EN中文

地球信息科学学报 >

2022 , Vol. 24 >Issue 7: 1326 - 1336

DOI: https://doi.org/10.12082/dqxxkx.2022.210565

地理空间分析综合应用

降雨数据空间分辨率在城市流域洪峰变化分析中的影响

  • 刘业森 ,
  • 刘媛媛 , * ,
  • 李敏 ,
  • 李匡
展开
  • 中国水利水电科学研究院,北京 100038
* 刘媛媛（1978— ）,女,天津人,博士,正高级工程师。从事防洪减灾研究。E-mail:

刘业森（1980— ）,男,山东临沂人,博士,高级工程师。从事防洪减灾研究。E-mail: :

收稿日期: 2021-09-20

  网络出版日期: 2022-09-25

基金资助

国家自然科学基金项目(52009147)

收起

Influence of Spatial Resolution of Rainfall Data on Flood Peak in Urban Areas

  • LIU Yesen ,
  • LIU Yuanyuan , * ,
  • LI Min ,
  • LI Kuang
Expand
  • China Institute of Water Resources and Hydropower Research,Beijing 100038, China
* LIU Yuanyuan, E-mail:

Received date: 2021-09-20

  Online published: 2022-09-25

Supported by

National Natural Science Foundation of China(52009147)

Fold

摘要

在气候变化和城市化背景下,城市暴雨的局部特征愈发明显,而降雨监测和预报数据空间分辨率难以满足空间分布描述要求,造成城市洪涝模拟和预测结果存在不确定性。本文选择深圳市城区的3个流域,基于118场实测降雨数据,通过逐步增大网格尺寸以达到降低降雨空间分辨率的效果,同时以流域边界作为限制,保证流域内面平均雨量不变,然后将不同空间分辨率的降雨数据分别作为城市洪涝模型的输入条件,对流域出口断面的洪水过程进行模拟计算,每场降雨得到6种不同空间分辨率下的洪峰流量。结合降雨中心、流域几何中心等空间特征参数,分析降雨空间分辨率对流域洪峰的影响。研究结果表明,针对118场实测降雨,随着降雨数据空间分辨率逐渐降低,3个流域的出口断面的洪峰变化幅度逐渐增大;如果忽略了流域内部降雨数据的空间分布差异,洪峰变化幅度和方向与降雨中心和流域几何中心的空间关系具有相关性,降雨中心在流域几何中心上游方向的距离越大,洪峰降低的幅度越大。本文基于3个城市流域得到了相似的研究结论,研究方法可为城市流域洪涝模拟提供借鉴,研究结果可为河道洪水风险评价提供参考。

关键词： 降雨数据; 空间分辨率; 网格大小; 降雨中心; 城市流域; 洪峰; 洪涝模型; 深圳

本文引用格式

刘业森 , 刘媛媛 , 李敏 , 李匡 . 降雨数据空间分辨率在城市流域洪峰变化分析中的影响[J]. 地球信息科学学报, 2022 , 24(7) : 1326 -1336 . DOI: 10.12082/dqxxkx.2022.210565

Abstract

Due to climate change and urbanization, rainstorms are becoming more and more frequent and highly unevenly distributed in urban areas. However, it is difficult to have sufficient monitoring data for rainfall events because of insufficient installments of monitoring stations. Usually, the spatial resolution of meteorological forecast data is still coarse, which leads to the low accuracy of simulation and prediction results from urban flood models. Therefore, it is necessary to improve the spatial resolution of rainfall data to enhance the accuracy of urban flood simulation. In this paper, three catchment basins in Shenzhen River Basin are selected. Analytical data are extracted from 118 rainfall events lasting no less than 5 minutes from 31 meteorological stations within and around the study area during 2018—2020. The discrete observation data from meteorological stations are interpolated into continuous grids. According to the drainage zoning area, the grid size is initially set as 200 m×200 m.The gridded data is then aggregated into 400 m×400 m, 800 m×800 m, 1600 m×1600 m, 3200 m×3200 m, and 6400 m×6400 m to achieve coarser spatial resolution rainfall datasets. The basin boundary is used during the aggregation to ensure that the average rainfall in the basin remains constant. The gridded rainfall data at different spatial resolutions are used as the input of an urban flood model to simulate the flooding processes of outlet sections in three watersheds. The model results of three watersheds are compared finally. By comparing the changes of flood peak at the outlets of each basin, the influence of rainfall spatial resolution on river flood peak is further analyzed by combing the spatial parameters such as rainfall center and basin center. The results of three watersheds show that for 118 rainfall processes, with the decrease of spatial resolution, the amplitude of flood at the watershed outlets gradually increases. When rainfall is evenly distributed in the whole basin, the variation ranges of flood peaks in the three basins are 5.04%, 8.73%, and 7.11%, respectively, compared to the rainfall data with 200 m×200 m grid size. The influence of spatial resolution is strongly correlated with the relationship between rainfall center and watershed geometric center, which strongly relates to the direction from watershed geometric center to watershed outlet. The research provides a reference for improving the accuracy of urban flood models by involving the variable of rainfall, which enable researchers to better assess the risk of river floods.

