黃子千，龐 博， 趙 剛,2，杜龍剛

(1.北京師范大學(xué)水科學(xué)研究院，城市水循環(huán)與海綿城市技術(shù)北京市重點實驗室，北京 100875；2.布里斯托大學(xué)地理科學(xué)學(xué)院，英國布里斯托 BS8 1TH；3.北京市水文總站，北京 100089)

近三十余年，我國經(jīng)歷了高速的城市化進程。城市化運動一方面影響了區(qū)域氣候條件，造成局部降水事件增多、降水量增加；另一方面，改變了下墊面類型及分布，不透水面積大幅增加，填洼、下滲量顯著減少，匯流時間縮短，洪峰流量增加，城區(qū)極端水澇災(zāi)害頻發(fā)[1]。典型的洪澇事件包括北京市2012年“7·21”洪澇事件以及2016年夏季，我國大部區(qū)域經(jīng)歷的高強度暴雨過程----武漢、南京、上海等多個城市均遭受了洪澇危害。洪澇問題業(yè)已成為我國城市水安全的心腹之疾[2]。

隨著對城市水問題的深入認識，我國提出了“海綿城市”建設(shè)的戰(zhàn)略決策。以“滲、滯、蓄、凈、用、排”為建設(shè)理念，以工程性、非工程性措施相結(jié)合的低影響開發(fā)為主要手段，以期減輕城市洪澇災(zāi)害，促進城市雨水資源利用[3]。雨洪管理措施的合理規(guī)劃與配置取決于對城市洪澇過程的深入了解和細致分析，而城市雨洪模擬正是其中的重要基礎(chǔ)和關(guān)鍵一環(huán)。城市雨洪模擬通常借助于基于數(shù)學(xué)與物理法則的城市水文模型，以便量化描述城市降水徑流的形成過程，為雨洪管理提供科學(xué)支持和決策依據(jù)。目前，廣泛應(yīng)用的城市水文模型包括SWMM、InfoWorks ICM、MIKE URBAN等[4]。其中，SWMM模型由于包含模塊較多，能夠?qū)我弧⑦B續(xù)性事件進行模擬，以及開源、免費、界面友好等因素備受國內(nèi)外青睞[5-8]。

北京市是我國政治、文化中心，國家首善之區(qū)。然而近年來受洪澇災(zāi)害侵襲，首都水安全面臨嚴峻挑戰(zhàn)。以2011年“6·23”和2012年“7·21”為代表的兩場洪澇災(zāi)害，即造成了嚴重的經(jīng)濟損失和社會危害。樂家花園排水區(qū)位于北京市中心地區(qū)，既是天安門、故宮博物院、什剎海等名勝古跡的云集帶，也是首都核心功能的集聚區(qū)，其防洪安全至關(guān)重要。與此同時，該片區(qū)又屬于北京洪澇災(zāi)害多發(fā)區(qū)，據(jù)統(tǒng)計[9]，2012年“7.21”特大暴雨，造成北京市城區(qū)超過60處積水中，樂家花園排水區(qū)占其中15處左右；區(qū)域內(nèi)廣渠門橋積水深度超過2 m，造成多輛汽車擱淺和人員傷亡，在國內(nèi)外造成了重大影響。因此，樂家花園排水區(qū)的城市雨洪模型的構(gòu)建對首都水安全具有重要意義。

樂家花園排水區(qū)屬于北京市老城區(qū)，排水單元較多，管網(wǎng)結(jié)構(gòu)復(fù)雜，而由于區(qū)域特殊性，獲取研究資料有限。因此，本文基于SWMM模型構(gòu)建樂家花園雨洪模擬模型，采用含“7·21”洪水在內(nèi)的典型雨洪過程進行模型校驗，試圖在定量分析區(qū)域降水與徑流響應(yīng)關(guān)系中，分析不同精細程度的模型結(jié)構(gòu)對結(jié)果的影響，以探求在缺資料情況下兼具精度與效率的建模方式，為首都雨洪管理提供參考。

1 研究區(qū)域概況

樂家花園排水區(qū)位于北京市主城區(qū)內(nèi)，西部為石景山區(qū)、海淀區(qū)，東部為北京市核心城區(qū)(西城區(qū)，東城區(qū))，是通惠河的上源。地處北緯39°51′～40°00′，東經(jīng)116°08′～116°28′之間，區(qū)域面積約213.49 km2，平均坡度7.91%，地勢西高東低，為溫帶半濕潤大陸性季風氣候，多年平均降水約585 mm。排水區(qū)內(nèi)的水系主要由一系列引水渠、護城河以及眾多湖泊組成，沿途均設(shè)水閘節(jié)制，水流西起西郊南旱河、永定河，東至東城區(qū)東便門，匯入通惠河。這些水系連同地下排水管網(wǎng)共同構(gòu)成了城市水系網(wǎng)絡(luò)，擔負著輸水蓄水、防洪排澇的作用[10]。

