随着经济发展和持续的城市化,城市区域地面硬化率提高,从而造成径流系数增大,城市面源污染愈发严重,并引发城市路面积水、水体黑臭现象,对人们的生活产生了严重影响[1]。因此,需要采取有效的城市水系统调控措施,减轻对经济和居民的不利影响。目前国内外在城市雨洪应对方面研究侧重点正逐渐从传统的灰色基础设施过渡到可持续低影响开发(low impact development,LID)实践[2],这为缓解城市雨洪和水质问题提供了途径。
SWMM是一种广泛应用于区域洪峰流量削减效果评估、水量水质控制效果评估、LID设施的成本效益研究[3-5]等方面的暴雨管理模型。关于LID的优化布设研究,王婷等[6]利用SWMM模型研究了不同LID占比(0.1%～15%)对径流控制的影响;Eckart等[7]开发了耦合优化模拟模型,对不同类型的LID组合方案进行研究;黄铁兰等[8]利用ArcGIS和SWMM模型来模拟不同设计降雨条件下地表径流和管道溢流的结果,预估LID设施的经济和效益成本;杜颖恩等[9]通过构建沣西新城SWMM模型考察了单一LID设施(雨水花园)在汇水区域上、中、下游位置不同空间布设下的径流量控制和径流污染负荷削减性能。
大量文献提供了城市LID设施的科学规划方案,其中,以考虑LID铺设数量对径流的影响和不同LID组合类型优化的研究为多数,而LID空间布局对城市水量水质结果的影响研究尚在起步阶段。郑州市中原区境内水系众多,该区雨水经过管网汇流最终排入贾鲁河干流,影响其水量水质,降低该区的内涝风险、控制河流面源污染,对改善城市水文循环系统具有重大意义。本文基于GIS和SWMM构建了雨洪模型,根据各个子汇水区的综合径流系数将中原区划分为高、中、低密集区,探索在LID设施种类与LID布设面积完全相同时,调整LID设施空间布局对中原区雨水径流量与径流水质的影响,并通过比较分析选出最优方案。
1 研究区概况与数据来源
1.1 研究区概况
郑州市地处河南省中北部,多年平均降水量632.4 mm,降水集中在6～8月份,区域内总体地势西南高、东北低。作为国家中心城市,其城镇化水平高达82%,但排水管网能力整体较低,排水防涝基础设施规划建设不足[10],一旦遭遇暴雨或强降雨,易发生雨涝灾害,如郑州“7·20”特大暴雨内涝灾害,极大损害了人民生命与财产安全。中原区面积193 km2,境内河流有贾鲁河(西流湖段)、须水河水系,该区降雨通过雨水管网汇集最终排入贾鲁河干流后流出郑州市。中原区下辖的高新技术产业开发区是中国中部颇具竞争力的高新技术产业高地,因此选择郑州市中原区为研究区(见图1)。
图1 中原区流域边界、雨量站和数字地形模型
Figure 1 Zhongyuan District watershed boundaries, rainfall stations and digital terrain model
1.2 数据来源
SWMM输入数据包括排水管网资料、高程数据(DEM)、气象数据以及子汇水分区相关参数(如坡度、特征宽度、面积等)。管网资料来源于《郑州市排水工程规划(2011—2020)》,排水管道主要为圆管且管径为0.6～1.4 m。本文选取了研究区内降雨数据完整、位置均匀分散的5个雨量站,分别为沟赵、须水、高新区、西流湖、大李庄雨量站,降雨资料为5个雨量站实测每小时降雨量摘录数据,由郑州市水利局提供。DEM数据来源于中国科学院地理空间数据云平台(https:∥www.gscloud.cn/),空间分辨率为30 m。根据遥感影像解译将研究区域划分为草地、林地、建设用地、耕地、水体和未利用地等6种土地利用类型。研究区域土地利用情况见图2。
图2 研究区土地利用
Figure 2 Land use of study area
2 研究方法
2.1 研究思路
首先,根据研究区域遥感影像解译土地利用数据,并根据高程数据提取子汇水区不透水率等属性,结合管网数据建立SWMM模型;其次,根据综合径流系数划分出高、中、低密集子汇水区,设计不同空间布局的LID方案,建立LID设施调控作用下的城市水量水质模型;最后,对不同LID方案进行模拟,选择径流总量削减率、峰值流量削减率、超载管段削减率、TSS负荷削减率为指标评估LID方案对水量水质结果的影响。模型汇流过程采用非线性水库法,下渗模型采用径流曲线(SCS-CN)法。SCS-CN法适用于下垫面、土壤类型复杂多样的地区[11],中原区下垫面条件复杂,因此该方法能较好地体现该研究区的下渗作用。管网水动力过程模拟采用动态波的流态形式,径流污染负荷的累积方程与冲刷方程均采用指数函数。本文模拟方案均为场次暴雨过程,因此蒸散发损失的水量可以忽略不计。
