城市气候韧性的数字化进程：防洪管理与韧性案例研究

数字水务城市气候韧性的数字化进程：防洪管理与韧性案例研究数字水务城市气候韧性的数字化进程：防洪管理与韧性案例研究作者MarinaBatalinideMacedo，伊塔茹巴联邦大学，巴西；JyotiGautam，印度理工学院德里分校，印度；SheilladeCarvalho，荷兰皇家哈斯康宁德和威集团，新加坡；PilarConejos，Idrica公司和瓦伦西亚理工大学，西班牙翻译刘非男（福建省水投数字科技有限公司）董雨旸（福建省水投数字科技有限公司）林子淇（福建省水投数字科技有限公司）审核郭宇峰（三峡智慧水务科技有限公司）黄旦光（宁波水表（集团）股份有限公司）致谢我们谨向OliverGrievson在本白皮书撰写过程中给予的鼓励与支持表示衷心感谢。同时，感谢赛莱默（Xylem）印度及南亚区销售总监ShamChaudhari先生与我们分享韧性建设相关的案例研究。特别致谢珠海卓邦科技有限公司许冬件为本白皮书中文版提供的排版编辑工作支持。摘要“韧性”概念与可应用于防洪韧性周期不同阶段的多样化数字工具相结合，通过具体案例展示了数字工具在现实场景中的应用实效。©2024国际水协(InternationalWaterAssociation,IWA)（无论用于销售还是非商业性分发），请通过官方网站()联系国际水协会媒体办公室。前言供关键功能与服务。

2030。水务行业的数字化为增强城市水系统的韧性提供了众多机遇。从实时监测、预测分析，到高级建模和决策支持工具，数字技术使城市能够前瞻预判、主动适应并有效应对气候变化对水基础设施的影响。当前技术方案层出不穷且发展迅速。与此同时，要把握这些机遇，需要跨部门、跨层级的利益相关者通力协作。这要求我们转变城市水管理的范式——拥抱跨学科合作，确立数据驱动的决策机制，并将社区韧性（尤其是那些最易受气候变化影响的社区）作为优先事项。过去五年中，国际水协会大力推动数字化进程，将其作为弥合研究与实践之间差距的核心举措。这一行动正引领着水务行业的数字化转型之路。国际水协会的数字水务计划正处于这一变革之旅的前沿，通过激发创新与深化合作，致力于应对21世纪严峻的水挑战。10进展。我们荣幸地推出这本最新白皮书，聚焦城市气候韧性这一至关重要领域的创新成果，以此丰富我们的系列出版物。本白皮书强调了城市气候韧性与数字水务解决方案之间的协同效应，将其作为保障社区福祉和城市可持续性的重要手段。国际水协会依托其全球网络开展协作的一大核心优势在于：通过我们的知识共享成果，我们持续呈现多元视角，往往深刻揭示了在迈向数字化成熟过程中规模化推广解决方案的的必要性。这份最新的白皮书也作出了类似的贡献，通过展示来自南美洲、亚洲、欧洲和非洲的多元视角，提供了更为宏观的背景。国际水协会坚信，知识的创造与共享，连同最佳实践的互鉴，对于推动水务行业的进步至关重要。通过促进合作和推动创新，我们可以共同应对当今紧迫的水资源挑战，为全人类创造一个可持续的未来。秉持这一承诺，国际水协会持续赋能专业人士和群体，以确保全球范围内清洁、安全用水的普及，并全面优化水管理。KalanithyVairavamoorthyExecutiveDirectoroftheInternationalWaterAssociation国际水协会执行总裁目录介绍 7城市韧性周期中的数字工具 9个体灾害应急响应 10响应/救援 10恢复（修复与重建） 102.4.减灾 112.5.备灾 11洪水案例研究 12在数据转型背景下的韧性建设：从数据匮乏到数据密集——加纳GARID项目的经验 12基于远程广域网的城市洪涝监测预警系统——以巴西伊塔茹巴市为例 15用于防范与管理流域洪水的预警系统——以西班牙埃布罗河流域为例 18城市洪水预警系统——西班牙卡尔佩市应用案例 20基于多传感器的降水监测与临近预报技术在新加坡防洪韧性建设中的应用 23关键经验教训 26结语与建议 26参考文献 27介绍重（Vermij,2023）。根据联合国发布的一份报告显示（CRED&UNISDR,2015），过去二十年记录的绝大多数（90%）自然灾害都与气候相关。根据国际紧急事件数据库（EM-DAT）统计，1995年至2015年间共发生了