區(qū)域水系、雨量站及出水口分布如圖1所示。

圖1 樂家花園排水區(qū)概況圖

2 數(shù)據(jù)與研究方法

2.1 數(shù)據(jù)資料

SWMM模型構(gòu)建主要包括水文數(shù)據(jù)、空間地理數(shù)據(jù)和管網(wǎng)數(shù)據(jù)，數(shù)據(jù)來源如表1所示。

表1 數(shù)據(jù)概況

2.2 數(shù)據(jù)處理

對數(shù)據(jù)的預(yù)處理主要是降水事件的整理及選擇和對遙感影像的解譯。

2.2.1 降水事件選擇

樂家花園流域降水和流量觀測資料并不連續(xù)，而且城市化發(fā)展速度較快，對產(chǎn)匯流條件影響較大。為了保證模型的有效性，集中選取了2011、2012兩年中降水與流量資料都較完備的3場事件作為模型的降水輸入。降水輸入采取各雨量站點相應(yīng)時段的算術(shù)平均。經(jīng)核實[1]，此與實際資料較為吻合。各場次降水信息如表2所示。

表2 降水信息

2.2.2 遙感影像處理

基于ENVI與ArcGIS平臺對2011年6月8日Landsat5的遙感影像進行監(jiān)督分類，并參考《城市用地分類與規(guī)劃建設(shè)用地標準》[11]，大致將區(qū)域土地利用類型分為4類：水域、綠地、建設(shè)用地和其他用地，如圖2所示。

圖2 樂家花園排水區(qū)土地利用類型

研究按經(jīng)驗徑流系數(shù)，采用面積加權(quán)的方法，近似求取不透水面積百分比(%Imperv)。其中，參考城市雨洪排放標準手冊[12]，設(shè)定4種土地利用類型的徑流系數(shù)分別為： 100%(水域)、2%(綠地)、95%(建設(shè)用地)和45%(其他用地)。

3 SWMM模型

3.1 模型簡介

SWMM由美國環(huán)境保護署于1969-1971年間開發(fā)，歷年來不斷更新完善，主要用于城市排水、防澇工程規(guī)劃及城市雨洪管理。SWMM模型由徑流模塊、輸送模塊等5個模塊構(gòu)成，基于水文學(xué)產(chǎn)匯流規(guī)律和水力學(xué)原理，以點、線、面來模擬雨水進出口節(jié)點、城市管渠、子匯水區(qū)的空間拓撲關(guān)系，用于模擬單一降水事件或連續(xù)性降水事件下的水量、水質(zhì)狀況，描述城市雨洪的形成過程或管網(wǎng)中污染負荷的變化過程[13,14]。

3.2 模型構(gòu)建

SWMM模型需要將排水片區(qū)根據(jù)匯水特征識別為具有一定幾何拓撲關(guān)系的匯水單元，來形成一種松散型分布式的物理模型結(jié)構(gòu)[8]。按建模先后順序，一般先是“面”的概化，即劃分子匯水區(qū)；其次是“線”和“點”的概化，即管網(wǎng)和出水口的概化。一個完整的SWMM模型構(gòu)建主要包括：子匯水區(qū)劃分、管網(wǎng)系統(tǒng)概化、參數(shù)率定、精度評定4個部分。

原則上，子匯水區(qū)劃分越小，管網(wǎng)構(gòu)造越精細，越能精確模擬排水區(qū)雨洪形成過程。然而，在輸入資料有限且驗證資料單一的情況下，過分地強調(diào)精細勢必引入更多的人為主觀因素，并因之帶來更多的待優(yōu)化參數(shù)，對于驗證單一出口流量過程，這似乎是充分非必要的。故文章在此基礎(chǔ)上，將構(gòu)建4種不同精細程度的模型，分析模型精細程度對于模型結(jié)果的影響。

其中，研究采用運動波方法進行匯流計算，并根據(jù)北京市產(chǎn)匯流特點，選用修正Horton方法[13]計算下滲量。修正Horton方法輸入?yún)?shù)為最大下滲率(MaxRate)、 最小下滲率(MinRate) 、衰減常數(shù)(DecayConstant)、排干時間(DryingTime)和最大容積(Max.Volume)，其將超過最小速率的累積下滲量作為其狀態(tài)的變量，在低降雨強度時，較之傳統(tǒng)Horton方法，其下滲量計算更為精確。

