基于降雨情景模擬的城市社區尺度暴雨內澇研究

石小芳 ，趙明潔，楊青青，張菲菲，吳燕娟，高 超

(1. 寧波大學 地理與空間信息技術系，浙江 寧波 315211；2. 寧波陸海國土空間利用與治理協同創新中心，浙江寧波 315211；3. 寧波大學 東海研究院，浙江 寧波 315211；4. 安徽師范大學 地理與旅游學院，安徽 蕪湖 241000)

全球氣候變化和海平面不斷上升的背景下，頻繁發生的城市暴雨內澇災害已經引起了國際社會和各國政府的高度重視和廣泛關注，成為自然災害領域的研究熱點[1-2]。基于情景分析的內澇模擬與預測是深入研究暴雨內澇形成機理、有效應對城市暴雨內澇災害的重要技術手段，極大地提高了內澇災害風險評估的精度，既可應用于災害預警預報、動態監測、災情調查評估，也可應用于不同災害情景下災情的預測[3]。諸多學者采用情景分析方法對城市內澇進行研究，Bakhshipour等[4]利用GBI模型，用若干設計風暴來評估不同方案的彈性和可持續性，為評估和決策提供依據。Jang等[5]對比了3種進水口模擬洪水從降雨到地表徑流和下水道的水流動力學。楊辰等[6]基于1～24 h內的不同降雨情景，構建上海內澇評估模型，模擬了暴雨內澇的積水范圍和積水深度。王穎等[7]通過同頻率放大方法構建暴雨情景，利用SWAT模型獲取了不同重現期的洪峰過程以及積水淹沒情況。

目前，內澇情景模擬多是利用城市暴雨強度公式構建暴雨情景，通常未區分不同類型的暴雨。暴雨成因不同所導致的暴雨內澇特征也可能有很大差異[8-10]。研究表明暴雨的時程分布、歷時、平均雨強等均是引發城市內澇的重要影響因素[11]。為此，通過構建臺風和非臺風暴雨情景，基于SWMM模型對寧波地區進行社區尺度暴雨內澇模擬，對比分析臺風和非臺風暴雨內澇的特征及其差異，以期為城市暴雨內澇的研究提供新思路，為沿海城市暴雨內澇防治提供數據支撐。

1 研究區概況

寧波市位于長江三角洲南翼，地勢整體呈西南高東北低，中部為平原，河網密集，城內三江交匯，降水主要分布在汛期（5—10月），占全年降水量的65%。選取位于寧波市鄞州區的賀丞社區為研究區（圖1），總面積約為27.4萬m2。社區包含演武花園、賀丞小區等10個小區，鎮安小學、鎮安菜場等教育生活配套設施，是典型的居住型社區。賀丞社區建成于20世紀末，排水系統設計重現期較小，且緊鄰河網，易遭受暴雨內澇侵襲。如2018年受臺風“山竹”影響，導致社區多處積水，成為內澇重災區。

圖 1 研究區地理位置Fig. 1 Geographical location map of the study area

2 研究數據與方法

2.1 數據來源

本文氣象數據來源于中國氣象局國家氣候中心提供的1971—2019年日降水數據和寧波市鄞州區氣象局提供的2014—2019年逐小時降水數據，臺風路徑數據來自于中國臺風網（http://tcdata.typhoon.org.cn）；浙江省實時水雨情監測預警網提供的逐小時潮位監測數據；寧波市規劃與地理信息中心提供的研究區排水管線CAD圖（比例尺為1∶1 000）、空間分辨率為6 m的DEM數據、土地利用數據（比例尺為1∶10 000）和土壤數據（比例尺為1∶1 000 000）。

2.2 臺風降水分離方法

確定臺風降水分離原則[12]如表1所示，即受臺風影響的氣象站點在距離臺風中心的規定范圍內且在受臺風影響期間的降水，則認為是臺風降水。結合《熱帶氣旋年鑒》和《寧波市水情年報》等資料驗證得到在1971—2019年間有58個臺風給寧波帶來暴雨。

表 1 影響臺站的臺風強度和距離定義Tab. 1 Definition of intensity and distance of typhoon affecting meteorological observation stations

2.3 SWMM模型構建

SWMM（Storm Water Management Model）模型是目前最完整的對降雨-徑流-水質模擬的模型之一，主要基于地表徑流、下滲和管網匯流等3個物理過程來模擬城市暴雨內澇中的水量，已被廣泛應用于城市暴雨洪水模擬和排水系統的設計規劃中[13]。

