CN118395731B - 一种融合分布式动态蓄积与路径水流演进的城市积水二维快速模拟方法 - Google Patents
一种融合分布式动态蓄积与路径水流演进的城市积水二维快速模拟方法 Download PDFInfo
- Publication number
- CN118395731B CN118395731B CN202410640345.7A CN202410640345A CN118395731B CN 118395731 B CN118395731 B CN 118395731B CN 202410640345 A CN202410640345 A CN 202410640345A CN 118395731 B CN118395731 B CN 118395731B
- Authority
- CN
- China
- Prior art keywords
- water
- urban
- depression
- ponding
- pipe network
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 240
- 238000000034 method Methods 0.000 title claims abstract description 107
- 238000004088 simulation Methods 0.000 title claims abstract description 85
- 238000009825 accumulation Methods 0.000 title claims abstract description 57
- 230000008569 process Effects 0.000 claims abstract description 55
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000012502 risk assessment Methods 0.000 claims abstract description 7
- 238000011160 research Methods 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 24
- 230000008878 coupling Effects 0.000 claims description 9
- 238000010168 coupling process Methods 0.000 claims description 9
- 238000005859 coupling reaction Methods 0.000 claims description 9
- 238000013480 data collection Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000011161 development Methods 0.000 claims description 5
- 238000012876 topography Methods 0.000 claims description 5
- 239000002352 surface water Substances 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000002457 bidirectional effect Effects 0.000 claims description 3
- 238000009792 diffusion process Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000011144 upstream manufacturing Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 5
- 238000013461 design Methods 0.000 abstract description 4
- 238000013439 planning Methods 0.000 abstract description 4
- 230000008859 change Effects 0.000 description 4
- 239000003673 groundwater Substances 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000005562 fading Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Geometry (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Data Mining & Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种融合分布式动态蓄积与路径水流演进的城市积水二维快速模拟方法，包括如下步骤，S1、基础数据收集及处理；S2、城市积水二维快速模拟方法构建；S3、城市积水淹没二维模型与河道及管网模型集成；S4、城市雨洪时空过程快速模拟及风险分析。优点是：实现了城市地表二维积水过程快速精细模拟，满足城市内涝精细模拟仿真、实时预警预报、快速情景推演等“四预”要求，也可服务于防洪排涝规划设计。
