基于GAST-SWMM模型的西安市中心城區內澇災害模擬及風險評估

張文晴,侯精明,王漢崗,王 晨,陸品品,徐 輝

(1.西安理工大學西北旱區生態水利國家重點實驗室,陜西 西安 710048;2.珠江水利委員會珠江水利科學研究院,廣東 廣州 510611;3.中規院(北京)規劃設計有限公司,北京 100044;4.陜西渭河生態集團有限公司,陜西 西安 710068)

中國經濟的蓬勃發展使得中國城市化進程的發展愈發快速,快速發展的城市化進程在推動中國人口、經濟、教育、醫療等基礎民生問題穩步前行的同時,也給城市的安全管理帶來了巨大的挑戰。在城市的安全管理問題中,當屬自然災害給城市造成的危害及影響最為持久和龐大。而在自然災害事件中又以城市內澇災害最為頻發,給城市居民造成的人員及經濟財產損失最為嚴重[1]。如2016年西安的“7·24”特大暴雨事件、2020年廣州的“5·22”特大暴雨事件、2021年鄭州的“7·20”特大暴雨事件均導致當地發生了嚴重的內澇,并產生了巨大的人員及財產損失,對社會造成了較為嚴重的負面影響。

因此,為使得城市在較為安全環境中逐步發展,需要采取相應措施,降低城市內澇災害造成的影響。城市的防澇措施主要可分為工程措施與非工程措施。常見的工程措施主要通過建設相關的實體工程設施,通過排除或暫存的方式減少地表積水,如雨水管道、調蓄設施、抽水泵站等;常見的非工程措施主要通過預測、評估或方案優選的方式,指導工程措施的建設與高危區域的有效規避,如內澇風險評估、內澇預報預警、防澇物資的應急調度等。通過工程措施的建設可以使得城市的內澇問題被有效地解決,但針對特大暴雨仍然無法做到徹底的根治。因此,為使城市內澇問題盡可能被徹底地治理,需要采取工程措施措施與非工程措施協同治理的內澇防治方法。

城市內澇災害模擬與風險評估是城市防澇體系非工程措施中重要的手段之一,有效地對城市內澇災害進行模擬和評估可以指導防澇非工程措施的建設,并且在災害來臨之前對高風險區進行合理的規避,減少城市內澇災害帶來的經濟財產損失甚至人員傷亡。基于此類方法,朱穎蕾等[2]通過構建MIKE21和MIKE Urban耦合模型評估了調蓄設施及強排泵站的效果,對岳陽市地下管網與地表漫流狀況進行了模擬,得到不同暴雨場景下岳陽市內澇特征,為湖區平原城市內澇防治提供了工作參考。吳彥成等[3]基于InfoWorks ICM模型建立了區一維、二維耦合水動力學模型,評估了陜西省咸陽市主城區的排水系統能力和內澇風險。劉力丹等[4]利用層次分析法、模糊綜合評價法構建洪澇災害評估模型,根據“7·20”鄭州特大暴雨24 h降雨量、河南省年平均降雨量、河網分布、高程相對標準差、絕對高程等5個指標評估了鄭州“7·20”鄭州特大暴雨的內澇風險。Roland 等[5]基于 MIKE FLOOD 模型對澳大利亞墨爾本市某區域在不同城市發展水平和氣候變化情景下進行洪澇風險評估。

上述研究中,或直接采用模型模擬結果對內澇風險進行評估,或在構建的城市內澇災害指標體系中未考慮水深及流速等重要的水力要素,因此得到的城市內澇風險評估結果均無法滿足較為精細的評估結果要求。為解決更精細化的評估結果要求,部分學者開始將模型的模擬結果作為綜合城市內澇風險評估中的重要指標再結合其他關注要素,更加綜合、精細化地評估城市的內澇災害風險。如黃國如等[6]以危險性-易損性為風險評估框架,模型模擬結果中的淹沒水深、淹沒歷時作為部分指標構建了城市內澇災害風險多指標評估體系,評估了廣州東濠涌流域的內澇風險。馮文強等[7]以模型模擬結果中的最大深度、積水時間、最大流速結合其他指標評估了海口市海甸島的城市內澇風險。該系列城市內澇風險評估方法中將模型模擬結果與多指標評估體系進行了有效的結合,可以更加精細、綜合地得到研究區域城市內澇風險的空間區域劃分。然而在該系列指標體系的構建中,對于指標性質的劃分,即風險評估框架的確定,多沿襲了風險管理學科的評估框架,該評估框架雖然能從表象到根本闡述風險發生的機理,但無法直觀地表示城市內澇現象的特征。

