长江科学院院报

长江科学院院报 >

2025 , Vol. 42 >Issue 2: 83 - 90

DOI: https://doi.org/10.11988/ckyyb.20231189

水灾害

基于多源降雨数据的中游城市群极端降雨特征和风险分析

  • 龚莉 , 1, 2 ,
  • 张翔 , 1, 2 ,
  • 罗蔚 3 ,
  • 陶士勇 1, 2
展开
  • 1 武汉大学 水资源工程与调度全国重点实验室,武汉 430072
  • 2 武汉大学 海绵城市建设水系统科学湖北省重点实验室,武汉 4300723
  • 3 中铁水利水电规划设计集团有限公司,南昌 330029
张 翔(1969-),男,北京市人,教授,博士,主要从事城市水文学研究。E-mail:

龚 莉(1998-),女,湖北武汉人,博士研究生,主要从事城市水文学研究。E-mail:

Copy editor: 罗 娟

收稿日期: 2023-11-02

  修回日期: 2024-04-30

  网络出版日期: 2025-02-14

基金资助

国家自然科学基金重大项目(41890823)

中国中铁股份有限公司科技研究开发计划项目(2021-重大-08)

中国中铁股份有限公司科技研究开发计划项目(2022-重大-08)

收起

Characterization and Risk Analysis of Extreme Precipitation in Yangtze River Midstream Urban Agglomerations Based on Multi-Source Rainfall Data

  • GONG Li , 1, 2 ,
  • ZHANG Xiang , 1, 2 ,
  • LUO Wei 3 ,
  • TAO Shi-yong 1, 2
Expand
  • 1 State Key Laboratory of Water Resources Engineering and Management, Wuhan University, Wuhan 430072,China
  • 2 Hubei Key Laboratory of Water System Science for Sponge City Construction, Wuhan University,Wuhan 430072, China
  • 3 China Railway Water Resources and Hydropower Planning and Design Group Co., Ltd., Nanchang 330029, China

Received date: 2023-11-02

  Revised date: 2024-04-30

  Online published: 2025-02-14

Fold

摘要

长江中游城市群是位于我国中部的特大型城市群,在经济社会发展中发挥着重要作用。为探究变化环境下中游城市群的降雨特征和风险,对CMFD、MSWEP 和CN05.1这3种降雨数据在中游城市群的适用性进行了评估,选择中国区域地面气象要素驱动数据集CMFD进行降雨特征分析,同时考虑强降雨量、暴雨日数、高程、坡度、人口、土地利用对区域城市化快速发展前后暴雨灾害风险进行分析。结果表明:包括省会城市在内的高度城市化区域在过去的40 a短历时暴雨发生频率和强度增加,城市群南部强降雨量、暴雨日数存在显著增长趋势,包括江西省新余、抚州、南昌、九江等区域;随着城市化的进程,人口向中心城市聚焦,中高暴雨风险区域增加,环鄱阳湖都市圈中高风险区占比明显增加。为应对区域暴雨风险,需集成多学科多部门城市监测数据,推进高精度多尺度监测-预报-预警系统研发与应用,加强城市化对局地气候和极端降雨影响的机理研究,协调灰-绿-蓝措施以增强城市气候适应性和韧性。

关键词： 城市化; 极端降雨特征; 风险分析; 中游城市群; CMFD

本文引用格式

龚莉 , 张翔 , 罗蔚 , 陶士勇 . 基于多源降雨数据的中游城市群极端降雨特征和风险分析[J]. 长江科学院院报, 2025 , 42(2) : 83 -90 . DOI: 10.11988/ckyyb.20231189

