附有匯流量信息的城市道路內(nèi)澇風(fēng)險(xiǎn)評估

胡俊聰，李英冰

(武漢大學(xué)測繪學(xué)院，湖北 武漢 430079)

1 引 言

城市內(nèi)澇是指在城市區(qū)域遭遇暴雨或短歷時(shí)強(qiáng)降水天氣后發(fā)生的氣象衍生災(zāi)害。根據(jù)應(yīng)急管理部和水利部的統(tǒng)計(jì)[1]，2000年以來我國平均每年發(fā)生200多起不同程度的城市內(nèi)澇災(zāi)害，全國約有62%的城市發(fā)生過暴雨內(nèi)澇災(zāi)害，造成的經(jīng)濟(jì)損失以5%的年平均增長率逐年增長，僅2019年城市內(nèi)澇災(zāi)害就造成了 1 922.7億直接經(jīng)濟(jì)損失。2021年7月20日，河南鄭州地區(qū)遭遇短時(shí)間強(qiáng)降水，引發(fā)大范圍城市內(nèi)澇，造成300余人遇難和失蹤，1 453.16萬人受災(zāi)，直接經(jīng)濟(jì)損失高達(dá) 1 142.69億元[2]。

對于城市內(nèi)澇而言，快速準(zhǔn)確獲取淹水區(qū)域信息非常重要。星載合成孔徑雷達(dá)(SAR)采用微波波段，能夠穿透云霧，廣泛應(yīng)用于洪水監(jiān)測研究，是快速準(zhǔn)確獲取淹水區(qū)域重要的數(shù)據(jù)源。目前，基于SAR的淹沒水體提取的思路主要有閾值法[3]，灰度紋理分類[4]等，Geudtner[5]通過評估場景一致性證明了SAR提取洪水淹沒范圍的可靠性；Matgen[6]將SAR閾值分析與區(qū)域增長分析相結(jié)合提取淹沒區(qū)域，為洪澇信息獲取提供了新的思路，陳媛媛等通過SVM對Sentinel-1A SAR數(shù)據(jù)的強(qiáng)度紋理進(jìn)行分類提取水體區(qū)域[7]。在城市內(nèi)澇風(fēng)險(xiǎn)研究中，道路作為城市的生命線，其內(nèi)澇風(fēng)險(xiǎn)分析一直是研究熱點(diǎn)。徐美等通過精細(xì)化洪澇模型構(gòu)建暴雨-內(nèi)澇情景庫，針對暴雨預(yù)報(bào)利用情景匹配快速識(shí)別有內(nèi)澇風(fēng)險(xiǎn)的道路[8]；葉麗梅采用GIS暴雨洪澇淹沒模型計(jì)算不同重現(xiàn)期雨量的淹沒水深和范圍并分析了城市道路內(nèi)澇災(zāi)害風(fēng)險(xiǎn)[9]；張金萍將徑流曲線法下滲模型與SWMM模型相結(jié)合，模擬了不同重現(xiàn)期暴雨情景下的鄭州高新區(qū)內(nèi)澇情況[10]；唐海吉采用空間格網(wǎng)和AHP法，基于多源數(shù)據(jù)構(gòu)建了城市短期暴雨內(nèi)澇災(zāi)害風(fēng)險(xiǎn)評估模型，并以武漢市為例進(jìn)行了分析[11]。

總的來講，目前的道路風(fēng)險(xiǎn)分析主要采用情景模擬的思路進(jìn)行預(yù)測性分析，較少結(jié)合現(xiàn)勢性監(jiān)測數(shù)據(jù)進(jìn)行分析。目前針對城市內(nèi)澇災(zāi)害中的道路風(fēng)險(xiǎn)分析，有兩種常用的思路：一是采用SAR監(jiān)測數(shù)據(jù)提取淹水區(qū)域進(jìn)行分析，此方法具有較強(qiáng)的現(xiàn)勢性，但SAR衛(wèi)星對同一地區(qū)的監(jiān)測存在時(shí)間間隔，間隔期內(nèi)無法獲取災(zāi)害情況；二是通過水文模型與GIS分析對災(zāi)害發(fā)展態(tài)勢進(jìn)行預(yù)測，由于是采用情景模擬的手段，相比于復(fù)雜多變的真實(shí)情景，其分析結(jié)果存在一定誤差。本文采用高分三號(hào)(GF-3)SAR數(shù)據(jù)，提取并分析了2021年7月鄭州城區(qū)內(nèi)澇淹沒區(qū)域空間分布特征，并結(jié)合地形與地表匯流因素分析了“7.20”暴雨事件對鄭州地區(qū)道路網(wǎng)絡(luò)的影響，從現(xiàn)勢性監(jiān)測的遙感影像出發(fā)，利用組合DEM空間插值預(yù)測性分析內(nèi)澇風(fēng)險(xiǎn)指數(shù)，并基于空間關(guān)聯(lián)對道路內(nèi)澇風(fēng)險(xiǎn)進(jìn)行分析，服務(wù)于洪澇災(zāi)害應(yīng)對決策的制定。

2 基于附有匯流量信息淹水的城市路網(wǎng)內(nèi)澇風(fēng)險(xiǎn)評估

運(yùn)用SAR提取淹沒水體的方法在城市內(nèi)澇研究中應(yīng)用廣泛，由于缺乏水體深度信息，該方法多應(yīng)用于監(jiān)測，較少應(yīng)用在風(fēng)險(xiǎn)分析領(lǐng)域。傳統(tǒng)的城市內(nèi)澇物理模型模擬方法，大多需要采集諸多起算數(shù)據(jù)，在應(yīng)急應(yīng)對方面現(xiàn)勢性較差。考慮到地形和地表匯流因素的影響，本文在SAR提取淹沒水體的基礎(chǔ)上綜合流量信息，利用地表匯流量彌補(bǔ)SAR提取水體缺乏的深度信息，提出了基于附有匯流量信息淹水的城市道路內(nèi)澇風(fēng)險(xiǎn)評估方法，將現(xiàn)勢性較強(qiáng)的SAR數(shù)據(jù)與GIS風(fēng)險(xiǎn)分析相結(jié)合，在災(zāi)害蔓延過程中便可快速準(zhǔn)確評估道路內(nèi)澇風(fēng)險(xiǎn)，輔助應(yīng)急決策。具體思路與技術(shù)路線如圖1所示。

圖1 技術(shù)路線

2.1 附有匯流量信息的淹沒水體提取

通過遙感影像提取大面積淹沒水體是目前內(nèi)澇災(zāi)害分析較為常用的方法，但提取的淹沒水體只包含二維的面積信息，無法獲取水體深度信息。采用基于DEM計(jì)算的地表匯流信息補(bǔ)充淹沒水體深度信息，綜合遙感影像提取水體得到了附有匯流量信息的淹沒水體，用于分析城市內(nèi)澇風(fēng)險(xiǎn)。在對SAR數(shù)據(jù)進(jìn)行多視、濾波、地理編碼和輻射定標(biāo)等預(yù)處理后，采用閾值法進(jìn)行水體提取，其基本原理是通過某一個(gè)閾值分割水體與非水體區(qū)域，提取水體信息。由于不同地物散射特性存在差異，在SAR影像上的灰度也存在差異，在微波范圍內(nèi)，水體的后向散射系數(shù)相比于林地、耕地、住宅、設(shè)施等地物類型的后向散射系數(shù)要小[12]，因此可以利用VV和HV極化的向后散射系數(shù)構(gòu)建關(guān)系式，確認(rèn)閾值進(jìn)行水體提取。賈詩超受NDVI和NDWI方法的啟發(fā)，提出了SDWI法提取水體[13]，其模型的公式如下所示：

KSDWI=ln(10·b1·b2)+δ

式中，KSDWI是水體提取指數(shù)，當(dāng)其值大于0時(shí)為水體，小于0時(shí)為非水體；δ是經(jīng)驗(yàn)閾值，b1是VV極化，b2是VH極化。對于最優(yōu)經(jīng)驗(yàn)閾值的選擇，可采用目視判斷的方式，通過對Landset光學(xué)影像數(shù)據(jù)和SDWI算法提取的水域分布情況進(jìn)行對比，結(jié)合像素值頻率分布直方圖拐點(diǎn)篩選出最優(yōu)經(jīng)驗(yàn)閾值。

地形和地表匯流是城市內(nèi)澇風(fēng)險(xiǎn)分析的重要因子，本文以DEM數(shù)據(jù)為基礎(chǔ)，采用最大坡降D8算法[14]提取不同區(qū)域內(nèi)地表徑流匯流累計(jì)量，其算法如下：

式中，d表示兩個(gè)柵格間的坡降，h是該柵格單元高程，hi是其周邊八個(gè)柵格單元的高程，D表示柵格間的歐氏距離，k表示柵格單元的匯流量，表示坡降方向。以數(shù)值表示每個(gè)柵格的流向：由正東方向開始順時(shí)針到東北方向?qū)?yīng)數(shù)值依次為：1，2，4，8，16，32，64，128。假設(shè)每個(gè)柵格單元均帶有一份水流，將其按照最大坡度下降的方式匯總，依次計(jì)算不同方向上柵格中的每個(gè)下坡像元的所有像元的累積權(quán)重，得到地表徑流匯流量。將地表徑流量柵格與淹沒水體按空間約束關(guān)系進(jìn)行聯(lián)合，得到附有匯流量信息的淹沒水體。

2.2 顧及地表徑流影響的道路內(nèi)澇風(fēng)險(xiǎn)分析

洪澇淹水對周邊地物的影響力會(huì)隨著離淹水區(qū)域距離的增大而衰減，可利用反距離權(quán)重插值[15]的方法對內(nèi)澇風(fēng)險(xiǎn)進(jìn)行分析。SAR提取的淹水信息中缺乏深度信息，無法計(jì)算各淹水區(qū)域的水體總量，為了提高風(fēng)險(xiǎn)分析的可靠性，本文提出了顧及地表徑流影響的內(nèi)澇風(fēng)險(xiǎn)分析方法，從附有匯流量信息的淹沒水體出發(fā)，通過空間格網(wǎng)統(tǒng)計(jì)的方式將基于地形坡度計(jì)算的不同區(qū)域內(nèi)地表徑流匯流累計(jì)量納入權(quán)重，對淹水區(qū)域及其周邊的內(nèi)澇風(fēng)險(xiǎn)進(jìn)行評估。首先將研究區(qū)域劃分為若干空間格網(wǎng)，并與道路網(wǎng)絡(luò)建立多對一的空間關(guān)聯(lián)關(guān)系，然后以格網(wǎng)為空間約束，計(jì)算每一個(gè)空間格網(wǎng)內(nèi)的淹水地塊地表徑流匯流量歸一化系數(shù)平均值并納入權(quán)重進(jìn)行反距離內(nèi)插：

式中，kj表示格網(wǎng)內(nèi)第j個(gè)樣本點(diǎn)位置的地表徑流匯流量，di是插值點(diǎn)與第i個(gè)格網(wǎng)中心之間的歐氏距離，P表示冪參數(shù)(默認(rèn)取2)，Z是格網(wǎng)內(nèi)澇風(fēng)險(xiǎn)指數(shù)估計(jì)值。通過上式的計(jì)算可得到研究區(qū)域內(nèi)所有空間格網(wǎng)的內(nèi)澇風(fēng)險(xiǎn)指數(shù)估計(jì)值，從空間關(guān)聯(lián)的角度出發(fā)，以格網(wǎng)中心與道路中心線的垂直距離加權(quán)匯總與路段相交的格網(wǎng)內(nèi)澇風(fēng)險(xiǎn)指數(shù)計(jì)算路中每一個(gè)路段的期望風(fēng)險(xiǎn)指數(shù)，得到研究區(qū)域路網(wǎng)風(fēng)險(xiǎn)的空間分布情況(圖1)。

3 案例分析——以“7.20”鄭州暴雨事件為例

3.1 數(shù)據(jù)來源與處理過程

研究區(qū)域?yàn)猷嵵菔兄鞒菂^(qū)(東經(jīng)113°27′11″-113°52′23″，北緯34°36′02″-34°57′50″)，路網(wǎng)數(shù)據(jù)來自O(shè)penStreetMap(https：//www.openstreetmap.org，暫不考慮道路寬度因素的影響，文中道路指道路中心線)，DEM數(shù)據(jù)來自ASTER GDEM v3(https：//earthdata.nasa.gov/)，其空間分辨率為 30 m；鄭州市周邊氣象站點(diǎn)7月20日6時(shí)至21日6時(shí)記錄的降雨量數(shù)據(jù)來自鄭州市氣象臺(tái)(圖2a)。針對“7.20”鄭州暴雨事件，本文使用事件發(fā)生前2021年6月9日和事件發(fā)生期間2021年7月21日和22日，鄭州主城區(qū)GF-3 L1A級別數(shù)據(jù)(數(shù)據(jù)來源：北京盛世華遙公司http：//sshy3s.com/)進(jìn)行數(shù)據(jù)預(yù)處理，主要處理步驟包括多視、濾波、地理編碼和輻射定標(biāo)等。將GF-3單視復(fù)數(shù)(SLC)數(shù)據(jù)導(dǎo)入到SARscape中，通過多視處理提高空間分辨率后，利用中值濾波抑制SAR噪聲。采用DEM數(shù)據(jù)進(jìn)行地理編碼和輻射定標(biāo)處理，得到VV和VH極化的向后散射系數(shù)。在對同一個(gè)區(qū)域的不同極化方式的Sentinel-1數(shù)據(jù)進(jìn)行水體提取分析，發(fā)現(xiàn)利用公式(1)，對VV、VH極化的Sentinel-1數(shù)據(jù)水體提取的結(jié)果與對HH、VH極化的Sentinel-1數(shù)據(jù)水體提取的結(jié)果并無太大區(qū)別，考慮到GF-3沒有VV極化，故將公式(1)中的VV極化波段替換為HH極化波段進(jìn)行處理，提取淹水區(qū)域(圖2b)。

圖2 數(shù)據(jù)來源與預(yù)處理

計(jì)算地表匯流量時(shí)，首先采用公式(2)計(jì)算鄭州市城區(qū)DEM數(shù)據(jù)中每一個(gè)柵格單元與其周圍柵格單元之間坡降，選取其最大坡降作為流向，得到鄭州城區(qū)地表徑流流向(圖2d)。然后將鄭州城區(qū)劃分為空間分辨率為 200 m的空間格網(wǎng)，利用公式(3)計(jì)算每一個(gè)格網(wǎng)的內(nèi)澇風(fēng)險(xiǎn)指數(shù)，將內(nèi)澇風(fēng)險(xiǎn)指數(shù)歸一化后按高風(fēng)險(xiǎn)(>0.9)、較高風(fēng)險(xiǎn)(0.9-0.7)、中等風(fēng)險(xiǎn)(0.7-0.5)、較低風(fēng)險(xiǎn)(0.5-0.3)和低風(fēng)險(xiǎn)(≤0.3)分為五個(gè)風(fēng)險(xiǎn)等級，得到鄭州城區(qū)7月21日和22日的內(nèi)澇風(fēng)險(xiǎn)分布情況并與OpenStreetMap路網(wǎng)數(shù)據(jù)建立空間關(guān)聯(lián)，對21日、22日的道路內(nèi)澇風(fēng)險(xiǎn)進(jìn)行評估(圖4)。

圖3 SAR提取淹沒水域結(jié)果

圖4 鄭州城區(qū)道路內(nèi)澇風(fēng)險(xiǎn)分布

3.2 結(jié)果與分析

觀察SAR提取淹水區(qū)域(圖3)可知，“7.20”暴雨事件中鄭州城區(qū)淹沒區(qū)域主要集中在城區(qū)邊緣地帶，中心地區(qū)的淹水區(qū)域較小。結(jié)合鄭州地區(qū)水系分布情況對比分析發(fā)現(xiàn)，較大范圍的淹沒水域基本上均分布在原有水系或沿原有水系外廓分布。創(chuàng)建鄭州城區(qū)水域 1 km閾值緩沖區(qū)，與SAR數(shù)據(jù)提取的淹沒區(qū)域進(jìn)行疊加分析可得：21日、22日分別有 43.84 km2、56.05 km2的淹水區(qū)域位于該緩沖區(qū)內(nèi)，分別占總淹水面積的66.79%、62.01%，表明位于鄭州城區(qū)人工渠、河流、湖泊等內(nèi)部水系周邊的地區(qū)具有更高內(nèi)澇風(fēng)險(xiǎn)。

結(jié)合不同區(qū)域的淹水面積和風(fēng)險(xiǎn)評價(jià)結(jié)果來看(表1，圖3)，惠濟(jì)區(qū)淹水面積最大，管城區(qū)、金水區(qū)次之，二七區(qū)最小，綜合鄭州城區(qū)的高程分布情況(圖2c)和“7.20”事件鄭州各區(qū)氣象站點(diǎn)20日6時(shí)～21日6時(shí)記錄的平均降雨量數(shù)據(jù)分析(表1)可知，淹水面積與高程有著比較強(qiáng)的負(fù)相關(guān)關(guān)系(相關(guān)系數(shù)r=-0.975，p<0.01)，而與區(qū)域內(nèi)氣象站點(diǎn)降雨量平均記錄并沒有呈現(xiàn)出較強(qiáng)的相關(guān)性(p>0.05)，說明在“7.20”鄭州暴雨事件中，地勢因素的影響遠(yuǎn)高于降雨因素的影響。對比表1中21日與22日各區(qū)淹水面積變化情況可知，21日到22日金水區(qū)、惠濟(jì)區(qū)淹水面積絕對值和相對值都遠(yuǎn)高于其余三區(qū)，造成此結(jié)果的原因是金水區(qū)、惠濟(jì)區(qū)地勢低，地表徑流匯流流向兩區(qū)，引起漬水。

表1 鄭州主城區(qū)各區(qū)淹水統(tǒng)計(jì)情況

如圖4所示，從風(fēng)險(xiǎn)分析的統(tǒng)計(jì)結(jié)果上來看，21日共有 481 km路段處于中風(fēng)險(xiǎn)及以上，占比9.92%，22日共有 870 km路段處于中風(fēng)險(xiǎn)及以上，占比17.94%。22日相比于21日新增了 389 km內(nèi)澇風(fēng)險(xiǎn)處于中風(fēng)險(xiǎn)及以上的路段，主要集中在金水區(qū)鄭州國際會(huì)展中心附近的黃河路、東風(fēng)東路、金水東路及商都路東段，惠濟(jì)區(qū)北四環(huán)、西三環(huán)及其周邊路段(圖5)。

圖5 21日～22日鄭州城區(qū)內(nèi)澇風(fēng)險(xiǎn)上升情況

3.3 結(jié)果驗(yàn)證

以鄭州氣象官方微博7月21日9時(shí)通報(bào)的鄭州積水路段作為真實(shí)災(zāi)情、章衛(wèi)軍[16]針對此次“7.20”鄭州暴雨風(fēng)險(xiǎn)評估結(jié)果和李世豪[17]提出的鄭州市區(qū)內(nèi)澇模擬模型對本文提出的模型結(jié)果進(jìn)行驗(yàn)證。

首先是采用真實(shí)災(zāi)情進(jìn)行驗(yàn)證：選取主城區(qū)內(nèi)的20個(gè)真實(shí)積水路段進(jìn)行逆地理編碼并矢量化，與道路風(fēng)險(xiǎn)分析進(jìn)行疊加對比(圖4)，統(tǒng)計(jì)所有真實(shí)積水路段21日和22日的風(fēng)險(xiǎn)等級。統(tǒng)計(jì)結(jié)果表明，在20個(gè)積水路段中，21日共有19個(gè)路段處于中風(fēng)險(xiǎn)及以上，其中2個(gè)路段處于高風(fēng)險(xiǎn)，8個(gè)路段處于較高風(fēng)險(xiǎn)，9個(gè)路段處于中風(fēng)險(xiǎn)，22日全部路段均處于中風(fēng)險(xiǎn)及以上，其中較高風(fēng)險(xiǎn)路段6段，高風(fēng)險(xiǎn)3段。綜合檢驗(yàn)情況，在檢驗(yàn)的40個(gè)樣本中，真實(shí)積水道路的內(nèi)澇風(fēng)險(xiǎn)有97.5%處于中等風(fēng)險(xiǎn)及以上。

根據(jù)章衛(wèi)軍的淹沒風(fēng)險(xiǎn)分析結(jié)果，此次“7.20”暴雨內(nèi)澇高風(fēng)險(xiǎn)區(qū)主要位于地勢較低的金水區(qū)和惠濟(jì)區(qū)，與本文分析結(jié)果一致；該論文模擬水深為：沙口路 2.2 m，黃河路 2.9 m，京廣南隧道 1.1 m，對應(yīng)本文中的結(jié)果為：沙口路、黃河路較高風(fēng)險(xiǎn)，京廣南隧道中風(fēng)險(xiǎn)，可以認(rèn)為結(jié)果具有較好的一致性；在道路內(nèi)澇風(fēng)險(xiǎn)上，李世豪針對鄭州市區(qū)道路內(nèi)澇模擬結(jié)果表明，在強(qiáng)降雨情景下，北環(huán)路、中原路、建設(shè)東路、天明路、豐樂路、農(nóng)業(yè)路、紫荊山路、航海路等路段積水嚴(yán)重；對比前文分析結(jié)果，在上述8個(gè)路段中，除建設(shè)東路全線為中風(fēng)險(xiǎn)路段，其余各路均存在較高風(fēng)險(xiǎn)路段。綜上所述，可以認(rèn)為本文提出的基于附有匯流量信息淹水的城市道路內(nèi)澇風(fēng)險(xiǎn)評估結(jié)果具有一定的可靠性。

表2 真實(shí)積水路段與內(nèi)澇分析結(jié)果

4 結(jié) 論

本文提出了基于附有匯流量信息淹水的城市道路內(nèi)澇風(fēng)險(xiǎn)評估方法，并以“7.20”鄭州暴雨事件為例，運(yùn)用高分三號(hào)SAR數(shù)據(jù)提取了2021年7月21日和22日鄭州城區(qū)內(nèi)澇淹沒區(qū)域，并綜合淹水統(tǒng)計(jì)情況、氣象站降雨記錄與DEM等地理要素信息，分析了此次“7.20”暴雨事件中鄭州城區(qū)內(nèi)澇空間分布和道路風(fēng)險(xiǎn)空間分布及變化情況。主要研究成果和創(chuàng)新：

(1)顧及城市內(nèi)澇中地形因素的影響，利用地表匯流量信息補(bǔ)充SAR提取水體缺失的深度信息，提出了基于附有匯流量信息淹水的城市道路內(nèi)澇風(fēng)險(xiǎn)評估方法。該方法將現(xiàn)勢性較強(qiáng)的SAR數(shù)據(jù)與GIS風(fēng)險(xiǎn)分析相結(jié)合，通過對不同區(qū)域內(nèi)地表徑流匯流累計(jì)量與歐氏距離加權(quán)將地表徑流影響納入內(nèi)澇風(fēng)險(xiǎn)分析，在災(zāi)害蔓延過程中便可快速準(zhǔn)確評估道路內(nèi)澇風(fēng)險(xiǎn)，輔助應(yīng)急決策。

(2)以“7.20”鄭州暴雨事件為例進(jìn)行了道路內(nèi)澇分析評估，并采用官方媒體通報(bào)的積水路段和已有的研究成果對評估結(jié)果進(jìn)行了驗(yàn)證。從SAR監(jiān)測數(shù)據(jù)提取的淹沒水體來看，7月21日有 43.84 km2面積的淹沒區(qū)域位于鄭州城區(qū)水系周邊 1 km范圍內(nèi)，占總淹水面積的66.79%，說明城區(qū)內(nèi)部水系周邊地區(qū)內(nèi)澇災(zāi)情嚴(yán)重；結(jié)合各行政區(qū)21日、22日淹水面積的變化情況與降雨量和高程相關(guān)性分析，表明相比于降雨量因素，地形因素才是造成此次內(nèi)澇災(zāi)害空間分布的最主要因素；采用本文提出的內(nèi)澇風(fēng)險(xiǎn)分析方法對“7.20”鄭州暴雨內(nèi)澇風(fēng)險(xiǎn)進(jìn)行分析，分析結(jié)果表明，在7月21日，城區(qū)道路中共有 481 km路段處于中風(fēng)險(xiǎn)及以上，占比9.92%；7月22日，鄭州國際會(huì)展中心與西三環(huán)北四環(huán)附近的道路受到新增淹水影響，總共有870公里路段處于中風(fēng)險(xiǎn)及以上，占比17.94%。

快速準(zhǔn)確獲取淹水區(qū)域信息并分析道路內(nèi)澇風(fēng)險(xiǎn)對估計(jì)災(zāi)情、制定應(yīng)急對策有重要意義，本文采用在暴雨內(nèi)澇災(zāi)害中現(xiàn)勢性較好的SAR監(jiān)測數(shù)據(jù)，利用空間插值和空間關(guān)聯(lián)等方法分析了道路內(nèi)澇風(fēng)險(xiǎn)，可輔助內(nèi)澇災(zāi)害應(yīng)對決策的制定。受數(shù)據(jù)限制，本文在分析過程中假設(shè)城市排水系統(tǒng)在短時(shí)間強(qiáng)降水情景下會(huì)因超載而失效，隨著海綿城市建設(shè)和城市管網(wǎng)系統(tǒng)的逐步完善，排水因素影響不可忽視，是未來城市內(nèi)澇分析模型研究和改進(jìn)的重點(diǎn)。