基于GIS的城市内涝影响因素及多元回归模型研究——以上海为例

徐艺扬，李 昆，谢玉静，凌焕然，钱敏蕾，王祥荣，鲁 逸

(1.复旦大学 环境科学与工程系，上海 200433； 2.复凌科技(上海)有限公司，上海 200438； 3.常熟市虞山镇兴福管理区，常熟 215500)

近年来，以全球变暖为显著特征的全球气候变化已是不争的事实，并已经对全球社会、经济和环境的可持续发展带来了严峻挑战；区域尺度上也经历了一场以变暖为主要特征的气候变化，且影响了区域的水资源分配[1-4]．CRED(Centre for Research on the Epidemiology of Disasters)研究数据显示，全球范围内，气候、水文相关灾害的发生次数和受影响人数随时间呈增加趋势，且近20年来洪涝灾害的发生多于风暴、干旱、流行病等其他灾害(数据来自CRED，http：∥www.emdat.be/disaster_trends/index.html)．各国科学家的研究证实，气候变化引起灾害风险增加已经成为全球安全与发展的重要挑战[5]，极端事件的强度和发生频率在近年来有所增加，洪涝已成为最主要的气候变化相关灾害之一[6-10]，是世界范围内各城市共同面对的敏感问题，影响着城市的规划与建设、城市生态环境的管理与调控．

尽管建有大型防洪工程和排水设施，不少大城市仍然面临着洪涝灾害的威胁[11-12]，如菲律宾马尼拉、泰国曼谷、印度孟买等河口海滨城市几乎每年都因暴雨内涝甚至洪水灾害造成城市淹没和大规模的人员伤亡．Hallegatte等(2013)对已发生的洪灾及未来情景预测的研究显示[13]，全球洪涝灾害风险最高的20个城市(如广州、孟买、纽约、新奥尔良等)，主要分布于亚洲和北美洲的沿海地区，又以河口三角洲区域居多；对洪涝灾害具有高脆弱性、高风险的城市大多位于发展中国家，且洪灾造成的损失主要集中在高收入但防护水平较低的城市．

目前，国内外学者对城市暴雨内涝的成因、脆弱性、风险评估及应对对策等方面进行了广泛的研究，并关注城市暴雨内涝与气候变化之间的关系、高风险地区的识别；洪涝损失的评估与预测、相关模型的构建与情景模拟、遥感数据与社会经济数据的结合等成为近几年的研究热点；研究主要聚焦社区、小城市或全国、全球范围，主要研究对象为江河洪水(river flooding)和沿海洪水(coastal flooding)，对特大型城市暴雨内涝的研究较少；影响因素也主要着眼于排水系统设计标准和排水系统的使用及管理等[10,14-30]．目前，尚未有研究综合考虑致灾因子、区域环境、人口分布等因素对特大型城市内涝发生的影响并对其进行量化分析．

上海是典型的河口海岸城市，地势低洼，自然生态系统复杂，极易受到全球气候变化的影响；其快速城市化进程对城市局地气候产生胁迫．作为发展中国家的特大型国际城市，上海市政治经济地位和国际影响显著，人口和资源高度集中，这进一步放大了气候变化和极端事件的社会经济影响．同时，根据历史记录，暴雨内涝是上海常见的气象灾害[31]，造成的影响与损失不容忽视．世界上的特大型城市多分布于沿海、河口三角洲等区域，如密西西比河、哈德森河、尼罗河、恒河的河口地区的新奥尔良、纽约、开罗、达卡等重要港口和城市，其经济密度与人口密度高，对整个流域乃至所在国的社会经济发展起着关键性作用．以上海市为例开展气候变化下城市暴雨内涝影响因素的量化研究，不仅对上海应对城市灾害的预警、预防和评估，进行城市基础设施的合理布局，实现全球气候变化和快速城市化背景下的可持续发展具有重要的战略意义，对全球其他海岸带城市和河口城市也具有一定的借鉴价值．

1 研究区概况

上海地处东经120°52′～122°12′，北纬30°40′～31°53′，位于坦荡低平的长江三角冲积平原，东濒东海，南临杭州湾，西接江苏、浙江，北接长江入海口，属于太湖流域．全市土地面积为6340.5km2，水域面积697km2，天然河港密布；陆地地势总体由东向西略微倾斜，平均海拔高度4m左右，黄浦、静安、虹口、闸北、徐汇等中心市区的不少地段地面标高甚至在3m以下．上海属北亚热带湿润季风气候，四季分明，春秋较短，日照充分，雨量充沛．

本文研究区为2009年上海市的陆域范围，包括17个市辖区和1个县(图1)；2009年末，上海市共有109个镇、2个乡和99个街道办事处，全市常住人口为1921.32万人，居全国各大城市之首；常住人口密度达3030人/km2，仅次于澳门、香港、深圳．为便于分析，根据外环线和郊环线的切割，结合上海市乡镇、街道级别行政区划，本研究将上海市分中心城区、近郊区和远郊区3个子区(图1)，其中： 中心城区指外环线以内的区域，面积662.94km2；近郊区指外环线和郊环线之间的区域，面积2284.76km2；远郊区指郊环线以外的区域，面积3616.01km2．基于相关数据获取情况，主要对上海市中心城区进行研究分析．

图1 研究区域Fig.1 Study area注： 原南汇区2009年并入浦东区，成立浦东新区；卢湾区2011年并入黄浦区；崇明于2016年撤县建区.

