又要暴雨了！极端天气频发下，城市自救逃离“看海”模式-筑格

又要暴雨了！极端天气频发下，城市自救逃离“看海”模式

2024/07/25

作者

依赖于构建物理屏障来使我们免受洪涝灾害，已经不再是最好的方法。人类需要做的，是将自然还给自然。

111

“最初，没有人在意这场灾难。这不过是一场山火，一次旱灾，一个物种的灭绝，一座城市的消失。直到这场灾难和每个人息息相关……”

这是科幻灾难电影《流浪地球》的一段预言。然而，在现实世界中，这样的场景离我们并不遥远。

近年来，全球气候变化导致极端天气事件频发，南方地区特别是大暴雨引发的城市淹水问题尤为突出。甚至连沙漠之城迪拜在今年上半年也遭遇了暴雨袭击，一天下了整年的雨量，沙漠变成了汪洋。传统的城市水系统在面对突如其来的大量降水时显得力不从心，一旦城市经历了暴雨，大量街道立刻变成了“河流”，在市中心“看海”成了越来越多城市中出现的问题。

左：中国气象2024年6月29日发布的全国降水量预报图 ©中国天气

右：2023年9月8日，香港，暴雨期间车辆被淹没在洪水中 ©视觉中国

正在被大雨冲刷的迪拜城市一隅 ©三联生活周刊

水是城市的命脉，城市曾经滨水而建，因河而生。随着城市化加速和气候变化导致种种问题出现后，城市水系统如何应对这些不确定性，并快速从中恢复？城市管理者如何依赖科学预测辅助做出及时的响应？我们又应如何提升其应对灾害的能力？这为城市的发展和规划提出了新的挑战与课题。

上海黄浦江 ©Pixabay

现有城市淹水问题的背景

当提到水问题时，我们需要重新回到生态系统中的水循环来看：水蒸气在空中凝结成云层，然后聚集变重后从云层降落，形成各种形式的降水；降水在地表蒸发之外，不断汇聚成小溪和河流流向低洼地区，或渗入地下成为地下水。这是自然界亘古不变的运动和变迁。

自然界水循环 ©US Geological Survey

自1972年美国净水法案颁布以来，城市水管理范式在当代城市中被广泛运用，其特色如同现代城市的排水系统所示——水体快速传输和管道终端处理。在城市不断发展的过程中，硬质界面大幅度取代了自然界面，“灰色”基础设施取代了地表水域，成了城市的毛细血管，逐渐完善的城市排水系统取代了天然的河渠和径流。

大东京地区地下排水道 ©日本国家旅游局

然而，随着全球变暖，极端天气事件频发、广泛发生、强度增加并同时发生的趋势也日益明显。这导致原有的水循环和自然平衡被打破，城市水系统难以承受越来越频繁的雨洪冲击。根据联合国环境规划署2012年发布的《全球环境展望5》（GEO-5），1980年至2000年间全球洪灾数量增加了230％，洪灾受灾人数增长了114％，城市面临的雨洪问题日益严重。

以香港为例，其每小时雨量的最高记录正在以前所未有的速度被一再刷新，且近年来，最高降雨量发生跳跃式增长速度越来越快，时间跨度也越来越短。

香港最高降雨量 ©Hong Kong Observatory

因此，我们的城市水系统需要进行大规模的更新，以满足需求并支持安全和城市复原力。这是一项重大挑战，需要在重塑生态水循环的同时，革新城市排水系统设计和改造方式，从而更好地应对和管理我们的降雨和内涝问题，并改善环境条件，造福所有人。这也是城市如何对这些全球挑战日益增长的冲击和压力，作出富有想象力的回应。

现有城市淹水问题的解决策略

面对日益严峻的城市病，以及极端天气引发的次生灾害，我们需要依赖更加稳健的基础设施，构建更强的抗风险能力，即“城市韧性”。城市水问题的核心是水循环失衡。在打造从洪水中快速恢复的韧性城市，往往会有两种方向的解决思路：短期应对性和长期战略性。短期应对性即为，一旦出现暴雨内涝，应急减灾部门便会采取相应措施，迅速为城市的洪涝灾害采取行动。但气候灾害越来越频繁，“水来土挡”的短期投入越来越大，城市水问题治理也越来越需要系统思维和长期策略谋划。

