CN111507375B - 一种城市内涝风险快速评估方法及*** - Google Patents
一种城市内涝风险快速评估方法及*** Download PDFInfo
- Publication number
- CN111507375B CN111507375B CN202010158029.8A CN202010158029A CN111507375B CN 111507375 B CN111507375 B CN 111507375B CN 202010158029 A CN202010158029 A CN 202010158029A CN 111507375 B CN111507375 B CN 111507375B
- Authority
- CN
- China
- Prior art keywords
- waterlogging
- rainfall
- area
- depression
- calculating
- 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 39
- 238000004364 calculation method Methods 0.000 claims abstract description 30
- 238000012502 risk assessment Methods 0.000 claims abstract description 26
- 238000013461 design Methods 0.000 claims abstract description 18
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 59
- 239000002689 soil Substances 0.000 claims description 17
- 230000008595 infiltration Effects 0.000 claims description 15
- 238000001764 infiltration Methods 0.000 claims description 15
- 238000009825 accumulation Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 9
- 230000008020 evaporation Effects 0.000 claims description 8
- 238000001704 evaporation Methods 0.000 claims description 8
- 230000035699 permeability Effects 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 5
- KHOITXIGCFIULA-UHFFFAOYSA-N Alophen Chemical compound C1=CC(OC(=O)C)=CC=C1C(C=1N=CC=CC=1)C1=CC=C(OC(C)=O)C=C1 KHOITXIGCFIULA-UHFFFAOYSA-N 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 4
- 230000000694 effects Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000012876 topography Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种城市内涝风险快速评估方法及***，以内涝发生快慢为衡量风险的标准：对于给定内涝点，降雨之后达到危险积水深度所需的时间越短，留给应急响应的时间越有限，则相应的风险越大。以上方案只需要设计暴雨、DEM、土地利用/覆盖和排水***设计标准即可计算，不涉及复杂的水动力模型，对排水管网数据要求低，基于GIS平台即可完成计算。本发明方法及***解决了现有内涝风险评估对基础数据及操作人员的建模能力要求高、且其存在计算效率低、实用性差的问题。
Description
技术领域
本发明涉及内涝灾害风险评估技术领域，尤其涉及一种城市内涝风险快速评估方法及***。
背景技术