2 研究数据与方法

本文以历史数据统计分析与空间数据分析相结合的方法，对上海市暴雨内涝的部分相关因素进行分析并辨识其影响，进而提出应对对策．

2.1 降雨及内涝灾害历史数据统计分析

通过历史灾情记录资料，对上海市典型暴雨内涝灾害事件进行统计梳理；基于1951—2015年上海市代表性雨量站——徐家汇气象站(31.2°N，121.4°E)月累计20—20时降水数据(数据来源： 上海市气象局)，结合历年水资源公报、水情通报(资料来源： “上海水务海洋”官方网站，http：∥www.shanghaiwater.gov.cn)及新闻报道等资料，研究上海市降水及暴雨事件的时空分布；统计上海市水务局官方网站有相关记录(1979—2008年)的内涝灾害事件发生次数，研究其与降雨的相关关系．从上海市政府数据服务网(http：∥www.datashanghai.gov.cn)获取上海市63个雨量站的月降雨量数据，取2009年汛期(4—9月)降雨量并进行克里格(Kriging)空间插值分析，得到上海市2009年汛期降雨量的地区分布情况，从而进一步提取得到内涝发生区的汛期降雨量数据．

2.2 城市发展空间信息处理与分析

2.2.1 内涝发生点分布

对上海市水务局官方网站公布的上海市居民积水问题求助报警信息及相关新闻报道中的信息进行收集、整理，筛选出2009年汛期受暴雨内涝影响的居民的求助和报警信息，查询、统计求助点地理位置，确定上海市中心城区暴雨内涝求助/报警点的分布情况，即内涝发生点和易受暴雨内涝影响的区域．所获取的信息中居民求助/报警的具体日期不明确，故对汛期(4—9月)总体情况进行分析．

2.2.2 土地利用/覆盖变化及不透水面指数计算

采用上海地区经波段融合、几何校正和重采样等预处理后的多时相(1997、2001、2005、2009年)Landsat TM/ETM+遥感数据，依据《土地利用现状分类标准(GB/T 21010—2007)》，对遥感图像进行监督分类，结合野外调查及相关数据资料进行校准，分析上海市1997—2009年土地利用/覆盖变化(Land Use and Land Cover Change, LUCC)情况，尤其是建成区扩张情况．

与透水性的植被和土壤等地表面相对，不透水面定义为屋顶、沥青或水泥道路以及停车场等具有不透水性的地表面；某区域内不透水面覆盖面积与区域面积的比例即为不透水面指数(Impervious Surface Index, ISI)，是城市环境的重要度量指标之一[32]；相对于遥感影像的土地利用解译，ISI的应用将不透水表面组分作为一种要素进行定量化研究，能解析宏观层面的城市空间格局演变，也能识别城市内局部地区的土地覆被变化特征[33]．本研究采用徐涵秋[34]提出的归一化差值不透水面指数(Normalized Difference Impervious Surface Index, NDISI)快速增强提取方法，基于数据质量，对上海市中心城区2001、2005、2009年的NDISI进行提取计算，分析上海市中心城区不透水表面组分空间分布的变化，并统计各乡镇街道及行政区NDISI均值．其计算公式为[34]：

(1)

mNDWI为改进的归一化水体指数(Modified Normalized Difference Water Index)[34]：

(2)

式中：TIR、NIR、MIR、Green分别为遥感影像的热红外、近红外、中红外1和绿光波段．

2.2.3 数字高程(Digital Elevation Model, DEM)分析

利用上海市等高线分布图生成上海市DEM分布图，对上海市中心城区DEM进行分析．上海市住宅和商业建筑大多有400mm左右高度的台阶，在考虑暴雨积水淹没状况时不仅要考虑原始DEM高程，还需要基于土地利用类型将DEM进行修正，因此，结合上海市土地利用分类结果及土地资源的实际覆盖特征、利用方式和经营特点，将所有住宅和商业用地格点上的高程值增加400mm．

2.2.4 人口规模及人口密度分布

基于地理信息系统(Geographic Information System, GIS)数字化上海市各区县及各乡镇、街道人口统计数据(1999、2004、2009年数据)，计算中心城区、近郊区及远郊区的人口密度(人/km2)，从而分析上海城市化过程中人口分布状况和人口迁移情况；对同时跨多个子区(中心城区、近郊区、远郊区)的乡镇或街道，基于其人口密度和建设用地分布情况，对其人口规模进行估算．由乡镇、街道人口规模可进一步得到子区的人口规模：

(3)

式中，Pt为第t个子区的人口规模，n为该子区包含的乡镇、街道个数．

2.2.5 排水能力

根据上海市水务局公开资料绘制上海市中心城区284个排水单元的排水能力分布图并进行分析．目前，上海市已建成的排水系统主要分布在市中心城区，市中心以外区域处于在建或规划状态；其设计排水能力分为3类： 半年一遇(27mm/h)、一年一遇(36mm/h)和三年一遇(50mm/h)暴雨标准．

2.3 基于GIS和Python的多元回归分析

基于2009年上海市中心城区内涝发生点分布，以1∶1比例随机抽取中心城区未发生内涝地区的合适数量样本点为对照，即未发生点．基于内涝发生点及未发生点分布，提取每个点的NDISI、DEM、人口密度、排水能力、汛期降雨量等参数．基于Python中的scikit-learn机器学习模块，以样本点“是否发生内涝”为因变量(取发生点的值为1，未发生点的值为0)，以各参数为自变量，量化探讨其间的相关关系，构建多元Logistic回归模型并进行交叉验证．其中，NDISI与土地利用情况均由相同Landsat TM/ETM+遥感图像得出，DEM是考虑到地面沉降后修正过的数据，为避免重复，在分析中剔除土地利用类型和地面沉降情况两个因素，保留NDISI和DEM；对自变量数据采取极差标准化处理，消除不同量纲的影响；对变量进行相关性分析，以确保各变量之间不存在显著相关．

