城市雨洪的极限考验：以瑞典最严重城市洪水为例评估传统雨洪图绘制的适用性

《Climate Services》：Ready for the flood? Assessing the applicability of pluvial flood mapping based on the worst urban flood in Sweden

本研究探讨了传统基于百年一遇降雨的雨洪图绘制方法，是否能为更极端的降雨事件（如千年一遇）提供有效的风险评估参考。研究人员以2021年瑞典耶夫勒市创纪录的降雨洪灾事件为案例，通过结合多种降雨观测数据与高分辨率水动力模型，成功重建了此次极端洪灾。结果表明，传统的雨洪图绘制虽能有效识别主要的高风险区域，但会严重低估极端事件的实际水深和危害程度，且降雨输入的时空简化处理会显著影响局部模拟精度。本研究强调了在进行雨洪风险评估时，应补充考量流量、流速等动态参数并进行极端情况下的敏感性测试。

　　

气候变化正加剧极端天气，其中短历时强降雨的增强是全球变暖最直接的后果之一，这导致城市雨洪内涝风险日益严峻。对于城市规划和应急管理而言，精确的雨洪图绘制是评估风险、指导适应的关键工具。然而，一个悬而未决的核心问题是：我们目前普遍采用的、基于特定“设计暴雨”（例如重现期为100年或200年的降雨）绘制的传统雨洪图，是否足以描绘那些远超出设计标准的、更为极端的“黑天鹅”事件的洪水图景？如果一场千年一遇的暴雨来袭，传统的风险地图还能提供有意义的指引吗？为了回答这个问题，来自瑞典气象水文研究所（SMHI）的研究团队Jonas Olsson等人，将目光投向了该国历史上最严重的一次城市雨洪事件。

2021年8月，一场估计重现期超过1000年的破纪录降雨袭击了瑞典东海岸的耶夫勒市（G?vle），引发了大规模的内涝和巨大损失。这为检验传统雨洪图绘制的适用性提供了难得的“真实世界”实验室。本项研究发表于《Climate Services》，旨在利用这一独特案例，深入探讨三个核心问题：第一，传统雨洪图的信息在多大程度上可用于评估更严重城市雨洪的特征？第二，利用完整的降雨时空重建数据驱动水动力模型，能在多大程度上重现一次真正的极端城市雨洪事件？第三，在雨洪图绘制中，使用简化的（理想时空分布的）极端降雨表征会产生怎样的影响？

为了开展研究，研究人员采用了多种关键技术方法。首先，他们综合利用了国家自动气象站网络、天气雷达格点产品（HIPRAD）以及个人气象站（PWS）等多源观测数据，通过平均场偏差校正方法，重构了此次极端降雨事件的时空演变过程，形成了高时空分辨率的降雨输入序列（HIPRAD^a）。其次，研究构建了一个覆盖耶夫勒市54平方公里范围的高分辨率二维水动力模型（MIKE 21 Flow Model FM），该模型使用灵活网格（分辨率4-144 m²），并基于数字高程模型（DEM）和土地利用数据（划分透水/不透水地表）设置参数。由于缺乏完整的城市排水管网数据，模型通过扣除相当于5年重现期降雨强度的径流来近似模拟排水系统的能力。最后，研究设置了三组基于重建降雨的模拟：包含完整时空变化的模拟（REC-ST）、空间均一但保留实际雨型的过程线模拟（REC-UM）以及采用空间均一的芝加哥设计暴雨（CDS）过程线模拟（REC-UC）。同时，他们还按照瑞典国家推荐标准，运行了基于未来气候因子（1.4）调整的、重现期为100年的CDS模拟（CDS-100），用于与重建的极端事件结果进行对比验证。研究还使用观测水位和市政灾后报告对REC-ST模拟结果进行了验证，并使用英国环境、食品和农村事务部（DEFRA）评级等方法，对模拟结果进行定量比较和影响评估。

研究结果部分通过详细的图表和分析，揭示了多项重要发现：

• •
  降雨与模型验证：通过个人气象站数据对调整后的HIPRAD^a降雨序列进行的独立验证表明，二者吻合良好，证明了利用多源数据重建高精度降雨场的可行性。利用现场照片和水痕提取的观测水深与REC-ST模拟结果在六个验证点对比显示，误差仅为数厘米，总体吻合度非常高。对市政确认的被淹和未淹关键基础设施及社会重要功能的对比也显示，模型能较好地重现受灾区域，证实了水动力模型在模拟极端雨洪事件上的可靠性。
• •
  传统图绘与极端事件的比较：将基于100年重现期的传统雨洪图（CDS-100）与重建的2021年实际洪灾图（REC-ST）进行对比，发现在最大水深（D_max）和DEFRA危险等级上，实际事件的严重程度都远超传统预测。例如，REC-ST中最大水深超过1米和DEFRA评级为“部分危险”及以上等级的区域面积，均比CDS-100中的结果高出数倍。尽管如此，研究发现，在传统图绘中识别出的16个主要高风险区域，在重建的极端洪灾中均遭受了严重或更严重的淹没，且新增的主要淹没区域大多位于这些已识别区域的邻近地带。这表明传统图绘能够有效识别出空间暴露模式上的关键热点，但会严重低估其危害的严重程度。
• •
  降雨时空表征的影响：对比REC-ST、REC-UM和REC-UC三种降雨输入方式的模拟结果发现，尽管从整个区域的平均值来看差异不大，但局部却存在显著差异。REC-UM（空间均一但保留实际雨型）的结果比REC-UC（空间均一且使用CDS雨型）更接近基准的REC-ST结果。这表明，虽然降雨总量（即重现期）是影响雨洪图结果的主导因素，但降雨的时空分布结构，特别是其时间分布型态，对于局部模拟精度同样具有重要影响。
• •
  流量与流速信息的重要性：研究发现，一些在传统水深图中表现不突出的区域，在考虑流速（如计算DEFRA评级）或水流通量时，其在极端事件下的风险会显著增加。反之，完全依赖传统图绘的DEFRA评级进行决策，则可能忽略在更极端降雨下会变得危险的区域。这强调了在水深信息之外，补充流量和流速评估对于全面理解洪水风险动态的关键价值。

在讨论与结论部分，作者总结了本研究的主要信息。首先，水动力模型结合多源数据可以较好地重现极端城市雨洪事件，其中公民科学数据（如个人气象站观测和现场照片）在验证中起到了重要作用。其次，传统的雨洪图绘制虽然无法完全描述远超出其设计标准的极端事件的洪水全貌，但确实能够为识别主要的高风险区域提供一个有用的“起点”。然而，该研究强烈建议，在资源允许的情况下，应在传统图绘的基础上，至少补充考虑流量和流速评估，并进行针对极端情景（如更长重现期、土壤完全饱和）的敏感性测试，以更好地理解并应对潜在的灾难性风险。最后，降雨时空简化表征（如使用空间均一的CDS过程线）虽然对区域平均结果影响有限，但会导致局部显著差异，这表明在评估和规划时需充分考虑这种不确定性。总而言之，这项基于独特历史事件的案例研究表明，在气候变化加剧极端降雨的背景下，我们应在传统风险评估工具的基础上，纳入更全面的动态分析和极端情景考量，以增强城市对未来更猛烈雨洪灾害的抵御能力和适应性。