纳的定义出自联合国减少灾害风险办公室并应用于《仙台减少灾害风险框架》（UNDDR,2015）：中不同应用场景下使用的“城市韧性与城市可持续性”概念，并提出了如下定义：645743%实例，例如2022年巴基斯坦发生的洪水波及该国三分之一领土；20212022年初，巴西东北部地区持续了两个多月的洪水；

这一过程包括通过维护和恢复其关键的基础结构和功能来实现。”2021年波及德国、比利时、荷兰等国的东欧洪水；2023年利比亚的洪水更是导致了毁灭性的人员伤亡，已确认约11,000人遇难，至少10,000人失踪。2023严重后果。最新的政府间气候变化专门委员会第六次评估报告（IPCCAR6）预测，即使在全球气温较保守地升1.5℃（重现期=10年）1.5倍（政府间气候变化IPCC,2021）55%的人口居UN“城市韧性是指在外部影响因素作用下，通过协同努力，对生态系统服务与人类福祉之间的良性循环进行监测、促进、维护和恢复的响应式过程”；而城市可持续性是指在不损害周边地区发展潜力的前提下，构成城市的各子系统之间协同整合与共同演进的主动构建过程，并以此方式减少发展对生物圈的有害影响。”基于这些定义，我们可以将城市应对气候变化的韧

本白皮书旨在分享具有启发性的实践案例，展示数字工具如何在不同的情景下助力提升城市应对洪涝的韧性。作者期望这些经验能够催生并启发更多成功案例。白皮书首先阐述了城市极端洪涝问题及气候变化的背景，以帮助理解相关的主要风险。随后，介绍了韧性周期的不同阶段，以及数字工具如何在这些阶段帮助优化流程。接着，统服务与人类福祉得以复原的能力。这个“适宜时间范围”视具体负面影响而异。例如，针对洪水，适当的时间范围即为降水过程及洪峰消退的持续时间。升城市韧性，并降低风险暴露度。然而，正如MartensCarvalho（2023）所指出的，“由于该主开启其气候韧性之旅”。数字工具正成为一种日益候变化的冲击（Martens&Carvalho2023）。

展示了利用这些工具构建防洪韧性相关的案例研究。最后，总结了从这些案例中汲取的关键经验教训，并为未来的应用提出了对策建议。城市韧性周期中的数字工具（即风险削减措施）和事件发生后的行动（即恢复措施）这些行动构成了灾害管理的循环体系（图1），涵/

（Davis&Alexander2015）进行介绍。备灾（早期）预警系统临近预报技术建模实时监测与实时控制利用自发地理信息改

灾害韧性循环

个体响应灾害信息通报向公众及民防部门发布预警修复采用数据驱动技术优化洪水保险体系、无人机（UAV）及洪水模进预警系统减灾

灾前:

灾后:恢复

型识别优先重建区域应急响应灾害信息发布与沟通建立预警系统利用自发地理信息（VGI）据实时监测与实时控制 建建模与风险制图利用数字孪生实现防洪减灾基础设施的灵活调度面向公众的应急措施利用无线传感网络（WSN）无人机（UAV）和自发地理信息（VGI）评估重点受灾区域利用无人机（UAV）路径规划图1：数字工具在韧性周期不同环节中的应用以减轻灾害影响RRTVWS具的应用示例如下：（Feldmanetaletal2021）。ClBoaca,C（Paos&Hamilton,2023）：与短信（SMS）这种“一对一”“一对多能够在不注册或追踪设备的情况下实现基于（包括境外人员（济弱势群体可能往往面临数字技术接入障碍（Downer&Hamilton2024）。响应/救援在响应/（如民防部门此阶段还需要机构与民众之间建立高效的通信系

