市区暴雨历时1 h的积水面积

表3 不同重现期长沙市区暴雨历时3 h的积水面积

2.5 内涝风险评估与区划

根据城市内涝模型的模拟结果，对长沙市区内涝的积水深度进行了风险等级的划分(表4)。当内涝的风险等级为1级时，内涝风险属性为低风险，积水深度在0.1～0.25 m，1 h的雨量参考值为0～30 mm。当内涝的风险等级为2级时，内涝风险属性为中风险，积水深度在0.25 ～0.5 m之间，1 h的雨量参考值为30～50 mm。当内涝的风险等级为3级时，内涝风险属性为较高风险，积水深度在0.5 ～1 m之间，1 h的雨量参考值为50～70 mm。当内涝的风险等级为4级时，内涝风险属性为高风险，积水深度大于1 m，1 h的雨量参考值大于70 mm。

表4 基于积水深度的城市内涝风险等级指标

根据内涝危险性指数的值来对应内涝风险等级指标中的四个风险等级，最后得到长沙市区暴雨次数和内涝风险区划图(图9)。从图中可以看出高风险和较高风险的区域主要集中在岳麓区东部、开福区南部、天心区北部、芙蓉区、雨花区北部和高新区南部。芙蓉区、开福区、天心区、雨花区和岳麓区的许多地区基本都处于中风险以上。高新区北部、岳麓区西部和雨花区南部因为地势较高，风险等级较低。

图9 长沙市区的暴雨次数和内涝风险区划图

暴雨的次数与内涝的风险区划基本相符，特别是芙蓉区和开福区南部，其风险等级与暴雨的频次关系密切。尽管岳麓区西部、高新区西部和雨花区南部也有个别点的暴雨次数较多，但是由于其位置多为海拔较高的山地，植被覆盖情况良好，蓄水能力较强，不易发生内涝。

3 结论与展望

本文以长沙市区为研究区域，统计了市区近十年的内涝分布情况，运用DRIVE-Urban城市内涝模型分别模拟了两次典型的内涝事件和六个不同重现期下城市道路积水淹没情况，并确定了内涝风险等级和风险区划。主要结论如下：

1)长沙市区在2012-2021年间共发生内涝102起，受影响的街道达到109条，其中雨花区最多达26次，之后分别是岳麓区、天心区、芙蓉区、开福区和高新区。

2)两次典型内涝事件的模拟结果显示内涝区域主要集中在岳麓区东部、天心区中北部、雨花区北部、芙蓉区中西部、开福区南部及高新区东部，内涝点命中率分别为64%和67%。部分街道的积水深度达到了250 ～500 mm，少数街道积水深度超过了500 mm。

3)6个不同重现期下(5年、10年、20年、30年、50年和100年)短历时(1～3 h)的城市内涝积水淹没情况表明当重现期相同时，暴雨历时越长，积水越深，积水面积也越大。随着重现期增大，积水面积也越来越大，积水面积占比最高甚至达到了市区总面积的8.2%(96.51 km2)。

4)基于内涝模型的模拟结果，将内涝风险等级分为4个等级，1～4级分别对应低风险、中风险、较高风险和高风险，积水深度分别对应为0.1～0.25 m、0.25～0.5 m、0.5～1 m和大于1 m。高风险和较高风险区域主要集中在岳麓区东部、天心区北部、芙蓉区、开福区南部、雨花区北部以及高新区南部。高新区北部、岳麓区西部和雨花区南部风险等级较低。

尽管DRIVE-Urban城市内涝模型在内涝点命中率(POD)方面的模拟效果较好，但是由于观测资料的缺失，无法实时获取街道的淹没水深和淹没范围等数据，造成模型的评估手段较为单一。此外，模型在城市隧道等特殊地形地区的模拟效果较差，这是因为DSM显示的是隧道顶部的高程，使得模型难以模拟出隧道内的积水，造成模拟的结果误差较大。今后将与城市排水相关部门展开合作，获取更多实时的街道积水和淹没数据，同时设计算法自动校正特殊地形的高程值，进一步提升模型的准确率。