EN中文

热带地理 >

2025 , Vol. 45 >Issue 4: 605 - 620

DOI: https://doi.org/10.13284/j.cnki.rddl.20240806

风险评估与预测技术创新

上海汛期暴雨内涝时空分异及文旅集聚区影响评价

  • 沈涣焕 , 1 ,
  • 胡恒智 , 2 ,
  • 辛辰 3 ,
  • 温家洪 1 ,
  • 杨雨露 1
展开
  • 1. 上海师范大学 环境与地理科学学院，上海 200234
  • 2. 上海商学院 酒店管理学院，上海 200235
  • 3. 上海中心气象台，上海 200030
胡恒智（1988—），男，安徽蚌埠人，博士，讲师，从事气候变化适应与稳健决策研究，（E-mail）。

沈涣焕（2000—），男，江苏无锡人，硕士研究生，从事内涝模拟与影响评估研究，（E-mail）；

收稿日期: 2024-12-06

  修回日期: 2025-03-10

  网络出版日期: 2025-04-28

基金资助

上海哲学社会科学基金(2024BJC014)

国家自然科学基金面上项目(42171080)

收起

Spatio-Temporal Variations of Rainstorms and Pluvial Floods and Impact Assessment on Cultural Tourism Clusters during Flood Seasons in Shanghai

  • Huanhuan Shen , 1 ,
  • Hengzhi Hu , 2 ,
  • Chen Xin 3 ,
  • Jiahong Wen 1 ,
  • Yulu Yang 1
Expand
  • 1. School of Environmental and Geographical Sciences, Shanghai Normal University, Shanghai 200234, China
  • 2. School of Hospitality Management, Shanghai Business School, Shanghai 200235, China
  • 3. Shanghai Central Meteorological Observatory, Shanghai 200030, China

Received date: 2024-12-06

  Revised date: 2025-03-10

  Online published: 2025-04-28

Fold

摘要

利用上海市1990—2020年逐日降雨数据，构建了汛期3个时期（梅雨期、盛夏期、秋雨期）3种雨量阈值（最大值、99分位、95分位）下的9种暴雨情景。基于SCS-CN水文模型和Mike21水动力模型进行城市暴雨水淹模拟，构建了基于层次分析法和熵权法组合权重与控制规则的模糊综合评价指标体系，对上海文旅集聚区进行内涝影响评价。结果表明：1）盛夏期为上海暴雨内涝高影响时期，95分位情景下郊区受轻微内涝影响，极大值情景下中心城区内涝影响显著增加；2）控制规则有效地提升了内涝影响评价体系的合理性与适应性，常住人口和流动人口是内涝影响评价的关键因子；上海市文旅集聚区内涝影响呈现显著的时空梯度特征，中高及高影响区域主要集中于中心城区文旅集聚区；3）盛夏期中高及高影响区域面积最大，达3.1 km2（占比8.79%），梅雨期次之，秋雨期影响最小；4）盛夏期街区马路型集聚区的高影响面积占比最大，水岸休闲型和文旅综合型次之，面积占比分别为27.52%、8.30%和6.44%。

关键词： 汛期暴雨; 城市内涝; 模糊综合评价; 承灾体暴露; 文旅集聚区; 上海

本文引用格式

沈涣焕 , 胡恒智 , 辛辰 , 温家洪 , 杨雨露 . 上海汛期暴雨内涝时空分异及文旅集聚区影响评价[J]. 热带地理, 2025 , 45(4) : 605 -620 . DOI: 10.13284/j.cnki.rddl.20240806

Abstract

With the acceleration of climate change and urbanization in recent years, extreme rainstorms and urban flooding have increasingly threatened urban safety. Their impact on cultural, commercial, and tourism industries is widespread and significant, often leading to traffic paralysis, closure of tourist attractions, business shutdowns, and passenger stranding. In severe cases, this can endanger personal safety and result in significant economic losses. Shanghai, a representative coastal tourist city in China, is highly prone to rainstorm-induced flooding events from June to October each year due to the Meiyu front, extreme rainstorms, and typhoons. Conducting flood inundation simulations in Shanghai during the flood season is essential to identify high-impact urban flood areas and evaluate flood effects on densely populated cultural, commercial, and tourism hubs. This study used daily rainfall data from Shanghai between 1990 and 2020 to construct nine rainstorm scenarios based on three flood season periods (Meiyu, midsummer, and autumn) and three rainfall thresholds (maximum, 99th, and 95th percentiles). Using the SCS-CN and Mike21 hydrodynamic models for urban rainstorm flood simulations, a fuzzy comprehensive evaluation index system was developed based on a combination of Analytic Hierarchy Process(AHP) and Entropy Weighting Method (EWM) to assess the impact of flooding on Shanghai's cultural and tourism cluster areas. Results indicate the following: (1) Shanghai experiences the highest impact from rainstorm-induced flooding in the midsummer period. In the 95th percentile scenario, suburban areas experience minor flooding, whereas in the maximum value scenario, central urban areas experience a significant increase in flooding impact. (2) Control rules effectively improved the rationality and adaptability of the flood impact evaluation system. Resident and transient populations are key factors in evaluating flood impact. The flood impacts in Shanghai's cultural and tourism clusters showed significant spatial and temporal gradient characteristics, with medium-to-high- and high-impact areas primarily concentrated in the central urban cultural and tourism clusters. (3) Midsummer had the largest medium-to-high and high-impact zones, reaching 3.1 km² (8.79% of the total area), followed by the Meiyu period, whereas the autumn period has the smallest impact. (4) During midsummer, the largest proportion of high-impact areas was found in street- and road-type clusters, followed by waterfront leisure and comprehensive cultural tourism clusters, with areas accounting for 27.52%, 8.30%, and 6.44%, respectively. Cultural and tourism clusters should strengthen early warning, regulation, and preventive measures based on seasonal variations, especially during midsummer, when effective countermeasures must be implemented to reduce flooding impacts on visitor experience and regional safety. This study provides valuable insights for urban flood forecasting, early warning, and emergency response, as well as recommendations for sustainable development of the urban cultural, commercial, and tourism industries.

Key words： flood season rainstorm; urban pluvial flood; fuzzy comprehensive evaluation; exposure of elements at risk; cultural tourism clusters; Shanghai

