基于TELEMAC-2D模型分析不同洪涝情景对城市应急响应时间的影响
邵蕊1,2, 邵薇薇1, 苏鑫1, 杨志勇1, 刘家宏1    
1. 中国水利水电科学研究院 流域水循环模拟与调控国家重点实验室, 北京 100038;
2. 清华大学 水利水电工程系, 水沙科学与水利水电工程国家重点实验室, 北京 100084
摘要:暴雨洪涝灾害会淹没城市路网进而导致交通与公共服务的中断,增加应急救援时间。该文采用TELEMAC-2D模型模拟了前山河流域五十年一遇与百年一遇设计暴雨情景下的淹没过程,分析了不同的暴雨洪涝情景下前山河流域的医院、消防和公安救援的响应时间。结果表明:在无暴雨洪涝情景下,研究区域内医院、消防和公安的平均可达时间分别为19、24和15.8 min。五十年一遇的暴雨洪涝情景下,城市部分道路被淹没,医院、消防和公安对研究区域的平均响应时间分别增加到133.7、241.8和201 min,远大于无暴雨洪涝情景。百年一遇暴雨洪涝情景下,大部分道路被淹没,医院、消防和公安对研究区域的平均响应时间分别达到220.1、366和304 min,仅站点周边地区可以得到快速响应,其余地区均无法及时响应。暴雨洪涝对城市应急响应能力的影响显著,及时改善城市路网可以避免造成更大的损失。基于TELEMAC-2D模型模拟的城市暴雨洪涝与应急响应能力评估方法,对城市洪灾的应对具有重要意义,可为城市精细化应急管理提供科学支撑。
关键词暴雨洪涝    公共服务    应急响应    前山河流域    洪涝模拟    
Impact of various flood scenarios on urban emergency responses times based on the TELEMAC-2D model
SHAO Rui1,2, SHAO Weiwei1, SU Xin1, YANG Zhiyong1, LIU Jiahong1    
1. State Key Laboratory of Simulation and Regulation of Water Cycle in River Basin, China Institute of Water Resources and Hydropower Research, Beijing 100038, China;
2. State Key Laboratory of Hydroscience and Engineering, Department of Hydraulic Engineering, Tsinghua University, Beijing 100084, China
Abstract: Pluvial floods can inundate urban road networks which then disrupts traffic flows and public services; thereby, increasing emergency response times. This study used the TELEMAC-2D model to simulate flooding of the Qianshanhe catchment for 50 and 100 year design rainstorms to analyze the response times of hospital ambulances, fire station emergency vehicles and police vehicles in the Qianshanhe catchment for various flooding scenarios. The results show that the average ambulance response time without flooding is 19 min, the average emergency vehicle response time is 24 min and the average police vehicle response time is 15.8 min. The 50 year flood scenario will flood some of the roads which will reduce the average ambulance response time to 133.7 min, the average emergency vehicle response time to 241.8 min and the average police vehicle response time to 201 min, which are much longer than the response times without flooding. The 100 year scenario will flood most roads which will reduce the average ambulance response time to 220.1 min, the average emergency vehicle response time to 366 min and the average police vehicle response time to 304 min. Only areas near the hospitals, fire stations or police stations will get rapid responses, while other areas will get very slow responses. These results show that flooding will significantly affect emergency response times and that roads need to be improved to avoid greater losses. The TELEMAC-2D model is very useful for analyzing the effects of flooding and the emergency response capabilities for urban flooding for urban emergency management.
Key words: pluvial flooding    public services    emergency responses    Qianshanhe catchment    flood simulations    

随着人口的日益集中,城市的脆弱性凸显,加之全球气候变化背景下极端气候事件频发,城市洪涝灾害已成为制约经济社会发展的瓶颈之一[1-4]。近年来,中国城市化进程持续加快,城市不断扩张,导致地表覆盖发生了巨大变化[5-6]。由于城市短历时强降雨的频率增加、市政工程基础设施的不足,以及地理因素和防洪技术因素的限制,引起了城市路网排水能力不足、洪涝灾害严重、交通系统被破环等问题,导致城市功能在受灾期间无法正常运转[7-9]

