广州天河智慧城不同LID 措施前期状态对径流和污染物调控效果的影响研究

张 瀚，邱静，黄本胜，杨志峰，蔡宴朋

（1.广东省水利水电科学研究院，广东广州 510635；2.广东工业大学环境生态工程研究院，广东广州 510006）

1 研究背景

联合国政府间气候变化专门委员会（IPCC）于2021年8月9日发布了第六次评估报告第一工作组报告，报告指出，随着进一步的全球变暖，预计每个地区都将在气候影响驱动（直接影响社会或生态系统的物理气候条件）下经历更加频繁的变化，造成更为严重的城市洪涝问题［1］。2012 年北京“7·21”特大暴雨，2021年郑州“7·20”特大暴雨等造成的洪涝灾害事件使城市居民的生存条件、财产安全遭受到严重威胁，现已成为制约我国社会经济可持续健康发展的关键因素，加强城市暴雨内涝防治的研究十分紧迫［2-8］。

不同城市洪涝灾害成因有所不同，但主要是由于以下几点［5-8］：①自然条件原因。暴雨内涝与强降雨特征息息相关，城市极端降雨是导致内涝灾害的主要因素之一。除降雨因素以外，外江洪水及潮水顶托也是造成城市内涝的重要因素；②排水系统规划设计不合理。由于历史原因，先地上后地下的发展模式导致基础设施建设严重滞后，随着城市化进程加剧，部分排水管网存在设施老化、损坏和防洪排涝标准偏低不能满足城市的排水要求的问题逐渐显现；③人类活动影响。城市化发展改变了城市区域不透水面积与透水面积的比例，导致暴雨径流峰值增大以及汇流时间缩短，城市内涝灾害风险大大增加。

低影响开发措施（Low Impact Development，LID）是在国际社会中被普遍认可并开展广泛应用的一种城市雨洪管理方法，采用源头控制的设计理念，合理采取相关措施对暴雨径流和污染物进行控制，对解决城市内涝和污染物控制问题具有十分重要的作用［9，10］。LID 布置不同的工程措施对径流和污染物的控制已经有众多学者开展了大量的实验和模拟研究［11-19］，研究成果表明LID 措施在削减洪峰流量、滞后峰现时间和控制污染物负荷等方面具有显著的作用，采用组合式的LID 措施比单一的LID措施对径流和污染物具有更好的控制效果［20，21］。但以往学者的研究成果大多集中于LID实验与监测或是设计优化与评估方面，对于LID 措施不同前期状态对径流和污染物控制的影响研究较少，LID 措施土壤层的初始含水量和下渗能力会随着降雨过程而改变，因此LID 措施土壤前期状态的不同将会导致LID措施的效果存在较大区别，亟需进行深入的研究。

本文以广州市天河区东北部的天河智慧城为研究对象，根据实测降雨、径流、水质和收集到的管网资料建立包含LID措施调控作用的SWMM 模型，采用两场降雨过程对模型参数进行率定，并在此基础上分析不同降雨重现期，LID 措施在不同前期状态条件下对径流和污染物的控制，以期为LID 措施的设计提供科学决策的依据，并为后期的运行管理提供指导。

2 研究方法

2.1 模型建立

天河智慧城位于广州天河区东北部，多年平均降雨量约为1 650 mm，该区域地势北高南低，发生大雨时极易遭受暴雨洪涝灾害，给市民的交通生活造成不利影响［22］。研究区面积约为113 700 m2，从天河智慧城管委会提供收集到构建SWMM 模型所需的管网、地形和用地分类等资料，根据研究区域的管网和下垫面特征将天河智慧城研究区域概化为29 个节点，29 段管网和1 个出口，根据遥感图与土地利用类型分类情况划分子汇水区，划分得到25 个子汇水区。研究区域整体地势西北高、东南低，排水管网内的水流依靠重力自流到东南方向的出水口，根据现场地形的实际情况进行流向、产流和汇流过程的调整［23，24］。流量计布置在位于研究区域西南侧的检查井，用于监测流量过程，最终模型概化结果如图1。

图1 模型概化图Fig.1 Sketch of model generalization

2.2 数据资料

研究区水文气象数据来自于同步监测数据，在研究区域布置监测点开展降雨、径流和水质同步监测，监测位置见图2。雨量计位于天河智慧城办公楼楼顶，雨量计精度为0.2 mm，采集时间间隔1 min。排水监测流量计位于汇水区域出口检查井，其中管井液位监测范围为0～10 m，流速监测精度为0.3 m/s，采集时间间隔1 min。通过事先测量和记录出水口形状尺寸，以液位计算过水面积，结合流速监测得出其流量。

