極端天氣下軌道交通水害致災因子時空分布特征

摘要：

近年來，在與氣候變化相關的多種極端天氣因素的相互作用下，洪澇事件對城市及軌道交通系統造成了嚴重影響。以粵港澳大灣區典型沿海城市洪澇事件為例，研究了軌道交通水害的主要致災因子（極端降雨和臺風風暴潮）及相關特征參數，揭示了其時空分布特征。研究表明：① 近年來，廣州市降雨量、降雨強度均明顯增加，但降雨歷時減少，降雨整體呈現增多且趨于集中的極端化趨勢。廣州市降雨時間分布在年內存在兩個極值區間，第一極值區間與廣州市“龍舟水”相關，第二極值區間主要受臺風影響。廣州市降雨空間分布不均，主要受季風及地理位置影響。② 近10 a影響廣東省的29場臺風風暴潮災害集中發生在7～10月，該時間與降雨第二極值區間重合。在對近年廣東省典型軌道交通水害事件進行總結后發現，水害高發期與兩個極值區間重合。雖然廣東省臺風強度存在緩慢降低趨勢，但由于廣東省沿海城市遭受臺風風暴潮災害的頻次不斷上升，且粵中地區密集分布有廣東省全部的地下軌道交通系統，未來廣東省軌道交通系統水害風險將隨著極端天氣時空分布特征的變化進一步加大。研究成果可為未來城市軌道交通水害致災特征研究提供依據，為城市防災減災提供參考。

關" 鍵" 詞：

軌道交通； 洪澇災害； 致災因子； 極端降雨； 臺風風暴潮； 特征參數模型； 廣州市

中圖法分類號： TV122

文獻標志碼： A

DOI：10.16232/j.cnki.1001-4179.2024.07.002

收稿日期：

2023-11-28；接受日期：

2024-03-12

基金項目：

國家重點研發計劃項目（2022YFC3005203）

作者簡介：

江雨潮，男，碩士研究生，研究方向為軌道交通水害及其次生地質災害。E-mail：jiangych37@mail2.sysu.edu.cn

通信作者：

高" 燕，女，教授，博士生導師，主要從事地質災害、島礁鈣質砂工程性質等研究。E-mail：gaoyan25@mail.sysu.edu.cn

Editorial Office of Yangtze River. This is an open access article under the CC BY-NC-ND 4.0 license.

文章編號：1001-4179（2024） 07-0010-10

引用本文：

江雨潮，高燕，史天根，等.

極端天氣下軌道交通水害致災因子時空分布特征

［J］.人民長江，2024，55（7）：10-19.

0" 引 言

20世紀以來，氣候變化加上高強度的人類活動，改變了區域或局域尺度的水文過程和氣候過程，致使全球極端強降雨等極端氣候條件突變式發生［1］。在洪水災害中，一部分水體侵入地下空間，如軌道交通、購物中心等，威脅民眾生命安全［2］。因此，城市軌道交通在給民眾帶來了極大便利的同時，其安全問題也越來越緊迫。近年來，城市內強度大、歷時短的極端天氣事件頻發［3］。根據IPCC的預測，東亞地區遭遇強烈熱帶氣旋的頻率和其登陸帶來的降水強度都可能增加［4］。2021年7月河南省遭遇歷史罕見特大暴雨，鄭州市因災死亡失蹤380人，多處地鐵軌道設施遭受水淹無法運行；廣州市2020年5月22日暴雨導致城市嚴重內澇，造成4人死亡［5］；2018年臺風“山竹”、2017年臺風“天鴿”先后影響珠江口，均造成了破紀錄的高潮位［6］。

在這種極端復合天氣事件導致復合洪水風險越發嚴重的背景下，國內外學者開始對極端天氣事件因子的時空分布特征展開分析，Konapala等［7］研究表明全球9個區域中有4個區域的降雨量呈現變化增加趨勢?？梢钥闯?，在全球尺度上，極端天氣事件顯著增加的區域多于明顯減少的區域；在大洲尺度上，北美洲、歐洲、大洋洲和亞洲東部等地區甚至在總降水量減少的條件下，極端降雨頻率和強度均有所增加，且增加的趨勢將進一步加?。?-11］。針對國內極端天氣的時空分布特征，目前研究多基于地方雨量站［12-15］、水文站［15-19］及驗潮站［20-23］歷年數據的統計分析，結果表明全國降雨普遍存在頻次增加、強度增大的趨勢［24-26］，空間分布上表現出城市多、城郊少、沿海多、內陸少、南部多、北部少的特點［27-30］。中國沿海地區的風暴潮災害則表現出強度波動幅度較小，但頻次不斷增加，且隨著城市發展及海平面的不斷升高，其危害有不斷加大的趨勢［31-34］。目前，針對影響軌道交通系統水淹事件的研究相對較少［35-38］，且缺乏極端天氣事件對軌道交通系統造成危害的分析［39-42］，關于軌道交通水害的研究多為一般暴雨條件下的水害分析［43-45］，而對于不同極端天氣條件下，軌道交通水害致災因子的時空分布特征尚不清晰。

研究軌道交通水害的致災因子，并了解各水害因子的特征參數，對其發展趨勢及時空分布特征進行數字化表征是對國家“十四五”計劃的積極響應，也是符合《國務院辦公廳關于加強城市內澇治理的實施意見》要求的有效措施［45-46］。本文將分析影響城市、軌道交通洪澇災害的致災因子組成及基本特征，重點從降雨、臺風風暴潮等城市軌道交通水害影響因素進行統計分析，以期為未來城市軌道交通水害致災水體組成、水淹影響過程及致災特征研究提供參考。

1" 數據來源及方法

本文以廣州市及廣東省沿海地區為研究區域，通過數據統計和趨勢擬合構成參數模型，分析廣東省極端天氣條件下軌道交通水害致災因子的發展趨勢。其中，降雨數據來源于“廣州天氣”天氣過程實況數據（http：∥www.tqyb.com.cn/gz/weatherLive/tqgc/）、《2007～2022年廣州市氣候公報》以及廣州市各區縣氣象站2007～2022年逐時降雨數據；臺風風暴潮和天文潮數據來源于廣東省自然資源廳《2013～2015年廣東海洋災害公報》及廣東省沿海18個潮位站（南渡站、廣州站、汕尾站等）的逐時潮位數據，各潮位站的具體區位如表1所列。

2" 軌道交通水害致災因子組成

本研究為實現當水害形成時快速確定不同致災因子對軌道交通的影響，采用的研究方法包括：① 構建致災因子組成基本單元集；② 確定各致災因子對水害、水體組成的貢獻方式及特征參數；③ 確定各致災因子的數字化參數特征［47-48］。根據GB 50014-2021《室外排水設計標準》中城市雨水設計流量計算規范，城市軌道交通水害過程中，致災水體主要來源于降雨。同時，結合沿海地區極端臺風風暴潮天氣對城市洪澇過程的影響，主要選取極端降雨與臺風風暴潮作為軌道交通水害的主要致災因子，并對其特征參數及時空分布特征展開研究。

通過實際案例分析及現場、文獻調研表明，降雨是引發城市軌道交通水淹災害最直接的因素［49］，確定其影響水害形成的特征參數有利于了解極端降雨的發展趨勢及其對軌道交通水淹災害的影響過程，是實現軌道交通水害預測預報的關鍵環節。采用平均降雨強度作為極端降雨影響軌道交通水害的主要特征參量，同時對其他降雨相關影響因素的變化特征進行分析。臺風風暴潮作為引發沿海城市軌道交通水淹事件的主要驅動因素，具有突發性強、影響范圍廣以及危害程度大的特點，往往數小時內就能釀成巨大災害，嚴重影響人民群眾生命財產安全。采用風暴增水及最大風暴增水值作為臺風風暴潮的特征參數［27-31］。主要研究討論的軌道交通致災因子特征參數及相關影響因素的具體表征如表2所列。

3" 極端降雨時空分布特征

廣州市為中國軌道交通系統發展速度最快、覆蓋范圍最廣的城市之一，以廣州市為例，對其極端降雨時空分布特征進行統計分析。

3.1" 廣州市降雨時間分布特征

3.1.1" 降雨相關參數變化趨勢

近年來，廣州市每年都會發生較為嚴重的水淹災害。經統計，2007～2022年間廣州市范圍內遭遇暴雨及暴雨以上的極端降雨事件共計212次，其中大部分的極端降雨事件都引發了一定程度的城市內澇。本文對廣州市近16 a內212次降雨事件的降雨特征參數進行統計分析，如圖1所示。結果表明：近16 a，廣州市降雨事件的過程降雨量、最大降雨強度以及平均降雨強度都呈增加趨勢，降雨歷時呈現減少趨勢。降雨總體上表現為單次降雨事件的強度增大、歷時減短，降雨次數減少且時間上趨于集中的態勢。

3.1.2" 平均降雨強度分布規律及年內變化趨勢

為進一步明確降雨特征參數的數字化特征，以2007～2022年內廣州市極端降雨事件的平均降雨強度為代表，對每年極端降雨事件的平均降雨強度分布規律進行分析。通過研究過去16 a 廣州市極端降雨事件平均降雨強度的年內分布規律可以看出（圖2），大部分年份的平均降雨強度在時間分布上存在兩個極值，且極值兩側的數值分布規律表現出一定的正態分布規律，則可應用高斯函數表述各極值的正態分布特征?；诟咚购瘮到⒌膮的Ｐ腿绻剑?）、（2）所示。

P=P0+（P0-Pc）×e-2×x-xcw2

（1）

w=Pc-P02ln4

（2）

式中：P表示廣州市發生極端降雨事件時的平均降雨強度，mm/h；

x表示時間，d；

P0表示廣州市極端降雨事件的基礎降雨強度，mm/h；

Pc表示平均降雨強度極值區間內的極值，mm/h；

xc表示平均降雨強度極值出現的時間，d；

w表示鐘狀高斯函數的寬度。

對兩個極值出現的時間進行分析后發現，廣州市平均降雨強度的第一個極值出現在4～5月，該時間與廣州市前汛期“龍舟水”的時間相重合［5］。第二個極值出現在7～10月，該時間段內，廣東省頻繁遭遇臺風災害，廣州市受臺風帶來的風雨影響易形成極端降雨，因此可以推測該時間段內的極值與臺風的頻繁登陸有關。由于廣州市極端降雨事件的平均降雨強度在年內存在兩個極值區間，因此，分別將兩個極值Pc1與Pc2代入參數模型中可以得到不同極值區間內平均降雨強度年內變化趨勢表達式。

綜上，為實現對平均降雨強度P時間分布模型的建立，還需要確定的模型參數包括：基礎降雨強度P0、平均降雨強度極值Pci及各極值出現的時間xci。下文對各模型參數情況作進一步討論。

3.1.3" 平均降雨強度極值年際變化趨勢

為構建廣州市未來遭遇極端降雨事件時的降雨特征參數模型，分別對兩個極值區間內的模型參數進行統計分析，即對兩個極值區段內的平均降雨強度極值（Pc1，Pc2）及極值出現的時間（xc1，xc2）進行統計分析。如圖3所示，分析平均降雨強度兩個極值的年際變化趨勢可以看出，各極值區間內極值的年際變化呈現增長趨勢，符合冪增長。且在對第二極值區間內的極值依據“該年份粵中地區是否直接遭受臺風風暴潮登陸影響”進行劃分后，發現第二極值區間內的極值變化趨勢按上限（直接影響）、下限（非直接影響）分別擬合得到的R2值明顯優于未劃分時的擬合結果。因此，可以得出結論，第二極值區間內參數在分布上明顯存在上限與下限，上限的出現受該年廣東省臺風災害是否直接登陸粵中地區影響。

根據擬合結果建立廣州市平均降雨強度極值冪增長模型如公式（3）～（5）所示，對于第一極值區間內的平均降雨強度極值直接使用公式（3）進行模擬。對于第二極值區間內的極值，應分別討論該年7～10月臺風風暴潮是否直接對廣州市產生影響，若臺風直接登陸粵中地區，則選取上限對應的公式（4）進行模擬，若未直接對廣州市產生影響，則應用公式（5）進行模擬。

Pc1=0.026X2-102.66X+101832.8（3）

Pc2=0.4X2-1600.21X+1609902.8（4）

Pc2=0.02X2-78.82X+78526.3" （5）

式中：Pc1，Pc2分別為廣州市極端降雨事件平均降雨強度第一、第二極值區間的極值，mm/h；X為時間，a。

對剩余的模型參數（xc1，xc2，P0）進行趨勢分析，結果如圖4所示?？梢姡瑇c與P0均存在一定的增長趨勢但并不明顯，未來在進行模型建立時可以根據實際情況取值。

本節通過對2007～2022年廣州市極端降雨事件的平均降雨強度模型相關參數的變化趨勢分析，根據高斯函數建立了廣州市極端降雨時間分布特征模型，實現了對廣州市未來極端降雨事件特征參數發展態勢的數字化模擬，可以為城市軌道交通水淹災害預防、預報提供支撐，對于城市發展及工程安全建設具有重要意義。

3.1.4" 平均降雨強度與其他降雨影響因素相關性分析

為進一步確定未來廣州市極端降雨事件的整體發展態勢，對2007～2022年廣州市遭遇的共計212場極端降雨事件的降雨歷時及最大降雨強度與平均降雨強度的相關性進行分析，如圖5所示。由圖5（a）可知，廣州市過去遭遇的極端降雨事件的降雨歷時普遍小于24 h，且隨著平均降雨強度增大，其所對應的降雨歷時減小，減小趨勢符合指數降低趨勢。依據指數函數構建平均降雨強度-降雨歷時模型，結果如公式（6）所示。形成該趨勢的主要原因是近些年降雨存在極端化的發展趨勢，部分極端降雨事件表現出降雨強度大、降雨歷時短的特點。即在極短的時間內產生大量的降雨量，從而導致降雨歷時短的同時平均降雨強度遠大于正常值的情況出現。

P=4.59+59.6×e-T4.37

（6）

式中：P表示平均降雨強度，mm/h；

T表示降雨歷時，h。

平均降雨強度與最大降雨強度的相關性分析如圖5（b）所示，當最大降雨強度小于50 mm/h時，平均降雨強度與最大降雨強度兩者基本滿足1∶1的關系，兩者差異較小，表明該情況下的降雨過程對應的降雨歷時短，較大的降雨量在1 h左右全部降落到城市內，形成極端降雨天氣；當最大降雨強度增大到50～200 mm/h時，此時的降雨強度已經超過了大部分城市的最大防洪能力。而在該范圍內，平均降雨強度普遍分布在0.09倍的最大降雨強度附近，這表示即使在較長降雨歷時的降雨過程內，也有可能出現降雨量集中在極短時間內降落的極端降雨情況，并且這種情況一旦出現，所產生的降雨強度將更大，同時由于降雨過程前期已經累計了一定的降雨量，因此對城市產生的排洪壓力也將增大，對城市安全造成嚴重威脅。

3.2" 廣州市降雨空間分布特征

為研究廣州市降雨空間變化規律及其對軌道交通造成的風險，通過2007～2022年廣州市遭遇的212次極端降雨事件的雨量站記錄，對每次降雨事件所影響的主要區縣進行統計，并應用ArcGIS將廣州市各區縣遭遇極端降雨事件的總頻次按照顏色深淺以及標記大小的方式標注在廣州市地圖上，如圖6所示。由圖6可知，近16 a廣州市降雨空間分布不均，廣州市降雨主要分布在受氣候和季風控制的市區北部，如從化區、增城區等，以及受臺風風暴潮影響的市區南部，如南沙區等。將降雨空間分布圖與軌道交通分布圖對比后可以發現，廣州市極端降雨高頻地區的軌道交通分布并不密集，廣州市軌道交通水害受極端降雨空間分布影響小。

因此，廣州市降雨空間分布受地理位置的影響更大，與中心城區城市化發展及地下軌道交通建設的相關性低。各主要降雨地區遭遇極端降雨的頻次隨著大氣候背景下降雨及臺風風暴潮頻次的增加而增加。

4" 風暴潮時空分布特征

4.1" 廣東省風暴潮時間分布特征

4.1.1" 風暴潮年內時間分布特征

經統計，2013～2022年明顯影響廣東省的臺風共29場。對臺風登陸的時間進行統計，如圖7所示，結果表明7～10月為廣東省臺風風暴潮高發期，這與上述的降雨特征參數第二極值區間重合。臺風風暴潮的突發可能帶來極端降雨、超警戒潮位、河流洪水等次生災害，給廣東省帶來洪澇風險。由圖7可以看出，廣東省臺風風暴潮年內登陸時間呈現出以8～9月為中心的正態分布趨勢，為更好地模擬未來廣東省臺風風暴潮年內登陸時間及頻次，應用高斯函數構建廣東省臺風風暴潮時間分布模型，如公式（7）所示。

N=-0.04+10.53π/2 e（x′-8.52）22.81

（7）

式中：N表示廣東省臺風風暴潮登陸頻次；x′表示時間，月。

據統計，過去10 a影響廣東省的29場臺風中，恰逢天文大潮的臺風有8場，占總數的27.6%，可見，無論臺風登陸時是否為天文大潮期，風暴潮都可能產生較高的風暴潮增水從而對城市造成洪澇風險。

近些年，廣東省在極端天氣的影響下，軌道交通水害事件頻發。2016年5月，廣州地鐵6號線長湴站發生積水倒灌；2017年6月，受臺風“苗柏”影響，深圳地鐵車公廟站積水關閉；2020年5月，廣州地鐵13號線官湖站被淹；2021年7月廣州地鐵21號線神舟路站由于出入口擋水墻倒塌導致地鐵站進水；2023年9月，臺風“?？钡顷懘鬄硡^，導致廣州地鐵市橋站、深圳地鐵黃閣坑站、榆園站及香港地鐵黃大仙站發生嚴重積水入侵。通過前文的分析可知，廣東省極端天氣在時間分布上存在兩個極值區間，分別為每年4～5月的第一極值區間及7～10月的第二極值區間?？梢钥闯?，以上軌道交通水害事件均發生在兩個極端天氣極值區間內，且受到臺風、降雨的嚴重影響。

4.1.2" 廣東省風暴潮年際時間分布特征

為明確廣東省臺風風暴潮未來發展趨勢，對2013～2022年影響廣東省的29場臺風風暴潮的風暴潮增水及臺風的中心氣壓、中心最大風速進行統計，如圖8所示。可以看出，廣東省在過去10 a中遭受的臺風中心氣壓存在一定的上升趨勢，臺風的中心最大風速存在一定的下降趨勢，臺風風暴潮災害所產生的風暴潮增水存在一定的下降趨勢。以上趨勢均表明廣東省近10 a內遭遇的臺風風暴潮災害強度正在緩慢減弱。

通過分析臺風風暴潮相關參數的年際變化趨勢，建立臺風風暴潮時間分布模型可以實現對未來廣東省臺風風暴潮災害影響因素、過程的模擬，從而更好地幫助廣東省沿海城市預測、預報、預防由臺風風暴潮誘發的城市洪澇及軌道交通水淹災害。

4.2" 廣東省風暴潮空間分布特征

依據廣東省沿海各區市潮位站的潮位變化數據，對2013～2022年廣東省沿海受臺風風暴潮影響進而產生風暴增水的頻次進行統計，各驗潮站對應的頻次如圖9所示。結果表明：過去10 a對廣東省產生影響的29場臺風，對粵西各潮位站產生影響55次，對粵中產生影響72次，對粵東產生影響25次。粵西受風暴潮影響頻次呈先減小后增大趨勢，粵中以及粵東各區域受風暴潮影響頻次均呈持續增加趨勢。可以推測，未來廣東省沿海各區市受臺風風暴潮威脅的次數將不

斷增加。然而，粵中等沿海地區作為廣東省經濟發展

最快的地區，其軌道交通網絡的分布密度也遠遠大于

其他內陸城市。若未來出現多場臺風連續登陸的極端

天氣情況，將會對廣東省軌道交通系統造成十分嚴重的危害。因此，風暴潮影響頻次的增加將會給廣東省各沿海城市洪澇帶來更大的風險，廣東省軌道交通系統受臺風風暴潮空間分布特征影響將十分顯著。

5" 極端降雨與風暴潮的耦合關系

前文分別討論了不同軌道交通水害致災因子各自

的時空分布特征，并通過對各特征參數進行分析，構建了不同的特征參數模型。然而，由于氣候變化的影響，相關因素（如極端降雨、嚴重風暴潮等）的相互作用將

進一步加強。極端天氣事件期間，風暴潮和強降雨同時發生，將增加粵港澳大灣區沿海城市的洪水風險。例如，臺風“天鴿”于2017年8月23日在珠三角登陸，引發嚴重風暴潮和強降雨。香港、澳門和珠海市受到高海平面、強降雨和地表洪水的嚴重影響。同時，在前文的研究中也發現，廣州市極端降雨第二極值區間在時間上與風暴潮集中影響廣東省的時間重合，第二極值區間內的上限值直接受臺風影響。因此，應考慮極端天氣條件下多種致災因子之間的相關性來評估其對軌道交通水害的影響程度。

通過對2013～2022年期間的29場臺風及其對應第二極值區間內的極端降雨事件進行統計，分析臺風中心氣壓及最大中心風速與極端降雨平均降雨強度及風暴潮最大風暴潮增水之間的相關性。應用二元二次方程對各參數的分布趨勢進行擬合（圖10），構建風暴潮-降雨耦合模型，如公式（8）、（9）所示。從結果中可以看出，平均降雨強度及最大風暴潮增水隨相關因素的變化趨勢相同，與臺風中心氣壓呈負相關，與臺風中心最大風速呈正相關。未來通過耦合模型可以實現在一定臺風強度條件下對臺風造成的極端天氣影響進行模擬。

P=0.0062p2-12.26p-0.012v2max+0.74vmax+6045.69（8）

emax=0.025p2-53.28p-0.18v2max+12.47vmax+27764.96（9）

式中：P為平均降雨強度，mm/h；

emax為最大風暴潮增水，cm；

p為臺風中心氣壓，hPa；

vmax為臺風最大中心風速，m/s。

6" 結 論

由于全球范圍內氣候變化及城市化快速發展，極端天氣事件愈加頻繁，極端降雨強度加大以及臺風風暴潮頻發使軌道交通水淹防范情勢更加嚴峻。本文以廣州市及周邊地區為代表分析了軌道交通水害致災因子時空分布特征，并建立了特征參數數字化模型。主要結論如下：

（1） 極端降雨和臺風風暴潮災害是引發城市軌道交通水淹的主要原因。極端降雨和風暴潮的主要致災特征參數為平均降雨強度及最大風暴潮增水等，其影響因素包括降雨量、降雨歷時、臺風中心氣壓及臺風中心最大風速等。

（2） 近16 a廣州市212場極端降雨事件的降雨量、平均降雨強度及最大降雨強度都呈增加趨勢，降雨歷時緩慢減少。其中平均降雨強度在年內存在兩個極值分布區間，時間上分別與廣州市“龍舟水”及臺風集中影響時間相符。各極值區間內極值均表現出一定的增長趨勢，且第二極值區間內受臺風影響存在上下限。廣州市極端降雨事件呈現增多且趨于集中的態勢。對廣東省典型的軌道交通水害事件進行總結后發現，水害事件集中發生在兩個極值區間內。廣州市軌道交通系統水害受極端降雨時間分布影響顯著，而受極端降雨空間分布影響小，降雨頻次在空間上分布不均，主要受季風和地理位置影響。

（3） 近29場臺風風暴潮的數據表明，廣東省風暴潮增水值與臺風中心氣壓及最大中心風速變化密切相關。臺風風暴潮災害影響廣東省的頻次正在不斷上升，粵中區域分布有廣東省已建成的全部軌道交通系統，軌道交通受風暴潮空間分布的影響顯著。風暴潮引起的平均降雨強度及風暴潮增水隨著臺風中心氣壓的增大而減小，隨著臺風中心最大風速的增大而增大，各特征參數與影響因素間存在明確的數字化特征。

參考文獻：

［1］" HALLEGATTE S，GREEN C，NICHOLLS R J，et al.Future flood losses in major coastal cities［J］.Nature Climate Change，2013，3（9）：802-806.

［2］" OZAKI T，ASANO N，ISHIGAKI T，et al.Characteristics of underground mall inundation by flush flood in short time heavy rainfall［J］.Journal of Japan Society of Civil Engineers，2014，70：I_1417-I_1422.

［3］" QIANG Y，ZHANG L，HE J，et al.Urban flood analysis for Pearl River Delta cities using an equivalent drainage method upon combined rainfall-high tide-storm surge events［J］.Journal of Hydrology，2021，597：126293.

［4］" BERNSTEIN L，BOSCH P，CANZIANI O，et al.IPCC，2007：climate change 2007［M］.Geneva：IPCC，2008.

［5］" 張之琳，邱靜，程濤，等.粵港澳大灣區城市洪澇問題及其分析［J］.水利學報，2022，53（7）：823-832.

［6］" 賈寧，劉強，石先武，等.基于現場調查的臺風“天鴿”（1713）和臺風“山竹”（1822）風暴潮災害影響和致災對比分析［J］.海洋預報，2022，39（5）：94-99.

［7］" KONAPALA G，MISHRA A K，WADA Y，et al.Climate change will affect global water availability through compounding changes in seasonal precipitation and evaporation［J］.Nature Communications，2020，11（1）：3044.

［8］" SCHUSTER Z T，POTTER K W，LIEBL D S.Assessing the effects of climate change on precipitation and flood damage in Wisconsin［J］.Journal of Hydrologic Engineering，2012，17（8）：888-894.

［9］" SHAO Z，GAO F，YANG S L，et al.A new semiparametric and EEMD based framework for mid-term electricity demand forecasting in China：hidden characteristic extraction and probability density prediction［J］.Renewable and Sustainable Energy Reviews，2015，52：876-889.

［10］孔鋒，史培軍，方建，等.全球變化背景下極端降水時空格局變化及其影響因素研究進展和展望［J］.災害學，2017，32（2）：165-174.

［11］MIN S K，ZHANG X，ZWIERS F W，et al.Human contribution to more-intense precipitation extremes［J］.Nature，2011，470（7334）：378-381.

［12］ZHANG Y，XU Y，DONG W，et al.A future climate scenario of regional changes in extreme climate events over China using the PRECIS climate model［J］.Geophysical Research Letters，2006，33（24）：L24702.

［13］顧西輝，張強，孔冬冬.中國極端降水事件時空特征及其對夏季溫度響應［J］.地理學報，2016，71（5）：718-730.

［14］殷水清，王楊，謝云，等.中國降雨過程時程分型特征［J］.水科學進展，2014，25（5）：617-624.

［15］杜經緯，王昊，王浩，等.短歷時雨型對城市排水管網運行狀態影響研究［J］.人民長江，2023，54（4）：108-113，162.

［16］成丹，陳正洪.湖北宜昌市區暴雨雨型的演變特征［J］.干旱氣象，2017，35（2）：225-231.

［17］何玉秀，許有鵬，李子貽，等.城鎮化對極端降水的影響及其貢獻率研究：以太湖平原地區為例［J］.湖泊科學，2022，34（1）：262-271.

［18］崔婷婷，王銀堂，胡慶芳.城鎮化進程中太湖流域降水演變規律研究［J］.江蘇水利，2019（8）：1-6.

［19］于志慧，劉鵬飛，何玉秀，等.太湖平原高度城鎮化下降雨特征時空變化研究［J］.湖泊科學，2022，34（6）：2134-2143.

［20］孫周亮，鮑振鑫，舒章康，等.南京市近25年短歷時暴雨雨型特性［J］.水文，2019，39（5）：78-83.

［21］李潔，徐強強，王正華.考慮降雨空間異質性的洪水預報模型研究［J］.人民長江，2023，54（增1）：11-15.

［22］宋曉猛，張建云，孔凡哲，等.北京地區降水極值時空演變特征［J］.水科學進展，2017，28（2）：161-173.

［23］黃國如，陳易偲，姚芝軍.高度城鎮化背景下珠三角地區極端降雨時空演變特征［J］.水科學進展，2021，32（2）：161-170.

［24］譚暢，孔鋒，郭君，等.1961～2014年中國不同城市化地區暴雨時空格局變化：以京津冀、長三角和珠三角地區為例［J］.災害學，2018，33（3）：132-140.

［25］于鑫，鄭騰飛，劉顯通，等.廣東省極端降水的時空分布特征［J］.廣東氣象，2022，44（2）：6-9.

［26］程遙，紀彭.深圳市“4·11”暴雨洪水分析 ［J］.水利水電快報，2022，43（5）：8-11，19.

［27］葉榮輝，錢燕，孔俊，等.珠江三角洲大系統風暴潮數學模型建立與驗證［J］.人民長江，2013，44（21）：76-80.

［28］龐古乾，黃玉明，何健，等.珠海市臺風及其次生風暴潮特征分析與評估［J］.熱帶氣象學報，2020，36（1）：42-50.

［29］韓晶.臺風山竹和天鴿對珠海沿海風暴潮增水影響［J］.吉林水利，2019（447）：47-49，53.

［30］史鍵輝，王永信.珠江口縱深的風暴潮和增水特征［J］.海洋預報，2000（4）：47-51.

［31］張敏，羅軍，胡金磊，等.雷州市沿海風暴潮淹沒危險性評估［J］.熱帶海洋學報，2019，38（2）：1-12.

［32］李穎，方偉華，林偉，等.可能最大風暴潮風險評估中各等級熱帶氣旋設定方法［J］.海洋科學，2014，38（4）：71-80.

［33］周才揚，殷成團，章衛勝，等.長江口臺風影響能力研究［J］.人民長江，2021，52（1）：27-30.

［34］劉秋興，傅賜福，李明杰，等.“天鴿”臺風風暴潮預報及數值研究［J］.海洋預報，2018，35（1）：29-36.

［35］ISHIGAKI T，TODA K，BABA Y，et al.Experimental study on evacuation from underground space by using real size models［J］.Proceedings of Hydraulic Engineering，2006，50：583-588.

［36］ISHIGAKI T，KAWANAKA R，ONISHI Y，et al.Assessment of safety on evacuating route during underground flooding［C］∥Proceedings of 16th IAHR-APD Congress and 3rd Symposium of IAHR-ISHS，2009：141-146.

［37］TODA K，KAWAIKE K，YONEYAMA N，et al.Underground inundation analysis by integrated urban flood model［C］∥Proceedings of 16th IAHR-APD Congress and 3rd Symposium of IAHR-ISHS，2009：166-171.

［38］YONEYAMA N，TODA K，AIHATA S，et al.Numerical analysis for evacuation possibility from small underground space in urban flood［C］∥Proceedings of 16th IAHR-APD Congress and 3rd Symposium of IAHR-ISHS，2009：107-112.

［39］QUAN R，ZHANG L，LIU M，et al.Risk assessment of rainstorm waterlogging on subway in central urban area of Shanghai，China based on scenario simulation［C］∥2011 19th International Conference on Geoinformatics.Shanghai：IEEE，2011：1-6.

［40］INOUE T，KAWANAKA R，ISHIGAKI T，et al.Safety evacuation from underground mall during urban flooding［J］.Journal of Japan Society of Civil Engineers，2011，67（4）：I_973-I_978.

［41］HAMAGUCHI S，ISHIGAKI T，OZAKI T，et al.Study on vulnerability of mega-underground space to extreme flood［J］.Journal of Japan Society of Civil Engineers，2016，72（4）：I_1363-I_1368.

［42］LYU H M，WANG G F，SHEN J，et al.Analysis and GIS mapping of flooding hazards on 10 May 2016，Guangzhou，China［J］.Water，2016，8（10）：447.

［43］LYU H M，SUN W J，SHEN S L，et al.Flood risk assessment in metro systems of mega-cities using a GIS-based modeling approach［J］.Science of the Total Environment，2018，626：1012-1025.

［44］LI M，KWAN M P，YIN J，et al.The potential effect of a 100-year pluvial flood event on metro accessibility and ridership：a case study of central Shanghai，China［J］.Applied Geography，2018，100：21-29.

［45］中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要［EB/OL］.（2021-03-13）［2023-11-28］.https：∥www.gov.cn/xinwen/2021-03/13/content_5592681.html.

［46］國務院辦公廳.國務院辦公廳關于加強城市內澇治理的實施意見：國辦發〔2021〕11號［Z］.北京：國務院辦公廳，2021.

［47］FORERO-ORTIZ E，MARTNEZ-GOMARIZ E，CAAS PORCUNA M.A review of flood impact assessment approaches for underground infrastructures in urban areas：a focus on transport systems［J］.Hydrological Sciences Journal，2020，65（11）：1943-1955.

［48］莫偉麗.地鐵車站水侵過程數值模擬及避災對策研究［D］.杭州：浙江大學，2010.

［49］MAIDMENT D.水文學手冊［M］.張建云，李紀生，等，譯.北京：科學出版社，2002.

（編輯：謝玲嫻）

Temporal and spatial distribution characteristics of disaster-causing factors for rail transit flooding under extreme conditions

JIANG Yuchao1，GAO Yan1，2，SHI Tiangen1，SUN Ketian1，SHI Xu1

（1.School of Earth Sciences and Engineering，Sun Yat-sen University，Zhuhai 519000，China；" 2.Southern Marine Science and Engineering Guangdong Laboratory （Zhuhai），Zhuhai 519000，China）

Abstract：

In recent years，under the interaction of multiple extreme weather factors related to climate change，flooding events have caused serious impacts on cities and rail transit systems.Taking a typical coastal city Guangzhou City in the Guangdong-Hong Kong-Macao Greater Bay Area as a case study，we examined the main contributing factors （extreme rainfall and typhoon storm surge） and related parameters of rail transit flooding，revealing their temporal and spatial distribution characteristics.The study results showed that： ① The amount and intensity of rainfall in Guangzhou City have increased significantly，while the duration of rainfall has decreased，leading to an overall increase in rainfall and a trend toward more extreme precipitation events.There are two extreme intervals of rainfall distribution in Guangzhou City during the year.The first interval is associated with the \"Dragon-Boat-Precipitation，\" while the second interval is mainly influenced by typhoons.The spatial distribution of rainfall in Guangzhou City is uneven，primarily due to the monsoon and geographic location.② The 29 typhoons and storm surges that affected Guangdong Province in the past 10 years occurred between July and October，coinciding with the second extreme rainfall interval.Analyzing typical rail transit water damage events in Guangdong Province in recent years revealed that the high incidence of water damage aligns with these two extreme intervals.Although the intensity of typhoons in Guangdong Province is slowly decreasing，the frequency of typhoons and storm surges in its coastal cities is increasing.Given that all rail transit systems are densely distributed in the central region of Guangdong Province，the risk of water damage to these systems is expected to increase in the future due to changes in the temporal and spatial distribution characteristics of extreme weather.The results of the study can serve as a foundation for future research on the characteristics of urban rail transit water damage and as a reference for urban disaster prevention and mitigation.

Key words：

rail transit； flood disasters； disaster-causing factors； extreme rainfall； typhoon storm surge； characteristic parametric model； Guangzhou City