2.2 SWMM模型构建
2.2.1 研究区概化
合理划分子汇水区是提高城市径流过程模拟精度的关键。利用ArcGIS软件,基于DEM数据计算栅格的平均坡度;参照管网节点粗略概化子汇水区,根据雨水管网走向和街道分布进行人工调整,并求各子汇水区的平均坡度;最后利用SWMM模型对子汇水区进行概化。利用ArcGIS收集到的排水管网数据进行拓扑,并简化支管和部分节点,以此对管网进行概化,将河道概化为管线,实测易涝点处尽可能减少概化,保证管网上下游连接、埋深、坡度等方面的合理性,子汇水区由最近的雨量计分配降雨。最终将研究区概化为281个子汇水区,312个节点,184个管段和12个排水口。中原区排水系统SWMM模型概化情况见图3。
图3 SWMM模型概化
Figure 3 SWMM model generalization
2.2.2 模型率定与验证
SWMM模型中参数可分为确定性参数和不确定性参数,确定性参数可以通过对已有的资料进行技术处理得到,如子汇水区的面积、平均坡度、不透水率等。不确定性参数通过率定确定,本文采用Morris筛选法[12]进行参数敏感性分析,选取验证点径流水深作为目标函数。模型率定期采用20170812降雨,验证期采用20210720暴雨。降雨数据来自位于研究区域内(图3)的雨量计的1 h分辨率降雨数据。
模拟径流水深过程如图4所示,模拟与实测指标统计结果见表1。P1、P2、P3这3个积水点的模拟水深均小于观测水深,率定期平均误差AE为0.025 m;平均相对误差RE为3.33%,观测值与模拟值的相对误差RE小于20%,故认为模型率定模拟结果精度较好[13]。验证期选定的积水点的模拟径流深的AE平均为0.05 m;RE的绝对值不超过5.00%,平均相对误差为4.40%,故认为验证模拟精度较好。水质参数取值参考SWMM用户手册和文献[14-15],取值见表2。
表1 积水点的模拟水深和实测水深的对比
Table 1 Comparison of simulated water depth and measured water depth
监测点2017081220210720HS/mHM/mAE/mRE/%HS/mHM/mAE/%RE/%P10.850.820.033.531.551.490.064.02P20.620.600.023.230.800.760.045.00P3————1.201.150.054.17
图4 率定期与验证期模拟径流过程线
Figure 4 Simulation results of runoff hydrograph in calibration and verification periods
表2 水文参数取值
Table 2 Hydrological parameters values
参数率定值参数率定值特征宽度/m0.3area河道糙率0.030不透水曼宁系数0.022不透水区洼蓄量/mm3.4透水曼宁系数0.181透水区洼蓄量/mm6.8管道糙率0.014干燥所需天数/d4
2.3 LID方案
2.3.1 子汇水区综合径流系数计算
LID方案根据子汇水区综合径流系数设置,依据GB 50014—2021《室外排水设计标准》[16]中城市综合径流系数φ的经验值以及研究区实际情况,本文将中原区划分为城市建筑高(0.75<φ≤1)、中(0.62<φ≤0.75)、低(0.35<φ≤0.62)密集区。综合径流系数为不同种类下垫面雨量径流系数与面积占比的加权平均值:
(1)
式中:φci为某一类下垫面场均雨量径流系数;Fi为某一类下垫面的面积,m2。
2.3.2 LID方案设计
本研究设置了6个方案,基线方案(S0)无LID设施;不同种类LID设施占比分别为绿色屋顶60%、透水铺装70%、雨水花园20%。S1～S5方案中LID总面积保持不变,区别在于LID的空间分布不同:S2、S3、S4这3种方案强调LID设施主要铺设在密集程度较高的区域;S5方案更考虑LID设施在研究区的均匀布设;S1方案处于两者之间,具体方案设置见表3。模型中不同种类LID设施的参数取值参考中国其他海绵城市研究[17-18]以及SWMM手册的指导(见表4)。根据方案设计对LID模式下城市水量水质进行模拟,用熵权法确定各指标权重,用效益评估法(TOPSIS)进行多目标决策分析。
表3 6种方案的LID控制占比
Table 3 Proportion of LID control in six schemes
子汇水区LID占总数比例/%S0S1S2S3S4S5高密集子汇水区05050504535中密集子汇水区02040454535低密集子汇水区0301051030
