2021地理设计组二等奖：城市三维空间格局对城市内涝的影响研究——以深圳市为例

作品简介

一、设计思想

内涝是指由于连续性降雨或强降雨导致城市地表径流超过地下管网排水能力从而引发的积水现象。内涝的发生会严重破坏城市基础服务设施（如交通运输、通讯以及水、电、气的供应），甚至严重影响人民的财产和生命安全。为了降低内涝风险及其造成的损失，我国越来越多地区采取“海绵城市”建设和“Low-Impact Development”的措施。然而，类似措施的实施效果在一定程度上取决于相关决策部门对城市内涝驱动因素的了解程度。以往研究表明城市内涝是由自然因素和人为因素共同引发的，其中自然因素主要体现在降雨量和地形条件。此外，城市内涝的发生还会受到各类人为因素的影响，主要包括排水系统的设计、不透水面的扩张以及土地覆盖的空间结构。除更新排水系统外，如何从土地利用规划的角度降低内涝风险成为了学者重点关注的问题。

研究表明，快速城市化区域的不透水面面积急剧增加，改变了原始的土地利用结构和水文状况，从而加剧城市内涝的风险。以往相关研究仅仅关注城市二维空间格局与内涝的关系，然而从二维角度已不能准确描述土地利用的真实情况。城市土地利用空间结构其实同时涉及到水平和垂直维度，城市内涝的发生也极有可能与三维的建筑空间格局相关。例如，建筑的大量聚集以及不合理的分布会极大地干扰空气流动并加剧城市内部的热岛效应，从而导致局部微气候发生变化。然而，仅凭平均建筑高度无法全面反映建筑的三维空间格局。近年来诸多研究提出了一系列三维建筑格局指标以全面衡量三维建筑空间格局。由于三维建筑格局的各类指标与城市内涝程度的关系仍然不明确，因此本项目期望重点解决的问题是：三维建筑空间格局会对城市内涝产生怎样的影响？哪些建筑格局指标对内涝程度的影响最大？所得结果将有助于政府部门制定合理的三维空间规划以降低内涝风险。

为此，本项目以内涝频发的深圳市为研究案例，分析三维建筑空间格局对城市内涝程度的影响。首先，选取可能对城市内涝产生影响的三维建筑指标（主要包括建筑物密度、建筑拥挤度、建筑容积率），建立指标体系分析三维尺度上的城市空间格局特征。其次，参考以往研究选取影响内涝的常规自然因素和人为因素，如地形条件、人口密度、土地覆盖情况。然后，结合GIS空间分析、逐步回归、随机森林算法等技术对深圳市内涝点空间分布、建筑轮廓数据等进行处理和分析。根据分析结果，总结出城市内涝的重要影响因素，重点揭示出三维建筑空间格局与城市内涝点密度的关系，具体设计思路如下：

（1）收集研究区域的相关数据，分析城市三维尺度空间格局特征：收集深圳市的内涝点、建筑轮廓及高度数据、DEM数据、土地覆盖数据以及人口分布。利用DEM数据提取流域水系，并综合运用多种空间分析方法统计深圳市每一流域的建筑物密度、平均建筑高度、平均建筑体积、建筑高度标准差、建筑体积标准差、容积率、建筑覆盖率、建筑拥挤度、建筑体型系数，分析三维建筑空间格局特征。此外，进一步统计每一流域的内涝点密度、土地覆盖比例等，为后续的分析提供数据支撑；

（2）结合最邻近指数分析、空间自相关、核密度分析等方法揭示内涝点的空间分布特征：从数量规模、空间分布模式、空间异质性等方面分析深圳市内涝点的空间分布情况，依次得到内涝点的集聚分布特征、空间依赖特征以及区域差异特征，进一步分析空间集聚与空间差异的原因；

（3）结合相关分析、逐步回归分析、随机森林模型重点剖析三维建筑空间格局对内涝点密度的影响：首先根据皮尔逊相关分析得出内涝点密度与各类内涝影响因素的正负相关程度。然后利用逐步回归和随机森林模型对比考虑与不考虑三维建筑指标两种情况下的内涝点密度预测值，深入分析影响内涝点的关键因素，同时通过随机森林模型衡量得出各影响因子的重要程度，对结果进行评价分析；

（4）依据评价分析的结果总结探讨城市三维建筑空间格局与城市内涝的关系，为从三维空间规划角度解决“城市病”提供理论依据和技术支撑：根据上一步分析的结果，在传统二维土地覆盖指标的基础上，加入三维建筑空间格局指标进行分析，得出不同建筑分布因素对城市内涝点密度的影响程度，从而在三维空间规划角度上更深入研究城市内涝问题的成因，并提出建设性意见。

二、主要功能

本研究所得成果可以为城市内涝防治以及三维建筑空间格局优化提供有价值的决策参考和技术支撑，有助于政府部门制定合理的三维空间规划以降低内涝风险。本研究中所用方法与框架还适用于剖析其他地区的三维建筑格局对城市内涝的影响。研究方法、框架构建（图1）以及根据结论提供决策参考的具体过程如下：

