兰州市中心城区内涝时空格局和成因分析

doi:10.11873/j.issn.1004-0323.2023.4.0935

遥感技术与应用

2023, Vol. 38

Issue (4): 935-944 DOI: 10.11873/j.issn.1004-0323.2023.4.0935

遥感应用

兰州市中心城区内涝时空格局和成因分析

李秋萍¹(

),李雪梅^1,^2,³(

),龚志远¹,秦启勇¹,张博¹

^1.兰州交通大学测绘与地理信息学院，甘肃兰州 730070
^2.地理国情监测技术应用国家地方联合工程研究中心，甘肃兰州 730070
^3.甘肃省地理国情监测工程实验室，甘肃兰州 730070

Spatial and Temporal Pattern and Cause of Waterlogging in the Central Urban Area of Lanzhou

Qiuping LI¹(

),Xuemei LI^1,^2,³(

),Zhiyuan GONG¹,Qiyong QIN¹,Bo ZHANG¹

^1.Faculty of Geomatics，Lanzhou Jiaotong University，Lanzhou 730070，China
^2.National-Local Joint Engineering Research Center of Technologies and Applications for National Geographic State Monitoring，Lanzhou 730070，China
^3.Gansu Provincial Engineering laboratory for National Geographic State Monitoring，Lanzhou 730070，China

全文: PDF(5537 KB) HTML

摘要：

为探究城市地区内涝灾害成因和分布特征，以兰州市中心城区为例，基于2010~2020年月平均降水数据和历史积水点资料，选取人口密度、路网密度、给排水设施距离、高程、地形起伏度、坡度、归一化植被指数和不透水面百分比数据作为探究内涝驱动因子的指标，采用水文分析、空间相关性分析和地理探测器等方法，研究内涝灾害的时空分布格局、驱动因子及交互作用关系。结果表明：①11 a间兰州市内涝灾害与降水集中期高度吻合，均在6~9月份，7~8月份主汛期内涝灾害最严重。表明内涝灾害频次分布与降水格局密切相关；②空间上兰州市积水点主要分布在城关区，其次为安宁和七里河区，西固区最少；③归一化植被指数和不透水面百分比是兰州市内涝灾害的主要驱动因子，其次是人口密度，但任意两个驱动因子的交互作用均远大于单个因子。因此，兰州市内涝灾害需要在多因素综合考虑的前提下，采取多举措进行综合治理。

关键词： 兰州市中心城区; 内涝成因; 时空分布; 交互作用; 地理探测器

Abstract:

In order to explore the causes and distribution characteristics of waterlogging disasters in urban areas， taking the central city of Lanzhou as an example， based on the monthly average precipitation data and historical water accumulation data from 2010 to 2020， population density， road network density， water supply and drainage facilities distance， elevation， topographic relief， slope， normalized difference vegetation index， and percentage of impervious surface were selected as indicators to explore the driving factors of waterlogging， and the time-space distribution pattern， spatial correlation analysis and geographic detector of waterlogging disasters were studied. Drivers and interactions. The results show that：（1） the flood disasters in Lanzhou City during 11 years highly coincide with the precipitation concentration period， both in June-September， and the waterlogging disaster is the most serious in the main flood season in July-August， indicating that the frequency distribution of the flood disasters is closely related to the precipitation pattern；（2） In space， Lanzhou water accumulation points are mainly distributed in Chengguan District， followed by Anning and Qilihe District， and Xigu District is the least. （3） NDVI and the percentage of impervious surface are the main drivers of flooding disasters in Lanzhou， followed by population density， but the interaction of any two drivers is much greater than a single factor. Therefore， under the premise of comprehensive consideration of multi-factors， Lanzhou waterlogging disaster needs to be comprehensively managed by multi-measures.