Key words： rainfall data; spatial resolution; grid size; rainfall center; urban basin; flood peak; flood model; Shenzhen

1 引言

伴随着全球气候变化,近年来“黑天鹅”天气事件频现。2021年7月,欧洲遭受有史以来最大一次洪水侵袭,波及德国、法国、瑞士等国,多个城镇受灾,导致数百人死亡,上千人失踪,数以万计的居民被疏散。2021年7月21日,受台风“烟花”外围影响,郑州发生了历史罕见的特大暴雨过程,暴雨中心郑州市区出现了最大小时雨强201.9 mm,刷新了我国城市最大小时雨强的纪录。当前,我国城镇化率已超过60%,城镇常住人口高达8.5亿人,城市已经成为人民美好生活的主要承载地,城市在社会、经济发展中的地位越来越重要[1-2]。城市人造地表大面积扩张所引发的环境效应日益突出,城市“雨岛”效应导致极端暴雨发生频次增加;局部小气候加剧了城市区域降雨空间分布不均匀性,“东边日出西边雨”成为常态。相关研究显示,上海[3]、北京、深圳等城市暴雨均以局部发生为主,空间分布极不均匀。极端强降雨频发,极易在人口和资源密集的城市地区引发暴雨洪涝灾害,造成重大损失[4⇓-6]。相关统计显示,近年来我国城市暴雨洪涝不断加剧[7]。实测资料显示,城市极端降雨事件的时空不均匀特征近年来愈发明显,主要表现为空间分布不均匀加剧[8]。强降雨作为城市洪涝灾害的主要诱发因素,其空间分布不确定性导致面对突发强降雨事件时,难以准确评估和预测洪涝过程,是目前城市洪涝模型的主要短板之一[9-10]。
降雨数据空间分辨率决定了对一场降雨空间不均匀特征的表达程度。降雨空间不均匀性对城市洪涝影响越发明显[11]。在研究区域较小的情况下,可不考虑降雨的空间分布,但如果研究区域较大,研究区降雨存在明显空间差异的情况下,会导致洪涝计算结果不准确[12]。刘成林等[13]利用广州市中心城区均匀分布的多个雨量站监测数据修正设计降雨,计算城市深层排水隧道排水能力,结果表明考虑降雨空间分布差异,可有效减小深层排水隧道尺寸约15%。陈光照等[14]将西安市西咸新区内的13.29 km2城市区域划分3部分,分别设计不同的降雨过程进行内涝模拟,结果表明,相比于空间均匀分布,各重现期下空间分布不均匀降雨造成的内涝积水量均会减少。唐颖[15]基于300 m×300 m分辨率的雷达估测降雨数据,建立了设计空间降雨面,以不同时刻的降雨面代替传统单站降雨量,在云南昭通市进行内涝模拟计算,计算结果精度较高。《城镇内涝防治技术规范（GB51222-2017）》[16]指出“当汇流面积大于2 km2时,应考虑区域降雨和地面渗透性能的时空分布不均匀性和管网汇流过程等因素”,实测结果也证实,小于2 km2的流域,降雨空间均匀分布系数为98%左右[17]。专家建议,城市流域径流模拟研究需要的空间分辨率为1~3 km2[18]。随着技术进步,虽然雷达测雨、气象监测数据从空间分辨率方面可满足城市洪涝模拟的需求,但很多地区雷达测雨未覆盖、气象站点密度不够[19-20];更主要的问题在于降雨预报数据难以满足要求,即使是目前准确率很高的短临预报,也只能给出小时尺度的预报数据,其体现的降雨空间分布特征（降雨中心、移动方向）也难以满足洪涝模拟需求。在降雨过程时空不确定性客观存在的条件下,模拟结果难以随着模型算法的改进或下垫面数据条件的改善来提高精度。
在监测数据方面,随着气象监测技术不断进步,城市地区自动气象站的密度已达到数公里范围内全覆盖,如深圳市可达2.5 km×2.5 km一个气象站[21]。一系列卫星遥感反演的降雨定量观测数据产品,提供了高时空分辨率降雨数据,并被证明可用于内涝灾害模拟[15,22-23]。在降雨预报方面,一些城市可提供公里网格降雨预报数据。降雨监测及预报数据空间分辨率的提高,改善了城市洪涝计算效果,但目前来看在实测数据方面,雷达测雨数据覆盖面不足,监测站点分布不均等,导致很多情况下,难以捕捉暴雨中心;在降雨预报方面,暴雨量级相对准确,但降雨落区预报不确定性大。降雨空间分布不确定性是造成目前洪涝模型难以确定风险分布的主要影响因素之一,因此,定量化分析不同空间分辨率降雨数据对洪涝计算结果的影响,对实际工作具有重要意义：① 气象部门发布强降雨预警时,其提供的预报降雨的空间分辨率一般较低,甚至只能提供行政区域内的平均降雨,将此降雨数据输入模型计算得到的洪峰与未来的实际数据必定有偏差,但如果明确空间分辨率不足可能会造成的洪峰变化范围,就可以在计算结果的基础上研判可能面临的风险,从而供决策者综合考虑相关的调度和应对措施;② 在防洪工程规划建设或城市洪水风险防范能力评价时,需要设定典型降雨方案,目前普遍采用的芝加哥雨型,未体现城市降雨空间不均匀特征,通过本文研究可提供降雨方案设定的依据,即降雨方案的空间分辨率至少满足什么条件即能支撑工程规划建设或城市洪水风险防范能力评估工作。本文研究除了可对暴雨洪涝应急决策、洪水风险防范能力评价等提供更加可靠的决策依据和参考,还可为城市暴雨洪涝相关工作提供借鉴。

