2019, Vol. 39
[PDF全文]
2. 南水北调中线干线工程建设管理局河北分局顺平管理处, 保定 072250;
3. 环境保护部环境规划院, 北京 100012;
4. 北华航天工业学院, 廊坊 065000;
5. 青海省生态环境规划和环保技术中心, 西宁 810007
2. Construction and Administration Bureau of South-to-North Water Diversion Middle Route Project, Shunping Management Office, Baoding 072250;
3. Chinese Academy for Environmental Planning, Ministry of Environmental Protection, Beijing 100012;
4. North China Institute of Aerospace Engineering, Langfang 065000;
5. Ecological Environment Planning and Environmental Protection Technology Center of Qinghai Province, Xining 810007
极端降水事件是降水量超过一定阈值时的极端天气事件(Bell et al., 2004).当市区遇到暴雨时, 大部分降水不能渗透, 进而导致径流增加.此外, 在长时间的暴雨过程中, 河道的回水使得传统的降雨管理方法(如增加管道数量, 扩大管道直径)失效, 城市积水难以迅速排放(程晓陶等, 2008).城市洪灾每年造成平均40亿美元的财产损失(Tripathi et al., 2014).气候变化是21世纪全世界所面临的最严峻的挑战之一, 其影响非常广泛, 如极端天气事件增多, 生物多样性丧失, 生态系统分布变化, 农作物产量变化等(Millennium Ecosystem Assessment, 2005; Pettorelli et al., 2012; Mantyka-Pringle et al., 2015; Kahsay et al., 2016).全球变暖使得地表蒸发量和蒸腾量增加, 水循环加速, 导致极端降水事件越来越频繁与严重(Field et al., 2012;Wang et al., 2017), 进而加剧洪涝、干旱和山体滑坡等灾害的发生, 严重影响城市的安全与发展.此外, 城市扩张和不透水表面的建设也降低了其承受极端降水的能力(Miller et al., 2008).因此, 有必要开发城市雨水适应性技术来缓解城市内涝.
在城市雨水管理技术方面, 增加渗透是减少径流及其影响的重要途径.美国、澳大利亚和英国等许多国家都提出了相应的雨水管理措施.这些措施中最有潜力的是美国环境保护署(USEPA)提出的低影响开发(LID). LID的核心思想是通过使用各种分散的源控制措施, 在城市发展之后能够保持城市发展之前的水文特征(Kong et al., 2017).许多研究表明, LID可以有效减少地表径流, 减少洪峰, 补充地下水, 减弱水土流失, 改善水质(Gilroy et al., 2009; van der Sterren et al., 2012; Qin et al., 2013).目前, LID技术在世界许多国家已经有了较好的基础.例如, 在美国华盛顿州、俄勒冈州、马里兰州等城市都有基于LID的雨洪控制工程, 如波特兰会议中心雨水花园和波特兰NE Siskiyou绿色街道(Elkin, 2014; She et al., 2015).在澳大利亚墨尔本的发展中心, 雨水花园和生物滞留池被广泛用于绿色基础设施(Akinyemi, 2008).在中国, 住房和城乡建设部推出了“海绵城市建设技术指南”, 旨在建设能够适应环境变化和自然灾害的新城市, 以有效解决城市内涝问题.然而, 很少有政府文件或科学研究提出基于LID措施的适应性技术以应对气候变化下更为严重的极端降水事件.而此技术将减轻未来极端降水对城市的影响程度, 对城市的可持续发展具有重要意义.具有LID模块的暴雨管理模型(SWMM)有助于基于复杂参数建立方案并模拟它们在城市暴雨事件中的结果(Rossman, 2010;邢薇等, 2016).SWMM模型为USEPA于1971年开发, 在许多国家的城市雨水径流污染和城市排水系统管理中得到广泛应用.这个模型为雨水径流计算、洪水调节和储存、雨水利用、城市非点源污染和城市防洪提供了可靠的技术(Tsihrintzis et al., 1998; Campbell et al., 2002; Peterson et al., 2006; Kim et al., 2007)
综上所述, 本研究的主要目标是采用模拟分析的方法, 提出气候变化背景下城市应对极端降水的适应性方案, 并对不同方案进行评价.其他目标还包括①西宁海绵城市试点区极端降水的变化趋势；②不同适应性技术在未来极端降水事件下控制城市雨洪的能力.本研究首先利用Pearson-Ⅲ概率分布和线性趋势估计法对2065年研究区极端降水量进行了预测, 并利用SWMM模型模拟在不采取LID措施的情况下城市的洪涝情况.在此基础上, 建立基于LID和管网改造的城市极端降水适应性方案, 模拟不同方案对城市洪涝的控制情况, 并评估它们应对未来极端天气事件的能力.