3.3 模型結(jié)構(gòu)設(shè)計

3.3.1 子匯水區(qū)劃分

利用ArcGIS工具，結(jié)合研究區(qū)遙感影像和地形指數(shù)等情況，根據(jù)河網(wǎng)、管網(wǎng)布局資料及城市街道布局將研究區(qū)域依次劃分為60、39、21、7個子匯水區(qū)，每個子匯水區(qū)對應(yīng)一個排水口。特別地，在現(xiàn)有條件下，“7匯水區(qū)”已經(jīng)是充分利用信息資料的子匯水區(qū)劃分最簡形態(tài)，故不再進一步設(shè)置簡化對照組。

3.3.2 管網(wǎng)系統(tǒng)概化

管網(wǎng)系統(tǒng)概化的目標是確定水流走向、設(shè)置匯流節(jié)點及排水通道。本文水流均按就近原則排向最近匯接點，然后沿管網(wǎng)、河道自西向東地流向下游出水口。其中，管段數(shù)量、匯接點應(yīng)與子匯水區(qū)數(shù)量相適應(yīng)，而同時又應(yīng)限定管段最大長度[15]。不同精細程度的模型結(jié)構(gòu)設(shè)計方案如表3所示，相關(guān)示意圖如圖3所示。

3.3.3 參數(shù)率定

為了保證模型的穩(wěn)健性，本文以樂家花園排水區(qū)出口的實測流量為校驗數(shù)據(jù)，對模型進行率定和驗證。其中，采用確定性系數(shù)為適應(yīng)度函數(shù)，基于遺傳算法[15,16]選取20110623、20120624兩場降水事件作整體率定，對20120721降水事件進行驗證。

SWMM模型參數(shù)眾多，為了力求模型穩(wěn)健，減少模型誤差，在有限的資料條件下，可以對一些重要的參數(shù)在一定范圍[13,14,17-21]內(nèi)進行率定優(yōu)化。研究選取漫流長度(L)、不透水面積曼寧系數(shù)(N-Imperv)、透水面積曼寧系數(shù)(N-perv)、管道曼寧系數(shù)(Roughness)、河道曼寧系數(shù)(Roughness)、管徑(MaximumHeight)、MaxRate、MinRate、DecayConstant共9類較敏感參數(shù)[17-21]進行優(yōu)化，其余參數(shù)按SWMM手冊[13]取參考值，基于不同研究方案下的參數(shù)總數(shù)如表3所示，參數(shù)率定結(jié)果按表4所示。

表3 模型結(jié)構(gòu)設(shè)計方案

表4 模型參數(shù)率定結(jié)果

圖3 模型結(jié)構(gòu)設(shè)計方案示意圖

3.3.4 精度評定

依據(jù)《水文情報預(yù)報規(guī)范》[22]，本文采用“確定性系數(shù)”(DC)、“洪峰預(yù)報許可誤差” (EP)和“峰現(xiàn)時間預(yù)報許可誤差” (ET)來評定模型精度。

其中，確定性系數(shù)在[0.50,0.70) 區(qū)間內(nèi)精度等級為“丙”，[0.70,0.90) 內(nèi)為“乙”，[0.90,1]內(nèi)為“甲”； “洪峰預(yù)報許可誤差”為20%；“峰現(xiàn)時間預(yù)報許可誤差”為3 h。公式依次如式(1)～式(3)所示：

(1)

(2)

(3)

4 模型結(jié)果

4.1 場次降水分析

按精度評定公式計算出各方案下的DC、EP、ET值如表5所示。通過表5可以看出：

(1)4種方案的模型設(shè)計，流量模擬之DC值均在0.81～0.91之間，精度等級為乙級或以上，與實測流量數(shù)據(jù)擬合程度較高；洪峰誤差均在許可范圍之內(nèi)，峰現(xiàn)時間預(yù)報較為準確。

(2)從方案1～方案4，隨著模型概化程度的進一步加大，模型結(jié)構(gòu)趨于簡單化，率定期的DC、EP精度有下降趨勢，以20110623場次為例：DC值分別為0.90、0.88、0.87、0.87，擬合程度有所下降；EP值分別為14.21%、15.89%、15.56%、18.65%，誤差有增大趨勢；而在驗證期，20120721場次模擬精度反而有所提升，DC值分別為0.89、0.90、0.90、0.91，擬合程度有所提升；EP值分別為18.81%、13.61%、12.69%、9.7%，誤差有減小趨勢。

