基于SWMM模型的南京秦淮区暴雨内涝风险分析

曹梦然，叶亚平，张其成，刘 蔚

(1.河海大学水文水资源学院，南京 210098；2.江苏省苏州市张家港市水务局，江苏 张家港 215600)

0 引 言

城市化进程所带来的下垫面硬化、海绵体萎缩等现实问题，加之日益复杂的全球气候变化过程不断耦合，使得城市地区暴雨内涝风险整体上升[1,2]。城市内涝灾害风险作为自然风险与人为环境耦合的产物，已成为水文研究热点[3]。

国内外学者对城市暴雨内涝的风险模拟、损失评估、应急响应以及风险预警等方面开展了大量研究工作[4,5]。李军玲等[6-8]选取影响洪涝灾害的多种不同因子构建组合权重评价体系，运用ArcGIS插值分析技术对各研究区进行洪涝灾害发生风险分析；刘小梅等[9]基于水力模型对区域排水系统进行不同情景下的内涝风险评估，并根据模拟结果进行原因分析从而制定排水系统改造方案；谢五三等[10]基于FloodArea模型，通过多情景多历时模拟得到研究区淹没积水深图谱；黄国如等[11,12]集成SWMM模型和ArcGIS软件，构建研究区内涝模型，分析不同重现期下的暴雨径流情况证明模型的准确性。此外，不少学者在灾害风险分析的基础上进一步进行应用研究分析，苑希民等基于水动力模型对研究区不同情景下不同下垫面类型内涝风险进行模拟分析[13,14]；王茜等[15]基于城市土地利用数据构建SWMM模型对城市内涝交通风险进行评价；殷杰[16]结合高精度地形表面模型与GIS空间分析工具对研究区进行雨洪情景模拟，并进一步对应急响应能力进行评价。

上述研究表明，基于情景模拟与ArcGIS空间分析技术对城市暴雨内涝灾害风险进行分析具有可行性，在已有研究基础上，本文以南京市秦淮区为例，通过SWMM模型和ArcGIS软件耦合，构建暴雨内涝模型模拟计算不同重现期暴雨状况下城市内部积水深变化过程，再综合淹没积水深度和淹没时长两个因素对研究区进行暴雨内涝风险分析，并通过GIS的空间插值分析工具对风险进行可视化表达。

1 城市暴雨内涝模型构建

1.1 研究区概况

南京市秦淮区，地处南京主城东南(北纬32.02°，东经118.80°)，是南京市四大主城区之一，总面积49.35 km2。属于亚热带湿润季风气候区，全年雨水丰沛，年季间、月季间降水差异性较大，年内降水多集中于5- 9月汛期，汛期总降水可占全年降水总量的六至七成。年内易遭受梅雨、台风外围以及热带风暴影响，呈现出春雨、梅雨、秋雨三个多水阶段。

研究区地貌以平原为主，间有若干座小山岗。高程值范围基本处于5～30 m(吴淞高程系)。秦淮区属长江流域秦淮河水系，区内自然河道与人工河道错落，流域性河道外秦淮河穿境而过，将区域水系分为南北两个相对独立的片区。外秦淮河以北区域主要包含老城区水系及紫金山南麓水系，河道非汛期重力自排，或汛期机排，由北向南、由东往西排入外秦淮河。外秦淮河以南区域包含上位规划南部新城区域水系，现状水系结构较为破碎，整体以外秦淮河作为汛期泄涝通道(图1)。

图1 秦淮区水系图Fig.1 River system of Qinhuai District

1.2 研究区SWMM模型构建

根据研究区现状水系、地形地貌以及土地利用情况，结合研究区现状河网水系及水利工程布局，构建研究区现状条件的SWMM模型。其中地形数据采用30 m DEM数据图，排水管网数据来自秦淮区排涝工程图以及排水普查资料，排水片区以及用地类型数据来自《秦淮区总体规划(2013-2030)》。

(1)排水管网概化。经过概化共得到207个连接节点，30个排放口节点，292段渠道管和8段水泵管(如图2所示)。根据研究区排水普查资料，确定各管道的长度、坡度、糙率等参数，各节点和排水口的坐标、最大深度、底标高等参数，并对管道流向、偏移量以及整体布局形态进行校验。

图2 研究区排水管网概化图Fig.2 Sketch map of study area drainage network

(2)汇水区划分。《秦淮区总体规划(2013-2030)》中将秦淮区划分为11片大排水分区(如图3所示)，在此基础上，根据土地利用类型、社区街道布局以及就近排放原则，逐步细化汇水区。