在全球气候变暖和城市化背景下，城市地区的“雨岛效应”、产流增加和汇流加快等水文效应的综合作用使得整体上城市内涝的压力与风险呈增加趋势，需要通过海绵城市建设来减缓内涝风险，其减缓效果则取决于对实际内涝风险的精准理解与评估。已有内涝风险评估多采用基于“降雨-产汇流-管道排水-地表溢流”水动力内涝模拟，这类方法对基础数据要求高，对操作人员的建模能力要求高，且计算效率低，因而在实际应用中难以推广使用。
发明内容
本发明为解决现有的内涝风险评估对基础数据及操作人员的建模能力要求高、且其存在计算效率低、实用性差的问题，提供了一种城市内涝风险快速评估方法及***。
为实现以上发明目的，而采用的技术手段是：
一种城市内涝风险快速评估方法，包括以下步骤：
S1.对于目标区域，根据DEM识别潜在的内涝发生位置，划定每一个内涝发生位置的汇水范围，并构成相应的小流域；
S2.计算每个所述小流域的属性，包括其汇水面积A、平均坡度S、积水体积V；
S3.设定降雨情景，根据水量平衡模型，考虑包括排水***设计标准、土壤渗透和蒸散发的影响，计算在地表形成积水的内涝雨量Ri；
S4.以所述小流域为单元，以内涝发生快慢作为衡量标准，计算目标区域的内涝风险Risk：Risk＝ln(Ri×A×S1/2/V)。
上述方案中，以内涝发生快慢为衡量标准的风险指标：对于给定内涝点，降雨之后其达到危险积水深度所需的时间越短，留给应急响应的时间越有限，则相应的风险越大。以上方案只需要设计暴雨、DEM、土地利用/覆盖和排水***设计标准即可计算，计算过程不涉及复杂的水动力模型，对排水管网数据要求低，基于GIS平台即可完成计算。
优选的，所述步骤S1包括以下步骤：
S11.洼地识别：对原始DEM(数字高程模型)进行填洼，计算填洼后DEM与原始DEM的差值DEM；在所述差值DEM中进行搜索，一组空间上相邻的非零值栅格即为一个洼地；所述空间相邻基于八邻域定义，即在3×3的栅格范围内，中心栅格与周边8个栅格是相邻的；
S12.阈值分析：对于识别得到的所有洼地，按面积从小到大排序，确定预设的面积阈值；
S13.洼地填充：对于所述面积小于面积阈值的洼地，用填洼后DEM的高程值表示，仅保留面积大于或等于面积阈值的目标洼地；
S14.流域搜索：对于每个目标洼地，采用种子填充算法搜索确定其汇水范围，所述汇水范围与洼地自身构成一个小流域。
优选的，所述步骤S12中，所述面积阈值的大小设置应为：使得所保留的面积大于或等于面积阈值的目标洼地，占识别得到的所有洼地总面积中的比例不小于80％。在本优选方案中，筛选洼地需要在减少洼地数量和保持地形代表性之间达到平衡。洼地数量随其面积的增加而急剧减少，呈帕累托分布。通过设定适当的面积阈值，去除小于该阈值的洼地，并使得保留洼地占洼地总面积中的比例不小于80％，这样既能表达主要地形特征，又能显著减少分析单元的数量。
优选的，步骤S14中所述的采用种子填充算法搜索确定其汇水范围具体为：
以洼地的栅格为种子，按八邻域进行搜索：对于一个种子，将其邻域中高程不小于种子的非洼地栅格标记为汇水栅格，并加入种子集合；不断执行此操作，直至找不到新的汇水栅格；得到的种子集合即为该洼地的汇水范围。
优选的，步骤S1所述的DEM采用由激光雷达技术生产的高精度高分辨率DEM。在本优选方案中，由于该步骤都是基于DEM进行的，DEM空间分辨率和高程精度对于内涝风险评估结果的合理性至关重要，在具备条件时应尽可能使用由激光雷达技术生产的高精度高分辨率DEM。选择DEM空间分辨率时，需要在微地形表达精度(分辨率越高，则精度越高)和计算效率(分辨率越低，则效率越高)之间达到一定的平衡。
优选的，所述步骤S2包括以下步骤：
S21.所述小流域的汇水面积A、平均坡度S计算：所述小流域的汇水面积A为该小流域对应洼地的自身面积与其汇水范围面积之和；平均坡度S采用洼地汇水范围内栅格的平均坡度值；
S22.所述小流域的积水体积V计算：积水体积V为洼地达到危险积水深度所需的水量；先设定积水深度，得到该积水深度对应的水面高程H，统计洼地低于水面高程H的栅格共有m个，且对应的高差为hi(i＝1,2,...,m)；设定DEM的栅格大小为d；则积水体积V为：
优选的，所述步骤S3包括以下步骤：
S31.计算降雨量R：
设定一个或多个降雨情景，对于每个降雨情景，执行以下计算：
式中q为设定暴雨强度，t为设定降雨历时，P为设定重现期；其中A1，C，b，n根据统计方法进行确定；计算得到该降雨情景暴雨强度q后，乘以降雨历时即得到其降雨量：R＝q×t；
S32.计算产流雨量Rf：
当目标区域具备实测的蒸散发量和土壤渗透能力数据时：利用已有的不透水面成果，或者采用监督分类方法从高分遥感影像或航空正射影像中提取不透水面的空间分布，并结合渗透模型计算通过土壤的下渗量；降雨量R扣除实测的蒸散发量和计算下渗量后即得到洼地小流域的产流雨量Rf；