3 结果和讨论

3.1 暴雨内涝易发区分布

2009年，居民由于积水内涝问题报警和求助共计1586条，均发生于5—9月，主要发生灾情为家中进水、小区积水、道路和隧道积水，主要原因为暴雨、下水道阻塞导致排水不畅、以及因河流水位过高或河水溢出而无法向河道排水(表1)．内涝发生点共计571个(图2)，主要分布在中心城区的虹口、黄浦、卢湾、闸北、普陀、徐汇区的浦西沿岸地区及静安、闵行等地区；从街道来看，多分布在闸北区天目西路、闵行区各街道、普陀区长峰新村、石泉路、桃浦镇，徐汇区徐家汇，卢湾区五里桥街道、浦东新区(原南汇区)康桥镇、周浦镇等老城区．

图2 2009年上海暴雨内涝发生点分布Fig.2 The location of waterlogging occurrence in Shanghai in 2009

居民报警/求助类型内涝发生点数占比/%马路积水52.04下水道阻塞43.90小区积水2.63河道冒溢1.04防汛设施破损0.23绿化积水0.08市区积水0.04防汛险情救灾救助0.04

3.2 单要素分析

3.2.1 降雨对城市内涝发生的影响

城市化进程对局地气候的影响突出体现在降雨上[35]．Miao等(2011)[36]对北京发生的暴雨进行了模型模拟分析，证实在决定风暴运动和降雨量上，城市扮演着重要角色；城市地表特征改变导致降雨在局地的集中分布，城市核心的发展也导致了明显的降雨格局分化．Wang等(2009)[37]的对比研究则表明，长三角和珠三角区域快速的城市扩张改变了局地气候，导致局部地区变暖、少风，大气垂直混合程度更高、空气对流更活跃．

(1) 降水的年际变化和年内分配

作为暴雨积水的来源，强降雨是导致暴雨内涝灾害的直接气象因素．在全球气候变化的影响下，上海近年来极端气候事件发生频率逐渐增加，近50年降水灾害概率为21.1%，比前50年上升了5.3个百分点[38]．60多年来，上海市年降水量总体呈波动上升趋势，且雨量充沛，80%以上的年份降水量在900mm以上(图3)；近30年来，年降水量大都高于多年平均降水量，呈正常偏涝的态势．

上海市降水表现出明显的季节变化，降雨多分布4—9月汛期(主汛期为6—9月)．年总降水与汛期总降水呈明显的正相关关系，多年来，约70%的降水集中在汛期(图4)，这表明汛期降雨量较大程度地决定年降水量；随着年降水量的增加，汛期、非汛期的降水量均呈增加之势，对上海市防汛防涝、应对极端降雨事件带来一定的压力．

6—8月为上海梅雨季节，期间降雨频繁、范围广且大雨、暴雨多．此时太湖流域也处于汛期，加之天文海潮，容易导致低洼地区积水；部分区域需将积水排入河道，此时河道水位升高对区域排水造成影响，加重积水．8—9月秋雨时段上海主要受冷空气及台风影响形成降雨，容易造成突发性天气，故暴雨、大暴雨发生比较频繁．

图3 1951—2015年上海市年降水量Fig.3 Annual rainfall of 1951 to 2015 in Shanghai

图4 上海市各年代枯期、汛期降雨量占年降水量的比重Fig.4 Proportion of rainfall in flood and dry season since 1950s

(2) 汛期降雨量的空间分布

上海市汛期降水的分布具有明显的区域性．对上海市63个雨量站(图5)2009年4—9月累计降雨量数据进行空间插值分析(图6)，可以看出，汛期降雨量呈现出市区高于郊区，东北地区高于西南地区的特点，与历史气象资料描述相符；内涝发生点大都分布在汛期降雨量较高的区域，如中心城区、浦东新区中西部．

图5 上海市63个雨量站位置分布图Fig.5 Location of the 63 precipitation stations in Shanghai

图6 上海市2009年汛期降雨量空间分布Fig.6 Spatial distribution of rainfall in flood season in Shanghai in 2009

(3) 暴雨的时空分布

按照中国常用分级标准，24h降水量50～100mm为暴雨，100～200mm为大暴雨，200mm以上为特大暴雨；上海市暴雨主要发生在6—9月主汛期，偶有发生在10月(图7)，其他月份基本不发生，这与上海市历年降水情况一致．此外，上海市强降雨主要集中在6、7、8月，又以8月最多；受梅雨和热带气旋等因素的影响，大暴雨次数以8月下旬9月上旬最多，持续时间较长的暴雨则主要发生在6月下旬至7月上旬．在强降雨过程中，100mm/d以内暴雨占主要部分，约73%，特大暴雨比较少见(图8)．

图7 2004—2015年各月暴雨发生次数占比Fig.7 Occurrence frequency of rainstorm in each month during 2004 to 2015

图8 2004—2015年不同强度暴雨占比Fig.8 Proportion of different intensity of rainstorm during 2004 to 2015

从历年暴雨发生的区域来看，上海市一般以局部暴雨为主，表现出明显的区域性(图9)．2004—2015年，上海市暴雨、大暴雨主要发生在沿江和沿海地区，如浦东新区、中心城区和崇明县，尤其以市区东部、浦东中西部、宝山东南部最多；总体上市区多于郊区，东北地区多于西南地区，沿海多于内陆，作为上海市发生积水甚至形成内涝灾害的直接诱发因子，与汛期降雨量的空间分布具有一致性(此统计中可能的误差因素包括统计资料信息不全、不同时期和不同雨量站监测方法手段差异等)．

(4) 暴雨内涝灾害发生情况

根据历年上海市内涝灾害发生情况，可知内涝灾害主要发生在汛期，总体上，暴雨造成的积水内涝灾害发生的次数与年雨量和汛期雨量大小呈显著正相关性(图10)．根据上海市水务局统计资料[39]，1979—2008年，暴雨造成积水事件的数量与暴雨强度呈明显的正相关关系，也就是说，暴雨越强，造成的灾情越重，暴雨越弱，造成的灾情越轻．

