新论文：城市尺度树木风灾破坏近实时评估：方法框架及清华园案例应用

1年前浏览855

DOI：

https://doi.org/10.1016/j.ijdrr.2020.102003

太长不看版本

对于可能遭遇强风的城市区域，风荷载引起的城市树木破坏不仅造成直接经济损失，另一方面也会对交通等城市功能带来不利影响。如果可以利用气象预测信息，快速、科学地预测城市区域中树木的风致破坏，则可以指导相关人员在强风到来之前对损伤风险较高的树木进行加固，从而减少城市树木的风致破坏风险和直接、间接经济损失。

图片来源：http://photos.caixin.com/2018-09-16/101326570_5.html

已有文献资料中还鲜有与城市尺度树木风灾破坏模拟相关的研究。为了解决上述实际难题，本研究通过结合可以考虑树木影响的城市风场计算流体力学模拟方法、基于情境库的树木风荷载近实时预测算法、以及树木风灾损伤力学模型，提出了一个适用于城市区域尺度树木风灾破坏的近实时评估方法框架。方法可以在半小时内完成树木破坏风险评估，并在清华园案例中得到了成功应用。

问题的引入

我们课题组此前开展过城市多灾害模拟的探索，例如：新论文：基于城市信息模型、并同时适用于城市建筑群和单体重要建筑的多灾害模拟框架

以上研究主要是针对多灾害引起的建筑工程破坏，除了建筑工程外，强风引起的绿化树木破坏往往也会引起严重后果。那如何来计算城市区域尺度树木风灾破坏风险呢？简单来说，一般有两种思路：经验模型和物理模型。

经验模型一般基于树木或者林分属性来预测林分中损伤树木的比例和概率，应用起来简单方便，但这些模型依赖历史灾害数据，一般只能适用特定地区，在其他地区的推广性有待进一步论证。物理模型基于强风荷载下树木整体倾覆或者树干折断的物理过程，通过描述上述现象的物理方程实现林分中每一棵树木的风致破坏预测，在不同地区都具备适用性。

为了提出一种普适性方法，本研究考虑利用气象预测信息，基于物理模型来实现城市区域尺度树木的风灾破坏评估。

基于物理模型模拟树木风灾破坏需要完成两个步骤，一是计算风灾下树木所受风荷载，二是基于风荷载计算树木损伤状态。对于后者，文献资料中已有较成熟的方法，比如HWIND 、GALES、FOREOLE等树木力学模型。因此，本研究的主要难点在于如何计算树木所受风荷载，而且需要近实时完成计算。原因如下：

气象预测信息分为多个时间尺度的信息，包括即时信息、短期信息、中期信息、以及长期信息。气象预测信息通常会随着时间不断更新。一个典型案例是2017年第18号超强台风泰利。依据最初气象预测信息，泰利将从我国东南沿海登陆。可它“不讲武德”，在9月15号来了个90度漂移，并于17号“偷袭”日本。在这样的情形下，日本政府“大意了，没有闪”，在此次台风中遭受重大经济损失。从上述案例可以看出，所提出的树木风致破坏预测方法想要真正发挥作用，必须能随着气象预测信息的更新而进行快速更新。

基于上述出发点，本研究致力于提出一个适用于城市区域尺度树木风灾破坏的近实时评估方法框架。

模拟框架

本研究提出的模拟框架如图1所示，共包含4个步骤：

(1) 基于目标区域的建筑和树木信息，依据不同树木特性对树木所占据流域的RANS方程和k-ε湍流模型进行专门修正，构建用于模拟树木对风场影响的计算流体力学模型；

(2) 改变输入风荷载的风速大小和方向形成不同案例情境，对不同案例情境分别进行计算流体力学模拟，获得不同情境下的平均风速分布，形成情境库；

(3) 基于气象预测信息获取目标情境的风速和风向信息，在上述情境库的基础上，采用本研究所提出的预测算法实现目标情境下树顶风速的近实时预测；

(4) 基于目标情境的树顶风速结果，采用GALES树木力学模型，评估目标区域在目标情境下的树木破坏风险。

图1 本研究提出的模拟框架

篇幅有限，上述4个步骤的技术细节在此按住不表，感兴趣的看官请移步原文。

精度和效率验证

我们对各个步骤所用方法的准确性进行了讨论和验证，并对模拟框架的效率问题进行了讨论。

(1) 计算流体力学模拟方法精度验证

采用文献中对一片15 m高松树林内平均风速和湍流数据的实测数据验证本研究中计算流体力学模拟方法的准确性。模拟得到的顺风向风速U与实测值的比较情况如图2所示。模拟得到顺风向风速与实测值吻合良好，说明本研究采用的计算流体力学模拟方法可以较为准确地模拟树木对整个风场的影响。

