2. 安徽省气象台, 合肥 230031;
3. 南京大学大气科学学院, 南京 210023;
4. 天津市气象科学研究所, 天津 300074;
5. 合肥市气象台, 合肥 230041
2. Anhui Meteorological Observatory, Hefei 230031;
3. School of Atmospheric Sciences, Nanjing University, Nanjing 210023;
4. Tianjin Institute of Meteorological Science, Tianjin 300074;
5. Hefei Meteorological Observatory, Hefei 230041
随着我国城市化进程的快速推进,城区不透水面积不断增加,导致降水汇集面越来越大,汇流速度明显加快,地表径流也显著增加。研究表明,对于相同量级的暴雨,城市洪峰流量比天然流域高出2~4倍甚至10倍(Changnon,1985;Nassir and Rousselle, 1987;Nix and Tsay, 1988)。与此同时,全球变暖导致突发性极端强降水呈现频发的趋势(王会军等,2010;郝莹等,2012),热岛效应也造成城市降水频率高、雨强大(陆敏等,2010)。因此,城市暴雨内涝灾害日益加剧,严重影响了城市交通网的安全运行,威胁着公众的生命财产安全。
合肥市近年来屡遭暴雨内涝重创,除了上述原因外,排水管网标准低和城市空间立体开发也是导致严重内涝的重要因素:合肥市2006年以前雨水管道设计暴雨重现期基本为0.5~1.5 a(刘伟杰等,2013),排涝能力较弱。且近年来修建了大量的下凹式立交桥、地下停车场和地铁,城市内涝风险进一步增大。因此当遭遇暴雨时,合肥城区呈现出较大的脆弱性,但城市化进程和管网现状很难在短时间内改变,因此开展精细化的积水深度预报及内涝风险预警就成为应对城市内涝灾害的有效途径。
欧美等发达国家在城市内涝数值模拟领域起步较早,取得许多可借鉴的成果,最有代表性的是美国环境保护署(Environmental Protection Agency,EPA)提出的城市暴雨雨水管理模型(storm water management model,SWMM)(董欣等,2006)以及由Wallingford软件公司开发的城市综合流域排水模型InfoWorks CS。自20世纪80年代以来,国内学者才开始利用数值模拟的方法进行城市内涝的相关研究,如徐向阳等(2003)采用水文水力学相结合的途径,建立了城市地表积水模型。清华大学规划院在SWMM模型基础上提出了Digital Water模型。天津气象科学研究所研制的城市暴雨内涝数值模型应用最为广泛,该模型以二维非恒定流理论为基础,实现了地面积水模拟和城市管道水体模拟的结合,具有一定的内涝监测预报能力(Li et al., 2004;解以扬等,2004;解以扬等,2005;段丽瑶等,2014;陈靖等,2015)。但目前的研究主要集中在内涝情景的模拟、风险评估或是对内涝预警系统的介绍(赵思健等,2004;常春芝,2008;陈波和冯光柳,2008;殷杰等,2009;尹占娥等,2011;史军等,2016;洪国平等,2018),对内涝的预报预警研究较少。近年来随着数值预报理论与方法、大气探测技术及计算机技术的迅速发展,数值预报模式已呈现出对客观定量降水预报的巨大潜力,利用高分辨率定量降水预报驱动城市内涝模型,可得到未来几个小时的积水深度预报,能增长城市内涝预报有效预见期、提高预报精度,为城市防洪防涝提供科学依据。
本文在统计2008—2018年合肥市城市暴雨内涝特征的基础上,基于天津城市暴雨内涝数值模型,融合合肥市高程、路网河网、排水管网、工程设施以及防洪调度等基础信息,构建了合肥城市暴雨内涝数值模型。将奥地利气象局开发的短时临近预报系统INCA (The Integrated Nowcasting through Comprehensive Anal⁃ ysis)(空间分辨率为1 km,时间分辨率为1 h)(Wang Y et al., 2017)单向耦合至城市内涝模型中,得到未来6 h逐小时的积水深度预报。经检验,该产品能较为准确的预报积水的演进过程,体现出对积水区域和积水深度的可预报性,且能有效的增长内涝预警的预见期。
