城市内涝是短历时强降雨触发的典型水文气象灾害，其形成不仅受降雨强度、雨型和持续时间影响，也受到城市下垫面精细结构的显著调制。城市快速建设过程中存在一种介于自然地表与完全建成区之间的过渡下垫面，可称为“城市中间态”。该类区域具有裸露地表、微地形强烈扰动、临时坑洼密集和排水系统不完善等特征，在强降雨作用下易形成局地洼地连通汇流、快速积涝和点状高风险区，进而威胁施工安全和现场排水调度。然而，现有城市内涝研究多关注建成区或流域尺度，对城市中间态这一特殊孕灾环境下的积涝形成过程及快速识别方法关注不足。针对这一问题，本研究提出一套融合低空无人机激光雷达观测、改进二维惯性波模型、统计归因和机器学习分类的积涝风险快速识别框架。该方法以雄安新区某城市中间态区域为例，基于2 cm无人机激光雷达数字表面模型，将地形重采样至1 m分辨率，模拟不同短历时降雨情景下的地表汇流与积涝过程；同时识别9个典型低洼坑区，并提取坑区几何特征、降雨特征和归一化积涝指标。结果表明，该框架能够有效刻画城市中间态区域的局地积涝响应，并实现高风险坑区快速识别。进一步分析发现，城市中间态微地形显著影响暴雨积涝过程，降雨总量、雨型和坑区蓄水能力共同控制高风险积涝区形成；机器学习分类提高了高风险坑区识别能力，其中随机森林表现更为稳健。研究表明，城市中间态是城市暴雨灾害链中易被忽视的关键孕灾环节，所提出的方法可为短历时强降雨下局地积涝风险快速识别和水文气象灾害防御决策提供技术支撑。

城市中间态,城市内涝,无人机观测,机器学习,水文气象灾害