西安城市内涝分布特征及其与降雨量的关系

利用西安市市政部门2007—2012年城市内涝资料及相应时段西安城区自动气象站逐小时降雨资料,对西安城区17例内涝过程进行了时空分布特征分析,对58个内涝点内涝进行了内涝等级划分并研究了积水深度与降雨强度的关系,建立了部分内涝点积水深度与降雨量方程。结果表明:西安城市内涝点空间分布较为均匀;内涝发生频率最高为41%,最低为18%;7—8月为城市内涝发生高峰期,占年内涝总次数的70%;07:00—08:00、15:00—16:00为城市内涝日变化中两个明显的高峰时段;城市内涝按积水深度划分为微风险、低风险、中风险、高风险四个等级,其中中风险等级内涝占西安总内涝次数的45%;短时强降水是造成城市积涝的主要原因,1h和3h降雨量是积水深度的重要影响因素。     

基于城市暴雨内涝数学模型的福州内涝灾害风险评估

以福州市城区地表和明渠河道为主要模拟对象,结合福州市城区高精度地理信息、排水设施、排水运作方式等数据,建立福州城市暴雨内涝数学模型。利用该模型对福州市历史上3次典型降雨过程以及不同重现期降雨造成的城区内涝灾害进行模拟。对模型的模拟结果与实况积水进行评估表明,3次降雨过程的模拟与实况积水深度绝对误差小于10 cm的积水点分别占比为50%、78%、76%。模型对雨强较大的短时强降雨过程,模拟效果稍差,模拟积水比实况积水整体偏小;对长时间、雨强比较平均的降雨,整体模拟效果较好。利用模型对不同重现期降雨下福州市城区内涝灾害风险进行评估表明,模型能够客观反映不同重现期降雨过程下福州市城区内涝灾害风险分布。     

广州城市暴雨内涝模型模拟效果评估

基于水动力方法构建的广州城市暴雨内涝模型,结合精细化降水预报,对内涝点的积水深度及风险等级进行模拟,结果表明,模型对近两年内涝点内涝风险等级命中率达65%,对总降水量为50～100 mm的降水过程命中率最高为72.8%。模型对2020年“5.22”特大暴雨过程模拟的积水深度和实况相比偏弱,误差主要分布在30 cm以内,大约占64%,大部分模型模拟积水深度偏小,主要位于广州中北部地区;此外,模型对积水1m以下内涝点的积水有不错的模拟能力,而对2m左右的深积水模拟能力还有限。不同重现期雨情下,广州中心城区的降雨量和历时越大,积水面积越大。1 h重现期雨情下,积水深度一般在20 cm以下,部分在20～59 cm;3 h降雨情景下,积水明显加深,积水深度一般在20～59 cm,部分在0～20 cm和60～119 cm。总体而言,模型模拟结果与实测内涝积水情况基本一致,模型准确度可满足业务需求。     

天津市典型区域立体多重城市内涝模型研究

以天津地区典型的津河局部地段作为研究对象,结合城市地理信息和排水管网运作方式,重新构建城市内涝模型,将河网、路网、管网和社区的计算网格分层划分,形成相对独立的河网、路网、管网和社区的计算模拟体系,通过对城市内涝数学模型进行改进,形成分区分层与立体多重的城市内涝计算模式。选取2009—2015年天津地区的10次降雨过程,结合排水部门提供的城市积水信息和河道水位数据,对建立的立体多重城市内涝模型的模拟结果进行验证。结果表明:建立的天津地区立体多重城市内涝模型模拟的最大积水深度与实况积水深度误差绝对值小于10 cm的降水过程,占模拟的2009—2015年天津地区全部降雨过程的88%,模拟的液面过程与实测液面过程的变化趋势一致,模拟的河道水位与实况水位的统计平均误差均小于10 cm,水量平衡的相对误差为0。可见,建立的天津地区立体多重城市内涝模型可以有效的模拟城市河道的水位和城市积水的变化。     

南昌市城区暴雨积水的数值模拟

论述了南昌市城市暴雨积水仿真系统的数学原理和开发成果,并应用实况降水对该系统的模拟精度进行测试。结果表明:大多数(62.6%)模拟计算结果的绝对误差在10 cm以内,只有极少数(2.4%)实际积水与模拟结果的误差超过30 cm。暴雨积水等级试验结果表明,中度以上暴雨积水地段的预报准确率达98%,轻度积水和无积水地段的预报准确率达92%。总体来看,暴雨积水趋势(等级)预报基本准确,定量(积水深度)预报有误差,平均相对误差为6%,模型的预测结果与实况基本相符。通过人工给定不同强度的雨量来模拟南昌市两个重点积水地段的积水过程,得到结论:当降水强度达到20 mm/h时,开始产生积水,降水强度超过30 mm/h时将产生严重积水;两个积水点因排水条件不一样,退水时间差异较大。排水条件差的地段,中—大雨需要15 h退完,暴雨需要24 h以上才能退完;在不同降水强度和排水条件下,最大积水深度出现的时间有明显区别;在暴雨情况下,绝大部分(76%)积水点的最大积水深度出现在2~3 h内。此外,讨论了模拟误差产生的原因。     

