CN111062125B - 海绵型综合管廊水文效应评估方法 - Google Patents

Abstract

本发明公开了一种海绵型综合管廊水文效应评估方法，包括获取研究区域的基础数据；根据研究区域的基础数据构建SWMM模型，并根据SWMM模型获取传统开发情景和传统综合管廊情景下的水文效应；根据研究区域的基础数据构建SUSTAIN模型，通过SUSTAIN模型获取到LID优化布局方案；将LID优化布局方案输入至SWMM模型中，通过SWMM模型分别对低影响开发设施情景和海绵型综合管廊情景进行水文模拟，得到低影响开发设施情景和海绵型综合管廊情景下的水文效应；将四种情景的水文效应进行对比评估，得出海绵型综合管廊情景下的水文效应评估结果。本发明能够实现对海绵型综合管廊情景的精确水文模拟和水文效应评估，为未来海绵城市的规划、设计和建设工作参考依据。

Description

海绵型综合管廊水文效应评估方法

技术领域

本发明涉及水文水资源技术领域，特别涉及一种海绵型综合管廊水文效应评估方法。

背景技术

全球气候变暖导致极端降雨事件频发，另外城市化的快速扩张导致下垫面发生剧烈的变化，地表产流量剧增，但不少城市防洪排涝措施的规划和建设对上述问题考虑不足，从而导致城市内涝频发，造成了巨大的社会经济损失和人员伤亡。中国在应对城市内涝方面的研究起步较晚，也采取了很多措施去应对城市内涝，但取得的效果十分有限。自2013年“海绵城市”建设概念的提出，与“海绵城市”相关的研究兴起，为治理城市内涝提供行而有效的新思路。

低影响开发(LID)设施是海绵城市建设的重要一环，其实现方式有多种，包括生物滞留池、绿色屋顶、透水铺装等。国内外对低影响开发设施的研究，前期主要集中于单一LID设施的试验和数值模拟，例如基于试验对绿色屋顶的水文影响进行评价；随后，学者们尝试将不同LID设施进行组合布局，目前已经取得一定成果，但是对LID设施分配比例和布局的确定方式欠妥，并未综合考虑成本-效益、适建性以及不同LID设施间的相互作用。为实现效益最大化，近年来开始注重LID设施的优化布局，摒弃以往机械式指定LID设施改造比例和将单一LID设施最佳比例进行组合的方法，改用耦合水文模型与优化算法，或直接采用LID优化布局建模工具。目前应用较为广泛的是SUSTAIN模型，但对于大区域而言，为减轻SUSTAIN模型的运行负荷，需要对子汇水区和管网进行大幅度概化，其模拟精度有待提高。

此外，不少研究表明低影响开发设施能够有效滞蓄雨洪，但在极端降雨条件下对径流的削减效果较弱；而基于“快排”模式的地下排水***能快速排走雨水，但目前管道的设计标准普遍偏低，导致逢大雨必涝。对此，为了加强地下综合管廊的建设，并推进海绵城市的建设，这促成了“海绵型”综合管廊的诞生，即在地下综合管廊建设中额外增添雨水调蓄仓以增大排水能力，同时对城市下垫面进行LID海绵化改造，联合提升城市防洪排涝能力。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种海绵型综合管廊水文效应评估方法，该方法可以对海绵型综合管廊情景进行精确水文模拟和水文效应评估，为未来海绵城市的规划、设计和建设工作参考依据。

本发明的目的通过下述技术方案实现：一种海绵型综合管廊水文效应评估方法，步骤如下：

S1、获取研究区域的基础数据，基础数据包括数字高程模型、卫星遥感影像数据、土地利用类型数据、管网和综合管廊设计资料；

S2、根据研究区域的基础数据构建SWMM模型，并根据SWMM模型获取传统开发情景和传统综合管廊情景下的水文效应；

S3、根据研究区域的基础数据构建SUSTAIN模型，通过SUSTAIN模型获取到LID优化布局方案；

将LID优化布局方案输入至SWMM模型中，通过SWMM模型分别对低影响开发设施情景和海绵型综合管廊情景进行水文模拟，得到低影响开发设施情景和海绵型综合管廊情景下的水文效应；

S4、为研究海绵型综合管廊的径流削减效果，以溢流量和出水口流量作为评估依据，对传统开发情景、传统综合管廊情景、低影响开发设施情景和海绵型综合管廊情景下的水文效应进行对比评估，得出海绵型综合管廊情景下的水文效应评估结果。