已被应用于提升洪水灾害的响应与救援效率（Erdeljetal.,2017）。为增强受困群众与民WSN与UAV径，以便快速抵达受灾区域并实施救援。无线传感器网络可与众包(crowdsourcing)/公众报送(crowd-sending)平台及自发地理信息而提高救援任务的精准性与时效性（Poser&DranschWaze和Twitter/X等平台已被用于采集此类VGI（Lowrieet2022；Yuanetal.,2022）。（）恢复包括修复与重建程中，“重建得更好”包括：（Rumson&Hallet,2019）。该技术依赖于卫星遥感数据、物联网（IoT）范围，助力个人资产的修复与重建。VI、（Poser&Dransch2010；Erdeljetal2017）。本报告来源于三个皮匠报告站（）,由用户Id:1181721下载,文档Id:1272948,下载日期:2026-06-30减灾韧性循环还包含在潜在灾害发生前预先部署的措减缓措施括从空间与时间维度深入理解风险的演变过程及（structural和非工程性措施（non-structuralmeasures），以协助预防风险或减轻其影响。本阶段应用的数字工具示例如下：（例如洪涝事件的图片和视频（Drewsetal.,2023）。（旨在通过灵活调整防洪基础设施来应对实际的降雨径流过程与（Pangetal.,2023）和生物滞留设施（Persuadetal2024）的管理等。数字孪生技术的应用是一种在洪水韧性领域（Brasiletal旨在构建集备灾

如下:在河道中布设水位传感器作为实时监测系统感器（Catsamasetal.,2023;Baratellaetal.,2023）。利用众包平台收集关于河道水位的自发地理osita.,。（通过Twitter/X平台获取）作为无资料或资料匮乏流域的降雨-径流估算和洪水预报的替代指标，以提升早期洪水预警效能（Restrepo-Estradaetal.,2018）。通过将现有闭路电视网络与卷积神经网络模型相结合（Sukumaranetal2024），并利用X（Keemetal.,洪水案例研究在数据转型背景下的韧——GARID验BernardMakafuiAgbelengor(GARID,Ghana加纳)提供案例研究的单位本案例由“大阿克拉地区韧性与综合发展项目”（GreaterAccraResilientandIntegratedDevelopmentProjectGARID项目）提供。该合推进。项目资金由世界银行提供。介绍拉韧性与综合发展项目（GARID）。GARID力于推动大阿克拉地区排水系统与洪水风险管理预措施。本案例研究聚焦于数据环境转型背景下的韧性构建：从“数据匮乏”走向“数据密集”。其目的在于展示GARID项目如何运用不同的数据技术工具，保障长期韧性建设。GARIDEarthKoboCollect的河道水力分析软件（HEC-RAS），以及地理信息

洪水模拟中的风险评估、灾损评估、监测、减灾、适应和预测环节。然而，现有大量研究尚缺乏对基于数据驱动的建成资产韧性决策及其对洪灾韧性和建成资产韧性提升所产生明确影响的具体论述。这表明，在建成环境中，围绕抗洪韧性开展数据情境化应用仍具有较大空间。目标GARID项目的目标是提升大阿克拉地区奥道河流（OdawRiver设置五个组成部分：气候韧性排水与防洪减灾措施；固体废物管理能力提升；针对易涝低收入社区的参与式改造及地方政府支持；项目管理；应急响应备用机制。2015年6月3（星期三灾难这一事件被视为加纳历史上的“黑色日”。当日，强降雨引发了严重的火灾与洪灾复合灾害，造成约154通过数字化工具实施干预配备服务器并建成符合国际标准的Google谷歌地球被用于项目直观地向公众展示洪涝高发区域及拟实施的干预措施。与此同时，项目还需对所获取到的的全部数据进行Earth承担了所采集空间数据的存储功能，因此项目的空间数据库

图3：奥道流域内的安全避难区域与易涝影响区域。案。航空影像技术（通过无人机UAV获取）被用于采集受灾项目现场的视频及点位的视频和图像资料，并对区域内安全避难场所进行影像采集。这项技术为项目协调单位和实施单位提供了奥道河（Odawriver）的鸟瞰视角（图3），河道内泥沙淤积与固体废弃物的堆积情况清晰可见。上述视频和影像资料为奥道河流域洪涝问题治理路径的前期研判提供了重要支撑。施的工程设计，并捕捉大阿克拉区（GreaterAccra物的尺寸测量数据也一并被采集。上述数据在核定受项目影响人员的赔偿金额方面发挥了重要作础上，进一步生成了针对奥道河道50围内建筑侵占情况的专题图（4）。KoboToolboxGoogleEarthKoboGoogleEarth集流域范围内所有现有排水设施的相关数据。HEC-RASRASMapper

