-
20世纪90年代以来,中国城市极端暴雨和内涝灾害频发[1-2],对城市经济社会发展和居民生命安全造成了巨大威胁,一定程度上制约了城市可持续发展[3]。城市内涝是暴雨降落在城市复杂下垫面上形成径流无法及时排出进而引起地表积水的自然现象。从降雨到内涝形成是一个非线性复杂物理过程,受到多重因素影响,其中城市下垫面的空间格局是重要的影响因素之一[4]。合理规划城市空间格局和基础设施是缓解城市内涝的基础,在不透水面增长、土地利用覆被变化对内涝的影响方面研究日趋深入[5-6],为科学解析城市内涝形成机理以指导城市下垫面空间规划与管控提供了依据。
21世纪初以来,城市下垫面的不透水面结构性特征和空间格局特征(可称为城市形态)对内涝过程的影响机理研究引起了更多关注。杨冬冬等[7]研究了不同降雨强度下不同城市道路系统布局模式的居住小区产汇流规律;Ferrari等[8]提出了基于孔隙率的浅水方程的数值方案,基于二维水动力模型捕捉街道网格中城市最典型的洪水特征;孙蓝心等[9]利用城市时变增益非线性模型研究不同下垫面条件下的径流特征;Bruwier等[10-11]研究了建筑、道路等城市格局特征参数对地表产汇流的影响;郭禹含等[12]研究了不透水面占比与径流系数的关系;Silva等[13]基于数值模拟分析了小尺度城市不透水面与绿色透水面连通性对降雨径流过程的影响;周宏等[14]研发考虑有效不透水面城市雨洪模型,分析了有效不透水下垫面在城市雨洪模拟中的水文响应机理;Li等[15]基于数值模型研究了街区尺度不同城市形态对洪涝严重程度的影响。上述研究主要聚焦在城市下垫面与不透水面对地表产汇流影响分析、城市下垫面空间格局的优化等方面。研究方法主要有物理实验和数值模拟两大类,其中物理实验较为普遍,但无法细致地重现城市下垫面的特征且种类有限;采用数值模拟的研究多集中于平面的角度,对使用三维方法刻画三维城市形态来考虑空间特征对内涝过程影响的研究相对较少。城市下垫面具有十分复杂的空间特征,主要体现在道路和建筑的空间分布多样,在快速城市化的背景下,城市下垫面形态变得更为复杂,未来的一段时期,相关研究对城市下垫面的刻画应更加精细,建筑与地表的衔接关系应更清晰,总体上由“平面”向“立体”转变。数值模拟也具备灵活运用、多重情景的优势,可以更准确且多尺度地模拟城市下垫面空间格局对社区尺度内涝过程的影响。运用三维城市形态模拟与城市内涝模拟方法相结合,开展城市下垫面空间格局对社区尺度内涝过程的影响模拟研究必要且可行[3-4]。
本文面向社区尺度下城市下垫面空间格局对内涝过程的影响研究,开展多种城市下垫面空间格局下的城市内涝过程数值模拟,从不同情景下内涝淹没特征值、时空变化过程和水动力特性等方面分析其影响。通过定量和定性分析,解析城市下垫面空间格局对社区尺度内涝过程的影响,以期为科学认知城市下垫面空间管控和城市内涝形成机理研究提供一定参考。
-
本研究基于不同空间格局下的城市内涝过程模拟进行影响分析,涉及主要方法包括城市下垫面三维模拟方法和城市内涝过程水动力模拟方法等。
-
城市下垫面显著区别于流域下垫面,前者由大量人工建筑构成,主要包括道路、房屋、广场和绿地等,在人工建筑与本底地势耦合作用下形成了包括微地形在内的城市复杂下垫面。在本研究中,为获取包含详细微地形的城市下垫面高精度数据,采用三维城市建模平台(CityEngine)进行社区尺度下的城市下垫面三维模拟。
CityEngine主要用于数字城市、城市规划等领域,在城市设计、建模以及GIS集成方面有较多应用。本研究主要利用CityEngine中基于参数的批量三维建模方法,通过编写CGA(Computer Generated Architecture)规则建立三维模型[16]。CGA形状语法是CityEngine平台特有的建筑设计语言,通过该语言可以生成高质量的建筑三维模型。基于CGA语言,可快速高效完成模型构建,减少人工建模时间,建模效率较高,具有较强适用性。
-
本研究采用二维水动力模型TELEMAC-2D进行城市内涝过程数值模拟。TELEMAC-2D主要通过求解二维圣维南方程来模拟二维自由表面流,其计算基于适应性较强的非结构化三角形网格,能够对城市道路等微地形实现较高精度模拟。Li等[17]通过经典算例验证了TELEMAC-2D在城市内涝模拟中的适用性,将该模型引入到城市内涝相关研究中。
TELEMAC-2D基于非守恒形式的二维浅水方程求解,主要包括连续方程和动量方程:
$$\frac{\partial h}{\partial t}+\frac{\partial(h u)}{\partial x}+\frac{\partial(h v)}{\partial y}=S_\text{ce} $$ (1) $$ \frac{\partial u}{\partial t}+u \frac{\partial u}{\partial x}+v \frac{\partial u}{\partial y}=-g \frac{\partial Z}{\partial x}+F_x+v_{\mathrm{e}}\left(\frac{\partial^2 u}{\partial x^2}+\frac{\partial^2 u}{\partial y^2}\right) $$ (2) $$ \frac{\partial v}{\partial t}+u \frac{\partial v}{\partial x}+v \frac{\partial v}{\partial y}=-g \frac{\partial Z}{\partial y}+F_y+v_{\mathrm{e}}\left(\frac{\partial^2 v}{\partial x^2}+\frac{\partial^2 v}{\partial y^2}\right) $$ (3) 式中:u和v分别为x和y方向的流速,m/s;h为水深,m;t为时间,s;Sce为流体源或汇项,m/s;Z为水位,m;ve为有效黏性系数,m2/s;g为重力加速度,m/s2;Fx和Fy分别为x和y方向的摩阻项。
TELEMAC-2D基于SCS-CN方法进行下渗模拟,采用Curve Number系数(CN值)来描述下渗能力,CN值主要影响土壤类型和土地利用类型等,通过查阅TR-55手册CN值表确定。SCS-CN方法公式为:
$$Q=\frac{(P-\lambda S)^2}{P+(1-\lambda) S} $$ (4) $$ S=25.4\left(\frac{1000}{N_{\mathrm{C}}}-10\right) $$ (5) 式中:P为降水总量,mm;Q为地表径流量,mm;λ为降雨初损率;S为土壤最大蓄水量,mm;NC为CN值,为区间0到100的值,量纲一参数。
-
中国城市的自然地理特征各异,历史演变趋势不同,经济社会发展阶段迥异,城市形态复杂多样。相关文献表明,社区尺度下的城市路网形态主要分为网格型、尽端型和环型3种模式[18],其中环型结构常与网格型或尽端型结合[7]。结合中国典型城市形态特点和城市规划设计有关规范,基于CityEngine模拟了4类共8种不同的城市下垫面空间格局,作为典型城市下垫面情景。为确保生成城市格局的代表性,根据《城市居住区规划设计规范: GB50180—93》等确定下列城市参数变量[19-20],如表 1所示。结合上述规范,并考虑城市中心下垫面的高密度特征,将建筑密度设为50%,绿地率设为20%。结合中国城市实际特征和《城市道路城市设计规范》,在上述参数约束下,通过建模生成最大坡度为3%(考虑排水及流速问题道路横坡、纵坡均小于等于3%),方向为沿西北(最高点)到东南(最低点)的地形[21]。
表 1 城市下垫面空间格局情景空间参数取值范围及本研究取值
Table 1. Range of scenario spatial parameters of urban underlying surface spatial pattern and parameters selected in this study
在本研究中,基于CityEngine中CGA形状语法生成虚拟的社区尺度城市区域下垫面,主要语法规则包括道路拓扑关系、建筑物空间分布等内容的设定,依据国内城市格局空间分布特点,结合城市设计相关规范,在设定城市下垫面空间格局基本参数的基础上生成8种1 km×1 km的社区尺度城市下垫面空间格局,主要为4类共8种情景,具体如下:
(1) 环形放射型格局(S1):主要情景为中心环形(S1D1)、对角环形(S1D2),具有较强的居住中心性,层层向外拓展,可向外衍生。
(2) 多类混合型格局(S2):主要情景为环形随机(S2D1)、环形方格(S2D2),具有更好的通达性,呈现单一样式城市下垫面空间格局进行混合布局。
(3) 方格网络型格局(S3):主要情景为道路稀疏(S3D1)、道路密集(S3D2),具有更好的交通灵活性和方向性,在城市中分布较为普遍。
(4) 自由随机型格局(S4):主要情景为南北走向(S4D1)、东西走向(S4D2),具有较强的不规则性,分布的形式多种多样,道路四通八达。
在街道构建的基础上,进行城市下垫面模型细化调整,主要包括用地类型细化(分为道路、建筑、绿地)以及道路、建筑模型贴图和道路贴合地形问题等,形成8种城市下垫面空间格局,如图 1所示。
-
采用短历时设计降雨情景,参考典型城市设计降雨公式[22]:
$$ q=\frac{6696(1+0.794 \lg T)}{(t+25.8)^{0.948}} $$ (6) 式中:q为降雨强度,mm/min;T为重现期,a;t为降雨历时,min。分别生成重现期为2 a、5 a、10 a、20 a、50 a和100 a的设计降雨,降水量分别为53.1 mm、66.7 mm、77.0 mm、87.2 mm、100.8 mm和111.0 mm,雨峰系数设为0.6[23-24],降雨历时为120 min。不同重现期下的设计降雨过程如图 2所示。
-
基于TELEMAC-2D构建8种城市下垫面情景下的城市内涝数值模型,根据前述生成的8种城市下垫面数据,运用GIS工具进行高程重构(图 3)。将研究区划分为建筑、道路和绿地3种用地类型,根据不同类型的用地进行曼宁系数赋值[25],其中建筑、道路和绿地的曼宁系数分别为0.2、0.05和0.5;根据SCS模型土壤分类标准确定CN值[26],其中建筑、道路和绿地的CN值分别取为98、94和80。
图 3 不同城市下垫面空间格局高程重构结果
Figure 3. Elevation reconstruction results of different spatial pattern of urban underlying surface
将上述参数整合导出进行前处理,对研究区域进行网格剖分,网格分辨率为4 m,共计63 690个节点和126 269个网格,主要边界参数条件为上游两侧(西侧和北侧)设为闭合边界,下游边界(东侧和南侧)设为自由出流边界,地表无初始降雨,降雨时长120 min,总模拟时长360 min,时间步长2 s。基于上述设置,构建8类下垫面的二维水动力内涝模型[27-28]。考虑到研究区为虚拟下垫面,采用等效排水的方法对排水管网进行概化,该方法基于水量平衡原理,将研究区排水管网的排水能力假设为排水管网设计标准即1年一遇,小于该降雨强度管网可将其全部排走,大于该降雨强度视为形成地表径流[24, 29]。通过对情景模拟结果进行合理性分析表明,所构建的模型径流系数和径流过程等处于合理范围内,能够满足本研究需要。
-
积水总量峰值表征区域积水总量达到最大值时刻的地表积水总量情况,不同重现期下各城市下垫面空间格局积水总量峰值统计结果如图 4。
图 4 不同城市下垫面空间格局和不同重现期设计降雨情景下的积水总量峰值
Figure 4. Peak ponding totals for different urban subsurface spatial patterns and different recurrence period design rainfall scenarios
从图 4中可知,在100年一遇设计降雨情景下,S3D1情景积水总量峰值为8种情景中的最大值,达4.47万m3,相较于相同重现期最小值的S3D2情景增加了3 000 m2。以2年一遇、10年一遇和100年一遇设计降雨为例,在同一重现期下,积水总量峰值最大差值占比(两值之差除以两值的最大值所得结果表征两者差别程度)分别为5.2%、4.9%和6.7%。相同格局下,S3D1和S3D2情景积水总量峰值差值占比最大,为6.7%,S1D1和S1D2情景积水总量峰值差值占比最小,为2.5%。
上述结果表明,重现期越大或越小,积水总量峰值差值占比越大。S3格局中不同情景下积水总量峰值差值占比相对较大。
-
积水面积峰值表征区域积水总量达到最大值时刻的地表积水面积情况。分别统计积水深大于5 cm、15 cm和30 cm的不同重现期下的积水面积峰值,结果如表 2所示。
表 2 不同重现期设计降雨情景下不同积水深的积水面积峰值
Table 2. Peak ponding area for water depths greater than 5 cm, 15 cm and 30 cm for different recurrence period design rainfall scenarios
单位: ha 积水深 重现期 环形放射型 多类混合型 方格网络型 自由随机型 S1D1 S1D2 S2D1 S2D2 S3D1 S3D2 S4D1 S4D2 > 5 cm 2 a 0.01 0 0.03 0.01 0 0 0.05 0 5 a 0.54 0.34 1.52 1.02 2.19 0.05 0.52 1.76 10 a 3.82 2.39 4.56 3.99 5.93 2.23 2.60 4.78 20 a 11.82 11.90 9.67 11.49 12.75 10.14 10.72 11.84 50 a 19.31 20.38 17.70 22.03 20.45 19.39 20.29 20.37 100 a 23.91 24.80 23.14 27.21 24.63 24.13 25.76 25.40 > 15 cm 2 a 0 0 0 0 0 0 0 0 5 a 0.01 0 0.14 0 0 0 0.05 0.08 10 a 0.28 0 0.25 0.57 0.53 0.04 0.14 0.53 20 a 0.61 0.28 0.73 1.06 1.71 0.24 0.46 1.50 50 a 0.72 0.58 2.03 1.66 2.48 0.43 0.80 2.39 100 a 1.82 0.99 2.74 2.50 3.48 0.48 1.38 2.88 > 30 cm 2 a 0 0 0 0 0 0 0 0 5 a 0 0 0 0 0 0 0 0 10 a 0 0 0.14 0 0.08 0 0.08 0.12 20 a 0.15 0 0.25 0.44 0.25 0 0.08 0.13 50 a 0.37 0 0.49 0.57 0.80 0.04 0.37 0.70 100 a 0.38 0 1.02 0.95 1.46 0.23 0.42 1.43 积水深大于5 cm的积水面积为总积水面积,分析可知,相同重现期下,以100年一遇设计降雨为例,S2D2情景积水面积峰值为27.21 ha,比S2D1情景增加了4.07 ha,差值占比为15.0%,相较于其他格局,S2格局在100 a情景下积水面积峰值差值占比最大; 在同一类垫面格局下,5年一遇设计降雨情景下,S3D1情景积水面积峰值为2.19 ha,比S3D2情景增加了2.14 ha,差值占比为97.7%,相较于其他格局,S3格局在5 a情景下积水面积峰值差值占比最大; 降雨重现期为2 a时,S1、S3和S4格局存在积水面积为0 ha的情况,以S1D1和S1D2情景为例,两者差值占比为100%;分析积水深大于15 cm和30 cm的积水面积峰值可知,不同重现期下,S3D1情景在积水深大于15 cm和30 cm的积水面积峰值均为最大,S3D2和S1D2情景则最小,且S1D2情景下未出现积水深大于30 cm的情况。
上述结果表明,相同重现期下,S1和S2格局在重现期较大时总积水面积差值占比较大,S3和S4格局在重现期较大时总积水面积差值占比较小。S3D2和S1D2情景分别在积水深大于15 cm、30 m中积水面积峰值最小。总体上S1格局缓解内涝积水面积效果显著。
-
区域最大积水深表征区域在整体时空变化过程中达到最大的积水深,是判断内涝严重程度的重要因子,可能分布并不广,但表征该情景下区域最严重的积水点。不同设计降雨情景下区域最大积水深统计结果见表 3。
表 3 不同城市下垫面空间格局和不同重现期设计降雨情景下区域最大积水深
Table 3. Maximum regional ponding depth for different urban subsurface spatial patterns and different recurrence period design rainfall scenarios
单位: m 城市下垫面空间格局 重现期 2 a 5 a 10 a 20 a 50 a 100 a 环形放射型 S1D1 0.05 0.06 0.10 0.14 0.23 0.30 S1D2 0.03 0.06 0.09 0.12 0.20 0.28 多类混合型 S2D1 0.05 0.06 0.08 0.09 0.19 0.31 S2D2 0.05 0.06 0.09 0.11 0.18 0.30 方格网络型 S3D1 0.03 0.05 0.07 0.10 0.16 0.24 S3D2 0.03 0.06 0.08 0.11 0.14 0.20 自由随机型 S4D1 0.05 0.05 0.08 0.11 0.18 0.28 S4D2 0.04 0.05 0.09 0.10 0.16 0.28 由表 3可见,区域最大积水深大于15 cm的情况集中发生在50年一遇和100年一遇设计降雨情景中。以2年一遇、10年一遇和100年一遇设计降雨为例,在相同重现期下,不同城市下垫面空间格局情景区域最大积水深的最大差值占比分别为40.0%、12.5%和16.7%。
上述结果表明,重现期较小和较大时区域最大积水深差值占比较大,即随着重现期增大,不同城市下垫面空间格局下的区域最大积水深差值占比呈现先减小后增大的趋势。S3格局在各种重现期设计降雨情景下,区域最大积水深较小。
-
不同城市下垫面空间格局和不同重现期下积水总量变化过程见图 5。从图 5(a)—图 5(c)中可以看出,重现期较小时积水在局部微地形作用下很难依靠重力排出。
图 5 不同城市下垫面空间格局和不同重现期设计降雨情景下积水总量变化过程
Figure 5. Spatial patterns of urban subsurface and changes in total ponding under different return period design rainfall scenarios
从由图 5(d)—图 5(f)可知,积水总量变化过程主要分为涨水阶段和退水阶段,其中,涨水阶段并无明显差别,在退水阶段中,S3D2情景下的积水总量平均下降速率最大,而S3D1情景最小。在100年一遇设计降雨情景下,模拟时间为360 min时刻S3D1情景的积水总量为3.18万m3,比S3D2情景增加了1.26万m3,差值占比最大,为39.6%。
上述结果表明,重现期越大,积水总量峰值和积水总量平均下降速率越大。相同重现期下,S3D2情景积水总量峰值最小,平均下降速率最大。
-
图 6统计了积水深h>5 cm情况下,不同城市下垫面空间格局和不同重现期积水面积变化过程。
图 6 不同城市下垫面空间格局和不同重现期设计降雨情景下积水面积变化过程(h>5 cm)