表4 LID设施参数
Table 4 LID facility parameters
LID类型表面路面土壤护堤高度/mm植被容积厚度/mm不渗透表面厚度/mm萎蔫点导水率/(mm·h-1)绿色屋顶750.11500.31500.04772透水铺装51500.3雨水花园3000.11500.31500.04772
3 结果与讨论
3.1 径流与污染负荷模拟结果分析
3.1.1 径流总量与峰值流量分析
实验输入的5场降雨见表5。通过SWMM对6种方案的模拟发现,基线方案(S0)下,雨量级别由大到小的径流率分别为88.3%、75.5%、60.6%、55.5%、47.2%,而布设LID设施的方案(S1～S5)相比于S0的径流总量分别削减了29.8%～34.1%、53.5%～65.1%、70.6%～82.3%、70.5%～84.1%、71.5%～85.3%,不同雨量下径流总量削减率见图5。由图5可知,随着雨量级别的增加径流总量削减率逐渐减小,在“7·20”特大暴雨期间,各方案径流总量削减率均不足35%,因此在极端降水事件中,城市需要LID与灰色基础设施形成灰色骨架绿色纽带结构抵御灾害;在暴雨、大雨与中雨期间,所有方案的径流总量削减率都达到了70%,其中S3方案表现最差。在“7·20”特大暴雨期间,S3方案中高、中密集区大量的LID降低了高、中密集子汇水区的径流系数,径流系数平均为0.60、0.70,但低密集区由于LID设施比例小,雨水无法快速入渗使得汇流量远大于下渗量,在低密集子汇水区的径流系数方案高于其他方案,径流系数平均为0.82、0.67,且在这些区域的径流增加量高于高、中密集区径流削减量。
表5 输入降雨数据
Table 5 Input rainfall data mm/d
降雨场次雨量级别研究区平均降雨量20210720特大暴雨(≥250)458.720210719大暴雨[100, 250)138.820200806暴雨[50, 100)63.920190809大雨[25, 50)38.020200711中雨[10, 25)18.3
图5 不同雨量级别下S1～S5方案径流总量削减率与峰值流量削减率
Figure 5 Total runoff reduction rate and peak flow reduction rate at different rainfall levels in S1-S5 schemes
不同空间分布的LID方案各雨量级别峰值流量削减效果见图5。通过与基线方案比较,评估了S1～S5这5种不同方案的水文响应。结果表明,雨量级别由大到小的径流峰值流量削减率分别为35.9%～43.5%、48.4%～60.7%、64.1%～74.1%、64.5%～78.0%和65.2%～78.2%,随着雨量的减小,峰值流量削减率逐渐增加,在特大暴雨与大暴雨期间,各方案峰值流量削减效果均不好,但在雨量降低后S1与S5方案的峰值流量削减率迅速升高到70%以上。结合径流总量与峰值流量削减效果分析,各方案在两者的表现具有一致性,S5的水文响应总体表现较好,S3总体削减效果最差。这些结果说明了城市化不同的区域LID设施变化对雨水径流的相对影响:从S1到S3,随着LID布设比例向高、中密集区倾斜,峰值流量和径流量逐渐增大;从S3到S5,随着LID布设比例向低密集区转移,布设比例逐渐均衡,峰值流量和径流量逐渐减小。
3.1.2 管段超载分析
管段超载主要受径流速率影响,因此不仅要分析径流量结果,还要结合管网超载情况评估不同方案的水量控制效果。不考虑河道概化成的管线,基线情境下,在“7·20”特大暴雨期间,管段超载率达到60%,且模拟的主要超载区与主城区淹没范围位置一致,故认为模型具有较好的适用性,随着雨量的增加,超载管段的数量也在增加。在LID方案下,管线超载情况如表6所示。由于LID的设置,大暴雨期间管段的超载数量减少了近50%,在暴雨、大雨、中雨期间分别减少了近70%、75%、100%,降低了城市内涝的风险,但在特大暴雨事件中LID方案的表现并不理想,管段超载率仍在44%左右,在所有方案中S5对管段超载的控制效果最好。
表6 不同雨量级别下S0～S5方案的管段超载数量
Table 6 Overload quantity of pipe section at different rainfall levels in S0-S5 schemes
雨量级别管段超载数量S0S1S2S3S4S5特大暴雨906566676665大暴雨723132353330暴雨581417181614大雨35891098中雨500100