中国城市洪涝灾害的特点是普发性和局部高发性。民政部国家减灾中心强调:自2000年起,中国每年发生200起以上的城市洪涝灾害事件,且近年来超过6成的城市发生内涝[10]。城市洪涝灾害造成城市道路因积水而中断,进而致使城市交通瘫痪[11]。2005年8月6日,由于台风“麦莎”的影响,大暴雨造成上海市区200余条道路被淹没,直接经济损失达13.6亿元[12];2007年7月18日,大暴雨造成济南市区大部分路段积水,交通瘫痪,洪水损毁道路约1.4万m2,损坏车辆达800辆以上[13-14];2012年7月21日,暴雨洪涝灾害造成北京市79人死亡,直接经济损失116.4亿元[15]。如今,城市暴雨洪涝灾害防治已成为重大的科学问题与国家需求。为了降低城市开发建设对生态环境的影响,国务院办公厅于2015年出台的“关于推进海绵城市建设的指导意见”中强调增强城市防涝能力需综合采取“渗、滞、蓄、净、用、排”等措施[16-17]

暴雨洪涝冲毁或淹没路段及其他交通设施,进而降低整个路网的通行率,极大地影响了城市道路交通[18-19]。高效的应急响应救援会显著降低突发的暴雨洪涝造成的灾害损失,因此对于暴雨洪涝的应急响应研究尤为重要[20]。先前的研究对洪涝应急响应的探讨包括理论研究和预案编制,仅关注受洪涝影响的道路交通中断、可达性损失及应急疏散等方面,而将洪涝淹没模拟结果应用于城市路网并评估应急响应能力的研究还不多见[21-23]。医疗、消防和公安救援服务是应对暴雨洪涝的重要应急服务,在暴雨洪涝期间,城市对这些应急服务的需求大幅上升。然而,不同等级的洪水对应急服务通道的畅通产生了不同程度的影响,并且对社会应急服务能力造成了不同程度的降低[24]。基于此,本文着眼于前山河流域,从医疗、消防和公安3个方面来探究不同情景的暴雨洪涝对城市应急服务响应能力的影响,以期研究结果为市政规划部门、交通管理部门制定相应调控策略提供参考。

1 研究区域概况与研究方法 1.1 研究区域概况

研究区域为前山河流域(东经113°20′~114°18′、北纬21°48′~22°27′),地跨广东省珠海和中山两市,行政范围包括珠海的4个镇街(前山街道、南屏镇、拱北街道和湾仔街道)及中山市的三乡镇、坦洲镇。流域总集水面积约328 km2(图 1a)。2015年,前山河流域涉及的行政区域常住人口总数为93.74万人。

图 1 研究区域示意图

前山河全长23 km(中山市境内河长15 km,珠海市境内河长8 km),自中山市的联石湾流至珠海市的石角咀。前山河区域位置非常重要,不但是城市重要的滨水景观带和开敞空间,而且是珠海、中山两市防洪排涝的关键水道。研究区域内目前布设有医院64个、消防站点19个、公安站点93个,如图 1b所示。

1.2 研究方法 1.2.1 数据来源

在构建城市暴雨洪涝模型时,收集了土地利用、数字高程模型(digital elevation model, DEM)、水文土壤分组和降雨数据集。土地利用数据采用遥感解译方法获取(图 1a)。遥感数据来自于中国资源卫星应用中心“高分一号”卫星遥感影像(http://www.cresda.com/CN/),空间分辨率为16 m。将土地利用数据与谷歌地图影像进行对比发现,该数据能够反映区域特征,满足研究要求。DEM数据来自于地理空间数据云的ASTER GDEM数字高程数据产品(http://slt.gd.gov.cn/shzh/),空间分辨率为30 m (图 1b)。中国土壤特征数据集来自于国家冰冻圈沙漠数据中心(http://www.ncdc.ac.cn),空间分辨率为1 km。4个水文土壤分组数据(HSGs)来自于美国农业部(USDA)《国家工程手册》(https://directives.sc.egov.usda.gov)。利用珠海市气象局发布的珠海市暴雨强度公式(http://weather.zhuhai.gov.cn)计算了五十年一遇与百年一遇2个重现期下的设计暴雨(图 2),其中雨峰系数为0.4[25],降雨持续时间为120 min。采用对城市洪涝危害最大的短历时暴雨强度经验公式进行暴雨情景的设计,

