暴雨內澇情景下城市消防服務可達性的精細化評估

　　摘要：為了揭示城市暴雨內澇災害對應急響應服務功能的影響，論文基于高精度城市洪澇模型(FloodMap)和增強型兩步移動搜尋法(E2SFCA)，對暴雨內澇災害影響下上海市中心城區消防服務可達性進行精細化評估。研究結果表明：①百年一遇暴雨內澇情景下，內澇最嚴重時積水深度超過50cm的淹沒范圍整體呈現“西高東低”分布態勢，淹沒總面積約1.5km2，可導致471條路段(約占路網全長5.11%)通行受阻。②上海市中心城區消防服務可達性的空間差異比較顯著，大體呈現出由黃浦江兩岸向西北和東南方向遞減態勢，但在一天中的不同時段，可達性空間格局變化并不明顯。③與正常天氣條件相比，暴雨內澇情景下不可達單元(250m×250m)數量顯著增多，夜間低峰、早高峰、白天平峰和晚高峰時段分別增加36.32%、35.89%、39.07%和32.01%;從暴雨內澇的過程(全程120min)上看，在雨峰后半段((30,45]min)不可達單元數量最多，消防服務可達性的空間差異程度最大。④消防服務可達性表現出一定程度的空間集聚特征，其中高值聚集區“(高—高”型)主要位于黃浦江兩岸以及浦西邊緣地區，低值聚集區“(低—低”型)主要位于西北和西南區域，這2類聚集區呈“團塊狀”分布，而“高—低”型和“低—高”型集聚均不顯著。⑤研究區內消防服務可達性與需求的空間失配現象“(低需求—高可達”或“高需求—低可達”)較為明顯，而暴雨內澇會加劇空間失配問題。研究結果可為提升城市洪澇災害管理與應急響應服務的精細化水平提供科學依據。

　　關鍵詞：消防服務;可達性;E2SFCA;暴雨內澇;上海

　　在全球氣候變化和快速城市化影響下，城市地區面臨的暴雨內澇災害風險日益增高[1-2]。極端暴雨內澇不僅會造成嚴重的人員傷亡和直接經濟損失，還可能導致城市交通以及其他服務功能受到嚴重影響。近年來，中國北京、上海、深圳、廣州等特大城市無一能幸免于暴雨內澇災害的侵襲。例如，2016年武漢“7·6”暴雨、2018年北京“7·16”極端暴雨、2020年廣州“5·22”特大暴雨引發的內澇均導致市區多條道路因嚴重積水而中斷[3-5]。交通中斷不僅會擾亂城市居民的正常出行，更重要的是導致與交通相關的一系列城市服務效率降低，甚至徹底癱瘓。

　　例如，2017年9月美國“厄瑪”颶風帶來的洪水導致佛羅里達州大范圍救援服務中斷，當地一個養老院8人喪生[6];2019年8月臺風“利奇馬”帶來的極端降水導致浙江省部分地區大面積斷電，區域交通中斷，46人因災死亡，直接經濟損失242.6億元[7]。因此，在洪澇災害風險日益加劇的背景下，如何提升城市應急救援能力，最大限度地減少人員傷亡和財產損失，保障城市安全，已經成為國際社會高度關注和亟待解決的熱點問題之一。應急救援可達性是衡量其服務水平的重要指標[8]。盡管地理、交通和城市規劃等領域對可達性概念的界定有所區別[9-13]，但其本質都在于刻畫居民在地理空間中獲取服務的有效機會和難易程度。基于這一涵義，學者們不斷探索和優化空間可達性的評估模型，目前較常采用的可達性測度方法為重力模型法和兩步移動搜尋法(2SFCA)[14]。

　　其中，2SFCA較為全面地考慮了供給規模、需求規模和供需距離對可達性的影響，計算結果更為準確和直觀[15]，自Luo等[16]首次提出該方法后，即在醫療、教育、交通、綠地等公共服務設施可達性研究中得到深入研究與廣泛應用。例如，Williams等[17]基于2SFCA對公立中學可達性進行評估，發現可達性與種族差異、社會經濟水平、語言文化等因素顯著相關;Hu等[18]基于2SFCA對急救醫療服務可達性進行評估，研究表明道路擁擠程度會對急救醫療服務可達性產生負面影響;趙東霞等[19]基于2SFCA對養老服務設施的空間可達性進行評估，結果表明不同社區養老服務設施的可達性存在顯著的空間差異。

　　隨后，在2SFCA的基礎上，又發展出了增強型兩步移動搜尋法(E2SFCA)等眾多擴展形式[20-22]，在解決公共服務供需矛盾、輔助政府決策中發揮了重要作用。作為針對突發緊急事件(通常危及生命)采取的響應措施，應急服務通常要求將響應時間(專業施救人員接到出警指令后行車到現場)控制在5~15min以內。鑒于其對時間高度敏感，在城市應急服務可達性研究中需高度重視調度過程受到干擾情況下響應時間的不確定性。暴雨內澇災害中，嚴重的道路積水可直接導致救援車輛無法通行，或加劇交通擁堵，使得響應時間大大延長。此外，城市人群的日常活動使得一天之中的交通狀態呈現明顯變化。暴雨內澇發生在不同時段，對可達性造成的影響也有所不同。

　　然而，目前基于洪澇災害場景開展的應急服務可達性研究還比較缺乏，對災害影響下應急響應時間的不確定性認識不足。盡管近年來已有研究開始關注洪澇災害對醫療(120)、公安(110)等應急響應服務可達性的影響[23-24]，但大多是基于GIS網絡分析中的“服務域”或“最近設施點” 等工具直接繪制服務范圍，忽略了可達性中的供需關系，也未能考慮交通成本在精細時空尺度上的變化情況，研究方法還有較大提升空間。本文基于高精度城市洪澇模型和增強型兩步移動搜尋法，聚焦典型城市實證區(上海市外環線以內中心城區)，對暴雨內澇災害影響下城市消防服務(119)可達性進行精細化評估。

　　在方法上，分別采用脆弱性POI(pointofinterest)和高德地圖實時路況表征需求規模和交通成本，并將動態的暴雨內澇過程劃分為多個階段，基于每個階段的淹沒范圍和積水深度信息對道路通行狀態進行更新，從而在精細時空尺度上度量百年一遇暴雨內澇情景下城市消防服務可達性。研究結果可為提升城市消防服務與洪澇災害精細化管理水平提供科學依據。

　　1研究區域、方法與數據

　　1.1研究區概況

　　上海位于國家“一帶一路”倡議和“長江經濟帶”發展戰略的交匯點上，是中國的經濟、金融、貿易和交通中心，引領長三角城市群參與全球競爭合作。然而，上海每年都會不同程度地遭受洪水、強降雨等災害侵襲，汛期“風、暴、潮、洪”等致災因子“多碰頭”現象時有發生，城市洪澇災害風險防控依然面臨嚴峻挑戰[25]。

　　本文以上海市中心城區(外環線以內)為研究區，該區總面積約667km2，是上海城鎮體系的核心，長期承載著高強度人類活動。在快速城鎮化過程中，中心城區河道萎縮、地面沉降問題十分嚴重，地表透水和儲水能力大大降低。該區域地勢低平，部分地表高程甚至低于多年平均高潮位。區域內排澇系統整體設計標準偏低，排水能力非常有限。

　　因此，該區域已成為典型的暴雨內澇災害高風險區。在《上海市機構改革方案》指導下，上海于2018年正式組建應急管理局，統籌建設和管理火災撲救、抗洪搶險、地震和地質災害救援、生產安全事故救援等應急救援力量。實踐經驗表明[26-27]，消防服務是暴雨內澇災害中需求較高的一種救援類型，也是本文重點關注的城市應急響應部門。

　　依據上海市消防局2019年的最新統計信息，研究區現階段共有53個消防中隊、大隊或支隊，其中37個位于浦西地區、16個位于浦東地區，且內環、中環、外環分別有21、17、15個消防站點(浦東支隊戰勤保障大隊和保稅區中隊在空間位置上重疊)，基本覆蓋中心城區。此外，本文采用的需求單元是250m×250m規則網格，以網格的幾何中心作為代表計算每個需求點與消防站之間的時間(距離)成本，研究區內總共有3744個網格。

　　1.2數據來源及處理

　　本文所使用的數據主要包括研究區地形數據、POI數據、實時路況數據以及道路網絡數據。其中地形數據由上海測繪研究院提供，數據源是基于高精度航拍影像通過立體像對方式生成的數字表面模型(DSM)，原始分辨率為0.5m。為兼顧模型運算效率和模擬精度，通過重采樣將分辨率降低至5m，約為單條車道寬度，可以保證暴雨內澇模擬結果展現道路網絡中的積水狀態。POI數據從高德開放平臺“搜索POI”應用程序接口(API)爬取得到。根據POI的類型可以大致判斷出該位置上的人群、地物或活動特征，進而度量其脆弱性水平以及對消防救援服務的需求規模。

　　本文重點關注4類脆弱性POI：事故高發類、人群脆弱類、人流密集類和歷史文物類。其中，事故高發類主要包括加油站、加氣站、工業園區等易燃易爆場所，火災事故隱患較高，造成的人員傷亡和事故影響也極為惡劣，對消防服務有較高需求。人群脆弱類主要包括養老院、幼兒園、學校、醫院等場所，聚集了大量弱勢人群，在災害發生時自我保護和逃生能力較差，容易遭受傷害，對消防服務也有較高需求。

　　人流密集類主要包括商業中心、熱門景點等場所，雖然不是脆弱人群聚集地，但由于人流量大，在安全事故中也極易造成“群死群傷”的重大悲劇。歷史文物類涉及圖書館、博物館等場所，存放著大量珍貴的歷史文物與文獻資料，具有極高的文化價值。因此，以上4類場所都應是消防部門重點關注和保護的對象。本文綜合考慮每類場所發生安全事故的概率及其后果的嚴重程度，將事故高發類、人群脆弱類、人流密集類、歷史文物類的消防需求等級分別設置為4、3、2、1(4表示最高，1表示最低)。

　　對收集到的7122條POI數據進行分類后，統計每個需求網格內每類POI的數量并進行極差標準化處理，再以需求等級為權重進行加權求和，得到每個需求網格的需求規模(圖1b)。實時路況數據通過調用高德開放平臺“交通態勢”API爬取，數據格式為shapefile。采集了2020年5月18—22日共計5d、每天9:00、14:00、18:00和2:00的實時路況，包括道路名稱、擁堵狀態、方向、車行角度(判斷道路正反向使用)和速度(數值型)等信息。

　　據統計，在早高峰(9:00)、白天平峰(14:00)、晚高峰(18:00)和夜間低峰(2:00)4個時段，研究區路網平均速度分別為27.78、30.74、26.14和31.40km/h。本文所使用的道路網絡數據由華東師范大學地理信息科學教育部重點實驗室提供，包含道路名稱、類型(高架/高速路、主干道、次干道、支路)、長度、標準限速、單雙行、轉向限制等基本信息。研究區共計有9209個路段(兩個路口之間)，其中能匹配到高德實時路況的路段有5095個(匹配路段總長度占整個路網的60%~65%)，剩余路段(大部分為支路)的速度基于標準限速進行適當折減，以體現實時交通和暴雨天氣對消防車行駛速度的影響。

　　1.3研究方法

　　1.3.1城市暴雨內澇模擬

　　首先，對百年一遇暴雨情景進行設定：采用上海市暴雨強度公式和芝加哥雨型計算生成降雨量和降雨時間序列。然后，采用基于柵格的高精度水文—水動力數值模型(FloodMap-HydroInundation2D)進行地表內澇過程模擬。該模型在二維水動力模型(FloodMap)的基礎上耦合了城市水文過程(蒸發、下滲和排水等)模塊，其中，下滲量通過Green-Ampt方程計算，蒸發量基于經驗公式估算(約3mm/d)，排水量基于雨水管網的設計排水能力計算(將36mm/h線性分解到每個時間步長上)。

　　1.3.2消防服務可達性評估

　　消防救援服務的可達性不僅受交通阻抗影響，還與需求單元的需求規模緊密相關。供給點周邊的需求量越高，供給點越繁忙，則服務的“可獲得性”可能較差，進而導致可達性較低。兩步移動搜尋法(2SFCA)基于機會累計思想，在一定的搜索半徑內計算供需比，考慮了居民對有限資源的競爭，即可達性的“可接近性”維度。但這一方法假設搜索區內所有居民獲取服務的機會是均等的，與現實情況有一定差距。在2SFCA的基礎上，E2SFCA在搜索半徑內按時間(距離)設置權重，時間(距離)越短，對資源的競爭優勢越大，體現了“可獲得性”維度。

　　2結果與分析

　　2.1暴雨內澇模擬結果

　　由于在5m水平空間分辨率下展布整個研究區的積水分布不利于辨識出水深超過50cm的淹沒區，故統計了250m×250m格網單元內積水深度超過50cm的淹沒面積。

　　總體來看，積水深度超過50cm的淹沒范圍呈現微弱的“西高東低”分布態勢，淹沒總面積可達1.5km2。其中，淹沒面積在0~100m2的格網單元連片分布，數量最多(約占48.90%)，淹沒面積在100~300m2的格網單元呈團塊狀分布(約占37.58%)，而淹沒面積在300m2以上的格網單元主要沿河流、道路等呈條帶狀分布(約占13.52%)。

　　可見，由于研究區地勢低平，內澇分布并無明顯空間差異，不會出現大片的嚴重積水區域。暴雨徑流的匯流過程主要受微地表形態影響，道路(除高架、高速路外)一般是城市地表中的典型低洼處，路面低于兩側路肩約20~30cm，極易成為內澇發生地[31]。為了更加精準地描述道路網絡中積水分布的動態變化及其對路網通行狀態的影響，本文以15min為間隔輸出模擬結果，將動態的暴雨內澇過程劃分為8個階段。可以看出：

　�、僭诎倌暌挥霰┯昵榫跋拢�上海中心城區大部分道路都會出現10~20cm深度積水;20~30cm積水分布范圍雖不夠連續，但與道路形態仍十分接近;30~50cm及超過50cm積水分布較為分散，通常只出現在路段的某一部分，并且僅在低洼地區出現整條路段被淹情況。

　　②降雨開始階段(T1：(0,15]min)沒有出現內澇，雨峰前后(T2~T3：(15,45]min)內澇逐漸形成并加強，到雨停之時(T4：(45,60]min)達到最嚴重內澇狀態;雨停之后(T5~T8：(60,120]min)積水逐漸消退，但速度較慢，(75,105]min內澇程度差異不大，直到120min積水范圍和深度才明顯縮小。

　　依據每一階段內道路網絡的最大淹沒深度信息辨識的通行受阻路段。除(0,15]min(沒有內澇)外，依次統計其他7個階段水深超過50cm的路段分別有82、367、471、449、418、395和378條，累計長度分別為35.34、165.24、206.46、195.91、182.92、172.40、166.26km�？傮w來講，百年一遇暴雨內澇情景下上海市中心城區淹沒深度超過50cm的路段占全路網的0.89%~5.11%，并且在降雨尾聲階段(T4：(45,60]min)內澇狀態最為嚴重。

　　2.2消防服務可達性時空變化特征分析

　　2.2.1時空分布特征

　　分別對正常天氣條件(n)和百年一遇暴雨內澇情景下(p)下研究區消防救援服務可達性進行評估�？梢园l現：

　　(1)在正常情景下，上海市中心城區消防救援服務可達性大體呈現出由黃浦江兩岸向西北和東南方向遞減態勢，空間差異較為顯著。在一天中的不同時段，可達性空間格局變化并不明顯，整體上呈現以各個消防站為中心向四周遞減的趨勢，但受站點周邊交通狀況及需求分布的綜合影響，遞減速度有所不同。夜間低峰和白天平峰時段不可達單元相對較少，分別為413個(11.03%)和407個(10.87%)，主要分布在研究區邊緣，由于距離消防站較遠，消防車難以在響應時間內到達。早高峰和晚高峰時段不可達單元相對較多，分別為535個(14.29%)和556個(14.85%)。

　　由于早、晚高峰期間，城市人群流動量較大，尤其是“潮汐式”通勤出行導致道路網絡中車輛數量激增，擁堵加劇，通行速度降低，導致消防車能在規定響應時間內到達的范圍縮小，更多的需求單元變得不可達�？傮w來看，一天中不同時段消防服務可達性指數分布特征相似，中可達(0.4,0.8]單元最多(32.53%~39.72%)，低可達(0,0.4]單元次之(30.32%~32.32%)，高可達(>0.8)單元較少(16.93%~21.79%)，不可達單元最少(11.03%~14.85%)。

　　3結論與討論

　　3.1結論

　　本文基于高精度城市暴雨內澇模擬和增強型兩步移動搜尋法，綜合考慮需求規模和交通成本的動態變化，在精細時空尺度上分別對正常天氣條件和百年一遇暴雨內澇情景下消防服務可達性進行評估。主要發現如下：

　　(1)百年一遇暴雨內澇情景下，上海市中心城區內澇最嚴重時積水深度超過50cm的淹沒范圍整體呈現“西高東低”分布態勢，淹沒總面積約1.5km2;積水深度超過50cm的路段占全路網的0.89%~5.11%，降雨尾聲階段(T4：(45,60]min)內澇狀態最為嚴重，但可達性受損最嚴重的是在雨峰后半段(T3：(30,45]min)。

　　(2)消防服務可達性的空間差異比較顯著，大體呈現出由黃浦江兩岸向西北和東南方向遞減態勢。但在一天中的不同時段，可達性空間格局變化并不明顯。與正常天氣條件相比，暴雨內澇情景下中可達單元減少，不可達單元增多(夜間低峰、早高峰、白天平峰和晚高峰時段分別增加36.32%、35.89%、39.07%和32.01%)。

　　(3)消防服務可達性表現出一定的空間集聚特征，其中高值聚集區“(高—高”型)主要位于黃浦江兩岸以及研究區的西部邊緣地區，低值聚集區“(低—低”型)主要位于研究區西北和西南區域，這2類聚集區均呈“團塊狀”分布，其他2類聚集區“(高—低”型和“低—高”型)集聚均不顯著。(4)在正常天氣條件下，研究區內消防服務的空間失配現象也比較明顯，“低需求—高可達”單元和“高需求—低可達”單元的數量較多。暴雨內澇情景導致“低需求—高可達”單元減少，但“高需求—低可達”單元數量增多，加劇了消防服務的空間失配問題的嚴重性。

　　3.2討論

　　隨著城市地區暴雨內澇災害風險日益增高，開展基于災害場景的城市應急響應能力研究具有重要意義。本文旨在通過精細時空尺度下暴雨內澇對城市消防服務可達性的影響分析，為城市尺度的消防服務與洪澇災害精細化管理提供參考案例。鑒于洪澇災害對城市消防服務可達性的顯著影響，應急管理部門可考慮如下預防和應對策略：

　�、贅O端暴雨預警發布后，在消防服務需求較高、可達性卻較低的失配區域設置臨時急救站，提前派遣消防車和專業施救人員到達現場，以免事故突發時不能及時趕到開展援救工作;②提高暴雨內澇實時預報精度(更新頻率≤15min)，在此基礎上優化消防車導航系統，能精準捕獲實時交通狀態和積水分布信息，避免誤入擁堵嚴重或積水過深的路段從而導致救援延誤;③進一步提高消防車涉水性能，或配合其他交通工具(氣墊船、直升機、水陸兩棲車等)同步使用，確保路網關鍵節點發生嚴重積水后仍能執行緊急救援任務;④進一步優化消防救援系統的資源配置，包括增設新的消防站點并合理分配供給規模，逐步解決空間失配問題。

　　本文可在以下2個方面進行完善與拓展：一是加強可達性影響因素定量研究，在供需規模和交通成本時空差異基礎上，考慮更加全面的自然和人文因素，對其影響大小和時/空間異質性進行分析;二是極端暴雨內澇情景下應急救援車輛速度的率定，本文采用統一的折減系數體現降雨過程和其他車輛避讓行為對消防車行駛速度的影響，還需基于更具代表性的雨天交通態勢數據和消防車出勤數據對折減系數進行優化。

　　參考文獻(References)

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

　　[2]尹占娥,許世遠,殷杰,等.基于小尺度的城市暴雨內澇災害情景模擬與風險評估[J].地理學報,2010,65(5):553-562.[YinZhan'e,XuShiyuan,YinJie,etal.Smallscalebasedscenariomodelinganddisasterriskassessmentofurbanrainstormwater-logging.ActaGeographicaSinica,2010,65(5):553-562.]

　　[3]陳昆侖,許紅梅,李志剛,等.快速城市化下的武漢城市暴雨漬水空間特征及發生機制[J].經濟地理,2020,40(5):129-135,219.[ChenKunlun,XuHongmei,LiZhigang,etal.ThespatialcharacteristicsandformationmechanismofurbanrainstormwaterloggingundertheinfluenceofhumanactivitiesinWuhan.EconomicGeography,2020,40(5):129-135,219.]

　　[4]易嘉偉,王楠,千家樂,等.基于大數據的極端暴雨事件下城市道路交通及人群活動時空響應[J].地理學報,2020,75(3):497-508.[YiJiawei,WangNan,QianJiale,etal.Spatio-temporalresponsesofurbanroadtrafficandhumanactivitiesinanextremerainfalleventusingbigdata.ActaGeographicaSinica,2020,75(3):497-508.]

　　[5]李威,艾婉秀,曾紅玲,等.2020年汛期我國主要天氣氣候特征及成因分析[J].中國防汛抗旱,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，王軍1,2,3，李夢雅1,2,3*

轉載請注明來自發表學術論文網：http://www.zpfmc.com/jjlw/29496.html