Description
技术领域
本发明涉及城市内涝预警预报技术领域，尤其涉及一种融合分布式动态蓄积与路径水流演进的城市积水二维快速模拟方法。
背景技术
对于城市内涝积水而言，进行快速实时动态模拟、并及时发布预警预报，是提升城市防灾减灾能力、应急响应水平和城市韧性能力的迫切需求。当前城市内涝模拟预测主要依托于水动力学模型，然而，此类水动力模型主要基于非线性偏微分方程，需要高度复杂的数值方法进行求解，导致内涝模拟过程计算负担沉重，耗费大量时间和计算资源，特别是在考虑到城市地理复杂性和不规则形状的情况下，制约了模拟预测的时效性，难以支撑实时预警预报。
当前，国内外水文领域正在探索简化的快速模拟模型，一种是基于数据驱动或深度学习的地表响应模型，通过建立影响因子和内涝积水间的映射关系，预测内涝积水变化，虽具有计算效率高、计算成本低的特点，但仍面临训练成本大、参数选取难、模型物理意义模糊等不足。另一种是采用更简单的“替代模型”，如元胞自动机等，计算时效性较动力学模型有大幅提升，但该类简化模型通常基于静态假设，仅能得到最大淹没范围等静态结果，无法精细描述城市暴雨内涝从涨水到退水的全程动态演变过程，无法提供内涝积水蔓延、深度变化等关键变量的实时状态变化，不足以支撑对城市内涝事件的及时响应和科学防控。
发明内容
本发明的目的在于提供一种融合分布式动态蓄积与路径水流演进的城市积水二维快速模拟方法，从而解决现有技术中存在的前述问题。
为了实现上述目的，本发明采用的技术方案如下：
一种融合分布式动态蓄积与路径水流演进的城市积水二维快速模拟方法，包括如下步骤，
S1、基础数据收集及处理：
收集并处理研究区域的管网数据、高分辨率数字高程数据、下垫面数据和气象水文数据；
S2、城市积水二维快速模拟方法构建：
基于已处理的研究区域的基础数据，通过ArcG I S工具，识别研究区域内的城市地表洼地、倾泻点、洼地所属集水区、集水区内管网雨水井到洼地的流动路径、不同洼地间的流动路径，绘制数字拓扑关系网络；基于数字拓扑关系网络将城市积水过程按照其发生和发展过程，概化为分布式动态蓄积和路径水流演进两个阶段，基于城市积水淹没二维模型对上述阶段进行模拟；通过将城市积水淹没二维模型的模拟结果与M I KE21模型的模拟结果以及地面积水观测值进行对照，从而对城市积水淹没二维模型进行参数率定，获取率定好的城市积水淹没二维模型；其中，
分布式动态蓄积阶段模拟：管网雨水井溢流量在城市地表低洼处形成积水，采用洼地水位容量曲线法模拟洼地积水过程；
路径水流演进阶段模拟：管网雨水井溢流量和洼地溢流量按照相应的流动路径在洼地之间进行水量交互，采用惯性浅水方程模拟计算水流运动过程；
分布式动态填洼与路径水流演进耦合模拟：降雨产流后，产流量首先排入管网雨水井，超过排水能力的部分在井口溢出，流动至洼地，洼地不断蓄积水量直至超过洼地容量，在倾泻点溢出，通过堰流公式计算溢流量；
S3、城市积水淹没二维模型与管网及河道模型集成：
将率定好的城市积水淹没二维模型与一维管网模型、一维河道模型进行集成，获取完整的城市雨洪模型；
S4、城市雨洪时空过程快速模拟及风险分析：
基于城市雨洪模型，接入未来气象水文预测数据，实时预测城市积水过程及退水过程，获取城市地表淹没范围；基于城市地表淹没范围建立城市洪涝风险指标，并基于城市洪涝风险指标绘制城市积水二维风险图。
优选的，绘制数字拓扑关系网络具体包括如下内容，
S21、在已处理的研究区域的数字高程数据的基础上，采用ArcG I S进行填洼处理，将填洼后的栅格像元值减去原始高程栅格像元值，得到各栅格新的像元值，获取洼地内各栅格深度，并将洼地内栅格像元最大值作为洼地的最大深度；对于每个洼地，将栅格数量乘以单个像元面积，获取洼地的面积；将每个洼地内逐个栅格像元值乘以像元面积进行累加，获取每个洼地的容量；
S22、基于洼地的容量、面积和最大深度对洼地进行筛选，排除低于一定容量、面积和最大深度阈值的洼地，确定研究区域内所有洼地；
S23、在每一个洼地中，识别洼地栅格内最低像元值，水位从该最低像元值开始在洼地内部逐渐提高，直到水流在洼地边缘某一点溢出，该点即为该洼地的倾泻点；
S24、在填洼后栅格数据上进行流向计算，生成流向栅格数据用于确定水流方向；根据流向栅格和倾泻点，通过ArcGIS的水文分析工具集，识别倾泻点上方水流聚集的区域，并将其确定为该倾泻点对应洼地的集水区；
S25、使用ArcGIS的Cost Path工具，追踪每个集水区内管网雨水井到洼地、整个研究区域内上游洼地到下游洼地的最低成本流动路径，输出一个单像素宽的栅格流网络，并使用Stream to Feature工具将其转换为下游定向的折线要素；
S26、将洼地与集水区转化为多边形要素，将每个洼地的倾泻点转化为点要素，将管网雨水井到洼地、不同洼地之间的流动路径转化为线要素，并将多边形要素、点要素和线要素组合形成数字拓扑关系网络。
优选的，分布式动态蓄积阶段模拟具体为，
当暴雨产流强度超过雨水井排水能力时，径流从管网雨水井溢流至城市地表低洼处形成积水；先计算从雨水井或流动路径中流入洼地的水量，通过洼地水位容量曲线法得到洼地内的积水水位，用该积水水位减去洼地内的各栅格原始高程值，得到对应栅格的积水水深。
优选的，洼地水位容量曲线法具体为，
从洼地水深0开始，依次增加洼地的积水深度，并计算每个洼地不同积水深度对应的积水水位和水量；基于每个洼地的不同积水水位与对应水量的关系，通过插值或者拟合得到每个洼地的水位容量曲线，并作为洼地属性存储。
优选的，路径水流演进阶段模拟具体为，