2 研究方法(Method) 2.1 研究区研究区为西宁市海绵城市建设试点区, 如图 1所示.西宁市为川道型城市, 其典型特征为“山-水-城”的空间结构, 是城市建设的敏感区域、也是研究城市水问题的代表性城市.研究区东起新宁路, 西至湟水路, 北临青藏铁路, 南到大南山山脊线(36°37′18.57″N~36°39′33.75″ N, 101°39′42.63″E~101°45′19.27″E), 总面积21.61 km2.研究区属大陆性高原半干旱气候, 全年主导风向为东南风, 具有海拔高、气压低、太阳辐射强、昼夜温差大、高寒、干旱等特点.降水主要集中在5—9月, 占全年降水量的80%以上.强降水经常发生, 但持续时间较短.在历史上, 洪灾频频发生.洪水和强降水有很好的一致性.由于植被条件差, 洪水中往往含有大量的沉积物.基于研究区的遥感图以及建设用地图, 研究区域的下垫面可分为城市绿地、林地、水域、屋顶、硬化地表、裸地6类.
 |
| 图 1 研究区示意及土地利用图 Fig. 1 Study area and land use |
本文搜集了研究区周围4个国家气象站1966—2015年的降水资料.4个气象站坐标分别为36°43′42″N、101°45′08″E, 36°29′42″N、101°34′37″E, 36°41′24″N、101°15′05″E和36°56′39″N、101°40′37″E.通过插值法获得海绵城市建设试点示范区多年平均降水量.研究所涉及的数据及相关文件还包括西宁市的排水管网CAD文件, 研究区遥感影像图、建设用地图、西宁市城区内排水管网工程图、《西宁市排水(雨水)防洪综合规划(2012—2030)》、《西宁市排水工程专项规划(2012—2030)》、西宁市海绵城市建设试点实施方案.
2.3 气候变化下极端降雨量预测 2.3.1 降雨趋势分析线性倾向估计法属于时间序列分析范畴(魏凤英, 2007).用xi表示样本量为n的某一气候变量, 用ti表示xi所对应的时间, 建立xi与ti之间的一元线性回归方程：
|
(1) |
式中, a为回归常数, b为回归系数.a和b可以用最小二乘法进行估计.
2.3.2 未来最大日降雨量计算Pearson-Ⅲ概率分布具有广泛的泛化能力和模拟能力, 在气象学中常用于拟合最大日降水量分布(任伯帜等, 2001;林两位等, 2005).极端降水事件的阈值判定采用基于百分位的方法(Zhai et al., 2005; She et al., 2015).在本研究中将最大日降水量发生概率的10%作为历史极端降水事件的降水阈值.在此基础上, 结合降水趋势分析得到2065年的极端降水阈值.Pearson-Ⅲ型概率分布的密度函数为：
|
(2) |
|
(3) |
式中, 参数x0为随机变量x的最小值, α为形状参数, β为尺度参数, Γ(α)是α的伽马函数.降雨强度过程线选择芝加哥降雨过程线(张大伟等, 2008;徐慧珺, 2017).