Figure 6. Spatial patterns of urban subsurface and changes in ponding area for different recurrence period design rainfall scenarios (h>5 cm)
从图 6(a)和图 6(b)可以看出,重现期为2 a和5 a时,积水面积较小,部分下垫面情景下地表无积水或仅有少量积水,重现期为10~100 a时,积水面积呈现先增加后减小的变化趋势。由图 6(c)可知,城市下垫面空间格局对积水面积峰现时间有一定影响,以10年一遇设计降雨为例,S2D1和S2D2情景的积水面积峰现时间分别为132 min和168 min,相差36 min,而其他格局下积水面积峰现时间则基本相等。在涨水阶段,S2D1情景最先达到峰值,S3D1情景积水面积峰值最大为5.93 ha,比S3D2情景增加了3.59 ha,差值占比为60.5%。在退水阶段,S1D1、S3D1和S3D2情景的积水面积平均下降速率较大。
由图 6(d)—图 6(f)可知,在20年一遇、50年一遇和100年一遇设计降雨情景下,积水面积变化过程近似,随着重现期的增大,积水面积峰值随之增大,退水阶段积水面积平均下降速率增大,S2D1情景虽然积水面积峰值最小,但是积水面积平均下降速率较小。
上述结果表明,城市下垫面空间格局对积水面积峰值、峰现时间及积水面积平均下降速率有影响。即随着重现期增大,积水面积峰值增大,积水面积平均下降速率增大。
-
图 7为100年一遇设计降雨情景下最大地表积水空间分布图。由图 7分析可知,S1D1情景下h>15 cm的积水主要集中在下游区域; S1D2情景下h>15 cm的区域较少,且积水主要集中在上游和下游干路的两侧;S2D1情景下h>30 cm分布面积较大,主要分布在道路较密集的地区;S2D2情景下积水主要分布在中游的支路地区,积水深在10~15cm范围的积水分布较为密集;S3D1格局h>15 cm的积水分布较为零散,主要为汇入干路的支路区域;S3D2情景下h>15 cm积水分布较少,且积水分布相对规则,集中在道路十字路口处;S4D1和S4D2情景下积水分布主要集中在中部区域,小部分区域出现h>30 cm的积水。
图 7 100年一遇设计降雨情景下地表积水空间分布(积水总量最大时刻)
Figure 7. Spatial distribution of surface water accumulation under the 100-year design rainfall scenario (moment of maximum total water accumulation)
上述结果表明,S1、S3和S4格局下h>15 cm的积水地区分布较分散,S2D1情景下出现大量h>30 cm的地区,总体上积水主要分布在道路交汇处。
-
城市道路内涝积水达到一定深度会危及行人和车辆安全,而积水流速较大时风险较高。以100年一遇设计降雨为例,绘制了8种城市下垫面空间格局下的地表积水流速分布图,如图 8所示。
图 8 100年一遇设计降雨情景下各分布情景流速分布(积水总量最大时刻)
Figure 8. Flow velocity distribution diagram of each distribution scenario under the 100-year design rainfall scenario (the time when the total water volume reaches its maximum)
由图 8可见,S1D1情景下,流速较大的部分都集中于干路,且流速最大值分布在干路与支路的交汇处,最大流速为0.37 m/s; S1D2情景流速较大的地区分布较分散,流速较大处主要分布在干路两侧,最大流速为0.42 m/s; S2D1和S2D2情景下,整体流速较小,较大流速主要分布在道路交汇处,最大流速均为0.35 m/s,结合积水面积变化过程可知,在100年一遇设计降雨下,S2格局易出现积水面积峰值大的情况,且排水速度缓慢,排水周期较长; S3D1情景流速较大的地区主要分布在干路上,干路末端流速达到最大值为0.36 m/s; S3D2情景与S3D1情景相比整体流速较大而且分布面积广,较大流速分布在道路交汇处,最大流速为0.47 m/s; S4D1和S4D2情景流速最大位置主要分布在干路,最大流速分别为0.35 m/s和0.32 m/s。
由上述分析可知,不同的城市下垫面空间格局下,流速较大的位置分布具有一定规律,即较大流速分布主要集中在道路交汇处。在本研究设置的8种城市下垫面空间格局情景中,在100年一遇设计降雨情景下,S3D2情景最大流速为0.47 m/s, 比S4D2情景增加了0.15 m/s,差值占比为31.9%。
-
由于城市地区的下垫面条件复杂,本研究采用了基于规划设计的理想下垫面进行情景分析,为进一步探讨本研究结果的合理性,将本研究结果与前人研究进行对比。Bruwier等[10-11]通过大量随机城市空间格局洪涝模拟,主要分析内涝淹没时空变化过程,发现城市空间分布参数对洪涝特征值影响较大; 本研究主要从不同城市空间格局对内涝特征值进行分析,结果表明环形放射型格局有削减积水的优点。Ferreira等[30]基于物理试验研究了径流系数等特征值, 解析不同城市格局对径流量的影响,其中线性分布对径流系数影响较大; 本研究基于数值模拟从其他特征值方面进行影响分析,结果表明环形放射型格局对内涝特征值影响较大。Silva等[13]研究发现不透水面和绿色空间连通性对径流有重要影响,结果表明不透水面和绿色空间的连通性、渗透性越低,产生的径流越多; 本研究通过分析多情景城市空间格局内涝淹没时空变化,结果表明, 重现期越大积水总量、积水面积退水阶段平均下降速率越大。杨冬冬等[7]通过分析小区尺度下径流峰值、峰现时间等特征值与水动力相关特性,发现环尽型城市空间格局受内涝的影响低,与本研究的尺度和空间格局对内涝的影响结果相同。候精明等[31]通过数值模拟,从流量过程和径流峰值等方面分析得出建筑小区尺度下不同LID措施状态对径流有一定影响,不同点体现在本研究侧重不同城市空间格局对内涝的影响。
本研究结合前者相关成果,从内涝淹没特征值、淹没时空变化过程以及淹没水动力特性等方面进行综合研究分析发现,城市下垫面空间格局对城市内涝的形成过程、严重程度等有一定影响,影响可能来自道路曲率、路网密度和不透水面连通性等多种因素。在本研究中发现,环形放射型格局的防治内涝优势较为明显,在不造成大量积水的同时,可以利用主干路进行汇流达到排水的目的,但也一定程度上加剧了道路行洪现象,这也说明,城市下垫面空间格局对城市内涝的影响是复杂的,其结果表现在多个方面。上述结果对于城市下垫面空间管控和城市排水防涝规划具有一定参考意义。
本研究的主要局限性在于城市下垫面空间格局情景、降雨情景的样本量较少,且采用理想化地形,城市复杂景观格局、道路细化布设和排水管网等因素考虑较少,未采用实际降雨径流过程进行模型率定验证。此外,本研究主要聚焦社区尺度的研究,相应结果和结论推广到片区尺度、城市尺度上可能存在尺度效应。未来将进一步开展多情景、多尺度下的深入研究,以解析城市下垫面空间格局对内涝过程的影响机理。
-
本文构建了8种社区尺度城市下垫面空间格局情景,并建立了相应的城市内涝模型,开展了6种重现期(2 a、5 a、10 a、20 a、50 a和100 a) 设计降雨情景下内涝过程模拟,结合模拟结果对不同情景下内涝淹没特征值、淹没时空变化过程和淹没水动力特性进行分析,解析了不同城市下垫面空间格局对社区城市内涝过程的影响,主要结论如下:
(1) 设计降雨重现期为2 a、5 a、50 a和100 a时,不同城市空间格局下的内涝淹没特征值差值占比较大,设计降雨重现期为10 a和20 a时,不同城市空间格局下的内涝淹没特征值差值占比较小。
(2) 不同城市下垫面空间格局下积水总量和积水面积变化过程的差别主要表现在退水阶段,降雨重现期越大,不同城市下垫面空间格局情景下的积水总量和积水面积的峰值、平均下降速率越大。
(3) 不同城市下垫面空间格局下内涝积水流速空间分布基本特征为流速较大的位置主要集中在道路交汇处。
(4) 环形放射型格局在应对内涝方面更具弹性,其中对角环形情景对积水面积峰值、积水总量峰值及区域最大积水深响应敏感。
Effect of urban subsurface spatial pattern on community-scale flooding processes via numerical simulation
-
摘要: 为研究城市下垫面空间格局对社区尺度内涝过程的影响, 构建社区尺度下的8种不同城市下垫面空间格局, 并建立相应的城市内涝数值模型, 模拟6种不同重现期(2 a, 5 a, 10 a, 20 a, 50 a, 100 a)设计降雨条件下内涝过程; 基于不同下垫面和降雨情景下的内涝数值模拟结果, 分别从内涝淹没特征值、时空变化过程、水动力特性等方面开展分析。结果表明: ①城市下垫面空间格局对社区尺度内涝淹没特征值、淹没时空变化过程和内涝积水流速分布均有一定影响; ②设计降雨重现期为2 a、5 a、50 a和100 a时, 不同城市下垫面空间格局间的积水总量峰值、积水面积峰值、区域最大积水深差别显著, 重现期为10 a和20 a时, 无明显差别; ③内涝积水较大流速分布主要集中在道路交汇处, 在本研究构建的情景中, 最大流速的差值占比为31.9%;④在8种不同城市下垫面空间格局中, 环形放射型格局在应对内涝方面更具弹性。本研究可为城市下垫面空间管控和城市内涝形成机理研究提供科学参考。Abstract: To investigate the effect of the spatial pattern of urban subsurface on flooding processes at the community scale, eight different spatial patterns of urban subsurface at the community scale are constructed and the corresponding numerical models of urban flooding are established to simulate the flooding processes under six different design rainfall conditions, with recurrence periods ranging from 2 to 100 a. Based on the simulation results, the flooding characteristics, spatial and temporal changes, and hydrodynamic characteristics are analyzed. The results indicate the following: ① The spatial pattern of the urban substrate affects the inundation characteristics, the spatial and temporal variations of inundation, and the distribution of inundation flow rate at the community scale. ② The peak total ponding volume, peak ponding area, and maximum regional ponding depth differ significantly between the spatial patterns of urban substrates for design rainfall return periods of 2 a, 5 a, 50 a, and 100 a, whereas their differences are slight for return periods of 10 a and 20 a. ③ The distribution of higher flow velocities in flooded water is primarily concentrated at road intersections, with the difference in the maximum flow velocity being reflected in 31.9% of the scenarios analyzed. ④ Among the eight different spatial patterns of urban substrates, the circular radial pattern can manage internal flooding more effectively. The result of this study can provide scientific reference for the spatial control of urban subsurface and for investigating the formation mechanism of urban flooding.
-
Key words:
- urban waterlogging /
- urban forms /
- community scale /
- numerical simulation
-
表 1 城市下垫面空间格局情景空间参数取值范围及本研究取值
Table 1. Range of scenario spatial parameters of urban underlying surface spatial pattern and parameters selected in this study
表 2 不同重现期设计降雨情景下不同积水深的积水面积峰值
Table 2. Peak ponding area for water depths greater than 5 cm, 15 cm and 30 cm for different recurrence period design rainfall scenarios
单位: ha 积水深 重现期 环形放射型 多类混合型 方格网络型 自由随机型 S1D1 S1D2 S2D1 S2D2 S3D1 S3D2 S4D1 S4D2 > 5 cm 2 a 0.01 0 0.03 0.01 0 0 0.05 0 5 a 0.54 0.34 1.52 1.02 2.19 0.05 0.52 1.76 10 a 3.82 2.39 4.56 3.99 5.93 2.23 2.60 4.78 20 a 11.82 11.90 9.67 11.49 12.75 10.14 10.72 11.84 50 a 19.31 20.38 17.70 22.03 20.45 19.39 20.29 20.37 100 a 23.91 24.80 23.14 27.21 24.63 24.13 25.76 25.40 > 15 cm 2 a 0 0 0 0 0 0 0 0 5 a 0.01 0 0.14 0 0 0 0.05 0.08 10 a 0.28 0 0.25 0.57 0.53 0.04 0.14 0.53 20 a 0.61 0.28 0.73 1.06 1.71 0.24 0.46 1.50 50 a 0.72 0.58 2.03 1.66 2.48 0.43 0.80 2.39 100 a 1.82 0.99 2.74 2.50 3.48 0.48 1.38 2.88 > 30 cm 2 a 0 0 0 0 0 0 0 0 5 a 0 0 0 0 0 0 0 0 10 a 0 0 0.14 0 0.08 0 0.08 0.12 20 a 0.15 0 0.25 0.44 0.25 0 0.08 0.13 50 a 0.37 0 0.49 0.57 0.80 0.04 0.37 0.70 100 a 0.38 0 1.02 0.95 1.46 0.23 0.42 1.43 表 3 不同城市下垫面空间格局和不同重现期设计降雨情景下区域最大积水深
Table 3. Maximum regional ponding depth for different urban subsurface spatial patterns and different recurrence period design rainfall scenarios
单位: m 城市下垫面空间格局 重现期 2 a 5 a 10 a 20 a 50 a 100 a 环形放射型 S1D1 0.05 0.06 0.10 0.14 0.23 0.30 S1D2 0.03 0.06 0.09 0.12 0.20 0.28 多类混合型 S2D1 0.05 0.06 0.08 0.09 0.19 0.31 S2D2 0.05 0.06 0.09 0.11 0.18 0.30 方格网络型 S3D1 0.03 0.05 0.07 0.10 0.16 0.24 S3D2 0.03 0.06 0.08 0.11 0.14 0.20 自由随机型 S4D1 0.05 0.05 0.08 0.11 0.18 0.28 S4D2 0.04 0.05 0.09 0.10 0.16 0.28 -
[1] 宋晓猛, 张建云, 贺瑞敏, 等. 北京城市洪涝问题与成因分析[J]. 水科学进展, 2019, 30(2) : 153-165. doi: 10.14042/j.cnki.32.1309.2019.02.001 SONG X M, ZHANG J Y, HE R M, et al. Urban flood and waterlogging and causes analysis in Beijing[J]. Advances in Water Science, 2019, 30(2) : 153-165. (in Chinese) doi: 10.14042/j.cnki.32.1309.2019.02.001 [2] 徐宗学, 陈浩, 任梅芳, 等. 中国城市洪涝致灾机理与风险评估研究进展[J]. 水科学进展, 2020, 31(5) : 713-724. doi: 10.14042/j.cnki.32.1309.2020.05.008 XU Z X, CHEN H, REN M F, et al. Progress on disaster mechanism and risk assessment of urban flood/waterlogging disasters in China[J]. Advances in Water Science, 2020, 31(5) : 713-724. (in Chinese) doi: 10.14042/j.cnki.32.1309.2020.05.008 [3] 张建云, 王银堂, 贺瑞敏, 等. 中国城市洪涝问题及成因分析[J]. 水科学进展, 2016, 27(4) : 485-491. doi: 10.14042/j.cnki.32.1309.2016.04.001 ZHANG J Y, WANG Y T, HE R M, et al. Discussion on the urban flood and waterlogging and causes analysis in China[J]. Advances in Water Science, 2016, 27(4) : 485-491. (in Chinese) doi: 10.14042/j.cnki.32.1309.2016.04.001 [4] 梅超, 刘家宏, 王浩, 等. 城市下垫面空间特征对地表产汇流过程的影响研究综述[J]. 水科学进展, 2021, 32(5) : 791-800. doi: 10.14042/j.cnki.32.1309.2021.05.014 MEI C, LIU J H, WANG H, et al. Comprehensive review on the impact of spatial features of urban underlying surface on runoff processes[J]. Advances in Water Science, 2021, 32(5) : 791-800. (in Chinese) doi: 10.14042/j.cnki.32.1309.2021.05.014 [5] 孙延伟, 许有鹏, 高斌, 等. 城镇化下流域不透水面扩张对洪峰的影响: 以南京秦淮河为例[J]. 湖泊科学, 2021, 33(5) : 1574-1583. https://www.cnki.com.cn/Article/CJFDTOTAL-FLKX202105025.htm SUN Y W, XU Y P, GAO B, et al. Influence of impervious surface expansion on flood peak under urbanization : a case study of Qinhuai River in Nanjing[J]. Journal of Lake Sciences, 2021, 33(5) : 1574-1583. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-FLKX202105025.htm [6] 唐钰嫣, 潘耀忠, 范津津, 等. 土地利用景观格局对城市内涝灾害风险的影响研究[J]. 水利水电技术(中英文), 2021, 52(12) : 1-11. https://www.cnki.com.cn/Article/CJFDTOTAL-SJWJ202112001.htm TANG Y Y, PAN Y Z, FAN J J, et al. The influence of landscape pattern on the risk of urban watelogging disaster[J]. Water Resources and Hydropower Engineering, 2021, 52(12) : 1-11. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-SJWJ202112001.htm [7] 杨冬冬, 韩轶群, 曹磊, 等. 基于产汇流模拟分析的城市居住小区道路系统布局优化策略研究[J]. 风景园林, 2019, 26(10) : 101-106. https://www.cnki.com.cn/Article/CJFDTOTAL-FJYL201910023.htm YANG D D, HAN Y Q, CAO L, et al. Research of urban community road system layout optimization strategy based on simulation analysis of generation and concentration[J]. Landscape Architecture, 2019, 26(10) : 101-106. (in Chinese)) https://www.cnki.com.cn/Article/CJFDTOTAL-FJYL201910023.htm [8] FERRARI A, VIERO D P, VACONDIO R, et al. Flood inundation modeling in urbanized areas : a mesh-independent porosity approach with anisotropic friction[J]. Advances in Water Resources, 2019, 125 : 98-113. [9] 孙蓝心, 夏军, 佘敦先, 等. 九江市中心城区下垫面变化及其径流响应[J]. 南水北调与水利科技(中英文), 2021, 19(4) : 625-635. https://www.cnki.com.cn/Article/CJFDTOTAL-NSBD202104001.htm SUN L X, XIA J, SHE D X, et al. Changes of underlying surface and its runoff response in the central city of Jiujiang[J]. South-to-North Water Transfers and Water Science & Technology, 2021, 19(4) : 625-635. (in Chinese)) https://www.cnki.com.cn/Article/CJFDTOTAL-NSBD202104001.htm [10] BRUWIER M, MARAVAT C, MUSTAFA A, et al. Influence of urban forms on surface flow in urban pluvial flooding[J]. Journal of Hydrology, 2020, 582 : 124493. [11] BRUWIER M, MUSTAFA A, ALIAGA D G, et al. Influence of urban pattern on inundation flow in floodplains of lowland rivers[J]. The Science of the Total Environment, 2018, 622/623 : 446-458. [12] 郭禹含, 王中根, 姜爱华, 等. 济南主城区不透水地表分布分析及其水文效应[J]. 南水北调与水利科技(中英文), 2020, 18(4) : 87-96. https://www.cnki.com.cn/Article/CJFDTOTAL-NSBD202004008.htm GUO Y H, WANG Z G, JIANG A H, et al. Analysis of the impervious land surface pattern distribution and its hydrological effects in the main urban area of Jinan[J]. South-to-North Water Transfers and Water Science & Technology, 2020, 18(4) : 87-96. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-NSBD202004008.htm [13] SILVA C M, SILVA G. Cumulative effect of the disconnection of impervious areas within residential lots on runoff generation and temporal patterns in a small urban area[J]. Journal of Environmental Management, 2020, 253 : 109719. [14] 周宏, 刘俊, 高成, 等. 考虑有效不透水下垫面的城市雨洪模拟模型: Ⅱ : 雨洪模拟及水文响应分析[J]. 水科学进展, 2022, 33(3) : 485-494. doi: 10.14042/j.cnki.32.1309.2022.03.012 ZHOU H, LIU J, GAO C, et al. Development of an urban stormwater model considering effective impervious surface : Ⅱ : urban stormwater simulation and anaysis of hydrological response[J]. Advances in Water Science, 2022, 33(3) : 485-494. (in Chinese) doi: 10.14042/j.cnki.32.1309.2022.03.012 [15] LI X F, ERPICUM S, MIGNOT E, et al. Influence of urban forms on long-duration urban flooding : laboratory experiments and computational analysis[J]. Journal of Hydrology, 2021, 603 : 127034. [16] 袁婷, 邓非, 李天烁. 采用CGA规则的实景地形和虚拟仿真模型融合方法[J]. 测绘地理信息, 2021, 46(S1) : 216-220. https://www.cnki.com.cn/Article/CJFDTOTAL-CHXG2021S1050.htm YUAN T, DENG F, LI T S. Fusion method of real topographic and virtual simulation model based on CGA rules[J]. Journal of Geomatics, 2021, 46(S1) : 216-220. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-CHXG2021S1050.htm [17] LI Z J, LIU J H, MEI C, et al. Comparative analysis of building representations in TELEMAC-2D for flood inundation in idealized urban districts[J]. Water, 2019, 11(9) : 1840. [18] 张永勇, 侯进进, 夏军, 等. 中国典型城市小区尺度下垫面对径流过程的调控特征与空间差异[J]. 中国科学: 地球科学, 2022, 52(8) : 1427-1442. https://www.cnki.com.cn/Article/CJFDTOTAL-JDXK202208001.htm ZHANG Y Y, HOU J J, XIA J, et al. Regulation characteristics of underlying surface on runoff regime metrics and their spatial differences in typical urban communities across China[J]. Scientia Sinica (Terrae), 2022, 52(8) : 1427-1442. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-JDXK202208001.htm [19] 城市居住区规划设计规范: GB 50180—93[S]. 北京: 中国计划出版社, 2018. Code for planning and design of urban residential areas : GB 50180—93[S]. Beijing : China Planning Press, 2018. (in Chinese) [20] 城市综合交通体系规划标准: GB/T 51328—2018[S]. 北京: 中国建筑工业出版社, 2018. Standard for urban comprehensive transport system planning : GB/T 51328—2018[S]. Beijing : China Architecture & Building Press, 2018. (in Chinese) [21] 城市道路设计规范: CJJ 37—2012[S]. 北京: 中国建筑工业出版社, 2016. Code for design of urban roads : CJJ 37—2012[S]. Beijing : China Architecture & Building Press, 2016. (in Chinese) [22] 胡彩虹, 姚依晨, 刘成帅, 等. 降雨雨型对城市内涝的影响[J]. 水资源保护, 2022, 38(6) : 15-21, 87. https://www.cnki.com.cn/Article/CJFDTOTAL-SZYB202206003.htm HU C H, YAO Y C, LIU C S, et al. Effects of rainfall patterns on urban waterlogging[J]. Water Resources Protection, 2022, 38(6) : 15-21, 87. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-SZYB202206003.htm [23] 唐明, 许文斌, 尧俊辉, 等. 基于城市内涝数值模拟的设计暴雨雨型研究[J]. 中国给水排水, 2021, 37(5) : 97-105. https://www.cnki.com.cn/Article/CJFDTOTAL-GSPS202105019.htm TANG M, XU W B, YAO J H, et al. Design rainstorm patterns based on numerical simulation of urban flooding[J]. China Water & Wastewater, 2021, 37(5) : 97-105. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-GSPS202105019.htm [24] 侯精明, 郭凯华, 王志力, 等. 设计暴雨雨型对城市内涝影响数值模拟[J]. 水科学进展, 2017, 28(6) : 820-828. doi: 10.14042/j.cnki.32.1309.2017.06.003 HOU J M, GUO K H, WANG Z L, et al. Numerical simulation of design storm pattern effects on urban flood inundation[J]. Advances in Water Science, 2017, 28(6) : 820-828. (in Chinese) doi: 10.14042/j.cnki.32.1309.2017.06.003 [25] 刘家宏, 李泽锦, 梅超, 等. 基于TELEMAC-2D的不同设计暴雨下厦门岛城市内涝特征分析[J]. 科学通报, 2019, 64(19) : 2055-2066. https://www.cnki.com.cn/Article/CJFDTOTAL-KXTB201919010.htm LIU J H, LI Z J, MEI C, et al. Urban flood analysis for different design storm hyetographs in Xiamen Island based on TELEMAC-2D[J]. Chinese Science Bulletin, 2019, 64(19) : 2055-2066. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-KXTB201919010.htm [26] United States Department of Agriculture. Urban hydrology for small watersheds[R]. Washington DC : Technical Release 55, 1986. [27] 黄国如, 陈文杰, 喻海军. 城市洪涝水文水动力耦合模型构建与评估[J]. 水科学进展, 2021, 32(3) : 334-344. doi: 10.14042/j.cnki.32.1309.2021.03.002 HUANG G R, CHEN W J, YU H J. Construction and evaluation of an integrated hydrological and hydrodynamics urban flood model[J]. Advances in Water Science, 2021, 32(3) : 334-344. (in Chinese) doi: 10.14042/j.cnki.32.1309.2021.03.002 [28] 徐宗学, 叶陈雷. 城市暴雨洪涝模拟: 原理、模型与展望[J]. 水利学报, 2021, 52(4) : 381-392. https://www.cnki.com.cn/Article/CJFDTOTAL-SLXB202104001.htm XU Z X, YE C L. Simulation of urban flooding/waterlogging processes : principle, models and prospects[J]. Journal of Hydraulic Engineering, 2021, 52(4) : 381-392. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-SLXB202104001.htm [29] 李泽锦. 基于水动力模拟的城市洪涝及其对交通影响的动态评估[D]. 北京: 中国水利水电科学研究院, 2020. LI Z J. Urban flood simulation based on hydrodynamic model and the traffic impact dynamic evaluation[D]. Beijing : China Institute of Water Resources and Hydropower Research, 2020. (in Chinese) [30] FERREIRA C S S, MORUZZI R, ISIDORO J M G P, et al. Impacts of distinct spatial arrangements of impervious surfaces on runoff and sediment fluxes from laboratory experiments[J]. Anthropocene, 2019, 28 : 100219. [31] 侯精明, 李东来, 王小军, 等. 建筑小区尺度下LID措施前期条件对径流调控效果影响模拟[J]. 水科学进展, 2019, 30(1) : 45-55. doi: 10.14042/j.cnki.32.1309.2019.01.005 HOU J M, LI D L, WANG X J, et al. Effects of initial conditions of LID measures on runoff control at residential community scale[J]. Advances in Water Science, 2019, 30(1) : 45-55. (in Chinese)) doi: 10.14042/j.cnki.32.1309.2019.01.005 -