L0案，以防范未来再次发生同类洪涝灾害。QGIS偶尔根据需要，也会使用诸如ArcGIS和GlobalMapper等其他工具。其中，GlobalMapper主要用于栅格数据处理，支持多种数据集格式；ArcGISOnline平台则被用于绘制绘制性别暴力救助中心分布图，并对相关数据进行定期更新。之所以主要依赖该平台，是因其具备完善的仪表盘可视化功能。Qfield是另一款应用于数据采集和现场核查工作的数据收集工具，其依托的基础平台为QGIS。该工场数据进行所需的各类空间编辑。因此，KoboToolbox主要用于属性数据及部分空间数据的采集工作。待数据传输至GIS处理工具并完成数字化处理后，这些数据就会被迁移到Qfield环境中进行外业核查。总结社会可持续发展背景下的建成资产提供了有力支撑。

本案例研究阐释了，在从数据匮乏到数据密集的发展进程中，如何利用数字化工具，全面把握数据在建成资产洪涝韧性提升与社会可持续发展中的应用现状。该数字化工具助力项目达成了以下成果：建立了安全避难场所登记册、制定了安全避难场所建设原则与指南、开展了安全避难场所分布分析，使项目团队能够识别各安全避难场所何时需要修缮或提升，并能够在无需到达现场的情况下，对所有安全避难场所和项目施工现场进行监测。技术在韧性建设中的影响数字化技术提升了洪水模拟情景在韧性建设中的应用能力，使得结合地形数据对河流流量和降雨量而这些仅是数字化工具助力韧性建设的一小部分成效。基于远程广域网的城市洪涝监测预警系统——以巴BeneditoCláudiodaSilva（巴西伊塔茹巴联邦大学&ASTHON公司）、DaniloSpadoti（巴西伊塔茹巴联邦大学&ASTHON公司）、CaioTácitoBorgesdaCosta（巴西ASTHON公司）、VitóriaJacomelliBaratella（巴西ASTHON公司）提供案例研究的单位该案例研究始于伊塔茹巴联邦大学（UNIFEI）开展的科研项目，该研究促成了初创企业ASTHONTecnologiaLtda.巴联邦大学（UNIFEI）、ASTHON以及伊塔茹巴市民防部门之间三方合作的成果。介绍巴西城市发展过程中缺乏对排水系统的合理规划，加之极端气象事件日益频繁且强度不断加大，导致经济损失与人员伤亡逐年攀升，每年损失高达数十亿美元，并导致数百人丧生。2011成立之因此，本案例研究旨在攻克这一挑战，开发一套适

（Sapucaí是穿过该市市区的主要河道，历史上曾多次发生重大洪涝灾害。近年来，城区内萨普卡伊河支流的山洪暴发事件日趋频繁。短时强降雨导致河岸漫溢，多个街区被洪水淹没。由于城市地形复杂且多山，需要高密度的监测站才能完整捕捉降雨的空间分布特征。同时，该流域的汇流响应时间短，因此要求以极短的时间间隔进行遥测数据采集。目标本研究的主要目标是基于低功耗广域网（LoRaWAN）（Joineretal.,2023）开发一套遥测水文监测系统，用于伊塔茹巴市城区极端水文事件的监测、预测与预警。本系统拟实现以下功能：1km²到大约1000km²的区域；1分钟；构建基于LoRaWAN有监测点位的全覆盖；研发适用于LoRaWAN电子模块；以尽可能低的成本和尽可能紧凑的方式设计监测站；功能。通过数字化工具进行干预本案例研究中使用的核心数字化工具为LoRaWAN区域设计了一个LoRaWAN接收器（网关）网络，图和(c)用于接收所有已安装的雨量和水位传感器采集的测量数据。这些接收器已与互联网连接并将数据存储至云端服务器，供用户随时查看。ASTHON公司自主研发的主要数字化组件，是一套基于LoRaWAN技术的数据收发模块。该模块由公司完全自主研发并命名为MARLIN，它集成了一块数字电路板，可接入各类传感器并完成数据接收与转发至LoRaWAN接收机的功能。MARLIN模块体积极小且能耗极低，仅需一块小型电池即可连续供电数月，完全无需配备太阳能充电板。在传感器选型方面，系统优先采用成本低廉的国产设备，以有效控制整体建设成本。

