CN113313384B - 一种融合弹性的城市洪涝灾害风险评估方法 - Google Patents
一种融合弹性的城市洪涝灾害风险评估方法 Download PDFInfo
- Publication number
- CN113313384B CN113313384B CN202110595180.2A CN202110595180A CN113313384B CN 113313384 B CN113313384 B CN 113313384B CN 202110595180 A CN202110595180 A CN 202110595180A CN 113313384 B CN113313384 B CN 113313384B
- Authority
- CN
- China
- Prior art keywords
- risk
- elasticity
- water depth
- land
- threshold value
- 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 83
- 238000012502 risk assessment Methods 0.000 title claims abstract description 33
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 97
- 238000011160 research Methods 0.000 claims abstract description 47
- 238000013316 zoning Methods 0.000 claims abstract description 20
- 230000008569 process Effects 0.000 claims abstract description 18
- 238000011156 evaluation Methods 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims description 23
- 241000282414 Homo sapiens Species 0.000 claims description 7
- 230000008878 coupling Effects 0.000 claims description 4
- 238000010168 coupling process Methods 0.000 claims description 4
- 238000005859 coupling reaction Methods 0.000 claims description 4
- 230000006872 improvement Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims 2
- 230000008859 change Effects 0.000 abstract description 9
- 238000012854 evaluation process Methods 0.000 abstract description 2
- 239000011159 matrix material Substances 0.000 description 8
- 238000009825 accumulation Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 241000282412 Homo Species 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- XSQUKJJJFZCRTK-UHFFFAOYSA-N Urea Chemical compound NC(N)=O XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 239000004202 carbamide Substances 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- G06Q50/265—Personal security, identity or safety
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种融合弹性的城市洪涝灾害风险评估方法。所述方法包括以下步骤:基于研究区实际情况划分网格单元;获取与降雨时间序列相对应的各网格单元各时段的淹没水深和该场次降雨的淹没水深数据历时;以所得网格单元为计算单元,确定各土地利用类型最大和最小水深阈值,利用两种阈值,获取各网格单元各时段的弹性,从而得出各网格单元的时段平均弹性;选取包括弹性在内的若干个危险性指标,以及若干个易损性指标;计算确定各指标权重,构建融合弹性的城市洪涝灾害风险评估框架;对各指标进行风险区划;对研究区危险性和易损性进行风险区划;对研究区进行城市洪涝灾害综合风险区划。本发明通过将弹性作为危险性指标之一融入城市洪涝灾害风险评估的指标体系当中,能识别单场次降雨中几乎整个淹没过程的淹没深度变化,从而更准确地量化风险评估过程中不同淹没情况下的危险性大小。
