基于SWMM模型的城市內(nèi)澇模擬
——以廣州市海珠區(qū)為例

沈 迪，武海霞，2，龍 巖，康愛卿

（1.河北工程大學(xué)水利水電學(xué)院，河北 邯鄲 056038；2.河北省智慧水利重點試驗室，河北 邯鄲 056038；3.中國水利水電科學(xué)研究院，北京 100038）

1 引言

極端天氣的頻繁出現(xiàn)導(dǎo)致城市洪澇災(zāi)害頻繁發(fā)生。近幾年，城市“看?！爆F(xiàn)象已成常態(tài)，由暴雨造成的洪澇災(zāi)害成為城市發(fā)展進程中亟待解決的問題，城市防洪減災(zāi)已成為災(zāi)害防治的重點領(lǐng)域，因此開展城市內(nèi)澇模擬研究對我國城市科學(xué)防治洪澇災(zāi)害具有十分深遠(yuǎn)的意義。

目前，國內(nèi)外對內(nèi)澇模型的研究已經(jīng)取得了較多的成果。麻蓉等[1]構(gòu)建MIKE21二維水動力模型模擬了研究區(qū)域的積水過程；黃國如等[2]基于GIS和SWMM開發(fā)的暴雨積水計算模塊可以很好地模擬出研究區(qū)域的水深、積水面積等信息；王兆禮等[3]利用SWMM和TELEMAC-2D模式建立了TSWM耦合模型，該方法可適用于城市復(fù)雜地區(qū)的內(nèi)澇模擬。國外已有多款成熟的城市內(nèi)澇模型，如SWMM、PCSWMM、MIKE URBAN、Wallingford ICM等可供選擇進行內(nèi)澇模擬研究[4]。SWMM作為一款成熟且開源的一維水動力模型，受到了大量學(xué)者的青睞并對此進行了深入的研究。構(gòu)建SWMM與GIS耦合模型進行內(nèi)澇模擬研究的方法運用最為廣泛，但該方法較為復(fù)雜且計算相對繁瑣。因此，尋找一種簡便地將SWMM模型運用于內(nèi)澇模擬的方法至關(guān)重要。

內(nèi)澇的主要成因分為地勢低洼、雨水篦子堵塞、集水能力不足、管道堵塞、管道排水能力不足、檢查井溢流、河流倒灌等，其中檢查井溢流往往會造成嚴(yán)重內(nèi)澇積水，其主要原因為地面降雨所產(chǎn)生的產(chǎn)匯流超出土壤下滲量，雨水及雨污合流管道積水溢出。SWMM模型能較好地計算暴雨條件下研究區(qū)域經(jīng)下滲、蒸發(fā)、地下徑流、排水系統(tǒng)輸出等方式的水循環(huán)后留存于地表的積水量，模型輸出結(jié)果為各管網(wǎng)點的溢出水量。通過構(gòu)建積水點的庫容曲線，實現(xiàn)對內(nèi)澇積水點深度的模擬。因此，結(jié)合SWMM模型可以實現(xiàn)對城市管道在一定降雨條件下內(nèi)澇積水點積水深度的模擬。

2 研究區(qū)域概況與研究方法

2.1 研究區(qū)域概況

廣州市屬于亞熱帶海洋季風(fēng)性氣候，降雨具有強度大、集中且頻率高的特點。廣州不僅年降雨量大，且由于地勢低洼等原因，內(nèi)澇十分嚴(yán)重。據(jù)2021年實測數(shù)據(jù)統(tǒng)計，初步確定易澇點為474個，其中位于中心6區(qū)天河區(qū)、越秀區(qū)、白云區(qū)、黃埔區(qū)、荔灣區(qū)、海珠區(qū)易澇點個數(shù)為273個，其余外圍5區(qū)易澇點個數(shù)為201個。2022年4月23日，據(jù)國家級氣象觀測站統(tǒng)計廣州累計降雨量達到115.3 mm，局部地區(qū)降雨強度達到120 mm/h；中心6區(qū)部分內(nèi)澇點積水深度達到1 m以上，給交通通行帶來了極大阻礙，造成了不可挽回的社會財產(chǎn)損失。

