变化环境下城市暴雨洪涝应对新模式研究*

姜仁贵，韩 浩，解建仓，李发文

变化环境下城市暴雨洪涝应对新模式研究*

姜仁贵1，韩 浩1，解建仓1，李发文2

(1. 西安理工大学 西北旱区生态水利工程国家重点实验室培育基地，陕西 西安 710048；2. 天津大学 水利工程仿真与安全国家重点实验室，天津 300072)

在分析城市暴雨洪涝特征及其成因基础上，将水文模拟、3S集成、可视化仿真等应用到城市暴雨洪涝应对中，从非工程措施角度对变化环境下的城市暴雨洪涝进行快速响应、应急应对，最大程度降低洪灾损失。建立集“预估-预测-预警-预案”为一体的城市暴雨洪涝应对新模式，包括：基于降尺度的城市局部暴雨预估，耦合气象水文的短期降雨预测，多源数据融合下城市暴雨洪涝预警以及基于可视化仿真的暴雨洪涝预案，提高应对的可操作性和可信度，支撑城市暴雨洪涝的快速响应和科学应对。

城市暴雨洪涝；应对模式；变化环境；城市水安全

受气候变化和城市化扩张双重影响，全球范围内洪涝问题加剧，中国是世界上暴雨洪涝灾害最为严重的国家之一，尤其是，随着城市化进程加快，城市暴雨洪涝问题突发、频发和广发，灾害损失严重，危害到经济社会健康有续发展[1]。针对变化环境下城市暴雨洪涝问题，诸多专家学者开展大量研究，取得许多成果，主要集中在城市暴雨洪涝过程模拟[2-4]、城市暴雨洪涝特征分析[5]、城市暴雨洪涝机理研究[6]、暴雨洪涝管理及其应对[7-9]上。城市暴雨洪涝模拟与仿真方面，国内外相关研究较早，由最初相对简单的经验性和概念性模型发展到较为复杂的水动力学物理模型，典型的有：QQS模型[10]、SWMM模型[11]、WallingFord模型[12]、HSPF模型[13]、城市雨水径流计算模型[14]、城市暴雨内涝模型[4]等。诸多文献将城市暴雨洪涝特征及其机理综合起来研究，例如，TY Gan等[15]采用RCM对城市降水进行模拟进而分析其时空分布特征，结果表明：气候变化使得城市暴雨事件发生的频率与强度增加。Raghav Tripathi等[16]通过对2007年发生在美国Vernonia市的洪涝事件分析发现：城市化和硬化地面的增加使得暴雨下渗减少，地面径流量增加，洪峰流量加大，洪灾加重。国内，姜仁贵等[17]研究发现局地强降水模式与位势高度场、ENSO和PDO等多个气候异常因子呈较强的相关关系，并对局地暴雨可预测性进行论证。在城市暴雨洪涝管理与应对上，国际上研究起步较早，欧美部分国家已建成了较为完善的城市雨洪管理体系，典型的有：美国提出的LID和BMPs，英国的SUDS和新西兰的LIUDD等[18-19]。

综上可以看出，针对城市暴雨洪涝模拟、特征及其机理等方面研究成果相对较多，引入国外先进管理理念，我国海绵城市建设已经开始试点施行，然而，在如何对频发、广发且高危害性特征的城市暴雨洪涝做出科学应对方面的研究与应用鲜有报道，尤其是，考虑城市暴雨洪涝不可重现性，如何提供可供实际操作的应对模式，为城市暴雨洪涝快速响应提供辅助决策支持，是个亟待解决的难题。本文围绕变化环境下的城市暴雨洪涝应对这一问题，提出应对城市暴雨洪涝新模式，包括：基于降尺度的城市局部暴雨预估，耦合气象水文的短期降雨预测，多源数据融合下城市暴雨洪涝预警以及基于可视化仿真的暴雨洪涝预案。将水文模拟、3S技术和可视化仿真等信息技术应用到城市暴雨洪涝事件应对中，从非工程措施角度对城市暴雨洪涝进行快速响应，应急应对，最大限度降低洪灾损失。