当出现管网雨水井溢流或洼地蓄满，水流将从管网雨水井或洼地的倾泻点沿着流动路径网络流入下一个洼地，该过程中的水流运动采用基于惯性的浅水方程描述；求解基于惯性的浅水方程，根据时间步长对其离散化，并采用Courant-Fr i edr i chs-Lewy条件对时间步长进行约束，确保计算结果能够收敛。
优选的，分布式动态填洼与路径水流演进耦合模拟具体为，
当管网超载时，溢流首先从管网雨水井通过流动路径流向集水区内的洼地，待洼地蓄满，则通过流动路径流向下一个洼地，洼地和流动路径的水量交换则通过堰流公式计算；所有的洼地蓄积过程和路径水流的流动过程是按照自适应步长动态演进的，具有明确的时间属性。
优选的，城市积水淹没二维模型参数率定具体为，
基于研究区域的地形和下垫面条件，合理划分网格，构建M I KE21模型，设置M IKE21模型的初始条件和边界条件，通过M I KE21模型中的Sources模块描述雨水井的出流过程，计算得到淹没范围结果；将城市积水淹没二维模型的模拟结果与M I KE21模型的模拟结果以及典型积水区域地面积水深观测数据进行对比，不断调整洼地的容量、面积和最大深度阈值，直到城市积水淹没二维模型的模拟结果与M I KE21模型的模拟结果以及地面积水深观测值足够接近，得到率定好的城市积水淹没二维模型。
优选的，步骤S3具体包括如下内容，
S31、与一维管网模型集成：通过一维管网模型模拟水流在管网里的流动过程，识别超载和未超载管网雨水井；
对于超载雨水井，将每个步长的溢流按照点源入流的形式添加至率定好的城市积水淹没二维模型的相应栅格，参与地表积水扩散过程；
对于未超载雨水井，计算井内水位与地面积水水位之间的差值作为水头，利用底孔口流量公式计算地表和管网之间的交换水量，并在地表积水中将该部分交换水量通过对应的管网雨水井转移至一维管网模型；
S32、与一维河道模型集成：将管网入河排水口的河道断面水位设定为该管网入河排水口的边界条件，同时将管网入河排水口的入河流量过程视为河道汇流的点源入流过程，从而实现河道和管网之间的双向紧密耦合。
优选的，步骤S4具体包括如下内容，
S41、城市地表积水模拟预测：基于降雨预报结果、河道水位、流量实测边界条件，驱动城市雨洪模型，实时计算积水深网格预测数据；
S42、城市洪涝风险指标构建：充分参考淹没水深对行人安全的威胁程度以及水利行业的图件编制标准，针对极端暴雨事件，设定0.05m、0.3m、0.6m、1m的淹没水深分别作为城市出行淹没较低风险、中风险、高风险、极高风险的指标；
S43、城市实时风险预测与重点城市空间对象风险分析：基于积水实时预测数据，结合城市洪涝风险指标，绘制城市积水二维风险图；并为重点城市空间对象绘制专题风险图。
优选的，步骤S1具体包括如下内容，
S11、管网数据收集与处理：收集并核对研究区域内部的排水管道网络的地理位置、管道直径、井顶高程、井底高程、管道材料、管道连接方式，对管网数据进行概化，在保留必要信息和特征的条件下，合并管网中相邻节点，简化管道连接；
S12、数字高程数据收集及处理：通过地图下载器下载米级数字高程数据DEM，并在地形数据基础上叠加城市建筑高程模型数据，进行城市建筑高程修正；
S13、下垫面数据收集及处理：收集土地类型、土地利用类型数据，利用ArcG I S软件将其格式和分辨率与数字高程数据进行统一，并计算得到研究区域糙率分布；
S14、气象水文数据收集及处理：收集城市内涝事件中雨量站、河道水文站、地面积水观测站的实测数据，并统一各种时序数据时间间隔。
本发明的有益效果是：1、本发明方法提出将城市地表积水过程概化为分布式动态蓄积与路径水流演进两个关键过程，并采用水位容量曲线、惯性浅水方程等水文水动力学方法进行模拟计算，相较于传统基于二维浅水方程进行全域求解计算，本发明大幅减少了模拟计算时间和复杂度，相较于元胞自动机等简化模型仅能输出静态淹没水深结果，本发明能模拟积水从发生、发展到消退的全部时空动态过程，相较于数据驱动/机器学习模型需要大量样本进行训练以确定模型结构和超参数，本发明的参数设置十分便捷。本发明兼具了物理过程模型的机理性、简化模型的计算效率。2、本发明方法既能应用于精细化模拟、规划和设计，又能应用于城市暴雨内涝的实时预报、快速推演。在保持与经典动力学模型模拟精度相似的同时，将模拟计算效率从数小时级提升至分钟级，结合地面积水风险指标，可支撑相关部门发布城市全域实时动态风险图，以及城市水利工程、生命线工程、重点保护对象等专题风险图，保障抢险救灾的科学有序进行和人民生命财产安全。
附图说明
图1是本发明实施例中模拟方法的流程图；
图2是本发明实施例中城市积水二维快速模拟方法构建原理图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。
如图1所示，本实施例中，针对当前经典动力学模型时效性不足、常规简化模型无法动态模拟，难以对城市内涝时空变化过程进行实时预警预报的痛点和难点问题，充分挖掘地形学、水文学、水动力学等方法优势，提出融合分布式动态蓄积与路径水流演进的城市积水二维快速模拟方法，实现城市地表二维积水过程快速精细模拟，满足城市内涝精细模拟仿真、实时预警预报、快速情景推演等“四预”要求，也可服务于防捞排涝规划设计。本发明方法主要包括以下四部分内容：
一、基础数据收集及处理
收集并处理研究区域的管网数据、高分辨率数字高程数据(DEM)、下垫面数据和气象水文数据，为构建融合分布式动态蓄积与路径水流演进的城市积水二维快速模拟方法提供数据基础。具体包括如下内容，
1.1、管网数据收集与处理：收集并核对研究区域内部的排水管道网络的地理位置、管道直径、井顶高程、井底高程、管道材料、管道连接方式等信息。对管网数据进行概化，在保留必要信息和特征的条件下，合并管网中相邻节点，简化管道连接，减少管网中较小的支路或回路，降低复杂性，减少计算量。
