土地利用格局對SWMM模型匯流模式選擇及相應產流特征的影響

班玉龍,孔繁花,尹海偉,徐文彬,都金康,徐建剛,蒲英霞

1 南京大學城市規劃與設計系,南京　210093　　2 南京大學國際地球系統科學研究所,南京　210023　　3 南京大學地理與海洋科學學院,南京　210023

?

土地利用格局對SWMM模型匯流模式選擇及相應產流特征的影響

班玉龍1,孔繁花2,*,尹海偉1,徐文彬1,都金康3,徐建剛1,蒲英霞3

1 南京大學城市規劃與設計系,南京2100932 南京大學國際地球系統科學研究所,南京2100233 南京大學地理與海洋科學學院,南京210023

城市下墊面土地利用格局與地形的復雜性將導致地表匯流模式的多變性。在城市雨洪管理模型中,不同匯流模式的選取對雨洪模擬結果產生重要影響,而這一影響往往被忽視。基于設定與巴中城市社區尺度相近的實驗區以及巴中市的真實降水數據,并根據實驗區土地利用格局特征,在SWMM雨洪管理模型匯水模塊中設置Outlet、Impervious、Pervious 3種匯流演算模式及其演算面積比,分析了不同土地利用格局響應下的不同匯流模式選擇對城市雨洪模擬結果的影響。結果表明： (1)Outlet、Impervious兩種匯流演算模式下匯水區地表徑流的模擬結果相同,但與Pervious演算模式下的模擬結果差異顯著。在Pervious模式下地表徑流相對另外兩種匯流模式最大降低了52%,降雨下滲量提高了近1倍。(2)在Pervious模式下,演算面積比對匯水區地表徑流模擬結果具有重要影響。在總不透水面(IA)面積一定的情況下,有效不透水面(DCIA)的減少引起非有效不透水面(UIA)的比率增加。這種土地利用格局的變化致使匯水區總徑流量、徑流系數顯著下降,降雨下滲量逐漸增加,洪峰流量則呈先增后減的趨勢,且在非有效不透水面(UIA)比率為30%和40%時(此時非有效不透水面與滲透面面積相接近),洪峰流量最小。對結果的分析表明了雨洪管理模型在小尺度匯水區上應用時,應根據土地利用格局特征選擇相應的地表匯流模式。正確的評價和分析不同土地利用格局方案對地表徑流的影響,從而更為科學地指導城市雨洪管理和海綿城市的規劃與建設。

SWMM；地表匯流模式；有效不透水面(DCIA)；演算面積比；海綿城市

快速城市化導致自然生態空間向城市空間不斷轉換,致使原有自然流域下的地表水文效應發生了明顯改變,加劇了城市洪澇災害發生的風險[1-3]。因而,探尋能夠有效降低洪澇災害風險的新型城市雨洪管理模式就顯得尤為重要。城市水文模型能夠模擬地形、土壤、用地結構和氣象水文等要素的空間變化對水文過程的影響,可為城市雨洪管理提供重要的決策依據[4-5]。Bosley應用典型區域對常用的19個水文模型進行了敏感性分析,發現SWMM(Storm water Management Model)是最適合進行不同土地利用格局下雨洪模擬的模型[6]。該模型是1971年由美國環境署開發的一個基于單個降水事件或者長期降水序列的降雨-徑流模擬軟件,它通過一系列能夠接收降水的子流域作為徑流或者污染物的來源,能有效進行水文、水力以及水質方面的模擬[7-8]。目前已被廣泛用于城市暴雨徑流模擬和排水管道系統、流域規劃、水敏性城市設計以及海綿城市建設中[9-13]。

