CN114372685B - 一种基于swmm模型的城市暴雨内涝风险评估方法 - Google Patents
一种基于swmm模型的城市暴雨内涝风险评估方法 Download PDFInfo
- Publication number
- CN114372685B CN114372685B CN202111629215.6A CN202111629215A CN114372685B CN 114372685 B CN114372685 B CN 114372685B CN 202111629215 A CN202111629215 A CN 202111629215A CN 114372685 B CN114372685 B CN 114372685B
- Authority
- CN
- China
- Prior art keywords
- risk
- area
- model
- data
- sub
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000012502 risk assessment Methods 0.000 title claims abstract description 19
- 230000008859 change Effects 0.000 claims abstract description 37
- 230000008569 process Effects 0.000 claims abstract description 21
- 238000004088 simulation Methods 0.000 claims abstract description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 49
- 238000011161 development Methods 0.000 claims description 32
- 238000011160 research Methods 0.000 claims description 28
- 238000010276 construction Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 239000002689 soil Substances 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 10
- 230000008020 evaporation Effects 0.000 claims description 9
- 238000001704 evaporation Methods 0.000 claims description 9
- 230000008878 coupling Effects 0.000 claims description 7
- 238000010168 coupling process Methods 0.000 claims description 7
- 238000005859 coupling reaction Methods 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 6
- 238000013210 evaluation model Methods 0.000 claims description 6
- 238000011002 quantification Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000012876 topography Methods 0.000 claims description 6
- 238000005520 cutting process Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 5
- 230000010485 coping Effects 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 230000008595 infiltration Effects 0.000 claims description 3
- 238000001764 infiltration Methods 0.000 claims description 3
- 238000011144 upstream manufacturing Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 9
- 230000007547 defect Effects 0.000 abstract description 2
- 238000012423 maintenance Methods 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 6
- 230000005855 radiation Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 101100422390 Streptococcus gordonii sspB gene Proteins 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 241001282571 Salmonella enterica subsp. enterica serovar Tennessee Species 0.000 description 1