$ q = {\rm{ }}\frac{{822.407(1 + 0.776{\rm{ln}}P)}}{{{{\left( {t + 5.000} \right)}^{0.390}}}}{\rm{ }}. $ (1)
图 2 2个重现期下的设计暴雨

式中:P为重现期,a;q为设计暴雨强度,mm/min;t为降雨历时,min。

在本研究中,径流曲线数(curve number, CN)和Manning系数是城市洪水模型构建的关键参数。CN值由美国农业部自然资源保护局的技术发行版55(Technical Release 55,TR-55,https://www.nrcs.usda.gov/)确定,如表 1所示。根据土地利用类型划分确定Manning系数(Manning roughness coefficient, n),如表 2所示。

表 1 不同土地利用类型和水文土壤分组的CN值
水文土壤分组 CN值
水体 林地 耕地 建筑物 荒地
A类 98 30 49 89 81
B类 98 55 69 92 88
C类 98 70 79 94 91
D类 98 77 84 95 93

表 2 不同土地利用类型的Manning系数n
土地利用类型 n
水体 0.027
林地 0.150
耕地 0.035
建筑物 0.016
荒地 0.025

1.2.2 城市洪涝模拟

本文模拟了前山河流域在五十年一遇与百年一遇的设计暴雨下的淹没过程,基于TELEMAC-2D模型进行模拟分析。TELEMAC-2D模型是TELEMAC- MASCARET模型的二维水动力计算模块之一,TELEMAC-MASCARET模型是由法国水力学与环境国家实验室开发的集成水动力模型系统,包括一维/二维/三维水动力模块、泥沙输移模块、波浪模块等。本研究采用TELEMAC-2D模型的V7P2R3版本作为降雨产流模块和地表汇流模块的基础模型。TELEMAC-2D模型采用有限元法求解非守恒形式的二维浅水动力方程,基本方程如下:

$ \frac{{\partial h}}{{\partial t}}{\rm{ }} + \frac{{\partial \left( {hu} \right)}}{{\partial x}}{\rm{ }} + \frac{{\partial \left( {hv} \right)}}{{\partial y}}{\rm{ }} = 0, $ (2)
$ \frac{{\partial u}}{{\partial t}}{\rm{ }} + u\frac{{\partial u}}{{\partial x}}{\rm{ }} + v\frac{{\partial u}}{{\partial y}}{\rm{ }} = - g\frac{{\partial Z}}{{\partial x}}{\rm{ }} + {F_x} + {\rm{ }}\frac{1}{h}{\rm{ }}{\rm{div}}(h{v_{\rm{e}}}\nabla u), $ (3)
$ \frac{{\partial v}}{{\partial t}}{\rm{ }} + u\frac{{\partial v}}{{\partial x}}{\rm{ }} + v\frac{{\partial v}}{{\partial y}}{\rm{ }} = - g\frac{{\partial Z}}{{\partial y}}{\rm{ }} + {F_y} + {\rm{ }}\frac{1}{h}{\rm{ }}{\rm{div}}(h{v_{\rm{e}}}\nabla v). $ (4)

式中:uv分别是xy方向的流速;t是时间;h是淹没深度;Z是水位;ve是有效黏性系数;g是重力加速度;FxFy分别是xy方向的底床摩阻系数,采用Manning公式进行计算:

$ {F_x} = - {\rm{ }}\frac{{1}}{{{\rm{cos}}\alpha }}{\rm{ }}\frac{{g{m^2}}}{{{h^{4/3}}}}u{\rm{ }}\sqrt {{u^2} + {v^2}} , $ (5)
$ {F_y} = - {\rm{ }}\frac{{1}}{{{\rm{cos}}\alpha }}{\rm{ }}\frac{{g{m^2}}}{{{h^{4/3}}}}v{\rm{ }}\sqrt {{u^2} + {v^2}} . $ (6)