2 研究区概况与数据来源

选择深圳市深圳河流域内的3个汇水流域作为研究对象（图1）,分别为沙湾河上游、布吉河上游和福田河中上游。3个流域面积分别为17.1、34.2、13.7 km²,流域内下垫面以建成区为主,不透水率分别为0.13、0.22、0.13。流域1在龙岗区,流域2涉及龙岗区和罗湖区,流域3位于福田区。根据高分辨率地形、管网、阻水建筑物、河渠等数据,3个流域分别划分为22、67、21个排水分区。
图1 深圳市深圳河流域的3个子流域范围

注：背景影像来自百度在线地图（ https://map.baidu.com）。

Fig. 1 The boundary of three sub watersheds of Shenzhen river watershed in Shenzhen

从深圳市水务局的三防决策支持系统数据库中提取了深圳河流域及周边31个气象站（气象站分布见图1）2018—2020年的5 min降雨监测数据,作为降雨场次提取及空间分布插值的基础。该数据库中存储了深圳市已建气象站逐5 min的降雨量,数据精度为0.1 mm,本文从数据库中提取31个站点的300多万条数据记录。

3 研究方法

3.1 降雨监测数据空间分辨率处理

（1）降雨场次划分
在对气象站点监测数据进行质量控制基础上,结合深圳市降雨特点,进行场次划分：① 当有一个站5 min降雨量超过0.1 mm,则认为出现了有效降雨;② 当所有站点连续超过30 min的5 min降雨量均小于0.1 mm,则认为无有效降雨。以此标准将2018—2020年的降雨数据划分为228个降雨场次。根据《降水量等级（GB/T 28592-2012）》[24],大雨等级标准为1 h降雨超过7 mm或3 h降雨量超过10 mm,提取其中的大雨场次118个,作为研究基础。
（2）降雨监测数据空间插值
由于难以收集多场次高空间分辨率的降雨数据,采用了基于气象站点插值的方法构建降雨分布数据。受站点分布不均、地形等因素影响,插值得到的降雨分布数据与实际降雨数据会有出入,但从插值效果来看,能体现出不同场次降雨在流域范围内的空间分布差异,因此认为可以作为研究基础。利用空间插值算法将离散分布的气象站点监测数据插值成连续的网格数据。结合排水分区降雨分配效果,并兼顾空间分辨率调整后的可比性,确定网格边长为200 m。采用反距离插值算法,将气象监测数据按照逐5 min时段雨量进行空间插值,得到每个网格的逐5 min降雨量。考虑到城市降雨局部特征明显,且研究区站点间距在3 km以内的特点,选择离插值网格点最近的3个站点数据进行插值。插值方法见式(1)。
P i = ∑ s = 1 3 p s h s 2 ∑ s = 1 3 1 h s 2
式中： P i表示网格i插值得到的某时段的雨量值; p s表示站点s在该时段的降雨量; h s表示网格i到站点s的距离,s为距离网格点i最近的3个站点的编号。处理效果见图2（a）。
图2 降雨数据不同网格大小处理效果

Fig. 2 Spatial resolution processing of rainfall

（3）场次降雨空间分辨率处理
采用逐级嵌套汇总方法,将200 m网格空间分辨率的降雨过程分别降低为400、800、1600、3200、6400 m(全流域平均)共5种较低分辨率的降雨过程,处理效果见图2（b）—图2（f）。为保证不同分辨率降雨过程在汇流范围（图2）内的总雨量不变,以汇流边界作为数据处理的限制边界。空间分辨率处理后共得到708个降雨过程。