SWMM模型,特別是含有低影響開發(Low Impact Development, LID)理念模塊后,其在城市雨洪管理中應用更加廣泛。在基于SWMM模型的城市雨洪管理研究中,大部分特征參數設置已經較為成熟,例如匯水區面積、非滲透性、坡度、域寬度、滲透面的滲透模式和滲透參數以及洼地儲水和曼寧系數等參數的選擇與設置[14-18],但對于匯水區匯流演算模式的選擇以及土地利用格局變化對城市雨洪模擬結果影響的研究還比較少。匯流演算模式是雨洪管理模型模擬降水在用地類型復雜的地表產生匯流時的計算方式,選擇合理的匯流演算模式可以提高模型模擬結果的精度。SWMM模型具有3種匯流演算模式,主要通過匯流路徑方式(Outlet, Impervious, Pervious)和演算面積比(3種匯流方式在匯水區中所占比重)進行設定。Huber對SWMM模型中3種不同匯流模式下的雨洪模擬結果分析發現,Outlet和Impervious匯流模式下匯水區地表徑流的模擬結果相同,但相比Pervious模式下的模擬結果顯著偏大[19]。趙冬泉分析了匯水區尺度劃分和坡度兩個因素對匯流模式與模擬結果的影響,結果表明匯水區劃分尺度越小,模擬的地表徑流會越大；坡度增大會導致3種匯流演算模式下模擬結果的差異縮小[14]。Earles提出快速城市化帶來的不透水面(Impervious Area, IA)增加是導致城市水文效應發生變化的最主要原因,其中與排水系統直接相連接的不透水面(Directly Connected Impervious Area, DCIA),通常也被稱為有效不透水面,對城市地表徑流的貢獻率最大。然而,多數運用SWMM模型進行城市雨洪管理的研究缺少對有效不透水面DCIA和不透水面IA之間的差異進行區別。在模擬時默認模型設置即Outlet匯流演算模式,該匯流演算模式將匯水區內所有的不透水面均作為DCIA,忽略了匯水區土地利用格局的特征以及與排水系統非直接連接的不透水面積(Unconnected impervious area, UIA)的存在,這往往會導致對地表徑流和洪峰流量的高估[20-22]。

城市用地布局與地形的復雜性將導致地表匯流模式的多樣性,這必然導致匯流演算模式的選擇會影響城市雨洪管理模型的模擬結果。然而,由于對城市雨洪匯流模式的研究不足,以及目前雨洪管理模型的局限性(SWMM模型中每個匯水區匯流模式只能選取模型提供的Outlet、Impervious、Pervious 3種匯流模式中的一種),所以在對城市雨洪管理進行研究時不同匯流模式的選擇對模擬結果的影響往往會被忽略。本文基于設定與巴中城市社區尺度相近的實驗區和巴中市的真實降水數據,通過在SWMM模型匯水模塊中設置不同的匯流演算模式,分析研究了相同匯水區下不同土地利用格局特征對城市雨洪管理的影響。研究結果對我國海綿城市的規劃和建設實踐具有重要的參考價值和借鑒意義。

1　實驗區設定

結合巴中市城市新區社區建設規模,參照城市規劃建設模式及排水單元設計規范,確定了社區尺度上的基本單元實驗區(城市支路圍合區域),其面積為6hm2,長和寬分別為200m和300m[24],這一設定也符合城市道路規范中支路網密度要求。同時,根據《城市用地分類與規劃建設用地標準》(GB50137—2011),綠地指標參數取上限,綜合換算出實驗區中滲透面(Pervious Area, PA)比重為25%(圖1a)。

本文根據研究需要設定了12個用地構成比重一致但土地利用格局不同的匯水區(面積與實驗區相同),根據圖1b中的計算公式(公式1)來計算S1—S10情景下的UIA面積及其比重(圖1c,表1),該10種情景采用SWMM模型中的Pervious匯流演算模式(圖2)。S11、S12情景為參照情景,分別采用Impervious和Outlet匯流演算模式(圖2)。SWMM模型匯流演算模式選定后,需根據匯水區特征計算其匯流演算面積比(Percent routed)。在模型中其量化方式根據演算模式選擇而略有不同,在Pervious匯流演算模式下演算面積比為UIA占總IA的比重(%),但在Impervious和Outlet模式演算面積比為則為DCIA占總IA的比重(%)(表1)。

(1)

式中,X為實驗區滲透面長(m)；Y為實驗區滲透面寬(m)。本文X值分別取75、97.5、120、142.5、165、187.5、210、232.5、255、277.5、300。

表1　實驗區設計參數表

圖1　實驗場所土地利用組成(a),UIA構成比重設置(b)和12個土地利用格局不同的地表匯流演算情景(c)Fig.1　Land use component of experiment site (a), the definition of UIA Percent (b) and the corresponding 12 scenarios under different land use pattern and overland flow routing options (c)S1—S12為匯水區

