全球气候变化背景下中国大部分地区突发性短历时强降水事件增多(刘吉峰等, 2007; 林婧婧等, 2015), 翟盘茂等(2007)和王萃萃等(2009)结合全球变化特点指出我国绝大部分区域近来的降水强度普遍加大, 长江流域强降水过程明显增多, 长江下游大部分大城市极端降水强度增加, 发生洪涝灾害的频率也趋于增加, 白爱娟等(2010)通过分析表明随着全球气候变暖, 因区域降水量显著时空分布差异导致的降水极端事件频繁发生, 是近年来旱涝灾害增多的一个重要原因; 目前突发性短历时强降水已成为世界各国城市内涝积水的重要成因之一, 为了减轻突发性短历时强降水造成的灾害, 提前做好预防, 许多学者就提高我国各地突发性短历时强降水预报效果进行多方位研究, 司福意等(2015)对豫中北一次重致灾强对流天气过程剖析得出有助于提高强对流天气预报能力的结论, 曾明剑等(2015)引进构建了系列“接近度”指数用于强对流天气实时预报取得了较好业务预报效果, 王晓峰等(2015)认为快速更新同化数值模拟可有效延长上海局地强对流过程的预警时效并为城市强对流业务预报提供了新的思路, 但对短历时强降水致灾阈值探索的研究报道较少。

暴雨是上海地区夏半年最主要的气象灾害, 1995年以来, 上海地区5—9月暴雨逐渐向强、中、局部、特短方向演变, 短时局部性强降水已成为上海地区5—9月最有破坏力的气象灾害之一(贺芳芳等, 2009), 大暴雨或强降雨是造成上海水情灾害的重要起因(陆敏等, 2010); 同时城市化对下垫面的直接改造以及间接引起的城市水文效应导致河道数量和河网结构趋于简化, 地面沉降显著改变了上海的下垫面自然形态导致防洪能力减弱和城市排涝困难, 这些都使上海成为我国东南沿海潜在内涝积水灾害风险最高的地区之一(龚士良等, 2008; 李娜等, 2011)。由于上海城市强降水积水严重, 上海公安局应急联动中心从2007年起开展110暴雨积水报警, 一旦出现暴雨积水, 可打110报警, 及时通知排水部门采取紧急措施进行排水。鉴于以上情况, 很要必要开展上海地区短历时强降水致灾阈值的研究。

国内外对降水阈值研究也从未间断(Yamamoto et al, 1999; 蔡敏等, 2007; 李庆祥等, 2010; Tramblay et al, 2012; 李雁等, 2013; 杨志刚等, 2014; 陈金明等, 2016), 以前根据长时间序列的逐日资料多采用百分位排序法和百分位的相对指数、插值法、正态变换法等方法进行研究, 或在REOF客观分区的基础上分析不同区域强降水阈值; 近年来, 又有学者采用分布式水文模型、新安江水文模型或HBV-D水文模型开展各流域暴雨洪涝的致灾阈值(临界面雨量)确定技术研究(刘志雨等, 2010; 包红军等, 2013; 张亚杰等, 2014)。本研究采用城市积涝水淹模型(SCS-CN模型)反演上海地区短历时强降水引起城市积涝淹没时的小时临界面雨量, 并根据上海地区暴雨积水引起的110报警资料和雨量时空关系分析验证模型计算结果, 旨在通过短历时强降水致灾阈值的探索研究, 为上海城市制定有效预防强降水积水淹涝灾害措施提供可靠的科学依据。

110积水报警资料来源于上海公安局应急联动中心, 包括报警时间, 报警地点, 报警地点经纬度和报警内容, 在整理报警资料时, 根据报警内容剔除了不是由于强降水引起(如水管破裂、消防水闸突然出水等)的积水报警点。2007—2014年的8年间, 因暴雨积水引起的110报警数共有15 683次, 报警数不仅与降水强度有关, 也与人口密度、下垫面状况以及不同区域的人受灾后报警意识强弱密切相关, 上海中心城区仅占全市面积不到5%, 但报警点分布最密集, 近8年的报警数占了50%以上, 报警点次密集区位于与中心城区相邻地区以及上海郊区各区(县)政府所在地的城区。