模拟结果证实了LID在减少雨水径流方面的有效性,并表明在城区进行城市密集程度划分,均衡配置LID可以提高LID对径流控制的效率。降雨期间在高、中密集子汇水区布设占比90%或95%的LID的方案(S2、S3)不如均衡铺设LID的方案(S1、S5)控制水量效果好:降雨量较大时,雨水汇集较快,径流产生主要受下渗速率的影响,低密集区的透水路面和少量LID设施下渗能力有限,无法快速下渗急速增加的雨水,导致效果较差;降雨量较小时,雨水汇集较慢,此时对径流控制主要受LID设施和透水路面下渗饱和的限制,高、中密集区布设大量LID设施但下渗未达到饱和,即使LID覆盖非常高,也不可能在这些事件期间捕获大部分降雨,而低密集区已下渗饱和导致径流增加。
3.1.3 污染负荷模拟分析
降雨期间城市非点源污染TSS负荷如图6所示。由图6可知,随着降雨总量的增加,污染物负荷总量明显增加,其结果与文献[19]一致。在特大暴雨降雨事件中,S0的污染物负荷为480.0 t/d,S1～S5分别为422.5、426.6、411.6、423.6、419.6 t/d,使研究区TSS污染负荷分别削减了11.98%、11.13%、14.25%、11.75%、12.58%。随着降雨雨量的减小,TSS负荷削减率呈现出增大的趋势,由此可见雨量越小,LID方案对TSS污染负荷的削减效果越强。
图6 TSS负荷随雨量大小的变化和S1～S5方案的TSS负荷削减率
Figure 6 Changes of TSS load with rainfall and TSS load reduction rate in S1-S5 schemes
5场降雨事件中,在高密集区与中密集区分别布设占比50%、45%的LID设施的S3方案在污染物负荷削减结果最佳(大暴雨24.04%、暴雨66.28%、大雨74.4%、中雨87.1%);在降雨量小于暴雨时,S5方案的TSS削减效率迅速提升,优于S1、S2和S4方案。高、中密集子汇水区的道路与建筑物占比极高,而道路与建筑物下垫面也是面源污染的主要来源,而S3中大量LID设施集中在高、中密集区,大大减少了这些子汇水区污染物排放量。这与S3方案在径流量控制时的表现不一致,由此可见,在城市进行低影响开发时,若只强调对水量或水质的控制可能会无法达到优化城市水文响应的效果。
3.2 LID对水量水质影响效果评估
不同空间布局的LID方案在水量、水质控制表现不一致,因此需要对LID方案进行综合评价。本文选取径流总量削减率、峰值流量削减率、TSS负荷削减率、超载管段削减率4项指标,采用熵权法确定指标权重w如表7所示,用TOPSIS法计算每个方案的相对接近度C(0～1)。由表7可知,在特大暴雨、大暴雨事件中,径流总量削减率与峰值流量削减率为2项重要评价指标;在暴雨事件中,TSS负荷削减率在评价结果时占据主导地位;在大雨事件中径流总量削减率是最重要的指标;在中雨时,各评价指标所占权重较为均衡,其中径流总量削减率占主导地位。
表7 不同雨量级别下各评价指标权重
Table 7 Weights of each evaluation index at different rainfall levels
雨量级别评价指标权重w径流总量削减率峰值流量削减率TSS负荷削减率超载管段削减率特大暴雨0.3740.3220.2310.073大暴雨0.3550.3490.1290.167暴雨0.2560.2730.3260.143大雨0.3930.2820.2240.101中雨0.3190.2530.2220.206
从图7可知,对于5场降雨事件,S5具有最高的相对接近度,在5种方案中最优,在大暴雨与中雨事件中,S5方案的相对接近度为0.85、0.87。此方案效果最佳主要是在水量控制方面具有较好的效果,尽管特大暴雨事件中其效果不如S1,但考虑到极端天气发生的频率,总体来说S5方案是S1～S5方案中最优的。其次为S1方案,这也主要是因为不同程度的城市化区域的LID占比较均衡,对于径流量、洪峰流量以及TSS的削减均处于较好水平。
图7 5场降雨事件中S1～S5方案的C
Figure 7 C of S1-S5 schemes in 5 rainfall events
总体来说, 在高、中、低密集子汇水区布设占比分别为50%、45%、5%LID 的S3方案效果最差,在高、中、低密集子汇水区布设占比分别为35%、35%、30%LID的S5方案效果最好。LID集中在高、中密集子汇水区的方案(S2、S3、S4)效果不好,其原因是局部子汇水区水量与水质取得的预期效果无法代替整个城区。
4 结论