Description
技术领域
本发明涉及技术领域为城市洪涝灾害风险评估,具体涉及一种融合弹性的城市洪涝灾害风险评估方法。
背景技术
近年来,在气候变化和城镇发展的大背景下,极端降雨事件频发,城市洪涝灾害现象屡见不鲜。洪涝灾害作为困扰我国的主要自然灾害之一,长期以来对我国国民经济的发展以及居民的生命安全产生不利影响。面对日益严峻的洪涝灾害,城镇化地区的弹性和洪涝灾害风险评估是近年来的研究热点,弹性概念的引入为研究人类和洪涝灾害之间的关系提供了一种独特的视角,如Miguez 等(Miguez M.G.,Veról A.P.A catchment scaleIntegrated Flood Resilience Index to support decision making in urban floodcontrol design[J].ENVIRONMENT AND PLANNING B-PLANNING&DESIGN,2016,44(5):925-946.)整合多个指标提出了洪涝弹性指标量化洪涝弹性并支持洪涝控制决策,以选定设计替代方案,并在超出设计标准时改善防洪响应。然而,在现有研究中,对洪涝风险的评估体系、方法和研究深度等均存在一定程度的不足。传统的洪涝风险评估方法强调静态指标最大淹没水深和淹没历时(李碧琦,罗海婉,陈文杰,等.基于数值模拟的深圳民治片区暴雨内涝风险评估),不能很好地体现淹没过程中水深变化对洪涝灾害风险的影响,忽略了城市系统对洪涝灾害的抵抗、适应和恢复能力。对弹性与洪涝灾害风险之间的关系,目前已有学者进行研究,如Mugume等(Mugume S.N.,Gomez D.E.,Fu G.,et al.A global analysisapproach for investigating structural resilience in urban drainage systems[J].Water Research,2015,81:15-26.)开发了一个新的概念框架,用于根据系统性能曲线评估城市排水系统的整体弹性,并利用单个指标量化排水系统中每个管网发生故障时系统的剩余功能;Wang等(Wang Y.,Meng F.,Liu H.,et al.Assessing catchment scaleflood resilience of urban areas using a grid cell based metric[J].WaterResearch,2019,163:114852.)提出了一种基于系统性能曲线的网格尺度的弹性指标,用于评估城市流域的城市洪涝弹性。即便如此,相关研究仍相对较少,对弹性与洪涝灾害风险之间的关系的探讨是未来需要深入探索的方向之一。在建设韧性城市的背景下,将弹性概念融入城市洪涝灾害风险的评估体系中,为弹性和洪涝灾害研究相结合提供了一种有效途径和思路。
发明内容
为改进传统的城市洪涝灾害风险评估体系,使其能反映人类社会物理环境对洪涝灾害的抵抗和缓解能力,有利于弹性和洪涝灾害研究相结合,本发明将弹性作为危险性指标之一融入城市洪涝灾害风险评估体系当中,同时考虑易损性指标,构建基于危险性—易损性评估框架且提出融入弹性的城市洪涝灾害风险评估方法。
本发明的目的至少通过以下技术方案之一实现。
一种融合弹性的城市洪涝灾害风险评估方法,包括以下步骤:
S1、基于研究区实际情况划分网格单元;
S2、获取与降雨时间序列相对应的各网格单元各时段的淹没水深和该场次降雨的淹没水深数据历时;
S3、以所得网格单元为计算单元,确定各土地利用类型最大和最小水深阈值,利用两种阈值,获取各网格单元各时段的弹性,从而得出各网格单元的时段平均弹性;
S4、选取包括弹性在内的若干个危险性指标,以及若干个易损性指标;
S5、计算确定各指标权重,构建融合弹性的城市洪涝灾害风险评估框架;
S6、对各指标进行风险区划;
S7、对研究区危险性和易损性进行风险区划;
S8、对研究区进行城市洪涝灾害综合风险区划。
进一步地,步骤S1中,通过已有模型软件,构建研究区一二维耦合模型,划分得到研究区非结构化网格单元。
进一步地,步骤S3中,以网格单元为基础,结合系统性能曲线,如图2所示,根据式(1)计算得到各网格单元的弹性:
其中,Res(i)为网格单元i的弹性;tn为水深数据历时,单位为h;p(i,t)为t 时刻网格单元i的系统性能。
进一步地,在传统的弹性计算公式中,洪涝水深阈值根据土地利用类型设定;当网格单元i的淹没深度小于水深阈值时,网格单元i的系统性能为1;当网格单元i的淹没深度超过水深阈值时,网格单元i的系统性能为0;