因此為有效遏制西安市中心城區內澇災害的發展,本研究基于GAST-SWMM模型構建西安市中心城區內澇災害模型,模擬不同降雨場景下城市的內澇過程,以模型模擬的相關水力要素為基礎,再結合其他信息源,構建多指標城市內澇災害風險評估體系,多方位評估西安市中心城區的內澇災害風險,研究結果可以為城市內澇災害防治提供科學合理的技術方案。

1 材料與方法

1.1 研究區域概況

本文研究區域位于陜西省西安市雁塔區,屬于西安市的中心區域,區域總面積為29.46 km2,研究區域內建筑分布密集,土地利用類型復雜,路網分布交錯縱橫,地形高程劇烈起伏,城市化特征較為明顯。2016年7月24日,該區域遭遇特大暴雨,降雨量重現期超過50年一遇造成小寨十字路口及周邊多個街道發生嚴重內澇,造成了較大的社會影響和經濟損失。因此,選用該區域進行城市內澇災害模擬及風險評估代表性較為顯著。

1.2 研究方法

1.2.1基于GAST-SWMM模型的城市雨洪過程模擬方法

本研究選用GAST(GPU Accelerated Surface Water Flow and Transport Model)-SWMM(Storm Water Management Model)對城市雨洪過程進行模擬。GAST模型通過求解二維淺水方程方式較為準確地得到地表雨水的匯流演進過程,模型通過均勻結構網格劃分計算域,區域進行網格化離散時,為盡可能提升計算精度,采用Godunov格式的有限體積法進行空間離散。并采用HLLC近似黎曼求解器處理計算單元界面上質量通量與動量通量的急變流與非連續問題,對于水動力模型常見的在干濕邊界處的負水深問題,通過靜水重構的方法將容易失穩的二階格式在水深低于或流速高于一定值時轉換為穩定的一階計算格式,以此保證模型計算時的穩定性。摩阻源項使用改進的分裂點隱式法來提高計算穩定性,采用二階顯式 Runge Kutta 方法來保證時間積分的二階精度,同時引入圖形處理器(GPU)加速計算技術,在保證計算精度的同時下大幅提升計算效率[8]。

本研究中對管道水力特征的模擬計算以二維地表GAST模型為基礎,在Visual Studio 2013 平臺上,通過調用SWMM 模型動態鏈接庫(dll 文件)的形式實現對一維管網的模擬計算。由于地表與地下管網之間的水量交換過程較為復雜,為獲得較為準確的管道水力計算結果,在模型耦合計算時,一維排水管網的匯流演算方法選用動力波法。運動波法通過求解連續方程的動量方程得到管網的水力特征,數值離散方法采用有限差分法。

GAST模型的地表模塊與SWMM模型的管網模塊通過雨水井交換水量,因此耦合方式主要涉及垂向耦合。根據實際情況,地表與雨水井的水量交換主要可分為涉及3種情形與2種計算方式。當節點水深高于地表水深時,產生節點溢流,此時通過孔流公式計算地表-節點交換的水量;當節點水位小于地表水深但大于地表高程,此時地表水量在水頭作用下進入管網,亦采用孔流公式;當節點水深低于地表水深時,產生地表回流,此時通過堰流公式計算地表-節點交換的水量。堰流與孔流的主要計算公式見式(1)、(2):

(1)

式中Qin——地表水匯入管網的流量,m3/s;cw——堰流系數;Ci——雨水井入口的周長,m;h——地表水位高程與節點水位高程的差值,m。

(2)

式中Qout——從雨水井溢流至地表的溢流流量,m3/s;co——孔流系數;Ai——雨水井入口截面面積,m2。

1.2.2基于多源融合信息的城市內澇災害風險評估方法

基于多源融合信息的城市內澇風險評估主要可分為以下步驟:①城市內澇災害風險評估指標體系的確定;②城市內澇災害風險評估指標權重的確定;③城市內澇災害風險評估指標風險等級的劃分;④多源信息的融合。

a)城市內澇災害風險評估指標體系的確定。為較為綜合、全面地評估城市內澇災害風險,采用多層級的指標梯度結構模型來對不同指標進行詳細分類描述,方便對風險評估結果的中高風險區域進行溯因分析,準確得到內澇致災的主要因子。城市內澇災害多層次指標梯度結構模型見圖2,一般根據各層級的因子性質分為目標層、決策層、指標層。

