鄭 鵬,王蓓蕾,陳子杰,潘文斌*,黃建輝

?

極端降雨下綠基和灰基聯(lián)用的雨洪控制效果

鄭 鵬1,2,王蓓蕾1,陳子杰3,潘文斌1*,黃建輝4

(1.福州大學環(huán)境與資源學院,福建 福州 350108；2.莆田學院,生態(tài)環(huán)境及其信息圖譜福建省高等學校重點實驗室,福建 莆田 351100；3.福建省環(huán)境保護設計院有限公司,福建 福州 350012；4.福建省新型污染物生態(tài)毒理效應與控制重點實驗室,福建 莆田 351100)

以福州大學為例,選取3種綠色基礎措施(綠色屋頂、植被淺溝、滲透鋪裝)與2種灰色基礎設施(增大管徑、蓄水池)組合,設計了9種雨水系統(tǒng)改造措施方案,并根據(jù)3場不同歷時極端天氣降雨的實測數(shù)據(jù),運用暴雨洪水管理模型(SWMM)模擬分析不同雨水系統(tǒng)改造措施方案對徑流深、節(jié)點和管道的雨洪控制效果.情景模擬結果表明:3場強降雨下,綠色基礎措施組合(SS7)在所有用地布局情景中對徑流深的控制效果均為最優(yōu),其中中長歷時強降雨下的削減比最高,達到了78%;在節(jié)點控制方面,由于3種綠色基礎措施與增大管徑組合措施(SS8)具備下滲、滯留和快排等特性,在3場降雨中,對節(jié)點的洪流流量和洪流時間的控制效果均為最優(yōu),接近100%;在管道控制方面,3種含綠色基礎措施的組合方案(SS7,8,9)對管道滿流時間與峰值流量發(fā)生時間的控制較好.通過對比這3種組合措施方案發(fā)現(xiàn),在短歷時強降雨中,3種綠色基礎措施與蓄水池組合措施方案下(SS9)管道滿流時間最短,峰值流量發(fā)生時間最遲;中長歷時強降雨中3者差別不大;長歷時強降雨中3種綠色基礎措施組合下(SS7)管道滿流時間最短,峰值流量發(fā)生時間最遲.

綠色基礎措施；灰色基礎措施；SWMM模型；極端天氣；雨洪控制

在快速城市化地區(qū),由于屋頂、道路等硬質(zhì)地面擴增,使得不透水面大量增加,雨水匯流特征改變,不僅影響地表水下滲過程,還阻礙了城市地表水與地下水的水文聯(lián)系[1-3].城市化水文效應主要表現(xiàn)為:城市化對水資源的影響,包括對降雨、蒸發(fā)和徑流變化的影響;城市化對水環(huán)境的影響,主要是對水質(zhì)的影響;城市化對洪澇災害重現(xiàn)期的影響[4-6].

針對城市化水文效應,1999年美國可持續(xù)發(fā)展協(xié)會提出了綠色基礎設施(GI)戰(zhàn)略,它是一種嘗試理解、支持和評估自然生態(tài)系統(tǒng)帶來的生態(tài)、社會和經(jīng)濟效益的戰(zhàn)略,旨在為土地利用發(fā)展模式以及生態(tài)系統(tǒng)保護策略往可持續(xù)發(fā)展提供指導[7].國內(nèi)外學者在不同尺度下,通過實地監(jiān)測和數(shù)學建模等方法對GI的雨洪控制效果進行研究,發(fā)現(xiàn)GI能夠有效地起到調(diào)控徑流和凈化水質(zhì)的作用,可以極大緩解城市化水文效應[8-11].然而據(jù)Joksimovic等[12]對GI建設成本研究來看,在面積為30hm2的研究區(qū)內(nèi),以最常使用的設施為例,綠色屋頂總成本為162萬美元,透水鋪裝總成本為430萬美元,雨水花園總成本為53萬美元,其余各個設施的成本均過百萬美元.若要使一個城市達到真正意義上的“海綿城市”,投入成本過大.傳統(tǒng)的灰色基礎設施包括排水管道,蓄水池等水泥構筑物,相對GI而言,建設成本雖低,但存在使用年限短,維護成本高,易老化等缺陷.若能夠?qū)⒕G色與灰色基礎設施聯(lián)用,優(yōu)缺互補,以應對全球氣候變化下的極端降雨事件,將為我國海綿城市建設提供更好的技術和理論支持.

