基于SCS 模型的城市内涝灾害风险评价

吴安坤，黄 钰，张淑霞

(贵州省气象灾害防御技术中心，贵州 贵阳 550081)

0 引言

灾害风险评价与管理始于20 世纪30 年代美国田纳西河流域管理局提出的洪水灾害风险管理方法，随后逐步由定性分析转变为半定量、定量化评价研究，形成成熟的灾害风险评价体系和理论方法，并广泛应用于地震、台风、洪涝等自然灾害的防御研究[1-3]。

随着气候变化、极端天气的频繁出现以及城镇化面积不断扩大、不透水面积不断增加，内涝灾害已成为影响世界各国城市安全和经济社会发展的主要自然灾害，且频度和强度不断加强[4-6]。 近年来，北京、上海、武汉等大城市轮番上演暴雨淹城的景象，“逢暴雨必涝”已成为大部分城市的真实写照[7-8]。 随着计算机技术的发 展， 国 内 外 学 者 提 出 了 SWMM、 SCS、Boltzmann、MIKE 21、InfoWorks CS 等方法、模型，并广泛应用于城市防涝排涝和内涝风险管理[9-10]。 但由于模型和数据资料的限制，在开展城市内涝风险评价过程中，大都采用暴雨强度公式进行模拟前期降水量输入，存在生成的面雨量分布精细化程度不高等缺陷。 近年来，随着气象现代化的日益推进，自动气象观测站建设的组网加密，可大大提高城市内涝风险管理水平。 以贵阳市城区为例，选取自动气象要素观测站历史降水资料，采用SCS-CN 模型、皮尔逊Ⅲ型曲线模型，考虑历史降水量形成的径流分布在不同条件的下垫面因素的影响下，分析不同重现期降水量对应的产流量作为致灾因子，结合研究区域植被土壤、降水监测数据、社会经济、土地利用以及各种规划数据等，构建评价指标体系和技术流程，从致灾因子、孕灾环境、承灾体3 个方面选取合适的评价指标开展城市内涝灾害的风险识别，为防洪救灾决策提供规范化的科学依据，以提高城市应对内涝灾害的能力。

1 区域概况及资料来源

1.1 区域概况

贵阳位于贵州省中部，地处云贵高原黔中山原丘 陵， 山 地 气 候 明 显， 年 均 降 水 量 为1129.5mm，夏季雨水充沛，极易引发洪涝灾害。研究区域为贵阳市城区，为便于项目研究开展，定义范围为环城高速以内的区域，位于贵阳市东南部，覆盖白云区、观山湖区、云岩区、南明区和花溪区，约424.3km2。

图1 研究区域概况Fig.1 Overview of the study area

1.2 资料来源

降水量数据来源于近10 年气象要素自动观测站，根据国家标准规定的“年最大值法”，采用最大连续降雨量建立区域统计分析样本；土地利用数据来源于清华大学地球系统科学研究中心，采用自动监督分类方法，基于Landsat 场景的多季节数据进行全季节训练和验证样本，生成30m 全球土地覆盖图，分类数据包括农田、森林、草地、灌丛、湿地、水体、不透水表面等。 土壤质地分类来源于世界土壤数据库， 由联合国粮农组织(FAO)、国际应用系统分析研究所(IIASA)等机构于2009 年3 月共同发布，其分辨率可达1km，其中USDA 土壤质地分类共包括1-13 种类型的土壤。

2 研究方法

2.1 皮尔逊Ⅲ分布曲线

皮尔逊Ⅲ分布曲线是由英国统计学家卡尔·皮尔逊1895 年左右提出的一组频率分布，常用于水文计算。 曲线的概率密度函数为:

具体通过调用Excel 库函数编程，设计P-III型水文频率曲线适线程序，计算各站点在不同重现期下的降雨量。

2.2 SCS-CN 模型

SCS-CN 模型来源于美国农业部水土保持局(Soil Conservation Service，SCS)开发的水文模型，用于预测降水径流量的大小[11-13]。 模型通过综合考虑历史降水、土壤类型、土地利用类型、土壤水分和径流量的关系，提出产流公式为:

式中，P 为降雨量，Q 为产流量，Ia为初始损失，S为最大滞留量，单位均mm。 在实际计算中，采用初始损失为最大滞留量的2/10 进行简化计算。

区域最大滞留量与降雨前集水区的土壤质地、土地利用类型和土壤水分状况有关。 通过综合反映上述因素的经验径流曲线参数CN 计算S 值。

在水文学中，CN 用于确定有多少降雨渗入土壤，或含水层中有多少水转化为地表径流。 它是水文和土壤的函数，主要与3 个因素有关:土地利用类型、土壤入渗特征(土壤类型)和前期土壤湿润条件(AMC)[14-15]。 研究仅考虑正常土壤湿润条件下，结合相关学者的研究情况[16-17]和SCS模型提供的4 组不同渗透能力的土壤类型，其中A 类为排水性能良好的沙土或砾石土，下渗率约7.26～11.43mm/h；B 类为渗透性较强的砂壤土，下渗率约3.81～7.26mm/h；C 类为中等透水性土壤，下渗率约1.27～3.81mm/h；D 类为很弱的透水性土壤，下渗率约0～1.27mm/h。 8 种土地利用类型对应的CN 值见表1。

表1 正常状态下几种不同土壤类型条件下的CN 值Tab.1 CN values under different soil types in normal state

2.3 风险评价模型

自然灾害的三要素论认为风险是因致灾因子作用于承灾体，风险(R)是致灾因子本身属性的危险性(H)、承灾体脆弱性(V)与暴露性(E)的函数。

受强降水或连续性降水导致城市内产生积水灾害，从灾害学和风险管理学的角度，模拟城市内涝灾害形成过程，鉴于相关气象灾害风险评估与区划的研究理论与实践，考虑致灾因子作用于承灾体，影响着城市系统功能，直接表现在财产损失和人员伤亡等方面，建立城市内涝风险计算模型如下。

式中，R 为城市内涝灾害风险，Hi、Ej、Sk分别为致灾因子、孕灾环境、承灾体的第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。

指标权重的确定采用投影寻踪客观赋权方法，直接由样本数据驱动进行数据挖掘，通过遗传迭代，寻求最优投影方向，将多维数据投影到低维空间，最终各指标的最佳投影方向即为各自的权重。

3 结果分析

3.1 最大连续降水量分布

降水作为城市内涝灾害的驱动因子，研究选取最大连续降水量作为研究极端降水条件下引发灾害的致灾因素。 最大连续降水量是指统计连续降水日(日降水量≥0.1mm)期间降水总量最大的那次量值。 根据研究区域内及周边自动气象要素观测站的分布情况，结合测站降水量统计以及数值的缺失情况，选定31 个站点近10 年历史最大连续降雨量建立统计样本，年均极值分别为199.0mm、116.2mm，出现在西部的狗场站和南部的小河站。 采用皮尔逊Ⅲ型曲线法分析各站点4种重现率下(100 年、50 年、25 年、10 年)最大连续降雨量设计值，空间插值100m×100m 面降雨量分布，呈现由北向南呈现递减的趋势，以鹿冲关、黔灵山、云贵山、南郊公园一线往北为高值区，东山、未来方舟区域为次高值区。 从降水强度上，频率为10%， 区域最大连续降雨量平均值为270.7mm；频率为4%，区域最大连续降雨量平均值为340.6；频率为2%，区域最大连续降雨量平均值为392.1mm；频率为1%，区域最大连续降雨量平均值为442.7mm。

图2 4 种降水频率最大连续降雨量插值分布Fig.2 Interpolation distribution of maximum continuous rainfall for four types of precipitation frequency

