趙 磊, 楊逢樂, 袁國林,*, 王俊松, 朱永官

1 云南省環(huán)境科學(xué)研究院, 昆明 650034 2 云南高原湖泊流域污染過程與管理重點(diǎn)實(shí)驗(yàn)室(籌), 昆明 650034 3 中國科學(xué)院生態(tài)環(huán)境研究中心, 北京 100085 4 中國科學(xué)院大學(xué), 北京 100049

昆明市明通河流域降雨徑流水量水質(zhì)SWMM模型模擬

趙 磊1,2,3,4, 楊逢樂1,2, 袁國林1,2,*, 王俊松1,2, 朱永官3

1 云南省環(huán)境科學(xué)研究院, 昆明 650034 2 云南高原湖泊流域污染過程與管理重點(diǎn)實(shí)驗(yàn)室(籌), 昆明 650034 3 中國科學(xué)院生態(tài)環(huán)境研究中心, 北京 100085 4 中國科學(xué)院大學(xué), 北京 100049

選取昆明市明通河流域?yàn)檠芯繀^(qū)域，在暴雨管理模型(SWMM模型)參數(shù)敏感性分析、模型率定的基礎(chǔ)上，對明通河流域進(jìn)行了降雨徑流水量水質(zhì)模擬。結(jié)果表明：SWMM模型水文水力模塊中最靈敏參數(shù)為不透水率，水質(zhì)模塊中污染物最大累積量、污染物累積速率均為靈敏參數(shù)，而沖刷系數(shù)和沖刷指數(shù)的靈敏度受降雨強(qiáng)度影響波動較大。水量水質(zhì)模擬結(jié)果與實(shí)測結(jié)果較為吻合，模型率定取得了滿意的結(jié)果。模擬結(jié)果顯示，研究區(qū)降雨徑流總氮、總磷、化學(xué)需氧量單位面積負(fù)荷率分別為75.6、8.5、697.8 kg hm-2a-1，城市降雨徑流污染在滇池流域面源污染中占有較大份額。

城市降雨徑流; 暴雨管理模型(SWMM模型); 水量水質(zhì)模擬

隨著我國點(diǎn)源污染控制的不斷完善，城市面源污染所占比例正在日益提高。城市中面源污染負(fù)荷占水污染總負(fù)荷的比重比過去預(yù)想的大的多，同時(shí)由于暴雨徑流的初期效應(yīng)時(shí)間極短，面源污染對城市水體的沖擊性非常高。然而，由于城市面源污染的突發(fā)性、隨機(jī)性、復(fù)雜性和監(jiān)測的耗時(shí)費(fèi)力，模型模擬成為研究城市面源污染管理和控制的重要手段。

目前常用的城市降雨徑流水量水質(zhì)模擬模型主要有STORM、SWMM、HSPF等。SWMM模型是美國環(huán)保署開發(fā)的城市暴雨管理模型，可模擬包括地表徑流和排水網(wǎng)絡(luò)中水流和污染物、管路中的蓄水池、暴雨徑流的處理設(shè)施等完整的城市降雨徑流循環(huán)，可用于計(jì)算全年城市面源污染負(fù)荷、指導(dǎo)合流制排水系統(tǒng)雨污調(diào)節(jié)、雨洪分流，模擬時(shí)段是可變的，具有較強(qiáng)的適用性，在全世界100多個(gè)城市得到了應(yīng)用。近年來在國內(nèi)也陸續(xù)開展了SWMM模型的應(yīng)用研究。但國內(nèi)相關(guān)研究大多集中于小區(qū)域，且缺乏對SWMM模型參數(shù)的詳盡分析，參數(shù)敏感度分析、率定等方面還鮮見報(bào)道。本研究嘗試在較大區(qū)域應(yīng)用SWMM模型，采用GIS、遙感等手段獲取模型重要參數(shù)，立足于參數(shù)取值方法存在的觀測誤差等不確定性，選用Morris篩選法進(jìn)行SWMM模型狀態(tài)變量的局部靈敏度分析，從模型構(gòu)建、參數(shù)分析、結(jié)果率定和應(yīng)用4個(gè)方面對SWMM模型進(jìn)行詳細(xì)研究，為在我國應(yīng)用SWMM模型提供參考。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)為昆明市的城市納污河明通河。流域內(nèi)排水系統(tǒng)為合流制排水系統(tǒng)，污水及雨水通過排水系統(tǒng)進(jìn)入河道輸送。河道全長8.3 km，流域面積10.4 km2。研究區(qū)管道及河道總長度總計(jì)100.45 km。流域內(nèi)土地利用類型以居民區(qū)面積最大，其次為城郊結(jié)合部，道路及商業(yè)用地接近(圖1)。