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
- G06F16/2379—Updates performed during online database operations; commit processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Remote Sensing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于SWMM模型的城市暴雨内涝风险评估方法，该方法克服了传统评估体系中未能充分考虑气候变化要素的缺点，在综合考虑气候变化与城市化水平对城市暴雨内涝影响的基础上，基于SWMM模型对不同气候变化和城市化水平进行模拟，定量评估不同情景下的城市暴雨内涝灾害影响，实现对城市暴雨洪水过程的有效模拟，实现对城市暴雨内涝灾害的控制与预测，实现对城市暴雨内涝灾害的风险管控与归因分析；本发明可为管理部门的工程运维、应急决策提供科学依据。
Description
技术领域
本发明涉及城市内涝风险评估技术领域，具体涉及一种基于SWMM模型的城市暴雨内涝风险评估方法。
背景技术
城市暴雨洪水管理模型(Storm Water Management Model，SWMM)是由美国美国环境保护总署(U.S.Environmental Protection Agency，EPA)开发的基于水动力学的动态降雨-径流模型，能够模拟城市某一单一场次或长期(连续)降雨事件期间水量水质过程，近几年发展迅速，在小流域城市暴雨洪水的地表径流量和低影响开发(LID)对城市地表径流水质水量影响的效果评估、城市排水系统规划、雨洪调蓄处理以及水质影响评价等方面应用广泛。SWMM模型可实现的主要功能包括模拟降雨地面产汇流过程、模拟排水管网的汇流过程以及模拟河道中的水动力水质过程等，所有过程均能跟踪模拟任意时刻每个子汇水区产生的水量水质，同时能够了解排水管网和河道的水量、水深及流速等水动力因子以及COD、氨氮、总磷等水质因子情况；SWMM模型具有显示度的特点在于其实现了水文、水动力及水质三种水过程的一体化耦合，基于降雨驱动的水文产汇流过程通过节点为河道水动力过程提供边界；基于该模型所具有的特点，近年来成为国内外学者的研究热点，在许多小流域和城市得到了广泛的应用。
灾害风险评价与管理起始于20世纪30年代，源于美国田纳西河流域管理局提出的洪水灾害风险管理方法。在此基础上，随后从定性分析发展为半定量和定量化评价研究，逐渐形成成熟的灾害风险评价体系与理论方法，并被广泛应用于地震、台风、洪涝等一系列自然灾害的防治研究中。自然灾害的三要素论认为，自然灾害由致灾因子、孕灾环境和承灾体组成。自然灾害的风险(R)，可以认为是致灾因子危险性(H)、孕灾环境脆弱性(E)与承灾体易损性(S)的函数。致灾因子为诱发内涝灾害的因素，对城市内涝而言，其灾害风险不仅与降水相关，很大程度上也受到城市排水系统的影响；孕灾环境为形成内涝灾害的环境；承灾体为受灾环境，承灾体易损性指的是受灾环境在灾害降临时受到的损失程度，与人口密度、经济、土地利用类型等因素有关。气候变化可能导致降雨强度和暴雨频率增加，从而造成严重的城市内涝问题；此外，快速的城市化进程通过改变城市下垫面类型和格局，对城市地表水文过程影响显著，使得城市内涝风险加剧。
现有的SWMM模型构建的城市暴雨内涝评估体系中，未能充分考虑其后变化要素以及城市化水平对于城市暴雨内涝灾害的影响，因此，需要设计一种基于多种气候变化和城市化发展情景，并采用SWMM模型对不同情境下城市雨洪灾害过程进行模拟分析的方法，来评估气候变化和城市化进程对城市暴雨内涝风险的影响。
发明内容
为解决上述技术问题，本发明提供了一种基于SWMM模型的城市暴雨内涝风险评估方法，克服了传统评估体系中未能充分考虑气候变化要素的缺点，在综合考虑气候变化与城市化水平对城市暴雨内涝影响的基础上，基于SWMM模型对不同气候变化和城市化水平进行模拟，定量评估不同情景下的城市暴雨内涝灾害影响，实现对城市暴雨洪水过程的有效模拟，实现对城市暴雨内涝灾害的控制与预测，实现对城市暴雨内涝灾害的风险管控与归因分析；本发明可为管理部门的工程运维、应急决策提供科学依据。
为了实现上述的技术特征，本发明的目的是这样实现的：一种基于SWMM模型的城市暴雨内涝风险评估方法，它包括以下步骤：
步骤S1：基础数据收集与处理：
S101，收集研究区域的相关基础数据，包括：研究区域范围边界、数字高程模型(DEM)数据、雨量站点坐标位置和相应降水量观测时间序列、研究区域内蒸发量观测时间序列、研究区域土地利用数据、研究区管网数据、研究区水系分布、研究区河道水情以及河道地形数据；
S102，收集研究区内的水利工程的数据，包括：工程位置、工程规模；
S103，对收集的数据进行格式处理：对管网和水系进行概化，对土地利用进行切割和分配，根据河道地形进行河道断面提取；将各种序列数据处理成模型能够识别的格式；
步骤S2：SWMM模型构建并开展参数率定：
基于S1中收集与预处理的管网、土地利用、DEM、降雨量和蒸发基础数据，划分子汇水区，构建SWMM管网径流模型骨架，利用降雨数据作为驱动率定模型参数；
步骤S3：气候变化和城市化水平情景构建：