当目标区域不具备实测的蒸散发量和土壤渗透能力数据时：根据洼地流域的土地利用现状确定不同土地利用类型的面积比例，再使用《室外排水设计规范》给出的径流系数推荐值，采用面积加权平均的方式计算每个洼地小流域的综合径流系数；降雨量R乘以综合径流系数即得到洼地小流域的产流雨量Rf；
S33.计算管道排水P：管道排水P根据目标区域的城市排水***的设计资料确定或采用水力模型对目标区域的实际管道排水能力进行校核或根据目标区域的实际降雨事件对应的内涝情况进行经验性的反推；
S34.计算内涝雨量Ri：Ri＝Rf-P，内涝雨量为产流雨量Rf与管道排水P之差；内涝雨量Ri值应为正值，若为非正值则说明无内涝发生。
优选的，步骤S32所述的渗透模型为Horton下渗模型或Green-Ampt下渗模型。
本发明还提供了一种城市内涝风险快速评估***，包括：
小流域构建模块，用于根据DEM识别目标区域潜在的内涝发生位置，划定每一个内涝发生位置的汇水范围，并构成相应的小流域；
小流域属性计算模块，用于计算每个所述小流域的属性，包括其汇水面积A、平均坡度S、积水体积V；
内涝雨量计算模块，用于设定降雨情景，根据水量平衡模型，考虑包括排水***设计标准、土壤渗透和蒸散发的影响，计算在地表形成积水的内涝雨量Ri；
内涝风险评估模块，用于以所述小流域构建模块得到的小流域为单元，以内涝发生快慢作为衡量标准，根据所述小流域属性计算模块及内涝雨量计算模块的计算结果计算目标区域的内涝风险Risk：Risk＝ln(Ri×A×S1/2/V)。
与现有技术相比，本发明技术方案的有益效果是：
本发明的城市内涝风险快速评估方法及***以内涝发生快慢为衡量风险的标准：对于给定内涝点，降雨之后其达到危险积水深度所需的时间越短，留给应急响应的时间越有限，则相应的风险越大。以上方案只需要设计暴雨、DEM、土地利用/覆盖和排水***设计标准即可计算，计算过程不涉及复杂的水动力模型，对排水管网数据要求低，基于GIS平台即可完成计算。本发明方法及***解决了现有内涝风险评估对基础数据及操作人员的建模能力要求高、且其存在计算效率低、实用性差的问题。
附图说明
图1为本发明内涝风险计算的原理示意图。
图2为本发明方法的流程图。
图3为本发明中当目标区域具备实测的蒸散发量和土壤渗透能力数据时内涝雨量的计算流程图。
图4为本发明中当目标区域不具备实测的蒸散发量和土壤渗透能力数据时内涝雨量的计算流程图。
图5为实施例2中对洼地进行流域搜索后的结果示意图。
图6为实施例2中对目标区域进行内涝分析得到的结果示意图。
图7为本发明***的模块示意图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；
对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
本实施例提供了一种城市内涝风险快速评估方法，如图1和2所示，包括以下步骤：
S1.对于目标区域，根据DEM识别潜在的内涝发生位置，划定每一个内涝发生位置的汇水范围，并构成相应的小流域；由于该步骤是基于DEM进行的，DEM空间分辨率和高程精度对于内涝风险评估结果的合理性至关重要，在具备条件时应尽可能使用由激光雷达技术生产的高精度高分辨率DEM。选择DEM空间分辨率时，需要在微地形表达精度(分辨率越高，则精度越高)和计算效率(分辨率越低，则效率越高)之间达到一定的平衡。
该步骤S1的具体步骤如下：
S11.洼地识别：对原始DEM进行填洼，计算填洼后DEM与原始DEM的差值DEM；在所述差值DEM中进行搜索，一组空间上相邻的非零值栅格即为一个洼地；所述空间相邻基于八邻域定义，即在3×3的栅格范围内，中心栅格与周边8个栅格是相邻的；
S12.阈值分析：对于识别得到的所有洼地，按面积从小到大排序，确定预设的面积阈值；
由于筛选洼地需要在减少洼地数量和保持地形代表性之间达到平衡。洼地数量随其面积的增加而急剧减少，呈帕累托分布。通过设定适当的面积阈值，使得保留洼地占洼地总面积中的比例不小于80％，这样既能表达主要地形特征，又能显著减少分析单元的数量。同时，选择洼地面积阈值时，需要考虑洼地小流域空间尺度对汇流时间的影响，即小流域面积有上限。当小流域面积过大时，由于地表径流耗时和地表调蓄作用的影响，部分汇水面积并不会对目标洼地的积水体积有直接贡献。
S13.洼地填充：对于所述面积小于面积阈值的洼地，用填洼后DEM的高程值表示，仅保留面积大于或等于面积阈值的目标洼地；
S14.流域搜索：对于每个目标洼地，采用种子填充算法搜索确定其汇水范围，所述汇水范围与洼地自身构成一个小流域。其中采用种子填充算法搜索确定其汇水范围具体为：