图9 2004—2015年各区县大于50mm/d暴雨、大于100mm/d大暴雨发生次数所占比例Fig.9 The proportion of rainstorm over 50mm/d and 100mm/d occurred in each district of Shanghai during 2004 to 2015

图10 1979—2008年上海市年雨量与内涝灾害事件次数Fig.10 Precipitation of rainfall and occurance of waterlogging disaster in Shanghai during 1979 to 2008

3.2.2 土地利用/覆盖变化对内涝发生的影响

(1) 建成区扩张情况与内涝发生点周边用地结构

上海市建成区扩张主要发生在中心城区边缘地区以及松江、嘉定、青浦等区的新城区域，连绵集中的城市建成区已向近郊区蔓延；在市域范围内，城市空间沿交通廊道轴向发展．1997—2009年，上海市居住区、商业区、工业区、交通走廊等建设用地面积显著增加，中心城区几乎全被建设用地覆盖，并向近郊区蔓延；全市建成区面积增加了约29%，中心城区、近郊区、远郊区建设用地的增长幅度分别为10.47%、42.97%、24.14%，而生态用地规模下降了约30%，农田、林地、水域均有不同幅度的减少(第188页，图11)．由土地利用转移矩阵(第188页，表2)可以看出，转化成农田的建设用地与转化成建设用地的农田相比，后者不到前者的5%；转化成建成区的绿地与转化成绿地的建成区相比，前者面积是后者的9倍多．中心城区边缘及远郊区发生转化的生态用地大多被不透水表面所代替．内涝发生点与建设用地分布呈现一致性，内涝发生点及其周边几乎全为建设用地(图11(d))，相对生态用地而言，建设用地透水性较低．

图11 1997—2009年上海市土地利用/覆盖分类图Fig.11 Land use and land coverage maps of Shanghai from 1997 to 2009

用地类型2009年ΔS*/km2滩涂绿地建成区水体农田裸地1997年滩涂7.528524.588019.12775.344239.42810.4122绿地8.9685509.8320797.8185117.5760430.929913.2534建成区1.611988.04521125.195325.784156.784613.1805水体11.5443116.1738120.3003239.221844.57792.6577农田2.0439597.46231167.837385.6026864.846020.7180裸地0.00900.16834.41990.05850.08640.5850

*分别为1997至2009年滩涂、绿地、建成区、水体、农田、裸地转化为其他用地类型的土地面积．

(2) 不透水面分布

不透水地面不断增加是城市化的显著特征之一，作为城市的基质景观，它主导城市景观格局与过程，体现城市地表覆盖的变化[40]．2001—2009年，随着城市化过程的推进，人口增加、人类社会经济活动加强，上海中心城区不透水面不断增加(图12)．

图12 1997—2009年上海市中心城区NDISI空间分布Fig.12 Spatial distribution of NDISI in downtown Shanghai from 2001 to 2009

2009年，高不透水面指数分布与暴雨内涝发生点分布呈现明显的一致性(图13)．雨水难以入渗到土壤，自然截留和洼地储水能力大大减弱，因此不透水表面的增加导致径流系数增大、降水更多地以地表径流的方式汇入河网，暴雨来临时城市地表雨水径流的总量与流速增大、径流历时减少，对城市排水系统造成压力，同时不透水盖度高的流域地下水交换和基流减弱，从而增加了暴雨来临时洪涝灾害的发生频率[41-42]．

图13 2009年上海市中心城区土地利用/覆盖类型及NDISI分布Fig.13 (a) Land use map and (b) spatial distribution of NDISI in downtown Shanghai in 2009

3.2.3 人口分布情况

根据研究期间的人口规模变化情况，可知上海市人口呈现明显的圈层分布模式，在总人口不断增加的情况下，各子区人口密度自中心城区向外逐渐减少(第190页，图14)；在变化动态方面，上海市人口呈现明显的郊区化特征，人口流动趋势表现为从中心城区向郊区迁移和扩散，尤以近郊区的人口增长更为迅速(第190页，图15)．这与建成区蔓延趋势高度一致，主要受到上海市相关政策规划的落实，中心城区房价持续上涨，中心城区功能置换，近郊、远郊地区住宅、工业用地的大规模建设和商业发展等因素的影响[43]．

内涝易发区多分布在人口密集区域(第191页，图16)，如市区和黄浦江西岸地区，以及浦东新区沿黄浦江东岸部分地区．人口密度在多位学者的研究中被作为灾害的人口暴露度衡量指标[44-47]；中心城区人口密度超过1万人/km2，老年人口和儿童人口的密度也相应比较高，面对灾害事件时，暴露度更高，因而在发生暴雨内涝灾害时更易受到影响[10]．此外，中心城区人口密度与不透水区域的分布表现出较强相关性，究其原因，人口密集区域即人类活动密集区，对居住用地、商业用地、交通用地等建设用地的需求较高，导致不透水面比例较高[48-49]．

3.2.4 数字高程(DEM)与内涝发生的关系

地势高低决定了积水的区域．中心城区大部分地区DEM处于1.4m以下，主要分布在杨浦、虹口、闸北、普陀区南部，静安、黄浦、卢湾区以及黄浦江沿岸区域，且与不透水地面的分布相对应(第191页，图17)，内涝发生概率增大．已有研究显示[50-51]，由于地下水开采和城市工程建设等原因，上海市发生地面沉降，中心城区尤为严重；上海开埠时，地面原始高程大部分在吴淞零点以上4.0～5.0m；1921年发现地面沉降起至2006年，中心城区的地面已平均累计下沉1.96m，最严重地区下降了3.02m，形成了地面沉降的洼地(第191页，图18)．目前，通过控制地下水开采、采取地下水回灌措施，上海市地面沉降减缓，而近年来大规模、密集的城市建设一定程度上导致了地面沉降的继续增长[52-53]．地面沉降超过1.0m的一级、二级沉降区面积占上海的3.2%，主要分布在属于市区的8个区(杨浦、虹口、闸北、普陀、静安、黄浦、长宁、徐汇区)，其中一级区分布在杨浦-虹口-闸北-静安-黄浦等区一带．地面沉降最直接的影响是改变了上海自然的泄洪条件，同时降低了防汛堤/墙设防标准、影响地下管线运行，增加了洪涝灾害的概率．