S301，选择CMIP6中的多种GCMs输出数据进行气候变化情景SSP-RCP的情景构建，情景中包括人口、经济发展、生态系统、资源、制度和社会因素还包括未来减缓、适应和应对气候变化所采取的努力措施；
优选地，选取ScenarioMIP子计划中一级试验SSP1-2.6、SSP2-4.5和SSP5-8.5这3种未来情景进行模拟；其中，SSP1-2.6即为CMIP5中RCP2.6情景在CMIP6中更新后的情景，在SSP1-2.6情景下，土地利用类型变化剧烈，尤其是全球森林面积显著增加，该情景能够反映低社会脆弱性、低减缓压力和低辐射强迫的综合影响；SSP2-4.5即为CMIP5中RCP4.5情景在CMIP6中更新后的情景，该情景代表了中等社会脆弱性与中等辐射强迫的组合；SSP5-8.5即为CMIP5中RCP8.5情景在CMIP6中更新后的情景，SSP5是唯一可以实现2100年人为辐射强迫达到8.5W/m2的共享社会经济路径；
S302，根据城市化发展情景，结合研究区域总体规划方案，设定不同的SSP-USM参数，以模拟不同发展条件下城市可持续发展水平；
优选地，为了评估城市化的潜在影响并进一步了解城市雨洪管理(UrbanStormwater Management，USM)中气候变化与土地利用变化的相互作用，一些研究设定了城市发展情景(称为SSP-USM)，其考虑因素包括人口、土地利用，以及与城市雨洪管理直接相关的技术和政策；本发明优选三种SSP-USM情景为例进行模拟，分别命名为SSPa，SSPb和SSPc，以反映高，中和低可持续性下的城市发展状态；参考已有研究，得出这三种SSP-USM情景下，城市化的主要特征：
SSPa情景下城市处于高可持续发展状态，发展快速且合理：此情景通常假定科学技术和教育水平发展迅速，社会发展模式为环境友好型，人口增长相对较慢；在此情景下，城市规划得当，采用了较多的LID措施进行城市雨洪管理；
SSPc情景下城市发展可持续性较低，城市面临着各方面的严峻挑战：在此情景下，城市发展相对缓慢，对技术、教育和人力资本的投资较少甚至几乎为零，且无新增LID措施；
SSPb情景为SSPa和SSPc的中间状态：基于对过去几十年人口增长，社会发展和技术变革趋势的预测，设定SSPb情景，来代表SSPa和SSPc的中间状态，该情景下可持续发展水平中等；
S303，构建综合反映气候变化和城市化的具体情景，将SSP-RCP情景与SSP-USM情景相耦合；将耦合情景命名为SSPx-y，其中x指特定的SSP-RCP情景，y指特定的SSP-USM情景；同时选取未考虑气候变化和城市化影响的情景作为原始情景；
步骤S4：暴雨内涝灾害风险评估：根据S3中所构建的气候变化和城市化水平综合情景SSPx-y作为边界输入到S2所构建的SWMM模型中进行模拟，计算不同情境下城市暴雨内涝演变过程，最终完成气候变化和城市化对城市内涝灾害的风险评估；具体方法如下：
S401，根据SMI-P方法构建内涝灾害风险评价模型，评价模型分为目标层、准则层和指标层三个层面；目标层为内涝灾害风险指数，准则层包括致灾因子、孕灾环境和承灾体；致灾因子危险性指标包括溢流总量、溢流时长和最大溢流量；孕灾环境脆弱性指标包括地形高程和地形标准差；承灾体易损性指标包括土地利用类型及海绵城市建设完成度；
S402，对选取的各类指标进行单指标量化的规范化处理；
S403，通过层次分析法获取主观权重，通过熵权法获取客观权重，然后得到指标的权重；在权重计算完毕后将各指标的风险量化结果按权重相加，得到评价对象的风险指数；评价原理如下所示：
式中，R为城市内涝灾害风险指数，Hi、Ej、Sk分别为计算H(致灾因子危险性指数)、E(孕灾环境脆弱性指数)、S(承灾体易损性指数)时，选取的第i、j、k个指标，XHi、XEj、XSk为对应的指标权重，A、B、C分别为H、E、S对应的指标权重；
根据城市内涝灾害风险指数(R)的差异，将风险等级分为五级：低风险，[0,0.2]；较低风险，(0.2,0.4]；中等风险，(0.4,0.6]；较高风险(0.6,0.8]和高风险(0.8,1]。
进一步地，S402中单指标量化的方法优选分段线性隶属度函数，所选取的指标中，对于正向、逆向指标的规范化，采用不同函数：
优选地，上述步骤S2中的SWMM模型构建并开展参数率定的具体方法如下：
S201，管网及子汇水区概化：根据河网水系特点及汇水面积，确定研究区范围，结合研究区内的排水系统规划资料提取研究区范围内的管网和排水节点信息，依据管网拓扑关系基于泰森多边形方法获取研究区的仿真子汇水区，明确子汇水区与汇水节点的对应关系；
S202，赋值：根据管网标高及DEM，对管道中的各个节点进行标高赋值，确定管道的上下游；根据土地利用划分结果，将土地类型赋值到各个子汇水区，计算各子汇水区内的土地类型的面积比例；根据土壤类型划分结果，将土壤类型赋值到各个子汇水区，确定各个子汇水区的土壤类型，计算各子汇水区的土壤下渗系数；根据汇水区的范围和管网排水口的分布确定模型的出口即输出边界；
S203，SWMM管网径流模型构建及验证：将赋值后的管网、子汇水区及节点的信息导入SWMM模型软件，在SWMM软件中定义子汇水区、管道的参数，利用雨量站的降雨数据和流域蒸发量数据作为驱动实现模型的运行，将输出边界的数据与实测数据进行对比，完成参数率定及模型验证；率定参数包括管道糙率、子汇水区特征宽度、不透水性径流系数、透水性径流系数、不透水性洼地蓄水量、透水性洼地蓄水量和子汇水区曼宁系数的管网径流模型参数。
