基于GAST-SWMM模型的西安市中心城区内涝灾害模拟及风险评估

2023-09-01张文晴侯精明王汉岗陆品品

人民珠江 2023年8期

张文晴,侯精明,王汉岗,王晨,陆品品,徐辉

(1.西安理工大学西北旱区生态水利国家重点实验室,陕西西安 710048;2.珠江水利委员会珠江水利科学研究院,广东广州 510611;3.中规院(北京)规划设计有限公司,北京 100044;4.陕西渭河生态集团有限公司,陕西西安 710068)

中国经济的蓬勃发展使得中国城市化进程的发展愈发快速,快速发展的城市化进程在推动中国人口、经济、教育、医疗等基础民生问题稳步前行的同时,也给城市的安全管理带来了巨大的挑战。在城市的安全管理问题中,当属自然灾害给城市造成的危害及影响最为持久和庞大。而在自然灾害事件中又以城市内涝灾害最为频发,给城市居民造成的人员及经济财产损失最为严重[1]。如2016年西安的“7·24”特大暴雨事件、2020年广州的“5·22”特大暴雨事件、2021年郑州的“7·20”特大暴雨事件均导致当地发生了严重的内涝,并产生了巨大的人员及财产损失,对社会造成了较为严重的负面影响。

因此,为使得城市在较为安全环境中逐步发展,需要采取相应措施,降低城市内涝灾害造成的影响。城市的防涝措施主要可分为工程措施与非工程措施。常见的工程措施主要通过建设相关的实体工程设施,通过排除或暂存的方式减少地表积水,如雨水管道、调蓄设施、抽水泵站等;常见的非工程措施主要通过预测、评估或方案优选的方式,指导工程措施的建设与高危区域的有效规避,如内涝风险评估、内涝预报预警、防涝物资的应急调度等。通过工程措施的建设可以使得城市的内涝问题被有效地解决,但针对特大暴雨仍然无法做到彻底的根治。因此,为使城市内涝问题尽可能被彻底地治理,需要采取工程措施措施与非工程措施协同治理的内涝防治方法。

城市内涝灾害模拟与风险评估是城市防涝体系非工程措施中重要的手段之一,有效地对城市内涝灾害进行模拟和评估可以指导防涝非工程措施的建设,并且在灾害来临之前对高风险区进行合理的规避,减少城市内涝灾害带来的经济财产损失甚至人员伤亡。基于此类方法,朱颖蕾等[2]通过构建MIKE21和MIKE Urban耦合模型评估了调蓄设施及强排泵站的效果,对岳阳市地下管网与地表漫流状况进行了模拟,得到不同暴雨场景下岳阳市内涝特征,为湖区平原城市内涝防治提供了工作参考。吴彦成等[3]基于InfoWorks ICM模型建立了区一维、二维耦合水动力学模型,评估了陕西省咸阳市主城区的排水系统能力和内涝风险。刘力丹等[4]利用层次分析法、模糊综合评价法构建洪涝灾害评估模型,根据“7·20”郑州特大暴雨24 h降雨量、河南省年平均降雨量、河网分布、高程相对标准差、绝对高程等5个指标评估了郑州“7·20”郑州特大暴雨的内涝风险。Roland 等[5]基于 MIKE FLOOD 模型对澳大利亚墨尔本市某区域在不同城市发展水平和气候变化情景下进行洪涝风险评估。

上述研究中,或直接采用模型模拟结果对内涝风险进行评估,或在构建的城市内涝灾害指标体系中未考虑水深及流速等重要的水力要素,因此得到的城市内涝风险评估结果均无法满足较为精细的评估结果要求。为解决更精细化的评估结果要求,部分学者开始将模型的模拟结果作为综合城市内涝风险评估中的重要指标再结合其他关注要素,更加综合、精细化地评估城市的内涝灾害风险。如黄国如等[6]以危险性-易损性为风险评估框架,模型模拟结果中的淹没水深、淹没历时作为部分指标构建了城市内涝灾害风险多指标评估体系,评估了广州东濠涌流域的内涝风险。冯文强等[7]以模型模拟结果中的最大深度、积水时间、最大流速结合其他指标评估了海口市海甸岛的城市内涝风险。该系列城市内涝风险评估方法中将模型模拟结果与多指标评估体系进行了有效的结合,可以更加精细、综合地得到研究区域城市内涝风险的空间区域划分。然而在该系列指标体系的构建中,对于指标性质的划分,即风险评估框架的确定,多沿袭了风险管理学科的评估框架,该评估框架虽然能从表象到根本阐述风险发生的机理,但无法直观地表示城市内涝现象的特征。

因此为有效遏制西安市中心城区内涝灾害的发展,本研究基于GAST-SWMM模型构建西安市中心城区内涝灾害模型,模拟不同降雨场景下城市的内涝过程,以模型模拟的相关水力要素为基础,再结合其他信息源,构建多指标城市内涝灾害风险评估体系,多方位评估西安市中心城区的内涝灾害风险,研究结果可以为城市内涝灾害防治提供科学合理的技术方案。

1 材料与方法

1.1 研究区域概况

本文研究区域位于陕西省西安市雁塔区,属于西安市的中心区域,区域总面积为29.46 km2,研究区域内建筑分布密集,土地利用类型复杂,路网分布交错纵横,地形高程剧烈起伏,城市化特征较为明显。2016年7月24日,该区域遭遇特大暴雨,降雨量重现期超过50年一遇造成小寨十字路口及周边多个街道发生严重内涝,造成了较大的社会影响和经济损失。因此,选用该区域进行城市内涝灾害模拟及风险评估代表性较为显著。

1.2 研究方法

1.2.1基于GAST-SWMM模型的城市雨洪过程模拟方法

本研究选用GAST(GPU Accelerated Surface Water Flow and Transport Model)-SWMM(Storm Water Management Model)对城市雨洪过程进行模拟。GAST模型通过求解二维浅水方程方式较为准确地得到地表雨水的汇流演进过程,模型通过均匀结构网格划分计算域,区域进行网格化离散时,为尽可能提升计算精度,采用Godunov格式的有限体积法进行空间离散。并采用HLLC近似黎曼求解器处理计算单元界面上质量通量与动量通量的急变流与非连续问题,对于水动力模型常见的在干湿边界处的负水深问题,通过静水重构的方法将容易失稳的二阶格式在水深低于或流速高于一定值时转换为稳定的一阶计算格式,以此保证模型计算时的稳定性。摩阻源项使用改进的分裂点隐式法来提高计算稳定性,采用二阶显式 Runge Kutta 方法来保证时间积分的二阶精度,同时引入图形处理器(GPU)加速计算技术,在保证计算精度的同时下大幅提升计算效率[8]。

本研究中对管道水力特征的模拟计算以二维地表GAST模型为基础,在Visual Studio 2013 平台上,通过调用SWMM 模型动态链接库(dll 文件)的形式实现对一维管网的模拟计算。由于地表与地下管网之间的水量交换过程较为复杂,为获得较为准确的管道水力计算结果,在模型耦合计算时,一维排水管网的汇流演算方法选用动力波法。运动波法通过求解连续方程的动量方程得到管网的水力特征,数值离散方法采用有限差分法。

GAST模型的地表模块与SWMM模型的管网模块通过雨水井交换水量,因此耦合方式主要涉及垂向耦合。根据实际情况,地表与雨水井的水量交换主要可分为涉及3种情形与2种计算方式。当节点水深高于地表水深时,产生节点溢流,此时通过孔流公式计算地表-节点交换的水量;当节点水位小于地表水深但大于地表高程,此时地表水量在水头作用下进入管网,亦采用孔流公式;当节点水深低于地表水深时,产生地表回流,此时通过堰流公式计算地表-节点交换的水量。堰流与孔流的主要计算公式见式(1)、(2):

(1)

式中Qin——地表水汇入管网的流量,m3/s;cw——堰流系数;Ci——雨水井入口的周长,m;h——地表水位高程与节点水位高程的差值,m。

(2)