Abstract

The urban agglomeration in the middle reaches of the Yangtze River is a mega city cluster located in the central part of China, playing a crucial role in economic and social development. To explore precipitation characteristics and risks in this urban agglomeration in changing environment, we evaluated the applicability of three precipitation datasets: CMFD, MSWEP, and CN05.1, and selected the CMFD (China Meteorological Forcing Dataset) for analysis. We analyzed the changes in rainstorm hazard risks before and after the rapid urbanization by considering factors such as rainstorm amount, rainstorm duration, elevation, slope, population, and land use. Findings reveal that highly urbanized areas, particularly provincial capital cities, have experienced more frequent occurrences and higher intensities of short-duration rainstorms over the past four decades. The amount and duration of rainstorms in the southern part of the urban agglomeration increased significantly, affecting cities like Xinyu, Fuzhou, Nanchang, and Jiujiang in Jiangxi Province. With the progression of urbanization, populations have concentrated in central cities. Consequently, medium- and high-risk areas for rainstorms have increased, especially in the Poyang Lake Metropolitan Area. To effectively manage and mitigate the risks associated with regional rainstorms, we recommend the following measures: integrate multidisciplinary and multidepartment urban monitoring data to gain a comprehensive understanding of precipitation patterns and their impacts; promote research, development, and application of high-precision multiscale monitoring-forecasting-warning systems to enhance early warning capabilities; strengthen research on the mechanisms of urbanization affecting local climate and extreme rainfall events; coordinate grey (infrastructure), green (natural systems), and blue (water bodies) measures to enhance the climate adaptation and resilience of cities.

Key words： urbanization; extreme rainfall characteristics; risk analysis; urban agglomeration; CMFD

开放科学(资源服务)标识码(OSID):

0 引言

近年来,受气候变化和城市化影响,我国极端暴雨洪涝事件频发。例如,2019年4月,深圳发生短历时极端强降雨,10 min最大降雨量达39.7 mm,致11人遇难;2021年郑州 “7·20”特大暴雨灾害,致使河南省1 478.6万人受灾,直接经济损失1 200.6亿元;2023年7月,台风“杜苏芮”带来持续时间长、累计雨量大的强降雨,致福建145万余人受灾,直接经济损失超30亿元。
全球变暖使极端事件出现频率和强度增加[1⇓-3],同时城市区域下垫面特性和局地气候特征变化也导致暴雨洪涝灾害的影响在城市被放大[4-5]。IPCC第六次评估报告《气候变化2023》[6]明确指出:人类活动导致全球变暖,2011—2020年的全球地表温度比1850—1900年高出1.1 ℃。《中国气候变化蓝皮书2023》[7]也表明:中国升温速率高于同期全球水平,2022年中国地表平均气温较常年值偏高0.92 ℃。全球变暖导致更严重的热浪、更强烈的降雨。中国科学院大气物理研究所研究表明降水变率将随气候增暖而增强,降水变率在天气尺度到月、季节内和年际各时间尺度上均随全球增温而增强。全球湿润区因总降水增多而变得更湿润,同时,降水在时间上的分配也将变得更不均匀,干湿时期间的波动将更剧烈[8]。城市区域土地覆盖和建筑几何形态变化改变了能量平衡,与人为放热共同产生城市热岛效应,影响降水的发生和强度,大气污染和细颗粒物也会影响降雨的形成[5,9]。高分辨率地表数据的研究结果表明,城市地表变化导致的增温影响大尺度环流和降水,中国华东和华南地区年降雨量增加[10]。
中游城市群是中国中部经济发达、城镇化程度高的地区,聚集了大量人口和产业,具有较大的灾害暴露度和脆弱性,气候变化和快速城镇化进程使得区域降雨特性发生了变化。受东亚季风气候影响,包括城市群在内的长江流域中下游地区洪涝灾害和持续性暴雨分布范围变广,发生频率明显变高[11]。Dai 等[12]基于32个气象站点1961—2020年的数据分析了中游城市群范围内武汉都市圈的夏季极端降水的时空特征,结果表明近60 a区域极端降水呈现明显的上升趋势,20世纪80年代以后极端降水显著增加,其中强降雨量和年降雨量的变化率分别为12.1 mm/(10 a)和18.82 mm/(10 a);郑舵[13]基于166个气象站点1988—2017年资料分析了普通日降水强度和强降水量的时空演变特征,结果表明在江西省和湖南省存在增长趋势,江西省吉安市、抚州市、九江市、南昌市增长趋势较大,湖北省黄冈市、武汉市、鄂州市有下降趋势,整体表现在环鄱阳湖都市圈有明显增高趋势,在武汉都市圈都表现为明显降低趋势。
城市化对局地气候产生较大影响,降雨空间异质性较大,国家测站的密度往往不够,且大多位于城市郊区,而自建站的精度、准确性不能保障,因此本研究选用3种高时空分辨率降雨产品,根据国家气象站点日降雨资料检验各产品在中游城市群的适用性,然后选择表现较好的降雨产品进行中游城市群极端降雨指标时空特性变化和风险分析,为区域极端暴雨风险应对和灾害防治提出建议。

