胡俊聰，李英冰

(武漢大學(xué)測(cè)繪學(xué)院，湖北 武漢 430079)

1 引 言

城市內(nèi)澇是指在城市區(qū)域遭遇暴雨或短歷時(shí)強(qiáng)降水天氣后發(fā)生的氣象衍生災(zāi)害。根據(jù)應(yīng)急管理部和水利部的統(tǒng)計(jì)[1]，2000年以來(lái)我國(guó)平均每年發(fā)生200多起不同程度的城市內(nèi)澇災(zāi)害，全國(guó)約有62%的城市發(fā)生過(guò)暴雨內(nèi)澇災(zāi)害，造成的經(jīng)濟(jì)損失以5%的年平均增長(zhǎng)率逐年增長(zhǎng)，僅2019年城市內(nèi)澇災(zāi)害就造成了 1 922.7億直接經(jīng)濟(jì)損失。2021年7月20日，河南鄭州地區(qū)遭遇短時(shí)間強(qiáng)降水，引發(fā)大范圍城市內(nèi)澇，造成300余人遇難和失蹤，1 453.16萬(wàn)人受災(zāi)，直接經(jīng)濟(jì)損失高達(dá) 1 142.69億元[2]。

對(duì)于城市內(nèi)澇而言，快速準(zhǔn)確獲取淹水區(qū)域信息非常重要。星載合成孔徑雷達(dá)(SAR)采用微波波段，能夠穿透云霧，廣泛應(yīng)用于洪水監(jiān)測(cè)研究，是快速準(zhǔn)確獲取淹水區(qū)域重要的數(shù)據(jù)源。目前，基于SAR的淹沒(méi)水體提取的思路主要有閾值法[3]，灰度紋理分類(lèi)[4]等，Geudtner[5]通過(guò)評(píng)估場(chǎng)景一致性證明了SAR提取洪水淹沒(méi)范圍的可靠性；Matgen[6]將SAR閾值分析與區(qū)域增長(zhǎng)分析相結(jié)合提取淹沒(méi)區(qū)域，為洪澇信息獲取提供了新的思路，陳媛媛等通過(guò)SVM對(duì)Sentinel-1A SAR數(shù)據(jù)的強(qiáng)度紋理進(jìn)行分類(lèi)提取水體區(qū)域[7]。在城市內(nèi)澇風(fēng)險(xiǎn)研究中，道路作為城市的生命線，其內(nèi)澇風(fēng)險(xiǎn)分析一直是研究熱點(diǎn)。徐美等通過(guò)精細(xì)化洪澇模型構(gòu)建暴雨-內(nèi)澇情景庫(kù)，針對(duì)暴雨預(yù)報(bào)利用情景匹配快速識(shí)別有內(nèi)澇風(fēng)險(xiǎn)的道路[8]；葉麗梅采用GIS暴雨洪澇淹沒(méi)模型計(jì)算不同重現(xiàn)期雨量的淹沒(méi)水深和范圍并分析了城市道路內(nèi)澇災(zāi)害風(fēng)險(xiǎn)[9]；張金萍將徑流曲線法下滲模型與SWMM模型相結(jié)合，模擬了不同重現(xiàn)期暴雨情景下的鄭州高新區(qū)內(nèi)澇情況[10]；唐海吉采用空間格網(wǎng)和AHP法，基于多源數(shù)據(jù)構(gòu)建了城市短期暴雨內(nèi)澇災(zāi)害風(fēng)險(xiǎn)評(píng)估模型，并以武漢市為例進(jìn)行了分析[11]。

