当前世界环境

介绍

由于城市入渗能力低、径流量大，即使降雨强度低，城市也会发生洪水。¹由于城市化的增加，土地利用的变化改变了城市的水文行为，从而产生了快速的径流和更短的峰值流量时间。^{2 - 4}由于雨水输送不足，城市中心缺乏足够的绿色和蓝色基础设施，城市变得非常容易受到洪水的影响，^1，5特别是在发展中国家，建筑条例和城市固体废物管理条例执行不力，进一步阻碍了雨水通过排水沟的自由流动。¹这导致高密度建筑和道路网络被大规模淹没，给人类生命和财产造成不可逾越的损失。

城市的经济依赖于道路的连通，反之亦然。道路运输网络构成了社区安全和财富之间的重要联系，通过允许货物、服务和人员的流动，确保经济活动的不间断。^6，7任何道路网络的可靠性都是根据道路质量、交通流动、旅行时间以及更重要的安全性和服务水平(根据公路容量手册)来衡量的。^4、8气候变化引发的极端天气事件、无序的城市化、不合理的分区和不均匀的交通出行给道路基础设施带来压力。此外，一些研究表明，由于土地利用的快速变化和各种社会经济人为驱动因素以及气候变化加剧，道路运输日益受到关注。^4、9、10

道路连通性和流动性成为防洪措施中最薄弱的环节。道路连接是确保社区抗洪中心、初级卫生保健中心、应急管理机构和洪水期间灾害响应部队等公共基础设施完备的关键。由于道路被淹没导致的流动性差，城市和受洪水影响的社区的适应能力进一步受到挑战。由于道路网络连接中断，城市陷入停滞状态，给滞留在道路或建筑物上的人造成了巨大的经济损失和创伤性心理压力。洪水对道路的影响主要分为直接影响，如对财产和交通设施的物理破坏，以及间接影响，如旅行中断、商业损失和污染，以减缓交通流动。^11、12这些影响在发展中国家的中等和中低收入群体中更为显著。

模拟洪水泛滥的水文模型在预测洪水破坏程度方面变得越来越有用。在洪水易损性估算中，遥感和GIS方法是对水文模型的补充。土地利用、土地覆被对径流潜力的影响是大空间尺度水文模型的一个重要方面。即使在城市尺度上，根据雨水基础设施的设计和容量，建成区和城市绿地的影响也会影响洪水行为。此外，对于图片、视频、文本等形式的非结构化数据，也在利用机器学习工具进行自然灾害损失估计，特别是在洪水灾害损失估计中有几个应用实例。

虽然恶劣天气和洪水对城市道路和交通拥堵的影响是广泛经历的，但它们之间的非线性关系并没有被广泛理解和量化。^4、13、14目前，针对城市洪水对道路连通性影响的研究并不多见。迫切需要了解洪水对道路连通性的影响，以便制定有效的缓解政策，减轻短期和长期损害。在本研究中，我们整合了当代科学知识，以理解与洪水脆弱性及其对道路连通性影响相关的科学文献中的主要主题。此外，利用系统文献计量学分析对文献中的主题结构和关键词进行了网络分析，为政策制定者和研究者提供了该主题的最新发展。在此背景下，我们将本研究定位于以下目标:(a)回顾洪水脆弱性和道路连通性的当代科学知识;(b)对文献进行系统的文献计量分析，以得出研究的主题结构和演变模式。

本文共分为四个部分。本文第2部分对城市洪水和道路网络脆弱性研究的文献进行了综述。第3节分别描述了文献计量学分析的需要和方法。本文还讨论了基于文献计量分析中使用的描述研究结构和主题的各种工具的结果的意义。最后，在第4节中，我们总结了研究结论并指出了研究的不足，并为提高水文模型和遥感方法在洪水情况下评估道路连通性的适用性提出了建议。

城市洪水和道路互联互通

根据政府间气候变化专门委员会(IPCC)的框架，洪水脆弱性可以通过计算社区的暴露度、敏感性和适应能力等子指数来量化。暴露面表示破坏道路网络的洪水等灾害的程度和频率。在这种情况下，敏感性方面代表了道路连接和车辆对洪水淹没和雨水流动的敏感性。而适应能力方面代表了系统的恢复能力，即社区在受到洪水影响后恢复正常的速度。通过洪水淹没及其对道路连通性的影响，可以研究整个洪水脆弱性领域，即(a)估算洪水空间范围和淹没深度的水文模型和遥感方法，以及(b)研究洪水及其直接和间接损害导致的路网脆弱性。最终，确定易受洪水影响的地区和受影响的道路是减轻洪水至关重要的结果。文献综述的摘录表明，除了使用水文模型和遥感数据进行洪水范围估算的传统方法外，最近众包数据和社交媒体分析的应用正在增加，并得到了验证。机器学习(ML)、人工智能和高级GIS分析的应用正在兴起，用于分析洪水损害估计的实时众包非结构化信息(图1)。

图1:使用GIS(地理信息系统)、ML(机器学习)和情景评估工具分析的遥感、水文模型和众源数据实现洪水淹没和空间范围的方法示意图。 点击此处查看图

遥感分析

评估对已建财产和道路网络的损害对于确定灾害响应和减灾措施的优先次序至关重要，这可以使用遥感和地理信息系统工具进行研究。^{1, 15、16}在过去的二十年中，利用遥感方法对洪水范围进行了客观量化，^17、18这也特别有助于评估广大和难以进入的洪水地区。最近的文献综述表明，光学卫星(LANDSAT、MODIS、AVHRR、IRS)和雷达卫星(Radarsat、SIR-C、ASAR、AMR-E)系统的应用对洪水评估至关重要。特别是光学遥感技术在灾后灾害评估中具有优势。同时，雷达图像由于其穿透云层的能力，有助于评估洪水强度。一些先进的成像传感器使用主动传感方法，如雷达，即使在高云层覆盖下也能提供地面成像。Gao等人基于多源RS数据，在有限地点测量深度，并使用GIS技术，对洪水淹没进行了空间外推。¹⁹采用层次分析法(AHP)进行多准则决策，利用RS和GIS方法绘制洪水易损区，有助于确定减灾区的优先级。^1、20卫星观测与地面实况和无人机(UAV)相结合，提供了高分辨率的洪水范围和淹没的快速评估。^研讨会无人机的优点是可以在云层下飞行，通过多个传感器捕捉洪水范围的无阻碍鸟瞰图。¹⁷

