廣州城市暴雨內澇模型模擬效果評估

李海燕，吳曉絢，王婷，潘蔚娟，肖婷，葉?，?/p>

(1.廣州市氣候與農業氣象中心，廣東 廣州 511430；2.廣州市氣象臺，廣東 廣州 511430)

1 引 言

隨著河南鄭州遭遇“7·20”特大暴雨之后，我國的城市內澇問題，再度成為熱點難題。鄭州市因城市內澇導致地下室、車庫、地下管網等地下空間多人溺亡。廣州市是粵港澳大灣區的核心城市之一，也是暴雨多發城市，暴雨具有發生頻率高、強度大、分布集中的特征，導致城市地面雨水不能及時排出產生的內澇和城市河涌行洪能力不足導致的河水漫溢淹城，帶來不可估量的生命和財產損失[1-6]。譬如，2020年“5·22”特大暴雨過程，廣州全市共410 處積水，多地出現水淹，增城官湖地鐵站、新沙地鐵站嚴重浸水導致地鐵13號線停運，全市死亡4 人。另外，我國隨著城鎮化快速發展，城市暴雨內澇災害難以完全避免，也是各個地區面臨的共同問題；因此深入分析城市內澇問題，防患于未然是各地政府必不可少的基礎公共課。

當前，應對城市內澇災害問題，我國各地相關單位開展內澇影響預報和風險預警[7-17]。早期，天津市氣象科學研究所建立了天津市城區內澇仿真模型[8-9]，該內澇仿真模型對瀝澇動態進行監測和預報，在南京、深圳、西安等十幾個城市得到推廣應用。此后，張萍萍等[11]設計了適合武漢市的城市積澇仿真模型。楊辰等[15]研究采用概化方法針對外環內中心城區構建上海暴雨內澇評估模型，該模型可較好地模擬本市中心城區的內澇積水狀況?？梢?，構建城市內澇數值模擬模型，實現城市內澇風險預警是可行的，為城市防澇救災和城市發展規劃提供決策依據。

城市內澇模型一般采用水動力模型方法，模擬城市內澇形成和演進過程，該方法通過計算水流的流速、流向和水深，能真實地反映城市復雜條件下的水流現象。仇勁衛等[18]以二維非恒定水力學模型為基礎，采用無結構不規則網格，直接利用降雨信息進行城區瀝澇仿真模擬。解以揚等[8-9]對該模型進行了改進，模型以平面二維非恒定流的基本方程和無結構不規則網格劃分技術為骨架，根據天津、南京及南昌不同的地形地貌特征分別設計了不同計算網格。何文華[19]構建基于無結構網格的水動力模型，對2007 年7 月18 日濟南市突發強暴雨洪水進行數值模擬，研究區域內的水流情況及洪水淹沒范圍。喻海軍[20]基于水動力學方法，研究了城市洪澇數值模擬計算方法，將模型應用于深圳市區民治水庫潰壩洪水風險分析和廣州市新河浦社區暴雨洪水計算，并得出了較合理的結果。尹志聰等[14]根據北京城市地表、河道溝渠及排水管網等水文水動力學過程，建立了北京城市內澇數值模擬，主要模擬北京積水深度特征。黃清雨等[21]采用局部等體積法和水動力模型模擬上海城區內澇變化情況。苑希民等[22]采用小尺寸結構化網格構建石家莊市暴雨內澇水動力模型。我國在城市洪澇數值模擬技術方面研究不斷深入[23-27]，為城市洪澇災害管理提供有效的支持。

廣州是經濟快速發展的城市，尤其是，地下停車場、下凹式立交橋和地鐵的大量修建，快速增加了新的城市內澇風險點，因此，為更深入研究廣州城市暴雨內澇特征，廣州市氣象局基于廣州地形數據，采用水動力方法，結合精細化降水預報，建立了廣州城市暴雨內澇模型[28-29]，模型考慮不同土地利用類型，賦予城市建筑一定高度。模型可連續模擬城市內澇24 h 內逐6 min 的積水深度及對應的風險等級。

本文擬利用災情資料和內澇點積水深度數據對模型模擬結果進行評估，以期為廣州暴雨內澇的影響預報和風險評估提供技術支撐。

2 資料與方法

2.1 資 料

(1) 廣州市全市416 個雨量站的降水觀測資料，(2) 廣州市中心城區內澇信息來源主要是廣州市排水管理中心，郊區的內澇信息由各區氣象局從當地相關部門獲取。通過整理廣州市排水中心的暴雨防御簡報和一雨一報表，得到廣州市內澇過程中對應的內澇隱患點及內澇過程(開始時間、結束時間、積水深度及內澇原因等)的信息。

為了更好地描述廣州市積水內澇災害范圍和程度，參考廣州市歷年積水資料和受災情況，將暴雨內澇預報劃分為四個等級(表1)，分別是Ⅳ級對應的積水深度為5.0～19.9 cm，Ⅲ級對應的積水深度為20.0～59.9 cm，Ⅱ級對應的積水深度為60.0～119.9 cm，Ⅰ級對應的積水深度為≥120.0 cm。

表1 廣州市暴雨內澇預報等級劃分

此外，文中提到的重現期暴雨是指在一定年代的雨量記錄資料統計期間內，大于或等于某暴雨強度的降雨出現一次的平均間隔時間，為該暴雨發生頻率的倒數；模型模擬的命中率是指模型能模擬出實況內澇點的概率，即模擬出的實況內澇點與總實況內澇點之比。

2.2 廣州城市內澇模型

廣州市城市暴雨內澇模型就是模擬雨水落到地表之后，形成徑流，到排出的過程。該模型理論基礎是在水動力學理論上構建的，是基于水動力學方程的內澇模型，具體是把城市地表劃分為一定分辨率柵格，然后在單個柵格及柵格之間計算產匯流，通過柵格產匯流計算后的水量進入城市排水管網進行傳輸，在排水管網中按照水動力學的方法進行流量的推演?；谒畡恿δＰ偷膬葷衬Ｐ妥畲髢瀯菘稍敿汅w現城市內澇形成的整個過程，數據精度要求高[30]。因此，廣州市城市暴雨內澇模型雨水整個運動過程可分為四個模塊：(1) 降雨模塊，主要是指時空分布有差異的降雨過程；(2) 產流模塊，為雨水在地表的產流過程；(3) 地表匯流模塊，對應雨水徑流匯集到雨水口的過程；(4) 管網匯流模塊，為排水管網的將雨水輸送到受納水體的過程。下面分別介紹四個模塊的特征。

(1) 降雨模塊。

主要利用逐6 min的雷達定量降水估測(QPE)產品(插值成50 m×50 m)更新1 h、3 h累計降水。

(2) 產流模塊。

產流模型采用美國農業部水土保持局開發的經驗水文模型——SCS 模型(Soil Conservation Service，1972)。SCS計算公式：

其中，Q為徑流深度(mm)，P為一次降雨的總量(mm)，Ia為初損值，S為飽和儲水量(mm)。Ia計算引入下式：Ia=0.2S。S計算公式為：S=25 400/CN-254，CN(Curve Number)是反應降雨前流域特征的綜合參數，與土壤濕潤程度(AMC)、坡度、土壤類型、植被和土地利用類型有關。

(3) 匯流模塊。

DEM 數據是地理空間基礎數據，本文使用30 m 分辨率數字高程數據，代表城市地形的高程變化。由于城市建筑對水體的阻擋，會改變水體在城市地表的分布，需要進行城市建筑修正：Mi=Di+Hi，其中，M表示修正后柵格單位高程值，D表示原地形高程值；H表示城市建筑高度，將建筑當作不可淹沒的柱體，高度取10 m。

匯流采用快速淹沒法：從邊界出發，搜索上游區域的操作所經過的路徑是高程不減的，即后搜索到的格網高程大于等于先搜索到的格網，搜索操作在遇到較低的格網時停止。如果DEM 中存在洼地地形，完成所有邊界格網的上游搜索后，外部邊界將向內部移動，形成一個內部邊界，內部邊界格網至少要比其未處理的8 鄰域格網中的一個格網高。內部邊界可在逐步搜索上游區域的過程中確定，保存在另一個優先級隊列中。如此往復地搜索上游區域和填平洼地，直到DEM 中的所有格網都已被處理。遍歷一次DEM 后，即可確定洼地區域的范圍和出口等特征。

(4) 排水模塊。

排水模塊忽略管網的計算，采用暴雨強度公式表征排水能力，由于現在只有廣州中心城區的暴雨強度公式，故采用統一標準。模擬計算時，除了排水，還要考慮上一時刻的積水情況。

3 廣州城市暴雨內澇模型模擬

3.1 “5.22”暴雨內澇過程的模擬

3.1.1 “5.22”降水和積水實況

2020 年5 月21—22 日(北京時間，下同)，廣州市出現暴雨到大暴雨，局部特大暴雨(圖1)。 此次暴雨過程的小時雨強強度和范圍均超歷史紀錄，全市有42 個測站的小時雨強超80 mm，破歷史記錄；超50 mm 的測站占82%，超100 mm 的測站占52%，250 mm 以上的雨量測站占5%；其中，黃埔區珠江街錄得全市最大小時雨量為167.8 mm，超百年一遇，錄得3 h 最大降水量288.5 mm，1 h 和3 h雨量都破黃埔區歷史極值。

圖1 2020年5月21日18時—22日07時廣州總降水量(mm)

據不完全統計，全廣州市共形成積水點410處，主要集中在廣州的中部地區(圖2a)。從總體看，廣州中北部積水比南部嚴重，東部積水比西部嚴重。積水最嚴重主要分布在增城西南部和黃埔南部地區，積水深度基本上都超過1 m，最大積水深度達4 m，出現在增城新塘沙埔市場；中心城區的天河、海珠積水深度也較大在0.5～1.0 m 之間。另外，圖2b 給出了“5.22”內澇過程對應的風險等級空間分布特征，內澇風險一級主要分布在增城和黃埔的南部地區，與最大積水深度區對應，二級、三級內澇風險等級主要分布在海珠、天河地區。此外，黃浦區南部地區積水深度大部分超多3 m，造成嚴重內澇導致人員傷亡、車輛受損；例如，黃埔區南部的開源大道隧道(積水深度3 m)水浸嚴重造成2人溺亡；內澇也引發山體滑坡等次生災害，黃埔區發生3 起山體滑坡，導致4 間房屋倒塌，2人遇難。

圖2 “5.22”內澇積水點的積水深度(a，cm)和風險等級分布(b)

可見，此次過程雨量最大的黃埔南部、增城西南部地區對應積水明顯，積水深度最大達4 m，大部分超3 m，特別是隧道、涵洞、橋底、地鐵等易澇風險點，也易造成災情，因此要特別關注這些地區做好相關措施。

3.1.2 模型模擬“5.22”積水情況

為了驗證該模型的模擬效果，本文以廣州市自動氣象站的降水觀測數據為驅動條件，模型從5月21 日18 時 開 始模擬到22 日07 時，共13 小時。最大積水深度如圖3所示，模型能夠模擬出增城西南部和黃埔南部地區嚴重內澇，積水深度為1.0～1.5 m，最大積水深度為1.5 m，位于黃埔區黃埔東路2 756 號，與積水實況對比(圖2)發現，盡管模型模擬出了該地區不少的積水，但和實況相比明顯偏弱。同時，模型對中心城區的天河、海珠及越秀區，尤其是天河部分地區的內澇積水也有很好的模擬能力。天河區的華南師范大學周邊模擬出超過1m的積水，部分地區積水深度為0.5 m 左右，這和災情分布是相符的。另外從內澇風險預警等級分布來看，預警發布與積水深度相對應的，但是一級內澇風險等級比實況的少，特別是黃埔和增城南部的內澇預警點明顯偏少，模型對番禺區的內澇風險等級預警偏高。具體看模型對各等級的模擬情況(圖4)，模型對一級、二級及四級內澇風險等級內澇點的模擬明顯比實況偏少，對三級內澇點模擬與實況相當。

圖3 同圖2，但為模型模擬結果

圖4 模型模擬的風險等級與實況對比結果

本研究還采用內澇點的實況積水深度與模型模擬結果進行了對比分析，由表2 可見，模擬的積水深度與實測結果存在偏差，模擬的積水誤差小于20 cm 占40%，30 cm 以內，大約占64%，誤差基本在30 cm 以下，但36%的內澇點積水誤差大于30 cm。在大于30 cm 的誤差中，主要是模擬的積水深度結果偏小?？傮w來看，利用該模型得到的積水深度與實測結果大體吻合。

表2 廣州暴雨內澇模型積水深度誤差統計

一般來說，下凹式隧道、橋底、地下車庫、地鐵站、低洼路面等極易成為周圍降雨的客水匯流區或產生地下涌出水，是城市內澇的高風險點。本研究針對這些內澇高風險點進行了更細致的檢驗分析，表3 中的內澇點主要集中在廣州中部地區，少數位于廣州北部和南部地區。大部分內澇點的模擬和實測值比較吻合，如車陂隧道北、萬洲大橋、天河客運站、廣園路橋底、永寧街第一小學、東聯學校、白石瑤田市場等。這些內澇點的積水一般在1m 以下，模型對這種量級的積水有不錯的模擬能力?？茖W大道實測積水1.4 m，模擬值0.1 m，官湖地鐵站積水1.5 m，模擬值0.3 m，派潭小徑村實測積水1.0 m，模擬值0.0 m，其他積水達到2 m 或以上的內澇點，模擬結果明顯偏小，大部分沒有超過1 m。說明，該模型對積水深度為2m 左右內澇點模擬能力比較差，這可能是因為模型中對大范圍降雨考慮不足的原因。

表3 “5.22”積水模擬和實況對比(m)

可見，通過“5.22”典型的內澇實況對比發現，模型對嚴重內澇點模擬效果比較差，因此要根據積水深度實況及災情調查結果，調整模型的參數，比如在降雨模塊提高QPE 估測的累計降水量，以期實現模型能夠更真實地模擬內澇積水過程。

3.2 不同重現期暴雨內澇模擬

廣州城市化的高速發展，使大量人口涌入中心城區，居住環境受到影響，土地利用率提高，城市建筑等設施快速發展，使得廣州市中心城區內澇頻發，因此基于構建的廣州城市內澇模型，分別模擬了1h和3 h重現期雨量下的廣州中心城區內澇分布情況。

降水重現期計算采用皮爾遜Ⅲ型概率分布函數的推算結果，得到廣州中心城區(天河、越秀、荔灣、海珠)10 年、20 年、50 年、100 年一遇的1 h 重現期雨量分別為75 mm、83 mm、87 mm、92 mm、99 mm(表4)；3 h 重現期雨量分別為124 mm、143 mm、154 mm、167 mm、184 mm(表5)。1 h 重現期雨情下，積水深度一般在20 cm 以下，占總面積的50%左右，部分在20～59 cm。3h降雨情景下，積水面積繼續擴大，積水明顯加深，積水深度一般在20～59 cm，占總面積的50%左右，部分在0～20 cm 和60～119 cm。6 h 和12 h 重現期雨情下的特征變化基本一致的(圖略)，積水面積隨著歷時的增加，積水面積擴大，積水加深，積水深度一般在20～59 cm，占總面積的40%～50%，其次是在60～119 cm 之間，占總面積的30%～40%。從模擬的積水總面積看，基本上是隨著歷時的增加而增大的?？梢?，雨量越大，歷時越大，廣州中心地區就越容易遭受暴雨內澇災害。

表4 1 h重現期雨量下的積水模擬結果

表5 3 h重現期雨量下的積水模擬結果

4 業務應用

2018年廣州城市暴雨內澇模型開始在廣州城市暴雨內澇監測預警平臺正式運行，因此，對2019—2020 年廣州暴雨26 個內澇過程的風險等級模擬結果進行評估，內澇風險等級是按照表1中的積水深度劃分的等級，模型對近兩年內澇過程內澇風險等級的模擬命中率為65%(模擬出實測的內澇點概率)，顯然，模型對暴雨內澇風險等級的命中率可作為暴雨內澇等級的參考；模型對不同總降水量量級的內澇過程的命中率為24%～73%，具體的對總降水量為50～100 mm 的降水過程命中率最高為72.8%，對總降水量級大于250 mm 的降雨命中率最低為24.9%，即模型對量級小的降水過程模擬效果較好，可能與降水過程內澇點較少有關，而嚴重降水過程范圍廣內澇點多，命中概率較??；此外，對風險等級模擬命中率最高的是三級為47.1%，而對一級內澇風險等級的命中率最低為2.0%。在實際業務過程中通過與實況災情調查對比之后，調整模型相關參數，特別是模型對嚴重內澇風險模擬不足的情況下，因此要在降雨模塊中提高QPE 累計降水量量級，以期提高對嚴重內澇預報的準確性。當然，目前模型準確度可滿足一般的業務需要。

5 結論與討論

研究基于廣州城市暴雨內澇模型，通過模擬內澇個例得到對應的內澇點積水深度和內澇風險等級。在此基礎上，充分利用“5.22”內澇過程的內澇點實測積水深度和內澇風險等級對模型模擬結果進行了定量評估。結果表明，本研究所用暴雨內澇模型對近兩年暴雨內澇點內澇風險等級命中率達65%，對總降水量為50～100 mm 的降水過程命中率最高為72.8%，對三級內澇風險等級模擬命中率最高為47.1%。模型對“5.22”模擬的積水實況和實況相比偏弱，模擬的積水誤差主要分布在30 cm 以內，大約占64%，大部分模型計算積水偏小，積水偏低的地區主要位于廣州中北部地區。模型對積水1m以下內澇點的積水有不錯的模擬能力，而對2m左右的深積水模擬能力還有限。此外，不同重現期雨情下，廣州中心城區的積水深度存在差異，降雨量和歷時增加時，積水面積也對應擴大，積水明顯加深。1 h 重現期雨情下，積水深度一般在20 cm 以下，部分在20～59 cm。3h降雨情景下，積水深度一般在20～59 cm，部分在0～20 cm和60～119 cm。

總體而言，模擬與實際內澇積水情況基本吻合，模型的準確度一般可滿足業務需求，同時也為廣州暴雨內澇的影響預報和風險等級預報預警提供技術支撐。在實際業務過程中通過與實況災情調查對比之后，根據積水深度和災情實況來調整模型各個模塊的相關參數，特別是模型對嚴重內澇風險模擬不足的情況下，要根據實況一級、二級內澇風險等級的分布區域在降雨模塊中提高該區域的QPE 累計降水量量級，以期提高對嚴重內澇預報的準確性。當然，目前模型準確度可滿足一般的業務需要。