圖2　地表匯流演算模式簡圖[20,23]Fig.2　The conceptualized sub-area flow routing methods: Outlet, impervious and pervious[20,23]

2　數據與研究方法

2.1實驗區概化與特征參數設置

為保證變量的唯一性與模擬結果的可比性,避免面積、坡度、流域寬度等參數對雨洪模擬結果的影響,本文將12個匯水區及管渠的基本物理特征與水文特性參數設置成完全一致(表2)。每個匯水區面積為6hm2、滲透面比重25%、域寬為300m、坡度為1.2%、非滲透性為75%,其他水文特性參數參考模型手冊及相關文獻使用經驗值(表2)。每個匯水區設置獨立對應的雨水井和排水管渠,對應的雨水井和管渠參數設置一致(圖3)。

2.2降雨參數的設置

為保證降雨參數數據的真實性與準確性,本文使用巴中市氣象局提供的2015年6月23日真實降雨數據(數據采樣間隔為10min)。本次降雨歷時5h,總降雨量為26.4mm,最大10 min降雨為4.2mm(圖4)。本次降雨事件基本符合巴中市半年期降雨重現期。

表2　SWMM模型參數設置表

圖3　實驗區雨洪管理模擬概化圖Fig.3　The conceptualized layout of stormwater conveyance system in each sub-catchments of experimental site

圖4　2015年6月23日巴中市降雨強度分布圖(數據來源：四川省巴中市氣象局)Fig.4　Distribution of Rainfall intensity from 13:00 to 18:00 on the 23th, June, 2015, in Bazhong (sources: Bazhong Meteorological Bureau, Sichuan Province)

2.3模型模擬與設置參數驗證

首先,采用預設的相關參數,采用質量守恒方法(初始蓄水加上總進流量與最終蓄水加上總出流量之間差值的比)驗證SWMM模型的有效性。當匯水區不透水面分別為15%、75%和85%時,實驗區模擬結果中各匯水區平均地表徑流系數分別為0.14、0.54和0.81,徑流量演算的連續誤差分別為0.32%、-0.30%和-0.33%,流量演算的連續誤差分別為1.2%、-0.3%和-0.29%,兩者均在±2%以內,處于模型模擬結果連續誤差的合理范圍內[23]。然后,采用同樣的參數設置,基于SWMM模型進行各個單元實驗區的地表徑流模擬,模擬結果見表3，表4,圖5,圖6。

3　結果分析

3.1不同匯流演算模式與土地利用格局下的地表徑流變化特征

由表3可知,匯水區S11和S12的地表徑流模擬結果(總徑流量、洪峰流量和徑流系數)相同,表明選擇Outlet或Impervious匯流演算模式對地表徑流模擬結果影響相同；在這兩種演算模式下,兩個匯水區的IA全部為DCIA,因此總滲入量在所有匯水區中最小(6.6mm),僅占降雨量的25%,總徑流量、洪峰流量和徑流系數則最大,分別為1.14(106L)、0.31m3/s和0.72；與匯水區S11、S12相比，通過土地利用格局優化后的匯水區S10總滲入量提高99.3%,總徑流量、洪峰流量、徑流系數則分別下降了52.0%,3.6%、52.4%,洪峰發生時間也提前了5min(圖5)。

在匯水區S1至S10情景中,隨著土地利用格局的變化UIA占IA比重由10%上升為100%(DCIA占IA比重則由90%降低到0%),演算面積比的逐漸升高(由10%上升為100%),使得降雨總滲入量不斷增加(由8.49mm增至13.16mm,約增加了55%),匯水區地表總徑流量和徑流系數逐漸下降(分別由1.02(106L)和0.65降為0.75(106L)和0.47,約下降了25%和27%),表明不同土地利用格局應選擇相應的匯流演算模式,不同的演算模式對模擬結果具有重要影響。同時,也表明通過土地利用格局優化能夠達到降低地表徑流量,增加滲入量的雨洪管理目的。這種雨洪管理效應的變化主要是地表徑流從不透水面流進滲透面再匯流到雨水井的過程中,滲透能力較強且未達到飽和的滲透面會對從不透水面產生的地表徑流進行滯留吸納滲入,從而提高了整個匯水區的下滲量達到降低了地表徑流量的作用。但洪峰流量則先降后增,在演算面積比為30%和40%(UIA分別為1.35hm2和1.8hm2,滲透面PA為1.5hm2)時洪峰流量最小(為0.22 m3/s)。這表明在滲透面PA一定量的情況下(本研究為占總面積25%),當UIA和PA面積大致相近時,PA對來自UIA的地表徑流的吸納能力相對較強；隨后,盡管演算面積和UIA都繼續增加,但因為PA面積有限,演算面積和UIA的增加反而導致地表徑流經過PA的路徑變短,地表徑流到達排水口的時間降低,因而PA無法有效降低洪峰流量。另外,在降水強度較小時,演算面積比越大的匯水區地表徑流產生時間越滯后、產生量越少；但降雨強度變大后,演算面積比越大的匯水區地表徑流量則呈現洪峰流量增大、產匯流速度加快的特征(表3,圖5)。