以洼地的栅格为种子，按八邻域进行搜索：对于一个种子，将其邻域中高程不小于种子的非洼地栅格标记为汇水栅格，并加入种子集合；不断执行此操作，直至找不到新的汇水栅格；得到的种子集合即为该洼地的汇水范围。
S2.计算每个所述小流域的属性，包括其汇水面积A、平均坡度S、积水体积V；具体步骤包括：
S21.所述小流域的汇水面积A、平均坡度S计算：所述小流域的汇水面积A为该小流域对应洼地的自身面积与其汇水范围面积之和；平均坡度S采用洼地汇水范围内栅格的平均坡度值；
S22.所述小流域的积水体积V计算：积水体积V为洼地达到危险积水深度所需的水量；先设定积水深度，在本实施例中该积水深度设为50厘米此深度积水会阻断交通。实际应用本方法时，该积水深度亦可根据特定分析目标由本领域技术人员另行设定。确定积水深度后，可得到该积水深度对应的水面高程H(米)，统计洼地低于水面高程H(米)的栅格共有m个，且对应的高差为hi(i＝1,2,...,m)(米)；设定DEM的栅格大小为d(米)；则积水体积V(立方米)为：
S3.设定降雨情景，根据水量平衡模型，考虑包括排水***设计标准、土壤渗透和蒸散发的影响，计算在地表形成积水的内涝雨量Ri；具体包括以下步骤：
S31.计算降雨量R：
设定一个或多个降雨情景，其设定基于目标区域的排水现状，包括目标区域的排水***的设计标准、实际内涝严重程度以及预期应对的暴雨重现期；对于每个降雨情景，执行以下计算：
式中q为设定暴雨强度(升/(秒·公顷))，t为设定降雨历时(分钟)，P为设定重现期(年)；其中A1，C，b，n根据统计方法进行确定；计算得到该降雨情景暴雨强度q后，乘以降雨历时即得到其降雨量：R＝q×t(毫米)；
S32.计算产流雨量Rf：
如图3所示，当目标区域具备实测的蒸散发量和土壤渗透能力数据时：利用已有的不透水面成果，或者采用监督分类方法从高分遥感影像或航空正射影像中提取不透水面的空间分布，并结合Horton渗透模型计算通过土壤的下渗量；降雨量R扣除实测的蒸散发量和计算下渗量后即得到洼地小流域的产流雨量Rf；
如图4所示，当目标区域不具备实测的蒸散发量和土壤渗透能力数据时：根据洼地流域的土地利用现状确定不同土地利用类型的面积比例，再使用《室外排水设计规范》给出的径流系数推荐值，采用面积加权平均的方式计算每个洼地小流域的综合径流系数；降雨量R乘以综合径流系数即得到洼地小流域的产流雨量Rf；
S33.计算管道排水P：管道排水P根据目标区域的城市排水***的设计资料确定(如设定重现期为1年，则认为其管道排水即为设定重现期和历时对应的产流量)；必要时亦可采用水力模型对目标区域的实际管道排水能力进行校核或根据目标区域的实际降雨事件对应的内涝情况进行经验性的反推来确定管道排水P；
S34.计算内涝雨量Ri：Ri＝Rf-P，内涝雨量为产流雨量Rf与管道排水P之差；内涝雨量Ri值应为正值，若为非正值则说明无内涝发生。
S4.以所述小流域为单元，以内涝发生快慢作为衡量标准，计算目标区域的内涝风险Risk：Risk＝ln(Ri×A×S1/2/V)。
本实施例所提供的城市内涝风险快速评估方法，以内涝发生快慢为衡量标准的风险指标：对于给定内涝点，降雨之后其达到危险积水深度所需的时间越短，留给应急响应的时间越有限，则相应的风险越大。以上方案只需要DEM、土地利用/覆盖和排水***设计标准即可计算，且计算过程不涉及复杂的水动力模型，对排水管网数据要求低，可基于GIS平台即完成计算。
实施例2
为验证上述实施例1城市内涝风险快速评估方法的有效性，进行了如下内涝风险的实例分析：
该实例分析基于广州市某区域，面积约20平方公里，不透水率为73％，设计排水能力可应对1年重现期暴雨。本实施例分析5年重现期降雨情景下该区域的内涝风险，具体步骤和结果说明如下：
(1)采用机载激光雷达技术生产1米分辨率DEM，经洼地识别和阈值分析后设定本例的面积阈值为5000平方米，经筛选后保留有53个洼地；
(2)采用流域搜索方法确定每一个洼地的汇水范围，该汇水范围与洼地自身构成一个小流域。结果如图5所示，图中黑色表示洼地，其他灰度表示洼地对应汇水范围。进一步计算小流域的汇水面积A、平均坡度S和积水体积V，其中计算积水体积V时将积水深度设定为50厘米；
(3)模拟5年重现期、1小时历时的暴雨情景，根据广州市暴雨公式可计算其降雨量为75.5毫米，相应的1年重现期降雨量为54.5毫米；
(4)管道排水即为设计排水能力对应的产流量，根据1年重现期降雨量和综合径流系数计算。本实施例中将该区域用于排水管道设计的综合径流系数统一设为0.5，即管道排水P＝54.5×0.5＝27.25毫米；