本研究選用暴雨洪水管理模型(SWMM),設計不同的綠色與灰色基礎設施布設情景,模擬極端降雨條件下研究區(qū)內(nèi)積水嚴重區(qū)域采用不同雨洪控制措施組合下的水文情況.比較不同雨洪控制措施組合的地表徑流深,節(jié)點和管道雨洪控制效果,確定區(qū)域最佳雨洪控制措施,為優(yōu)化海綿城市建設提供理論參考.

1 方法與數(shù)據(jù)

1.1 SWMM模型

SWMM由美國環(huán)境保護署(EPA)開發(fā),可跟蹤模擬不同時間步長任意時刻各子流域所產(chǎn)生徑流的水量水質(zhì),以及各管道和河道中的流量、水深及水質(zhì)等情況.該模型通用性較好,在世界范圍內(nèi)得以廣泛應用,可準確模擬城市化地區(qū)和非城市化地區(qū)復雜排水系統(tǒng)的水量和水質(zhì)[13-14].

1.2 研究區(qū)概況及其概化

研究區(qū)位于福建省福州市閩侯縣上街鎮(zhèn)福州大學內(nèi),面積為52.66hm2,其中不透水面主要由道路、屋面、停車場以及操場組成,占總面積的49%;透水面主要由綠化和水體組成,占總面積的51%.研究區(qū)平均地面標高10.38m,平均坡度3.36%.由于研究區(qū)地勢較低,原有排水系統(tǒng)的設計無法滿足強降雨的排水要求,因此在極端降雨下,容易形成嚴重內(nèi)澇.

根據(jù)模型要求以及研究區(qū)的實際情況,結合華南理工大學建筑設計院、廈門市建筑設計院和福州大學土木建筑設計院提供的雨水管網(wǎng)資料,將研究區(qū)雨水管網(wǎng)系統(tǒng)概化為197條管道,219個檢查井(其中198個為各個子匯水區(qū)的出水口,其余21個為研究區(qū)的雨水排放口).結合實際地形、土地利用及排水設計,通過ArcGIS的水文分析模塊,利用泰森多邊形輔助劃分出164個子匯水區(qū)(圖1).根據(jù)模型模擬結果,位于中部的區(qū)域受災嚴重,在降雨重現(xiàn)期為0.5a時,就有多個節(jié)點發(fā)生溢流,在極端降雨下,更是嚴重積水.因此選取該區(qū)域(圖2)作為雨洪控制措施的布設情景區(qū)域,分析不同雨洪控制措施對該區(qū)域的雨洪削減情況.

圖1 研究區(qū)域地理位置及其排水系統(tǒng)概化

布設區(qū)域總面積16.346hm2,共有26個子匯水區(qū),36個節(jié)點以及33條管道(圖2).根據(jù)下墊面類型,布設區(qū)域土地利用類型可劃分為水體、屋面、路面和綠地4類,分別占總面積的2.67%、22.07%、21.6%和53.66%(圖3).

圖2 布設區(qū)域管線

圖3 布設區(qū)域土地利用分類

1.3 模型參數(shù)靈敏度的分析

模型參數(shù)識別是在暴雨徑流模擬過程中的關鍵步驟,通過對不確定參數(shù)的靈敏度分析來評價該參數(shù)對模型的校正以及輸出結果準確性的影響[15].參數(shù)靈敏度分析的作用是定性或定量評價模型參數(shù)變化對模型輸出結果的影響.識別影響某一狀態(tài)變量輸出的重要參數(shù),以對相應參數(shù)進行有效識別和不確定性分析,可提高參數(shù)估值的精度與模型預測的準確性及可靠性[16-17].Morris篩選法被廣泛應用于模型參數(shù)識別與校核的全局靈敏度分析,以篩選分析為基礎,優(yōu)點是計算量小,操作簡單[18],因此選用修正Morris篩選法對模型進行靈敏度分析.

傳統(tǒng)的Morris篩選法基于所有參數(shù)值固定不變的情況下,選取模型其中的某一參數(shù)作為變量,在其閾值范圍內(nèi)隨機改變,運行模型得到函數(shù)()(123…,x)的值,用影響值EE判斷參數(shù)變化對輸出值的影響程度[16-17].

第個參數(shù)的EE計算公式如下所示:

式中:為某參數(shù)在取值區(qū)間內(nèi)的一個取值;的取值范圍仍然在此參數(shù)的取值范圍內(nèi),由維組成;表示每個因子的變幅.修正的Morris篩選法采用自變量以固定步長變化,靈敏度判別因子取Morris多個平均值,公式如下:

式中:為靈敏度判別因子;Y為模型第次輸出值;Y1為模型第1次輸出值;0為初始參數(shù)輸出值;P為第次模型運算參數(shù)值相對于率定參數(shù)后的變化百分率;P1為第1次模型運算參數(shù)值相對于率定參數(shù)后的變化百分率;為模型運行次數(shù).