然而,在很多情况下,网格单元的系统性能在遭遇较浅的淹没深度时即开始受到影响。例如,城市道路上2cm的积水深度可能使机动车面临滑移的风险,行人通道上较浅的积水(如5cm)即可对行人造成影响;然而,在传统的弹性计算方法中,系统性能在水深阈值处存在性能突变的情况,与实际不相符合;本发明通过基于最大及最小水深阈值计算网格单元弹性的方法以改进传统的弹性计算公式,改进后,公式(1)中的系统性能p(i,t)由式(2)计算得到:
其中,hmax和hmin分别代表最大和最小水深阈值,单位为m,结合研究区土地利用类型分布和各土地利用类型的水深阈值确定;h(i,t)为t时刻网格单元i的淹没水深,单位为m。
进一步地,确定各土地利用类型的最大及最小水深阈值,各土地利用类型的最小水深阈值设定为影响人类、财产或设施的最小淹没深度,最大水深阈值设定为严重影响人类、财产或设施的淹没深度,若超出该深度则该土地利用类型的弹性全部丧失;不同土地利用类型水深阈值取值参考及原则如下:
当土地利用类型为农业用地时,水深阈值取值主要参考当地的主要农作物耐淹性;
当土地利用类型为商业用地时,水深阈值取值主要参考当地的建筑物门槛高度;
当土地利用类型为绿化用地时,水深阈值取值主要参考当地的树木和草地耐淹性;
当土地利用类型为工业用地时,水深阈值取值主要参考当地的建筑物门槛高度;
当土地利用类型为公共用地时,水深阈值取值主要参考当地的建筑物门槛高度及行人滑倒风险;
当土地利用类型为居民用地时,水深阈值取值主要参考当地的建筑物门槛高度;
当土地利用类型为交通用地时,水深阈值取值主要参考一般的机动车滑移及排气孔高度。
进一步地,步骤S4中,将计算所得研究区各网格单元的时段平均弹性作为风险评估的危险性指标之一,在此基础上再选取若干个具有代表性、独立性、科学性的危险性指标以及易损性指标。危险性指标除弹性外还需考虑其他常用的危险性指标,如地面高程和地面坡度等;常用的易损性指标可选择人口密度、 GDP、研究区各地到医院的距离等。危险性指标和易损性指标的选取应根据研究区域实际情况和研究需要具体确定。
进一步地,步骤S5中,利用主观方法和客观方法相结合的组合计算方法确定各指标的权重取值;其中,所述主观方法主要包括层次分析法和专家调查法;所述客观方法主要包括熵权法和标准差法;基于步骤S4所选的指标以及步骤S5 所确定的各指标的权重取值,构建如图1所示基于危险性—易损性且融合弹性的城市洪涝灾害风险评估框架。
进一步地,步骤S6中,在ArcGIS软件中以自然断点法划分各指标的风险等级,得到各指标的风险区划图。
进一步地,步骤S7中,根据步骤S5中得到的各指标的权重取值,在ArcGIS 软件中对步骤S6中得到的风险区划图进行加权叠加,并以自然断点法划分研究区危险性和易损性风险等级,得到危险性和易损性的风险区划图。
进一步地,步骤S8中,利用步骤S7中得到的危险性和易损性的风险区划图,结合步骤S5中所确定的危险性和易损性指标的权重,在ArcGIS软件中进行加权叠加后利用自然断点法得到研究区城市洪涝灾害综合风险区划图。
本发明的优点和积极效果在于:
相较于传统的风险评估指标体系将最大淹没水深、淹没历时等作为危险性指标的做法,本发明通过将弹性作为危险性指标之一融入城市洪涝灾害风险评估的指标体系当中,能识别单场次降雨中几乎整个淹没过程的淹没深度变化,从而更准确地量化风险评估过程中不同淹没情况下的危险性大小。本发明可通过计算弹性这一单一指标综合考虑淹没水深、历时以及土地利用类型等因素对城市洪涝灾害风险的影响,从而在一定程度上减少指标计算量,降低获取相关资料的难度,更好地体现淹没过程中水深变化对洪涝灾害风险的影响,并在充分考虑人类、财产和环境对淹没水深耐受能力的基础上,更准确地量化了城市系统对洪涝灾害的抵抗、适应和恢复能力,从而更准确地量化不同淹没曲线下的研究区危险性大小,为韧性城市建设以及弹性和洪涝灾害研究相结合这一研究热点提供一种有效途径和思路。
附图说明
图1为实施本发明一种融合弹性的城市洪涝灾害风险评估方法的示意图;
图2为应用于本发明弹性计算过程的系统性能曲线示意图。
具体实施方式
本发明一种融合弹性的城市洪涝灾害风险评估方法目前已应用于珠海市香洲城区以及深圳市民治片区等,以下结合在珠海市香洲城区和深圳民治片区共四个实施例及其附图对本发明的具体实施作进一步说明。下面参考的附图仅是示例性质的,本发明的实施方式不限于此。
实施例:
一种融合弹性的城市洪涝灾害风险评估方法,如图1所示,包括以下步骤:
S1、基于研究区实际情况划分网格单元;
通过构建珠海市香洲城区和深圳市民治片区基于Infoworks ICM软件的一二维耦合模型,确定一二维耦合模型中的2D区间和二维计算区域,并利用2D 区间划分得到研究区非结构化网格单元。
S2、获取与降雨时间序列相对应的各网格单元各时段的淹没水深和该场次降雨的淹没水深数据历时;