图14 1999、2004、2009年上海市各乡镇、街道人口密度(崇明数据缺失)Fig.14 Population density of towns and streets in Shanghai in 1999, 2004, 2009(1999、2004、2009年上海市人口密度分别为2071人/km2、2133人/km2、3030人/km2)

图15 1997—2009年上海市各子区人口占总人口比重Fig.15 Population distribution of the three subzones from 1997 to 2009

图16 2009年(a)上海市(崇明数据缺失)及(b)上海市中心城区人口密度分布(人/km2)Fig.16 Population density distribution of Shanghai (a) and downtown Shanghai (b) in 2009

图17 上海市及中心城区DEMFig.17 DEM of Shanghai and downtown Shanghai

图18 上海市累计地面沉降等值线图Fig.18 Distribution of land subsidence levels in Shanghai(来源： 上海地质资料信息共享平台，http：∥www.sigs.com.cn/)

3.2.5 排水系统建设

暴雨内涝造成民居进水和道路积水，从而影响人民生产生活和道路交通．对上海市道路发生积水的原因进行分析(表3)，可以发现除局部降雨集中的主要原因(占44.68%)以外，与排水系统相关的原因占了45%以上．

图19 上海市中心城区排水能力分布图Fig.19 Distribution of drainage capacity of Shanghai downtown area(来源： 根据上海市水务局公开资料绘制)

积水原因占比/%局部降雨集中44.68内河水位过高,限制排水泵站能力发挥,或郊区自流地区水位过高26.60排水系统不完善、低标、空白、排水能力不足16.49建设工地施工影响4.26已建成排水设施而未充分发挥作用3.19排水管道设施受损0.53其他原因(如管道改排造成倒虹吸管、地势低洼、缺少雨水排流口等)4.26

上海市规划建设的排水系统中，已建成系统主要分布在中心城区(图19)，其中，暴雨重现期普遍为半年至一年一遇标准，三至五年一遇的排水系统主要分布在浦东和虹桥两大机场、虹桥商务区、陆家嘴金融区、上海南站、上海火车站等高度发达地区以及学校所在区域，表现出与区域社会经济发展程度的显著联系．

根据《室外排水设计规范》GB 50014—2016的要求，我国超大城市(城区常住人口在1000万以上)和特大城市(城区常住人口500万以上1000万以下)的雨水管渠设计重现期，中心城区为3～5年，非中心城区为2～3年，中心城区的重要地区为5～10年，中心城区地下通道和下沉式广场等为30～50年；内涝防治设计重现期则为50～100年．但与发达国家相比，我国北京、上海等各大城市当前的排水设计标准仍明显偏低，历史欠账多，且内涝设计标准缺失(表4)．目前上海市城市排水与外围防汛除涝设施能力不匹配，泵站、雨水管道等设施达标率较低，已有设施排水能力难以应对实际面临的暴雨情况，这是造成区域积水隐患的重要因素，且在短期内难以改变，再加上前文所述的中心城区土地高强度开发，水面率低、不透水面指数高，汛期更易形成涝灾．

表4 我国当前雨水管渠、内涝防治设计重现期与发达国家和地区的对比

(续表)

注： 表格内容根据参考文献[54]整理．

3.3 多元Logistic回归模型分析

中心城区内涝发生点共计571个，随机抽取的未发生内涝样本点共623个．

(1) 描述统计

由表5可知，样本点中，48%的点发生了内涝．样本点DEM、排水能力、人口密度、NDISI及汛期降雨量的均值分别为0.38m、31.02mm/h、20868.52人/km2、0.26、1056.23mm，所有变量分布基本服从正态分布．

表5 描述统计

(2) 相关系数

由表6可知，所有相关系数不大，变量之间不存在多重共线性．

表6 变量相关系数

(3) 多元Logistic回归分析

基于Python中的scikit-learn模块进行分析．全部样本点分析结果如表7(1)(看第194页)所示．

随机抽取90%的样本点作为训练数据，其余10%作为测试数据．分析结果如表7(2)(看第194页)所示．

根据以上系数可知，在判别内涝是否发生方面，DEM、NDISI、人口密度这3个因素的影响较大，分别起显著的负向、正向、正向作用．DEM的系数是显著的，表明保持其他因素不变的情况下，海拔越低，发生内涝的可能性越高；NDISI的系数是显著的，表明保持其他因素不变的情况下，不透水面指数越高，即地表透水性越差，发生内涝的可能性越高；人口密度的系数是显著的，表明保持其他因素不变的情况下，人口密度越高，受到内涝影响的可能性越高，这是由于人口越密集，面对灾害的暴露度就越高．

汛期降雨的系数是不显著的，可能的原因是： 由于降雨是具有区域性的，并非覆盖整个研究区域，本研究中的各样本点的降雨量通过统计雨量站整个汛期的累计雨量，进行插值计算得出，并非样点发生或不发生内涝时的降雨量，因此可能在相关性上出现偏差．

排水能力的系数是不显著的，可能的原因是： 上海市排水能力高低与政策和规划密切相关，排水系统分片区建设，中心城区作为人口聚集区，是上海市防涝排涝规划与治理的重点区域，大部分地区排水能力相差不大；虽然在易发生内涝的区域有所加强，但总体上仍滞后于防涝排涝的需求．

(4) 健壮性检验

随机抽取80%的样本点作为训练数据，其余20%作为测试数据，结果见表7(3)．

表7 多元Logistic回归分析结果

*P<0.1，**P<0.05，***P<0.01.