對SWMM模型參數(shù)進行靈敏度分析,除了降雨數(shù)據(jù)與選定的變量參數(shù)之外,模型中其余參數(shù)設置為相同值.在保證其他參數(shù)值固定不變的情況下,以5 %為固定步長對變量參數(shù)進行取值,分別取其初值的-20%、-15%、-10%、-5%、5%、10%、15%和20%,分析不同降雨重現(xiàn)期下影響徑流總量和徑流峰值等水文特征的相關參數(shù)靈敏度.

1.4 雨洪控制措施布局情景設計

選擇2種灰色基礎措施(蓄水池和增大管徑)以及3種GI(滲透鋪裝、植被淺溝和綠色屋頂),組合出10種不同用地布局情景(SS),分別為:現(xiàn)狀用地布局情景(不添加任何措施);SS1,增大管徑措施;SS2,蓄水池措施;SS3,綠色屋頂措施;SS4,植被淺溝措施; SS5,滲透鋪裝措施;SS6,增大管徑+蓄水池組合措施; SS7,綠色屋頂+滲透鋪裝+植被淺溝組合措施;SS8,綠色屋頂+滲透鋪裝+植被淺溝措施+增大管徑組合措施;SS9,綠色屋頂+滲透鋪裝+植被淺溝措施+蓄水池組合措施.

1.4.1 灰色基礎措施參數(shù)設計SS1:布設區(qū)域內(nèi)有33條管道,其中公稱直徑(DN)300mm的27條, 400mm的3條,500mm的3條,設計將DN小于500mm的30條管道全部更換為500mm. SS2:由于蓄水池占地面積較大,且子匯水區(qū)面積接近1hm2的區(qū)域積水較嚴重,因此在布設區(qū)域內(nèi),將總計6個蓄水池建在匯水面積接近1hm2的子匯水區(qū)內(nèi)(圖2).根據(jù)相關研究和SWMM操作手冊,6個蓄水池的設計參數(shù)都如表1所示[19-20].

表1 蓄水池蓄水高度曲線與設計參數(shù)

1.4.2 GI參數(shù)設計 SS3:將布設區(qū)域內(nèi)所有屋面用綠色屋頂代替,總鋪設面積為3.602hm2.SS4:將布設區(qū)域內(nèi)所有綠化用地用植被淺溝代替,總鋪設面積為8.759hm2.SS5:將布設區(qū)域內(nèi)所有硬質(zhì)不透水路面用透水路面代替,總鋪設面積為3.546hm2.GI參數(shù)設置主要參考SWMM用戶手冊的推薦值及相關學者給定的參考值[20-27],具體參數(shù)設置見文獻[28].

1.5 降雨過程設計及數(shù)據(jù)

模型靈敏度分析和參數(shù)校正使用的降雨數(shù)據(jù)為結合福州市城區(qū)暴雨強度公式[29](式3)和芝加哥降雨過程線模型(CHM法)[30-31]所合成,不同降雨重現(xiàn)期的降雨數(shù)據(jù)如表2所示.

式中:為時間內(nèi)的平均降雨強度,L/(s·hm2);為降雨歷時,min;為降雨重現(xiàn)期,a.設計的降雨情景如表3所示.

表2 不同降雨重現(xiàn)期的降雨情景

注:不同降雨重現(xiàn)期采用的降雨歷時為2h,雨峰系數(shù)0.4,時間步長10min,模擬時間4h.

雨洪控制措施的效果對比研究采用福州市氣象局提供的3場極端天氣下的實測降雨數(shù)據(jù),分別為2016年9月27日“鯰魚”臺風降雨(降雨歷時24h,降雨量303mm,降雨數(shù)據(jù)記錄時間間隔1h,分別在11,19h左右達到峰值),2016年9月11日特大暴雨(降雨歷時10h,降雨量139mm,降雨數(shù)據(jù)記錄時間間隔1h,在降雨5h左右達到峰值)以及2017年9月8日特大暴雨(降雨歷時2h,降雨量214mm,降雨數(shù)據(jù)記錄時間間隔10min,在降雨48min左右達到峰值)的降雨數(shù)據(jù).3場降雨均達到百年一遇的降雨強度,其中2017年9月8日的降雨在2h內(nèi)雨量為214mm,為超百年一遇的降水;不同點在于降雨的持續(xù)時間不同,分為長歷時(24h)、中長歷時(10h)以及短歷時強降雨(2h).

