馮 峰 ，喻謙花，羅福生，霍繼超，馮躍華，靳曉穎 ，劉 翠

(1. 黃河水利職業(yè)技術(shù)學(xué)院，河南 開封 475004； 2. 河南省黃河中下游水資源節(jié)約集約利用工程技術(shù)研究中心，河南 開封 475004； 3. 開封市氣象局，河南 開封 475004； 4. 河南省豫東水利工程管理局，河南 開封 475004)

2021年7月20日，河南省遭遇極端強降雨。7月18日8時至20日15時30分，河南鄭州滎陽、鞏義7個雨量站降雨量超600 mm，重現(xiàn)期均大于500年一遇，最大點雨量718.5 mm[1]。極端強降雨引起河南多地出現(xiàn)嚴(yán)重城市內(nèi)澇，防汛形勢十分嚴(yán)峻[2]。城市內(nèi)澇不僅威脅城市居民生命財產(chǎn)和出行安全，也造成了巨大經(jīng)濟損失[3-4]。近年來聚焦于城市內(nèi)澇的研究取得了較大進展，主要集中在內(nèi)澇引發(fā)的災(zāi)害、形成的原因、治理的措施等方面[5-9]。對于城市內(nèi)澇風(fēng)險評估研究，陳嘉雷等以珠海市為例，構(gòu)建了基于InfroWorks ICM 的城市雨洪模型，結(jié)合層次分析法和熵權(quán)法量化脆弱性，對3種設(shè)計暴雨情景下的研究區(qū)內(nèi)澇風(fēng)險進行評估[10]。這種利用雨洪模型模擬演進對城市內(nèi)澇風(fēng)險進行評估和劃分的方法，為本研究風(fēng)險評價指標(biāo)遴選和確定提供了思路。陸敏博等以蘇州市相城區(qū)為例，采用Mike 模型建立排水防澇系統(tǒng)耦合模型，同時考慮平原河網(wǎng)地區(qū)城市排水防澇特征，評估多種情景下的雨水系統(tǒng)排水能力和內(nèi)澇風(fēng)險[11]。蘇州市相城區(qū)與本研究區(qū)域開封同為平原河網(wǎng)地區(qū)，為評估7.20 特大暴雨風(fēng)險評估模型構(gòu)建提供了可借鑒的思路。王俊佳等采用層次分析法將研究區(qū)域劃分為高風(fēng)險內(nèi)澇區(qū)、中風(fēng)險內(nèi)澇區(qū)和低風(fēng)險內(nèi)澇區(qū)[12]。楊帆等從內(nèi)澇成因的角度出發(fā)，以佛山市為典型研究區(qū)域，定量評估了佛山市城區(qū)多種雨潮組合下遭遇概率及其變化趨勢[13]。

以上研究在內(nèi)澇風(fēng)險評估方面取得了一定的成果，但大部分使用數(shù)據(jù)模擬、模型計算，對城市某區(qū)域的內(nèi)澇風(fēng)險進行場地演進模擬，評估結(jié)果缺少實際強降雨過程的檢驗，可能存在著風(fēng)險評估不準(zhǔn)確等問題[14]。對于由極端強降雨引發(fā)的城市內(nèi)澇，缺乏真實內(nèi)澇數(shù)據(jù)和實際案例的風(fēng)險綜合評價方面的研究。因此在開封市7.20 特大暴雨降水過程、內(nèi)澇監(jiān)測數(shù)據(jù)的基礎(chǔ)上，基于城市特點開展針對性的風(fēng)險評估研究，通過分析風(fēng)險來源遴選代表性指標(biāo)，采用分層、多種賦權(quán)方法來規(guī)避人為因素帶來的誤差，構(gòu)建改進的風(fēng)險模糊評價模型，能夠充分利用指標(biāo)數(shù)據(jù)攜帶的信息，有效處理不同的決策偏好，使內(nèi)澇風(fēng)險評估結(jié)果更加精準(zhǔn)實用。

1 研究區(qū)域與資料

開封市位于黃河下游，河南省中東部，東經(jīng)113°51′51″~115°15′42″，北緯34°11′43″~35°11′43″，總面積6 444 km2，城區(qū)面積546 km2。開封市屬暖溫帶大陸性季風(fēng)氣候區(qū)，年均氣溫為14.52 ℃，多年平均降水量為627.5 mm，降水多集中在夏季7、8月份。根據(jù)歷年遇到暴雨時易形成多個內(nèi)澇積水點的范圍，選擇開封市中心城區(qū)為研究區(qū)域。由于研究區(qū)域內(nèi)的內(nèi)澇已嚴(yán)重影響城市的防洪安全和居民出行，開展7.20 特大暴雨內(nèi)澇風(fēng)險研究就顯得非常迫切和必要。

1.1 7.20 特大暴雨降水過程

根據(jù)開封氣象站監(jiān)測數(shù)據(jù)，7月20日0時至22日8時7個氣象站降水過程如圖1 所示。最大降水強度出現(xiàn)在7月20日22時，A 站達到103.4 mm/h；最大3 h 累計降水量出現(xiàn)在A 站為157.0 mm，最大24 h累計降水量出現(xiàn)在G 站為276.2 mm，最大48 h 累計降水量出現(xiàn)在A 站為354.7 mm，該值已達到開封多年平均降水量627.5mm 的56.5%。7個站點56 h 的平均累計降水量為345.1 mm，各站點累計降水量相差較小，說明本次特大暴雨在研究區(qū)域范圍內(nèi)的降水量和降水過程差別不大。

圖1 開封市7.20 特大暴雨降水過程（56 h）Fig. 1 Precipitation process of 7.20 heavy rainstorm in Kaifeng City (56 hours)

1.2 開封市內(nèi)澇監(jiān)測站點及數(shù)據(jù)來源

研究區(qū)域以開封古城墻為中心，北至復(fù)興大道，南至濱河路，東至勞動路，西至金明大道。根據(jù)研究區(qū)域內(nèi)易發(fā)生內(nèi)澇積水的位置，選擇了市內(nèi)12個內(nèi)澇自動監(jiān)測站點為研究對象，研究區(qū)域位置、監(jiān)測站點的地理位置如圖2 所示，各站點的地理位置、編號與氣象站之間的對應(yīng)關(guān)系及經(jīng)緯度見表1。2021年的7.20 暴雨內(nèi)澇數(shù)據(jù)來源于自動監(jiān)測站每2 min 生成的監(jiān)測數(shù)據(jù)。

表1 開封市積水內(nèi)澇自動監(jiān)測站點位置Tab. 1 Location of automatic monitoring points of waterlogging in Kaifeng City

圖2 研究區(qū)域內(nèi)澇積水監(jiān)測站點分布Fig. 2 Distribution of urban waterlogging monitoring points in research area

根據(jù)2021年7.20 暴雨內(nèi)澇監(jiān)測站點數(shù)據(jù)，12個站點中最大積水深度發(fā)生在5號站點（達104 cm），最小積水深度發(fā)生在10號站點（為6 cm）。最大平均積水深度也是5號站點，達60.44 cm，最小的平均積水深度發(fā)生在7號站點為3.10 cm。積水持續(xù)時間最長的為2、3 和6號站點，都達到41.50 h；積水持續(xù)時間最短的為8號站點，積水時長為5 h。最大積水深度出現(xiàn)時間：7號站點最早，為2021年7月20日 的22時06分，8號站點出現(xiàn)時間最晚，為2021年7月21日 9時14分，比7號站點晚了11 h 8 min。

2 城市內(nèi)澇風(fēng)險評估

2.1 內(nèi)澇風(fēng)險評估結(jié)構(gòu)

城市內(nèi)澇風(fēng)險評估是在已有內(nèi)澇數(shù)據(jù)基礎(chǔ)上，更準(zhǔn)確地識別出短期風(fēng)險、長期風(fēng)險、綜合風(fēng)險，為后期的區(qū)域內(nèi)澇積水防治、應(yīng)急預(yù)案制定、排澇措施規(guī)劃、后續(xù)風(fēng)險規(guī)避等提供科學(xué)依據(jù)。城市內(nèi)澇風(fēng)險評估由短期風(fēng)險、長期風(fēng)險兩個維度的因素構(gòu)成，兩個因素下遴選若干影響因子，影響因子由代表性指標(biāo)表示。城市內(nèi)澇風(fēng)險評估體系共分3 層：第1 層是風(fēng)險評估目標(biāo)層；第2 層是由短期風(fēng)險因素、長期風(fēng)險因素構(gòu)成的準(zhǔn)則層；第3 層是由若干個代表性指標(biāo)構(gòu)成的指標(biāo)層。在第2 層2個子系統(tǒng)中，短期風(fēng)險因素側(cè)重于內(nèi)澇在較短時間內(nèi)對道路通行安全、人員涉水安全、淹沒深度及范圍等方面產(chǎn)生的不利影響，選擇了積水深度、積水出現(xiàn)時間、積水面積等瞬時性指標(biāo)；長期風(fēng)險因素側(cè)重于內(nèi)澇存續(xù)在較長時間內(nèi)對道路、建筑物等設(shè)施的基礎(chǔ)浸泡、排澇困難等方面的不利影響，遴選了積水持續(xù)時間、不同積水深度持續(xù)時間等過程性指標(biāo)。

根據(jù)開封市7.20 特大暴雨的降水過程，12個站點數(shù)據(jù)統(tǒng)計時段為7月20日0時至22日 8時共56 h，如表2 所示。第1個指標(biāo)xn1是指在7.20 特大暴雨降水的56 h 中，根據(jù)監(jiān)測站點間隔2 min 積水?dāng)?shù)據(jù)中出現(xiàn)的最大積水深度。第2個指標(biāo)xn2是指在7.20 特大暴雨降水的56 h 過程中，積水累計時長內(nèi)的積水深度平均值。第3個指標(biāo)xn3最大積水深度出現(xiàn)時間，是以12個站點中最大積水深度出現(xiàn)時間滯后于對應(yīng)氣象站降水峰值出現(xiàn)的時間，以分鐘（min）計算。如圖1 所示7個氣象站降水峰值出現(xiàn)時間均為7月20日22 點。第4個指標(biāo)xn4積水面積，由于監(jiān)測點安裝的設(shè)備及位置并不能監(jiān)測到此項數(shù)據(jù)，由內(nèi)澇點的實際積水面積情況表述為定性指標(biāo)。第6~9個指標(biāo)為不同積水深度的累計時長，考慮到涉水及通行的安全影響，積水深度在10 cm 以下未列入。

表2 7.20 特大暴雨開封市內(nèi)澇風(fēng)險評估指標(biāo)數(shù)據(jù)Tab. 2 Waterlogging risk assessment index data of 7.20 heavy rainstorm in Kaifeng City

2.2 風(fēng)險模糊評估模型

根據(jù)前期研究成果，對多目標(biāo)多層次評估問題采用改進的模糊評價模型比較適合[15-16]。模糊評價模型常用的指標(biāo)、系統(tǒng)權(quán)重確定方法為二元比較模糊標(biāo)度法，將指標(biāo)或子系統(tǒng)兩兩對比主觀判斷后，利用查模糊標(biāo)度與相對隸屬度關(guān)系表的方法確定。這種權(quán)重確定方法適用于指標(biāo)數(shù)量、評價方案較少的情況，并對主觀判斷的專業(yè)性和準(zhǔn)確性要求較高。根據(jù)城市內(nèi)澇風(fēng)險評估的特點對模型權(quán)重確定方法進行改進，在指標(biāo)層、準(zhǔn)則層權(quán)重確定時采用分層賦權(quán)法，以減少人為因素或其他誤差對評價結(jié)果的影響[15]。對于指標(biāo)層，以短期風(fēng)險因素、長期風(fēng)險因素2個子系統(tǒng)的指標(biāo)作為輸入數(shù)據(jù)，由式（1）利用模糊評價計算，得到該層的12個站點的相對優(yōu)屬度向量并作為輸出數(shù)據(jù)。

式中：u'n為短期風(fēng)險子系統(tǒng)的相對優(yōu)屬度向量；u'a為長期風(fēng)險子系統(tǒng)的相對優(yōu)屬度向量；xn為短期風(fēng)險因素子系統(tǒng)的指標(biāo)；xa為長期風(fēng)險因素子系統(tǒng)的指標(biāo)；l 為參與風(fēng)險評價的站點數(shù)；k 為子系統(tǒng)的指標(biāo)數(shù)。

對于第2 層，最低層的輸出結(jié)果也是該層的輸入數(shù)據(jù)，由式（2）構(gòu)成該層輸入數(shù)據(jù)。

從輸出結(jié)果到輸入數(shù)據(jù)的變化由式（3）完成，令

依此從最低層（目標(biāo)層）向最高層（目標(biāo)層）逐層進行計算，由于目標(biāo)層只有一個系統(tǒng)，可直接輸出得到系統(tǒng)結(jié)果，即方案相對優(yōu)屬度向量[17]，如式（4）所示。

式中：u 為目標(biāo)層系統(tǒng)的相對優(yōu)屬度向量；u1為對應(yīng)于等級1 的相對優(yōu)屬度向量；h 為評價等級級別數(shù)，包括極高、較高、中等、較低、極低等5 級。

風(fēng)險評估過程如下：

（1）由7.20 特大暴雨開封市內(nèi)澇風(fēng)險評估指標(biāo)的原始數(shù)據(jù)，構(gòu)建l個站點k個指標(biāo)的判斷矩陣X 如下：

（2）評價指標(biāo)有定量、定性指標(biāo)2種，判斷矩陣X 由定量指標(biāo)值和定性指標(biāo)的相對優(yōu)屬度組合構(gòu)成。定性指標(biāo)I4的相對優(yōu)屬度值按二元比較模糊決策分析法[18]通過查表法確定。

（3）歸一化處理指標(biāo)判斷矩陣，得到歸一化判斷矩陣B。根據(jù)指標(biāo)是正向或逆向的不同類型，正向指標(biāo)用式（6）計算，逆向指標(biāo)用式（7）計算。

式中：bij為歸一化判斷矩陣中第i 行第j 列的元素；xij為第i 行第j 列的指標(biāo)值；i 為矩陣行數(shù)，亦為指標(biāo)數(shù)；j 為矩陣列數(shù)，亦為評價站點數(shù)。

（4）由分層賦權(quán)法確定系統(tǒng)第1 層各指標(biāo)、第2 層各子系統(tǒng)的權(quán)向量。第1 層采用數(shù)學(xué)賦權(quán)法，通過計算各指標(biāo)的熵值確定各指標(biāo)的權(quán)向量，熵值權(quán)向量主要是依據(jù)各指標(biāo)所攜帶的數(shù)據(jù)信息，有效地避免了人為主觀因素的影響[19]。指標(biāo)的熵值用式（8）計算，指標(biāo)熵值權(quán)向量用式（9）確定[20]。為了能夠模擬各種情況，確保內(nèi)澇風(fēng)險評價更符合實際，第2 層子系統(tǒng)權(quán)向量采用3種方法進行賦權(quán)，分別為熵值權(quán)向量、對等權(quán)向量和決策偏好權(quán)向量。

式中：Hi為指標(biāo)i 的熵值；fij為熵值計算的參數(shù)。

式中：ωi為第i個指標(biāo)的熵值權(quán)向量。

（5）計算第1 層各子系統(tǒng)相對優(yōu)屬度向量，利用連續(xù)模糊優(yōu)選原理的式（10）計算。

式中：uhj為第j個方案對應(yīng)級別h 的相對優(yōu)屬度向量；i為矩陣第i 行，共m行，與指標(biāo)數(shù)相同；j為矩陣第j列，共n 列，與評價站點數(shù)相同；h為評價等級級別數(shù)，h=aj,aj+1,···,bj；dhj、zj為計算參數(shù)，=sh為等級h 對應(yīng)的標(biāo)準(zhǔn)值向量。

（6）計算準(zhǔn)則層短期風(fēng)險、長期風(fēng)險2個子系統(tǒng)的相對優(yōu)屬度向量，重復(fù)（3）~（5）步驟。

（7）得出最高層風(fēng)險評估目標(biāo)層的輸出相對優(yōu)屬度向量，用式（11）計算各站點的級別特征值。

式中： H 為第j個站點的級別特征值。

3 開封市內(nèi)澇風(fēng)險評估

短期風(fēng)險因素下有1個定性指標(biāo)，即積水面積xn4，根據(jù)語氣算子和相對隸屬度的關(guān)系表[18]，可確定該指標(biāo)的相對優(yōu)屬度矩陣如下：

根據(jù)城市內(nèi)澇風(fēng)險評估的目標(biāo)，以及由暴雨引發(fā)的內(nèi)澇和積水產(chǎn)生的不利影響和風(fēng)險越低越好的原則，將9個指標(biāo)進行分類[21-22]。xn3計算的最大積水深度出現(xiàn)時間滯后于對應(yīng)氣象站降水峰值出現(xiàn)的時間，出現(xiàn)的越晚內(nèi)澇風(fēng)險越小，因此該指標(biāo)為正向越大越優(yōu)型指標(biāo)；其余8個指標(biāo)為逆向越小越優(yōu)型指標(biāo)。第1 層（輸入層）2個子系統(tǒng)下各指標(biāo)權(quán)值的計算，令定性指標(biāo)的相對優(yōu)屬度為其構(gòu)成特征值矩陣X 的數(shù)據(jù)值，與定量指標(biāo)組合，利用式（6）、（7）計算各子系統(tǒng)指導(dǎo)的歸一化判斷矩陣B。利用式（8）、（9）計算第1 層（輸入層）2個子系統(tǒng)各指標(biāo)的權(quán)值（表3）。

表3 短期風(fēng)險、長期風(fēng)險子系統(tǒng)的熵值和權(quán)值Tab. 3 Entropy value and weight vector of short-term and long-term risk subsystem

構(gòu)建第2 層各子系統(tǒng)的方案相對優(yōu)屬度矩陣R，計算歸一化判斷矩陣B。對短期風(fēng)險因素、長期風(fēng)險因素2個子系統(tǒng)設(shè)置不同的權(quán)重模擬各種決策情況，有效規(guī)避因權(quán)重設(shè)置不合理導(dǎo)致的評價結(jié)果偏差問題。子系統(tǒng)權(quán)向量采用第1種方法熵值權(quán)向量（w=（0.381，0.619））、第2種方法對等權(quán)向量（w=（0.500，0.500））和第3種方法決策偏好權(quán)向量（w=（0.600，0.400））。第3種決策偏好權(quán)向量，模擬的是決策者更看重短期風(fēng)險的影響，代表了偏保守的決策意愿。分別利用式（10）、（11）進行計算，結(jié)果如表4 所示。

表4 開封市內(nèi)澇風(fēng)險評估12個站點的級別特征值Tab. 4 Level characteristic values of 12 stations for waterlogging risk assessment in Kaifeng City

4 結(jié)果分析

將表4 中級別特征值進行轉(zhuǎn)換，級別特征值H 整數(shù)位代表的是級數(shù)，對應(yīng)1~5 級的標(biāo)準(zhǔn)值為（0，0.3，0.6，0.8，1.0），通過內(nèi)插計算轉(zhuǎn)換為0~1 之間的風(fēng)險綜合評價結(jié)果，如表5 所示。根據(jù)在第2 層對2個子系統(tǒng)采取的3種計算方法，得出開封市12個站點的內(nèi)澇綜合風(fēng)險評估值，為了更直觀判斷風(fēng)險等級，將風(fēng)險設(shè)為Ⅴ級（Ⅰ級極低、Ⅱ級較低、Ⅲ級中等、Ⅳ級較高、Ⅴ級極高），對應(yīng)綜合評估值的范圍為0~0.14，0.15~0.39，0.40~0.59，0.60~0.84，0.85~1.00，3種方法對應(yīng)的評價級別見表5。

表5 開封市內(nèi)澇風(fēng)險評估12個站點綜合評價結(jié)果Tab. 5 Comprehensive evaluation results of waterlogging risk assessment of 12 stations in Kaifeng City

在內(nèi)澇短期風(fēng)險評估中，根據(jù)第2 層評價結(jié)果可知：5號站點評估值最大，風(fēng)險等級為極高；10號站點的評估值最小，風(fēng)險等級為中等。在長期風(fēng)險評估中，6號站點評估值最大，風(fēng)險等級為較高；8號站點的評估值最小，風(fēng)險等級為極低。輸出層3種方法的評估值對比如圖3 所示。12個站點的評估值中，有9個站點的第3種決策偏好權(quán)向量法評價結(jié)果均是3種方法中最低的，且無極高風(fēng)險等級，這說明決策偏好偏保守。12個站點中3種賦權(quán)方法均顯示：5號站點評估值最大，風(fēng)險等級為極高；7號站點評估值最小，風(fēng)險等級為較低。綜合風(fēng)險評價等級為極高的是5號、2號站點，較低的是7號、8號站點。

圖3 開封市城市內(nèi)澇風(fēng)險3種方法評價對比Fig. 3 Comparison of urban waterlogging risk evaluation by three methods in Kaifeng City

計算所得的開封市7.20 特大暴雨12個站點56 h的內(nèi)澇過程，經(jīng)與12個站點的內(nèi)澇風(fēng)險評價結(jié)果對比，符合內(nèi)澇實際發(fā)生過程，5號、2號2個站點過程曲線均在圖4 中顯示峰值最大、覆蓋時間最長。綜合風(fēng)險評價等級為較低的是7號、8號站點，也符合內(nèi)澇實際發(fā)生過程，2個站點過程曲線均顯示積水深度小且覆蓋時間短。5號點位于開封市復(fù)興大道西段，由于此處的排水管網(wǎng)較小、地勢低洼等原因，在歷次降雨中極易發(fā)生內(nèi)澇，積水深度大且歷時長。6號站點位于復(fù)興大道與東環(huán)北路交叉口，積水持續(xù)時間較長，內(nèi)澇風(fēng)險也較高，評價結(jié)果與實際內(nèi)澇過程完全吻合。復(fù)興大道為開封市北面重要的交通要道，是進出連霍高速公路的必經(jīng)之路，內(nèi)澇積水將嚴(yán)重影響道路交通和居民出行。此次7.20 特大暴雨更是充分暴露了5號、6號站點內(nèi)澇風(fēng)險的情況，因此后期需要加強復(fù)興大道排水管網(wǎng)改造力度，布設(shè)排水泵站時應(yīng)優(yōu)先考慮。7號站點位于開封市第三職業(yè)高中門口，在降雨過程中雖然有積水，但歷時短積水較淺，因此綜合風(fēng)險較低。位于老城區(qū)城墻內(nèi)的7號、9號站點風(fēng)險等級為較低和中等，也得益于老城區(qū)內(nèi)水系眾多，河湖連通，排水系統(tǒng)較發(fā)達。

圖4 開封市7.20 特大暴雨12個站點內(nèi)澇過程（56 h） (單位： mm)Fig. 4 Waterlogging process at 12 stations of 7.20 heavy rain in Kaifeng City (56 hours) (unit: mm)

與對應(yīng)的7個氣象站降水過程對比，A 站的小時降水量、3 h 累計降水量、48 h 累計降水量均為7個站點中最大的，但對應(yīng)的內(nèi)澇積水風(fēng)險為較高。這是因為開封的西部城區(qū)是新區(qū)，排水管網(wǎng)及泵站相對較完善，降低了內(nèi)澇積水的風(fēng)險。最大24 h 累計降水量出現(xiàn)在G 站，但G 站覆蓋的內(nèi)澇站點中7、8號的風(fēng)險評估均為較低。結(jié)合城區(qū)DEM 圖可見：在地勢南高北低的影響下，開封南區(qū)、東區(qū)內(nèi)澇積水風(fēng)險得到了有效緩沖，開封老城區(qū)內(nèi)排水效果較明顯。B、F 站的48 h 累計降水量為7個站點中較小的，但對應(yīng)的5、6號內(nèi)澇站點卻是風(fēng)險極高和較高。DEM 圖也顯示：開封北區(qū)地勢低洼，排水體系較差，容易形成小雨大澇險情。這應(yīng)該引起重視。

5 結(jié) 語

在河南7.20 特大暴雨的真實背景下，針對城市內(nèi)澇風(fēng)險評估問題開展研究。根據(jù)城市內(nèi)澇監(jiān)測數(shù)據(jù)，構(gòu)建了由短期風(fēng)險、長期風(fēng)險2個維度，9個指標(biāo)構(gòu)成的3 層評價體系。在模糊評價的基礎(chǔ)上對模型分層賦權(quán)進行了改進，采用輸入層、準(zhǔn)則層不同的賦權(quán)方法。對2個子系統(tǒng)設(shè)置不同的權(quán)重模擬各種決策情況，采用了第1種方法熵值權(quán)向量（w=（0.381，0.619））、第2種方法對等權(quán)向量（w=（0.500，0.500））和第3種方法決策偏好權(quán)向量（w=（0.600，0.400））賦權(quán)方法，有效規(guī)避因權(quán)重設(shè)置不合理導(dǎo)致的評價結(jié)果偏差較大，確保評價結(jié)果的合理性。以開封市7.20 特大暴雨為研究實例，選擇了12個內(nèi)澇站點進行風(fēng)險評估，評價結(jié)果與實際相符。3種不同賦權(quán)方法下評價結(jié)果仍保持一致，這證實了評價結(jié)構(gòu)和模型具有較強的適用性。

通過7.20 特大暴雨12個站點的風(fēng)險評估結(jié)果，可知中等以上風(fēng)險的站點占比達到了83.3%，說明開封市需提高洪澇排泄能力和城市應(yīng)急管理水平。內(nèi)澇風(fēng)險評估結(jié)果也為開封市排水管網(wǎng)改造、排澇泵站的選址、海綿城市建設(shè)等提供有益的數(shù)據(jù)支持，還可根據(jù)第2 層評價結(jié)果具體分析短期風(fēng)險和長期風(fēng)險的變化過程，找到弱項和短板，從而為城市防澇應(yīng)急預(yù)案制定和搶險提供方向和思路。