1 数据与方法 1.1 基础观测数据及地理信息(1) 合肥主城区附近16个自动气象站的逐小时降水观测数据。(2) 2008—2018年合肥市20个严重内涝过程的监测数据(来自合肥市排水办),包括积水位置、最大积水深度、泵站启用和关闭时间等信息,主要通过视频监控、积水监测站、人工上报等方式收集。(3) 1:10 000的地理信息数据(来自安徽省测绘院),主要包括高程、道路、河道、湖泊、铁路等。(4)合肥市泵站及其防洪调度信息、排水管网、易涝点、下凹式立交桥、地下通道等数据(来自合肥市排水办)。
1.2 合肥城市暴雨内涝数值模型 1.2.1 研究区域本文的研究区概况如图 1所示,研究区域位于合肥市主城区,西北临铁路、南迄绕城高速、东至店埠河西岸,包括南淝河和十五里河两大雨水系统共计11个汇水区。区域的选取符合雨水系统结构明晰且边界阻水的要求。研究区内包括环城河、南淝河、十五里河、匡河及天鹅湖等5条河流或湖泊、152条街道、11个地下通道、28个下凹式立交桥,并覆盖了15个自动雨量站。
根据地形高程、道路、河道、下垫面等地理信息数据,应用有限体积法的思想,将研究区划分成7 287个无结构不规则的网格,其中河道型网格为439个、湖泊型网格为97个、道路型网格为5 170个、社区型网格为1 581个。按照网格的建筑面积修正率及网格糙率反映不同下垫面的径流系数和水流阻力影响。网格糙率的取值,空地:0.035;旱地:0.060;树丛:0.065;城区:0.080;水面:0.025。建筑面积修正率则统一赋值为50.0。
1.2.3 地表水文过程的模拟城市内涝模型模拟地表、明渠河道的水流时,基本控制方程为平面二维非恒定流方程(赵思健等,2004;殷杰等,2009),考虑不同的下垫面特征,城市内涝模型将网格间的通道概化为路面型、河道型、特殊通道型(城市内的二级河道)、其他型(含泵站、堤坝、淹没出流管道等),根据不同类型简化动量方程, 模拟地表水文过程,计算流量。
二维非恒定流基本方程如下
连续方程
$ \frac{\partial H}{\partial t}+\frac{\partial M}{\partial x}+\frac{\partial N}{\partial y}=q $ | (1) |
动量方程
$ \frac{\partial M}{\partial t}+\frac{\partial(u M)}{\partial x}+\frac{\partial(v M)}{\partial y}+g H \frac{\partial Z}{\partial x}+g \frac{n^{2} u \sqrt{u^{2}+v^{2}}}{H^{1 / 3}}=0 $ | (2) |
$ \frac{\partial N}{\partial t}+\frac{\partial(u N)}{\partial x}+\frac{\partial(v N)}{\partial y}+g H \frac{\partial Z}{\partial y}+g \frac{n^{2} v \sqrt{u^{2}+v^{2}}}{H^{1 / 3}}=0 $ | (3) |
式中,H为水深;Z为水位,Z = Z0 + H,Z0为底高程;q为源汇项,包括有效降雨量和排水强度两项;M,N分别为x,y方向上的单宽流量,且M = Hu,N = Hv;u,v分别为流速在x,y方向上的分量;n为糙率;g为重力加速度。
(1) 河道型通道,动量方程中保留局地加速度项、重力项和阻力项,即保留方程(2)和(3)的①④⑤项,则控制方程简化成:
$ \frac{\partial M}{\partial t}+g H \frac{\partial Z}{\partial x}+g \frac{n^{2} u \sqrt{u^{2}+v^{2}}}{H^{1 / 3}}=0 $ | (4) |
