基于SWMM模型的城市內澇模擬
——以廣州市海珠區為例

沈 迪，武海霞，2，龍 巖，康愛卿

（1.河北工程大學水利水電學院，河北 邯鄲 056038；2.河北省智慧水利重點試驗室，河北 邯鄲 056038；3.中國水利水電科學研究院，北京 100038）

1 引言

極端天氣的頻繁出現導致城市洪澇災害頻繁發生。近幾年，城市“看海”現象已成常態，由暴雨造成的洪澇災害成為城市發展進程中亟待解決的問題，城市防洪減災已成為災害防治的重點領域，因此開展城市內澇模擬研究對我國城市科學防治洪澇災害具有十分深遠的意義。

目前，國內外對內澇模型的研究已經取得了較多的成果。麻蓉等[1]構建MIKE21二維水動力模型模擬了研究區域的積水過程；黃國如等[2]基于GIS和SWMM開發的暴雨積水計算模塊可以很好地模擬出研究區域的水深、積水面積等信息；王兆禮等[3]利用SWMM和TELEMAC-2D模式建立了TSWM耦合模型，該方法可適用于城市復雜地區的內澇模擬。國外已有多款成熟的城市內澇模型，如SWMM、PCSWMM、MIKE URBAN、Wallingford ICM等可供選擇進行內澇模擬研究[4]。SWMM作為一款成熟且開源的一維水動力模型，受到了大量學者的青睞并對此進行了深入的研究。構建SWMM與GIS耦合模型進行內澇模擬研究的方法運用最為廣泛，但該方法較為復雜且計算相對繁瑣。因此，尋找一種簡便地將SWMM模型運用于內澇模擬的方法至關重要。

內澇的主要成因分為地勢低洼、雨水篦子堵塞、集水能力不足、管道堵塞、管道排水能力不足、檢查井溢流、河流倒灌等，其中檢查井溢流往往會造成嚴重內澇積水，其主要原因為地面降雨所產生的產匯流超出土壤下滲量，雨水及雨污合流管道積水溢出。SWMM模型能較好地計算暴雨條件下研究區域經下滲、蒸發、地下徑流、排水系統輸出等方式的水循環后留存于地表的積水量，模型輸出結果為各管網點的溢出水量。通過構建積水點的庫容曲線，實現對內澇積水點深度的模擬。因此，結合SWMM模型可以實現對城市管道在一定降雨條件下內澇積水點積水深度的模擬。

2 研究區域概況與研究方法

2.1 研究區域概況

廣州市屬于亞熱帶海洋季風性氣候，降雨具有強度大、集中且頻率高的特點。廣州不僅年降雨量大，且由于地勢低洼等原因，內澇十分嚴重。據2021年實測數據統計，初步確定易澇點為474個，其中位于中心6區天河區、越秀區、白云區、黃埔區、荔灣區、海珠區易澇點個數為273個，其余外圍5區易澇點個數為201個。2022年4月23日，據國家級氣象觀測站統計廣州累計降雨量達到115.3 mm，局部地區降雨強度達到120 mm/h；中心6區部分內澇點積水深度達到1 m以上，給交通通行帶來了極大阻礙，造成了不可挽回的社會財產損失。

本研究區域為廣州市海珠區廣州市國際會展中心5號門，北側臨珠江，南側臨黃埔涌，西側為華南快速路，東側為科韻南路，面積0.097 km2。研究區域自然地勢北高南低，排水方向從北至南；多年平均年雨量在1673～2004 mm，其中汛期4—9月降雨量占全年的80%左右；年降雨日數在150 d左右；年平均氣溫在21.6～22.6℃。研究區域內匯水區下墊面不透水區面積平均達到83.67%，平均最大入滲能力為63.298 mm/h，平均最小入滲能力為8.233 mm/h，且該研究區域內管道管徑平均為0.58 m，由此可見該研究區域在集中暴雨的情況下極易產生內澇，是常見的內澇點之一。