进一步地，泰森多边形法的具体方法如下：根据管网信息，完成节点和汇水区域的确定，以排水节点作为离散点，利用ArcGIS做邻域分析完成泰森多边形的划分(Toolbox-Analysis Tools-Proximity-Create Thiessen Polygon)，根据汇水区域裁剪生成研究区的仿真子汇水区(Toolbox-Analysis Tools-Extract-Clip)，最后手动调整子汇水区。
进一步地，在步骤S401中致灾因子的数据获取中，预先进行暴雨设计，通过当地暴雨强度计算公式计算暴雨强度，并选用合适的雨型对设计暴雨进行雨量分配，选取暴雨雨峰系数、降雨时长以及多种重现期用于致灾因子危险性指标分析。
本发明提供的一种基于SWMM模型的城市暴雨内涝风险评估方法的有益效果如下：
1，本方法同时考虑气候变化和城市化水平对雨洪的影响，构建了综合考虑气候变化和城市化发展水平的城市暴雨内涝风险评估方法，为区域路桥涵隧、积水风险点及低洼易涝区域的防洪排涝治理提供技术支撑，模型评估结果能够很好为城市内涝风险管控及应急预案制定提供指导意见，有助于全面提升城市洪涝风险管理水平，服务城市更新、产业布局升级，助力城市高质量发展；
2，本方法特别适用于管网资料详实的平原区小流域及城市区域。
附图说明
图1为本发明中城市内涝灾害风险评价模型；
图2为本发明中基于SWMM模型的城市暴雨内涝风险评估实例流程图；
具体实施方式
实施例1，
如图1～图2所示，一种基于SWMM模型的城市暴雨内涝风险评估方法，它包括以下步骤：
步骤S1：基础数据收集与处理：
S101，收集研究区域的相关基础数据，包括：研究区域范围边界、数字高程模型(DEM)数据、雨量站点坐标位置和相应降水量观测时间序列、研究区域内蒸发量观测时间序列、研究区域土地利用数据、研究区管网数据、研究区水系分布、研究区河道水情以及河道地形数据；
S102，收集研究区内的水利工程的数据，包括：工程位置、工程规模；
S103，对收集的数据进行格式处理：对管网和水系进行概化，对土地利用进行切割和分配，根据河道地形进行河道断面提取；将各种序列数据处理成模型能够识别的格式；
步骤S2：SWMM模型构建并开展参数率定：
基于S1中收集与预处理的管网、土地利用、DEM、降雨量和蒸发基础数据，划分子汇水区，构建SWMM管网径流模型骨架，利用降雨数据作为驱动率定模型参数；
步骤S3：气候变化和城市化水平情景构建：
S301，选择CMIP6中的多种GCMs输出数据进行气候变化情景SSP-RCP的情景构建，情景中包括人口、经济发展、生态系统、资源、制度和社会因素还包括未来减缓、适应和应对气候变化所采取的努力措施；
优选地，选取ScenarioMIP子计划中一级试验SSP1-2.6、SSP2-4.5和SSP5-8.5这3种未来情景进行模拟；其中，SSP1-2.6即为CMIP5中RCP2.6情景在CMIP6中更新后的情景，在SSP1-2.6情景下，土地利用类型变化剧烈，尤其是全球森林面积显著增加，该情景能够反映低社会脆弱性、低减缓压力和低辐射强迫的综合影响；SSP2-4.5即为CMIP5中RCP4.5情景在CMIP6中更新后的情景，该情景代表了中等社会脆弱性与中等辐射强迫的组合；SSP5-8.5即为CMIP5中RCP8.5情景在CMIP6中更新后的情景，SSP5是唯一可以实现2100年人为辐射强迫达到8.5W/m2的共享社会经济路径；
S302，根据城市化发展情景，结合研究区域总体规划方案，设定不同的SSP-USM参数，以模拟不同发展条件下城市可持续发展水平；
优选地，为了评估城市化的潜在影响并进一步了解城市雨洪管理(UrbanStormwater Management，USM)中气候变化与土地利用变化的相互作用，一些研究设定了城市发展情景(称为SSP-USM)，其考虑因素包括人口、土地利用，以及与城市雨洪管理直接相关的技术和政策；本发明优选三种SSP-USM情景为例进行模拟，分别命名为SSPa，SSPb和SSPc，以反映高，中和低可持续性下的城市发展状态；参考已有研究，得出这三种SSP-USM情景下，城市化的主要特征：
SSPa情景下城市处于高可持续发展状态，发展快速且合理：此情景通常假定科学技术和教育水平发展迅速，社会发展模式为环境友好型，人口增长相对较慢；在此情景下，城市规划得当，采用了较多的LID措施进行城市雨洪管理；
SSPc情景下城市发展可持续性较低，城市面临着各方面的严峻挑战：在此情景下，城市发展相对缓慢，对技术、教育和人力资本的投资较少甚至几乎为零，且无新增LID措施；
SSPb情景为SSPa和SSPc的中间状态：基于对过去几十年人口增长，社会发展和技术变革趋势的预测，设定SSPb情景，来代表SSPa和SSPc的中间状态，该情景下可持续发展水平中等；
S303，构建综合反映气候变化和城市化的具体情景，将SSP-RCP情景与SSP-USM情景相耦合；将耦合情景命名为SSPx-y，其中x指特定的SSP-RCP情景，y指特定的SSP-USM情景；同时选取未考虑气候变化和城市化影响的情景作为原始情景；
步骤S4：暴雨内涝灾害风险评估：根据S3中所构建的气候变化和城市化水平综合情景SSPx-y作为边界输入到S2所构建的SWMM模型中进行模拟，计算不同情境下城市暴雨内涝演变过程，最终完成气候变化和城市化对城市内涝灾害的风险评估；具体方法如下：
S401，根据SMI-P方法构建内涝灾害风险评价模型，评价模型分为目标层、准则层和指标层三个层面；目标层为内涝灾害风险指数，准则层包括致灾因子、孕灾环境和承灾体；致灾因子危险性指标包括溢流总量、溢流时长和最大溢流量；孕灾环境脆弱性指标包括地形高程和地形标准差；承灾体易损性指标包括土地利用类型及海绵城市建设完成度；