以郑州市中原区为研究对象,通过构建城市雨洪过程模型对研究区域降雨径流过程进行模拟,模拟水深与实测水深平均相对误差≤5%,表现出良好的适用性。在水量控制方面,高密集子汇水区占比35%、中密集子汇水区占比35%、低密集子汇水区占比30%的LID方案表现较好,高密集子汇水区占比50%、中密集子汇水区占比45%、低密集子汇水区占比5%的LID方案削减效果最差。在水质控制方面,对于6种方案,随着降雨总量的增加,污染物负荷总量明显增加。5场降雨事件中,不同优化方案均对水质具有一定的调控效果,但LID铺设在建筑稠密的区域(S3)污染物负荷削减结果最佳。相比于基线方案(除特大暴雨事件),LID铺设在径流控制和污染物负荷削减等方面均发挥了作用,提升效果显著,其中,S5方案在综合评价中表现最优,但未来还需更进一步探索 LID 的布局方案使得其在各指标中均取得更好效果。研究结果也说明,当研究区 LID 铺设面积与种类相同时,应综合考虑不同密集程度城区的均衡占比,局部水量与水质控制不能在整体水平上缓解城市化水文效应。
[1] DELL T, RAZZAGHMANESH M, SHARVELLE S, et al. Development and application of a SWMM-based simulation model for municipal scale hydrologic assessments[J]. Water, 2021, 13(12): 1644.
[2] LENG L Y, MAO X H, JIA H F, et al. Performance assessment of coupled green-grey-blue systems for Sponge City construction[J]. The Science of the Total Environment, 2020, 728: 138608.
[3] AHIABLAME L M, ENGEL B A, CHAUBEY I. Effectiveness of low impact development practices: literature review and suggestions for future research[J]. Water, Air, &Soil Pollution, 2012, 223(7): 4253-4273.
[4] 周昕, 高玉琴, 吴迪. 不同LID设施组合对区域雨洪控制效果的影响模拟[J]. 水资源保护, 2021, 37(3): 26-31, 73.
ZHOU X, GAO Y Q, WU D. Simulation on influence of regional rain-flood control effect under different combinations of LID measures[J]. Water Resources Protection, 2021, 37(3): 26-31, 73.
[5] 戎贵文, 甘丹妮, 李姗姗, 等. 不同LID设施的面积比例优选及径流污染控制效果[J]. 水资源保护, 2022, 38(3): 168-173, 204.
RONG G W, GAN D N, LI S S, et al. Area proportion optimization of different LID facilities and effect of runoff pollution control[J]. Water Resources Protection, 2022, 38(3): 168-173, 204.
[6] 王婷, 刁秀媚, 刘俊, 等. 基于SWMM的老城区LID布设比例优化研究[J]. 南水北调与水利科技, 2017, 15(4): 39-43, 128.
WANG T, DIAO X M, LIU J, et al. Optimization of LID layout proportions in old city area based on SWMM[J]. South-to-North Water Transfers and Water Science &Technology, 2017, 15(4): 39-43, 128.
[7] ECKART K, MCPHEE Z, BOLISETTI T. Multiobjective optimization of low impact development stormwater controls[J]. Journal of Hydrology, 2018, 562: 564-576.