优选的，在步骤S1中，还包括：利用卫星遥感影像数据和实地调研结果对土地利用类型数据进行局部修正。

优选的，在步骤S2中，利用研究区域的基础数据构建SWMM模型，过程如下：

S21、概化研究区域：根据管网和综合管廊设计资料，对研究区域内的管网、综合管廊雨水仓和河流进行概化，并将研究区域划分为多个子汇水区；

S22、向SWMM模型输入参数，参数包括子汇水区和管网的测量参数和经验参数；

S23、运行SWMM模型，根据模型运行结果对经验参数进行率定调整。

更进一步的，在步骤S21中，子汇水区的划分具体如下：

针对于管网复杂且流向不明确的研究区域，基于研究区域中的井点分布，采用泰森多边形法进行划分，再进行局部人工调整；

针对于管网较为简单且流向明确的研究区域，根据数字高程模型对研究区域进行水文分析，构建研究区域内的分水岭；再根据卫星遥感影像数据中的建筑物、交通道路分布和管网走向，将研究区域划分为子汇水区。

更进一步的，测量参数包括面积、漫流宽度、平均坡度、不透水率、井点参数和管线参数中的上游节点、下游节点、管道长度、入口偏移量、出口偏移量、管道形状和最大深度，井点参数包括井底高程和井深；并且，对于管道形状，若是管道为圆形断面，则管道直径为最大深度；若管道为矩形断面，则测量参数还要包括管道的宽度；若管道为梯形断面，则测量参数还要包括管道的底宽、左右两侧的坡度；

经验参数包括子汇水区参数、管线参数中的管道糙率和下渗模型参数，其中，子汇水区参数包括不透水曼宁系数、透水曼宁系数、不透水洼蓄深度、透水洼蓄深度、不透水区无洼不透水面积比；下渗模型参数包括最大下渗率、最小下渗率、渗透衰减系数。

更进一步的，子汇水区和管网的测量参数具体是通过ArcGIS获取得到；

针对于子汇水区和管网的经验参数：(1)在研究区域具有实测数据的情况下，经验参数则是参考实测数据；

根据模型运行结果对经验参数进行率定调整，具体是：考虑到经验参数的主观性，采用敏感性分析方法分析各个经验参数对SWMM模型的敏感性，根据分析结果调整经验参数，过程如下：

选取不透水曼宁系数、透水曼宁系数、不透水洼蓄深度、透水洼蓄深度、不透水区无洼不透水面积比、管道糙率和最大下渗率、最小下渗率、渗透衰减系数作为研究参数，将研究参数的数值分别上浮和下降一定幅值，其他参数的数值固定不变，分别记录研究区域的出水口流量或者水位的模拟结果，并计算各个研究参数的灵敏度系数S_i，灵敏度系数的计算公式具体如下：

其中，X_i为研究参数的初始值；ΔX_i为参数的变化值；Y(X_i)为研究参数值为X_i时的模拟结果；

将各个研究参数的灵敏度系数进行对比，从中选择出灵敏度系数大的研究参数；

通过流量计获取实测的流量数据或者通过水位计获取实测的水位数据，对比实测的数据和模拟结果，根据对比结果调整所选出的灵敏度系数大的经验参数，以使调整后的模拟结果和实测的数据相近；

(2)在研究区域缺失实测数据的情况下，经验参数则是参考相同区域或者相邻区域经过率定后所使用过的历史参数值；

根据模型运行结果对经验参数进行率定调整，具体是：参考相邻区域的历史参数值，对比SWMM模型模拟的溢流量较大的位置是否与易涝片区相符，

若是，则确定SWMM模型在研究区域进行水文模拟具有适应性和准确度，SWMM模型构建完成；

若否，则采用敏感性分析方法分析各个经验参数对SWMM模型的敏感性，根据分析结果调整经验参数，并检查管网、综合管廊雨水仓和河流这些数据是否正确，以及检查子汇水区的划分是否合理。

优选的，在步骤S3中，根据研究区域的基础数据构建SUSTAIN模型，通过SUSTAIN模型获取到LID优化布局方案，过程如下：

根据研究区域的数字高程模型、卫星遥感影像数据以及管网和综合管廊设计资料对研究区域内的子汇水区进行概化；

根据选定的出水口评估点、概化的子汇水区和实际的管网走向对研究区域的管网进行概化；

根据研究区域的大小和土地利用类型数据对研究区域的土地利用类型进行概化；

根据土地利用类型的概化结果，在SUSTAIN模型中设计集合式LID设施；

利用内部模拟或外部模拟的方式进行径流模拟，获取相应土地利用类型的时间径流序列，

其中，内部模拟是指将用于产汇流计算的数据输入SUSTAIN模型；用于产汇流计算的数据包括降雨资料、子汇水区的测量参数和经验参数；

外部模拟是指将用于产汇流计算的数据输入外部模型进行产汇流计算，外部模型为HSPF、SWMM或者其他水文模型；

为预估符合实际成本-效益的径流削减率，在SUSTAIN模型中进行LID优化计算，得到LID优化布局的成本-效益曲线；

根据成本-效益曲线，选定符合实际成本-效益的径流削减率作为控制目标，将时间径流序列输入到SUSTAIN模型中进行成本最小化模拟，获取LID优化布局方案。

更进一步的，SUSTAIN模型实现成本最小化模拟时内部所采用的算法是非支配排序遗传算法NSGA-Ⅱ。

更进一步的，在步骤S3中，将LID优化布局方案输入至SWMM模型中，通过SWMM模型分别对低影响开发设施情景和海绵型综合管廊情景进行水文模拟，具体是：

针对于低影响开发设施情景和海绵型综合管廊情景，分别将对应的LID设施布局和数量按照土地利用类型比例分配至各子汇水区中，作为SWMM模型中LID设施的数量参数，同时设置LID设施的设施参数；