研究方法简介：

（1）三维建筑格局指标构建。

（2）最邻近指数法：是以随机模式的分布状况作为标准，来衡量点状要素的空间分布。

（3）局部空间自相关：指标LISA用于度量某空间单元与周围邻近单元的空间差异程度。用局部莫兰系数来计算。

（4）全局空间自相关：是对地理要素属性值在整个区域的空间特征描述。

（5）核密度估计法：空间分析中常见的一种非参数估计，通过点的密集程度来判断事件发生的概率。

（6）皮尔逊相关分析：当相关性系数介于-1 ~ 0之间时，表明变量之间存在负相关关系；当相关性系数介于0 ~ 1之间时，表明变量之间存在正相关关系；当相关性系数为0时，二者之间不存在相关性。此外还要对结果进行显著性检验，通常显著性p值< 0.05即认为显著，具有统计学意义。如果不显著，即便相关系数很大，也不能说明该相关具有意义。

（7）多元逐步回归分析：逐步回归分析是一次次的引入新的变量，然后通过F、P检验其显著性，是能有效的降低多重共线性的一种线性回归方法。其中r2越趋近于1说明模型效果越好。

（8）随机森林回归分析：随机森林是以决策树为基础的一种机器学习算法，能有效地解决数据回归和分类问题。本项目通过GeoScene Pro中的随机森林工具和WEKA实现。

图1 研究框架

图2 数据空间

图3 随机森林模型原理

• 分析成果：

（一）内涝点的空间分布特征：

图4 深圳市内涝点局部空间自相关分析结果

图5 深圳市内涝点核密度分析结果

① 内涝点存在较强的空间依赖性，在空间上显著聚集，大体分为两个核心集聚区，多数地方呈现高高集聚和低低集聚；

② 一般在经济发达区产生高高集聚现象，因此会与周围地区的内涝点产生相互正向影响，加剧内涝灾害的影响。

（二）内涝点密度与潜在影响因素的线性关系——皮尔逊相关分析结果：

表1 内涝点密度与土地利用比例的相关性

	绿地比例	水体比例	不透水面比例	裸地比例
Pearson相关性	-0.397**	-0.187	0.508**	-0.272*
显著性	0.001	0.133	0.000	0.027
样本数	66	66	66	66

表2 内涝点密度与自然条件、人口密度的相关性

	平均降雨量	平均海拔	地表起伏度	地表粗糙度	人口密度
Pearson相关性	0.100	-0.152	-0.343**	-0.378**	0.411**
显著性	0.423	0.224	0.005	0.002	0.001
样本数	66	66	66	66	66

结论：在二维空间里，不透水面比例的增大与绿地比例的减小会导致深圳内涝点密度的增加。在自然原因方面，地表起伏度与粗糙度的大小是影响内涝的重要因素；在人为原因上，人口密度的增大会导致内涝点密度的增大。

表3 内涝点密度与三维建筑指标的相关性

	建筑物密度	平均建筑高度	建筑高度标准差	平均建筑体积	建筑体积标准差
Pearson相关性	0.542**	-0.118	-0.118	-0.189	-0.095
显著性	0.000	0.344	0.345	0.128	0.448
样本数	66	66	66	66	66
	容积率	建筑覆盖率	建筑形状系数	建筑拥挤度
Pearson相关性	0.135	0.274**	0.117	0.465**
显著性	0.281	0.026	0.348	0.000
样本数	66	66	66	66

结论：当建筑物密度越大，建筑越拥挤，覆盖率越大时，越易引发内涝现象。相关性分析结果揭示了城市三维空间格局与城市内涝的密切程度。

（三）内涝点密度与潜在影响因素的线性关系——逐步回归分析结果：

图6 内涝点密度与潜在影响因素的逐步回归分析结果

图6展示出仅考虑常规影响因素以及考虑所有影响因素建立的两大逐步回归模型，结果表明：建筑物密度能单独解释内涝点密度变化的28.3%，与不透水面比例、裸地比例和建筑覆盖率能共同解释内涝点密度变化的48.5%。比未加入建筑指标之前的解释度高出20.2%。由此可看出建筑覆盖率等三维指标在逐步回归模型中具有重要作用，对内涝点密度产生显著影响。

（四）内涝点密度与潜在影响因素的非线性关系——随机森林回归分析结果：

表4 随机森林回归分析精度检验

试验	相关系数r	平均绝对误差（MAE）	均方根误差（RMSE）
第一组	0.9741	0.2100	0.2814
第二组	0.9616	0.2249	0.3233

注：第一组试验选取所有影响因子为自变量；第二组试验不考虑三维建筑影响因子，选取其余常规影响因子为自变量。

结论：相关系数值越高表明因变量与自变量之间存在相关度越高，证明模型拟合效果好；平均绝对误差（MAE）、均方根误差（RMSE）这两个指标用来衡量样本预测值与实际值之间的差异，数值越小，表明模型预测的准确度好。相关系数r均大于0.96，非常接近1，说明两组实验的模型拟合效果好。综合考虑所有因子的模型的平均绝对误差（MAE）和均方根误差（RMSE）更小，说明将三维建筑格局纳入考虑更有利于揭示城市内涝的规律。