$ \frac{\partial N}{\partial t}+g H \frac{\partial Z}{\partial y}+g \frac{n^{2} v \sqrt{u^{2}+v^{2}}}{H^{1 / 3}}=0 $ | (5) |
(2) 路面型通道一般比较平坦,暴雨洪水主要受重力和阻力作用,加速度项可以忽略不计,即只保留方程(2)和(3)的④⑤两项,则控制方程为
$ g H \frac{\partial Z}{\partial x}+g \frac{n^{2} u \sqrt{u^{2}+v^{2}}}{H^{1 / 3}}=0 $ | (6) |
$ g H \frac{\partial Z}{\partial y}+g \frac{n^{2} v \sqrt{u^{2}+v^{2}}}{H^{1 / 3}}=0 $ | (7) |
(3) 特殊通道的模拟与计算
城市内二级河道,由于宽度较小,不便于将其划分成独立的单元网格,也不能将其忽略不计。因此,模型中将二级河道模拟成特殊通道,以反映水流沿河而流以及河道与两侧陆地之间水量交换的现象。计算方法与河道型网格相似。
(4) 其他型通道的流量采用宽顶堰流公式计算
$ Q_j^{T + dt} = m{\sigma _s}\sqrt {2g} H_j^{{}^{3}\!\!\diagup\!\!{}_{2}\;} $ | (8) |
m为通道流量系数,σ s为通道下游淹没系数。
1.2.4 城市排水系统的模拟城市管网、泵站、闸门组成了城市排水系统,当出现降雨时,地面积水汇流至管道,管道沿高程梯度方向汇合至出口处,出口处由闸门或泵站控制向河道泄水,形成“雨水—地表积水—管道汇水—泵、闸、口门排水—河道汇水”的模拟过程。其中,城市排水管网的水流采用一维非恒定流方程计算。管道内的流量使用一维非恒定流方程的离散形式计算(式4),管道内的水深则采用连续方程的离散形式计算(式5)。
$ Q_{p}^{T+d t}=Q_{p}^{T-d t}-2 g A_{p} \frac{z_{i 2}^{T}-z_{i}^{T}}{d L_{i}} d_{t}-2 g \frac{n^{2} Q_{p}^{T-d t}\left|Q_{p}^{T-d t}\right|}{A_{p} R_{p i}^{4 / 3}} d t $ | (9) |
Qp为管道断面的流量,dLi为相邻两网格形心到通道中点距离之和,Rpi为水力半径。当管道为明渠流动时,Ap为管道过流面积,zi1和zi2分别为相邻网格管道中的水位;当管道为有压流动时,Ap为管道断面面积,zi1和zi2分别为相邻网格管道窄缝中的压强水头值。
$ H_{p}^{T+2 d t}=H_{p}^{T}+\frac{2 d t}{A_{p}} \sum\limits_{k=1}^{N} Q_{p}^{T+d t}+2 q_{1}^{T+d t} \frac{A}{A_{p}^{\prime}} d t $ | (10) |
其中Hp为管道的水深,q1为管道的排水强度,N为排水管道通过的通道数,A'p为网格内管道的等效底面积。
1.2.5 模型的计算流程城市内涝模型的计算分为面雨量插值运算,河网、管网、社区汇流模拟,管网自流或水泵排水等3个主要程序块,图 2为城市内涝模型计算流程图。
为了提高数值模式预报产品在临近预报、短时预报中的预报能力,奥地利气象局研发了短时临近预报系统INCA (Haiden et al., 2011;Wang et al., 2017)。IN⁃ CA的空间分辨率为1 km,时间分辨率为1 h,更新频率为10 min。INCA的降水产品分为降水估测产品(QPE,Quantitative Precipitation Evaluation)和降水预报产品(QPF,Quantitative Precipitation Forecast)两种。QPE由观测降水和雷达估测降水两者融合而成,同时考虑了地形的影响。QPF由两部分组成:1)基于观测降水的外推,2)数值模式的降水预报。外推方法是利用外推矢量基于前面几个时次的降水分析场外推获得降水预报场,但当由于错误相关导致错误的外推矢量,从而使得外推速度过大时,就需要利用ALADIN的500 hPa和700 hPa风场对外推矢量进行订正。订正方法如下