S402，对选取的各类指标进行单指标量化的规范化处理；
S403，通过层次分析法获取主观权重，通过熵权法获取客观权重，然后得到指标的权重；在权重计算完毕后将各指标的风险量化结果按权重相加，得到评价对象的风险指数；评价原理如下所示：
式中，R为城市内涝灾害风险指数，Hi、Ej、Sk分别为计算H(致灾因子危险性指数)、E(孕灾环境脆弱性指数)、S(承灾体易损性指数)时，选取的第i、j、k个指标，XHi、XEj、XSk为对应的指标权重，A、B、C分别为H、E、S对应的指标权重；
根据城市内涝灾害风险指数(R)的差异，将风险等级分为五级：低风险，[0,0.2]；较低风险，(0.2,0.4]；中等风险，(0.4,0.6]；较高风险(0.6,0.8]和高风险(0.8,1]。
进一步地，S402中单指标量化的方法优选分段线性隶属度函数，所选取的指标中，对于正向、逆向指标的规范化，采用不同函数：
实施例2：
上述步骤S2中的SWMM模型构建并开展参数率定的具体方法如下：
S201，管网及子汇水区概化：根据河网水系特点及汇水面积，确定研究区范围，结合研究区内的排水系统规划资料提取研究区范围内的管网和排水节点信息，依据管网拓扑关系基于泰森多边形方法获取研究区的仿真子汇水区，明确子汇水区与汇水节点的对应关系；
S202，赋值：根据管网标高及DEM，对管道中的各个节点进行标高赋值，确定管道的上下游；根据土地利用划分结果，将土地类型赋值到各个子汇水区，计算各子汇水区内的土地类型的面积比例；根据土壤类型划分结果，将土壤类型赋值到各个子汇水区，确定各个子汇水区的土壤类型，计算各子汇水区的土壤下渗系数；根据汇水区的范围和管网排水口的分布确定模型的出口即输出边界；
S203，SWMM管网径流模型构建及验证：将赋值后的管网、子汇水区及节点的信息导入SWMM模型软件，在SWMM软件中定义子汇水区、管道的参数，利用雨量站的降雨数据和流域蒸发量数据作为驱动实现模型的运行，将输出边界的数据与实测数据进行对比，完成参数率定及模型验证；率定参数包括管道糙率、子汇水区特征宽度、不透水性径流系数、透水性径流系数、不透水性洼地蓄水量、透水性洼地蓄水量和子汇水区曼宁系数的管网径流模型参数。
进一步地，泰森多边形法的具体方法如下：根据管网信息，完成节点和汇水区域的确定，以排水节点作为离散点，利用ArcGIS做邻域分析完成泰森多边形的划分(Toolbox-Analysis Tools-Proximity-Create Thiessen Polygon)，根据汇水区域裁剪生成研究区的仿真子汇水区(Toolbox-Analysis Tools-Extract-Clip)，最后手动调整子汇水区。
进一步地，在步骤S401中致灾因子的数据获取中，预先进行暴雨设计，通过当地暴雨强度计算公式计算暴雨强度，并选用合适的雨型对设计暴雨进行雨量分配，选取暴雨雨峰系数、降雨时长以及多种重现期用于致灾因子危险性指标分析。
上述的实施例仅为本发明的优选技术方案，而不应视为对于本发明的限制，本申请中的实施例及实施例中的特征在不冲突的情况下，可以相互任意组合。本发明的保护范围应以权利要求记载的技术方案，包括权利要求记载的技术方案中技术特征的等同替换方案为保护范围。即在此范围内的等同替换改进，也在本发明的保护范围之内。
Claims (2)
1.一种基于SWMM模型的城市暴雨内涝风险评估方法，它包括以下步骤：
步骤S1：基础数据收集与处理：
S101，收集研究区域的相关基础数据，包括：研究区域范围边界、数字高程模型（DEM）数据、雨量站点坐标位置和相应降水量观测时间序列、研究区域内蒸发量观测时间序列、研究区域土地利用数据、研究区管网数据、研究区水系分布、研究区河道水情以及河道地形数据；
S102，收集研究区内的水利工程的数据，包括：工程位置、工程规模；
S103，对收集的数据进行格式处理：对管网和水系进行概化，对土地利用进行切割和分配，根据河道地形进行河道断面提取；将各种序列数据处理成模型能够识别的格式；
步骤S2：SWMM模型构建并开展参数率定：
基于S1中收集与预处理的管网、土地利用、DEM、降雨量和蒸发基础数据，划分子汇水区，构建SWMM管网径流模型骨架，利用降雨数据作为驱动率定模型参数；
步骤S3：气候变化和城市化水平情景构建：
S301，选择CMIP6中的多种GCMs输出数据进行气候变化情景SSP-RCP的情景构建，情景中包括人口、经济发展、生态系统、资源、制度和社会因素还包括未来减缓、适应和应对气候变化所采取的努力措施；
S302，根据城市化发展情景，结合研究区域总体规划方案，设定不同的SSP-USM参数，以模拟不同发展条件下城市可持续发展水平；
S303，构建综合反映气候变化和城市化的具体情景，将SSP-RCP情景与SSP-USM情景相耦合；将耦合情景命名为SSPx-y，其中x指特定的SSP-RCP情景，y指特定的SSP-USM情景；同时选取未考虑气候变化和城市化影响的情景作为原始情景；
步骤S4：暴雨内涝灾害风险评估：根据S3中所构建的气候变化和城市化水平综合情景SSPx-y作为边界输入到S2所构建的SWMM模型中进行模拟，计算不同情境下城市暴雨内涝演变过程，最终完成气候变化和城市化对城市内涝灾害的风险评估；具体方法如下：
S401，根据SMI-P方法构建内涝灾害风险评价模型，评价模型分为目标层、准则层和指标层三个层面；目标层为内涝灾害风险指数，准则层包括致灾因子、孕灾环境和承灾体；致灾因子危险性指标包括溢流总量、溢流时长和最大溢流量；孕灾环境脆弱性指标包括地形高程和地形标准差；承灾体易损性指标包括土地利用类型及海绵城市建设完成度；
