近年来，由于气候变暖及城市快速发展导致的热岛效应、雨岛效应，使得大城市突发性、局地性、高强度的极端暴雨事件呈现明显的增多增强趋势［1-3］。城市扩张导致的蓄水面率下降、径流系数升高、排水系统能力不足等因素［4-7］也致使城市内涝灾害发生的频率、强度日益加剧，给人民生命财产安全、地下空间防汛、城市交通等带来极大风险。2020年5月21日傍晚至22日早晨，受西南季风及低涡切变的共同影响，广州普降暴雨到大暴雨，黄埔、增城局部出现特大暴雨。该次暴雨具有“短时雨强大、超强降水范围广、降雨速率快、累积雨量多”的特点（简称“5·22”）。根据《广州市暴雨术语、指标和影响等级划分标准》，综合评估为2005年以来广州市第2强的暴雨过程，达到全市性特别严重影响程度。暴雨造成广州地铁13号线官湖站、新沙站、沙村站、南岗站等站外出现区域性洪涝，洪水倒灌进站导致官湖至新沙隧道区间及官湖至新塘部分隧道被淹，13号线全线停运。

本研究利用分钟级降水、水位监测数据和相关地理信息数据，结合水动力模型模拟和现场调研方法，分析了该次地铁被淹的可能原因。针对如何减少极端降水事件对地铁运行的影响，提出地铁防范极端暴雨灾害的对策建议。

1 资料与方法

本研究使用资料包括：（1）2020年5月21—22日黄埔、增城85个国家和区域气象自动观测站的小时及逐5 min降水观测数据；（2）2020年5月21—22日水文站逐5 min水位及降水监测数据；（3）增城区暴雨强度公式（2014年版），用于计算不同历时、不同重现期暴雨雨量；（4）黄埔、增城地形高程数据，分辨率30 m，来源于日本的ERSDAC（地球遥感数据分析中心）的ASTER GDEM资料。地铁站周边积水模拟采用《城市内涝风险预警业务技术指南》［8］中的城乡积涝淹没模型。该模型包括降雨模块、产流模块、地表汇流模块和管网排水模块4个部分，其中产流模型采用美国农业部水土保持局开发的经验水文模型（SCS模型），汇流采用快速淹没法，排水模块忽略管网计算采用暴雨强度公式和管网的设计标准表征排水能力。

2 暴雨导致地铁被淹的原因

2.1 雨强大、速率快、范围广导致排水不及时

地铁13号线该次被淹站点都处于特大暴雨区内，附近2个气象测站（G1062、G3250）的累积雨量都超过300 mm（图1）。

图1 “5.22”暴雨过程黄埔、增城累积雨量分布（单位：mm）

暴雨过程中，G1062和G3250测站30 min最大雨强分别为70.1和82.6 mm，对照增城区暴雨强度公式（2014年版），重现期分别达到20年一遇和100年一遇；60 min最大雨强分别为112.8和155.6 mm，重现期分别为50年一遇和100年一遇；180 min最大雨强分别为245.2和302.2 mm，重现期均超100年一遇（图2）。而根据《广州市城市建设防灾减灾规划（2018—2025年）》，到2020年广州中心城区排水管网90%以上不低于2年一遇排涝标准，新建区域管网排涝标准进一步提高到5～10年一遇，可见该次暴雨强度远超当地排涝能力。

此外，过程中降雨速率非常快，G1062测站80%以上的过程雨量集中在01：00—04：00（北京时，下同），期间有10个时次5 min雨量超过10 mm，平均每5 min为6.8 mm；G3250测站有90%以上的过程雨量集中在01：00—04：00，期间15个时次5 min雨量超过10 mm，平均每5 min为8.3 mm。雨势又急又猛导致排水系统不能及时泄洪，地铁站外出现区域性洪涝。另一方面，过程中黄埔、增城共有31个测站（占38.8%）1 h雨量≥80 mm，15个测站（占18.8%）3 h雨量≥200 mm，短历时超强降水范围之广打破全市历史纪录。强降水范围广给排水调度工作带来一定难度，需要布防的点太多、人手不足，导致地铁周边积水无法快速解决而涌入站内。

图2 地铁周边气象测站G1062（a）和G3250（b）逐5 min、滑动30、60、180 min及累计雨量变化

2.2 河涌水位顶托

地铁13号线距离东江北支流、珠江等河流较近。“5·22”暴雨范围广，周边水系及上游增江都在大暴雨或特大暴雨区内。强降雨及上游来水导致河流水位快速上涨，附近的南岗河口、永和河、本田汽车厂等水文测站都出现超警戒水位（图3），其中南岗河口超警戒水位0.86 m，基本上都是在2 h内水位暴涨2 m以上（对应雨量100 mm左右）。河涌水位顶托导致区域降雨径流无法顺利排出，加重了地铁站周边内涝的严重程度。

2.3 地形影响

地铁13号线被淹的官湖、新沙、沙村站北面三面环山，地铁站正处于喇叭口地形的低洼处。南岗站西北面是龙头山森林公园，也处于地势低洼处。“5·22”暴雨时山洪汇集到地铁站周边低洼区域，也是导致地铁倒灌进水的原因之一。

上一篇：城市公交过剩通勤分析与评价以广州市为例
下一篇：没有了