海绵城市LID设施模型属地化参数研究——以厦门为例
0 引言
随着3年海绵试点的建设，厦门市在此过程中认识到需要建立一套完善的模型评估体系，对海绵城市的建设项目从规划、方案、设计阶段进行有效的管控
1 研究方法
1.1 技术路线
(1)选取合适的研究范围，收集模型建立的基础数据；(2)对各种LID设施的模型参数进行灵敏度分析
1.2 模型选取
本次研究模型使用英国InfoWorks ICM 6.5模型软件，该软件中集成了SWMM的海绵模块，单体LID设施和项目的建模分析均可用ICM进行，且ICM的界面较为友好，分析工具等优于SWMM。此外，ICM与SWMM的模型文件还可以互相转化。
1.3 参数敏感性分析
排水管网模型中，一些重要的水文和水质参数（地表渗透参数、地表洼地蓄积量、污染物参数等）通常难以准确获得，需参考相关文献与指南中的经验值进行设定。因此，在模型分析过程中，需对模型参数进行灵敏度与不确定性分析，定量评估参数取值的偏差对模拟结果的影响程度。此次采用Morris分析方法，对SWMM模型中的几类LID设施模型参数进行敏感性分析，从峰值流量、峰值延迟时间、总出流量3个方面综合评估了各个海绵设施的参数敏感性。结果表明，表面粗糙率对于植草沟设施而言是高敏感参数，土壤渗透率对于绿色屋顶、生物滞留池设施而言是高敏感参数，土壤渗透率和表面粗糙率对于透水铺装设施而言是高敏感参数。具体如表1所示。
表1 各类LID设施模型参数的敏感性汇总
Tab.1 Sensitivity summary of various LID facility model parameters
1.4 率定方法
在模型率定过程中，根据相关监测数据，对模型参数进行调整和校准，提高模拟分析的可靠性。本次模型率定与校核的步骤为：(1)收集降雨和流量实测数据；(2)降雨数据的处理和转换，录入排水模型中；(3)运行实测降雨情景，生成模拟结果；(4)对比分析实测降雨情景下的模拟流量与监测流量值；(5)评估模拟值与实测值的吻合程度，若达到模型率定与校核的要求，则模型可以用于相关的分析和评估，若不能达到要求，根据敏感性高低调整参数，直至模拟值与实测值比较吻合。
本次采用纳什效率系数NSE(Nash-Sutcliffeefficiency coefficient）来评估模型模拟结果和测量流量的差异，其一般用以验证水文模型模拟结果的准确性，系数计算式（1）所示：
式中Q0t———观测值；
Qmt———模拟值；
E取值为负无穷至1。E接近1，表示模拟值和实测值高度一致，模拟效果极好；E接近0，表示模拟结果接近观测值的平均值水平，结果可信但误差大；E远远小于0，则模型是不可信的。根据文献
2 LID单体设施参数率定
2.1 模型搭建
通过实测数据（见表2）的初步筛选，数据质量较好的LID设施有海投科创雨水花园、肖厝小学雨水花园、台本金属植草沟、励昕塑料厂绿色屋顶和新店小学绿色屋顶。
本次以海投科创雨水花园为例进行单体设施的模型参数率定。
因此，首先在软件中创建3个集水区，分别代表外部客水的径流及LID设施的消纳过程，客水集水区产生径流流入雨水花园，消纳后排入下游管线。模型成果如图1所示。
2.2 初始参数设置
水文模型建立初期的各个参数采用InfoWorks ICM的SWMM模块自带美制单位的默认值，海绵设施参数则保持与施工图相一致，施工图缺失的参数采用模型默认参数，如表3所示。
2.3 初次模拟结果分析
通过导入2018年6月5日、6月18日以及6月23日的实测数据，对比海投科创雨水花园模型入流、出流结果，可以发现6月23日的流量曲线拟合效果比6月5日及6月18日的效果好，主要原因在于6月23日降雨强度较大，对于流量计观测小流量实测数据产生的误差干扰影响较小，具体模拟和实测值对比情况如图2～图10所示。
表2 有效降雨实测数据
Tab.2 Effective rainfall data
注：初步计算的控制率是基于每次降雨事件的总降雨量、海绵设施服务面积以及径流总量进行总量的计算得到。
图1 海投科创雨水花园设施模型
Fig.1 Rainwater garden facilities model of Haitou Kechuang
表3 LID设施初始参数设置
Tab.3 LID facility initial parameter setting
图2 率定前的雨水花园屋面入流模拟值和实测值对比（2018年6月5日）
Fig.2 Comparison of simulated and measured values of the inflow of rainwater garden roof before the finalization(June 5,2018)
图3 率定前的雨水花园道路入流模拟值和实测值对比（2018年6月5日）
Fig.3 Comparison of simulated and measured values of rainwater garden road inflow before the finalization(June 5,2018)
图4 率定前的雨水花园出流模拟值和实测值对比（2018年6月5日）