b)城市內澇災害風險評估指標權重的確定。本研究中通過層次分析法得到城市內澇災害風險評估體系中各層級指標的權重。層次分析法(AHP)是美國運籌學家T.L.Saaty于20世紀70年代初,提出的一種基于層次梯度結構的權重決策分析方法。該方法不需要指標因子的樣本數據,僅需決策者熟悉各指標因子之間的相對重要性倍比即可展開評估。AHP法確定評價指標權重的步驟如下[9]:①建立指標層次結構模型;②構造基于1—9標度法的兩兩判斷矩陣,各兩眾元素間的相對重要性程度進行量化;③計算指標主觀權重;④對一致性進行檢驗。

c)城市內澇災害風險評估指標風險等級的劃分。本研究中將指標的風險度定為1、2、3、4共四級,數值越大表示風險程度越高。對于城市內澇災害風險評估指標風險程度的劃分方法,可根據本文所構建指標的性質分為3種類型:①風險等級劃分已有明確界定標準的指標;②指標樣本數較少可以依據實際情況推理分析出合適風險等級的指標;③無明確風險等級界定方法且樣本數較多的指標。指標樣本數復雜需要對樣本采用相關數據統計方法后才能合理劃分風險等級的指標。對于第三類無明確風險等級界定方法且樣本數較多的指標,該類指標由于樣本數量較多,無法通過簡單的實例推理分析得到準確的風險等級劃分,因此對此類指標通過采用相關數據分析的方法得到指標的風險等級劃分。

d)多源信息的融合。本研究中城市內澇災害風險評估指標融合方法采用線性加權綜合評價方法。采用線性加權綜合評價法作為綜合評價模型,可以對多個系統指標進行綜合評價。線性加權法評估的指標體系應具有指標間的信息相互獨立的特點,若指標間的信息不完全獨立則會導致各指標間的信息重復,使得評價結果無法客觀地反映實際情況。線性加權函數見式(3):

(3)

式中wj——第j個指標的權重;xj——第j個指標的風險值。

1.3 基礎數據

1.3.1城市內澇模型構建

本研究采用GAST-SWMM模型模擬研究區域的內澇過程,模型所需的基本輸入數據主要包括:降雨數據、地形數據、土地利用類型數據、管網數據、下滲及其他相關參數數據。

降雨數據主要包括實測降雨數據和設計降雨數據。實測降雨數據用于模型驗證及參數校準,選取西安市2016年6月23日的場次降雨[10],該場次降雨總時長為505 min,總降雨量達25.6 mm,屬于大雨級別的降雨量,詳細降雨過程見圖3。

設計降雨數據用于評估不同設計降雨情景下研究區域的內澇情況。芝加哥降雨數據由其數據的易獲性和作用于雨洪內澇效果評估的準確性、數據的精確性,已在相關領域內獲得了廣泛應用。因此設計降雨數據采用具有西安市當地特征降雨參數的芝加哥降雨數據[11],暴雨強度公式見式(4)。為較為詳細地模擬西安市中心城區的內澇過程及評估內澇風險,選取5、10、30、50、100 a的芝加哥降雨數據作為主要的設計降雨數據,見圖4。

(4)

地形數據采用無人機航測技術對研究區的地形高程進行巡航測算,通過GIS技術處理無人機測算結果,并按實際情況修正明顯的地形誤差后,得到輸入的矩形網格精度為4 m 的DEM(digital elevation model)數據,研究區域地形高程模型見圖5。

土地利用數據來源于研究區域高清的衛星影像圖,通過ENVI軟件采用極大似然法將衛星影像圖的不同色塊進行分類,在最終將研究區域劃分房屋、綜合透水區、綠地、裸土、道路,共5種不同的土地利用類型。研究區域土地利用類型見圖6。

本研究的管網數據來源于研究區域內雨水管網的設計圖紙,通過對設計資料進行合理處理,最終將研究區域管網概化成410段雨水管道、557個雨水井及3個排水口。因實際資料有限,并且城市管網非本文的主要研究對象,因此假設研究區域內管道屬于無淤堵和損壞的健康狀態,由此設研究區域內管道的曼寧系數為0.017,節點和排口的高程信息,管道的長度,按照設計圖紙構建,最終得到管網的拓撲結構見圖7。

本研究采用霍頓模型來表征各土地利用的在各場次降雨場景下的下滲過程。霍頓入滲模型因其參數具有廣泛的靈活性,一般能與實際觀測資料配合較好,故被廣泛采用。本研究中城市內澇過程的模擬僅涉及短歷時降雨,因此為提升計算精度的同時簡化計算,降雨下滲過程不考慮各土地利用類型下滲能力的恢復。霍頓入滲模型具體見式(5):

f=fc+(f0-fc)e-kt

(5)

式中f——入滲率,mm/min;fc——穩定入滲率,mm/min;f0——初始入滲率,mm/min;t——時間,min;k——與土壤特性有關的入滲衰減指數。

用二維淺水方程中的摩阻項表征水體在不同土地利用類型受到摩擦阻力后的流動狀態,因此模型的構建還需要每種土地利用類型的霍頓下滲參數及曼寧系數。每種類型的土地利用的下滲參數及曼寧系數首先參考相關文獻及標準規范[11],得到參數的大致取值范圍,再根據實測資料在范圍之內選取相關參數,經過反復調整后,取模擬結果與實測結果誤差最小的參數組合,即為本文選取的下滲及曼寧參數。

1.3.2城市內澇災害風險評估指標體系構建

為合理分析內澇致災的主要因子,本研究以自然因子-社會因子為評估框架、建立城市內澇災害風險指標評估體系。自然因子是指在直接或間接作用下導致城市內澇發生且進一步加劇影響范圍及損失的自然因素和城市內澇過程的相關水力特征因子,該類指標能直接體現出城市的本底特征,具有強烈的自然屬性;社會因子是指由人類活動引起的自然事物的定性改變或者某些特定的事物根據人類的主觀意識具有了特殊的含義及重要性程度的相關指標。該類指標在發生城市內澇積水現象時,相較于其他的內澇承災體,其積澇帶來的影響更大,在空間范圍內更加需要受到關注。該類指標主要由對人的生產生活產生影響較大的因素中篩選而出,因此具有較強的社會屬性。西安市中心城區內澇災害風險評估指標體系見圖8。

根據西安市中心城區內澇災害風險各指標特性,確定指標的數據來源見表1。

表1 西安市中心城區內澇災害風險評估指標數據來源

2 結果與分析

2.1 基于GAST-SWMM模型的城市內澇模擬

2.1.1西安市中心城區內澇模型驗證及參數校準

實測降雨數據導入搭建的西安市中心城區雨洪模型,并不斷在可選參數范圍內調整模型的不確定參數,直至模型的模擬結果與實測調研值最為接近,最終得到地表積水深度最嚴重時刻的積水分布模擬結果,見圖9。

將實測調研積澇點位與模擬結果水深進行比并計算調研積澇點與模擬積澇點的水深相對誤差見表2,調研的5個內澇積水點水深與模擬積水點水深的相對誤差小于等于10%,精度要求滿足GB/T 22482—2008《水文情報預報規范》的要求,故說明本文構建的城市雨洪模型準確可靠,可以有效地模擬研究區域的內澇過程。

表2 實測降雨調研積水點水深與模擬水深對比

通過該場次實測降雨最終確定的模型不確定性參數取值見表3。

表3 西安市中心城區暴雨內澇模型參數取值

2.1.2西安市中心城區雨洪致澇模擬結果

將設計降雨數據導入搭建好的模型,得到5、10、30、50、100 a設計降雨工況下的內澇積水過程,研究區域在各降雨重現期峰值積水的內澇分布情況見圖10。

圖1 研究區域概況

圖2 城市內澇風險評估指標梯度模型

圖3 2016年6月23日實測降雨數據

圖4 不同設計降雨重現期降雨過程

圖5 研究區域地形高程

圖6 研究區域土地利用類型

圖7 研究區域管網數據

圖8 西安市中心城區內澇災害風險評估指標體系

圖9 實測降雨數據7.5 h模擬水深的空間分布

a)5 a

按2.2.1節表5中的內澇水深風險等級劃分標準,得到研究區域內澇水深指標風險度空間等級劃分見圖11。

a)5 a

提取各降雨重現期下不同風險等級的面積占比,得到西安市中心城區內澇水深指標的風險等級面積統計見圖12。

圖12 西安市中心城區內澇水深風險等級面積占比統計

通過圖12可知,在不同降雨重現期模擬工況中,研究區域的內澇水深風險等級,均表現為低風險區的面積占比最大、高風險區的面積占比最小。降雨重現期為5、10、30、50、100 a,內澇積水深度低風險區的面積占比分別為82.21%、78.82%、75.31%、74.22%、72.97%,內澇積水深度高風險區的面積占比分別為2.15%、3.47%、5.13%、5.85%、7.29%。并且隨著降雨重現期的增加,低風險區的面積逐漸下降,高風險區的面積逐漸增加。