本研究區(qū)域為廣州市海珠區(qū)廣州市國際會展中心5號門，北側(cè)臨珠江，南側(cè)臨黃埔涌，西側(cè)為華南快速路，東側(cè)為科韻南路，面積0.097 km2。研究區(qū)域自然地勢北高南低，排水方向從北至南；多年平均年雨量在1673～2004 mm，其中汛期4—9月降雨量占全年的80%左右；年降雨日數(shù)在150 d左右；年平均氣溫在21.6～22.6℃。研究區(qū)域內(nèi)匯水區(qū)下墊面不透水區(qū)面積平均達到83.67%，平均最大入滲能力為63.298 mm/h，平均最小入滲能力為8.233 mm/h，且該研究區(qū)域內(nèi)管道管徑平均為0.58 m，由此可見該研究區(qū)域在集中暴雨的情況下極易產(chǎn)生內(nèi)澇，是常見的內(nèi)澇點之一。

2.2 研究方法

本文利用ArcGIS空間數(shù)據(jù)處理功能對研究區(qū)域的原始數(shù)據(jù)進行處理，得到對應(yīng)的管網(wǎng)、檢查井、排水口等建模數(shù)據(jù)。結(jié)合SWMM模型，建立內(nèi)澇積水點分析模型。通過內(nèi)澇拓?fù)潢P(guān)系得出內(nèi)澇積水點對應(yīng)的檢查井，通過SWMM模擬，將檢查井的溢出點地表視為一個蓄水池，根據(jù)實測降雨模擬得出的溢流量以及內(nèi)澇積水點的實測積水?dāng)?shù)據(jù)，得出對應(yīng)的庫容曲線，通過模擬不同的降雨場次得出模型輸出節(jié)點的溢流量，再采用插值的方法得出對應(yīng)的積水深度，實現(xiàn)對內(nèi)澇點積水深度的預(yù)測。通過不斷增加降雨場次對應(yīng)內(nèi)澇積水點的實測數(shù)據(jù)，進一步完善內(nèi)澇點的庫容曲線，從而達到對內(nèi)澇深度及內(nèi)澇等級的精準(zhǔn)預(yù)報，以幫助決策者優(yōu)化決策和建議，減少城市暴雨帶來的損失。

3 模型搭建

3.1 基礎(chǔ)數(shù)據(jù)構(gòu)建

3.1.1 地表數(shù)據(jù)

地表數(shù)據(jù)是分析內(nèi)澇積水情況的基礎(chǔ)，本文采用廣州市最新地表高程數(shù)據(jù)，即DEM柵格數(shù)據(jù)。真實的地表高程數(shù)據(jù)能夠準(zhǔn)確地反映出匯水區(qū)內(nèi)積水的流向以及積蓄情況，是模型構(gòu)建的基礎(chǔ)。在SWMM模型中，根據(jù)DEM數(shù)據(jù)統(tǒng)計得出各子匯水區(qū)的坡度大小。

3.1.2 匯水區(qū)劃分

對研究區(qū)域內(nèi)概化后的檢查井進行泰森多邊形劃分，各子匯水區(qū)出口為對應(yīng)的排水結(jié)點。根據(jù)街區(qū)，對水系進行進一步的劃分，修改匯水區(qū)的范圍，結(jié)果得到35個子匯水區(qū)，在ArcGIS中對其進行面積統(tǒng)計計算，其中最大的5640 m2、最小的280 m2。

3.1.3 土地利用類型數(shù)據(jù)

土地利用類型反映土地的利用形式和功能，是區(qū)分土地利用空間地域組成單元的過程。對土地利用類型進行較為明晰的劃分可以更好地確定各子匯水區(qū)的不確定性參數(shù)，進而幫助率定工作的開展。研究區(qū)域內(nèi)的土地利用類型有房屋、道路、水系、植被、工況5類，根據(jù)已有的土地利用類型SHP數(shù)據(jù)，借助ArcGIS的交集制表工具，可以得到每個子匯水區(qū)中各土地利用類型占比。