1 研究区域与方法

1.1 研究区域

长江中游城市群是包括武汉“1+8”都市圈、长株潭都市圈和环鄱阳湖都市圈的中部地区特大型城市群,地跨湖北、湖南、江西三省,涵盖31个地级市,承启东西、连接南北,在我国经济社会发展中发挥着重要作用。2022年2月国务院批复同意了《长江中游城市群发展“十四五”实施方案》,要求增强区域经济和人口承载能力,打造长江经济带发展和中部地区崛起的重要支撑、全国高质量发展的重要增长极、具有国际影响力的重要城市群。
中游城市群总面积超过35万km2,约占国土面积的3.6%,2022年区域常住人口超过1.3亿,地区生产总值超10万亿元,占全国约9.1%。同时,长江干支流贯穿于中游城市群各个省市,区域水系结构复杂,涉及长江流域二级分区中的汉江水系、中游干流区间、洞庭湖水系和鄱阳湖水系(图1),具有丰富的水资源和水路运输条件。区域气候呈典型的亚热带湿润季风气候特征,夏季炎热多雨,冬季寒冷潮湿。近年来,区域内极端降雨洪涝事件也常有发生,如2016年6—7月,武汉遭遇大到暴雨,造成城市“看海”景观;2020年7月,江西省九江、上饶、景德镇三市遭遇强降雨,城镇内涝严重,道路、桥梁等基础设施被淹;2022年4月,长沙遭遇短时强降雨,最大1 h雨量79.9 mm,水从地势低洼处的井盖冲出,造成城区多地积水。因此,探究长江中游城市群的降雨特征变化和暴雨灾害风险,对于中部地区防洪防汛和风险管理应对具有指导意义。
图1 长江中游城市群行政区划、水资源区划及水文气象站点分布

Fig.1 Distribution of administrative divisions, water resource zones, and hydro-meteorological stations in urban agglomeration in the midstream of the Yangtze River

1.2 数据处理

1.2.1 多源降雨数据

降雨数据包括中国区域地面气象要素驱动数据集(CMFD)[14]、多源加权集合降水再分析数据集(MSWEP)[15]和中国科学院气候变化研究中心的CN05.1[16]以及图1中城市群范围内的53个国家气象站点,数据资料的时段和时空分辨率如表1所示。
表1 降雨数据的时空分辨率

Table 1 Spatial and temporal resolution of rainfall data

数据 时段 时间分辨率 空间分辨率/(°)
国家站点 1961—2019 年 d
CMFD 1979—2018年 3 h 0.1
MSWEP 1979—2020 年 3 h 0.1
CN05.1 1961—2021 年 d 0.25
产品精度检验以国家站点实测数据为基准,从日、月、年3个时间尺度对单站点降雨精度进行评估。首先选择与各国家气象站点距离最近的4个栅格点,通过反距离插值计算得到产品数据对应的53个站点的日降雨序列。然后选取能反映降雨系列一般特征、极端指数的5个指标:多年平均降雨量的平均误差(E)、年最大1 d降水量序列平均误差(ME)、日降雨相关系数(r)、归一化均方根误差(NMSE)和探测率(POD),对各产品精度进行评估。
由表2、图2可知,MSWEP降雨产品多年平均降雨量和年最大1 d降水量的误差范围较大,且日降雨相关系数<0.6,探测率较其他2种降雨产品偏小,整体表现较差。CMFD和CN05.1这2种降雨产品能反映降雨的多年平均特征,在相关系数、归一化均方根误差的表现上各有所长,降雨探测率都较高。丁光旭等[17]研究也表明CMFD在长江流域的适用性要高于MSWEP和ERA5这2种降雨产品。考虑到所使用的土地利用数据、DEM数据和人口数据的空间分辨率为1 km或更小,故采用时空分辨率较高且整体表现较好的CMFD降雨产品进行后续变化趋势计算和风险分析。
表2 3种降雨产品精度评估结果