(5)采用监督分类方法从高精度航空正射影像提取透水面与不透水面，二者的径流系数分别设为0.3和0.9，基于面积加权计算每一个洼地流域的综合径流系数；
(6)对每一个洼地流域，根据5年重现期降雨量和实际综合径流系数计算产流雨量Rf，然后从产流雨量Rf中扣除管道排水27.25毫米，即得到内涝雨量Ri。若内涝雨量Ri非正值，则认为该洼地无内涝风险。
(7)对于内涝雨量Ri大于零的洼地，根据以下公式计算其在5年重现期、1小时历时暴雨下的内涝风险：
Risk＝ln(Ri×A×S1/2/V)。
根据自然断点法将计算得到的内涝风险分为低、中、高三类，其空间分布如图6所示，其中A、B、C为典型的内涝黑点。这说明该方法能准确定位内涝发生位置，并评价其风险等级，结果与历史内涝情况一致。
实施例3
本实施例提供了一种城市内涝风险快速评估***，如图7所示，包括：
小流域构建模块1，用于根据DEM识别目标区域潜在的内涝发生位置，划定每一个内涝发生位置的汇水范围，并构成相应的小流域；
小流域属性计算模块2，用于计算每个所述小流域的属性，包括其汇水面积A、平均坡度S、积水体积V；
内涝雨量计算模块3，用于设定降雨情景，根据水量平衡模型，考虑包括排水***设计标准、土壤渗透和蒸散发的影响，计算在地表形成积水的内涝雨量Ri；
内涝风险评估模块4，用于以所述小流域构建模块2得到的小流域为单元，根据小流域属性计算模块2及内涝风险评估模块4的计算结果，以内涝发生快慢作为衡量标准，计算目标区域的内涝风险Risk：Risk＝ln(Ri×A×S1/2/V)。
该城市内涝风险快速评估***基于实施例1的方法构建，其原理与上述方法一致，此处不再进行赘述。
附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制；
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
Claims (7)
1.一种城市内涝风险快速评估方法，其特征在于，包括以下步骤：
S1.对于目标区域，根据DEM识别潜在的内涝发生位置，划定每一个内涝发生位置的汇水范围，并构成相应的小流域；
S2.计算每个所述小流域的属性，包括其汇水面积A、平均坡度S、积水体积V；其中：
S21.所述小流域的汇水面积A、平均坡度S计算：所述小流域的汇水面积A为该小流域对应洼地的自身面积与其汇水范围面积之和；平均坡度S采用洼地汇水范围内栅格的平均坡度值；
S22.所述小流域的积水体积V计算：积水体积V为洼地达到危险积水深度所需的水量；先设定积水深度，得到该积水深度对应的水面高程H，统计洼地低于水面高程H的栅格共有m个，且对应的高差为hi(i＝1,2,...,m)；设定DEM的栅格大小为d；则积水体积V为：
S3.设定降雨情景，根据水量平衡模型，考虑包括排水***设计标准、土壤渗透和蒸散发的影响，计算在地表形成积水的内涝雨量Ri；其中：
S31.计算降雨量R：
设定一个或多个降雨情景，对于每个降雨情景，执行以下计算：
式中q为设定暴雨强度，t为设定降雨历时，P为设定重现期；其中A1，C，b，n根据统计方法进行确定；计算得到该降雨情景暴雨强度q后，乘以降雨历时即得到其降雨量：R＝q×t；
S32.计算产流雨量Rf：
当目标区域具备实测的蒸散发量和土壤渗透能力数据时：利用已有的不透水面成果，或者采用监督分类方法从高分遥感影像或航空正射影像中提取不透水面的空间分布，并结合渗透模型计算通过土壤的下渗量；降雨量R扣除实测的蒸散发量和计算下渗量后即得到洼地小流域的产流雨量Rf；
当目标区域不具备实测的蒸散发量和土壤渗透能力数据时：根据洼地流域的土地利用现状确定不同土地利用类型的面积比例，再使用预设的径流系数推荐值，采用面积加权平均的方式计算每个洼地小流域的综合径流系数；降雨量R乘以综合径流系数即得到洼地小流域的产流雨量Rf；
S33.计算管道排水P：管道排水P根据目标区域的城市排水***的设计资料确定或采用水力模型对目标区域的实际管道排水能力进行校核或根据目标区域的实际降雨事件对应的内涝情况进行经验性的反推；
S34.计算内涝雨量Ri：Ri＝Rf-P，内涝雨量为产流雨量Rf与管道排水P之差；内涝雨量Ri值应为正值，若为非正值则说明无内涝发生；
S4.以所述小流域为单元，以内涝发生快慢作为衡量标准，计算目标区域的内涝风险Risk：Risk＝lni×A×S1//)。
2.根据权利要求1所述的城市内涝风险快速评估方法，其特征在于，所述步骤S1包括以下步骤：
S11.洼地识别：对原始DEM进行填洼，计算填洼后DEM与原始DEM的差值DEM；在所述差值DEM中进行搜索，一组空间上相邻的非零值栅格即为一个洼地；所述空间相邻基于八邻域定义；