深度学习和其他机器学习工具也被用于对地理标记的航空图像进行分类，以识别因洪水而受损的基础设施特征。模型的鲁棒训练是必要的。²⁴然而，无监督训练所需的大量标记数据集的可用性一直是一个重大挑战，需要大量的人力参与。Mojaddadi等人应用了集成机器学习方法，该方法使用地形和水文变量等预测变量对地理标记的洪水事件进行训练。²⁵训练后的模型可以外推任何地点的洪水概率，然后将其用于空间脆弱性和灾害制图。然而，建模的精度受到数据空间分辨率的影响。

水文模型

水文模型使用水平衡方程或质量和动量守恒来推导空间域上一维、二维或三维的洪水淹没。在研究区离散网格的控制体中求解入渗、蒸散发和地表径流等水文过程。²⁶这些模型根据研究的需要采用了对Navier-Stokes方程的不同简化和假设。一些广泛应用的水文模型包括但不限于MIKE、HEC-HMS(水文工程中心-水文建模系统)、SWMM(暴雨水管理模型)、SWAT(土壤和水评估工具)、OpenFOAM(开放野外操作和操纵)、ANUGA(由澳大利亚国立大学和澳大利亚地球科学开发)和COMSOL Multiphysics。模型的准确性取决于降水数据、固体几何形状的细节、地表高程和研究区域的土地利用属性分配。

MIKE (www.mikepoweredbydhi.com)是一套基于物理的确定性模型，用于解释水文循环和土壤水分在饱和区和非饱和区之间运动的物理现象。该模型模拟了与流域管理直接相关的地表水和地下水流动、污染物输送、泥沙输送。由于MIKE需要大量高质量的数据集，因此它更适合用于小规模的水文研究。²⁷采用MIKE-FLOOD模型对城市洪水进行建模，包括雨水排水网络的影响。¹⁴HEC-HMS是美国陆军开发的一个软件，用于模拟流域的完整水文过程。该模型捕捉蒸散发、入渗和其他水文过程的影响，以模拟和预测河流流量。该模型还具有包括泥沙运移和水质模拟以及不确定性评估的能力。

SWMM是由美国环保署开发的软件，它有助于了解雨水网络的能力、土地利用的影响以及气候变化对雨水设计的影响。该模型可以模拟正在进行的以及变化的降雨事件的径流。Yang等人、Arjenaki等人和Vemula等人利用SWMM模型研究了不同土地利用变化和未来降水情景下的城市洪水脆弱性。^{28 - 30}

SWAT是在小流域到流域尺度上模拟水文过程的一个重要且广泛使用的模型。该模型可以模拟研究区地表水和地下水的水量和水质。利用该模型可以研究土地利用和土地管理方式以及气候变化对水文的环境影响。有关SWAT模型的更多信息，请参见Dash等人和Rajib等人。^31、32

ANUGA (https://anuga.anu.edu.au/)是一个免费的开源水文模型，可以求解浅水波浪方程，模拟海啸、风暴潮、河流或城市洪水等水文事件造成的淹没。ANUGA的最新发展包括与SWMM模型集成，以捕获城市流中的暴雨排水。OpenFOAM以在多个空间尺度上的多相计算流体动力学(CFD)建模应用而闻名，^33、34。然而，它在城市洪水领域的完整潜在应用还有待探索。与其他水文模型不同的是，OpenFOAM是一个多物理场模型，它完全解决了单相或多相流体的三维动态Navier-Stokes方程，可以模拟复杂的城市几何结构中的流场。这些高分辨率的模拟结果在洪水淹没模拟中非常准确。然而，由于初始条件和边界条件的不确定性，误差的延长也非常令人担忧，使得这些模型的应用在空间和时间上受到很大的限制。

除了基于过程的确定性洪水模型外，经验模型还基于水文响应(径流量产生)与降水、土地利用和土壤特征之间的实验关系。¹Manning’s roughness和代表子流域的Curve Number数据是经验模型的主要特征。^35-37分流域的高程变化、周长和面积等形状变量以及溪流的顺序等数据提供了峰值排放时间的信息，对流域洪水管理计划很有用。概念模型在水文学中的作用也很重要，因为它们有助于在概念图或因果循环图的帮助下理解涉及流域的更高层次的概念。通过概念图的反馈，可以将流域中涉及的各个子系统的相互联系方面的作用可视化。例如，河流上的水坝和水库网络，雨水补给，径流，渗透，蒸散，排水，供水和配水点等元素可以通过这种方法可视化。很少有研究使用先进的集成机器学习算法对洪水脆弱性进行建模。³⁸水文模型生成的淹没图覆盖在建筑足迹上，以捕捉受洪水影响的区域。^{1, 30}同样，洪水范围图与道路网络覆盖，使用GIS识别脆弱的道路网络。表1是不同类别水文模型的汇总。

研究雨水网在排放径流时的输送能力也是必要的。应研究该地区5年、10年或更长的回归期降水的雨水网络的稳健性或充分性。此外，关于气候变率的情景预测对城市规模缓解战略的有力规划也有价值。³⁹例如，Vemula等人对印度海得拉巴市的一项研究，^30.表明目前的雨水设计不足以应对未来的气候变化情景。洪水预警系统应综合考虑洪水程度(通过考虑雨水排放输送能力)和道路网络的潜在脆弱性等信息。