2 結果與討論

2.1 模型參數(shù)靈敏度分析

利用芝加哥雨型合成1,10,100a的降雨數(shù)據(jù),用修正的Morris篩選法對SWMM模型參數(shù)進行靈敏度分析.根據(jù)靈敏度定量表達的結果,可將靈敏度分為4個等級:|S|31為高靈敏參數(shù); 0.2<<|S|<1為靈敏參數(shù);0.05<<|S|<0.2為中等靈敏參數(shù);0<<|S|<0.05為不靈敏參數(shù)(為模型的第個狀態(tài)變量)[32].

從表3可以看出,同一參數(shù)的靈敏度在不同降雨情景及目標函數(shù)下表現(xiàn)均有所差異,排水小區(qū)不透水率、衰減常數(shù)、土壤最大入滲速率和土壤最小入滲速率是影響總徑流量的模型參數(shù).其中,衰減常數(shù)在3場降雨強度中均為靈敏參數(shù),且靈敏度隨降雨強度的增大而減小;不透水率、土壤最大入滲速率和土壤最小入滲速率在=10a與=1a時為靈敏參數(shù),在=100a時為中靈敏參數(shù).其余參數(shù)對模型徑流總量模擬的影響較小.對于徑流峰值而言,排水小區(qū)面積、排水小區(qū)透水地表曼寧糙率、土壤最大入滲速率和衰減常數(shù)在3場降雨強度中均為靈敏參數(shù),且土壤最大入滲速率和衰減常數(shù)隨降雨強度的增大而減小;排水小區(qū)不透水率在=1a與=10a時為靈敏參數(shù),在=100a時為中靈敏參數(shù);排水坡面漫流寬度在=1a時為中靈敏參數(shù),在=10a與=100a時為靈敏參數(shù);其余參數(shù)對模型徑流峰值模擬的影響較小.本研究針對的是極端降雨情景,土壤最大入滲速率和衰減常數(shù)是兩目標函數(shù)中(降雨總徑流和降雨徑流峰值)的靈敏參數(shù),在模型校驗時應重點關注.

表3 SWMM模型參數(shù)靈敏度分析結果

2.2 模型參數(shù)校正

采用基于綜合徑流系數(shù)的模型參數(shù)校準方法對模型參數(shù)進行校正.以綜合徑流系數(shù)作為模型參數(shù)校正的目標函數(shù),將模型模擬出的徑流系數(shù)與城市雨水管網(wǎng)設計中的綜合徑流系數(shù)作對比,以此進行模型主要參數(shù)的校正,該方法的優(yōu)勢在于能夠解決建模過程中缺少實測數(shù)據(jù)的情況,使模型較準確地運行,并可適應多種建模的要求[33-34].

表4 水文水力參數(shù)率定結果

為與現(xiàn)行排水規(guī)范規(guī)定的降雨重現(xiàn)期相適應,校正選用降雨重現(xiàn)期=1a與=3a時的降雨數(shù)據(jù)用于模型參數(shù)的驗證,=2a時的降雨數(shù)據(jù)用于模型參數(shù)的校正,降雨歷時2h,雨峰系數(shù)=0.4.參考SWMM用戶操作手冊中給出的參數(shù)表和屬性推薦值并結合國內(nèi)外研究的經(jīng)驗值,配合當?shù)貙嶋H情況設定模型不確定參數(shù)初始值,之后進行綜合徑流系數(shù)的對比,并多次對需校正的參數(shù)進行迭代與調(diào)整,以找出最理想的模型參數(shù)值.經(jīng)過調(diào)整,模擬出3場降雨的徑流系數(shù)分別為0.537(=1a)、0.551(=2a)、0.577 (=3a),均滿足城市綜合徑流系數(shù)經(jīng)驗值綜合徑流系數(shù)的要求(建筑較稀的居住區(qū)0.4~0.6),因此校正的參數(shù)能較好適應設計降雨重現(xiàn)期的范圍,其率定值(表4)可用于模型對該地區(qū)的模擬與分析.

2.3 3場極端天氣下不同雨洪控制措施的效果對比

從地表徑流深、節(jié)點和管道3個方面對各雨水系統(tǒng)改造措施在不同強降雨下的雨洪控制效果進行比較與分析.由于情景布設區(qū)域中節(jié)點J8深度最小(1.2m),在不同降雨重現(xiàn)期下均發(fā)生積水現(xiàn)象且積水時間較長,因此以節(jié)點J8(圖2)為例,通過對節(jié)點洪流流量與洪流時間的模擬,研究不同布局情景對節(jié)點內(nèi)澇的緩解程度.研究區(qū)域內(nèi)C8管道承接積水較嚴重部分的所有入流,該區(qū)域內(nèi)所有地表徑流最終從C8排出,因此選擇C8(圖2)為例,通過對管道內(nèi)到達峰值流量的時間與管道滿流時間的模擬,研究不同雨洪系統(tǒng)改造措施對管道的雨洪控制效果.