1.2、数字高程数据收集及处理：通过BI GEMAP等地图下载器下载米级数字高程数据DEM，空间分辨率可为12.5m、5m、2m，并在地形数据基础上叠加城市建筑高程模型数据，进行城市建筑高程修正，校正后的DEM与实际城市地形更为贴切。修正公式为：
Zij＝Dij + Hb*Bij，( i ＝ 1,2,…,n； j ＝ 1,2,…,m ) (1)
式中，Dij为原始数字地形高程栅格单元高程值(m)；Bij为城市建筑二值栅格单元值(m)，如果该栅格对应位置存在建筑，Bij则为1，反之，Bij则为0；Hb为常数，表示城市建筑平均高度(m)。
1.3、下垫面数据收集及处理：收集土地类型、土地利用类型数据，利用ArcGIS软件将其格式和分辨率与数字高程数据进行统一，并计算得到研究区域糙率分布。
1.4、气象水文数据收集及处理：收集城市内涝事件中雨量站、河道水文站、地面积水观测站等实测数据，主要包括降雨量、河道水位、河道流量、地表积水深等数据，并统一各种时序数据的时间间隔，时间间隔可设置为1小时。
二、城市积水二维快速模拟方法构建
基于已处理的研究区域的基础数据，通过ArcGIS工具，识别研究区域内的城市地表洼地、倾泻点、洼地所属集水区、集水区内管网雨水井到洼地的流动路径、不同洼地间的流动路径，绘制数字拓扑关系网络；基于数字拓扑关系网络将城市积水过程按照其发生和发展过程，概化为分布式动态蓄积和路径水流演进两个阶段，基于城市积水淹没二维模型对上述阶段进行模拟；通过将城市积水淹没二维模型的模拟结果与MIKE21模型的模拟结果以及地面积水观测值进行对照，从而对城市积水淹没二维模型进行率定，获取率定好的城市积水淹没二维模型,其中，
分布式动态蓄积阶段模拟：管网雨水井溢流量在城市地表低洼处形成积水，采用洼地水位容量曲线法模拟洼地积水过程。
路径水流演进阶段模拟：管网雨水井溢流量和洼地溢流量按照相应的流动路径在洼地之间进行水量交互，采用惯性浅水方程模拟计算水流运动过程。
分布式动态填洼与路径水流演进耦合模拟：降雨产流后，产流量首先排入管网雨水井，超过排水能力的部分在井口溢出，流动至洼地，洼地不断蓄积水量直至超过洼地容量，在倾泻点溢出，通过堰流公式计算溢流量。
该部分具体包括如下内容，
2.1、数字拓扑关系网络绘制
(1)、在上一步处理后的数字高程数据的基础上，采用ArcGI S进行填洼处理，将填洼后的栅格像元值减去原始高程栅格像元值，得到各栅格新的像元值，即为洼地内各栅格深度，洼地内栅格像元最大值即为该洼地的最大深度h(m)。通过此法处理，可获得城市地表所有洼地分布数据(深度)。对每个洼地，将栅格数量乘以单个像元面积，得到该洼地的面积S(m2)。将每个洼地内逐个栅格像元值(深度)乘以像元面积进行累加，计算得到每个洼地的容量(体积)。洼地的容量(体积)计算公式如下：
式中，Vp为第p个洼地的容量(体积)(m3)；k为洼地内的栅格像元数量(个)；为生成的洼地栅格上，第p个洼地范围内第z个栅格的像元值，即为洼地内各栅格深度(m)；lcell为栅格数据分辨率(m)。
(2)考虑到局部微观层面的细小洼地对城市积水成灾贡献作用极小，通过对洼地容量、面积和最大深度进行筛选，排除低于一定容量、面积和最大深度阈值的洼地。通过此处理，有利于提升积水模拟效率，也可减少积水误判。
(3)当研究区域内所有洼地确定后，在每一个洼地中，识别洼地栅格内最低像元值，假设水位从该最低像元值开始在洼地内部逐渐提高，直到水流在洼地边缘某一点溢出，该点即为该洼地的倾泻点。
(4)在填洼后栅格数据上进行流向计算，生成流向栅格数据用于确定水流方向。根据流向栅格和倾泻点，通过ArcGIS的水文分析工具集，识别倾泻点上方水流聚集的区域，并将其确定为该倾泻点对应洼地的集水区。
(5)通过使用ArcGIS的Cost Path工具，来追踪每个集水区内管网雨水井到洼地、整个研究区域内上游洼地到下游洼地的最低成本流动路径，输出是一个单像素宽的栅格流网络，可以使用Stream to Feature工具将其转换为下游定向的折线要素。
(6)将洼地与集水区转化为多边形面要素，将每个洼地的倾泻点转化为点要素，将管网雨水井到洼地、不同洼地之间的流动路径转化为线要素，并将三者组合形成数字拓扑关系网络，如图2中的(a)所示。
2.2、分布式动态蓄积模拟
当暴雨产流强度超过雨水井排水能力时，径流从管网雨水井溢流至城市地表低洼处形成积水。对于洼地的积水过程模拟，采用洼地水位容量曲线法。
洼地水位容量曲线构造方法为：从洼地水深0开始，依次增加洼地的积水深度Δh(m)，并计算每个洼地不同积水深度对应的积水水位和水量水位和水量的计算公式如下：
式中，为第p个洼地范围内最小高程值(m)；为第p个洼地内第z个栅格的高程值(m)。
基于每个洼地的不同积水水位与对应水量的关系，通过插值或者拟合得到每个洼地的水位容量曲线Hp＝fp(vp)，并作为洼地属性储存，如图2中的(b)所示。
逐时段过程模拟：先计算从雨水井或流动路径中流入洼地的水量，通过水位容量曲线得到洼地内的积水水位，用该水位减去洼地内的各栅格原始高程值，得到对应栅格的积水水深。t+Δt时刻的积水水深计算公式如下：
式中，为时刻t+Δt时第p个洼地的积水水位(m)；为时刻t时第p个洼地内水量(m3)；为时刻t+Δt时第p个洼地的入流量(m3)；为时刻t+Δt时第p个洼地中第z个栅格的积水水深(m)。
2.3、基于惯性浅水方程的路径水流演进模拟