2.2 研究方法

本文利用ArcGIS空間數據處理功能對研究區域的原始數據進行處理，得到對應的管網、檢查井、排水口等建模數據。結合SWMM模型，建立內澇積水點分析模型。通過內澇拓撲關系得出內澇積水點對應的檢查井，通過SWMM模擬，將檢查井的溢出點地表視為一個蓄水池，根據實測降雨模擬得出的溢流量以及內澇積水點的實測積水數據，得出對應的庫容曲線，通過模擬不同的降雨場次得出模型輸出節點的溢流量，再采用插值的方法得出對應的積水深度，實現對內澇點積水深度的預測。通過不斷增加降雨場次對應內澇積水點的實測數據，進一步完善內澇點的庫容曲線，從而達到對內澇深度及內澇等級的精準預報，以幫助決策者優化決策和建議，減少城市暴雨帶來的損失。

3 模型搭建

3.1 基礎數據構建

3.1.1 地表數據

地表數據是分析內澇積水情況的基礎，本文采用廣州市最新地表高程數據，即DEM柵格數據。真實的地表高程數據能夠準確地反映出匯水區內積水的流向以及積蓄情況，是模型構建的基礎。在SWMM模型中，根據DEM數據統計得出各子匯水區的坡度大小。

3.1.2 匯水區劃分

對研究區域內概化后的檢查井進行泰森多邊形劃分，各子匯水區出口為對應的排水結點。根據街區，對水系進行進一步的劃分，修改匯水區的范圍，結果得到35個子匯水區，在ArcGIS中對其進行面積統計計算，其中最大的5640 m2、最小的280 m2。

3.1.3 土地利用類型數據

土地利用類型反映土地的利用形式和功能，是區分土地利用空間地域組成單元的過程。對土地利用類型進行較為明晰的劃分可以更好地確定各子匯水區的不確定性參數，進而幫助率定工作的開展。研究區域內的土地利用類型有房屋、道路、水系、植被、工況5類，根據已有的土地利用類型SHP數據，借助ArcGIS的交集制表工具，可以得到每個子匯水區中各土地利用類型占比。

3.1.4 管網系統概化

在建立模型的過程中，管網的數據處理是一個非常關鍵的環節，其處理質量將直接影響到模型的模擬效果。由于管網自身資料的局限性和模型本身的復雜性，無法將原有的管網資料直接納入模型中進行計算，因此必須對原有管網進行概化。在保證模型精確度的前提下，對研究區域內的主管、副管進行合理選取，放棄短小、管網混亂的管道，最終概化得到35根管道、35個檢查井、1個出水口。區域管網概化如圖1所示，管道及檢查井部分參數詳見表1—2。

圖1 管網概化

表1 管道參數

表2 檢查井參數（部分）

3.2 SWMM模型構建

3.2.1 模型選取

本文選用SWMM模型對研究區域進行模擬。SWMM模型是由美國環保署設計研發的雨洪模型，目前最新版本SWMM5.1主要包括水文、水力、水質等多個模塊。自模型開發以來，由于其界面友好、易于操作且代碼開源等優勢被廣泛應用于城市地區雨水徑流、合流管道、污水管道和其他排水系統的規劃、分析、設計及LID設施布局效果評價[5]。

SWMM模型的計算包括產流模塊、匯流模塊、管網匯流模型三大部分。SWMM模型首先將研究區域劃分為若干個子匯水區，在各子匯水區內又分為透水區、無洼蓄量的不透水區和有洼蓄量的不透水區，然后在各子匯水區之內分別進行產流計算和匯流計算。透水區產流受入滲過程的影響。在SWMM中設置了3種入滲模型，即Horton模型、Green-Ampt模型、SCS曲線數法。Green-Ampt模型需要大量明確的土壤數據；SCS曲線數法只能反映出流域的下墊面情況，而非降水過程，僅適用于大流域；Horton模型在城市小流域降雨徑流模擬中經常采用。因此，本文采取Horton模型進行下滲計算。SWMM利用非線性水庫原理進行地表匯流演算，每個子匯水區被概化成一個非線性水庫，通過疊加得到最終的出流過程。SWMM模型在管網匯流模塊中提供了穩定流法、運動波法、動力波法3種演算方法，可用于模擬不同復雜程度的非恒定流運動。本文采用動力波法進行管網匯流演算。