上海地区有138个自动气象站(包括11个国家气象站)的雨量记录, 在具体分析中, 每个短历时强降水过程自动气象站雨量资料都在这138个自动气象站中进行挑选, 并进行质量控制, 对有明显误差的站点(奇异值)进行剔除, 标准为: (1)小时降水量超过标准站2倍标准差的自动站值; (2)年降水量明显偏小的自动站值(和邻近站相比年降雨量偏小50%以上); (3)过程降水量与相邻的周边几个自动站比非常小(有的为零)和暴雨过程雨量明显过大(和邻近站相比明显过大)的自动站值; (4)剔除缺测比较多的自动站。同时对自动站雨量资料做均一性审查, 把自动站雨量资料与临近同时段的国家气象站经过审核过的资料进行比较, 没有发现异常突变和明显不连续情况。

按照2007—2014年上海地区强降水过程的起止时间获取各个强降水过程的积水报警数, 然后根据短历时强降水的降水分布特点及相应的积水报警点密集分布情况选取4个典型个例。这4个个例强降水引起的积水报警较多, 造成灾害较重, 分别发生在上午、下午和傍晚, 3个个例强降水雨带在全市大部分地区移动, 1个个例发生在市区。

表 1(Table 1)

表 1 4个典型个例发生时间、范围、灾情、报警数和所用有效自动站个数 Table 1 The time, scope, situation of disasters, the numbers of alarm and the effective number of automatic stations for four typical examples 典型个例发生时间、范围、灾情 报警数/次 有效自动站数/个 2008年8月25日上海遭遇百年未遇的突发强降水(徐家汇最大降水强度达119.6 mm·h-1), 造成道路瘫痪、航班延误、家中进水等危害。此次短历时强降水过程主要发生在06:00(北京时, 下同)—10:00, 降水范围为全市大部分地区 343 82 2009年7月30日下午本市自西北向东南移动出现短时强降水, 主要发生在13:00—17:00, 最大降水强度达110 mm·h-1。因雨量过于集中, 灾情较重, 70多条(段)马路、5个小区、3 000户民居和部分轨交站厅积水, 受淹农田达400 hm2 709 101 2011年8月12日上午市区出现短时强降水, 最大雨量达92.3 mm·h-1, 导致市区50余条马路、10多个居民小区积水 351 42 2013年9月13日下午及傍晚, 全市大部分地区出现短时强降水, 造成市区及浦东等地多条马路和小区严重积水 701 125

表 1 4个典型个例发生时间、范围、灾情、报警数和所用有效自动站个数 Table 1 The time, scope, situation of disasters, the numbers of alarm and the effective number of automatic stations for four typical examples

采用美国水土保持局提出的径流曲线模型(Soil Conservation Service Curve Number Model, SCS-CN模型), 其可以通过对城市降雨径流过程的模拟来反演上海地区短历时强降水引起城市积涝淹没的临界面雨量。SCS-CN模型是当前被广泛应用于小流域降水径流的一种方法, 它根据土壤和降雨因素来确定径流总量。SCS-CN模型的基本产流公式为:

式中: P为某点小时降水量(单位: mm); 网格点间距为30 m×30 m; S为最大可能渗流量(单位: mm); I_a为由径流产生前植物截流、初渗和填洼蓄水等构成的初损量。可以通过径流曲线系数CN确定:

针对上海地区, 模型设计者将I_a与S的关系做如下假设: I_a=0.05S; Q为某点地面径流深度(单位: mm)。在实际运算中直接把式(2)代入式(1)中进行计算。

式(2)中, CN为径流曲线系数, 是反映降雨前流域特征的一个综合参数, 根据上海土壤情况, 采用正常土壤湿润条件下的取值定义CN值。通过上海市径流曲线系数分布[图 1(a)]可以看出, 上海市区及近郊地区城镇用地以水泥沥青等人工硬质地面为主, 其透水性较弱, CN值在92以上; 而郊区村落用地、水田、林地等, CN值为79~90, 透水性略好; 水体(包括湖泊、水库、滩涂、河渠等)均视为不透水面, CN值为100。

图 1(Figure 1)

图 1 上海市径流曲线系数(a)及排水能力(b, 单位: mm·h-1)分布 Figure 1 The distribution of the runoff coefficient curve (a) and drainage ability (b, unit: mm·h-1) in Shanghai

上海市外环内中心城区共分为284个排水单元, 其设计排水能力分为三类(资料来自上海市城市规划设计院)。排水能力较差的为27 mm·h^-1, 其他排水单元基本按照一年一遇暴雨标准设计为36 mm·h^-1, 世博园区设计的排水能力较高, 为50 mm·h^-1[图 1(b)]。外环以外, 一方面由于城市化程度较弱, 另一方面数据获取难度较大, 成本较高, 因而在外环外, 以乡镇行政边界进行排水单元划分, 共计114个单元, 其排水能力则参照中心城区设计排水能力, 依据土地利用类型进行概化处理, 其中, 水体排水能力均为0。

采用SCS-CN模型, 反演上海市短历时强降水1 h致灾临界面雨量。一般来讲, 城市积涝淹没5 cm水深后会淹没行人的脚背及路傍的排水小沟, 对人们的生活、健康以及财产安全开始造成影响, 并出现灾情, 因而以淹没5 cm作为致涝临界阈值。对某一排水单元而言, 在某一小时内发生强降水, 该单元排水能力达到满负荷(排出水体体积V₁), 且该单元内单网格(单网格面积为30 m×30 m)淹没深度达到5 cm(淹没水体体积V₂), 按照水体平衡原则, V₁+V₂应与SCS-CN模型中地表径流Q相等。如此, 将Q代入式(1)中, 即可逆推该小时该单元面雨量, 则该雨量为该单元1 h致涝临界面雨量。依次重复以上过程, 则可以得到上海市所有排水单元1 h致涝临界面雨量。反演计算过程如图 2。

图 2(Figure 2)

图 2 基于SCS-CN模型反演上海短历时强降水1 h致灾临界面雨量计算过程 Figure 2 The calculation process of the 1 hour critical precipitation on urban waterlogging of the short diachronic strong precipitation in Shanghai based on SCS-CN model

图 3为上海市短时强降水(淹没5 cm)1 h致灾临界面雨量分布, 从图 3和图 1可以看出:上海市中心城区(红色卷内的绿色地区)排水能力为27~36 mm·h^-1, 透水性较弱(92以上), 当雨量为30~40 mm·h^-1时, 就会出现淹没5 cm深度的情况, 1 h致灾临界面雨量为30~40 mm, 郊县大部分地区(村落用地、水田、林地等)虽然排水能力较弱(大部分地区为15~25 mm·h^-1), 但透水性略好(70~90), 淹没5 cm深度的1 h致灾临界面雨量也可达30~40 mm, 因此整个上海市大部分地区1 h致灾临界面雨量为30~40 mm; 郊区一些新建城镇因地势较高, 淹没5 cm深度的1 h致灾临界面雨量可达50 mm以上, 中心城区的周围新建城镇(如浦东新区陆家嘴金融区等)因地势较高和排水能力较好, 淹没5 cm深度的1 h致灾临界面雨量可达70 mm以上(图 3红色区域), 由此可见, 当小时雨量大于等于50 mm, 上海市淹没5 cm的区域增加, 小时雨量大于等于70 mm时, 整个上海各个地区都有可能淹没5 cm深度从而发生内涝。

图 3(Figure 3)

图 3 上海市短时强降水(淹没5 cm)1 h致灾临界面雨量分布 Figure 3 The distribution of the 1 hour critical precipitationon urban waterlogging of the short diachronic strong precipi-tation (covered 5 cm) in Shanghai

根据4个典型强降水过程各小时段的自动站雨量(自动站经纬度)和报警点经纬度, 用Surfer软件绘制而成逐小时的雨量与报警点的空间分布图, 根据逐小时报警点处在雨量等值线分布的位置以及逐时最大雨量与110积水报警数的关系, 判断短历时强降水引起积水灾害时的小时雨量。

从2008年8月25日逐时最大雨量与110积水报警数的关系[图 4(a), 图中逐时最大雨量为有效自动站雨量值中最大值(下同)]可以看出, 降水虽然从04:00开始, 但最大降水时段发生在07:00—08:00时, 然后降水强度逐渐减弱。积水报警点从06:00—07:00时开始有3个, 其附近雨量为30~40 mm·h^-1; 07:00—08:00积水报警骤增到229个, 据统计90%的报警点集中在雨量大于等于50 mm·h^-1区域内; 08:00—09:00积水报警减少到79个, 90%的报警点集中在前1 h雨量大于等于50 mm区域内, 此时对应雨量大于50 mm·h^-1的范围逐步减小, 到11:00的最大小时雨量已经小于30 mm(报警点与逐时雨量分布图略), 积水报警稍滞后于逐时最大雨量出现时间。

图 4(Figure 4)

图 4 4个典型短历时强降水过程逐时最大雨量与积水报警次数的关系 Figure 4 The relationship of the maximum hourly rainfall and the numbers of 110 waterlogging alarm on course of four typical short diachronic strong precipitation examples

图 4(b)为2009年7月30日逐时最大雨量与110积水逐时报警数的关系图, 图 5为12:00—16:00的逐时雨量和110报警点分布, 综合图 4(b)和图 5可以看出, 12:00—13:00开始出现11个积水报警, 10个报警点(91%)位于雨量大于等于30 mm·h^-1地区内[图 5(a)]; 13:00—14:00雨量增大, 积水报警点增多至91个, 报警点都出现在雨量大于等于30 mm·h^-1范围内或前1 h雨量大于等于30 mm范围内, 其中80%的报警点出现在雨量大于等于50 mm·h^-1范围内, 以雨量大于等于70 mm·h^-1以上的最为集中[图 5(b)]; 14:00—15:00强降水积水报警点达到这次暴雨过程的最高峰, 有297个, 由于积水报警的滞后效应, 90%的报警点除位于最大雨量中心(雨量大于等于50 mm·h^-1)周围外, 大部分均在前1 h雨量大于等于50 mm范围内, 以前1 h雨量大于等于70 mm以上的最为集中[图 5(c)], 综合图 5(b)、图 5(c)和图 3可以看出, 报警范围扩展到郊区一些新建城镇, 市区周围的一些排水能力高的新建城镇也出现报警; 15:00—16:00降水强度已明显减小, 积水报警数减至152个, 报警点除新出现在雨量30~40 mm·h^-1区域内外, 90%均在前几个小时出现的强降水区域内[图 5(d)], 17:00以后雨量已减至中雨以下强度, 但17:00—21:00暴雨积水110报警数仍有70个, 也是积水报警的滞后效应。

图 5(Figure 5)

图 5 2009年7月30日12:00—16:00上海地区逐时雨量(彩色区, 单位: mm)与110积水报警点(红色十字)分布 Figure 5 The distribution of the hourly rainfall (color area, unit: mm) and the 110 waterlogging alarm dots (red cross) in Shanghai from 12:00 to 16:00 on 30 July 2009

2011年8月12日上午上海中心城区出现短时局地性强降水。从逐时最大雨量与110积水逐时报警数的关系[图 4(c)]看出, 07:00—08:00出现最大小时雨量为17.5 mm·h^-1, 没暴雨积水110报警; 08:00—09:00中心城区北部出现雨量达70~92 mm·h^-1的大暴雨, 此时积水报警猛增到177个, 均位于雨量大于等于30 mm·h^-1地区内, 其中90%的报警点位于雨量大于等于50 mm·h^-1区域内, 尤以雨量大于等于70 mm·h^-1区域最为密集; 09:00—10:00雨量已迅速减小至不到5 mm·h^-1, 但因110报警的滞后性, 中心城区暴雨经过的地区仍有146个110报警点, 均位于前1 h雨量大于等于30 mm范围内(报警点与逐时雨量分布图略)。

2013年9月13日下午及傍晚上海部分地区出现短时局地强降水(主要集中在16:00—18:00)[图 4(d)]。强降水在15:00以后下, 出现5个积水报警点, 都位于雨量30~40 mm·h^-1附近; 16:00—17:00雨量增大, 出现积水报警数226个, 90%集中在雨量大于等于50 mm·h^-1范围内, 其中以雨量大于等于70 mm·h^-1区域报警点更加密集; 17:00—18:00时和18:00—19:00雨量已逐渐减弱, 但因110报警的滞后性, 仍分别有278个和105个报警数, 位于前面出现的强降水区域内(报警点与逐时雨量分布图略)。

通过以上4个典型个例判断分析, 可以看出: (1)虽然110积水报警与短历时强降水发生的时间相比, 有明显的滞后效应, 一般有1 h, 滞后2~3 h也常有出现, 积水报警数多少与小时雨量大小有关。(2)当短历时强降水雨量为30~40 mm·h^-1时, 开始出现短历时强降水积水报警(出现灾情), 91%以上的积水报警点位于雨量大于等于30 mm·h^-1范围以内。这就验证了SCS-CN模型运算得出的“上海市大部分地区1 h致灾临界面雨量为30~40 mm”的结果。(3)当短历时强降水雨量大于等于50 mm·h^-1时, 积水灾情110报警会明显增多(灾情加重), 新增的积水报警点有80% ~90%出现在雨量大于等于50 mm·h^-1范围内, 以雨量大于等于70 mm·h^-1以上的最为集中, 此时郊区一些新建城镇也会出现报警; 当短历时强降水雨量大于等于70 mm·h^-1区域, 110积水报警数会密集分布(灾情严重), 市区周围的一些排水能力高的新建城镇也出现报警。这也比较好地验证了SCS-CN模型得出“小时雨量大于等于50 mm, 上海市淹没5 cm的区域增加, 郊区一些新建城镇1 h致灾临界面雨量可达50 mm以上; 小时雨量大于等于70 mm时, 中心城区的周围排水能力好新建城镇1 h致灾临界面雨量可达70 mm以上, 整个上海各个地区都有可能出现淹没5 cm灾情”的计算结果。

通过采用SCS-CN模型反演上海地区短历时强降水淹没5 cm深度时的小时临界面雨量, 并基于上海地区典型短历时强降水引起积水灾害时的110报警资料与同一时刻的小时雨量时空关系进行统计分析验证, 由此确定上海地区短历时强降水致灾阈值(表 2), 即当短历时强降水雨量达30~40 mm·h^-1, 在上海市区和郊区大部分地区, 就会出现淹没和积水报警(出现灾情), 当短历时强降水雨量大于等于50 mm·h^-1时, 淹没区域增加到郊区一些新建城镇, 积水报警明显增多(灾情加重), 当短历时强降水雨量大于等于70 mm·h^-1时, 中心城区的周围地势较高和排水能力较好新建城镇也会出现淹没5 cm情况, 上海市各个地区都有可能出现淹没灾情同时全市各地都会出现积水报警且密集(灾情严重)。

表 1(Table 1)

表 2 上海地区短历时强降水致灾阈值 Table 2 The threshold value on urban waterlogging of short diachronic strong precipitation in Shanghai 淹没积水灾情 灾害等级 致灾阈值/(mm·h-1) 出现淹没地区和积水报警 出现灾情 30~40 可淹没区域增加和积水报警明显增多 灾情加重 大于等于50 上海都有可能出现淹没和全市都会出现积水报警且密集 灾情严重 大于等于70

表 2 上海地区短历时强降水致灾阈值 Table 2 The threshold value on urban waterlogging of short diachronic strong precipitation in Shanghai

(1) 采用来自美国农业部水土保持局的SCS-CN模型, 通过对城市降雨径流过程的模拟, 结合上海地区径流曲线系数和排水能力分布, 以淹没5 cm作为致涝阈值, 反演上海市短历时强降水1 h致灾临界面雨量。当1 h致灾临界面雨量为30~40 mm, 上海市区和郊区大部分地区就会出现淹没灾情, 1 h临界面雨量大于等于50 mm, 淹没地区增加到近郊一些新建城镇, 1 h临界面雨量大于等于70 mm, 上海地区各个地区都有可能出现淹没灾情。

(2) 根据2007—2014年上海地区短历时强降水的降水分布特点及相应的积水报警资料, 选取4个积水报警较多和造成灾害较重典型个例, 判断上海地区典型短历时强降水引起积水灾害时的小时雨量。当雨量达30~40 mm·h^-1, 出现积水报警, 91%以上的报警点位于雨量大于等于30 mm·h^-1范围以内; 当雨量大于等于50 mm·h^-1时, 积水报警明显增多, 80% ~90%新增报警点出现在雨量大于等于50 mm·h^-1范围内, 郊区一些新建城镇也会出现报警; 当雨量大于等于70 mm·h^-1时, 积水报警数密集, 市区周围的一些排水能力高的新建城镇也会出现报警。基于110积水报警分析判断的短历时致灾小时雨量验证了SCS-CN模型计算结果。

(3) 综合SCS-CN模型的反演计算和110积水报警资料典型个例对模型反演计算结果的分析验证, 确定上海地区短历时强降水致灾阈值:当雨量达30~40 mm·h^-1, 出现灾情; 当雨量大于等于50 mm·h^-1时, 灾情加重; 当雨量大于等于70 mm·h^-1时, 灾情严重。

虽然模型计算和分析验证的结果比较相符, 但由于积水报警大多位于中心城区及与中心城区相邻地区以及上海郊区各区县政府所在地的城区, 积水报警较多的个例有限, 同时依据土地利用类型进行上海市郊排水能力概化处理有一定误差, 所以无论是模型计算还是个例统计分析验证, 都存在一定误差, 有待于今后利用更多个例进行进一步验证。