数量参数和设施参数设置完成之后，SWMM模型分别对低影响开发设施情景和海绵型综合管廊情景进行水文模拟。

优选的，在步骤S4中，传统开发情景是指采用研究区域内现有的排水管网***，不考虑综合管廊和LID设施的建设；传统综合管廊情景是指在传统开发情景上新增地下综合管廊；低影响开发情景是指在传统开发情景上新增LID设施；海绵型综合管廊情景是指将地下综合管廊建设与LID设施改造相结合。

本发明相对于现有技术具有如下的优点及效果：

(1)本发明海绵型综合管廊水文效应评估方法，包括获取研究区域的基础数据；根据研究区域的基础数据构建SWMM模型，并根据SWMM模型获取传统开发情景和传统综合管廊情景下的水文效应；根据研究区域的基础数据构建SUSTAIN模型，通过SUSTAIN模型获取到LID优化布局方案；将LID优化布局方案输入至SWMM模型中，通过SWMM模型分别对低影响开发设施情景和海绵型综合管廊情景进行水文模拟，得到低影响开发设施情景和海绵型综合管廊情景下的水文效应；为研究“海绵型”综合管廊对径流的削减效果，将四种情景的水文效应进行对比评估，得出海绵型综合管廊情景下的水文效应评估结果。本发明方法基于SUSTAIN模型和SWMM模型，通过SUSTAIN模型获取到LID优化布局方案，输入至SWMM模型对研究区域实现降雨-径流-水质的动态模拟，实现对海绵型综合管廊情景的精确水文模拟和水文效应评估，从而能够为未来海绵城市的规划、设计和建设工作参考依据，实现绿色设施和灰色设施的有机统一。

(2)在本发明海绵型综合管廊水文效应评估方法中，SWMM模型在输入模型参数后，还对模型的经验参数进行率定调整，从而构建得到更合适的SWMM模型，提高水文模拟的准确率。

(3)传统上对LID的优化布局更多是笼统的指定LID设施改造比例，这将导致成本的浪费以及无法投放到实际建设中，因而本发明首先基于SUSTAIN模型获取研究区LID的优化布局和数量，再转接到SWMM模型中构建低影响开发模拟模型，能够更准确地获取在不同重现期降雨条件下低影响开发设施的水文效应。

附图说明

图1是本发明海绵型综合管廊水文效应评估方法的流程图。

图2是广州市天河智慧城杨梅河流域的数字高程模型图。

图3为广州市天河智慧城杨梅河流域的土地利用类型图。

图4为广州市天河智慧城杨梅河流域在SWMM模型中子汇水区、管网、综合管廊、水体、井点、出水口和典型溢流点的分布位置图。

图5为广州市天河智慧城杨梅河流域在SUSTAIN模型中概化后的子汇水区、管网和集合式LID设施的分布图。

图6为广州市天河智慧城杨梅河流域在SUSTAIN模型中集合式LID设施可视化设计图。

图7为广州市天河智慧城杨梅河流域在SUSTAIN模型中进行优化计算后获取的LID设施的成本-效益曲线图。

图8(a)～图8(c)为广州市天河智慧城杨梅河流域在各重现期下典型出水口的降雨-径流图。

图9为广州市天河智慧城杨梅河流域在各重现期下不同情景下的溢流量分布图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

实施例

本实施例公开了一种海绵型综合管廊水文效应评估方法，如图1所示，步骤如下：

S1、获取研究区域的基础数据，基础数据包括数字高程模型(DEM)、卫星遥感影像数据、土地利用类型数据、管网和综合管廊设计资料。

在本实施例中，卫星遥感影像数据是在谷歌地球Google Earth获取到的卫星影像图，土地利用类型数据还进一步通过卫星遥感影像数据和实地调研结果进行了局部修正。

S2、根据研究区域的基础数据构建SWMM模型，并根据SWMM模型获取传统开发情景和传统综合管廊情景下的水文效应。

模型的构建过程具体如下：

S21、概化研究区域：根据管网和综合管廊设计资料，对研究区域内的管网、综合管廊雨水仓和河流进行概化，并将研究区域划分为多个子汇水区。

其中，管网数据可在CAD中利用插件直接提取，并在提取后对管网的流向进行检查和纠正，确保支持SWMM模型的正常运行。

子汇水区是模型计算产汇流的子单元，产汇流过程相对独立，子单元内的雨水汇入到管井中，作为排水管网汇流计算的输入边界条件，所以子汇水区划分的合理性会影响管网汇流模拟的结果。若研究区域是未开发的流域，则通常是基于数字高程模型，在水文分析工具ArcGIS中进行水文分析，构建分水岭即可划分出子汇水区，但研究区域往往是已开发和城市化的区域，下垫面情况较未开发的流域更复杂，例如受建筑物阻挡等人为因素的影响，实际汇流过程中的水流方向不一定遵从“水往低处流”的自然定律，因此不能简单采用水文分析工具对整个研究区域进行子汇水区的划分。

