《Environmental Modelling & Software》：A consensus-based framework for urban flood risk assessment under DEM uncertainty
编辑推荐：
•开发了一种基于共识的框架来识别稳定的城市内涝风险区域•提出风险共识指数（RCI）来量化DEM驱动的内涝模拟之间的空间一致性•11.52-14.39%的区域为稳定风险区，是城市内涝管理的优先区域•不同的DEM数据集在城市内涝风险表征中发挥着不同的作用•COP、ASTG、ALO
- •
开发了一种基于共识的框架来识别稳定的城市内涝风险区域
- •
提出风险共识指数（RCI）来量化DEM驱动的内涝模拟之间的空间一致性
- •
11.52-14.39%的区域为稳定风险区，是城市内涝管理的优先区域
- •
不同的DEM数据集在城市内涝风险表征中发挥着不同的作用
- •
COP、ASTG、ALOS/NASA和SRTM分别属于扩张型、敏感型、稳健型和保守型DEM
引言
洪水是全球最常见的自然灾害之一，造成的经济损失最为严重（Liao等人，2012年）。根据《2024年全球灾害风险减少评估报告》，仅洪水一项就在2024年造成了5,883人死亡和高达328亿美元的直接经济损失（联合国减灾署，2024年）。在全球气候变化的背景下，极端降雨事件呈现出短历时、高强度的趋势（Hosseinzadehtalaei等人，2020年；Butters等人，2025年）。同时，快速城市化改变了地表下垫面结构，削弱了城市排水能力。在这两大因素的共同驱动下，城市内涝风险不断加剧，对城市安全运行和可持续发展构成重大挑战（Samadi等人，2025年；Jin等人，2023年；Tran等人，2024年）。因此，科学评估内涝风险并准确识别潜在淹没区域，对城市防灾减灾和空间规划具有重要意义。
水动力数值建模已成为洪水研究中的重要技术工具（Zhang等人，2025年；Muthusamy等人，2021年；Ma等人，2022年）。此类模型通常需要多种数据源作为输入，包括气象观测数据、地形数据和边界条件（Bulti和Abebe，2020年）。其中，数字高程模型（DEM）作为描述地表形态的关键地形数据，是内涝模拟的核心输入参数。其精度和分辨率直接影响淹没路径、汇流过程和淹没范围等模拟结果（Jiang等人，2022年；Kenward等人，2000年；Cobby等人，2001年）。近年来，随着SRTM、ASTER、ALOS、Copernicus DEM和NASA DEM等全球开源DEM产品的陆续发布，这些数据凭借其覆盖面广、获取成本低等优势，在洪水模拟和灾害评估研究中得到了广泛应用（Domeneghetti，2016年；Fereshtehpour和Karamouz，2018年；Lin等人，2019年）。然而，不同DEM产品在数据采集方法、空间分辨率和误差特征方面存在显著差异，从而导致了洪水模拟结果的不确定性（Zhang等人，2025年；Guan等人，2020年）。
已有研究对流域和非城市区域中不同DEM数据与LiDAR等高分辨率数据集在洪水模拟中的精度差异进行了探讨（Md等人，2015年；Saksena和Merwade，2015年）。结果表明，由LiDAR和无人机（UAV）生成的洪水淹没图在水平和垂直分辨率方面均优于开源DEM产品，显示出比全球DEM生成的结果显著更高的精度（Pasquier等人，2019年；Mohanty等人，2020年）。然而，其他研究表明，在流域尺度的洪水模拟中，ALOS和SRTM的表现优于ASTER，且与LiDAR基的结果相对可比（Courty等人，2019年；Azizian和Brocca，2020年；Khojeh等人，2022年）。在城市区域，DEM的选择对洪水模拟结果有显著影响。研究发现，DEM空间分辨率的降低通常会导致模拟淹没范围和最大淹没深度的高估（Xu等人，2021年）。此外，开源DEM在模拟中存在系统性偏差：倾向于高估淹没范围而低估洪水深度。例如，NASA DEM和SRTM DEM在模拟淹没范围方面表现良好，但其模拟的深度分布过于均匀，导致高风险区域的深度被低估约50%，而低风险区域的深度被高估约50%（Zandsalimi等人，2024年）。
