融合自然-社會屬性的城市洪澇韌性評估

關鍵詞：城市洪澇；自然-社會屬性；洪澇韌性評估；系統涌現特征；多主體建模；晉城市中圖分類號：TV122.1文獻標志碼：A doi：10.3969/j.issn.1000-1379.2025.09.008引用格式：，舒心怡，.融合自然-社會屬性的城市洪澇韌性評估[J].人民黃河，2025，47（9）：55-61，69.

Urban Flood Resilience Assessment Integrating Natural-Social Attributes

XU Zongxue1，2， SHU Xinyi ^1，2 ，YE Chenlei3 （1.Collg of Water Science，Beijing Normal UniversityBeijing 10o875，China；2.Beijing KeyLaboratoryof Urban Hydrological Cycleand Sponge City Technology，Beijing 1O0875，China;3.School of National SafetyandEmergency Management， Beijing Normal University，Beijing ，China）

Abstract：Undertheiuenceofclimatechangndaidurbanization，theisuesofurbanfloodingndwaterlogginghaveboeinceas inglysevere，ndteconsuctionofresilientcishasbcoeanimporantwaytoaddressthechallnges.Teeseachprgessoban flod multi-processcoupledsimulationsocialresponsemechanismsandresilienceassessentwereeviewedinhisstudy.Inoerto hanceurbanflooddisasterpreventioandrductiocapabiltis，teXiedrainageareiJchngCity，haniProvince，asselectea casestudyIticoporateddolicaladhdrodamicprocessndsysteegececharactestisuingstoaterflgets intoaresilieneevounframeokbsedonsstedamics，cheingdamicsssmentofflodsileewitttegatioofoth “naturalandcial”atribute.Thesultsshothatitheetesionofterecurenceerodofrinfall，thldohedanageste hassignificantlyincreased，theriskstotepopulationanduldingshavecontiuedtoise，andteincrementofurbanflodeslcehs shown an evolutionary feature of continuous decline.

Keywords：rbafooding；natural-sociaribtes；floodresilenceevoutio；sstemmegececaracteristics；multi-agentodeling Jincheng City

在全球氣候變暖的背景下，極端暴雨事件發生的不確定性與概率不斷增大，城市“熱島效應”“雨島效應\"加劇，且暴雨事件頻率提高、強度增強[2-3]。隨著我國城市化快速發展，至2019年城市化率已達60.6% ，硬化地面的快速無序擴張使得城市暴雨洪澇事件愈加頻繁[4]。在氣候變化和快速城市化背景下，城市洪澇對全球經濟和社會發展造成了相當大的危害[5-6]，已成為最具破壞性的自然災害之一，備受社會各界關注[7]。近年來，我國城市暴雨洪澇問題愈演愈烈[8-9]，2023 年海河“ 23?7^′′ 流域性特大洪水事件中約500萬人受到影響，直接經濟損失達637.39億元[0]。為應對不確定氣候條件下日益嚴峻的城市洪澇問題，提升城市防洪減災能力迫在眉睫。開展城市暴雨洪澇災害模擬和韌性評估，有助于提升城市的防洪排澇能力，減小暴雨洪澇災害帶來的社會經濟損失。

1城市洪澇多過程耦合模擬

城市化進程改變了原有的下墊面條件，顯著影響城市水文響應機制[1]。水文過程模擬作為城市洪澇數值模擬的基礎，能夠描述城市復雜下墊面條件下降雨經下滲、填洼、蒸發等損失后的產流與匯流過程[12]水文模型的發展經歷了集總式向分布式、經驗性向物理性的轉變[13]。城市水文模擬主要包括產流與匯流過程模擬，其中降雨經過初期損失形成的地表徑流、地下徑流及壤中流是匯流演算的主要徑流組分[14]。然而，城市建成區受人類活動影響較大，下墊面類型復雜多樣，加之觀測數據相對匱乏且受測量技術限制，造成對城市下墊面產流規律的認識仍存在局限性[15-16]在城市水文過程模擬中，經驗公式法、數理統計分析方法以及簡化的降雨徑流模型占主導地位，常用方法包括徑流曲線法（SCS法）、徑流系數法和下滲曲線法等[17] 。

相較于水文學方法，水動力學方法采用更精細的研究尺度[18]分析城市洪澇問題，一般基于微元體的質量、動量和能量守恒原理建立偏微分方程組[19]，并利用數學物理方法求解。城市洪澇水動力建模主要解析為一維管網流動和二維地表淹沒2個物理過程。一維管網和河道水流通過圣維南方程組描述橫斷面水位與流量變化[20]，由于該偏微分方程組缺乏解析解，因此通常采用特征線法和有限差分法等數值方法求解[21-22]。一維水動力模型面臨的主要挑戰包括城市河網復雜水力聯系造成的大型矩陣求解問題，以及管網流態在明滿流之間的復雜轉換問題。河網分級法和汊點水位迭代法是求解復雜河網模型較有效的數值方法。當降雨強度超過排水系統承載能力時多余雨水在地表漫流，對此須采用二維淺水模型進行模擬。二維淺水模型基于質量和動量守恒定律構建方程組，可根據地形條件簡化為擴散波或零慣性方程。數值求解方法包括有限差分法、有限元法和有限體積法，而網格結構從結構化到非結構化再到自適應和多重網格技術，能夠有效處理模型的復雜邊界條件[23]

城市洪澇涉及多個物理過程之間的相互作用，采用單一模型難以準確反映其物理機制。城市水文與水動力過程的耦合涉及多過程、多模塊、多尺度，耦合機制的探究體現在多個方面[24]。子匯水單元與管流間的垂向交互通過檢查井或雨水篦子實現垂向連接，在匯流階段將子匯水單元出口流量作為管網入流條件，在溢流階段檢查井或雨水篦子則作為淹沒或退水載體，但目前常用的建模方式往往簡化了真實子匯水區的水文水動力耦合機制，特別是局部低洼區的蓄水過程。匯水單元與明渠流的橫向耦合，通過將子匯水單元出流作為上游及旁側入流邊界實現與匯水區的耦合。針對城市下墊面復雜局部微地形的處理，為滿足實時計算需求，常采用水文水動力學聯合模擬方法，其中河道外圍洪泛區采用二維水動力模型求解，其他區域則采用水文模型處理，從而實現計算精度與效率的平衡。目前水文與水動力的耦合模式在實際應用中仍相對簡化，最常采用的是水文過程驅動水動力過程的單向耦合方式，即將水文過程計算得到的流量作為水動力過程的邊界驅動條件，此時水動力過程在任意時刻的水量均源于前期水文過程的輸出[25]。隨著城市防洪排澇需求的增大和減災意識的不斷提升，對模型計算精度和時效性的要求日益提高，因此采用適當的簡化計算方法可以滿足階段性需求

隨著城市洪澇問題關注度的提高，伴隨著韌性城市理念興起、智慧城市需求提升，近年來城市洪澇領域的研究呈現多元化、多學科交叉的新局面。在此背景下，機理數據雙驅動方法逐漸成為城市洪澇建模的重要發展方向[26-27]。傳統物理模型雖然基于明確的守恒定律和水文水動力過程，可以描述從降雨到洪水淹沒的完整過程，但面臨數據獲取困難、計算量大以及參數率定復雜等問題，難以滿足實時預報需求。與此同時，以機器學習、深度學習為代表的數據驅動方法，通過挖掘歷史數據中的潛在規律建立輸入輸出映射關系，具有計算效率高、適應性強等優勢，但缺乏物理約束且可解釋性較差，在極端情況下泛化能力有限[28]因此，物理機制與數據驅動相結合的雙驅動建模方法應運而生，旨在充分發揮兩種方法的優勢，實現城市洪澇建模的精度與效率并重

2城市洪澇社會響應機制

城市洪澇問題具有自然-社會屬性，這決定了城市防洪減災問題必須綜合考慮自然因素和社會因素來應對[29]。隨著城市化進程加快，城市洪澇的社會性特征日益凸顯，社會因素在洪澇形成和演化過程中發揮著越來越重要的作用。自然環境的復雜性和城市建設的多樣性使得兩種屬性相互影響、彼此制約。強降雨期間，城市經常出現雨水井溢流和地表積水等問題，嚴重影響行人和車輛安全、道路可達性等[30]。因此，分析洪澇的自然和社會維度對于提高城市防洪排澇能力至關重要。

過去對于城市洪澇的分析往往著眼于宏觀尺度，側重于基礎設施和經濟發展的整體情況。傳統宏觀建模方法難以捕捉微觀主體異質性和社會系統涌現特性，忽視了人口作為社會系統重要組成部分的空間互動和活動模式在洪水影響下的動態變化。隨著研究尺度的細化，需要重視城市洪澇對微觀層面承災體，特別是對交通、建筑以及居民生活的影響[31]。社會系統中的個體具有高度異質性，這種異質性既體現在空間分布上，也體現在個體特征的差異上，在極端洪水事件的不同階段，不同個體可能表現出截然不同的行為特征和適應性響應。

多主體建模（ABM）是一種個體導向的評估方法[32]，主要從微觀層面模擬個體行為和相互作用，通過主體間的互動和決策，反映系統動態變化，捕捉系統中的非線性動態、涌現特性以及可能情景和結果。這種自下而上的建模范式為模擬洪水事件中主體的適應性和交互行為提供了有效途徑，彌補了傳統自上而下建模方法對地表洪水控制策略效益評估的不足。這種建模方法能夠模擬不同個體在面對災害時的決策行為，并分析這些行為之間的相互影響，有助于理解城市洪澇的社會維度。

隨著通信技術的快速發展，社交媒體平臺為城市洪澇社會響應研究帶來了革命性變化[33]。通過對時空數據的挖掘能夠捕捉人們受洪澇影響時的真實感受和行為變化，同時基于復雜網絡、深度學習等方法可以解析城市洪澇社會響應中的復雜現象。

3 城市洪澇韌性評估

我國城市洪澇韌性理念起源于海綿城市建設?！笆奈錦"以來，我國城市洪澇治理理念發生了重要轉變。2021年啟動系統化全域推進海綿城市建設示范工作，強調系統化思維和全域覆蓋。在氣候變化和人類活動影響下，為滿足實際防洪排澇需求同時尋求可持續發展方式，城市韌性理念應運而生。韌性城市建設理念強調城市對洪澇災害的抵抗、適應和恢復能力，體現了從“被動適應”向“主動韌性”從“硬對抗”向“軟適應”從單一目標向多元目標轉變的理念躍升。這一發展歷程體現了我國在城市洪澇治理領域從學習借鑒到創新引領的轉變，形成了具有中國特色的城市韌性建設模式。

城市洪澇韌性涵蓋社會、經濟、環境等多個維度，各維度間相互關聯、協同作用，時間尺度上跨越短期應急、中期恢復、長期適應多個階段，空間尺度上包含街區、城市、流域等多層級嵌套，同時具備魯棒性、可恢復性、冗余性、智慧性以及適應性特征。盡管近年來城市洪澇韌性受到高度關注，但其評估框架并未統一。Cutter等[34]提出的場所災害恢復力（DROP）模型，涵蓋基礎設施、生態、社會、經濟、制度和社區能力6個方面;Bruneau等[35]的4R框架將韌性分解為魯棒性、冗余性、資源性、快速性4個維度；Ulrichs等[36的3A框架將城市韌性劃分為吸收、預期、適應能力?，F有研究中圍繞社會、經濟、生態、基礎設施4個維度，從單一維度或多個維度切入進行城市韌性分析，并且按照城市面臨沖擊和擾動的時間進程將城市韌性劃分為抵抗、適應、恢復3個階段。

指標體系評估是常用的定量評估方法，通過構建多層次、多維度的指標框架，將城市韌性分解為可量化的指標。動態建模方法則側重于分析城市韌性隨時間演化過程和系統涌現特性，其中系統動力學方法通過構建存量-流量結構刻畫變量間的因果關系與反饋回路，能夠模擬城市系統在擾動下的動態響應過程。復雜網絡方法從拓撲結構角度分析城市各子系統間的關聯性和脆弱性傳播機制。

4黃河中游晉城市洪澇韌性評估

晉城市位于山西省東南部，屬暖溫帶半濕潤大陸性氣候區，降水集中在7—8月。2022年5月，晉城市開始實行系統化全域推進海綿城市建設。本文將晉城市西河排水片區作為研究區域，面積約 11.39km² ，研究區概況見圖1。

圖1研究區概況

Fig.1Overview of the Study Area

4.1 研究方法

4.1.1 洪澇過程耦合模擬

采用泰森多邊形法將區域離散為子匯水單元，進行各單元產流與匯流模擬。城市化導致土壤滲透性下降，采用Horton下滲模型模擬滲透率變化并量化下滲過程。坡面匯流通過非線性水庫模型模擬，管網匯流通過動力波分析法求解圣維南方程組，并采用隱格式離散化方法確保數值的穩定性。二維水動力過程由淺水方程描述，采用適用于模擬城市洪澇復雜水動力現象的Godunov格式的有限體積法求解。根據暴雨強度公式，采用芝加哥雨型設計暴雨情景，

4.1.2 城市洪澇社會性建模

城市洪澇中的主體具有特定屬性和行為，按照一定規則與其他主體互動。通過分析其在時間和空間上的分布，揭示洪澇驅動下的社會因素演變。

1）人口脆弱性。模型初始化：定義主體與區域（房屋、避險區）等，設置初始狀態（位置、房屋安全等級、水位、地形等）。狀態判斷：主體根據自身安全狀態決定是否繼續移動或采取應對策略。移動策略：根據房屋安全等級，主體采取不同避險措施，其中輕度危險尋找安全房屋，中度危險尋找輕度危險房屋，重度危險尋高地避險。環境變化時，實時更新主體路徑和狀態，確保適應新條件。

2）人群疏散。根據水動力模型的模擬結果，構建基于ABM的人群疏散模型。模型中的網格單元包含疏散點、水深和土地利用類型等，疏散點通過城市POI數據（學校、醫院）設定。行人接到疏散指令后，前往最近的疏散點，若疏散點已滿，則轉向其他疏散點。行人根據年齡分為老人、青年和幼年3類，具有不同的反應時間和移動速度，移動速度受積水和人群密度影響。積水加深會減緩行人移動速度，水深過大則阻斷通行。行人移動速度與人群密度負相關，密度增大時速度下降。

3）出行路徑。利用水動力學模型提供的動態積水數據，結合最優路徑算法和積水數據，為行人從起點（0）到終點 （D） 選擇最優路徑，人群出行路徑計算流程見圖2。以單位距離出行任務數（主體出行次數與行程數的比值）評估道路可達性。

4.1.3 基于系統動力學的城市洪澇韌性評估

城市洪澇系統具有自然-社會屬性，結構復雜。本研究將社會系統中的人口作為主體，觀察個體涌現產生的宏觀效應，并基于系統動力學（SD）模型量化和表征城市洪澇韌性指標，將城市作為整體進行研究。

1）確定SD模型邊界和尺度，構建城市洪澇韌性評估指標體系。綜合考慮災前抗災能力、災中適應能力和災后恢復能力，建立多層次評估指標體系，并確定各指標權重。調整時間尺度，以小時或分鐘為單位，設定模擬時段，完整捕捉事件全過程變化。

2）定義因果關系圖與存量流量圖。洪澇系統動力學模型包含水準變量、速率變量、輔助變量、常量、外部變量和反饋循環等基本元素，通過正 （+） 、負（-）反饋循環的相互作用，表征洪澇系統的復雜動態特征。

3）賦權與模型模擬。利用層次分析法確定指標權重，結合SD模型模擬不同情景下城市洪澇韌性的動態演化及影響因素，城市洪澇韌性評估指標及權重見表1。

表1城市洪澇韌性評估指標及權重

Tab.1 Urban FloodResilienceAssessment

4.2 結果與討論

4.2.1 洪澇特征分析

西河排水片區暴雨洪水管理模型（SWMM）包括636 個節點、641節管段、636個子匯水區[37]。采用率定的參數組合，模擬相同降雨條件下地表淹沒情況，對比內澇點位置處模擬水深與實測水深，結果誤差在±10% 以內，表明該參數組合下模型具有合理性。

統計不同重現期排水系統負荷，結果見圖3。溢流節點數和超載管道數隨著重現期的延長而增大。重現期為10a時溢流節點數占總節點數的 77.52% ，100a時增大為 84.43% ，表明強降雨事件時地下管網的排水能力不足；重現期為10a時超載管道數占管道總數的 94.58% ，100a時增大為 97.39% ，表明管網的排水效率較低，重現期為10a時系統已超負荷運行，從而影響排水效率。

基于構建完成的SWMM模型，采用雙向耦合的方式實現地下管網與地表之間的水量耦合，模擬重現期分別為 10，20，50，100a ，峰現時間為 60min 時的地表淹沒情況。隨著重現期的延長，積水范圍和淹沒水深均顯著增大，重現期為10a時，水深 ?0.15m，0.15～ 0.4m，gt;0.4m 的面積分別為 2.03，0.29，0.21km² ；重現期為100a時，水深 ?0.15m.0.15～0.4m.gt;0.4m 的面積分別增大為 2.20，0.44，0.33km² 0

圖3不同重現期排水系統負荷

4.2.2 人口脆弱性分析

通過多主體建模分析暴雨洪澇期間人口脆弱性，將人口和建筑物作為多主體模型中的主體。根據主體所處位置的水深和流速，將人口、建筑物均劃分為安全、低風險、中風險和高風險主體。采用風險人群暴露度評估洪澇風險，風險人群暴露度反映風險（低風險、中風險和高風險）人口與安全人口的比例，值越大表示風險人數占比越高。采用多主體建模分析不同洪澇階段研究區不同風險等級的主體數量，降雨時間為^2h ，總模擬時間為 3h 。圖4、圖5展示了不同降雨重現期人口風險及風險人群暴露度的變化。重現期為10a時，低風險主體數占比較高。隨著重現期的延長，風險（低風險、中風險、高風險）主體數在降雨峰值前增大，但在退水過程中趨于平穩。

圖4不同重現期人口風險

圖5場次暴雨洪澇過程中風險人群暴露度變化 Fig.5Variation in the Exposure of At-Risk Populations DuringStormFloodEvents

不同重現期建筑物風險變化見圖6。建筑物受周圍積水影響的敏感性較小，不同風險等級建筑物數量的變化比較平穩。不同風險等級建筑物數量變化受積水和退水過程影響，初始階段管道排水能力尚未受到限制，幾乎所有建筑物都是安全的；隨著雨峰的到來，安全的建筑物數量開始減少，同時具有風險的建筑物數量增加。重現期為 10，20，50，100 a情景下，降雨120min 時具有風險（低、中、高風險）的建筑物數量分別為163、168、197、200，占總建筑物數量的 52.92% ！54.55%.63.96%.64.94% 。

4.2.3 人群應急疏散與出行路徑分析

本文采用整體疏散及2種分區疏散策略。分區疏散方案分別依據淹沒程度、人口密度從高到低進行疏散，并在不同分區之間設置了 20min 的時間間隔。在重現期為 10a 時，整體疏散和按人口密度疏散的速率減小，而按淹沒程度疏散的速率則呈現先增大后減小的變化趨勢。整體疏散方案的效率較高，時間較短，而分區疏散方案可以優先解決高風險區域的緊急疏散問題。在不同重現期情景下，單位距離出行任務數呈波動上升趨勢，增長率隨時間延長而降低，并最終趨于穩定。降雨重現期對單位距離出行任務數有顯著影響：重現期為10a降雨 60min 時為0.23，重現期為100a降雨 60min 時為0.16;重現期為10a降雨 180min 時為0.36，重現期為100a降雨 180min 時為0.28。隨著重現期延長，單位距離出行任務數呈下降趨勢

圖6不同重現期建筑物風險變化

Fig.6Variation in Building Risk Under Different Return Periods

4.2.4城市洪澇韌性演變分析

基于抵抗力、適應力和恢復力3個維度，采用系統動力學模型實現場次暴雨下城市洪澇韌性的定量分析。在重現期分別為10、20、50、100a時，城市洪澇韌性隨時間的變化見圖7。降雨初期，地下管網排水壓力加大，但隨著地下管網排水壓力的持續增大，城市洪澇韌性增量逐漸減小為負值，表明排水系統接近容量極限，無法有效排水。隨著雨強增大和降雨時間延長，綠地和排水設施的承載能力超負荷，城市洪澇韌性下降，積水增多，對交通、居民生活和基礎設施產生不利影響。降雨 60min 時雨強達到峰值，城市洪澇韌性下降加快，降雨 120min 后趨于穩定。不同重現期城市洪澇韌性變化差異明顯，隨著降雨重現期延長，城市洪澇韌性增量呈現不斷下降的演化特征，如：重現期為10a時，城市系統恢復較快，對低強度暴雨事件具有較強韌性；重現期為100a時，暴雨后城市洪澇韌性顯著下降，恢復速度減緩，表明強暴雨對城市系統的恢復造成較大壓力。

圖7城市洪澇韌性變化

Fig.7 VariationinUrbanFloodResilience

5 結論

城市洪澇模擬已從傳統的集總式、經驗性水文模型發展為分布式、物理性的水文水動力耦合模型，機理數據雙驅動方法成為新的發展趨勢，實現了模擬精度與計算效率的平衡。城市洪澇社會方面的研究經歷了從自上而下的靜態分析向自下而上的動態建模的范式轉變，多主體建模方法通過刻畫個體異質性和捕捉系統涌現行為，能夠有效彌補傳統宏觀建模方法在社會系統復雜性表征方面的局限性。我國城市洪澇治理理念經歷了從海綿城市到韌性城市的重要轉變，城市洪澇研究呈現多學科交叉、多尺度耦合、多過程集成的發展態勢，但現有研究難以有效整合社會響應的復雜性與韌性評估的系統性，構建綜合框架有助于實現自然-社會屬性的協同建模與評估。

黃河中游城市山西省晉城市西河排水片區洪澇韌性評估表明：隨著降雨重現期延長，排水系統壓力延長，重現期由 10a 延長至100a時，溢流節點比例從77.52% 增大至 84.43% ，超載管道比例從 94.58% 增大至 97.39% ，地下管網排水能力不足；降雨 120min 時，重現期為 10，20，50，100 a降雨的風險建筑物數量占比分別為 52.92%.54.55%.63.96%.64.94% ;重現期為10a時，分區疏散方案中的按淹沒程度疏散的速率先增大后減小，而整體疏散方案疏散的速率較高，時間更短；隨著降雨重現期延長，城市洪澇韌性增量逐漸減小，重現期為10a時城市系統恢復較快，重現期為100a時城市系統恢復速度減緩。

參考文獻：

[1] 張建云，王銀堂，賀瑞敏，等.中國城市洪澇問題及成因分析[J].水科學進展，2016，27（4）：485-491.

[2] 王浩，王佳，劉家宏，等.城市水循環演變及對策分析［J].水利學報，2021，52（1） ：3-11.

[3]左其亭，王子堯，馬軍霞.我國現代治水研究熱點與發展展望[J].水利發展研究，2024，24（6）：13-19.

［4］張金良，羅秋實，王冰潔，等.城市極端暴雨洪澇災害成因及對策研究進展[J].水資源保護，2024，40（1）：6-15.

[5]徐宗學，葉陳雷.從“城市看海\"到“城市看江”：極端暴雨情景下福州市洪澇過程模擬與風險分析［J].中國防汛抗旱，2021，31（9） ：12-20.

[6]馮平，崔廣濤，鐘昀.城市洪澇災害直接經濟損失的評估與預測[J].水利學報，2001，32（8）：64-68.

［7］劉洪波，菅浩然.氣候和下墊面要素對涇河流域徑流變化的影響[J].人民黃河，2021，43（1）：22-28.

［8］李國英.進一步全面深化水利改革為推動水利高質量發展、保障我國水安全作出新的貢獻：在2025年全國水利工作會議上的講話[J].水利發展研究，2025，25（1）：1-12.

[9]陳文龍，楊芳，宋利祥，等.高密度城市暴雨洪澇防御對策：鄭州“ 7?20^… 特大暴雨啟示［J].中國水利，2021（15）：18-20，23.

［10］李肇桀，張旺，劉璐.大力發展新質生產力助推水利高質量發展;關于水利行業發展新質生產力的認識和思考[J].水利發展研究，2024，24（6）：1-6.

[11］張建云，宋曉猛，王國慶，等.變化環境下城市水文學的發展與挑戰：I.城市水文效應[J].水科學進展，2014，25（4） ：594-605.

[12]徐宗學，葉陳雷.城市暴雨洪澇模擬;原理、模型與展望[J].水利學報，2021，52（4） ：381-392.

[13］夏軍，張印，梁昌梅，等.城市雨洪模型研究綜述［J].武漢大學學報（工學版），2018，51（2）：95-105.

[14］黃楚雯，管永樂，王洪發.基于RF-LSTM模型的城市洪澇積水模擬研究[J].人民黃河，2025，47（6）：50-56.

［15］宋曉猛，張建云，王國慶，等.變化環境下城市水文學的發展與挑戰：ⅡI.城市雨洪模擬與管理[J].水科學進展，2014，25（5） ：752-764.