$ \left|\vec{V}_{K O R R}\right|+\left|\vec{V}_{K O R R}-\vec{V}_{A L A}\right| \leq\left|\vec{V}_{A L A}\right|+2 \Delta $ | (11) |
其中
模式预报降水为ALADIN模式和欧洲中期天气预报中心(European Center for Medium-Range Weather Forecasts, ECMWF)的降水预报。数值模式降水预报表现具有准系统性的偏差,特别是在高海拔区域。利用ALADIN模式和ECMWF模式降水预报误差的不同特征,对两者进行优化组合得到最优的降水估计。统计结果表明两者的关系为:
$ P_{O P T}=w_{A L A} P_{A L A}+w_{E C M} P_{E C M} $ | (12) |
权重系数之和(wALA + wECM)并不一定等于1,系数是通过最小化平均绝对误差获得,并插值到INCA网格点上,数值模式预报的降水也插值到INCA网格点上,通过上式计算得到POPT,最终INCA预报的降水量为
$ P_{I N C A}\left(t_{i}\right)=g P_{E X T R A P}\left(t_{i}\right)+(1-g) P_{O P T}\left(t_{i}\right) $ | (13) |
其中,
根据2012—2013年INCA降水预报产品对安徽省中小流域预报的评估结果表明,6 h预报时效内的晴雨正确率达85%以上;平均绝对误差和均方根误差分别小于2 mm和4 mm。其中1 h预报时效的正确率高达94.3%;平均绝对误差和均方根误差仅为1.27 mm和2.64 mm。可见INCA在短时临近时效内具有较好的预报性能。
1.4 内涝风险预警质量评估方法分别利用相关系数、漏报率、平均等级偏差和模糊评分法等评价指标来评估城市内涝模型对实际积水的模拟能力。
1.5 内涝风险等级统计合肥市2008—2018年20个典型内涝个例, 图 3给出了183个积涝点的积水深度散点图。可见在过去11 a内合肥市的内涝积水深度大都集中在20~60 cm,仅有极个别的内涝点积水深度超过100 cm。利用百分位法求得位于90百分位、75百分位、50百分位、25百分位的积水深度分别为80 cm、45 cm、30 cm和20 cm。综合考虑城市的路缘石高度及不同车型的涉水深度,将合肥城市暴雨内涝风险等级划分为4级(表 1)。
2015年6月16日07—14时(北京时,下同),合肥出现强降水,此次降水过程呈现突发性强、降水历时短、局地性强的特征。城区累计降雨量普遍超过60 mm,其中小西冲站达88.5 mm。图 4给出了7个自动雨量站的雨强变化趋势,可见强降水集中在两个时段,分别为07时及11—12时,最大小时雨强为36 mm·h-1。由于合肥的排水管网排涝能力较弱,13时左右城区多地开始出现严重积涝,积水深度普遍为20~50 cm,最深超过1 m。多处居民住宅被淹、交通大面积瘫痪,两条高速出入口封闭,造成了较大的经济损失。此次内涝过程共有三个重灾区,分别位于老火车站、淝河路一带和金寨路高架和合作化高架交口,前两者是由于地势低洼、管网建设早、标准低导致,后者则是城市立体建设的后果。
根据合肥市排水办提供的部分内涝点的积水深度监测实况,结合模拟情况对模型进行调参和修正(表 2)。主要做法包括:针对立体化交通设施,如下凹式立交桥、地下通道等,将所在网格的高程从桥面高度降低到桥底高度;修改管道管径;根据路面材质,修改路面的糙率(吴持恭,1982);根据易涝点信息适当调整网格高程。