当出现管网雨水井溢流或洼地蓄满，水流将从管网雨水井或洼地的倾泻点沿着(2.1)中获取的流动路径网络流入下一个洼地，在这个过程中的水流运动采用浅水方程的简化形式描述。对于洪泛流动，对流项相对不重要可予以忽略，仅保留惯性项能够减少网格间的通量、提高计算过程中的稳定性，因此在浅水方程中忽略对流项，保留惯性项，如图2中的(c)所示，简化的浅水方程(即基于惯性的浅水方程)公式如下，
式中，Q是流量(m3/s)；t是时间(s)；A是断面过水面积(m2)；Z是修正后地表高程(m)；h是水深(m)；R是水力半径(m)；g是重力加速度(m/s2)；x是位移(m)。
为求解公式(7)，需根据时间步长Δt对其离散化，采用Courant-Fr iedr i chs-Lewy条件对时间步长进行约束，确保计算结果能够收敛：
式中，无量纲参数Cr需要小于1才能保持稳定；Δx是单位位移(m)；V是一个特征速度(m/s)，对于忽略了对流项的浅水方程其特征速度为是长波长、小振幅重力波的波速。故t+Δt时刻中的时间步长需要满足以下要求：
2.4、分布式动态填洼与路径水流演进耦合模拟
当管网超载时，溢流首先从管网雨水井通过流动路径流向集水区内的洼地，待洼地蓄满，则通过流动路径流向下一个洼地，洼地和流动路径的水量交换则通过堰流公式计算，所有的洼地蓄积过程和路径水流的流动过程是按照自适应步长动态演进的，具有明确的时间属性。
2.5、城市积水淹没二维模型参数率定
基于研究区域的地形和下垫面条件，合理划分网格，构建M I KE21模型，设置M IKE21模型的初始条件和边界条件，通过M I KE21模型中的Sources模块描述雨水井的出流过程，计算得到淹没范围结果；将城市积水淹没二维模型的模拟结果与M I KE21模型的模拟结果以及典型积水区域地面积水深观测数据进行对比，对城市积水淹没二维模型中的洼地容量、面积和最大深度这三个参数进行率定，通过不断调整洼地的容量、面积和最大深度阈值，直到城市积水淹没二维模型的模拟结果与M I KE21模型的模拟结果以及地面积水深观测值足够接近，得到率定好的城市积水淹没二维模型。
三、城市积水淹没二维模型与管网及河道模型集成
将率定好的城市积水淹没二维模型与一维管网模型、一维河道模型进行集成，获取完整的城市雨洪模型。具体包括如下内容，
3.1、与一维管网模型集成：通过一维管网模型模拟水流在管网里的流动过程，识别超载和未超载管网雨水井。
对于超载雨水井，将每个步长的溢流按照点源入流的形式添加至率定好的城市积水淹没二维模型的相应栅格，参与地表积水扩散过程；
对于未超载雨水井，计算井内水位与地面积水水位之间的差值作为水头，利用底孔口流量公式计算地表和管网之间的交换水量，并在地表积水中将该部分交换水量通过对应的管网雨水井转移至一维管网模型。
3.2、与一维河道模型集成：将管网入河排水口的河道断面水位设定为该管网入河排水口的边界条件，同时将管网入河排水口的入河流量过程视为河道汇流的点源入流过程，体现模拟过程中河道断面水位对管网排水能力的影响，以及管网排水口出流量对河道断面下游汇流过程的影响，从而实现河道和管网之间的双向紧密耦合。
四、城市雨洪时空过程快速模拟及风险分析
基于城市雨洪模型，接入未来气象水文预测数据，实时预测城市积水过程及退水过程，获取城市地表淹没范围；基于城市地表淹没范围建立城市洪涝风险指标，并基于城市洪涝风险指标绘制城市积水二维风险图。
4.1、城市地表积水模拟预测：基于降雨预报结果、河道水位、流量实测边界条件，驱动城市雨洪模型，实时计算积水深网格预测数据。
4.2、城市洪涝风险指标构建：充分参考淹没水深对行人安全的威胁程度以及水利行业的图件编制标准，针对极端暴雨事件，设定0.05m、0.3m、0.6m、1m的淹没水深分别作为城市出行淹没较低风险、中风险、高风险、极高风险的指标。
4.3、城市实时风险预测与重点城市空间对象风险分析：基于积水实时预测数据，结合城市洪涝风险指标，绘制城市积水二维风险图；并为重点城市空间对象绘制专题风险图，保障抢险救灾的有利进行和人民生命财产安全。
通过采用本发明公开的上述技术方案，得到了如下有益的效果：
本发明提供了一种融合分布式动态蓄积与路径水流演进的城市积水二维快速模拟方法，本发明方法提出将城市地表积水过程概化为分布式动态蓄积与路径水流演进两个关键过程，并采用水位容量曲线、惯性浅水方程等水文水动力学方法进行模拟计算，相较于传统基于二维浅水方程进行全域求解计算，本发明大幅减少了模拟计算时间和复杂度，相较于元胞自动机等简化模型仅能输出静态淹没水深结果，本发明能模拟积水从发生、发展到消退的全部时空动态过程，相较于数据驱动/机器学习模型需要大量样本进行训练以确定模型结构和超参数，本发明的参数设置十分便捷。本发明兼具了物理过程模型的机理性、简化模型的计算效率。本发明方法既能应用于精细化模拟、规划和设计，又能应用于城市暴雨内涝的实时预报、快速推演。在保持与经典动力学模型模拟精度相似的同时，将模拟计算效率从数小时级提升至分钟级，结合地面积水风险指标，可支撑相关部门发布城市全域实时动态风险图，以及城市水利工程、生命线工程、重点保护对象等专题风险图，保障抢险救灾的科学有序进行和人民生命财产安全。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。
Claims (7)
1.一种融合分布式动态蓄积与路径水流演进的城市积水二维快速模拟方法，其特征在于：包括如下步骤，
S1、基础数据收集及处理：
收集并处理研究区域的管网数据、高分辨率数字高程数据、下垫面数据和气象水文数据；
S2、城市积水二维快速模拟方法构建：