利用确定性方程、机器学习和遥感数据大数据分析的数学建模将进一步增强洪水预测和脆弱性映射。特别是对于洪水淹没测绘，高分辨率地形层的可用性是至关重要的，这在发展中国家仍然是一个挑战。此外，城市中心的洪水淹没和脆弱性建模需要关于建筑物几何形状、道路网络和排水网络的额外数据，由于数据可用性的稀缺性，这些数据一直是一个挑战。在任何水文模型中，关于狭窄车道、三级道路和建筑块的信息都是必不可少的输入层，而这些信息通常无法在较粗糙的DEM数据中捕获。⁴应努力协调城市基础设施信息系统，以促进有效决策。

表1:不同类别水文模型总结。

水文模型类别	模型名称
基于过程的模型	MIKE, SWAT, SWMM, HEC-HMS, ANUGA, OpenFOAM, COMSOL等
经验模型/数据驱动模型	单位线法、曼宁粗糙度方程、土壤保持服务曲线数法、 人工神经网络和其他机器学习算法的应用
概念模型	HBV (Hydrologiska Byrans Vattenavdelning model)和TOPMODEL等

道路网络脆弱性和车辆损坏

由于高架隔板和路边结构，道路交通网络成为雨水的首选路径。通常，脆弱的道路区域是使用诸如与洪水源(溪流、河流、排水沟、海岸线等)的距离和海拔等变量来绘制的。¹⁷Versini等人开发了法国加尔地区因山洪暴发而导致的道路淹没预警系统的实时原型，该系统通过识别河流网络和道路之间的交叉点来工作。⁴⁰dawood等人根据洪水量对麦加城的子流域进行了排序，然后截取了被包围在子流域内的路网，并根据洪水淹没的易损性对道路进行了分类。³⁷例如，我们将印度海得拉巴市的子流域划分为不同的洪水易发区(图2)，然后覆盖道路网络，以评估容易发生洪水的道路长度。还针对极端降水的不同重现期编制了脆弱性图，以便对极端事件进行备灾。²⁶通过计算计算风险和报告风险之间的列联表来评估预警系统在真阳性和假阴性率方面的准确性。⁴⁰受影响的道路长度的非线性是道路网络(节点数量和道路顺序)被淹没的特性，Yin等人对上海城市进行了研究。²⁶

由于洪水淹没而导致的车辆速度下降通常被认为是研究任何道路网络性能的一种措施。Pregnolato等人测量了欧洲和澳大利亚的速度与洪水深度的关系。⁷Singh等人在估计印度班加罗尔市的道路脆弱性时采用了这些信息，将MIKE模型的洪水淹没模型输出叠加。⁴降低车速被认为是衡量道路易受水浸影响的一项措施，而受水浸影响的道路长度所占百分比已根据不同情况作出估计。⁴

利用基于局部研究的损伤深度曲线估计车辆和路网的损伤程度。在洪水条件下，车辆的“道路适用性”主要取决于车辆的设计方面，包括通风口的高度和稳定性(以避免打滑、倾斜、漂浮和倾倒)。⁴¹在2020年10月海得拉巴市最近一次洪水期间，记录了多起车辆因雨水泛滥而漂浮在街道上的事件。其中有几只打翻了其他的，漂走了。据估计，数千辆两轮和四轮车因暴雨而受损。⁴²Pregnalato等人也量化了交通的功能行为，他们基于视频分析开发了车辆速度与道路上的水深度之间的关系。⁷

最近关于道路网络脆弱性的研究已经超越了单纯的观测方法，纳入了降水对交通流量、速度、车辆损坏和安全的影响。^43-45利用阈值洪水流量和深度、车辆方向、地面坡度和车辆浮力来评估停放车辆的稳定性是研究停放车辆损伤的一些因素。⁴⁶洪水与停放车辆之间的相互作用(阻塞水流，自由漂浮的车辆破坏财产等)已经被广泛研究和审查。^47、48由于水文力量、打滑、阻力、打滑和稳定性降低对运行车辆造成的损害是评估车辆损害和乘客安全的主要关注点。但是，对于车辆移动引起的洪流量变化和车辆移动引起的洪流量变化，目前还没有定量的研究。GIS网络建模工具和交通仿真工具也有助于预警警报的传播。水动力模型在交通脆弱性模型中得到了广泛的应用，用于估计淹没深度和计算受影响的道路网络的连通性损失。

图2:印度海得拉巴市的洪水易发区，以及相应的受洪水影响的道路网络。 点击此处查看图

关于洪水后道路维护及其维护策略的文献不足。现有的道路退化(RD)模型没有考虑到城市山洪暴发。⁴⁹Khan等人提出的框架考虑了基于粗糙度和车辙的RD模型，这些模型估计了选定的极端洪水事件的恶化情况，并提供了资金受限和无约束情景下道路维护的预算估计。⁴⁷

使用非结构化数据进行洪水灾害评估

通过社交媒体帖子(如twitter、Facebook帖子)、图片、视频、报纸文章和自愿提供的地理信息(VGI)，一些非结构化和非权威的数据被用于增强洪水脆弱性模拟。^17日,50从公众那里获得的数据被称为“群体智慧”，提供了快速和实时的信息，可以使用先进的机器学习和人工智能算法来制定灾害期间的优先计划。^51、52对记者、市民拍摄的YouTube视频，以及谷歌地图、维基百科、开放街道地图等提供的数据进行分析，经过预处理和专家分析，为洪水分析提供了有价值的信息。从非权威数据(来自图片、视频)中解释的洪水深度可以使用专家意见提取，可以在城市地图上进行地理标记，使用克里格和其他空间技术进行空间插值。Albuquerque等人的研究表明，洪水灾区报道的推文语气与其他地区明显不同;因此，来自受灾地区的社交媒体帖子是识别危害概率的替代手段。⁵³一些研究通过使用贝叶斯统计分析社交媒体上的帖子，回顾并展示了一个快速洪水淹没模型。^54、55Schnebele等人将非权威洪水信息与洪水预警数据和水文模型相结合，确定了沿海风暴潮导致的脆弱道路网络。¹⁷