圖 2 研究區排水管網和子匯水區劃分Fig. 2 Drainage network and subcatment of the study area

2.3.1 SWMM模型概化 賀丞社區SWMM模型構建的基礎是排水管網概化和子匯水區劃分（圖2）。基于排水管網數據，結合管道長度和管徑大小，將研究區域排水管網概化為64個管道（G）和64個節點（J）。將排放口（P）設置在中塘河與奉化江的交匯處。根據下墊面的建筑和道路分布節點情況，將研究區人工劃分為59個子匯水區（S）。子匯水區主要參數有特征寬度、坡度、不滲透率、地表漫流粗糙系數、洼地蓄水等。

特征寬度是指子匯水區內雨水徑流的地表漫流寬度，由子匯水區面積與最大地表漫流長度在ArcGIS中計算獲得。子匯水區的特征寬度范圍為86.17～19.63 m。坡度是指子匯水區的平均百分比坡度。基于DEM數據，利用ArcGIS表面分析計算百分比坡度，通過分區統計可得各子匯水區的平均坡度為2.09%。

2.3.2 模型參數設置與校準 SWMM模型參數分為確定性參數和不確定性參數兩類。確定性參數有節點標高、管道長度、子匯水區面積、坡度等，通過查詢資料或者測量計算得到。不確定性參數有曼寧系數、洼蓄量、下滲等。由于缺乏模型校準的實測數據，采用綜合徑流系數法[14]，即對比研究區綜合徑流系數與模型模擬的綜合徑流系數，對參數進行多次迭代調整。研究區綜合徑流系數與土地覆蓋類型相關，可以通過面積加權估算。模型模擬的綜合徑流系數可由區域總徑流量與總降雨量計算得到。以徑流系數作為校準的目標，利用土地覆蓋類型加權計算得到的研究區模擬綜合徑流系數的校準目標為0.68。參數校準后為0.679，與校準目標的變差系數為0.14%，符合5%的誤差范圍。

2.3.3 邊界條件設置 將SWMM模型的排放口邊界條件的類型設置為兩類，在非臺風暴雨情景中，假設模型排水完全不受奉化江潮位變化的影響，排放類型設置為固定型（FIXED）；在臺風暴雨情景中，排放類型設置為潮汐型（TIDAL）。潮汐數據選擇2019年8月9日12:00—23:00“利奇馬”臺風期間寧波站的潮位數據（圖3）。

圖 3 潮汐曲線Fig. 3 Tidal curve

3 臺風與非臺風暴雨情景構建

寧波降雨年內分布不均，降雨量主要集中在5—11月，由長江中下游的梅雨季和臺風影響帶來的降水。選取1971—2019年的5—11月對臺風與非臺風暴雨進行分析。非臺風降雨量在6月最大。臺風降雨的降雨量和降雨日均為8月最大。暴雨量和暴雨日均呈現雙峰特征，峰值為6月和8月，6月主要受梅雨鋒影響，8月主要受臺風影響。

3.1 臺風與非臺風暴雨時間變化特征

臺風和非臺風暴雨強度年際變化見圖4，暴雨強度為該年暴雨量和暴雨次數的比值[15]。在1971—2019年間，臺風和非臺風暴雨強度均呈上升趨勢，通過0.05的顯著性檢驗且變差系數分別為0.72和0.39，多數年份臺風暴雨強度高于非臺風暴雨強度。

圖 4 1971—2019年臺風和非臺風暴雨強度年際變化Fig. 4 Interannual variation of intensity in typhoons and non-typhoon rainstorm from 1971 to 2019

臺風和非臺風暴雨強度月際變化見圖5，可見臺風暴雨強度在10月最大，達102.1 mm/次，7月最小為70.1 mm/次；非臺風暴雨強度在8月最大為71.2 mm/次，在10月最小僅57.4 mm/次。

圖 5 1971—2019年臺風和非臺風暴雨強度月際變化（單位: mm/次）Fig. 5 Monthly variation of intensity in typhoon and nontyphoon rainstorm from 1971 to 2019 (unit: mm per time)

臺風和非臺風暴雨強度日變化如圖6所示。臺風暴雨強度的高值區出現在5:00—7:00，峰值在6:00。非臺風暴雨強度的高值區在4:00—9:00，峰值則為9:00。

從波動幅度上看，不同時間尺度下，臺風暴雨的波動幅度均大于非臺風暴雨的波動幅度。臺風和非臺風降雨的持續時間具有顯著差異，臺風降雨持續時間受臺風路徑和強度影響，臺風影響時間越長，降雨時間持續越長；非臺風降雨中暴雨的持續時間多為1 d，但可在數天的持續性降雨過程中多次出現。

圖 6 2014—2019年臺風和非臺風暴雨強度日變化Fig. 6 Diurnal variation of intensity in typhoon and non-typhoon rainstorm from 2014 to 2019

