博文

JDD | 清华大学黄丽达团队：极端降雨后的异质性恢复轨迹及其驱动因素——以北京门头沟为例

已有 161 次阅读 2026-7-2 13:43 |系统分类:科研笔记

近期，清华大学安全科学学院的Wang Qi、Su Guofeng、Chen Tao与Huang Lida（通讯作者）在Journal of Dynamic Disasters发表题为“Heterogeneous recovery trajectories after extreme rainfall and their drivers: A study in Mentougou, Beijing”的原创研究论文。该研究围绕2023年北京门头沟“23·7”极端降雨事件后的城市功能恢复过程，利用NASA Black Marble VIIRS VNP46A2每日夜间灯光（nighttime lights, NTL）时间序列数据，构建像元尺度恢复率指数（Recovery Rate Index, RRI），并结合时间加权动态时间规整（Time-Weighted Dynamic Time Warping, TWDTW）、K-means聚类、Spearman秩相关、Kruskal–Wallis检验和多项逻辑回归模型，识别山区城郊空间中不同恢复轨迹及其驱动因素。研究表明，门头沟灾后恢复并非均质过程，而是呈现从“早期快速恢复”到“极晚或仍在恢复”的连续梯度；人口密度、建成区紧凑度和GDP密度等社会经济因素总体上促进快速恢复，而高程和坡度通过限制交通可达性与重建可行性，对恢复过程形成结构性约束。

【研究背景】

在气候变化与快速城市化共同作用下，短历时、高强度极端降雨事件对城市安全、生命线基础设施和社会经济运行造成持续压力。此类事件不仅可能在短时间内超出排水和防洪系统承载能力，还会引发交通中断、电力与通信故障、山洪、滑坡和泥石流等复合灾害，使灾后恢复过程呈现明显的时空差异。

近年来，城市韧性研究逐渐从灾前暴露度、脆弱性等静态评估，转向灾后恢复与适应能力的动态刻画。恢复轨迹能够反映城市功能、交通可达性和人类活动水平随时间变化的过程，因此被视为衡量系统韧性的重要经验指标。然而，传统灾后恢复评估多依赖问卷调查、行政统计或灾损报告，往往存在空间分辨率较粗、时间频率较低和报告周期不一致等限制，难以捕捉灾后短期恢复阶段的细粒度变化。

夜间灯光遥感为灾后恢复监测提供了新的数据基础。NTL数据可作为人类活动、基础设施运行和服务可用性的间接表征，尤其适用于连续跟踪灾后亮度下降与恢复过程。但既有研究多依赖月度合成产品或灾前、灾后快照，难以识别月内恢复节奏、恢复启动时间和不同区域之间的恢复异质性。

山区城市和城郊地区的灾后恢复问题更具复杂性。高程、坡度、谷地约束和破碎化道路网络会同时影响灾害暴露、道路抢通、物资运输和工程重建可行性。2023年7月29日至31日，受台风“杜苏芮”影响，北京门头沟区出现累计降水超过740mm的极端降雨，为当地气象记录中的高值事件。该事件引发洪水、滑坡、道路损毁，以及电力、通信和交通服务长时间中断。门头沟地形起伏大、居民点分散、交通通道多沿谷地分布，因此为研究山区城郊地区灾后恢复轨迹提供了典型案例。

【研究亮点】

第一，研究利用NASA Black Marble VIIRS VNP46A2每日夜间灯光数据构建像元尺度恢复率指数RRI，将灾后最低亮度之后的亮度回升幅度与经历时间相结合，从而刻画恢复启动、恢复速率和阶段性稳定过程。

第二，研究将TWDTW与K-means聚类结合，用于识别恢复曲线形态相似但时间上可能不同步的区域，最终划分出5类恢复轨迹，揭示了门头沟灾后恢复从早期快速反弹到极晚或仍在恢复的连续梯度。

第三，研究显示恢复信号主要集中于东南部建成区、谷地居民点和交通走廊，而西部高山峡谷区恢复信号稀疏，提示地形约束与低基线亮度可能共同限制夜光数据对恢复过程的可探测性。

