基于SWMM模型的南京秦淮區暴雨內澇風險分析

曹夢然，葉亞平，張其成，劉 蔚

(1.河海大學水文水資源學院，南京 210098；2.江蘇省蘇州市張家港市水務局，江蘇 張家港 215600)

0 引 言

城市化進程所帶來的下墊面硬化、海綿體萎縮等現實問題，加之日益復雜的全球氣候變化過程不斷耦合，使得城市地區暴雨內澇風險整體上升[1,2]。城市內澇災害風險作為自然風險與人為環境耦合的產物，已成為水文研究熱點[3]。

國內外學者對城市暴雨內澇的風險模擬、損失評估、應急響應以及風險預警等方面開展了大量研究工作[4,5]。李軍玲等[6-8]選取影響洪澇災害的多種不同因子構建組合權重評價體系，運用ArcGIS插值分析技術對各研究區進行洪澇災害發生風險分析；劉小梅等[9]基于水力模型對區域排水系統進行不同情景下的內澇風險評估，并根據模擬結果進行原因分析從而制定排水系統改造方案；謝五三等[10]基于FloodArea模型，通過多情景多歷時模擬得到研究區淹沒積水深圖譜；黃國如等[11,12]集成SWMM模型和ArcGIS軟件，構建研究區內澇模型，分析不同重現期下的暴雨徑流情況證明模型的準確性。此外，不少學者在災害風險分析的基礎上進一步進行應用研究分析，苑希民等基于水動力模型對研究區不同情景下不同下墊面類型內澇風險進行模擬分析[13,14]；王茜等[15]基于城市土地利用數據構建SWMM模型對城市內澇交通風險進行評價；殷杰[16]結合高精度地形表面模型與GIS空間分析工具對研究區進行雨洪情景模擬，并進一步對應急響應能力進行評價。

上述研究表明，基于情景模擬與ArcGIS空間分析技術對城市暴雨內澇災害風險進行分析具有可行性，在已有研究基礎上，本文以南京市秦淮區為例，通過SWMM模型和ArcGIS軟件耦合，構建暴雨內澇模型模擬計算不同重現期暴雨狀況下城市內部積水深變化過程，再綜合淹沒積水深度和淹沒時長兩個因素對研究區進行暴雨內澇風險分析，并通過GIS的空間插值分析工具對風險進行可視化表達。

1 城市暴雨內澇模型構建

1.1 研究區概況

南京市秦淮區，地處南京主城東南(北緯32.02°，東經118.80°)，是南京市四大主城區之一，總面積49.35 km2。屬于亞熱帶濕潤季風氣候區，全年雨水豐沛，年季間、月季間降水差異性較大，年內降水多集中于5- 9月汛期，汛期總降水可占全年降水總量的六至七成。年內易遭受梅雨、臺風外圍以及熱帶風暴影響，呈現出春雨、梅雨、秋雨三個多水階段。

研究區地貌以平原為主，間有若干座小山崗。高程值范圍基本處于5～30 m(吳淞高程系)。秦淮區屬長江流域秦淮河水系，區內自然河道與人工河道錯落，流域性河道外秦淮河穿境而過，將區域水系分為南北兩個相對獨立的片區。外秦淮河以北區域主要包含老城區水系及紫金山南麓水系，河道非汛期重力自排，或汛期機排，由北向南、由東往西排入外秦淮河。外秦淮河以南區域包含上位規劃南部新城區域水系，現狀水系結構較為破碎，整體以外秦淮河作為汛期泄澇通道(圖1)。

圖1 秦淮區水系圖Fig.1 River system of Qinhuai District

1.2 研究區SWMM模型構建

根據研究區現狀水系、地形地貌以及土地利用情況，結合研究區現狀河網水系及水利工程布局，構建研究區現狀條件的SWMM模型。其中地形數據采用30 m DEM數據圖，排水管網數據來自秦淮區排澇工程圖以及排水普查資料，排水片區以及用地類型數據來自《秦淮區總體規劃(2013-2030)》。

(1)排水管網概化。經過概化共得到207個連接節點，30個排放口節點，292段渠道管和8段水泵管(如圖2所示)。根據研究區排水普查資料，確定各管道的長度、坡度、糙率等參數，各節點和排水口的坐標、最大深度、底標高等參數，并對管道流向、偏移量以及整體布局形態進行校驗。

圖2 研究區排水管網概化圖Fig.2 Sketch map of study area drainage network

(2)匯水區劃分。《秦淮區總體規劃(2013-2030)》中將秦淮區劃分為11片大排水分區(如圖3所示)，在此基礎上，根據土地利用類型、社區街道布局以及就近排放原則，逐步細化匯水區。

圖3 秦淮區現狀排水分區示意圖Fig.3 Drainage zoning diagram of Qinhuai District

研究區內排水管網多沿道路鋪設，并以街道為單位進行支管銜接，因此在11片大排水分區的基礎上，結合街道布局進一步細化匯水區。但細化后的匯水區面積仍然較大，模型精度較低。因此依據土地利用現狀，結合用地類型進一步將匯水區細化。其中：研究區西部為老城區，用地多以住宅用地、商住、商辦混合用地以及行政辦公用地為主，開發程度高、各類用地邊界清晰，可根據用地類型適當進行細分；研究區南部現狀為郊區，大部分地區處于待建設或正在建設狀況，排水管網尚未接入，以保證下墊面均一為原則進行細化；研究區東部多為科研院所、住宅以及工業用地，同類型用地面積較大，密度較低，可根據用地類型進一步細化匯水區。