图2 天河智慧城监测点Fig.2 Tianhe Wisdom City Monitoring location

水质监测则选取研究区域中有代表性的观测点屋顶、绿地、道路和广场上分别采集径流样品。水质检测项目包括，总可溶性固形物（Total Soluble Solid，TSS）、五日生化需氧量（Biochemical Oxygen Demand，BOD5）、化学需氧量（Chemical Oxygen Demand，COD）和总氮（Total Nitrogen，TN），检测方法及方法检出限见表1。

表1 水质项目检测方法Tab.1 Summary of testing methods for water quality indicators

2.3 模型参数验证指标

本文取用Nash-Sutcliffe 效率系数（ENS）和峰值流量相对误差（EPR）作为模型率定的评价指标［15］。ENS和EPR计算方法如下：

式中：qt_obs为实测流量序列；为模拟流量序列；N为实测流量数据个数；为实测流量均值。

由于污染物模拟过程不确定性较强，水质参数率定以纳什系数（将流量变为污染物质量浓度）和相关系数检验污染物过程的拟合度，相关系数R的表达式为：

式中：ρ0、ρc分别为采样检测的污染物质量浓度和模拟的污染物质量浓度，mg/L ；分别为采样检测的污染物质量浓度平均值和模拟的污染物质量浓度平均值，mg/L。

2.4 模型率定与验证

采用实测降雨和出口流量监测数据进行模型的验证，两场实测降雨20180703 和20180723 的降雨过程见图3。由表2 及图3 的结果可以看出，模型模拟结果和实测结果间的纳什系数ENS分别为0.82 和0.93，峰值流量与实测流量的相对误差EPR均不超过15%。

图3 参数验证中径流过程计算结果Fig.3 Simulated results of the runoff for model verification

表2 实测降雨情况及模型水文水力参数验证结果Tab.2 Results of verification of hydrologic and hydraulic parameters

综合两场降雨事件的检验结果表明，本文所构建的SWMM模型基本能够反映出天河智慧城选择研究区域的水文过程，模型的精度和可靠性较好，在天河智慧城具有较好的适用性，能够进一步用于后续阶段的研究。

将TSS、BOD5、CODmn和TN作为主要污染物研究对象，下垫面分别为屋顶、道路、绿地和广场，利用降雨20180723 率定参数，水质参数率定与验证结果见表4，模型模拟与实测数据之间的纳什效率系数ENS和相关系数R均大于0.5，得到的水质参数见表5。

表4 模型水质参数验证结果Tab.4 Results of verification of water quality parameters

表5 模型水质参数取值Tab.5 Water quality parameters

3 模拟研究及结果分析

3.1 设计暴雨

根据广州市水务局于2018 年9 月印发《广州市排水管理办法实施细则》的要求，在进行雨水设计流量计算时，广州市中心城区设计暴雨强度按照下式计算［25］：

式中：q为暴雨强度，L/（S·hm2）；P为重现期，a；t为降雨历时，min。

表3 模型水文参数取值Tab.3 The value of hydrologic and hydraulic parameters

采用国际通用的芝加哥雨型对设计暴雨进行分配，降雨重现期分别为0.5 年一遇、1 年一遇、2 年一遇、5 年一遇和10 年一遇，降雨历时120 min，时间精度1 min，雨峰系数设置为0.415。设计暴雨过程线见图4。

图4 天河智慧城不同重现期设计暴雨过程线Fig.4 Design rainfall with different return periods in Tianhe Wisdom City

3.2 不同前期状态参数设置

降雨会改变研究区域的土壤初始含水量，而土壤初始含水量将直接改变径流的入渗过程，这会直接影响天河智慧城不同下垫面的下渗能力和LID 措施的调蓄能力［17］。因此根据天河智慧城下垫面土地利用类型的不同，将LID 措施的前期状态分为3种典型状态：自然状态、半饱和状态和饱和状态3种［26，27］。