［16］鄭軍，張辛，劉清蘭，等.基于正交曲線網格的河道地形插值方法及應用[J].人民黃河，2023，45（7）：62-67.

［17］李尤，潘興瑤，邸蘇闖，等.海綿措施防洪排澇影響定量分析研究[J].人民黃河，2021，43（1）：53-60.

［18］李欣怡，侯精明，潘占鵬，等.局部土地利用類型變化對城市水文過程的影響研究[J].人民黃河，2024，46（6）：26-33.

［19］魏翼飛，崔彥萍，周昂，等.城市小流域暴雨洪水響應本構關系［J].水科學進展，2025，36（1）：155-165.

[20]CHEN Zhiwei，HUANG Guoru.Numerical Simulation Study onthe Effect of Underground Drainage Pipe Network in TypicalUrban Flood[J].Journal of Hydrology，2024，638：131481.

［21］葉陳雷，徐宗學，李小雁.城市洪澇智慧控制與社會系統響應思考及探討[J].中國水利，2025（5）：37-43.

［22］喬明葉，周進.平原河網區“洪澇統籌”體系構建關鍵技術探討[J].水利發展研究，2024，24（10）：54-59.

[23］徐宗學，葉陳雷，廖如婷.城市洪澇災害協同治理;研究進展與應用案例[J].地球科學進展，2023，38（11）：1107-1120.

[24]舒心怡，徐宗學，葉陳雷，等.考慮空間異質性特征的城市洪澇動態風險分析[J].學報（自然科學版），2024，60（3） ：375-385.

［25］卜良河，侯精明，薛樹紅，等.區域排水能力對雨算子堵塞程度響應規律模擬研究[J].人民黃河，2024，46（12）：56-61.

[26］劉勇，張韶月，柳林，等.智慧城市視角下城市洪澇模擬研究綜述[J].地理科學進展，2015，34（4））：494-504.

［27］吳京戎，陳鑫.基于文獻計量的城市洪澇災害研究熱點與趨勢分析[J].人民黃河，2023，45（4）：52-57.

[28］黃國如，陳志威，曾博威.城市洪澇模型及CPU-GPU 異構并行計算技術研究進展[J].水利學報，2023，54（6）：654-665.

[29]舒心怡，徐宗學，葉陳雷，等.晉城市洪澇驅動下微觀與宏觀耦合建模的社會系統響應及韌性分析［J].水資源保護，2025，41（3） ：65-74，118.

[30]HE Haiqi，LI Rui，PEI Jianzhong，et al.Current Overview ofImpact Analysis and Risk Assessment of Urban PluvialFlood on Road Traffc[J].Sustainable Citiesand Society，2023，99：104993.

[31]KUMAR Akshay，BISWAS Sripali， RALLAPALLI Srinivas，et al.Micro-Macro-Scale Flood Modeling in Ungauged Chan-nels ： Rain-on-Grid Approach for Improving Prediction Ac-curacy with Varied Resolution Datasets[J].Journal of Hy-drology，2025，654：132862.

[32］曹雪健，許金玉，戚友存.“三道防線\"建設賦能城市洪水預報：內在機理和技術路徑［J].水利發展研究，2024，24（8） ：27-30.

[33]PENG Jiaqi，ZHANG Jianmin.Spatiotemporal Assessment ofUrban Flooding Hazard Using Social Media： A Case Studyof Zhengzhou\"7 ·20”[J].Environmental Modelling amp; Soft-ware，2024，176：106021.

[34]CUTTER S L，BURTON C G，EMRICH C T.Disaster Resili-ence Indicators for Benchmarking Baseline Conditions[J].Journal of Homeland Security and Emergency Management，2010，7（1） ：1-22.

[35] BRUNEAUM，CHANGSE，EGUCHIRT，etal.AFrameworkto QuantitativelyAssessand Enhance theSeismic Resilience of Communities[J].Earthquake Spectra，2O03，19 （4）：733-752.

[36] ULRICHS M，SLATER R，COSTELLA C.Building Resilience to Climate Risks Through Social Protection：FromIndividual

ised Models to Systemic Transformation[J].Disasters，2019（S3）：S368-S387.[37] 舒心怡，徐宗學，葉陳雷，等.海綿措施空間布局優化下的晉城市洪澇水深-流速聯合分布特征[J].水資源保護，2025，41（1） ：76-84.

【責任編輯 呂艷梅】