因此，在本实施例中，子汇水区的划分具体如下：

针对于管网复杂且流向不明确的研究区域，基于研究区域中的井点分布，采用泰森多边形法进行划分。泰森多边形法简单并且节省时间，但考虑到容易出现不符合实际的子汇水区，比如一栋建筑物接受的雨水本该流向同一个出水口，而泰森多边形法划分后则可能将该处的雨水分流到不同出水口，因此划分后还需再进行局部人工调整。

针对于管网较为简单且流向明确的研究区域，根据数字高程模型对研究区域进行水文分析，构建研究区域内的分水岭；再根据卫星遥感影像数据中的建筑物、交通道路分布和管网走向，将研究区域划分为子汇水区，因此更能符合实际情况。水文分析这一过程可在水文分析工具ArcGIS中进行。

S22、向SWMM模型输入参数，参数包括子汇水区和管网的测量参数和经验参数。

其中，测量参数包括面积、漫流宽度、平均坡度、不透水率、井点参数和管线参数中的上游节点、下游节点、管道长度、入口偏移量、出口偏移量、管道形状和最大深度。

井点是管道之间的相接点或起始端点，井点参数包括井底高程和井深，其中井底高程为连接到管井的所有管道对应的管底高程的最小值，井深等于井点地面高程与井底高程之差。具体可以根据实际情况确定井点参数是否还包括起始水深、入流量、积水区域等其他参数。上游节点和下游节点用于确定管道雨水流向。入口偏移量和出口偏移量确定管道坡度，若缺失该部分数据，可由管底高程向上偏移0.3m。对于管道形状，若是管道为圆形断面，则管道直径为最大深度；若管道为矩形断面，则测量参数还要再包括管道的宽度；若管道为梯形断面，则测量参数还要再包括管道的底宽、左右两侧的坡度。

经验参数包括子汇水区参数、管线参数中的管道糙率和下渗模型参数，其中，子汇水区参数包括不透水曼宁系数、透水曼宁系数、不透水洼蓄深度、透水洼蓄深度、不透水区无洼不透水面积比；下渗模型参数包括最大下渗率、最小下渗率、渗透衰减系数。糙率会影响水深和流速，取值可参考SWMM使用手册。

子汇水区和管网的测量参数具体是通过ArcGIS获取得到。

针对于子汇水区和管网的经验参数：(1)在研究区域具有实测数据的情况下，经验参数则是参考实测数据进行率定调整；(2)在研究区域缺失实测数据的情况下，经验参数则是参考相同区域或者相邻区域经过率定后所使用过的历史参数值。

S23、运行SWMM模型，根据模型运行结果对经验参数进行率定调整，具体是：

(1)在研究区域具有实测数据的情况下，考虑到经验参数的主观性，采用敏感性分析方法分析各个经验参数对SWMM模型的敏感性，根据分析结果调整经验参数，过程如下：

选取不透水曼宁系数、透水曼宁系数、不透水洼蓄深度、透水洼蓄深度、不透水区无洼不透水面积比、管道糙率和最大下渗率、最小下渗率、渗透衰减系数作为研究参数，将研究参数的数值分别上浮和下降一定幅值，其他参数的数值固定不变，分别记录研究区域的出水口流量或者水位的模拟结果，并计算各个研究参数的灵敏度系数S_i，灵敏度系数的计算公式具体如下：

其中，X_i为研究参数的初始值；ΔX_i为参数的变化值；Y(X_i)为研究参数值为X_i时的模拟结果；本实施例研究参数的数值具体是上浮10％和下降10％。

将各个研究参数的灵敏度系数进行对比，从中选择出灵敏度系数大的研究参数；灵敏度系数大说明该参数对SWMM模型的影响大。

通过流量计获取实测的流量数据或者通过水位计获取实测的水位数据，对比实测的数据和模拟结果，根据对比结果调整所选出的灵敏度系数大的经验参数，以使调整后的模拟结果和实测的数据相近。

(2)在研究区域缺失实测数据的情况下，参考相邻区域的历史参数值，对比SWMM模型模拟的溢流量较大的位置是否与易涝片区相符，

若是，则确定SWMM模型在研究区域进行水文模拟具有适应性和准确度，SWMM模型构建完成；

若否，则采用上述敏感性分析方法分析各个经验参数对SWMM模型的敏感性，根据分析结果调整经验参数，并检查管网、综合管廊雨水仓和河流这些数据是否正确，以及检查子汇水区的划分是否合理。