（分为“正常”、“关注”和“紧急”）。用户按需5总结位置——备的安全性。在当前的雨季期间（202310月至20243月团队得以识别出该市在应对极端水文事件时存在的短板与实际需求，从而构建出一套完全贴合本地民防团队及其他相关参与者的通力合作与高度信

二者皆是系统持续优化的关键环节。技术在韧性建设中的影响本案例研究中提出的监测与预警系统将有效提升城市的韧性，使其能够更加果断地应对极端水文事用于防范与管理流域洪水的预警系统——以西班AntonioMoya西班牙，IDRICA)MarioCarreras西班牙，CHE)、EstherRuíz(西班牙，CHE)、RamónLúquez(西班牙，CHE)提供案例研究的单位本案例研究由Idrica公司与西班牙埃布罗河水利局（ConfederaciónHidrogrráficadelEbro联合提交。Idrica是一家专注于水务行业数字化转型的公（Xylem）GoAiguaXylemVueCHE（位于西班牙东北部介绍9,3098.5万平方公里，涵盖347

水以及突发性山洪。埃布罗河流域管理局负责落实《欧盟洪水指令》（2007/60/EC）。根据该指令的框架要求，需制定件基础设施中的“VIGILAEbro”应运施提供决策支持与辅助。目标本案例研究设定了两大核心目标：减轻洪灾损失；为民防部门及其他利益相关者提供灾害管理预警支持。坝调度操作提供建议以最大限度降低风险和损失（如其他主管部门和公众信息发布工具。图。通过数字化工具进行干预XylemVue（GoAigua提供技术支持）方案体系中的组成部分。提供实时运算支持；见图理提供建议。为了尽可能快地提供早期预警，预警系统以10分钟为一个运行周期循环运行。为达成相关目标，每个周期包括以下几个步骤：（1）采集水文、气象传感器、降雨雷达及气象预报模型所提供的信息；（2）运用气象数据校正算法进行数据处理；（3）开展水文与水力模拟（见图7左图）；（4）计算不（7右图最大限度降低风险与灾害损失；以及（6）结合用总结预警系统并使适配当前西班牙及欧盟关于水资源

图8：面向公众发布的警示信息的宝贵依据。法论发布早期洪水预警。该系统带来的效益非常显著，主要表现在：EWS系统具备良好的灵活性，可适配各类洪融雪的不同情形）；报；可根据各利益相关方所在的位置及其专业技从专业技术人员到普通公众与其需求相匹配的信息服务；数小时即发布警报。EWS供支撑。技术在韧性建设中的影响EWS系统处置每一次洪水（这使得相关部门能够尽早启8）。系统仅展示用户所在位置的风城市洪水预警系统——VicenteJoséAlbertoMut（DolaGupta（科学技术部（DST）女性科研人员）提供案例研究的单位本案例研究由Idrica公司与卡尔佩水务公司（AguasdeCalpe）联合提交。Idrica是一家专注于水务行业数字化转型的公司；其与赛莱默（Xylem）公司建立合作伙伴关系，主导开发了由GoAigua提供技术支持的XylemVue。卡尔佩水务公司（AguasdeCalpe）负责卡尔佩市全域的水务全周期管理工作。介绍卡尔佩市位于西班牙阿利坎特沿海地区，常住人口

约2.4万人。作为旅游城市，当地人口季节性波动十分显著，夏季人口规模最高可增长600%。卡尔佩市在20世纪60年代经历了快速的城市化发展。在这一过程中，多处河道洪泛区被挤占，雨水径流排放亦缺乏合理规划。因此，该市城区长期受内涝问题困扰，而诸如拉斯萨利纳斯（一片具有极高生态价值的湿地）和旅游海滩等敏感区域则面临水污染的威胁。20229月，当地一小时内的降雨量超过140毫米，引发严重灾情——一名警察在参与救援工作时不幸殉职。卡尔佩的地下排水管网采用合流制排水管网系统，由75公里长的管道、17座泵站以及两座污水处理厂组成。多条平时干涸的河道贯穿城区，仅在强降雨时形成径流。目标卡尔佩市政府旨在通过引入数字化工具建立一套洪排涝能力。其具体目标如下：减少与减轻洪涝灾害的影响：水文-水力模型的集成——即将降雨预测模型的数据输入至水文-水力模型中进行计算。结合实时的管网运行数据进行降雨情景模拟（建设情景推演措。最大限度降低暴雨期间合流制排水管网溢流图图通过数字化工具进行干预本案例研究由“污水实时情景分析工具”提供支撑，该工具是XylemVue（由GoAigua技术驱动）所提供的解决方案的一部分。该解决方案将降雨预报与水文模型及一维-二维水2448决方案主要具备两大功能系统：预测预警系统；实时预警系统。24–48小时的城区需要建立一套经过率定的排水管网及城市地表径流数值模型，用于降雨条件下的模拟分析。