文献计量分析

文献计量学分析有可能引入一个透明和可重复的综述过程来总结科学文献。文献计量分析是一种客观的方法，通过几个指标来确定研究的智力结构，这些指标可以确定有影响力的作品、来源和其他研究趋势。^56、57一些先进的方法，包括引文分析、关键词共现分析、聚类分析等，探索了研究领域的潜在主题结构。我们的工作旨在提高人们对城市洪水及其对道路连接的破坏的认识。市政官员、城市决策者、资助机构和环保活动人士可以从这项审查中得出重要结论，以改进决策。我们还确定了主要的研究挑战，以及在很大程度上仍未解决的差距。

本研究旨在综合同行评议的科学网络数据库中报告的当代科学文献，描述城市洪水及其对道路连通性的影响。我们使用文献计量分析工具来理解研究结构。该分析包括1977年至2020年发表的文章。的几个先进的技术bibliometrix使用R编程语言的库(www.bibliometrix.org)，利用文章的作者、引文、国家和关键词元数据。现有研究的结构、趋势的演变和降维技术捕捉了过去几十年科学文献的演变，并强调了未来需要做的事情。

数据检索

文献计量学分析首先下载由Web of Science (WoS)数据库托管的标题中含有“flood”和“road”字样的文章。被WoS收录的文章被认为是高度可信的，经过了严格的同行评审。虽然有其他一些学术资源，如Scopus和Google scholar，但我们使用的是WoS数据库。搜索条件显示了1977年至2020年间发表的115篇文章(总结如表2)。我们根据作者关键字、关键字+、标题中的单词、期刊以及全球和本地引用提取了这些文章的元数据。关键词加词不同于作者关键词。它们是由特定于WoS的专门文本挖掘算法生成的。keywords-plus从引用的参考文献的文本和标题中捕获文档的深层上下文，这可能不会反映在作者关键字中。⁵⁶

表2:文献计量学分析中使用的研究论文摘要。

描述	结果
文档	115
来源	79
Keywords-plus	248
作者关键字	347
每个文档的平均引用次数	11.4
每个文档的作者	3.3
每个文件的共同作者	3.81
协作指数	3.52
研究期间	1977 - 2020

研究趋势

2010年之后，文献总量增长迅速，1977-2019年年均增长率为13.39%，2018年和2019年分别为14篇和15篇(图3)。在数据库中出现的作者的国家(作者频次)顺序为:美国(96篇)、中国(56篇)、英国(30篇)、澳大利亚(23篇)、法国(21篇)。最相关的来源是-水文学杂志，自然灾害，自然灾害和地球系统科学，可持续发展，环境地球科学，以及国际减少灾害风险杂志。这些来源在排名前几位的期刊列表中。根据布拉德福德定律，他们被归类为1区，在这些前几个来源(包括115篇文献中的39篇)中拥有最大的信息，平均每篇文献被引用次数为20.54次。来源动态显示，这些期刊每年发表的累积文章比其他期刊增加(图未显示)。115篇文献中引用最多的文献包括《水文学杂志》(128次)、《自然灾害》(77次)、《自然灾害与地球系统》(47次)、《水资源研究》(44次)和《运输研究记录》(39次)。表3总结了全球大部分被引文章及其关键词。文档的总全局引用是指文档在WoS数据库中被引用的实例数。相比之下，一篇文献的总本地引用数是该文献在用于文献计量学分析的115篇文章中被引用的次数。全球被引用最多的作品的标题和作者关键词反映了遥感方法、水文模型、地貌或地形数据在实现城市洪水或洪水淹没估算中用于道路网络脆弱性评估的效用。 The recent trends in the utilization of crowd-sourced data, machine learning, and mobile applications are more reflected in the latest papers published after 2018 (based on author keywords, Fig. 4).

图3:Web of Science年度出版物数量分布数据库(截至2020年10月)。 点击此处查看图

图4:以关键词+计算的主题趋势 点击此处查看图

表3:全球五大被引文章及其关键词(截至2020年10月)

作者	标题	作者关键字	Keywords-plus	全球总引用数	总计 当地的 引用
57	利用基于地理信息系统的形态测量和卫星图像对埃及西奈半岛南部圣凯瑟琳路沿线的山洪风险进行估计	快速食品，风险，LANDSAT-ETM, SRTM, GIS，埃及，地貌学，形态测量学，遥感	渠道网络，模型，雷达，流域，管理，区域	154	2
58	弗吉尼亚州汉普顿路易受风暴潮、洪水和海平面上升的影响	风暴潮洪水，飓风，海平面上升，气候变化，沿海灾害，沿海发展，脆弱性	县	123	3.
59	森林道路对华盛顿德舒特河洪水流量的影响	森林道路排水，水文建模，伐木水文效应，峰值水流	地形、模型	94	0
26	山洪暴发对城市道路网络的影响与风险评价——以上海市中心城区为例	山洪暴发，城市内部，道路网络，风险评估，上海	扩散波处理，气候变化，模型，城市化，灾害，系统，损害	89	9
7	洪水对道路运输的影响:深度-中断函数	洪水，交通，网络，影响	气候变化，损害，风险，网络，天气，降水，恢复力，速度，交通工具	67	0

研究结构

在手稿标题、作者关键词和期刊来源中出现的高频词之间绘制的三场图反映了研究联系。为了表示简单，我们绘制了前10-11个实例(图5)。该模式表明，手稿标题中有“洪水或洪水”、“道路或道路”和“网络”等词，从而引出了作者的关键词:城市、GIS、风险评估、交通建模和交通中断。对作者关键词的频率分析也表明，与洪水、GIS建模、道路网络、山洪暴发、风险评估和气候变化相关的术语出现频率最高(词树图如图6所示，框的大小与词频相关)。同时，关键词+出现频率由高到低依次为:模型、影响、气候变化、影响、风险、脆弱性、网络、恢复力、损害和管理。使用具有众包信息的移动应用程序对山洪中的交通网络进行微观管理的情况正在增加，但反映的频率相对较低，因为它们尚未得到精简。