S12.阈值分析：对于识别得到的所有洼地，按面积从小到大排序，确定预设的面积阈值；
S13.洼地填充：对于所述面积小于面积阈值的洼地，用填洼后DEM的高程值表示，仅保留面积大于或等于面积阈值的目标洼地；
S14.流域搜索：对于每个目标洼地，采用种子填充算法搜索确定其汇水范围，所述汇水范围与洼地自身构成一个小流域。
3.根据权利要求2所述的城市内涝风险快速评估方法，其特征在于，所述步骤S12中，所述面积阈值的大小设置应为：使得所保留的面积大于或等于面积阈值的目标洼地，占识别得到的所有洼地总面积中的比例不小于80％。
4.根据权利要求2所述的城市内涝风险快速评估方法，其特征在于，步骤S14中所述的采用种子填充算法搜索确定其汇水范围具体为：
以洼地的栅格为种子，按八邻域进行搜索：对于一个种子，将其邻域中高程不小于种子的非洼地栅格标记为汇水栅格，并加入种子集合；不断执行此操作，直至找不到新的汇水栅格；得到的种子集合即为该洼地的汇水范围。
5.根据权利要求1所述的城市内涝风险快速评估方法，其特征在于，步骤S1所述的DEM采用由激光雷达技术生产的高精度高分辨率DEM。
6.根据权利要求1所述的城市内涝风险快速评估方法，其特征在于，步骤S32所述的渗透模型为Horton下渗模型或Green-Ampt下渗模型。
7.一种城市内涝风险快速评估***，应用于权利要求1～6任一项所述的城市内涝风险快速评估方法，其特征在于，包括：
小流域构建模块，用于根据DEM识别目标区域潜在的内涝发生位置，划定每一个内涝发生位置的汇水范围，并构成相应的小流域；
小流域属性计算模块，用于计算每个所述小流域的属性，包括其汇水面积A、平均坡度S、积水体积V；
内涝雨量计算模块，用于设定降雨情景，根据水量平衡模型，考虑包括排水***设计标准、土壤渗透和蒸散发的影响，计算在地表形成积水的内涝雨量Ri；
内涝风险评估模块，用于以所述小流域构建模块得到的小流域为单元，以内涝发生快慢作为衡量标准，根据所述小流域属性计算模块及内涝雨量计算模块的计算结果计算目标区域的内涝风险Risk：Risk＝lni×A×S1//)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010158029.8A CN111507375B (zh) | 2020-03-09 | 2020-03-09 | 一种城市内涝风险快速评估方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010158029.8A CN111507375B (zh) | 2020-03-09 | 2020-03-09 | 一种城市内涝风险快速评估方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111507375A CN111507375A (zh) | 2020-08-07 |
| CN111507375B true CN111507375B (zh) | 2023-05-05 |
Family
ID=71875734
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010158029.8A Active CN111507375B (zh) | 2020-03-09 | 2020-03-09 | 一种城市内涝风险快速评估方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111507375B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112231913B (zh) * | 2020-10-16 | 2024-04-16 | 广东电网有限责任公司广州供电局 | 一种城市内涝黑点的内涝模拟方法及装置 |
| CN112528563B (zh) * | 2020-12-08 | 2024-04-19 | 丹华水利环境技术(上海)有限公司 | 一种基于svm算法的城市内涝预警方法 |
| CN112766664B (zh) * | 2020-12-31 | 2023-05-23 | 中国科学院生态环境研究中心 | 基于gis平台的城市面源污染风险识别方法及装置 |
| CN113191644B (zh) * | 2021-05-06 | 2022-12-06 | 天津大学 | 一种基于自发-引发风险评价模型城市内涝风险评价方法 |