3.2 臺風與非臺風暴雨情景構建

設計雨型由設計降雨量和降雨結構組成[16]。設計降雨量一般由頻率分析獲得，設計降雨結構選取同頻率分析法，即通過選擇實測典型暴雨過程，按同頻率放大后作為設計雨型，可較好地反映地區降雨特征。根據臺風與非臺風暴雨的時間變化特征，分別選取2019年臺風“利奇馬”造成的臺風暴雨和2017年6月的一場非臺風暴雨為例，由于夜間邊界層內的慣性震蕩導致水汽通量輻合增強，02:00—08:00降水增強；白天邊界層混合較強摩擦力增大，低空急流減弱，14:00降水減弱[17]。以其最大12 h降雨過程進行臺風和非臺風暴雨雨型設計，結果見圖7。

圖 7 最大12 h降水量設計雨型Fig. 7 Design storm pattern for maximum 12-hour precipitation

4 臺風與非臺風暴雨內澇模擬與分析

基于構建的臺風和非臺風暴雨情景，利用SWMM模型進行模擬，從降雨開始時至降雨結束后12 h，模擬時間為24 h。從排水河道、排水管道和暴雨內澇程度3個方面對模擬結果進行分析。

4.1 不同重現期下排水河道模擬結果分析

河道下游的水位和流量變化幅度最大，受影響的時間最長。因此，選取河道下游水位和流量進行不同重現期的對比分析，如圖8所示。可見，臺風暴雨情景下，在高潮位時不同重現期的水位與潮位保持一致，均超過警戒水位（1.90 m）；隨著重現期的增大，河道水位和流量受潮位和降雨共同影響，但主要受潮位影響，易發生倒灌。在非臺風暴雨情景下，河道水位受降雨影響，隨著重現期的增大而增大。在重現期T=100 a時，河道水位最高為1.39 m，未超過警戒水位。

圖 8 臺風暴雨和非臺風暴雨情景下河道水位Fig. 8 River water level in storm and non-typhoon scenarios

4.2 不同重現期下超載與洪流結果分析

臺風和非臺風暴雨情景下，節點與管道的超載個數、超載時數均隨著重現期的增大而增大。由表2可知，在不同重現期下，節點和管道幾乎都發生超載，平均超載時數幾乎全超過10 h以上。節點超載個數和管道超載個數達52個以上，臺風暴雨情景下的超載時數和個數均多于非臺風暴雨情景，主要受潮位影響，超載更嚴重，節點深度和管道深度更易達到最大深度。

表 2 臺風和非臺風暴雨情景下節點洪流情況Tab. 2 Node flooding in typhoon and non-typhoon rainstorm scenario

臺風和非臺風暴雨情景下，洪流節點數、最大洪流時數、最大洪流速率、總洪流容積均隨著重現期的增大而增大。在重現期T為2、5 a時，洪流節點數在臺風暴雨情景小于非臺風暴雨情景，主要受雨型和雨峰值影響。由暴雨日變化特征可知，臺風和非臺風暴雨雨峰分別出現在6:00和9:00。總體上，受潮位影響，臺風暴雨情景下的超載更嚴重，排水管網負荷率更高，更易發生節點洪流。

4.3 不同重現期下暴雨內澇情況分析

節點發生洪流若不能及時排出會造成子匯水區內地表積水，進而導致暴雨內澇。暴雨內澇程度與積水歷時和積水深度有關，積水歷時越長，積水深度越深，則影響越嚴重。結合研究區的實際情況，將研究區暴雨內澇劃分為地表積水、輕度內澇、中度內澇和重度內澇4個等級。以積水深度15 cm作為發生地表積水和暴雨內澇的臨界值，積水深度達60 cm且積水歷時超過6 h定義為重度內澇。由于研究區的積水歷時無法直接獲取，則以洪流時數代替，節點發生洪流時地表一直在積水。積水區域為洪流節點附近，最大積水面積為洪流節點所在子匯水區內可能發生積水的最大面積，由ArcGIS計算子匯水區與節點地表高程相差小于60 cm的區域面積得到。積水深度由子匯水區內各洪流節點的總容積與積水面積計算得到。

臺風和非臺風暴雨情景下不同等級的暴雨內澇和洪流節點分布情況見圖9。隨著暴雨重現期的增大，研究區內的積水區域逐漸由零散分布到連片分布，南演武街及王隘路之間的區域內澇最為嚴重，排水河道以北的區域僅在重現期為100 a的臺風暴雨情景下有子匯水區S6發生地表積水。在臺風暴雨情景下，T=2 a時，有4個子匯水區發生內澇，2個子匯水區發生地表積水；T=100 a時，有17個子匯水區發生內澇，11個子匯水區發生地表積水，占總內澇區域的76.5%。在非臺風暴雨情景下，T=2 a時，有3個子匯水區發生內澇，1個子匯水區發生地表積水；T=100 a時，有15個子匯水區發生內澇，8個子匯水區發生地表積水，占總內澇區域的80%。臺風和非臺風暴雨情景下的易澇的子匯水區為S28、S31、S43、S47、S50和S52，重現期為T=20 a時均發生重度內澇，積水歷時超過9.3 h，積水深度超過61.7 cm。