1 城市暴雨洪涝特征与成因

1.1 典型城市暴雨洪涝特征

近年来，全国范围内城市暴雨洪涝频发，部分城市甚至年年都发生内涝事件，“逢雨必涝”和“去城市看海”成了城市居民的口头禅，同时也成了城市市政和水务管理部门的重要防范工作。根据住房和城乡建设部2010年对中国351个城市排涝能力调研表明，2008-2010年间，62%城市发生不同程度内涝，内涝灾害3次以上的城市137个，最大积水时间超过12 h的城市有57个。为了进一步揭示城市暴雨洪涝特征，本文收集了近年来17例典型城市暴雨洪涝事件(表1)。

表1 近年我国典型城市暴雨洪涝事件

备注：表中资料收集于网络资源。

从表1中可以看出我国典型城市暴雨洪涝具有以下特征：①时间上，近10年来城市暴雨强度相对有所增加，体现在多个城市多个时段降雨量达到历史同期最大、建国以来最大、建站以来最大以及历史罕见，暴雨难以精准预报，城市下垫面情况复杂，使得城市暴雨洪涝具有较大不确定性；②空间上，城市暴雨洪涝在全国各地都有发生，东部、中部和西部，南方或者北方，沿海地区或者内陆地区，降雨以局部强降雨过程为主，通常为暴雨到大暴雨局部特大暴雨，降雨区域分布不均，城郊差异明显，城区平均降雨量普遍比郊区平均降雨量要大；③成因上，暴雨是引发城市洪涝的主要致灾因子，局部暴雨成因复杂，主要受冷暖空气作用和大气环流变化影响，城市路面硬化、城市排水管网落后、排涝能力偏低等因素是重要致灾因子；④灾损上，主要采用受灾人口、伤亡人口、经济损失、工业和交通业受灾等指标表示，其中，以人员伤亡最为受到重视，应重点应对；⑤管理应对上，城市气象部门基本能够实现提前预报，但是在时间和空间上精度仍有待提高，市政及水务管理部门能够结合城市暴雨洪涝实际情况，启动相应的应急响应，并能够做到及时反馈灾损情况，同等暴雨等级强度下，内涝点有所减少，应急管理能力明显提升，灾害损失有所降低[20]。

1.2 城市暴雨洪涝成因分析

城市暴雨洪涝成因复杂，同一城市不同时段、同一时段不同城市、不同城市不同时段暴雨洪涝致灾因子、孕灾环境和承灾体存在较大差异，由此造成的灾害损失以及次生衍生灾害也有所不同。本文从气候变化和城市化影响两个方面对城市暴雨洪涝成因进行分析。

受气候变化影响，近年局地强降雨过程频发、突发，多个城市多个时段出现历史极值降雨过程，短期强降雨过程是城市洪涝直接致灾因子。相比之下，当前城市排水系统规划与设计基本沿用旧有暴雨强度公式，大部分大中城市排水系统设计采用“三年一遇”，甚至是“一年一遇”设计标准，部分城市雨污合流，管理使用年限较久，排水防涝能力较弱，强降雨过程加之相对滞后的城市排水系统直接导致很多城市一遇到强降雨天气便出现洪水或者积涝等现象。

近年来，城市化进程加快，城市不透水面积增加，城市土地利用/覆盖变化(LUCC)发生改变，不透水地表取代植被，使得传统蒸散发和雨水截留作用降低，LUCC引起径流等水文要素和产汇流等水文过程变化，地表降雨径流量增加，汇流历时缩短，洪水过程线向高、瘦、尖转变，与此同时，城区建设规划中，对防水排涝基础设施建设仍较为薄弱，城市洪涝灾害进一步加重[6,21]。城市热岛(UHI)效应对城市暴雨洪涝起到放大作用，研究表明：受城市规模扩大影响，城区出现增温现象，夏季容易形成以城区为中心的“热岛”，尤其在城区高层建筑区域，热岛环流作用使得城区上空较易形成强对流，进而产生对流性强的暴雨过程，产生“雨岛效应”；研究进一步发现UHI效应与城市扩张及人口增长呈显著正相关，夏季暴雨受UHI效应影响明显[23]。城区人口密集、交通及工业发达，释放大量空气污染物，为降雨提供更为丰富的凝结核，相比郊区，城区发生暴雨概率和强度更大。