S3、根据研究区域的基础数据构建SUSTAIN模型，通过SUSTAIN模型获取到LID优化布局方案；

将LID优化布局方案输入至SWMM模型中，通过SWMM模型分别对低影响开发设施情景和海绵型综合管廊情景进行水文模拟，得到低影响开发设施情景和海绵型综合管廊情景下的水文效应。

其中，构建SUSTAIN模型，通过SUSTAIN模型获取到LID优化布局方案，过程如下：

(1)考虑到子汇水区和管网划分过细，SUSTAIN模型运行过程中容易崩溃，因此需要在已构建好的SWMM模型的管网和子汇水区基础上进行概化，具体如下：

根据研究区域的数字高程模型、卫星遥感影像数据以及管网和综合管廊设计资料对研究区域内的子汇水区进行概化。当子汇水区的面积小于0.5km²时，采用集合式LID设施和分布式LID-BMPs设施之间的误差就会小于5％，故子汇水区的概化尽量将面积控制在0.5km²以内。

根据选定的出水口评估点、概化的子汇水区和实际的管网走向对研究区域的管网进行概化。

考虑到原始的土地利用类型过多，会增大SUSTAIN模型的运行负荷导致模型不稳定，因此还根据研究区域的大小和土地利用类型数据对研究区域的土地利用类型进行概化。

根据土地利用类型的概化结果，在SUSTAIN模型中设计集合式LID设施，即先挑选出单一设施，再将所挑选的设施组合成一个整体的集合式LID设施进行布局。相较于分布式LID设施，集合式LID设施对径流量和污染物的削减效果更好，模拟运行速度更快。

(2)利用内部模拟或外部模拟的方式进行径流模拟，获取相应土地利用类型的时间径流序列，

其中，内部模拟是指将用于产汇流计算的数据输入SUSTAIN模型；用于产汇流计算的数据包括降雨资料、子汇水区的测量参数和经验参数等数据；

外部模拟是指将用于产汇流计算的数据输入外部模型进行产汇流计算，外部模型例如可以为HSPF、SWMM或者其他水文模型。

本实施例是采用外部模拟的方式获取时间径流序列，选取SWMM模型作为外部模型，由于SWMM模型已在步骤S22中输入子汇水区的测量参数和经验参数，因此这里向SWMM模型输入降雨资料即可。

(3)为预估符合实际成本-效益的径流削减率，在SUSTAIN模型中进行LID优化计算，得到LID优化布局的成本-效益曲线；在成本效益曲线中，成本越高，径流削减率越高，即达到的径流削减效果更好。

根据成本-效益曲线，选定符合实际成本-效益的径流削减率作为控制目标，将时间径流序列输入到SUSTAIN模型中进行成本最小化模拟，获取LID优化布局方案。LID优化布局方案具体是概化后的子汇水区上的LID的布局和数量。

SUSTAIN模型实现成本最小化模拟时内部所采用的算法是非支配排序遗传算法NSGA-Ⅱ。该算法采用快速非支配排序方法进行分级，降低了计算复杂度，利用拥挤度和拥挤度比较算子作为胜出标准，并将分级出来的父代种群和子代种群组合以扩大采样空间，从而更能处理好优化问题。

将LID优化布局方案输入至SWMM模型中，通过SWMM模型分别对低影响开发设施情景和海绵型综合管廊情景进行水文模拟，具体如下：

针对于低影响开发设施情景和海绵型综合管廊情景，分别将对应的LID设施布局和数量按照土地利用类型比例分配至各子汇水区中，作为SWMM模型中LID设施的数量参数，同时设置LID设施的设施参数。该分配过程通过ArcGIS实现，设施参数主要参考了SUSTAIN用户手册、SWMM用户手册和《低影响开发雨水综合利用技术规范》等相关文献来确定参数取值。

数量参数和设施参数设置完成之后，SWMM模型分别对低影响开发设施情景和海绵型综合管廊情景进行水文模拟。

S4、为研究海绵型综合管廊的径流削减效果，以溢流量和出水口流量作为评估依据，对传统开发情景、传统综合管廊情景、低影响开发设施情景和海绵型综合管廊情景下的水文效应进行对比评估，得出海绵型综合管廊情景下的水文效应评估结果。

在本实施例中，传统开发情景是指采用研究区域内现有的排水管网***，不考虑综合管廊和LID设施的建设。传统综合管廊情景是指在传统开发情景上新增地下综合管廊。低影响开发情景是指在传统开发情景上新增LID设施。海绵型综合管廊情景是指将地下综合管廊建设与LID设施改造相结合，具体是在地下综合管廊建设中额外增添雨水调蓄仓以及增大排水能力，同时对城市下垫面进行LID海绵化改造，联合提升城市防洪排涝能力。