图5:三个字段图，分别在左、中、右字段上有字段- source、title和Author-Keywords。 点击此处查看图

图6:文献中出现的作者关键词树状图。盒子的大小与出现的频率相对应。 点击此处查看图

使用Louvain聚类算法开发的Keywords-plus共现，Kamada & Kawai布局(如图7所示)根据不同的配色方案描绘了共现的Keywords-plus。使用Jaccard网络归一化方案来消除由于特定文档的关键字较少而产生的偏差。我们只考虑了30个节点，并删除了孤立的节点，以提高可读性。出现在聚类中心的词是高频词。它们与其他单词的联系最为紧密，而出现在边缘的单词出现频率较低，联系最少。对关键词加的共现分析得出了四个中心集群/主题，即(a)识别脆弱性(使用水文模型的死亡人数)，(b)风险(山洪暴发对道路网络的影响)，(c)模型的应用(考虑到城市系统的复原力，估计对城市基础设施的破坏)，以及(d)与洪水相关的复原力和缓解(包括气候变化和城市化的影响)。

对作者关键字的进一步共现分析得到了五个集群，除了一个额外的集群突出了众包数据和移动应用的应用主题外，它们与关键词+分析大致重叠。表4提供了出现在不同集群或主题中的单词列表。使用文献计量分析观察到的研究结构与第2节提供的文献综述一致。

表4共现网络分析中关键词+和作者关键词的出现情况。

关键字-+
cluster - 1上	cluster - 2上的客户	集群3	Cluster-4
气候变化	影响	系统	脆弱性
风险	城市	框架	死亡人数
网络	运输	模型	加尔省地区
运输	性能	洪水	2002年9月
影响	弹性	Least-square-regression	水
损害	基础设施		生态系统
天气	降水
管理	暴涨的洪水
城市化	气候
	设计
	事件
作者关键字
cluster - 1上	cluster - 2上的客户	集群3	Cluster-4	Cluster-5
洪水的影响	洪水	洪水	脆弱性	道路网
微观交通建模	海平面上升	风险评估	飓风	洪水
模型集成	移动应用程序	道路	GIS分析	自然灾害
交通中断	应用程序	洪水风险	气候变化	地理信息系统
公路网络	众包	侵蚀		洪水的映射
洪水建模		道路规划		遥感
		山体滑坡

另一种使用多重对应分析(multi - corresponding analysis, MCA)的关键词+共现分析(co-occurrence analysis)是将降维后的关键词扩展到两个主要维度(欧几里得空间)上(图8)。该图是通过考虑30多个关键字绘制的，并分为四组以更好地理解。这些放在一起的词有一个共同的主题，因为大量的文章把它们放在一起。相反，如果将这些关键词放在一起讨论的文章相对较少，则将这些词分开放置。⁶²结果表明，与洪水、淹没、交通、破坏和气候变化相关的词汇在更多的论文中被密切使用，这表明洪水建模是文献的中心主题。此外，代表脆弱性、生态系统破坏和城市化的集群与中心主题没有很好的联系，或者这些概念最近才开始演变。

图7(a):关键词- plus共现网络图。 点击此处查看图

图7(b):作者关键词共现网络图。 点击此处查看图

图8:多重对应分析的关键词+共现概念结构图。 点击此处查看图

对现有研究的专题分析将研究分为四个不同的象限，分别代表中心性(纵轴)和密度(横轴)。⁶³根据关键词之间的联系强度，密度对应主题的成熟度。同时，中心性对应的是一个主题在与其他主题联系上的重要性，反映了对研究的整体贡献。主题图是根据关键词加词共现分析获得的显著聚类的中心性和密度绘制的(图9)。主题被划分为四个象限，分别代表运动主题、基本主题、演进或递减主题和高度发展主题。如图所示，运动主题象限中的主题(和子主题)为弹性(山洪暴发，中国，表演)和事件(水文模型、湿地、生态系统)。第一研究象限的主题(和子主题)主要是影响(城市、城市化、交通网络、气候变化、风险、算法、可达性)和脆弱性(死亡人数，参数，Gard区域)。进化主题是基于gis的研究，它出现在反映进化或减少主题的象限中。最后,洪水，气候(降水，基础设施)，以及模型(框架、系统、盆地、最小二乘回归)反映在主要主题象限中。

图9:中心性和密度轴上的专题地图。 点击此处查看图

本研究的局限性

在本研究中，文献计量分析仅限于在Web of Science数据库中检索的研究论文。本研究的范围可以通过考虑其他数据库(如Scopus或Google Scholar等)索引的研究论文来扩展。然而，据信，从这些数据库得出的定性结构将主要描绘类似的主题结构。通过考虑论文摘要和标题中出现的关键词，文献计量学研究的范围可以进一步扩大。此外，在共现分析前对关键词进行适度调整，可以增强研究的主题性或结构性分析。

结论

本研究旨在对Web of Science数据库1977-2020年收录的标题中含有“洪水”和“道路”字样的文章进行系统的文献综述。该分析提供了一种结构化的方法来巩固大量的研究。研究主题的时间演变，学科的转变，以及研究景观的“大图景”可以被提取出来。我们观察到，自2010年以来，人们对洪水脆弱性和道路网络的研究兴趣有所增加。广泛的应用，包括但不限于遥感、地理信息系统、水文模型、志愿地理信息(社交媒体帖子、图片、视频)、使用移动应用程序的众包数据收集，已被测试用于绘制道路网络的洪水脆弱性。结果表明，城市尺度的洪水建模方法从传统的水文建模转向利用众包数据和移动应用程序进行近实时洪水风险评估。查明脆弱性和制定缓解战略的重要性已经增加。此外，与车辆损伤相关的实验研究也在不断增加，为估计车辆的整体直接损伤提供了基础数据。