2 城市暴雨洪涝“四预”应对新模式

城市暴雨过程由于突发性、随机性、局地性以及直接引发暴雨中小尺度天气系统的复杂性等特点，气象部门难以对局地暴雨进行精准预报。以美国环境预报中心(NCEP)、欧洲中期天气预报中心(ECMWF)、英国国家气象局(Met Office)和中国气象局等为代表建立的气候模型在短期(24h)晴雨预报准确率较高(>80%)，然而仍难以实现对局地暴雨的定时、定点和定量精准预报，城市短历时、强降雨定量预报的精细化及准确率与实用需求仍有差距[9]。针对突发频发、成因复杂以及难以精准预报的城市暴雨洪涝问题，如何应对是关键，当前“海绵城市”以及城市排水管网改造等工程措施为提升根据上解决城市洪涝问题提供可能，本文从非工程措施角度提供一套可供实际操作的应对模式，为城市暴雨洪涝快速响应提供中长期、短期、近实时和实时策略，提高城市防洪减灾能力。

2.1 基于降尺度的城市局部暴雨预估

世界气候研究计划(World Climate Research Programme, WCRP)在第五阶段耦合模型比较计划(Fifth phase of the Coupled Model Intercomparison Project, CMIP5)中输出不同代表浓度路径(Representative Concentration Pathways, RCPs)情景下的全球气候模式(Global Climate Model, GCM)结果，能够较好模拟未来气候变化情景下降雨情况，但是由于GCM输出结果空间与时间分辨率相对较低，尚不能满足城市尺度的暴雨预估，为此，对粗分辨率GCMs进行降尺度处理，提高GCMs输出结果在城市尺度预估的可靠性。采用耦合天气发生器和多元回归的统计降尺度模型SDSM对GCMs进行降尺度处理，该模型可表述为：RPs=R(LPs)，其中，RPs为区域预报量，包括：降水量和极端降水指标等；LPs为气候预报因子，拟选用的LPs包括：可降水量，相对湿度，大气压力，500 hPa和850 hPa气温，位势高度场，风速(经向和纬向)等共16个，数据来源于NCEP/NCAR再分析资料；R为RPs与LPs的统计关系。将GCMs输出结果输入到经检验的统计模型中模拟RPs的日序列值。考虑单一GCM及RCP预估值存在的差异性，通过对多GCMs多RCPs集成模拟结果进行综合比对最终确定RPs。经SDSM降尺度得到的降水量可直接用于城市局部暴雨中长期预估。

2.2 耦合气象水文的城市暴雨短期预测

基于成因确定城市暴雨洪涝驱动因子，对其进行定量分析，建立城市暴雨洪涝情景和关键驱动因子情景集。从气候变化和城市化两个方面筛选城市暴雨驱动因子和洪涝驱动因子，其中，城市暴雨驱动因子主要包括：大尺度的气候异常因子、中尺度的环流特征、城市尺度的UHI效应；洪涝驱动因子主要为小尺度的城市土地利用、植被覆盖与易涝点变化，通过对地形地貌数据和遥感影像分析，结合近年来城市易涝点积水情况最终确定。分析城市暴雨与气候异常因子、环流特征、UHI效应等驱动因子之间定量关系，对上述驱动因子进行情景划分，建立暴雨驱动因子情景集。①建立城市暴雨和气候异常因子之间定量模型分析气候异常对城市暴雨的影响程度，根据相关系数大小设定气候异常因子情景集。②采用天气动力诊断与合成分析方法研究引发城市暴雨的环流特征，合成值的绝对值越大表示环流异常对暴雨影响程度越明显，根据合成值大小设定环流特征情景。③采用NOAA STAR发布的温度状态指数(TCI)分析UHI效应，分析TCI指数与城市暴雨之间潜在关系，根据TCI与城市暴雨之间相关系数大小建立UHI效应情景集。从土地利用、植被覆盖和城市易涝点变化等方面建立洪涝驱动因子情景集。①在城市土地利用和地类分布基础上，结合城市遥感影像空间解译结果，对不同时期城市土地利用类型进行分类，结合城市未来发展规划，根据不同土地类型所占比例的不同建立土地利用情景集。②采用NOAA STAR植被健康指数(VHI)和归一化植被指数(NDVI)分析城市不同时期植被覆盖，建立城市植被覆盖情景集。③结合不同规划年城市土地利用规划和地类分布建立未来情景土地利用和植被覆盖情景，根据易涝点情况进而确定城市易涝点情景。基于上述特征情景集，建立城市暴雨洪涝情景和关键驱动因子情景预测模型，开展多情景组合城市暴雨洪涝短期预测。

