平原河網地區城市水位預測
——以常州為例

樊婧妍 李曉娟 王京 施穩萍

1蘇州市相城區水利局 江蘇 蘇州 215131

2河海大學 江蘇 南京 210098

3中國人民銀行長沙中心支行 湖南 長沙 410005

4太倉市水利局 江蘇 太倉 215400

1. 研究意義

1.1 理論意義

城市內澇問題嚴重影響著人民的生產生活、生命安全，預警與整治城市內澇是各地各級政府高度重視的民生問題，也是學術界關注的重大課題。常州市地處長江三角地區，屬于亞熱帶海洋性氣候，受地理位置與氣候因素的影響，易發生洪澇災害。本項目將深入分析常州市自然環境狀況，結合人口、經濟因素搭建數學模型，為常州市的內澇風險評估提出一套科學的方法，通過仿真驗證將其拓展以實現對平原河網地區城市內澇風險評估，為完善城市應急管理理論體系邁出新的一步。

1.2 現實意義

城市內澇災害的預警與每個人的家庭、生活都息息相關，本項目在某種程度上有助于促進社會穩定與和諧。其次，本項目為城市防汛防洪職能部門提供了科學的決策依據，完善了城市應急管理的理論體系，促進城市內澇預警準確性與策略有效性的提高。

2. 國內外研究進展

對于包括城市暴雨洪水與內澇在內的洪水災害的研究，國內外目前已經出較發展有效的理論體、技術與模型。

國外，20世紀50年代，米勒，美國麻省理工學院測量實驗室的主任，成功地將攝影遙感測量技術與計算機技術相結合，使得遙感（RS）技術在洪水面積預測問題上頗露鋒芒，20世紀90年代開始，GIS技術被運用城市內澇等問題中，此后數字地貌模型概念（DEM）的提出又給洪水淹沒災害更加細化的分析和計算提供了可能。

國內，以河海大學研究的新安江模型為首，出現了一系列適應中國國情的，不斷完善的洪水預警模型。1994年對復雜地形具有較好適應性的無結構不規則網格建模技術被引人模型體系之中，經過10多年的應用改進，目前該模型對城市地面雨洪過程的模擬已具有較高的精度和可靠性，張新華等建立的任意多邊形網格2D FVM模型在時間和空間上均具有二階精度，應用于城市的二維非恒定流模擬，取得了較好的計算結果。

在應用模型上，主流城市地表徑流模型有例如InfoWorks模型、FloodArea模型、ILLUDAS模型、SWMM模型等。然而，這些在國外可以獨當一面進行計算、預警的模型，在國內的發展空間卻十分有限，這主要是由于中國復雜的城市管網、水文、氣象等情況造成。中國歷史悠久，城市基礎設施的普及和發展較慢，很難做到數據的大面積匯總和統一，導致這些模型必須的數據難以獲得，例如管網數據、斷面數據、氣象數據時間序列等。首先，不同于國外，這些數據都在各個公共事業機構的專有數據庫中，很難有開源的數據供學術研究。其次，就算拿到了數據，其準確程度還是有待商榷。就拿管網數據舉例，中國很多城市的管網問題非常復雜，等我們有意識去統計、記錄管網數據的時候，錯綜復雜的管網問題已經存在，難以記錄，難以考證，都導致了管網數據的缺失和不準確性。最后，現在也有研究機構提出用無人機掃描得出地下管網情況，但目前看來，這一舉措需要耗費大量的成本，想要在全國普及幾乎不可能。

3. 研究區域概況分析

3.1 地形與地貌

常州市地處太湖流域西部，北臨長江，東瀕太湖，西界茅山，南接天目山余脈，腹部有洮鬲兩湖。境內地形復雜，山丘、平原、圩區兼有，丘陵山區位于西南部，面積1012平方公里，占全市總面積的23%；中部和東部大部分是平原，面積1585平方公里，占全市總面積的36%；圩區主要分布在丘陵山腳和腹部洮、鬲湖周圍，部分在沿江地區和與錫澄接界處，面積1253平方公里，占全市總面積的29%；圩外河湖面積525平方公里，占全市總面積的12%。全市地勢高低相間，山圩相依，湖圩相連，河網密布。由于地形復雜，河流眾多，歷年來我市治水和防洪任務艱巨。

3.2 降水特征

多年來常州市的平均氣溫在15.5℃，平均降雨天數120天，平均年降雨量1096.8mm，其中汛期雨量為573.6 mm，約占全年雨量的52.3%，年內雨量分配極不平衡。同時，常州市降水量在年際間變幅較大，年最大降水量1888.3mm，年最小降水量515.4mm。

受地形和氣溫、降雨影響，常州市低洼處面積較多，水系縱橫，加之夏季降水相對集中，歷時短，強度大，暴雨天氣事件頻發，易形成城市內澇災害。

3.3 人口分布及社會經濟條件

常州市下設天寧區、鐘樓區、新北區、武進區、金壇區五個市轄區和溧陽市一個縣級市。全市土地面積為4372平方公里，其中以溧陽市、武進區和金壇區占地面積比例最大，分別為35%，24%和22%。盡管溧陽市土地面積占比最大，但在城鎮人口分布上并非最多。2017年年末常州市常住人口470.8萬人，比上年末增長0.1%，其中城鎮人口334.3萬人，城鎮化率71%，主要集中在武進、鐘樓和天寧區。城鎮化帶來的城市熱島效應、人口增加、建筑規模擴大和財產價值及種類增加等使得城市洪澇災害一旦發生，洪澇災害風險加劇。

4. 數據準備

4.1 數據來源與采集

城市洪澇災害預警數據主要集中在水文水情數據，如表1所示。河道水位是指河道內水體自由水面相對于基面高程，是判斷是否形成洪澇災害的重要水文觀測要素之一。降雨量指從天空降落到地面上的雨水，未經蒸發、滲透、流失而在水面上積聚的水層深度，由水文局、氣象部門觀測，是城市洪澇災害爆發的重要致災因子。

其中河道水位和降雨量等水文水情數據主要依據常州市水利信息化平臺采集，采集范圍為常州市金壇、武進、天寧、新北、鐘樓和溧陽市各水位站點和降雨站點，采集頻率為每5分鐘更新一次。本文主要采集了2016年3月22日-2017年4月10日常州市64個水位站點和148個降雨站點信息，共384天近2000多萬條有效數據，鑒于常州市區域河道水位站點和降雨站點在不同區域內存在分布不均勻的情況，所以在分析區域水文水情時需要對數據必要的審核和預處理，避免因水位站點數據分布失衡弱化預警模型和風險評估的有效性。

表1 城市洪澇災害預警主要數據

表2 常州市主要水位和降雨站點分布

圖1 河道水位岸頭站點圖

5. 水位預測模型

城市洪水災害研究中，降雨是城市洪水災害爆發的主要致災因子，水位是判斷是否形成災害的主要水文觀測元素，常用的水文水情模型大多基于降雨—徑流—水位等構建，模型參數設定復雜，隨著回歸、時間序列和神經網絡等統計模型的發展和水利信息化的發展，以數據驅動為基礎的城市洪澇災害預警模型簡化成為可能。本文基于回歸和時間序列思想，在考慮時間滯后基礎上，通過選擇水位和降雨信息，構建了城市洪澇災害水位預測模型，如式（1）所示：（公式跟梁要pdf格式） 式（1）其中代表t時河道水位， Zt-1代表t-1時河道水位，Jt代表t時累積降雨量，C為常數項，為誤差項，t-1為時間間隔一天，即城市洪澇災害預警過程中，當日河道水位為歷史前一天的河道水位和當日累積降雨量決定。

預警模型擬合優度的測量主要依據多元判定系數R2，顯著性檢驗則依賴于F檢驗和t檢驗。

個體固定效應模型解決了不隨時間而變，但隨個體而異的遺漏變量問題。引入時間固定效應，隨機效應模型可以解決不隨個體而變但隨時間而變的遺漏變量問題。為了進一步確定是采用固定效應還是隨機效應，可以進行Hausman檢驗。

6. 模型結果分析

城市洪澇災害水位預測模型結果顯示區域間城市洪澇災害存在差異性。為了進一步考察市域洪澇災害整體情況，本文基于常州市城市洪澇災害進一步構建了面板回歸模型，可知：

（1）常州市城市洪澇災害水位預測模型整體擬合度高，R2維持在0.9以上，因此基于歷史水位和降雨量構建水位預測模型在整個城市尺度上是可行的；

（2）歷史水位和累積降雨量與水位呈顯著正相關，即前一天歷史水位和降雨量的增加將引起當日河道水位上漲，其中固定效應下，水位增加1%，降雨增加1%將分別帶來0.9558%和0.0010%的水位上升，而隨機效應下這種效果更為明顯，水位和降雨分別增加1%，將帶來0.9834%和0.0005%水位上升；

（3）根據Hausman檢驗，隨機效應通過檢驗，因此根據常州市2016年3月22日-2017年4月10日水文水情數據，可獲得城市洪澇災害水位預測模型為：Z=0.9834Zt-1+0.0005J t+0.0588，基于此，可依據水位降雨數據定量化的完成水位預測，為進一步實現洪澇災害風險評估提供數據基礎。

表3 常州市洪澇預警模型估計

7. 小結

本文基于回歸模型，時間序列思想思想，在選擇水位和降雨指標的基礎上，構建了城市洪澇災害水位預測模型，研究了常州市內分區域洪澇災害水位預測：

常州市整體通過城市洪澇災害水位預測模型，城市河道水位在區域內存在聯系。