该工具能够根据用户预先设定的多个关键易涝点，依据预估水位或流量触发预警警报。这些预测结果与警报信息既会在地图上直观展示（图9），还会通过专业图表呈现各变量随时间推移的变化趋势。此外，所有的警报记录也会以表格的形式进行汇总展示（图10）。对于上述的“预测预警”及其他极易汇聚大量积水的易涝薄弱区域布设水位传感器。（1小时果由数学模型基于管网内部实时水位及当前降雨（假设降雨强度保持不变按照传感器的数据采集频率同步更新数据。总结局限性在于：降雨预报与水文-水力模型的准确性；现有排水管网在调度操作上的局限性。调整水文-精度。政府未来将能够通过部署支持实时控制的机电设备，进一步优化整个排水管网的运行效能。

技术在韧性建设中的影响该数字化解决方案的应用，未来将为卡尔佩市的城区内涝治理带来诸多效益，具体体现在：定潜在受影响区域、水位及管网溢流情况；可助力提前决策，尽早启动应急响应预案；同方案的制定及执行过程中的决策流程；急预案。基于多传感器的降水监测与临近预报技术在新加MunsungKeem（新加坡H2i）、GineeshSukumaran（新加坡WeiKit新加坡NiQingPaPWgKnYaPB、Sara新加坡TienSer新加坡PUB）提供案例研究的单位本案例研究由水信息研究所（HydroinformaticsInstitute，简称H2i）与新加坡国家水务管理机构——公用事业局H2i9PUBPUB续发展与环境部（MinistryofSustainabilityandthe

PB介绍从而使防洪资源调度与人员疏散工作能够高效开（如雨量计因分布水信息研究所H2iPUB）（尤其是在城市地区的CCTV该研究所旨在全面提升降水监测与气象预报工作的整体效能。TV目标本案例研究的主要目标包括：提升降水监测的准确性与效率；能力；提高用于降雨预测与效果评估的数据质量与数量。通过数字化工具进行干预基于雷达的降雨估算与临近预报系统H2iPUBX波段气象雷达（共部署六部）城市环境。的物理关系以及机器/准确率高达91.1%；同时，与基于传统“降雨量-反

射率关系”得出的估算结果相比，衰减校正算法使35%2100布图。由于城市地区的防洪响应时间极短（约30分钟），基于雷达的临近预报模型需每2分钟就生成覆盖全国、预见期长达未来90分钟的降雨预测。基于监测其自适应参数估算机制使我们能够充分考虑预报30分钟预见期、2分钟时间频率的情形下，70%系统生成的所有信息均可通过网页界面进行实时（如有助该系统提供的更为精细化的局地气象预报，PUB能够以更高的精准度锁定可能遭遇强降雨的具体PUB保公众免受灾害威胁。基于闭路电视的降雨监测系统摄像头PUB也利用这些CCTV摄像头，远程实时监控洪涝易发区即CCTV监控探头）“重新赋能”，使其摄像头可采集近地面的降雨影像；监控视频可实时传输、调取，且无需额外成本；摄像头的布设密度通常远高于雨量计，在城市区域这一优势更为突出。鉴于大多数CCTV摄像头的分辨率较低（通常为640×480像素2020年率先验证了该技术的可行性：82%业务化运行CCTV150测以及自动化与持续性的模型重训实现一体化高总结具有高时空分辨率的实时降雨数据，是支撑防洪减

