城市化背景下洪涝灾害新特点及其形成机理
1
2019
... 洪涝灾害是世界范围内高频发生的自然灾害,对国民经济与社会发展形成持续的干扰.1998年特大洪水后中国持续的水利工程建设有效提升了流域防洪标准,减小了大江大河洪水的威胁.但是,21世纪以来伴随中国快速城市化进程的内涝频发造成了广泛影响和严重损失.根据2006—2016年中国水旱灾害公报统计数据,2006年以来中国每年受淹城市都在100个以上,其中2010年受淹城市258个,2012年184个,2013年234个,而且在大江大河水势基本调控平稳的情况下2010、2012、2014年洪灾直接经济损失均超过1998年特大洪灾[1].住建部对351个城市进行专项调研,2008—2010年全国有62%的城市发生过内涝,超过3次以上的有137个,其中有57个城市最大淹没时间超过12 h[2].由于人口、资源和交通等关键基础设施在城市集聚,暴雨内涝往往造成严重的人员伤亡、经济损失,以及交通拥堵、电力中断和公共健康等问题.典型暴雨内涝事件包括济南2007年“7·18”(30多人死亡,33万人受灾,经济损失13.2亿元)[3]、北京2012年“7·21”(79人死亡,160.2万人受灾,经济损失116.4亿元)[4,5]和广州2020年“5·22”(4人死亡[6],超万台汽车被淹[7],地铁13号线部分区间停运22 d[8])等. ...
城市化背景下洪涝灾害新特点及其形成机理
1
2019
... 洪涝灾害是世界范围内高频发生的自然灾害,对国民经济与社会发展形成持续的干扰.1998年特大洪水后中国持续的水利工程建设有效提升了流域防洪标准,减小了大江大河洪水的威胁.但是,21世纪以来伴随中国快速城市化进程的内涝频发造成了广泛影响和严重损失.根据2006—2016年中国水旱灾害公报统计数据,2006年以来中国每年受淹城市都在100个以上,其中2010年受淹城市258个,2012年184个,2013年234个,而且在大江大河水势基本调控平稳的情况下2010、2012、2014年洪灾直接经济损失均超过1998年特大洪灾[1].住建部对351个城市进行专项调研,2008—2010年全国有62%的城市发生过内涝,超过3次以上的有137个,其中有57个城市最大淹没时间超过12 h[2].由于人口、资源和交通等关键基础设施在城市集聚,暴雨内涝往往造成严重的人员伤亡、经济损失,以及交通拥堵、电力中断和公共健康等问题.典型暴雨内涝事件包括济南2007年“7·18”(30多人死亡,33万人受灾,经济损失13.2亿元)[3]、北京2012年“7·21”(79人死亡,160.2万人受灾,经济损失116.4亿元)[4,5]和广州2020年“5·22”(4人死亡[6],超万台汽车被淹[7],地铁13号线部分区间停运22 d[8])等. ...
关于城市内涝问题的思考
1
2011
... 洪涝灾害是世界范围内高频发生的自然灾害,对国民经济与社会发展形成持续的干扰.1998年特大洪水后中国持续的水利工程建设有效提升了流域防洪标准,减小了大江大河洪水的威胁.但是,21世纪以来伴随中国快速城市化进程的内涝频发造成了广泛影响和严重损失.根据2006—2016年中国水旱灾害公报统计数据,2006年以来中国每年受淹城市都在100个以上,其中2010年受淹城市258个,2012年184个,2013年234个,而且在大江大河水势基本调控平稳的情况下2010、2012、2014年洪灾直接经济损失均超过1998年特大洪灾[1].住建部对351个城市进行专项调研,2008—2010年全国有62%的城市发生过内涝,超过3次以上的有137个,其中有57个城市最大淹没时间超过12 h[2].由于人口、资源和交通等关键基础设施在城市集聚,暴雨内涝往往造成严重的人员伤亡、经济损失,以及交通拥堵、电力中断和公共健康等问题.典型暴雨内涝事件包括济南2007年“7·18”(30多人死亡,33万人受灾,经济损失13.2亿元)[3]、北京2012年“7·21”(79人死亡,160.2万人受灾,经济损失116.4亿元)[4,5]和广州2020年“5·22”(4人死亡[6],超万台汽车被淹[7],地铁13号线部分区间停运22 d[8])等. ...
关于城市内涝问题的思考
1
2011
... 洪涝灾害是世界范围内高频发生的自然灾害,对国民经济与社会发展形成持续的干扰.1998年特大洪水后中国持续的水利工程建设有效提升了流域防洪标准,减小了大江大河洪水的威胁.但是,21世纪以来伴随中国快速城市化进程的内涝频发造成了广泛影响和严重损失.根据2006—2016年中国水旱灾害公报统计数据,2006年以来中国每年受淹城市都在100个以上,其中2010年受淹城市258个,2012年184个,2013年234个,而且在大江大河水势基本调控平稳的情况下2010、2012、2014年洪灾直接经济损失均超过1998年特大洪灾[1].住建部对351个城市进行专项调研,2008—2010年全国有62%的城市发生过内涝,超过3次以上的有137个,其中有57个城市最大淹没时间超过12 h[2].由于人口、资源和交通等关键基础设施在城市集聚,暴雨内涝往往造成严重的人员伤亡、经济损失,以及交通拥堵、电力中断和公共健康等问题.典型暴雨内涝事件包括济南2007年“7·18”(30多人死亡,33万人受灾,经济损失13.2亿元)[3]、北京2012年“7·21”(79人死亡,160.2万人受灾,经济损失116.4亿元)[4,5]和广州2020年“5·22”(4人死亡[6],超万台汽车被淹[7],地铁13号线部分区间停运22 d[8])等. ...
济南市主城区“7·18暴雨”灾害的启示
1
2008
... 洪涝灾害是世界范围内高频发生的自然灾害,对国民经济与社会发展形成持续的干扰.1998年特大洪水后中国持续的水利工程建设有效提升了流域防洪标准,减小了大江大河洪水的威胁.但是,21世纪以来伴随中国快速城市化进程的内涝频发造成了广泛影响和严重损失.根据2006—2016年中国水旱灾害公报统计数据,2006年以来中国每年受淹城市都在100个以上,其中2010年受淹城市258个,2012年184个,2013年234个,而且在大江大河水势基本调控平稳的情况下2010、2012、2014年洪灾直接经济损失均超过1998年特大洪灾[1].住建部对351个城市进行专项调研,2008—2010年全国有62%的城市发生过内涝,超过3次以上的有137个,其中有57个城市最大淹没时间超过12 h[2].由于人口、资源和交通等关键基础设施在城市集聚,暴雨内涝往往造成严重的人员伤亡、经济损失,以及交通拥堵、电力中断和公共健康等问题.典型暴雨内涝事件包括济南2007年“7·18”(30多人死亡,33万人受灾,经济损失13.2亿元)[3]、北京2012年“7·21”(79人死亡,160.2万人受灾,经济损失116.4亿元)[4,5]和广州2020年“5·22”(4人死亡[6],超万台汽车被淹[7],地铁13号线部分区间停运22 d[8])等. ...
济南市主城区“7·18暴雨”灾害的启示
1
2008
... 洪涝灾害是世界范围内高频发生的自然灾害,对国民经济与社会发展形成持续的干扰.1998年特大洪水后中国持续的水利工程建设有效提升了流域防洪标准,减小了大江大河洪水的威胁.但是,21世纪以来伴随中国快速城市化进程的内涝频发造成了广泛影响和严重损失.根据2006—2016年中国水旱灾害公报统计数据,2006年以来中国每年受淹城市都在100个以上,其中2010年受淹城市258个,2012年184个,2013年234个,而且在大江大河水势基本调控平稳的情况下2010、2012、2014年洪灾直接经济损失均超过1998年特大洪灾[1].住建部对351个城市进行专项调研,2008—2010年全国有62%的城市发生过内涝,超过3次以上的有137个,其中有57个城市最大淹没时间超过12 h[2].由于人口、资源和交通等关键基础设施在城市集聚,暴雨内涝往往造成严重的人员伤亡、经济损失,以及交通拥堵、电力中断和公共健康等问题.典型暴雨内涝事件包括济南2007年“7·18”(30多人死亡,33万人受灾,经济损失13.2亿元)[3]、北京2012年“7·21”(79人死亡,160.2万人受灾,经济损失116.4亿元)[4,5]和广州2020年“5·22”(4人死亡[6],超万台汽车被淹[7],地铁13号线部分区间停运22 d[8])等. ...
中国城市洪涝问题及成因分析
1
2016
... 洪涝灾害是世界范围内高频发生的自然灾害,对国民经济与社会发展形成持续的干扰.1998年特大洪水后中国持续的水利工程建设有效提升了流域防洪标准,减小了大江大河洪水的威胁.但是,21世纪以来伴随中国快速城市化进程的内涝频发造成了广泛影响和严重损失.根据2006—2016年中国水旱灾害公报统计数据,2006年以来中国每年受淹城市都在100个以上,其中2010年受淹城市258个,2012年184个,2013年234个,而且在大江大河水势基本调控平稳的情况下2010、2012、2014年洪灾直接经济损失均超过1998年特大洪灾[1].住建部对351个城市进行专项调研,2008—2010年全国有62%的城市发生过内涝,超过3次以上的有137个,其中有57个城市最大淹没时间超过12 h[2].由于人口、资源和交通等关键基础设施在城市集聚,暴雨内涝往往造成严重的人员伤亡、经济损失,以及交通拥堵、电力中断和公共健康等问题.典型暴雨内涝事件包括济南2007年“7·18”(30多人死亡,33万人受灾,经济损失13.2亿元)[3]、北京2012年“7·21”(79人死亡,160.2万人受灾,经济损失116.4亿元)[4,5]和广州2020年“5·22”(4人死亡[6],超万台汽车被淹[7],地铁13号线部分区间停运22 d[8])等. ...
中国城市洪涝问题及成因分析
1
2016
... 洪涝灾害是世界范围内高频发生的自然灾害,对国民经济与社会发展形成持续的干扰.1998年特大洪水后中国持续的水利工程建设有效提升了流域防洪标准,减小了大江大河洪水的威胁.但是,21世纪以来伴随中国快速城市化进程的内涝频发造成了广泛影响和严重损失.根据2006—2016年中国水旱灾害公报统计数据,2006年以来中国每年受淹城市都在100个以上,其中2010年受淹城市258个,2012年184个,2013年234个,而且在大江大河水势基本调控平稳的情况下2010、2012、2014年洪灾直接经济损失均超过1998年特大洪灾[1].住建部对351个城市进行专项调研,2008—2010年全国有62%的城市发生过内涝,超过3次以上的有137个,其中有57个城市最大淹没时间超过12 h[2].由于人口、资源和交通等关键基础设施在城市集聚,暴雨内涝往往造成严重的人员伤亡、经济损失,以及交通拥堵、电力中断和公共健康等问题.典型暴雨内涝事件包括济南2007年“7·18”(30多人死亡,33万人受灾,经济损失13.2亿元)[3]、北京2012年“7·21”(79人死亡,160.2万人受灾,经济损失116.4亿元)[4,5]和广州2020年“5·22”(4人死亡[6],超万台汽车被淹[7],地铁13号线部分区间停运22 d[8])等. ...
中国城市洪涝致灾机理与风险评估研究进展
1
2020
... 洪涝灾害是世界范围内高频发生的自然灾害,对国民经济与社会发展形成持续的干扰.1998年特大洪水后中国持续的水利工程建设有效提升了流域防洪标准,减小了大江大河洪水的威胁.但是,21世纪以来伴随中国快速城市化进程的内涝频发造成了广泛影响和严重损失.根据2006—2016年中国水旱灾害公报统计数据,2006年以来中国每年受淹城市都在100个以上,其中2010年受淹城市258个,2012年184个,2013年234个,而且在大江大河水势基本调控平稳的情况下2010、2012、2014年洪灾直接经济损失均超过1998年特大洪灾[1].住建部对351个城市进行专项调研,2008—2010年全国有62%的城市发生过内涝,超过3次以上的有137个,其中有57个城市最大淹没时间超过12 h[2].由于人口、资源和交通等关键基础设施在城市集聚,暴雨内涝往往造成严重的人员伤亡、经济损失,以及交通拥堵、电力中断和公共健康等问题.典型暴雨内涝事件包括济南2007年“7·18”(30多人死亡,33万人受灾,经济损失13.2亿元)[3]、北京2012年“7·21”(79人死亡,160.2万人受灾,经济损失116.4亿元)[4,5]和广州2020年“5·22”(4人死亡[6],超万台汽车被淹[7],地铁13号线部分区间停运22 d[8])等. ...
中国城市洪涝致灾机理与风险评估研究进展
1
2020
... 洪涝灾害是世界范围内高频发生的自然灾害,对国民经济与社会发展形成持续的干扰.1998年特大洪水后中国持续的水利工程建设有效提升了流域防洪标准,减小了大江大河洪水的威胁.但是,21世纪以来伴随中国快速城市化进程的内涝频发造成了广泛影响和严重损失.根据2006—2016年中国水旱灾害公报统计数据,2006年以来中国每年受淹城市都在100个以上,其中2010年受淹城市258个,2012年184个,2013年234个,而且在大江大河水势基本调控平稳的情况下2010、2012、2014年洪灾直接经济损失均超过1998年特大洪灾[1].住建部对351个城市进行专项调研,2008—2010年全国有62%的城市发生过内涝,超过3次以上的有137个,其中有57个城市最大淹没时间超过12 h[2].由于人口、资源和交通等关键基础设施在城市集聚,暴雨内涝往往造成严重的人员伤亡、经济损失,以及交通拥堵、电力中断和公共健康等问题.典型暴雨内涝事件包括济南2007年“7·18”(30多人死亡,33万人受灾,经济损失13.2亿元)[3]、北京2012年“7·21”(79人死亡,160.2万人受灾,经济损失116.4亿元)[4,5]和广州2020年“5·22”(4人死亡[6],超万台汽车被淹[7],地铁13号线部分区间停运22 d[8])等. ...
特大暴雨打破多个历史纪录
1
2020
... 洪涝灾害是世界范围内高频发生的自然灾害,对国民经济与社会发展形成持续的干扰.1998年特大洪水后中国持续的水利工程建设有效提升了流域防洪标准,减小了大江大河洪水的威胁.但是,21世纪以来伴随中国快速城市化进程的内涝频发造成了广泛影响和严重损失.根据2006—2016年中国水旱灾害公报统计数据,2006年以来中国每年受淹城市都在100个以上,其中2010年受淹城市258个,2012年184个,2013年234个,而且在大江大河水势基本调控平稳的情况下2010、2012、2014年洪灾直接经济损失均超过1998年特大洪灾[1].住建部对351个城市进行专项调研,2008—2010年全国有62%的城市发生过内涝,超过3次以上的有137个,其中有57个城市最大淹没时间超过12 h[2].由于人口、资源和交通等关键基础设施在城市集聚,暴雨内涝往往造成严重的人员伤亡、经济损失,以及交通拥堵、电力中断和公共健康等问题.典型暴雨内涝事件包括济南2007年“7·18”(30多人死亡,33万人受灾,经济损失13.2亿元)[3]、北京2012年“7·21”(79人死亡,160.2万人受灾,经济损失116.4亿元)[4,5]和广州2020年“5·22”(4人死亡[6],超万台汽车被淹[7],地铁13号线部分区间停运22 d[8])等. ...
特大暴雨打破多个历史纪录
1
2020
... 洪涝灾害是世界范围内高频发生的自然灾害,对国民经济与社会发展形成持续的干扰.1998年特大洪水后中国持续的水利工程建设有效提升了流域防洪标准,减小了大江大河洪水的威胁.但是,21世纪以来伴随中国快速城市化进程的内涝频发造成了广泛影响和严重损失.根据2006—2016年中国水旱灾害公报统计数据,2006年以来中国每年受淹城市都在100个以上,其中2010年受淹城市258个,2012年184个,2013年234个,而且在大江大河水势基本调控平稳的情况下2010、2012、2014年洪灾直接经济损失均超过1998年特大洪灾[1].住建部对351个城市进行专项调研,2008—2010年全国有62%的城市发生过内涝,超过3次以上的有137个,其中有57个城市最大淹没时间超过12 h[2].由于人口、资源和交通等关键基础设施在城市集聚,暴雨内涝往往造成严重的人员伤亡、经济损失,以及交通拥堵、电力中断和公共健康等问题.典型暴雨内涝事件包括济南2007年“7·18”(30多人死亡,33万人受灾,经济损失13.2亿元)[3]、北京2012年“7·21”(79人死亡,160.2万人受灾,经济损失116.4亿元)[4,5]和广州2020年“5·22”(4人死亡[6],超万台汽车被淹[7],地铁13号线部分区间停运22 d[8])等. ...
广东刷新两项“龙舟水”雨强纪录
1
2020
... 洪涝灾害是世界范围内高频发生的自然灾害,对国民经济与社会发展形成持续的干扰.1998年特大洪水后中国持续的水利工程建设有效提升了流域防洪标准,减小了大江大河洪水的威胁.但是,21世纪以来伴随中国快速城市化进程的内涝频发造成了广泛影响和严重损失.根据2006—2016年中国水旱灾害公报统计数据,2006年以来中国每年受淹城市都在100个以上,其中2010年受淹城市258个,2012年184个,2013年234个,而且在大江大河水势基本调控平稳的情况下2010、2012、2014年洪灾直接经济损失均超过1998年特大洪灾[1].住建部对351个城市进行专项调研,2008—2010年全国有62%的城市发生过内涝,超过3次以上的有137个,其中有57个城市最大淹没时间超过12 h[2].由于人口、资源和交通等关键基础设施在城市集聚,暴雨内涝往往造成严重的人员伤亡、经济损失,以及交通拥堵、电力中断和公共健康等问题.典型暴雨内涝事件包括济南2007年“7·18”(30多人死亡,33万人受灾,经济损失13.2亿元)[3]、北京2012年“7·21”(79人死亡,160.2万人受灾,经济损失116.4亿元)[4,5]和广州2020年“5·22”(4人死亡[6],超万台汽车被淹[7],地铁13号线部分区间停运22 d[8])等. ...
广东刷新两项“龙舟水”雨强纪录
1
2020
... 洪涝灾害是世界范围内高频发生的自然灾害,对国民经济与社会发展形成持续的干扰.1998年特大洪水后中国持续的水利工程建设有效提升了流域防洪标准,减小了大江大河洪水的威胁.但是,21世纪以来伴随中国快速城市化进程的内涝频发造成了广泛影响和严重损失.根据2006—2016年中国水旱灾害公报统计数据,2006年以来中国每年受淹城市都在100个以上,其中2010年受淹城市258个,2012年184个,2013年234个,而且在大江大河水势基本调控平稳的情况下2010、2012、2014年洪灾直接经济损失均超过1998年特大洪灾[1].住建部对351个城市进行专项调研,2008—2010年全国有62%的城市发生过内涝,超过3次以上的有137个,其中有57个城市最大淹没时间超过12 h[2].由于人口、资源和交通等关键基础设施在城市集聚,暴雨内涝往往造成严重的人员伤亡、经济损失,以及交通拥堵、电力中断和公共健康等问题.典型暴雨内涝事件包括济南2007年“7·18”(30多人死亡,33万人受灾,经济损失13.2亿元)[3]、北京2012年“7·21”(79人死亡,160.2万人受灾,经济损失116.4亿元)[4,5]和广州2020年“5·22”(4人死亡[6],超万台汽车被淹[7],地铁13号线部分区间停运22 d[8])等. ...