使用合肥城区附近16个自动气象站的降水观测数据驱动城市内涝模型,以6月15日20时—16日02时共6 h作为模型预热时段,以16日02—20时作为模拟时段,共18 h,参数率定前后模拟的最大积水深度如图 5所示。由于排水办的积水监测点较少且一部分是通过人工上报,内涝未被监测到的情况经常出现,因此模拟积涝点通常比实况监测积涝点多,尤其是合肥东部,几乎没有内涝监测点。因此本文中仅评估实况积涝点的模拟情况。在参数率定前,虽然模型模拟出内涝点和大多数实况监测内涝点相吻合,但北部、西部局地的内涝点并未模拟出,且在火车站、淝河路及金寨路三个重灾区积水深度普遍存在低估,而局地则出现严重高估。根据排水办提供的32个积涝点积水深度数据,得出模拟积水深度和实测值的相关系数为0.23,漏报率为0.46,平均等级误差为1.6级,对于Ⅰ-Ⅳ级风险的模糊评分分别为0、31.4、42.3、0。可见参数率定前城市内涝模型对积水深度尤其是对Ⅱ级、Ⅲ级风险的内涝具有一定的模拟能力,但漏报率较高且对特别严重内涝和轻度内涝的模拟能力较弱。参数率定后,模拟的准确率得到大幅提高,相关系数高达0.89,平均等级误差缩小到0.38,漏报率减少到0,对Ⅰ-Ⅳ级风险的内涝模糊评分分别为93.3、91.4、95.0、86.7。选取分别位于合肥东西南北四个方位且是内涝重灾区的四个街区,对比城市内涝率定前后对积水演进过程的模拟效果。由图 6可见在参数率定前后积水深度呈现出双峰形态,和雨强变化趋势相似,且最大积水深度出现的时间较强降水滞后约1 h,和实际情况较为吻合,参数率定后对积水深度峰值的模拟更接近实况。在四个内涝点中,合作化路和南二环交口的模拟效果最好,究其原因,可能是由于该区域网格面积小且排水管网、排水措施数据详细,可较为准确的模拟地表水文过程和排水系统。而其他三个内涝点均为中小型社区,下垫面比较复杂,排水管网错综复杂,排水设施及排水运作方式难以精确掌握,划分网格时,为了满足气象部门的预警预报需求,社区型网格的空间分辨率相对较低,因此该网格相对于合作化路和南二环交口的网格所占的面积大、分辨率低,模拟误差存在参差不齐的情况。值得注意的是,虽然小西冲的累计雨量和小时雨强都超过大兴站和巢湖路站,但由于小西冲附近排水管道直径普遍超过80 cm,而大兴、巢湖路附近部分管径仅有30 cm,因此模拟结果显示小西冲附近内涝程度较其他地区轻。另外,南淝河中上游及北部支流、南淝河下游累计雨量相差不大,但前两地泵站密集,而南淝河下游沿线则几乎无泵站,模拟结果也显示南淝河下游的内涝要比中上游沿线严重的多。可见城市内涝模型能较好的模拟城市排水系统,参数率定后的模型具备河网、路网、社区积水的模拟能力。
使用INCA的QPE产品作为城市内涝模型预热驱动数据,1~6 h逐时的QPF产品作为城市内涝模型运行的驱动数据,单向耦合至已率定和验证的城市内涝模型中,得到未来1~6 h的河道水位、路面积水、社区积水深度的预报产品和相应的内涝风险预警。利用2017年8月25日合肥城西南的严重内涝过程对城市暴雨内涝预警产品进行检验。
3.1 内涝过程概况2017年8月25日15—16时合肥西南部突降暴雨、大暴雨,累计降水量达50~115 mm。图 7分别给出了15时和16时的降水量空间分布情况,由图可见,15时研究区西南部雨量小于20 mm(图 7a); 最强降水出现在16时,蜀山西雨量站小时降水量为87 mm、肥西为72 mm,但研究区范围内仅西南部的天鹅湖及十五里河周边出现短时强降水,最大累计雨量50 mm,最大小时雨强33 mm· h-1(图 7b),集中强降雨以及研究区外客水涌入最终导致研究区西南部出现严重的内涝, 积水最深的时次为17时,积水深度最大达50~80 cm,天鹅湖附近广电中心、奥体中心、习友路、祁门路都出现大范围的积涝。此次降水过程的特点是对流性强、强降水回波生消迅速。