Key words: The central urban area of Lanzhou Causes of waterlogging Temporal and spatial distribution Interaction Geodetector

收稿日期: 2022-06-11 出版日期: 2023-09-11

ZTFLH:

TU998.4

基金资助: 国家自然科学基金项目(41761014);兰州交通大学“百名青年优秀人才培养计划”，兰州交通大学优秀平台支持(201806)

通讯作者: 李雪梅 E-mail: 1658015086@qq.com;lixuemei@lzjtu.edu.cn

作者简介: 李秋萍（1995-），女，四川南充人，硕士研究生，主要从事地质灾害研究。 E?mail: 1658015086@qq.com

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	李秋萍
	李雪梅
	龚志远
	秦启勇
	张博

引用本文:

李秋萍,李雪梅,龚志远,秦启勇,张博. 兰州市中心城区内涝时空格局和成因分析[J]. 遥感技术与应用, 2023, 38(4): 935-944.

Qiuping LI,Xuemei LI,Zhiyuan GONG,Qiyong QIN,Bo ZHANG. Spatial and Temporal Pattern and Cause of Waterlogging in the Central Urban Area of Lanzhou. Remote Sensing Technology and Application, 2023, 38(4): 935-944.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2023.4.0935 或 http://www.rsta.ac.cn/CN/Y2023/V38/I4/935