式中α为底坡倾斜角。

首先通过BlueKenue软件将整个研究区域划分为分辨率40 m的三角形网格[25],然后设置模型的边界条件为自由出流边界条件,初始地表无积水无降雨。土壤含水量根据径流曲线数模型(soil conservation service curve number method,SCS-CN) 方法设置为AMC-Ⅱ中等情况。设置模拟时长为360 min,降雨持续时间为120 min,时间间隔为1 s,每120 s输出一次结果。后处理工具采用计算流体力学领域通用的Tecplot软件。

1.2.3 模型验证

缺乏实测资料是城市洪涝模拟面临的一个主要问题。本研究也存在观测数据缺乏的问题,可能会影响模型的验证,增加模拟结果的不确定性。为此,本研究拟从易涝点(waterlogging points, WPs)、洪涝易发区和径流系数3个方面对模型模拟精度进行检验,尽可能地确保模拟结果的合理性。

1) 根据《室外污水工程设计规范》(GB50014—2014)确定WPs的标准,即淹没深度超过0.15 m,持续时间超过1 h,范围超过50 m2。WPs由广东省水利水电科学研究院获取,共81个。根据收集到的WPs数据,在WPs周围建立30 m的缓冲区。通过对缓冲区淹没深度进行分析,绘制了2个重现期可以模拟的WPs(CWPs)和不能模拟的WPs(CNWPs)的空间分布,以验证模拟结果的准确性。结果表明: 五十年一遇情景下可模拟59个WPs,模拟精度为73%;百年一遇情景下可模拟61个WPs,模拟精度为75%。表 3表明,当淹没深度小于0.15 m时,五十年一遇重现期的WPs数量较多且易涝点平均淹没深度较大;当淹没深度超过0.15 m,百年一遇重现期的WPs数量较多且易涝点平均淹没深度较大。模拟结果与实际情况相符。

表 3 易涝点模拟结果
淹没深度/cm WPs的数量 WPs平均淹没深度/cm
五十年一遇 百年一遇 五十年一遇 百年一遇
<15 22 20 4 3
15~30 25 24 22 23
>30 34 37 67 70

2) 从广东省水利水电科学研究院获得了洪涝易发区的位置。图 3表明模拟的淹没图可以很好地再现洪涝易发区。

图 3 研究区域暴雨洪涝情景淹没深度

3) 不同重现期的径流系数分别为0.66 (五十年一遇)和0.68 (百年一遇)。这也符合城市地区的总体情况[26-27]

1.2.4 应急响应分析

理论上,不管天气状况如何,城市应急响应部门均应及时到达事发地点进行救助。在暴雨洪涝发生时,突发的公共安全事件和急救事件激增,应急响应部门的急救更加刻不容缓。本研究基于应急响应时间来分析不同暴雨洪涝情景下城市公共服务(医疗、消防和公安)的应急响应能力。已有研究表明:当路面淹没深度为0~5 cm时,行车速度不受到路面积水的影响;当淹没深度为5~25 cm时,行车速度随着淹没深度的增加明显降低;当淹没深度大于25 cm时,行车速度逐渐降低,趋近于0;在淹没深度大于35 cm时,大部分车辆可能出现熄火并威胁人身安全[28]。基于以上阈值,本研究将可通行的淹没深度上限设置为35 cm,结合ArcGIS中的最快路径方法(两点之间最短时间),综合考虑出行时间和距离成本,利用城市路网、道路车速和淹没深度数据,以医院、消防和公安站点所在位置为起始点,将淹没深度的模拟结果和前山河流域的路网进行叠置分析,得到不同暴雨洪涝情景下的可通行路段,采用最快路径方法探究医疗、消防和公安在洪涝发生时的响应时间,最后通过反距离权重插值法得到城市应急响应时间分布。实时路况的数据来自于百度地图应用程序编程接口(application programming interface,API),百度地图API的路线规划服务包括摩托车、公交、骑行和驾车4种类型,本研究采用驾车路线规划进行城市路网行车研究。

2 结果分析 2.1 道路积水分析

前山河流域暴雨洪涝情景模拟结果(最大淹没深度和范围)如图 3所示,五十年一遇的暴雨洪涝情景下的平均淹没深度为16 cm,15%的地区淹没深度超过35 cm。百年一遇的暴雨洪涝情景下平均淹没深度为19 cm,20%的地区淹没深度超过35 cm。图 4是研究区域暴雨洪涝情景下路网的淹没深度分布图,可以发现积水大多集中在城市路网中,这是由于城市道路路面高程普遍低于两侧,使得降水通过道路汇流。在五十年一遇和百年一遇的暴雨洪涝情景下,由于降水强度远超排水能力,导致大部分路网受淹严重,可通行路段急剧减少。两种情景下的路网淹没深度分布相似。表 4表明,五十年一遇的暴雨洪涝导致26%的路网不能通行,百年一遇的暴雨洪涝导致29%的路网不能通行。