圖1 研究區(qū)排水系統(tǒng)概化圖Fig.1 Map of the drainage system

1.2 模型參數(shù)分析

SWMM模型主要包括水文模塊和水質(zhì)模塊。水文模塊參數(shù)根據(jù)其確定方法可分為兩類。一類是根據(jù)其物理意義直接標(biāo)定的，這些參數(shù)包括：(1)氣候地理相關(guān)的參數(shù)，如地表高程、地面坡度、降雨過程、地表蒸發(fā)量等；(2)區(qū)域排水系統(tǒng)特征參數(shù)，如排水小區(qū)面積、管道特征值(管道類型、長度、管底和管頂高程等)、排水小區(qū)平均高程等。SWMM模型的另一類參數(shù)，與流域產(chǎn)匯流密切相關(guān)。由于產(chǎn)匯流的復(fù)雜性，這些參數(shù)難以直接給定，需要利用流域?qū)崪y水文資料來率定。此類參數(shù)主要包括：(1)曼寧糙率n，包括透水地表與不透水地表曼寧糙率、管道曼寧糙率，反映了固壁界面對水流的阻力特征；(2)滯蓄量d，包括透水地表、不透水地表滯蓄量，反映了降雨后地表對雨水的截留量；(3)排水小區(qū)水力寬度w；(4)區(qū)域透水地表下滲參數(shù)，如土壤初始含水量，土壤飽和水力傳導(dǎo)度，濕潤鋒土壤吸力水頭等。

SWMM模型水質(zhì)模塊包括污染物累積模型和沖刷模型，累積模型集成了冪函數(shù)累積模型、指數(shù)函數(shù)累積模型和飽和函數(shù)累積模型，沖刷模型集成了指數(shù)模型、流量特性沖刷曲線模型和次降雨平均濃度模型。本研究選用飽和函數(shù)累積模型和指數(shù)沖刷模型。污染物累積沖刷參數(shù)與流域地表特征等因素密切相關(guān)，由于區(qū)域差別較大，盡管這些參數(shù)有一些研究成果，但難以直接采用，需要利用實(shí)測水質(zhì)資料來率定，參數(shù)主要包括：(1)污染物最大累積量C1；(2)污染物累積率C2；(3)污染物半飽和常數(shù)C3；(4)沖刷系數(shù)R；(5)沖刷指數(shù)n；(6)徑流率Q。

參數(shù)如表1所示。

1.3 模型數(shù)據(jù)庫建立

模型數(shù)據(jù)庫建立是為SWMM模型提供基本數(shù)據(jù)。

1.3.1 管網(wǎng)數(shù)據(jù)庫

管網(wǎng)數(shù)據(jù)來源于昆明滇池投資有限公司于2004年對昆明市管網(wǎng)的普查數(shù)據(jù)。從已有的CAD圖層中提取研究區(qū)的管網(wǎng)數(shù)據(jù)信息，主要包括代表管道圖形要素的空間位置，以及管道的長度、類型、管底標(biāo)高、流向、管徑等屬性信息，將其重新數(shù)字化、矢量化，利用GIS的拓?fù)潢P(guān)系和空間分析得到與管道對應(yīng)的管網(wǎng)節(jié)點(diǎn)和排水小區(qū)信息。