图3 秦淮区现状排水分区示意图Fig.3 Drainage zoning diagram of Qinhuai District

研究区内排水管网多沿道路铺设，并以街道为单位进行支管衔接，因此在11片大排水分区的基础上，结合街道布局进一步细化汇水区。但细化后的汇水区面积仍然较大，模型精度较低。因此依据土地利用现状，结合用地类型进一步将汇水区细化。其中：研究区西部为老城区，用地多以住宅用地、商住、商办混合用地以及行政办公用地为主，开发程度高、各类用地边界清晰，可根据用地类型适当进行细分；研究区南部现状为郊区，大部分地区处于待建设或正在建设状况，排水管网尚未接入，以保证下垫面均一为原则进行细化；研究区东部多为科研院所、住宅以及工业用地，同类型用地面积较大，密度较低，可根据用地类型进一步细化汇水区。

按照以上划分原则，将研究区划分为167个汇水区(如图4所示)，划分完成后，根据就近排放的原则对各回水区进行雨水出口设置，即将子汇水区的径流就近接入节点或相邻汇水区。

图4 研究区子汇水区划分示意图Fig.4 Division of catchment area in study area

(3)SWMM模型相关参数校准验证与确定。选择径流系数法对模型参数进行校准率定，依据不同地表类型径流系数及某单一地表类型所占的面积，计算出研究区综合径流系数为0.60～0.75[17,18]。用芝加哥雨型法计算降雨情景，“校准降雨情景”P2采用降雨历时2 h，雨峰系数0.45，重现期2年的单峰合成降雨；“验证降雨情景”P1和P3分别采用降雨历时2 h，雨峰系数0.45，重现期分别为1年和3年的2场单峰合成降雨[19,20]。校准过程中发现不透水糙率与不透水区洼蓄量2个参数灵敏度最高，因此对其进行多次迭代最终得到满意度较高的参数校准集(表1)。

表1 运用径流系数法的参数校准过程Tab.1 Calibration process of parameters using runoff coefficient method

然后采用“验证降雨情景”对校准参数进行稳定性检验，P1和P3两场降雨获得的径流系数模拟值分别为0.62和0.69，满足径流系数随降雨强度增大而增大的规律，表明校准参数具有稳定性。最终确定的模型参数如表2所示。

表2 SWMM模型水文水力参数取值Tab.2 hydrologic parameters of SWMM model

1.3 不同重现期降雨过程计算

根据芝加哥雨型法推求出研究区T=3、10、30 a 三种不同重现期下2 h降雨量(表3)，再以5 mm为步长累计降雨强度，分配2 h暴雨过程。分配结果如图5所示。

表3 研究区不同重现期下的2 h降雨量Tab.3 2 h rainfall at different return periods in the study area

图5 研究区3种重现期下2 h降雨过程图Fig.5 Rainfall process for 2 h under three recurrence periods in the study area

2 研究区雨洪情景模拟

2.1 淹没风险等级划分

结合《南京市中心城区排水防涝综合规划(2013-2030)》中的相关规定，即“至2020年，当中心城区出现30年一遇的降雨时，允许局部低洼地块和道路存在不超过2 h短时积水，保证居民区底层住户不进水”，采用综合考虑积水深度、积水历时两项指标的方法进行内涝风险分析。

综合考虑台阶高度、住宅构造等因素，分别设定150、300、500以及500 mm以上为阈值，将暴雨积水深度根据其影响程度划分为低、中、高和极高风险等级。在此基础上，根据积水历时进一步进行划分。由于不同重现期暴雨情景模拟下各节点积水历时均低于2 h，满足《南京市中心城区排水防涝综合规划(2013-2030)》中的规划，因此参考相关研究选择1、2 h两个阈值，进一步对4个风险等级进行划分。具体划分标准如表4所示。

表4 内涝风险等级划分标准Tab.4 Waterlogging risk classification standard

2.2 不同重现期暴雨积水空间模拟

在SWMM模型中分别模拟研究区P=3、10和30 a时暴雨过程，可得到子汇流区径流量、节点溢流和管道流量负荷等模拟计算结果。选用不同重现期下研究区节点洪流模拟结果，通过库容曲线法确定研究区各节点的“水位-流量”曲线，将模拟结果中各节点溢流量在相应曲线中进行插值运算，得到不同重现期降雨情境下各节点的积水情况。

(1)P=3 a情景。3 a一遇的降雨总深度66.85 mm，最大雨强124.68 mm/h，地表径流47.46 mm。该情境下，研究区积水点共29处，6处积水深大于0.30 m，其中积水深度最大的节点积水深0.56 m，位于红花街道响水河与机场河圩区内，其余5处分别位于撇洪沟左侧区域(积水深0.49 m)、夹岗东西巷(积水深0.42 m)、双塘街道豆腐坊29号(积水深0.39 m)、大光路街道象房西村(积水深0.35 m)和光华路街道四方新村(积水深0.35 m)。

(2)P=10 a情景。10 a一遇的降雨总深度87.76 mm，最大雨强163.68 mm/h，地表径流67.80 mm。该情境下，研究区积水点共53处，15处积水深大于0.30 m，分别为：光华路街道4处、红花街道4处、月牙湖街道1处、大光路街道3处、双塘街道1处、秦虹街道1处、中华门街道1处，积水深度最大节点与3年一遇一致，积水深0.80 m。积水点整体呈现南片、东片积水深度大，西片老城区分布密集的情势。