自然状态是指LID 措施没有任何前期蓄水，下渗介质层的入渗能力没有发生任何改变，自然状态的LID 参数按照常规取值范围进行设定。饱和状态是指LID措施的下渗介质层已经处于饱和状态且LID 措施本身已经蓄满水，LID 饱和状态下的不透水和透水区洼地蓄水量皆设置为0，根据薛凯喜等［28］的实验研究，土壤处于饱和状态时的入渗能力仅为土壤处于自然状态的10%左右，因此根据实验结果设置LID 饱和状态土壤初始下渗能力和稳定下渗能力参数为自然状态的10%。半饱和状态是指LID 措施下渗介质层呈半饱和状态而且LID 措施已经有一部分前期蓄水，半饱和状态与其他两种状态的差异主要在于下渗能力的变化，此时土壤渗透能力的削减约为50%左右，为了便于进一步研究，半饱和状态各参数的取值位于LID 饱和状态和自然状态之间。模型主要参数取值见表6，不同初始状态LID 措施的参数取值见表7。

表6 模型不同初始状态主要参数设置Tab.6 The model parameters in different initial conditions

表7 LID不同初始状态参数设置Tab.7 The LID parameters in different initial conditions

3.3 水量模拟结果

径流控制率变化的计算方法如式（5）所示：

式中：RAV为径流总量控制率；Vt为研究区降雨总量；Vo为研究区域相应降雨的总外排量。

不同重现期下径流控制率见图5。天河智慧城雨洪模型的模拟结果表明，在同一重现期降雨条件下，LID 处于自然状态的径流控制率均高于LID处于半饱和状态和饱和状态。在五种降雨重现期下LID 自然状态下的径流控制率为70.17%～83.18%，而半饱和状态和饱和状态下径流控制率仅有58.63%～74.11%和47.40%～54.48%。LID 自然状态、半饱和状态和饱和状态下径流控制率的改变均呈现出随降雨重现期增大而减小的变化趋势。

图5 LID不同状态下径流控制率Fig.5 Runoff control rate in all LID conditions

相对于LID 自然状态，在不同降雨重现期条件下LID 半饱和状态下径流控制率降低幅度为9.06%～13.25%，在降雨重现期为2 年时，径流控制率减小幅度最大为13.25%。这主要是由于在降雨重现期较小时（0.5年一遇和1年一遇），雨水汇集过程的历时较长，降雨在未进入LID 措施时受不透水和透水面积的洼地蓄水和下渗的损失较大，这主要对小雨的影响比较显著。而在降雨强度较大时（5 年一遇和10 年一遇降雨）雨水汇集过程的历时较短，LID 措施半饱和状态下相对于LID 措施自然状态下渗能力虽然有一定的减小，但仍然能保持一定程度的稳定下渗能力，因此径流控制率呈现出随降雨总量的增加而减小的变化趋势。

在LID措施处于饱和状态时，相对于自然状态，在不同降雨重现期下径流控制率呈现出显著的下降趋势，下降幅度为22.78%～28.78%，但此时在不同降雨重现期下，LID 饱和状态径流控制率的差别并不显著。这主要是因为LID措施饱和状态土壤下渗能力呈现出显著减小的变化趋势，对雨水的容纳消解能力差别不大，因此LID 饱和状态的径流控制率虽然也呈现出随降雨重现期减小的变化趋势，但差别并不显著。

不同降雨重现期下，天河智慧城LID 不同状态径流峰值变化情况见图6。不同降雨重现期下，LID 自然状态下径流峰值为0.28～1.15 m3/s。LID 半饱和状态相对比LID 自然状态径流峰值增加了0.06～0.37 m3/s，径流峰值变化趋势均呈现出随降雨重现期先增大后减小的变化趋势，5 年一遇降雨重现期下增幅最大为0.37 m3/s。LID 饱和状态相比于LID 自然状态径流峰值增加幅度为0.56～1.33 m3/s，2 年一遇降雨重现期下增幅最大为1.33 m3/s，也呈现出先增大后减小的趋势，这一变化趋势在LID饱和状态相对于自然状态时更为显著。这主要是因为LID饱和状态的下渗能力仍然比无LID 措施的更好，在降雨强度较小时雨水汇集历时较长，LID 措施饱和状态对径流仍然具有较好的控制能力，随着降雨强度的增加，雨水汇集历时逐渐缩短，LID饱和状态已经不能满足下渗需要，对径流的控制效果也随之减弱，造成径流峰值较大。