2.3.1 不同改造措施對地表徑流深控制效果的對比 由圖4可知,3場強降雨下,SS7在所有改造措施中對徑流深的控制效果均為最優(yōu),其中中長歷時強降雨下的削減比最高,達到了78%;由于灰色基礎設施對徑流深的控制效果幾乎為零,因此純灰色基礎設施的布局情景對徑流深幾乎沒有控制效果;在單項GI中,SS5在3場強降雨下的控制效果均為最佳,雖然植被淺溝的鋪設面積在3種GI中最大,但其滯蓄庫容不如綠色屋頂以及滲透鋪裝,而長歷時強降雨的雨量大,導致其對徑流深的控制效果不如綠色屋頂,故SS4在長歷時強降雨下對徑流深的控制效果不如SS3,在其余2場強降雨下的控制效果略優(yōu)于SS3;所有布局情景在中長歷時強降雨下對徑流深的控制效果要優(yōu)于其他2場強降雨,原因是中長歷時強降雨的歷時時間較長且降雨量是3場降雨中最低,降雨強度較小,因此所有雨水改造措施在中長歷時強降雨下對徑流深的控制效果最好.

圖4 3場降雨下不同措施對徑流深削減百分比

2.3.2 不同改造措施對節(jié)點控制效果的對比 以改造措施實施后的節(jié)點洪流流量和洪流時間的削減百分比來分析控制效果(圖5、6).由于具備下滲、截留等GI組合以及可以加快排水的增大管徑措施,因此在3場強降雨中,SS8對節(jié)點的控制效果都是最優(yōu),對節(jié)點的洪流流量和洪流時間的削減都接近100%.在單項GI中,SS3對節(jié)點的控制效果在3場強降雨中都是最差的,這是因為節(jié)點J8所在子匯水區(qū)S4中,綠色屋頂?shù)匿佋O面積比植被淺溝和滲透鋪裝要小很多,所以在節(jié)點洪流流量與洪流時間的控制效果比SS4與SS5要差.所有雨水系統(tǒng)改造措施在短歷時強降雨下對節(jié)點的控制效果不如其他2場強降雨,因為短歷時強降雨的降雨歷時短,雨量大,降雨強度超百年一遇,雖然部分雨水被截留與下滲,但排水的速度不夠,形成的地表徑流不斷涌入節(jié)點,導致節(jié)點發(fā)生洪流的時間提前,洪流流量增大.除SS8之外,其余改造措施雖然能緩解短歷時強降雨下洪流流量與洪流時間,但不及其他2場強降雨下的控制效果.

圖5 3場降雨下不同改造措施對節(jié)點洪流流量控制效果

圖6 3場降雨下不同改造措施對節(jié)點洪流時間控制效果

2.3.3 不同改造措施對管道控制效果的對比 如圖7、8所示,在對峰值流量發(fā)生時間的控制效果上,各個改造措施的差別不大,但隨著降雨歷時的增加,SS7的控制效果不斷增強,從短歷時的不如SS8與SS9,到中長歷時與SS8和SS9控制效果相當,再到長歷時下優(yōu)于SS8與SS9.由于選擇C8作為研究對象,承接上游的所有地表徑流,因此管道中的流量與徑流的控制效果相關,SS7在地表徑流的控制上效果最佳,以減少地表徑流的方式,間接減少流入管道中的水量,從而對管道進行控制.而SS9與SS7恰恰相反,在長歷時強降雨下的控制效果不如SS7與SS8;在短歷時強降雨下的控制效果優(yōu)于SS7與SS8,因為蓄水池容積的關系;長歷時強降雨的雨量大,超出蓄水池所能承受的限度,且蓄水池對地表徑流的控制效果幾乎為零,因此控制效果較差.在管道滿流時間上,控制效果最好的是SS7與SS8,其中,在長歷時強降雨下,SS7滿流時間短;在中長歷時強降雨下,SS7與SS8的控制效果差不多,都接近零;在短歷時強降雨下,SS8的滿流時間短.

圖7 3場降雨下不同改造措施的管道峰值流量發(fā)生時間

圖8 3場降雨下不同改造措施的管道滿流時間

3 結論

3.1 采用修正的Morris篩選法對SWMM模型的參數(shù)進行靈敏度分析,得出排水小區(qū)不透水率、衰減常數(shù)和土壤最大入滲速率是影響SWMM模型水文水力模塊的主要參數(shù).