明天起, 广州地铁十三号线全线恢复运营
1
2020
... 洪涝灾害是世界范围内高频发生的自然灾害,对国民经济与社会发展形成持续的干扰.1998年特大洪水后中国持续的水利工程建设有效提升了流域防洪标准,减小了大江大河洪水的威胁.但是,21世纪以来伴随中国快速城市化进程的内涝频发造成了广泛影响和严重损失.根据2006—2016年中国水旱灾害公报统计数据,2006年以来中国每年受淹城市都在100个以上,其中2010年受淹城市258个,2012年184个,2013年234个,而且在大江大河水势基本调控平稳的情况下2010、2012、2014年洪灾直接经济损失均超过1998年特大洪灾[1].住建部对351个城市进行专项调研,2008—2010年全国有62%的城市发生过内涝,超过3次以上的有137个,其中有57个城市最大淹没时间超过12 h[2].由于人口、资源和交通等关键基础设施在城市集聚,暴雨内涝往往造成严重的人员伤亡、经济损失,以及交通拥堵、电力中断和公共健康等问题.典型暴雨内涝事件包括济南2007年“7·18”(30多人死亡,33万人受灾,经济损失13.2亿元)[3]、北京2012年“7·21”(79人死亡,160.2万人受灾,经济损失116.4亿元)[4,5]和广州2020年“5·22”(4人死亡[6],超万台汽车被淹[7],地铁13号线部分区间停运22 d[8])等. ...
明天起, 广州地铁十三号线全线恢复运营
1
2020
... 洪涝灾害是世界范围内高频发生的自然灾害,对国民经济与社会发展形成持续的干扰.1998年特大洪水后中国持续的水利工程建设有效提升了流域防洪标准,减小了大江大河洪水的威胁.但是,21世纪以来伴随中国快速城市化进程的内涝频发造成了广泛影响和严重损失.根据2006—2016年中国水旱灾害公报统计数据,2006年以来中国每年受淹城市都在100个以上,其中2010年受淹城市258个,2012年184个,2013年234个,而且在大江大河水势基本调控平稳的情况下2010、2012、2014年洪灾直接经济损失均超过1998年特大洪灾[1].住建部对351个城市进行专项调研,2008—2010年全国有62%的城市发生过内涝,超过3次以上的有137个,其中有57个城市最大淹没时间超过12 h[2].由于人口、资源和交通等关键基础设施在城市集聚,暴雨内涝往往造成严重的人员伤亡、经济损失,以及交通拥堵、电力中断和公共健康等问题.典型暴雨内涝事件包括济南2007年“7·18”(30多人死亡,33万人受灾,经济损失13.2亿元)[3]、北京2012年“7·21”(79人死亡,160.2万人受灾,经济损失116.4亿元)[4,5]和广州2020年“5·22”(4人死亡[6],超万台汽车被淹[7],地铁13号线部分区间停运22 d[8])等. ...
城市内涝灾害风险评估及综合应对研究进展
1
2014
... 城市暴雨内涝不仅涉及降雨、地表产汇流、管网排水和河道排涝等水文水动力过程,还受社会经济发展和城市管理等人文因素的影响,是一种人文与自然因子综合作用下的城市灾害[9],其空间热点呈现动态变化特征[10,11],致灾机理复杂且具有显著的区域差异.暴雨内涝物理过程的复杂性、驱动因子的综合性,以及城市建成环境的高空间异质性给城市水文研究与暴雨内涝模拟带来巨大挑战,具体表现为模型代表性不够、计算效率低、基础数据和模型验证数据匮乏等[12]. ...
城市内涝灾害风险评估及综合应对研究进展
1
2014
... 城市暴雨内涝不仅涉及降雨、地表产汇流、管网排水和河道排涝等水文水动力过程,还受社会经济发展和城市管理等人文因素的影响,是一种人文与自然因子综合作用下的城市灾害[9],其空间热点呈现动态变化特征[10,11],致灾机理复杂且具有显著的区域差异.暴雨内涝物理过程的复杂性、驱动因子的综合性,以及城市建成环境的高空间异质性给城市水文研究与暴雨内涝模拟带来巨大挑战,具体表现为模型代表性不够、计算效率低、基础数据和模型验证数据匮乏等[12]. ...
广州城市暴雨内涝时空演变及建设用地扩张的影响
2
2015
... 城市暴雨内涝不仅涉及降雨、地表产汇流、管网排水和河道排涝等水文水动力过程,还受社会经济发展和城市管理等人文因素的影响,是一种人文与自然因子综合作用下的城市灾害[9],其空间热点呈现动态变化特征[10,11],致灾机理复杂且具有显著的区域差异.暴雨内涝物理过程的复杂性、驱动因子的综合性,以及城市建成环境的高空间异质性给城市水文研究与暴雨内涝模拟带来巨大挑战,具体表现为模型代表性不够、计算效率低、基础数据和模型验证数据匮乏等[12]. ...
... 以广州市主城区为例,李彬烨等[10]的研究表明：1980—2012年间内涝点在空间上呈现显著的扩张态势：2000年以前绝大部分内涝点集中于老城区(越秀区),2000年后则扩散到天河、海珠、白云和黄埔等区域.内涝点核密度与城市不透水面密度呈显著正相关(99%置信水平),其相关性随城市化发展逐渐增强,表明城乡建设用地扩张是暴雨内涝灾害频发的一个重要诱因.黄华兵等[11]的研究表明：2009—2015年间广州市主城区的内涝热点呈现自西(老城区)向东(新城区)的转移态势(图1a和1b),排水改造工程的实施则有效减缓了暴雨内涝灾害(图1c和1d). ...
广州城市暴雨内涝时空演变及建设用地扩张的影响
2
2015
... 城市暴雨内涝不仅涉及降雨、地表产汇流、管网排水和河道排涝等水文水动力过程,还受社会经济发展和城市管理等人文因素的影响,是一种人文与自然因子综合作用下的城市灾害[9],其空间热点呈现动态变化特征[10,11],致灾机理复杂且具有显著的区域差异.暴雨内涝物理过程的复杂性、驱动因子的综合性,以及城市建成环境的高空间异质性给城市水文研究与暴雨内涝模拟带来巨大挑战,具体表现为模型代表性不够、计算效率低、基础数据和模型验证数据匮乏等[12]. ...
... 以广州市主城区为例,李彬烨等[10]的研究表明：1980—2012年间内涝点在空间上呈现显著的扩张态势：2000年以前绝大部分内涝点集中于老城区(越秀区),2000年后则扩散到天河、海珠、白云和黄埔等区域.内涝点核密度与城市不透水面密度呈显著正相关(99%置信水平),其相关性随城市化发展逐渐增强,表明城乡建设用地扩张是暴雨内涝灾害频发的一个重要诱因.黄华兵等[11]的研究表明：2009—2015年间广州市主城区的内涝热点呈现自西(老城区)向东(新城区)的转移态势(图1a和1b),排水改造工程的实施则有效减缓了暴雨内涝灾害(图1c和1d). ...
The changing pattern of urban flooding in Guangzhou, China
3
2018
... 城市暴雨内涝不仅涉及降雨、地表产汇流、管网排水和河道排涝等水文水动力过程,还受社会经济发展和城市管理等人文因素的影响,是一种人文与自然因子综合作用下的城市灾害[9],其空间热点呈现动态变化特征[10,11],致灾机理复杂且具有显著的区域差异.暴雨内涝物理过程的复杂性、驱动因子的综合性,以及城市建成环境的高空间异质性给城市水文研究与暴雨内涝模拟带来巨大挑战,具体表现为模型代表性不够、计算效率低、基础数据和模型验证数据匮乏等[12]. ...
... 以广州市主城区为例,李彬烨等[10]的研究表明：1980—2012年间内涝点在空间上呈现显著的扩张态势：2000年以前绝大部分内涝点集中于老城区(越秀区),2000年后则扩散到天河、海珠、白云和黄埔等区域.内涝点核密度与城市不透水面密度呈显著正相关(99%置信水平),其相关性随城市化发展逐渐增强,表明城乡建设用地扩张是暴雨内涝灾害频发的一个重要诱因.黄华兵等[11]的研究表明：2009—2015年间广州市主城区的内涝热点呈现自西(老城区)向东(新城区)的转移态势(图1a和1b),排水改造工程的实施则有效减缓了暴雨内涝灾害(图1c和1d). ...
... 注：此图改绘自文献[11]. ...
变化环境下城市水文学的发展与挑战: II 城市雨洪模拟与管理
2
2014
... 城市暴雨内涝不仅涉及降雨、地表产汇流、管网排水和河道排涝等水文水动力过程,还受社会经济发展和城市管理等人文因素的影响,是一种人文与自然因子综合作用下的城市灾害[9],其空间热点呈现动态变化特征[10,11],致灾机理复杂且具有显著的区域差异.暴雨内涝物理过程的复杂性、驱动因子的综合性,以及城市建成环境的高空间异质性给城市水文研究与暴雨内涝模拟带来巨大挑战,具体表现为模型代表性不够、计算效率低、基础数据和模型验证数据匮乏等[12]. ...
... 持续性降雨或短历时高强度降雨是城市暴雨内涝的主要驱动因子[12].准确认识降雨时空特征及其对内涝的影响是致灾机理研究的重要内容,也是进行城市排水工程设计的前提. ...
变化环境下城市水文学的发展与挑战: II 城市雨洪模拟与管理
2
2014
... 城市暴雨内涝不仅涉及降雨、地表产汇流、管网排水和河道排涝等水文水动力过程,还受社会经济发展和城市管理等人文因素的影响,是一种人文与自然因子综合作用下的城市灾害[9],其空间热点呈现动态变化特征[10,11],致灾机理复杂且具有显著的区域差异.暴雨内涝物理过程的复杂性、驱动因子的综合性,以及城市建成环境的高空间异质性给城市水文研究与暴雨内涝模拟带来巨大挑战,具体表现为模型代表性不够、计算效率低、基础数据和模型验证数据匮乏等[12]. ...
... 持续性降雨或短历时高强度降雨是城市暴雨内涝的主要驱动因子[12].准确认识降雨时空特征及其对内涝的影响是致灾机理研究的重要内容,也是进行城市排水工程设计的前提. ...
Report for the urban flooding awareness act
1
2015
... 城市水文过程的时空尺度显著小于流域水文过程,其汇流时间在小时尺度,空间范围一般不超过数百平方公里.受此影响,暴雨内涝与流域洪水在时空特征上也存在显著差异.时间上,暴雨内涝发生在小时尺度,小于流域洪水的日尺度.空间分布上,流域洪水的影响区域具有明确的方向性,从河道向外围扩散;受产汇流特征变化、自然与人工混合排水体制以及建成环境高空间异质性的影响,暴雨内涝则可能发生于城市的任意位置[13].具体而言,可能由于地表径流量过大而直接在局部低洼处形成积水,可能是雨水径流经管网输送后在特定节点发生超载和溢流(即双向排水,dual-drainage),也可能由于河流高水位的顶托或倒灌作用,这3种内涝现象发生的空间尺度依次增大,从局部小范围、排水管网到河流流域.实际内涝现象不仅单独发生在这3种空间尺度上,更有可能是3种机制相互作用的结果.因此,暴雨内涝具有时间上的短历时性和空间上的散布特征,这对预报预警的实时性和应急响应的空间覆盖度提出了更高要求. ...
城市洪涝风险的演变趋向、重要特征与应对方略
1
2015
... 城市暴雨内涝区别于传统农业洪涝灾害最为显著的特征,是其连锁性与突变性[14].农业洪涝灾害以直接经济损失为主,而城市暴雨内涝则呈现直接损失与间接损失兼具的特点.间接损失的大小取决于城市生命线各子系统,如交通、电力、供水、通信等之间的相互依赖程度,依赖程度越高则间接损失的量级越高,影响的空间范围越大.典型的暴雨内涝灾害连锁场景包括“暴雨内涝—交通拥堵—居民出行受阻”和“暴雨内涝—电力中断—供水、通信等中断—社会经济活动停滞”等.现代城市的一个显著特点是日益增加的复杂度,其驱动因素包括：① 以效率为主要导向的发展模式;② 部门职能的条带分隔;③ 忽略环境的安全性和可持续性,以获取发展资金为主要目标的短期决策[15]. ...
城市洪涝风险的演变趋向、重要特征与应对方略
1
2015
... 城市暴雨内涝区别于传统农业洪涝灾害最为显著的特征,是其连锁性与突变性[14].农业洪涝灾害以直接经济损失为主,而城市暴雨内涝则呈现直接损失与间接损失兼具的特点.间接损失的大小取决于城市生命线各子系统,如交通、电力、供水、通信等之间的相互依赖程度,依赖程度越高则间接损失的量级越高,影响的空间范围越大.典型的暴雨内涝灾害连锁场景包括“暴雨内涝—交通拥堵—居民出行受阻”和“暴雨内涝—电力中断—供水、通信等中断—社会经济活动停滞”等.现代城市的一个显著特点是日益增加的复杂度,其驱动因素包括：① 以效率为主要导向的发展模式;② 部门职能的条带分隔;③ 忽略环境的安全性和可持续性,以获取发展资金为主要目标的短期决策[15]. ...
Drivers of changing urban flood risk: A framework for action
1
2019
... 城市暴雨内涝区别于传统农业洪涝灾害最为显著的特征,是其连锁性与突变性[14].农业洪涝灾害以直接经济损失为主,而城市暴雨内涝则呈现直接损失与间接损失兼具的特点.间接损失的大小取决于城市生命线各子系统,如交通、电力、供水、通信等之间的相互依赖程度,依赖程度越高则间接损失的量级越高,影响的空间范围越大.典型的暴雨内涝灾害连锁场景包括“暴雨内涝—交通拥堵—居民出行受阻”和“暴雨内涝—电力中断—供水、通信等中断—社会经济活动停滞”等.现代城市的一个显著特点是日益增加的复杂度,其驱动因素包括：① 以效率为主要导向的发展模式;② 部门职能的条带分隔;③ 忽略环境的安全性和可持续性,以获取发展资金为主要目标的短期决策[15]. ...
北京中心城区内涝成因
1
2014
... 暴雨内涝的物理过程涉及降雨、地表产汇流、管网排水和河道排涝等,但其影响因子不仅包括降雨强度大、不透水率高、地形条件不利和水位顶托等自然因素,还包含与人为活动相关的地表沉降、设计排水能力低和排水管网堵塞等[16,17].实际内涝现象往往是在不同空间尺度下人文和自然多因子相互作用的结果.中国的城市暴雨内涝,从城市水循环角度看,主要原因是以地表硬化为主要特征的城市化导致的雨水渗透和调蓄能力下降;从城市管理角度看,“先地上后地下”的发展模式、较低的排水设计标准则是主要诱因.下面详细总结降雨时空特征、城市化和地形条件对暴雨内涝的影响机制. ...
北京中心城区内涝成因
1
2014
... 暴雨内涝的物理过程涉及降雨、地表产汇流、管网排水和河道排涝等,但其影响因子不仅包括降雨强度大、不透水率高、地形条件不利和水位顶托等自然因素,还包含与人为活动相关的地表沉降、设计排水能力低和排水管网堵塞等[16,17].实际内涝现象往往是在不同空间尺度下人文和自然多因子相互作用的结果.中国的城市暴雨内涝,从城市水循环角度看,主要原因是以地表硬化为主要特征的城市化导致的雨水渗透和调蓄能力下降;从城市管理角度看,“先地上后地下”的发展模式、较低的排水设计标准则是主要诱因.下面详细总结降雨时空特征、城市化和地形条件对暴雨内涝的影响机制. ...
广州内涝形成原因与防治对策
1
2017
... 暴雨内涝的物理过程涉及降雨、地表产汇流、管网排水和河道排涝等,但其影响因子不仅包括降雨强度大、不透水率高、地形条件不利和水位顶托等自然因素,还包含与人为活动相关的地表沉降、设计排水能力低和排水管网堵塞等[16,17].实际内涝现象往往是在不同空间尺度下人文和自然多因子相互作用的结果.中国的城市暴雨内涝,从城市水循环角度看,主要原因是以地表硬化为主要特征的城市化导致的雨水渗透和调蓄能力下降;从城市管理角度看,“先地上后地下”的发展模式、较低的排水设计标准则是主要诱因.下面详细总结降雨时空特征、城市化和地形条件对暴雨内涝的影响机制. ...
广州内涝形成原因与防治对策
1
2017
... 暴雨内涝的物理过程涉及降雨、地表产汇流、管网排水和河道排涝等,但其影响因子不仅包括降雨强度大、不透水率高、地形条件不利和水位顶托等自然因素,还包含与人为活动相关的地表沉降、设计排水能力低和排水管网堵塞等[16,17].实际内涝现象往往是在不同空间尺度下人文和自然多因子相互作用的结果.中国的城市暴雨内涝,从城市水循环角度看,主要原因是以地表硬化为主要特征的城市化导致的雨水渗透和调蓄能力下降;从城市管理角度看,“先地上后地下”的发展模式、较低的排水设计标准则是主要诱因.下面详细总结降雨时空特征、城市化和地形条件对暴雨内涝的影响机制. ...
北京降雨过程分型特征及短历时降雨重现期研究
1
2015
... 暴雨雨型用于描述降雨强度的时程分布.对于给定重现期和历时的设计降雨,暴雨雨型决定了峰值流量,从而影响内涝风险大小.中国多个城市如北京[18]、上海[19]、广州[20,21]、深圳[22]、南京[23]、西安[24]的暴雨分析表明,暴雨场次呈现增加趋势,主要归因于短历时暴雨的增加,而且短历时暴雨大部分为雨峰在前部的单峰型降雨.西安地区单峰型降雨的内涝模拟表明：重现期小于20 a时雨峰系数越小内涝越严重,大于20 a时规律则相反;不同雨峰系数间的内涝差异随重现期变长而减小[25].成都地区的内涝模拟研究则表明：重现期大于20 a时雨峰系数越小内涝越严重,小于20 a时雨峰系数对内涝程度的影响不显著[26].上述内涝模拟主要采用芝加哥雨型进行暴雨时程分配,而广州地区的内涝模拟则表明采用芝加哥雨型表达降雨过程将显著低估内涝风险[27].潘璀林等[20]提出了一种改进的Huff雨型,对实际降雨过程的拟合效果优于芝加哥雨型,可有效降低暴雨设计中的不确定性. ...
北京降雨过程分型特征及短历时降雨重现期研究
1
2015
... 暴雨雨型用于描述降雨强度的时程分布.对于给定重现期和历时的设计降雨,暴雨雨型决定了峰值流量,从而影响内涝风险大小.中国多个城市如北京[18]、上海[19]、广州[20,21]、深圳[22]、南京[23]、西安[24]的暴雨分析表明,暴雨场次呈现增加趋势,主要归因于短历时暴雨的增加,而且短历时暴雨大部分为雨峰在前部的单峰型降雨.西安地区单峰型降雨的内涝模拟表明：重现期小于20 a时雨峰系数越小内涝越严重,大于20 a时规律则相反;不同雨峰系数间的内涝差异随重现期变长而减小[25].成都地区的内涝模拟研究则表明：重现期大于20 a时雨峰系数越小内涝越严重,小于20 a时雨峰系数对内涝程度的影响不显著[26].上述内涝模拟主要采用芝加哥雨型进行暴雨时程分配,而广州地区的内涝模拟则表明采用芝加哥雨型表达降雨过程将显著低估内涝风险[27].潘璀林等[20]提出了一种改进的Huff雨型,对实际降雨过程的拟合效果优于芝加哥雨型,可有效降低暴雨设计中的不确定性. ...