Table 2 Results of accuracy assessment of three precipitation products

指标计算公式 CMFD MSWEP CN05.1
r = ∑ i = 1 n M i O i - ∑ i = 1 n M i ∑ i = 1 n O i ∑ i = 1 n M i 2 - ∑ i = 1 n M i 2 ∑ i = 1 n O i 2 - ∑ i = 1 n O i 2 0.72 0.57 0.84
N M S E = 1 n ∑ i = 1 n ( M i - O i ) 2 1 n - 1 ∑ i = 1 n O i - O ¯ i 2 0.69 0.84 0.64
P O D = H H + M 0.98 0.93 0.98

注: O i指第i天的气象站点实测日降水量; M i指第i天的产品数据日降雨量;H为地面站和降水产品均探测到的降水发生的频次(日降水);M为地面雨量站探测到降水发生而降水产品未能探测到的降水发生的频次;各指标值均为53个国家气象站点和对应产品日降雨序列计算的平均值。

图2 多年平均降雨量和年最大1 d降水量的误差箱线图

Fig.2 Box plots of errors of multi-year average rainfall and maximum 1-day precipitation

1.2.2 城市数据

城市数据包括土地利用类型、高程和人口栅格数据3个部分,数据来源和处理见表3。表3数据用来计算城市化快速发展前后风险指标,选择1990年和2020年土地利用作为城市化快速发展前后代表,人口数据基于对应年份栅格数据进行统计处理。DEM随时间变化较小,故采用同一时期数据进行分析。中游城市群1990年和2020年土地利用和人口分布见图3。
表3 城市数据来源和处理

Table 3 Sources and processing of urban data

变量 数据来源 空间
分辨率		 数据处理
人口 欧盟委员会发布的全球人口栅格数据集GHSL-POP,1075—2020年5 a一期 1 km 统计与降雨数据对应的2 914个0.1°网格内的常住人口数量
土地
利用		 中国科学院资源环境科学数据中心, 1990—2020年5 a一期 1 km 按照耕地、林地、草地、水域、建设用地和未利用地进行重分类
高程
(DEM)		 美国宇航局NASADEM数据 30 m 基于ArcGIS进行坡度计算
图3 中游城市群1990年和2020年土地利用和人口分布

Fig.3 Distribution of land use and population in the studied urban agglomeration in 1990 and 2020

1.3 研究方法

1.3.1 极端降雨指标计算

本研究参考了由世界气象组织和世界气候研究计划联合成立的气候变化探测与指数专家提出的27个具有代表性的气候指标,选取能够反映极端降雨特征极值、超过阈值的天数和总量的6个指标 (表4),计算1979—2018年中游城市群2 914个格点的年、季降雨和极端降雨指标,统计分析近40 a各降雨指标的变化趋势。
表4 极端降雨指标

Table 4 Extreme rainfall indicators

指标 定义 单位
Pmax1d 年最大1 d降雨 mm
Pmax3d 年最大连续3 d降雨 mm
R20 日降雨量超过20 mm的天数 d
R50 日降雨量超过50 mm的天数 d
PF95 超过95%阈值的总降雨量 mm
PR95 95%阈值对应的日降雨量 mm

1.3.2 风险分析

利用指标体系法对暴雨灾害风险进行研究分析。气象灾害风险常由危险度和易损度表达[18-19],参考已有研究[20]和数据情况,选用极端降雨量和极端降雨天数作为致灾因子方面相应指标,地面高程和坡度作为孕灾环境方面的指标,人口、土地利用类型作为易损性的评价指标。指标体系含有3个方面6个指标,但各指标与灾害风险的相关性不同,如极端降雨量和极端降雨天数与风险为正相关,数值越大风险越大,而地面高程与风险为负相关,数值越小风险越大。采用自然间断点分级法作为指标等级划分方法,基于ArcGIS将栅格指标转换成用1、2、3、4、5表示的危险程度。

2 极端降雨时空变化特征和灾害风险

2.1 中游城市群极端降雨时空变化

CMFD降雨数据在中游城市群范围内共有2 914个网格点,统计各点的年降雨量、季节降雨量和极端降雨指标在1979—2018年的年序列变化及其均值,并运用Mann-Kendall(M-K)趋势检验分析各降雨特征随指标时间的变化情况,得到中游城市群降雨特征指标的时空变化分布,如图4所示。其中橙色和红点标注的是基于M-K趋势检验得到的在95%和99%置信度下具有显著增加趋势的网格点。
图4 中游城市群降雨特征指标变化趋势