3.2 流域洪峰流量计算

利用已构建的深圳河流域城市洪涝模型,对708个降雨过程进行模拟计算。在该模型中,根据管网、地形、河道、沟渠、及排水工程分布情况,进行了排水分区划分（图1）,结合土地利用、地表建筑、地下管网、1:2000分辨率的数字高程等数据提取各分区的产汇流参数,利用新安江模型进行产流过程计算;在河道上每隔100 m左右设置断面,利用一维水动力模型进行河道洪水计算,各排水分区通过地下管网入口与河道断面进行耦合。该模型利用降雨径流实测资料进行了参数率定[25]。
基于大比例尺地形数据、补测微地形、地下管网、河渠数据等获得各分区的水文参数,利用新安江模型进行产流过程计算。与天然流域相比,城镇化地区不透水面积明显偏大,更多降雨直接转化为地表径流,同时由于城镇化,汇流速度更快,洪峰起涨及消退速度更快,洪水历时减小。反映到模型参数则是参数IM（不透水面积比例）值明显增大,同时CS减小,L减小,本文中IM取值为0.06（自然流域取值为0.01~0.02）,CS取值为0.71（自然流域取值为 0.8~0.9）。针对水文模型部分,选用2011—2018年的31场洪水进行了检验,流域出口洪峰平均偏差为8.8%,其中70%的场次洪峰误差在10%以内。
河道断面按100 m左右间隔进行布置,利用一维水动力模型计算洪水过程。河道一维水动力模型的基本控制方程为：
连续方程见式（2）：
∂ A ∂ t + ∂ Q ∂ x = q
动量方程见式（3）：
∂ Q ∂ t + ∂ ∂ x β Q 2 A + g A ∂ y ∂ x + g A S f - u ∙ q = 0
式中：A为河道过水面积/m2;Q为流量/(m³/s);u为侧向来流在河道方向的流速/(m/s);t为时间/s;x为沿水流方向的水平坐标;q为河道的侧向来流量/(m2/s); β为动量修正系数;g为重力加速度/(m/s2);y为水位/m;Sf为摩阻坡降/度。河道一维水动力模型对基本控制方程在时间、空间上进行离散,采用显格式算法求解一维圣维南方程组。
为保证模拟结果的可比性,所有模拟过程均采用了相同的边界条件,包括河道初始水位、前期降雨条件等。模型计算结果中河道断面洪水过程采用10 min间隔进行输出。
从每个降雨过程的洪涝模型模拟结果中,提取3个流域出口断面的洪峰流量。为检验空间分辨率变化对洪峰的影响,利用不同分辨率降雨数据模拟得到的洪峰流量和原始分辨率数据（200 m网格分辨率）模拟的洪峰流量计算洪峰变化,计算方法见式（4）。
I n = Q n m - Q 200 m Q 200 m × 100
式中： I n为降雨空间分辨率为n时的洪峰变化量,n等于200、400、800、1600、3200、6400 m; Q 200 m为该场次降雨空间分辨率为200 m时洪涝模型模拟得到的洪峰流量; Q n m为该场次降雨空间分辨率为n时洪涝模型模拟得到的洪峰流量。每个降雨场次得到5个指标,依次为 I 400 m、 I 800 m、 I 1600 m、 I 3200 m、 I 6400 m。

3.3 降雨中心计算

综合相关研究,降雨中心或暴雨中心的空间位置会影响流域的洪峰流量[26-27]。在降雨特征描述中,一般采用暴雨中心作为主要特征之一,但在城市地区,暴雨中心随机性大,如果整场降雨的暴雨中心位于汇流区域外,暴雨中心则可能位于流域边缘。因此,降雨中心更能体现一场降雨的落地雨分布,降雨中心计算方法见式（5）。
G ( x ) = ∑ j = 1 n X j × W ( j ) ∑ j = 1 n W ( j ) G ( y ) = ∑ j = 1 n Y j × W ( j ) ∑ j = 1 n W ( j )
式中： G ( x )和 G ( y )分别表示降雨中心点的x和y坐标值;n为汇流区域内的网格数; X j和 Y j表示网格j中心点的x、y坐标值; W ( j )表格网格j的降雨量。基于200 m网格的场次累积降雨量,计算了每场降雨的降雨中心坐标。

4 结果及分析

4.1 降雨空间分辨率对洪峰的影响计算结果统计

从118场降雨的708个模拟结果中提取了3个流域出口的洪峰流量,其中每场降雨包括不同空间分辨率下的6个洪峰流量,按式（4）计算相应的洪峰变化。3个流域出口各场次降雨不同空间分辨率下的洪峰变化统计结果见图3。
图3 3个流域不同空间分辨率降雨造成的洪峰变化统计

Fig. 3 Variation of flood peak with different spatial resolution of rainfall in 3 basins

图3可见,3个流域出口洪峰随着空间分辨率的降低波动幅度逐渐增加。统计了3个流域不同空间分辨率下洪峰变化平均值和洪峰变化绝对值的平均值,见表1。
表1 洪峰变化平均值统计

Tab. 1 Average variation of flood peak for 3 basins (%)