3.2 對比3場強降雨下不同雨水系統(tǒng)改造措施對雨洪控制效果.在徑流深控制方面,SS7在3場降雨中的控制效果都是最好的;在節(jié)點控制方面,由于短歷時強降雨的降雨歷時短,雨量大,降雨強度超過百年一遇,因此各措施除SS8之外,在短歷時下的控制效果不佳,而SS8由于結合下滲、滯留和快排等特性的設施,因此在3場強降雨中,控制效果均為最優(yōu);在管道控制方面,SS9的控制效果隨降雨歷時的增大而減小,SS7的控制效果隨著降雨歷時的增大而增大,SS8的控制效果相對平穩(wěn).

3.3 在極端天氣下,單獨依靠GI設施緩解內(nèi)澇效果固然可行,但考慮GI改造實施難度偏大,且綠色與灰色基礎設施聯(lián)用在部分控制效果上接近甚至優(yōu)于GI,因此在雨水系統(tǒng)的設計中,并非完全依靠GI才能達到緩解內(nèi)澇的效果,適當加入灰色基礎設施,如增大管徑或者蓄水池也可達到預期的削減效果.

[1] Kalnay E, Cai M. Impact of urbanization and land-use change on climate [J]. Nature, 2003,423(6939):528-531.

[2] 劉珍環(huán),李 猷,彭 建.城市不透水表面的水環(huán)境效應研究進展 [J]. 地理科學進展, 2011,3:275-281. Liu Z H, Li Q, Peng J. Progress and perspective of the research on hydrological effects of urban impervious surface on water environment [J]. Progress in Geography, 2013,3:275-281.

[3] Suriya S, Mudgal B V. Impact of urbanization on flooding: the Thirusoolam sub watershed-a case study [J]. Journal of Hydrology, 2012,412(1):210-219.

[4] 鄭 鵬,林 韻,潘文斌,等.基于HEC-HMS模型的八一水庫流域洪水重現(xiàn)期研究 [J]. 生態(tài)學報, 2013,33(4):1268-1275. Zheng P, Lin Y, Pan W B, et al. Flood return period analysis of the Bayi Reservoir watershed based on HEC-HMS Model [J]. Acta Ecologica Sinica, 2013,33(4):1268-1275.

[5] Caradot N, Granger D, Chapgier J, et al. Urban flood risk assessment using sewer flooding databases [J]. Water science and technology, 2011,64(4):832-840.

[6] Stevens M. Cities and flooding: a guide to integrated urban flood risk management for the 21st century by Abhas Jha, Robin Bloch, Jessica Lamond, and other contributors [J]. Journal of Regional Science, 2012,52(5):885-887.

[7] The president’s council on sustainable development. Towards a sustainable America: advancing prosperity, opportunity, and a healthy environment for the 21st century [R]. Office of Scientific & Technical Information Technical Reports, USA, 1999.

[8] Lee J, Bae K H, Younos T. Conceptual framework for decentralized green water-infrastructure systems [J]. Water & Environment Journal, 2018,32(1):112-117.

[9] Woznicki S A, Hondula K L, Jarnagin S T. Effectiveness of landscape-based green infrastructure for stormwater management in suburban catchments [J]. Hydrological Processes, 2018,32(15):2346-2361.

[10] Fitzgerald J, Laufer J. Governing green stormwater infrastructure: the Philadelphia experience [J]. Local Environment, 2017,22(2):256-268.

[11] 王 石,陳麗媛,孫 翔,等.從“大截排”到清源和低影響開發(fā)——基于水質(zhì)目標約束的情景模擬與規(guī)劃 [J]. 中國環(huán)境科學, 2017, 37(10):3981-3990. Wang S, Chen L Y, Sun X, et al. From rainwater and sewage interception to separation system combined with low impact development reconstruction in urban built-up area: a water quality constrained scenario stimulation and programming [J]. China Environmental Science, 2017,37(10):3981-3990.

[12] Joksimovic D, Alam Z. Cost efficiency of low impact development (LID) stormwater management practices [J]. Procedia Engineering, 2014,89:734-741.

[13] Jang S, Cho M, Yoon J, et al. Using SWMM as a tool for hydrologic impact assessment [J]. Desalination, 2007,212(1):344-356.

[14] 陳 虹,李家科,李亞嬌,等.暴雨洪水管理模型SWMM的研究及應用進展 [J]. 西北農(nóng)林科技大學學報:自然科學版, 2015,43(12): 225-234. Chen H, Li J K, Li Y J, et al. Progress on research and application of storm water management model (SWMM) [J]. Journal of Northwest A & F University (Natural Science Edition), 2015,43(12):225-234.

