PenJing8|盆景吧: 分享我的盆景生活日志

杭州主城区暴雨水淹灾害模拟与影响因子分析

日期:2023-08-22 10:37:25     作者:翁媛媛    浏览:0    
核心提示:以杭州主城区为例,利用ArcGIS10.2重分类中的手动分类法,结合地理探测器模型研究杭州主城区暴雨水淹灾害与高程、坡度、植被覆盖度、非渗透表面丰度、天然水体保持率和距河流距离6个影响因子的相关关系。通过地理加权回归预测6个影响因子
杭州主城区暴雨水淹灾害模拟与影响因子分析
 
摘要:【目的】近年中国多个大中城市突发极端暴雨灾害并导致严重内涝,探究城市暴雨水淹灾害的影响因子并对其进行模拟评估,以探讨城市对暴雨水淹灾害的承载能力。
 
【方法】以杭州主城区为例,利用ArcGIS10.2重分类中的手动分类法,结合地理探测器模型研究杭州主城区暴雨水淹灾害与高程、坡度、植被覆盖度、非渗透表面丰度、天然水体保持率和距河流距离6个影响因子的相关关系。通过地理加权回归预测6个影响因子作用下杭州主城区水淹灾害的空间分布。
 
【结果】研究结果显示,杭州主城区水淹灾害与城市空间的高程、坡度、植被覆盖度、距河流距离呈负相关关系,与非渗透表面丰度呈正相关关系。杭州主城区暴雨水淹灾害的6个影响因子按影响程度排序为:植被覆盖度>坡度>高程>距河流距离>非渗透表面丰度>天然水体保持率。所有影响因子的交互作用均增强了单因子对水淹灾害的影响,并呈现出两两相互增强或非线性增强的关系。从空间分布上看,杭州主城区暴雨水淹灾害呈现多核心分布状态,整体上主城区中部主要为高风险和次高风险区域,其余区域主要为中风险、次低风险和低风险区域。
 
【结论】结合模拟成果和实践应用发现,当城市空间的高程大于40m,坡度大于10°,植被覆盖度大于60%,非渗透表面丰度小于40%,距河流距离大于500m时,能够对高风险与次高风险区域严重的水淹灾害起到有效的缓解作用。
 
近年来,浙江省自然灾害多发、频发。根据《浙江省国民经济和社会发展统计公报》,2011—2015年,浙江省累计受灾4722.1万人次,经济损失1461亿元[1]。随着城市化进程加快,市区不透水表面面积增加,杭州近年遭遇台风暴雨时暴雨水淹灾害多发,给当地社会经济生产活动带来极大影响[2]。在此背景下,进行科学、合理的暴雨水淹灾害风险评估及预防尤其重要。
 
水淹灾害是一种复杂的自然和社会现象,是自然因素和人类活动因素双重作用的结果[3]。从自然因素的角度看,暴雨水淹灾害主要受气象和地形条件的影响。气象条件的影响体现在全球气候变化引起的极端天气导致高强度的局部降雨集中[4];地形条件的影响体现在海拔、高度和坡度的不同导致水淹灾害产生的风险不同[5-6]。从人类活动因素的角度看,城市排水系统不良和土地覆盖类型的变化对暴雨水淹灾害有重大影响。

许多城市的排排水系统存在设计标准低、排水能力不足以满足极端降水事件发生时排水需求的问题[7-8]。相关研究证实,土地覆盖类型被认为是影响暴雨水淹灾害的另一个关键因素[9]。并且,Zhang等[10]发现在较大的分析尺度下,土地覆盖类型对内涝的影响大于其他因素。以上研究表明,造成暴雨水淹灾害频发的主要因素包括:
 
1)全球气候变化引起的极端天气;
 
2)地表起伏的空间变化;
 
3)城市化引起的土地覆盖类型变化;
 
4)河网排水功能的退化;
 
5)地下管网使用年限长而导致排水能力不足。除上述因素外,徐惠妍[11]的研究表明,城市水域面积的变化对内涝也起到调节作用,从而影响暴雨水淹灾害的发生。
 
对于城市暴雨水淹灾害的研究,国内外学者已提出多种方法。Duan等[12]基于MCDA-GIS集成法进行城市水淹灾害综合风险评估。Tran等[13]提出将地理加权回归(geographicallyweightedregression,GWR)应用于开放数据源,结合ArcGIS软件进行城市洪涝风险概率预测。王劲峰等[14]结合地理探测器(GeoDetector,GD)模型来度量空间分异性、探测解释因子并分析变量间的交互关系。易建州等[15]采用空间自相关及GD模型,研究江西省山洪灾害时空分布及其影响因子。胡畔等[16]采用GD模型研究中国暴雨水淹灾害的时空格局和影响因素。笔者将基于城市空间暴雨水淹灾害的既有研究,对多种研究方法进行综合利用。
 
本研究立足于城市遭遇短时台风伴随强降雨的灾害情境,以杭州主城区为例,利用ArcGIS10.2软件及GD模型、GWR分析研究杭州城市空间暴雨水淹灾害影响因子及其阈值与相关性,分析因子间的交互作用,探讨城市对暴雨水淹灾害的承载能力。
 
1研究区域与数据来源
 
1.1研究区域概况

杭州主城区暴雨水淹灾害模拟与影响因子分析
 
选取杭州主城区为研究区域,包括拱墅区、上城区、滨江区、西湖区、萧山区、钱塘区、余杭区和临平区内所有街道(图1)。

杭州主城区暴雨水淹灾害模拟与影响因子分析

根据2019—2021年主城区受淹情况的调研数据(表1),综合考虑研究区域内城市空间下垫面条件的差异、水网分布以及地形多样性等因素,笔者重点研究了杭州主城区暴雨水淹灾害的影响因子及阈值,探究了影响因子间的相关性,并对暴雨水淹灾害风险进行预测。
 
1.2研究数据来源
 
根据研究目标,可将本研究所涉及的数据分为水淹涝渍点位数据、行政区划数据、基础地理数据、卫星影像数据4种类型。
 
杭州主城区暴雨水淹灾害模拟与影响因子分析
 
1)水淹涝渍点位数据。2019—2021年杭州主城区所有统计在案的积水点位及积水原因文本数据(表1)来自杭州市城市管理局。笔者对杭州市城市管理局进行走访调研,并采集“数字城管”平台积水情况实时监测大数据,得到了杭州主城区内道路、桥涵隧道、下穿道、人行地道等区域的积水点位置、积水面积与深度、灾情影响程度等相关资料,共计1291条。2019年共发现314处积水点,2020年共发现548处积水点,2021年共发现429处积水点,将上述资料通过ArcGIS10.2软件进行模拟,得到水淹点分布图(图2)。
 
2)行政区划数据。杭州主城区行政区划范围及街道分布数据(2021年)来自于国家测绘地理信息局标准地图服务网站。
 
3)基础地理数据。杭州市主城区30m×30m分辨率高程数据(2015年)来自地理空间数据云平台;杭州市水网数据(2020年)来自OpenStreetMap官网。
 
4)卫星影像数据。杭州市主城区30m×30m分辨率Landsat8卫星影像数据(2019—2021年)来自地理空间数据云平台。
 
>更多关于杭州主城区暴雨水淹灾害模拟的文章     
最新文章

Processed in 0.530 second(s), 647 queries, Memory 4.24 M