圖 9 臺風和非臺風暴雨情景下暴雨內澇與洪流節點分布Fig. 9 Distribution of rainstorm waterlogging and flooding nodes under typhoon and non-typhoon rain scenarios

對比不同等級暴雨內澇的發生數量，在相同重現期下，臺風暴雨情景下發生暴雨內澇的子匯水區數量和等級均多于非臺風暴雨情景，發生暴雨內澇的子匯水區數量和內澇等級隨著重現期增大而增加。因此，臺風暴雨情景的積水歷時更長，積水深度更大，內澇更嚴重。

4.4 討 論

暴雨是導致城市內澇的直接致災因子，我國東南沿海城市暴雨的成因是梅雨期持續性降水和臺風影響。臺風和非臺風暴雨內澇特征存在明顯差異，臺風降雨持續時間受臺風路徑和強度影響，連續性暴雨比例高，降雨更為集中且有暴雨中心位置；非臺風暴雨可在持續數天的降雨過程中多次出現雨峰，降雨過程相對較長。與林志東等[18]統計分析得出的東南沿海地區洪水時空變化特征差異顯著的研究結果一致。臺風和非臺風暴雨情景下，隨著重現期的增大，發生內澇的子匯水區數量和洪流節點數量都不斷增加，內澇等級也不斷提升。相同重現期下，臺風暴雨內澇更嚴重，說明研究區的暴雨內澇與降雨強度有關，降雨強度越大，短時強降水不易及時排泄，導致內澇形成；同時，臺風帶來的風暴潮影響排水系統運行，加劇暴雨內澇。研究區排水節點和管道超載比例均高于81.3%，內澇最嚴重的區域其排水管道的管徑多為300 mm，排水管網負荷率高，排水管網超載時數以大于9 h的為主；管徑為500和800 mm的區域管網超載時數較少，在重現期T=10 a時，才開始發生暴雨內澇。說明研究區暴雨內澇與管徑有關，管徑較小，管道負荷率較高，易發生超載和節點洪流。對比臺風與非臺風暴雨內澇，臺風暴雨內澇受潮位影響發生倒灌，節點與管道超載、節點洪流、內澇積水都更嚴重。這與苗小波等[19]分析得出的潮水頂托嚴重影響雨水管網排水能力、增加內澇風險的結論大體一致。同時也表明細化暴雨內澇的致災因子進行區分研究是合理的，區分兩種不同類型的暴雨內澇，對于深化東南沿海城市暴雨內澇的研究具有重要意義[20-21]。針對以上分析，研究區有必要對部分排水管網進行重新規劃調整，增大易澇區域排水管道的管徑，降低管道負荷；調整部分排水節點的內底標高；增加下墊面透水性，特別是地勢較低的區域，降低暴雨內澇風險。

受小時尺度降水數據限制，得出的臺風與非臺風暴雨日變化波動性較大，峰值出現時間與王穎等[15]研究浙江夏季降水日變化特征的結論有一定差異。同時，理想化了SWMM模型邊界條件，臺風與非臺風暴雨和奉化江潮位之間的變化關系需要進一步深入研究。

5 結 語

從暴雨成因角度，將城市暴雨內澇的致災因子分為臺風暴雨和非臺風暴雨兩類，構建臺風和非臺風暴雨情景，利用SWMM模型進行社區尺度暴雨內澇模擬，對比分析寧波市臺風和非臺風暴雨內澇的特征及其差異，主要結論如下：

（1）臺風和非臺風暴雨在變化趨勢、分布特征和時程分布上存在明顯差異。臺風和非臺風暴雨強度的年際變化均呈上升趨勢，且臺風暴雨的上升趨勢更明顯，臺風和非臺風暴雨強度的變差系數分別達0.72和0.39。臺風暴雨強度在各月均大于非臺風暴雨強度，臺風和非臺風暴雨強度日變化峰值分別在6:00和9:00。

（2）臺風暴雨情景下，河道水位和流量主要受潮位影響，河道水位與潮位保持一致，均超過1.90 m警戒水位，易發生倒灌。在非臺風暴雨情景下，河道水位和流量主要受降雨影響，隨著重現期的增大而增大，但河道水位均未超過警戒水位，最高河道水位為1.39 m。

（3）臺風和非臺風暴雨情景下，研究區節點與管道的超載個數、超載時數、發生內澇的子匯水區數量和等級均隨重現期的增大而增大，積水區域由零散分布到連片分布，排水節點和管道超載比例均高于81.25%，超載時數大于6 h的節點和管道比例均高于51.56%。在相同重現期間下，臺風暴雨內澇超載更嚴重，積水歷時更長，積水深度更大，排水管網負荷率更高，節點洪流更嚴重。