钱塘江流域遭遇特大洪水，新安江水库四年来首次开闸泄洪 ©视觉中国

“海绵城市”作为一种新型的城市水管理理念被广泛推广。依据住房和城乡建设部2014年发布的《海绵城市建设技术指南》，“海绵城市”是指城市能够像海绵一样，在适应环境变化和应对自然灾害等方面具有良好的“弹性”。建设海绵城市，即构建低影响开发雨水系统，主要是指通过渗、滞、蓄、净、用、排等多种技术途径，实现城市良性水文循环；在下雨时能及时吸水、蓄水、渗水，需要时将蓄存的水“释放”并加以利用，维持或恢复城市的海绵功能。

2006年，新加坡启动ABC水计划（Active, Beautiful,Clean Waters Programme），通过‘源头-过程-末端’的全过程雨洪管理，减少径流总量、净化径流污染、利用径流资源。

新加坡ABC水计划示意 ©ABC Design Guidelines

“海绵城市”将传统城市雨洪管理的“快排”模式，转变为“缓释”的城市排水思路，将生态理念融入到城市发展规划和综合治水规划中。通过开辟各种开敞空间和自然区域（如绿道、湿地、雨水花园、森林、乡土植被等）作为绿色基础设施，建设自然联系、自然积存、自然渗透和自然净化的有机网络系统。

海绵城市与传统快排模式降雨过程控制的对比示意 ©海绵城市建设技术指南

城市需要与自然协调一致。基于自然的解决方案（Nature-based Solutions,即NbS）能够比传统且单一的“灰色”基础设施带来更广泛的好处，并对生物多样性和碳减排作出积极贡献作出。基于自然的“海绵系统”不仅在于解决量的问题，更解决质的问题、生物栖息地问题，从而系统地解决生态服务的问题。而且这个系统是跨尺度、跨流域的，更是在顺应“自然的力量”，以更有效的且适应性的方式应对复杂挑战。

“中国水问题非常复杂，水质问题、水量问题、栖息地消失问题、地下水污染的问题、土壤污染问题等，整个水生态系统面临着全面的危机，“海绵城市”必须走向“海绵国土”才能解决城市水问题。”

——俞孔坚北京大学教授、北京大学建筑与景观设计学院创始人、土人设计首席设计师

三亚红树林生态公园——海绵城市项目 ©土人设计

AI赋能与未来城市可持续水治理

随着城市可持续水管理水平不断提升，“海绵城市”的理念已全面纳入城市建设需求。同时，计算机与信息技术的发展更为人类研究“海绵城市”提供了有效的技术条件，帮助我们更好理解复杂的城市水问题和其中的水文过程，辅助科学决策。

人工智能（AI）的快速发展为其在城市内涝和洪水预报等领域的应用带来广阔前景，这也为打造“智慧海绵”、提高气象水文灾害预测的准确性，从而加速响应提供了新的可能性。

在气象水文领域，AI 技术能够处理和分析海量数据，识别复杂的非线性关系并从中学习，从而预测灾害事件。其潜在应用领域包括气候变化影响评估、灾害风险评估、灾害影响模拟、资源优化配置、以及实施决策支持等。

水设计：数字工具评估未来气候风险

奥雅纳（Arup）于2023年发布《全球海绵城市快照》（Arup Global Sponge Cities Snapshot），其中提到，数字化工具正在改变我们评估城市应对未来气候风险和提出改进机会的方式，帮助我们更好地了解城市的自然吸收能力。

报告呼吁城市管理者采用基于自然的解决方案，根据自然的特点并利用其生态功能加强应对暴雨等灾害，为未来更加严峻的气候挑战做准备。

©Arup

在这份报告中，奥雅纳利用机器学习技术和卫星图像分析土地使用情况，评估了十个国际大都会（奥克兰、伦敦、蒙特利尔、孟买、内罗毕、纽约、上海、新加坡、悉尼和多伦多）的海绵水平（Sponginess）——即自然吸收能力。通过数据分析和自动化处理大量的数据和卫星图像，从以下三个主要因素分析了城市的海绵水平：

1）城市环境中蓝绿空间的数量

2）城市土壤的水文特性

3）绿地的径流潜力

©Arup

基于自主研发的数字工具“Terrain”，奥雅纳通过识别形态、制作详细的土地利用地图，为特定地区精准计算出不同类别土地的覆盖率，从而量化城市中心“绿色”资产（草地、树木、灌木丛）、“蓝色”基础设施（例如池塘或湖泊）数量，以及“灰色”基础设施（建筑物和坚硬表面）的数量，并将蓝-绿-灰作为整体，综合评估城市水系统和水韧性。