[8] 黄铁兰, 刘志航, 柯锦灿. 基于暴雨管理模型的广州某城市住区的低影响开发规划[J]. 人民珠江, 2018, 39(8): 99-105.
HUANG T L, LIU Z H, KE J C. Planning of low impact development of an urban residential district in Guangzhou based on SWMM[J]. Pearl River, 2018, 39(8): 99-105.
[9] 杜颖恩, 侯精明, 马红丽, 等. 基于SWMM的LID设施空间格局优化模拟研究[J]. 中国给水排水, 2021, 37(19): 120-125.
DU Y E, HOU J M, MA H L, et al. Spatial pattern optimization of LID facility based on SWMM[J]. China Water &Wastewater, 2021, 37(19): 120-125.
[10] 张金萍, 张朝阳, 左其亭. 极端暴雨下城市内涝模拟与应急响应能力评估[J]. 郑州大学学报(工学版), 2023, 44(2): 30-37.
ZHANG J P, ZHANG Z Y, ZUO Q T. Urban waterlogging simulation and emergency response capacity evaluation with extreme rainstorms[J]. Journal of Zhengzhou University (Engineering Science), 2023, 44(2): 30-37.
[11] 张士官, 吕谋, 焦春蛟, 等. 雨洪管理模型SWMM原理解析及应用进展[J]. 人民珠江, 2019, 40(12): 37-42, 69.
ZHANG S G, LYU M, JIAO C J, et al. Principle analysis and application progress of storm water management model (SWMM)[J]. Pearl River, 2019, 40(12): 37-42, 69.
[12] 赵月, 张建丰, 李涛, 等. 降雨径流模型的参数敏感性分析与方法比较[J]. 中国给水排水, 2021, 37(7): 114-120.
ZHAO Y, ZHANG J F, LI T, et al. Parameter sensitivity analysis and method comparison of rainfall runoff model[J]. China Water &Wastewater, 2021, 37(7): 114-120.
[13] 刘兴坡. 基于径流系数的城市降雨径流模型参数校准方法[J]. 给水排水, 2009, 45(11): 213-217.
LIU X P. Parameter calibration method for urban rainfall-runoff model based on runoff coefficient[J]. Water &Wastewater Engineering, 2009, 45(11): 213-217.
[14] 杨默远, 潘兴瑶, 刘洪禄, 等. 基于文献数据再分析的中国城市面源污染规律研究[J]. 生态环境学报, 2020, 29(8): 1634-1644.
YANG M Y, PAN X Y, LIU H L, et al. Urban non-point pollution characteristics in China: a meta-analysis[J]. Ecology and Environmental Sciences, 2020, 29(8): 1634-1644.
[15] 孙康. 基于SWMM模型的海绵城市应用研究: 以沣西新城为例[D]. 西安: 西安工业大学, 2023.
SUN K. Research on the application of SWMM model in sponge city: a case study of Fengxi New City[D].Xi’an: Xi’an Technological University, 2023.
[16] 中华人民共和国住房和城乡建设部. 室外排水设计标准: GB 50014—2021[S].北京: 中国计划出版社, 2021.
Ministry of Housing and Urban-Rural Development of the People′s Republic of China. Standard for Design of Outdoor Wastewater engineering:GB 50014—2021[S]. Beijing: China Planning Press, 2021.
[17] 常晓栋, 徐宗学, 赵刚, 等. 基于SWMM模型的城市雨洪模拟与LID效果评价: 以北京市清河流域为例[J]. 水力发电学报, 2016, 35(11): 84-93.
CHANG X D, XU Z X, ZHAO G, et al. Urban rainfall-runoff simulations and assessment of low impact development facilities using SWMM model: a case study of Qinghe catchment in Beijing[J]. Journal of Hydroelectric Engineering, 2016, 35(11): 84-93.
[18] KONG F H, BAN Y L, YIN H W, et al. Modeling stormwater management at the city district level in response to changes in land use and low impact development[J]. Environmental Modelling &Software, 2017, 95: 132-142.
[19] 刘华祥. 城市暴雨径流面源污染影响规律研究[D]. 武汉: 武汉大学, 2005.
LIU H X. The impact study on urban storm non-point source pollution[D].Wuhan: Wuhan University, 2005.