在珠海市香洲城区的实施例中,分别以2年一遇、10年一遇以及50年一遇设计暴雨重现期,历时2h且时间间隔为1分钟的降雨序列为单场次降雨时间序列,在Infoworks ICM软件中设置模拟总时长4h;在深圳市民治片区的实施例中,以100年一遇设计暴雨重现期,历时2h且时间间隔为5分钟的降雨序列为单场次降雨时间序列,在Infoworks ICM软件中设置模拟总时长为8h,得到各网格单元的淹没水深过程线,并以模拟总时长为淹没水深数据历时。
S3、以所得网格单元为计算单元,确定各土地利用类型最大和最小水深阈值,利用两种阈值,获取各网格单元各时段的弹性,从而得出各网格单元的时段平均弹性;
以网格单元为基础,结合系统性能曲线,如图2所示,根据式(1)计算得到各网格单元的弹性:
其中,Res(i)为网格单元i的弹性;tn为水深数据历时,单位为h;p(i,t)为t 时刻网格单元i的系统性能。
在传统的弹性计算公式中,洪涝水深阈值根据土地利用类型设定;当网格单元i的淹没深度小于水深阈值时,网格单元i的系统性能为1;当网格单元i 的淹没深度超过淹没阈值时,系统性能为0;
然而,在很多情况下,网格单元的系统性能在遭遇较浅的淹没深度时即开始受到影响。例如,城市道路上2cm的积水深度可能使机动车面临发生滑移的风险,行人通道上较浅的积水(如5cm)即可对行人造成影响;因此,传统弹性计算方法中,系统性能在水深阈值处存在性能突变的情况,与实际不相符合;本发明通过基于最大及最小水深阈值计算网格单元弹性的方法以改进传统的弹性计算公式,改进后,公式(1)中的系统性能p(i,t)由式(2)计算得到:
其中,hmax和hmin分别代表最大和最小水深阈值,单位为m,结合研究区土地利用类型分布和各土地利用类型的水深阈值确定;h(i,t)为t时刻网格单元i的淹没水深,单位为m。
确定各土地利用类型的最大及最小水深阈值,各土地利用类型的最小水深阈值设定为影响人类、财产或设施的最小淹没深度,最大水深阈值设定为严重影响人类、财产或设施的淹没深度,若超出该深度则该土地利用类型的弹性全部丧失;不同土地利用类型水深阈值取值参考及原则如下:
当土地利用类型为农业用地时,水深阈值取值主要参考当地的主要农作物耐淹性;
当土地利用类型为商业用地时,水深阈值取值主要参考当地的建筑物门槛高度;
当土地利用类型为绿化用地时,水深阈值取值主要参考当地的树木和草地耐淹性;
当土地利用类型为工业用地时,水深阈值取值主要参考当地的建筑物门槛高度;
当土地利用类型为公共用地时,水深阈值取值主要参考当地的建筑物门槛高度及行人滑倒风险;
当土地利用类型为居民用地时,水深阈值取值主要参考当地的建筑物门槛高度;
当土地利用类型为交通用地时,水深阈值取值主要参考一般的机动车滑移及排气孔高度;
在珠海市香洲城区的三个实施例中,参考上述原则并结合研究区实际以及研究需要确定上述土地利用类型的水深阈值。
当土地利用类型为农业用地时,水深阈值最小为0m,最大为0.35m;
当土地利用类型为商业用地时,水深阈值最小为0.05m,最大为0.15m;
当土地利用类型为绿化用地时,水深阈值最小为0m,最大为2m;
当土地利用类型为工业用地和居民用地时,水深阈值最小为0.05m,最大为0.15m;
当土地利用类型为公共用地时,水深阈值最小为0m,最大为0.15m;
当土地利用类型为交通用地时,水深阈值最小为0.02m,最大为0.4m。
在深圳市民治片区的实施例中,参考上述原则并结合研究区实际,将土地利用类型划分为商业用地、绿化用地、工业用地、居民用地以及其他类型用地,除其他类型用地外,其他土地利用类型的水深阈值与珠海市香洲城区对应的土地利用类型的水深阈值取值相同,其他区域用地的水深阈值最小为0m,最大为 0.5m。
S4、选取包括弹性在内的若干个危险性指标,以及若干个易损性指标;
将计算所得研究区各网格单元的时段平均弹性作为风险评估的危险性指标之一,在此基础上再选取若干个具有代表性、独立性、科学性的危险性指标以及易损性指标,共同构成基于危险性—易损性且融合弹性的城市洪涝灾害风险评估框架;
在珠海市香洲城区的三个实施例中,除弹性外,危险性指标包括地面高程和地面坡度;易损性指标包括人口密度、GDP、研究区各地到医院的距离以及应急避难距离。与珠海市香洲城区的实施例相比,在深圳市民治片区的实施例中,易损性指标不考虑应急避难距离。
S5、计算确定各指标权重,构建融合弹性的城市洪涝灾害风险评估框架;
利用主观方法和客观方法相结合的组合计算方法确定各指标的权重取值;其中,所述主观方法主要包括层次分析法和专家调查法;所述客观方法主要包括熵权法和标准差法;
在珠海市香洲城区的三个实施例中,以层次分析法和熵权法相结合的组合计算方法,确定各指标的权重取值。根据层次分析法的原理,首先构建危险性和易损性指标的判断矩阵,如表1和表2所示。
表1危险性指标判断矩阵表
表2脆弱性指标判断矩阵表