图2 模拟风速与实测风速对比

(2) 近实时预测算法精度和效率验证

本研究最终采用了线性插值方法用于近实时预测树顶风速。实际上，我们讨论了3种不同的预测算法：线性插值、二次样条插值和三次样条插值（自然边界条件），以比较不同预测算法的优劣。在原有情境库的基础上，本研究进一步补充了24个模拟案例作为验证集。不同预测方法对于树顶风速指标的拟合优度采用决定系数 (R2) 和均方根误差 (RMSE) 来度量；对于树木破坏状态指标的拟合优度采用同破坏状态的树木比例（RSDS）来度量。树木的破坏状态定义为三类：无破坏、树干折断和整体倾覆。

图3给出了三种预测方法得到的上述三个指标的具体结果。可以看出：(1) 三种插值方法中线性插值方法的准确率最高；(2) 线性插值方法虽然对于高风速案例中树顶风速的预测准确率有待提高，但对于树木破坏状态的预测准确率较高，在不同风速情境下其RSDS平均值至少能达到99.72%。

图3 不同预测算法的精度对比

此外，在不采用并行计算技术的情况下，线性插值方法能实现在5分钟以内完成约20000棵树木树顶风速的预测。可见，本研究采用的线性插值方法具有较高的计算效率。

(3) 树木风致破坏模拟方法准确性验证

我们采用清华园2017、2018、2019年每年在强风荷载下发生破坏的树木数量来验证本研究所提出的树木风致破坏模拟方法的准确性。考虑到树木的树干密度、抗折强度、抗拔系数这三个参数的不确定性会对树木破坏的预测结果造成较大影响，我们分别在上述参数取平均值、平均值加一倍标准差、平均值减一倍标准差情况下比较了模拟得到的树木破坏数量与实际统计值的差异，如图4所示。

在上述参数取平均值的情况下，2017、2018、2019年树木风致破坏数量的模拟值与实际统计值的相对误差分别为29.8%、5.0%和-27.6%。考虑树木参数的不确定性后，三年的实际统计值均处于树木参数加减一倍标准差情况下得到的模拟值之间。上述结果可以说明：本研究所提出的模拟框架可以较为准确地模拟城市区域树木的风致破坏情况。

图4 模拟得到的树木破坏数量与实际统计值对比

清华园案例

下面我们通过清华园案例来看看这个模拟框架的实现流程及效果。

清华园是我们最熟悉的城市区域。“麻雀虽小，五脏俱全”。在这片约2km x 2km的区域上，经过我们实地调查，共统计得到19740棵树木，如图5所示。有杨有松，有柳有杏，品种繁多，美不胜收，无愧清华“亚洲最美校园”的美誉。emmm，就是实地测量和统计起来有点麻烦Orz

图5 清华园树木和建筑分布

基于清华园建筑和树木数据，我们建立了清华园的计算流体力学模型，并据此构建了清华园计算流体力学模拟情境库。情境库共计考虑了7个风速情境（即10 m高风速为0 m/s、5 m/s、10 m/s、15 m/s、20 m/s、25 m/s、30 m/s）和8个风向情境（即N、NE、E、SE、S、SW、W、NW），共计56个情境。不同风向情境的模型平面图如图6所示。

图6 不同风向情境的计算流体力学模型

在情境库的基础上，基于提出的近实时预测算法和GALES树木力学模型（请参见原文），我们分析了7级大风情境下校园内每一棵树木的破坏风险。这里就先简单用图7展示一下分析得到的效果图。关于具体的分析结果，感兴趣的看官可以移步原文。

图7 不同风向的7级大风下清华园树木风灾破坏风险

考虑到用户可能缺乏计算流体力学等专业知识和分析技能。为了尽可能让所提出的技术落地，我们以清华园为典型，开发了一个易于使用的树木风致破坏预测软件“THU-NEWDRT”，以帮助校园管理者更科学高效地管控校园树木的风灾风险。

软件界面如图8所示。软件基于用户输入的目标情境风速和风向信息，可以实现树木破坏风险计算、打开结果文件、可视化树木破坏风险等功能。本软件无需用户掌握任何流体力学相关知识，即可依据气象预测信息，在半小时内快速评估出可能的风灾情境下校园内树木的破坏风险。即使气象预测信息随着时间不断更新，用户也可以使用本软件快速更新校园内树木风致破坏风险的评估结果。