图 4 研究区域路网暴雨洪涝情景的淹没深度

表 4 路网雨洪涝情景下的淹没深度统计
淹没深度/cm 路网占比/%
五十年一遇 百年一遇
≤35 74 71
>35 26 29

2.2 应急响应能力评价

在正常条件(无暴雨洪涝情景)下,城市路网没有积水,研究区域的医院、消防和公安的应急响应能力取决于道路车速、路网分布和应急点分布情况。图 5是无暴雨洪涝情景下城市应急响应时间分布。结果显示,在前山河流域北部,公安站点相比于医院和消防站点的分布较多,公安的平均响应时间小于医院和消防。在研究区城北部仅分布一个消防站,除了这个站点周边,其余北部地区的消防响应时间均大于10 min。在前山河流域中西部和中东部地区分布着较大面积的森林和山地,路网稀疏,且应急站点稀少,因此该区域的响应时间超过60 min。在前山河流域东南部,路网密集,且分布着较多的医院、公安和消防站点,因此东南部的平均应急响应时间较短,均在10 min内能得到响应。公安站点的分布最多,其次是医院,消防站点最少,相应地在研究区域平均响应时间从短到长分别为公安<医院<消防。

图 5 无暴雨洪涝情景下城市应急响应时间分布

图 6是不同暴雨洪涝情景下前山河流域医院的响应时间分布,图 6a是五十年一遇的暴雨洪涝情景,图 6b是百年一遇的暴雨洪涝情景,图 6c是前山河流域不同暴雨洪涝情景下的平均响应时间对比。结果表明,五十年一遇的暴雨洪涝情景下,41%的地区响应时间小于1 h;百年一遇的暴雨洪涝情景下,仅19%的地区(大多位于医院周边)可以得到1 h以内的响应。在暴雨洪涝影响下,医院急救响应时间显著延长,五十年一遇的暴雨洪涝情景相比于无暴雨洪涝情景下医院急救平均响应时间从19 min增加到133.7 min,百年一遇的暴雨洪涝情景相比于无暴雨洪涝情景下医院急救响应时间从19 min增加到220.1 min。

图 6 不同暴雨洪涝情景下城市应急响应时间分布(医院)

图 7是不同暴雨洪涝情景下消防急救响应时间分布。与医院响应时间分布结果相似,洪涝使得消防急救响应时间显著增加,五十年一遇的暴雨洪涝情景下,前山河流域内11%的地区响应时间小于1 h;百年一遇的暴雨洪涝情景下,7.6%的地区响应时间小于1 h,仅消防站点周边地区可以得到1 h以内的快速应急响应。五十年一遇和百年一遇的暴雨洪涝情景相比于无暴雨洪涝情景下消防急救响应时间分别从24 min增加到了241.8和366 min。对比消防(图 7)和医院(图 6)的响应情况来看,研究区域内消防站点的数量少于医院,导致平均可达时间增加,因此消防急救的应急服务水平总体较医院要弱。

图 7 不同暴雨洪涝情景下城市应急响应时间分布(消防)

图 8是不同暴雨洪涝情景下公安急救响应时间分布。结果表明,五十年一遇的暴雨洪涝情景下,29%的地区应急响应时间小于1 h;百年一遇的暴雨洪涝情景下,21%的地区应急响应时间小于1 h。从图 8c可以看出,在发生暴雨洪涝之后,研究区域的公安急救应急响应时间显著增加,五十年一遇和百年一遇的暴雨洪涝情景相比于无暴雨洪涝情景的公安急救响应时间从15.8 min分别增加到201和304 min。虽然公安站点多于医院站点,但是暴雨洪涝对公安应急时间的影响大于对医院的影响,可能是因为公安站点分布不够合理,多集中于易涝区,导致应急响应时间的显著增加。