3.1.4 管網(wǎng)系統(tǒng)概化

在建立模型的過程中，管網(wǎng)的數(shù)據(jù)處理是一個非常關(guān)鍵的環(huán)節(jié)，其處理質(zhì)量將直接影響到模型的模擬效果。由于管網(wǎng)自身資料的局限性和模型本身的復(fù)雜性，無法將原有的管網(wǎng)資料直接納入模型中進行計算，因此必須對原有管網(wǎng)進行概化。在保證模型精確度的前提下，對研究區(qū)域內(nèi)的主管、副管進行合理選取，放棄短小、管網(wǎng)混亂的管道，最終概化得到35根管道、35個檢查井、1個出水口。區(qū)域管網(wǎng)概化如圖1所示，管道及檢查井部分參數(shù)詳見表1—2。

圖1 管網(wǎng)概化

表1 管道參數(shù)

表2 檢查井參數(shù)（部分）

3.2 SWMM模型構(gòu)建

3.2.1 模型選取

本文選用SWMM模型對研究區(qū)域進行模擬。SWMM模型是由美國環(huán)保署設(shè)計研發(fā)的雨洪模型，目前最新版本SWMM5.1主要包括水文、水力、水質(zhì)等多個模塊。自模型開發(fā)以來，由于其界面友好、易于操作且代碼開源等優(yōu)勢被廣泛應(yīng)用于城市地區(qū)雨水徑流、合流管道、污水管道和其他排水系統(tǒng)的規(guī)劃、分析、設(shè)計及LID設(shè)施布局效果評價[5]。

SWMM模型的計算包括產(chǎn)流模塊、匯流模塊、管網(wǎng)匯流模型三大部分。SWMM模型首先將研究區(qū)域劃分為若干個子匯水區(qū)，在各子匯水區(qū)內(nèi)又分為透水區(qū)、無洼蓄量的不透水區(qū)和有洼蓄量的不透水區(qū)，然后在各子匯水區(qū)之內(nèi)分別進行產(chǎn)流計算和匯流計算。透水區(qū)產(chǎn)流受入滲過程的影響。在SWMM中設(shè)置了3種入滲模型，即Horton模型、Green-Ampt模型、SCS曲線數(shù)法。Green-Ampt模型需要大量明確的土壤數(shù)據(jù)；SCS曲線數(shù)法只能反映出流域的下墊面情況，而非降水過程，僅適用于大流域；Horton模型在城市小流域降雨徑流模擬中經(jīng)常采用。因此，本文采取Horton模型進行下滲計算。SWMM利用非線性水庫原理進行地表匯流演算，每個子匯水區(qū)被概化成一個非線性水庫，通過疊加得到最終的出流過程。SWMM模型在管網(wǎng)匯流模塊中提供了穩(wěn)定流法、運動波法、動力波法3種演算方法，可用于模擬不同復(fù)雜程度的非恒定流運動。本文采用動力波法進行管網(wǎng)匯流演算。

3.2.2 參數(shù)確定

SWMM模型的參數(shù)包括確定性參數(shù)和不確定性參數(shù)。其中，確定性參數(shù)可以通過實地測量或者借助ArcGIS的空間處理功能得到，主要包括子匯水區(qū)面積、坡度、不透水百分比等物理參數(shù)；不確定性參數(shù)一般由于受到各種條件的限制無法得到準(zhǔn)確的數(shù)值，如不透水區(qū)曼寧系數(shù)和透水區(qū)曼寧系數(shù)、不透水區(qū)洼蓄量和透水區(qū)洼蓄量、管段曼寧系數(shù)、最大入滲率、最小入滲率、衰減常數(shù)等經(jīng)驗參數(shù)。不確定性參數(shù)的初始值參考SWMM模型應(yīng)用手冊以及室外排水設(shè)計標(biāo)準(zhǔn)（GB 50014-2021），并結(jié)合相關(guān)文獻確定。匯水區(qū)的物理參數(shù)，詳見表3。

表3 匯水區(qū)物理參數(shù)（部分）

由于不同土地利用類型具有不同的參考值，且各區(qū)域的土地利用類型所占的面積比例也不盡相同，因此在參數(shù)設(shè)置中首先對不同土地利用類型設(shè)定不同的不確定性參數(shù)，再根據(jù)面積占比加權(quán)平均計算各子匯水區(qū)的不確定性參數(shù)，詳見表4。