（技术在韧性建设中的影响的深度学习临近预报技术显著提高了短时降雨预报的准确率，为应对即将到来的洪涝事件提供了更充分的准备与响应能力。本案例研究通过依托多传感器集成与先进数字化应性解决方案、构建更具韧性的未来至关重要。致谢本套基于CCTV的降雨监测业务化系统，是依托“利用新加坡街道级CCTV摄像头提升降雨观测能力的示范项目”开发而成。该项目由新加坡国家研究基金会（NRF）与新加坡公用事业局（PUB）共同资助，并纳入PUB的“城市生活实验室（水务）”LivingLab(Water)计划。4.关键经验教训（本白皮书仅重点分享了其中一小部分）基于上述实践，我们将核心经验启示总结如下：气候韧性背景下的数字化与数字工具虽具创再是“（should“shouldwe）”。统筹的思路是获得最大化效益并保证规模化数据与信息管理。数据与数据驱动方法的重要性亟待进一步凸核心基石。纳与应用。此亟需组建“国际韧性咨询顾问组关键经验教训和达成最优的决策成果。

5.结语与建议旨在更详尽、更多维地深入探索“气候韧性与数字化”这一多元广阔的领域。本白皮书为专家委员会参考文献Baratella,V.J.,Costa,C.T.B.,Almeida,A.G.,daSilva,B.C.,&Spadoti,D.H.(2023).UltralowpowerwaterleveltransmissionsystemusingLoRaWANtechnology.In:XLIBrazilianSymposiumonTelecommunicationsandSignalProcessing-SBrT2023.Brasil,J.A.T.,deMacedo,M.B.,deOliveira,T.R.P.,Ghiglieno,F.G.,deSouza,V.C.B.,MarinhoeSilva,G.,...&Mendiondo,E.M.(2022).Canwescaledigitaltwinsofnature-basedsolutionsforstormwaterandtransboundarywatersecurityprojects?JournalofHydroinformatics,24(4),749–764./10.2166/hydro.2022.142Catsamas,S.,Shi,B.,Wang,M.,Xiao,J.,Kolotelo,P.,&McCarthy,D.(2023).Alow-costradar-basedIoTsensorfornoncontactmeasurementsofwatersurfacevelocityanddepth.Sensors,23(14),6314./10.3390/s23146314CRED–CentreforResearchontheEpidemiologyofDisasters&UNISDR–UnitedNationsOfficeforDisasterRiskReduction.(2015).TheHumanCostofWeatherRelatedDisasters.https:///2015/docs/climatechange/COP21_WeatherDisastersReport_2015_FINAL.pdfDavis,I.,&Alexander,D.(2015).RecoveryfromDisaster.TaylorandFrancis./10.4324/9781315679808Degrossi,L.C.,deAlbuquerque,J.P.,Fava,M.C.,&Mendiondo,E.M.(2014,July).FloodCitizenObservatory:acrowdsourcing-basedapproachforfloodriskmanagementinBrazil.Proceedings:26thInternationalConferenceonSoftwareEngineeringandKnowledgeEngineering(SEKE2014)(pp.570–575).Downer,M.,&Hamilton,Z.(2024).ConnectivityinCrisis:Thehumanitarianimplicationsofconnectivityforcrisis-affectedcommunities.GSMA.https:///mobilefordevelopment/blog/connectivity-in-crisis-the-humanitarian-implications-of-connectivity-for-crisis-affected-communitiesDrews,M.,Steinhausen,M.,Larsen,M.A.D.,Dømgaard,M.L.,Huszti,L.,Rácz,T.,...&Schröter,K.(2023).TheutilityofusingVolunteeredGeographicInformation(VGI)forevaluatingpluvialfloodmodels.ScienceoftheTotalEnvironment,894,164962./10.1016/j.scitotenv.2023.164962Erdelj,M.,Król,M.,&Natalizio,E.(2017).Wirelesssensornetworksandmulti-UAVsystemsfornaturaldisastermanagement.ComputerNetworks,124,72–86./10.1016/net.2017.05.021Feldman,D.,Contreras,S.,Karlin,B.,Basolo,V.,Matthew,R.,Sanders,B.,...&Luke,A.(2016).Communicatingfloodrisk:Lookingbackandforwardattraditionalandsocialmediaoutlets.InternationalJournalofDisasterRiskReduction,15,43–51./10.1016/j.ijdrr.2015.12.004IPCC.