鉴于气候引起的极端天气事件的频率增加，如降雨强度和频率的变化，应该更多地关注使人类系统更具弹性。确定易受洪水影响的地区对于制定局部抗灾策略至关重要。在制定减轻洪水政策时，需要让所有利益攸关方参与进来，将基于科学的适应战略纳入土著和地方知识的主流。在洪水缓解中应用基于自然的解决方案是一个双赢的解决方案，为当地人提供就业机会，保护集水区免受洪水侵袭，并减少经济损失。社会文化和传统知识的作用应与基于科学的方法同等重要，以制定减轻洪水的政策，增加人们的参与和与当地的联系，并提高他们对自然系统及其服务重要性的认识。融合光学传感器、雷达、激光雷达、众包数据和高分辨率土地利用数据(如建筑信息、土地利用分类等)的优势，以及先进的GIS技术(以及深度学习、机器学习和大数据分析)和监控工具(无人驾驶飞行器、无人机、流量飞行调查等)的优势，将必须融合在一起，以实现洪水评估。此外，应该有一个框架来协调来自不同来源的多尺度数据，使洪水脆弱性研究的一致性，以准备一个改进的路线图，使人类住区能够抵御自然灾害。

资金来源

这项研究没有从公共、商业或非营利部门的资助机构获得任何具体的资助。

利益冲突

作者声明他们没有利益冲突。

致谢

作者衷心感谢泰伦加纳邦技术教育专员和海得拉巴贾瓦哈拉尔尼赫鲁理工大学校长给予的支持。

参考文献

1. Kadaverugu A, Nageshwar Rao C, Viswanadh GK。利用InVEST模型量化城市绿地的防洪服务——以印度海得拉巴市为例模拟地球系统环境。2021年,7(1):589 - 602。doi: 10.1007 / s40808 - 020 - 00937 - 0。
   CrossRef
2. Huong HTL, Pathirana A.城市化和气候变化对越南芹苴市未来城市洪水的影响。水文地球系统科学。2013; 17(1): 379 - 394。doi: https://doi.org/10.5194/hess - 17 - 379 - 2013。
   CrossRef
3. Miller JD, Kim H, Kjeldsen TR, Packman J, Grebby S, Dearden R.基于不透水覆盖历史变化的城市化对城市周边流域暴雨径流的影响。J二聚水分子。2014; 515:59 - 70。doi: 10.1016 / j.jhydrol.2014.04.011。
   CrossRef
4. Singh P, Sinha VSP, Vijhani A, Pahuja N.城市道路网络在洪水中的脆弱性评估。减少灾害风险。2018; 28:237 - 250。doi: 10.1016 / j.ijdrr.2018.03.017。
   CrossRef
5. 与洪水有关的灾害:关注印度班加罗尔的城市洪水。国际工程科技有限公司。2014年,03(28):76 - 83。doi: 10.15623 / ijret.2014.0328013。
   CrossRef
6. 罗德里格J-P, Notteboom T. 3.1 -交通与经济发展。:运输系统地理学。;2013.https://transportgeography.org/?page_id=5260。
7. 张建军，张建军，张建军，等。洪水对道路运输的影响:深度-中断函数。运输部分运输环境。补充2017;55 (C): 67 - 81。doi: 10.1016 / j.trd.2017.06.020。
   CrossRef
8. 李建军，李建军，李建军，等。气候变化和天气对交通运输的影响:实证研究综述。运输部分运输环境。2009; 14(3): 205 - 221。doi: 10.1016 / j.trd.2008.12.004。
   CrossRef
9. Goswami BN, Venugopal V, Sengupta D, Madhusoodanan MS, Xavier PK.变暖环境下印度极端降雨事件的增加趋势。科学。2006, 314(5804): 1442 - 1445。doi: 10.1126 / science.1132027。
   CrossRef
10. Ramesh Kumar MR, Krishnan R, Sankar S, Unnikrishnan AS, Pai DS。印度“季风中断”条件的增加趋势——印度洋海洋-大气过程的作用。IEEE地球遥感学报。2009; 6(2): 332 - 336。doi: 10.1109 / LGRS.2009.2013366。
    CrossRef
11. 张建军，张建军。基于网络的洪灾资源恢复能力研究——以设得兰群岛和飓风桑迪为例。Lang M, Klijn F, Samuels P，等。E3S Web配置。2016; 7:04008。doi: 10.1051 / e3sconf / 20160704008。
    CrossRef
12. 哈蒙德M j，陈A s, Djordjevi?李建平，李建平。城市洪水影响评价研究进展。城市水J。2015; 12(1): 14-29。doi: 10.1080 / 1573062 x.2013.857421。
    CrossRef
13. 胡珀E，查普曼L，奎因A.调查降水对英国高速公路上车速的影响:调查降水对车速的影响。Meteorol:。2014; 21(2): 194 - 201。doi: 10.1002 / met.1348。
    CrossRef
14. Pyatkova K, Chen AS, Djordjevi?S，等。基于微观交通建模技术的洪水对道路交通的影响。参见:Behrisch M, Weber M，编。模拟城市交通场景。流动性课堂讲稿。斯普林格国际出版公司;2019:115 - 126。doi: 10.1007 / 978 - 3 - 319 - 33616 - 9 - _8。
    CrossRef
15. Ehrlich D，郭海华，Molch K，马建伟，Pesaresi M.利用VHR遥感数据识别2008年汶川地震灾害。数字地球。2009; 2(4): 309 - 326。doi: 10.1080 / 17538940902767401。
    CrossRef
16. Frey D, Butenuth M.基于概率图形模型的城市洪水可通行性分析。:2011年联合城市遥感活动。IEEE;2011:345 - 348。doi: 10.1109 / JURSE.2011.5764790。
    CrossRef
17. Schnebele, Cervone G, Waters N.，洪水事件后道路评估的非权威数据。自然灾害与地球系统科学。2014; 14(4): 1007 - 1015。doi: 10.5194 / nhess - 14 - 1007 - 2014。
    CrossRef
18. 马林诺斯基R，格鲁姆G, Heckrath G . Schwanghart W.遥感制图实践充分解决局部洪水?批判性概述。Springer Sci Rev。2017; 5(1 - 2): 1。doi: 10.1007 / s40362 - 017 - 0043 - 8。