表3　各匯水區模擬結果統計表

圖5　不同匯流情景下地表徑流過程曲線Fig.5　Temporal variation in surface runoff of each designed routing scenario

3.2不同匯流演算模式與土地利用格局下雨水井的進流量變化特征

不同匯流演算模式與土地利用格局下雨水井的進流量變化特征與匯水區地表徑流變化特征基本一致。在與匯水區相對應的12個雨水井中,雨水井J11和J12的平均進水深度、洪峰進水深度、總進流量容積、洪峰進流量相同且均為最大(表4,圖6)。與考慮土地利用格局優化的匯水區S10的雨水井J10相比,J11和J12的平均進水深度、總進流量容積、洪峰進水深度和洪峰流量較J10的分別高出85.7%、52.4%、2.2%和3.7%,洪峰進水深度發生時間也提前了5min(表4,圖6)。在雨水井J1至J10中,隨著土地利用格局的變化演算面積比逐漸增加(由10%增為100%),平均進水深度、總進流量容積逐漸降低,而洪峰進水深度和洪峰進流量則先降后升,且在演算面積比為30%和40%時(雨水井J4)洪峰進水深度和洪峰進流量兩者最小,分別為0.39m和0.22m3/s(表4,圖6)。另外,降雨強度也對雨水井的進流量變化特征具有一定的影響,降雨強度增大到一定程度時進流量則明顯增大,且發生時間的延遲變小(圖6)。

表4　各匯水區對應雨水井模擬結果統計表

圖6　不同匯流情景下的雨水井進水深變化曲線Fig.6　Temporal variation in inflow depth of different junctions under each designed routing scenario

4　結論與討論

本文基于設定的城市社區尺度實驗區以及巴中市的真實降水數據,通過在SWMM模型的匯水模塊中設置Outlet、Impervious、Pervious 3種匯流模式及其演算面積比,定量分析了不同地表匯流演算模式與土地利用格局變化對城市雨洪模擬結果的影響。結果表明：(1)Outlet、Impervious兩種匯流演算模式下匯水區地表徑流的模擬結果相同,但與Pervious模式下的模擬結果差異顯著。(2)在Pervious模式下,演算面積比對匯水區地表徑流模擬結果具有重要影響。因而,在運用SWMM模型對城市雨洪管理進行模擬分析時,應根據不同的匯水區土地利用格局設置相應的匯流演算模式。另外,本文通過設置12個基本特征相同的匯水區實驗單元,在等量滲透面、但不同土地利用格局情景中,對比分析通過優化土地利用格局降低DCIA對城市雨洪管理效應的影響,為小尺度上土地利用格局優化與地表匯流模式選擇提供了重要的參考。研究結果表明,在一定降雨條件下,最大化地使滲透面對有效不透水面進行阻斷的土地利用格局,可使匯水區總下滲量提高99.3%,總徑流量下降52%,徑流系數下降52.4%。因而,在海綿城市的規劃與建設中,可從合理優化城市土地利用格局的角度,通過采用LID措施,將城市綠地和LID處理后的滲透面等作為不透水面的有效阻隔,能夠有效降低DCIA(增加UIA),大幅提高下滲量和降低地表徑流量；并能顯著推遲洪峰發生時間,從而從源頭上有效降低城市雨洪災害的風險。由此可見,在小尺度上實現城市用地空間布局與地表匯流模式的協同優化,是海綿城市規劃與建設實踐成功的關鍵因素和重要路徑。