第四，驱动因素分析表明，人口密度、建成区紧凑度和GDP密度与较快、较强恢复总体相关；高程和坡度则表现出抑制效应，主要通过降低交通可达性、增加施工难度和放大次生灾害风险影响恢复进程。

【图文导读】

图1为本文研究框架图，以NASA VIIRS VNP46A2夜间灯光数据为输入，研究区域为北京门头沟；随后进入数据处理模块，包括辐射校正、归一化、大气校正和重采样等步骤。处理后的NTL时间序列用于构建恢复率指数RRI。以此展示两条分析路径：一方面，研究将社会经济、基础设施、地形、环境和水文因子作为潜在影响因素；另一方面，利用TWDTW与K-means对RRI时间序列进行聚类，识别不同恢复轨迹。最后，研究通过相关性分析和多项逻辑回归对恢复异质性的驱动机制进行解释。

640 (26).png

图1：基于每日夜间灯光数据的灾后恢复轨迹识别与驱动因素分析框架

图2为本文分析结果，Cluster 1为早期快速恢复型，曲线在7月29日后很快升高，并在8月初达到较高水平，随后逐渐回落，表明该类区域在灾后7~10天内出现快速修复活动；Cluster 2为中早期平台恢复型，灾后第一周接近零，约8月8日至10日开始稳步上升，并在8月中旬形成中等水平平台，是占比最高的类型；Cluster 3为中期脉冲恢复型，在8月中旬前恢复信号较弱，约8月15日至18日出现短时高峰，随后迅速减弱；Cluster 4为晚期快速恢复型，在8月下旬前RRI很低，约8月21日至26日出现强烈但短暂峰值，反映某些区域依赖上游电力、道路或交通通达性恢复之后才开始集中修复；Cluster 5为极晚或仍在恢复型，在8月大部分时间接近零，直到观测期末才启动恢复。

下方的空间分布图可知，恢复像元明显集中于东南部建成区、谷地居民点和主要交通走廊，而西部高山峡谷区像元稀疏。该空间格局并不等同于西部地区无灾损，而可能与居民点分散、灾前基线亮度较低、云污染或无效观测较多、地形通达性差等因素有关。

640 (27).png

图2：门头沟极端降雨后五类恢复轨迹及其空间分布

图3为Spearman秩相关热图，从热图可以看出，平均RRI和最大RRI与人口密度、建成区密度和GDP密度呈较明显正相关，论文报告的相关系数约为人口密度ρ≈0.48、建成区密度ρ≈0.46、GDP密度ρ≈0.37。这说明社会经济活动集中、居民点紧凑和经济功能较强的区域更容易出现较快、较强的亮度回升。相反，高程与平均RRI和最大RRI呈负相关，提示高海拔区域恢复速度总体较慢。坡度和距河流距离与恢复指标之间的单调相关较弱。

640 (28).png

图3：恢复指标与社会经济、基础设施、地形、环境和水文因子的Spearman相关热图

【原文信息】

Heterogeneous recovery trajectories after extreme rainfall and their drivers: A study in Mentougou, Beijing

Qi Wang, Tao Chen, Guofeng Su, Lida HuangSchool of Safety Science, Tsinghua University, Beijing 100084, China

Journal of Dynamic Disasters, 2026, Volume 2, Article 100054

DOI：https://doi.org/10.1016/j.jdd.2026.100054

【期刊介绍】

Journal of Dynamic Disasters 是一本国际学术期刊，致力于发表关于动力灾害领域的权威文章。期刊涵盖的研究主题包括地震、风灾、海浪、爆炸、冲击、机械振动以及环境振动等。本期刊重点收录对各类工程结构（如土木工程结构、机械工程结构、航空航天结构、海洋结构）在动力灾害作用下的动力分析、灾变机理、灾害防控、灾害监测、灾害评估以及灾后修复等方面的原创性研究与典型案例研究。

期刊欢迎跨学科研究成果投稿，涵盖领域包括但不限于传感技术、信号处理及动力灾害的智慧管控等。