表5 模擬精度評定結(jié)果

整體率定的2場降水事件雨洪模擬結(jié)果如圖4、圖5所示；根據(jù)率定結(jié)果，調(diào)整模型初始參數(shù)后，模型驗證場次結(jié)果如圖6所示。

圖4 20110623場次雨洪模擬

圖5 20120624場次雨洪模擬

圖6 20120721場次雨洪模擬

通過圖4～圖6可以看出：①4種方案的模擬流量與實測值較為吻合，彼此線形基本一致。②基于率定期的圖4、圖5，從方案1～方案4，其峰值有所增加，但增量微??；驗證期的圖6中，從方案1～方案4，其峰值呈減小趨勢，且差異明顯。

4.2 計算效率分析

本文通過2012年5-9月降水數(shù)據(jù)設(shè)置2(與研究中場次暴雨的模擬時間相當)、30、60、120 d的連續(xù)模擬分析上述4種方案的計算效率，其中計算機處理器為i7-4790，演算步長為1 min，計算時間如表6所示，效率趨勢如圖7所示。

表6 計算時間

圖7 效率變化趨勢

通過圖4～圖7，表6可以看出， 計算時間隨著模型復(fù)雜程度及模擬時長的增加而增加，其中方案4在計算時效的表現(xiàn)上較為優(yōu)良；而4種方案計算時間在不同模擬中均在1 min以內(nèi)，無數(shù)量級上的差異。

5 結(jié) 語

通過在北京市樂家花園排水區(qū)建立4種不同建模方案的SWMM模型，選取2011-2012年之間3場降水事件對模型進行率定和驗證，定量分析了區(qū)域降水徑流響應(yīng)關(guān)系，并對模型精度進行評定，得出的主要結(jié)論如下。

(1)4種建模方案的DC值較高，均在0.81～0.91之間，精度等級為乙級或以上；EP、ET均在誤差許可范圍之內(nèi)：EP值均小于20%；ET均不超過1 h，初步反映出SWMM模型在樂家花園排水區(qū)具有良好的適用性。

(2)作為排水單元的子匯水區(qū)劃分是構(gòu)建SWMM模型的重要基礎(chǔ)，本文根據(jù)樂家花園排水區(qū)的下墊面特征設(shè)計了子匯水數(shù)量依次為60、39、21、7的4種建模方案。結(jié)果表明，隨著模型精細化程度的增加，率定期精度有所上升，但是檢驗期精度卻并未隨之上升，峰值預(yù)報精度反而存在下降趨勢。作為基于物理機制的半分布式水文模型，在資料限制情況下，SWMM模型有較多參數(shù)需要通過率定得到。復(fù)雜的模型結(jié)構(gòu)雖然能夠更好地利用管網(wǎng)和遙感資料，但是率定參數(shù)的難度也隨之增加。在我國城市化區(qū)域水文觀測資料普遍較少的情況下，易出現(xiàn)“過擬合”現(xiàn)象[23,24]。因此，利用SWMM進行城市洪水預(yù)測時，模型構(gòu)建應(yīng)與模擬目標、資料的完備程度相適應(yīng)，在研究資料有限且僅有一處出水口設(shè)置的情況下，采用少量的子匯水區(qū)和管網(wǎng)對研究區(qū)域進行概化處理可能是一種最具效率的建模方式[13-15]。從計算時間上看，由于在管網(wǎng)資料缺乏下本文未考慮管渠蓄變、回水、出入口損失等復(fù)雜的水流情況，在本文試驗時間尺度下的模擬，方案4雖然最具效率，卻不占數(shù)量級上的優(yōu)勢，但在降水資料完備時可以作為長系列模擬的備擇選項。

綜上，本文選取了方案4作為樂家花園的最終建模方案。另外，對于多出水口的情況，簡化模型是否仍然有效，則須格外收集多節(jié)點處觀測資料，同時加以試驗、分析模型結(jié)構(gòu)。

(3)樂家花園排水區(qū)為北京市核心區(qū)域，近三十年來城市變化日新月異。與此同時，各雨量站點的觀測時段也不盡統(tǒng)一。論文僅選擇了下墊面水平較為接近的近期3場降水事件進行模型構(gòu)建。因此，在結(jié)論上有待進一步的觀測資料進行驗證。

(4)論文構(gòu)建的基于SWMM的樂家花園排水片區(qū)的雨洪模擬模型可為首都核心區(qū)的雨洪預(yù)測與調(diào)度提供技術(shù)支持，并可通過模擬未來氣候條件變化的情況下的雨洪過程，為海綿城市的規(guī)劃建設(shè)提供支撐。未來將通過降水徑流資料的收集和積累，高分辨率遙感影像的應(yīng)用，繼續(xù)驗證本文結(jié)論并深入研究城市化過程中的雨洪形成規(guī)律。

□

參考文獻：

[1] 劉家宏, 陳根發(fā), 王海潮, 等. 暴雨徑流管理模型理論及其應(yīng)用:以SWMM為例[M]. 北京：科學(xué)出版社, 2015.