网格大小/m
200 400 800 1600 3200 6400
洪峰变化均值 流域1 0.00 -0.09 -0.36 -0.82 -0.72 -0.72
流域2 0.00 -0.14 -0.36 -0.84 -1.64 -2.23
流域3 0.00 -0.03 -0.24 0.16 0.27 0.99
洪峰变化绝对值均值 流域1 0.00 0.27 0.81 1.76 2.89 5.04
流域2 0.00 0.20 0.56 1.46 2.82 8.73
流域3 0.00 0.16 0.58 1.67 2.75 7.11
从图3和表1可见,随着空间分辨率的降低,每个流域的洪峰变化方向是一致的。流域1和流域2在5种空间分辨率下,洪峰变化平均值均低于0,流域3在400 m和800 m下,洪峰变化平均值略低于0,而在其他3个分辨率下,洪峰变化平均值均大于0。在洪峰变化幅度方面,随着空间分辨率降低,洪峰变化幅度逐渐增加,对洪峰变化值取绝对值后计算的平均值更加明显,3个流域均随着空间分辨率降低逐渐增大。不同流域对比来看,在400~3200 m 共4个空间分辨率,流域1的变化幅度均大于流域2,而在6400 m(全流域平均)分辨率,流域1的变化幅度（5.04%）小于流域2的变化幅度（8.73%）,统计发现,洪峰变化幅度与流域的面积有关,流域1的面积小于流域2,因此在相同分辨率下,洪峰变化范围更大。流域3的变化幅度介于流域1和流域2之间,但与两个流域对比,趋势性不够明显,这体现了城市流域的水文过程复杂性,流域形状、下垫面特征等对流域洪峰都会产生影响。
图4显示了所有场次降雨在不同空间分辨率下计算得到的3个流域出口洪峰变化情况。
图4 所有场次降雨不同空间分辨率造成的洪峰变化

Fig. 4 variation of flood peak caused by different spatial resolution of all rainfall events

大部分降雨场次随着降雨空间分辨率的降低,在3个流域出口的洪峰表现出规律性的变化：变化幅度逐渐增大,且变化方向一致。从波动范围统计来看,在流域1和流域2洪峰变化小于0的场次多于大于0的场次,在降雨分布按流域平均处理（图中的6400 m分辨率）的情况下,流域1洪峰变化大于0、小于0的场次数分别为54、56,其余9场洪峰无变化;流域2洪峰变化大于0、小于0的场次数分别为48、71。

4.2 降雨中心与洪峰变化的关系分析

从4.1统计结果来看,一场降雨空间分辨率变化（流域面雨量不变）会对流域出口洪峰产生明显影响。降雨中心可体现落地雨的总体分布特征,图5展示了3个流域所有场次降雨中心位置（按200 m分辨率网格计算）以及进行全流域面平均处理后得到的洪峰变化指标（式（4））。为体现降雨与流域上下游的关系,在图5中绘制了流域几何中心到流域出口的连线作为参考。
图5 各场次降雨经全流域平均化处理后的洪峰变化

Fig. 5 variation of flood peak each by rainfall after average of the whole basin

从图5的分布特征来看,按流域平均处理降雨数据后,模拟得到的洪峰变化方向与降雨中心位置和流域几何中心位置的相对位置有一定关系,其中在流域2体现尤为明显,洪峰降低的场次主要是中心位置位于流域几何中心东北侧的场次,而洪峰增加的场次主要位于另一侧。结合流域中心到流域出口的连线方向,降雨中心位于几何中心上游的位置洪峰以降低为主,而位于相对下游位置的降雨场次洪峰以增加为主。
图6显示了118个降雨场次中心到流域出口的距离与洪峰变化的关系。图6可见,将降雨数据采用全流域平均化处理后,洪峰变化随着降雨中心到流域出口的距离增加,有逐渐降低的趋势。这表明降雨中心位置与流域中心相对位置是造成不同空间分辨下洪峰变化的重要因素。由图中也可看出,这种趋势相关性并非很强,这与实际降雨过程的雨强、持续时间、空间分布、移动方向等特征存在差异有关。
图6 洪峰变化与降雨中心到流域出口距离的关系

Fig. 6 Relationship between flood peak variation and distance from rainfall center to watershed outlet

综合以上数据,改变降雨分辨率实际是改变了流域的降雨空间分布格局,进而影响地表的产汇流过程。相对于以自然地表为主的流域,城市流域产流速度快,且主要通过地下管网汇集到河道,这导致了城市流域的水文特征既有共性,每个流域又有其独特性,这种独特性是流域地形、下垫面特征、地表汇流分区、管网走向、河道走向等多种因素共同作用的结果。本文所选3个流域的分析结果,其相似性规律就体现了共性规律,而不同流域之间的差异则体现了这种独特性。