[15] 譚明豪,姚娟娟,張 智,等.基于Morris的SWMM水質(zhì)參數(shù)靈敏度分析與應用 [J]. 水資源與水工程學報, 2015,26(6):117-122.Tan H M, Yao J J, Zhang Z, et al. Analysis and application of sensitivity of water quality parameter based on SWMM of Morris [J]. Journal of Water Resources and Water Engineering, 2015,26(6):117-122.

[16] 李春林,胡遠滿,劉 淼,等.SWMM模型參數(shù)局部靈敏度分析 [J]. 生態(tài)學雜志, 2014,33(4):1076-1081. Li C L, Hu Y M, Liu M, et al. Local sensitivity analysis of parameters in storm water management model [J]. Chinese Journal of Ecology, 2014,33(4):1076-1081.

[17] 林 杰,黃金良,杜鵬飛,等.城市降雨徑流水文模擬的參數(shù)局部靈敏度及其穩(wěn)定性分析 [J]. 環(huán)境科學, 2010,31(9):2023-2028. Lin J, Huang J L, Du P F, et al. Local sensitivity and its stationarity analysis for urban rainfall runoff modeling [J]. Environmental Science, 2010,31(9):2023-2028.

[18] 黃金良,杜鵬飛,何萬謙,等.城市降雨徑流模型的參數(shù)局部靈敏度分析 [J]. 中國環(huán)境科學, 2007,27(4):549-553.Huang J L, Du P F, He W Q, et al. Local sensitivity analysis for urban rainfall runoff modeling [J]. China Environmental Science, 2007,27(4):549-553.

[19] 桑國慶,曹升樂,郝玉偉,等.雨洪滯留池與蓄水池模式下的雨洪過程研究 [J]. 水電能源科學, 2012,30(6):45-48. Sang G Q, Cao S Y, Hao Y W, et al. Research on urban storm flood process under mode of detention pond and water storage tank [J]. Water Resources and Power, 2012,30(6):45-48.

[20] Rossman L A. Storm water management model user’s manual version 5.1 [R]. Report EPA-600/R-14/413b. Athens, GA, USA: US Environmental Protection Agency, 2015.

[21] Ahiablame L M, Engel B A, Chaubey I. Effectiveness of low impact development practices in two urbanized watersheds: retrofitting with rain barrel/cistern and porous pavement [J]. Journal of Environmental Management, 2013,119(119C):151-161.

[22] Zahmatkesh Z, Burian S J, Karamouz M, et al. Low-impact development practices to mitigate climate change effects on urban stormwater runoff: case study of New York City [J]. Journal of Irrigation & Drainage Engineering, 2015,141(1):04014043.

[23] Qin H P, Li Z X, Fu G. The effects of low impact development on urban flooding under different rainfall characteristics [J]. Journal of Environmental Management, 2013,129(18):577-585.

[24] Zhang S, Guo Y. SWMM simulation of the storm water volume control performance of permeable pavement systems [J]. Journal of Hydrologic Engineering, 2015,20(8):06014010.

[25] Holman-Dodds J K, Bradley A A, Potter K W. Evaluation of hydrologic benefits of infiltration based urban storm water management [J]. Jawra Journal of the American Water Resources Association, 2003,39(1):205-215.

[26] Rosa D J, Clausen J C, Dietz M E. Calibration and verification of SWMM for low impact development [J]. Jawra Journal of the American Water Resources Association, 2015,51(3):746-757.

[27] Lucas W C, Sample D J. Reducing combined sewer overflows by using outlet controls for green stormwater infrastructure: case study in Richmond, Virginia [J]. Journal of Hydrology, 2015,520:473-488.

[28] 潘文斌,柯錦燕,鄭 鵬,等.低影響開發(fā)對城市內(nèi)澇節(jié)點雨洪控制效果研究——不同降雨特性下的情景模擬 [J]. 中國環(huán)境科學, 2018, 38(7):2555-2563.Pan W B, Ke J Y, Zheng P, et al. Flood control effects of low-impact development on urban waterlogging node under different rainfall characteristics [J]. China Environmental Science, 2018,38(7):2555-2563.

[29] 陳 奕.福州市暴雨強度公式優(yōu)化研究 [J]. 給水排水, 2013,39(10): 36-40.Chen Y. The optimization of rainstorm intensity formula for the Fuzhou City [J]. Water & Wastewater Engineering, 2013,39(10):36-40.