基于已处理的研究区域的基础数据，通过ArcGIS工具，识别研究区域内的城市地表洼地、倾泻点、洼地所属集水区、集水区内管网雨水井到洼地的流动路径、不同洼地间的流动路径，绘制数字拓扑关系网络；基于数字拓扑关系网络将城市积水过程按照其发生和发展过程，概化为分布式动态蓄积和路径水流演进两个阶段，基于城市积水淹没二维模型对上述阶段进行模拟；通过将城市积水淹没二维模型的模拟结果与MIKE21模型的模拟结果以及地面积水观测值进行对照，从而对城市积水淹没二维模型进行参数率定，获取率定好的城市积水淹没二维模型；其中，
分布式动态蓄积阶段模拟：管网雨水井溢流量在城市地表低洼处形成积水，采用洼地水位容量曲线法模拟洼地积水过程；
分布式动态蓄积阶段模拟具体为，
当暴雨产流强度超过雨水井排水能力时，径流从管网雨水井溢流至城市地表低洼处形成积水；先计算从雨水井或流动路径中流入洼地的水量，通过洼地水位容量曲线法得到洼地内的积水水位，用该积水水位减去洼地内的各栅格原始高程值，得到对应栅格的积水水深；
路径水流演进阶段模拟：管网雨水井溢流量和洼地溢流量按照相应的流动路径在洼地之间进行水量交互，采用惯性浅水方程模拟计算水流运动过程；
路径水流演进阶段模拟具体为，
当出现管网雨水井溢流或洼地蓄满，水流将从管网雨水井或洼地的倾泻点沿着流动路径网络流入下一个洼地，该过程中的水流运动采用惯性浅水方程描述；求解惯性浅水方程，根据时间步长对其离散化，并采用Courant-Friedrichs-Lewy条件对时间步长进行约束，确保计算结果能够收敛；
所述惯性浅水方程为，忽略对流项保留惯性项的浅水方程；
分布式动态填洼与路径水流演进耦合模拟：降雨产流后，产流量首先排入管网雨水井，超过排水能力的部分在井口溢出，流动至洼地，洼地不断蓄积水量直至超过洼地容量，在倾泻点溢出，通过堰流公式计算溢流量；
分布式动态填洼与路径水流演进耦合模拟具体为，
当管网超载时，溢流首先从管网雨水井通过流动路径流向集水区内的洼地，待洼地蓄满，则通过流动路径流向下一个洼地，洼地和流动路径的水量交换则通过堰流公式计算；所有的洼地蓄积过程和路径水流的流动过程是按照自适应步长动态演进的，具有明确的时间属性；
S3、城市积水淹没二维模型与管网及河道模型集成：
将率定好的城市积水淹没二维模型与一维管网模型、一维河道模型进行集成，获取完整的城市雨洪模型；
S4、城市雨洪时空过程快速模拟及风险分析：
基于城市雨洪模型，接入未来气象水文预测数据，实时预测城市积水过程及退水过程，获取城市地表淹没范围；基于城市地表淹没范围建立城市洪涝风险指标，并基于城市洪涝风险指标绘制城市积水二维风险图。
2.根据权利要求1所述的融合分布式动态蓄积与路径水流演进的城市积水二维快速模拟方法，其特征在于：绘制数字拓扑关系网络具体包括如下内容，
S21、在已处理的研究区域的数字高程数据的基础上，采用ArcGIS进行填洼处理，将填洼后的栅格像元值减去原始高程栅格像元值，得到各栅格新的像元值，获取洼地内各栅格深度，并将洼地内栅格像元最大值作为洼地的最大深度；对于每个洼地，将栅格数量乘以单个像元面积，获取洼地的面积；将每个洼地内逐个栅格像元值乘以像元面积进行累加，获取每个洼地的容量；
S22、基于洼地的容量、面积和最大深度对洼地进行筛选，排除低于一定容量、面积和最大深度阈值的洼地，确定研究区域内所有洼地；
S23、在每一个洼地中，识别洼地栅格内最低像元值，水位从该最低像元值开始在洼地内部逐渐提高，直到水流在洼地边缘某一点溢出，该点即为该洼地的倾泻点；
S24、在填洼后栅格数据上进行流向计算，生成流向栅格数据用于确定水流方向；根据流向栅格和倾泻点，通过ArcGIS的水文分析工具集，识别倾泻点上方水流聚集的区域，并将其确定为该倾泻点对应洼地的集水区；
S25、使用ArcGIS的Cost Path工具，追踪每个集水区内管网雨水井到洼地、整个研究区域内上游洼地到下游洼地的最低成本流动路径，输出一个单像素宽的栅格流网络，并使用Stream to Feature工具将其转换为下游定向的折线要素；
S26、将洼地与集水区转化为多边形要素，将每个洼地的倾泻点转化为点要素，将管网雨水井到洼地、不同洼地之间的流动路径转化为线要素，并将多边形要素、点要素和线要素组合形成数字拓扑关系网络。
3.根据权利要求1所述的融合分布式动态蓄积与路径水流演进的城市积水二维快速模拟方法，其特征在于：洼地水位容量曲线法具体为，
从洼地水深0开始，依次增加洼地的积水深度，并计算每个洼地不同积水深度对应的积水水位和水量；基于每个洼地的不同积水水位与对应水量的关系，通过插值或者拟合得到每个洼地的水位容量曲线，并作为洼地属性存储。
4.根据权利要求1所述的融合分布式动态蓄积与路径水流演进的城市积水二维快速模拟方法，其特征在于：城市积水淹没二维模型参数率定具体为，
基于研究区域的地形和下垫面条件，划分网格，构建MIKE21模型，设置MIKE21模型的初始条件和边界条件，通过MIKE21模型中的Sources模块描述雨水井的出流过程，计算得到淹没范围结果；将城市积水淹没二维模型的模拟结果与MIKE21模型的模拟结果以及典型积水区域地面积水深观测数据进行对比，不断调整洼地的容量、面积和最大深度阈值，直到城市积水淹没二维模型的模拟结果与MIKE21模型的模拟结果以及地面积水深观测值足够接近，得到率定好的城市积水淹没二维模型。
5.根据权利要求1所述的融合分布式动态蓄积与路径水流演进的城市积水二维快速模拟方法，其特征在于：步骤S3具体包括如下内容，
S31、与一维管网模型集成：通过一维管网模型模拟水流在管网里的流动过程，识别超载和未超载管网雨水井；
对于超载雨水井，将每个步长的溢流按照点源入流的形式添加至率定好的城市积水淹没二维模型的相应栅格，参与地表积水扩散过程；