可以发现DEM、NDISI、人口密度的系数依然显著，且方向一致，表明回归模型结果是稳定的，且模型的预测准确率较高，均在95%以上．因此，DEM对内涝发生起负向作用，NDISI和人口密度对内涝发生起正向作用，排水能力和汛期降雨量的影响在本研究中不显著．

因此，上海市中心城区暴雨内涝的原因主要包括以下几个方面：

1) 先天条件劣势： 主要包括滨江临海的地理位置、亚热带季风性的多雨气候、河网密布加上地势低洼，以及内河涨潮等影响排水的因素．城市遭受暴雨积水、形成内涝灾害的整个过程中，降水是一个不受人为力量控制的随机事件；地势虽然可经人为改造，但对于整个城市、特别是已建成的老城区来说，改造的潜力有限且难度巨大．

2) 后天防御能力缺陷： 上海的城市排水是通过地面下的排水管道把雨水排入排水泵站，再由泵站把雨水排入河道，来完成排水防积水的效果．在部分地势低洼地区以及河流水位较高的区域，排水管网系统的功能几乎完全倚赖泵站的工作，如果泵站未及时开机工作或管网中原有积水在暴雨来临前未及时排空，管网就无法容纳新降下的雨水，从而失去排水能力；相关基础设施存在蓄、调、排、挡能力严重不足的问题，基础设施建设滞后于城市发展，部分防汛基础设施薄弱；排水系统属于分片区的规划建设，在易发生内涝的地区规划和建设加大了排水力度，但无法满足排涝需求，反映出上海市防汛基础设施的规划、建设和维护管理机制尚未完善的深层次问题．同时，大部分城镇化地区以不透水地面为主，导致强降雨期间对排水管网系统的依赖性较强，也影响区域的产流汇流情况，增大了内涝发生的可能性；地面沉降导致部分地区形成洼地，改变了上海自然泄洪条件，同时降低了防汛能力．

3) 人口分布比较集中： 尽管上海市人口已逐步向近郊区和远郊区疏散，但总人口持续增加，作为城市的社会经济活动中心，中心城区仍将聚集大量人口．

3.4 对策建议

上海城市暴雨内涝主要造成人居淹水、道路积水、排涝防洪及其它相关基础设施方面的压力，暴雨引起的内涝问题，实质是由于暴雨径流不能及时排出而引起的局部地面受淹，它兼有自然灾害与人文灾害的双重性质．在人口总量持续增加、气候变化导致降雨量呈增加趋势，而先天条件劣势难以改变的情况下，排水系统的优化、灾害的预测预警、城市下垫面状况、相关城市基础设施的规划与建设，成为应对内涝灾害的重点所在．

(1) 多管齐下，加强排水系统建设

完善的排涝体系才能形成有效排涝能力，作为综合大系统，上海等大城市的排水系统涉及地面与地下的多个环节，其中某一环节不匹配都可能影响排水效率，导致城市积水难以及时排出．因此，应多管齐下，在地面上增加雨水渗透率，在地下加强排水蓄水，充分利用河道、广场、绿地等分担雨量，并尽量增加地面透水性；在有限的城市空间中注意地下调蓄池及分洪排水管道的建设；将城市排水管网与排水泵站、调蓄池、可渗透路面以及现有河网水系统筹协调、合理调度、效应互补，以有效降低城市洪涝灾害风险．应借鉴发达国家和地区经验，逐步建立起城市排水、内涝防治和城市防洪三合一的工程体系，从源头、过程和末端进行综合控制．

(2) 加强风险预测和公共安全预警体系的规划建设

加大应对城市暴雨内涝的科研力度与科研投入，根据上海市降雨特征和产汇流情况改进暴雨强度和相关参数计算方法．加强相关先进方法技术的实践、信息化建设和多部门联动，在现有基础上，建设综合性的城市灾害风险预警平台和决策支持系统，提高预警能力，完善预警机制．建立暴雨内涝灾害灾前评估和灾后评价机制，为制定合理的应急处理方案、提高政府决策部门效率提供支持．

(3) 加强规划设计前瞻性，提高城市基础设施的完备性和冗余度

借建设海绵城市之机，以生态规划和低影响开发(Low Impact Development, LID)理念指导城市规划建设，从城市顶层设计的高度考虑雨水径流的控制，优化排水系统划分，优化土地利用格局，增加城市透水地面；同时，上海市排水系统的提标改造应充分考虑现状排水设施情况和改造条件，“蓄排结合”，在城市规划和建设中强化对地面沉降的考虑，不断提高基础设施规划和建设标准，满足并超前于城市发展的需要．

(4) 加强城市绿色基础设施建设

城市绿色基础设施在应对和适应气候变化方面具有关键性作用，也是最具操作性和实践性、直接影响居民生产生活和城市运行的途径[55]．上海市中心城区对各种基础设施的需求和要求高于其它地区，老旧小区也主要分布于中心城区．应进一步推动旧区改造，提高基础设施防洪排涝标准；另一方面，利用传统“灰色基础设施”组织排水的同时，应加强“绿色基础设施”建设，如打通城市基本生态网络与绿道，充分利用河道水系的排涝功能，改造高于地面的绿化带，在非受压地段采用渗水铺装等．

(5) 加强管理体制机制建设

从解决实际问题出发，落实管理维护责任，降低人为风险，使排水管网的作用能够有效发挥，排水泵站等设施能安全运转；加强行业、部门联动，合力进行防涝排水，深化协同机制．管道养护与环卫部门在防汛工作上对接，与社区街道、重点单位联防联动，推进公众宣传工作，在保障道路雨水口畅通、缓解汛期道路积水、强化公众预防等方面发挥积极作用．