奥雅纳自主研发数字工具“Terrain” ©Arup

这一工具的应用能力也在上海的研究实践中得以证实。奥雅纳与上海市城市建设设计研究总院（集团）合作，为上海中心城定制排水系统总体规划。该排水方案已纳入《上海市城镇雨水排水规划（2020—2035年）》中落地实施。

作为一座因水而兴的城市，过去数十年大规模城市发展造成区域硬化面积大幅增加，绿地和水域面积相应减少，导致城市雨水径流量剧增，城市内涝及自然河道污染问题突出。方案详细分析了上海市主城区的用地特征，依据排水特点确定了12种不同的用地类型，深入理解上海城市建设对自然排水能力的影响；并采用机器学习的方式对整个研究区域的遥感图像进行分析，用以支持城市用地特征的人工分析。方案将研究成果在城市范围内进行校对，建立了具有长远价值的新范式：其转变了传统排水系统以“排”为导向的思维模式，从自然流域规模的视角，为上海定制可持续的绿色、蓝色、灰色基础设施以及管理组成的综合系统，支持城市内部水循环，增进城市水韧性。

上海中心城区雨水排水规划中，运用机器学习分辨12种用地类型 ©Arup

水运营：物联网与内涝智能检测预警

在大范围强降水已经导致洪涝风险和内涝问题出现后，如何及时监测和响应，并做出相应预警及处理，也是城市面临的重要挑战。面对这一情形，百度智能云推出了“智慧水务”的实践，旨在探索 AI 技术如何有效应对城市水务防汛应急的问题。

该“智慧水务”系统基于物联网、人工智能、云计算等技术，通过部署道路积水监测点、排水流量监测点及预警预报平台，实现雨天积水点水位实时监测；并结合百度水务大脑，通过 AI 技术高效识别内涝积水、隧道通行等安全因素；内涝预警的结果也将以各类形式及时预警，在助力防汛应急智能管理、协助管理部门掌握涝情的同时，也与百度地图实时联动，辅助解决水务场景的实际问题。

排水内涝积水预警示意图 ©百度智能云

此前，百度智能云天工物联网平台携手慧联无限联合推出的城市内涝智能监测预警系统，也许是“智慧水务”的雏形。该智能检测系统共分为三层：硬件设施层、平台层、应用层。

城市内涝智能监测系统架构图 ©百度AI

硬件设施层在物理资源及网络资源的基础上，收集整合相关数据并汇聚到大数据平台层，方案覆盖降水、积水、井盖、蓄水、排水五个方面。平台层覆盖“云-边-端”连接能力，对于数据进行分析挖掘，并通过天工物联网平台，将海联设备连接至云端，并在云端进行数据点处理计算、储存、可视化的展示与分析，而后将数据分析结果以统一、虚拟化的应用接口提供给上层具体应用。在应用层，方案具有降水、积水、排水分析及策略分析功能，为城市智慧排水应急策略分析提供数据支撑。

百度智能云天工物联网平台架构图 ©百度AI

可视化应用界面 ©百度AI

今年3月28日，百度智能云正式发布了《百度智能云水业大模型白皮书》，这也是首部聚焦水利水务行业大模型构建与应用的行业白皮书。《白皮书》提到，大模型技术与水利水务基础设施、生产运行、经营管控等应用场景的融合，将为行业数据整合与共享、实时数据监测与分析、知识图谱构建与完善、预案与应急管理方案优化、模型间的协同与调用、复杂决策支持等方面产生积极改变，带来巨大的应用价值与潜力。

百度智能云水业大模型总体架构 ©百度智能云

水预测：基于机器学习的河流预报模型

除了对于城市水务治理的及时预警之外，建立关于河流的洪水预报系统也是人类应对洪水灾害的一种重要手段。叠加水文模型和洪水模型，我们能够知道哪些地区将受到影响以及我们预计水位会达到多高：水文模型通过处理公开的数据源（例如降水量和其他天气和流域数据）来确定河流是否会发生洪水，并输出未来几天河流水位和流量的预测；洪水模型则是根据水文预报和卫星图像模拟水流过洪泛区时的行为。