在本实施例中，以广州市天河智慧城杨梅河流域作为研究区域。杨梅河在该区域的断面较小，故经常发生内涝灾害。根据SUSTAIN和SWMM建模需要采集并处理相应的基础数据，分别为：如图2所示的在2014年广州市天河智慧城杨梅河流域的数字高程模型(DEM)、广州市天河智慧城杨梅河流域的卫星遥感影像数据、2014年广州市天河智慧城杨梅河流域的土地利用类型数据、如图4所示的管网和综合管廊设计资料。其中，数字高程模型和土地利用类型数据均来源于国土部门，其中数字高程模型的分辨率高达8m。卫星遥感影像数据具体可在谷歌地球Google Earth获取得到。土地利用类型数据已结合卫星遥感影像数据和实地调研结果作局部修正，具体可参见图3。管网、综合管廊、水体等数据均来源于项目设计单位，这些数据具体可参见图4。

对管网、综合管廊雨水仓和河流进行概化，最终获取管道154条，井点175个、出水口7个。依据综合管廊雨水仓的工程参数将其概化为矩形断面和部分圆形输水管，除了研究区域的南部，大部分管网水流排向杨梅河，故在SWMM模型中将河流概化为梯形断面的明渠进行模拟。根据DEM数据、建筑物、交通道路分布和管网走向，将研究区域人工划分得到263个子汇水区，平均面积为5.86公顷，研究区域的概化结果可参见图4。经验参数的取值具体参见表1，考虑到广州市天河智慧城杨梅河流域所用的管道较多为混凝土材料制成，参考SWMM使用手册，糙率取为0.012。

表1

选用2018年6月8日00:00至18:50的实测降雨资料(6·8降雨)对SWMM模型的适用性和准确性进行验证。模拟初步发现整个研究区溢流量最大的井点是位于杨梅河下游易涝片区的NJ00028，如图4所示。由于缺乏管网流量和水位数据，本实施例主要通过现场调查和走访验证，得知该点是洪涝多发区(逢暴雨必涝)，表明模拟结果基本与实际情况相吻合，所构建的SWMM模型可用于杨梅河流域在不同重现期降雨条件下传统开发、传统综合管廊、低影响开发设施和海绵型综合管廊情景下水文效应的研究。

综合考虑研究区域的地形地势、卫星图及管网走向等因素的影响，将SWMM模型中的263个子汇水区概化为41个，面积最大为0.7km²，其余均小于0.5km²。SUSTAIN模型每次只能将一个出水口作为评估点进行LID成本效益优化，选择最具代表性的出水口作为评估点后，依据该点、概化的子汇水区和实际的管网流向进行概化。如图5所示，本实施例杨梅河出水口NJ00000最具代表性，故作为评估点，对其他出水口控制的小范围子汇水区不予以考虑。选用外部模拟方式向概化的土地利用类型分配时间径流序列，时间径流序列具体如表2所示。

表2

根据土地利用类型的概化结果选择低影响开发设施(LID-BMPs)，组成集合式LID设施。如高层建筑适宜建设绿色屋顶，低层建筑则适合安装雨水桶对雨水回收利用，道路交通则适合铺设渗透路面，其他透水区(如森林、灌木丛、耕地等)则不过多进行海绵化改造，直接流向出水口；另外还需在研究区域中增设湿塘，用于储蓄和处理来自植草沟、草地、透水铺装等海绵体的径流，具体的可视化设计方案参见图6，LID设施的相关参数与成本取值参见表3。

表3

在SUSTAIN模型中采用非支配排序遗传算法NSGA-Ⅱ进行优化计算(成本最小化模拟)，获取LID优化布局的成本-效益曲线如图7所示。由图7可以看出，LID优化布局后的径流削减率范围为5％至40％之间，相应的建设总成本在8.5亿到14亿之间。综合目前已开展海绵城市建设的地方项目，估算低影响开发设施每平方公里所需资金达0.7亿元。以预算成本进行海绵城市的建设，研究区内径流削减率最高只能达到30％左右，故选定30％的年径流削减率作为控制目标在SUSTAIN模型中进行成本最小化模拟，获取LID的布局和数量。

在SUSTAIN模型中，优化布局和数量以BestSolutions.out格式文件呈现，成本最小化运算结果参见表4，概化后的子汇水区内的LID-BMPs分布和数量参见表5。

表4

LID设施的设施参数取值参见下表表6。

表6

本实施例采用芝加哥雨型作为设计雨型，依据广州市天河区区间公式设计暴雨强度，选用2a、20a和50a三种重现期设计降雨对传统开发情景(XZ)、传统综合管廊情景(GL)、低影响开发情景(LID)和海绵型综合管廊情景(GL_LID)四种情景进行城市雨洪模拟，模拟结果主要从出水口流量、溢流量2大方面进行分析评价。具体是选取杨梅河出水口NJ00000进行流量过程分析，对P＝2a、20a和50a降雨条件下典型出水口的降雨-流量过程、峰值流量以及峰现时间进行汇总统计。P＝2a、20a和50a降雨条件下的降雨-流量过程分别参见图8(a)～图8(c)，峰值流量和峰现时间如表7所示。在表7中，峰值削减率数值前为“+”即代表增加，“-”即代表削减；峰现变化时间数值前为“+”即代表延迟，“-”即代表提前。