總的來(lái)講，目前的道路風(fēng)險(xiǎn)分析主要采用情景模擬的思路進(jìn)行預(yù)測(cè)性分析，較少結(jié)合現(xiàn)勢(shì)性監(jiān)測(cè)數(shù)據(jù)進(jìn)行分析。目前針對(duì)城市內(nèi)澇災(zāi)害中的道路風(fēng)險(xiǎn)分析，有兩種常用的思路：一是采用SAR監(jiān)測(cè)數(shù)據(jù)提取淹水區(qū)域進(jìn)行分析，此方法具有較強(qiáng)的現(xiàn)勢(shì)性，但SAR衛(wèi)星對(duì)同一地區(qū)的監(jiān)測(cè)存在時(shí)間間隔，間隔期內(nèi)無(wú)法獲取災(zāi)害情況；二是通過(guò)水文模型與GIS分析對(duì)災(zāi)害發(fā)展態(tài)勢(shì)進(jìn)行預(yù)測(cè)，由于是采用情景模擬的手段，相比于復(fù)雜多變的真實(shí)情景，其分析結(jié)果存在一定誤差。本文采用高分三號(hào)(GF-3)SAR數(shù)據(jù)，提取并分析了2021年7月鄭州城區(qū)內(nèi)澇淹沒(méi)區(qū)域空間分布特征，并結(jié)合地形與地表匯流因素分析了“7.20”暴雨事件對(duì)鄭州地區(qū)道路網(wǎng)絡(luò)的影響，從現(xiàn)勢(shì)性監(jiān)測(cè)的遙感影像出發(fā)，利用組合DEM空間插值預(yù)測(cè)性分析內(nèi)澇風(fēng)險(xiǎn)指數(shù)，并基于空間關(guān)聯(lián)對(duì)道路內(nèi)澇風(fēng)險(xiǎn)進(jìn)行分析，服務(wù)于洪澇災(zāi)害應(yīng)對(duì)決策的制定。

2 基于附有匯流量信息淹水的城市路網(wǎng)內(nèi)澇風(fēng)險(xiǎn)評(píng)估

運(yùn)用SAR提取淹沒(méi)水體的方法在城市內(nèi)澇研究中應(yīng)用廣泛，由于缺乏水體深度信息，該方法多應(yīng)用于監(jiān)測(cè)，較少應(yīng)用在風(fēng)險(xiǎn)分析領(lǐng)域。傳統(tǒng)的城市內(nèi)澇物理模型模擬方法，大多需要采集諸多起算數(shù)據(jù)，在應(yīng)急應(yīng)對(duì)方面現(xiàn)勢(shì)性較差?？紤]到地形和地表匯流因素的影響，本文在SAR提取淹沒(méi)水體的基礎(chǔ)上綜合流量信息，利用地表匯流量彌補(bǔ)SAR提取水體缺乏的深度信息，提出了基于附有匯流量信息淹水的城市道路內(nèi)澇風(fēng)險(xiǎn)評(píng)估方法，將現(xiàn)勢(shì)性較強(qiáng)的SAR數(shù)據(jù)與GIS風(fēng)險(xiǎn)分析相結(jié)合，在災(zāi)害蔓延過(guò)程中便可快速準(zhǔn)確評(píng)估道路內(nèi)澇風(fēng)險(xiǎn)，輔助應(yīng)急決策。具體思路與技術(shù)路線如圖1所示。

圖1 技術(shù)路線

2.1 附有匯流量信息的淹沒(méi)水體提取

通過(guò)遙感影像提取大面積淹沒(méi)水體是目前內(nèi)澇災(zāi)害分析較為常用的方法，但提取的淹沒(méi)水體只包含二維的面積信息，無(wú)法獲取水體深度信息。采用基于DEM計(jì)算的地表匯流信息補(bǔ)充淹沒(méi)水體深度信息，綜合遙感影像提取水體得到了附有匯流量信息的淹沒(méi)水體，用于分析城市內(nèi)澇風(fēng)險(xiǎn)。在對(duì)SAR數(shù)據(jù)進(jìn)行多視、濾波、地理編碼和輻射定標(biāo)等預(yù)處理后，采用閾值法進(jìn)行水體提取，其基本原理是通過(guò)某一個(gè)閾值分割水體與非水體區(qū)域，提取水體信息。由于不同地物散射特性存在差異，在SAR影像上的灰度也存在差異，在微波范圍內(nèi)，水體的后向散射系數(shù)相比于林地、耕地、住宅、設(shè)施等地物類(lèi)型的后向散射系數(shù)要小[12]，因此可以利用VV和HV極化的向后散射系數(shù)構(gòu)建關(guān)系式，確認(rèn)閾值進(jìn)行水體提取。賈詩(shī)超受NDVI和NDWI方法的啟發(fā)，提出了SDWI法提取水體[13]，其模型的公式如下所示：

KSDWI=ln(10·b1·b2)+δ

式中，KSDWI是水體提取指數(shù)，當(dāng)其值大于0時(shí)為水體，小于0時(shí)為非水體；δ是經(jīng)驗(yàn)閾值，b1是VV極化，b2是VH極化。對(duì)于最優(yōu)經(jīng)驗(yàn)閾值的選擇，可采用目視判斷的方式，通過(guò)對(duì)Landset光學(xué)影像數(shù)據(jù)和SDWI算法提取的水域分布情況進(jìn)行對(duì)比，結(jié)合像素值頻率分布直方圖拐點(diǎn)篩選出最優(yōu)經(jīng)驗(yàn)閾值。

地形和地表匯流是城市內(nèi)澇風(fēng)險(xiǎn)分析的重要因子，本文以DEM數(shù)據(jù)為基礎(chǔ)，采用最大坡降D8算法[14]提取不同區(qū)域內(nèi)地表徑流匯流累計(jì)量，其算法如下：

式中，d表示兩個(gè)柵格間的坡降，h是該柵格單元高程，hi是其周邊八個(gè)柵格單元的高程，D表示柵格間的歐氏距離，k表示柵格單元的匯流量，表示坡降方向。以數(shù)值表示每個(gè)柵格的流向：由正東方向開(kāi)始順時(shí)針到東北方向?qū)?yīng)數(shù)值依次為：1，2，4，8，16，32，64，128。假設(shè)每個(gè)柵格單元均帶有一份水流，將其按照最大坡度下降的方式匯總，依次計(jì)算不同方向上柵格中的每個(gè)下坡像元的所有像元的累積權(quán)重，得到地表徑流匯流量。將地表徑流量柵格與淹沒(méi)水體按空間約束關(guān)系進(jìn)行聯(lián)合，得到附有匯流量信息的淹沒(méi)水體。

2.2 顧及地表徑流影響的道路內(nèi)澇風(fēng)險(xiǎn)分析

洪澇淹水對(duì)周邊地物的影響力會(huì)隨著離淹水區(qū)域距離的增大而衰減，可利用反距離權(quán)重插值[15]的方法對(duì)內(nèi)澇風(fēng)險(xiǎn)進(jìn)行分析。SAR提取的淹水信息中缺乏深度信息，無(wú)法計(jì)算各淹水區(qū)域的水體總量，為了提高風(fēng)險(xiǎn)分析的可靠性，本文提出了顧及地表徑流影響的內(nèi)澇風(fēng)險(xiǎn)分析方法，從附有匯流量信息的淹沒(méi)水體出發(fā)，通過(guò)空間格網(wǎng)統(tǒng)計(jì)的方式將基于地形坡度計(jì)算的不同區(qū)域內(nèi)地表徑流匯流累計(jì)量納入權(quán)重，對(duì)淹水區(qū)域及其周邊的內(nèi)澇風(fēng)險(xiǎn)進(jìn)行評(píng)估。首先將研究區(qū)域劃分為若干空間格網(wǎng)，并與道路網(wǎng)絡(luò)建立多對(duì)一的空間關(guān)聯(lián)關(guān)系，然后以格網(wǎng)為空間約束，計(jì)算每一個(gè)空間格網(wǎng)內(nèi)的淹水地塊地表徑流匯流量歸一化系數(shù)平均值并納入權(quán)重進(jìn)行反距離內(nèi)插：

式中，kj表示格網(wǎng)內(nèi)第j個(gè)樣本點(diǎn)位置的地表徑流匯流量，di是插值點(diǎn)與第i個(gè)格網(wǎng)中心之間的歐氏距離，P表示冪參數(shù)(默認(rèn)取2)，Z是格網(wǎng)內(nèi)澇風(fēng)險(xiǎn)指數(shù)估計(jì)值。通過(guò)上式的計(jì)算可得到研究區(qū)域內(nèi)所有空間格網(wǎng)的內(nèi)澇風(fēng)險(xiǎn)指數(shù)估計(jì)值，從空間關(guān)聯(lián)的角度出發(fā)，以格網(wǎng)中心與道路中心線的垂直距離加權(quán)匯總與路段相交的格網(wǎng)內(nèi)澇風(fēng)險(xiǎn)指數(shù)計(jì)算路中每一個(gè)路段的期望風(fēng)險(xiǎn)指數(shù)，得到研究區(qū)域路網(wǎng)風(fēng)險(xiǎn)的空間分布情況(圖1)。

3 案例分析——以“7.20”鄭州暴雨事件為例

3.1 數(shù)據(jù)來(lái)源與處理過(guò)程

研究區(qū)域?yàn)猷嵵菔兄鞒菂^(qū)(東經(jīng)113°27′11″-113°52′23″，北緯34°36′02″-34°57′50″)，路網(wǎng)數(shù)據(jù)來(lái)自O(shè)penStreetMap(https：//www.openstreetmap.org，暫不考慮道路寬度因素的影響，文中道路指道路中心線)，DEM數(shù)據(jù)來(lái)自ASTER GDEM v3(https：//earthdata.nasa.gov/)，其空間分辨率為 30 m；鄭州市周邊氣象站點(diǎn)7月20日6時(shí)至21日6時(shí)記錄的降雨量數(shù)據(jù)來(lái)自鄭州市氣象臺(tái)(圖2a)。針對(duì)“7.20”鄭州暴雨事件，本文使用事件發(fā)生前2021年6月9日和事件發(fā)生期間2021年7月21日和22日，鄭州主城區(qū)GF-3 L1A級(jí)別數(shù)據(jù)(數(shù)據(jù)來(lái)源：北京盛世華遙公司http：//sshy3s.com/)進(jìn)行數(shù)據(jù)預(yù)處理，主要處理步驟包括多視、濾波、地理編碼和輻射定標(biāo)等。將GF-3單視復(fù)數(shù)(SLC)數(shù)據(jù)導(dǎo)入到SARscape中，通過(guò)多視處理提高空間分辨率后，利用中值濾波抑制SAR噪聲。采用DEM數(shù)據(jù)進(jìn)行地理編碼和輻射定標(biāo)處理，得到VV和VH極化的向后散射系數(shù)。在對(duì)同一個(gè)區(qū)域的不同極化方式的Sentinel-1數(shù)據(jù)進(jìn)行水體提取分析，發(fā)現(xiàn)利用公式(1)，對(duì)VV、VH極化的Sentinel-1數(shù)據(jù)水體提取的結(jié)果與對(duì)HH、VH極化的Sentinel-1數(shù)據(jù)水體提取的結(jié)果并無(wú)太大區(qū)別，考慮到GF-3沒(méi)有VV極化，故將公式(1)中的VV極化波段替換為HH極化波段進(jìn)行處理，提取淹水區(qū)域(圖2b)。

圖2 數(shù)據(jù)來(lái)源與預(yù)處理

計(jì)算地表匯流量時(shí)，首先采用公式(2)計(jì)算鄭州市城區(qū)DEM數(shù)據(jù)中每一個(gè)柵格單元與其周?chē)鷸鸥駟卧g坡降，選取其最大坡降作為流向，得到鄭州城區(qū)地表徑流流向(圖2d)。然后將鄭州城區(qū)劃分為空間分辨率為 200 m的空間格網(wǎng)，利用公式(3)計(jì)算每一個(gè)格網(wǎng)的內(nèi)澇風(fēng)險(xiǎn)指數(shù)，將內(nèi)澇風(fēng)險(xiǎn)指數(shù)歸一化后按高風(fēng)險(xiǎn)(>0.9)、較高風(fēng)險(xiǎn)(0.9-0.7)、中等風(fēng)險(xiǎn)(0.7-0.5)、較低風(fēng)險(xiǎn)(0.5-0.3)和低風(fēng)險(xiǎn)(≤0.3)分為五個(gè)風(fēng)險(xiǎn)等級(jí)，得到鄭州城區(qū)7月21日和22日的內(nèi)澇風(fēng)險(xiǎn)分布情況并與OpenStreetMap路網(wǎng)數(shù)據(jù)建立空間關(guān)聯(lián)，對(duì)21日、22日的道路內(nèi)澇風(fēng)險(xiǎn)進(jìn)行評(píng)估(圖4)。

圖3 SAR提取淹沒(méi)水域結(jié)果

圖4 鄭州城區(qū)道路內(nèi)澇風(fēng)險(xiǎn)分布

3.2 結(jié)果與分析

觀察SAR提取淹水區(qū)域(圖3)可知，“7.20”暴雨事件中鄭州城區(qū)淹沒(méi)區(qū)域主要集中在城區(qū)邊緣地帶，中心地區(qū)的淹水區(qū)域較小。結(jié)合鄭州地區(qū)水系分布情況對(duì)比分析發(fā)現(xiàn)，較大范圍的淹沒(méi)水域基本上均分布在原有水系或沿原有水系外廓分布。創(chuàng)建鄭州城區(qū)水域 1 km閾值緩沖區(qū)，與SAR數(shù)據(jù)提取的淹沒(méi)區(qū)域進(jìn)行疊加分析可得：21日、22日分別有 43.84 km2、56.05 km2的淹水區(qū)域位于該緩沖區(qū)內(nèi)，分別占總淹水面積的66.79%、62.01%，表明位于鄭州城區(qū)人工渠、河流、湖泊等內(nèi)部水系周邊的地區(qū)具有更高內(nèi)澇風(fēng)險(xiǎn)。

結(jié)合不同區(qū)域的淹水面積和風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果來(lái)看(表1，圖3)，惠濟(jì)區(qū)淹水面積最大，管城區(qū)、金水區(qū)次之，二七區(qū)最小，綜合鄭州城區(qū)的高程分布情況(圖2c)和“7.20”事件鄭州各區(qū)氣象站點(diǎn)20日6時(shí)～21日6時(shí)記錄的平均降雨量數(shù)據(jù)分析(表1)可知，淹水面積與高程有著比較強(qiáng)的負(fù)相關(guān)關(guān)系(相關(guān)系數(shù)r=-0.975，p<0.01)，而與區(qū)域內(nèi)氣象站點(diǎn)降雨量平均記錄并沒(méi)有呈現(xiàn)出較強(qiáng)的相關(guān)性(p>0.05)，說(shuō)明在“7.20”鄭州暴雨事件中，地勢(shì)因素的影響遠(yuǎn)高于降雨因素的影響。對(duì)比表1中21日與22日各區(qū)淹水面積變化情況可知，21日到22日金水區(qū)、惠濟(jì)區(qū)淹水面積絕對(duì)值和相對(duì)值都遠(yuǎn)高于其余三區(qū)，造成此結(jié)果的原因是金水區(qū)、惠濟(jì)區(qū)地勢(shì)低，地表徑流匯流流向兩區(qū)，引起漬水。

表1 鄭州主城區(qū)各區(qū)淹水統(tǒng)計(jì)情況

如圖4所示，從風(fēng)險(xiǎn)分析的統(tǒng)計(jì)結(jié)果上來(lái)看，21日共有 481 km路段處于中風(fēng)險(xiǎn)及以上，占比9.92%，22日共有 870 km路段處于中風(fēng)險(xiǎn)及以上，占比17.94%。22日相比于21日新增了 389 km內(nèi)澇風(fēng)險(xiǎn)處于中風(fēng)險(xiǎn)及以上的路段，主要集中在金水區(qū)鄭州國(guó)際會(huì)展中心附近的黃河路、東風(fēng)東路、金水東路及商都路東段，惠濟(jì)區(qū)北四環(huán)、西三環(huán)及其周邊路段(圖5)。

圖5 21日～22日鄭州城區(qū)內(nèi)澇風(fēng)險(xiǎn)上升情況

3.3 結(jié)果驗(yàn)證

以鄭州氣象官方微博7月21日9時(shí)通報(bào)的鄭州積水路段作為真實(shí)災(zāi)情、章衛(wèi)軍[16]針對(duì)此次“7.20”鄭州暴雨風(fēng)險(xiǎn)評(píng)估結(jié)果和李世豪[17]提出的鄭州市區(qū)內(nèi)澇模擬模型對(duì)本文提出的模型結(jié)果進(jìn)行驗(yàn)證。

首先是采用真實(shí)災(zāi)情進(jìn)行驗(yàn)證：選取主城區(qū)內(nèi)的20個(gè)真實(shí)積水路段進(jìn)行逆地理編碼并矢量化，與道路風(fēng)險(xiǎn)分析進(jìn)行疊加對(duì)比(圖4)，統(tǒng)計(jì)所有真實(shí)積水路段21日和22日的風(fēng)險(xiǎn)等級(jí)。統(tǒng)計(jì)結(jié)果表明，在20個(gè)積水路段中，21日共有19個(gè)路段處于中風(fēng)險(xiǎn)及以上，其中2個(gè)路段處于高風(fēng)險(xiǎn)，8個(gè)路段處于較高風(fēng)險(xiǎn)，9個(gè)路段處于中風(fēng)險(xiǎn)，22日全部路段均處于中風(fēng)險(xiǎn)及以上，其中較高風(fēng)險(xiǎn)路段6段，高風(fēng)險(xiǎn)3段。綜合檢驗(yàn)情況，在檢驗(yàn)的40個(gè)樣本中，真實(shí)積水道路的內(nèi)澇風(fēng)險(xiǎn)有97.5%處于中等風(fēng)險(xiǎn)及以上。

根據(jù)章衛(wèi)軍的淹沒(méi)風(fēng)險(xiǎn)分析結(jié)果，此次“7.20”暴雨內(nèi)澇高風(fēng)險(xiǎn)區(qū)主要位于地勢(shì)較低的金水區(qū)和惠濟(jì)區(qū)，與本文分析結(jié)果一致；該論文模擬水深為：沙口路 2.2 m，黃河路 2.9 m，京廣南隧道 1.1 m，對(duì)應(yīng)本文中的結(jié)果為：沙口路、黃河路較高風(fēng)險(xiǎn)，京廣南隧道中風(fēng)險(xiǎn)，可以認(rèn)為結(jié)果具有較好的一致性；在道路內(nèi)澇風(fēng)險(xiǎn)上，李世豪針對(duì)鄭州市區(qū)道路內(nèi)澇模擬結(jié)果表明，在強(qiáng)降雨情景下，北環(huán)路、中原路、建設(shè)東路、天明路、豐樂(lè)路、農(nóng)業(yè)路、紫荊山路、航海路等路段積水嚴(yán)重；對(duì)比前文分析結(jié)果，在上述8個(gè)路段中，除建設(shè)東路全線為中風(fēng)險(xiǎn)路段，其余各路均存在較高風(fēng)險(xiǎn)路段。綜上所述，可以認(rèn)為本文提出的基于附有匯流量信息淹水的城市道路內(nèi)澇風(fēng)險(xiǎn)評(píng)估結(jié)果具有一定的可靠性。

表2 真實(shí)積水路段與內(nèi)澇分析結(jié)果

4 結(jié) 論

本文提出了基于附有匯流量信息淹水的城市道路內(nèi)澇風(fēng)險(xiǎn)評(píng)估方法，并以“7.20”鄭州暴雨事件為例，運(yùn)用高分三號(hào)SAR數(shù)據(jù)提取了2021年7月21日和22日鄭州城區(qū)內(nèi)澇淹沒(méi)區(qū)域，并綜合淹水統(tǒng)計(jì)情況、氣象站降雨記錄與DEM等地理要素信息，分析了此次“7.20”暴雨事件中鄭州城區(qū)內(nèi)澇空間分布和道路風(fēng)險(xiǎn)空間分布及變化情況。主要研究成果和創(chuàng)新：

(1)顧及城市內(nèi)澇中地形因素的影響，利用地表匯流量信息補(bǔ)充SAR提取水體缺失的深度信息，提出了基于附有匯流量信息淹水的城市道路內(nèi)澇風(fēng)險(xiǎn)評(píng)估方法。該方法將現(xiàn)勢(shì)性較強(qiáng)的SAR數(shù)據(jù)與GIS風(fēng)險(xiǎn)分析相結(jié)合，通過(guò)對(duì)不同區(qū)域內(nèi)地表徑流匯流累計(jì)量與歐氏距離加權(quán)將地表徑流影響納入內(nèi)澇風(fēng)險(xiǎn)分析，在災(zāi)害蔓延過(guò)程中便可快速準(zhǔn)確評(píng)估道路內(nèi)澇風(fēng)險(xiǎn)，輔助應(yīng)急決策。

(2)以“7.20”鄭州暴雨事件為例進(jìn)行了道路內(nèi)澇分析評(píng)估，并采用官方媒體通報(bào)的積水路段和已有的研究成果對(duì)評(píng)估結(jié)果進(jìn)行了驗(yàn)證。從SAR監(jiān)測(cè)數(shù)據(jù)提取的淹沒(méi)水體來(lái)看，7月21日有 43.84 km2面積的淹沒(méi)區(qū)域位于鄭州城區(qū)水系周邊 1 km范圍內(nèi)，占總淹水面積的66.79%，說(shuō)明城區(qū)內(nèi)部水系周邊地區(qū)內(nèi)澇災(zāi)情嚴(yán)重；結(jié)合各行政區(qū)21日、22日淹水面積的變化情況與降雨量和高程相關(guān)性分析，表明相比于降雨量因素，地形因素才是造成此次內(nèi)澇災(zāi)害空間分布的最主要因素；采用本文提出的內(nèi)澇風(fēng)險(xiǎn)分析方法對(duì)“7.20”鄭州暴雨內(nèi)澇風(fēng)險(xiǎn)進(jìn)行分析，分析結(jié)果表明，在7月21日，城區(qū)道路中共有 481 km路段處于中風(fēng)險(xiǎn)及以上，占比9.92%；7月22日，鄭州國(guó)際會(huì)展中心與西三環(huán)北四環(huán)附近的道路受到新增淹水影響，總共有870公里路段處于中風(fēng)險(xiǎn)及以上，占比17.94%。

快速準(zhǔn)確獲取淹水區(qū)域信息并分析道路內(nèi)澇風(fēng)險(xiǎn)對(duì)估計(jì)災(zāi)情、制定應(yīng)急對(duì)策有重要意義，本文采用在暴雨內(nèi)澇災(zāi)害中現(xiàn)勢(shì)性較好的SAR監(jiān)測(cè)數(shù)據(jù)，利用空間插值和空間關(guān)聯(lián)等方法分析了道路內(nèi)澇風(fēng)險(xiǎn)，可輔助內(nèi)澇災(zāi)害應(yīng)對(duì)決策的制定。受數(shù)據(jù)限制，本文在分析過(guò)程中假設(shè)城市排水系統(tǒng)在短時(shí)間強(qiáng)降水情景下會(huì)因超載而失效，隨著海綿城市建設(shè)和城市管網(wǎng)系統(tǒng)的逐步完善，排水因素影響不可忽視，是未來(lái)城市內(nèi)澇分析模型研究和改進(jìn)的重點(diǎn)。