1981—2013年上海地区强降水事件特征分析
1
2015
... 暴雨雨型用于描述降雨强度的时程分布.对于给定重现期和历时的设计降雨,暴雨雨型决定了峰值流量,从而影响内涝风险大小.中国多个城市如北京[18]、上海[19]、广州[20,21]、深圳[22]、南京[23]、西安[24]的暴雨分析表明,暴雨场次呈现增加趋势,主要归因于短历时暴雨的增加,而且短历时暴雨大部分为雨峰在前部的单峰型降雨.西安地区单峰型降雨的内涝模拟表明：重现期小于20 a时雨峰系数越小内涝越严重,大于20 a时规律则相反;不同雨峰系数间的内涝差异随重现期变长而减小[25].成都地区的内涝模拟研究则表明：重现期大于20 a时雨峰系数越小内涝越严重,小于20 a时雨峰系数对内涝程度的影响不显著[26].上述内涝模拟主要采用芝加哥雨型进行暴雨时程分配,而广州地区的内涝模拟则表明采用芝加哥雨型表达降雨过程将显著低估内涝风险[27].潘璀林等[20]提出了一种改进的Huff雨型,对实际降雨过程的拟合效果优于芝加哥雨型,可有效降低暴雨设计中的不确定性. ...
1981—2013年上海地区强降水事件特征分析
1
2015
... 暴雨雨型用于描述降雨强度的时程分布.对于给定重现期和历时的设计降雨,暴雨雨型决定了峰值流量,从而影响内涝风险大小.中国多个城市如北京[18]、上海[19]、广州[20,21]、深圳[22]、南京[23]、西安[24]的暴雨分析表明,暴雨场次呈现增加趋势,主要归因于短历时暴雨的增加,而且短历时暴雨大部分为雨峰在前部的单峰型降雨.西安地区单峰型降雨的内涝模拟表明：重现期小于20 a时雨峰系数越小内涝越严重,大于20 a时规律则相反;不同雨峰系数间的内涝差异随重现期变长而减小[25].成都地区的内涝模拟研究则表明：重现期大于20 a时雨峰系数越小内涝越严重,小于20 a时雨峰系数对内涝程度的影响不显著[26].上述内涝模拟主要采用芝加哥雨型进行暴雨时程分配,而广州地区的内涝模拟则表明采用芝加哥雨型表达降雨过程将显著低估内涝风险[27].潘璀林等[20]提出了一种改进的Huff雨型,对实际降雨过程的拟合效果优于芝加哥雨型,可有效降低暴雨设计中的不确定性. ...
Improvement to the huff curve for design storms and urban flooding simulations in Guangzhou, China
2
2017
... 暴雨雨型用于描述降雨强度的时程分布.对于给定重现期和历时的设计降雨,暴雨雨型决定了峰值流量,从而影响内涝风险大小.中国多个城市如北京[18]、上海[19]、广州[20,21]、深圳[22]、南京[23]、西安[24]的暴雨分析表明,暴雨场次呈现增加趋势,主要归因于短历时暴雨的增加,而且短历时暴雨大部分为雨峰在前部的单峰型降雨.西安地区单峰型降雨的内涝模拟表明：重现期小于20 a时雨峰系数越小内涝越严重,大于20 a时规律则相反;不同雨峰系数间的内涝差异随重现期变长而减小[25].成都地区的内涝模拟研究则表明：重现期大于20 a时雨峰系数越小内涝越严重,小于20 a时雨峰系数对内涝程度的影响不显著[26].上述内涝模拟主要采用芝加哥雨型进行暴雨时程分配,而广州地区的内涝模拟则表明采用芝加哥雨型表达降雨过程将显著低估内涝风险[27].潘璀林等[20]提出了一种改进的Huff雨型,对实际降雨过程的拟合效果优于芝加哥雨型,可有效降低暴雨设计中的不确定性. ...
... [20]提出了一种改进的Huff雨型,对实际降雨过程的拟合效果优于芝加哥雨型,可有效降低暴雨设计中的不确定性. ...
Research on the characteristics of urban rainstorm pattern in the humid area of Southern China: A case study of Guangzhou City
1
2015
... 暴雨雨型用于描述降雨强度的时程分布.对于给定重现期和历时的设计降雨,暴雨雨型决定了峰值流量,从而影响内涝风险大小.中国多个城市如北京[18]、上海[19]、广州[20,21]、深圳[22]、南京[23]、西安[24]的暴雨分析表明,暴雨场次呈现增加趋势,主要归因于短历时暴雨的增加,而且短历时暴雨大部分为雨峰在前部的单峰型降雨.西安地区单峰型降雨的内涝模拟表明：重现期小于20 a时雨峰系数越小内涝越严重,大于20 a时规律则相反;不同雨峰系数间的内涝差异随重现期变长而减小[25].成都地区的内涝模拟研究则表明：重现期大于20 a时雨峰系数越小内涝越严重,小于20 a时雨峰系数对内涝程度的影响不显著[26].上述内涝模拟主要采用芝加哥雨型进行暴雨时程分配,而广州地区的内涝模拟则表明采用芝加哥雨型表达降雨过程将显著低估内涝风险[27].潘璀林等[20]提出了一种改进的Huff雨型,对实际降雨过程的拟合效果优于芝加哥雨型,可有效降低暴雨设计中的不确定性. ...
南方高度城市化地区极端降雨特征分析及阈值确定: 以深圳市为例
1
2017
... 暴雨雨型用于描述降雨强度的时程分布.对于给定重现期和历时的设计降雨,暴雨雨型决定了峰值流量,从而影响内涝风险大小.中国多个城市如北京[18]、上海[19]、广州[20,21]、深圳[22]、南京[23]、西安[24]的暴雨分析表明,暴雨场次呈现增加趋势,主要归因于短历时暴雨的增加,而且短历时暴雨大部分为雨峰在前部的单峰型降雨.西安地区单峰型降雨的内涝模拟表明：重现期小于20 a时雨峰系数越小内涝越严重,大于20 a时规律则相反;不同雨峰系数间的内涝差异随重现期变长而减小[25].成都地区的内涝模拟研究则表明：重现期大于20 a时雨峰系数越小内涝越严重,小于20 a时雨峰系数对内涝程度的影响不显著[26].上述内涝模拟主要采用芝加哥雨型进行暴雨时程分配,而广州地区的内涝模拟则表明采用芝加哥雨型表达降雨过程将显著低估内涝风险[27].潘璀林等[20]提出了一种改进的Huff雨型,对实际降雨过程的拟合效果优于芝加哥雨型,可有效降低暴雨设计中的不确定性. ...
南方高度城市化地区极端降雨特征分析及阈值确定: 以深圳市为例
1
2017
... 暴雨雨型用于描述降雨强度的时程分布.对于给定重现期和历时的设计降雨,暴雨雨型决定了峰值流量,从而影响内涝风险大小.中国多个城市如北京[18]、上海[19]、广州[20,21]、深圳[22]、南京[23]、西安[24]的暴雨分析表明,暴雨场次呈现增加趋势,主要归因于短历时暴雨的增加,而且短历时暴雨大部分为雨峰在前部的单峰型降雨.西安地区单峰型降雨的内涝模拟表明：重现期小于20 a时雨峰系数越小内涝越严重,大于20 a时规律则相反;不同雨峰系数间的内涝差异随重现期变长而减小[25].成都地区的内涝模拟研究则表明：重现期大于20 a时雨峰系数越小内涝越严重,小于20 a时雨峰系数对内涝程度的影响不显著[26].上述内涝模拟主要采用芝加哥雨型进行暴雨时程分配,而广州地区的内涝模拟则表明采用芝加哥雨型表达降雨过程将显著低估内涝风险[27].潘璀林等[20]提出了一种改进的Huff雨型,对实际降雨过程的拟合效果优于芝加哥雨型,可有效降低暴雨设计中的不确定性. ...
南京市近25年短历时暴雨雨型特性
1
2019
... 暴雨雨型用于描述降雨强度的时程分布.对于给定重现期和历时的设计降雨,暴雨雨型决定了峰值流量,从而影响内涝风险大小.中国多个城市如北京[18]、上海[19]、广州[20,21]、深圳[22]、南京[23]、西安[24]的暴雨分析表明,暴雨场次呈现增加趋势,主要归因于短历时暴雨的增加,而且短历时暴雨大部分为雨峰在前部的单峰型降雨.西安地区单峰型降雨的内涝模拟表明：重现期小于20 a时雨峰系数越小内涝越严重,大于20 a时规律则相反;不同雨峰系数间的内涝差异随重现期变长而减小[25].成都地区的内涝模拟研究则表明：重现期大于20 a时雨峰系数越小内涝越严重,小于20 a时雨峰系数对内涝程度的影响不显著[26].上述内涝模拟主要采用芝加哥雨型进行暴雨时程分配,而广州地区的内涝模拟则表明采用芝加哥雨型表达降雨过程将显著低估内涝风险[27].潘璀林等[20]提出了一种改进的Huff雨型,对实际降雨过程的拟合效果优于芝加哥雨型,可有效降低暴雨设计中的不确定性. ...
南京市近25年短历时暴雨雨型特性
1
2019
... 暴雨雨型用于描述降雨强度的时程分布.对于给定重现期和历时的设计降雨,暴雨雨型决定了峰值流量,从而影响内涝风险大小.中国多个城市如北京[18]、上海[19]、广州[20,21]、深圳[22]、南京[23]、西安[24]的暴雨分析表明,暴雨场次呈现增加趋势,主要归因于短历时暴雨的增加,而且短历时暴雨大部分为雨峰在前部的单峰型降雨.西安地区单峰型降雨的内涝模拟表明：重现期小于20 a时雨峰系数越小内涝越严重,大于20 a时规律则相反;不同雨峰系数间的内涝差异随重现期变长而减小[25].成都地区的内涝模拟研究则表明：重现期大于20 a时雨峰系数越小内涝越严重,小于20 a时雨峰系数对内涝程度的影响不显著[26].上述内涝模拟主要采用芝加哥雨型进行暴雨时程分配,而广州地区的内涝模拟则表明采用芝加哥雨型表达降雨过程将显著低估内涝风险[27].潘璀林等[20]提出了一种改进的Huff雨型,对实际降雨过程的拟合效果优于芝加哥雨型,可有效降低暴雨设计中的不确定性. ...
西安城区暴雨雨型分析
1
2015
... 暴雨雨型用于描述降雨强度的时程分布.对于给定重现期和历时的设计降雨,暴雨雨型决定了峰值流量,从而影响内涝风险大小.中国多个城市如北京[18]、上海[19]、广州[20,21]、深圳[22]、南京[23]、西安[24]的暴雨分析表明,暴雨场次呈现增加趋势,主要归因于短历时暴雨的增加,而且短历时暴雨大部分为雨峰在前部的单峰型降雨.西安地区单峰型降雨的内涝模拟表明：重现期小于20 a时雨峰系数越小内涝越严重,大于20 a时规律则相反;不同雨峰系数间的内涝差异随重现期变长而减小[25].成都地区的内涝模拟研究则表明：重现期大于20 a时雨峰系数越小内涝越严重,小于20 a时雨峰系数对内涝程度的影响不显著[26].上述内涝模拟主要采用芝加哥雨型进行暴雨时程分配,而广州地区的内涝模拟则表明采用芝加哥雨型表达降雨过程将显著低估内涝风险[27].潘璀林等[20]提出了一种改进的Huff雨型,对实际降雨过程的拟合效果优于芝加哥雨型,可有效降低暴雨设计中的不确定性. ...
西安城区暴雨雨型分析
1
2015
... 暴雨雨型用于描述降雨强度的时程分布.对于给定重现期和历时的设计降雨,暴雨雨型决定了峰值流量,从而影响内涝风险大小.中国多个城市如北京[18]、上海[19]、广州[20,21]、深圳[22]、南京[23]、西安[24]的暴雨分析表明,暴雨场次呈现增加趋势,主要归因于短历时暴雨的增加,而且短历时暴雨大部分为雨峰在前部的单峰型降雨.西安地区单峰型降雨的内涝模拟表明：重现期小于20 a时雨峰系数越小内涝越严重,大于20 a时规律则相反;不同雨峰系数间的内涝差异随重现期变长而减小[25].成都地区的内涝模拟研究则表明：重现期大于20 a时雨峰系数越小内涝越严重,小于20 a时雨峰系数对内涝程度的影响不显著[26].上述内涝模拟主要采用芝加哥雨型进行暴雨时程分配,而广州地区的内涝模拟则表明采用芝加哥雨型表达降雨过程将显著低估内涝风险[27].潘璀林等[20]提出了一种改进的Huff雨型,对实际降雨过程的拟合效果优于芝加哥雨型,可有效降低暴雨设计中的不确定性. ...
设计暴雨雨型对城市内涝影响数值模拟
1
2017
... 暴雨雨型用于描述降雨强度的时程分布.对于给定重现期和历时的设计降雨,暴雨雨型决定了峰值流量,从而影响内涝风险大小.中国多个城市如北京[18]、上海[19]、广州[20,21]、深圳[22]、南京[23]、西安[24]的暴雨分析表明,暴雨场次呈现增加趋势,主要归因于短历时暴雨的增加,而且短历时暴雨大部分为雨峰在前部的单峰型降雨.西安地区单峰型降雨的内涝模拟表明：重现期小于20 a时雨峰系数越小内涝越严重,大于20 a时规律则相反;不同雨峰系数间的内涝差异随重现期变长而减小[25].成都地区的内涝模拟研究则表明：重现期大于20 a时雨峰系数越小内涝越严重,小于20 a时雨峰系数对内涝程度的影响不显著[26].上述内涝模拟主要采用芝加哥雨型进行暴雨时程分配,而广州地区的内涝模拟则表明采用芝加哥雨型表达降雨过程将显著低估内涝风险[27].潘璀林等[20]提出了一种改进的Huff雨型,对实际降雨过程的拟合效果优于芝加哥雨型,可有效降低暴雨设计中的不确定性. ...
设计暴雨雨型对城市内涝影响数值模拟
1
2017
... 暴雨雨型用于描述降雨强度的时程分布.对于给定重现期和历时的设计降雨,暴雨雨型决定了峰值流量,从而影响内涝风险大小.中国多个城市如北京[18]、上海[19]、广州[20,21]、深圳[22]、南京[23]、西安[24]的暴雨分析表明,暴雨场次呈现增加趋势,主要归因于短历时暴雨的增加,而且短历时暴雨大部分为雨峰在前部的单峰型降雨.西安地区单峰型降雨的内涝模拟表明：重现期小于20 a时雨峰系数越小内涝越严重,大于20 a时规律则相反;不同雨峰系数间的内涝差异随重现期变长而减小[25].成都地区的内涝模拟研究则表明：重现期大于20 a时雨峰系数越小内涝越严重,小于20 a时雨峰系数对内涝程度的影响不显著[26].上述内涝模拟主要采用芝加哥雨型进行暴雨时程分配,而广州地区的内涝模拟则表明采用芝加哥雨型表达降雨过程将显著低估内涝风险[27].潘璀林等[20]提出了一种改进的Huff雨型,对实际降雨过程的拟合效果优于芝加哥雨型,可有效降低暴雨设计中的不确定性. ...
基于MIKE URBAN模型研究设计暴雨雨型对城市内涝的影响
1
2019
... 暴雨雨型用于描述降雨强度的时程分布.对于给定重现期和历时的设计降雨,暴雨雨型决定了峰值流量,从而影响内涝风险大小.中国多个城市如北京[18]、上海[19]、广州[20,21]、深圳[22]、南京[23]、西安[24]的暴雨分析表明,暴雨场次呈现增加趋势,主要归因于短历时暴雨的增加,而且短历时暴雨大部分为雨峰在前部的单峰型降雨.西安地区单峰型降雨的内涝模拟表明：重现期小于20 a时雨峰系数越小内涝越严重,大于20 a时规律则相反;不同雨峰系数间的内涝差异随重现期变长而减小[25].成都地区的内涝模拟研究则表明：重现期大于20 a时雨峰系数越小内涝越严重,小于20 a时雨峰系数对内涝程度的影响不显著[26].上述内涝模拟主要采用芝加哥雨型进行暴雨时程分配,而广州地区的内涝模拟则表明采用芝加哥雨型表达降雨过程将显著低估内涝风险[27].潘璀林等[20]提出了一种改进的Huff雨型,对实际降雨过程的拟合效果优于芝加哥雨型,可有效降低暴雨设计中的不确定性. ...
基于MIKE URBAN模型研究设计暴雨雨型对城市内涝的影响
1
2019
... 暴雨雨型用于描述降雨强度的时程分布.对于给定重现期和历时的设计降雨,暴雨雨型决定了峰值流量,从而影响内涝风险大小.中国多个城市如北京[18]、上海[19]、广州[20,21]、深圳[22]、南京[23]、西安[24]的暴雨分析表明,暴雨场次呈现增加趋势,主要归因于短历时暴雨的增加,而且短历时暴雨大部分为雨峰在前部的单峰型降雨.西安地区单峰型降雨的内涝模拟表明：重现期小于20 a时雨峰系数越小内涝越严重,大于20 a时规律则相反;不同雨峰系数间的内涝差异随重现期变长而减小[25].成都地区的内涝模拟研究则表明：重现期大于20 a时雨峰系数越小内涝越严重,小于20 a时雨峰系数对内涝程度的影响不显著[26].上述内涝模拟主要采用芝加哥雨型进行暴雨时程分配,而广州地区的内涝模拟则表明采用芝加哥雨型表达降雨过程将显著低估内涝风险[27].潘璀林等[20]提出了一种改进的Huff雨型,对实际降雨过程的拟合效果优于芝加哥雨型,可有效降低暴雨设计中的不确定性. ...
Assessing the mitigation effect of deep tunnels on urban flooding: A case study in Guangzhou, China
1
2019
... 暴雨雨型用于描述降雨强度的时程分布.对于给定重现期和历时的设计降雨,暴雨雨型决定了峰值流量,从而影响内涝风险大小.中国多个城市如北京[18]、上海[19]、广州[20,21]、深圳[22]、南京[23]、西安[24]的暴雨分析表明,暴雨场次呈现增加趋势,主要归因于短历时暴雨的增加,而且短历时暴雨大部分为雨峰在前部的单峰型降雨.西安地区单峰型降雨的内涝模拟表明：重现期小于20 a时雨峰系数越小内涝越严重,大于20 a时规律则相反;不同雨峰系数间的内涝差异随重现期变长而减小[25].成都地区的内涝模拟研究则表明：重现期大于20 a时雨峰系数越小内涝越严重,小于20 a时雨峰系数对内涝程度的影响不显著[26].上述内涝模拟主要采用芝加哥雨型进行暴雨时程分配,而广州地区的内涝模拟则表明采用芝加哥雨型表达降雨过程将显著低估内涝风险[27].潘璀林等[20]提出了一种改进的Huff雨型,对实际降雨过程的拟合效果优于芝加哥雨型,可有效降低暴雨设计中的不确定性. ...