Fig.4 Change trends in precipitation characterization indicators

从图4(a)—图4(c)可以看出,区域多年平均降雨和夏季降雨空间变化趋势基本一致,均呈现从西北向东南逐渐增加的趋势,且在过去40 a间不存在大面积区域降雨量显著增加,而冬季降雨在江西省具有一定上升趋势。图4(d)—图4(i)为极端降雨指标,分别反映了区域极端降雨强度(Pmax1d和Pmax3d)、出现天数(R20和R50)以及强降雨量(PF95和PR95);图4(d)、图4(e)中靠近省会城市的区域呈现深蓝色,表明在城市区域会出现比郊区更强的短历时暴雨,可能导致更严重的洪涝灾害;图4(f)—图4(i)中红色和橙色点集中出现在中游城市群南部,主要是江西省新余市、抚州市、南昌市、九江市等区域,说明该区域极端降雨出现频次和强度存在显著增长趋势,该结论与郑舵[13]基于气象站点的分析结果一致,均说明环鄱阳湖都市圈更需要重视气候变化下极端降雨事件的科学应对。

2.2 中游城市群暴雨灾害风险分析

中游城市群的快速城镇化进程使得降雨特性、下垫面条件、承灾体等发生了一系列变化,改变了区域暴雨灾害风险特征。参考已有研究[20]基于层次分析法的计算结果,确定危险度和易损度的权重分别为0.33和0.67。危险度指标中极端降雨指标对灾害后果影响较大,故对其赋予较大权重,易损度指标中人口分布是灾害暴露度主要影响因子,也对其赋予较大的权重。据此,得到强降水量、暴雨日、高程、坡度、人口、土地利用6个指标对应权重分别为0.132、0.116、0.033、0.049、0.503、0.167。其中极端降雨事件往往具有较强的随机性,为减少其不确定性,选择快速城市化前后的代表年份(1990年和2020年)前一个世纪的极端降雨指标平均值进行灾害危险度分析,即分别采用 1980—1990 年和2010—2018年两个时间段的强降水量(PF95) 和暴雨日(R50) 的多年平均值进行等级分析,指标5级阈值划分结果如表5所示。
表5 快速城市化前后指标阈值及等级划分

Table 5 Thresholds and ranking of indicators before and after rapid urbanization

时段 等级 危险度指标 易损度指标
强降水量PF95/mm 暴雨日R50/d 高程/m 坡度/(°) 人口/(万人) 土地利用类型
1 <368.16 <1.18 ≥1 140 <16.39 <2.71 未利用地和林地
2 [368.16,437.05 ) [1.18 2.00, ) [692,1 140) [16.39,33.48) [2.71,7.48) 草地
城市化前 3 [437.05,491.52 ) [2.00,2.81 ) [371,692) [33.48,51.62) [7.48,15.63) 水域
4 [491.52,550.79 ) [2.81,3.72 ) [150,371) [51.62,68.70) [15.63,32.96) 耕地
5 ≥ 550.79 ≥3.72 <150 ≥68.70 ≥32.96 建设用地
1 <411.26 <1.86 ≥1 140 [0,16.39) <4.25 未利用地和林地
2 [411.26, 521.7 ) [1.86,3.22 ) [692,1 140) [16.39,33.48) [4.25,14.44) 草地
城市化后 3 [521.7,610.05 ) [3.22,4.54) [371,692) [33.48,51.62) [14.44,32.28) 水域
4 [610.05,717.73 ) [4.54,5.97 ) [150,371) [51.62,68.70) [32.28,75.60) 耕地
5 ≥717.73 ≥5.97 <150 ≥68.70 ≥75.60 建设用地
中游城市圈城市化前后极端降雨危险度分区如图5所示。其中,南昌市在城市化快速发展前后均处于城市群极端降雨危险度较大的区域,同时其周围九江、景德镇、上饶等地级市也一直面临较大风险;武汉市中心区域面临较大的暴雨天数带来的危险,其强降雨量危险度在城市化快速发展后等级减小,但仍处于中高风险区,表明武汉市的极端降雨频率和强度增加趋势相对于区域整体较小;长沙市暴雨危险度较小,但周边湘潭、株洲和衡阳交界区域一直处于高危险度分区。
图5 城市化快速发展前后极端降雨危险度分区

Fig.5 Hazard zoning for extreme rainfall indicators before and after rapid urbanization