考虑到弹性的计算与降雨过程有关,不同设计暴雨重现期下的弹性分布不同,即致灾因子危险性随着暴雨重现期的不同而变化,危险性三项指标的权重只采用层次分析法量化;对易损性指标则分别用层次分析法及熵权法计算各指标权重,之后取两种计算结果的平均值作为各指标的综合权重并确定最终的权重取值,如表3所示。
表3风险评估指标权重计算结果表
在深圳市民治片区的实施例中,以层次分析法和熵权法相结合的组合计算方法,确定各指标的权重取值。首先通过层次分析法,对危险性和易损性指标分别建立三个判断矩阵,如表4和表5所示,在确保各个判断矩阵均通过一致性检验的基础上,计算得到各判断矩阵对应的各指标权重,如表6和表7所示,之后以此为输入数据,利用熵权法对各判断矩阵所得权重进行评分,并将得分最高的权重组作为各指标最终的权重取值。
表4危险性判断矩阵表
表5易损性判断矩阵表
表6危险性指标权重及熵权法得分
表7易损性性指标权重及熵权法得分
在珠海市香洲城区的三个实施例中,采用公式(3)构建城市洪涝灾害风险评估框架。
其中,Hi为第i个危险性指标,ωi为第i个危险性指标的权重;Vj为第j个易损性指标,ωj为第j个易损性指标的权重。
在深圳市民治片区的实施例中,采用公式(4)构建城市洪涝灾害风险评估框架。
其中,各变量的意义与公式(3)相同。
S6、对各指标进行风险区划;
在珠海市香洲城区和深圳市民治片区的实施例中,在ArcGIS软件中以自然断点法,对各指标划分为低、中等、高、极高共四个风险等级,得到各指标的风险区划图。
S7、对研究区危险性和易损性进行风险区划;
根据步骤S5中得到的各指标的权重取值,在ArcGIS软件中对步骤S6中得到的风险区划图进行加权叠加,并以自然断点法划分研究区危险性和易损性风险等级,得到危险性和易损性的风险区划图。
S8、对研究区进行城市洪涝灾害综合风险区划;
利用步骤S7中得到的危险性和易损性的风险区划图,结合步骤S5中所确定的危险性和易损性指标的权重,在ArcGIS软件中进行加权叠加后利用自然断点法,得到珠海市香洲城区以及深圳市民治片区的城市洪涝灾害综合风险区划图。
在本说明书叙述中提到的相同或类似的符号和标注,代表相同或近似的物理意义或具有相同或近似的功能,并且本说明书中所使用的图例,仅仅是为了更好地解释本发明,本发明的适用性并不限制于此。凡本领域的技术人员利用本发明的技术方案对上述实施例做出的任何等同的变动、修饰或演变等,均仍属于本发明技术方案的范围内。
本发明为一种融合弹性的城市洪涝灾害风险评估方法,根据说明书提供的示例及相关步骤,可用于对城市地区的洪涝灾害风险评估中。本发明通过将弹性作为危险性指标之一融入城市洪涝灾害风险评估的指标体系当中,能识别单场次降雨中几乎整个淹没过程的淹没深度变化,从而更准确地量化风险评估过程中不同淹没情况下的危险性大小。本发明可通过计算弹性这一单一指标综合考虑淹没水深、历时以及土地利用类型等因素对城市洪涝灾害风险的影响,从而在一定程度上减少指标计算量,降低获取相关资料的难度,更好地体现淹没过程中水深变化对洪涝灾害风险的影响,并在充分考虑人类、财产和环境对淹没水深耐受能力的基础上,更准确地量化了城市系统对洪涝灾害的抵抗、适应和恢复能力,从而更准确地量化不同淹没曲线下的研究区危险性大小,为韧性城市建设以及弹性和洪涝灾害研究相结合这一研究热点提供一种有效途径和思路。
Claims (8)
1.一种融合弹性的城市洪涝灾害风险评估方法,其特征在于,包括以下步骤:
S1、基于研究区实际情况划分网格单元;
S2、获取与降雨时间序列相对应的各网格单元各时段的淹没水深和该场次降雨的淹没水深数据历时;
S3、以所得网格单元为计算单元,确定各土地利用类型最大和最小水深阈值,利用两种阈值,获取各网格单元各时段的弹性,从而得出各网格单元的时段平均弹性;
以网格单元为基础,结合系统性能曲线,根据式(1)计算得到各网格单元的弹性:
其中,Res(i)为网格单元i的弹性;tn为水深数据历时,单位为h;p(i,t)为t时刻网格单元i的系统性能;
在传统的弹性计算公式中,洪涝水深阈值根据土地利用类型设定;当网格单元i的淹没深度小于水深阈值时,网格单元i的系统性能为1;当网格单元i的淹没深度超过水深阈值时,网格单元i的系统性能为0;
通过基于最大及最小水深阈值计算网格单元弹性的方法以改进传统的弹性计算公式,改进后,公式(1)中的系统性能p(i,t)由公式(2)计算得到:
其中,hmax和hmin分别代表最大和最小水深阈值,单位为m,结合研究区土地利用类型分布和各土地利用类型的水深阈值确定;h(i,t)为t时刻网格单元i的淹没水深,单位为m;
S4、选取包括弹性在内的若干个危险性指标,以及若干个易损性指标;
S5、计算确定各指标权重,构建融合弹性的城市洪涝灾害风险评估框架;
S6、对各指标进行风险区划;
S7、对研究区危险性和易损性进行风险区划;
S8、对研究区进行城市洪涝灾害综合风险区划。
2.根据权利要求1所述的一种融合弹性的城市洪涝灾害风险评估方法,其特征在于,步骤S1中,通过已有模型软件,构建研究区一二维耦合模型,划分得到研究区非结构化网格单元。
