赫尔辛基城市暴雨洪水预报系统介绍

赫尔辛基城市暴雨洪水预报系统介绍 摘要：城市暴雨洪水预警预报系统以暴雨洪水管理模型为基础，结合雷达观测技术以及水文测报技术，对赫尔辛基城市暴雨洪水进行分析预测，对预测得到的数据进行处理、展示，当某区域积水水位值超过预先设定的最高水位值时，触发报警系统，及时提醒相关部门采取应对措施，从而减小城市暴雨洪水对人民生命财产造成的损害。

关键词：暴雨洪水；预警预报；管理模型；水文测报 芬兰位于欧洲北部，被誉为“千湖之国”，水域占区域面积百分比如图1所示，该地区平均降雨量为500-800mm（其中30%-50%为降雪）。近年来，社会高速发展，带来社会经济效益增长的同时也对居住环境造成巨大压力，温室效应、热岛效应等引发的全球气候变暖，造成了诸如冰川融化、强降雨等一系列环境问题。受全球气候变化的影响，赫尔辛基城市降雨主要集中在夏季，随着全球气候变暖，夏季持续高温带来的强降水，引起城市径流量瞬间增大；同时由于城市化进程引起下垫面环境的变化，当产生的径流流量超过城市管网的排泄能力时，雨水在城市低洼处堆积而产生的城市内涝，严重影响城市居民的正常生活，并且暴雨洪水产生的雨洪污水汇入城市排水管网，最终排入城市河道，将改变水体环境，危及水体中生活的动植物。因此，采用先进的雨洪管理理念，结合现代水文自动测报技术以及雷达观测技术，采用暴雨洪水管理模型，开展洪水预警预报技术研究，对于实时监测赫尔辛基城市水文信息，把握城市暴雨洪水发展动向，及时采取应对措施减少生命财产损失具有重要意义。

一、城市暴雨洪水预警预报系统介绍 城市暴雨洪水预警预报系统（系统原理图如图2所示），以暴雨洪水管理模型为基础，结合水文自动测报技术、卫星雷达观测技术、通信技术、数据库技术、计算机技术等，对雨量数据进行采集、存储、传输、处理、展示以及预警预报。系统采用雨量站及雷达两种方式观测比对获得雨量数据，将该数据输入到洪水预报管理模型中，经处理后输出雨量数据预测值，同时计算出城市径流情况，用于手机端及电脑端洪水预警预报信息展示，各子模块介绍如下。

图1 水域占区域面积百分比 图2 城市暴雨预警预报系统工作原理图

1.系统网络架构总体部署 系统选用B/S（Browser/Server）架构，通过一定的权限控制实现多客户访问，交互性强，版本更新方便。客户端主要负责水文数据查询展示以及预警预报信息展示，服务器端主要负责数据处理、与数据库以及其他子系统交互。联网状态下，客户端和服务器端进行通信，实现数据处理、存储、展示与推送等过程。

2.雨量观测 暴雨监测是暴雨洪水预报的基础，过去采用遥测雨量站对暴雨数据进行采集，该方法存在站点布设密度低，站点分布不均匀，数据缺乏时空连续性且精度不高等局限性，特别是持续强降水情形下，数据错报、漏报等都会给当地环境部、农林部以及城市居民使用、查看过程中造成极大不便。雷达测报技术，对区域现有雨量站测得的数据进行校准比较，弥补水文测报系统的短板，从而提高数据的质量。该技术通过探测雨滴形状推定雨量大小，实现对地区强降雨信号的捕捉、监控、预报、传输，提高数据时空连续性以及提供实时的更高精度的雨量数据。数据采集间隔可设为5min、10min、1h等，获取得到雨量数据后，作为输入值输入到暴雨洪水管理模型，从而得出该地区雨量数据某时段内的预测值。

3.暴雨洪水管理模型 暴雨洪水管理模型（Storm Water Management Model，SWMM），1969至1971年间由美国环境保护署（Unite States Environment Protection Agency，EPA）提出，旨在解决日益严峻的城市暴雨洪水问题。该模型通过建立动态的降雨-径流模型，对城市的排水管网进行长期或者短期的跟踪、模拟，从而计算分析出任意时间点城市管网中任意径流的流量及水质情况，用于指导优化现有城市排水管网。当暴雨洪水来临时，对暴雨洪水进行优化调度，降低城市洪水发生的概率。选取赫尔辛基最近五年海量的雨量、径流数据，采用数据挖掘技术，对该地区数据进行选取、转换、清洗等操作，从而挖掘出有效的水文数据。同时选取M5模型树算法，输入挖掘得到的水文数据，不断对模型进行训练学习，得出适用于本系统的模型。该模型树将输入属性空间划分成互相平行的矩形区域，对每一个分区域，得出对应的回归模型，实现雨量的模拟及预测，M5模型树算法流程图如图3所示。通过M5模型树算法建立的洪水预报模型，操作方便、维护简单，并且能够提供高精度预测数据。