式中Qout——从雨水井溢流至地表的溢流流量,m3/s;co——孔流系数;Ai——雨水井入口截面面积,m2。

1.2.2基于多源融合信息的城市内涝灾害风险评估方法

基于多源融合信息的城市内涝风险评估主要可分为以下步骤:①城市内涝灾害风险评估指标体系的确定;②城市内涝灾害风险评估指标权重的确定;③城市内涝灾害风险评估指标风险等级的划分;④多源信息的融合。

a)城市内涝灾害风险评估指标体系的确定。为较为综合、全面地评估城市内涝灾害风险,采用多层级的指标梯度结构模型来对不同指标进行详细分类描述,方便对风险评估结果的中高风险区域进行溯因分析,准确得到内涝致灾的主要因子。城市内涝灾害多层次指标梯度结构模型见图2,一般根据各层级的因子性质分为目标层、决策层、指标层。

b)城市内涝灾害风险评估指标权重的确定。本研究中通过层次分析法得到城市内涝灾害风险评估体系中各层级指标的权重。层次分析法(AHP)是美国运筹学家T.L.Saaty于20世纪70年代初,提出的一种基于层次梯度结构的权重决策分析方法。该方法不需要指标因子的样本数据,仅需决策者熟悉各指标因子之间的相对重要性倍比即可展开评估。AHP法确定评价指标权重的步骤如下[9]:①建立指标层次结构模型;②构造基于1—9标度法的两两判断矩阵,各两众元素间的相对重要性程度进行量化;③计算指标主观权重;④对一致性进行检验。

c)城市内涝灾害风险评估指标风险等级的划分。本研究中将指标的风险度定为1、2、3、4共四级,数值越大表示风险程度越高。对于城市内涝灾害风险评估指标风险程度的划分方法,可根据本文所构建指标的性质分为3种类型:①风险等级划分已有明确界定标准的指标;②指标样本数较少可以依据实际情况推理分析出合适风险等级的指标;③无明确风险等级界定方法且样本数较多的指标。指标样本数复杂需要对样本采用相关数据统计方法后才能合理划分风险等级的指标。对于第三类无明确风险等级界定方法且样本数较多的指标,该类指标由于样本数量较多,无法通过简单的实例推理分析得到准确的风险等级划分,因此对此类指标通过采用相关数据分析的方法得到指标的风险等级划分。

d)多源信息的融合。本研究中城市内涝灾害风险评估指标融合方法采用线性加权综合评价方法。采用线性加权综合评价法作为综合评价模型,可以对多个系统指标进行综合评价。线性加权法评估的指标体系应具有指标间的信息相互独立的特点,若指标间的信息不完全独立则会导致各指标间的信息重复,使得评价结果无法客观地反映实际情况。线性加权函数见式(3):

(3)

式中wj——第j个指标的权重;xj——第j个指标的风险值。

1.3 基础数据

1.3.1城市内涝模型构建

本研究采用GAST-SWMM模型模拟研究区域的内涝过程,模型所需的基本输入数据主要包括:降雨数据、地形数据、土地利用类型数据、管网数据、下渗及其他相关参数数据。

降雨数据主要包括实测降雨数据和设计降雨数据。实测降雨数据用于模型验证及参数校准,选取西安市2016年6月23日的场次降雨[10],该场次降雨总时长为505 min,总降雨量达25.6 mm,属于大雨级别的降雨量,详细降雨过程见图3。

设计降雨数据用于评估不同设计降雨情景下研究区域的内涝情况。芝加哥降雨数据由其数据的易获性和作用于雨洪内涝效果评估的准确性、数据的精确性,已在相关领域内获得了广泛应用。因此设计降雨数据采用具有西安市当地特征降雨参数的芝加哥降雨数据[11],暴雨强度公式见式(4)。为较为详细地模拟西安市中心城区的内涝过程及评估内涝风险,选取5、10、30、50、100 a的芝加哥降雨数据作为主要的设计降雨数据,见图4。

(4)

地形数据采用无人机航测技术对研究区的地形高程进行巡航测算,通过GIS技术处理无人机测算结果,并按实际情况修正明显的地形误差后,得到输入的矩形网格精度为4 m 的DEM(digital elevation model)数据,研究区域地形高程模型见图5。

土地利用数据来源于研究区域高清的卫星影像图,通过ENVI软件采用极大似然法将卫星影像图的不同色块进行分类,在最终将研究区域划分房屋、综合透水区、绿地、裸土、道路,共5种不同的土地利用类型。研究区域土地利用类型见图6。

本研究的管网数据来源于研究区域内雨水管网的设计图纸,通过对设计资料进行合理处理,最终将研究区域管网概化成410段雨水管道、557个雨水井及3个排水口。因实际资料有限,并且城市管网非本文的主要研究对象,因此假设研究区域内管道属于无淤堵和损坏的健康状态,由此设研究区域内管道的曼宁系数为0.017,节点和排口的高程信息,管道的长度,按照设计图纸构建,最终得到管网的拓扑结构见图7。

本研究采用霍顿模型来表征各土地利用的在各场次降雨场景下的下渗过程。霍顿入渗模型因其参数具有广泛的灵活性,一般能与实际观测资料配合较好,故被广泛采用。本研究中城市内涝过程的模拟仅涉及短历时降雨,因此为提升计算精度的同时简化计算,降雨下渗过程不考虑各土地利用类型下渗能力的恢复。霍顿入渗模型具体见式(5):

f=fc+(f0-fc)e-kt

(5)

式中f——入渗率,mm/min;fc——稳定入渗率,mm/min;f0——初始入渗率,mm/min;t——时间,min;k——与土壤特性有关的入渗衰减指数。

用二维浅水方程中的摩阻项表征水体在不同土地利用类型受到摩擦阻力后的流动状态,因此模型的构建还需要每种土地利用类型的霍顿下渗参数及曼宁系数。每种类型的土地利用的下渗参数及曼宁系数首先参考相关文献及标准规范[11],得到参数的大致取值范围,再根据实测资料在范围之内选取相关参数,经过反复调整后,取模拟结果与实测结果误差最小的参数组合,即为本文选取的下渗及曼宁参数。

1.3.2城市内涝灾害风险评估指标体系构建

为合理分析内涝致灾的主要因子,本研究以自然因子-社会因子为评估框架、建立城市内涝灾害风险指标评估体系。自然因子是指在直接或间接作用下导致城市内涝发生且进一步加剧影响范围及损失的自然因素和城市内涝过程的相关水力特征因子,该类指标能直接体现出城市的本底特征,具有强烈的自然属性;社会因子是指由人类活动引起的自然事物的定性改变或者某些特定的事物根据人类的主观意识具有了特殊的含义及重要性程度的相关指标。该类指标在发生城市内涝积水现象时,相较于其他的内涝承灾体,其积涝带来的影响更大,在空间范围内更加需要受到关注。该类指标主要由对人的生产生活产生影响较大的因素中筛选而出,因此具有较强的社会属性。西安市中心城区内涝灾害风险评估指标体系见图8。

根据西安市中心城区内涝灾害风险各指标特性,确定指标的数据来源见表1。

表1 西安市中心城区内涝灾害风险评估指标数据来源

2 结果与分析

2.1 基于GAST-SWMM模型的城市内涝模拟

2.1.1西安市中心城区内涝模型验证及参数校准

实测降雨数据导入搭建的西安市中心城区雨洪模型,并不断在可选参数范围内调整模型的不确定参数,直至模型的模拟结果与实测调研值最为接近,最终得到地表积水深度最严重时刻的积水分布模拟结果,见图9。

将实测调研积涝点位与模拟结果水深进行比并计算调研积涝点与模拟积涝点的水深相对误差见表2,调研的5个内涝积水点水深与模拟积水点水深的相对误差小于等于10%,精度要求满足GB/T 22482—2008《水文情报预报规范》的要求,故说明本文构建的城市雨洪模型准确可靠,可以有效地模拟研究区域的内涝过程。

表2 实测降雨调研积水点水深与模拟水深对比

通过该场次实测降雨最终确定的模型不确定性参数取值见表3。

表3 西安市中心城区暴雨内涝模型参数取值

2.1.2西安市中心城区雨洪致涝模拟结果

将设计降雨数据导入搭建好的模型,得到5、10、30、50、100 a设计降雨工况下的内涝积水过程,研究区域在各降雨重现期峰值积水的内涝分布情况见图10。

图1 研究区域概况

图2 城市内涝风险评估指标梯度模型

图3 2016年6月23日实测降雨数据

图4 不同设计降雨重现期降雨过程

图5 研究区域地形高程

图6 研究区域土地利用类型

图7 研究区域管网数据

图8 西安市中心城区内涝灾害风险评估指标体系

图9 实测降雨数据7.5 h模拟水深的空间分布

a)5 a

按2.2.1节表5中的内涝水深风险等级划分标准,得到研究区域内涝水深指标风险度空间等级划分见图11。

a)5 a

提取各降雨重现期下不同风险等级的面积占比,得到西安市中心城区内涝水深指标的风险等级面积统计见图12。

图12 西安市中心城区内涝水深风险等级面积占比统计

通过图12可知,在不同降雨重现期模拟工况中,研究区域的内涝水深风险等级,均表现为低风险区的面积占比最大、高风险区的面积占比最小。降雨重现期为5、10、30、50、100 a,内涝积水深度低风险区的面积占比分别为82.21%、78.82%、75.31%、74.22%、72.97%,内涝积水深度高风险区的面积占比分别为2.15%、3.47%、5.13%、5.85%、7.29%。并且随着降雨重现期的增加,低风险区的面积逐渐下降,高风险区的面积逐渐增加。

同时统计GAST-SWMM模型计算结果中峰值时刻的内涝流速的空间分布见图13。

a)5 a

按2.2.1节表5中的内涝流速风险等级划分标准,得到研究区域内涝流速指标风险度等级空间划分见图14。

a)5 a

提取各降雨重现期下不同内涝流速的风险等级面积占比,得到西安市中心城区流速指标的风险等级面积统计见图15。通过图15可知,在不同降雨重现期模拟工况中,研究区域的内涝流速,各风险等级的面积占比分布趋势与积水深度较为相似,均表现为在低级风险区的面积占比最大、高级风险区的面积占比最小,但内涝流速的低风险区面积占比在各个降雨重现期都占据了主导地位。降雨重现期为5、10、30、50、100 a,内涝流速低风险的面积占比分别为95.62%、94.44%、92.76%、92.14%、91.44%,高风险区的内涝流速面积占比仅分别为0.11%、0.19%、0.32%、0.38%、0.46%。

图15 西安市中心城区内涝流速风险等级面积占比统计

2.2 基于多源融合信息的城市内涝灾害风险评估

2.2.1城市内涝灾害风险评估指标风险等级划分结果

根据各种指标特性,按1.2节所述指标风险等级划分方法得到各指标具体的风险等级划分方法见表4。

表4 西安市中心城区内涝灾害风险评估指标风险等级划分方法

通过上述方法得到各指标的风险等级划分标准见表5。通过表5得到西安市中心城区内涝灾害风险各评估指标的风险度区域划分见图16(内涝水深及内涝流速指标的风险等级空间区域划分见图11、14)。

a)地形高程

2.2.2城市内涝灾害风险评估指标权重结果

根据1.2.2节所述的指标权重确定方法,建立的指标各层级判断矩阵见表6—8,最终得到本研究中最终指标的权重值见图17,由图可知,在西安市中心城区内涝灾害风险评估指标体系的权重中,权重值由大到小的排序为内涝水深>内涝流速>城市生命线工程>灾害救援能力>地形高程>人口密度>地形坡度>路网分布>建筑密度。其中内涝水深、内涝流速为关键指标,指标权重总和达0.55,占据了总权重的一半值。因为在城市内涝灾害风险评估中内涝水深与内涝流速作为致灾因子与受灾程度之间最为密切。

表6 A-B层判断矩阵及权重

表7 B1-C层判断矩阵

表8 B2-C层判断矩阵

图17 内涝灾害风险评估指标各层级权重值

2.2.3自然因子内涝致灾风险空间区划

对4类自然致灾因子:地形高程、地形坡度、内涝水深、内涝流速,根据2.2.1节中自然因子各指标的风险度划分结果,结合内涝灾害风险评估指标体系B1-C层权重计算结果,得到各降雨重现期下的自然因子内涝致灾风险空间区划,每个栅格单元的风险值计算公式见式(6):

Rnature=0.52C1+0.29C2+0.11C3+0.07C4

(6)

采用自然间断法对100 a的自然因子计算结果进行标准等级划分,最终设定每个栅格单元赋值范围(1～1.677)、(1.677～2.399)、(2.399～2.98)、(2.98～4)对应低级、中级、较高级、高级风险。分别对四类等级赋值1、2、3、4,得到西安市中心城区自然因子内涝致灾风险区划见图18。

a)5 a

2.2.4社会因子内涝致灾风险空间区划

对五类社会致灾因子:人口密度、路网分布、建筑密度、灾害救援能力、城市生命线工程,根据2.2.2节中社会因子各指标的风险度划分结果,结合内涝灾害风险评估指标体系B2-C层权重计算结果,得到社会因子内涝致灾风险空间区划,每个栅格单元的风险值计算公式见式(7):

Rsociety=0.16C5+0.09C6+0.06C7+0.24C8+0.45C9

(7)

采用自然间断法对社会因子计算结果进行标准等级划分,最终设定每个栅格单元赋值范围(1～1.58)、(1.58～1.92)、(1.92～2.44)、(2.44～4)对应低级、中级、较高、高级风险。分别对四类等级赋值1、2、3、4,得到西安市中心城区社会因子内涝致灾风险区划见图19。

2.2.5城市内涝灾害风险空间区划

本文中城市内涝风险综合评估结果分别由自然因子和社会因子共同叠加得到,根据2.2.3、2.2.4节中社会因子和社会因子的风险度划分结果,结合内涝灾害风险评估指标体系A-B层权重计算结果,得到西安市中心城区内涝灾害风险空间区划,每个栅格单元的风险值计算公式见式(8):

Rwaterlogging=0.6667B1+0.3333B2

(8)

采用自然间断法对西安市中心城区内涝风险计算结果进行等级划分,最终设定每个栅格单元赋值范围(1～1.33)、(1.33～2)、(2～2.67)、(2.67～4)对应低级、中级、较高、高级风险。分别对四类等级赋值1、2、3、4,得到西安市中心城区内涝灾害风险区划见图20。

a)5 a

提取各降雨重现期下不同内涝风险的风险等级面积占比,西安市中心城区内涝灾害风险的风险等级面积统计见图21。由图可知,西安市中心城区各降雨重现期内涝风险等级面积占比的规律表现为:中风险区面积占比最大,其次为低风险区面积占比和较高风险区面积占比,高风险区面积占比最小。低风险区及中风险区面积占比均随降雨重现期的增加而减少,较高风险区及高风险区随降雨重现期的增加而增加。综合内涝风险评估指标体系中的各评估指标,可以得到该区域内高风险区主要集中于道路上,主要原因是由于道路这一特殊的土地利用类型,相较于其他土地利用类型,在地形高程较低,地形坡度较陡,导致了道路上积水深度与积水流速较高,再加上道路上的人口数量较为密集,通常还分布有地铁干线此类特殊的承灾体,因此多重的因素导致了城市主干道路成为了内涝高风险区域。

图21 风险等级面积统计

图22为西安市中心城区在各降雨重现期多指标综合内涝灾害风险评估与单一内涝积水深度指标不同风险等级的面积占比差值。该值为正值,表示某一风险等级的多指标综合内涝风险评估面积占比大于单一内涝水深指标风险的面积占比;该值为负值,表示某一风险等级的多指标综合内涝风险评估面积占比小于单一内涝水深指标风险的面积占比。从图中可以看出,低风险区和高风险区的面积占比差值变化最大,多指标综合内涝风险评估的低风险区面积占比远小于单一内涝积水深度指标的低风险区面积占比,其差值范围在-50%～-60%;多指标综合内涝风险评估的中风险区面积占比远大于单一内涝积水深度指标的中风险区面积占比,其差值范围在45%～60%。多指标综合内涝风险与单一积水深度内涝风险等级之间的差值越大,则表示仅通过内涝水深评估城市内涝风险的效果越低,因此精准有效的城市内涝灾害风险评估就越需要建立多层次的指标评估体系,全方位地评估城市内涝灾害风险。