南宁市暴雨内涝监测预警系统

利用多普勒雷达产品、精细化数值预报产品和城市密集自动雨量观测站数据,以内涝积水模型和内涝风险等级划分原理为核心,研发精细化到街区的南宁市暴雨内涝监测系统,实现城市内涝的实时监测、提前预警和风险预估,并将内涝预警信息以多种途径发布;将该系统用于2015年5月4日的短时强降雨造成城市内涝过程,验证结果表明:模拟结果与观测结果基本相符,最大积水深度和位置基本一致,但个别点存在两者异常偏大情况,排水管网初始场数据不完善是导致模拟结果产生异常的主要原因。应用结果表明,该系统具备一定的暴雨内涝动态监测预报能力,对提高对城市暴雨内涝灾害的监测预警和风险评估水平起到了一定作用。     

2017-2019年东莞城区内涝特征及与降雨关系分析

利用东莞城市内涝预报验证系统的积水和降雨数据、SWIFT自动站资料、NCEP再分析资料、广州雷达基本反射率资料,对2017年3月—2019年9月东莞城区内涝特征及内涝与降雨的关系进行分析,结果表明:东莞城区内涝发生频繁,重度内涝较多,内涝事件多发生在前汛期(4—6月),以5月最多;与长时间降雨相比,短时强降雨更易导致城区积水较深的内涝,1 h降雨量达27.6 mm以上时,城区大部可达中度内涝等级,1 h降雨量在51.2 mm以上时,城区大部将可能出现重度内涝;过程总雨量和1 h雨强都对长时间积水有影响,但过程总雨量较大更易导致积水长时间维持;积水一般滞后降雨约5~30 min出现,积水峰值滞后5和30 min才出现。     

基于智能物联网技术的天津城市积水监测预警系统

通过智能物联网技术实时获取积水监测实况数据,利用天津市气象精细化格点预报产品和城市自动雨量观测站实况数据,以机器学习、神经网络模型和天津市城市内涝风险等级划分原理为基础,研究基于用户实时位置的城市内涝预报预警技术,研发天津市城市自动化积水监测预警系统。结果表明,该系统具备一定的城市内涝风险监测预警预报能力,并在2018—2020年多次重大天气过程中应用,积水深度预报结果与监测结果基本一致,应用数据表明验证结果良好,系统可以为政府防灾减灾决策、指挥调度提供精准、及时的气象数据支撑。     

基于高时空分辨率降水预报产品的城市内涝预警研究

使用高精度高程、路网、河网、排水管网、工程设施以及防洪调度等数据,将各类空间信息剖分为7 287个无结构不规则网格及相应通道,并针对城市立体化交通设施,对模型进行调参,最终构建了合肥城市暴雨内涝数值模型。采用城市地表、明渠河道、排水管网等主要水文水动力学物理过程,模拟积水深度及演进情况。在此基础上,将短时临近预报系统INCA (Integrated Nowcasting through Comprehensive Analysis)的降水估测产品和降水预报产品(空间分辨率1 km,时间分辨率1 h)作为驱动条件,得到未来6 h逐时的积水深度预报及内涝风险预警产品。研究结果表明:城市内涝模型对积水深度及积水演进过程的模拟和实况较为吻合,体现出对河网、路网、社区积水良好的模拟能力。对2017年8月25日合肥西南部严重内涝过程的检验表明,积水深度预报效果很大程度上依赖INCA的降水预报质量,对于短时强降水,INCA在临近时效预报效果相对较好,因此积水深度预报产品可在临近时效内较为准确的预报积水区域以及积水变化过程。可见利用高时空分辨率降水预报产品和城市暴雨内涝数值模型耦合制作内涝风险预警,可有效增加内涝灾害的预见期,为城市防涝减灾提供科学参考。     

基于灰色关联度分析的南昌城市内涝积水深度评估

基于南昌市2008年以来11次城市内涝和气象资料,采用灰色关联度、多元线性回归等方法,建立了南昌城市内涝积水深度评估模型.结果表明,面雨量、降水强度、降水持续时间和强降水站次数是影响南昌市内涝积水深度的主要因素,建立的城市内涝积水深度多元线性回归模型具有一定的精度,可用于对城市内涝积水深度的灾后快速评估和预评估.