对于未超载雨水井，计算井内水位与地面积水水位之间的差值作为水头，利用底孔口流量公式计算地表和管网之间的交换水量，并在地表积水中将地表和管网之间的交换水量通过对应的管网雨水井转移至一维管网模型；
S32、与一维河道模型集成：将管网入河排水口的河道断面水位设定为该管网入河排水口的边界条件，同时将管网入河排水口的入河流量过程视为河道汇流的点源入流过程，从而实现河道和管网之间的双向紧密耦合。
6.根据权利要求1所述的融合分布式动态蓄积与路径水流演进的城市积水二维快速模拟方法，其特征在于：步骤S4具体包括如下内容，
S41、城市地表积水模拟预测：基于降雨预报结果、河道水位、流量实测边界条件，驱动城市雨洪模型，实时计算积水深网格预测数据；
S42、城市洪涝风险指标构建：充分参考淹没水深对行人安全的威胁程度以及水利行业的图件编制标准，针对极端暴雨事件，设定0.05m、0.3m、0.6m、1m的淹没水深分别作为城市出行淹没较低风险、中风险、高风险、极高风险的指标；
S43、城市实时风险预测与重点城市空间对象风险分析：基于积水实时预测数据，结合城市洪涝风险指标，绘制城市积水二维风险图；并为重点城市空间对象绘制专题风险图。
7.根据权利要求1至6任一所述的融合分布式动态蓄积与路径水流演进的城市积水二维快速模拟方法，其特征在于：步骤S1具体包括如下内容，
S11、管网数据收集与处理：收集并核对研究区域内部的排水管道网络的地理位置、管道直径、井顶高程、井底高程、管道材料、管道连接方式，对管网数据进行概化，在保留必要信息和特征的条件下，合并管网中相邻节点，简化管道连接；
S12、数字高程数据收集及处理：通过地图下载器下载米级数字高程数据DEM，并在地形数据基础上叠加城市建筑高程模型数据，进行城市建筑高程修正；
S13、下垫面数据收集及处理：收集土地类型、土地利用类型数据，利用ArcGIS软件将其格式和分辨率与数字高程数据进行统一，并计算得到研究区域糙率分布；
S14、气象水文数据收集及处理：收集城市内涝事件中雨量站、河道水文站、地面积水观测站的实测数据，并统一各种时序数据时间间隔。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410640345.7A CN118395731B (zh) | 2024-05-22 | 2024-05-22 | 一种融合分布式动态蓄积与路径水流演进的城市积水二维快速模拟方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410640345.7A CN118395731B (zh) | 2024-05-22 | 2024-05-22 | 一种融合分布式动态蓄积与路径水流演进的城市积水二维快速模拟方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118395731A CN118395731A (zh) | 2024-07-26 |
| CN118395731B true CN118395731B (zh) | 2024-10-29 |
Family
ID=91984883
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410640345.7A Active CN118395731B (zh) | 2024-05-22 | 2024-05-22 | 一种融合分布式动态蓄积与路径水流演进的城市积水二维快速模拟方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118395731B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118797794A (zh) * | 2024-09-14 | 2024-10-18 | 江苏省建设集团有限公司 | 基于虚拟仿真模拟的建筑方案设计方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105631168A (zh) * | 2016-03-25 | 2016-06-01 | 中国水利水电科学研究院 | 一种实时高效的流域洪水演进可视化仿真方法 |
| CN114970315A (zh) * | 2022-04-19 | 2022-08-30 | 河海大学 | 一种基于空间动力特征深度学习的城市积水模拟和快速预测方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113742818B (zh) * | 2021-08-12 | 2022-07-01 | 中交第四航务工程勘察设计院有限公司 | 市政道路积水多因素复合型预警预报方法 |
-
2024
- 2024-05-22 CN CN202410640345.7A patent/CN118395731B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105631168A (zh) * | 2016-03-25 | 2016-06-01 | 中国水利水电科学研究院 | 一种实时高效的流域洪水演进可视化仿真方法 |
| CN114970315A (zh) * | 2022-04-19 | 2022-08-30 | 河海大学 | 一种基于空间动力特征深度学习的城市积水模拟和快速预测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118395731A (zh) | 2024-07-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3534187B1 (en) | Process and system for hydrological analysis and management for river basins | |