图1 研究区审图号：GS（2020）4619

图2 流域单元与积水点位置分布

表1 2010~2020年内涝事件及降水量

图3 2010~2020年兰州市主城区积水点空间分布及核密度

表2 内涝密度与不同驱动因子的相关分析结果

图4 影响因子分级结果

表3 驱动因子分级和地理探测器结果

表4 驱动因子和交互探测器结果

1	LEI Shengxiang， SHEN Yanjun， XIAO Qinghua， et al. Present situations of development and utilization for underground space in cities and new viewpoints for future development［J］. Chinese Journal of Underground Space and Engineering， 2019， 15（4）：965-979.
1	雷升祥，申艳军，肖清华，等. 城市地下空间开发利用现状及未来发展理念［J］. 地下空间与工程学报， 2019， 15（4）： 965-979.
2	ZHANG Q， WU Z， TAROLLI P.Investigating the role of green infrastructure on urban waterlogging：Evidence from metropolitan coastal cities［J］. Remote Sensing，2021，13（12）：2341. DOI： 10.3390/rs13122341 doi: 10.3390/rs13122341
3	FAN Xing， QIN Yuanyuan， GAO Xiang. Interpretation of the Main Conclusions and Suggestions of IPCC AR6 Working Group Ⅰ Report［J］. Environmental Protection， 2021， 49（Z2）： 44-48.
3	樊星，秦圆圆，高翔. IPCC第六次评估报告第一工作组报告主要结论解读及建议［J］. 环境保护， 2021， 49（Z2）： 44-48.
4	HUANG Yilong， WANG Yanglin， LIU Zhenhuan，et al.Stream construction characteristics in rapid urbanization area： Shenzhen city as a case［J］. Geographical Research，2008（5）：1212-1220.
4	黄奕龙，王仰麟，刘珍环，等. 快速城市化地区水系结构变化特征——以深圳市为例［J］.地理研究，2008（5）：1212-1220.
5	CHENG Yufei， CHENG Wenju， HU Xiangquan，et al.Res-ponse of extreme hydrological events to extreme climate in the shule river basin［J］. Plateau Meteorology，2019，38（3）：583-592.
5	程玉菲，程文举，胡想全，等.疏勒河流域极端水文事件对极端气候的响应［J］.高原气象，2019，38（3）：583-592.
6	WANG C， DU S， WEN J，et al. Analyzing explanatory factors of urban pluvial floods in Shanghai using geographically wei-ghted regression［J］. Stochastic Environmental Research and Risk Assessment，2017，31（7）：1777-1790. DOI：10.1007/s 00477-016-1242-6 doi: 10.1007/s 00477-016-1242-6
7	ZHANG H， WU C， CHEN W， et al. Assessing the impact of climate change on the waterlogging risk in coastal cities： A case study of Guangzhou， South China［J］. Journal of Hydrometeorology， 2017， 18（6）：1549-1562. DOI： 10.1175/JHM-D-16-0157.1 doi: 10.1175/JHM-D-16-0157.1
8	WANG P， DENG X， ZHOU H， et al. Responses of urban ecosystem health to precipitation extreme： A case study in Beijing and Tianjin［J］. Journal of Cleaner Production， 2018， 177：124-133. DOI： 10.1016/j.jclepro.2017.12.125 doi: 10.1016/j.jclepro.2017.12.125
9	TEHRANY M S， JONES S， SHABANI F. Identifying the essential flood conditioning factors for flood prone area mapping using machine learning techniques［J］. Catena， 2019， 175：174-192. DOI： 10.1016/j.catena.2018.12.011 doi: 10.1016/j.catena.2018.12.011
10	SONG Xiaomeng， ZHANG Jianyun， WANG Guoqing， et al. Development and challenges of urban hydrology in a changing environment： II： Urban stormwater modeling and management［J］. Advances In Water Science， 2014， 25（5）：752-764.
10	宋晓猛，张建云，王国庆，等. 变化环境下城市水文学的发展与挑战——II.城市雨洪模拟与管理［J］. 水科学进展， 2014， 25（5）： 752-764.
11	LI Binye， ZHAO Yaolong， FU Yingchun.Spatio-temporal cha-racteristics of urban storm waterlogging in guangzhou and the impact of urban growth［J］. Journal of Geo-information Science，2015，17（4）：445-450.
11	李彬烨，赵耀龙，付迎春.广州城市暴雨内涝时空演变及建设用地扩张的影响［J］. 地球信息科学学报， 2015，17（4）：445-450.
12	ZHANG Q， WU Z， ZHANG H， et al. Identifying dominant factors of waterlogging events in metropolitan coastal cities： The case study of Guangzhou， China［J］. Journal of Environmental Management，2020，271：110951. DOI： 10.1016/j.jenvman.2020.110951 doi: 10.1016/j.jenvman.2020.110951
13	WU J， SHA W， ZHANG P， et al. The spatial non-stationary effect of urban landscape pattern on urban waterlogging：A case study of Shenzhen City［J］. Scientific reports， 2020， 10（1）：1-15. DOI： 10.1038/s41598-020-64113-1 doi: 10.1038/s41598-020-64113-1
14	LEE C S， HO H Y， LEE K T， et al. Assessment of sewer flooding model based on ensemble quantitative precipitation forecast［J］. Journal of hydrology， 2013， 506：101-113. DOI： 10.1016/j.jhydrol.2012.09.053 doi: 10.1016/j.jhydrol.2012.09.053
15	ZHAO G， PANG B， XU Z， et al. Mapping flood susceptibility in mountainous areas on a national scale in China［J］. Science of the Total Environment， 2018， 615：1133-1142. DOI： 10.1016/j.scitotenv.2017.10.037 . doi: 10.1016/j.scitotenv.2017.10.037
16	WU Jiansheng， ZHANG Puhua. The effect of urban landscape pattern on urban waterlogging［J］. Acta Geographical. Sinica， 2017， 72（3）：444-456.
16	吴健生，张朴华. 城市景观格局对城市内涝的影响研究——以深圳市为例［J］. 地理学报， 2017， 72（3）：444-456.
17	WU Yongping， LIN Yujun， WU Shuting， et al. The influence of urban landscape pattern on urban waterlogging of Fuzhou City［J］. Journal of Chinese Urban Forestry， 2020， 18（2）：57-61.
17	吴涌平，林钰珺，吴姝婷，等. 福州市景观格局对城市内涝的影响［J］. 中国城市林业， 2020， 18（2）：57-61.
18	SUN Yanwei， XU Youpeng， GAO Bin， et al. Influence of impervious surface expansion on flood peak under urbanization： A case study of Qinhuai River in Nanjing［J］. Journal of Lake Science， 2021， 33（5）：1574-1583.
18	孙延伟，许有鹏，高斌，等. 城镇化下流域不透水面扩张对洪峰的影响——以南京秦淮河为例［J］.湖泊科学， 2021， 33（5）：1574-1583.
19	GORI A， BLESSING R， JUAN A， et al. Characterizing urbanization impacts on floodplain through integrated land use， hydrologic， and hydraulic modeling［J］. Journal of Hydrology， 2019， 568：82-95. DOI： 10.1016/j.jhydrol.2018.10.053 doi: 10.1016/j.jhydrol.2018.10.053
20	SHI Peijun， YUAN Yi， CHEN Jin. The effect of land use on runoff in Shenzhen City of China［J］. Acta Ecologica Sinica， 2001， 21（7）：1041-1049.史培军，袁艺，陈晋. 深圳市土地利用变化对流域径流的影响［J］. 生态学报， 2001， 7：1041-1049.
21	HUANG Huabing， WANG Xianlin， LIU Lin. A review on urban pluvial floods： Characteristics， mechanisms， data， and research methods［J］. Progress in Geography， 2021， 40（6）： 1048-1059.
21	黄华兵，王先伟，柳林. 城市暴雨内涝综述：特征、机理、数据与方法［J］. 地理科学进展， 2021， 40（6）：1048-1059.
22	XU Xiaoming. Where is the problem of urban flooding［N］. China Youth Daily， 2016-06-15（2）.
22	许晓明. 城市内涝到底是哪里出了问题［N］. 中国青年报， 2016-06-15（2）.
23	WANG Jinfeng， XU Chengdong. Geodetector： Principle and prospective［J］. Acta Geographical. Sinica， 2017， 72（1）：116-134.
23	王劲峰，徐成东. 地理探测器：原理与展望［J］.地理学报， 2017， 72（01）：116-134.
24	WANG J F， LI X H， CHRISTAKOS G， et al. Geographical detectors‐based health risk assessment and its application in the neural tube defects study of the Heshun Region， China［J］. International Journal of Geographical Information Science， 2010， 24（1）：107-127. DOI： 10.1080/13658810802443457 doi: 10.1080/13658810802443457
25	HU Hongliang， TAN Jue. Causes and countermeasures of water-logging in Changsha Urban Area under extreme meteorological and hydrological conditions［J］. Henan Water Resources & South-to-North Water Diversion， 2022，51（10）：27-29.
25	胡红亮，谭觉.极端气象水文条件下长沙城区内涝成因及防治对策［J］.河南水利与南水北调，2022，51（10）：27-29.
26	XUE Lianqing， LIU Xiaoqun， SONG Jiajia， et al. Determine threshold of basin extreme events based on percentile method analysis［J］. Journal of Hydroelectric Engineering， 2013，32（5）：26-29.
26	薛联青，刘晓群，宋佳佳，张振全，黎昔春.基于百分位法确定流域极端事件阈值［J］.水力发电学报，2013，32（5）：26-29.
27	DU H， WU Z， LI M， et al. Characteristics of extreme daily minimum and maximum temperature over Northeast China， 1961–2009［J］. Theoretical and applied climatology， 2013， 111： 161-171.
28	MU Yachao， XIE Yaowen， ZHANG Lingling， et al. An enhanced normalized difference impervious surface index［J］. Science of Surveying and Mapping， 2018， 43（2）： 83-87.
28	穆亚超，颉耀文，张玲玲，等. 一种新的增强型不透水面指数［J］. 测绘科学， 2018， 43（2）：83-87.
29	YU H， ZHAO Y， FU Y， et al. Spatiotemporal variance assessment of urban rainstorm waterlogging affected by impervious surface expansion： A case study of Guangzhou， China［J］. Sustainability，2018，10（10）：3761. DOI：10.3390/su10103761 doi: 10.3390/su10103761
30	LIU Sheng， HUANG Duo， CHEN Tao， et al. Studies on the influence of underlying surface factors on urban waterlogging： A case of Huangpu district， Guangzhou city［J］ WATER& WASTEWATER ENGINEERING， 2022， 58（S1）： 665-673.
30	刘胜，黄铎，陈涛等.下垫面因素对城市内涝的影响探究——以广州市黄埔区为例［J］.给水排水， 2022， 58（S1）： 665-673.
31	HOSSAIN M K， MENG Q. A fine-scale spatial analytics of the assessment and mapping of buildings and population at different risk levels of urban flood［J］. Land Use Policy， 2020， 99：104829. DOI： 10.1016/j.landusepol.2020.104829 doi: 10.1016/j.landusepol.2020.104829
32	XU S， ZHAO Q， DING S， et al. Improving soil and water conservation of riparian vegetation based on landscape leakiness and optimal vegetation pattern［J］. Sustainability， 2018， 10（5）：1571. DOI： 10.3390/su10051571 doi: 10.3390/su10051571
33	HU Pan， CHEN Bo， SHI Peijun. Spatiotemporal patterns and influencing factors of rainstorm-induced flood disasters in China［J］. Acta Geographica Sinica， 2021，76（5）：1148-1162.
33	胡畔，陈波，史培军. 中国暴雨洪涝灾情时空格局及影响因素［J］.地理学报， 2021， 76（5）：1148-1162.
34	LIU Jianfen， WANG Huimin， ZHANG Xingnan.Causes of flood-stricken urban areas in the context of urbanization and its countermeasures［J］. Journal of Hohai University （Philosophy and Social Sciences Edition），2012，14（1）：73-75.
34	刘建芬，王慧敏，张行南.城市化背景下城区洪涝灾害频发的原因及对策［J］. 河海大学学报（哲学社会科学版），2012，14（1）：73-75.

[1]	韩鹏,郭桂祯,李鑫磊,刘菁菁. 基于地理探测器的福建省台风灾情影响因素分析[J]. 遥感技术与应用, 2023, 38(2): 487-495.
[2]	张朋杰,杨晓锋,张涛,韩东明,陈思宇. 2000—2020年秦巴山区水源涵养量时空动态研究[J]. 遥感技术与应用, 2022, 37(6): 1513-1524.
[3]	杨娜, 汤燕杰, 张宁馨, 张恒杰, 徐少博. 基于SMOS、SMAP数据的青藏高原季风及植被生长季土壤水分长消特征研究[J]. 遥感技术与应用, 2022, 37(6): 1373-1384.
[4]	袁艺溶,王继燕,杨嘉葳,熊俊楠. 基于植被指数的若尔盖高原湿地光合有效辐射吸收比例估算研究[J]. 遥感技术与应用, 2022, 37(5): 1267-1276.
[5]	丁书培,李蒙蒙,汪小钦,李琳,吴瑞姣,黄姮. 基于时序遥感数据的福州市耕地非农化特征及驱动因子分析[J]. 遥感技术与应用, 2022, 37(3): 550-563.
[6]	葛强,沈文举,李冉,李莘莘,蔡坤,左宪禹,乔保军,张云舟. 2001~2018年我国热异常点时空分布特征研究[J]. 遥感技术与应用, 2022, 37(1): 73-84.
[7]	赵天玮,朱文彬,裴亮,宝康妮. 三江源蒸散发遥感估算及其时空分布特征研究[J]. 遥感技术与应用, 2022, 37(1): 137-147.
[8]	王浩天,汪源,袁强强. 2008~2016年MODIS多角度大气校正气溶胶产品在中国的时空分布及变化趋势[J]. 遥感技术与应用, 2021, 36(1): 217-228.
[9]	魏石梅, 潘竟虎, 妥文亮. 2015年中国PM2.5浓度遥感估算与时空分布特征[J]. 遥感技术与应用, 2020, 35(4): 845-854.
[10]	殷宇威, 唐丹玲, 刘宇鹏. 南海岛礁附近悬浮泥沙时空分布的遥感研究[J]. 遥感技术与应用, 2019, 34(2): 435-444.
[11]	王甜甜,陈良富,陶金花,苏林,张莹,汪洋. 生物质燃烧对中国东北地区CO浓度的影响研究[J]. 遥感技术与应用, 2016, 31(2): 297-306.
[12]	林金堂,冯学智,肖鹏峰,李晖. 基于MODIS数据的玛纳斯河山区雪盖时空分布分析[J]. 遥感技术与应用, 2011, 26(4): 469-475.

Viewed

Full text

Abstract

Cited

Shared

Discussed