图3 M5模型树算法流程图 4.数据库设计 根据系统功能的需求，本系统的设计既支持测站数据、雨量数据、预警预报数据、用户数据等历史数据的查询，也支持实时数据的查询、存储与处理，历史数据通过查阅当地环境部以及农林部历史资料可得，实时数据可通过实时读取雨量站数据接口得到。如1.2节中介绍，通过暴雨洪水管理模型，生成城市暴雨洪水预测值，用以进行数据展示以及预警预报。本系统采用主流数据库SQL Server。系统部分E-R设计图如图4。其中，StationData对应测站数据表，包含站点精度、站点ID号等信息；RainFall对应降雨信息表，包含时间、测站降雨量等信息；User对应用户数据表，包含用户ID号、用户类型ID号等信息； WarningInformation对应预警信息表，包含预警信号ID、预警解除时间等信息。 图4 系统E-R图 对数据库表进行设计，表设计分别如下：(1)测站数据表。此表用来存放观测站的基本信息，如站点ID号、站点编号、经度、纬度、高程等（表1）。

表1 StationData表结构

字段名称 字段说明 字段类型 空/非空 是否为主键

StationID 站点ID号 Int NOTNULL 是 StationNumber 站点编号 Int NULL 否

StationName 站点名称 Nvarchar（50） NULL 否

Longtitude 经度 Float NULL 否 Latitude 纬度 Float NULL 否 Altitude 高程 Float NULL 否 … (2)降雨信息表。此表用来记录各个站点的逐日降雨量，表中包括时间、各个站点的雨量值等信息（表2）。

表2 RainFall表结构

字段名称 字段说明 字段类型 空/非空 是否为主键

Time 时间 Datatime NOTNULL 是 R1 站点1雨量 Float NOTNULL 否 R2 站点2雨量 Float NOTNULL 否 … … … … … (3)预警信息表。此表用于存放预警的信息，如预警信号ID、预警信号名称、预警信号类型、预警级别、预警方式、是否应用、预警word文档地址、是否解除预警及解除时间等（表3）。

表3 WarningInformation表结构

字段名称 字段说明 字段类型 空/非空 是否为主键

WarningInformationID 预警信号ID Int NOTNULL 是

WarningInformationTitle 预警信号名称 Nvarchar（200） NOTNULL 否

WarningInformationType 预警信号类型 Int NOTNULL 否

WarningEventLevel 预Int NOT否 警级别 NULL WarningMethod 预警方式 Int NOTNULL 否 isValid 是否应用 Int NOTNULL 否

WordURL 预警word文档地址 Nvarchar（60） NOTNULL 否 IsRelieved 是否解除 Int NULL 否 RelieveTime 解除时间 Datatime NULL 否 （4）用户信息表。此表用来存放用户的具体信息，如用户ID、登录账号、登录密码、账号类别、用户类型ID等（表4）。

表4 User表结构

字段名字段说字段类型 空/非是否为称 明 空 主键 UserID 用户ID Int NOTNULL 是 LoginName 登录账号 Nvarchar（30） NOTNULL 否

Password 登录密码 Nvarchar（30） NOTNULL 否

Type 账号类别 Nvarchar（30） NOTNULL 否 UserTypeID 用户类型ID Int NOTNULL 否

5.信息查询及预警模块介绍 信息检索查询模块用于收集水情信息，当用户需要查询雨量信息时，在数据查询区选择需要查询的测站编号以及查询时间间隔，系统即将实时查询到的结果显示在降水量预报记录框中，即可查看雨量信息。预警模块用于发布和搜索预报信息，按照设定的扫描时间间隔，对雨量站雨量数据进行扫描，将扫描得到的数据与提前录入模块中的雨量阈值进行比对，超过阈值时，触发预报语音、手机短信等推送服务，将预警预报信息推送给相应个人以及部门，同时记录下扫描结果、预警预报记录信息生成.txt文件，用于后期查阅。 二、赫尔辛基暴雨洪水模拟展示及应用 系统选定赫尔辛基地区作为模拟分析对象，结合ArcGIS技术，调用Google地图数据，确定赫尔辛基地区物理结构网络图，将该地区雨量计站点信息、雨量数据、子流域、节点、连接点、时间步长等信息输入到系统中（考虑到赫尔辛基地区冬季下雪，还需要录入该地区的气象数据，模拟融雪过程）。当暴雨洪水来临时，暴雨洪水管理模型对分析出的降雨量进行计算，结合该区域结构信息、水文数据、气象数据等进行径流模拟，分析出该地区未来特定时段的降雨-径流关系，得出积水情况，进而实现洪水模拟、预警预报。赫尔辛基城市暴雨洪水展示图如图4所示（该图片来源于芬兰VTT公司）。

图5 赫尔辛基城市暴雨洪水展示图 以赫尔辛基2020年雨量信息为例，该区域雨量-时间关系图如下（数据来源于芬兰环境部）。由图5可以直观看出，赫尔辛基夏季雨水充沛，城市雨量主要集中在6-8月，日均降雨量为15mm/d左右。其中，实线为该地区雨量数据实测结果，虚线为该地区预测结果，采用相对误差公式：

经过分析计算，得到每个月对应的相对误差，求平均值可得该地区2020年度洪水预报相对误差为18.02%，在洪水预报误差范围内，基本符合要求。