2.4 基于SWMM模型的降水径流模拟 2.4.1 SWMM模型流域划分和排水系统概化根据主要道路、河流和功能区划, 将研究区划分为3个子区域, 每个子区域又细分为小型的子汇水区(图 2).根据管网数据资料, 《西宁市排水(雨水)防洪综合规划(2012—2030)》和《西宁市排水工程专项规划(2012—2030)》进行节点排水网络概化.在排水网络CAD文件中, 通过识别雨水口、检查井和排放口来提取节点数据.将研究区排水网络的CAD文件导入到ArcGIS中进行坐标校准.进一步利用ArcGIS对节点进行编号, 计算出管道长度、管道直径、管底顶高程、管材类型、雨水口检查井地面高程和底端高程等模型属性数据.研究区雨水口、检查井、排放口、雨水排水管网及子汇水区分布如图 2所示.根据流域面积统计和概化结果, 将研究区划分为100个子流域、143个管段和160个节点(包括143个雨水入口和检查井, 17个雨水排放口).本文只研究城市内涝问题, 认为湟水的雨水容量远大于城市的雨水排放量, 因此本文不考虑17个雨水排放口的情况.
 |
| 图 2 研究区雨水口、检查井、排放口、雨水排水管网及子汇水区分布 Fig. 2 Distribution of nodes, rainwater drainage network and sub-catchment area in the study area |
主要涉及到的模型参数设定包括节点、管段和子汇水区：雨水口的最大深度为1 m, 检查井的最大深度为1.8 m；管段和子汇水区的参数设置和主要参数取值范围如表 1和表 2所示.推求各子汇水区的产流过程选用Horton公式进行计算.采用非线性水库模型进行地面汇流的计算, 即联立求解曼宁公式和连续方程；管道汇流可以通过水力模型计算, 核心是求解Saint-Venant方程.
| 表 1 管段基本参数的设置 Table 1 The basic parameters of the pipes |
 |
| 表 2 子汇水区域基本参数的设置 Table 2 The basic parameters of sub-catchment areas |
|
SWMM的连续性误差包括地表径流和径流转移.一般情况下, 如果上述误差小于10%, 可以认为模型模拟结果合理, 模型有效.其次, 根据《西宁市排水(雨水)防涝综合规划2012—2030》和《西宁市排水工程专项规划(2012—2030)》, 确定了3个区域的降雨设计流量.雨量再现期为2, 降雨时间为180 min(中国西部大部分地区的降雨持续时间).芝加哥降雨模型被用于参数的校准.如果SWMM计算雨水出口流量接近设计流量, 且相对偏差小于20%, 则计算结果合理(王茜等, 2018).
2.5 城市降水径流控制的适应方案模拟 2.5.1 LID参数设置基于“海绵城市”的理念, 降低极端天气风险的LID措施包括生物蓄留池(雨水花园)、绿色屋顶、雨水罐、透水路面、植草沟和植物过滤带等.不同下垫面类型的LID措施以及LID措施的适用条件、成效、成本和环境影响通过相关参考文献获取(USEPA, 2000;王琼珊等, 2014).根据这些LID措施的优缺点和项目的具体要求, 选择绿色屋顶、雨水花园、渗透铺装、植草沟和雨水桶共5项LID措施类型.
根据参考文献(侯改娟, 2014;封威, 2015;郭凤等, 2016)和研究区的实际情况, 对SWMM模型中LID措施的参数进行了设置(表 3).LID技术措施布设面积方面, 参考《西宁市海绵城市建设试点实施方案》并结合实际情况进行确定.其中, 绿色屋顶布设面积为子汇水区屋顶面积的60%, 雨水花园布设面积为子汇水区总面积的4.5%, 渗透铺装布设面积为子汇水区硬化地面面积的30%, 植草沟布设面积为子汇水区裸地面积的50%, 雨水桶布设面积为子汇水区屋顶面积的1‰.
| 表 3 LID措施参数设置 Table 3 SWMM simulation parameter settings for LID measures |
|
管网改造对缓解城市内涝具有重要作用.本研究中对管网改造的主要措施为管径改造, 即通过替换内径较大的管段来提高排水效率, 管径的改造数量值为0.2 m, 以提高排洪能力.
2.5.3 城市应对暴雨极端天气的适应性方案设计与模拟采用LID技术和管网改造措施来提高城市应对未来暴雨极端天气的适应性, 设定3种适应性规划方案, 分别是：①BAU(Business As Usual)方案, 即保持现状, 不采取适应性措施；②局部区域布设LID技术措施方案(同时考虑不进行管网改造和部分管网改造两种情景)；③全部区域布设LID技术措施(同时考虑不进行管网改造和满流管网改造两种情景).利用SWMM模型对以上方案进行模拟, 统计内涝点个数、最早内涝开始时间、平均内涝历时(h)、平均最大入流流量(m3·s-1)、平均内涝累计积水量(106 L).