表7

对传统开发情景下溢流点信息进行汇总，可知位于杨梅河下游的节点NJ00028溢流情况最严重，占溢流总量的比例远大于其他溢流点，可参见表6，这说明杨梅河下游内涝严重程度与该溢流点有直接关系，故选取NJ00028作为典型溢流点进行分析；为了分析在综合管廊作用下，杨梅河上下游溢流量的变化，另外选取位于杨梅河上游位置的NJ00064进行分析，典型溢流点位置见图3。各重现期下不同情景方案的溢流总量和典型溢流点的信息汇总见表8和图9。在表8中，削减率数值前为“+”即代表增加，“-”即代表削减，均为与传统开发情景(XZ)的对比。

表8

由表8和图9可知：在地下综合管廊作用下，出水口流量增大，峰现时间几乎不变，但对溢流量的削减效果明显，处于下游的NJ00028溢流点削减率可达80％以上；低影响开发设施能够降低出水口流量，延迟峰现时间，但对溢流量的削减效果不如地下综合管廊；海绵型综合管廊对溢流量的削减效果最佳，在50年重现期降雨条件下，下游溢流点的削减率高达94.28％，对溢流总量的削减率达61.91％，出水口流量亦低于“快排”模式下的传统综合管廊情景，峰现时间也明显延迟，说明海绵型综合管廊结合了LID和地下综合管廊的优势，是行之有效的洪灾缓解措施。因此，利用本实施例方法可以对海绵型综合管廊水文效应进行精确模拟和评估，为未来海绵城市的规划、设计与建设提供参考依据。

可通过各种手段实施本发明描述的技术。举例来说，这些技术可实施在硬件、固件、软件或其组合中。对于硬件实施方案，处理模块可实施在一个或一个以上专用集成电路(ASIC)、数字信号处理器(DSP)、可编程逻辑装置(PLD)、现场可编辑逻辑门阵列(FPGA)、处理器、控制器、微控制器、电子装置、其他经设计以执行本发明所描述的功能的电子单元或其组合内。

对于固件和/或软件实施方案，可用执行本文描述的功能的模块(例如，过程、步骤、流程等)来实施所述技术。固件和/或软件代码可存储在存储器中并由处理器执行。存储器可实施在处理器内或处理器外部。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储在一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (6)

1.一种海绵型综合管廊水文效应评估方法，其特征在于，步骤如下：

S1、获取研究区域的基础数据，基础数据包括数字高程模型、卫星遥感影像数据、土地利用类型数据、管网和综合管廊设计资料；

S2、根据研究区域的基础数据构建SWMM模型，并根据SWMM模型获取传统开发情景和传统综合管廊情景下的水文效应；其中，传统开发情景是指采用研究区域内现有的排水管网***，不考虑综合管廊和LID设施的建设；传统综合管廊情景是指在传统开发情景上新增地下综合管廊；

SWMM模型构建过程为：

S21、概化研究区域：根据管网和综合管廊设计资料，对研究区域内的管网、综合管廊雨水仓和河流进行概化，并将研究区域划分为多个子汇水区；

S22、向SWMM模型输入参数，参数包括子汇水区和管网的测量参数和经验参数；

S23、运行SWMM模型，根据模型运行结果对经验参数进行率定调整；

S3、根据研究区域的基础数据构建SUSTAIN模型，通过SUSTAIN模型获取到LID优化布局方案：

根据研究区域的数字高程模型、卫星遥感影像数据以及管网和综合管廊设计资料对研究区域内的子汇水区进行概化；

根据选定的出水口评估点、概化的子汇水区和实际的管网走向对研究区域的管网进行概化；

根据研究区域的大小和土地利用类型数据对研究区域的土地利用类型进行概化；

根据土地利用类型的概化结果，在SUSTAIN模型中设计集合式LID设施；

利用内部模拟或外部模拟的方式进行径流模拟，获取相应土地利用类型的时间径流序列，

其中，内部模拟是指将用于产汇流计算的数据输入SUSTAIN模型；用于产汇流计算的数据包括降雨资料、子汇水区的测量参数和经验参数；

外部模拟是指将用于产汇流计算的数据输入外部模型进行产汇流计算，外部模型为HSPF、SWMM或者其他水文模型；

为预估符合实际成本-效益的径流削减率，在SUSTAIN模型中进行LID优化计算，得到LID优化布局的成本-效益曲线；

根据成本-效益曲线，选定符合实际成本-效益的径流削减率作为控制目标，将时间径流序列输入到SUSTAIN模型中进行成本最小化模拟，获取LID优化布局方案；

将LID优化布局方案输入至SWMM模型中，通过SWMM模型分别对低影响开发设施情景和海绵型综合管廊情景进行水文模拟：

针对于低影响开发设施情景和海绵型综合管廊情景，分别将对应的LID设施布局和数量按照土地利用类型比例分配至各子汇水区中，作为SWMM模型中LID设施的数量参数，同时设置LID设施的设施参数；

