日本是一个洪灾多发的国家，因此对洪水灾害的管理极为重视，经过多年的不断探索和实践，取得了不菲的成绩。2019年11月2日，日本东京大学水环境技术研究中心教授古米弘明(Hiroaki Furumai) 在第8届IWA-ASPIRE亚太水大会上做了主旨报告，分享了日本在城市雨洪风险管理上的经验。
众所周知，城市水文基本过程主要包括降雨、地表蒸发、降雨在非饱和土壤层的下渗，降雨对地下水的补给，城市径流、地下水和地表径流的相互作用等。其中，城市径流是城市化造成雨水的地表径流。
城市基本水文过程
对于城市规划来说，由于城市的不透水覆盖层阻止了地表水渗入地下从而形成地表径流，因此排水系统的规划与设计就显得尤为重要，其中包括多种形态的河道和水渠，蓄水和排水设施，水泵及其他排水相关设施。城市径流成分复杂（降雨携带污染物、降雨地表冲刷以及污染物在迁移过程的转化），突然的暴雨径流还会导致城市内涝风险。面对复杂的城市水动态，如何在具体的操作层面上，利用各种雨水排放管控措施和系统来减少城市雨洪风险，是目前日本所面临的挑战之一。古米弘明教授在报告中向大家展现了日本过去的70年间，洪水造成的生命损失已通过不同的止损措施得到控制并急剧下降。但是自上世纪六七十年代开始，日本经济高速发展，进入黄金时期。在加速城市化的进程中，城市人口资产密度提高，同等淹没情况下，损失增加。城市空间的立体开发以及对水电网等生命线系统的依赖性增大，一旦遭遇暴雨，洪水侵袭，城市生命线系统更容易瘫痪。1999年，日本第六大城市福冈博多站的地下购物中心被水淹没，一人丧生。2000年，东海洪水灾害造成了巨大的经济损失——整个名古屋的都市区都被淹没。此外，路堤倒塌导致2004年许多省级城市地区遭受严重破坏，尤其在新泻，老年人溺水现象非常严重。降低城市洪水灾害损失是当前日本亟待解决的问题。
日本城市洪涝灾害趋势
造成城市洪灾的“罪魁祸首“之一就是强降雨。日本气象厅通过自动化气象数据采集系统整理了1975年到2018年间的强降雨事件（降雨强度大于50mm/hr），从图中可以看出，1000个雨流量计站记录的数据显示，日本的强降雨频次占到所有降雨事件的近30%，且逐年递增，几乎每10年要增加近30个强降雨事件。此外，日本还容易受台风等其他极端天气事件和自然灾害的影响，尤其是现在气候变化引发了很多不确定的环境因素，这样的递增趋势势必引起恐慌。
日本1975-2018年间强降雨频次
19号台风引起日本八王子市内爆管
归根结底，城市洪灾主要是由于强降水或连续性降水引起溢流，涨潮和风暴潮等现象，并超过城市排水能力，致使城市内产生积水灾害。典型的城市洪灾又分为河流洪灾和地表洪灾：
- 河流洪灾：当河流，湖泊或溪流中的水位上升并溢出到周围的河岸，海岸和邻近土地时，就会发生河流洪灾。水位上升可能是由于过多的降雨或融雪。溢流会影响下游的小河，因此河流洪灾造成的破坏比较广泛，很可能导致大坝和堤坝破裂并淹没附近地区。
- 地表洪灾：由于排水系统容量有限，暴雨将临时造成地表水泛滥而引起的灾害，也称为内陆洪灾。关于洪灾发生的最常见误解是所处位置必须位于水域附近，然而，即使附近没有水域，任何地方（城市或农村）都可能发生地表洪灾。
面对城市日益增多的洪水灾害，日本提出了新的标准来管理城市洪灾，主要从三个维度考虑来减缓城市内涝的风险：
保护人类生命安全：城市内涝发生时，处于地下空间会威胁到人的生命安全。在日本的众多城市中靠近车站的地方有很多地下商场，应开发建立完善的洪水预报预警和应急系统，通过预报使群众能在洪水来临前疏散撤退，避免不必要的伤亡。