2.6 城市降雨径流控制的适应性方案评价在获得模拟结果的基础上, 对BAU、局部布设和全部布设方案进行评价.首先对指标进行归一化处理, 通过熵权法确定各内涝指标权重, 再计算各方案的内涝控制综合指数, 综合指数值越高表示控制效果越好.
其中, 熵权法是根据变异性的大小来确定客观权重.具体指标处理和权重计算步骤如下(拜亚丽, 2018;李娇利, 2018)：
① 数据标准化:由于各项指标度量单位各不相同, 需对其进行标准化处理, 采用比值法得到指标的归一化数值fij.
|
(4) |
式中, Xij为内涝数据, i为方案, j为指标数, 方案总数为n；Gj为方案第j个指标的平均值.
② 计算第j项指标的信息效用值dj：
|
(5) |
式中,
|
(6) |
|
(7) |
③ 确定评价指标的权重:某指标的信息效用值越大, 那么其在所有指标中的权重也应最大.第j项指标的权重可以表示为：
|
(8) |
根据1966—2015年研究区年最大日均降水量数据, 利用Pearson-Ⅲ概率计算方法计算研究区历史极端降水量.10%概率最大日降水量值为45.00 mm(表 4).根据线性估计法, 未来最大日降水量将以0.061 mm·a-1的速度增加.未来50年总增加3.05 mm, 这与翟盘茂等(1999)的研究结果相似.因此, 未来10%概率的50年最大日降水量将增加到48.05 mm, 并将此值作为未来50年暴雨极端天气的降雨情景.
| 表 4 基于Pearson-Ⅲ概率的降雨量值计算结果 Table 4 Results of precipitation by Pearson-Ⅲ probability |
|
连续性误差方面, 地表径流误差为-0.11%, 流量为-0.04%, 低于10%, 说明模型运行合理.SWMM模型模拟结果的相对偏差验证见表 5.表中的计算结果表明, SWMM计算雨水出口流量与研究区建设后规划设计出口流量结果接近, 相对偏差在20%以内, 计算结果合理, 可用于城市暴雨极端天气情景分析.
| 表 5 SWMM模型的验证结果 Table 5 Simulation and verification results of the SWMM model |
|
模拟结果显示, BAU情景下未来极端降水将导致严重的内涝.总内涝点数为111个, 内涝起始时间为模拟开始后的第37 min, 平均内涝历时为0.99 h.最先出现积水的是节点37和节点111, 节点142的积水持续时间最长(图 3a).为了更好地分析研究区内的内涝情况, 采用自然断点法(表 6)对积水程度进行分类(图 3b)：无积水、轻度积水、中轻度积水、中度积水、中高度积水、高度积水.涝点的平均积水量为2.75×106 L, 共有62个轻度积水点, 23个中轻度积水点, 14个中度积水点, 9个中高度积水点, 4个高度积水点.
| 表 6 积水量分级 Table 6 Classification of water accumulation |
|
 |
| 图 3 BAU方案的积水历时分布(a)和积水情况分布(b) Fig. 3 Distribution of waterlogging duration (a) and water accumulation (b) of BAU scheme |
选择在BAU情景下积水量大于或等于中等积水量的积水节点(以下称关键控制节点)的周边子汇水区进行局部LID措施的布设.管网改造为中度积水点的下游管段.图 4a和图 4b显示了局部布设LID措施的位置和改造的管段.模拟结果表明, 未考虑管网改造的局部布设LID措施方案使得内涝点数减少1个, 内涝开始时间延迟1 min.平均内涝历时、平均最大入流流量和平均内涝积水量减少(表 7, 分别减少3%、7%、11%).内涝历时变化的节点几乎都在西部和东部地区, 而其他地区变化不明显(图 5a).节点7、节点37、节点74、节点80、节点104、节点128和节点138等向低等级的内涝点转变(图 6a).管段改造后, 内涝开始时间推迟6 min, 研究区内的平均内涝历时和平均内涝积水量有所减少, 但内涝点数有所增加(表 7).管段改造后, 内涝历时不超过5 h, 且一般小于1 h(图 5b).研究区整体节点累计积水量分布情况变化不大, 中部区域由于涉及改造的管段较少, 基本没有积水程度的明显变化(图 6b).重点控制节点的积水程度有明显变化, 如节点87、节点57、节点128、节点129和节点139出现了明显分级变化, 节点积水程度有明显的降低.但关键控制节点的一些下游节点会出现积水程度增强的情况, 例如节点96和节点141, 节点96为两段管段汇流处, 改造前为无积水节点, 改造后变为了中高度积水节点, 节点141改造前为中轻度积水节点, 改造后变为了中高度积水节点.
