论文部分内容阅读
随着城市化进程的不断加剧,城市暴雨出现突发和多发态势,导致城市内涝灾害频繁发生,威胁着城市的正常运行和安全。国内外学者在城市内涝的成因、机理、过程模拟预测以及GIS应用方面已经做了大量的研究工作。随着城市降雨积水监测网络的建立,获得分钟尺度的降雨和积水时序监测数据成为可能,实现了城市内涝的实时监控,同时也为城市降雨积水研究开辟了新的思路。本文基于北京市雨量站和积水监测点的时序监测数据,开展降雨积水时空序列分析、积水短时预测及立交桥积水空间分布研究。 基于监测时序数据对降雨积水时间空间分布特征进行研究。利用SPSS和Geoda软件分别对降雨和积水序列的时间自相关性和空间自相关性进行分析。本论文基于城市降雨积水监测网的监测数据,根据积水时间相关性、降雨空间相关性以及降雨积水序列的相关性,构建降雨积水的时空自相关移动平均模型(Spatial-Temporal Auto Regressive and Moving Average,STARMA),对城市暴雨积水点积水过程进行短时预测。STARMA模型是ARMA模型在空间上加以扩展生成的,已经被广泛应用于交通预测、环境变量预测以及社会经济领域。越来越多的研究表明STARMA模型是建模地理时空现象的有效工具,特别是在时空过程机理不清楚、多因素时空变量影响的情况下。本研究首次将该模型应用到降水积水过程拟合和积水短时预测上,同时在方法上改进了传统单变量的STARMA模型,建立降雨和积水双变量的STARMA模型模拟降雨积水过程。本文以北京市2012年“7.21”暴雨事件降雨积水过程为研究对象,以丰北桥、花乡桥、马家楼桥和六里桥四个积水监测点为例,建立降雨积水的STARMA模型,以5分钟为步长做积水5、10、15分钟三步预测。建模过程包括构建权重矩阵、模型识别、参数估计和模型验证这四步。实验结果表明该模型在降雨积水过程中拟合效果较好,平均拟合均方根误差RMSE在0.03左右;模型短时预测精度较高,预测的均方根误差RMSE在0.03左右,平均误差比率控制在5%左右。 以复兴门桥为例,基于积水深度数据,综合区域高程点数据和遥感影像,利用ArcGIS和SketchUp交互操作的方式,建立桥区的DEM和三维模型,以基于水位的无源淹没方式进行淹没分析,实现局部区域点上积水深度到面上空间分布的可视化。该方法提高了局部区域的淹没分析精度,使模拟结果更直观更真实。本研究实现城市监测网可监可控可预可视,为城市防洪减灾、应急指挥提供理论依据和决策支持。