按照以上劃分原則，將研究區劃分為167個匯水區(如圖4所示)，劃分完成后，根據就近排放的原則對各回水區進行雨水出口設置，即將子匯水區的徑流就近接入節點或相鄰匯水區。

圖4 研究區子匯水區劃分示意圖Fig.4 Division of catchment area in study area

(3)SWMM模型相關參數校準驗證與確定。選擇徑流系數法對模型參數進行校準率定，依據不同地表類型徑流系數及某單一地表類型所占的面積，計算出研究區綜合徑流系數為0.60～0.75[17,18]。用芝加哥雨型法計算降雨情景，“校準降雨情景”P2采用降雨歷時2 h，雨峰系數0.45，重現期2年的單峰合成降雨；“驗證降雨情景”P1和P3分別采用降雨歷時2 h，雨峰系數0.45，重現期分別為1年和3年的2場單峰合成降雨[19,20]。校準過程中發現不透水糙率與不透水區洼蓄量2個參數靈敏度最高，因此對其進行多次迭代最終得到滿意度較高的參數校準集(表1)。

表1 運用徑流系數法的參數校準過程Tab.1 Calibration process of parameters using runoff coefficient method

然后采用“驗證降雨情景”對校準參數進行穩定性檢驗，P1和P3兩場降雨獲得的徑流系數模擬值分別為0.62和0.69，滿足徑流系數隨降雨強度增大而增大的規律，表明校準參數具有穩定性。最終確定的模型參數如表2所示。

表2 SWMM模型水文水力參數取值Tab.2 hydrologic parameters of SWMM model

1.3 不同重現期降雨過程計算

根據芝加哥雨型法推求出研究區T=3、10、30 a 三種不同重現期下2 h降雨量(表3)，再以5 mm為步長累計降雨強度，分配2 h暴雨過程。分配結果如圖5所示。

表3 研究區不同重現期下的2 h降雨量Tab.3 2 h rainfall at different return periods in the study area

圖5 研究區3種重現期下2 h降雨過程圖Fig.5 Rainfall process for 2 h under three recurrence periods in the study area

2 研究區雨洪情景模擬

2.1 淹沒風險等級劃分

結合《南京市中心城區排水防澇綜合規劃(2013-2030)》中的相關規定，即“至2020年，當中心城區出現30年一遇的降雨時，允許局部低洼地塊和道路存在不超過2 h短時積水，保證居民區底層住戶不進水”，采用綜合考慮積水深度、積水歷時兩項指標的方法進行內澇風險分析。

綜合考慮臺階高度、住宅構造等因素，分別設定150、300、500以及500 mm以上為閾值，將暴雨積水深度根據其影響程度劃分為低、中、高和極高風險等級。在此基礎上，根據積水歷時進一步進行劃分。由于不同重現期暴雨情景模擬下各節點積水歷時均低于2 h，滿足《南京市中心城區排水防澇綜合規劃(2013-2030)》中的規劃，因此參考相關研究選擇1、2 h兩個閾值，進一步對4個風險等級進行劃分。具體劃分標準如表4所示。

表4 內澇風險等級劃分標準Tab.4 Waterlogging risk classification standard

2.2 不同重現期暴雨積水空間模擬

在SWMM模型中分別模擬研究區P=3、10和30 a時暴雨過程，可得到子匯流區徑流量、節點溢流和管道流量負荷等模擬計算結果。選用不同重現期下研究區節點洪流模擬結果，通過庫容曲線法確定研究區各節點的“水位-流量”曲線，將模擬結果中各節點溢流量在相應曲線中進行插值運算，得到不同重現期降雨情境下各節點的積水情況。

(1)P=3 a情景。3 a一遇的降雨總深度66.85 mm，最大雨強124.68 mm/h，地表徑流47.46 mm。該情境下，研究區積水點共29處，6處積水深大于0.30 m，其中積水深度最大的節點積水深0.56 m，位于紅花街道響水河與機場河圩區內，其余5處分別位于撇洪溝左側區域(積水深0.49 m)、夾崗東西巷(積水深0.42 m)、雙塘街道豆腐坊29號(積水深0.39 m)、大光路街道象房西村(積水深0.35 m)和光華路街道四方新村(積水深0.35 m)。

(2)P=10 a情景。10 a一遇的降雨總深度87.76 mm，最大雨強163.68 mm/h，地表徑流67.80 mm。該情境下，研究區積水點共53處，15處積水深大于0.30 m，分別為：光華路街道4處、紅花街道4處、月牙湖街道1處、大光路街道3處、雙塘街道1處、秦虹街道1處、中華門街道1處，積水深度最大節點與3年一遇一致，積水深0.80 m。積水點整體呈現南片、東片積水深度大，西片老城區分布密集的情勢。