保障城市交通功能：路面积水泛滥会干扰汽车通行。应保障路面的淹没深度小于20厘米，而不会严重影响交通。
保护私有财产：在日本为防止房屋受损，淹没深度的限值应控制在50厘米以内（通常日本房屋玄关换鞋处有台阶）
由于受自然地理环境等因素以及高度城市化的影响，日本发生巨大洪灾的可能性十分大。为了减少洪灾对人们的生命安全、财富、社会秩序和经济的负面影响，日本高度重视进行城市洪水灾害风险管理。经历了不断探索、技术升级的发展轨迹。洪水风险管理综合化也是近年日本洪水灾害防治研究的趋势。目前，从监测、预报、预警到救援和灾后重建，日本已经在防洪减灾方面形成了一个事前、事中和事后的完整风险管理和控制体系，尽可能降低灾害造成的各种损失。防御洪水灾害的核心就是能够实时预测、监测河流的水位或降水的变化过程。古米弘明教授在会上提出，河流的水位预测和监测首先是通过水位传感器实时监控获得水位数据，以及通过互联网获取气象部门发布的雨量监测数据和预测数据等，再借助开发的水文预测系统模型进行数据处理，从而预测河流水位变化的趋势。降雨过程的预测和监测主要是通过高精度雷达实时监测小范围的降雨，以防御暴雨造成的城市洪灾。古米弘明教授指出，除了河流降雨信息，城市的排水系统也需要进行实时监测和诊断。没有这些综合信息，洪灾风险就得不到更好的管控。他特意强调，数据同化（Dataassimilation）是研究的核心。经过收集积累过去3-5年的降雨信息，气象信息以及模拟结果等数据，再结合网络和人工智能系统就可以预测未来的情势以及如何对洪灾风险进行有效的管控。简而言之，通过监测系统、实时传感、模型模拟的有效互联，并收集数据形成大数据进行分析，综合城市洪水风险管理的有效途径包括（但不限于）：
- 集成各种要素数据（河流、排水系统和沿海水力）以监测和预测危害。
- 整合各种结构（硬件）和非结构（软件）措施，形成互联体系。
古米弘明教授介绍到，东京大学与日本一家企业（Nihon Suido Consultants Co.,Ltd.）合作，启动了一项“城市洪灾监测服务“的联合项目，通过该服务可以发现早期城市洪灾发生的风险，并报告和通知有关部门。而洪灾预测实时化就意味着在整个预测与管控系统中，前端的实时监测与传感至关重要。他们合作开发了一项人孔物联装置（manholeIoT device）。该装置是用于排水管道的物联网设备，安装简易，可随时替换现有的检查井盖。该智能井盖正面装有平面天线，背面装有内置电池、通讯设备以及转换器，可用来收集并传输排水管道中的水位信息。此外，改装置还带有自动切换功能，可应对旱天和雨天不同的天气状况，从而延长了电池的寿命。旱天，智能井盖的监测频率降低，测量周期为10分钟，通讯周期为30分钟；雨天，监测频率提升至10秒的测量周期和1分钟的通讯周期。排水管道水位数据的信息管理十分具有难度。通过研发物联设备——智能井盖获取相关管道数据，将其存储在云端并与指定方之间共享。智能井盖收集到的实时监测数据与其他从X波段雷达信息网络（XRAIN）收集到的观测数据（特别是强降雨数据）以及GIS信息合并，以实时的方式在GIS系统上显示“洪水风险和其他重要信息”以及“防灾必要的关键信息”可以。这种基于物联网和云端的集中解决方案，非常适用于日本地方政府的防灾信息系统。作为防御近年来在日本接连发生的城市洪灾的非结构性措施，智能井盖能够很好的发挥其作用，目前已经在横滨市进行了实地测试与应用。横滨市高度城市化，易受到洪灾危害。