1.3.2 地表特征數(shù)據(jù)庫

下墊面特征包括下墊面不透水率和下墊面類型2個(gè)內(nèi)容，其中下墊面類型包括道路、庭院和屋頂3類。下墊面不透水率采用2.4m分辨率快鳥多光譜圖象(2006年12月成像)提取，所用方法為監(jiān)督分類結(jié)合PCA分析、植被指數(shù)分析、波段組合，具體方法另有文章敘述。由于研究區(qū)面積較大，在較短時(shí)間內(nèi)難以對整個(gè)研究區(qū)下墊面類型進(jìn)行劃分，因此選擇研究區(qū)內(nèi)的東風(fēng)東路集水區(qū)進(jìn)行典型研究，利用0.61 m分辨率的快鳥圖像(2006年12月成像)對研究區(qū)的下墊面類型進(jìn)行了數(shù)字化，采用實(shí)地調(diào)查和室內(nèi)數(shù)字化的方法將實(shí)驗(yàn)區(qū)下墊面劃分為道路、庭院和屋頂，最后將得到的結(jié)果外推用于整個(gè)研究區(qū)。

1.3.3 降雨數(shù)據(jù)庫

降雨數(shù)據(jù)采用昆明市大觀樓站的實(shí)測數(shù)據(jù)，數(shù)據(jù)的年限為1995—2007年，共計(jì)13a降雨過程數(shù)據(jù)(小時(shí)數(shù)據(jù))，按照SWMM模型要求的輸入格式進(jìn)行整理，作為模型連續(xù)模擬降雨輸入資料。

1.4 模型參數(shù)敏感度分析方法

模型參數(shù)敏感度分析包括局部敏感度分析和全局敏感度分析。局部敏感度分析檢驗(yàn)單個(gè)參數(shù)的變化對模型結(jié)果的影響程度；全局敏感度分析則檢驗(yàn)多個(gè)參數(shù)的變化對模型運(yùn)行結(jié)果總的影響，并分析每一個(gè)參數(shù)及其參數(shù)之間相互作用的影響。全局敏感度分析考慮了多參數(shù)的綜合作用，有利于得到整個(gè)參數(shù)集的最優(yōu)解，但是其計(jì)算量巨大，很難適用于參數(shù)較多的復(fù)雜模型，而局部敏感度分析方法簡單、計(jì)算量較小、易于實(shí)施，應(yīng)用較廣。鑒于此，本研究采用修正Morris篩選法作為SWMM模型參數(shù)局部靈敏度分析方法。Morris篩選法選取模型中一變量xj，其余參數(shù)值固定不變，在變量閥值范圍內(nèi)隨機(jī)改變xj，運(yùn)行模型得到目標(biāo)函數(shù)y(x)=y(x1,x2,…,xn)的值，用參數(shù)ei判斷參數(shù)變化對輸出值的影響程度：

ei=(y*-y)/Δi

(1)

式中,y﹡為參數(shù)變化后的輸出值，y為參數(shù)變化前的輸出值，Δi為參數(shù)i的變幅。

修正Morris篩選法采用自變量以固定步長變化，靈敏度判別因子取Morris多個(gè)平均值：

(2)

表1 SWMM模型主要參數(shù)分類及其取值范圍、取值方法Table 1 Major parameters of the SWMM model

式中,S為靈敏度判別因子，Yi為模型第i次運(yùn)行輸出值，Yi+1為模型i+1次運(yùn)行輸出值，Y0為參數(shù)初始值模型計(jì)算結(jié)果初始值，Pi為第i次模型運(yùn)算參數(shù)值相對于參數(shù)初始值變化的百分率，Pi+1為第i+1次模型運(yùn)算參數(shù)值相對于初始參數(shù)值的變化百分率，n為模型運(yùn)行次數(shù)。

1.5 模型參數(shù)率定的誤差分析與效率檢驗(yàn)準(zhǔn)則

參數(shù)率定采用人工試錯(cuò)法，反復(fù)調(diào)整參數(shù)取值直至模擬結(jié)果與實(shí)測結(jié)果相吻合。

Nash與Sutcliffe在1970年提出了模型效率系數(shù)(確定性系數(shù))來評價(jià)模型模擬的精度，它直觀地體現(xiàn)了實(shí)測與模擬的擬和程度的好壞。本研究采用采用3個(gè)目標(biāo)函數(shù)作為評價(jià)實(shí)測與模擬的擬和程度好壞的指標(biāo)，(1)反映產(chǎn)流產(chǎn)污總量精度的總量相對誤差Er；(2)反映出口斷面流量及污染物濃度過程吻合程度的模型效率系數(shù)(確定性系數(shù))Ce。(3)同時(shí)輔以相關(guān)系數(shù)r3個(gè)指標(biāo)來評價(jià)和說明模型的適用性：