Fig.4 Comparison of the simulated and measured values of the rainwater garden before the finalization(June 5,2018)
图5 率定前的雨水花园屋面入流模拟值和实测值对比（2018年6月18日）
Fig.5 Comparison of simulated and measured values of rainwater garden roof in front of the plan(June 18,2018)
图6 率定前的雨水花园道路入流模拟值和实测值对比（2018年6月18日）
Fig.6 Comparison of the simulated and measured values of the inflow of rainwater garden roads before the finalization(June 18,2018)
图7 率定前的雨水花园出流模拟值和实测值对比（2018年6月18日）
Fig.7 Comparison of simulated and measured values of rainwater garden outflow before the finalization(June 18,2018)
图8 率定前的雨水花园屋面入流模拟值和实测值对比（2018年6月23日）
Fig.8 Comparison of the simulated and measured values of the inflow of rainwater garden roof before the finalization(June 23,2018)
图9 率定前的雨水花园道路入流模拟值和实测值对比（2018年6月23日）
Fig.9 Comparison of the simulated and measured values of the inflow of rainwater garden roads before the finalization(June 23,2018)
图1 0 率定前的雨水花园出流模拟值和实测值对比（2018年6月23日）
Fig.10 Comparison of simulated and measured values of rainwater garden outflow before the finalization(June 23,2018)
2.4 参数调整率定
通过模拟实测数据分析发现，雨水花园入流径流模拟偏差较大。根据现场勘查，海投科创雨水花园入流口距离雨水花园溢流口位置较近，客水进入雨水花园后可能会产生未能利用雨水花园调蓄容积而直接溢流的情况，导致雨水花园设施的实际滞蓄面积较设计降低。因此通过调整外部客水收集面积和初期径流损失深度，将客水径流模型进行率定优化，率定后情况对比如图11～图13所示。此外，还对部分雨水花园的高敏感度参数进行调参优化，最终将雨水花园屋顶入流初期损失调整为0.002 5m，屋顶糙率调整为0.013，屋顶调整坡度为0.5%，路面初期损失调整为0.002 m，路面糙率调整为0.013。
图1 1 率定后的雨水花园屋顶入流实测值及模拟值对比（2018年6月23日）
Fig.11 Comparison of measured values and simulated values of the roof of the rainwater garden after the finalization(June 23,2018)
图1 2 率定后的雨水花园道路入流实测值及模拟值对比（2018年6月23日）
Fig.12 Comparison of measured values and simulated values of rainwater garden roads after the finalization(June 23,2018)
图1 3 率定后的雨水花园道路出流实测值及模拟值对比（2018年6月23日）
Fig.13 Comparison of the measured values and simulated values of the rainwater garden roads after the finalization(June 23,2018)
通过率定调整验证，海投科创的雨水花园出流模拟值和实测值相比纳什系数为0.66，满足率定要求。采用调整后的参数，评估海投科创雨水花园6月5日及6月18日的模型纳什效率系数，均超过0.6，肖厝小学雨水花园的纳什效率系数也超过0.55，该套模型参数可用。
3 LID项目参数率定
3.1 模型建立
本次以新店中心小学为例进行海绵项目的模型参数率定，根据已有的设计图纸，在ICM中建立相应的设施模型，如图14所示。
图1 4 新店中心小学模型
Fig.14 Model of Xindian central primary school
3.2 降雨时间选取