4 结 论

本文基于统计资料及地理空间信息，综合分析了上海市暴雨内涝发生情况与致灾因子、区域自然地理条件和社会经济条件的关系，并基于GIS和Python的scikit-learn模块得出判别内涝是否发生的回归模型．结果表明，该回归模型准确率较高，地势高低、人口分布和不透水面分布是影响上海市内涝发生率的主要因素．对此，建议推动风险预测和公共安全预警体系的规划建设，加强城市规划设计与建设的前瞻性、加强绿色基础设施建设，完善防洪排涝管理体制与协作机制．

本文根据相关数据可获取性和收集情况，得到以上研究结果，但尚存在一定的局限性．判别某地是否发生内涝需综合考虑各种因素，本研究仅重点考察了其中部分因素．由于数据限制，本研究用2009年的数据对影响上海市暴雨内涝发生的因素进行了分析，对回归模型进行了训练与测试，预测准确率较高，能够为上海市及我国其他城市在内涝相关因素的分析和内涝发生可能性的预测上提供一定的参考．若能在更长的时间跨度和更细的空间粒度上引入进一步的数据，并添加河道、水系分布情况，内涝发生时的实时实地降雨情况，详细的排水系统分布等模块，可对模型进行进一步的验证和修正，使其更完备，以提高预测的准确性和模型的实用性．

致谢： 本研究得到了上海市气候中心和上海市水务局的支持，特此致谢．

参考文献：

[1] BROHAN P, KENNEDY J J, HARRIS I, et al. Uncertainty estimates in regional and global observed temperature changes： A new data set from 1850 [J].JournalofGeophysicalResearchAtmospheres. 2006,111(D12)： 121-133.

[2] TRENBERTH K E, JONES P D, AMBENJE P, et al. Observations： surface and atmospheric climate change [M]∥Solomon S, Qin D, Manning M, et al, Climate Change 2007： The Physical Science Basis. Cambridge, United Kingdom and New York, NY, USA： Cambridge University Press, 2007.

[3] MEEHL G A, STOCKER T F, COLLINS W D, et al. Global climate projections [M]∥SOLOMON S, QIN D, MANNING M, et al, Climate change 2007： The physical science basis. Cambridge, United Kingdom and New York, NY, USA： Cambridge University Press, 2007.

[4] TRENBERTH K. Uncertainty in hurricanes and global warming [J].Science. 2005,308(5729)： 1753-1754.

[5] United Nations International Strategy for Disaster Reduction (UN ISDR). Global assessment report on disaster risk reduction (2009)[R/OL]. Geneva, Switzerland： United Nations, (2009-05-17)[2017-03-23]. http：∥www.unisdr.org/we/inform/publications/9413.

[6] JR C L A, GIBBONS C J. Impervious surface： The emergence of a key urban environmental indicator [J].JournaloftheAmericanPlanningAssociation, 1996,62(2)： 243-258.

[7] KATZ R W, BROWN B G. Extreme events in a changing climate： Variability is more important than averages [J].ClimaticChange, 1992,21(3)： 289-302.

[8] VINCENZI S, LEO G A D, BELLINGERI M. Consequences of extreme events on population persistence and evolution of a quantitative trait [J].EcologicalInformatics, 2012,8(2)： 20-28.

[9] EASTERLING D R, MEEHL G A, PARMESAN C, et al. Climate extremes： Observations, modeling, and impacts [J].Science, 2000,289(5487)： 2068-2074.

[10] Intergovernmental Panel on Climate Change (IPCC). Managing the risks of extreme events and disasters to advance climate change adaptation (SREX) [M]. Cambridge, UK, and New York, NY, USA： Cambridge University Press, 2012： 582.

[11] BURBY R J, GODSCHALK D R, DEYLE R E, et al. Creating hazard resilient communities through land-use planning [J].NaturalHazardsReview. 2000,1(2)： 99-106.

[12] SMIT B, WANDEL J. Adaptation, adaptive capacity and vulnerability [J].GlobalEnvironmentalChange, 2006,16(3)： 282-292.

[13] HALLEGATTE S, GREEN C, NICHOLLS R J, et al. Future flood losses in major coastal cities [J].NatureClimateChange, 2013,3(9)： 802-806.

[14] HALL J W, DAWSON R J, SAYERS P B, et al. A methodology for national-scale flood risk assessment[Z]. London： Published for the Institution of Civil Engineers by Thomas Telford Ltd., c2000-c2003,235-248.

[15] ALLAN R P. Climate change： Human influence on rainfall [J].Nature, 2011,470(7334)： 344.

[16] MIN S K, ZHANG X, ZWIERS F W, et al. Human contribution to more-intense precipitation extremes [J].Nature, 2011,470(7334)： 378.

[17] PALL P, AINA T, STONE D A, et al. Anthropogenic greenhouse gas contribution to flood risk in England and Wales in autumn 2000 [J].Nature, 2011,470(7334)： 382-385.

[18] SODEN B J, HELD I M. An assessment of climate feedbacks in coupled ocean atmosphere models [J].JournalofClimate, 2006,19(14)： 3354.

[19] MILLY P C, WETHERALD R T, DUNNE K A, et al. Increasing risk of great floods in a changing climate [J].Nature, 2002,415(6871)： 514.

[20] 张悦.关于城市暴雨内涝灾害的若干问题和对策 [J].中国给水排水，2010,26(16)： 41-42.

[21] 邓培德.城市暴雨积水的原因分析与对策 [J].给水排水，2011,37(12)： 37-40.

[22] 王峰，颜正惠，黄伟乐，等.城市雨水内涝成因及对策 [J].中国给水排水，2012,28(12)： 22-24.

[23] 任希岩，谢映霞，朱思诚，等.在城市发展转型中重构——关于城市内涝防治问题的战略思考 [J].城市发展研究，2012,19(6)： 71-77.