Estimation of storm-centred areal reduction factors from radar rainfall for design in urban hydrology
1
2019
... 降雨的空间差异不仅表现在江河流域尺度,也体现在城市尺度,特别是在城区不断扩张和雨岛效应的影响下[28].例如,广州市2012年11个雨量站记录的多场致灾降雨数据显示,站点间12 h雨量相差40~200 mm,相对偏差为40%~100%[29];西安市西咸新区3个气象站同一场降雨的雨量相差45%[30].考虑到降雨空间差异,一般用点面折减系数(areal reduction factor, ARF)表示从点雨量到面雨量之间的换算关系,这对于合理确定城市尺度排水设施的规模至关重要,如地表和地下调蓄设施.一般而言,点面折减系数随降雨历时变长而增加,随流域面积变大而降低[31].也就是说,与长历时降雨相比,短历时降雨的空间不一致性更高,因而是降雨空间差异研究的重点.短历时暴雨的内涝模拟表明：相同降雨量条件下,降雨空间不一致性越高,相比于均匀情况下的内涝积水削减量则越大[30].除了降雨历时和流域面积,点面折减系数还受到降雨类型、降雨形态、季节、地理区位、流域属性、降雨数据来源和计算方法等因素影响[32]. ...
城市排水防涝系统降雨空间分布特性研究
1
2016
... 降雨的空间差异不仅表现在江河流域尺度,也体现在城市尺度,特别是在城区不断扩张和雨岛效应的影响下[28].例如,广州市2012年11个雨量站记录的多场致灾降雨数据显示,站点间12 h雨量相差40~200 mm,相对偏差为40%~100%[29];西安市西咸新区3个气象站同一场降雨的雨量相差45%[30].考虑到降雨空间差异,一般用点面折减系数(areal reduction factor, ARF)表示从点雨量到面雨量之间的换算关系,这对于合理确定城市尺度排水设施的规模至关重要,如地表和地下调蓄设施.一般而言,点面折减系数随降雨历时变长而增加,随流域面积变大而降低[31].也就是说,与长历时降雨相比,短历时降雨的空间不一致性更高,因而是降雨空间差异研究的重点.短历时暴雨的内涝模拟表明：相同降雨量条件下,降雨空间不一致性越高,相比于均匀情况下的内涝积水削减量则越大[30].除了降雨历时和流域面积,点面折减系数还受到降雨类型、降雨形态、季节、地理区位、流域属性、降雨数据来源和计算方法等因素影响[32]. ...
城市排水防涝系统降雨空间分布特性研究
1
2016
... 降雨的空间差异不仅表现在江河流域尺度,也体现在城市尺度,特别是在城区不断扩张和雨岛效应的影响下[28].例如,广州市2012年11个雨量站记录的多场致灾降雨数据显示,站点间12 h雨量相差40~200 mm,相对偏差为40%~100%[29];西安市西咸新区3个气象站同一场降雨的雨量相差45%[30].考虑到降雨空间差异,一般用点面折减系数(areal reduction factor, ARF)表示从点雨量到面雨量之间的换算关系,这对于合理确定城市尺度排水设施的规模至关重要,如地表和地下调蓄设施.一般而言,点面折减系数随降雨历时变长而增加,随流域面积变大而降低[31].也就是说,与长历时降雨相比,短历时降雨的空间不一致性更高,因而是降雨空间差异研究的重点.短历时暴雨的内涝模拟表明：相同降雨量条件下,降雨空间不一致性越高,相比于均匀情况下的内涝积水削减量则越大[30].除了降雨历时和流域面积,点面折减系数还受到降雨类型、降雨形态、季节、地理区位、流域属性、降雨数据来源和计算方法等因素影响[32]. ...
西咸新区降雨空间非一致性对内涝过程影响模拟研究
2
2019
... 降雨的空间差异不仅表现在江河流域尺度,也体现在城市尺度,特别是在城区不断扩张和雨岛效应的影响下[28].例如,广州市2012年11个雨量站记录的多场致灾降雨数据显示,站点间12 h雨量相差40~200 mm,相对偏差为40%~100%[29];西安市西咸新区3个气象站同一场降雨的雨量相差45%[30].考虑到降雨空间差异,一般用点面折减系数(areal reduction factor, ARF)表示从点雨量到面雨量之间的换算关系,这对于合理确定城市尺度排水设施的规模至关重要,如地表和地下调蓄设施.一般而言,点面折减系数随降雨历时变长而增加,随流域面积变大而降低[31].也就是说,与长历时降雨相比,短历时降雨的空间不一致性更高,因而是降雨空间差异研究的重点.短历时暴雨的内涝模拟表明：相同降雨量条件下,降雨空间不一致性越高,相比于均匀情况下的内涝积水削减量则越大[30].除了降雨历时和流域面积,点面折减系数还受到降雨类型、降雨形态、季节、地理区位、流域属性、降雨数据来源和计算方法等因素影响[32]. ...
... [30].除了降雨历时和流域面积,点面折减系数还受到降雨类型、降雨形态、季节、地理区位、流域属性、降雨数据来源和计算方法等因素影响[32]. ...
西咸新区降雨空间非一致性对内涝过程影响模拟研究
2
2019
... 降雨的空间差异不仅表现在江河流域尺度,也体现在城市尺度,特别是在城区不断扩张和雨岛效应的影响下[28].例如,广州市2012年11个雨量站记录的多场致灾降雨数据显示,站点间12 h雨量相差40~200 mm,相对偏差为40%~100%[29];西安市西咸新区3个气象站同一场降雨的雨量相差45%[30].考虑到降雨空间差异,一般用点面折减系数(areal reduction factor, ARF)表示从点雨量到面雨量之间的换算关系,这对于合理确定城市尺度排水设施的规模至关重要,如地表和地下调蓄设施.一般而言,点面折减系数随降雨历时变长而增加,随流域面积变大而降低[31].也就是说,与长历时降雨相比,短历时降雨的空间不一致性更高,因而是降雨空间差异研究的重点.短历时暴雨的内涝模拟表明：相同降雨量条件下,降雨空间不一致性越高,相比于均匀情况下的内涝积水削减量则越大[30].除了降雨历时和流域面积,点面折减系数还受到降雨类型、降雨形态、季节、地理区位、流域属性、降雨数据来源和计算方法等因素影响[32]. ...
... [30].除了降雨历时和流域面积,点面折减系数还受到降雨类型、降雨形态、季节、地理区位、流域属性、降雨数据来源和计算方法等因素影响[32]. ...
The role of rainfall spatial variability in estimating areal reduction factors
1
2019
... 降雨的空间差异不仅表现在江河流域尺度,也体现在城市尺度,特别是在城区不断扩张和雨岛效应的影响下[28].例如,广州市2012年11个雨量站记录的多场致灾降雨数据显示,站点间12 h雨量相差40~200 mm,相对偏差为40%~100%[29];西安市西咸新区3个气象站同一场降雨的雨量相差45%[30].考虑到降雨空间差异,一般用点面折减系数(areal reduction factor, ARF)表示从点雨量到面雨量之间的换算关系,这对于合理确定城市尺度排水设施的规模至关重要,如地表和地下调蓄设施.一般而言,点面折减系数随降雨历时变长而增加,随流域面积变大而降低[31].也就是说,与长历时降雨相比,短历时降雨的空间不一致性更高,因而是降雨空间差异研究的重点.短历时暴雨的内涝模拟表明：相同降雨量条件下,降雨空间不一致性越高,相比于均匀情况下的内涝积水削减量则越大[30].除了降雨历时和流域面积,点面折减系数还受到降雨类型、降雨形态、季节、地理区位、流域属性、降雨数据来源和计算方法等因素影响[32]. ...
Review of methods for deriving areal reduction factors
1
2010
... 降雨的空间差异不仅表现在江河流域尺度,也体现在城市尺度,特别是在城区不断扩张和雨岛效应的影响下[28].例如,广州市2012年11个雨量站记录的多场致灾降雨数据显示,站点间12 h雨量相差40~200 mm,相对偏差为40%~100%[29];西安市西咸新区3个气象站同一场降雨的雨量相差45%[30].考虑到降雨空间差异,一般用点面折减系数(areal reduction factor, ARF)表示从点雨量到面雨量之间的换算关系,这对于合理确定城市尺度排水设施的规模至关重要,如地表和地下调蓄设施.一般而言,点面折减系数随降雨历时变长而增加,随流域面积变大而降低[31].也就是说,与长历时降雨相比,短历时降雨的空间不一致性更高,因而是降雨空间差异研究的重点.短历时暴雨的内涝模拟表明：相同降雨量条件下,降雨空间不一致性越高,相比于均匀情况下的内涝积水削减量则越大[30].除了降雨历时和流域面积,点面折减系数还受到降雨类型、降雨形态、季节、地理区位、流域属性、降雨数据来源和计算方法等因素影响[32]. ...
城市化水文效应研究进展
1
2010
... 城市化以建设用地扩张及不透水表面增加为主要特征.建设用地扩张使得水系被填埋、挤占,河网密度降低,调蓄功能和泄洪能力显著衰减[33,34].不透水表面增加的短期水文效应表现为对场次降雨径流关系的影响：① 透水面积减少,导致下渗量降低,以及相应的产流量增加;② 自然地表到不透水面的转变降低了地表糙率,因而增加了地表径流的汇流速度;③ 产汇流特性变化使得洪峰流量增大,洪峰时间提前.长时间尺度上的水文效应则体现为：人工陆面持水能力比自然地表弱,使得城市的蒸散发比例明显减少;地表下渗量减少,使得城市的基流量减少,总径流量增加.除了直接对地表和地下水文过程的影响,城市化对降雨的形成也有一定影响.物理机制上,城市化主要通过城市热岛效应、下垫面变化和气溶胶排放等进行影响,而且不同地区间的主导机制有显著差异.关于城市化的增雨效应,国内外站点降水资料解析倾向于支持的结论是：城市化使城区和下风向郊区雨季降水有较明显增加,并使强降水事件发生频率增加,因而使降水在时程分布上可能更为集中,但城市化对旱季降水的影响相对不明显[35].因此,城市化降低了河网水系的调蓄容量,改变了地表径流的时空模式及水循环过程,进而改变城市的水量平衡情况,形成促进局部降雨增加的正反馈效应,以及局部蒸散发减少的负反馈效应[36]. ...
城市化水文效应研究进展
1
2010
... 城市化以建设用地扩张及不透水表面增加为主要特征.建设用地扩张使得水系被填埋、挤占,河网密度降低,调蓄功能和泄洪能力显著衰减[33,34].不透水表面增加的短期水文效应表现为对场次降雨径流关系的影响：① 透水面积减少,导致下渗量降低,以及相应的产流量增加;② 自然地表到不透水面的转变降低了地表糙率,因而增加了地表径流的汇流速度;③ 产汇流特性变化使得洪峰流量增大,洪峰时间提前.长时间尺度上的水文效应则体现为：人工陆面持水能力比自然地表弱,使得城市的蒸散发比例明显减少;地表下渗量减少,使得城市的基流量减少,总径流量增加.除了直接对地表和地下水文过程的影响,城市化对降雨的形成也有一定影响.物理机制上,城市化主要通过城市热岛效应、下垫面变化和气溶胶排放等进行影响,而且不同地区间的主导机制有显著差异.关于城市化的增雨效应,国内外站点降水资料解析倾向于支持的结论是：城市化使城区和下风向郊区雨季降水有较明显增加,并使强降水事件发生频率增加,因而使降水在时程分布上可能更为集中,但城市化对旱季降水的影响相对不明显[35].因此,城市化降低了河网水系的调蓄容量,改变了地表径流的时空模式及水循环过程,进而改变城市的水量平衡情况,形成促进局部降雨增加的正反馈效应,以及局部蒸散发减少的负反馈效应[36]. ...
高度城镇化背景下水系演变及其响应
1
2019
... 城市化以建设用地扩张及不透水表面增加为主要特征.建设用地扩张使得水系被填埋、挤占,河网密度降低,调蓄功能和泄洪能力显著衰减[33,34].不透水表面增加的短期水文效应表现为对场次降雨径流关系的影响：① 透水面积减少,导致下渗量降低,以及相应的产流量增加;② 自然地表到不透水面的转变降低了地表糙率,因而增加了地表径流的汇流速度;③ 产汇流特性变化使得洪峰流量增大,洪峰时间提前.长时间尺度上的水文效应则体现为：人工陆面持水能力比自然地表弱,使得城市的蒸散发比例明显减少;地表下渗量减少,使得城市的基流量减少,总径流量增加.除了直接对地表和地下水文过程的影响,城市化对降雨的形成也有一定影响.物理机制上,城市化主要通过城市热岛效应、下垫面变化和气溶胶排放等进行影响,而且不同地区间的主导机制有显著差异.关于城市化的增雨效应,国内外站点降水资料解析倾向于支持的结论是：城市化使城区和下风向郊区雨季降水有较明显增加,并使强降水事件发生频率增加,因而使降水在时程分布上可能更为集中,但城市化对旱季降水的影响相对不明显[35].因此,城市化降低了河网水系的调蓄容量,改变了地表径流的时空模式及水循环过程,进而改变城市的水量平衡情况,形成促进局部降雨增加的正反馈效应,以及局部蒸散发减少的负反馈效应[36]. ...
高度城镇化背景下水系演变及其响应
1
2019
... 城市化以建设用地扩张及不透水表面增加为主要特征.建设用地扩张使得水系被填埋、挤占,河网密度降低,调蓄功能和泄洪能力显著衰减[33,34].不透水表面增加的短期水文效应表现为对场次降雨径流关系的影响：① 透水面积减少,导致下渗量降低,以及相应的产流量增加;② 自然地表到不透水面的转变降低了地表糙率,因而增加了地表径流的汇流速度;③ 产汇流特性变化使得洪峰流量增大,洪峰时间提前.长时间尺度上的水文效应则体现为：人工陆面持水能力比自然地表弱,使得城市的蒸散发比例明显减少;地表下渗量减少,使得城市的基流量减少,总径流量增加.除了直接对地表和地下水文过程的影响,城市化对降雨的形成也有一定影响.物理机制上,城市化主要通过城市热岛效应、下垫面变化和气溶胶排放等进行影响,而且不同地区间的主导机制有显著差异.关于城市化的增雨效应,国内外站点降水资料解析倾向于支持的结论是：城市化使城区和下风向郊区雨季降水有较明显增加,并使强降水事件发生频率增加,因而使降水在时程分布上可能更为集中,但城市化对旱季降水的影响相对不明显[35].因此,城市化降低了河网水系的调蓄容量,改变了地表径流的时空模式及水循环过程,进而改变城市的水量平衡情况,形成促进局部降雨增加的正反馈效应,以及局部蒸散发减少的负反馈效应[36]. ...
城市化对降水影响的研究综述
1
2018
... 城市化以建设用地扩张及不透水表面增加为主要特征.建设用地扩张使得水系被填埋、挤占,河网密度降低,调蓄功能和泄洪能力显著衰减[33,34].不透水表面增加的短期水文效应表现为对场次降雨径流关系的影响：① 透水面积减少,导致下渗量降低,以及相应的产流量增加;② 自然地表到不透水面的转变降低了地表糙率,因而增加了地表径流的汇流速度;③ 产汇流特性变化使得洪峰流量增大,洪峰时间提前.长时间尺度上的水文效应则体现为：人工陆面持水能力比自然地表弱,使得城市的蒸散发比例明显减少;地表下渗量减少,使得城市的基流量减少,总径流量增加.除了直接对地表和地下水文过程的影响,城市化对降雨的形成也有一定影响.物理机制上,城市化主要通过城市热岛效应、下垫面变化和气溶胶排放等进行影响,而且不同地区间的主导机制有显著差异.关于城市化的增雨效应,国内外站点降水资料解析倾向于支持的结论是：城市化使城区和下风向郊区雨季降水有较明显增加,并使强降水事件发生频率增加,因而使降水在时程分布上可能更为集中,但城市化对旱季降水的影响相对不明显[35].因此,城市化降低了河网水系的调蓄容量,改变了地表径流的时空模式及水循环过程,进而改变城市的水量平衡情况,形成促进局部降雨增加的正反馈效应,以及局部蒸散发减少的负反馈效应[36]. ...
城市化对降水影响的研究综述
1
2018
... 城市化以建设用地扩张及不透水表面增加为主要特征.建设用地扩张使得水系被填埋、挤占,河网密度降低,调蓄功能和泄洪能力显著衰减[33,34].不透水表面增加的短期水文效应表现为对场次降雨径流关系的影响：① 透水面积减少,导致下渗量降低,以及相应的产流量增加;② 自然地表到不透水面的转变降低了地表糙率,因而增加了地表径流的汇流速度;③ 产汇流特性变化使得洪峰流量增大,洪峰时间提前.长时间尺度上的水文效应则体现为：人工陆面持水能力比自然地表弱,使得城市的蒸散发比例明显减少;地表下渗量减少,使得城市的基流量减少,总径流量增加.除了直接对地表和地下水文过程的影响,城市化对降雨的形成也有一定影响.物理机制上,城市化主要通过城市热岛效应、下垫面变化和气溶胶排放等进行影响,而且不同地区间的主导机制有显著差异.关于城市化的增雨效应,国内外站点降水资料解析倾向于支持的结论是：城市化使城区和下风向郊区雨季降水有较明显增加,并使强降水事件发生频率增加,因而使降水在时程分布上可能更为集中,但城市化对旱季降水的影响相对不明显[35].因此,城市化降低了河网水系的调蓄容量,改变了地表径流的时空模式及水循环过程,进而改变城市的水量平衡情况,形成促进局部降雨增加的正反馈效应,以及局部蒸散发减少的负反馈效应[36]. ...
城市不透水表面的水环境效应研究进展
1
2011
... 城市化以建设用地扩张及不透水表面增加为主要特征.建设用地扩张使得水系被填埋、挤占,河网密度降低,调蓄功能和泄洪能力显著衰减[33,34].不透水表面增加的短期水文效应表现为对场次降雨径流关系的影响：① 透水面积减少,导致下渗量降低,以及相应的产流量增加;② 自然地表到不透水面的转变降低了地表糙率,因而增加了地表径流的汇流速度;③ 产汇流特性变化使得洪峰流量增大,洪峰时间提前.长时间尺度上的水文效应则体现为：人工陆面持水能力比自然地表弱,使得城市的蒸散发比例明显减少;地表下渗量减少,使得城市的基流量减少,总径流量增加.除了直接对地表和地下水文过程的影响,城市化对降雨的形成也有一定影响.物理机制上,城市化主要通过城市热岛效应、下垫面变化和气溶胶排放等进行影响,而且不同地区间的主导机制有显著差异.关于城市化的增雨效应,国内外站点降水资料解析倾向于支持的结论是：城市化使城区和下风向郊区雨季降水有较明显增加,并使强降水事件发生频率增加,因而使降水在时程分布上可能更为集中,但城市化对旱季降水的影响相对不明显[35].因此,城市化降低了河网水系的调蓄容量,改变了地表径流的时空模式及水循环过程,进而改变城市的水量平衡情况,形成促进局部降雨增加的正反馈效应,以及局部蒸散发减少的负反馈效应[36]. ...