但本文僅針對一次降雨事件(26.4mm)和一種不透水面比重(75%)進行了城市雨洪管理的定量模擬,未能綜合考慮不同降雨事件和不同不透水面比重對SWMM模型模擬的敏感性。因此,相關結論還需要進一步對比分析與驗證。另外,如何實現將小尺度上的城市雨洪管理效應上推至城市功能區和流域尺度,仍需深入探討。在大尺度上以及用地構成復雜的城市功能區中,快速準確地概化匯水區的DCIA(或UIA)和演算面積比,將能顯著提高SWMM模型的模擬精度,從而為LID的空間格局優化及其對城市雨洪管理效應的影響評價提供支撐。

致謝：四川省巴中市氣象局為本研究提供了詳細的降雨數據資料,特此致謝。

[1]Peters N E. Effects of urbanization on stream water quality in the city of Atlanta, Georgia, USA. Hydrological Processes, 2009, 23(20): 2860-2878.

[2]胡偉賢, 何文華, 黃國如, 馮杰. 城市雨洪模擬技術研究進展. 水科學進展, 2010, 21(1): 137-144.

[3]孫艷偉, 魏曉妹, Pomeroy C A. 低影響發展的雨洪資源調控措施研究現狀與展望. 水科學進展, 2011, 22(2): 287-293.

[4]Mansell M G. Rural and Urban Hydrology. London: Thomas Telford Ltd, 2003.

[5]Moglen G E, Kim S. Characteristics and impact of imperviousness from a GIS-based hydrological perspective//AGU Fall Meeting Abstracts. AGU, 2005: 449-449.

[6]Bosley II, Kern E. Hydrologic evaluation of low impact development using a continuous, spatially-distributed model [D]. Blacksburg: Virginia Polytechnic Institute and State University, 2008.

[7]Hsu M H, Chen S H, Chang T J. Inundation simulation for urban drainage basin with storm sewer system. Journal of Hydrology, 2000, 234(1/2): 21-37.

[8]Rossman L A. Storm water management model user′s manual, version 5.0. Cincinnati, OH: National Risk Management Research Laboratory, Office of Research and Development, U.S. Environmental Protection Agency, 2010.

[9]Aad M P A, Suidan M T, Shuster W D. Modeling techniques of best management practices: rain barrels and rain gardens using EPA SWMM-5. Journal of Hydrologic Engineering, 2010, 15(6): 434-443.

[10]Sun N, Hong B, Hall M. Assessment of the SWMM model uncertainties within the generalized likelihood uncertainty estimation (GLUE) framework for a high-resolution urban sewershed. Hydrological Processes, 2014, 28(6): 3018-3034.

[11]張書亮, 干嘉彥, 曾巧玲, 閭國年. GIS支持下的城市雨水出水口匯水區自動劃分研究. 水利學報, 2007, 38(3): 325-329, 336-336.

[12]陳杰, 龔穎, 游宏凱. 低沖擊開發(LID)技術在武鋼廠前生態停車場景觀設計中的運用. 現代園林, 2013, 10(5): 60-66.

[13]Yao L, Wei W, Chen L D. How does imperviousness impact the urban rainfall-runoff process under various storm cases?. Ecological Indicators, 2016, 60: 893-905.

[14]趙冬泉, 陳吉寧, 佟慶遠, 王浩正, 曹尚兵, 盛政. 子匯水區的劃分對SWMM模擬結果的影響研究. 環境保護, 2008, 394(8): 56-59.

[15]孫艷偉, 把多鐸, 王文川, 姜體勝, 王富強. SWMM模型徑流參數全局靈敏度分析. 農業機械學報, 2012, 43(7): 42-49.

[16]王浩昌, 杜鵬飛, 趙冬泉, 王浩正, 李志一. 城市降雨徑流模型參數全局靈敏度分析. 中國環境科學, 2008, 28(8): 725-729.

[17]黃國如, 黃晶, 喻海軍, 楊紹沂. 基于GIS的城市雨洪模型SWMM二次開發研究. 水電能源科學, 2011, 29(4): 43-45, 195-195.

[18]王海潮, 陳建岡, 孔剛, 王玉娟, 劉登峰. 基于GIS與RS技術的SWMM構建. 北京水務, 2011, (3): 46-49.