5 讨论

（1）降雨空间分辨率对流域洪峰的影响机理
降雨空间分辨率对流域出口洪峰的影响主要在于两方面原因：一方面,随着降雨数据空间分辨率的降低,降雨中心会逐渐向流域几何中心移动,当按全流域平均处理降雨数据时,降雨中心与流域几何中心是重合的,另一方面,降雨数据空间分辨率降低,虽然没有改变全流域降雨的时程变化,但客观上达到了不同空间位置降雨过程坦化的效果（尤其是对于暴雨中心）,也会造成流域出口洪峰的变化。另外必须说明,洪峰变化具有一定的随机性,这是因为实际降雨过程具有时空不确定性,不同场次降雨的雨型、时段雨强、持续时间等都会不同,都会影响流域洪峰。
（2）城市洪涝模拟中确定降雨空间分辨率应考虑的因素
根据研究结果,虽然随着分辨率的降低,洪峰计算误差会增加,但只要降雨不是全流域平均分布,洪峰误差范围相对较小;只是在忽略空间差异,即全流域降雨平均分布时,误差才会快速扩大。因此,在实际应用中,如果不需要过分追求洪峰计算精度,可以适当降低对降雨数据空间分辨率的要求。采用较低空间分辨率的降雨数据是“性价比”较高的选择。在防洪工程规划建设相关工作中,则可结合工程规模和实际需求,选择合适的分辨率以满足洪峰计算精度要求。
（3）应关注降雨数据插值方法对分析结果的影响
本文采用由小网格汇总到大网格的方法达到调整降雨分辨率的效果。从数据处理角度,不同的网格汇总方法可以达到调整空间分辨率的目的,但降雨分布会略有差异,会造成洪涝模拟结果的偏差。另外,流域洪峰是降雨与下垫面综合作用的结果,土壤质地、土壤湿度、地下管网、工程调度等都会影响洪水过程,在实际应用中,要针对流域的具体下垫面特征,客观看待空间分辨率的影响。
降雨数据空间分辨率的主要决定因素是降雨数据源的特征,如监测站点密度、预报降雨网格大小、雷达测雨数据精度等,数据精度也决定了采用多大尺寸的网格来储存降雨数据最合适。本文之所以选择通过调整数据网格大小来改变降雨数据空间分布特征的方法,主要是解决在数据条件不够的情况下,是否有必要通过辅助方法来提高空间分布率以提高洪水计算的精度,需要在实际应用中加以注意,以避免概念上的混淆。
还有很重要的一点,降雨作为洪水过程的主要驱动因素,即使保证面平均雨量不变,但插值算法、网格布局、网格形状,以及网格与流域的相对空间关系等因素都可能会影响洪水过程。本文结合研究区3个流域,提供了一种分析方法和初步结论,在实际应用中,应该结合研究区下垫面特征进行针对性和全面的分析。

6 结论

本文选择深圳河流域的3个汇水区域,基于实测降雨数据,通过逐步增大网格尺寸实现降低降雨空间分辨率的效果,利用洪涝模型对同一场降雨的不同空间分辨率数据造成的洪峰流量进行模拟,基于模拟结果进行了分析,得到以下结论：① 随着降雨空间分辨率的降低,同一场降雨在3个流域出口的洪峰变化幅度逐渐增大,当降雨按空间均匀分布时,3个流域的洪峰变化幅度分别为5.04%、8.73%、7.11%。② 洪峰变化方向与降雨中心和流域几何中心的空间关系具有相关性,降低空间分辨率后,随着降雨中心到流域出口的距离增加有降低的趋势;③ 除了本文重点关注的降雨中心和流域几何中心的关系,降雨空间分辨率与流域洪峰的关系受流域面积、下垫面、汇水路径等因素的影响,存在不确定性,本文提供了一种针对其他流域的可行的分析方法。最后,建议在具体工作中,综合考虑高空间分辨率降雨数据的获取成本和对洪峰计算精度的需求2个方面因素,而不必过度追求降雨数据的空间分辨率。本文研究结果可为洪涝模型降雨条件设置提供借鉴,并可供洪涝风险范围判定提供参考。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
欧阳晓, 朱翔. 中国城市群城市用地扩张时空动态特征[J]. 地理学报, 2020, 75(3):571-588.

DOI

[ Ouyang X, Zhu X. Spatio-temporal characteristics of urban land expansion in Chinese urban agglomerations[J]. Acta Geographica Sinica, 2020, 75(3):571-588. ] DOI: 10.11821/dlxb202003010

DOI

[2]
杨传开, 宁越敏. 中国省际人口迁移格局演变及其对城镇化发展的影响[J]. 地理研究, 2015, 34(8):1492-1506.

DOI

[ Yang C K, Ning Y M. Evolution of spatial pattern of inter-provincial migration and its impacts on urbanization in China[J]. Geographical Research, 2015, 34(8):1492-1506. ]DOI: 10.11821/dlyj201508008

DOI

[3]
庄琦, 刘曙光, 周正正. 上海城区降雨时空分布变化与暴雨频率分析[J]. 水文, 2021, 41(4):74-80.