(3)P=30 a情景。30 a一遇的降雨總深度106.84 mm，最大雨強199.20 mm/h，地表徑流86.57 mm。該情境下，積水深度最深節點仍與上述情景一致，積水深1.25 m。研究區積水點共68處，34處積水深大于0.30 m，分別為：光華路街道4處、紅花街道6處、月牙湖街道3處、大光路街道5處、雙塘街道3處、秦虹街道3處、中華門街道3處、瑞金路街道2處、五老村街道1處、夫子廟街道2處、洪武路街道2處。與P=10 a情景相比，整體情勢一致，西部老城區積水點個數出現大幅增加。

繪制3個情景下出流口流量過程線(圖6)，可看出模擬結果較穩定，隨降雨強度增加，流量峰值增加，峰現時間提前，且模型模擬結果中易澇地區分布多處于圩區和排澇設施建設薄弱地區，與理論規律相符合，證明該模型模擬結果具有較高的可靠性。

圖6 研究區系統出流口3種重現期下的流量過程線Fig.6 Flow process lines under three recurrence periods of system outlet in study area

2.3 不同重現期暴雨內澇風險分析

按照內澇風險等級劃分標準，通過ArcGIS空間差值運算對研究區內澇風險分布進行分析，得到3種不同重現期暴雨情景下研究區的內澇風險分布圖。

根據ArcGIS空間插值計算得出的內澇風險分布圖(圖7)顯示，當遭遇3年一遇暴雨情況時，秦淮區內澇風險情況整體為東南部風險等級偏高，風險范圍廣，西北部大部分地區無風險或者低風險。極高風險1級、2級各1處，均位于響水河流域內，其原因有二，一是該地區屬于圩區，地勢低洼，易產生積水，屬于易澇地區，且響水河水系結構破碎，排水不暢，孕災環境敏感；二是該區域為未開發地區，排水管網覆蓋度低，導致區域雨水收集排放不及時。此外，研究區大體形成三大風險片區，分別是南部片區響水河-機場河圩區、青年河和東片安江河圩區以及西部老城區雙塘、大光路和瑞金路街道。

圖7 P=3 a情景下內澇風險空間分布圖Fig.7 Spatial distribution of waterlogging risk under P=3 a scenario

根據內澇風險空間分布圖(圖8)顯示，當遭遇10 a一遇的降雨時，秦淮區無風險區域范圍大幅減小，三大風險片區仍為主要風險區，且風險范圍擴大、風險等級上升。與P=3 a相比，西北部老城區風險值增加，出現多處零散分布的中低風險區域，主要集中在雙塘、大光路和瑞金路街道，此外，西北部也開始出現小范圍極高風險2級區域，分別位于雙塘街道豆腐坊29號居住區和瑞金路街道御河新村，該區域為人口密度較高的住宅區域，該風險等級會造成居民房屋進水，危及居民人身財產安全。

圖8 P=10 a情景下內澇風險空間分布圖Fig.8 Spatial distribution of waterlogging risk under P=10 a scenario

內澇風險空間分布圖(圖9)顯示，30 a一遇暴雨時，研究區無風險區域進一步縮小。老城區中高風險點明顯增多且呈現數量多、范圍小、分布散的特點。此外極高風險區域數量增加，且多分布在老城區的雙塘、中華門、大光路等人口稠密的住宅聚集區，內澇風險將會導致大量居民住戶進水，對居民生活造成很大影響，對地面及地下交通、地下商場造成很大災害，亟需引起重視。

圖9 P=30 a情景下內澇風險空間分布圖Fig.9 Spatial distribution of waterlogging risk under P=30 a scenario

綜上所述，伴隨降雨強度的增加，研究區呈現風險等級增高、影響范圍擴大、影響程度加深的趨勢。在空間分布上，研究區主要有三大風險片區，分別是南部片區響水河-機場河圩區、東片青年河和安江河圩區以及西部老城區雙塘、大光路和瑞金路街道。其中東部、南部片區主要原因為圩區地勢低洼，易于產生積水，區內水系較為破碎且存在不同程度淤積現象，且區域開發程度較低，排水管網標準和覆蓋程度較低，雨水收集排放不及時；西部老城區因其主要為分布較為密集的老式住宅小區，排水管網標準較低。

3 結 語

(1)耦合ArcGIS和SWMM模型，綜合考慮淹沒積水深度和淹沒時長兩個因素劃分8個風險等級，對研究區進行P=3、10和30 a情景下的暴雨內澇風險分析，并用內澇風險空間分布圖來直觀表達研究區內澇風險等級的空間分布。

(2)研究發現研究區主要存在三大內澇風險片區，且隨著暴雨強度的增加，西部老城區的風險高值區域數量增加，分布零散；而東南部風險高值區域則呈現數量變化不大，影響范圍擴大的趨勢。

(3)本次研究在進行內澇風險分析時將研究區作為一個整體承災體進行宏觀分析，后續研究中可進一步細化到以不同用地(如道路、住宅等)作為承災體的微觀分析，加強分析結果的直觀性與實際指導意義。