同時統計GAST-SWMM模型計算結果中峰值時刻的內澇流速的空間分布見圖13。

a)5 a

按2.2.1節表5中的內澇流速風險等級劃分標準,得到研究區域內澇流速指標風險度等級空間劃分見圖14。

a)5 a

提取各降雨重現期下不同內澇流速的風險等級面積占比,得到西安市中心城區流速指標的風險等級面積統計見圖15。通過圖15可知,在不同降雨重現期模擬工況中,研究區域的內澇流速,各風險等級的面積占比分布趨勢與積水深度較為相似,均表現為在低級風險區的面積占比最大、高級風險區的面積占比最小,但內澇流速的低風險區面積占比在各個降雨重現期都占據了主導地位。降雨重現期為5、10、30、50、100 a,內澇流速低風險的面積占比分別為95.62%、94.44%、92.76%、92.14%、91.44%,高風險區的內澇流速面積占比僅分別為0.11%、0.19%、0.32%、0.38%、0.46%。

圖15 西安市中心城區內澇流速風險等級面積占比統計

2.2 基于多源融合信息的城市內澇災害風險評估

2.2.1城市內澇災害風險評估指標風險等級劃分結果

根據各種指標特性,按1.2節所述指標風險等級劃分方法得到各指標具體的風險等級劃分方法見表4。

表4 西安市中心城區內澇災害風險評估指標風險等級劃分方法

通過上述方法得到各指標的風險等級劃分標準見表5。通過表5得到西安市中心城區內澇災害風險各評估指標的風險度區域劃分見圖16(內澇水深及內澇流速指標的風險等級空間區域劃分見圖11、14)。

a)地形高程

2.2.2城市內澇災害風險評估指標權重結果

根據1.2.2節所述的指標權重確定方法,建立的指標各層級判斷矩陣見表6—8,最終得到本研究中最終指標的權重值見圖17,由圖可知,在西安市中心城區內澇災害風險評估指標體系的權重中,權重值由大到小的排序為內澇水深>內澇流速>城市生命線工程>災害救援能力>地形高程>人口密度>地形坡度>路網分布>建筑密度。其中內澇水深、內澇流速為關鍵指標,指標權重總和達0.55,占據了總權重的一半值。因為在城市內澇災害風險評估中內澇水深與內澇流速作為致災因子與受災程度之間最為密切。

表6 A-B層判斷矩陣及權重

表7 B1-C層判斷矩陣

表8 B2-C層判斷矩陣

圖17 內澇災害風險評估指標各層級權重值

2.2.3自然因子內澇致災風險空間區劃

對4類自然致災因子:地形高程、地形坡度、內澇水深、內澇流速,根據2.2.1節中自然因子各指標的風險度劃分結果,結合內澇災害風險評估指標體系B1-C層權重計算結果,得到各降雨重現期下的自然因子內澇致災風險空間區劃,每個柵格單元的風險值計算公式見式(6):

Rnature=0.52C1+0.29C2+0.11C3+0.07C4

(6)

采用自然間斷法對100 a的自然因子計算結果進行標準等級劃分,最終設定每個柵格單元賦值范圍(1～1.677)、(1.677～2.399)、(2.399～2.98)、(2.98～4)對應低級、中級、較高級、高級風險。分別對四類等級賦值1、2、3、4,得到西安市中心城區自然因子內澇致災風險區劃見圖18。

a)5 a

2.2.4社會因子內澇致災風險空間區劃

對五類社會致災因子:人口密度、路網分布、建筑密度、災害救援能力、城市生命線工程,根據2.2.2節中社會因子各指標的風險度劃分結果,結合內澇災害風險評估指標體系B2-C層權重計算結果,得到社會因子內澇致災風險空間區劃,每個柵格單元的風險值計算公式見式(7):

Rsociety=0.16C5+0.09C6+0.06C7+0.24C8+0.45C9

(7)

采用自然間斷法對社會因子計算結果進行標準等級劃分,最終設定每個柵格單元賦值范圍(1～1.58)、(1.58～1.92)、(1.92～2.44)、(2.44～4)對應低級、中級、較高、高級風險。分別對四類等級賦值1、2、3、4,得到西安市中心城區社會因子內澇致災風險區劃見圖19。

2.2.5城市內澇災害風險空間區劃

本文中城市內澇風險綜合評估結果分別由自然因子和社會因子共同疊加得到,根據2.2.3、2.2.4節中社會因子和社會因子的風險度劃分結果,結合內澇災害風險評估指標體系A-B層權重計算結果,得到西安市中心城區內澇災害風險空間區劃,每個柵格單元的風險值計算公式見式(8):

Rwaterlogging=0.6667B1+0.3333B2

(8)

采用自然間斷法對西安市中心城區內澇風險計算結果進行等級劃分,最終設定每個柵格單元賦值范圍(1～1.33)、(1.33～2)、(2～2.67)、(2.67～4)對應低級、中級、較高、高級風險。分別對四類等級賦值1、2、3、4,得到西安市中心城區內澇災害風險區劃見圖20。

a)5 a

提取各降雨重現期下不同內澇風險的風險等級面積占比,西安市中心城區內澇災害風險的風險等級面積統計見圖21。由圖可知,西安市中心城區各降雨重現期內澇風險等級面積占比的規律表現為:中風險區面積占比最大,其次為低風險區面積占比和較高風險區面積占比,高風險區面積占比最小。低風險區及中風險區面積占比均隨降雨重現期的增加而減少,較高風險區及高風險區隨降雨重現期的增加而增加。綜合內澇風險評估指標體系中的各評估指標,可以得到該區域內高風險區主要集中于道路上,主要原因是由于道路這一特殊的土地利用類型,相較于其他土地利用類型,在地形高程較低,地形坡度較陡,導致了道路上積水深度與積水流速較高,再加上道路上的人口數量較為密集,通常還分布有地鐵干線此類特殊的承災體,因此多重的因素導致了城市主干道路成為了內澇高風險區域。

圖21 風險等級面積統計

圖22為西安市中心城區在各降雨重現期多指標綜合內澇災害風險評估與單一內澇積水深度指標不同風險等級的面積占比差值。該值為正值,表示某一風險等級的多指標綜合內澇風險評估面積占比大于單一內澇水深指標風險的面積占比;該值為負值,表示某一風險等級的多指標綜合內澇風險評估面積占比小于單一內澇水深指標風險的面積占比。從圖中可以看出,低風險區和高風險區的面積占比差值變化最大,多指標綜合內澇風險評估的低風險區面積占比遠小于單一內澇積水深度指標的低風險區面積占比,其差值范圍在-50%～-60%;多指標綜合內澇風險評估的中風險區面積占比遠大于單一內澇積水深度指標的中風險區面積占比,其差值范圍在45%～60%。多指標綜合內澇風險與單一積水深度內澇風險等級之間的差值越大,則表示僅通過內澇水深評估城市內澇風險的效果越低,因此精準有效的城市內澇災害風險評估就越需要建立多層次的指標評估體系,全方位地評估城市內澇災害風險。

圖22 內澇風險綜合評估與內澇水深指標風險等級面積占比差值統計數據

3 結論

為有效緩解城市內澇災害造成的人員及財產安全損失,本研究以西安市中心城區為研究區域,基于GAST-SWMM模型模擬了不同降雨工況的城市內澇過程,基于多源融合信息綜合全面地評估了城市內澇災害風險,所得的主要結論如下。

a)基于GAST-SWMM模型搭建了西安市中心城區暴雨內澇模型,采用歷史實測降雨數據校準模型參數及驗證模型可靠性,比較當次降雨情景5個積水點的模擬水深與實際調研水深,最大相對誤差不超過10%,說明所構建的西安市中心城區暴雨內澇模型可以準確模擬研究區域的內澇過程。

b)西安市市中心城區內澇災害高風險區主要分布于城市道路上,因此應該加強城市道路的防澇體系建設。

c)對比模型模擬結果中單一的內澇水深指標與綜合內澇風險評估結果的各風險等級面積占比,綜合內澇風險評估的低風險區的面積占比單一的內澇水深指標少了45%～55%,中風險區多了40%～50%,該種結果印證了基于多源融合信息進行多指標綜合城市內澇風險評估的重要性。