文献类型：期刊文章

作　　者：黄华兵[1,2,3] 王先伟[1,2,3] 柳林[4,5]

HUANG Huabing;WANG Xianwei;LIU Lin(School of Geography and Planning,Sun Yat-sen University,Guangzhou 510275,China;Guangdong Provincial Engineering Research Center for Public Security and Disasters,Sun Yat-sen University,Guangzhou 510275,China;Southern Marine Science and Engineering Guangdong Laboratory(Zhuhai),Zhuhai 519080,Guangdong,China;Center of GeoInformatics for Public Security,School of Geography and Remote Sensing,Guangzhou University,Guangzhou 510006,China;Department of Geography and Geographic Information Science,University of Cincinnati,Cincinnati,OH 45221,USA)

机构地区：[1]中山大学地理科学与规划学院,广州510275 [2]广东省公共安全与灾害工程技术研究中心,广州510275 [3]南方海洋科学与工程广东省实验室(珠海),广东珠海519080 [4]广州大学地理科学与遥感学院公共安全地理信息分析中心,广州510006 [5]辛辛那提大学地理系,美国辛辛那提OH 45221

出　　处：《地理科学进展》

基　　金：国家自然科学基金项目(41871085);广州市科技计划项目(201707010098)。

年　　份：2021

卷　　号：40

期　　号：6

起止页码：1048-1059

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、CSSCI、CSSCI2021_2022、JST、RCCSE、ZGKJHX、核心刊

摘　　要：建成环境的高空间异质性与致灾过程的复杂性给城市暴雨内涝研究带来巨大的挑战,具体表现为模型代表性不够、计算效率低、基础数据和验证数据匮乏。以机器学习为代表的人工智能技术、高分遥感和互联网大数据的快速发展则为城市暴雨内涝研究提供了新的契机。论文结合人工智能、高分遥感和互联网大数据等新技术发展,从特征、机理、数据与方法4个维度对暴雨内涝的研究现状和发展趋势进行了系统总结,主要结论包括:(1)暴雨内涝具有短历时性、空间散布性、连锁性和突变性,其热点呈现空间上的动态迁移特征。(2)降雨时空特征和城市化程度决定暴雨内涝灾害的量级,地形条件尤其是微地形则决定发生位置和内涝频率。地形控制作用指数(topographic control index,TCI)对暴雨内涝发生位置具有良好的指示能力。(3)排水管网、高精度地形和不透水面分布是暴雨内涝模拟的关键基础数据;降雨过程的高时空变异性是暴雨内涝近实时预报预警的主要瓶颈,需要充分利用天气雷达观测提高其精准度;互联网众包大数据是获取高空间覆盖度暴雨内涝灾情信息的新途径,但也面临不同类型信息融合、提炼和质量控制的挑战。(4)结合水动力模拟与机器学习可建立兼具物理基础和计算效率的暴雨内涝模拟方法,是实现近实时模拟与快速预报预警的有效途径。

关 键 词：暴雨内涝  人工智能 大数据 遥感

分 类 号：TU992]