3.2 基于SCS 模型的产流分布

世界土壤数据库土壤理化性状中USDA 土壤质地分类情况，研究区域主要由粘土(轻)，粉沙壤土、粉壤土、粉砂壤土、粉质壤土、质壤土，壤土、肥土、沃土等组成，大致分别对应表1 中的C、B、A三种土壤类型。 结合清华大学地球系统科学研究中心30m 分辨率的土地利用数据生成CN 空间分布值，采用皮尔逊Ⅲ分布曲线计算不同重现率下的最大连续降雨量作为产流降水输入，结合SCS 产流模型计算径流量分布如图3 所示。 径流深度高值区大致分布在西北部的白云区、观山湖区及老城区附近两个区域；随着重现期的减小，西北部的高值区南移，老城区的高值区东移。 黔灵山公园、阿哈湖水库及森林公园区域由于植被、水体覆盖丰富，渗水性好，不利于径流形成，降水形成的径流深度浅。 生成的径流深度分布呈现大体一致。

图3 不同降水频率下径流深度分布Fig.3 Distribution of runoff depth under different precipitation frequencies

3.3 内涝风险评价

致灾因子作为一种对生命或者财产的潜在危险，考虑选取4 种重现率下最大连续降雨量对应的产流量作为指标因子；孕灾环境作为孕育灾害发生的自然环境，通常是指致灾因子和承灾体所处的环境因子；承灾体是作为直接受到灾害影响的人类社会主体，涵盖人类自身安全以及社会发展的各个方面以及人类所积累起来的各类财产等。 据此从致灾因子、孕灾环境、承灾体3 个方面选取相应的评价指标，建立评价模型如图4 所示。

栅格化处理的风险评价因子，建立对应的风险评价集合，利用GIS 技术得到评价指标(风险因素)的均值，采用投影寻踪客观赋权计算最优投影方向，得到评价指标体系的权重如表2 所示。

根据建立的城市内涝风险计算模型，逐层进行栅格数据计算，风险值介于0.1622 ～1.0000，采用自然断点分级法获得0.3758、0.4942、0.5993、0.7010 4 个断点，将城市内涝灾害风险划分为5个等级，如图5 所示。 高风险区域主要分布在老城区、花溪大道中部及南二环区域、龙洞堡部分区域，低风险区域主要分布黔灵山、森林公园等山体公园区域，与实际情况一致。

图4 城市内涝灾害风险评价模型Fig.4 Risk Evaluation model for urban waterlogging disaster

表2 风险评价指标权重Tab.2 Risk assessment index weight

图5 贵阳市城区内涝灾害风险区划图Fig.5 Risk zoning map of waterlogging disaster in Guiyang City

4 结论

通过选取研究区域及周边31 个气象站点近10 年的最大持续降雨量资料，考虑降雨形成的径流分布在不同条件的下垫面因素的影响，分析不同重现期降雨量对应的产流量作为致灾因子。 结合地形、植被、水系等自然要素和人口密度、经济状况等社会条件，釆用加权综合评价法构建城市内涝灾害风险评估模型，定量化开展城市内涝灾害风险等级划分，为灾害防御、科学决策提供参考依据。 研究结果表明:

(1)4 种重现率下(100 年、50 年、25 年、10年)最大连续面雨量分布呈现由北向南递减的趋势，以鹿冲关、黔灵山、云贵山、南郊公园一线往北为高值区，东山、未来方舟区域为次高值区。

(2)产流高值区大致分布在西北部的白云区、观山湖区及老城区附近两个区域；随着重现期的减小，面降雨量的增加，西北部的高值区南移，老城区的高值区东移。

(3)高风险区域主要分布在老城区、花溪大道中部及南二环区域、龙洞堡部分区域，低风险区域主要分布黔灵山、森林公园等山体公园区域，与实际情况一致。

由于受城区管网分布、排水情况以及其他水文资料的限制，下一步将寻求其他相关部门的合作，开展深入研究及应用。