本次采用了2018年4月23日、5月6日、5月7日以及6月18日这4场降雨和对应的监测流量数据（见图15～图19）作为率定及验证数据。5月6日和5月7日降雨间隔较短，可同时率定海绵设施在降雨后恢复储水能力的相关模型参数。
3.3 初始参数设置
地块模型涉及的参数较多，主要通过实测、现场踏勘及施工图进行参数确定，在模型中对中、高敏感参数进行了设置，再根据SWMM手册推荐值补充其他低敏感参数，具体参数设置如表4所示。
图1 5 新店中心小学2019年4月23日降雨及流量数据
Fig.15 Rainfall and flow data of Xindian central primary school on April 23,2019
图1 6 新店中心小学2019年5月6日降雨及流量数据
Fig.16 Rainfall and flow data of Xindian central primary school on May 6,2019
图1 7 新店中心小学2019年5月7日降雨及流量数据
Fig.17 Rainfall and flow data of Xindian central primary school on May 7,2019
图1 8 新店中心小学2019年6月18日降雨及流量数据
Fig.18 Rainfall and flow data of Xindian central primary school on June 18,2019
3.4 初次模拟结果分析
对初步设置好的模型进行模拟，从总流量、峰值流量、峰值发生时间进行率定评估。结果发现当雨量相对较小时，模拟数值远大于实测值，当雨量较大时候，模拟值和实测值形态接近，但模拟总流量始终大于实测值，说明在产流模型上，模型设置值过于保守，可适当降低径流系数。同时，模拟流量峰值时刻和实测始终保持一致，说明汇流参数较为合理。
图1 9 2018年5月6～7日实测流量与模拟流量对比
Fig.19 Comparison diagram of actual flow and simulated flow from May 6to 7,2018
图2 0 参数调整后5月6～7日实测流量）与模拟流量对比图
Fig.20 Comparison diagram of measured flow and simulated flow from May 6to 7after parameter adjustment
表4 LID项目初始参数设置
Tab.4 LID project initial parameter Settings
3.5 模型参数优化及率定
对于总流量过高的问题，将不透水面的固定径流系数调整为0.85。对于在雨量较小期间模拟值远大于实测的问题，说明模拟中初期雨水控制率低于实际情况，主要是由于海绵参数设置过于保守，海绵设施对周边客水收集率低于实际情况地表初期洼蓄量设置过低，导致模型过于容易产生径流，因此将地表的初期损失值提高为0.002m。
通过调整参数重新模拟运行，5月6～7日模拟结果模拟流量曲线趋势和结果基本一致，纳什系数为0.55，采用6月18日结果进行验证，纳什效率系数达到0.52，认为本次确定的各类LID设施模型参数可用。
4 结论
(1）通过现场观测、海绵单体模型参数敏感性测试及模型建立和率定，对4类海绵设施的各个相关参数进行属地化研究，给出各个参数在厦门市的海绵建设中适用的范围区间，最终可以为其他厦门海绵城市项目在建立模型时选取合适的参数，完成模型分析。4 类海绵设施各个模型参数的推荐范围如表5所示。
由于设施的部分参数是设计值，故不对它们进行参数取值范围推荐，这些设计值的参数包含：表面层下凹深度、表面坡度、植草沟边坡、透水铺装厚度、透水铺装渗透速率、透水铺装孔隙率、透水铺装堵塞系数、土壤层厚度、储蓄层厚度、储蓄层孔隙度、储蓄层渗漏速率、储蓄层堵塞系数、排水层的排放系数、排水盲管偏移高度、海绵设施单体个数、海绵设施单体面积和海绵设施处理不透水表面的比例。
表5 海绵模型参数推荐范围
Tab.5 Recommended range of sponge model parameters
(2）施工图的解读和现场的探勘是正确建立水动力模型的前提，通过施工图结合现场观察，能有效的梳理海绵设施的运作原理，海绵设施之间的连接关系及海绵设施与普通排水系统的连接关系，应正确理解每个设施的收水范围和汇水路径。
(3）监测仪器数据是模型率定验证的核心数据，如果监测仪器数据不可靠，整个参数率定工作就难以展开了。目前仍有存在部分原始数据缺乏定期维护，没有及时去噪，建议旱天至少一周复查一次所有监测数据，若有降雨则雨后必须复核所有监测数据。
参考文献
[1] 住房和城乡建设部．海绵城市建设绩效评价与考核办法[Z].2015.
[2] 厦门市人民政府办公厅．厦门市海绵城市建设管理办法[Z].2018.
[3]王泽阳，关天胜，吴连丰．基于效果评价的海绵城市监测体系构建-以厦门海绵城市试点区为例[J]．给水排水，2018,44(3):23-27.
[4]吴连丰．厦门市海绵城市管控平台的探索与实践[J]．给水排水，2018,44(11):117-122.