2.3 多源数据融合下城市暴雨洪涝预警

信息技术快速发展为海量信息获取及从中挖掘有价值信息的能力得到极大提升，近实时暴雨洪涝预警成为可能。采用信息融合从标准化数据库中筛选中与城市暴雨洪涝相关特性的信息资源，一方面，将收集的降雨、易涝点积水及淹没等信息进行分析，根据事先制定的预警阈值确定暴雨预警级别(大暴雨、暴雨、大雨和中雨)、预警标志(红色、橙色、黄色、蓝色)和预警响应等级(Ⅰ、Ⅱ、Ⅲ、Ⅳ级)；另一方面，按照城市暴雨洪涝形成过程设定情景方案，基于情景模拟建立城市暴雨洪涝预警信息“实体-关系”推演模型，将与城市暴雨洪涝相关的降雨、河道及水文过程等进行抽象，将降雨、地形及河道等视为实体。该模型的核心问题在于实体的识别、关系的建立，实体主要包括：城市暴雨洪涝的致灾因子(暴雨)、孕灾环境(地形、河道等)、易涝点灾害评估与分析模型等；关系主要包括：降雨产汇流过程，洪水演进与淹没过程等。解决的思路：①建立暴雨等实体情景集和实体之间关系，通过历史数据对推演模型中各关系参数进行估计，在此基础上，根据不同情景的降雨等实体数据，结合城市易涝点情况分析城市暴雨洪涝情况。②结合城市社会经济情况分析不同暴雨等级的洪涝灾害，进一步分析得到城市暴雨洪涝预警信息。暴雨洪涝预警信息采用基于移动代理的短信服务(Mobile Agent Server, MAS)方式发送至相关人员，快速响应。

2.4 基于可视化仿真的城市暴雨洪涝预案

建立预警信息与人防、物防、技防相结合的城市暴雨洪涝应对预案体系，提升强降雨天气下汛情、险情与灾情的快速响应及应对能力，最大限度减少城市暴雨洪涝灾损。基于综合集成平台搭建流程化且易于会商和调整反馈的情景预案，为城市暴雨洪涝快速响应和科学应对服务。将传统的文本化预案情景主题化，按照预案流程组织数据、模型和方法，形成可视化的逻辑编排，建立具有可视化、松散耦合等特征的情景预案，开展综合集成会商研讨，从数据、信息到知识和决策，定性研讨与定量分析相结合，通过会商研讨对暴雨洪涝事件响应策略进行充分论证，对情景预案进行修正和优化，生成最优应对预案。①首先，由情景预案会商研讨发起人(例如，城市防汛办主任)确定暴雨洪涝会商研讨情景主题，将该情景主题下的情景预案进行可视化描述，专家根据以往应对经验和实际暴雨等级，在情景预案上添加或修改事先建立的数据资源和模型方法等。②围绕情景主题，专家结合自身对城市暴雨洪涝应对的理解与经验，建立模型、方法与情景主题之间的链接，用以描述专家的思维和应用的组织流程。③会商研讨过程中，各专家针对不同情景预案与其他专家进行会商研讨，并对其进行优化。④根据专家意见对情景预案进行修改，确定该情景主题最优应对预案。⑤通过对情景预案进行在线会商研讨与交互，确定城市暴雨洪涝的实施预案，支撑城市暴雨洪涝的快速应对。

3 “四预”应对新模式支撑关键技术

通过构建城市暴雨洪涝“预估-预测-预警-预案”应对新模式，为城市暴雨洪涝提供中长期、短期、近实时和实时响应策略，为城市防洪减灾提供理论支撑。城市暴雨洪涝“四预”应对新模式采用的关键技术主要包括：GCM降尺度模型、数据集成与融合技术、可视化模拟仿真技术等。