伴随气候变化和城市化进程加速，近年来中国汛期极端暴雨内涝灾害事件频发（孔锋 等，2019；徐宗学 等，2021），内涝影响严重威胁城市安全。极端暴雨引发的城市内涝对文商旅业影响广泛而显著，不仅易引发交通瘫痪、景区关闭、商户停业和旅客滞留，严重时甚至威胁人身安全、造成严重经济损失（王新越 等，2020；黄晓萱 等，2022）。作为全国代表性沿海旅游城市，上海每年6—10月的主汛期期间受梅雨锋、极端暴雨和台风等致灾因子的影响，易发生暴雨内涝灾害事件。如2024年台风“普拉桑”于9月20日早登陆，恰逢上海旅游节开幕，期间全市普降暴雨致使大面积受淹，中心城区出现大量持续性积涝，导致交通受阻、地铁停运、商户停业以及景区关闭，严重影响城市正常运转。因此，开展上海市域汛期暴雨阈值情景淹没模拟，识别城市内涝高影响区域，聚焦文商旅产业集聚、人员财产集中的城市文化旅游消费集聚区开展影响评价研究，可为城市内涝预报预警和防汛应急处置提供参考，也为保障城市文商旅产业的可持续发展提供有益探索（Yin et al., 2016; Lu et al., 2023; Dube et al., 2023）。
面向城市暴雨内涝问题，包括定性、半定量和定量等在内的诸多方法被应用于内涝影响评估（张会 等，2019；徐宗学 等，2020；吴国凤 等，2024）。数理统计方法通过对历史内涝数据的统计分析，挖掘灾害发生的规律与特征，定性评价区域内涝风险（Adikari et al., 2010）；指标体系法通过构建包含灾害致灾因子与承灾体的多维指标体系综合评估内涝影响等级，其权重的确定通常依赖专家打分（Shariat et al., 2019；程朋根 等，2022）；情景分析法通过构建不同假设情景，模拟内涝灾害发生过程及其影响，可较好地刻画内涝淹没过程，评估受淹范围和等级（Yin et al., 2021）。这些方法为内涝灾情影响、内涝风险识别、游客疏散规划及旅游设施的抗灾能力评估提供了有效支持。但各方法也存在局限性：如数理统计法使用了历史灾害数据预测未来洪涝风险导致结果可信度不高；指标体系法的权重确定依赖专家个人知识与经验，导致评估结果具有一定主观性；情景分析法通常使用水文水力模型进行内涝数值模拟，受降雨量重现期、地形条件、排水系统性能、人口分布等多重因素共同制约，数值模拟计算资源耗费量大。
模糊综合评价法（Fuzzy Comprehensive Evaluation）源自模糊集合理论，是一种考虑多因素、多层次的评价方法，该方法引入模糊数学，可将定性评价转化为定量评价，能在信息不完全或数据不精确的情况下，提供较为科学、合理的风险评估结果，适用于解决定性评价和多因子交互影响的复杂系统问题（Akter et al., 2019; Cai et al., 2019）。与传统内涝影响评估方法相比，模糊综合评价法具备较强的综合性、灵活性和适应性，通过引入模糊集和隶属度函数可量化定性评价，可融合指标体系和情景分析方法，实现多维要素的综合影响量化评估。Wang等（2020）提出一种基于组合权重的模糊综合评价方法，为京津冀都市圈内涝风险评估提供了一种新颖的定量方法；黄国如等（2021）针对城市洪涝系统复杂、不确定的特点，采用模糊综合评价法进行城市洪涝灾害风险评估；Chen等（2022）基于动态人口分布与模糊综合评价方法，系统评估了深圳河流域北部不同时段的内涝风险特征，深入揭示了风险区域随人口流动动态变化的空间规律。然而，已有模糊综合评价研究多侧重于时空暴雨内涝的影响评估，较少涉及内涝敏感行业的影响评价，也未尝试运用模糊逻辑控制（Fuzzy Logic Control）结合城市内涝治理实施方案，解决多维要素综合影响评价的问题。
文商旅业对于汛期暴雨高度敏感，内涝影响波及食、住、行、游、购、娱诸多行业，存在多维承灾体暴露量化困难、综合影响量化评价复杂的问题。为此，本研究提出一套城市旅游内涝影响综合评价指标体系，采用模糊综合评价法构建致灾因子危险性和承灾体暴露度评价集合和模糊评价矩阵，实现多维要素影响的综合量化评价。在此基础上，参考上海市内涝治理实施方案，选取内涝防治关键目标参数实现内涝防控逻辑转化，构建模糊控制方法，优化不同防控目标和旅游要素的影响等级评价，识别汛期极端暴雨的重要影响区域。以期为沿海文旅城市内涝影响的预报预警提供科学依据，为城市内涝灾情防治提供参考。

1 研究区概况

上海地处河网密集、地势平坦的长三角地区，平均海拔约4 m，属于典型的亚热带季风气候。1991—2020年，上海年均降雨量约为1 259.4 mm，其中汛期（6—9月）降雨量占全年降雨总量的48.9%，达到614.8 mm。梅雨期（161~240 d）的持续降雨、盛夏期（201~240 d）强对流天气引发的极端暴雨以及秋雨期（241~280 d）由台风带来的强降水均可能产生暴雨过程，以致汛期城市内涝事件时常发生。上海每年大量文化旅游节事赛事活动在5—10月举办（如5月“五五购物节”、7月8月“上海之夏”、9月“上海旅游节”等），故汛期暴雨内涝不仅对城市正常运行构成挑战，也是文商旅产业的重要威胁。
双循环背景下，国务院办公厅（2019）印发的《国务院办公厅关于进一步激发文化和旅游消费潜力的意见》提出要建设200个以上国家级夜间文旅消费集聚区（下称“文旅集聚区”）。文旅集聚区作为多功能集成空间，通过文化、旅游、商业要素融合提升区域价值，但高密度人流与复合业态特征使其对内涝等灾害高度敏感。上海打造了“国家级集聚区―地标性节点―‘一江一河’滨水经济带”的文旅集聚区整体布局，本研究根据功能定位将上述文旅集聚区划分为3类：街区马路型（城市历史风貌街区）、水岸休闲型（滨江、河沿岸空间）以及文旅综合型（文化场馆、景区与大型商业综合体）（表1），对应差异化空间业态（图1）。
表1 文旅集聚区类别与名称

Table 1 Categories and names of cultural-tourism clusters

编号 集聚区类别 名称
1

文

旅

综

合

型

 新天地—思南公馆
2 徐家汇源—美罗城
3 南京西路商圈
4 五角场
5 豫园
6 西岸美术馆大道
7 大宁片区
8 上海国际旅游度假区
9 莫干山路艺术街区
10 夜虹桥潮流街区
11 静安寺
12 陆家嘴
13 苏河湾―中山公园
14 虹桥古北
15

水

岸

休

闲

型

 黄浦外滩
16 北外滩滨江
17 外白渡桥
18 杨浦滨江
19 静安—苏河湾
20 浦江富都滨江1862船舱—艺仓
21 前滩
22 世博片区
23

街

区

马

路

型

 衡复音乐街区
24 安福路文艺街区
25 新华历史风貌街区
26 愚园路风貌景区
27 吴江路—张园—丰盛里
28 音乐谷—瑞虹
29 定西路—上生新所
图1 研究区文旅集聚区分布

Fig.1 Distribution of cultural and tourism clusters in the study area

2 数据与方法

2.1　数据来源

数据来源主要包括：1）上海市1991—2020年11个国家气象观测站的30年逐日降水数据（图2-a）；2）上海市水务规划院提供的2010年10 m地面高程数据；3）2022年土地利用数据，来源于武汉大学CLCD（China Land Cover Dataset）数据库 1（Yang & Huang, 2021），分辨率为30 m（图2-a）；4）上海市水务局发布的《排水规划（2020—2035年）》排水能力数据（上海市水务局 等，2020），基于设计标准与覆盖范围，在ArcGIS Pro中完成矢量化，并结合《上海市暴雨强度公式》（DB31/T 1043-2017）计算排水量（上海市质量技术监督局，2017）（图2-b）；5）2022年道路网络密度与交通站点数据为矢量格式，来自OpenStreetMap 2，道路流量数据来源于高德开发平台 3；6）2022年7月的时空人口大数据分辨率为50 m，来源于智图平台 4；7）旅游要素兴趣点大数据来源于高德开发者平台，选取2022年食住行游购娱相关文化旅游商业类别数据，统计100 m格网内兴趣点数量 5；8）文旅集聚区边界参考《上海市夜间经济空间布局和发展行动指引（2022—2025）》（上海市文化和旅游局 等，2020）在ArcGIS Pro 3.1中矢量化绘制。
图2 研究区国家气象观测站、土地利用类型（a）和概化设计排水管网（b）空间分布特征

Fig.2 Geospatial characteristics of meteorological monitoring stations, land use types, and parameterized drainage networks in the study area

2.2　技术路线

为探究汛期内涝影响的时空分异特征及其对上海市文旅集聚区的综合影响，本文基于上海市11个国家气象站的逐日降雨数据（20时―次日20时）构建了极端降雨阈值情景。通过采用SCS-CN模型和Mike21二维水动力模型对9个情景进行内涝数值模拟，生成不同情景下的淹没水深与淹没时间分布图，从而构建致灾因子的危险性评价。在此基础上，将致灾因子与承灾体进行指标划分，并在100 m分辨率的格网尺度上对各指标进行统计分析。权重分配采用层次分析法与熵权法的组合方式，结合构建的因素集和评价集，将其连同权重矩阵 W 输入模糊综合评价模型。基于地方内涝治理实施方案，构建模糊控制规则优化影响评价结果，得出上海市在汛期极端暴雨内涝影响的时空分异，并探讨内涝灾害对上海市文旅集聚区的影响，识别高影响区域，为汛期暴雨内涝预警预报提供决策支持（图3）。
图3 研究内容与技术路线

Fig.3 Research content and technical route

3 研究方法

3.1　指标体系构建

基于内涝影响特征及旅游系统的复杂性，遵循可行性、科学性、代表性、独立性和系统性的原则，从致灾因子的危险性和承灾体暴露度评价城市内涝灾害的影响水平（Pham et al., 2022）（表2）。致灾因子选取淹没水深、淹没时间和淹没面积刻画内涝灾害的时空分异（王兆卫，2017）。淹没水深三级指标包括最大值（下称“极大值”）情景、99分位情景和95分位情景的最大时刻淹没水深（m）；淹没时间三级指标包括极大值情景、99分位情景和95分位情景的淹没时长（h）；淹没面积三级指标包括极大值情景、99分位情景和95分位情景的最大时刻淹没面积（m2）。
表2 上海市文旅区内涝影响指标体系构建

Table 2 Construction of the pluvial flood impact indicator system for cultural and tourism districts in shanghai

准则层 指标层 方案层

致灾

因子

 淹没水深 极大值水深/m
99分位水深/m
95分位水深/m
淹没时间 最大淹没时间/h
99分位淹没时间/h
95分位淹没时间/h
淹没面积 最大淹没面积/m2
99分位淹没面积/m2
95分位淹没面积/m2

承灾体

暴露度

 人口 总人口/（人·hm-2）
流动人口/（人·hm-2）
交通 主干道路网密度/（km·hm-2）
次干道路网密度/（km·hm-2）
道路流量等级
交通站点/（个·hm-2）
旅游要素 餐饮设施/（个·hm-2）
住宅设施/（个·hm-2）
出行设施/（个·hm-2）
游览设施/（个·hm-2）
购物设施/（个·hm-2）
娱乐设施/（个·hm-2）
直接暴露视角表征城市基础要素和旅游要素承灾体。选取指标包括人口（流动人口、总人口）、交通（主次干道路网密度、道路流量、交通站点）及旅游要素（餐饮设施、住宅设施、出行设施、游览设施、购物设施、娱乐设施）（丁亮 等，2020；Zhang et al., 2022；李欣 等；2022）。这些指标从多维度反映内涝灾害对城市及城市内文旅集聚区各承灾体的暴露度：流动人口反映游客集中度，常住人口体现灾害影响的基础规模；路网密度、道路流量和交通站点（包括地铁站和公交站）表征交通基础设施的暴露度；旅游要素涵盖旅游活动的要素和场所，反映单位面积内的旅游要素暴露度。其中，餐饮设施包括餐厅/酒楼/饭店等；住宅设施包括住宅小区、星级宾馆酒店等；出行设施包括高速、机场、车站、码头、停车场、加油站等；游览设施包括公园、动物园、植物园等；购物设施包括百货商场/购物中心，专营市场/商店等；娱乐设施包括图书馆、游乐场等各种场馆和娱乐场所。

3.2　汛期极端内涝情景

基于上海市各国家气象站1991—2020年的逐日降水数据，按照日降水量升序排列后，提取日降水量≥0.1 mm的子样本，阈值计算基于上海市11个气象站1991—2020年逐日降水数据（日降水量≥0.1 mm），通过百分位数法（极大值、95分位以及99分位）分时期（梅雨期、盛夏期、秋雨期）独立构建极端降雨情景，为减小阈值的年际波动影响，采用5 a滑动平均法对阈值进行平滑处理（依次剔除连续5 a数据，计算剩余25 a阈值均值，共生成26组子样本均值），并取其平均值作为平滑结果，经验证，3个时期降雨分布存在显著差异（Kruskal-Wallis检验，P<0.05）。胡恒智等（2024）发现上海市汛期降水具有显著的时空差异，考虑到汛期暴雨的时空分异和雨量阈值从极端性到一般性的覆盖，暴雨情景选取3个时期（梅雨期、盛夏期和秋雨期）和3个分位（极大值、99%分位和95%分位），采用反距离加权插值法生成区域面雨量数据，共构建9种暴雨情景。

3.3　内涝数值模拟

水文过程模拟采用广泛应用于城市内涝灾害研究的SCS-CN模型，基于土地利用类型（如商业区、住宅区、绿地等）对CN值进行本地化校准。二维水动力模拟基于Mike21水动力模型构建，其水动力过程依托三向不可压缩流体与雷诺数均布假设的Navier-Stokes方程，且符合Boussinesq假定及静水压力假定，从而得到逐时的淹没水深序列，排水后处理基于GDAL（Geospatial Data Abstraction Library）工具对排水矢量数据进行栅格化，最终生成研究区域内最大淹没水深与淹没持续时间的空间分布。在Mike21模型的参数设定中，模拟时长为24 h，降雨时长为24 h；上海峰值雨强集中在中前段，为贴合上海短时强降雨的特征，采用芝加哥雨型（参数r=0.4）（严正宵 等，2020）；研究区域基于10 m分辨率的数字高程模型（DEM）进行重采样（30 m），网格总数达到4 041×4 383，分辨率为30 m，模拟步长为5 s；上海地形整体平坦（平均高程≤4 m），30 m分辨率地形数据经水务局内涝点验证及坡度补偿修正后，能满足区域尺度风险评估的精度需求，且与《上海市城市内涝治理实施方案（2021—2025）》（上海市水务局，2021）推荐分辨率一致。

3.4　模糊综合评价

模糊综合评价的步骤为：1）根据划分好的指标建立内涝影响因素集U=｛u 1，u 2，…，un ｝；2）根据熵权法与AHP法组合确定各因素的权重，并构造权重矩阵 W；3）为每个因素集进行阈值划分并建立评语集V=｛v 1，v 2，…，vn ｝；4）设计隶属度函数，并根据隶属度函数计算出模糊矩阵 R；5）基于决策文件构造模糊规则库动态调整隶属度；6）根据各指标的权重和隶属度矩阵求出复合模糊矩阵 B。

3.4.1　权重分配与等级划分

层次分析法（Analytic Hierarchy Process, AHP）通过专家主观判断确定指标的相对重要性，适用于指标关系复杂的情境，能充分融入专家经验，但受专家认知偏差与群体一致性水平制约，可能降低赋权科学性与稳定性（Yang et al., 2018）；熵权法（Entropy Weight Method, EWM）依托信息熵理论构建客观赋权模型，依据数据分布解析指标分布的离散特征，在数据完备性较高时能准确捕捉指标间差异化特征，但数据不足或不完整时可能影响结果的准确性（Xu et al., 2018）。本文将层次分析法（AHP）与熵权法（EWM）相结合，既兼顾主观经验，又能有效利用客观数据，为指标权重分配提供更科学的依据。
建立评语集V=｛v 1，v 2，…，vn ｝，并划分不同的评价等级：低、中低、中、中高、高，各评价集的下限取最小值，上限取最大值，其中致灾因子阈值依据《城镇内涝防治技术规范》（中华人民共和国住房和城乡建设部 等，2017）和《洪水风险图编制导则》（中华人民共和国水利部，2017），结合文旅区特性优化确定：淹没水深划分为0.15、0.3、0.5、0.75、1.0 m 5级临界值，对应浅层滞水、步行受阻、车辆熄火、建筑进水及生命安全威胁等渐进风险；淹没时间以1、3、6、12、24 h为分级阈值，表征24 h持续降雨过程中商业设施的阶段性淹没过程；淹没面积按900、1 800、2 700、3 600、5 400 m²分级，反映积水空间扩散影响。承灾体暴露变量基于自然断点法划分为5级，通过最小化类内方差实现数据驱动的客观分级。

3.4.2　建立模糊矩阵

通过构建模糊评价矩阵 R （黄国如 等，2021），可反映因素集U与评语集V之间的模糊隶属关系，模糊评价矩阵 R 可以表示为：
R = R 1 R 2 ⋮ R i= r 11 r 12 … r 1 m r 11 r 22 … r 2 m ⋮ ⋮ ⋮ ⋮ r i 1 r i 2 … r i m
式中：rim 表示因素集U中第i个因素ui 对应评语集V中第m个等级vm 的相对隶属度。
为确定各指标对各等级的隶属度，通常选用升、降半梯形函数和三角形分布函数。为确定各指标对各等级的隶属度，通常选用升、降半梯形函数和三角形分布函数。具体而言，低影响和高影响分别使用降[公式（2）]、升[公式（4）]半梯形函数而中间的3个等级采用三角形分布函数[公式（3）]：
r n =   1 ,    x ≤ a 1 a 2 - x a 2 - a 1 , a < x ≤ a 2 0 ,    x > a 2
r i m = 0 ,    x ≤ a m - 1 或 x ≥ a m + 1 x - a m - 1 a m - a m - 1 , a m - 1 < x < a m 1 ,    x = a m a m + 1 - x a m + 1 - a m , a m < x ≤ a m + 1
r n =   0 ,    x ≤ a 4 x - a 4 a 5 - a 4 , a 4 < x ≤ a 5 1 ,    x > a 5
式中： x为某评价因子的实际值； a m为相应级别的临界值。

3.4.3　模糊控制规则

根据《城镇内涝防治技术规范》要求：“1）道路车道积水深度0.15 m以上的区域会引发交通中断、居民出行困难、导致房屋进水等问题；2）居民住宅和工商业建筑物的底层不进水；道路中一条车道的积水深度不超过15 cm；3）应对城镇内涝风险进行评估，内涝风险大的地区宜结合其地理位置、地形特点等设置雨水行泄通道，应选取排水系统下游的道路，不应选取城镇交通主干道、人口密集区和可能造成严重的道路”（中华人民共和国住房和城乡建设部 等，2017）。在规则设计方面，遵循“低风险优先识别、高风险递进管控”原则，通过构建关联机制实现致灾因子、交通因子、人口密度及旅游要素等核心指标与规范条文的动态关联（表3），各规则之间采用交集运算，以达成更为科学合理的城镇内涝防治规则体系。
表3 模糊控制规则与规范映射

Table 3 Fuzzy control rules and specification mapping

规则 触发条件 输出逻辑 规范依据

规

则

一

任一条件满足：

1）淹没水深最大隶属度为低影响评价集；

2）承灾体最大隶属度为低影响评价集。

 判定为低影响，无需紧急干预。 规范第2条：“道路积水≤0.15 m，建筑物底层不进水”。
规则二

同时满足：

1）淹没水深最大隶属度为中、中高、高影响评价集；

2）人口与旅游要素最大隶属度为非低影响评价集。

 输出三者中最高影响等级，触发区域疏散或限流。 规范第1、3条：“水深≥0.15m需评估，规避人口密集区”。
规则三

同时满足：

1）路网密度最大隶属度为非低影响评价集；

2）道路流量、淹没水深最大隶属度均为非低影响评价集。

 输出淹没水深的最高影响等级 规范第3条：“行泄通道避开主干道，设置于下游道路”。

4 结果与分析

4.1　汛期暴雨内涝时空分异

不同阈值暴雨内涝淹没模拟结果（图4）表明，上海市在不同汛期和不同降雨强度下的内涝影响具有显著的时空异质性。在各汛期极大值情景下（图4-a、d、g），中心城区内涝影响最为严重，最大淹没深度接近1 m，反映极端暴雨下中心城区潜在内涝高危险性。
99分位情景下，梅雨期（图4-b）北部的宝山、崇明和嘉定三区因极端降雨量大且排水管网建设薄弱导致大面积区域淹没水深在0.15 m以上；盛夏期（图4-e）雨量最高叠加地形因素，中心城区和浦东新区受内涝影响较为严重；秋雨期（图4-h）崇明、宝山、奉贤及中心城区内涝影响较大，其中，中心城区的内涝由雨量影响，郊区雨量相对较小，但相对较低的排水能力致使内涝产生。在95分位情景下（图4-c、f、i），内涝影响总体较小，郊区（宝山、崇明和奉贤）表现出轻微的受淹影响。总体而言，内涝深度由雨量、地面高程及排水能力共同驱动，其中，95分位情景仅排水能力较低的郊区受到影响；极大值和99分位情景下，中心城区受淹严重，基础设施承受压力较大。

4.2　模糊影响评价

权重分配与等级划分结果如表4所示，其中，a 1~a 5分别为模糊评价等级的分割点。可发现，保留2位小数后，组合赋权的3个时期因子权重无差异。组合赋权法的权重分配揭示了致灾因子与承灾体指标的结构性不均衡：致灾因子指标的权重相对较高（0.27），其中权重最高的是极大值水深（0.12），交通因子的权重相对较低（0.07），而权重最低的是各分位下的淹没面积（0.03）。
表4 评价因子权重及各等级分割点（a 1~a 5）

Table 4 Weights of evaluation factors and division points for each grade(a 1~a 5)

评价因子 权重 a 1 a 2 a 3 a 4 a 5 值域
梅雨 盛夏 秋雨
极大值水深/m 0.12 0.12 0.12 0.15 0.3 0.5 0.75 1 0~2.69
99分位水深/m 0.09 0.09 0.09 0.15 0.3 0.5 0.75 1 0~2.57
95分位水深/m 0.06 0.06 0.06 0.15 0.3 0.5 0.75 1 0~2.56
最大淹没时间/h 0.05 0.05 0.05 1 2 3 6 12 0~21
99分位淹没时间/h 0.04 0.04 0.04 1 2 3 6 12 0~20
95分位淹没时间/h 0.04 0.04 0.04 1 2 3 6 12 0~16
最大淹没面积/m2 0.01 0.01 0.01 900 1 800 2 700 3 600 5 400 0~8 100
99分位淹没面积/m2 0.01 0.01 0.01 900 1 800 2 700 3 600 5 400 0~8 100
95分位淹没面积/m2 0.01 0.01 0.01 900 1 800 2 700 3 600 5 400 0~8 100
总人口/（人·hm-2） 0.05 0.05 0.05 103 310 735 1 673 3 746 0~18 496
流动人口/（人·hm-2） 0.07 0.07 0.07 239 778 1 317 1 915 2 992 0~15 259
主干道路网密度/（km·hm-2） 0.04 0.04 0.04 0.302 0.532 0.786 1.076 1.487 0~3.083
次干道路网密度/（km·hm-2） 0.02 0.02 0.02 0.196 0.336 0.532 0.839 3.02 0~7.13
道路流量等级 0.01 0.01 0.01 0.669 0.893 1.151 1.515 2.02 0~3
交通站点/（个·hm-2） 0.06 0.06 0.06 1 2 5 9 13 0~17
餐饮设施/（个·hm-2） 0.05 0.05 0.05 4 11 24 46 97 0~162
住宅设施/（个·hm-2） 0.05 0.05 0.05 1 3 7 14 28 0~62
出行设施/（个·hm-2） 0.05 0.05 0.05 1 3 6 12 22 0~35
游览设施/（个·hm-2） 0.07 0.07 0.07 1 2 5 9 13 0~19
购物设施/（个·hm-2） 0.05 0.05 0.05 6 20 62 156 341 0~621
娱乐设施/（个·hm-2） 0.05 0.05 0.05 2 5 9 15 26 0~42
这一偏差导致无控制规则的模糊评价结果（图5）呈现时空异质性。时间维度上，盛夏期中高影响区面积（0.6 km²）远超梅雨期（0.13 km²）和秋雨期（0.15 km²）（表5），但三者占比均不足0.01%；空间维度上，高影响区域集中于中心城区，而外围区域因低权重因子（如旅游要素0.08）表征不足，与实际影响程度可能有所差异。尽管该方法已纳入人流密度等因子，但其低权重难以表征人口-经济聚集区的真实性。为进一步提高内涝影响评估的合理性与适宜性，应参考相关内涝防治政策文件，将其作为规则体系的重要补充，尤其是在潜在高影响区域的识别中。
图4 各阈值下3种暴雨情景内涝淹没影响及分布

Fig.5 Spatial distribution of pluvial flood impact in shanghai based on fuzzy comprehensive evaluation

图5 上海内涝影响模糊综合评价结果分布

Fig.5 Spatial distribution of pluvial flood impact in shanghai based on fuzzy comprehensive evaluation

表5 模糊综合评价结果中各等级对应的面积统计

Table 5 Area statistics for each level in the fuzzy comprehensive evaluation results

影响等级 汛期淹没面积/km2（比例/%）
梅雨期 盛夏期 秋雨期
低 3 075.88（47.04） 2 762.78（42.09） 3 337.28（51.15）
中低 3 368.41（51.51） 3 641.33（55.48） 3 119.03（47.81）
中 94.53（1.45） 159.13（2.42） 67.63（1.04）
中高 0.13（<0.01） 0.60（<0.01） 0.15（<0.01）
高 — — —

4.3　模糊控制规则影响评价

引入模糊控制规则后，评估结果的时空分异性发生定向优化，而非“无显著影响”。规则一（低影响判定）将淹没水深低于阈值（≤0.15 m）的非关键区域判定为低影响区域；规则二（人口-旅游要素叠加）识别关键承灾体的累积效应；规则三（路网-道路高峰流量强制约束）提升重要道路和交通因子的贡献度。图6显示，各汛期中高、高影响区域主要分布于人口密集、文商旅要素聚集的中心城区，其中，盛夏期受内涝影响程度最大、梅雨期次之，秋雨期受影响程度相对较少。这反映控制规则通过与模糊综合评价协同作用，修正了组合赋权法的静态偏差，使高影响区域显性化，能有效减小部分区域因致灾因子危险性较高导致综合影响水平被高估的问题，优化影响评价结果，同时，更合理地表征暴雨内涝影响的时空分布。故规则的设定在一定程度上优化了评价模型的适用性，为内涝影响分级与治理策略提供了更具有指导性的依据。
图6 规则控制下的上海内涝影响模糊综合评价结果分布

Fig.6 Distribution of fuzzy comprehensive evaluation results for pluvial flood impact in shanghai under rule control

控制规则作用下，3个时期均出现高影响区域（见图6），且中高影响区域略有增加，各时期中高、高影响区域淹没面积合计为：梅雨期6.67 km2、盛夏期17.98 km2和秋雨期4.42 km2，面积占比分别为0.1%，0.27%和0.07%（表6）。
表6 控制规则下的模糊综合评价结果中各等级对应的面积统计

Table 6 Area statistics of each level in the fuzzy comprehensive evaluation results under control rules

影响等级 淹没面积/km2（比例/%）
梅雨期 盛夏期 秋雨期
低 5 606.36（85.74） 5 459.71（83.18） 5 714.9（87.60）
中低 853.08（13.05） 967.42（14.74） 751.87（11.53）
中 72.84（1.11） 118.73（1.81） 52.91（0.81）
中高 0.94（0.01） 1.54（0.02） 0.63（0.01）
高 5.73（0.09） 16.44（0.25） 3.79（0.06）
为评估中高影响和高影响等级下的承灾体暴露度，并量化不同承灾体对内涝影响评价的贡献度，对不同汛期时期下上海市各承灾体进行暴露度统计（图7），选择中高影响（a 4）作为阈值既符合《上海市城市内涝治理实施方案（2021—2025）》（上海市水务局，2021）中“超标准降雨条件下少积水、退水快，基本保障城市安全运行”的响应要求，又能针对文旅区特性，在损失可控阶段（如建筑进水未致灾、商业停摆未瘫痪）实施精准干预，避免灾情向不可逆方向（生命安全威胁、业态全面崩溃）演化。
图7 不同汛期中高、高影响区域中各承灾体暴露总量

注：y轴为承灾体数量归一化值（值越高代表单一格网暴露在水深0.15 m以上的POI数量越多），x轴为各时期暴露在0.15 m以上水深的格网数（格网数越多代表受影响的区域越大），红色虚线为中高影响与高影响评价的阈值分割线（值为中高影响隶属度函数的中点与高影响隶属度函数的起点，即a 4，见表4）

Fig.7 Total quantity of each disaster-bearing entity in the medium-high and high impact areas during different flood seasons

结果显示，因极大值与99分位情景中心城区的内涝危险性更高，盛夏期高暴露区域更多，表现出相较其他2个时期x轴具有更宽的值域范围。不同承灾体对内涝影响评价结果的贡献度存在明显差异，人口因素多数中高和高影响区域的人口指标均高于阈值分割点（图7-a、b），表明其暴露度对内涝影响评价的贡献最大；其次是交通因素，有较多区域的主次干道路网密度和交通流量指标（图7-c、d、e）均高于阈值，但交通站点（图7-f）仅有个别样本分布于阈值分割线以上。此外，旅游要素中除出行设施（图7-i）和游览设施个别样本超出阈值外，餐饮设施、住宅设施、购物设施、娱乐设施（图7-g、h、j、k、l）均有一定数量的区域分布于阈值分割线以上，其中娱乐设施暴露度（图7-l）对内涝影响评价的贡献度最高。

4.4　各汛期文旅集聚区影响评估

上海文旅集聚区汛期内涝影响如图8-a、b、c所示，可知，文旅区汛期内涝影响呈现显著的时空梯度特征。空间上，内涝中高、高影响区域主要集中在内环以内，尤其是中山公园、静安寺、张园、南京西路等核心旅游热点区域，相比之下，内环以外区域如五角场、夜虹桥潮流街区和国际旅游度假区等地主要表现为中等及以下的影响等级；时间上，文旅集聚区受内涝影响具有显著的时期差异（图8-d、e、f），盛夏期内涝影响最为严重，中高及高影响区域占比达8.79%，梅雨期次之（2.23%），秋雨期内涝影响相对较低（1.99%）。在内涝灾害的影响下，不同类型的文旅集聚区呈现不同的内涝影响特征。
图8 上海市文旅集聚区汛期内涝影响分布及面积

Fig.8 Distribution and area statistics of pluvial flood impact in the cultural and tourism clusters of shanghai during flood seasons

内涝影响等级对应的各时期各集聚区类型淹没面积统计如表7所示，可知：盛夏期由于极端暴雨，中高及高影响区域面积最大，达3.1 km2（占比8.79%），其中街区马路型集聚区的高影响区域受淹比例高达27.52%，面积为0.71 km²，这主要与该类型集聚区的地理位置（多位于中心城区低洼区域）和排水设施的承载能力不足有关，此外，高人流密度进一步加剧内涝影响；其次为水岸休闲型集聚区，盛夏期高影响区域面积占比为8.3%，受淹面积为0.74 km²。相比之下，文旅综合型集聚区的高影响区域受淹比例相对较低，为6.44%，其受淹面积最高为1.53 km²，这与其分布较为分散且排水设施较为完备有关。这些结果表明，盛夏期因暴雨量大且降雨集中于中心城区，导致排水系统压力增大，低洼区域如街区马路型集聚区的内涝影响显著增加。梅雨期尽管降水持续时间较长，但内涝淹没区域相对分散，高影响区域较少，集聚区类型中高影响区域占比较大的为街区马路型（7.36%），其次为水岸休闲型（2.8%）和文旅综合型（1.77%），内涝的影响主要集中在低洼的排水能力较差的地方。相较而言，秋雨期的内涝影响最为轻微，内涝高影响区域面积占比依次为街区马路型（7.75%）、文旅综合型（1.68%）和水岸休闲型（1.01%），秋雨期降水相对较少且持续时间较短，因而内涝影响相对较小。由此可见，盛夏期是内涝影响最为严重的时期，尤其是在街区马路型集聚区，其高影响区域受淹比例显著高于其他类型集聚区，这与其地理条件、排水设施承载能力和高人流密度密切相关，梅雨期和秋雨期内涝影响较轻，且受影响区域分布较为分散。
表7 上海汛期各类文旅集聚区内涝影响面积统计

Table 7 Flooded area statistics of various types of cultural and tourism clusters in shanghai during the flood season

影响

等级

 各类文旅区汛期淹没面积/km2（比例/%）
梅雨期 盛夏期 秋雨期
文旅综合 水岸休闲 街区马路 文旅综合 水岸休闲 街区马路 文旅综合 水岸休闲 街区马路
总计 23.75 8.92 2.58 23.75 8.92 2.58 23.75 8.92 2.58
低 16.15（68.00） 5.76（64.57） 1.05（40.70） 13.45（56.63） 4.18（46.86） 0.46（17.83） 17.24（72.59） 6.51（72.98） 1.09（42.25）
中低 5.31（22.36） 2.12（23.77） 0.71（27.52） 5.90（24.84） 2.60（29.15） 0.37（14.34） 4.47（18.82） 1.79（20.07） 0.88（34.11）
中 1.84（7.75） 0.77（8.63） 0.59（22.87） 2.83（11.92） 1.39（15.58） 0.97（37.60） 1.61（6.78） 0.52（5.83） 0.37（14.34）
中高 0.03（0.13） 0.02（0.22） 0.04（1.55） 0.04（0.17） 0.01（0.11） 0.07（2.71） 0.03（0.13） 0.01（0.11） 0.04（1.55）
高 0.42（1.77） 0.25（2.80） 0.19（7.36） 1.53（6.44） 0.74（8.30） 0.71（27.52） 0.4（1.68） 0.09（1.01） 0.2（7.75）

注：比例指的是该文旅集聚区类型影响等级的面积在这类型总面积中所占的比例。

5 讨论

本研究使用组合赋权的模糊综合评价法分析了上海汛期内涝的时空分异，评价结果未能反映明显区域梯度差异，主要原因为承灾体因子的权重被低估，为弥补这一不足，本研究引入模糊控制规则，增强了模糊综合评价模型的合理性与适宜性。通过优化后的模糊综合评价法反映出较好的内涝影响评价时空分异，识别了潜在的受内涝影响较高的文旅集聚区。然而，迪士尼等人流密集的区域在评估中受到的内涝影响为中等或以下，主要原因是该文旅集聚区权重较高的致灾因子，如各分位下的淹没水深仅在极大值盛夏期且仅有少数区域为中等级评价集，其他区域多为中等级及以下，故不会触发规则控制，且交通变量与部分旅游要素变量在此处也不够集中，因而未被评价为中高和高影响区域。
本研究表明人口是决定内涝影响评价的核心驱动因子，道路因素次之，而交通站点、出行设施和游览设施的影响较小，尽管人口的高权重与赋权方法有关，但规则库在定义时已根据非低影响评价集区域调整了承灾体指标各等级下的隶属度，确保人口、交通和旅游要素处于同级水平，规则的制定主要依据地方城市内涝治理实施方案，避免了主观判断，在文旅区制定内涝风险预警决策时，应优先关注流动人口和总人口的空间分布特征，充分考虑人口流动性与旅游活动的时空耦合效应。同时，应结合道路交通网络与旅游设施（如交通枢纽、景区入口及关键旅游节点）的空间布局优化模型控制规则，以提高内涝影响评估与承灾体管理的针对性和有效性。这一优化方向不仅能为文旅区防灾减灾策略的科学制定提供理论依据，还能有效增强文旅区在极端天气条件下的灾害应对能力，进一步提升区域灾害风险综合治理水平和社会经济系统的韧性，为旅游业的可持续发展奠定坚实基础。
本研究揭示内涝中高、高影响文旅区主要集中于内环以内，如中山公园、静安寺、张园、南京西路等核心旅游热点区域，内环外则大都位于中影响及以下。未来的内涝防控应采取分区化管理策略，针对不同区域特点制定措施。在内环以内，应强化排水设施、生态缓冲体系建设并优化排水管理和预警机制，以提高减灾能力和应急响应能力，增强城市韧性。同时，优化内环以外区域旅游资源供给，减少核心区域的压力。时间维度上，应强化盛夏期极端暴雨天气过程的预警，优化旅游活动管理，引导游客错峰出行，减轻高峰期排水系统的压力。各类文旅集聚区需根据季节变化加强预警调控和防范措施，特别是在盛夏期应采取有效的应对措施，减少内涝对游客体验和区域安全的影响。本研究采用的模糊逻辑与模糊控制思路具有良好的适应性和可扩展性，能够为不同城市开展内涝影响综合评价提供方法参考。由于内涝影响受地方降雨特征、排水能力与土地利用状况等多因素影响，因此在实际应用中，应结合本地内涝治理标准和承灾体特性，制定本地化控制规则，以确保评价体系的合理性和准确性。此外，本研究采用日极端降雨阈值情景进行内涝影响分析，未来可细化时间分辨率，采用日内中短历时（如6 h以内）的极端降雨事件的模拟与评估，更精确地刻画内涝影响的时空分布特征。

6 结论

本文选取上海汛期3个时期3种阈值构建了暴雨情景，采用SCS-CN水文模型和MIKE21二维水动力模型进行内涝模拟，分析了上海汛期内涝的时空分异，搭建了组合权重与决策规则的模糊综合评价模型，并探讨了汛期内涝对文旅集聚区的可能影响。主要结论为：
1）基于不同阈值暴雨情景的内涝模拟结果表明，上海市内涝影响存在显著的空间差异和强度梯度。在极大值情景下中心城区因地势低洼和排水压力大导致内涝严重，而排水系统薄弱的郊区在降雨量较低条件下（95分位）更易受到影响。梅雨期的内涝集中于北部的宝山、崇明和嘉定；盛夏期中心城区和浦东地区的内涝较为严重；秋雨期集中在郊区，显示出不同季节内涝影响的差异性。总体上，内涝的严重程度受到降雨强度、地势条件和排水能力的综合影响。
2）上海市内涝影响具有显著的时空特征和驱动机制。无控制规则条件下，内涝影响主要集中于中等以下水平，中高影响的区域主要分布于中心城区，盛夏期内涝影响显著高于其他时期，反映极端暴雨事件与排水能力不足的叠加效应。模糊控制规则优化后，高影响区域面积有所增加，尤其是盛夏期高影响区域面积增至总面积的0.25%，进一步提高了评价结果的合理性和适用性。此外，承灾体暴露分析显示，人口是影响评价的核心驱动因子，道路变量次之，而交通站点、出行设施和游览设施的贡献较小。
3）上海文旅集聚区内涝影响呈现显著的时空梯度特征。空间上，内环核心区域如中山公园、静安寺和南京西路等文旅综合型集聚区内涝影响最为严重，主要由于旅游要素集中、人口流动性大、地势低洼及排水能力有限；外环以外区域则因透水绿地较多、旅游要素分散、游客流量较小，内涝影响较低。从时间上看，盛夏期受极端暴雨与旅游活动旺盛叠加影响，内涝最为严重，中高及高影响区域占比达8.79%；梅雨期次之，主要因降雨持续时间长；秋雨期内涝影响最小，与降雨强度及旅游需求减弱有关。
4）不同类型的文旅集聚区在不同季节的内涝影响差异明显。盛夏期由于极端暴雨，中高及高影响区域面积最大，达3.1 km2，其中文旅综合型和水岸休闲型旅游区的高影响区域面积最大，但从高影响区域面积占比上看，街区马路型面积占比最高，盛夏期高达27.52%。因此，盛夏期各类文旅集聚区应根据季节变化加强排水设施建设和防控措施，特别是街区马路型集聚区要注意防汛除涝以减少内涝对游客体验和区域安全的影响。

脚注

1 土地利用数据来源网址：https://zenodo.org/records/8176941

2 道路与交通站点数据来源网址：https://www.openstreetmap.org/

3 道路流量数据来源网址：https://lbs.amap.com/

4 时空人口数据来源网址：https://gisuni.geoq.cn

5 旅游要素兴趣点数据来源网址：https://lbs.amap.com/

沈涣焕：承担本研究的数据处理、内涝模型建模与模拟、结果统计分析、文章撰写与修改。

胡恒智：承担本研究的水文、地理数据搜集与处理、方法与技术路线设计、结果分析、文章撰写与修改。

辛 辰：承担本研究的降雨资料搜集与处理、汛期情景构建和分析、文章修改。

温家洪：统筹整体研究思路与文章修改。

杨雨露：承担部分数据处理和文献整理。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
Adikari Y, Osti R, and Noro T. 2010. Flood-Related Disaster Vulnerability: An Impending Crisis of Megacities in Asia. Journal of Flood Risk Management, 3(3): 185-191.

Akter M, Jahan M, Kabir R, Karim D S, Haque A, Rahman M, and Salehin M. 2019. Risk Assessment Based on Fuzzy Synthetic Evaluation Method. Science of the Total Environment, 658: 818-829.

Cai T, Li X, Ding X, Wang J, and Zhan J. 2019. Flood Risk Assessment Based on Hydrodynamic Model and Fuzzy Comprehensive Evaluation with GIS Technique. International Journal of Disaster Risk Reduction, 35: 101077.

程朋根，黄毅，郭福生，周万蓬，吴静. 2022. 基于多源数据的城市洪涝灾害风险评估. 灾害学，37（3）：69-76.

Cheng Penggen, Huang Yi, Guo Fusheng, Zhou Wanpeng, and Wu Jing. 2022. Urban Flooding Risk Assessment Based on Multi-source Data. Journal of Catastrophology, 37(3): 69-76.

Chen H, Xu Z, Liu Y, Huang Y, and Yang F. 2022. Urban Flood Risk Assessment Based on Dynamic Population Distribution and Fuzzy Comprehensive Evaluation. International Journal of Environmental Research and Public Health, 19(24): 16406.

丁亮，钮心毅，宋小冬. 2020. 基于个体移动轨迹的多中心城市引力模型验证. 地理学报，75（2）：268-285.

Ding Liang, Niu Xinyi, and Song Xiaodong. 2020. Validating Gravity Model in Multi-Centre City: A Study Based on Individual Mobile Trajectory. Acta Geographica Sinica, 75(2): 268-285.

Dube K, Nhamo G, Chikodzi D, and Chapungu L. 2023. Mapping and Evaluating the Impact of Flood Hazards on Tourism in South African National Parks. Journal of Outdoor Recreation and Tourism, 43: 100661.

胡恒智，董强，辛辰，沈涣焕，温家洪. 2024. 上海汛期极端降雨阈值时空分布与内涝影响评估. 自然灾害学报，33（3）：28-38.

Hu Hengzhi, Dong Qiang, Xin Chen, Shen Huanhuan, and Wen Jiahong. 2024. Spatial-Temporal Distribution of Extreme Rainfall Thresholds and Assessment of Urban Water Logging Impact during Flood Seasons in Shanghai. Journal of Natural Disaster, 33(3): 28-38.

黄国如，李碧琦. 2021. 基于模糊综合评价的深圳市暴雨洪涝风险评估. 水资源与水工程学报，32（1）：1-6.

Huang Guoru and Li Biqi. 2021. Risk Assessment of Storm Water Fooding in Shenzhen City Based on Fuzzy Comprehensive Evaluation Method. Journal of Water Resources & Water Engineering, 32(1): 1-6.

黄晓萱，徐慧，温家洪，王丹，沈菊，田雨，杜士强. 2022. 上海市居民对城市暴雨内涝的风险感知与适应行为研究. 灾害学，37（1）：192-198，219.

Huang Xiaoxuan, Xu Hui, Wen Jiahong, Wang Dan, Shen Ju, Tian Yu, and Du Shiqiang. 2022. Shanghai Residents' Perception and Adaptation Behavior of Urban Pluvial Flood Risk. Journal of Catastrophology, 37(1): 192-198, 219.

国务院办公厅. 2019. 国务院办公厅关于进一步激发文化和旅游消费潜力的意见. （2019-08-23）[2024-10-14]. https://www.gov.cn/zhengce/content/2019-08/23/content_5423809.htm.

General Office of the State Council of the People's Republic of China. 2019. Opinions on Further Stimulating Cultural and Tourism Consumption Potential. (2019-08-23) [2024-10-14]. https://www.gov.cn/zhengce/content/2019-08/23/content_5423809.htm.

孔锋，方建，乔枫雪，王瑞. 2019. 透视中国小时极端降水强度和频次的时空变化特征（1961—2013年）. 长江流域资源与环境，28（12）：3051-3067.

Kong Feng, Fang Jian, Qiao Fengxue, and Wang Rui. 2019. Temporal and Spatial Variation Characteristics of Intensity and Frequency of Hourly Extreme Precipitation in China from 1961 to 2013. Resources and Environment in the Yangtze Basin, 28(12): 3051-3067.

李欣. 2022. 基于引力势力范围的郑州城市多中心空间形态识别. 地理学报，77（6）：1475-1489.

Li Xin. 2022. Recognition of Zhengzhou Urban Multi-Center Spatial Form Based on Influence Sphere of Gravity. Acta Geographica Sinica, 77(6): 1475-1489.

Lu S, Huang J, and Wu J. 2023. Multi-Dimensional Urban Flooding Impact Assessment Leveraging Social Media Data: A Case Study of the 2020 Guangzhou Rainstorm. Water, 15(24): 4296.

Pham Q B, Ali S A, Bielecka E, Calka B, Orych A, Parvin F, and Lupikasza E. 2022. Flood Vulnerability and Buildings' Flood Exposure Assessment in a Densely Urbanised City: Comparative Analysis of Three Scenarios Using a Neural Network Approach. Natural Hazards, 113(2): 1043-1081.

Shariat R, Roozbahani A, and Ebrahimian A. 2019. Risk Analysis of Urban Stormwater Infrastructure Systems Using Fuzzy Spatial Multi-Criteria Decision Making. Science of the Total Environment, 647: 1468-1477.

上海市水务局. 2021. 上海市城市内涝治理实施方案（2021-2025）.（2021-06-30）[2024-07-30]. https://swj.sh.gov.cn/zcwj/202107 07/6aae9f9e22fa4607b0bbd85828b4c355.html.

Shanghai Water Authority. 2021. Shanghai Municipality Urban Waterlogging Management Implementation Plan (2021-2025). (2021-06-30) [2024-07-30]. https://swj.sh.gov.cn/zcwj/20210707/6aae9f9e22fa4607b0bbd85828b4c355.html.

上海市水务局，上海市规划和自然资源局. 2020. 上海市城镇雨水排水规划（2020-2035年）. （2020-04-28）[2024-08-10]. https://hd.ghzyj.sh.gov.cn/hdpt/gzcy/sj/202004/t20200429_967900.html.

Shanghai Water Authority, Shanghai Municipal Bureau of Planning, and Natural Resources. 2020. Shanghai Urban Drainage Masterplan. (2020-04-28) [2024-08-10]. https://hd.ghzyj.sh.gov.cn/hdpt/gzcy/sj/202004/t20200429_967900.html.

上海市文化和旅游局，上海市广播电视局和上海市文物局. 2022. 打造“24小时活力城市”！申城夜间经济综合指数排名全国第一. （2022-09-13）[2024-10-10]. https://whlyj.sh.gov.cn/cysc/20220913/968c44ff666b4c5b9029e4b34e9e29b5.html.

Shanghai Municipal Administration of Culture and Tourism, Shanghai Municipal Administration of Radio and Television, and Shanghai Municipal Administration of Cultural Heritage. 2022. Building a '24-Hour Vibrant City'! Shanghai Ranks First in the Nation for Nighttime Economy Comprehensive Index. (2022-09-13) [2024-10-10]. https://whlyj.sh.gov.cn/cysc/20220913/968c44ff666b4c5b9029e4b34e9e29b5.html.

上海市质量技术监督局. 2017. 暴雨强度公式与设计雨型标准. 北京：中国标准出版社.

Shanghai Municipal Bureau of Quality and Technical Supervision. 2017. Standard of Rainstorm Intensity Formula and Design Rainstorm Distribution. Beijing: Standard Press of China.

Wang G, Liu Y, Hu Z, Lyu Y, Zhang G, Liu J, Liu Y, Gu Y, Huang X, Zheng H, Zhang Q, Tong Z, Hong C, and Liu L. 2020. Flood Risk Assessment Based on Fuzzy Synthetic Evaluation Method in the Beijing-Tianjin-Hebei Metropolitan Area, China. Sustainability, 12(4): 1451.

王新越，芦雪静，朱文亮. 2020. 我国主要旅游城市旅游业发展影响因素分析与评价. 经济地理，40（5）：198-209.

Wang Xinyue, Lu Xuejing, and Zhu Wenliang. 2020. Analysis and Evaluation of the Influencing Factors of Tourism Development in China's Major Tourism Cities. Economic Geography, 40(5): 198-209.

王兆卫. 2017. 基于模糊评价法的城市洪涝灾害评估研究. 南京：东南大学.

Wang Zhaowei. 2017. The Urban Flood Disaster Assessment Research Based on Fuzzy Evaluation Method. Nanjing: Southeast University.

吴国凤，刘青，许瀚卿，魏旭辰，王军. 2024. 海平面上升情景下沿海城市极端雨潮复合洪涝危险性评估——以海口市为例. 热带地理，44（6）：1025-1035.

Wu Guofeng, Liu Qing, Xu Hanqing, Wei Xuchen, and Wang Jun. 2024. Risk Assessment of Extreme Rainfall and Storm Surge Compound Flooding in Coastal Cities under Sea Level Rise Scenarios: A Case Study of Haikou City. Tropical Geography, 44(6): 1025-1035.

Xu H, Ma C, Lian J, Xu K, and Chaima E. 2018. Urban Flooding Risk Assessment Based on an Integrated K-Means Cluster Algorithm and Improved Entropy Weight Method in the Region of Haikou, China. Journal of Hydrology, 563: 975-986.

徐宗学，陈浩，任梅芳，程涛. 2020. 中国城市洪涝致灾机理与风险评估研究进展. 水科学进展，31（5）：713-724.

Xu Zongxue, Chen Hao, Ren Meifang, and Cheng Tao. 2020. Progress on Disaster Mechanism and Risk Assessment of Urban Flood/Waterlogging Disasters in China. Advances in Water Science, 31(5): 713-724.

徐宗学，叶陈雷. 2021. 城市暴雨洪涝模拟：原理、模型与展望. 水利学报，52（4）：381-392.

Xu Zongxue and Ye Chenlei. 2021. Simulation of Urban Flooding/Waterlogging Processes: Principle, Models and Prospects. Journal of Hydraulic Engineering, 54(2): 381-392.

严正宵，夏军，宋进喜，赵玲玲，庞国伟. 2020. 中小流域设计暴雨雨型研究进展. 地理科学进展，39（7）：1224-1235.

Yan Zhengxiao, Xia Jun, Song Jinxi, Zhao Lingling, and Pang Guowei. 2020. Research Progress on Design Hyetographs in Small and Medium-Scale Basins. Progress in Geography, 39(7): 1224-1235.

Yang J and Huang X. 2021. The 30m Annual Land Cover Dataset and Its Dynamics in China from 1990 to 2019. Earth System Science Data, 13(8): 3907-3925.

Yang W, Xu K, Lian J, Bin L, and Ma C. 2018. Multiple Flood Vulnerability Assessment Approach Based on Fuzzy Comprehensive Evaluation Method and Coordinated Development Degree Model. Journal of Environmental Management, 213: 440-450.

Yin J, Yu D, and Liao B, 2021. A City-Scale Assessment of Emergency Response Accessibility to Vulnerable Populations and Facilities under Normal and Pluvial Flood Conditions for Shanghai, China. Environment and Planning B: Urban Analytics and City Science, 48(8): 2239-2253.

Yin J, Yu D, Yin Z, Liu M, and He Q. 2016. Evaluating the Impact and Risk of Pluvial Flash Flood on Intra-Urban Road Network: A Case Study in the City Center of Shanghai, China. Journal of Hydrology, 537: 138-145.

Zhang L, Zhang L and Liu X. 2022. Evaluation of Urban Spatial Growth Performance from the Perspective of a Polycentric City: A Case Study of Hangzhou. Land, 11(8): 1173.

张会，李铖，程炯，吴志峰，吴艳艳. 2019. 基于“H-E-V”框架的城市洪涝风险评估研究进展. 地理科学进展，38（2）：175-190.

Zhang Hui, Li Cheng, Cheng Jiong, Wu Zhifeng, and Wu Yanyan. 2019. A Review of Urban Flood Risk Assessment Based on the Framework of Hazard-Exposure-Vulnerability. Progress in Geography, 38(2): 175-190.

中华人民共和国住房和城乡建设部，中华人民共和国国家质量监督检验检疫总局. 2017. 城镇内涝防治技术规范. 北京：中国计划出版社.

Ministry of Housing and Urban-Rural Development of the People's Republic of China, and General Administration of Quality Supervision, Inspection and Quarantine of the People's Republic of China. 2017. Technical Code for Urban Flooding Prevention and Control. Beijing: China Planning Press.

中华人民共和国水利部. 2017. 洪水风险图编制导则. 北京：中国计划出版社.

Ministry of Water Resources of the People's Republic of China. 2017. Guidelines for Flood Risk Mapping. Beijing: China Planning Press.

Options
文章导航

/

〈 〉