    CrossRef
19. 高伟，沈强，周勇，李霞。基于多源遥感数据的非计量流域洪水淹没分析。环境监测评估。2018年,190(3):129。doi: 10.1007 / s10661 - 018 - 6499 - 4。
    CrossRef
20. Franci F, Bitelli G, Mandanici E, Hadjimitsis D, Agapiou A.基于卫星遥感和gis的洪水灾害制图多准则分析。Nat危害。2016; 83 (S1): 31-51。doi: 10.1007 / s11069 - 016 - 2504 - 9。
    CrossRef
21. 王莹，Colby JD, Mulcahy KA。一种利用Landsat TM和DEM数据绘制沿海漫滩洪水范围的有效方法。国际遥感。2002; 23(18): 3681 - 3696。doi: 10.1080 / 01431160110114484。
    CrossRef
22. Brivio PA, Colombo R, Maggi M, Tomasoni R.基于遥感数据和GIS的洪水地区精确制图。国际遥感。2002; 23(3): 429 - 441。doi: 10.1080 / 01431160010014729。
    CrossRef
23. 李建军，张建军，张建军，等。基于无人机的洪水灾害评估方法研究。J洪水风险管理。2020; 13 (4): e12622。doi: https://doi.org/10.1111/jfr3.12622。
    CrossRef
24. 杨丽，刘建军。基于深度学习的遥感图像灾害评估分析——以洪涝灾害为例。柔软的第一版。2019; 23(24): 13393 - 13408。doi: 10.1007 / s00500 - 019 - 03878 - 8。
    CrossRef
25. Mojaddadi H, Pradhan B, Nampak H, Ahmad N, Ghazali AH bin。基于集成机器学习的基于多传感器遥感数据和GIS的洪水风险评估方法。地质灾害风险。2017; 8(2): 1080 - 1102。doi: 10.1080 / 19475705.2017.1294113。
    CrossRef
26. 尹军，于东，尹志，刘敏，何强。城市内部道路网络的洪水影响与风险评价——以上海市中心城区为例。J二聚水分子。2016; 537:138 - 145。doi: 10.1016 / j.jhydrol.2016.03.037。
    CrossRef
27. Devi GK, Ganasri BP, Dwarakish GS。水文模型研究进展。Aquat Procedia。2015; 4:1001 - 1007。doi: 10.1016 / j.aqpro.2015.02.126。
    CrossRef
28. 杨强，张生，戴强，姚瑞。不同类型城市洪水脆弱性评估的改进框架。可持续性。2020; 12(18): 7668。doi: 10.3390 / su12187668。
    CrossRef
29. Arjenaki MO, Sanayei HRZ, Heidarzadeh H, Mahabadi NA。基于SWMM模型的LID方法对城市径流收集网络的建模和研究(以Shahrekord市为例)。模拟地球系统环境。2020年6月30日在线发布。doi: 10.1007 / s40808 - 020 - 00870 - 2。
    CrossRef
30. Vemula S, Raju KS, Veena SS, Kumar AS。当前和未来降雨情景下印度海得拉巴的城市洪水:案例研究。Nat危害。2019, 95(3): 637 - 655。doi: 10.1007 / s11069 - 018 - 3511 - 9。
    CrossRef
31. Dash SS, Sahoo B, Raghuwanshi NS。一种用于土壤和水评估工具(SWAT)的新型嵌入式坑槽模块，改进了稻田为主的集水区的流量估算。J二聚水分子。2020; 588:125103。doi: 10.1016 / j.jhydrol.2020.125103。
    CrossRef
32. Rajib A, Liu Z, Merwade V, Tavakoly AA, Follum m .基于SWAT和LISFLOOD-FP的大尺度局地洪水淹没模拟框架。J二聚水分子。2020; 581:124406。doi: 10.1016 / j.jhydrol.2019.124406。
    CrossRef
33. 利用OpenFOAM®模拟地下水平流人工湿地。模拟地球系统环境。2016; 2(2): 55。doi: 10.1007 / s40808 - 016 - 0111 - 0。
    CrossRef
34. 李建军，李建军，李建军，等。基于中尺度模型的城市空气质量模拟研究进展。大气科学[J]。55 2019;(4): 539 - 556。doi: 10.1007 / s13143 - 019 - 00110 - 3。
    CrossRef
35. 扎格卢勒NA。流域离散化影响下SWMM径流输运参数敏感性分析。Adv水资源。1983; 6(4): 214 - 223。
    CrossRef
36. Naulin J-P, Payrastre O, Gaume E.暴洪易发区空间分布洪水预报:在法国南部道路网络监测中的应用。J二聚水分子。2013; 486:88 - 99。doi: 10.1016 / j.jhydrol.2013.01.044。
    CrossRef
37. dawood GM, Mirza MN, Al-Ghamdi KA。基于gis的洪水灾害对沙特阿拉伯麦加市道路网络影响的估计。环境地球科学。2012, 67(8): 2205 - 2215。doi: 10.1007 / s12665 - 012 - 1660 - 9。
    CrossRef
38. Towfiqul Islam ARM, Talukdar S, Mahato S等。利用先进的集成机器学习模型建立洪水敏感性模型。Geosci面前。2021; 12(3): 101075。doi: 10.1016 / j.gsf.2020.09.006。
    CrossRef
39. 卡达维鲁古，古拉维，李建平，等。基于InVEST模型的城市绿地热减排量化研究——以印度那格浦尔市为例。阿拉伯世界。2021; 14(2): 82。doi: 10.1007 / s12517 - 020 - 06380 - w。
    CrossRef
40. Versini P-A, Gaume E, Andrieu H.基于地理信息的道路洪水易感性评估——在暴洪易发地区(法国加尔地区)的试验。自然灾害与地球系统科学。2010; 10(4): 793 - 803。doi: 10.5194 / nhess - 10 - 793 - 2010。