3.1 GCM降尺度模型

目前降尺度方法主要分为统计降尺度、动力降尺度以及统计-动力降尺度耦合模型，典型的统计降尺度方法有：天气发生器、多元回归、人工神经网络以及天气分型技术等；动力降尺度方法以美国PennState /NCAR联合发布的中尺度大气模型(MM5等)和NCAR发布的天气研究与预报模式WRF为代表。考虑SDSM在极端降水模拟上具有一定优势，采用SDSM作为GCMs降尺度模型。在确定LPs格网和RPs监测站后，采用距离倒数权重插值法将NCEP再分析资料和不同GCMs网格空间分辨率进行匹配。对数据进行降维，以CCSM4为例，根据其空间分辨率(1.25°×0.9375°)确定研究区域内包含测站的网格，假定网格数为6，每个网格对应NCEP再分析气候异常因子16个，则作为降尺度模型预报因子共96维(6×16)，采用PCA对预报因子进行降维，取前几个主成分(方差累计贡献率>0.9)作为降尺度模型输入参数。采用1951-2000年研究区域实测逐日降水资料及极端降水指标与NCEP再分析预报因子建立统计关系，计算SDSM降尺度模型参数，采用2001-2013年数据对模型进行验证，最后将GCMs输出逐日数据作为模型的输入降尺度得到不同RCPs下研究区域内降水及极端降水指标。

3.2 数据集成与融合

以卫星遥感技术、雨水情自动测报系统及无线传感器网络(WSN)等为代表的先进信息采集和传输技术，促生了大量近实时数据，通过对近实时数据的分析，结合暴雨洪涝形成过程的模拟，推演出城市暴雨洪涝预警信息。城市水情自动测报系统、水雨情数据采集仪(RTU)、易涝点监控视频系统、水位传感器及水流测速仪等产生大量近实时数据，采用无线传输(GPRS)、超短波(VHF)、短消息业务(SMS)和无线传感网络(WSN)等方式进行传输并统一进入城市水利专网数据通信链路。这些数据具有较高时空分辨率，数据量极大(TB级)，基于高性能计算机集群对近实时获取的与暴雨洪涝相关数据进行处理，消除数据冗余，降低数据粒度。通过信息深度集成以及信息融合从海量数据中分析、挖掘出有价值的暴雨洪涝信息，提供城市暴雨洪涝预警。经上述处理后数据量级和粒度显著降低，进一步筛选与城市暴雨洪涝相关的空间地理信息、土地利用和植被覆盖等多方面数据资源。采用数据集成中间件将隶属城市气象、水文和防汛办等不同部门数据库中数据集成到物理存储和逻辑定义统一的标准化数据库中，为城市暴雨洪涝预警以及应对预案等服务提供数据资源。

3.3 可视化模拟仿真

在多源海量信息集成基础上，遵循国际开放地理数据互操作规范OpenGIS和水利行业标准搭建城市可视化环境，用于城市暴雨洪涝实时监视、面雨量计算、洪涝淹没分析与模拟。采用金字塔技术对Shuttle Radar Topography Mission(SRTM)、NASA的Blue Marble Next Generation(BMNG)遥感影像和空间地理信息进行切片处理，基于四叉树编码规则对切片数据进行组织与管理。通过对不同金字塔级别SRTM和BMNG数据的拼接与渲染搭建城市基础地形，采用基于WebGIS的网络地图服务(Web Map Server, WMS)功能实现城市空间地理信息与基础地形地貌的无缝接合，在此之上对与城市暴雨洪涝相关的水工建筑物(防洪堤、水闸、排水管网等)进行三维空间建模，对数据进行有效整合与高效管理。将与城市暴雨洪涝相关的河流水系与沟渠等空间地理信息，土地利用(建筑用地、绿化用地、公路用地等)以及植被覆盖(园地、林地、草地等)等城市土地利用和植被状况以WMS形式在可视化环境中进行叠加。采用GPS空间定位服务对城市易积水路段、居民低洼易涝院落、地铁口、城乡结合部以及立交桥下穿隧道等城市易涝点在可视化环境中进行标识。采用OpenGL技术对城市水雨情测站(水文站、水位站和雨量站)、暴雨洪涝监测关键断面等信息进行图元化展示，辅助决策支持。