城市不透水表面的水环境效应研究进展
1
2011
... 城市化以建设用地扩张及不透水表面增加为主要特征.建设用地扩张使得水系被填埋、挤占,河网密度降低,调蓄功能和泄洪能力显著衰减[33,34].不透水表面增加的短期水文效应表现为对场次降雨径流关系的影响：① 透水面积减少,导致下渗量降低,以及相应的产流量增加;② 自然地表到不透水面的转变降低了地表糙率,因而增加了地表径流的汇流速度;③ 产汇流特性变化使得洪峰流量增大,洪峰时间提前.长时间尺度上的水文效应则体现为：人工陆面持水能力比自然地表弱,使得城市的蒸散发比例明显减少;地表下渗量减少,使得城市的基流量减少,总径流量增加.除了直接对地表和地下水文过程的影响,城市化对降雨的形成也有一定影响.物理机制上,城市化主要通过城市热岛效应、下垫面变化和气溶胶排放等进行影响,而且不同地区间的主导机制有显著差异.关于城市化的增雨效应,国内外站点降水资料解析倾向于支持的结论是：城市化使城区和下风向郊区雨季降水有较明显增加,并使强降水事件发生频率增加,因而使降水在时程分布上可能更为集中,但城市化对旱季降水的影响相对不明显[35].因此,城市化降低了河网水系的调蓄容量,改变了地表径流的时空模式及水循环过程,进而改变城市的水量平衡情况,形成促进局部降雨增加的正反馈效应,以及局部蒸散发减少的负反馈效应[36]. ...
基于情景模拟的城市内涝动态风险评估方法
1
2015
... 在暴雨内涝致灾的物理过程中,地形主要影响地表汇流和管网排水,其作用顺序位于降雨和产流过程之后.降雨、产流和管网排水能力决定了内涝积水的量级,地形条件则决定了内涝积水的空间格局.从地形分析角度,不论是局部暴雨径流直接积水、管网超载溢流积水,还是水位顶托或倒灌造成的积水,其空间位置一定位于低洼地带.内涝模拟表明：在同一个研究区,持续时间越长、重现期越大的暴雨导致的内涝积水和损失越严重,但不同暴雨导致的积水空间位置在很大程度上是一致的[37,38],在这背后是地形因子对内涝致灾的控制作用,即其直接影响内涝空间格局的形成. ...
基于情景模拟的城市内涝动态风险评估方法
1
2015
... 在暴雨内涝致灾的物理过程中,地形主要影响地表汇流和管网排水,其作用顺序位于降雨和产流过程之后.降雨、产流和管网排水能力决定了内涝积水的量级,地形条件则决定了内涝积水的空间格局.从地形分析角度,不论是局部暴雨径流直接积水、管网超载溢流积水,还是水位顶托或倒灌造成的积水,其空间位置一定位于低洼地带.内涝模拟表明：在同一个研究区,持续时间越长、重现期越大的暴雨导致的内涝积水和损失越严重,但不同暴雨导致的积水空间位置在很大程度上是一致的[37,38],在这背后是地形因子对内涝致灾的控制作用,即其直接影响内涝空间格局的形成. ...
Probabilistic evaluation of flood hazard in urban areas using Monte Carlo simulation
1
2012
... 在暴雨内涝致灾的物理过程中,地形主要影响地表汇流和管网排水,其作用顺序位于降雨和产流过程之后.降雨、产流和管网排水能力决定了内涝积水的量级,地形条件则决定了内涝积水的空间格局.从地形分析角度,不论是局部暴雨径流直接积水、管网超载溢流积水,还是水位顶托或倒灌造成的积水,其空间位置一定位于低洼地带.内涝模拟表明：在同一个研究区,持续时间越长、重现期越大的暴雨导致的内涝积水和损失越严重,但不同暴雨导致的积水空间位置在很大程度上是一致的[37,38],在这背后是地形因子对内涝致灾的控制作用,即其直接影响内涝空间格局的形成. ...
城市道路工程设计规范
1
2016
... 高强度人类活动深刻地改变了城市地区的地形分布,形成复杂的微地形,进而影响暴雨内涝的发生位置.例如：① 下穿式立交道路由于低洼地形的汇水特征而往往成为内涝黑点;② 新建小区填高地面,使得邻近老旧小区的内涝风险增加;③ 城市主干道的横向高差导致地表水流的分隔,形成局部洼地,成为潜在的内涝发生位置.按照《城市道路工程设计规范》(2016年版)[39],道路横坡为1%~2%.以中间高、两边低的双向8车道主干道路为例,路宽约为35 m,则道路中线与两侧的横向高差约为0.18~0.35 m,若加入中间绿化隔离带的高度,其阻隔影响则更大.因此,精细化暴雨内涝分析必须考虑建成区高空间异质性和微地形的影响,充分利用高精度高分辨率DEM. ...
城市道路工程设计规范
1
2016
... 高强度人类活动深刻地改变了城市地区的地形分布,形成复杂的微地形,进而影响暴雨内涝的发生位置.例如：① 下穿式立交道路由于低洼地形的汇水特征而往往成为内涝黑点;② 新建小区填高地面,使得邻近老旧小区的内涝风险增加;③ 城市主干道的横向高差导致地表水流的分隔,形成局部洼地,成为潜在的内涝发生位置.按照《城市道路工程设计规范》(2016年版)[39],道路横坡为1%~2%.以中间高、两边低的双向8车道主干道路为例,路宽约为35 m,则道路中线与两侧的横向高差约为0.18~0.35 m,若加入中间绿化隔离带的高度,其阻隔影响则更大.因此,精细化暴雨内涝分析必须考虑建成区高空间异质性和微地形的影响,充分利用高精度高分辨率DEM. ...
A physically based, variable contributing area model of basin hydrology
1
1979
... 基于GIS数字地形分析进行积水淹没模拟是城市暴雨内涝研究的常规步骤.在积水淹没分析中地形因子仅作为下垫面基础数据输入模型,尚缺乏类似地形湿度指数(topographic wetness index, TWI)[40]和HAND(height above the nearest drainage)[41]等已应用于流域洪水模拟的定量指标.黄华兵 等[42]提出了一种针对暴雨内涝的以洼地小流域为评价单元的地形控制作用指数(topographic control index,TCI),综合反映流域面积(A)、平均坡度(S)和洼地蓄水体积(V)对内涝致灾的影响,该指数的原理如图2所示.在广州市番禺区市桥地区基于1 m分辨率激光雷达DEM的研究表明：TCI指数对内涝黑点的空间位置具有良好的指示能力.此外,TCI指数已被成功应用于暴雨内涝主导因子空间异质性分析[43]和易涝地区高压输电塔的稳定性研究[44]. ...
HAND, a new terrain descriptor using SRTM-DEM: Mapping terra-firme rainforest environments in Amazonia
1
2008
... 基于GIS数字地形分析进行积水淹没模拟是城市暴雨内涝研究的常规步骤.在积水淹没分析中地形因子仅作为下垫面基础数据输入模型,尚缺乏类似地形湿度指数(topographic wetness index, TWI)[40]和HAND(height above the nearest drainage)[41]等已应用于流域洪水模拟的定量指标.黄华兵 等[42]提出了一种针对暴雨内涝的以洼地小流域为评价单元的地形控制作用指数(topographic control index,TCI),综合反映流域面积(A)、平均坡度(S)和洼地蓄水体积(V)对内涝致灾的影响,该指数的原理如图2所示.在广州市番禺区市桥地区基于1 m分辨率激光雷达DEM的研究表明：TCI指数对内涝黑点的空间位置具有良好的指示能力.此外,TCI指数已被成功应用于暴雨内涝主导因子空间异质性分析[43]和易涝地区高压输电塔的稳定性研究[44]. ...
A depression-based index to represent topographic control in urban pluvial flooding
2
2019
... 基于GIS数字地形分析进行积水淹没模拟是城市暴雨内涝研究的常规步骤.在积水淹没分析中地形因子仅作为下垫面基础数据输入模型,尚缺乏类似地形湿度指数(topographic wetness index, TWI)[40]和HAND(height above the nearest drainage)[41]等已应用于流域洪水模拟的定量指标.黄华兵 等[42]提出了一种针对暴雨内涝的以洼地小流域为评价单元的地形控制作用指数(topographic control index,TCI),综合反映流域面积(A)、平均坡度(S)和洼地蓄水体积(V)对内涝致灾的影响,该指数的原理如图2所示.在广州市番禺区市桥地区基于1 m分辨率激光雷达DEM的研究表明：TCI指数对内涝黑点的空间位置具有良好的指示能力.此外,TCI指数已被成功应用于暴雨内涝主导因子空间异质性分析[43]和易涝地区高压输电塔的稳定性研究[44]. ...
... 注：改绘自文献[42].完全淹没一个洼地所需时间越短,则其内涝风险越大.淹没洼地所需时间与汇水面积A和坡度S成反比,与洼蓄体积V成正比. ...
Spatial heterogeneity of controlling factors' impact on urban pluvial flooding in Cincinnati, US
1
2020
... 基于GIS数字地形分析进行积水淹没模拟是城市暴雨内涝研究的常规步骤.在积水淹没分析中地形因子仅作为下垫面基础数据输入模型,尚缺乏类似地形湿度指数(topographic wetness index, TWI)[40]和HAND(height above the nearest drainage)[41]等已应用于流域洪水模拟的定量指标.黄华兵 等[42]提出了一种针对暴雨内涝的以洼地小流域为评价单元的地形控制作用指数(topographic control index,TCI),综合反映流域面积(A)、平均坡度(S)和洼地蓄水体积(V)对内涝致灾的影响,该指数的原理如图2所示.在广州市番禺区市桥地区基于1 m分辨率激光雷达DEM的研究表明：TCI指数对内涝黑点的空间位置具有良好的指示能力.此外,TCI指数已被成功应用于暴雨内涝主导因子空间异质性分析[43]和易涝地区高压输电塔的稳定性研究[44]. ...
A risk analysis framework for transmission towers under potential pluvial flood - LiDAR survey and geometric modelling
1
2020
... 基于GIS数字地形分析进行积水淹没模拟是城市暴雨内涝研究的常规步骤.在积水淹没分析中地形因子仅作为下垫面基础数据输入模型,尚缺乏类似地形湿度指数(topographic wetness index, TWI)[40]和HAND(height above the nearest drainage)[41]等已应用于流域洪水模拟的定量指标.黄华兵 等[42]提出了一种针对暴雨内涝的以洼地小流域为评价单元的地形控制作用指数(topographic control index,TCI),综合反映流域面积(A)、平均坡度(S)和洼地蓄水体积(V)对内涝致灾的影响,该指数的原理如图2所示.在广州市番禺区市桥地区基于1 m分辨率激光雷达DEM的研究表明：TCI指数对内涝黑点的空间位置具有良好的指示能力.此外,TCI指数已被成功应用于暴雨内涝主导因子空间异质性分析[43]和易涝地区高压输电塔的稳定性研究[44]. ...
广州新一代双偏振天气雷达的性能测量和分析
1
2019
... 目前降雨观测手段主要包括地面站点观测、卫星遥感和天气雷达估测等.地面站点观测基于固定位置进行连续观测,可获取高精度高时间分辨率的点降雨.可采用泰森多边形或克里金插值等方式从点降雨计算面降雨信息,但由于站点分布较为稀疏,无论采用何种方式均难以准确表达降雨空间差异.卫星遥感与天气雷达观测都属于间接观测,需要通过特定算法来计算地面降雨量.卫星降雨的空间覆盖范围大,分辨率较粗,如热带降雨测量任务卫星(Tropical Rainfall Measuring Mission, TRMM)为0.25°,卫星与地面站点融合降水(the merged precipitation data of the Climate Prediction Center Morphing Technique and gauge based precipitation, CMPA)为0.1°,在大尺度流域水文研究中得到较多应用,但无法应用于空间尺度较小的城市水文学研究.与地面站点观测和卫星降雨相比,天气雷达测雨具有显著的高空间分辨率特征.中国从20世纪末开始部署新一代天气雷达网,主要为S波段与C波段多普勒天气雷达系统,目前部分地区已开始升级和部署双线偏振天气雷达系统[45].以广州雷达站的S波段多普勒天气雷达系统为例,测量范围230 km,时间分辨率6 min,空间分辨率1 km[46]. ...
广州新一代双偏振天气雷达的性能测量和分析
1
2019
... 目前降雨观测手段主要包括地面站点观测、卫星遥感和天气雷达估测等.地面站点观测基于固定位置进行连续观测,可获取高精度高时间分辨率的点降雨.可采用泰森多边形或克里金插值等方式从点降雨计算面降雨信息,但由于站点分布较为稀疏,无论采用何种方式均难以准确表达降雨空间差异.卫星遥感与天气雷达观测都属于间接观测,需要通过特定算法来计算地面降雨量.卫星降雨的空间覆盖范围大,分辨率较粗,如热带降雨测量任务卫星(Tropical Rainfall Measuring Mission, TRMM)为0.25°,卫星与地面站点融合降水(the merged precipitation data of the Climate Prediction Center Morphing Technique and gauge based precipitation, CMPA)为0.1°,在大尺度流域水文研究中得到较多应用,但无法应用于空间尺度较小的城市水文学研究.与地面站点观测和卫星降雨相比,天气雷达测雨具有显著的高空间分辨率特征.中国从20世纪末开始部署新一代天气雷达网,主要为S波段与C波段多普勒天气雷达系统,目前部分地区已开始升级和部署双线偏振天气雷达系统[45].以广州雷达站的S波段多普勒天气雷达系统为例,测量范围230 km,时间分辨率6 min,空间分辨率1 km[46]. ...
广州番禺CINRAD-SA新一代多普勒天气雷达简介
1
2002
... 目前降雨观测手段主要包括地面站点观测、卫星遥感和天气雷达估测等.地面站点观测基于固定位置进行连续观测,可获取高精度高时间分辨率的点降雨.可采用泰森多边形或克里金插值等方式从点降雨计算面降雨信息,但由于站点分布较为稀疏,无论采用何种方式均难以准确表达降雨空间差异.卫星遥感与天气雷达观测都属于间接观测,需要通过特定算法来计算地面降雨量.卫星降雨的空间覆盖范围大,分辨率较粗,如热带降雨测量任务卫星(Tropical Rainfall Measuring Mission, TRMM)为0.25°,卫星与地面站点融合降水(the merged precipitation data of the Climate Prediction Center Morphing Technique and gauge based precipitation, CMPA)为0.1°,在大尺度流域水文研究中得到较多应用,但无法应用于空间尺度较小的城市水文学研究.与地面站点观测和卫星降雨相比,天气雷达测雨具有显著的高空间分辨率特征.中国从20世纪末开始部署新一代天气雷达网,主要为S波段与C波段多普勒天气雷达系统,目前部分地区已开始升级和部署双线偏振天气雷达系统[45].以广州雷达站的S波段多普勒天气雷达系统为例,测量范围230 km,时间分辨率6 min,空间分辨率1 km[46]. ...
广州番禺CINRAD-SA新一代多普勒天气雷达简介
1
2002
... 目前降雨观测手段主要包括地面站点观测、卫星遥感和天气雷达估测等.地面站点观测基于固定位置进行连续观测,可获取高精度高时间分辨率的点降雨.可采用泰森多边形或克里金插值等方式从点降雨计算面降雨信息,但由于站点分布较为稀疏,无论采用何种方式均难以准确表达降雨空间差异.卫星遥感与天气雷达观测都属于间接观测,需要通过特定算法来计算地面降雨量.卫星降雨的空间覆盖范围大,分辨率较粗,如热带降雨测量任务卫星(Tropical Rainfall Measuring Mission, TRMM)为0.25°,卫星与地面站点融合降水(the merged precipitation data of the Climate Prediction Center Morphing Technique and gauge based precipitation, CMPA)为0.1°,在大尺度流域水文研究中得到较多应用,但无法应用于空间尺度较小的城市水文学研究.与地面站点观测和卫星降雨相比,天气雷达测雨具有显著的高空间分辨率特征.中国从20世纪末开始部署新一代天气雷达网,主要为S波段与C波段多普勒天气雷达系统,目前部分地区已开始升级和部署双线偏振天气雷达系统[45].以广州雷达站的S波段多普勒天气雷达系统为例,测量范围230 km,时间分辨率6 min,空间分辨率1 km[46]. ...
Weather radar rainfall data in urban hydrology
1
2017
... 暴雨内涝模拟的降雨数据需求取决于应用场景.在不同重现期暴雨情景下评价内涝危险性可采用雨量站降雨,而在内涝近实时预报预警中则需要充分利用高时空分辨率的天气雷达观测刻画城市降雨的高时空变异性,从而有效提升暴雨内涝模拟和预报预警的精度[47,48]. ...
Temporal and spatial resolution of rainfall measurements required for urban hydrology
1
2004
... 暴雨内涝模拟的降雨数据需求取决于应用场景.在不同重现期暴雨情景下评价内涝危险性可采用雨量站降雨,而在内涝近实时预报预警中则需要充分利用高时空分辨率的天气雷达观测刻画城市降雨的高时空变异性,从而有效提升暴雨内涝模拟和预报预警的精度[47,48]. ...
Hyper-resolution monitoring of urban flooding with social media and crowdsourcing data
2
2018
... 为刻画城市水文过程响应机制,需要采集高空间覆盖度的河流、管道水文参数以及地表积水信息对暴雨内涝模型进行校准.水文监测数据是校准暴雨内涝模型的理想数据,但由于所需成本过高而难以大范围应用.地表积水信息采集中,现场调查和问卷调查等传统手段成本高、效率低、空间覆盖度小;遥感观测手段中,航空照片、雷达与卫星影像的采集受制于植被冠层和云层的遮挡,微波遥感能穿透云层,但由于角反射效应而无法提取城市地区的地表积水信息[49];广泛分布的传感器网络如视频监控也是获取内涝积水信息的一种方式[50,51],但监控设备归属于多样化主体,使得大范围数据获取存在困难.智能手机和消费级无人机的普及应用,提供了覆盖范围更广的内涝灾情信息,在应急响应、救援决策和灾情评估中发挥着越来越广泛和重要的作用.互联网技术的快速发展,特别是移动互联网和社交媒体的出现,以及公众的高度参与为大范围感知内涝灾情提供了有效途径. ...
... 根据历史灾害记录建立灾害风险与影响因子之间的拟合模型,并依据模型进行风险制图是机器学习在自然灾害研究中的主要应用方式,学习方法包括Logistics回归、支持向量机、随机森林、朴素贝叶斯、多目标决策分析和基于人工神经网络的深度学习等[79,80,81,82].对于暴雨内涝,学习特征(影响因子)包括最大日降雨量、暴雨频率、不透水率、高程、坡度、地形湿度指数TWI、距河流距离、距道路距离和排水管网密度等.机器学习建立的模型有良好拟合能力,然而其得到的规律不会超出样本数据包含的信息.换言之,机器学习模型的可靠性依赖于标记数据(历史灾害记录)的准确性和完整性.然而,暴雨内涝发生的短历时性与空间散布特征增加了完整采集历史灾害数据的困难.提升机器学习模型的可靠性可从2个方面着手：① 挖掘未标记样本包含的信息,如采用分层抽样方法[83];② 利用互联网大数据增加标记样本[49]. ...
Developing an effective 2-D urban flood inundation model for city emergency management based on cellular automata
2
2015
... 为刻画城市水文过程响应机制,需要采集高空间覆盖度的河流、管道水文参数以及地表积水信息对暴雨内涝模型进行校准.水文监测数据是校准暴雨内涝模型的理想数据,但由于所需成本过高而难以大范围应用.地表积水信息采集中,现场调查和问卷调查等传统手段成本高、效率低、空间覆盖度小;遥感观测手段中,航空照片、雷达与卫星影像的采集受制于植被冠层和云层的遮挡,微波遥感能穿透云层,但由于角反射效应而无法提取城市地区的地表积水信息[49];广泛分布的传感器网络如视频监控也是获取内涝积水信息的一种方式[50,51],但监控设备归属于多样化主体,使得大范围数据获取存在困难.智能手机和消费级无人机的普及应用,提供了覆盖范围更广的内涝灾情信息,在应急响应、救援决策和灾情评估中发挥着越来越广泛和重要的作用.互联网技术的快速发展,特别是移动互联网和社交媒体的出现,以及公众的高度参与为大范围感知内涝灾情提供了有效途径. ...