图 8 不同暴雨洪涝情景下城市应急响应时间分布(公安)

3 结论与讨论

本研究基于TELEMAC-2D模型和ArcGIS空间分析方法评估了不同暴雨洪涝情景下前山河流域关键的公共服务(医疗、消防和公安)的应急响应情况,结果表明:在无暴雨洪涝的情景下,前山河流域医院应急平均可达时间为19 min,消防应急平均可达时间为24 min,公安应急平均可达时间为15.8 min。响应时间与路网及应急站点分布情况有关,公安的站点分布数量最多,消防的站点分布数量最少。五十年一遇的暴雨洪涝情景下,部分道路被淹没,研究区域医院、消防和公安的平均响应时间分别达到133.7、241.8和201 min,远大于无暴雨洪涝情景。百年一遇的暴雨洪涝情景下,大部分道路被淹没,医院、消防和公安的平均响应时间分别达到220.1、366和304 min,仅站点周边的地区可以得到快速响应,其余地区均无法得到及时响应。本文研究结果为城市暴雨洪涝灾害的应急响应能力评估提供了参考。

本研究综合了城市路网、道路车速和淹没深度,以医院、消防和公安站点的所在位置为起始点,将积水深度的模拟结果和前山河流域的路网进行叠置分析,淹没深度超过35 cm则认为道路中断,进而得到不同暴雨洪涝情景下的可通行路段。通过最快路径方法探究医疗、消防和公安在洪涝发生时的响应时间,最后通过反距离权重插值法来评估城市的应急响应能力。不同暴雨洪涝情景下应急响应时间分布图呈现切割状是由于插值导致的。由于五十年一遇和百年一遇的暴雨洪涝情景下部分路网淹没,经过一系列叠置分析和插值后得到的应急响应时间的空间分布存在较大差异,无法精细地分析不同暴雨洪涝情景在空间上的差异,但是在区域平均后得到的结果可靠,能够量化比较不同洪涝情景下的平均响应时间变化。

由此可见,暴雨洪涝对城市应急响应能力的影响显著,及时改善城市洪涝应对系统可以避免造成更大的损失:

1) 应当增加前山河流域的消防站点布设,尤其是在研究区域北部和西部易涝区,进而加强在暴雨洪涝情景下的消防应急响应能力。

2) 对比洪涝对公安和医院应急的影响发现,并不是布设站点越多越好,若站点集中布设于易涝区则不会提高在高重现期暴雨洪涝情景下城市应急响应能力,因此要合理均匀布设应急响应站点。

3) 应重点提升西部沿海高速、珠海大道辅路和珠海大道东段等路段在高重现期暴雨情景下的应急服务可达性,改造和扩建现有排水管网,增强道路排水能力,使城市实际排水能力达到更高标准,以应对五十年一遇及以上的暴雨洪涝。