4 讨论与结论

(1)受气候变化和城市化扩张的双重影响，城市暴雨洪涝呈现出突发、频发和高危害等特征，在对近年来典型城市暴雨洪涝发生时间、地理位置和基本情况统计分析基础上，从时间上、空间上、成因上、灾损和管理应对上5个层面对变化环境下城市暴雨洪涝特征进行分析，为城市暴雨洪涝成因及其应对奠定基础。

(2)环境在变，暴雨洪涝也在变，不同城市、不同时段暴雨洪涝致灾因子、孕灾环境、承灾体及其造成的灾损与次生衍生灾害存在较大差异，从气候变化和城市化进程两个方面对具有复杂性、不确定性以及高危害性等特征的城市暴雨洪涝成因进行分析。

(3)针对变化环境下城市暴雨洪涝问题如何快速响应与科学应对是关键，将多种先进信息技术应用到城市暴雨洪涝应对中，构建集预估、预测、预警和预案为一体的“四预”应对新模式，改传统的事后分析和被动应对为事前预估和预测，事中预警和预案服务，为城市暴雨洪涝提供中长期、短期、近实时和实时的应对模式，增强城市防御暴雨洪涝能力，提升城市暴雨快速应对水平，最大限度降低暴雨洪涝灾损，具有重要的意义和应用推广价值。

[1] 丁一汇. 中国气候[M]. 北京：科学出版社,2013.

[2] 解以扬, 李大鸣, 李培彦, 等. 城市暴雨内涝数学模型的研究与应用[J]. 水科学进展, 2005, 16(3):384-390.

[3] 徐向阳, 刘俊, 郝庆庆, 等. 城市暴雨积水过程的模拟[J]. 水科学进展, 2003, 14(2):193-196.

[4] 胡伟贤, 何文华, 黄国如, 等. 城市雨洪模拟技术研究进展[J]. 水科学进展, 2010, 21(1):137-144.

[5] 赵庆云，宋松涛，杨贵名，等. 西北地区暴雨时空变化及异常年夏季环流特征[J]. 兰州大学学报(自然科学版)，2014,50(4):517-522.

[6] 袁艺, 史培军, 刘颖慧, 等. 土地利用变化对城市洪涝灾害的影响[J]. 自然灾害学报, 2003, 12(3):6-13.

[7] 宋晓猛, 张建云, 王国庆, 等. 变化环境下城市水文学的发展与挑战—II.城市雨洪模拟与管理[J]. 水科学进展, 2014,25(5):752-764.

[8] 车伍, 张伟, 李俊奇, 等. 中国城市雨洪控制利用模式研究[J]. 中国给水排水, 2010, 26(16):51-57.

[9] 张冬冬, 严登华, 王义成, 等. 城市内涝灾害风险评估及综合应对研究进展[J]. 灾害学, 2014, 29(1): 144-149.

[10]Geiger WP, Dorsch HR. Quantity-Quality Simulation(QQS): A Detailed Continuous Planning Model for the Urban Runoff Control. Volume 1, Model Description, Testing and Applications[R]. US Environmental Protection Agency, Cincinnati, OH. Report EPA/600/2-80-011, 1980.

[11]Huber WC. Storm Water Management Model, Version 4, User’s Manual[R]. US Environmental Protection Agency, Athens, Georgia. Report EPA/600/3-88-001a, 1988.

[12]Knight D, Sellin R. The SERC flood channel facility[J]. Water and Environment Journal, 1987, 1(2):198-204.

[13]Zoppou C. Review of urban storm water models[J]. Environmental Modelling & Software, 2001, 16(3):195-231.

[14]岑国平. 城市雨水径流计算模型[J]. 水利学报, 1990(10):68-75.

[15]Kuo CC, Gan TY, Hanrahan JL. Precipitation frequency analysis based on regional climate simulations in Central Alberta[J]. Journal of Hydrology, 2014, 510: 436-446.