The Hydrologic Model©Google Flood Hub

来自谷歌研究 Google Research 的科学家 Grey Nearing 曾在其论文中表明，一个有效的洪水预报系统能够将相关死亡人数减少 43%，经济损失降低 35%-50%。他与团队开发了一个基于机器学习的河流预报模型（River Forecast Model），为未测量流域的洪水预警提供更好的支持。该模型目前能够提前7天实现对洪水的可靠预测，覆盖全球 80 多个国家，为 1,800 多个站点提供关键洪水预报，覆盖人口达 4.6 亿。

研究的数据集包括来自 5,680 个流域的模型输入和（径流）目标值，研究人员基于这些流域的流量监测站进行模型的训练和测试。

用于训练模型的5,680径流监测站位置 © Grey Nearing, Google Research

河流预测的一个主要挑战是水文预测模型必须使用长数据记录来校准单个流域。缺乏流计提供校准数据的流域被称为“未测量流域”，而对于“未测量流域的预测”（PUB）问题正是国际水文科学协会（IAHS）面临的多年难题。在公开可用的全球流量数据记录的情况下，团队通过机器学习，力图将总流量观测数据记录之间存在强相关性扩展和转移到未测量流域的水文模拟模型中，即从数据丰富的地方推断导数据稀缺的地方，并发展成一个全球尺度的预测系统。

Flood Hub预测系统 ©Google Flood Hub

这个基于机器学习的河流预报模型（River Forecast Model），系统性和突破性地运用 AI 技术中长短期记忆网络 (LSTM) ，结合洪水预报系统中的两种模型——水文模型和洪水模型。随之再对于模型不断优化，采用交叉验证在 5,680 个流量计上训练并在样本外测试河流预报模型，确保模型的泛化能力得到有效评估，提高预测可靠性，减少预测误差。

基于LSTM的河流预测模型体系结构 © Grey Nearing, Google Research

为了评估洪水事件预测的可靠性，研究人员将河流预报模型与全球现有最先进的洪水预报系统 GloFAS（Global Flood Awareness System）进行对比分析。结果表明，与全球广泛使用的先进模型GloFAS相比，Google Flood Hub 的 AI 模型在经过多种公开的全球天气产品、河流水位测量及卫星图像的训练后，可以提供更可操作、更准确的预测，同时可以根据数据可用性生成预计特定区域将被淹没的地图，提供实时的洪水警报。

1984-2021年期间，河流预报模型与GloFAS模型之间对于5年一遇

洪水模拟的F1 Scores得分差异；AI模型在80%的指标上优于GloFAS

* 红色表示F1差异值在-0.2~0之间

* 绿色表示F1差异值在0~0.2之间

* 机器学习中的F1差异值为用于分类模型的评估指标，定义为精确率和召回率的调和平均值。

结语

在2024年的《全球风险报告》中，极端天气事件和地球环境系统的重大改变仍被认为是未来十年人类社会面临的两项最大危机。气候变化与传统风险发生关联，成为经济社会生活中的“风险倍增器”。此外，气候科学家已经证实在未来的几十年，洪涝将持续加剧。这意味着更加极端的降雨和更加频繁的洪涝即将出现。

在面对日益增多的极端天气事件，如何与自然系统和谐共处对积极应对气候变化来说愈加重要。基于自然的解决方案（NbS）强化了城市应对气候影响时的韧性，辅助和利用自然演进以支持生态系统的再生；而运用人工智能和机器学习等数字化工具量化这些基于自然的解决方案，不仅能高效且更有成本效益地（cost-effective）了解并加强城市的自然能力，同时更能将城市中失衡的水问题重新带回到自然式的水循环，以应对不确定性挑战。

回到最初《流浪地球》的预言，灾难离我们的日常生活越来越近。无论是海绵措施还是AI技术，都离不了人类的觉醒与决策。仅仅依赖于构建物理屏障来使我们免受洪涝灾害，已经不再是最好的方法。人类需要做的，是将自然还给自然。

自然早就给出了答案，我们只需倾听。

作者 | Xiaoxin

发文编辑｜吴秀秀

审核编辑｜Ming，Yibo

专栏编辑 | Sherry Li

网站审核｜Zhong

若有涉及任何版权问题，请联系media@archidogs.com，我们将尽快妥善处理。

Reference

暴雨新闻

https://mp.weixin.qq.com/s/GLC0QMXsftcB9s0cvoqg_Q

https://mp.weixin.qq.com/s/cWs8nWhlr-e4kqL-srh7-A