Er=(Qc-Qo)/Qo

(3)

(4)

(5)

2 結(jié)果

2.1 參數(shù)敏感度分析結(jié)果

采用表2所列3場降雨進(jìn)行模型參數(shù)敏感性分析。3場降雨降雨量分別為11.0、41.0、28.6 mm，以24 h降雨標(biāo)準(zhǔn)劃分，屬于小雨和中雨。5月26日降雨量較小，但其前期降雨強(qiáng)度較大，20 min降雨量達(dá)5.8 mm，可代表高強(qiáng)度、短歷時(shí)降雨，第2、3場降雨持續(xù)時(shí)間較長，降雨量較大，且后期降雨過程有較大雨強(qiáng)的雨峰出現(xiàn)。

表2 3場降雨特征Table 2 The characteristic of the three rainfall

采用上述方法，確定參數(shù)1—4的取值，設(shè)定參數(shù)5—18的初值，利用表1所列的3場降雨數(shù)據(jù)對SWMM模型參數(shù)進(jìn)行局部靈敏度分析，3場降雨模型參數(shù)中除了降雨數(shù)據(jù)不同，其余參數(shù)一致。以10%為固定步長對某一參數(shù)值進(jìn)行擾動，分別取其初值的-30%、-20%、-10%、10%、20%和30%，其他參數(shù)值固定不變。流量結(jié)果觀測不同降雨強(qiáng)度下徑流總量和峰值流量的水文水力模塊相關(guān)參數(shù)的靈敏度，水質(zhì)結(jié)果觀測污染物負(fù)荷總量和濃度峰值的水質(zhì)模塊相關(guān)參數(shù)的靈敏度。結(jié)果見表3。

表3 SWMM模型參數(shù)局部靈敏度分析結(jié)果Table 3 Results of sensitivity analysis on parameters of SWMM model

參照文獻(xiàn)對敏感度的分級：|Si|≥1為高靈敏度參數(shù)；0.2≤|Si|<1為靈敏參數(shù)；0.05≤|Si|<0.2為中靈敏參數(shù)，0≤|Si|<0.05為不靈敏參數(shù)(i為模型的第i個(gè)狀態(tài)變量)

由表3可以看出，SWMM模型參數(shù)中影響徑流總量的靈敏參數(shù)包括%imperv、Width、Con-Mann、N-imperv，其中Witdth對于降雨較大2場降雨(05-26和07-09)為靈敏參數(shù)，強(qiáng)度較小的降雨則為不靈敏參數(shù)，N-imperv、Des-imperv和%zero-imperv只有在降雨強(qiáng)度較大時(shí)(05-26)才是靈敏參數(shù)。入滲模型參數(shù)(Ks、Su和IMD)均為不靈敏參數(shù)。

3場降雨影響峰值流量的靈敏參數(shù)均為%imperv、Con-Mann，Width、N-imperv在降雨強(qiáng)度較大時(shí)為靈敏參數(shù)，其它2場降雨則為中靈敏參數(shù)。與徑流總量結(jié)果相同，Des-imperv和%zero-imperv只有在降雨強(qiáng)度較大時(shí)(05-26)才是靈敏參數(shù)，入滲模型參數(shù)(Ks、Su和IMD)均為不靈敏參數(shù)。

由以上分析可知，SWMM模型水文模塊主要的靈敏參數(shù)為%imperv、Width、Con-Mann和N-imperv，這與其他研究者的結(jié)果相同。

由表3可以看出，3場降雨污染物累積模塊參數(shù)C1、C2的靈敏度較為穩(wěn)定，在3場降雨中均是影響污染物負(fù)荷和污染物峰值濃度的靈敏參數(shù)，其中C1對污染物峰值濃度的靈敏度接近1，影響非常大。

3場降雨污染物沖刷模塊參數(shù)R、n的靈敏度波動較大，07-09降雨參數(shù)R是影響污染物負(fù)荷和污染物峰值濃度的靈敏參數(shù)，而05-26和09-18降雨R則是中靈敏參數(shù)；參數(shù)n是影響污染物負(fù)荷的靈敏參數(shù)，其對污染物峰值濃度的靈敏度則隨降雨特性有所不同，07-09降雨為靈敏參數(shù)，05-26降雨為中靈敏參數(shù)，而09-18降雨則為不靈敏參數(shù)。