对比INCA的QPF和实况自动站降水,14时起报的降水预报并未预报出15—16时有对流回波迅速发展,可见INCA对于生消迅速的对流性降水并未有较长的预见期。在15时起报的预报产品中,虽然预报出15:00—16:00合肥西部有10~20 mm的降水,但还是低估了降水强度,尤其对于超过20 mm·h-1的短时强降水低估较多,平均绝对误差为6.15 mm(图 8a)。该时次起报的预报产品严重低估了16:00—17:00的降水(图 8b),仅预报出2~15 mm的降水量,平均绝对误差高达23.4 mm。16时起报的QPF则较好的预估了16:00—17:00的短时强降水(图 8c),预报蜀山高速站1 h降水量为85.1 mm,实况为87 mm,仅有1.9 mm的误差,对于肥西72 mm的降水量,INCA也预报了52.5 mm。该时次预报的平均绝对误差仅为4.1 mm。INCA对于此次短历时强降水虽然未能提前2 h预报出降水强度,但对未来1 h的降水强度、降水落区把握较为准确。
从逐时的积水深度预报来看(图略),在15时仅预报天鹅湖及匡河附近24个网格出现5 cm以上的积水,且大都不超过30 cm;16时积涝面积迅速扩大,积水深度也显著增加;17时积水深度逐渐降低、积水面积也迅速缩小;18时仅有54个网格积水深度超过5 cm,且大多数深度不高于30 cm。由以上分析可知,由于15时起报的降水预报的强降水落区和量级和实况有一定偏差,导致15时起报的内涝预警产品内涝风险等级大多为三级、四级,较实际情况略低估,另外积涝的区域也偏大偏东。但总体来说,15时起报的内涝预警产品已经对内涝的出现有一定指示意义。
将15时起报的未来1~6 h最大积水深度和实测水深进行对比(图 9)。15时起报的15—20时最大积水深度预报和实况的相关系数为0.33,平均等级误差为2.1,图 9表明,在包河区南部、瑶海区及政务区的局部地区共有206个网格出现5 cm以上的积水,其中11个网格积水深度大于80 cm(占积水网格的5.3%,下同),为一级风险;17个网格积水深度在46~80 cm(8.3%),为二级风险;52个网格积水深度为21~45 cm(25.2%),为三级风险;剩余的126个网格积水深度为6~20 cm,为四级风险。
16时起报的城市内涝预警产品更接近内涝实况,预报和实况积水深度的相关系数提高到0.89,平均等级误差减小到0.8。从逐小时的内涝预警产品来看(图略),当16时在政务区及包河区南部出现积涝,有138个网格水深超过5 cm,其中8个45~80 cm;6个网格水深达80 cm以上;17时积水面积进一步扩大,有243个网格水深超5 cm,且水深也增加,78个20~45 cm,16个45~80 cm,14个80 cm以上;18时随着降水减弱,积水面积迅速缩小,131个网格水深超5 cm,55个20~ 45 cm,7个45~80 cm,8个超过80 cm;19时、20时分别有109个、99个积水点,可见积水在慢慢退去。16时起报的未来1~6 h最大积水深度预报产品预测积涝区域位于合肥的西南部,和实际的灾情发生区域非常相符(图 10)。其次,积涝的强度预测也较为准确,共有261个网格积水深度超过5 cm,其中16个网格积水深度超过80 cm(占积水网格的6.1%,下同),为一级风险;20个网格积水深度为46~80 cm(7.7%),为二级风险;78个网格积水深度为21~45 cm(29.9%),为三级风险;147个网格积水深度为6~20 cm(56.3%),为四级风险。
以广电中心前祁门路段内涝预警为例,实况监测结果为:该路段最大积水深度为50 cm左右,积涝最深时间为17时。图 11分别给出了15时、16时起报的未来6 h广电中心祁门路段降雨量及积水深度预报。15时起报的合肥内涝预警系统预报15时、16时、17时该路段分别有10 mm、3 mm、4 mm的降水,15时将出现4 cm的积水,之后迅速退去。16时,合肥内涝预警系统预报估算出过去1 h(15时)该路段有15 mm降水,且在16时将有29 mm的短时强降水,并出现42 cm的积水(Ⅲ级风险);积水深度在17时达到最大,为51 cm (Ⅱ级风险);18时积水深度迅速降低,为20 cm(Ⅲ级风险)。实测该路段的积水深度为50 cm,该城市内涝最严重的时段为17时。由此可见,内涝预警系统可提前2 h对内涝的出现有所反应,但强度严重低估;在提前1 h的预警中,可较为准确地预测出积水深度和最大积水出现时间,为城市防涝赢得宝贵的防御部署及救灾抢险时间。