 |
| 图 4 LID措施布设及管网改造位置 (a.局部布设LID措施, b.局部管段改造, c.全部布设LID措施, d.满流管网改造) Fig. 4 Position of LID measures deployment and pipe section transformation |
 |
| 图 5 内涝历时分布 (a.局部LID措施布设方案, b.局部LID措施布设结合局部管网改造方案, c.全部布设LID措施方案, d.全部布设LID措施结合满流管网改造方案) Fig. 5 Distribution of waterlogging duration |
 |
| 图 6 积水点积水情况分布 (a.局部LID措施布设方案, b.局部LID措施布设结合局部管网改造方案, c.全部布设LID措施方案, d.全部布设LID措施结合满流管网改造方案) Fig. 6 Nodes′ water accumulation distribution |
| 表 7 每种适应性方案的积水情况与评价结果 Table 7 Simulation results of waterlogging situation of each adaptive planning |
|
图 4c显示了全部布设LID措施的情况.在BAU情景的管段中有许多满流情况, 因此, 管网改造的位置是满流管段(图 4d).全部布设LID措施(未进行管段改造)的模拟结果显示, 内涝节点减少到105个, 内涝开始时间延迟2 min.平均积水时间、平均最大入流流量和平均内涝积水量分别下降9%、16%和20%(表 7).此外, 全部布设LID措施减少了大量内涝节点的积水时间.节点24、节点27、节点50、节点66、节点104和节点134已经从内涝节点变为非内涝节点, 并且近20个节点进入较低级别的积水历时类型中, 如节点5、节点9、节点10、节点16、节点24(图 5c).节点积水程度发生明显变化, 各节点平均积水量减少10%以上(图 6c).与只布设全部LID措施相比, 全部布设LID措施并结合满流管段改造内涝节点减少9个, 内涝开始时间延迟10 min, 平均积水时间缩短了一半, 平均积水量下降了22.3%.此外, 研究区整体积水时间减少, 总积水时间在0.01~1.00 h之间(图 5d).节点的积水也有明显的缓解, 中度积水节点明显减少(图 6d).总体来说, 与局部布设相比, 全部LID措施的布设可以减轻更多的内涝.
在气候变化的影响下, 未来极端降雨量的增加必然会对城市内涝产生严重的影响, 需要制定相关方案应对.从图 5、图 6和表 7中可以看出, 相比于BAU方案, 采取了适应性措施的方案对内涝点数、内涝历时以及积水量的控制有很好的效果.①在内涝点数方面, 局部布设LID方案能够减少部分积水严重的节点, 但效果不明显.局部的管段改造使得关键节点的排水速度加快, 但其下游未改造的节点排水能力不变, 会导致非内涝点转换为内涝点.而全部布设LID并进一步结合管网改造能够最大地减少内涝点个数.②在内涝起始时间方面, 布设适应性措施的方案对最早内涝起始时间都有延后的作用.其中, 仅布设LID方案的内涝开始时间有较短的延后(1~2 min), 而进行管网改造后, 延后时间明显增加；③对于平均内涝历时, 局部布设和全部布设LID方案都有明显的效果, 全部布设LID方案更优.进一步结合管网改造, 可以获得对内涝点控制的最佳效果；④对于平均最大入流流量, 局部布设LID方案和全部布设LID方案都可以使各节点的平均最大入流流量减少, 说明布设LID能够削减地表径流产生量.全部布设LID后最大入流量减少明显, 再经过管网改造可使得节点的平均最大入流流量进一步增大, 提高排水能力；⑤对于平均内涝累计积水量, 局部布设LID和全部布设LID方案都能够有效削减积水量, 且全部布设LID方案效果更优.此外, 局部布设LID结合管网改造方案与未考虑管网改造的全部布设LID方案对平均内涝累计积水量的削减程度具有相同的效果, 而全部布设LID并结合管网改造的方案对平均内涝累计积水量具有最大的削减量.⑥通过综合指数可以看出, 全部布设LID措施并结合管网改造方案的综合指数值最高, BAU方案最低, 说明采取适应性措施后, 尤其是结合管网改造的全部布设方案对内涝综合控制效果显著.