[30] 北京市市政工程設計研究總院.給水排水設計手冊.第5冊,城鎮(zhèn)排水 [M]. 北京:中國建筑工業(yè)出版社, 2004. Beijing general municipal engineering design & research institute Co, Ltd. Design of water supply and drainage manual (third edition) (volume 5), urban drainage [M]. Beijing: China architecture & building press, 2004:52-69.

[31] 張大偉,趙冬泉,陳吉寧,等.芝加哥降雨過程線模型在排水系統(tǒng)模擬中的應用 [J]. 給水排水, 2008,(S1):354-357. Zhang D W, Zhao D Q, Chen J N, et al.The application of Chicago rainfall process line model in the drainage system in simulation [J]. Water & Wastewater Engineering, 2008,(S1):354-357.

[32] Lenhart T, Eckhardt K, Fohrer N, et al. Comparison of two different approaches of sensitivity analysis [J]. Physics & Chemistry of the Earth, 2002,27(9):645-654.

[33] 劉興坡.基于徑流系數(shù)的城市降雨徑流模型參數(shù)校準方法 [J]. 給水排水, 2009,35(11):213-217. Liu X P. Parameter calibration method for urban rainfall-runoff model based on runoff coefficient [J].Water & Wastewater Engineering, 2009, 35(11):213-217.

[34] 何福力.基于SWMM的開封市雨洪模型應用研究 [D]. 鄭州:鄭州大學, 2014. He F L. The applied research of stom water in Kaifeng City based on storm water management model (SWMM)-the case of Yunliang River group project [D]. Zhengzhou: Zhengzhou University, 2014.

Urban stormwater and flood control effect of green and grey infrastructures under extreme rainfall conditions.

ZHENG Peng1,2, WANG Bei-lei1, CHEN Zi-jie3, PAN Wen-bin1*, HUANG Jian-hui4

(1.College of Environment and Resources, Fuzhou University, Fuzhou 350108, China；2.Key Laboratory of Ecological Environment and Information Atlas Fujian Provincial University, Putian University, Putian 351100, China；3.Fujian Environmental Protection Design Institute Co., Ltd., Fuzhou 350012, China；4.Fujian Provincial Key Laboratory of Ecology-Toxicological Effects and Control Techniques of Emerging Contaminants, Putian 351100, China).2019,39(5)：2123~2130

3 universal green infrastructures (green roof, vegetative swale and permeable pavement) and 2 grey infrastructure mitigations (large diameter tube & reservoir) were selected to design 9 types of storm water drainage system modification scenarios in Fuzhou University campus. Under different extreme weather conditions (3 recorded rainfall events with different duration), SWMM model was used to analyze urban stormwater and flood control effect under different simulation scenarios (SS1~SS9). The control effect included runoff depth, node J8 flood flow and flood time, peak time and full flow time in C8 pipeline. The simulations results showed that simulation scenarios including green infrastructure had better control effect. Compared to other simulation scenarios, combinations of green roofs, vegetative swales and continuous permeable pavement systems (SS7) exhibited the best control effect on runoff depth under 3 rainfall events, the reduction ratio under the middle duration rainfall event was the highest, reaching 78%. While combinations of green roofs, vegetative swales, continuous permeable pavement systems and large diameter tubes (SS8, with the characteristics of infiltration, retention and quick drainage) displayed the best control effect on node J8 flood flow and flood time under 3rainfall events, reaching 100%. On the pipe flood control aspect, three combinations including green roofs, vegetative swales, continuous permeable pavement systems (SS7, SS8 and SS9) had a better effect on peak flow and full flow time in C8 pipeline than other simulation scenarios. Combinations of green roofs, vegetative swales, continuous permeable pavement systems and reservoirs (SS9) had the minimum full flow time and latest peak time in the short duration rainfall event. Combinations of green roofs, vegetative swales and continuous permeable pavement systems (SS7) had the minimum full flow time and latest peak time in the long duration rainfall event. Three combinations (SS7, SS8 and SS9) had no distinct differences on pipeline flood control in the middle duration rainfall event.

green infrastructure；grey infrastructure；SWMM model；extreme weather condition；stormwater and flood control

X32

A

1000-6923(2019)05-2123-08

鄭 鵬(1983-),男,福建莆田人,講師,博士,研究方向環(huán)境生態(tài)學.發(fā)表論文24篇.

2018-09-25

國家重點研發(fā)計劃(2016YFC0502905);生態(tài)環(huán)境及其信息圖譜福建省高等學校重點實驗室(莆田學院)開放經(jīng)費資助課題(ST18005)

*責任作者, 副教授, Wenbinpan@fzu.edu.cn