[论文解读] Flood risk map from hydrological and mobility data: a case study in S\~ao Paulo (Brazil)

Lívia Rodrigues Tomás, Giovanni G. Soares+4 more|arXiv (Cornell University)|Apr 10, 2022

Flood Risk Assessment and Management参考文献 44被引用 18

一句话总结

本研究通过将水文数据（基于HAND的洪水易感性）与移动性数据（暴露度与脆弱性）整合到统一的网格框架中，为巴西圣保罗市开发了一张城市洪水风险地图。主要发现表明，洪水易感性——受临近水体的影响——强烈决定了高风险区域的位置，其中48.1%的网格单元被划分为极高易感性，而整体风险则受限于极高易感性类别中较低的暴露度与脆弱性，凸显了在中心城区不透水城市区域实施针对性早期预警与资源调配的必要性。

ABSTRACT

Cities increasingly face flood risk primarily due to extensive changes of the natural land cover to built-up areas with impervious surfaces. In urban areas, flood impacts come mainly from road interruption. This paper proposes an urban flood risk map from hydrological and mobility data, considering the megacity of S\~ao Paulo, Brazil, as a case study. We estimate the flood susceptibility through the Height Above the Nearest Drainage algorithm; and the potential impact through the exposure and vulnerability components. We aggregate all variables into a regular grid and then classify the cells of each component into three classes: Moderate, High, and Very High. All components, except the flood susceptibility, have few cells in the Very High class. The flood susceptibility component reflects the presence of watercourses, and it has a strong influence on the location of those cells classified as Very High.

研究动机与目标

• 为巴西圣保罗市开发一个多学科的城市洪水风险地图，整合水文与移动性数据。
• 通过将洪水易感性、暴露度与脆弱性组件整合到统一的空间网格中，评估洪水风险。
• 识别洪水易感性与潜在影响重叠的高风险区域，尤其关注中心城区。
• 为城市规划者、应急管理人员与政策制定者提供可操作的洪水风险可视化，以支持韧性建设与资源分配。
• 探索将不同类型数据（点状、线状、矩阵）整合到统一网格系统中，用于城市风险建模。

提出的方法

• 使用HAND（最近排水道高程）算法估算洪水易感性（FS），根据相对于排水通道的高程对网格单元进行分类。
• 暴露度（E）计算为研究区域内常住人口与工作或学习人口的总和，并在网格单元层面聚合。
• 脆弱性（V）由本地脆弱性（LV）与网络脆弱性（NV）组成，其中NV用于评估道路网络中断风险。
• 潜在影响（PI）由暴露度与脆弱性分量的乘积推导得出，并划分为中等、高与极高三个等级。
• 洪水风险（R）通过洪水易感性（FS）与潜在影响（PI）的乘积计算，最终风险等级划分为三类。
• 所有变量均聚合至100米×100米的规则网格中，以统一不同数据源与空间单位。

实验结果

研究问题

• RQ1 如何将水文与移动性数据整合进单一、空间一致的框架中，用于城市洪水风险制图？
• RQ2 圣保罗市的洪水易感性空间分布如何？其与临近水体的距离有何关联？
• RQ3 暴露度与脆弱性分量在最终洪水风险分类中贡献程度如何，特别是在极高风险类别中？
• RQ4 洪水易感性与潜在影响的相对贡献如何在特大城市背景下塑造最终的洪水风险地图？
• RQ5 整合动态移动模式是否能提高洪水风险评估的准确性，相较于静态暴露模型？

主要发现

• 洪水易感性（FS）为最主要分量，48.1%的网格单元被划分为极高易感性，主要由于临近水体。
• FS分量与HAND值呈显著负相关：HAND值小于15米的网格单元被划分为极高易感性。
• 暴露度与脆弱性分量中仅有0.5%至2.3%的网格单元被划分为极高，表明高风险区域的整体暴露度与脆弱性水平较低。
• 最终洪水风险（R）地图中，1.2%的网格单元属于极高风险类别，集中于历史中心区，包括塞西广场与市政市场。
• 极高风险分类要求同时具备高FS与至少高PI，表明仅易感性本身不足以构成极端风险。
• 风险集中度最高的中心城区为建成区、不透水区域，商业与服务设施密度高，表明对日常移动具有强烈吸引力。