通过本研究的结果可以看出, LID措施对于控制未来暴雨引起的城市内涝是具有一定局限性的.首先, 相比于BAU情景, 局部布设LID措施虽然能够缓解城市内涝情况, 但改善并不很明显, 综合指数只提高了0.042, 其对城市内涝的控制作用也仅为全局布设LID措施和满流管网改造方案的19.8%.而从前文的分析可以看出, 局部布设LID措施也仅对局部区域的内涝缓解有贡献, 对全局的控制能力有限.全局布设LID措施方案能够将对城市内涝的控制作用提高到26.9%, 对内涝点个数、最早内涝开始时间、平均内涝历时等方面均有较好的控制.但相比于全局布设LID措施和满流管网改造方案, 其作用仅达到后者的四分之一.因此, 单从城市内涝控制的角度, LID措施布设与管网改造相结合才能够达到最佳的城市内涝控制效果.而从实际情况出发, 满流管网改造的难度是比较大的, 同时布设LID措施和改造管网都会增加区域的经济压力, 而只考虑管网改造也不能将雨水资源更为充分的利用起来, 也不具备LID措施所具有的减少面源污染、调节局地气候等作用.综上所述, 本研究建议在充足经费的前提下, 可采用全部LID布设及管网改造的适应性规划方案, 最大化地缩短城市内涝历时、削减节点积水量、减少内涝灾害影响.但考虑到中国采取非均衡的发展策略, 西部地区的经济发展相对东部沿海地区略为落后, 因此在西部地区可以考虑分步实施.即可以首先进行局部布设, 对重点内涝区域以及节点进行内涝控制, 进而全局布设LID措施, 以进一步提高对城市全局内涝的控制, 并充分发挥LID措施在水资源利用、污染控制和气候调节等方面的作用.待经济进一步发展, 再进一步考虑满流管网改造.考虑到全部布设LID措施控制城市内涝是一种较为折中的方案, 其对城市内涝的控制也有一定的效果, 此外, LID措施还具备多种功能, 因此全局布设LID措施将会成为成应对气候变化的发展趋势.
由于本研究是基于未来气候变化的模拟分析, 因此在模型和数据方面还存在一定的不确定性.首先, 在气候变化背景下极端降雨量的模拟方面, 本研究主要是利用趋势分析法和Pearson-Ⅲ型概率分布模型进行预测, 趋势分析主要是基于历史数据的变化, 并没有涉及气候变化引起降水变化的机理, 对未来降雨情形的描述能力有限.此外, 使用概率分布模型本身就具有一定的不确定性.未来的研究可以考虑使用气候模式等机理模型进行气候变化下极端降水量的模拟, 但由于陆-海-气系统的作用本身十分复杂, 难以全面刻画系统内部的相互作用, 机理模型同样存在着对未来预测的不确定性(张磊等, 2018)；其次, 在本研究中所使用的土地利用数据为同一期数据, 通过模型模拟的方法可以获得未来土地利用的情况, 但土地利用变化同样存在复杂的驱动机制(李少英等, 2017), 也会受到未来政策和规划的影响, 基于概率的土地利用模型在模拟过程中也存在不确定性；再次, 在SWMM模型数据及验证方面, 由于受西宁市暴雨内涝研究原始资料以及部分城市基础设施信息和数据的限制, 模拟过程中, 未考虑城市雨水调节池、泵站等这些对内涝排水有影响的位置.此外, 由于缺乏研究区实测地表径流量的数据, 使得模型在验证时只能使用与设计流量对比的方法来进行, 这些都可能会引起模型误差, 在未来的研究中可以进一步加强监测, 获取更加可靠的数据.