    CrossRef
41. 李建军，李建军，李建军，等。城市洪水淹没道路交通安全标准研究。减少灾害风险。2016; 17:77 - 84。doi: 10.1016 / j.ijdrr.2016.04.003。
    CrossRef
42. Sudhir U. Watch:海得拉巴面临洪水，汽车漂浮，被冲走。NDTV.com。2020年出版。于2020年12月2日发布。https://www.ndtv.com/hyderabad - news/hyderabad雨-汽车-浮-扫掉- -海德拉巴面临洪水2309779。
43. 夏军，张飞，林斌，Falconer RA。淹水车辆初速度公式。Nat危害。2011; 58(1): 1 - 14。doi: 10.1007 / s11069 - 010 - 9639 - x。
    CrossRef
44. 夏军，Falconer RA，肖欣，王勇。基于理论和实验研究的洪水中车辆稳定性判据。Nat危害。2014, 70(2): 1619 - 1630。doi: 10.1007 / s11069 - 013 - 0889 - 2。
    CrossRef
45. 陈建军，陈建军，陈建军，等。水淹车辆初期运动特性的研究进展。J流体结构。2015; 57:170 - 184。doi: 10.1016 / j.jfluidstructs.2015.06.010。
    CrossRef
46. Martínez-Gomariz E, Gómez M, Russo B, Djordjevi?一种新的基于实验的方法来定义任何暴露在洪水中的车辆的稳定性阈值。城市水J。2017; 14(9): 930 - 939。doi: 10.1080 / 1573062 x.2017.1301501。
    CrossRef
47. 夏军，张飞，Falconer RA，陈强，邓森。桥梁上车辆阻塞影响的水动力实验研究:桥梁上车辆阻塞的影响。J洪水风险管理。2018; 11: S395-S402。doi: 10.1111 / jfr3.12228。
    CrossRef
48. Martínez-Gomariz E, Gómez M, Russo B, Djordjevi?S.被水淹没车辆的稳定性标准:一项最新的审查:被水淹没车辆的稳定性标准。J洪水风险管理。2018; 11: S817-S826。doi: 10.1111 / jfr3.12262。
    CrossRef
49. Khan MU, Mesbah M, Ferreira L, Williams DJ。洪水后道路养护战略的发展:以澳大利亚昆士兰州为例。新界路面工程。2017; 18(8): 702 - 713。doi: 10.1080 / 10298436.2015.1121781。
    CrossRef
50. 库马尔S, Morstatter F, Marshall G, Liu H . Nambiar U. twitter的导航信息层面(NIF-T)。:第18届ACM SIGKDD知识发现与数据挖掘国际会议论文集- KDD ' 12。ACM出版社;2012:1548。doi: 10.1145/2339530.2339777。
    CrossRef
51. Surowiecki J。《群体的智慧:为什么多数人比少数人聪明。算盘;2005.https://books.google.co.in/books?id=_EqBQgAACAAJ。
52. 李建军，李建军。基于地理信息的灾害管理研究进展。GEOMATICA。2010, 64(1): 89 - 98。doi: 10.5623 / geomat - 2010 - 0008。
53. de Albuquerque JP, Herfort B, Brenning A, Zipf A.一种结合社会媒体和权威数据以确定灾害管理有用信息的地理方法。地理信息科学[J]。2015; 29(4): 667 - 689。doi: 10.1080 / 13658816.2014.996567。
    CrossRef
54. 参见L.公民科学与众包在洪积洪水应用中的研究综述。前沿地球科学。2019; 7。doi: 10.3389 / feart.2019.00044。
    CrossRef
55. Rosser JF, Leibovici DG, Jackson MJ。利用社交媒体、遥感和地形数据快速绘制洪水淹没图。Nat危害。2017, 87(1): 103 - 120。doi: 10.1007 / s11069 - 017 - 2755 - 0。
    CrossRef
56. 引文分析是一种合法的评价工具吗?科学计量学。1979; 1(4): 359 - 375。doi: 10.1007 / BF02019306。
    CrossRef
57. 李建军，张建军，张建军，等。资源回收行为的系统文献回顾与计量学分析。J Glob Mark。2020; 33(5): 354 - 376。doi: 10.1080 / 08911762.2020.1765444。
    CrossRef
58. [3]陈建军，陈建军，陈建军。开放式创新领域的可持续旅游研究。可持续性。2019; 11(21): 6114。doi: 10.3390 / su11216114。
    CrossRef
59. yousef AM, Pradhan B, Hassan AM。利用基于地理信息系统的形态测量和卫星图像对埃及西奈半岛南部圣凯瑟琳路沿线的山洪风险进行估计。环境地球科学。2011, 62(3): 611 - 623。doi: 10.1007 / s12665 - 010 - 0551 - 1。
    CrossRef
60. Kleinosky LR, Yarnal B, Fisher A.弗吉尼亚州汉普顿路对风暴潮洪水和海平面上升的脆弱性。Nat危害。2007年,40(1):43 - 70。doi: 10.1007 / s11069 - 006 - 0004 - z。
    CrossRef
61. La Marche JL, Lettenmaier DP。森林道路对华盛顿州德舒特河洪水的影响。地球冲浪过程陆地。2001年,26(2):115 - 134。doi: https://doi.org/10.1002/1096 - 9837 (200102) 26:2 < 115:: AID-ESP166 > 3.0.CO; 2 o。
    CrossRef
62. 胡志强，陈志强。绩效管理的基础和发展趋势。在商业和公共管理领域25年的文献计量分析。科学计量学。2016, 108(2): 595 - 611。doi: 10.1007 / s11192 - 016 - 1948 - 8。
    CrossRef
63. 王晓明，王晓明，王晓明，等。模糊集理论在模糊集理论中的应用。[j]。J Informetr。2011; 5(1): 146 - 166。doi: 10.1016 / j.joi.2010.10.002。
    CrossRef