(2021).SummaryforPolicymakers.In:ClimateChange2021:ThePhysicalScienceBasis.ContributionofWorkingGroupItotheSixthAssessmentReportoftheIntergovernmentalPanelonClimateChange[Masson-Delmotte,V.,P.Zhai,A.Pirani,S.L.Connors,C.Péan,S.Berger,N.Caud,Y.Chen,L.Goldfarb,M.I.Gomis,M.Huang,K.Leitzell,E.Lonnoy,J.B.R.Matthews,T.K.Maycock,T.Waterfield,O.Yelekçi,R.Yu,&B.Zhou(eds.)].CambridgeUniversityPress,Cambridge,UnitedKingdomandNewYork,NY,USA,pp.3−32,doi:10.1017/9781009157896.001.Joiner,J.,Patsioura,C.,Borole,S.,&White,Z.(2023).IoTforDevelopment:Usecasesdeliveringimpact.GSMA.https:///mobilefordevelopment/resources/iot-for-development-use-cases-delivering-impact/Keem,M.,Goedbloed,A.,&Vierstra,M.M.(2021).Leveragingdualpolarimeticx-bandradarrainfallandnowcastforurbanfloodmanagementinSingapore.SingaporeInternationalWaterWeek2021,Singapore.https://.sg/qql/slot/u143/2021/SIWW2021/Attend/SIWW2021%20Online/WC2021%20Poster%20Sessions/WCP.5%20Poster%20Q&A%20Session.pdfLowrie,C.,Kruczkiewicz,A.,McClain,S.N.,Nielsen,M.,&Mason,S.J.(2022).EvaluatingtheusefulnessofVGIfromWazeforthereportingofflashfloods.ScientificReports,12(1),5268./10.1038/s41598-022-08751-7Martens,D.,&Carvalho,S.(2023).Digitalenablersforenhancedclimateresilience.SmartWaterMagazine.Availableat:/news/smart-water-magazine/digital-enablers-enhanced-climate-resiliencePang,C.,Shi,B.,Catsamas,S.,Shi,X.,Wang,M.,Fletcher,T.D.,...&Mccarthy,D.(2023,July).Activatinglazystormwaterwetlandsthroughreal-timemonitoringandcontrol.InNovatech2023.https://hal.science/hal-04184768/Parsons,O.,&Hamilton,Z.(2023).CellBroadcastforEarlyWarningSystems:Areviewofthetechnologyandhowtoimplementit.GSMA.https:///mobilefordevelopment/resources/cell-broadcast-for-early-warning-systems-a-review-of-the-technology-and-how-to-implement-it/Persaud,P.P.,Hathaway,J.M.,Kerkez,B.,&McCarthy,D.T.(2024).Real-timecontrolandbioretention:implicationsforhydrology.JournalofSustainableWaterintheBuiltEnvironment,10(1),04023011./10.1061/JSWBAY.SWENG-527Poser,K.,&Dransch,D.(2010).Volunteeredgeographicinformationfordisastermanagementwithapplicationtorapidflooddamageestimation.Geomatica,64(1),89–98./10.5623/geomat-2010-0008Restrepo-Estrada,C.,deAndrade,S.C.,Abe,N.,Fava,M.C.,Mendiondo,E.M.,&deAlbuquerque,J.P.(2018).Geo-socialmediaasaproxyforhydrometeorologicaldataforstreamflowestimationandtoimprovefloodmonitoring.Computers&Geosciences,111,148–158./10.1016/j.cageo.2017.10.010Rumson,A.G.,&Hallett,S.H.(2019).Innovationsintheuseofdatafacilitatinginsuranceasaresiliencemechanismforcoastalfloodrisk.ScienceoftheTotalEnvironment,661,598–612./10.1016/j.scitotenv.2019.01.114Shrestha,M.S.,Gurung,M.B.,Khadgi,V.R.,Wagle,N.,Banarjee,S.,Sherchan,U.,...&Mishra,A.(2021).Thelastmile:FloodriskcommunicationforbetterpreparednessinNepal.InternationalJournalofDisasterRiskReduction,56,102118./10.1016/j.ijdrr.2021.102118Sukumaran,G.,Lee,W.K.,Jiang,Y.,Keem,M.,Parameswaran,S.,Fong,S.L.,Moskalov,V.,Keijzer,M.,&