[19]Huber W C. New options for overland flow routing in SWMM. Urban Drainage Modeling. In: Proceedings of the World Water and Environmental Resources Conference: Urban Drainage Modeling Specialty Symposium. ASCE, Orlando, Florida, 2001: 22-29.

[20]Earles T A, Guo J, MacKenzie K, Clary J, Tillack S. A non-dimensional modeling approach for evaluation of low impact development from water quality to flood control//Struck S, Lichten K, eds. Low Impact Development 2010: Redefining Water in the City. Reston: American Society of Civil Engineers, 2010: 362-371.

[21]Yao L, Chen L D, Wei W. Assessing the effectiveness of imperviousness on stormwater runoff in micro urban catchments by model simulation. Hydrological Processes, 2015, doi: 10.1002/hyp.10758.

[22]Lee J G, Heaney J P. Estimation of urban imperviousness and its impacts on storm water systems. Journal of Water Resources Planning and Management, 2003, 129(5): 419-426.

[23]Gironás J, Roesner L A, Davis J, Rossman L A. Storm water management model applications manual. U.S.: Environmental Protection Agency, 2009.

[24]吳志強, 李德華. 城市規劃原理. 北京: 中國建筑工業出版社, 2010.

Impacts of land use patterns on the overland flow routing options and simulation outputs of stormwater management models

BAN Yulong1, KONG Fanhua2,*, YIN Haiwei1, XU Wenbin1, DU Jinkang3, Xu Jiangang1, PU Yingxia3

1DepartmentofUrbanPlanningandDesign,NanjingUniversity,Nanjing210093,China2InternationalInstituteforEarthSystemSciences,NanjingUniversity,Nanjing210023,China3SchoolofGeographicandOceanographicSciences,NanjingUniversity,Nanjing210023,China

The patterns and topographic complexity inherent in urban surfaces cause considerable variations in flow paths, and may influence the simulation outputs of urban stormwater management models (SWMMs). However, the influence of these variables in urban storm water management is largely unknown and so it is usually ignored, consequently reducing the accuracy of the simulation results. To examine how patterns of land use and overland flow routing options influence the simulation outputs of the SWMM, we chose an experimental site in Bazhong City. We developed three sub-area overland flow routing methods (outlet, impervious, permeable) for different precipitation intensities and land use patterns within the sub-catchment area module of the SWMM, and compared the simulation outputs. The results indicated that the simulated surface runoff for the outlet and impervious routing methods were the same, but were considerably different from those for the permeable routing method. Under the permeable routing method, the surface runoff decreased by 52% and the amount of rainfall that permeated almost doubled. The percentage of runoff routed by the permeable routing method had a significant impact on the simulation results. As the percentage of routed runoff increased, the directly connected impervious area (DCIA) gradually decreased and the unconnected impervious area (UIA) gradually increased, which led to a considerable reduction in the total runoff volume and a decrease in the surface runoff coefficient. Simultaneously, the amount of rainfall that permeated gradually increased, but the peak flow rate initially increased and then decreased. When the percentage of routed runoff reached 30% or 40%, the UIA was nearly equal to the permeable surface area, and the peak flow rate was at a minimum. The results from the present study showed that land use patterns and overland flow routing options influenced the SWMM simulation outputs. The results also suggest that for the effective management of urban stormwater, urban land-use patterns and overland flow paths should be optimized at a small scale, as this will reduce the risk of urban stormwater disasters. This approach will support the planning and development of sponge cities.

storm water management model (SWMM); overland flow routing methods; directly connected impervious area (DCIA); percent routed; sponge city

國家自然科學基金項目(41440006, 51478217, 51278239)

2016-01-05;

2016-03-30

Corresponding author.E-mail: fanhuakong@163.com

10.5846/stxb201601050028

班玉龍,孔繁花,尹海偉,徐文彬,都金康,徐建剛,蒲英霞.土地利用格局對SWMM模型匯流模式選擇及相應產流特征的影響.生態學報,2016,36(14):4317-4326.

Ban Y L, Kong F H, Yin H W, Xu W B, Du J K, Xu J G, Pu Y X.Impacts of land use patterns on the overland flow routing options and simulation outputs of stormwater management models.Acta Ecologica Sinica,2016,36(14):4317-4326.