4 结论(Conclusions)1) 基于线性估计法, 研究区年降雨量呈现上升趋势, 未来最大日降水量将以0.061 mm·a-1的速度增加.进一步根据Pearson-Ⅲ型概率分布, 未来10%概率的50年最大日降水量将增加到48.05 mm.
2) SWMM模型能够较为便捷和准确地进行不同时间和空间尺度上城市雨洪计算.在不采取适应性措施的情况下, BAU情景的内涝点为111个, 最早内涝开始时间为37 min, 未来情景下的节点平均内涝历时、平均最大流量以及平均内涝积水量分别为0.99 h、2.52 m3·s-1和2.75×106 L.
3) LID措施可有效降低地表径流量和洪峰流量, 延缓内涝开始时间, 缩短内涝历时, 减少积水, 缓解排水压力.局部布设LID措施可以有效缓解关键控制节点的内涝情况.全部布设LID措施能有效控制全区内涝, 结合管段改造可确保城市内涝的最佳治理.全区域布设LID措施后, 内涝点减少了6个, 内涝开始时间延迟了2 min.此外, 结合管网改造, 全部布设LID措施可以有效控制内涝节点数和内涝历时.但满流管网改造难度较大, 会增加区域的经济压力, 也不利于雨水资源的利用.因此, 全部布设LID措施将成为城市应对气候变化的重要适应性方案.
Akinyemi E. 2008. International Experiences with Low Impact Development (LID) [C]. International Low Impact Development Conference
|
拜亚丽. 2018. 基于熵权的集对分析法在水环境质量评价中的应用[J]. 地下水, 2018, 40(5): 70–72.
DOI:10.3969/j.issn.1004-1184.2018.05.024 |
Campbell C W, Sullivan S M. 2002. Simulating time-varying cave flow and water levels using the Storm Water Management Model[J]. Engineering Geology, 65(2): 133–139.
|
程晓陶, 王静, 夏军, 等. 2008. 气候变化对淮河防洪与排涝管理项目的影响及适应对策研究[J]. 气候变化研究进展, 2008, 4(6): 324–329.
DOI:10.3969/j.issn.1673-1719.2008.06.002 |
封威. 2015.基于SWMM武汉某小区低影响开发设计与模拟评估[D].武汉: 华中科技大学
http://d.g.wanfangdata.com.cn/Thesis_D733942.aspx |
Gilroy K L, Mccuen R H. 2009. Spatio-temporal effects of low impact development practices[J]. Journal of Hydrology, 367(3/4): 228–236.
|
郭凤, 陈建刚, 杨军, 等. 2016. SWMM模拟植草沟功能的参数敏感性分析[J]. 中国给水排水, 2016, 32(9): 131–134, 139.
|
侯改娟. 2014.绿色建筑与小区低影响开发雨水系统模型研究[D].重庆: 重庆大学
http://cdmd.cnki.com.cn/Article/CDMD-10611-1014043083.htm |
Kahsay G A, Hansen L G. 2016. The effect of climate change and adaptation policy on agricultural production in Eastern Africa[J]. Ecological Economics, 121: 54–64.
DOI:10.1016/j.ecolecon.2015.11.016
|
Kim K U, Park S W, Shin S H, et al. 2007. Construction of a real-time urban inundation analysis system based on UIS using SWMM [C]. Proceedings of the 5th ACIS International Conference on Software Engineering Research, Management & Applications. 38-46
|
Kong F, Ban Y, Yin H, et al. 2017. Modeling stormwater management at the city district level in response to changes in land use and low impact development[J]. Environmental Modelling & Software, 95: 132–142.
|
林两位, 王莉萍. 2005. 用Pearson-Ⅲ概率分布推算重现期年最大日雨量[J]. 气象科技, 2005, 33(4): 314–317.
DOI:10.3969/j.issn.1671-6345.2005.04.006 |
李娇利. 2018.基于AHP-熵权法和云模型的绿色建筑可持性评价研究[D].南昌: 江西财经大学
|
李少英, 刘小平, 黎夏, 等. 2017. 土地利用变化模拟模型及应用研究进展[J]. 遥感学报, 2017, 21(3): 329–340.
|
Mantyka-Pringle C S, Visconti P, Marco M D, et al. 2015. Climate change modifies risk of global biodiversity loss due to land-cover change[J]. Biological Conservation, 187: 103–111.