S402，对选取的各类指标进行单指标量化的规范化处理；
S403，通过层次分析法获取主观权重，通过熵权法获取客观权重，然后得到指标的权重；在权重计算完毕后将各指标的风险量化结果按权重相加，得到评价对象的风险指数；评价原理如下所示：
；
式中，R为城市内涝灾害风险指数，Hi、Ej、Sk分别为计算H致灾因子危险性指数、E孕灾环境脆弱性指数、S承灾体易损性指数时，选取的第i、j、k个指标，XHi、XEj、XSk为对应的指标权重，A、B、C分别为H、E、S对应的指标权重；
根据城市内涝灾害风险指数R的差异，将风险等级分为五级：低风险，[0,0.2]；较低风险，(0.2,0.4]；中等风险，(0.4,0.6]；较高风险(0.6,0.8]和高风险(0.8,1]。
2.根据权利要求1所述的一种基于SWMM模型的城市暴雨内涝风险评估方法，其特征在于：所述步骤S2中的SWMM模型构建并开展参数率定的具体方法如下：
S201，管网及子汇水区概化：根据河网水系特点及汇水面积，确定研究区范围，结合研究区内的排水系统规划资料提取研究区范围内的管网和排水节点信息，依据管网拓扑关系基于泰森多边形方法获取研究区的仿真子汇水区，明确子汇水区与汇水节点的对应关系；
S202，赋值：根据管网标高及DEM，对管道中的各个节点进行标高赋值，确定管道的上下游；根据土地利用划分结果，将土地类型赋值到各个子汇水区，计算各子汇水区内的土地类型的面积比例；根据土壤类型划分结果，将土壤类型赋值到各个子汇水区，确定各个子汇水区的土壤类型，计算各子汇水区的土壤下渗系数；根据汇水区的范围和管网排水口的分布确定模型的出口即输出边界；
S203，SWMM管网径流模型构建及验证：将赋值后的管网、子汇水区及节点的信息导入SWMM模型软件，在SWMM软件中定义子汇水区、管道的参数，利用雨量站的降雨数据和流域蒸发量数据作为驱动实现模型的运行，将输出边界的数据与实测数据进行对比，完成参数率定及模型验证；率定参数包括管道糙率、子汇水区特征宽度、不透水性径流系数、透水性径流系数、不透水性洼地蓄水量、透水性洼地蓄水量和子汇水区曼宁系数的管网径流模型参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111629215.6A CN114372685B (zh) | 2021-12-28 | 2021-12-28 | 一种基于swmm模型的城市暴雨内涝风险评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111629215.6A CN114372685B (zh) | 2021-12-28 | 2021-12-28 | 一种基于swmm模型的城市暴雨内涝风险评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114372685A CN114372685A (zh) | 2022-04-19 |
| CN114372685B true CN114372685B (zh) | 2024-06-11 |
Family
ID=81142358
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111629215.6A Active CN114372685B (zh) | 2021-12-28 | 2021-12-28 | 一种基于swmm模型的城市暴雨内涝风险评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114372685B (zh) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114910092B (zh) * | 2022-04-24 | 2023-05-02 | 武汉大学 | 支持多样化内涝风险数据的车辆避险可选路径搜索方法 |
| CN114997541B (zh) * | 2022-08-03 | 2022-11-08 | 浙江远算科技有限公司 | 一种基于数字孪生技术的城市内涝预测方法及预警平台 |
| CN115270525B (zh) * | 2022-09-27 | 2023-01-24 | 武汉市规划研究院 | 一种构建双exp函数径流系数设计模型的方法以及系统 |
| CN115689293B (zh) * | 2022-11-15 | 2023-05-12 | 中国科学院地理科学与资源研究所 | 一种基于压力-状态-响应框架的城市内涝韧性评估方法 |
| CN116561957B (zh) * | 2023-03-05 | 2024-04-30 | 郑州大学 | 一种基于数值模拟的地下空间内涝评估方法 |
| CN116109143B (zh) * | 2023-04-07 | 2023-07-21 | 南京信息工程大学 | 面向暴雨洪涝灾害风险分析的地形起伏影响指数确定方法、系统、装置及存储介质 |
| CN116187769B (zh) * | 2023-05-04 | 2023-07-04 | 四川省安全科学技术研究院 | 基于情景模拟的城镇洪涝灾害风险研判方法 |
| CN117196302B (zh) * | 2023-09-08 | 2024-07-19 | 北京市应急指挥保障中心 | 一种基于汇水分区的区域内涝风险预测方法及系统 |