| CN113743766A (zh) * | 2021-08-27 | 2021-12-03 | 暨南大学 | 一种海绵城市规划建设的决策评估方法及其*** |
| CN114118884A (zh) * | 2021-10-28 | 2022-03-01 | 南方科技大学 | 一种城市暴雨内涝区域风险识别的方法、***及存储介质 |
| CN114372685B (zh) * | 2021-12-28 | 2024-06-11 | 长江生态环保集团有限公司 | 一种基于swmm模型的城市暴雨内涝风险评估方法 |
| CN116109143B (zh) * | 2023-04-07 | 2023-07-21 | 南京信息工程大学 | 面向暴雨洪涝灾害风险分析的地形起伏影响指数确定方法、***、装置及存储介质 |
| CN117196302A (zh) * | 2023-09-08 | 2023-12-08 | 北京市应急指挥保障中心 | 一种基于汇水分区的区域内涝风险预测方法及*** |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104778648A (zh) * | 2015-05-06 | 2015-07-15 | 北京国电经纬工程技术有限公司 | 内涝告警***及方法 |
| CN104898183A (zh) * | 2015-05-29 | 2015-09-09 | 杭州辰青和业科技有限公司 | 暴雨城市内涝建模评估方法 |
| CN105550803A (zh) * | 2015-12-08 | 2016-05-04 | 哈尔滨航天恒星数据***科技有限公司 | 一种城市内涝分析方法及*** |
| CN107220496A (zh) * | 2017-05-26 | 2017-09-29 | 上海市气象灾害防御技术中心 | 一种城市暴雨内涝评估建模方法 |
| CN109657841A (zh) * | 2018-11-27 | 2019-04-19 | 杭州师范大学 | 一种城市暴雨内涝积水深度提取方法 |
-
2020
- 2020-03-09 CN CN202010158029.8A patent/CN111507375B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104778648A (zh) * | 2015-05-06 | 2015-07-15 | 北京国电经纬工程技术有限公司 | 内涝告警***及方法 |
| CN104898183A (zh) * | 2015-05-29 | 2015-09-09 | 杭州辰青和业科技有限公司 | 暴雨城市内涝建模评估方法 |
| CN105550803A (zh) * | 2015-12-08 | 2016-05-04 | 哈尔滨航天恒星数据***科技有限公司 | 一种城市内涝分析方法及*** |
| CN107220496A (zh) * | 2017-05-26 | 2017-09-29 | 上海市气象灾害防御技术中心 | 一种城市暴雨内涝评估建模方法 |
| CN109657841A (zh) * | 2018-11-27 | 2019-04-19 | 杭州师范大学 | 一种城市暴雨内涝积水深度提取方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111507375A (zh) | 2020-08-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111507375B (zh) | 一种城市内涝风险快速评估方法及*** | |
| CN108960599B (zh) | 基于反演算法的输电线路暴雨灾害精细化预测方法及*** | |
| CN111651885A (zh) | 一种智慧型海绵城市洪涝预报方法 | |
| CN113409550B (zh) | 基于径流汇流模拟的泥石流灾害预警方法及*** | |
| Bhandari et al. | 2D unsteady flow routing and flood inundation mapping for lower region of Brazos River watershed | |
| CN115391712A (zh) | 一种城市洪涝风险预测方法 | |
| Ahmad et al. | Hydrological modelling and flood hazard mapping of Nullah Lai | |