本文基于合肥高精度地理信息数据及排水管网、工程设施以及防洪调度等数据,并针对城市立体化发展的特点,构建了合肥城市暴雨内涝数值模型。围绕城市地表、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,主要结论如下:
(1) 城市内涝模型的积水验证表明,模拟积水深度和实测积水深度相关系数达0.89,漏报率为0,对Ⅰ-Ⅳ级内涝风险的模糊评分均超过85,且模拟的积水演进趋势和雨强变化趋势相似,最大积水深度出现在强降水后约1 h,和实际情况较为吻合。可见城市内涝模型对河网、路网、社区积水深度和变化趋势具有良好的模拟能力。
(2) 用INCA降水预报产品驱动城市内涝模型,可得到未来6 h逐时的积水深度预报及内涝风险预警产品。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对临近时效内较为准确的预报积水区域以及积水变化过程。
由于城市暴雨内涝数值模型模拟的准确性非常依赖城市下垫面、排水管网及排水措施等数据,随着城市化进程加快,需实时更新高程、土地利用、管网直径、排水措施及调度等信息,以保证模型良好的模拟效果。由于内涝监测点较为稀疏且部分为人工上报,因此普遍存在模拟积水区域比观测积水区域大的现象,且无法验证无内涝监测点地区的模拟效果,随着自动检测站布设越来越密,使用大量的实测数据对城市内涝模型排水参数进行调试和率定,可进一步提升模型的模拟能力。下一步工作打算对INCA降水预报产品进行解释应用,修正系统偏差,以提高对短时强降水的预测能力,从而进一步提高内涝风险预警水平。
常春芝. 2008. 城市雨水利用在区域规划环评中的可行性分析[J]. 气象与环境学报, 24(3): 24-28. DOI:10.3969/j.issn.1673-503X.2008.03.005 |
陈波, 冯光柳. 2008. 武汉城市强降水内涝仿真模拟系统研制[J]. 暴雨灾害, 27(4): 330-333. DOI:10.3969/j.issn.1004-9045.2008.04.008 |
陈靖, 解以扬, 东高红, 等. 2015. 雷达雨量计联合估算降水在城市内涝模型中的应用[J]. 气象科技, 43(5): 866-873. DOI:10.3969/j.issn.1671-6345.2015.05.015 |
董欣, 陈吉宁, 赵冬泉. 2006. SWMM模型在城市排水系统规划中的应用[J]. 给水排水, 32(5): 106-109. |
段丽瑶, 解以扬, 陈靖, 等. 2014. 基于城市内涝仿真模型的天津风暴潮灾害评估[J]. 应用气象学报, 25(3): 354-359. DOI:10.3969/j.issn.1001-7313.2014.03.013 |
郝莹, 鲁俊, 温华洋, 等. 2012. 安徽省近49年短历时强降水时间趋势变化特征[J]. 长江流域资源与环境, 21(9): 1 143-1 147. |
洪国平, 万君, 柳晶辉, 等. 2018. 武汉城区短历时暴雨内涝数值模拟研究[J]. 暴雨灾害, 37(1): 83-89. DOI:10.3969/j.issn.1004-9045.2018.01.011 |
刘伟杰, 周良, 张善发, 等. 2013.合肥市城市排水(雨水)防涝综合规划[R].陆敏, 刘敏, 权瑞松, 等. 2010.上海暴雨灾害的系统特征与脆弱性分析[J].华东师范大学学报(自然科学版), 2010(2): 9-15
|
王会军, 张颖, 郎咸梅. 2010. 论短期气候预测的对象问题[J]. 气候与环境研究, 15(3): 225-228. DOI:10.3878/j.issn.1006-9585.2010.03.01 |
吴持恭. 1982. 水力学(上册)[M]. 北京: 高等教育出版社, 361.
|
史军, 穆海振, 杨涵洧. 2016. 上海中心城区暴雨内涝阈值研究[J]. 暴雨灾害, 35(4): 344-350. DOI:10.3969/j.issn.1004-9045.2016.04.006 |
解以扬, 韩素芹, 由立宏, 等. 2004. 天津市暴雨内涝灾害风险分析[J]. 气象科学, 24(3): 342-349. DOI:10.3969/j.issn.1009-0827.2004.03.013 |
解以扬, 李大鸣, 李培彦, 等. 2005. 城市暴雨内涝数学模型的研究与应用[J]. 水科学进展, 16(3): 384-390. DOI:10.3321/j.issn:1001-6791.2005.03.013 |
徐向阳, 刘俊, 郝庆庆, 等. 2003. 城市暴雨积水过程的模拟[J]. 水科学进展, 14(2): 193-196. DOI:10.3321/j.issn:1001-6791.2003.02.013 |
殷杰, 尹占娥, 王军, 等. 2009. 基于GIS的城市社区暴雨内涝灾害风险评估[J]. 地理与地理信息科学, 25(6): 92-95. |
尹占娥, 暴丽杰, 殷杰. 2011. 基于GIS的上海浦东暴雨内涝灾害脆弱性研究[J]. 自然灾害学报, 20(2): 29-35. |
赵思健, 陈志远, 熊利亚. 2004. 利用空间分析建立简化的城市内涝模型[J]. 自然灾害学报, 13(6): 8-14. DOI:10.3969/j.issn.1004-4574.2004.06.002 |
Changnon S A. 1985. Research agenda for floods to solve policy failure[J]. Journal of Water Resources Planning and Management, 111(1): 1 553-1 563. |
Haiden T, Kann A, Wittmann C, et al. 2011. The Integrated Nowcasting through Comprehensive Analysis (INCA) System and its validation over the eastern Alpine region[J]. Weather and Forecasting, 26(4): 166-182. |
Li D M, Zhang H P, Li B F, et al. 2004. Basic theory and mathematical modeling of urban rainstorm waterlogging[J]. Journal of Hydrodynamics, 16(1): 17-27. |
Nassir E J, Rousselle J. 1987. A flood damage model for flood plain studies[J]. Water Resources Bulletin, 23(2): 179-187. |
Nix S T, Tsay T K. 1988. Alternative strategies for stormwater detention[J]. Water Resources Bulletin, 24(3): 609-614. DOI:10.1111/jawr.1988.24.issue-3 |
Wang Y, Mautner I, Kann A, et al. 2017. Integrating nowcasting with crisis management and risk prevention in a transnational and interdisciplinary framework[J]. Meteorologische Zeitschrift, 26(5): 459-473. DOI:10.1127/metz/2017/0843 |