3.根据权利要求1所述的一种融合弹性的城市洪涝灾害风险评估方法,其特征在于,步骤S3中,确定各土地利用类型的最大及最小水深阈值,各土地利用类型的最小水深阈值设定为影响人类、财产或设施的最小淹没深度,最大水深阈值设定为严重影响人类、财产或设施的淹没深度,若超出该深度则该土地利用类型的弹性全部丧失;不同土地利用类型的水深阈值取值参考及原则如下:
当土地利用类型为农业用地时,水深阈值取值主要参考当地的主要农作物耐淹性;
当土地利用类型为商业用地时,水深阈值取值主要参考当地的建筑物门槛高度;
当土地利用类型为绿化用地时,水深阈值取值主要参考当地的树木和草地耐淹性;
当土地利用类型为工业用地时,水深阈值取值主要参考当地的建筑物门槛高度;
当土地利用类型为公共用地时,水深阈值取值主要参考当地的建筑物门槛高度及行人滑倒风险;
当土地利用类型为居民用地时,水深阈值取值主要参考当地的建筑物门槛高度;
当土地利用类型为交通用地时,水深阈值取值主要参考一般的机动车滑移及排气孔高度。
4.根据权利要求1所述的一种融合弹性的城市洪涝灾害风险评估方法,其特征在于,步骤S4中,将计算所得研究区各网格单元的时段平均弹性作为风险评估的危险性指标之一,在此基础上再选取若干个具有代表性、独立性、科学性的危险性指标以及易损性指标;
除弹性外,危险性指标包括地面高程和地面坡度;
易损性指标包括人口密度、GDP和研究区各地到医院的距离。
5.根据权利要求1所述的一种融合弹性的城市洪涝灾害风险评估方法,其特征在于,步骤S5中,利用主观方法和客观方法相结合的组合计算方法确定各指标的权重取值;
其中,所述主观方法包括层次分析法和专家调查法;所述客观方法包括熵权法和标准差法;
基于步骤S4所选的危险性指标和易损性指标以及步骤S5所确定的各指标的权重取值,以危险性和易损性指标加权乘积后相加或加权乘积后相乘的方式,构建基于危险性—易损性且融合弹性的城市洪涝灾害风险评估框架。
6.根据权利要求1所述的一种融合弹性的城市洪涝灾害风险评估方法,其特征在于,步骤S6中,在ArcGIS软件中以自然断点法划分各指标的风险等级,得到各指标的风险区划图。
7.根据权利要求1所述的一种融合弹性的城市洪涝灾害风险评估方法,其特征在于,步骤S7中,根据步骤S5中得到的各指标的权重取值,在ArcGIS软件中对步骤S6中得到的风险区划图进行加权叠加,并以自然断点法划分研究区危险性和易损性风险等级,得到危险性和易损性的风险区划图。
8.根据权利要求1所述的一种融合弹性的城市洪涝灾害风险评估方法,其特征在于,步骤S8中,利用步骤S7中得到的危险性和易损性的风险区划图,结合步骤S5中所确定的危险性和易损性指标的权重,在ArcGIS软件中进行加权叠加后利用自然断点法得到研究区城市洪涝灾害综合风险区划图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110595180.2A CN113313384B (zh) | 2021-05-28 | 2021-05-28 | 一种融合弹性的城市洪涝灾害风险评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110595180.2A CN113313384B (zh) | 2021-05-28 | 2021-05-28 | 一种融合弹性的城市洪涝灾害风险评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113313384A CN113313384A (zh) | 2021-08-27 |
CN113313384B true CN113313384B (zh) | 2022-10-25 |
Family
ID=77376246
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110595180.2A Active CN113313384B (zh) | 2021-05-28 | 2021-05-28 | 一种融合弹性的城市洪涝灾害风险评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113313384B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113869804B (zh) * | 2021-12-02 | 2022-06-14 | 国网江西省电力有限公司电力科学研究院 | 一种洪涝灾害下的电网设备风险预警方法及系统 |
CN114357713B (zh) * | 2021-12-03 | 2024-05-10 | 华南理工大学 | 一种考虑系统性能受影响时长和水流流速的弹性评估方法 |
CN114329713A (zh) * | 2021-12-28 | 2022-04-12 | 北京工业大学 | 一种基于灾损曲线和水动力模型的居民建筑损失计算方法 |