... 水动力模拟是研究暴雨内涝致灾机理、评估暴雨内涝风险和提升城市防灾减灾能力的关键技术.根据对管网排水的处理方式不同,水动力模拟模型分为2类：① 采用一维模型(1D)模拟管网排水.管道超载后雨水径流由节点溢流到地表,然后根据地表漫流计算得到积水信息,地表漫流可采用二维模型(2D)或者基于GIS的简化模型.这类模型包括InfoWorks CS、Mike Urban和EPA SWMM等.② 简化管网排水.根据设计排水能力将其从降雨中扣除,超出蒸散发、土壤渗透和管道排水能力的部分则在地表低洼处形成积水.这类模型主要基于DEM的栅格格网进行计算,包括LISFLOOD[69]、FloodMap[70,71]、元胞自动机模型[50],以及基于GIS数字地形分析的快速淹没模型等[72,73,74,75].第一类模型特别是采用双向排水概念的“1D+2D”模式能够准确表达雨水径流运动和地表积水过程,可用于分析暴雨内涝致灾机理,但这类模型对模型基础数据和验证数据要求高,且计算效率低,适用于具备较好数据基础的小尺度分析,而难以在大范围分析如城市尺度中得到广泛应用.第二类模型对管网排水和地表漫流模拟进行简化,以物理过程表达精度的一定损失为代价降低了基础数据要求,提高了模型计算效率,适用于对效率有一定要求的应用场景,如暴雨内涝预警和应急响应决策.此外,在暴雨情景下管道压力流的作用将明显增加排水管网的输送能力,应用第二类模型时简单以设计能力作为管网排涝能力上限有一定的不合理性,将显著高估实际内涝风险.为了降低暴雨内涝模拟结果的不确定性,需要定量表达出管道压力流的作用[76]. ...
视频监控的城市内涝监测预警
1
2018
... 为刻画城市水文过程响应机制,需要采集高空间覆盖度的河流、管道水文参数以及地表积水信息对暴雨内涝模型进行校准.水文监测数据是校准暴雨内涝模型的理想数据,但由于所需成本过高而难以大范围应用.地表积水信息采集中,现场调查和问卷调查等传统手段成本高、效率低、空间覆盖度小;遥感观测手段中,航空照片、雷达与卫星影像的采集受制于植被冠层和云层的遮挡,微波遥感能穿透云层,但由于角反射效应而无法提取城市地区的地表积水信息[49];广泛分布的传感器网络如视频监控也是获取内涝积水信息的一种方式[50,51],但监控设备归属于多样化主体,使得大范围数据获取存在困难.智能手机和消费级无人机的普及应用,提供了覆盖范围更广的内涝灾情信息,在应急响应、救援决策和灾情评估中发挥着越来越广泛和重要的作用.互联网技术的快速发展,特别是移动互联网和社交媒体的出现,以及公众的高度参与为大范围感知内涝灾情提供了有效途径. ...
视频监控的城市内涝监测预警
1
2018
... 为刻画城市水文过程响应机制,需要采集高空间覆盖度的河流、管道水文参数以及地表积水信息对暴雨内涝模型进行校准.水文监测数据是校准暴雨内涝模型的理想数据,但由于所需成本过高而难以大范围应用.地表积水信息采集中,现场调查和问卷调查等传统手段成本高、效率低、空间覆盖度小;遥感观测手段中,航空照片、雷达与卫星影像的采集受制于植被冠层和云层的遮挡,微波遥感能穿透云层,但由于角反射效应而无法提取城市地区的地表积水信息[49];广泛分布的传感器网络如视频监控也是获取内涝积水信息的一种方式[50,51],但监控设备归属于多样化主体,使得大范围数据获取存在困难.智能手机和消费级无人机的普及应用,提供了覆盖范围更广的内涝灾情信息,在应急响应、救援决策和灾情评估中发挥着越来越广泛和重要的作用.互联网技术的快速发展,特别是移动互联网和社交媒体的出现,以及公众的高度参与为大范围感知内涝灾情提供了有效途径. ...
A twitter data credibility framework: Hurricane Harvey as a use case
1
2019
... 公众参与产生的互联网大数据包含大量噪声,比如由机器人或广告系统生成的非暴雨内涝信息,需要从包含噪声的大数据中筛选出具有空间位置的内涝相关信息.此外,质量控制也是利用互联网大数据的重要问题[52],常用的方法有3类：① 通过增加内容贡献者的数量来相互印证,降低个体误差的影响;② 根据历史行为评价内容贡献者的可靠性,采用高可信度个体提供的信息;③ 根据暴雨内涝的经验知识判断信息的可靠性[53,54]. ...
The representativeness and spatial bias of volunteered geographic information: A review
1
2018
... 公众参与产生的互联网大数据包含大量噪声,比如由机器人或广告系统生成的非暴雨内涝信息,需要从包含噪声的大数据中筛选出具有空间位置的内涝相关信息.此外,质量控制也是利用互联网大数据的重要问题[52],常用的方法有3类：① 通过增加内容贡献者的数量来相互印证,降低个体误差的影响;② 根据历史行为评价内容贡献者的可靠性,采用高可信度个体提供的信息;③ 根据暴雨内涝的经验知识判断信息的可靠性[53,54]. ...
Assuring the quality of volunteered geographic information
1
2012
... 公众参与产生的互联网大数据包含大量噪声,比如由机器人或广告系统生成的非暴雨内涝信息,需要从包含噪声的大数据中筛选出具有空间位置的内涝相关信息.此外,质量控制也是利用互联网大数据的重要问题[52],常用的方法有3类：① 通过增加内容贡献者的数量来相互印证,降低个体误差的影响;② 根据历史行为评价内容贡献者的可靠性,采用高可信度个体提供的信息;③ 根据暴雨内涝的经验知识判断信息的可靠性[53,54]. ...
基于社交媒体数据的地震烈度快速评估方法
1
2018
... 互联网大数据在地震、海啸、飓风、洪水与内涝等自然灾害的灾情探测、灾后重建和公众情绪感知上得到较多应用.国外相关研究主要基于Twitter,YouTube、Foursquare和Flickr等平台进行.新浪微博是国内主要的公众社交媒体平台之一,用户群体庞大,内容开放,国内相关研究主要基于此平台开展,如关于地震[55,56]、台风[57,58,59,60]和城市污染[61,62],以及暴雨内涝灾情分析,包括北京2012年“7·21”特大暴雨[63,64]、武汉2016年夏季特大暴雨[65]、广州2017年“5·7”特大暴雨[66],以及南京[67]和郑州[68]等城市暴雨内涝灾害.近年来,B站、抖音等短视频APP和网站提供了更多的内涝灾害淹没场景信息,可以从多个角度识别灾情发生位置、淹没深度和承灾体属性等,将会在暴雨内涝模拟、灾情评估和应急救援工作中发挥越来越重要的作用. ...
基于社交媒体数据的地震烈度快速评估方法
1
2018
... 互联网大数据在地震、海啸、飓风、洪水与内涝等自然灾害的灾情探测、灾后重建和公众情绪感知上得到较多应用.国外相关研究主要基于Twitter,YouTube、Foursquare和Flickr等平台进行.新浪微博是国内主要的公众社交媒体平台之一,用户群体庞大,内容开放,国内相关研究主要基于此平台开展,如关于地震[55,56]、台风[57,58,59,60]和城市污染[61,62],以及暴雨内涝灾情分析,包括北京2012年“7·21”特大暴雨[63,64]、武汉2016年夏季特大暴雨[65]、广州2017年“5·7”特大暴雨[66],以及南京[67]和郑州[68]等城市暴雨内涝灾害.近年来,B站、抖音等短视频APP和网站提供了更多的内涝灾害淹没场景信息,可以从多个角度识别灾情发生位置、淹没深度和承灾体属性等,将会在暴雨内涝模拟、灾情评估和应急救援工作中发挥越来越重要的作用. ...
面向微博的灾害类事件地址提取与空间定位方法: 以地震事件为例
1
2018
... 互联网大数据在地震、海啸、飓风、洪水与内涝等自然灾害的灾情探测、灾后重建和公众情绪感知上得到较多应用.国外相关研究主要基于Twitter,YouTube、Foursquare和Flickr等平台进行.新浪微博是国内主要的公众社交媒体平台之一,用户群体庞大,内容开放,国内相关研究主要基于此平台开展,如关于地震[55,56]、台风[57,58,59,60]和城市污染[61,62],以及暴雨内涝灾情分析,包括北京2012年“7·21”特大暴雨[63,64]、武汉2016年夏季特大暴雨[65]、广州2017年“5·7”特大暴雨[66],以及南京[67]和郑州[68]等城市暴雨内涝灾害.近年来,B站、抖音等短视频APP和网站提供了更多的内涝灾害淹没场景信息,可以从多个角度识别灾情发生位置、淹没深度和承灾体属性等,将会在暴雨内涝模拟、灾情评估和应急救援工作中发挥越来越重要的作用. ...
面向微博的灾害类事件地址提取与空间定位方法: 以地震事件为例
1
2018
... 互联网大数据在地震、海啸、飓风、洪水与内涝等自然灾害的灾情探测、灾后重建和公众情绪感知上得到较多应用.国外相关研究主要基于Twitter,YouTube、Foursquare和Flickr等平台进行.新浪微博是国内主要的公众社交媒体平台之一,用户群体庞大,内容开放,国内相关研究主要基于此平台开展,如关于地震[55,56]、台风[57,58,59,60]和城市污染[61,62],以及暴雨内涝灾情分析,包括北京2012年“7·21”特大暴雨[63,64]、武汉2016年夏季特大暴雨[65]、广州2017年“5·7”特大暴雨[66],以及南京[67]和郑州[68]等城市暴雨内涝灾害.近年来,B站、抖音等短视频APP和网站提供了更多的内涝灾害淹没场景信息,可以从多个角度识别灾情发生位置、淹没深度和承灾体属性等,将会在暴雨内涝模拟、灾情评估和应急救援工作中发挥越来越重要的作用. ...
微博数据位置信息反映台风灾情的有效性分析
1
2019
... 互联网大数据在地震、海啸、飓风、洪水与内涝等自然灾害的灾情探测、灾后重建和公众情绪感知上得到较多应用.国外相关研究主要基于Twitter,YouTube、Foursquare和Flickr等平台进行.新浪微博是国内主要的公众社交媒体平台之一,用户群体庞大,内容开放,国内相关研究主要基于此平台开展,如关于地震[55,56]、台风[57,58,59,60]和城市污染[61,62],以及暴雨内涝灾情分析,包括北京2012年“7·21”特大暴雨[63,64]、武汉2016年夏季特大暴雨[65]、广州2017年“5·7”特大暴雨[66],以及南京[67]和郑州[68]等城市暴雨内涝灾害.近年来,B站、抖音等短视频APP和网站提供了更多的内涝灾害淹没场景信息,可以从多个角度识别灾情发生位置、淹没深度和承灾体属性等,将会在暴雨内涝模拟、灾情评估和应急救援工作中发挥越来越重要的作用. ...
微博数据位置信息反映台风灾情的有效性分析
1
2019
... 互联网大数据在地震、海啸、飓风、洪水与内涝等自然灾害的灾情探测、灾后重建和公众情绪感知上得到较多应用.国外相关研究主要基于Twitter,YouTube、Foursquare和Flickr等平台进行.新浪微博是国内主要的公众社交媒体平台之一,用户群体庞大,内容开放,国内相关研究主要基于此平台开展,如关于地震[55,56]、台风[57,58,59,60]和城市污染[61,62],以及暴雨内涝灾情分析,包括北京2012年“7·21”特大暴雨[63,64]、武汉2016年夏季特大暴雨[65]、广州2017年“5·7”特大暴雨[66],以及南京[67]和郑州[68]等城市暴雨内涝灾害.近年来,B站、抖音等短视频APP和网站提供了更多的内涝灾害淹没场景信息,可以从多个角度识别灾情发生位置、淹没深度和承灾体属性等,将会在暴雨内涝模拟、灾情评估和应急救援工作中发挥越来越重要的作用. ...
微博中蕴含台风灾害损失信息识别和分类方法
1
2018
... 互联网大数据在地震、海啸、飓风、洪水与内涝等自然灾害的灾情探测、灾后重建和公众情绪感知上得到较多应用.国外相关研究主要基于Twitter,YouTube、Foursquare和Flickr等平台进行.新浪微博是国内主要的公众社交媒体平台之一,用户群体庞大,内容开放,国内相关研究主要基于此平台开展,如关于地震[55,56]、台风[57,58,59,60]和城市污染[61,62],以及暴雨内涝灾情分析,包括北京2012年“7·21”特大暴雨[63,64]、武汉2016年夏季特大暴雨[65]、广州2017年“5·7”特大暴雨[66],以及南京[67]和郑州[68]等城市暴雨内涝灾害.近年来,B站、抖音等短视频APP和网站提供了更多的内涝灾害淹没场景信息,可以从多个角度识别灾情发生位置、淹没深度和承灾体属性等,将会在暴雨内涝模拟、灾情评估和应急救援工作中发挥越来越重要的作用. ...
微博中蕴含台风灾害损失信息识别和分类方法
1
2018
... 互联网大数据在地震、海啸、飓风、洪水与内涝等自然灾害的灾情探测、灾后重建和公众情绪感知上得到较多应用.国外相关研究主要基于Twitter,YouTube、Foursquare和Flickr等平台进行.新浪微博是国内主要的公众社交媒体平台之一,用户群体庞大,内容开放,国内相关研究主要基于此平台开展,如关于地震[55,56]、台风[57,58,59,60]和城市污染[61,62],以及暴雨内涝灾情分析,包括北京2012年“7·21”特大暴雨[63,64]、武汉2016年夏季特大暴雨[65]、广州2017年“5·7”特大暴雨[66],以及南京[67]和郑州[68]等城市暴雨内涝灾害.近年来,B站、抖音等短视频APP和网站提供了更多的内涝灾害淹没场景信息,可以从多个角度识别灾情发生位置、淹没深度和承灾体属性等,将会在暴雨内涝模拟、灾情评估和应急救援工作中发挥越来越重要的作用. ...
社交媒体数据对反映台风灾害时空分布的有效性研究
1
2018
... 互联网大数据在地震、海啸、飓风、洪水与内涝等自然灾害的灾情探测、灾后重建和公众情绪感知上得到较多应用.国外相关研究主要基于Twitter,YouTube、Foursquare和Flickr等平台进行.新浪微博是国内主要的公众社交媒体平台之一,用户群体庞大,内容开放,国内相关研究主要基于此平台开展,如关于地震[55,56]、台风[57,58,59,60]和城市污染[61,62],以及暴雨内涝灾情分析,包括北京2012年“7·21”特大暴雨[63,64]、武汉2016年夏季特大暴雨[65]、广州2017年“5·7”特大暴雨[66],以及南京[67]和郑州[68]等城市暴雨内涝灾害.近年来,B站、抖音等短视频APP和网站提供了更多的内涝灾害淹没场景信息,可以从多个角度识别灾情发生位置、淹没深度和承灾体属性等,将会在暴雨内涝模拟、灾情评估和应急救援工作中发挥越来越重要的作用. ...
社交媒体数据对反映台风灾害时空分布的有效性研究
1
2018
... 互联网大数据在地震、海啸、飓风、洪水与内涝等自然灾害的灾情探测、灾后重建和公众情绪感知上得到较多应用.国外相关研究主要基于Twitter,YouTube、Foursquare和Flickr等平台进行.新浪微博是国内主要的公众社交媒体平台之一,用户群体庞大,内容开放,国内相关研究主要基于此平台开展,如关于地震[55,56]、台风[57,58,59,60]和城市污染[61,62],以及暴雨内涝灾情分析,包括北京2012年“7·21”特大暴雨[63,64]、武汉2016年夏季特大暴雨[65]、广州2017年“5·7”特大暴雨[66],以及南京[67]和郑州[68]等城市暴雨内涝灾害.近年来,B站、抖音等短视频APP和网站提供了更多的内涝灾害淹没场景信息,可以从多个角度识别灾情发生位置、淹没深度和承灾体属性等,将会在暴雨内涝模拟、灾情评估和应急救援工作中发挥越来越重要的作用. ...
基于微博数据的台风“山竹”舆情演化时空分析
1
2020
... 互联网大数据在地震、海啸、飓风、洪水与内涝等自然灾害的灾情探测、灾后重建和公众情绪感知上得到较多应用.国外相关研究主要基于Twitter,YouTube、Foursquare和Flickr等平台进行.新浪微博是国内主要的公众社交媒体平台之一,用户群体庞大,内容开放,国内相关研究主要基于此平台开展,如关于地震[55,56]、台风[57,58,59,60]和城市污染[61,62],以及暴雨内涝灾情分析,包括北京2012年“7·21”特大暴雨[63,64]、武汉2016年夏季特大暴雨[65]、广州2017年“5·7”特大暴雨[66],以及南京[67]和郑州[68]等城市暴雨内涝灾害.近年来,B站、抖音等短视频APP和网站提供了更多的内涝灾害淹没场景信息,可以从多个角度识别灾情发生位置、淹没深度和承灾体属性等,将会在暴雨内涝模拟、灾情评估和应急救援工作中发挥越来越重要的作用. ...
基于微博数据的台风“山竹”舆情演化时空分析
1
2020
... 互联网大数据在地震、海啸、飓风、洪水与内涝等自然灾害的灾情探测、灾后重建和公众情绪感知上得到较多应用.国外相关研究主要基于Twitter,YouTube、Foursquare和Flickr等平台进行.新浪微博是国内主要的公众社交媒体平台之一,用户群体庞大,内容开放,国内相关研究主要基于此平台开展,如关于地震[55,56]、台风[57,58,59,60]和城市污染[61,62],以及暴雨内涝灾情分析,包括北京2012年“7·21”特大暴雨[63,64]、武汉2016年夏季特大暴雨[65]、广州2017年“5·7”特大暴雨[66],以及南京[67]和郑州[68]等城市暴雨内涝灾害.近年来,B站、抖音等短视频APP和网站提供了更多的内涝灾害淹没场景信息,可以从多个角度识别灾情发生位置、淹没深度和承灾体属性等,将会在暴雨内涝模拟、灾情评估和应急救援工作中发挥越来越重要的作用. ...
基于社交媒体的城市污染信息探测
1
2017
... 互联网大数据在地震、海啸、飓风、洪水与内涝等自然灾害的灾情探测、灾后重建和公众情绪感知上得到较多应用.国外相关研究主要基于Twitter,YouTube、Foursquare和Flickr等平台进行.新浪微博是国内主要的公众社交媒体平台之一,用户群体庞大,内容开放,国内相关研究主要基于此平台开展,如关于地震[55,56]、台风[57,58,59,60]和城市污染[61,62],以及暴雨内涝灾情分析,包括北京2012年“7·21”特大暴雨[63,64]、武汉2016年夏季特大暴雨[65]、广州2017年“5·7”特大暴雨[66],以及南京[67]和郑州[68]等城市暴雨内涝灾害.近年来,B站、抖音等短视频APP和网站提供了更多的内涝灾害淹没场景信息,可以从多个角度识别灾情发生位置、淹没深度和承灾体属性等,将会在暴雨内涝模拟、灾情评估和应急救援工作中发挥越来越重要的作用. ...