综合考虑危险度和易损度的城市化快速发展前后中游城市群暴雨风险区划结果如图6所示。风险度最高的区域集中在武汉、南昌和长沙3个省会城市,主要考虑到省会城市聚集了大量人口,从图3(c)、图3(d)人口分布可以看出城市化快速发展后区域人口有向高度城市化区域迁移的趋势,导致省会城市人口与周边地区差异更加明显,区域人口暴露度始终较大;城市化快速发展前后,湖北省襄阳、宜昌和荆门均为低风险区域,由图5可以看出是由于其极端降雨危险度较小,且区域人口密度相对较小,在中游城市群区域属于暴雨灾害低风险区;环鄱阳湖都市圈在城市化之后,中高危险度区域扩张,基本处于中高风险区域。
图6 城市化快速发展前后暴雨灾害风险分区

Fig.6 Risk zoning for rainstorm disaster before and after rapid urbanization

2.3 城市群暴雨灾害风险应对建议

长江中游城市群过去几十年的降雨特征变化分析结果表明,环鄱阳湖都市圈极端降水发生的频次和强度存在显著上升趋势,同时极端暴雨灾害高风险区也在城市化进程中发生了转移。相关研究也表明,在长三角城市群、珠三角城市群、武汉城市圈等人口和经济高度聚集的区域,气候变化和城市化带来的极端事件灾害频次增多,给城市区域灾害应对带来严峻挑战。未来全球变暖趋势仍将持续,到2100年全球气温可能上升3.3~5.7 ℃[6],气候变化的风险具有严重性和不确定性,可能造成经济、社会、文化、生态系统和政治层面的级联效应,形成系统性风险。城市区域聚集了大量的人口和经济,面对气候变化的风险具有较高的脆弱性和暴露度。具有复杂关联结构的城市和城市群如何应对极端暴雨灾害风险是区域实现可持续发展的基础,在此提出以下建议。

2.3.1 集成多学科多部门城市监测数据,推进监测-预报-预警系统研发与应用

高精度的监测数据是准确预报的基础,预报是发布精准防灾预警的前提。极端暴雨洪涝灾害具有系统性风险特征,亟待开展跨领域、跨学科的综合性研究为其提供科学保障。首要问题就是各部门数据的非公开性,同时监测数据时空尺度存在差异,数据壁垒给跨学科交叉研究增加了难度,因此,有必要建立开放式的城市监测数据库,集成各部门的标准化数据,为分析识别极端灾害风险奠定基础。
同时,目前的气象监测预报能力尚不能完全满足城市特大暴雨灾害防御的需要,预报的降雨区域、降雨历时、降雨强度还不够精准。应通过新的监测技术、信息获取技术和发达互联网,结合高分辨率数值模拟和机器学习等方法,加快推进高精度多尺度(城市、街区、网格尺度)监测-预报-预警系统的研发与应用,利用数字管网、远程监控等先进手段,提升城市暴雨洪涝防御和治理的科学化、自动化管理水平,为灾害应对预案的制定和实施提供有力技术支撑。

2.3.2 加强城市化对局地气候和极端降雨影响的机理研究

气候变化背景下,极端天气事件发生频率进一步增加,各个时间尺度上的降水变率也随气候增暖而增强。同时城市作为人类生存、活动的主要区域,人-水系统关系复杂密切,下垫面空间结构与自然区域存在显著差异,改变了区域热力学、动力学条件,从而影响局部气候和极端天气。已有许多研究基于观测和数值模拟,聚焦于城市化对于极端降雨的影响机制及城市热岛效应、下垫面糙率变化、城市景观形态变化和城市气溶胶对降雨增减的影响。但由于高精度、有效监测资料的稀缺性和数值模拟的不确定性,影响机制研究大多聚焦于某一特定城市或区域,研究结论缺乏共性。因此,不同空间尺度城市化对局地气候和极端降雨影响的机理研究还需进一步加强。

2.3.3 耦合协调灰-绿-蓝基础措施,增强城市气候适应性和韧性

2013年,中国印发了首份《国家适应气候变化战略》,从国家层面对气候变化适应工作提出指导意见。2021年,《国务院办公厅关于加强城市内涝治理的实施意见》(国办发〔2021〕11号)提出“根据建设海绵城市、韧性城市要求,因地制宜、因城施策,提升城市防洪排涝能力”以及“到2025年,各城市因地制宜基本形成‘源头减排、管网排放、蓄排并举、超标应急’的城市排水防涝工程体系”。各地区应当在国家层面政策框架的基础上,因地制宜、因城施策,制定本士化、有针对性的应对策略。
海绵城市建设需要统筹融合“蓝”“绿”“灰”3类基础设施,发挥城市河湖水系的调蓄功能、绿色基础设施的可持续性和灰色传统排水系统基础设施的高效性,科学、有效地实现“渗、滞、蓄、净、用、排”, 增强城市适应气候变化的能力以及抵御自然灾害和及时恢复的韧性,实现自然积存、自然渗透、自然净化的城市发展方式。同时,要将新时期“统筹发展与安全,建设更高水平的平安中国”的发展理念运用到城市内涝治理和韧性城市建设中。

3 结论

本文基于CMFD、MSWEP 和CN05.13种降雨产品及53个国家气象站点实测日尺度降雨数据,首先对3种降雨产品在中游城市群的适用性进行检验,选择中国区域地面气象要素驱动数据集CMFD进行降雨特征分析,结果表明包括省会城市在内的高度城市化区域有更强的短历时暴雨发生,位于城市群东南部分的环鄱阳湖都市圈极端降雨指标具有显著上升趋势。然后采用危险度-易损度框架,考虑人口、土地利用、高程、坡度、暴雨日数和强降雨量6个指标,评估了中游城市群在城市化高速发展前后的暴雨灾害风险,绘制了风险分区图,结果表明风险度最高的区域集中在3个省会城市,同时环鄱阳湖都市圈在城市化后中高风险区域明显增多。最后,根据研究结果提出了应对极端灾害风险的建议,研究可为中游城市群暴雨风险关键区域识别提供参考,对灾害风险管控和应对具有重要意义。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
WANG G, ZHANG Q, YU H Q, et al. Double Increase in Precipitation Extremes across China in a 1.5 ℃/2.0 ℃ Warmer Climate[J]. Science of the Total Environment, 2020, 746: 140807.

[2]
WU X, WANG L, NIU Z, et al. More Extreme Precipitation over the Yangtze River Basin, China: Insights from Historical and Projected Perspectives[J]. Atmospheric Research, 2023, 292: 106883.

[3]
李绅东, 马燕, 孙光宝, 等. 1960—2013年昭通市极端降雨时空演变规律研究[J]. 长江科学院院报, 2018, 35(7): 19-24, 29.

DOI

LI Shen-dong, MA Yan, SUN Guang-bao, et al. Spatio-temporal Variations of Extreme Rainfall in Zhaotong from 1960 to 2013[J]. Journal of Yangtze River Scientific Research Institute, 2018, 35(7):19- 24, 29. (in Chinese))

DOI

[4]
黄蓓, 倪广恒. 基于WRF-LUCY模型的冬季集中供暖对局地气候的影响[J]. 清华大学学报(自然科学版), 2020, 60(2): 162-170.

HUANG Bei, NI Guang-heng. Local Climate Impact of Central Heating in the Winter Based on the WRF-LUCY Model[J]. Journal of Tsinghua University (Science and Technology), 2020, 60(2): 162-170. (in Chinese))

[5]
罗鑫玥, 陈明星. 城镇化对气候变化影响的研究进展[J]. 地球科学进展, 2019, 34(9): 984-997.

DOI

LUO Xin-yue, CHEN Ming-xing. Research Progress on the Impact of Urbanization on Climate Change[J]. Advances in Earth Science, 2019, 34(9): 984-997. (in Chinese))

[6]
CALVIN K, DASGUPTA D, KRINNER G, et al. IPCC, 2023: Climate Change 2023:Synthesis Report. Contribution of Working Groups I, II and III to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change[R]. Geneva, Switzerland: IPCC, 2023:35-115.

[7]
中国气象局气候变化中心. 中国气候变化蓝皮书2023[M]. 北京: 科学出版社, 2023.

( Climate Change Center of China Meteorological Administration. Blue Book on Climate Change in China 2023[M]. Beijing: Science Press, 2023. (in Chinese))

[8]
ZHANG W X, FURTADO K, WU P L, et al. Increasing Precipitation Variability on Daily-to-multiyear Time Scales in a Warmer World[J]. Science Advances, 2021, 7(31): eabf8021.

[9]
ZHANG W, VILLARINI G, VECCHI G A, et al. Urbanization Exacerbated the Rainfall and Flooding Caused by Hurricane Harvey in Houston[J]. Nature, 2018, 563(7731):384-388.

[10]
ZHAO D M, WU J. The Influence of Urban Surface Expansion in China on Regional Climate[J]. Journal of Climate, 2017, 30(3): 1061-1080.

[11]
张翔, 刘浩源, 吴志广, 等. 长江水问题基本态势及耦合关系分析[J]. 长江科学院院报, 2022, 39(9): 9-14, 23.

DOI

ZHANG Xiang, LIU Hao-yuan, WU Zhi-guang, et al. Basic Situation and Coupling Relationship of the Yangtze River Water Problems[J]. Journal of Yangtze River Scientific Research Institute, 2022, 39(9): 9-14, 23. (in Chinese))

DOI

[12]
DAI X, WANG L, LI X, et al. Characteristics of the Extreme Precipitation and Its Impacts on Ecosystem Services in the Wuhan Urban Agglomeration[J]. Science of the Total Environment, 2023, 864: 161045.

[13]
郑舵. 城市空间形态与地方气候变化的关联分析:以长江中游城市群为例[D]. 武汉: 华中科技大学, 2022.

( ZHENG Duo. Correlation Analysis of Urban Morphology and Local Climate Evolution- A Case in the Yangtze River Middle Reaches Megalopolis, China[D]. Wuhan: Huazhong University of Science and Technology, 2022. (in Chinese))

[14]
HE J, YANG K, TANG W J, et al. The First High-resolution Meteorological Forcing Dataset for Land Process Studies over China[J]. Scientific Data, 2020, 7(1): 25.

DOI PMID

[15]
BECK H E, WOOD E F, PAN M, et al. MSWEP V2 Global 3-hourly 0.1° Precipitation: Methodology and Quantitative Assessment[J]. Bulletin of the American Meteorological Society, 2019, 100(3): 473-500.

[16]
WU J, GAOX J, GIORGI F, et al. Changes of Effective Temperature and Cold/Hot Days in Late Decades over China Based on a High Resolution Gridded Observation Dataset[J]. International Journal of Climatology, 2017, 37: 788-800.

[17]
丁光旭, 郭家力, 汤正阳, 等. 多种降水再分析数据在长江流域的适用性对比[J]. 人民长江, 2022, 53(9):72-79.

DING Guang-xu, GUO Jia-li, TANG Zheng-yang, et al. Evaluation on Applicability of Various Reanalysis Datasets of Precipitation in Changjiang River Basin[J]. Yangtze River, 2022, 53(9): 72-79. (in Chinese))

[18]
王春乙, 张继权, 霍治国, 等. 农业气象灾害风险评估研究进展与展望[J]. 气象学报, 2015, 73(1): 1-19.

WANG Chun-yi, ZHANG Ji-quan, HUO Zhi-guo, et al. Prospects and Progresses in the Research of Risk Assessment of Agro-meteorological Disasters[J]. Acta Meteorologica Sinica, 2015, 73(1): 1-19. (in Chinese))

[19]
张会, 李铖, 程炯, 等. 基于“H-E-V” 框架的城市洪涝风险评估研究进展[J]. 地理科学进展, 2019, 38(2): 175-190.

DOI

ZHANG Hui, LI Cheng, CHENG Jiong, et al. A Review of Urban Flood Risk Assessment Based on the Framework of Hazard-exposure-vulnerability[J]. Progress in Geography, 2019, 38(2): 175-190. (in Chinese))

DOI

[20]
黄国如, 陈易偲. 高度城镇化背景下珠三角地区城市洪涝风险变化特征[J]. 中国防汛抗旱, 2021, 31(11):7-13.

HUANG Guo-ru, CHEN Yi-si. Variation Characteristics of Urban Flood Risk in the Pearl River Delta under Dense Urbanization[J]. China Flood & Drought Management, 2021, 31(11): 7-13. (in Chinese))

Options
文章导航

/

〈 〉

*严禁使用本系统存储、处理、传输涉密信息*
版权所有 © 《长江科学院院报》编辑部
技术支持：北京玛格泰克科技发展有限公司