参考文献
[1]
叶高斌. 太湖流域不同洪涝风险区内建设用地扩张特征及其预测[D]. 北京: 中国科学院大学, 2015.
YE G B. Characteristics and prediction of construction land expansion in different flood risk zones of Taihu Lake Basin[D]. Beijing: University of Chinese Academy of Sciences, 2015. (in Chinese)
[2]
王浩. 城市洪涝模型构建[J]. 中国防汛抗旱, 2018, 28(2): 2-3.
WANG H. Urban flood model construction[J]. China Flood & Drought Management, 2018, 28(2): 2-3. (in Chinese)
[3]
刘家宏, 梅超, 向晨瑶, 等. 城市水文模型原理[J]. 水利水电技术, 2017, 48(5): 1-5, 13.
LIU J H, MEI C, XIANG C Y, et al. Principles of urban hydrological model[J]. Journal of Hydraulic Engineering, 2017, 48(5): 1-5, 13. (in Chinese)
[4]
印定坤, 陈正侠, 李骐安, 等. 降雨特征对多雨城市海绵改造小区径流控制效果的影响[J]. 清华大学学报(自然科学版), 2021, 61(1): 53-59.
YIN D K, CHEN Z X, LI Q A, et al. Influence of rainfall characteristics on runoff control of a sponge reconstructed community in a rainy city[J]. Journal of Tsinghua University (Science and Technology), 2021, 61(1): 53-59. (in Chinese)
[5]
QIAO Z, TIAN G, XIAO L. Diurnal and seasonal impacts of urbanization on the urban thermal environment: A case study of Beijing using MODIS data[J]. Remote Sensing, 2013, 85(11): 93-101.
[6]
CUI L, SHI J. Urbanization and its environmental effects in Shanghai, China[J]. Urban Climate, 2012, 2: 1-15. DOI:10.1016/j.uclim.2012.10.008
[7]
叶斌, 盛代林, 门小瑜. 城市内涝的成因及其对策[J]. 水利经济, 2010, 28(4): 62-65.
YE B, SHENG D L, MEN X Y. Causes and countermeasures of urban waterlogging[J]. Journal of Economics of Water Resources, 2010, 28(4): 62-65. DOI:10.3969/j.issn.1003-9511.2010.04.016 (in Chinese)
[8]
童陆亿, 胡守庚. 中国主要城市建设用地扩张特征[J]. 资源科学, 2016, 38(1): 50-61.
TONG L Y, HU S G. Characterizations of urban sprawl in major Chinese cities[J]. Resources Science, 2016, 38(1): 50-61. (in Chinese)
[9]
蒋卫威, 鱼京善, 赤穗良辅, 等. 变化环境与人类活动对城市水文与水动力过程影响研究进展[J]. 北京师范大学学报(自然科学版), 2020, 56(2): 16-24.
JIANG W W, YU J S, AKOH R, et al. Impact of changing environment and human activities on urban hydrological and hydrodynamics process: A review[J]. Journal of Beijing Normal University (Natural Science), 2020, 56(2): 16-24. (in Chinese)
[10]
郑鑫. 复杂地表特征下的城市雨洪模拟优化研究[D]. 南京: 东南大学, 2019.
ZHENG X. Research of urban flood simulation and optimization under complex topographic conditions[D]. Nanjing: Southeast University. 2019. (in Chinese)
[11]
张建云, 王银堂, 贺瑞敏, 等. 中国城市洪涝问题及成因分析[J]. 水科学进展, 2016, 27(4): 485-491.
ZHANG J Y, WANG Y T, HE R M, et al. Discussion on the urban flood and waterlogging and causes analysis in China[J]. Advances in Water Science, 2016, 27(4): 485-491. (in Chinese)
[12]
王梦江, 张强. "麦莎"台风期间上海市区道路积水原因和对策[J]. 城市道桥与防洪, 2006(1): 74-76.
WANG M J, ZHANG Q. Causes and countermeasures of road flooding in Shanghai urban area during Typhoon Misha[J]. Urban Roads and Bridges and Flood Control, 2006(1): 74-76. DOI:10.3969/j.issn.1009-7716.2006.01.025 (in Chinese)
[13]
张明泉, 张曼志, 张鑫, 等. 济南"2007·7·18"暴雨洪水分析[J]. 中国水利, 2009(17): 40-41.
ZHANG M Q, ZHANG M Z, ZHANG X, et al. Analysis of rainstorm flood in Jinan on July 18, 2007[J]. China Water Resources, 2009(17): 40-41. DOI:10.3969/j.issn.1000-1123.2009.17.015 (in Chinese)
[14]
尹承美. 济南市短历时强降水特征及致灾大暴雨分析与预报研究[D]. 兰州: 兰州大学, 2016.
YIN C M. Analysis and forecast of short-duration heavy precipitation and disaster-causing heavy rainstorm in Jinan city[D]. Lanzhou: Lanzhou University, 2016. (in Chinese)
[15]
刘洪伟, 孙杨, 王振宇. 北京市"2016·7·20"特大暴雨防范应对工作启示[J]. 中国防汛抗旱, 2016, 26(6): 8-11, 41.