(3)P=30 a情景。30 a一遇的降雨总深度106.84 mm，最大雨强199.20 mm/h，地表径流86.57 mm。该情境下，积水深度最深节点仍与上述情景一致，积水深1.25 m。研究区积水点共68处，34处积水深大于0.30 m，分别为：光华路街道4处、红花街道6处、月牙湖街道3处、大光路街道5处、双塘街道3处、秦虹街道3处、中华门街道3处、瑞金路街道2处、五老村街道1处、夫子庙街道2处、洪武路街道2处。与P=10 a情景相比，整体情势一致，西部老城区积水点个数出现大幅增加。

绘制3个情景下出流口流量过程线(图6)，可看出模拟结果较稳定，随降雨强度增加，流量峰值增加，峰现时间提前，且模型模拟结果中易涝地区分布多处于圩区和排涝设施建设薄弱地区，与理论规律相符合，证明该模型模拟结果具有较高的可靠性。

图6 研究区系统出流口3种重现期下的流量过程线Fig.6 Flow process lines under three recurrence periods of system outlet in study area

2.3 不同重现期暴雨内涝风险分析

按照内涝风险等级划分标准，通过ArcGIS空间差值运算对研究区内涝风险分布进行分析，得到3种不同重现期暴雨情景下研究区的内涝风险分布图。

根据ArcGIS空间插值计算得出的内涝风险分布图(图7)显示，当遭遇3年一遇暴雨情况时，秦淮区内涝风险情况整体为东南部风险等级偏高，风险范围广，西北部大部分地区无风险或者低风险。极高风险1级、2级各1处，均位于响水河流域内，其原因有二，一是该地区属于圩区，地势低洼，易产生积水，属于易涝地区，且响水河水系结构破碎，排水不畅，孕灾环境敏感；二是该区域为未开发地区，排水管网覆盖度低，导致区域雨水收集排放不及时。此外，研究区大体形成三大风险片区，分别是南部片区响水河-机场河圩区、青年河和东片安江河圩区以及西部老城区双塘、大光路和瑞金路街道。

图7 P=3 a情景下内涝风险空间分布图Fig.7 Spatial distribution of waterlogging risk under P=3 a scenario

根据内涝风险空间分布图(图8)显示，当遭遇10 a一遇的降雨时，秦淮区无风险区域范围大幅减小，三大风险片区仍为主要风险区，且风险范围扩大、风险等级上升。与P=3 a相比，西北部老城区风险值增加，出现多处零散分布的中低风险区域，主要集中在双塘、大光路和瑞金路街道，此外，西北部也开始出现小范围极高风险2级区域，分别位于双塘街道豆腐坊29号居住区和瑞金路街道御河新村，该区域为人口密度较高的住宅区域，该风险等级会造成居民房屋进水，危及居民人身财产安全。

图8 P=10 a情景下内涝风险空间分布图Fig.8 Spatial distribution of waterlogging risk under P=10 a scenario

内涝风险空间分布图(图9)显示，30 a一遇暴雨时，研究区无风险区域进一步缩小。老城区中高风险点明显增多且呈现数量多、范围小、分布散的特点。此外极高风险区域数量增加，且多分布在老城区的双塘、中华门、大光路等人口稠密的住宅聚集区，内涝风险将会导致大量居民住户进水，对居民生活造成很大影响，对地面及地下交通、地下商场造成很大灾害，亟需引起重视。

图9 P=30 a情景下内涝风险空间分布图Fig.9 Spatial distribution of waterlogging risk under P=30 a scenario

综上所述，伴随降雨强度的增加，研究区呈现风险等级增高、影响范围扩大、影响程度加深的趋势。在空间分布上，研究区主要有三大风险片区，分别是南部片区响水河-机场河圩区、东片青年河和安江河圩区以及西部老城区双塘、大光路和瑞金路街道。其中东部、南部片区主要原因为圩区地势低洼，易于产生积水，区内水系较为破碎且存在不同程度淤积现象，且区域开发程度较低，排水管网标准和覆盖程度较低，雨水收集排放不及时；西部老城区因其主要为分布较为密集的老式住宅小区，排水管网标准较低。

3 结 语

(1)耦合ArcGIS和SWMM模型，综合考虑淹没积水深度和淹没时长两个因素划分8个风险等级，对研究区进行P=3、10和30 a情景下的暴雨内涝风险分析，并用内涝风险空间分布图来直观表达研究区内涝风险等级的空间分布。

(2)研究发现研究区主要存在三大内涝风险片区，且随着暴雨强度的增加，西部老城区的风险高值区域数量增加，分布零散；而东南部风险高值区域则呈现数量变化不大，影响范围扩大的趋势。

(3)本次研究在进行内涝风险分析时将研究区作为一个整体承灾体进行宏观分析，后续研究中可进一步细化到以不同用地(如道路、住宅等)作为承灾体的微观分析，加强分析结果的直观性与实际指导意义。