[ Zhuang Q, Liu S G, Zhou Z Z. The change of spatio-temporal precipitation and rainfall frequency analysis in Shanghai[J]. Journal of China Hydrology, 2021, 41(4):74-80. ] DOI: 10.19797/j.cnki.1000-0852.20200202

DOI

[4]
刘家宏, 王浩, 高学睿, 等. 城市水文学研究综述[J]. 科学通报, 2014, 59(36):3581-3590.

[ Liu J H, Wang H, Gao X R, et al. Review on urban hydrology[J]. Chinese Science Bulletin, 2014, 59(36):3581-3590. ] DOI: 10.1360/n972014-00327

DOI

[5]
谢映霞. 基于海绵城市建设理念的系统治水思路[J]. 北京师范大学学报(自然科学版), 2019, 55(5):552-555.

[ Xie Y X. Thoughts on systematic water control based on the concept of sponge city construction[J]. Journal of Beijing Normal University (Natural Science), 2019, 55(5):552-555. ] DOI: CNKI:SUN:BSDZ.0.2019-05-002

DOI

[6]
徐宗学, 陈浩, 任梅芳, 等. 中国城市洪涝致灾机理与风险评估研究进展[J]. 水科学进展, 2020, 31(5):713-724.

[ Xu Z X, Chen H, Ren M F, et al. Progress on disaster mechanism and risk assessment of urban flood/waterlogging disasters in China[J]. Advances in Water Science, 2020, 31(5):713-724. ] DOI: 10.14042/j.cnki.32.1309.2020.05.008

DOI

[7]
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. ] DOI: 10.14042/j.cnki.32.1309.2016.04.001

DOI

[8]
朱焱, 杨金彪, 朱莲芳, 等. 苏州城市化进程与城市气候变化关系研究[J]. 气象科学, 2012, 32(3):317-324.

[ Zhu Y, Yang J B, Zhu L F, et al. The investigation of the relationship between urbanization process and climate change in Suzhou[J]. Journal of the Meteorological Sciences, 2012, 32(3):317-324. ] DOI: 10.3969/2012jms.0010

DOI

[9]
张建云, 宋晓猛, 王国庆, 等. 变化环境下城市水文学的发展与挑战-Ⅰ.城市水文效应[J]. 水科学进展, 2014, 25(4):594-605.

[ Zhang J Y, Song X M, Wang G Q, et al. Development and challenges of urban hydrology in a changing environment: Ⅰ: Hydrological response to urbanization[J]. Advances in Water Science, 2014, 25(4):594-605. ] DOI: CNKI:SUN:SKXJ.0.2014-04-019

DOI

[10]
徐宗学, 叶陈雷. 城市暴雨洪涝模拟:原理、模型与展望[J]. 水利学报, 2021, 52(4):381-392.

[ Xu Z X, Ye C L. Simulation of urban flooding/waterlogging processes:Principle, models and prospects[J]. Journal of Hydraulic Engineering, 2021, 52(4):381-392. ] DOI: 10.13243/j.cnki.slxb.20200515

DOI

[11]
Ly S, Charles C, Degre A. Different methods for spatial interpolation of rainfall data for operational hydrology and hydrological modeling at watershed scale: A review[J]. Biotechnologie Agronomie Société Et Environnement, 2013, 17(2):392-406. DOI: 10.1155/2013/913179

DOI

[12]
Beeneken T, Erbe V, Messmer A, et al. Real time control (RTC) of urban drainage systems: A discussion of the additional efforts compared to conventionally operated systems[J]. Urban Water Journal, 2013, 10(5):293-299. DOI: 10.1080/1573062X.2013.790980

DOI

[13]
刘成林, 周玉文, 隋军, 等. 城市排水防涝系统降雨空间分布特性研究[J]. 给水排水, 2016, 42(1):46-49.

[ Liu C L, Zhou Y W, Sui J, et al. Study on spatial distribution characteristics of rainfall in urban drainage and waterlogging prevention system[J]. Water & Wastewater Engineering, 2016, 42(1):46-49. ] DOI: 10.3969/j.issn.1002-8471.2016.01.010

DOI

[14]
陈光照, 侯精明, 张阳维, 等. 西咸新区降雨空间非一致性对内涝过程影响模拟研究[J]. 南水北调与水利科技, 2019, 17(04):37-45.

[ Chen G Z, Hou J M, Zhang Y W, et al. Effects of rainfall spatial inconsistency on flood inundation processes in the Xixian New Area[J]. South-to-North Water Transfers and Water Science & Technology, 2019, 17(4):37-45. ] DOI: 10.13476/j.cnki.nsbdqk.2019.0082

DOI

[15]
唐颖. 基于雷达估测降雨的城市内涝设计条件与实时模拟研究[D]. 北京: 北京工业大学, 2019.

[ Tang Y. Study on urban flooding under design and realtime simulation condition based on radar estimation and forcast of rainfall[D]. Beijing: Beijing University of Technology, 2019. ]

[16]
城镇内涝防治技术规范(GB 51222-2017)[S]. 北京: 中国计划出版社, 2017.

[Technical code for urban flooding prevention and control(GB 51222-2017)[S]. Beijing: China Planning Press, 2017. ]

[17]
康钊菁, 王晓蕾, 刘波, 等. 小范围自然降雨空间均匀性的实测改进[J]. 解放军理工大学学报(自然科学版), 2017, 18(2):138-143.

[ Kang Z Q, Wang X L, Liu B, et al. Improvement of spatial homogeneity of small scale natural rainfall[J]. Journal of PLA University of Science and Technology(Natural Science Edition), 2017, 18(2):138-143. ] DOI: 10.12018/j.issn.1009-3443.20160907002

DOI

[18]
Berne A, Delrieu G, Creutin J, et al. Temporal and spatial resolution of rainfall measurements required for urban hydrology[J]. Journal of Hydrology, 2004, 299(3):166-179. DOI: 10.1016/j.jhydrol.2004.08.002

DOI

[19]
李磊, 张立杰, 力梅. 深圳降水资料信息挖掘及在气候服务中的应用[J]. 广东气象, 2015, 37(2):48-51.

[ Li L, Zhang L J, Li M. Information mining of precipitation data in Shenzhen and its application in climate service[J]. Guangdong Meteorology, 2015, 37(2):48-51. ] DOI: 10.3969/j.issn.1007-6190.2015.02.011

DOI

[20]
苗世光, 蒋维楣, 梁萍, 等. 城市气象研究进展[J]. 气象学报, 2020(3):477-499.

[ Jiang W M, Liang P, et al. Advances in urban meteorology in China[J]. Acta Meteorologica Sinica, 2020, 78(3):477-499. ] DOI: 10.11676/qxxb2020.025

DOI

[21]
许沛华, 陈正洪, 李磊, 等. 深圳分钟降水数据预处理系统设计与应用[J]. 暴雨灾害, 2012, 31(1):83-86.

[ Xu P H, Chen Z H, Li L, et al. Design and application of the pre-processing system on Shenzhen minute precipitation data[J]. Torrential Rain and Disasters, 2012, 31(1):83-86. ] DOI: 10.3969/j.issn.1004-9045.2012.01.013

DOI

[22]
Prat O P, Nelson B R. Mapping the world's tropical cyclone rainfall contribution over land using the TRMM Multi-satellite precipitation analysis[J]. Water Resources Research, 2013, 49(11):7236-7254. DOI: 10.1002/wrcr.20527

DOI

[23]
陈晓宏, 钟睿达, 王兆礼, 等. 新一代GPM IMERG卫星遥感降水数据在中国南方地区的精度及水文效用评估[J]. 水利学报, 2017, 48(10):1147-1156.

[ Chen X H, Zhong R D, Wang Z L, et al. Evaluation on the accuracy and hydrological performance of the latest-generation GPM IMERG product over South China[J]. Journal of Hydraulic Engineering, 2017, 48(10):1147-1156. ] DOI: 10.13243/j.cnki.slxb.20170202

DOI

[24]
GB/T 28592-2012,降水量等级[S]. 北京: 中国标准出版社, 2012.

[GB/T 51222-2017,Grade of precipitation[S]. Beijing: Standards Press of China, 2012. ]

[25]
臧文斌. 城市洪涝精细化模拟体系研究[D]. 北京: 中国水利水电科学研究院, 2019.

[ Zang W B. Research on urban flood refined simulation system[D]. Beijing: China Institute water resources and Hydropower Research, 2019. ]

[26]
林木生, 陈兴伟, 陈莹. 晋江西溪流域洪水与暴雨时空分布特征的相关分析[J]. 资源科学, 2011, 33(12):2226-2231.

[ Lin M S, Chen X W, Chen Y. Regression analysis of flood response to the spatial and temporal variability of storm in the Jinjiangxixi Watershed[J]. Resources Science, 2011, 33(12):2226-2231. ] DOI: CNKI:11-3868/N.20111116.1421.037

DOI

[27]
温娅惠, 李致家, 孙明坤, 等. 降雨输入对实时洪水预报精度与预见期的影响[J]. 湖泊科学, 2019, 31(1):41-53.

[ Wen Y H, Li Z J, Sun M K, et al. Influence of rainfall input on real-time flood forecasting accuracy and forecast period[J]. Journal of Lake Sciences, 2019, 31(1):41-53. ]DOI: CNKI:SUN:FLKX.0.2019-01-004

DOI

Options
文章导航

/

〈 〉