| CN117649324B (zh) * | 2023-10-08 | 2024-10-11 | 南京东南大学城市规划设计研究院有限公司 | 一种暴雨情况下提升城市抵御洪涝灾害能力的方法及系统 |
| CN117649125A (zh) * | 2023-11-29 | 2024-03-05 | 中国市政工程西北设计研究院有限公司 | 洪涝控制排水深隧建设适应性决策的评价系统和方法 |
| CN117332909B (zh) * | 2023-12-01 | 2024-03-08 | 南京师范大学 | 基于智能体的多尺度城市内涝道路交通暴露性预测方法 |
| CN118446130B (zh) * | 2024-05-11 | 2024-09-20 | 中国水利水电科学研究院 | 城市化发展率与蒸发改变率的多时段关联方法及系统 |
| CN118587895B (zh) * | 2024-08-06 | 2024-12-24 | 南京师范大学 | 一种面向内涝情景下城市道路交通孤岛的挖掘方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106940840A (zh) * | 2017-03-14 | 2017-07-11 | 东南大学 | 一种城市内涝灾害风险评估方法 |
| CN109272189A (zh) * | 2018-08-03 | 2019-01-25 | 华南理工大学 | 一种基于链式结构的城市尺度洪涝灾害风险评估方法 |
| CN111507375A (zh) * | 2020-03-09 | 2020-08-07 | 中山大学 | 一种城市内涝风险快速评估方法及系统 |
| CN111754032A (zh) * | 2020-06-10 | 2020-10-09 | 哈尔滨工业大学 | 海绵设施布局优化方法、装置、计算机设备和存储介质 |
| WO2021180100A1 (zh) * | 2020-03-10 | 2021-09-16 | 中国环境科学研究院 | 基于swmm与efdc耦合模型的调蓄工程环境效应评估方法及装置 |
-
2021
- 2021-12-28 CN CN202111629215.6A patent/CN114372685B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106940840A (zh) * | 2017-03-14 | 2017-07-11 | 东南大学 | 一种城市内涝灾害风险评估方法 |
| CN109272189A (zh) * | 2018-08-03 | 2019-01-25 | 华南理工大学 | 一种基于链式结构的城市尺度洪涝灾害风险评估方法 |
| CN111507375A (zh) * | 2020-03-09 | 2020-08-07 | 中山大学 | 一种城市内涝风险快速评估方法及系统 |
| WO2021180100A1 (zh) * | 2020-03-10 | 2021-09-16 | 中国环境科学研究院 | 基于swmm与efdc耦合模型的调蓄工程环境效应评估方法及装置 |
| CN111754032A (zh) * | 2020-06-10 | 2020-10-09 | 哈尔滨工业大学 | 海绵设施布局优化方法、装置、计算机设备和存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 基于小尺度的城市暴雨内涝灾害情景模拟与风险评估;尹占娥;许世远;殷杰;王军;;地理学报;20100515(第05期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114372685A (zh) | 2022-04-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114372685B (zh) | 一种基于swmm模型的城市暴雨内涝风险评估方法 | |
| Shao et al. | Remote sensing monitoring of multi-scale watersheds impermeability for urban hydrological evaluation | |
| Eckart et al. | Multiobjective optimization of low impact development stormwater controls | |
| Milan et al. | Fuzzy optimization model and fuzzy inference system for conjunctive use of surface and groundwater resources | |
| Qiang et al. | Urban flood analysis for Pearl River Delta cities using an equivalent drainage method upon combined rainfall-high tide-storm surge events | |
| Sahraei et al. | Signature-based multi-modelling and multi-objective calibration of hydrologic models: Application in flood forecasting for Canadian Prairies | |