CN115147771A (zh) * | 2022-05-20 | 2022-10-04 | 杭州电子科技大学 | 一种基于视频图像的内涝场景下行人风险评估方法 |
CN114881511A (zh) * | 2022-05-25 | 2022-08-09 | 江苏科技大学 | 面向洪涝灾害的社区防灾韧性评估方法 |
CN115423272B (zh) * | 2022-08-15 | 2023-07-28 | 华中科技大学 | 一种融合历史淹没强度的洪涝风险评估方法和系统 |
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 |
CN116523089B (zh) * | 2022-11-18 | 2024-04-02 | 中国气象局公共气象服务中心(国家预警信息发布中心) | 一种用于公路交通的降雨致灾风险预报方法及装置 |
CN116305956A (zh) * | 2023-03-22 | 2023-06-23 | 江苏大学 | 一种极端降水事件下人群安全疏散仿真方法 |
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 |
CN116596303A (zh) * | 2023-05-08 | 2023-08-15 | 广东省水利水电科学研究院 | 一种干旱风险评估与区划方法、系统、介质、设备及终端 |
CN116862245B (zh) * | 2023-09-05 | 2023-11-14 | 四维世景科技(北京)有限公司 | 一种洪水风险等级的评测方法、装置和设备 |
CN116911643B (zh) * | 2023-09-14 | 2024-03-26 | 山东农业大学 | 城市内涝防治方案选择方法、系统、装置、存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034001A (zh) * | 2010-12-16 | 2011-04-27 | 南京大学 | 一种以栅格为模拟单元的分布式水文模型设计方法 |
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 |
CN108280553A (zh) * | 2018-02-24 | 2018-07-13 | 中山大学 | 基于gis-神经网络集成的山洪灾害风险区划及预测方法 |
CN109858647A (zh) * | 2018-12-21 | 2019-06-07 | 河海大学 | 一种耦合gis和gbdt算法的区域洪涝灾害风险评价与预估方法 |
CN111651885A (zh) * | 2020-06-03 | 2020-09-11 | 南昌工程学院 | 一种智慧型海绵城市洪涝预报方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8050951B2 (en) * | 2004-06-04 | 2011-11-01 | California Institute Of Technology | Method, computer program product, and system for risk management |
-
2021
- 2021-05-28 CN CN202110595180.2A patent/CN113313384B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034001A (zh) * | 2010-12-16 | 2011-04-27 | 南京大学 | 一种以栅格为模拟单元的分布式水文模型设计方法 |
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 |
CN108280553A (zh) * | 2018-02-24 | 2018-07-13 | 中山大学 | 基于gis-神经网络集成的山洪灾害风险区划及预测方法 |
CN109858647A (zh) * | 2018-12-21 | 2019-06-07 | 河海大学 | 一种耦合gis和gbdt算法的区域洪涝灾害风险评价与预估方法 |
CN111651885A (zh) * | 2020-06-03 | 2020-09-11 | 南昌工程学院 | 一种智慧型海绵城市洪涝预报方法 |
Non-Patent Citations (3)
Title |
---|
区域与城市地震风险评估与监测技术研究项目及研究进展;张令心等;《地震科学进展》;20200325(第03期);第3-21页 * |
双超模型在小流域洪水预报中的应用;邱林等;《河南水利与南水北调》;20170130(第01期);第52-61页 * |