然而，当前研究仍存在若干局限性。首先，许多DEM精度评估依赖LiDAR或无人机获取的高分辨率地形数据作为参考基准（Hsu等人，2016年；Van等人，2012年；Adesina等人，2025年）。在大多数城市区域，此类数据受成本和可及性限制，限制了这些方法的适用性。其次，DEM性能通常通过比较不同DEM驱动的模拟之间淹没范围或水深差异来评估（Liu等人，2021年；Bhuyian和Kalyanapu，2018年）。这类比较关注输出差异，但未能明确区分实际内涝风险信号与DEM不确定性引入的变化。因此，在缺乏高分辨率参考数据的情况下，识别稳健的内涝风险区域和量化DEM不确定性的影响仍然是一个挑战。
集合建模和共识分析已被广泛应用于气候和水文研究中以应对不确定性（Parker，2013年；Maher等人，2021年）。这些方法通过组合多次模拟来识别模型或数据源之间的一致性信号，从而提高结果的可靠性（Amini等人，2022年；Weng等人，2025年；Tian等人，2024年）。在DEM驱动的内涝模拟背景下，在多个DEM中均被一致识别为高风险区域的地区更有可能代表稳健的内涝风险格局，而仅出现在部分模拟中的地区可能源于地形相关的不确定性。这为区分稳定性和低共识风险区域提供了依据。然而，共识方法在城市内涝风险评估中的系统应用仍然有限。
本研究选择上海市中心城区作为案例研究区域，开发了一种基于共识的框架来评估DEM不确定性下的城市内涝风险。使用五种全球开源DEM驱动二维水动力模型，在50年和100年设计降雨情景下进行模拟。系统地比较了水深、流速和内涝风险格局的差异。提出风险共识指数（RCI）来量化DEM驱动模拟之间的空间一致性，并区分低共识、中等共识和稳定风险区域。基于共识结果，从历史水浸点检测、空间一致性和不确定性表征三个方面评估了各DEM的适用性。所提出的框架无需高分辨率地形数据作为参考基准即可识别稳健的内涝风险格局，为DEM选择和城市内涝风险管理提供了实用依据。
章节摘要
研究区域概况
本研究选择上海中心城区作为研究区域，该区域涵盖徐汇、静安、长宁、杨浦、黄浦、虹口和普陀七个区（见图1），代表了典型的建筑密度高地区。该区域面积约为289 km2，常住人口密度超过2万人/km2，城市化率达100%，是全球人口密度最高、城市化程度最高的地区之一。位于长江三角洲冲积平原
研究方法
本研究开发了一种基于共识的框架来评估DEM不确定性下的城市内涝风险。多源DEM被用来驱动二维水动力模型，模拟不同降雨情景下的洪水过程。随后应用RCI来识别稳定和低共识风险区域。在此基础上，从历史水浸点检测、空间一致性和不确定性表征三个方面评估DEM的适用性。整体工作流程如图3所示。
多源DEM模拟的内涝风险空间分布特征
基于五种DEM数据集在两种设计降雨情景下模拟的最大淹没深度和最大流速，观察到内涝风险格局存在明显的空间差异。就最大淹没深度而言，在50年降雨情景下，各DEM均以浅水区（<0.15 m）为主（见图4），约占总区域面积的57%–71%（统计结果在排除河道后得出）。然而，在中度—
DEM差异对城市内涝模拟的影响
不同的DEM数据集会对城市内涝模拟结果产生显著影响，这与已有研究结论一致（Hawker等人，2018年）。现有研究表明，DEM空间分辨率和垂直误差直接影响淹没范围和水深分布（Lei等人，2024年；Talchabhadel等人，2021年）。这种影响在地势平坦的城市地形中尤为关键，因为微小的高程差异可能会改变局部水流方向、地表连通性以及
结论
本研究使用五种全球开源DEM，在50年和100年设计降雨情景下对上海中心城区建筑密度高地区进行了城市内涝模拟。开发了一种基于共识的框架来表征DEM不确定性对内涝风险识别的影响。研究结果表明，淹没深度、流速和风险格局存在显著的DEM依赖性差异，尤其在中度和高风险区域。COP DEM产生了最大比例的
作者贡献声明（CRediT）
马芳芳：论文起草、可视化、软件、方法、调查研究、正式分析、数据管理、概念化。苏新：论文审阅与编辑、监督、软件、方法、调查研究。邵伟伟：论文审阅与编辑、监督、资源、获取资金。张柯涵：论文审阅与编辑、软件、方法。刘家宏：监督、资源、获取资金。杨志勇：监督、资源、获取资金
未引用参考文献
Md Ali等人，2015年；上海市质量技术监督局，2017年；联合国减灾署，2024年；Van de Sande等人，2012年；Zhang等人，2025年。
利益冲突声明
作者声明不存在可能影响本文工作的已知的竞争性经济利益或个人关系。
利益冲突声明
? 作者声明不存在可能影响本文工作的已知的竞争性经济利益或个人关系。
致谢
本研究由国家重点研发项目"水循环与水资源安全重点实验室人才发展自主研究项目"资助（项目编号：SKL2025RCPY02）。作者感谢该项目的支持。
马芳芳|邵伟伟|苏新|张柯涵|杨志勇|刘家宏