[2] 張建云, 王銀堂, 賀瑞敏,等. 中國城市洪澇問題及成因分析[J]. 水科學(xué)進展, 2016,27(4):485-491.

[3] 常曉棟, 徐宗學(xué), 趙 剛,等. 基于SWMM模型的城市雨洪模擬與LID效果評價----以北京市清河流域為例[J]. 水力發(fā)電學(xué)報, 2016,35(11):84-93.

[4] 王海潮, 陳建剛, 張書函,等. 城市雨洪模型應(yīng)用現(xiàn)狀及對比分析[J]. 水利水電技術(shù), 2011,42(11):10-13.

[5] 叢翔宇, 倪廣恒, 惠士博,等. 基于SWMM的北京市典型城區(qū)暴雨洪水模擬分析[J]. 水利水電技術(shù), 2006,37(4):64-67.

[6] 任伯幟, 鄧仁健, 李文健. SWMM模型原理及其在霞凝港區(qū)的應(yīng)用[J]. 水運工程, 2006,(4):41-44.

[7] 趙冬泉, 陳吉寧, 佟慶遠,等. 基于GIS構(gòu)建SWMM城市排水管網(wǎng)模型[J]. 中國給水排水, 2008,24(7):88-91.

[8] 黃國如. 城市雨洪模型及應(yīng)用[M]. 北京：中國水利水電出版社, 2013.

[9] 網(wǎng)易新聞. 北京遭暴雨襲擊城區(qū)主要積水點分布及繞行辦法[EB/OL]. http:∥news.163.com/ special/beijingyanshui/. 2012.

[10] 《中國河湖大典》編纂委員會. 中國河湖大典, 海河卷[M]. 北京：中國水利水電出版社, 2013.

[11] 城市用地分類與規(guī)劃建設(shè)用地標準[M]. 北京：中國建筑工業(yè)出版社, 2011.

[12] Waugh P D, Jones J E, Urbonas B R, et al. Denver Urban Storm Drainage Criteria Manual[C]∥ International conference onurban drain age, 2002:1-8.

[13] Lewis A Rossman. Storm Water Management Model User’s Manual (Version 5.1)[M]. Washington DC:USEPA,2015.

[16] T. Arriero Shinma, L.F. Ribeiro Reis. Incorporating Multi-event and Multi-site Data in the Calibration of SWMM [J]. Procedia Engineering, 2014,70(70):75-84.

[17] Zaghloul N A. Sensitivity analysis of the SWMM Runoff-Transport parameters and the effects of catchment discretization [J]. Advances in Water Resources, 1983,6(4):214-223.

[18] 芮孝芳, 蔣成煜, 陳清錦,等. SWMM模型模擬雨洪原理剖析及應(yīng)用建議[J]. 水利水電科技進展, 2015,35(4):1-5.

[19] Barco J, Wong K M, Stenstrom M K. Automatic calibration of the U.S. EPA SWMM Model for a large urban catchment[J]. Journal of Hydraulic Engineering, 2008,134(4):466-474.

[20] 蔣元勇, 豐鍇斌, 劉學(xué)文,等. 城市雨洪SWMM模型的敏感參數(shù)研究綜述[J]. 生態(tài)科學(xué), 2015,34(2):194-200.

[21] 中華人民共和國住房和城鄉(xiāng)建設(shè)部. GB50014-2006室外排水設(shè)計規(guī)范(2014年版)[M]. 北京：中國計劃出版社, 2014.

[22] GB/T 22482-2008，水文情報預(yù)報規(guī)范[S].

[23] Whittaker G, Confesor R J, Luzio M D, et al. Detection of overparameterization and overfitting in an automatic calibration of SWAT[J]. Transactions of the Asabe, 2010,53(5):1 487-1 499.

[24] Carpenter T M, Georgakakos K P. Discretization scale dependencies of the ensemble flow range versus catchment area relationship in distributed hydrologic modeling[J]. Journal of Hydrology, 2006,328(1):242-257.