进行两组对比实验，并分别将预测值与实际值对比，说明绝大多数流域的预测值和实际值相差不大，说明各影响因子对内涝点密度的贡献性具有参考价值。

图7 影响深圳市内涝的所有因子重要程度

图8 除去三维建筑影响因子外的其余影响深圳内涝的因子的重要程度

结论：

①综合对比两组实验（图7和图8），发现对内涝会产生重要影响的有建筑拥挤度、建筑物密度、建筑覆盖率（三维方面），不透水面比例、裸地比例（二维方面），说明城市建筑无论是在平面覆盖还是三维结构都对城市内涝产生十分重要的影响，而且，城市建筑物在垂直方向的不断扩张对内涝问题产生越来越重要的影响。

②城市内涝主要是由于局部地区产生短时强降雨，在低洼地区发生积水，因此城市平均高度和平均降水量无法描述城市内涝现象。

• 根据研究成果为城市内涝防治提供的实质性建议（研究功能）：

（1）合理规划土地的水平维度与垂直维度利用。建筑等不透水面是影响城市内涝的重要因素，这些土地类型具有不易下渗、排水不畅的特点，过多的不透水面聚集容易引起内涝的发生，合理规划土地利用分布能一定程度加强雨水的下渗和排走。尤其是不合理的建筑规划（例如建筑物的过度拥挤）容易导致更严重的城市热岛效应等各类“城市病”，从而在一定程度上改变城市的微气候，加剧内涝的发生风险。所以规划部门要从三维建筑的角度思考内涝成因，通过完善建筑规划起到缓解城市内涝的作用。同时，相关部门在发出强降雨和内涝预警时，也应当考虑当地的建筑布局；

（2）规划建筑空间布局时，不应只关注建筑高度和容积率等常规指标，而应从更全面的角度考虑。由随机森林模型回归分析的结果可以看出，建筑密度、建筑覆盖率、建筑拥挤度是影响内涝程度最大的三个因素，即城市的三维空间格局对内涝问题产生极大的影响。因此在未来的城市规划中，规划部门可以从三维的角度思考如何更合理规划建筑格局，从而更好地解决内涝以及其他“城市病”。本研究的结果表明，高层但低密度的建筑空间布局更适合内涝风险管理的需要，同时也可以为绿色基础设施规划保留更多的用地空间；

（3）由于我国大部分地区存在“雨污同排”的现象，建筑的过度拥挤还显著增加暴雨期间排水系统的负担。不透水建筑物的大范围覆盖大大减少了雨水向地下的总渗透，从而在短时间内增加了地表径流和洪峰排放。因此，紧凑的土地覆盖建设需要合理的规划和管理，否则将不可避免地导致严重的环境和社会问题。本研究的结果表明，降低建筑物的密度可以有效降低城市内涝风险；

（4）建筑空间格局的完善可以通过城市更新实现。城市更新政策旨在通过建设新的城市基础设施以替换破旧的建筑物。因此，本研究的结果也可以帮助城市更新以及未来城市发展的决策。例如，规划部门需要拆除城中村中的高密度低层建筑，以为高质量的建筑建设提供发展空间。

三、特点与展望

特点与创新之处：

本项目基于随机森林分析三维建筑格局与城市内涝的关系。以往相关研究未有分析三维建筑空间格局对城市内涝程度的影响，本项目创新性地引进三维空间格局指标，利用深圳市内涝点空间分布数据与建筑轮廓数据，构建前沿的机器学习模型，借鉴传统的二维景观格局影响城市内涝的影响指标去探究分析城市三维景观格局与城市内涝之间的关系。既考虑了传统的表征平面扩张现象的土地覆盖与自然条件指标，又创新性地考虑三维建筑空间格局指标，深入剖析城市立体化发展对城市内涝程度的影响。

结论与展望：

内涝是全世界最常见、危害最大的自然灾害之一。本研究系统地阐明了在建筑环境极为紧凑的城市中，三维建筑格局的不同方面与城市内涝之间的关系。首先，Pearson分析表明，内涝点密度与平均粗糙度、平均起伏、绿地占比和裸地占比呈现负相关，而与建筑物密度、建筑拥挤度、建筑覆盖率、人口密度和不透水面占比呈现正相关。其次，随机森林回归模型结果表明，具有三维建筑指标的增强模型呈现了更高的拟合优度。建筑物密度、建筑拥挤度和建筑覆盖率对城市内涝事件的发生具有主要影响。这些指标为提升模型的拟合效果做出了重大贡献。因此，本研究可以为建筑结构设计（例如优化建筑密度）提供定量参考。综上，从三维城市规划的角度出发，本研究的发现有望促进城市内涝风险管理，减轻城市内涝风险；此外，本研究中所用框架还能用于其他城市三维建筑格局对城市内涝的影响。

然而，在后续研究中仍然需要克服本项目的局限性。例如，可以考虑更多潜在相关的驱动因素，如建筑功能、排水系统升级计划。此外，由于数据缺失，本研究未能分析内涝点的时空变化特征，需要在后续的工作当中予以加强。