| Oraei Zare et al. | Multi-objective optimization for combined quality–quantity urban runoff control | |
| Guida et al. | Strategic floodplain reconnection for the Lower Tisza River, Hungary: Opportunities for flood-height reduction and floodplain-wetland reconnection | |
| Choi et al. | Urban flood adaptation planning for local governments: Hydrology analysis and optimization | |
| Yang et al. | Spatial supply-demand balance of green space in the context of urban waterlogging hazards and population agglomeration | |
| Acharya et al. | Assessing the spatio-temporal impact of landuse landcover change on water yield dynamics of rapidly urbanizing Kathmandu valley watershed of Nepal | |
| Prawirakusuma et al. | Flood Characteristics in the Lower Citarum River, Indonesia and Their Possible Management Practices | |
| Alam et al. | Comparative assessment of urban flood risks due to urbanization and climate change in the turnhout valley of Belgium | |
| He et al. | Regional groundwater prediction model using automatic parameter calibration SCE method for a coastal plain of Seto Inland Sea | |
| CN116681564A (zh) | 一种指导海绵城市建设的次暴雨总量控制率评估方法 | |
| Wijaya et al. | Flood Mapping Using HEC-RAS and HEC-HMS: A Case Study of Upper Citarum River at Dayeuhkolot District, Bandung Regency, West Java | |
| Juliastuti et al. | The assessment of drainage performance in the residential area using SWMM | |
| Scholz et al. | The potentials and risks of wadis in cities in the gulf region | |
| Monteiro et al. | Multi-criteria site selection and hydraulic modeling of green flood retention measures in a highly urbanized basin in Costa Rica | |
| Wang et al. | Assessing the mechanism for flood control: a case of plain river network cities under extreme rainfalls | |
| Prodanovic et al. | Impacts of changing climatic conditions in the Upper Thames River Basin | |
| Suharyanto et al. | Floodway design affected by land use changes in an urbanized area | |
| Shen et al. | Identifying risk components using a sewer-road integrated urban stormwater model | |
| Oliveira et al. | Warning system based on real-time flood forecasts in Sao Paulo, Brazil | |
| Díaz et al. | Hydrology and hydraulics of the Suquía River Basin |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |