CN110852577B - 基于城市韧性与城市流域水文模型的城市洪涝评估方法 - Google Patents
基于城市韧性与城市流域水文模型的城市洪涝评估方法 Download PDFInfo
- Publication number
- CN110852577B CN110852577B CN201911020514.2A CN201911020514A CN110852577B CN 110852577 B CN110852577 B CN 110852577B CN 201911020514 A CN201911020514 A CN 201911020514A CN 110852577 B CN110852577 B CN 110852577B
- Authority
- CN
- China
- Prior art keywords
- urban
- drainage
- city
- area
- pipeline
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000010485 coping Effects 0.000 claims abstract description 22
- 230000008569 process Effects 0.000 claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims description 16
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 15
- 238000010586 diagram Methods 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 claims description 10
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 238000001556 precipitation Methods 0.000 claims description 3
- 238000012876 topography Methods 0.000 claims description 3
- 239000002352 surface water Substances 0.000 claims 1
- 230000008520 organization Effects 0.000 description 10
- 238000009825 accumulation Methods 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 5
- 230000002265 prevention Effects 0.000 description 5
- 230000006872 improvement Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000013139 quantization Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000009472 formulation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013209 evaluation strategy Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于城市韧性与城市流域水文模型的城市洪涝评估方法:获取卫星遥感数据以及城市气象数据;计算城市历年洪涝灾害发生区域及洪涝积水面积、积水深度;构建城市流域水文框架模型和城市应对洪涝灾害韧性框架模型;计算得出城市应对洪涝灾害韧性指数;对城市各要素进行贡献分析,获取指数低于第一设定值的要素所对应的维度;其中,要素的指数越低其对应的维度越薄弱;计算出城市排水管道口的排水压力以及极限排水能力,计算得出城市各区域的积水风险;根据城市各区域的积水风险,获取积水风险大于第二设定值的城市区域;其中,积水风险越大其对应的区域越容易发生洪涝;评估城市降雨过程中的城市洪涝区域和城市薄弱维度。
Description
技术领域
本发明涉及一种基于城市韧性与城市流域水文模型的城市洪涝评估方法。
背景技术
随着全球气候变化的逐步恶化,全球气温逐渐升高,导致极端天气气候灾害频发,同时伴着我国城市化进程的持续推进,城市洪涝灾害越来越频繁,由此,对城市洪涝灾害发生位置进行准确评估和识别,并通过城市规划角度对城市系统进行强化及城市流域水文角度进行优化来适应气候条件的变化,从而提高城市应对洪涝灾害的能力,对我国城市的可持续发展具有非常重要的现实意义。
当前我国城市对城市洪涝受灾区域还无法做到十分精确的评估和识别,同时也缺乏有效提升我国城市应对城市洪涝灾害能力的方法。尽管近些年,我国学者在城市洪涝灾害领域开展了大量研究,但是大多研究仍停留在理论层面,缺乏可行性,更加无法提出适用于当前我国城市现状的评估策略和提升策略,而对城市洪涝受灾区域进行精确的评估是所有工作的重要前提和基础。
发明内容
针对上述问题,本发明提供一种基于城市韧性与城市流域水文模型的城市洪涝评估方法,通过构建城市应对洪涝灾害韧性模型和城市流域水文模型,结合历史数据和未来预测数据,在洪涝未发生前期,评估城市应对洪涝灾害能力,实现精确评估,便于后续的预防和改进提升策略。
为实现上述技术目的,达到上述技术效果,本发明通过以下技术方案实现:
基于城市韧性与城市流域水文模型的城市洪涝评估方法,包括如下步骤:
(A):获取卫星遥感数据以及城市气象数据;
(B):通过遥感数据信息和城市气象数据计算城市历年洪涝灾害发生区域及洪涝积水面积、积水深度;
(C):根据步骤(B)获取的数据,一方面构建城市流域水文框架模型;另一方面,选取城市的各考量维度和各考量维度对应的要素,构建城市应对洪涝灾害韧性框架模型;
(D):根据步骤(C)构建的城市应对洪涝灾害韧性框架模型,选取各要素的细分指标并进行量化,计算得出城市应对洪涝灾害韧性指数;
(E):根据步骤(D)的结果,对城市各要素进行贡献分析,获取指数低于第一设定值的要素所对应的维度;其中,要素的指数越低其对应的维度越薄弱;
(F):根据步骤(C)构建的城市流域水文框架模型计算出城市排水管道口的排水压力以及极限排水能力,计算得出城市各区域的积水风险;
(G):根据城市各区域的积水风险,获取积水风险大于第二设定值的城市区域;其中,积水风险越大其对应的区域越容易发生洪涝;
(H):结合步骤(E)和步骤(G)的数据,评估城市降雨过程中的城市洪涝区域和城市薄弱维度。
优选,选取城市的各考量维度包括经济韧性、组织韧性、环境韧性、社会韧性、社区韧性、人力资本韧性、基础设施韧性和政策韧性:
所述经济韧性对应的要素为城市经济量化指标,
所述组织韧性对应的要素为城市组织属性指标,
所述环境韧性对应的要素为城市环境属性指标,
所述社会韧性对应的要素为城市社会属性指标,
所述社区韧性对应的要素为城市社区相关指标,
所述人力资本韧性对应的要素为城市人力资本相关指标,
所述基础设施韧性对应的要素为城市基础设施相关指标,
所述政策韧性对应的要素为城市灾害政策属性指标。
优选,所述城市经济量化指标的细分指标包括GDP、人均GDP、规模以上企业的个数、失业率和产业结构;
所述城市组织属性指标的细分指标包括失业保险覆盖率和医疗保险覆盖率;
所述城市环境属性指标的细分指标包括建成区绿化覆盖率、人均绿地面积和城市人均耗水量;
所述城市社会属性指标的细分指标包括人口自然增长率、人口密度、65岁以上人口比重、14岁以下人口比重、互联网用户数、城市人均耗水量和每万人拥有公共汽车或电车数;
所述城市社区相关指标的细分指标包括防灾减灾社区的个数、公共管理和社会组织人员占比,卫生、社会保障和社会福利业人员占比;
所述城市人力资本相关指标的细分指标包括高中及以上教育人口数和文盲率;
所述城市基础设施相关指标的细分指标包括人均拥有道路面积、排水管道密度、建成区道路长度、排水管道长度和建成区道路面积;
所述城市灾害政策属性指标的细分指标包括政府财政支出。
优选,对各要素的细分指标量化,公式如下:
式中,Di是细分指标i的标准分值,Xi是细分指标i某一年的指标值,Xmax是细分指标i的最大值,Xmin是细分指标i的最小值;
城市应对洪涝灾害韧性指数A的计算公式如下:
式中,Bj表示第j个要素的指数,Wj表示第j个要素的权重;
其中,第j个要素的指数Bj的计算公式如下:
式中,Ti是细分指标i的权重,m是第j个要素包括的细分指标的个数。
优选,基于遥感数据识别得出的城市下垫面性质、城市排水管道口分布、城市道路分布、数字高程模型(DEM)构建城市流域水文框架模型。
优选,构建城市流域水文框架模型的步骤包括:
6a)基于泰森多边形模型,将城市根据排水管道口分布位置及数量划分为N个区域,每个区域具有的特征为:
(1)每个区域内部仅含有一个城市排水管道口;
(2)每个区域中的点距离排水管道口距离最近;
6b)构建降雨过程中的每个区域的城市排水管道口的排水压力的模型:
式中:Y为N个区域中每个区域的城市排水管道口的排水压力,P为该区域单位面积降水量,S为该区域的面积,u为该区域的下垫面种类数,vi为每种下垫面单位面积的雨水渗流速率,si为每种下垫面对应的面积,t为降雨的持续时间。
优选,利用Arcgis工具,结合城市排水管道口分布、城市道路分布数据以及数字高程模型对降雨过程中的城市排水管道排水情况进行模拟,得出城市各排水管道口的极限排水能力K。
优选,城市各排水管道口的极限排水能力K的具体计算过程如下:
(1)根据排水管网中排水管道端点处的高程差及端点之间的距离,高程差数据,确定排水管网局部排水方向,确定每个排水管道的理论极限排水速率,其中:
排水方向由高点到低点;
各排水管道的理论极限排水速率为:
其中,V排为排水管道的理论极限排水速率,ρ雨水为雨水的密度值,g为重力加速度,取值为9.8N/kg,πR2为排水管道面积,|DEM2-DEM1|为两个端点间的高程差,|L2-L1|为两端点的距离,n为管道内壁的阻力常数,ξ1为扰动因素修正系数;
(2)根据城市中的排水管道井口位置数据,及对应的道路网络数据,利用GIS技术模拟下水管道支管网络分布图;
(3)根据遥感所得地形数据、城市建筑物位置信息,利用GIS技术及分布式管道分布数据库和集中式排水管道分布数据库,模拟城市中排水管道系统中的主管道的位置及流向;
(4)根据遥感所得城市中的整体地势及河流数据,市镇部门所提供的城市排水口数据、利用GIS技术,模拟城市排水管道系统中主干管的位置及流向;
(5)根据步骤(2)、(3)、(4)所得城市主管道、主干管位置及流向以及下水管道支管网络分布图建立城市管网模型;
(6)将各个管道的理论极限排水速率输入到所建立的城市管网模型中,得出各管道口实际极限排水速率,根据各管道口实际极限排水速率计算各管道口极限排水能力值K,极限排水能力值K的具体计算公式为:
优选,积水风险F的计算公式如下:
F=Y-K(7)
将积水风险F与计算得到的城市洪涝灾害区域进行校验,将N个区域数据进行对比分析,得到城市降雨过程中积水风险大于第二设定值的城市区域。
本发明的有益效果是:
本发明通过构建城市应对洪涝灾害韧性模型和城市流域水文模型,结合历史数据和未来预测数据,基于地理遥感信息对城市洪涝受灾区域进行识别和评估。在洪涝未发生前期,评估城市应对洪涝灾害能力、风险和薄弱维度,可以有针对性的通过改善城市社会、经济、环境、基础设施、组织、社区、人力资本、政策8大维度的系统,提高城市应对洪涝灾害的能力;在洪涝发生时期,通过地理遥感信息识别城市洪涝受灾区域,通过城市流域水文框架模型的分析,物理性干预城市流域水文以解决城市洪涝灾害。本发明适用城市广泛,具有良好的应用前景,不仅实现精确评估,还便于后续的预防和改进提升策略的制定,提高城市资源和资金的利用率。
附图说明
图1是本发明基于城市韧性与城市流域水文模型的城市洪涝评估方法的流程示意图;
图2是本发明高分一号和高分二号卫星遥感数据及城市气象数据处理分析示意图;
图3是本发明城市应对洪涝灾害韧性模型框架图;
图4是本发明城市应对洪涝灾害韧性模型三层次指标示意图;
图5是本发明基于泰森多边形模型的区域划分示意图。
具体实施方式
下面结合附图和具体的实施例对本发明技术方案作进一步的详细描述,以使本领域的技术人员可以更好的理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
如图1-图5所示,基于城市韧性与城市流域水文模型的城市洪涝评估方法,包括如下步骤:
(A):获取卫星遥感数据以及城市气象数据,一般的,获取高分一号和高分二号卫星遥感数据以及城市气象数据,其中,这些数据最早可以获得1960年的数据,因此,本步骤获取的数据起始时间可以根据实际需要进行设定和选择,最早可以获取1960年至今及未来预测的相关数据。
(B):通过遥感数据信息和城市气象数据计算城市历年洪涝灾害发生区域及洪涝积水面积、积水深度。通过高分一号卫星两天一次遥感数据信息和高分二号卫星四天一次遥感数据信息以及城市气象数据识别城市历年洪涝灾害发生区域及洪涝积水面积、积水深度。
通过使用Arcgis等GIS技术对高分一号和高分二号卫星遥感数据进行处理分析,得出城市历年洪涝灾害受灾区域、积水深度、积水面积等信息,如图2所示,通过获取的遥感数据进行数据处理,计算得出近期(近期可以设定为近3-5年内)的积水深度、积水位置和积水面积数据。通过获取的降水数据,进行数据处理,计算得出实时(实时可以设定为未来的一定时间段内)降雨区域和对应的降雨强度数据。
(C):根据步骤(B)获取的数据,一方面构建城市流域水文框架模型;另一方面,选取城市的各考量维度和各考量维度对应的要素,构建城市应对洪涝灾害韧性框架模型。
其中,城市流域水文框架模型即是为城市下垫面及城市排水管网系统上发生的全水文过程进行模拟计算所建成的数学模型,城市流域水文模型把城市下垫面及城市排水管网总体看成是一个系统,输入为降雨等,输出为积水风险等。城市应对洪涝灾害韧性框架模型则是一个城市应对洪涝灾害的韧性,城市的韧性是一种能力,它能面对众多威胁采取动态措施处理和降低风险,确保城市安全和正常运行。
(D):根据步骤(C)构建的城市应对洪涝灾害韧性框架模型,选取各要素的细分指标并进行量化,计算得出城市应对洪涝灾害韧性指数。
如图3所示,优选,选取城市的各考量维度包括经济韧性、组织韧性、环境韧性、社会韧性、社区韧性、人力资本韧性、基础设施韧性和政策韧性8大维度系统。即,城市应对洪涝灾害韧性框架模型是基于城市洪涝灾害韧性与城市各个系统(包括城市社会、经济、环境、基础设施、组织、社区、人力资本、政策8大系统)间相互关系属性及相互作用关系,采用“目标层—主题层—要素层”三层次结构所构架的城市洪涝灾害韧性评估指标体系框架。
“目标层—主题层—要素层”三层次评估框架是指,目标层为:城市应对洪涝灾害韧性指数;主题层为城市八大系统韧性:经济韧性、社会韧性、环境韧性、社区韧性、基础设施韧性、组织韧性、人力资本韧性、政策韧性;要素层为主题层对应的属性量化指标,对应的:
所述经济韧性对应的要素为城市经济量化指标,所述组织韧性对应的要素为城市组织属性指标,所述环境韧性对应的要素为城市环境属性指标,所述社会韧性对应的要素为城市社会属性指标,所述社区韧性对应的要素为城市社区相关指标,所述人力资本韧性对应的要素为城市人力资本相关指标,所述基础设施韧性对应的要素为城市基础设施相关指标,所述政策韧性对应的要素为城市灾害政策属性指标。
根据上述的要素确定各要素的具体的下一级细分指标,即基于八大城市系统选取相适宜的指标,如图4所示,优选的:所述城市经济量化指标的细分指标包括GDP、人均GDP、规模以上企业的个数、失业率和产业结构;所述城市组织属性指标的细分指标包括失业保险覆盖率和医疗保险覆盖率;所述城市环境属性指标的细分指标包括建成区绿化覆盖率、人均绿地面积和城市人均耗水量;所述城市社会属性指标的细分指标包括人口自然增长率、人口密度、65岁以上人口比重、14岁以下人口比重、互联网用户数、城市人均耗水量和每万人拥有公共汽车或电车数;所述城市社区相关指标的细分指标包括防灾减灾社区的个数、公共管理和社会组织人员占比,卫生、社会保障和社会福利业人员占比;所述城市人力资本相关指标的细分指标包括高中及以上教育人口数和文盲率;所述城市基础设施相关指标的细分指标包括人均拥有道路面积、排水管道密度、建成区道路长度、排水管道长度和建成区道路面积;所述城市灾害政策属性指标的细分指标包括政府财政支出。
对上述确定的细化指标进行量化,计算得出城市应对洪涝灾害韧性指数,具体的:
对各要素的细分指标量化,公式如下:
式中,Di是细分指标i的标准分值,Xi是细分指标i某一年的指标值,Xmax是细分指标i的最大值,Xmin是细分指标i的最小值。
城市应对洪涝灾害韧性指数A的计算公式如下:
式中,Bj表示第j个要素的指数,Wj表示第j个要素的权重;
其中,第j个要素的指数Bj的计算公式如下:
式中,Ti是细分指标i的权重,m是第j个要素包括的细分指标的个数。
基于构建的洪涝灾害韧性评估框架及8个主题层韧性指标的确立,进行要素层指标权重的确定以及主题层指标权重的确定,计算城市应对洪涝灾害韧性指数,洪涝灾害韧性指数是指,基于上述处理好的、量化的细分指标进行各级指标指数计算,各级指数的计算过程中,要素层的指标指数为评价指标的算数平均值,主题层和目标层指数通过加权综合的计算方法得出。
(E):根据步骤(D)的结果,对城市各要素进行贡献分析,获取指数低于第一设定值(数值可以根据经验设定)的要素所对应的维度;其中,要素的指数越低其对应的维度越薄弱,基于计算出的主题层的韧性指数,通过对应城市社会、经济、环境、基础设施、组织、社区、人力资本、政策8大系统比较贡献分析,基于分析结果确定城市中较薄弱的城市系统。
(F):根据步骤(C)构建的城市流域水文框架模型计算出城市排水管道口的排水压力以及极限排水能力,计算得出城市各区域的积水风险。
一般的,优选,基于遥感数据识别得出的城市下垫面性质、城市排水管道口分布、城市道路分布、数字高程模型(DEM)构建城市流域水文框架模型,所述框架模型利用获取的城市遥感数据信息以及识别出的城市各地下垫面性质、城市排水管道口分布和城市道路分布,进而根据模拟得出城市排水管道口的排水压力以及极限排水能力,综合两者得出城市中积水脆弱性较大的区域(即易发生洪涝灾害区域)。
具体的,包括如下步骤:
6a)利用Arcgis工具,基于泰森多边形模型,将城市根据排水管道口分布位置及数量划分为N个区域,如图5所示,每个区域具有的特征为:
(1)每个区域内部仅含有一个城市排水管道口;
(2)每个区域中的点距离排水管道口距离最近。
6b)构建降雨过程中的每个区域的城市排水管道口的排水压力的模型:
式中:Y为N个区域中每个区域的城市排水管道口的排水压力,P为该区域单位面积降水量,S为该区域的面积,u为该区域的下垫面种类数,vi为每种下垫面单位面积的雨水渗流速率,si为每种下垫面对应的面积,t为降雨的持续时间。
利用构建完成的城市流域水文框架模型对降雨过程中的每个区域的城市排水管道口的排水压力进行模拟。
优选,利用Arcgis工具,结合城市排水管道口分布、城市道路分布数据以及数字高程模型对降雨过程中的城市排水管道排水情况进行模拟,得出城市各排水管道口的极限排水能力K。
(1)根据排水管网中排水管道端点处的高程差及端点之间的距离,高程差数据,确定排水管网局部排水方向,确定每个排水管道的理论极限排水速率,其中:
排水方向由高点到低点;
各排水管道的理论极限排水速率为:
其中,V排为排水管道的理论极限排水速率,ρ雨水为雨水的密度值,g为重力加速度,取值为9.8N/kg,πR2为排水管道面积,|DEM2-DEM1|为两个端点间的高程差,|L2-L1|为两端点的距离,n为管道内壁的阻力常数,ξ1为扰动因素修正系数;
(2)根据城市中的排水管道井口位置数据,及对应的道路网络数据,利用GIS技术模拟下水管道支管网络分布图;
(3)根据遥感所得地形数据、城市建筑物位置信息,利用GIS技术及分布式管道分布数据库和集中式排水管道分布数据库,模拟城市中排水管道系统中的主管道的位置及流向;
(4)根据遥感所得城市中的整体地势及河流数据,市镇部门所提供的城市排水口数据、利用GIS技术,模拟城市排水管道系统中主干管的位置及流向;
(5)根据步骤(2)、(3)、(4)所得城市主管道、主干管位置及流向以及下水管道支管网络分布图建立城市管网模型;
(6)将各个管道的理论极限排水速率输入到所建立的城市管网模型中,得出各管道口实际极限排水速率,根据各管道口实际极限排水速率计算各管道口极限排水能力值K,极限排水能力值K的具体计算公式为:
根据城市各区域的排水管道口的排水压力Y及极限排水能力值K,计算得出各区域的积水风险F:积水风险F的计算公式如下:
F=Y-K(7)
将积水风险F与计算得到的城市洪涝灾害区域进行校验,将N个区域数据进行对比分析,得到城市降雨过程中积水风险大于第二设定值的城市区域。
(G):根据城市各区域的积水风险,获取积水风险大于第二设定值(数值可以根据经验设定)的城市区域,即将N个区域积水风险与第二设定值进行对比分析,得到城市降雨过程中积水风险较大区域(即易发生洪涝灾害区域)。其中,积水风险越大其对应的区域越容易发生洪涝。
(H):结合步骤(E)和步骤(G)的数据,评估城市降雨过程中的城市洪涝区域和城市薄弱维度。可以基于城市应对洪涝灾害韧性框架模型得到的较薄弱城市系统及城市流域水文模型得到的城市降雨过程中的积水风险较大区域进行城市系统强化提升与城市流域水文的优化改进,提高城市应对洪涝灾害的能力。
本发明通过构建城市应对洪涝灾害韧性模型和城市流域水文模型,结合历史数据和未来预测数据,基于地理遥感信息对城市洪涝受灾区域进行识别和评估。在洪涝未发生前期,评估城市应对洪涝灾害能力、风险和薄弱维度,可以有针对性的通过改善城市社会、经济、环境、基础设施、组织、社区、人力资本、政策8大维度的系统,提高城市应对洪涝灾害的能力;在洪涝发生时期,通过地理遥感信息识别城市洪涝受灾区域,通过城市流域水文框架模型的分析,物理性干预城市流域水文以解决城市洪涝灾害。本发明适用城市广泛,具有良好的应用前景,不仅实现精确评估,还便于后续的预防和改进提升策略的制定,提高城市资源和资金的利用率。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或者等效流程变换,或者直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (2)
1.基于城市韧性与城市流域水文模型的城市洪涝评估方法,其特征在于,包括如下步骤:
(A):获取卫星遥感数据以及城市气象数据;
(B):通过遥感数据信息和城市气象数据计算城市历年洪涝灾害发生区域及洪涝积水面积、积水深度;
(C):根据步骤(B)获取的数据,一方面构建城市流域水文框架模型;另一方面,选取城市的各考量维度和各考量维度对应的要素,构建城市应对洪涝灾害韧性框架模型;
(D):根据步骤(C)构建的城市应对洪涝灾害韧性框架模型,选取各要素的细分指标并进行量化,计算得出城市应对洪涝灾害韧性指数;
(E):根据步骤(D)的结果,对城市各要素进行贡献分析,获取指数低于第一设定值的要素所对应的维度;
(F):根据步骤(C)构建的城市流域水文框架模型计算出城市排水管道口的排水压力以及极限排水能力,计算得出城市各区域的积水风险;
(G):根据城市各区域的积水风险,获取积水风险大于第二设定值的城市区域;
(H):结合步骤(E)和步骤(G)的数据,评估城市降雨过程中的城市洪涝区域和城市薄弱维度;
其中:基于遥感数据识别得出的城市下垫面性质、城市排水管道口分布、城市道路分布、数字高程模型构建城市流域水文框架模型,构建城市流域水文框架模型的步骤包括:
6a)基于泰森多边形模型,将城市根据排水管道口分布位置及数量划分为N个区域,每个区域具有的特征为:
(1)每个区域内部仅含有一个城市排水管道口;
(2)每个区域中的点距离排水管道口距离最近;
6b)构建降雨过程中的每个区域的城市排水管道口的排水压力的模型:
式中:Y为N个区域中每个区域的城市排水管道口的排水压力,P为该区域单位面积降水量,S为该区域的面积,u为该区域的下垫面种类数,vi为每种下垫面单位面积的雨水渗流速率,si为每种下垫面对应的面积,t为降雨的持续时间;
利用Arcgis工具,结合城市排水管道口分布、城市道路分布数据以及数字高程模型对降雨过程中的城市排水管道排水情况进行模拟,得出城市各排水管道口的极限排水能力K;
城市各排水管道口的极限排水能力K的具体计算过程如下:
(1)根据排水管网中排水管道端点处的高程差及端点之间的距离,高程差数据,确定排水管网局部排水方向,确定每个排水管道的理论极限排水速率,其中:
排水方向由高点到低点;
各排水管道的理论极限排水速率为:
其中,V排为排水管道的理论极限排水速率,ρ雨水为雨水的密度值,g为重力加速度,取值为9.8N/kg,πR2为排水管道面积,|DEM2-DEM1|为两个端点间的高程差,|L2-L1|为两端点的距离,n为管道内壁的阻力常数,ξ1为扰动因素修正系数;
(2)根据城市中的排水管道井口位置数据,及对应的道路网络数据,利用GIS技术模拟下水管道支管网络分布图;
(3)根据遥感所得地形数据、城市建筑物位置信息,利用GIS技术及分布式管道分布数据库和集中式排水管道分布数据库,模拟城市中排水管道系统中的主管道的位置及流向;
(4)根据遥感所得城市中的整体地势及河流数据,市镇部门所提供的城市排水口数据、利用GIS技术,模拟城市排水管道系统中主干管的位置及流向;
(5)根据步骤(2)、(3)、(4)所得城市主管道、主干管位置及流向以及下水管道支管网络分布图建立城市管网模型;
(6)将各个管道的理论极限排水速率输入到所建立的城市管网模型中,得出各管道口实际极限排水速率,根据各管道口实际极限排水速率计算各管道口极限排水能力值K,极限排水能力值K的具体计算公式为:
积水风险F的计算公式如下:
F=Y-K (7)
将积水风险F与计算得到的城市洪涝灾害区域进行校验,将N个区域数据进行对比分析,得到城市降雨过程中积水风险大于第二设定值的城市区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911020514.2A CN110852577B (zh) | 2019-10-25 | 2019-10-25 | 基于城市韧性与城市流域水文模型的城市洪涝评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911020514.2A CN110852577B (zh) | 2019-10-25 | 2019-10-25 | 基于城市韧性与城市流域水文模型的城市洪涝评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110852577A CN110852577A (zh) | 2020-02-28 |
CN110852577B true CN110852577B (zh) | 2023-06-09 |
Family
ID=69597143
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911020514.2A Active CN110852577B (zh) | 2019-10-25 | 2019-10-25 | 基于城市韧性与城市流域水文模型的城市洪涝评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110852577B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112650792B (zh) * | 2020-12-30 | 2023-02-28 | 陕西师范大学 | 城市水流模拟中要素水流流量自动识别与存储方法及系统 |
CN113191647A (zh) * | 2021-05-06 | 2021-07-30 | 上海应用技术大学 | 面向应急管理的城市韧性评估方法 |
CN113111056B (zh) * | 2021-05-08 | 2021-10-22 | 中国水利水电科学研究院 | 一种城市洪涝积水监测数据清洗方法 |
CN113393110B (zh) * | 2021-06-07 | 2022-05-20 | 广州珠科院工程勘察设计有限公司 | 一种多节点的城镇排涝泵站枢纽系统 |
CN114970340B (zh) * | 2022-05-18 | 2023-05-05 | 河海大学 | 一种非完全信息下的商用微波反演降雨驱动的城市道路积水模拟预测替代方法 |
CN114881511B (zh) * | 2022-05-25 | 2024-06-21 | 江苏科技大学 | 面向洪涝灾害的社区防灾韧性评估方法 |
CN115471078B (zh) * | 2022-09-15 | 2024-02-02 | 镇江市勘察测绘研究院有限公司 | 一种基于城市水务系统的洪涝风险点评估方法及装置 |
CN115689293B (zh) * | 2022-11-15 | 2023-05-12 | 中国科学院地理科学与资源研究所 | 一种基于压力-状态-响应框架的城市内涝韧性评估方法 |
CN115953281A (zh) * | 2022-12-19 | 2023-04-11 | 贵州大学 | 一种城市地下空间的内涝灾害动态评估方法及系统 |
CN116011818A (zh) * | 2023-01-13 | 2023-04-25 | 江苏大学 | 一种洪涝风险时空动态传播分析模型 |
CN116070918B (zh) * | 2023-04-06 | 2023-06-09 | 珠江水利委员会珠江水利科学研究院 | 一种城市洪涝安全评估及洪涝灾害防治方法 |
CN116663784B (zh) * | 2023-07-31 | 2023-10-24 | 中国建筑设计研究院有限公司 | 一种城市气候韧性评价方法 |
CN117012006B (zh) * | 2023-08-28 | 2024-03-08 | 浪潮智慧科技有限公司 | 一种城市道路的洪涝灾害预警方法、设备及介质 |
CN116911699B (zh) * | 2023-09-14 | 2023-12-19 | 水利部交通运输部国家能源局南京水利科学研究院 | 城市洪涝灾害应对韧性的精细化动态评估方法和系统 |
CN117854285B (zh) * | 2024-03-07 | 2024-06-07 | 南京邮电大学 | 一种顾及城市水文和交通流特征的暴雨积水路段识别方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106355332A (zh) * | 2016-04-08 | 2017-01-25 | 中国水利水电科学研究院 | 一种基于三层风险评估的洪涝灾害风险应对方法 |
CN106940840A (zh) * | 2017-03-14 | 2017-07-11 | 东南大学 | 一种城市内涝灾害风险评估方法 |
CN109272189A (zh) * | 2018-08-03 | 2019-01-25 | 华南理工大学 | 一种基于链式结构的城市尺度洪涝灾害风险评估方法 |
-
2019
- 2019-10-25 CN CN201911020514.2A patent/CN110852577B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106355332A (zh) * | 2016-04-08 | 2017-01-25 | 中国水利水电科学研究院 | 一种基于三层风险评估的洪涝灾害风险应对方法 |
CN106940840A (zh) * | 2017-03-14 | 2017-07-11 | 东南大学 | 一种城市内涝灾害风险评估方法 |
CN109272189A (zh) * | 2018-08-03 | 2019-01-25 | 华南理工大学 | 一种基于链式结构的城市尺度洪涝灾害风险评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110852577A (zh) | 2020-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110852577B (zh) | 基于城市韧性与城市流域水文模型的城市洪涝评估方法 | |
Apreda et al. | A climate vulnerability and impact assessment model for complex urban systems | |
Shao et al. | Remote sensing monitoring of multi-scale watersheds impermeability for urban hydrological evaluation | |
Ruan et al. | Assessment of temporal and spatial progress of urban resilience in Guangzhou under rainstorm scenarios | |
Kourgialas et al. | Flood management and a GIS modelling method to assess flood-hazard areas—a case study | |
Lin et al. | Urban waterlogging risk assessment based on internet open data: A case study in China | |
KR102073768B1 (ko) | 포털 기반 가뭄정보 제공 시스템 | |
CN110633865A (zh) | 一种基于排涝模型的城市积水预测与安全预警系统 | |
Zang et al. | Study on urban flood early warning system considering flood loss | |
Tansar et al. | A multi-objective decision-making framework for implementing green-grey infrastructures to enhance urban drainage system resilience | |
CN110274656B (zh) | 一种城市内河水位预报预警方法 | |
CN117010726B (zh) | 用于城市防洪的智慧预警方法及系统 | |
Kim et al. | Hurricane scenario generation for uncertainty modeling of coastal and inland flooding | |
Aalirezaei et al. | Prediction of water security level for achieving sustainable development objectives in Saskatchewan, Canada: Implications for resource conservation in developed economies | |
Zhao et al. | Risk assessment of flood disaster and forewarning model at different spatial-temporal scales | |
Zhou et al. | Prediction and early warning method of inundation process at waterlogging points based on Bayesian model average and data-driven | |
Ying et al. | Sub-catchment-based urban flood risk assessment with a multi-index fuzzy evaluation approach: a case study of Jinjiang district, China | |
Lamers et al. | Forecasting tropical cyclone rainfall and flooding hazards and impacts | |
Nuwanka et al. | A GIS-based framework for flood hazard vulnerability evaluation in Thudawa area, Sri Lanka | |
Jin et al. | Integration of an improved transformer with physical models for the spatiotemporal simulation of urban flooding depths | |
Ghosh et al. | Rationalization of automatic weather stations network over a coastal urban catchment: A multivariate approach | |
Xie et al. | Improving the forecast precision of river stage spatial and temporal distribution using drain pipeline knowledge coupled with BP artificial neural networks: a case study of Panlong River, Kunming, China | |
KR101297979B1 (ko) | 공간통계학 및 기후변화를 고려한 침수 취약성 분석 시스템 및 방법 | |
Tadić et al. | Mapping of maximum snow load values for the 50-year return period for Croatia | |
CN116205136A (zh) | 基于径流滞后信息的大尺度流域深度学习洪水预报方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |