2种重现期的积水深度数据.docxVIP

2种重现期的积水深度数据 摘要：为探索中国兰州市某高校校园雨水管网节点积水深度的主要影响因子，以研究区域雨水管网246个节点在降雨重现期(P)为7 a和50 a时积水深度的数据为例，利用ArcGIS统计模块分析2个重现期降雨下的节点积水深度数据的空间差异性，采用交叉验证法对比研究4种Kriging插值模型(稳定、球形、高斯与指数模型).由Pearson相关性分析结果可知，2种重现期的积水情形下节点最大深度与积水深度相关性均较强，相关系数分别为0.605和0.766.4种Kriging半变异函数模型的预测值与实测值的对比结果表明，高斯模型的偏差均值(Kriged reduced mean error,KRME)最小(P=7 a时，KRME=-0.87×10-4;P=50 a时，KRME=0.87×10 随着全球气候变化加剧，突发性强降雨引发的城市内涝问题日趋严重，给人们的生命财产和社会经济发展构成巨大威胁国内外对于洪涝灾害风险评估的研究较多．BENITO等为使评估结果更接近实际，评估的时空精细化程度能够达到事半功倍的效果．如何提高评估的时空精细化，成为目前风险内涝灾害评估的发展趋势．目前，该模拟评估方法主要针对沿海城市小尺度流域研究较多，而针对内陆地区研究较少且不够深入．本研究建立一种基于暴雨洪水管理模型-地理信息系统(storm water management model with geographic information system,SWMM-GIS)的水文学模型的城市内涝情景模拟风险评估方法，以中国西北地区某校园节点积水数据为例进行内涝风险评估，模拟该地区在特定重现期降雨情景下的城市内涝分布，并对可能造成的灾害损失情况进行分析．旨在筛选出适合于该区域的内涝插值模型方法，为利用有限观测点更有效地识别出内涝区域分布提供基础．1 材料和方法1.1 基于Kriging法的情景模拟方法1.1.1 基于Kriging插值的城市内涝情景模拟降雨径流模型考虑降雨的物理过程，通过水力学公式可计算降雨引发内涝的时空分布，而且模型对城市降雨积水的具体特征做了大幅简化，在保证一定的计算精度的前提下大幅降低了计算时间．目前，世界范围内有许多可用的城市降雨径流模型，例如，SWMM和伊利诺城市排水区域模拟(Illinois urban drainage area simulator,ILLU-DAS)等Kriging插值法的提出为内涝时空分布评估提供了可能．该方法通过对积水点采样数据及地理特征合理分析其可能出现的演化过程，进而选择合适的拟合模型创建淹没分析图．Kriging插值方法不仅能量化已知点之间的空间自相关性，并可说明采样数据在预测区域范围内的空间分布情况与反距离权重法类似，Kriging插值法对周围的测量值进行加权以得出未测量位置的预测．其计算公式其中，s1.1.2 半变异函数模型优选及方法检验1)半变异函数及拟合模型:Kriging法插值过程中，有限积水点扩散区域化模型是随机且规律性的．因此，模型建立需要由合适的半变异函数实现从有限至区域化的相似扩散演化，使半变异函数曲线与积水点数据达到拟合，最终用于模型预测．半变异函数计算公式其中，h为距积水点s2)半变异函数的模型优选:Kriging法中，式(2)只能反映出积水点深度本身的变异特征和空间分布，不能反映出在不同空间滞后距离上的空间变异特征以及积水点的空间异质性定量化特征，故需要通过常用半变异函数的拟合模型对已知数据点离散关系进行拟合图1中的C最优模型主要通过无偏性和一致性来判断．前者常采用偏差均值(Kriged reduced mean error,KRME)指标来衡量;后者则采用一致性系数(Kriged reduced mean square error,KRMSE)指标判定．KRME越接近0，表示无偏估计的效果越佳．KRMSE越接近1，表示模型越好其中，Z^3)检验方法:为保证插值精度，在模型优选的基础上进一步采用交叉检验(cross-validation)进行插值方法验证．原理是在给定的样本模型中汇总之后留出部分样本用于建立模型进行预测，并求出这小部分样本的预测误差1.2 研究区域概况研究区域地处兰州市靠近黄河南岸的七里河区，如图2．该城区位于市内中南部，地理坐标为103°36″E—103°5454″E,35°5032″N—36°0612″N.地势南高北低，平均海拔2 321 m．南部为石质山地，地形特征为山高、谷深、坡陡，岩石裸露．七里河区境内属大陆性半干旱气候．主要特征是:四季分明，冬夏长，春秋短．雨热同季，垂直气候变异显著．气温、热量和光照随海拔由南向北升高;年平均降雨量为327 mm，