高密度城市短历时强降雨洪涝灾害预报预警对策

吴辉明 陈文龙 杨 芳 张 鹏

（1.广州珠科院工程勘察设计有限公司，广州 510610；2.珠江水利委员会珠江水利科学研究院，广州 510610）

联合国政府间气候变化专门委员会（Intergovernmen⁃tal Panel on Climate Change，IPCC）发布的第6 次评估报告提出，21 世纪全球许多区域强降雨和洪涝灾害将更加频繁，这一趋势在高密度城市更为明显[1-2]。近年来，在全球气候变化背景下国内外城市极端强降雨事件明显增多，且呈现历时短、降雨强度高、局地性强的特点。如厦门市“2018.5.7”特大暴雨、广州市“2020.5.22”特大暴雨、2021 年郑州市“7·20”特大暴雨、韩国首尔市“2022.8.8”暴雨、香港“2023.9.7”特大暴雨等，短历时强降雨已成为城市洪涝灾害的重要成因之一。高度城镇化带来的“热岛效应”和“雨岛效应”显著，使得突发性短历时强降雨更加频繁，洪涝灾害进一步加剧。陈文龙等[3]通过对比粤港澳大湾区城镇化前、中、后3 个阶段的短历时强降雨频次变化，发现城镇化后（2010—2019年）暴雨中心向高度城镇化地区转移，高度城镇化地区年均暴雨发生频次增加52%，年1 h 短历时强降雨发生频次增加62%；张建云等[4]对上海市1981—2014年最大1 h 强降雨事件的变化趋势进行分析，发现强降雨事件呈现出明显的城市化效应特征，降雨事件更集中于城区与近郊；易文林等[5]对上海市1978—2020 年暴雨强度及易发时段特征进行分析，结果显示2000年后短历时降雨强度增强趋势显著；袁冯等[6]通过对北京市1961—2017 年短历时暴雨强度及雨型变化特征分析，发现短历时强降雨对年降水量的贡献较大。为减轻短历时强降雨造成的洪涝灾害，国内知名学者就提高短历时强降雨预报预警效果进行研究。徐维国等[7]以安徽省为例，提出通过“雨量遥测+气象雷达”精准预报短历时强降雨；周易宏[8]以郑州市市区为研究区域，开展基于深度学习的城市洪涝积水点淹没过程预报预警研究；史超等[9]以宁波海曙区城区为例，开展基于机器学习快速预报模型的城市洪涝预报预警系统研究及应用。此外，水利部已经发布《数字孪生流域建设技术大纲》《数字孪生水利工程建设技术导则》和《水利业务“四预”功能基本技术要求》等文件，要求强化预报、预警、预演、预案“四预”措施，贯通雨情、水情、险情、灾情“四情”防御，打好水旱灾害防御“主动仗”。短历时强降雨由降雨至洪峰出现历时短，加之城镇化洪涝效应导致峰现时间提前、应急响应时间短，因此，开展预报预警预判洪涝灾害发展趋势和风险研究，实现精准预警、快速应对，避险转移、疏散撤离，主动防御、减少损失，是高密度城市防御短历时强降雨迫切需要解决的问题。

1 短历时强降雨洪涝灾害特征分析

1.1 短历时强降雨特征

短历时强降雨呈现“突发性强、历时短、强度大”的特点，由表1 可知，近年来，国内外发达城市均发生过短历时极端降雨，降雨历时主要集中在1～3 h 内，降雨强度屡破新高。国内城市方面，2021 年7 月20 日，郑州市气象观测站最大1 h 降雨量达201.9 mm，突破有实测记录以来1 h 降雨量历史极值；2017 年5 月7 日，广州市增城区荔湖高尔夫球场站最大1 h 降雨量184.4 mm，突破广东省历史极值；2020 年5 月22 日，广州市黄埔区珠江街站最大1 h降雨量167.8 mm，最大3 h 降雨量288.5 mm，均破黄埔区历史极值；2023 年9 月7 日，深圳市、中国香港普降大雨，深圳盐田区正坑站最大3 h 降雨量246.8 mm，破历史极值，中国香港天文台总部最大1 h 降雨量158.1 mm，是自1884年有记录以来的最高纪录。国外城市方面，2021年9 月1 日，纽约中央公园1 h 降水量达78.8 mm，创历史纪录；2022 年8 月4 日，日本本州岛北部、西北部和东北部地区1 h 降雨量达到161.0 mm，创历史纪录；2022 年8 月8 日，韩国首尔铜雀区1 h 降雨量141.5 mm，为韩国1942 年以来最大1 h 降雨量。

表1 国内外城市短历时强降雨事件表

近年来，高密度城市短历时高强度暴雨越来越频繁。由表2可知，深圳市6个典型雨量站年最大1 h降雨量均呈现增长趋势，其中主要城区雨量站西丽水库、石岩水库和深圳水库降雨呈显著增长趋势。统计深圳市典型雨量站短历时极端降雨中最大1 h、3 h降雨量前100名（截至2020年）的降雨场次，其中最大1 h 降雨量场次仅1997 年7 月4 日、1982 年8 月16 日2 场暴雨发生在2000 年以前，其余98 场降雨均发生在2000 年以后，最大3 h 降雨场次仅2000 年4 月14 日、1995 年10 月5 日、1994 年8 月6 日、1966 年6 月13 日4 场降雨发生在2000 年以前，其余96 场降雨均发生在2000年以后。

表2 深圳市年最大1 h降雨量的Mann-Kendall检验

1.2 短历时强降雨产汇流特征

短历时强降雨叠加高度城镇化下垫面的影响，导致汇流速度快，产流量大，径流峰型趋“尖瘦”形，易形成“脉冲式”暴雨洪水，造成的洪水来势快、量级大、峰值高。如广州天河区猎德涌流域，20 世纪90 年代初，河涌两岸基本为农田，随着城镇化建设的发展，到2019 年河涌两岸已基本被建成区覆盖，流域调蓄容量由83 万m3减为8 万m3，调蓄空间减少96.5%，硬化地表面积增加3 倍。发生20 年一遇、50 年一遇、100 年一遇暴雨时，流域出口3 h 洪峰流量分别增加57%、44%、34%，峰现时间分别提前0.43 h、0.41 h、0.40 h。深圳“2019.4.11”降雨期间，从开始降雨到开始涨水时间间隔仅为14 min，从最大降雨到河道最高水位出现时间间隔仅为10 min，水位涨幅达到2.42 m。北京市“23·7”流域性特大洪水期间，永定河卢沟桥站洪峰流量仅1.5 h 就从1 000 m3/s 上升至4 650 m3/s，是1925 年以来的最大洪峰；官厅水库至卢沟桥区间（集水面积1 800 km）雨峰、洪峰出现时间间隔仅3 h 50 min；漫水河以上区间（集水面积653 km2）雨峰、洪峰出现时间间隔仅2 h 20 min[10]。深圳市2023 年“9·7”特大暴雨期间，龙岗河干流沿程水位迅速上涨4.31～8.22 m，龙岗河流域爱联河河口雨峰、洪峰出现时间间隔仅30 min；深圳河流域布吉河草埔断面雨峰、洪峰出现时间间隔仅1 h。2021 年郑州“7·20”特大暴雨中京广快速路隧道从出现最大1 h降雨至隧道被完全淹没仅1.5 h。

1.3 短历时强降雨洪涝灾害特征

随着城市化快速发展，城市集聚效应逐渐凸显，短历时强降雨所导致的洪涝灾害越来越突出，呈现“发生频率高，受灾损失大、致灾性强”的特点。以深圳市为例1960—2020 年典型降雨最大1 h 降雨量超过100 年一遇的次数达到42次，最大3 h降雨量超过100年一遇的次数达到10次，最大6 h降雨量超过100年一遇的有2次，短历时强降雨已成为内涝发生的主要原因。高密度城市经济高度发达、人口高度集中、财富高度密集、商贸高度活跃，在发生短历时强降雨时，由于人口基数多、建筑物密度大，单位受灾面积下的受灾损失大、致灾性强。如郑州市2021 年“7·20”特大暴雨造成郑州市因灾死亡失踪380 人，直接经济损失409亿元[11]；广州市“2020.5.22”特大暴雨期间，全市共443 处积水，多地出现水淹，增城区广汽本田生产基地被淹，广州市地铁增城官湖地铁站、新沙地铁站严重浸水导致地铁13 号线停运，全市死亡4 人；2023 年9 月7 日，香港天文台发出罕见的黑色暴雨警告信号，暴雨导致2 人遇难1 人失踪，144 名市民受伤。国外高密度人口城市发生短历时极端暴雨时，也具有相同的受灾特点。如2021 年7 月，西欧遭遇极端强降雨，超205 人死亡，176 人失踪，数万人无家可归，经济损失超过430 亿美元[12]；2021 年9 月，纽约发布其史上首个“闪电式洪水预警”，全市因“历史性气候事件”进入紧急状态，纽约市及周边地区发生大面积洪水，损失近650 亿美元[13]；2022 年8 月8 日，韩国首尔及周边地区遭遇80 年来最大降雨，造成11 人死亡、6 人失踪、9 人受伤[14]。

2 短历时强降雨洪涝灾害预报预警存在的问题

目前我国部分地区相继开展城市洪涝监测预报预警平台的试点工作，但普遍存在监测覆盖不足、预报时效性和准确性差、预警方式粗放等问题，难以满足短历时强降雨洪涝灾害应急响应的精准预报和快速决策需求。

2.1 监测体系不够完善

延长洪涝预报预见期、提高洪涝预报精准度，需要精准的降雨监测数据支撑。高密度城市降雨形成机制复杂，时空变异性大，降雨预报依然存在很大不确定性，预报预警空间、时间分辨率不足，针对短临预报、降雨落区、降雨极值的预报能力有待提升。传统水雨情监测技术和站网建设比较成熟，截至2022年年底，全国共建成水文站8 063处和水位站18 761 处[15]，实现对全国大江大河及其主要支流、有防洪任务的中小河流水文监测全覆盖。但城区仍存在洪涝监测点覆盖不足、监测要素不全、监测站网密度低等问题，难以支撑短历时强降雨洪涝预报预警所需的精准性、同步性、及时性；大部分城市水文监测点位于城市骨干河道，城市内河、雨水管渠监测设施较少，尤其是路面积水、管网液位、桥涵隧洞高风险点缺少监测设备；城区监测技术装备精度、稳定性和智能化水平不高，现有的洪涝灾害监测设备主要针对野外环境监测特点研发，具有集成度低、体积大、占地面积大的特点，难以满足高密度城市短历时强降雨及江河湖库监测的要求；监测手段落后，新技术应用不足，目前多数监测站仍使用超短波和2G 等落后通信技术，设备可靠性不高，在短历时强降雨条件下极易出现断电、断网等不利情景，导致监测设备失灵、数据传输中断；此外，缺乏监测数据也会导致城市洪涝模拟模型难以率定和验证。

2.2 模拟预报不够智能

高密度城市下垫面复杂，建筑物密集，对地面汇流、洪水演进的阻滞效应显著，道路纵横交错，在立交桥、道路分层之间水流存在平面及竖向汇流路线，水流流向复杂，同时城市雨水管网复杂，量多面广，密集管网模拟计算耗时长，管网底数不清、错接乱排、淤积堵塞、破损断头等问题突出，管网模型难以真实反映管网运行状态。MIKE、SWMM、InfoWorks 等系列洪涝模拟软件在面对大城市、复杂下垫面等大范围模拟时仍存在计算速度较慢的问题，传统单纯依靠降低模型时空分辨率以提高计算速度的方式已难以满足城市洪涝预警准确性要求，而过度精细化的洪涝模型又难以满足短历时强降雨预报预警时效性要求，诸多问题交织在一起导致城市洪涝实时预报精度不高、时效性差。如何构建高效、准确、稳定的城市洪涝预报模型，是城市洪涝灾害模拟迫切需要解决的问题。

2.3 预警发布不够精准

在城市洪涝灾害应急管理实践中往往面临救援力量不足、应急物资不够等问题，因此，精准预警、提前响应、主动避险十分重要。目前洪涝预警主要依靠大规模覆盖的短信群发、网络消息推送、电视轮播等手段进行基础性预警，因未能明确风险区域、风险发生时间和危险程度，预警的针对性和指引性不强，对市民安全出行、人员避险转移和防灾应急抢险提供的支撑有限。现有的静态洪涝风险图主要是针对典型设计工况，不具备根据现实发生条件而调整的功能，而实际水情、雨情、工情边界条件与设计工况往往差异较大，静态洪涝风险与实际洪涝风险差别较大。据美国有线电视新闻网（CNN）报道，在西欧洪灾发生的前几天，相关部门已通过欧洲洪水预警系统（EFAS）对莱茵河及马斯河流域的特定地区发出超过25次预警，然而绝大多数预警信息并未有效传达给当地居民，导致面对大洪水时措手不及；广州市“2020.5.22”特大暴雨事件中，由于风险预警不足，黄埔区开源大道隧道内车辆被困，最终4 人逃生、2人溺亡；郑州市2021 年“7·20”特大暴雨导致京广路隧道6人不幸遇难。这样惨痛的教训表明研发精准有效、靶向预警的城市洪涝灾害预报预警技术迫在眉睫。

2.4 防御预案不够精细

短历时强降雨防御所需应急响应时间短，涉及多方面、多部门，需要统一部署、部门联动。目前大部分应急预案主要针对编制大江大河洪水调度、洪水防御、超标准洪水，而应对短历时强降雨洪涝防御方案的全面性、衔接性和可操作性存在不足。从全面性来看，对重点防护设施的分布、保护等级分类、工程运用调度计划等指引仍不够清晰、不够全面，缺少重点防护对象的识别和风险评估，对洪涝灾害可能造成的后果预判不足，导致应急预案在事前管理中的功能缺失；从衔接性来看，市、区、部门或企业预案衔接不足，对重点防护对象预警、响应和处置过程缺乏相互沟通协调；从可操作性来看，部分应急预案只规定原则性、通用性应对措施，与实际结合不紧密，没有精准施策，措施空泛，缺少可行性应对措施，缺少关键应急设施设备配备，导致基层单位或企业自身防护措施和装备不足。

3 短历时强降雨洪涝灾害预测预警对策建议

高密度城市短历时强降雨突发性强，地表汇流速度快，应急响应时间短，灾害形势瞬息万变，对洪涝预报预警的精准性、时效性、实用性提出很高要求。可从城市洪涝“数据感知、快速模拟、深度学习、靶向预警、智能决策”等方面开展研究，实现短历时强降雨洪涝灾害智能化监测、快速化模拟、精准化预警，提升城市洪涝灾害识别、监测、预报、预警、影响研判、风险处置等快速响应与综合应对能力，实现洪涝风险从被动应对向主动防控转变。城市洪涝监测—预报—预警技术总体框架图，如图1所示。

图1 城市洪涝监测—预报—预警技术总体框架图

3.1 构建雨水情全覆盖全要素监测体系网

完善水文站网布局，加快构建由气象卫星和测雨雷达、雨量站、水文站组成的雨水情监测“三道防线”，构建具备立体化、协同化观测能力的空天地一体化水文物联感知网络，实现降雨、江河湖库、排水管网、路面积水等全覆盖、全要素智能感知，为城市洪涝快速预测模型提供实时、连续和准确的感知监测数据。研发适应极端气象环境的高精度气象探测传感器、观测设备、精密监测技术，多源信息智能化快速识别和预警技术等，提升降雨预估时空分辨率，提高短历时极端降雨灾害精准监测预报和精细预警服务水平。应用微机电系统等新型传感器技术，实现监测传感器的微型化、一体化，优化城市河道水位监测布局，强化在排涝片区交界处、河道卡口及交汇处等关键点的水位监测。在重要的城市主干道路、下沉式立交、隧道、涵洞、低洼地带等内涝风险点配备内涝自动化监测设备和桥隧溺水风险识别监测设备，自动识别现场洪涝影响区域及人员车辆受困情况，及时通过平台及现地装置发出预警，如广州黄埔区在全区30个市政道路下穿隧道、涵洞易涝点安装的隧道积水自动拦截系统通过预警子系统起到险情预警告示和交通疏导作用，通过拦截子系统对进入隧道的车辆进行拦截，最大程度消除水淹隐患。加强城市重点片区排水管网流量、液位监测，实现主干管液位监测全覆盖。布设雨水调蓄池、调蓄湖水闸、泵站等设施水位流量监测，结合降雨预报预泄削峰错峰提升片区雨水调蓄能力。同时，构建基于5G、北斗卫星、窄带物联等多信道数据传输方法，确保关键洪涝监测信息传输不中断，保障城区洪涝水文多要素协同监测和数据传输。

3.2 构建城市洪涝快速模拟模型

探索有物理机制的水利专业模型和深度学习模型的融合互补，平衡“算得准”与“算得快”之间的关系，实现各内涝风险点积水秒级预报。城市洪涝快速模拟综合考虑管网数据的不确定性、密集建筑和道路立交影响，构建管网概化、建筑概化、路网概化、河网耦合洪涝模拟模型，破解计算速度慢和适用性难的矛盾。管网概化建模基于等效过流能力原则，将几根并行管道合并为一根，等效管网参数，即将各根管道的水深—水面宽度—过流面积曲线关系进行合并；建筑物概化建模通过引入容积率系数（即非建筑区面积占网格单元面积的比例），对二维浅水方程进行修正，结合糙率修正网格内建筑物的阻水作用，以描述建筑物不透水效应对洪水模拟的影响，实现大尺度网格上建筑物阻滞效应概化，在不加密网格条件下对建筑物降维高效处理；道路概化建模，对于多层道路进行网格剖分时，按照多层道路的平面重叠区域绘制不同网格块，根据各层之间水流真实的平面及竖向汇流路线，建立重叠区域不同网格块边界与周边网格边界的拓扑连接关系，构建不同层网格间的水流通道，实现立交桥易积水区域的局部精细化模拟。同时，通过运用GPU并行计算技术，实现城市洪涝模型高效解算以满足实时预报预警要求。

城市洪涝快速模拟预测模型为机器深度学习提供可靠的训练及测试数据，弥补监测数据不足的问题，深度学习模型通过学习模式迭代更新，不断对模型关键参数进行率定和验证，实测数据与预报结果相互印证，提高预报预警精度和速度。基于大数据驱动，通过机器深度学习量化表达降雨、积水、河道水位各致灾因子贡献程度，得出降雨—积水—河道水位拟合度最高的一组因子值，建立三者相关关系式，极大缩短内涝模型运行时间，对河道水位、内涝积水过程进行快速滚动预报，预测水淹位置、范围，动态评估桥隧、地铁口、交通道路、地下空间、居民区、重要企业等水淹风险，实现洪涝风险早期识别，合理指导政府部门工程调度、抢险布防、交通管制、人员转移，支撑精准应急、协同救灾，提升应急调度决策的科学性和合理性。

3.3 探索洪涝风险靶向预警社会化服务

探索内涝预警精细化服务，为重要基础设施设防提供指导。基于积水实时监测数据掌握重要基础设施周边城市道路积水现状，根据城市洪涝预报结果预测道路积水及河道周边洪水漫溢趋势，形成实时洪涝风险图，及时向责任人和受影响群众发布预警信息，实现洪涝风险精准预警和定向发布。当内涝预警信号发生时，值班人员可快速通知本单位上级管理部门进行应急处置，避免地下空间等受淹受损，掌握洪涝防御主动权。探索洪涝预警社会化服务，为民众出行提供参考。向百度地图等数字地图软件实时推送积水风险，并通过客户端向出行市民发布，根据用户位置动态精准定位，提醒导航路线当前及未来积水区域位置，为出行车辆提供安全的线路规划。按积水深度进行高、中、低风险分级，当积水深度超过警戒水深，达到洪涝灾害中风险程度时，积水信息以数字地图软件为载体推送给车辆行人，引导车辆绕行积水路段，提醒行人躲避洪涝灾害，对于轻微积水路段，可采取语音播报提醒小心驾驶。经过积水路段的用户也可通过数字地图软件实时反馈现场信息，提高积水信息的准确性。通过精准靶向预警，帮助人们合理规划出行时间和出行路线，有效躲避出行风险、提高公众出行效率，避免“冒水行走、冒水行车、冒风出行”等涉险事件发生。

3.4 构建全行业洪涝综合防御机制

深度融合洪涝防御预案和洪涝风险图，编制风险区重点防护对象和洪涝防御应急预案，指导低洼易涝区域各类建筑物、构筑物管理单位的洪涝防御工作，明确突发极端天气下，内涝积水区域围挡和排涝、人员转移安置、现场警戒疏散等应急响应操作指令，提升基础设施自身防御能力，确保洪涝风险图成果好用、管用、真用。依托洪涝实时预报预警成果，采用桌面演练和现场演练相结合，针对交通、电力、通信大面积中断的极端情况，加强部门协作，以练促战、以练强能、以练促改，积累应对短历时强降雨洪涝灾害突发事件的实战经验，提升预案的协同性、实战性和可操作性。建立健全“条块结合、条块协作、齐抓共管”的全行业城市洪涝综合防御机制，加强三防（防汛、防旱、防台风）、水利、气象、交通、应急、住房和建筑、能源、消防等部门的协调配合，建立会商研判、抢险救援、信息通报等工作机制，实现各部门高效协同治理，提高应急处置效率。基于洪涝风险图向社会公布、线上线下普及洪涝风险源及避险常识、创建科普教育基地等措施，加强对公众的洪涝灾害应急避险培训，提高恶劣环境下公众自身对洪涝灾害的适应性，营造洪涝防御共建共治共享的良好氛围。

4 结 语

全球气候变化和快速城镇化背景下，短历时极端降雨事件呈现增多增强趋势，城市洪涝灾害防御面临新挑战。高密度城市短历时强降雨防御应完善水雨情监测体系，构建洪涝快速模拟模型，借助机器深度学习等水利大数据方法，对城市洪涝风险精准靶向预警，规避风险，提高效益，为洪涝灾害防御运行调度、抢险救灾、应急管理和科学决策提供支撑，最大程度减少短历时强降雨导致的洪涝灾害损失。