[16]Tripathi R, Sengupta SK, Patra A, et al. Climate change, urban development, and community perception of an extreme flood: A case study of Vernonia, Oregon, USA[J]. Applied Geography, 2014, 46:137-146.

[17]Jiang RG, Gan TY, Xie JC, et al. Spatiotemporal variability of Alberta’s seasonal precipitation, their teleconnection with large-scale climate anomalies and sea surface temperature[J]. International Journal of Climatology, 2014, 34(9):2899-2917.

[18]Coupe SJ, Faraj AS, Nnadi EO, et al. Integrated sustainable urban drainage systems[J]. Water Efficiency in Buildings: Theory and Practice, 2013:147.

[19]Field R, Struck S, Tafuri A, et al. BMP Technology in Urban Watersheds: Current and Future Directions[M]. Reston :American Society of Civil Engineers, 2006.

[20]姜仁贵, 韩浩, 解建仓, 等. 变化环境下城市暴雨洪涝研究进展[J]. 水资源与水工程学报, 2016, 27(3): 11-17.

[21]张建云, 宋晓猛, 王国庆, 等. 变化环境下城市水文学的发展与挑战—I.城市水文效应[J]. 水科学进展, 2014,25(4):594-605.

[22]Dou J, Wang Y, Bornstein R, et al. Observed spatial characteristics of Beijing urban-climate impacts on summer thunderstorms[J]. Journal of Applied Meteorology and Climatology, 2014, 54:94-105.

The New Response Mode of Urban Storm Floodunder Changing Environment

JIANG Rengui1, HAN Hao1, XIE Jiancang1and LI Fawen2

(1.StateKeyLaboratoryofEco-hydrologicEngineeringinNorthwestintheAridArea,Xi’anUniversityofTechnology,Xi’an710048,China; 2.StateKeyLaboratoryofHydraulicEngineeringSimulationandSafety,TianjinUniversity,Tianjin300072,China)

ItisofcriticaltoresponsetotheUrbanStormFlood(USF)becauseofitscharacteristicsofsuddenness,complicatedcausesandseriousdisasterlossesbasedonthecharacteristicsandcausesoftheUSF.Thehydrologicalsimulation, 3Stechnologiesintegration,visualizationsimulationareusedintherapidresponsetotheUSF.Rapidresponseandemergencyresponsearepresentedfromthenon-engineeringmeasures,toreducetheflooddisasterlossestotheutmostextent.Thenewresponsemode,integratingscenariowithprojection,forecast,earlywarningandpreplanisproposed.TheprojectionmodelofthelocalUSFisestablishedusingdownscaledmethods.Theshort-termforecastofUSFisdonecouplingmeteorologicalandhydrologicalinformation.Theearly-warningandpreplanoftheUSFarepresentedusingmulti-sourcedatafusionandvisualsimulationtechnologies,whichimprovetheoperabilityandbelievabilityoftheresponse,toprovidesupportfortherapidandscientificresponse.

urbanstormflood;responsemode;changingenvironment;urbanwatersecurity

2016-12-30

2017-03-16

国家自然科学基金资助项目(51509201,51679188)；国家重点研发计划课题(2016YFC0401409)；中国博士后科学基金资助项目(2016M590964)； 陕西省高校科协青年人才托举计划项目(20160217)

姜仁贵(1985- )，男，江西玉山人，副教授，博士，主要从事减灾应急管理与工程管理信息化的研究. E-mail:jrengui@163.com

解建仓(1963- )，男，陕西眉县人，教授，博士生导师，主要从事水文水资源和水利信息化的研究. E-mail:jcxie@xaut.edu.cn

10.3969/j.issn.1000-811X.2017.03.003.]

X43; TV122

A

1000-811X(2017)03-0012-06

10.3969/j.issn.1000-811X.2017.03.003

姜仁贵，韩浩，解建仓，等. 变化环境下城市暴雨洪涝应对新模式研究[J]. 灾害学，2017，32(3)：12-17. [JIANG Rengui , HAN Hao, XIE Jiancang, et al. The New Response Mode of Urban Storm Flood Under Changing Environment[J]. Journal of Catastrophology，2017，32(3)：12-17.