LIU H W, SUN Y, WANG Z Y, et al. Inspiration from the prevention and response of the "2016·7·20" heavy rainstorm in Beijing[J]. China Flood & Drought Management, 2016, 26(6): 8-11, 41. DOI:10.3969/j.issn.1673-9264.2016.06.003 (in Chinese)
[16]
国务院办公厅. 关于推进海绵城市建设的指导意见[J]. 水务世界, 2015(6): 4-6.
General Office of the State Council of the People's Republic of China. Guiding opinions on promoting sponge city construction[J]. World Plumbing Council, 2015(6): 4-6. (in Chinese)
[17]
杜建东. 海绵城市建设应综合采取"渗, 滞, 蓄, 净, 用, 排"等措施[J]. 建筑砌块与砌块建筑, 2015, 198(6): 55.
DU J D. The construction of sponge city should take comprehensive measures such as "seepage, stagnation, storage, purification, utilization and drainage"[J]. Building Block & Block Building, 2015, 198(6): 55. (in Chinese)
[18]
张利, 汪林. 不利气象条件对公路交通安全的影响及对策[C]//中国智能运输大会. 北京, 2012.
ZHANG L, WANG L. Influence of adverse meteorological conditions on highway traffic safety and countermeasures[C]//Intelligent Transportation System Conference China (ITS CC). Beijing, 2012. (in Chinese)
[19]
董珂洋, 陆百川. 恶劣天气对车辆安全行驶的影响[J]. 重庆交通大学学报, 2008, 8(6): 24-26.
DONG K Y, LU B C. The impact of bad weather on safe driving of vehicles[J]. Journal of Chongqing Jiaotong University, 2008, 8(6): 24-26. DOI:10.3969/j.issn.1674-0297.2008.06.008 (in Chinese)
[20]
谭徐明, 马建明, 张念强. 洪涝灾害应急响应调查及其若干问题探讨[J]. 中国水利水电科学研究院学报, 2009, 7(3): 216-221.
TAN X M, MA J M, ZHANG N Q. Investigation and discussion on flood disaster emergency response[J]. Journal of China Institute of Water Resources and Hydropower Research, 2009, 7(3): 216-221. DOI:10.3969/j.issn.1672-3031.2009.03.010 (in Chinese)
[21]
CHANG M, TSENG Y, CHEN J. A scenario planning approach for the flood emergency logistics preparation problem under uncertainty[J]. Transportation Research Part E: Logistics and Transportation Review, 2007, 43(6): 737-754. DOI:10.1016/j.tre.2006.10.013
[22]
SOHN J. Evaluating the significance of highway network links under the flood damage: An accessibility approach[J]. Transportation Research Part A: Policy and Practice, 2006, 40(6): 491-506. DOI:10.1016/j.tra.2005.08.006
[23]
牛世峰, 姜桂艳. 洪涝灾害条件下疏散交通生成预测方法[J]. 中国安全科学学报, 2015, 25(3): 165-170.
NIU S F, JIANG G Y. Method for predicting evacuation traffic generation under floods condition[J]. China Safety Science Journal, 2015, 25(3): 165-170. (in Chinese)
[24]
YU D, YIN J, WILBY R L, et al. Disruption of emergency response to vulnerable populations during floods[J]. Nature Sustainability, 2020, 3(9): 728-736. DOI:10.1038/s41893-020-0516-7
[25]
刘家宏, 李泽锦, 梅超, 等. 基于TELEMAC-2D的不同设计暴雨下厦门岛城市内涝特征分析[J]. 科学通报, 2019, 64(19): 95-106.
LIU J H, LI Z J, MEI C, et al. Urban flood analysis for different design storm hyetographs in Xiamen Island based on TELEMAC-2D[J]. Science Bulletin, 2019, 64(19): 95-106. (in Chinese)
[26]
BECCIU G, PAOLETTI A. Moments of runoff coefficient and peak discharge estimation in urban catchments[J]. Journal of Hydrologic Engineering, 2000, 5(2): 197-205. DOI:10.1061/(ASCE)1084-0699(2000)5:2(197)
[27]
MERZ R, BLOESCHL G. A regional analysis of event runoff coefficients with respect to climate and catchment characteristics in Austria[J]. Water Resources Research, 2009, 45(1): 639-643.
[28]
殷杰. 基于高精度地形表面模型的城市雨洪情景模拟与应急响应能力评价[J]. 地理研究, 2017, 36(6): 1138-1146.
YIN J. Urban pluvial flood scenario modeling and emergency response assessment using high resolution Lidar-DSM[J]. Geographical Research, 2017, 36(6): 1138-1146. (in Chinese)