基于GIS与RS的中小流域洪水风险图研究;寇嘉玮等;《地理空间信息》;20180321(第03期);第74-77+93页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113313384A (zh) | 2021-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113313384B (zh) | 一种融合弹性的城市洪涝灾害风险评估方法 | |
Zhang et al. | On the spatial relationship between ecosystem services and urbanization: A case study in Wuhan, China | |
Dissanayake et al. | Accessing the soil erosion rate based on RUSLE model for sustainable land use management: A case study of the Kotmale watershed, Sri Lanka | |
Estoque et al. | Quantifying landscape pattern and ecosystem service value changes in four rapidly urbanizing hill stations of Southeast Asia | |
CN110298411B (zh) | 一种城市群生态空间受损识别方法 | |
CN111582755B (zh) | 一种基于多维度集合信息山洪灾害综合风险动态评估方法 | |
Estoque et al. | Landscape pattern and ecosystem service value changes: Implications for environmental sustainability planning for the rapidly urbanizing summer capital of the Philippines | |
CN105184423B (zh) | 一种风电场集群风速预测方法 | |
CN110458391A (zh) | 一种用于城市群区域洪水风险区划的精细化诊断方法 | |
CN113139760B (zh) | 基于风雨大数据的台风风险综合评估方法及系统 | |
CN111639833A (zh) | 一种基于自然和人文多要素的城市人居环境适宜性综合评价方法 | |
Li et al. | Analysis of the relationship between urban landscape patterns and thermal environment: A case study of Zhengzhou City, China | |
Ren et al. | Spatial expansion and sprawl quantitative analysis of mountain city built-up area | |
CN115689293B (zh) | 一种基于压力-状态-响应框架的城市内涝韧性评估方法 | |
Shi | Population vulnerability assessment based on scenario simulation of rainstorm-induced waterlogging: a case study of Xuhui District, Shanghai City | |
Zhang et al. | Landscape ecological risk assessment of the Shiyang River basin | |
CN110264111B (zh) | 一种基于地理空间的山区人地关系地域系统空间量化模型 | |
CN116976622A (zh) | 基于边跨境季节-产业的负荷耦合协调修正方法及系统 | |
CN116882625A (zh) | 一种岩溶山地乡村聚落用地空间脆弱性识别方法 | |
CN111986215A (zh) | 一种基于高精度建筑物数据的人口计算方法及系统 | |
CN116882741A (zh) | 一种超标准洪水灾害动态定量评估方法 | |
CN107247747B (zh) | 一种区域自然生态地理国情质量综合测度方法 | |
CN113450027B (zh) | 城市内涝灾害的动态暴露性量化方法、装置 | |
CN115759883A (zh) | 基于网络群组特征的生态管理分区方法 | |
CN114357713A (zh) | 一种考虑系统性能受影响时长和水流流速的弹性评估方法 |
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 |