表4 匯水區(qū)經(jīng)驗參數(shù)（部分）

4 模擬結(jié)果

利用已經(jīng)構(gòu)建完成的模型，輸入2021年7月28日、7月29日、7月30日、8月7日、8月9日，2022年4月18日、4月19日、4月23日、5月10日、5月11日、5月12日共計11場降雨數(shù)據(jù)，其中將7月28日、7月29日、7月30日、8月7日作為率定場次，將8月9日、4月18日、4月19日、4月23日、5月10日、5月11日、5月12日作為驗證場次。11場降雨積水對應(yīng)的總降雨量、最大降雨強度、積水深度，詳見表5。

表5 降雨積水

城市內(nèi)澇點主要根據(jù)積水深度劃分為輕度內(nèi)澇、中度內(nèi)澇、重度內(nèi)澇3個等級。當(dāng)積水深度大于0.15 m小于0.3 m時為輕度積水，當(dāng)積水深度大于0.3 m小于0.5 m時為中度積水，當(dāng)積水深度大于0.5 m時則屬于重度積水。當(dāng)積水等級達到中度及重度積水時，對行人、交通車輛安全會造成嚴(yán)重影響。在11場降雨積水中該內(nèi)澇點有5場達到了中度積水標(biāo)準(zhǔn)，由此可見該內(nèi)澇點亟待整治，以免造成不可挽回的社會財產(chǎn)損失。對比2021年8月9日與2022年5月12日實測數(shù)據(jù)以及對比2021年7月28日和2021年8月7日實測數(shù)據(jù)，可知當(dāng)研究區(qū)域最大降雨強度相等時，總降雨量大小對積水深度無明顯影響，而當(dāng)總降雨量相近時，最大降雨強度對積水深度有較大影響。由此可知，短時間內(nèi)降雨量的大小對管道溢流量有較大影響，因此提升管道的過流能力能有效改善內(nèi)澇積水。

將2021年7月28日、7月29日、7月30日、8月7日作為率定場次得出積水深度對應(yīng)檢查井溢流量的庫容曲線，詳見表6。

表6 庫容曲線

由表6可知，當(dāng)檢查井溢出量達到1256.311878 m3時，積水深度達到最大值0.41 m，屬于中度積水。將其余場次作為驗證場次帶入模型中，利用已知的庫容曲線進行插值，得到模擬積水深度，模擬與實測結(jié)果對比詳見表7。

表7 模擬與實測結(jié)果對比

由表7可知，所有積水點積水等級模擬結(jié)果均與實測積水等級相符，誤差最大僅為0.06 m，實測最大積水深度與模擬最大積水深度平均相對誤差為5.41%，積水等級完全相符。其中，8月9日、4月23日、5月12日模擬結(jié)果與實測結(jié)果均為中度積水，其余驗證場次因降雨量及降雨強度過小均沒有產(chǎn)生積水。

5 結(jié)論

本文以廣州市海珠區(qū)內(nèi)澇積水點為例，結(jié)合SWMM模型構(gòu)建出符合實際情況的排水管網(wǎng)模型，主要結(jié)論如下。

（1）提出基于SWMM的城市內(nèi)澇模型，其實測最大積水深度與模擬最大積水深度平均誤差為5.41%，驗證場次積水等級精確度達到100%，表明本文提出的內(nèi)澇深度模型具有良好的精度。

（2）簡化了傳統(tǒng)的二維地表模型，忽略了地形及地表面積對水深的影響，縮短建模步驟，減少了模型的計算量，大大提高了模型的運行效率。

然而，當(dāng)暴雨強度超過模型輸入降雨強度極值時，實測最大積水深度與模擬最大積水深度偏差較大。隨著降雨積水?dāng)?shù)據(jù)的增加，模型的庫容曲線會逐漸豐富，該模型的適用性及精度會逐步提高。本文可為該地區(qū)內(nèi)澇防治預(yù)警預(yù)報提供有效的參考。