DOI:10.1016/j.biocon.2015.04.016
|
Millennium Ecosystem Assessment. 2005. Ecosystems and Human Well-being: Biodiversity Synthesis [R]. World Resources Institute, Washington, DC
|
Miller N L, Hayhoe K, Jin J, et al. 2008. Climate, extreme heat, and electricity demand in California[J]. Journal of Applied Meteorology & Climatology, 47(6): 1834–1844.
|
Peterson E W, Wicks C M. 2006. Assessing the importance of conduit geometry and physical parameters in karst systems using the storm water management model (SWMM)[J]. Journal of Hydrology, 329(1/2): 294–305.
|
Pettorelli N, Chauvenet A L M, Duffy J P, et al. 2012. Tracking the effect of climate change on ecosystem functioning using protected areas: Africa as a case study[J]. Ecological Indicators, 20(9): 269–276.
|
Qin H P, Li Z X, Fu G. 2013. The effects of low impact development on urban flooding under different rainfall characteristics[J]. Journal of Environmental Management, 129(18): 577–585.
|
任伯帜, 许仕荣, 王涛. 2001. 皮尔逊—Ⅲ型分布统计参数的确定[J]. 中国给水排水, 2001, 17(1): 40–42.
DOI:10.3321/j.issn:1000-4602.2001.01.011 |
Rossman L A. 2010. Storm water management model-User′s manual version 5.0[R]. Environmental Protection Agency, EPA/600/R-05/040
|
She D X, Shao Q X, Xia J, et al. 2015. Investigating the variation and non-stationarity in precipitation extremes based on the concept of event-based extreme precipitation[J]. Journal of Hydrology, 530: 785–798.
DOI:10.1016/j.jhydrol.2015.10.029
|
Tripathi R, Sengupta S K, Patra A, et al. 2014. Climate change, urban development, and community perception of an extreme ood: A case study of Vernonia, Oregon, USA[J]. Applied Geography, 46: 137–146.
DOI:10.1016/j.apgeog.2013.11.007
|
Tsihrintzis V A, Hamid R. 1998. Runoff quality prediction from small urban catchments using SWMM[J]. Hydrological Processes, 12(2): 311–329.
DOI:10.1002/(ISSN)1099-1085
|
van der Sterren M, Rahman A, Dennis G. 2012. Implications to stormwater management as a result of lot scale rainwater tank systems: A case study in Western Sydney, Australia[J]. Water Science Technology, 65(8): 1475–1482.
DOI:10.2166/wst.2012.033
|
王茜, 杨小柳, 徐超伟, 等. 2018. 基于土地利用的城市内涝交通风险评价[J]. 自然灾害学报, 2018, 27(5): 197–204.
|
王琼珊, 刘晓梅, 赵冬泉. 2014. 低影响开发措施比选及适建区域分析[J]. 中国给水排水, 2014, 30(3): 96–100.
|
魏凤英. 2007. 现代气候统计诊断与预测技术[M]. 北京: 气象出版社.
|
邢薇, 赵冬泉, 陈吉宁. 2011. 基于低影响开发(LID)的可持续城市雨水系统[J]. 中国给水排水, 2011, 27(20): 13–16.
|
徐慧珺. 2017.基于SWMM模型的南京典型区雨洪模拟研究[D].南京: 南京师范大学
http://cdmd.cnki.com.cn/Article/CDMD-10319-1017285393.htm |
Zhai P, Zhang X, Wan H, et al. 2005. Trends in total precipitation and frequency of daily precipitation extremes over China[J]. Journal of Climate, 18(18): 1096–1108.
|
翟盘茂, 任福民, 张强. 1999. 中国降水极值变化趋势检测[J]. 气象学报, 1999, 57(2): 81–89.
|
张大伟, 赵冬泉, 陈吉宁, 等. 2008. 芝加哥降雨过程线模型在排水系统模拟中的应用[J]. 给水排水, 2008, 44(S1): 354–357.
|
张磊, 王春燕, 潘小多. 2018. 基于区域气候模式未来气候变化研究综述[J]. 高原气象, 2018, 37(5): 1440–1448.
|