[24] 帕金森乔纳森，马克奥尔.发展中国家城市雨洪管理 [M].北京： 中国建筑工业出版社,2007.

[25] 赵杨.城市积水与内涝对策研究 [D].北京： 北京建筑工程学院,2012.

[26] 孙洁.从城市物质空间规划角度浅谈内涝的防治策略 [C]∥2012中国城市规划年会论文集.昆明： 云南科技出版社，2012.

[27] SCHILLER A, SHERBININ A D, HSIEH W H, et al. The vulnerability of global cities to climate hazards [J].Environment&Urbanization, 2007,19(1)： 39-64.

[28] MCGRANAHAN G, BALK D, ANDERSON B. The rising tide： Assessing the risks of climate change and human settlements in low elevation coastal zones [J].Environment&Urbanization, 2007,19(1)： 17-37.

[29] HALLEGATTE S, GREEN C, NICHOLLS R J, et al. Reply to ‘Advanced flood risk analysis required’ [J].NatureClimateChange, 2013,3(12)： 1004-1005.

[30] EASTERLING D R, EVANS J L, GROISMAN P Y, et al. Observed variability and trends in extreme climate events： A brief review [J].BullAmerMeteorSoc, 2000,81(2000)： 417-426.

[31] 上海市人民政府办公厅.上海市处置气象灾害专项应急预案(2014版)[Z].2014-06-09.

[32] JR C L A, GIBBONS C J. Impervious surface： The emergence of a key urban environmental indicator [J].JournaloftheAmericanPlanningAssociation, 1996,62(2)： 243-258.

[33] GARRIGUES S, ALLARD D, BARET F, et al. Multivariate quantification of landscape spatial heterogeneity using variogram models [J].RemoteSensingofEnvironment, 2008,112(1)： 216-230.

[34] XU H. Analysis of impervious surface and its impact on urban heat environment using the normalized difference impervious surface index(NDISI) [J].PhotogrammetricEngineering&RemoteSensing, 2010,76(5)： 557-565.

[35] QIU J. Urbanization contributed to Beijing storms [J/OL].Nature, 2012(2012-07-31)[2017-04-10]. http：∥www.nature.com/news/urbanization-contributed-to-Beijing-storms-1.11086.

[36] MIAO S, CHEN F, LI Q, et al. Impacts of urban processes and urbanization on summer precipitation： a case study of heavy rainfall in Beijing on 1 August 2006 [J].JournalofAppliedMeteorology&Climatology, 2011,50(4)： 806-825.

[37] WANG X M, FEI C, WU Z Y, et al. Impacts of weather conditions modified by urban expansion on surface ozone： comparison between the Pearl River Delta and Yangtze River Delta regions [J].AdvancesinAtmosphericSciences, 2009,26(5)： 962-972.

[38] 徐明，马超德.长江流域气候变化脆弱性与适应性研究 [M].北京： 中国水利水电出版社,2009.

[39] 熊新光，吴建春，上海市灾害防御协会.上海城市与灾害事故概论 [M].上海： 第二军医大学出版社,2014： 57-58.

[40] WENG Q. Remote sensing of impervious surfaces [M]. London： Crc Press/Taylor & Francis Group, 2007： 12-49.

[41] BRUN S E, BAND L E. Simulating runoff behavior in an urbanizing watershed [J].ComputersEnvironment&UrbanSystems, 2000,24(1)： 5-22.

[42] MOSCRIP A L, MONTGOMERY D R. Urbanization, flood frequency, and Salmo abundance in Puget lowland streams 1 [J].JawraJournaloftheAmericanWaterResourcesAssociation, 1997,33(6)： 1289-1297.

[43] 缪丽娟，崔雪锋，栾一博，等.北京上海近20a城市化过程中土地利用变化异同点探析 [J].气象科学,2011,31(4)： 398-404.

[44] 扈海波，轩春怡，诸立尚，等.北京地区城市暴雨积涝灾害风险预评估 [J].应用气象学报,2013,24(1)： 99-108.

[45] 刘校辰,侯依玲,穆海振,等.上海市高温风险评估研究 [C]∥中国气象学会年会： s15副热带气象及生态环境影响.北京： 中国气象学会年会，2014.

[46] 王艳君，高超，王安乾，等.中国暴雨洪涝灾害的暴露度与脆弱性时空变化特征 [J].气候变化研究进展,2014,10(6)： 391-398.

[47] 石勇，许世远，石纯，等.沿海区域水灾脆弱性及风险的的初步分析 [J].地理科学,2009,29(6)： 853-857.

[48] LU D, WENG Q, LI G. Residential population estimation using a remote sensing derived impervious surface approach [J].InternationalJournalofRemoteSensing, 2006,27(16)： 3553-3570.

[49] AZAR D, GRAESSER J, ENGSTROM R, et al. Spatial refinement of census population distribution using remotely sensed estimates of impervious surfaces in Haiti [J].InternationalJournalofRemoteSensing, 2010,31(21)： 5635-5655.

[50] 李勤奋，王寒梅.上海地面沉降研究 [J].高校地质学报,2006,12(2)： 169-178.

[51] 张阿根，魏子新.上海地面沉降研究的过去、现在与未来 [J].水文地质工程地质,2002,29(5)： 72-75.

[52] 沈国平，王莉.上海城市建设与地面沉降关系初探 [J].城市规划学刊,2003(6)： 91-94.

[53] 严学新，龚士良，曾正强，等.上海城区建筑密度与地面沉降关系分析 [J].水文地质工程地质,2002,29(6)： 21-25.

[54] 中华人民共和国住房和城乡建设部.《室外排水设计规范》GB50014—2006(2014年版)局部修订的条文及条文说明 [J].工程建设标准化,2016(7)： 37-40.

[55] 郭进修，李泽椿.我国气象灾害的分类与防灾减灾对策 [J].灾害学,2005,20(4)： 106-110.