| Sebastian et al. | Hindcast of pluvial, fluvial, and coastal flood damage in Houston, Texas during Hurricane Harvey (2017) using SFINCS | |
| CN110187413B (zh) | 一种城市内涝预报方法、电子设备及存储介质 | |
| CN111475950A (zh) | 一种下凹式立交桥下雨洪的模拟方法 | |
| Van Leeuwen et al. | Physically based hydrological modelling of inland excess water | |
| CN114118870A (zh) | 一种耦合冰湖溃决洪水和融雪洪水的下游洪量估算方法 | |
| Zhang | Using LiDAR-DEM based rapid flood inundation modelling framework to map floodplain inundation extent and depth | |
| Russo et al. | Flood hazard assessment in the Raval District of Barcelona using a 1D/2D coupled model | |
| Phetprayoon | Application of GIS-based curve number method for runoff estimation in agricultural-forest watershed, Thailand | |
| CN117852449B (zh) | 基于大尺度城市暴雨内涝模型的精细化积水处理方法 | |
| Al-Mamari et al. | Innovative Monitoring Techniques for Wadi Flash Flood by Using Image-Based Analysis | |
| Konan | Urban Flood modelling and Floodplain Mapping using ArcGIS, HEC-HMS and HEC-RAS in Abidjan city, Côte D’Ivoire–West Africa: Case study of the watershed of Bonoumin-Rivièra Palmeraie | |
| Kathiravan et al. | Disaster Risk Reduction Strategies for Pluvial & Fluvial Flood Resilience in Chennai city | |
| Mpanano | Assessment of Flood Hazard Areas in the Congo River Basin in the Democratic Republic of Congo: a case study of the N’djili River Sub-basin. | |
| Noori | GIS-Based Morphometric Quantitative and Hydrologic Analysis of Khasa Basin in Kirkuk City, Iraq | |
| Kienzle | Integrating scales from 10s of kms to one metre for spatial flood modelling | |
| Fattasse et al. | Hydrological Study and Hydraulic Modeling of Flood Risk in the Watershed of the Oued Lahdar (Upper Inaouene, Morocco). | |
| Keumalasari et al. | 2D Hydrodinamic Modelling of Flood Inundation Scenarios of Krueng Peuto River at North Aceh Regency of Aceh Province | |
| SAHILU | FLOOD FREQUENCY ANALYSIS OF BIG AKAKI RIVER |
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 |