3.2.2 參數確定

SWMM模型的參數包括確定性參數和不確定性參數。其中，確定性參數可以通過實地測量或者借助ArcGIS的空間處理功能得到，主要包括子匯水區面積、坡度、不透水百分比等物理參數；不確定性參數一般由于受到各種條件的限制無法得到準確的數值，如不透水區曼寧系數和透水區曼寧系數、不透水區洼蓄量和透水區洼蓄量、管段曼寧系數、最大入滲率、最小入滲率、衰減常數等經驗參數。不確定性參數的初始值參考SWMM模型應用手冊以及室外排水設計標準（GB 50014-2021），并結合相關文獻確定。匯水區的物理參數，詳見表3。

表3 匯水區物理參數（部分）

由于不同土地利用類型具有不同的參考值，且各區域的土地利用類型所占的面積比例也不盡相同，因此在參數設置中首先對不同土地利用類型設定不同的不確定性參數，再根據面積占比加權平均計算各子匯水區的不確定性參數，詳見表4。

表4 匯水區經驗參數（部分）

4 模擬結果

利用已經構建完成的模型，輸入2021年7月28日、7月29日、7月30日、8月7日、8月9日，2022年4月18日、4月19日、4月23日、5月10日、5月11日、5月12日共計11場降雨數據，其中將7月28日、7月29日、7月30日、8月7日作為率定場次，將8月9日、4月18日、4月19日、4月23日、5月10日、5月11日、5月12日作為驗證場次。11場降雨積水對應的總降雨量、最大降雨強度、積水深度，詳見表5。

表5 降雨積水

城市內澇點主要根據積水深度劃分為輕度內澇、中度內澇、重度內澇3個等級。當積水深度大于0.15 m小于0.3 m時為輕度積水，當積水深度大于0.3 m小于0.5 m時為中度積水，當積水深度大于0.5 m時則屬于重度積水。當積水等級達到中度及重度積水時，對行人、交通車輛安全會造成嚴重影響。在11場降雨積水中該內澇點有5場達到了中度積水標準，由此可見該內澇點亟待整治，以免造成不可挽回的社會財產損失。對比2021年8月9日與2022年5月12日實測數據以及對比2021年7月28日和2021年8月7日實測數據，可知當研究區域最大降雨強度相等時，總降雨量大小對積水深度無明顯影響，而當總降雨量相近時，最大降雨強度對積水深度有較大影響。由此可知，短時間內降雨量的大小對管道溢流量有較大影響，因此提升管道的過流能力能有效改善內澇積水。

將2021年7月28日、7月29日、7月30日、8月7日作為率定場次得出積水深度對應檢查井溢流量的庫容曲線，詳見表6。

表6 庫容曲線

由表6可知，當檢查井溢出量達到1256.311878 m3時，積水深度達到最大值0.41 m，屬于中度積水。將其余場次作為驗證場次帶入模型中，利用已知的庫容曲線進行插值，得到模擬積水深度，模擬與實測結果對比詳見表7。

表7 模擬與實測結果對比

由表7可知，所有積水點積水等級模擬結果均與實測積水等級相符，誤差最大僅為0.06 m，實測最大積水深度與模擬最大積水深度平均相對誤差為5.41%，積水等級完全相符。其中，8月9日、4月23日、5月12日模擬結果與實測結果均為中度積水，其余驗證場次因降雨量及降雨強度過小均沒有產生積水。

5 結論

本文以廣州市海珠區內澇積水點為例，結合SWMM模型構建出符合實際情況的排水管網模型，主要結論如下。

（1）提出基于SWMM的城市內澇模型，其實測最大積水深度與模擬最大積水深度平均誤差為5.41%，驗證場次積水等級精確度達到100%，表明本文提出的內澇深度模型具有良好的精度。

（2）簡化了傳統的二維地表模型，忽略了地形及地表面積對水深的影響，縮短建模步驟，減少了模型的計算量，大大提高了模型的運行效率。

然而，當暴雨強度超過模型輸入降雨強度極值時，實測最大積水深度與模擬最大積水深度偏差較大。隨著降雨積水數據的增加，模型的庫容曲線會逐漸豐富，該模型的適用性及精度會逐步提高。本文可為該地區內澇防治預警預報提供有效的參考。