图6 各状态下径流峰值变化Fig.6 Variation of runoff peak discharge in all conditions

LID 不同状态各重现期降雨下径流过程模拟结果见图7。LID 相同前期状态与无LID 相比对径流峰值削减率均呈现出随降雨重现期的增大而减小的变化趋势。在不同降雨重现期下，LID 自然状态和半饱和状态对峰值的削减程度显著，而LID 饱和状态在大雨时，峰值差异较小，且峰现时间有小幅提前。这主要是因为在0.5年一遇和1年一遇降雨强度较小的时，雨水汇集过程较长，LID 自然状态和LID 半饱和状态能够将雨水及时消纳，具有显著的提升效果。饱和状态的LID 措施此时已经蓄满水，但透水铺砖的快速下渗作用使得其下渗能力仍然优于无LID 措施的下垫面，因此也能够削减径流量峰值。而在5 年一遇和10年一遇降雨强度较大的情况时，雨水的汇流过程历时较短，由于此时作为末端调蓄饱和状态的LID 措施内部已经蓄满了水，因此与无LID 措施相比在峰值处的径流控制能力已没有显著差别。而LID 饱和状态峰现时间相比于无LID 措施略有提前，这可能是因为未经LID改造的下垫面类型阻力较大，延长了雨水汇流的时间，因此排水出口的峰现时间提前。

图7 不同前期状态和重现期降雨下径流过程模拟Fig.7 Runoff under different initial conditions and rainfall with different return periods

3.4 水质模拟结果

不同前期条件和重现期降雨下污染物削减率统计结果见图8。相对于无LID 措施情况，在LID 自然状态条件下，不同污染物削减率均随降雨重现期的增大而减小，其中TSS、BOD5、CODmn和TN 污染物削减率分别为51.94%～64.28%、50.57%～67.26%、51.47%～63.12%和46.26%～57.51%。在LID 自然状态下，小雨和大雨对污染物的削减存在显著差别，TSS、BOD5、CODmn和TN 在0.5 年一遇和10 年一遇降雨条件下污染物削减率相差分别为12.33%、16.68%、11.65%和11.24%，而在LID 处于半饱和状态时，对污染物的削减仅对污染物BOD5作用较为明显，削减率为40.62%～51.00%，而对TSS、CODmn和TN 的削减率在不同重现期下变化幅度不超过4%。当LID 处于饱和状态时，TSS、BOD5、CODmn和TN 削减率在不同重现期差距已不超过3%。

图8 LID前期状态、降雨重现期和污染物削减率的关系图Fig.8 The relationship between initial conditions，rainfall with different return periods and pollutant reduction rate

4 结论

（1）基于SWMM 构建含低影响开发（LID）措施调控作用的广州市天河智慧城雨洪模型的降雨径流过程进行模拟，通过降雨径流同步观测数据进行验证，Nash-Sutcliffe 效率系数（ENS）和峰值流量相对误差结果表明构建的模型基本能够反映出天河智慧城选择研究区域的水文过程，水质参数Nash-Sutcliffe 效率系数（ENS）和相关系数在率定中大于0.5。率定结果表明模型在天河智慧城具有较好的适用性。

（2）不同重现期降雨下，LID 措施自然状态、半饱和与饱和状态径流控制率分别为70.17%～83.18%、58.63%～74.11%和47.40%～54.48%，其中LID 自然状态下径流控制率最高，径流控制率总体随重现期增大而减小，相对于自然状态，LID 半饱和状态在不同重现期下径流控制率降低了9.06%～13.25%。

（3）在不同重现期降雨下，LID 措施自然状态、半饱和状态和饱和状态径流峰值分别为0.28～1.15、0.34～1.48 和0.84～2.02 m3/s。相对于LID 措施处于自然状态，半饱和状态径流峰值升高了0.06～0.37 m3/s，呈现出随降雨重现期先增大后减小的趋势，在5 年一遇增幅最大为0.37 m3/s。而在饱和状态下，相对于自然状态径流峰值增加分别为0.56～1.33 m3/s，在2 年一遇增幅最大为1.33 m3/s，也呈现出先增大后减小的趋势，这一变化趋势在LID饱和状态相对于自然状态时更为显著。

（4）相对于无LID 措施情况，在LID 自然状态条件下，不同污染物削减率均随降雨重现期的增大而减小，其中TSS、BOD5、CODmn和TN 污染物削减率分别为51.94%～64.28%、50.57%～67.26%、51.47%～63.12%和46.26%～57.51%。当LID 处于饱和状态时，TSS、BOD5、CODmn和TN 削减率在不同降雨重现期下差距已不超过3%。