数量参数和设施参数设置完成之后，SWMM模型分别对低影响开发设施情景和海绵型综合管廊情景进行水文模拟，得到低影响开发设施情景和海绵型综合管廊情景下的水文效应，得到低影响开发设施情景和海绵型综合管廊情景下的水文效应；

其中，低影响开发情景是指在传统开发情景上新增LID设施；海绵型综合管廊情景是指将地下综合管廊建设与LID设施改造相结合；

S4、为研究海绵型综合管廊的径流削减效果，以溢流量和出水口流量作为评估依据，对传统开发情景、传统综合管廊情景、低影响开发设施情景和海绵型综合管廊情景下的水文效应进行对比评估，得出海绵型综合管廊情景下的水文效应评估结果。

2.根据权利要求1所述的海绵型综合管廊水文效应评估方法，其特征在于，在步骤S1中，还包括：利用卫星遥感影像数据和实地调研结果对土地利用类型数据进行局部修正。

3.根据权利要求1所述的海绵型综合管廊水文效应评估方法，其特征在于，在步骤S21中，子汇水区的划分具体如下：

针对于管网复杂且流向不明确的研究区域，基于研究区域中的井点分布，采用泰森多边形法进行划分，再进行局部人工调整；

针对于管网较为简单且流向明确的研究区域，根据数字高程模型对研究区域进行水文分析，构建研究区域内的分水岭；再根据卫星遥感影像数据中的建筑物、交通道路分布和管网走向，将研究区域划分为子汇水区。

4.根据权利要求1所述的海绵型综合管廊水文效应评估方法，其特征在于，测量参数包括面积、漫流宽度、平均坡度、不透水率、井点参数和管线参数中的上游节点、下游节点、管道长度、入口偏移量、出口偏移量、管道形状和最大深度，井点参数包括井底高程和井深；并且，对于管道形状，若是管道为圆形断面，则管道直径为最大深度；若管道为矩形断面，则测量参数还要包括管道的宽度；若管道为梯形断面，则测量参数还要包括管道的底宽、左右两侧的坡度；

经验参数包括子汇水区参数、管线参数中的管道糙率和下渗模型参数，其中，子汇水区参数包括不透水曼宁系数、透水曼宁系数、不透水洼蓄深度、透水洼蓄深度、不透水区无洼不透水面积比；下渗模型参数包括最大下渗率、最小下渗率、渗透衰减系数。

5.根据权利要求4所述的海绵型综合管廊水文效应评估方法，其特征在于，子汇水区和管网的测量参数具体是通过ArcGIS获取得到；

针对于子汇水区和管网的经验参数：(1)在研究区域具有实测数据的情况下，经验参数则是参考实测数据；

根据模型运行结果对经验参数进行率定调整，具体是：考虑到经验参数的主观性，采用敏感性分析方法分析各个经验参数对SWMM模型的敏感性，根据分析结果调整经验参数，过程如下：

选取不透水曼宁系数、透水曼宁系数、不透水洼蓄深度、透水洼蓄深度、不透水区无洼不透水面积比、管道糙率和最大下渗率、最小下渗率、渗透衰减系数作为研究参数，将研究参数的数值分别上浮和下降一定幅值，其他参数的数值固定不变，分别记录研究区域的出水口流量或者水位的模拟结果，并计算各个研究参数的灵敏度系数S_i，灵敏度系数的计算公式具体如下：

其中，X_i为研究参数的初始值；ΔX_i为参数的变化值；Y(X_i)为研究参数值为X_i时的模拟结果；

将各个研究参数的灵敏度系数进行对比，从中选择出灵敏度系数大的研究参数；

通过流量计获取实测的流量数据或者通过水位计获取实测的水位数据，对比实测的数据和模拟结果，根据对比结果调整所选出的灵敏度系数大的经验参数，以使调整后的模拟结果和实测的数据相近；

(2)在研究区域缺失实测数据的情况下，经验参数则是参考相同区域或者相邻区域经过率定后所使用过的历史参数值；

根据模型运行结果对经验参数进行率定调整，具体是：参考相邻区域的历史参数值，对比SWMM模型模拟的溢流量较大的位置是否与易涝片区相符，

若是，则确定SWMM模型在研究区域进行水文模拟具有适应性和准确度，SWMM模型构建完成；

若否，则采用敏感性分析方法分析各个经验参数对SWMM模型的敏感性，根据分析结果调整经验参数，并检查管网、综合管廊雨水仓和河流这些数据是否正确，以及检查子汇水区的划分是否合理。

6.根据权利要求1所述的海绵型综合管廊水文效应评估方法，其特征在于，SUSTAIN模型实现成本最小化模拟时内部所采用的算法是非支配排序遗传算法NSGA-Ⅱ。

Images