暴雨内涝情景下城市消防服务可达性的精细化评估

　　摘要：为了揭示城市暴雨内涝灾害对应急响应服务功能的影响，论文基于高精度城市洪涝模型(FloodMap)和增强型两步移动搜寻法(E2SFCA)，对暴雨内涝灾害影响下上海市中心城区消防服务可达性进行精细化评估。研究结果表明：①百年一遇暴雨内涝情景下，内涝最严重时积水深度超过50cm的淹没范围整体呈现“西高东低”分布态势，淹没总面积约1.5km2，可导致471条路段(约占路网全长5.11%)通行受阻。②上海市中心城区消防服务可达性的空间差异比较显著，大体呈现出由黄浦江两岸向西北和东南方向递减态势，但在一天中的不同时段，可达性空间格局变化并不明显。③与正常天气条件相比，暴雨内涝情景下不可达单元(250m×250m)数量显著增多，夜间低峰、早高峰、白天平峰和晚高峰时段分别增加36.32%、35.89%、39.07%和32.01%;从暴雨内涝的过程(全程120min)上看，在雨峰后半段((30,45]min)不可达单元数量最多，消防服务可达性的空间差异程度最大。④消防服务可达性表现出一定程度的空间集聚特征，其中高值聚集区“(高—高”型)主要位于黄浦江两岸以及浦西边缘地区，低值聚集区“(低—低”型)主要位于西北和西南区域，这2类聚集区呈“团块状”分布，而“高—低”型和“低—高”型集聚均不显著。⑤研究区内消防服务可达性与需求的空间失配现象“(低需求—高可达”或“高需求—低可达”)较为明显，而暴雨内涝会加剧空间失配问题。研究结果可为提升城市洪涝灾害管理与应急响应服务的精细化水平提供科学依据。

　　关键词：消防服务;可达性;E2SFCA;暴雨内涝;上海

　　在全球气候变化和快速城市化影响下，城市地区面临的暴雨内涝灾害风险日益增高[1-2]。极端暴雨内涝不仅会造成严重的人员伤亡和直接经济损失，还可能导致城市交通以及其他服务功能受到严重影响。近年来，中国北京、上海、深圳、广州等特大城市无一能幸免于暴雨内涝灾害的侵袭。例如，2016年武汉“7·6”暴雨、2018年北京“7·16”极端暴雨、2020年广州“5·22”特大暴雨引发的内涝均导致市区多条道路因严重积水而中断[3-5]。交通中断不仅会扰乱城市居民的正常出行，更重要的是导致与交通相关的一系列城市服务效率降低，甚至彻底瘫痪。

　　例如，2017年9月美国“厄玛”飓风带来的洪水导致佛罗里达州大范围救援服务中断，当地一个养老院8人丧生[6];2019年8月台风“利奇马”带来的极端降水导致浙江省部分地区大面积断电，区域交通中断，46人因灾死亡，直接经济损失242.6亿元[7]。因此，在洪涝灾害风险日益加剧的背景下，如何提升城市应急救援能力，最大限度地减少人员伤亡和财产损失，保障城市安全，已经成为国际社会高度关注和亟待解决的热点问题之一。应急救援可达性是衡量其服务水平的重要指标[8]。尽管地理、交通和城市规划等领域对可达性概念的界定有所区别[9-13]，但其本质都在于刻画居民在地理空间中获取服务的有效机会和难易程度。基于这一涵义，学者们不断探索和优化空间可达性的评估模型，目前较常采用的可达性测度方法为重力模型法和两步移动搜寻法(2SFCA)[14]。

　　其中，2SFCA较为全面地考虑了供给规模、需求规模和供需距离对可达性的影响，计算结果更为准确和直观[15]，自Luo等[16]首次提出该方法后，即在医疗、教育、交通、绿地等公共服务设施可达性研究中得到深入研究与广泛应用。例如，Williams等[17]基于2SFCA对公立中学可达性进行评估，发现可达性与种族差异、社会经济水平、语言文化等因素显著相关;Hu等[18]基于2SFCA对急救医疗服务可达性进行评估，研究表明道路拥挤程度会对急救医疗服务可达性产生负面影响;赵东霞等[19]基于2SFCA对养老服务设施的空间可达性进行评估，结果表明不同社区养老服务设施的可达性存在显著的空间差异。

　　随后，在2SFCA的基础上，又发展出了增强型两步移动搜寻法(E2SFCA)等众多扩展形式[20-22]，在解决公共服务供需矛盾、辅助政府决策中发挥了重要作用。作为针对突发紧急事件(通常危及生命)采取的响应措施，应急服务通常要求将响应时间(专业施救人员接到出警指令后行车到现场)控制在5~15min以内。鉴于其对时间高度敏感，在城市应急服务可达性研究中需高度重视调度过程受到干扰情况下响应时间的不确定性。暴雨内涝灾害中，严重的道路积水可直接导致救援车辆无法通行，或加剧交通拥堵，使得响应时间大大延长。此外，城市人群的日常活动使得一天之中的交通状态呈现明显变化。暴雨内涝发生在不同时段，对可达性造成的影响也有所不同。

　　然而，目前基于洪涝灾害场景开展的应急服务可达性研究还比较缺乏，对灾害影响下应急响应时间的不确定性认识不足。尽管近年来已有研究开始关注洪涝灾害对医疗(120)、公安(110)等应急响应服务可达性的影响[23-24]，但大多是基于GIS网络分析中的“服务域”或“最近设施点” 等工具直接绘制服务范围，忽略了可达性中的供需关系，也未能考虑交通成本在精细时空尺度上的变化情况，研究方法还有较大提升空间。本文基于高精度城市洪涝模型和增强型两步移动搜寻法，聚焦典型城市实证区(上海市外环线以内中心城区)，对暴雨内涝灾害影响下城市消防服务(119)可达性进行精细化评估。

　　在方法上，分别采用脆弱性POI(pointofinterest)和高德地图实时路况表征需求规模和交通成本，并将动态的暴雨内涝过程划分为多个阶段，基于每个阶段的淹没范围和积水深度信息对道路通行状态进行更新，从而在精细时空尺度上度量百年一遇暴雨内涝情景下城市消防服务可达性。研究结果可为提升城市消防服务与洪涝灾害精细化管理水平提供科学依据。

　　1研究区域、方法与数据

　　1.1研究区概况

　　上海位于国家“一带一路”倡议和“长江经济带”发展战略的交汇点上，是中国的经济、金融、贸易和交通中心，引领长三角城市群参与全球竞争合作。然而，上海每年都会不同程度地遭受洪水、强降雨等灾害侵袭，汛期“风、暴、潮、洪”等致灾因子“多碰头”现象时有发生，城市洪涝灾害风险防控依然面临严峻挑战[25]。

　　本文以上海市中心城区(外环线以内)为研究区，该区总面积约667km2，是上海城镇体系的核心，长期承载着高强度人类活动。在快速城镇化过程中，中心城区河道萎缩、地面沉降问题十分严重，地表透水和储水能力大大降低。该区域地势低平，部分地表高程甚至低于多年平均高潮位。区域内排涝系统整体设计标准偏低，排水能力非常有限。

　　因此，该区域已成为典型的暴雨内涝灾害高风险区。在《上海市机构改革方案》指导下，上海于2018年正式组建应急管理局，统筹建设和管理火灾扑救、抗洪抢险、地震和地质灾害救援、生产安全事故救援等应急救援力量。实践经验表明[26-27]，消防服务是暴雨内涝灾害中需求较高的一种救援类型，也是本文重点关注的城市应急响应部门。

　　依据上海市消防局2019年的最新统计信息，研究区现阶段共有53个消防中队、大队或支队，其中37个位于浦西地区、16个位于浦东地区，且内环、中环、外环分别有21、17、15个消防站点(浦东支队战勤保障大队和保税区中队在空间位置上重叠)，基本覆盖中心城区。此外，本文采用的需求单元是250m×250m规则网格，以网格的几何中心作为代表计算每个需求点与消防站之间的时间(距离)成本，研究区内总共有3744个网格。

　　1.2数据来源及处理

　　本文所使用的数据主要包括研究区地形数据、POI数据、实时路况数据以及道路网络数据。其中地形数据由上海测绘研究院提供，数据源是基于高精度航拍影像通过立体像对方式生成的数字表面模型(DSM)，原始分辨率为0.5m。为兼顾模型运算效率和模拟精度，通过重采样将分辨率降低至5m，约为单条车道宽度，可以保证暴雨内涝模拟结果展现道路网络中的积水状态。POI数据从高德开放平台“搜索POI”应用程序接口(API)爬取得到。根据POI的类型可以大致判断出该位置上的人群、地物或活动特征，进而度量其脆弱性水平以及对消防救援服务的需求规模。

　　本文重点关注4类脆弱性POI：事故高发类、人群脆弱类、人流密集类和历史文物类。其中，事故高发类主要包括加油站、加气站、工业园区等易燃易爆场所，火灾事故隐患较高，造成的人员伤亡和事故影响也极为恶劣，对消防服务有较高需求。人群脆弱类主要包括养老院、幼儿园、学校、医院等场所，聚集了大量弱势人群，在灾害发生时自我保护和逃生能力较差，容易遭受伤害，对消防服务也有较高需求。

　　人流密集类主要包括商业中心、热门景点等场所，虽然不是脆弱人群聚集地，但由于人流量大，在安全事故中也极易造成“群死群伤”的重大悲剧。历史文物类涉及图书馆、博物馆等场所，存放着大量珍贵的历史文物与文献资料，具有极高的文化价值。因此，以上4类场所都应是消防部门重点关注和保护的对象。本文综合考虑每类场所发生安全事故的概率及其后果的严重程度，将事故高发类、人群脆弱类、人流密集类、历史文物类的消防需求等级分别设置为4、3、2、1(4表示最高，1表示最低)。

　　对收集到的7122条POI数据进行分类后，统计每个需求网格内每类POI的数量并进行极差标准化处理，再以需求等级为权重进行加权求和，得到每个需求网格的需求规模(图1b)。实时路况数据通过调用高德开放平台“交通态势”API爬取，数据格式为shapefile。采集了2020年5月18—22日共计5d、每天9:00、14:00、18:00和2:00的实时路况，包括道路名称、拥堵状态、方向、车行角度(判断道路正反向使用)和速度(数值型)等信息。

　　据统计，在早高峰(9:00)、白天平峰(14:00)、晚高峰(18:00)和夜间低峰(2:00)4个时段，研究区路网平均速度分别为27.78、30.74、26.14和31.40km/h。本文所使用的道路网络数据由华东师范大学地理信息科学教育部重点实验室提供，包含道路名称、类型(高架/高速路、主干道、次干道、支路)、长度、标准限速、单双行、转向限制等基本信息。研究区共计有9209个路段(两个路口之间)，其中能匹配到高德实时路况的路段有5095个(匹配路段总长度占整个路网的60%~65%)，剩余路段(大部分为支路)的速度基于标准限速进行适当折减，以体现实时交通和暴雨天气对消防车行驶速度的影响。

　　1.3研究方法

　　1.3.1城市暴雨内涝模拟

　　首先，对百年一遇暴雨情景进行设定：采用上海市暴雨强度公式和芝加哥雨型计算生成降雨量和降雨时间序列。然后，采用基于栅格的高精度水文—水动力数值模型(FloodMap-HydroInundation2D)进行地表内涝过程模拟。该模型在二维水动力模型(FloodMap)的基础上耦合了城市水文过程(蒸发、下渗和排水等)模块，其中，下渗量通过Green-Ampt方程计算，蒸发量基于经验公式估算(约3mm/d)，排水量基于雨水管网的设计排水能力计算(将36mm/h线性分解到每个时间步长上)。

　　1.3.2消防服务可达性评估

　　消防救援服务的可达性不仅受交通阻抗影响，还与需求单元的需求规模紧密相关。供给点周边的需求量越高，供给点越繁忙，则服务的“可获得性”可能较差，进而导致可达性较低。两步移动搜寻法(2SFCA)基于机会累计思想，在一定的搜索半径内计算供需比，考虑了居民对有限资源的竞争，即可达性的“可接近性”维度。但这一方法假设搜索区内所有居民获取服务的机会是均等的，与现实情况有一定差距。在2SFCA的基础上，E2SFCA在搜索半径内按时间(距离)设置权重，时间(距离)越短，对资源的竞争优势越大，体现了“可获得性”维度。

　　2结果与分析

　　2.1暴雨内涝模拟结果

　　由于在5m水平空间分辨率下展布整个研究区的积水分布不利于辨识出水深超过50cm的淹没区，故统计了250m×250m格网单元内积水深度超过50cm的淹没面积。

　　总体来看，积水深度超过50cm的淹没范围呈现微弱的“西高东低”分布态势，淹没总面积可达1.5km2。其中，淹没面积在0~100m2的格网单元连片分布，数量最多(约占48.90%)，淹没面积在100~300m2的格网单元呈团块状分布(约占37.58%)，而淹没面积在300m2以上的格网单元主要沿河流、道路等呈条带状分布(约占13.52%)。

　　可见，由于研究区地势低平，内涝分布并无明显空间差异，不会出现大片的严重积水区域。暴雨径流的汇流过程主要受微地表形态影响，道路(除高架、高速路外)一般是城市地表中的典型低洼处，路面低于两侧路肩约20~30cm，极易成为内涝发生地[31]。为了更加精准地描述道路网络中积水分布的动态变化及其对路网通行状态的影响，本文以15min为间隔输出模拟结果，将动态的暴雨内涝过程划分为8个阶段。可以看出：

　　①在百年一遇暴雨情景下，上海中心城区大部分道路都会出现10~20cm深度积水;20~30cm积水分布范围虽不够连续，但与道路形态仍十分接近;30~50cm及超过50cm积水分布较为分散，通常只出现在路段的某一部分，并且仅在低洼地区出现整条路段被淹情况。

　　②降雨开始阶段(T1：(0,15]min)没有出现内涝，雨峰前后(T2~T3：(15,45]min)内涝逐渐形成并加强，到雨停之时(T4：(45,60]min)达到最严重内涝状态;雨停之后(T5~T8：(60,120]min)积水逐渐消退，但速度较慢，(75,105]min内涝程度差异不大，直到120min积水范围和深度才明显缩小。

　　依据每一阶段内道路网络的最大淹没深度信息辨识的通行受阻路段。除(0,15]min(没有内涝)外，依次统计其他7个阶段水深超过50cm的路段分别有82、367、471、449、418、395和378条，累计长度分别为35.34、165.24、206.46、195.91、182.92、172.40、166.26km。总体来讲，百年一遇暴雨内涝情景下上海市中心城区淹没深度超过50cm的路段占全路网的0.89%~5.11%，并且在降雨尾声阶段(T4：(45,60]min)内涝状态最为严重。

　　2.2消防服务可达性时空变化特征分析

　　2.2.1时空分布特征

　　分别对正常天气条件(n)和百年一遇暴雨内涝情景下(p)下研究区消防救援服务可达性进行评估。可以发现：

　　(1)在正常情景下，上海市中心城区消防救援服务可达性大体呈现出由黄浦江两岸向西北和东南方向递减态势，空间差异较为显著。在一天中的不同时段，可达性空间格局变化并不明显，整体上呈现以各个消防站为中心向四周递减的趋势，但受站点周边交通状况及需求分布的综合影响，递减速度有所不同。夜间低峰和白天平峰时段不可达单元相对较少，分别为413个(11.03%)和407个(10.87%)，主要分布在研究区边缘，由于距离消防站较远，消防车难以在响应时间内到达。早高峰和晚高峰时段不可达单元相对较多，分别为535个(14.29%)和556个(14.85%)。

　　由于早、晚高峰期间，城市人群流动量较大，尤其是“潮汐式”通勤出行导致道路网络中车辆数量激增，拥堵加剧，通行速度降低，导致消防车能在规定响应时间内到达的范围缩小，更多的需求单元变得不可达。总体来看，一天中不同时段消防服务可达性指数分布特征相似，中可达(0.4,0.8]单元最多(32.53%~39.72%)，低可达(0,0.4]单元次之(30.32%~32.32%)，高可达(>0.8)单元较少(16.93%~21.79%)，不可达单元最少(11.03%~14.85%)。

　　3结论与讨论

　　3.1结论

　　本文基于高精度城市暴雨内涝模拟和增强型两步移动搜寻法，综合考虑需求规模和交通成本的动态变化，在精细时空尺度上分别对正常天气条件和百年一遇暴雨内涝情景下消防服务可达性进行评估。主要发现如下：

　　(1)百年一遇暴雨内涝情景下，上海市中心城区内涝最严重时积水深度超过50cm的淹没范围整体呈现“西高东低”分布态势，淹没总面积约1.5km2;积水深度超过50cm的路段占全路网的0.89%~5.11%，降雨尾声阶段(T4：(45,60]min)内涝状态最为严重，但可达性受损最严重的是在雨峰后半段(T3：(30,45]min)。

　　(2)消防服务可达性的空间差异比较显著，大体呈现出由黄浦江两岸向西北和东南方向递减态势。但在一天中的不同时段，可达性空间格局变化并不明显。与正常天气条件相比，暴雨内涝情景下中可达单元减少，不可达单元增多(夜间低峰、早高峰、白天平峰和晚高峰时段分别增加36.32%、35.89%、39.07%和32.01%)。

　　(3)消防服务可达性表现出一定的空间集聚特征，其中高值聚集区“(高—高”型)主要位于黄浦江两岸以及研究区的西部边缘地区，低值聚集区“(低—低”型)主要位于研究区西北和西南区域，这2类聚集区均呈“团块状”分布，其他2类聚集区“(高—低”型和“低—高”型)集聚均不显著。(4)在正常天气条件下，研究区内消防服务的空间失配现象也比较明显，“低需求—高可达”单元和“高需求—低可达”单元的数量较多。暴雨内涝情景导致“低需求—高可达”单元减少，但“高需求—低可达”单元数量增多，加剧了消防服务的空间失配问题的严重性。

　　3.2讨论

　　随着城市地区暴雨内涝灾害风险日益增高，开展基于灾害场景的城市应急响应能力研究具有重要意义。本文旨在通过精细时空尺度下暴雨内涝对城市消防服务可达性的影响分析，为城市尺度的消防服务与洪涝灾害精细化管理提供参考案例。鉴于洪涝灾害对城市消防服务可达性的显著影响，应急管理部门可考虑如下预防和应对策略：

　　①极端暴雨预警发布后，在消防服务需求较高、可达性却较低的失配区域设置临时急救站，提前派遣消防车和专业施救人员到达现场，以免事故突发时不能及时赶到开展援救工作;②提高暴雨内涝实时预报精度(更新频率≤15min)，在此基础上优化消防车导航系统，能精准捕获实时交通状态和积水分布信息，避免误入拥堵严重或积水过深的路段从而导致救援延误;③进一步提高消防车涉水性能，或配合其他交通工具(气垫船、直升机、水陆两栖车等)同步使用，确保路网关键节点发生严重积水后仍能执行紧急救援任务;④进一步优化消防救援系统的资源配置，包括增设新的消防站点并合理分配供给规模，逐步解决空间失配问题。

　　本文可在以下2个方面进行完善与拓展：一是加强可达性影响因素定量研究，在供需规模和交通成本时空差异基础上，考虑更加全面的自然和人文因素，对其影响大小和时/空间异质性进行分析;二是极端暴雨内涝情景下应急救援车辆速度的率定，本文采用统一的折减系数体现降雨过程和其他车辆避让行为对消防车行驶速度的影响，还需基于更具代表性的雨天交通态势数据和消防车出勤数据对折减系数进行优化。

　　参考文献(References)

　　[1]IPCC.Climatechange2014:Impacts,adaptationandvulnerability[M].Cambridge,USA:CambridgeUniversityPress,2014.

　　[2]尹占娥,许世远,殷杰,等.基于小尺度的城市暴雨内涝灾害情景模拟与风险评估[J].地理学报,2010,65(5):553-562.[YinZhan'e,XuShiyuan,YinJie,etal.Smallscalebasedscenariomodelinganddisasterriskassessmentofurbanrainstormwater-logging.ActaGeographicaSinica,2010,65(5):553-562.]

　　[3]陈昆仑,许红梅,李志刚,等.快速城市化下的武汉城市暴雨渍水空间特征及发生机制[J].经济地理,2020,40(5):129-135,219.[ChenKunlun,XuHongmei,LiZhigang,etal.ThespatialcharacteristicsandformationmechanismofurbanrainstormwaterloggingundertheinfluenceofhumanactivitiesinWuhan.EconomicGeography,2020,40(5):129-135,219.]

　　[4]易嘉伟,王楠,千家乐,等.基于大数据的极端暴雨事件下城市道路交通及人群活动时空响应[J].地理学报,2020,75(3):497-508.[YiJiawei,WangNan,QianJiale,etal.Spatio-temporalresponsesofurbanroadtrafficandhumanactivitiesinanextremerainfalleventusingbigdata.ActaGeographicaSinica,2020,75(3):497-508.]

　　[5]李威,艾婉秀,曾红玲,等.2020年汛期我国主要天气气候特征及成因分析[J].中国防汛抗旱,2021,31(1):1-5,63.[LiWei,AiWanxiu,ZengHongling,etal.MajorweatherandclimatecharacteristicsofChinaduringfloodseasonin2020.ChinaFlood&DroughtManagement,2021,31(1):1-5,63.]

　　作者：李睿1,2,3，王军1,2,3，李梦雅1,2,3*

转载请注明来自发表学术论文网：http://www.fbxslw.com/jjlw/29496.html