基于社交媒体的城市污染信息探测
1
2017
... 互联网大数据在地震、海啸、飓风、洪水与内涝等自然灾害的灾情探测、灾后重建和公众情绪感知上得到较多应用.国外相关研究主要基于Twitter,YouTube、Foursquare和Flickr等平台进行.新浪微博是国内主要的公众社交媒体平台之一,用户群体庞大,内容开放,国内相关研究主要基于此平台开展,如关于地震[55,56]、台风[57,58,59,60]和城市污染[61,62],以及暴雨内涝灾情分析,包括北京2012年“7·21”特大暴雨[63,64]、武汉2016年夏季特大暴雨[65]、广州2017年“5·7”特大暴雨[66],以及南京[67]和郑州[68]等城市暴雨内涝灾害.近年来,B站、抖音等短视频APP和网站提供了更多的内涝灾害淹没场景信息,可以从多个角度识别灾情发生位置、淹没深度和承灾体属性等,将会在暴雨内涝模拟、灾情评估和应急救援工作中发挥越来越重要的作用. ...
利用社交媒体数据模拟城市空气质量趋势面
1
2017
... 互联网大数据在地震、海啸、飓风、洪水与内涝等自然灾害的灾情探测、灾后重建和公众情绪感知上得到较多应用.国外相关研究主要基于Twitter,YouTube、Foursquare和Flickr等平台进行.新浪微博是国内主要的公众社交媒体平台之一,用户群体庞大,内容开放,国内相关研究主要基于此平台开展,如关于地震[55,56]、台风[57,58,59,60]和城市污染[61,62],以及暴雨内涝灾情分析,包括北京2012年“7·21”特大暴雨[63,64]、武汉2016年夏季特大暴雨[65]、广州2017年“5·7”特大暴雨[66],以及南京[67]和郑州[68]等城市暴雨内涝灾害.近年来,B站、抖音等短视频APP和网站提供了更多的内涝灾害淹没场景信息,可以从多个角度识别灾情发生位置、淹没深度和承灾体属性等,将会在暴雨内涝模拟、灾情评估和应急救援工作中发挥越来越重要的作用. ...
利用社交媒体数据模拟城市空气质量趋势面
1
2017
... 互联网大数据在地震、海啸、飓风、洪水与内涝等自然灾害的灾情探测、灾后重建和公众情绪感知上得到较多应用.国外相关研究主要基于Twitter,YouTube、Foursquare和Flickr等平台进行.新浪微博是国内主要的公众社交媒体平台之一,用户群体庞大,内容开放,国内相关研究主要基于此平台开展,如关于地震[55,56]、台风[57,58,59,60]和城市污染[61,62],以及暴雨内涝灾情分析,包括北京2012年“7·21”特大暴雨[63,64]、武汉2016年夏季特大暴雨[65]、广州2017年“5·7”特大暴雨[66],以及南京[67]和郑州[68]等城市暴雨内涝灾害.近年来,B站、抖音等短视频APP和网站提供了更多的内涝灾害淹没场景信息,可以从多个角度识别灾情发生位置、淹没深度和承灾体属性等,将会在暴雨内涝模拟、灾情评估和应急救援工作中发挥越来越重要的作用. ...
利用卷积神经网络提取微博中的暴雨灾害信息
1
2019
... 互联网大数据在地震、海啸、飓风、洪水与内涝等自然灾害的灾情探测、灾后重建和公众情绪感知上得到较多应用.国外相关研究主要基于Twitter,YouTube、Foursquare和Flickr等平台进行.新浪微博是国内主要的公众社交媒体平台之一,用户群体庞大,内容开放,国内相关研究主要基于此平台开展,如关于地震[55,56]、台风[57,58,59,60]和城市污染[61,62],以及暴雨内涝灾情分析,包括北京2012年“7·21”特大暴雨[63,64]、武汉2016年夏季特大暴雨[65]、广州2017年“5·7”特大暴雨[66],以及南京[67]和郑州[68]等城市暴雨内涝灾害.近年来,B站、抖音等短视频APP和网站提供了更多的内涝灾害淹没场景信息,可以从多个角度识别灾情发生位置、淹没深度和承灾体属性等,将会在暴雨内涝模拟、灾情评估和应急救援工作中发挥越来越重要的作用. ...
利用卷积神经网络提取微博中的暴雨灾害信息
1
2019
... 互联网大数据在地震、海啸、飓风、洪水与内涝等自然灾害的灾情探测、灾后重建和公众情绪感知上得到较多应用.国外相关研究主要基于Twitter,YouTube、Foursquare和Flickr等平台进行.新浪微博是国内主要的公众社交媒体平台之一,用户群体庞大,内容开放,国内相关研究主要基于此平台开展,如关于地震[55,56]、台风[57,58,59,60]和城市污染[61,62],以及暴雨内涝灾情分析,包括北京2012年“7·21”特大暴雨[63,64]、武汉2016年夏季特大暴雨[65]、广州2017年“5·7”特大暴雨[66],以及南京[67]和郑州[68]等城市暴雨内涝灾害.近年来,B站、抖音等短视频APP和网站提供了更多的内涝灾害淹没场景信息,可以从多个角度识别灾情发生位置、淹没深度和承灾体属性等,将会在暴雨内涝模拟、灾情评估和应急救援工作中发挥越来越重要的作用. ...
基于社交平台大数据的暴雨时空分析
1
2019
... 互联网大数据在地震、海啸、飓风、洪水与内涝等自然灾害的灾情探测、灾后重建和公众情绪感知上得到较多应用.国外相关研究主要基于Twitter,YouTube、Foursquare和Flickr等平台进行.新浪微博是国内主要的公众社交媒体平台之一,用户群体庞大,内容开放,国内相关研究主要基于此平台开展,如关于地震[55,56]、台风[57,58,59,60]和城市污染[61,62],以及暴雨内涝灾情分析,包括北京2012年“7·21”特大暴雨[63,64]、武汉2016年夏季特大暴雨[65]、广州2017年“5·7”特大暴雨[66],以及南京[67]和郑州[68]等城市暴雨内涝灾害.近年来,B站、抖音等短视频APP和网站提供了更多的内涝灾害淹没场景信息,可以从多个角度识别灾情发生位置、淹没深度和承灾体属性等,将会在暴雨内涝模拟、灾情评估和应急救援工作中发挥越来越重要的作用. ...
基于社交平台大数据的暴雨时空分析
1
2019
... 互联网大数据在地震、海啸、飓风、洪水与内涝等自然灾害的灾情探测、灾后重建和公众情绪感知上得到较多应用.国外相关研究主要基于Twitter,YouTube、Foursquare和Flickr等平台进行.新浪微博是国内主要的公众社交媒体平台之一,用户群体庞大,内容开放,国内相关研究主要基于此平台开展,如关于地震[55,56]、台风[57,58,59,60]和城市污染[61,62],以及暴雨内涝灾情分析,包括北京2012年“7·21”特大暴雨[63,64]、武汉2016年夏季特大暴雨[65]、广州2017年“5·7”特大暴雨[66],以及南京[67]和郑州[68]等城市暴雨内涝灾害.近年来,B站、抖音等短视频APP和网站提供了更多的内涝灾害淹没场景信息,可以从多个角度识别灾情发生位置、淹没深度和承灾体属性等,将会在暴雨内涝模拟、灾情评估和应急救援工作中发挥越来越重要的作用. ...
Evaluating social media response to urban flood disaster: Case study on an East Asian City (Wuhan, China)
1
2019
... 互联网大数据在地震、海啸、飓风、洪水与内涝等自然灾害的灾情探测、灾后重建和公众情绪感知上得到较多应用.国外相关研究主要基于Twitter,YouTube、Foursquare和Flickr等平台进行.新浪微博是国内主要的公众社交媒体平台之一,用户群体庞大,内容开放,国内相关研究主要基于此平台开展,如关于地震[55,56]、台风[57,58,59,60]和城市污染[61,62],以及暴雨内涝灾情分析,包括北京2012年“7·21”特大暴雨[63,64]、武汉2016年夏季特大暴雨[65]、广州2017年“5·7”特大暴雨[66],以及南京[67]和郑州[68]等城市暴雨内涝灾害.近年来,B站、抖音等短视频APP和网站提供了更多的内涝灾害淹没场景信息,可以从多个角度识别灾情发生位置、淹没深度和承灾体属性等,将会在暴雨内涝模拟、灾情评估和应急救援工作中发挥越来越重要的作用. ...
基于社交网络的降水灾情检测
1
2018
... 互联网大数据在地震、海啸、飓风、洪水与内涝等自然灾害的灾情探测、灾后重建和公众情绪感知上得到较多应用.国外相关研究主要基于Twitter,YouTube、Foursquare和Flickr等平台进行.新浪微博是国内主要的公众社交媒体平台之一,用户群体庞大,内容开放,国内相关研究主要基于此平台开展,如关于地震[55,56]、台风[57,58,59,60]和城市污染[61,62],以及暴雨内涝灾情分析,包括北京2012年“7·21”特大暴雨[63,64]、武汉2016年夏季特大暴雨[65]、广州2017年“5·7”特大暴雨[66],以及南京[67]和郑州[68]等城市暴雨内涝灾害.近年来,B站、抖音等短视频APP和网站提供了更多的内涝灾害淹没场景信息,可以从多个角度识别灾情发生位置、淹没深度和承灾体属性等,将会在暴雨内涝模拟、灾情评估和应急救援工作中发挥越来越重要的作用. ...
基于社交网络的降水灾情检测
1
2018
... 互联网大数据在地震、海啸、飓风、洪水与内涝等自然灾害的灾情探测、灾后重建和公众情绪感知上得到较多应用.国外相关研究主要基于Twitter,YouTube、Foursquare和Flickr等平台进行.新浪微博是国内主要的公众社交媒体平台之一,用户群体庞大,内容开放,国内相关研究主要基于此平台开展,如关于地震[55,56]、台风[57,58,59,60]和城市污染[61,62],以及暴雨内涝灾情分析,包括北京2012年“7·21”特大暴雨[63,64]、武汉2016年夏季特大暴雨[65]、广州2017年“5·7”特大暴雨[66],以及南京[67]和郑州[68]等城市暴雨内涝灾害.近年来,B站、抖音等短视频APP和网站提供了更多的内涝灾害淹没场景信息,可以从多个角度识别灾情发生位置、淹没深度和承灾体属性等,将会在暴雨内涝模拟、灾情评估和应急救援工作中发挥越来越重要的作用. ...
基于微博大数据的城市内涝灾害的灾情及公众情绪研究: 以南京市为例
1
2018
... 互联网大数据在地震、海啸、飓风、洪水与内涝等自然灾害的灾情探测、灾后重建和公众情绪感知上得到较多应用.国外相关研究主要基于Twitter,YouTube、Foursquare和Flickr等平台进行.新浪微博是国内主要的公众社交媒体平台之一,用户群体庞大,内容开放,国内相关研究主要基于此平台开展,如关于地震[55,56]、台风[57,58,59,60]和城市污染[61,62],以及暴雨内涝灾情分析,包括北京2012年“7·21”特大暴雨[63,64]、武汉2016年夏季特大暴雨[65]、广州2017年“5·7”特大暴雨[66],以及南京[67]和郑州[68]等城市暴雨内涝灾害.近年来,B站、抖音等短视频APP和网站提供了更多的内涝灾害淹没场景信息,可以从多个角度识别灾情发生位置、淹没深度和承灾体属性等,将会在暴雨内涝模拟、灾情评估和应急救援工作中发挥越来越重要的作用. ...
基于微博大数据的城市内涝灾害的灾情及公众情绪研究: 以南京市为例
1
2018
... 互联网大数据在地震、海啸、飓风、洪水与内涝等自然灾害的灾情探测、灾后重建和公众情绪感知上得到较多应用.国外相关研究主要基于Twitter,YouTube、Foursquare和Flickr等平台进行.新浪微博是国内主要的公众社交媒体平台之一,用户群体庞大,内容开放,国内相关研究主要基于此平台开展,如关于地震[55,56]、台风[57,58,59,60]和城市污染[61,62],以及暴雨内涝灾情分析,包括北京2012年“7·21”特大暴雨[63,64]、武汉2016年夏季特大暴雨[65]、广州2017年“5·7”特大暴雨[66],以及南京[67]和郑州[68]等城市暴雨内涝灾害.近年来,B站、抖音等短视频APP和网站提供了更多的内涝灾害淹没场景信息,可以从多个角度识别灾情发生位置、淹没深度和承灾体属性等,将会在暴雨内涝模拟、灾情评估和应急救援工作中发挥越来越重要的作用. ...
Assessing urban areas' vulnerability to flood disaster based on text data: A case study in Zhengzhou City
1
2019
... 互联网大数据在地震、海啸、飓风、洪水与内涝等自然灾害的灾情探测、灾后重建和公众情绪感知上得到较多应用.国外相关研究主要基于Twitter,YouTube、Foursquare和Flickr等平台进行.新浪微博是国内主要的公众社交媒体平台之一,用户群体庞大,内容开放,国内相关研究主要基于此平台开展,如关于地震[55,56]、台风[57,58,59,60]和城市污染[61,62],以及暴雨内涝灾情分析,包括北京2012年“7·21”特大暴雨[63,64]、武汉2016年夏季特大暴雨[65]、广州2017年“5·7”特大暴雨[66],以及南京[67]和郑州[68]等城市暴雨内涝灾害.近年来,B站、抖音等短视频APP和网站提供了更多的内涝灾害淹没场景信息,可以从多个角度识别灾情发生位置、淹没深度和承灾体属性等,将会在暴雨内涝模拟、灾情评估和应急救援工作中发挥越来越重要的作用. ...
A simple raster-based model for flood inundation simulation
1
2000
... 水动力模拟是研究暴雨内涝致灾机理、评估暴雨内涝风险和提升城市防灾减灾能力的关键技术.根据对管网排水的处理方式不同,水动力模拟模型分为2类：① 采用一维模型(1D)模拟管网排水.管道超载后雨水径流由节点溢流到地表,然后根据地表漫流计算得到积水信息,地表漫流可采用二维模型(2D)或者基于GIS的简化模型.这类模型包括InfoWorks CS、Mike Urban和EPA SWMM等.② 简化管网排水.根据设计排水能力将其从降雨中扣除,超出蒸散发、土壤渗透和管道排水能力的部分则在地表低洼处形成积水.这类模型主要基于DEM的栅格格网进行计算,包括LISFLOOD[69]、FloodMap[70,71]、元胞自动机模型[50],以及基于GIS数字地形分析的快速淹没模型等[72,73,74,75].第一类模型特别是采用双向排水概念的“1D+2D”模式能够准确表达雨水径流运动和地表积水过程,可用于分析暴雨内涝致灾机理,但这类模型对模型基础数据和验证数据要求高,且计算效率低,适用于具备较好数据基础的小尺度分析,而难以在大范围分析如城市尺度中得到广泛应用.第二类模型对管网排水和地表漫流模拟进行简化,以物理过程表达精度的一定损失为代价降低了基础数据要求,提高了模型计算效率,适用于对效率有一定要求的应用场景,如暴雨内涝预警和应急响应决策.此外,在暴雨情景下管道压力流的作用将明显增加排水管网的输送能力,应用第二类模型时简单以设计能力作为管网排涝能力上限有一定的不合理性,将显著高估实际内涝风险.为了降低暴雨内涝模拟结果的不确定性,需要定量表达出管道压力流的作用[76]. ...
Urban fluvial flood modelling using a two-dimensional diffusion-wave treatment, part 1: Mesh resolution effects
1
2006
... 水动力模拟是研究暴雨内涝致灾机理、评估暴雨内涝风险和提升城市防灾减灾能力的关键技术.根据对管网排水的处理方式不同,水动力模拟模型分为2类：① 采用一维模型(1D)模拟管网排水.管道超载后雨水径流由节点溢流到地表,然后根据地表漫流计算得到积水信息,地表漫流可采用二维模型(2D)或者基于GIS的简化模型.这类模型包括InfoWorks CS、Mike Urban和EPA SWMM等.② 简化管网排水.根据设计排水能力将其从降雨中扣除,超出蒸散发、土壤渗透和管道排水能力的部分则在地表低洼处形成积水.这类模型主要基于DEM的栅格格网进行计算,包括LISFLOOD[69]、FloodMap[70,71]、元胞自动机模型[50],以及基于GIS数字地形分析的快速淹没模型等[72,73,74,75].第一类模型特别是采用双向排水概念的“1D+2D”模式能够准确表达雨水径流运动和地表积水过程,可用于分析暴雨内涝致灾机理,但这类模型对模型基础数据和验证数据要求高,且计算效率低,适用于具备较好数据基础的小尺度分析,而难以在大范围分析如城市尺度中得到广泛应用.第二类模型对管网排水和地表漫流模拟进行简化,以物理过程表达精度的一定损失为代价降低了基础数据要求,提高了模型计算效率,适用于对效率有一定要求的应用场景,如暴雨内涝预警和应急响应决策.此外,在暴雨情景下管道压力流的作用将明显增加排水管网的输送能力,应用第二类模型时简单以设计能力作为管网排涝能力上限有一定的不合理性,将显著高估实际内涝风险.为了降低暴雨内涝模拟结果的不确定性,需要定量表达出管道压力流的作用[76]. ...
Urban fluvial flood modelling using a two-dimensional diffusion-wave treatment, part 2: Development of a sub-grid-scale treatment
1
2006
... 水动力模拟是研究暴雨内涝致灾机理、评估暴雨内涝风险和提升城市防灾减灾能力的关键技术.根据对管网排水的处理方式不同,水动力模拟模型分为2类：① 采用一维模型(1D)模拟管网排水.管道超载后雨水径流由节点溢流到地表,然后根据地表漫流计算得到积水信息,地表漫流可采用二维模型(2D)或者基于GIS的简化模型.这类模型包括InfoWorks CS、Mike Urban和EPA SWMM等.② 简化管网排水.根据设计排水能力将其从降雨中扣除,超出蒸散发、土壤渗透和管道排水能力的部分则在地表低洼处形成积水.这类模型主要基于DEM的栅格格网进行计算,包括LISFLOOD[69]、FloodMap[70,71]、元胞自动机模型[50],以及基于GIS数字地形分析的快速淹没模型等[72,73,74,75].第一类模型特别是采用双向排水概念的“1D+2D”模式能够准确表达雨水径流运动和地表积水过程,可用于分析暴雨内涝致灾机理,但这类模型对模型基础数据和验证数据要求高,且计算效率低,适用于具备较好数据基础的小尺度分析,而难以在大范围分析如城市尺度中得到广泛应用.第二类模型对管网排水和地表漫流模拟进行简化,以物理过程表达精度的一定损失为代价降低了基础数据要求,提高了模型计算效率,适用于对效率有一定要求的应用场景,如暴雨内涝预警和应急响应决策.此外,在暴雨情景下管道压力流的作用将明显增加排水管网的输送能力,应用第二类模型时简单以设计能力作为管网排涝能力上限有一定的不合理性,将显著高估实际内涝风险.为了降低暴雨内涝模拟结果的不确定性,需要定量表达出管道压力流的作用[76]. ...