| CN109657841B (zh) | 一种城市暴雨内涝积水深度提取方法 | |
| CN107832931A (zh) | 一种平原水网地区内涝风险的模块化分析方法 | |
| Sebastian et al. | Hindcast of pluvial, fluvial, and coastal flood damage in Houston, Texas during Hurricane Harvey (2017) using SFINCS | |
| CN116911699B (zh) | 城市洪涝灾害应对韧性的精细化动态评估方法和系统 | |
| CN115391712A (zh) | 一种城市洪涝风险预测方法 | |
| CN113409550B (zh) | 基于径流汇流模拟的泥石流灾害预警方法及系统 | |
| CN118395731B (zh) | 一种融合分布式动态蓄积与路径水流演进的城市积水二维快速模拟方法 | |
| CN115471078A (zh) | 一种基于城市水务系统的洪涝风险点评估方法及装置 | |
| Filipova | Urban flooding in Gothenburg-A MIKE 21 study | |
| CN111475950A (zh) | 一种下凹式立交桥下雨洪的模拟方法 | |
| Ketema et al. | Prioritization of sub-watersheds for conservation measures based on soil loss rate in Tikur Wuha watershed, Ethiopia | |
| Cin et al. | An integrated approach for realtime floodmap forecasting on the Belgian Meuse River | |
| JP4083625B2 (ja) | 水害解析システム | |
| Abd Rahman et al. | Digital surface model (DSM) construction and flood hazard simulation for Development Plans in Naga City, Philippines | |
| Jean Louis et al. | Effects of urbanization and deforestation on flooding: Case study of Cap‐Haïtien City, Haiti | |
| Pariartha et al. | The prediction of flood damage in coastal urban areas | |
| 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 | |
| Nilsson | A dynamic and spatially distributed rainfall runoff model-Developing a model for overland flow in GIS, based on a multiple flow direction algorithm | |
| Dams et al. | Forecasting land-use change and its impact on the groundwater system of the Kleine Nete catchment, Belgium | |
| CN117852449B (zh) | 基于大尺度城市暴雨内涝模型的精细化积水处理方法 | |
| Bhuyian | Development of Morphologically Consistent Digital Elevation Model for Improving Riverine Flood Impact Assessment in Data-Poor Areas | |
| Konan | Urban Flood modelling and Floodplain Mapping using ArcGIS, HEC-HMS and HEC-RAS in Abidjan city, Côte D’Ivoire–West Africa: Case study of the watershed of Bonoumin-Rivièra Palmeraie | |
| Zhao | A Sub-Model Approach for Fast Large-Scale High-Resolution Two-Dimensional Urban Surface Flood Modelling | |
| Pradeep et al. | 3-Way coupled urban flood modelling for a part of Chennai City using high-resolution topographic data |
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 |