因此他们特意选择了储存管道的入口处安装智能井盖，通过监测得知水流入管的时间、水位及其他参数数据。接下来，该智能传感设备将会在日本大力推广。数据有了，接下来就是模拟预测了。古米弘明教授介绍了城市洪水综合模拟模型，也被他称为无缝模型（Seamless Model），主要通过集成河水、排水系统和沿海水力等信息提供城市洪灾的实时分析。基于流域水力模型，通过设定边界条件和特定条件下的情景，将河流与沿海水力模型以及流域内的排水系统联系起来，就可以实现综合的洪水模型，从而预测河水的水位及流速、排水管网的水位及泵排量，对可能的河流洪水和表面洪水进行防御。为实现实时的预测预警，快速而精确的大量数据计算不可或缺。接下来，他引入了“数据同化“（Data assimilation）的概念。数据同化是综合利用不同信息的一种数学方法，通过数学模型拟合实际观测数据，通常用于复杂系统的建模和动态预报，最初来源于数值天气预报。这里，古米弘明教授将数据同化的方法融入城市洪水综合模型，来更好、更准确地预测暴雨期间的城市洪灾。具体操作为每15-20分钟比较观测数据与模拟数据，如果出现偏差，便用实际观测的数据来取代模拟数据，调整进行接下来的模拟，因此监测数据在模型调整与优化方面起着举足轻重的作用。但是由于排水管道数量众多，监测数据的获取十分有限，所以普通数据同化方法的融入并不十分理想。因此古米弘明教授和他的团队共同开发了一种新的数据同化方法（Databank-based data assimilation），利用不同降雨事件的模拟结果——将数据库中均方根误差（Root Mean Square Error, RMSE）最小的模拟集替换为水位分布；排水管网中的水位分布可以预先通过大量假设的数据库中的降雨模式进行模拟。他们对160,000不同的降雨事件进行了分类和无缝模拟，建立了水位分布模拟数据库，再将模拟数据与实际的监测数据（如果可行）进行比较，选择最接近的模拟数据更新初始条件，再进行下一次模拟预测。古米弘明教授选取三段管径大于600mm的管道进行模型的验证，并对有无融入基于数据库数据同化的模拟结果进行了比较。结果发现，普通模拟的预测趋势基本与实测无异，但是在具体数值、响应程度上还是与实测数据有着很大的差异，这样的预测结果无法为决策者提供准确的行动依据，尤其是牵扯到泵站的抽排量。而融入基于数据库的数据同化方法后，无论是预测趋势还是数值吻合度方面，都有了更精确地提高。通过基于数据库的数据同化，实时传感与数值模型得到了有效融合，为城市洪灾预测体系提供了更加快速与准确的科学依据。现在日本气象台还可以提供不同的程度的降雨预报，如短期预报（提前6小时，间隔30分钟），临近预报（提前1小时，间隔5分钟）以及高分辨率的临近预报（提前半小时，最小网格250m）。有了这些更为精细的气象数据，古米弘明教授相信未来的模型预测会更加准确和可靠。古米弘明教授的经验分享，为中国的洪水风险研究和管理提供了一些借鉴：
为了避免或降低由暴雨引起的城市洪灾风险，城市河道与排水管网系统的综合管理十分有必要；
开发排水管道水位实时监测传感系统和基于数据库的数据同化方法，可以提高模型预测的准确性；
城市洪水模型的校准和验证需要需要排水管网中的实测水位数据，以便更好地对未来的城市径流和雨洪事件进行预测。
预测结果会直接影响行动的判断。应对措施也应在不同情况下，根据城市洪水实时模拟的结果进行定量评估，具体的挑战体现为：
国际水协会（IWA）官网 www.iwa-network.org