大型城市排水防涝系统快速评估模型构建方法及其应用
1
2014
... 水动力模拟是研究暴雨内涝致灾机理、评估暴雨内涝风险和提升城市防灾减灾能力的关键技术.根据对管网排水的处理方式不同,水动力模拟模型分为2类：① 采用一维模型(1D)模拟管网排水.管道超载后雨水径流由节点溢流到地表,然后根据地表漫流计算得到积水信息,地表漫流可采用二维模型(2D)或者基于GIS的简化模型.这类模型包括InfoWorks CS、Mike Urban和EPA SWMM等.② 简化管网排水.根据设计排水能力将其从降雨中扣除,超出蒸散发、土壤渗透和管道排水能力的部分则在地表低洼处形成积水.这类模型主要基于DEM的栅格格网进行计算,包括LISFLOOD[69]、FloodMap[70,71]、元胞自动机模型[50],以及基于GIS数字地形分析的快速淹没模型等[72,73,74,75].第一类模型特别是采用双向排水概念的“1D+2D”模式能够准确表达雨水径流运动和地表积水过程,可用于分析暴雨内涝致灾机理,但这类模型对模型基础数据和验证数据要求高,且计算效率低,适用于具备较好数据基础的小尺度分析,而难以在大范围分析如城市尺度中得到广泛应用.第二类模型对管网排水和地表漫流模拟进行简化,以物理过程表达精度的一定损失为代价降低了基础数据要求,提高了模型计算效率,适用于对效率有一定要求的应用场景,如暴雨内涝预警和应急响应决策.此外,在暴雨情景下管道压力流的作用将明显增加排水管网的输送能力,应用第二类模型时简单以设计能力作为管网排涝能力上限有一定的不合理性,将显著高估实际内涝风险.为了降低暴雨内涝模拟结果的不确定性,需要定量表达出管道压力流的作用[76]. ...
大型城市排水防涝系统快速评估模型构建方法及其应用
1
2014
... 水动力模拟是研究暴雨内涝致灾机理、评估暴雨内涝风险和提升城市防灾减灾能力的关键技术.根据对管网排水的处理方式不同,水动力模拟模型分为2类：① 采用一维模型(1D)模拟管网排水.管道超载后雨水径流由节点溢流到地表,然后根据地表漫流计算得到积水信息,地表漫流可采用二维模型(2D)或者基于GIS的简化模型.这类模型包括InfoWorks CS、Mike Urban和EPA SWMM等.② 简化管网排水.根据设计排水能力将其从降雨中扣除,超出蒸散发、土壤渗透和管道排水能力的部分则在地表低洼处形成积水.这类模型主要基于DEM的栅格格网进行计算,包括LISFLOOD[69]、FloodMap[70,71]、元胞自动机模型[50],以及基于GIS数字地形分析的快速淹没模型等[72,73,74,75].第一类模型特别是采用双向排水概念的“1D+2D”模式能够准确表达雨水径流运动和地表积水过程,可用于分析暴雨内涝致灾机理,但这类模型对模型基础数据和验证数据要求高,且计算效率低,适用于具备较好数据基础的小尺度分析,而难以在大范围分析如城市尺度中得到广泛应用.第二类模型对管网排水和地表漫流模拟进行简化,以物理过程表达精度的一定损失为代价降低了基础数据要求,提高了模型计算效率,适用于对效率有一定要求的应用场景,如暴雨内涝预警和应急响应决策.此外,在暴雨情景下管道压力流的作用将明显增加排水管网的输送能力,应用第二类模型时简单以设计能力作为管网排涝能力上限有一定的不合理性,将显著高估实际内涝风险.为了降低暴雨内涝模拟结果的不确定性,需要定量表达出管道压力流的作用[76]. ...
基于GIS的栅格水文建模法快速评估内涝风险
1
2015
... 水动力模拟是研究暴雨内涝致灾机理、评估暴雨内涝风险和提升城市防灾减灾能力的关键技术.根据对管网排水的处理方式不同,水动力模拟模型分为2类：① 采用一维模型(1D)模拟管网排水.管道超载后雨水径流由节点溢流到地表,然后根据地表漫流计算得到积水信息,地表漫流可采用二维模型(2D)或者基于GIS的简化模型.这类模型包括InfoWorks CS、Mike Urban和EPA SWMM等.② 简化管网排水.根据设计排水能力将其从降雨中扣除,超出蒸散发、土壤渗透和管道排水能力的部分则在地表低洼处形成积水.这类模型主要基于DEM的栅格格网进行计算,包括LISFLOOD[69]、FloodMap[70,71]、元胞自动机模型[50],以及基于GIS数字地形分析的快速淹没模型等[72,73,74,75].第一类模型特别是采用双向排水概念的“1D+2D”模式能够准确表达雨水径流运动和地表积水过程,可用于分析暴雨内涝致灾机理,但这类模型对模型基础数据和验证数据要求高,且计算效率低,适用于具备较好数据基础的小尺度分析,而难以在大范围分析如城市尺度中得到广泛应用.第二类模型对管网排水和地表漫流模拟进行简化,以物理过程表达精度的一定损失为代价降低了基础数据要求,提高了模型计算效率,适用于对效率有一定要求的应用场景,如暴雨内涝预警和应急响应决策.此外,在暴雨情景下管道压力流的作用将明显增加排水管网的输送能力,应用第二类模型时简单以设计能力作为管网排涝能力上限有一定的不合理性,将显著高估实际内涝风险.为了降低暴雨内涝模拟结果的不确定性,需要定量表达出管道压力流的作用[76]. ...
基于GIS的栅格水文建模法快速评估内涝风险
1
2015
... 水动力模拟是研究暴雨内涝致灾机理、评估暴雨内涝风险和提升城市防灾减灾能力的关键技术.根据对管网排水的处理方式不同,水动力模拟模型分为2类：① 采用一维模型(1D)模拟管网排水.管道超载后雨水径流由节点溢流到地表,然后根据地表漫流计算得到积水信息,地表漫流可采用二维模型(2D)或者基于GIS的简化模型.这类模型包括InfoWorks CS、Mike Urban和EPA SWMM等.② 简化管网排水.根据设计排水能力将其从降雨中扣除,超出蒸散发、土壤渗透和管道排水能力的部分则在地表低洼处形成积水.这类模型主要基于DEM的栅格格网进行计算,包括LISFLOOD[69]、FloodMap[70,71]、元胞自动机模型[50],以及基于GIS数字地形分析的快速淹没模型等[72,73,74,75].第一类模型特别是采用双向排水概念的“1D+2D”模式能够准确表达雨水径流运动和地表积水过程,可用于分析暴雨内涝致灾机理,但这类模型对模型基础数据和验证数据要求高,且计算效率低,适用于具备较好数据基础的小尺度分析,而难以在大范围分析如城市尺度中得到广泛应用.第二类模型对管网排水和地表漫流模拟进行简化,以物理过程表达精度的一定损失为代价降低了基础数据要求,提高了模型计算效率,适用于对效率有一定要求的应用场景,如暴雨内涝预警和应急响应决策.此外,在暴雨情景下管道压力流的作用将明显增加排水管网的输送能力,应用第二类模型时简单以设计能力作为管网排涝能力上限有一定的不合理性,将显著高估实际内涝风险.为了降低暴雨内涝模拟结果的不确定性,需要定量表达出管道压力流的作用[76]. ...
An enhanced inundation method for urban flood hazard mapping at the large catchment scale
1
2019
... 水动力模拟是研究暴雨内涝致灾机理、评估暴雨内涝风险和提升城市防灾减灾能力的关键技术.根据对管网排水的处理方式不同,水动力模拟模型分为2类：① 采用一维模型(1D)模拟管网排水.管道超载后雨水径流由节点溢流到地表,然后根据地表漫流计算得到积水信息,地表漫流可采用二维模型(2D)或者基于GIS的简化模型.这类模型包括InfoWorks CS、Mike Urban和EPA SWMM等.② 简化管网排水.根据设计排水能力将其从降雨中扣除,超出蒸散发、土壤渗透和管道排水能力的部分则在地表低洼处形成积水.这类模型主要基于DEM的栅格格网进行计算,包括LISFLOOD[69]、FloodMap[70,71]、元胞自动机模型[50],以及基于GIS数字地形分析的快速淹没模型等[72,73,74,75].第一类模型特别是采用双向排水概念的“1D+2D”模式能够准确表达雨水径流运动和地表积水过程,可用于分析暴雨内涝致灾机理,但这类模型对模型基础数据和验证数据要求高,且计算效率低,适用于具备较好数据基础的小尺度分析,而难以在大范围分析如城市尺度中得到广泛应用.第二类模型对管网排水和地表漫流模拟进行简化,以物理过程表达精度的一定损失为代价降低了基础数据要求,提高了模型计算效率,适用于对效率有一定要求的应用场景,如暴雨内涝预警和应急响应决策.此外,在暴雨情景下管道压力流的作用将明显增加排水管网的输送能力,应用第二类模型时简单以设计能力作为管网排涝能力上限有一定的不合理性,将显著高估实际内涝风险.为了降低暴雨内涝模拟结果的不确定性,需要定量表达出管道压力流的作用[76]. ...
An urban storm-inundation simulation method based on GIS
1
2014
... 水动力模拟是研究暴雨内涝致灾机理、评估暴雨内涝风险和提升城市防灾减灾能力的关键技术.根据对管网排水的处理方式不同,水动力模拟模型分为2类：① 采用一维模型(1D)模拟管网排水.管道超载后雨水径流由节点溢流到地表,然后根据地表漫流计算得到积水信息,地表漫流可采用二维模型(2D)或者基于GIS的简化模型.这类模型包括InfoWorks CS、Mike Urban和EPA SWMM等.② 简化管网排水.根据设计排水能力将其从降雨中扣除,超出蒸散发、土壤渗透和管道排水能力的部分则在地表低洼处形成积水.这类模型主要基于DEM的栅格格网进行计算,包括LISFLOOD[69]、FloodMap[70,71]、元胞自动机模型[50],以及基于GIS数字地形分析的快速淹没模型等[72,73,74,75].第一类模型特别是采用双向排水概念的“1D+2D”模式能够准确表达雨水径流运动和地表积水过程,可用于分析暴雨内涝致灾机理,但这类模型对模型基础数据和验证数据要求高,且计算效率低,适用于具备较好数据基础的小尺度分析,而难以在大范围分析如城市尺度中得到广泛应用.第二类模型对管网排水和地表漫流模拟进行简化,以物理过程表达精度的一定损失为代价降低了基础数据要求,提高了模型计算效率,适用于对效率有一定要求的应用场景,如暴雨内涝预警和应急响应决策.此外,在暴雨情景下管道压力流的作用将明显增加排水管网的输送能力,应用第二类模型时简单以设计能力作为管网排涝能力上限有一定的不合理性,将显著高估实际内涝风险.为了降低暴雨内涝模拟结果的不确定性,需要定量表达出管道压力流的作用[76]. ...
A simplified representation of pressure flow from surface slopes in urban sewer systems
1
2020
... 水动力模拟是研究暴雨内涝致灾机理、评估暴雨内涝风险和提升城市防灾减灾能力的关键技术.根据对管网排水的处理方式不同,水动力模拟模型分为2类：① 采用一维模型(1D)模拟管网排水.管道超载后雨水径流由节点溢流到地表,然后根据地表漫流计算得到积水信息,地表漫流可采用二维模型(2D)或者基于GIS的简化模型.这类模型包括InfoWorks CS、Mike Urban和EPA SWMM等.② 简化管网排水.根据设计排水能力将其从降雨中扣除,超出蒸散发、土壤渗透和管道排水能力的部分则在地表低洼处形成积水.这类模型主要基于DEM的栅格格网进行计算,包括LISFLOOD[69]、FloodMap[70,71]、元胞自动机模型[50],以及基于GIS数字地形分析的快速淹没模型等[72,73,74,75].第一类模型特别是采用双向排水概念的“1D+2D”模式能够准确表达雨水径流运动和地表积水过程,可用于分析暴雨内涝致灾机理,但这类模型对模型基础数据和验证数据要求高,且计算效率低,适用于具备较好数据基础的小尺度分析,而难以在大范围分析如城市尺度中得到广泛应用.第二类模型对管网排水和地表漫流模拟进行简化,以物理过程表达精度的一定损失为代价降低了基础数据要求,提高了模型计算效率,适用于对效率有一定要求的应用场景,如暴雨内涝预警和应急响应决策.此外,在暴雨情景下管道压力流的作用将明显增加排水管网的输送能力,应用第二类模型时简单以设计能力作为管网排涝能力上限有一定的不合理性,将显著高估实际内涝风险.为了降低暴雨内涝模拟结果的不确定性,需要定量表达出管道压力流的作用[76]. ...
Reducing the dimensionality of data with neural networks
1
2006
... 机器学习是人工智能研究的一个重要领域,最早可追溯到20世纪40年代开始的人工神经网络研究.它是一类算法的总称,可从大量数据中挖掘隐含规律,并将其用于预测和分类等任务.深度学习[77]是机器学习发展的里程碑,它与大数据、云计算和存储能力提升共同推动了人工智能的快速发展,在包括信息技术的很多领域取得了革命性的进展,最有代表性的是图像识别和语音识别[78].此外,机器学习也有力推动了自动驾驶、机器人、生物信息学、生态学、医学、遗传学、环境科学、测绘学、地理学和自然灾害等领域的发展. ...
Deep learning
1
2015
... 机器学习是人工智能研究的一个重要领域,最早可追溯到20世纪40年代开始的人工神经网络研究.它是一类算法的总称,可从大量数据中挖掘隐含规律,并将其用于预测和分类等任务.深度学习[77]是机器学习发展的里程碑,它与大数据、云计算和存储能力提升共同推动了人工智能的快速发展,在包括信息技术的很多领域取得了革命性的进展,最有代表性的是图像识别和语音识别[78].此外,机器学习也有力推动了自动驾驶、机器人、生物信息学、生态学、医学、遗传学、环境科学、测绘学、地理学和自然灾害等领域的发展. ...
Flood risk assessment for urban water system in a changing climate using artificial neural network
1
2015
... 根据历史灾害记录建立灾害风险与影响因子之间的拟合模型,并依据模型进行风险制图是机器学习在自然灾害研究中的主要应用方式,学习方法包括Logistics回归、支持向量机、随机森林、朴素贝叶斯、多目标决策分析和基于人工神经网络的深度学习等[79,80,81,82].对于暴雨内涝,学习特征(影响因子)包括最大日降雨量、暴雨频率、不透水率、高程、坡度、地形湿度指数TWI、距河流距离、距道路距离和排水管网密度等.机器学习建立的模型有良好拟合能力,然而其得到的规律不会超出样本数据包含的信息.换言之,机器学习模型的可靠性依赖于标记数据(历史灾害记录)的准确性和完整性.然而,暴雨内涝发生的短历时性与空间散布特征增加了完整采集历史灾害数据的困难.提升机器学习模型的可靠性可从2个方面着手：① 挖掘未标记样本包含的信息,如采用分层抽样方法[83];② 利用互联网大数据增加标记样本[49]. ...
Urban flood susceptibility analysis using a GIS-based multi-criteria analysis framework
1
2019
... 根据历史灾害记录建立灾害风险与影响因子之间的拟合模型,并依据模型进行风险制图是机器学习在自然灾害研究中的主要应用方式,学习方法包括Logistics回归、支持向量机、随机森林、朴素贝叶斯、多目标决策分析和基于人工神经网络的深度学习等[79,80,81,82].对于暴雨内涝,学习特征(影响因子)包括最大日降雨量、暴雨频率、不透水率、高程、坡度、地形湿度指数TWI、距河流距离、距道路距离和排水管网密度等.机器学习建立的模型有良好拟合能力,然而其得到的规律不会超出样本数据包含的信息.换言之,机器学习模型的可靠性依赖于标记数据(历史灾害记录)的准确性和完整性.然而,暴雨内涝发生的短历时性与空间散布特征增加了完整采集历史灾害数据的困难.提升机器学习模型的可靠性可从2个方面着手：① 挖掘未标记样本包含的信息,如采用分层抽样方法[83];② 利用互联网大数据增加标记样本[49]. ...
A spatial assessment of urban waterlogging risk based on a Weighted Na?ve Bayes Classifier
1
2018
... 根据历史灾害记录建立灾害风险与影响因子之间的拟合模型,并依据模型进行风险制图是机器学习在自然灾害研究中的主要应用方式,学习方法包括Logistics回归、支持向量机、随机森林、朴素贝叶斯、多目标决策分析和基于人工神经网络的深度学习等[79,80,81,82].对于暴雨内涝,学习特征(影响因子)包括最大日降雨量、暴雨频率、不透水率、高程、坡度、地形湿度指数TWI、距河流距离、距道路距离和排水管网密度等.机器学习建立的模型有良好拟合能力,然而其得到的规律不会超出样本数据包含的信息.换言之,机器学习模型的可靠性依赖于标记数据(历史灾害记录)的准确性和完整性.然而,暴雨内涝发生的短历时性与空间散布特征增加了完整采集历史灾害数据的困难.提升机器学习模型的可靠性可从2个方面着手：① 挖掘未标记样本包含的信息,如采用分层抽样方法[83];② 利用互联网大数据增加标记样本[49]. ...
Depth prediction of urban flood under different rainfall return periods based on deep learning and data warehouse
1
2020
... 根据历史灾害记录建立灾害风险与影响因子之间的拟合模型,并依据模型进行风险制图是机器学习在自然灾害研究中的主要应用方式,学习方法包括Logistics回归、支持向量机、随机森林、朴素贝叶斯、多目标决策分析和基于人工神经网络的深度学习等[79,80,81,82].对于暴雨内涝,学习特征(影响因子)包括最大日降雨量、暴雨频率、不透水率、高程、坡度、地形湿度指数TWI、距河流距离、距道路距离和排水管网密度等.机器学习建立的模型有良好拟合能力,然而其得到的规律不会超出样本数据包含的信息.换言之,机器学习模型的可靠性依赖于标记数据(历史灾害记录)的准确性和完整性.然而,暴雨内涝发生的短历时性与空间散布特征增加了完整采集历史灾害数据的困难.提升机器学习模型的可靠性可从2个方面着手：① 挖掘未标记样本包含的信息,如采用分层抽样方法[83];② 利用互联网大数据增加标记样本[49]. ...
Assessment of urban flood susceptibility using semi-supervised machine learning model
1
2019
... 根据历史灾害记录建立灾害风险与影响因子之间的拟合模型,并依据模型进行风险制图是机器学习在自然灾害研究中的主要应用方式,学习方法包括Logistics回归、支持向量机、随机森林、朴素贝叶斯、多目标决策分析和基于人工神经网络的深度学习等[79,80,81,82].对于暴雨内涝,学习特征(影响因子)包括最大日降雨量、暴雨频率、不透水率、高程、坡度、地形湿度指数TWI、距河流距离、距道路距离和排水管网密度等.机器学习建立的模型有良好拟合能力,然而其得到的规律不会超出样本数据包含的信息.换言之,机器学习模型的可靠性依赖于标记数据(历史灾害记录)的准确性和完整性.然而,暴雨内涝发生的短历时性与空间散布特征增加了完整采集历史灾害数据的困难.提升机器学习模型的可靠性可从2个方面着手：① 挖掘未标记样本包含的信息,如采用分层抽样方法[83];② 利用互联网大数据增加标记样本[49]. ...