2.2 參數(shù)率定結(jié)果

2.2.1 水文水力參數(shù)率定結(jié)果

研究區(qū)為合流制排水系統(tǒng)，因此首先確定研究區(qū)晴天流量。晴天流量依據(jù)晴天24 h監(jiān)測數(shù)據(jù)確定，據(jù)監(jiān)測數(shù)據(jù)，晴天明通河福德立交橋斷面日流量約為83056.53 m3，該斷面控制區(qū)域面積約為635 hm2，則研究區(qū)單位面積污水量為130.8 m3/hm2，乘于排水小區(qū)面積得到每個(gè)排水小區(qū)晴天污水量。

通過參數(shù)分析可知，SWMM模型部分參數(shù)可通過資料直接標(biāo)定，部分參數(shù)需要通過率定獲取。本研究對可直接標(biāo)定的參數(shù)利用資料直接獲取，通過參數(shù)敏感度分析可知影響降雨徑流的敏感性參數(shù)主要為：Width、Con-Mann、N-imperv、Des-imperv和%zero-imperv，本研究主要對以上參數(shù)進(jìn)行率定。率定后主要參數(shù)取值見表4。

表4 水文水力參數(shù)率定結(jié)果

Table 4 Parameters obtained in the hydraulic calibration of the model

參數(shù)Parameters參數(shù)取值Parametersvalue%imperv/%平均77.1,范圍29.06—97.62%slope/%平均0.73,范圍0.013—6.54Con-length/m平均0.73,范圍0.013—6.55Area/hm2平均5.06,范圍0.076—44.53Width/m平均100.61,范圍10.57—531.85N-imperv0.012N-perv0.25Des-imperv1.5Des-perv5.2%zero-imperv/%50Ks1.5Su219IMD0.35Con-Mann0.015

水力參數(shù)率定誤差分析結(jié)果見表5。由于研究區(qū)面積相對較大，且人工干擾較為嚴(yán)重，模型模擬有較大難度，從模擬結(jié)果來看，確定性系數(shù)在0.60以上，相關(guān)系數(shù)在0.82以上，徑流總量誤差在3%—28%之間；圖2給出了2006-05-26、2006-07-08降雨實(shí)測與模擬流量過程，可以看出，模擬與實(shí)測峰值流量基本同時(shí)出現(xiàn)，峰現(xiàn)時(shí)間誤差在20 min以內(nèi)，峰值流量誤差小于20%。流量過程模擬精度尚可接受，可滿足工程需要。

圖2 實(shí)測與模擬流量過程線Fig.2 Measurement and simulation of the hydrograph

2.2.2 水質(zhì)參數(shù)率定結(jié)果

SWMM模型水質(zhì)模塊較為靈活，根據(jù)用戶需要指定污染物類型，本研究選擇固體懸浮物(SS)、總氮(TN)、總磷(TP)、COD和BOD 5個(gè)水質(zhì)指標(biāo)進(jìn)行模擬，5個(gè)指標(biāo)中SS是城市地表污染物的最主要攜帶者，TN、TP是富營養(yǎng)化污染物指標(biāo)，COD、BOD為有機(jī)污染物指標(biāo)。研究區(qū)晴天污染物濃度根據(jù)監(jiān)測結(jié)果確定，SS、TN、TP、COD和BOD的取值分別為100、40.8、4.0、164和46 mg/L。

表5 水力參數(shù)率定誤差分析Table 5 Error of the hydraulic parameter calibration

Er：產(chǎn)流產(chǎn)污總量相對誤差，Relative error of the total volume；Ce：模型效率系數(shù)，Model efficiency index；r：相關(guān)系數(shù)，Correlation coefficient

利用表2所列3場降雨水質(zhì)數(shù)據(jù)進(jìn)行了水質(zhì)參數(shù)率定。表6列出了水質(zhì)參數(shù)率定結(jié)果，水質(zhì)參數(shù)率定誤差結(jié)果見表7，污染負(fù)荷總量誤差在2%—17%之間，確定性系數(shù)Ce在0.6以上，其中TN、TP確定性系數(shù)Ce在0.8以上，相關(guān)系數(shù)在0.8以上。圖3給出了2006-07-08降雨實(shí)測與模擬污染物濃度過程，可以看出，模擬與實(shí)測污染物濃度過程趨勢基本一致，模擬與實(shí)測TN、TP、COD和BOD濃度峰值絕對值相差小于較小(<10 mg/L)，SS相差較大，考慮到水質(zhì)的測定和采樣誤差，本研究模擬精度較好，可滿足工程需要。

表6 水質(zhì)參數(shù)率定結(jié)果Table 6 Parameters obtained in the quality calibration

圖3 實(shí)測與模擬污染物濃度過程線Fig.3 Measurement and simulation of the pollutographs

表7 水質(zhì)參數(shù)率定誤差分析Table 7 Error of the quality parameter calibration

2.3 連續(xù)模擬結(jié)果

通常有2種模型模擬方法：設(shè)計(jì)暴雨和連續(xù)模擬。設(shè)計(jì)暴雨是較為常用的方法，該方法通過設(shè)計(jì)降雨重現(xiàn)期得到典型降雨過程，通過典型降雨模擬得到典型流量過程和污染物濃度過程，但該方法無法考慮前期干旱時(shí)間和降雨的空間分布，另外典型降雨所得到的模擬結(jié)果無法滿足城市徑流控制設(shè)施的長時(shí)間運(yùn)行需要的設(shè)計(jì)條件。連續(xù)模擬一般采用實(shí)測數(shù)據(jù)進(jìn)行模擬，能夠有效避免設(shè)計(jì)暴雨存在的問題，主要表現(xiàn)在：(1)實(shí)測降雨資料充分反映了降雨間隔時(shí)間對徑流水質(zhì)的影響，降雨間隔時(shí)間是影響徑流水質(zhì)的主要因素，2場降雨之間的間隔時(shí)間越短則第2場降雨的徑流水質(zhì)越好；(2)能夠充分反映降雨特性，同時(shí)能夠反映間隔降雨之間的相互影響；(3)長時(shí)段的連續(xù)模擬能夠真實(shí)反映年內(nèi)不同降雨持續(xù)時(shí)間、不同雨量大小下徑流的流量過程，能夠有效指導(dǎo)城市徑流控制設(shè)施的設(shè)計(jì)，避免出現(xiàn)設(shè)施設(shè)計(jì)工程量不適的問題。因此利用1995—2007年降雨(小時(shí)數(shù)據(jù))作為輸入進(jìn)行了長時(shí)間序列模擬。數(shù)據(jù)統(tǒng)計(jì)用SPSS軟件完成。

經(jīng)模擬計(jì)算，研究區(qū)年均地表徑流量為572.2 mm，徑流系數(shù)為0.64。研究區(qū)雨季(4月至9月)日徑流量頻率分布如圖3所示，累積頻率50%對應(yīng)的研究區(qū)雨季日流量為1.36 m3/s，累積頻率95%對應(yīng)的雨季日流量為2.33 m3/s。研究區(qū)末端為昆明市第2污水處理廠，處理能力為10×104m3d-1，只能滿足處理晴天污水，以上結(jié)果表明，通過改擴(kuò)建第2污水處理廠將其日處理能力提升至20萬m3并采用一定的調(diào)蓄措施可處理研究區(qū)95%的雨季污水。

研究區(qū)年均雨天徑流負(fù)荷量TN、TP、SS、COD和BOD分別為78.7、8.9、1148.5、725.7和128.1 t。雨季日負(fù)荷累積頻率分布如表8所示。根據(jù)第二污水處理廠1996至2006年生產(chǎn)報(bào)表統(tǒng)計(jì)，第二污水處理廠日處理TN、TP、SS、COD和BOD5總量分別為1.25、0.19、5.08、11.84和5.7 t，由表8可以看出，在現(xiàn)有污水處理能力條件下，第二污水處理廠對雨季TN、TP、SS和COD的處理率僅為26.57%、41.94%、44.05%和62.67%。

表8 雨季日污染物負(fù)荷累積頻率Table 8 The cumulative frequency for daily pollutant loading of weather season

圖4 雨季日流量累積頻率 Fig.4 The cumulative percentage for daily flow of the weather season

3 討論

3.1 模型參數(shù)靈敏度的不確定性

參數(shù)敏感度分析在建模過程中主要有2個(gè)作用，一是評價(jià)各個(gè)參數(shù)的不確定性，確定模型中那些方面最容易在系統(tǒng)描述中引進(jìn)不確定性；二是確定參數(shù)對輸出結(jié)果影響的大小，在模型校正過程中重點(diǎn)考慮那些對輸出結(jié)果影響大的參數(shù)。本研究參數(shù)敏感性分析的主要目的在于確定參數(shù)對輸出結(jié)果影響的大小從而有針對性地進(jìn)行參數(shù)校正。已有的SWMM模型參數(shù)敏感性分析結(jié)果表明，模型參數(shù)的敏感度取決于狀態(tài)變量的類型，%imperv為最靈敏參數(shù)，其次為Width，N-imperv、Des-imperv、%zero-imperv等參數(shù)受分析所用的雨強(qiáng)影響敏感度有所不同。趙冬泉采用最大似然法對各個(gè)參數(shù)的不確定性進(jìn)行了分析，發(fā)現(xiàn)Width、N-imperv、%zero-imperv等參數(shù)在較大的區(qū)間內(nèi)任意取值，都可能獲得較好的模擬效果，存在“異參同效”的現(xiàn)象。這說明以上參數(shù)具有較大的不確定性，雨強(qiáng)僅是引起靈敏度有所差異的一個(gè)因素。

3.2 模型參數(shù)率定的局限性

參數(shù)取值是決定模型應(yīng)用成功與否的決定因素。然而機(jī)理模型，如SWMM模型，包含了大量參數(shù)，這些參數(shù)中的大部分無法直接測定，或者直接測定需要耗費(fèi)大量時(shí)間，實(shí)際上即使完全采用直接測定的參數(shù)也并一定取得完全令人滿意的模擬結(jié)果。這可能是從事模型研究的人員最為困惑的問題。目前最為常用的方法是利用實(shí)測數(shù)據(jù)進(jìn)行參數(shù)率定，有許多自動參數(shù)優(yōu)化方法得到應(yīng)用，然而參數(shù)率定只能使用所能擁有的實(shí)測數(shù)據(jù)，由于實(shí)際系統(tǒng)的復(fù)雜性，優(yōu)化率定所得到的參數(shù)往往不具備良好重現(xiàn)性，優(yōu)化率定只能是一定范圍內(nèi)的優(yōu)化，而非全局優(yōu)化。在這種狀況下，模型的意義在于提供給研究者一定精度的模擬結(jié)果，利于研究者把握研究區(qū)域整體狀況，同時(shí)研究者可利用模型模擬不同情景模式下的動態(tài)變化，分析未來可能出現(xiàn)的情況，制定相應(yīng)的方案。

3.3 合流污水模擬水質(zhì)參數(shù)取值分析

目前常用的城市徑流模型，包括本研究所采用的SWMM模型，其水質(zhì)模塊主要考慮了地表污染物累積沖刷，在進(jìn)行合流制排水系統(tǒng)降雨徑流污染模擬時(shí)，只考慮了日常污水與地表徑流污染的簡單累加。然而降雨期間管道沉積物是重要的污染來源，根據(jù) Gromaire等在巴黎的研究，管道沉積物產(chǎn)生輸出規(guī)律與地表污染物有類似之處。其規(guī)律應(yīng)表現(xiàn)為：晴天累積、雨天隨徑流沖刷，輸出強(qiáng)度主要受降雨強(qiáng)度、降雨間隔時(shí)間、降雨量等因素影響。在目前的研究狀況下，還無法定量刻畫其輸出規(guī)律。在進(jìn)行合流制排水系統(tǒng)降雨徑流污染模擬時(shí)可通過以下方法將管道沉積物負(fù)荷考慮進(jìn)去：調(diào)整地表污染物累積參數(shù)，將管道沉積物負(fù)荷加至地表污染物，結(jié)合監(jiān)測數(shù)據(jù)通過參數(shù)率定的方法，確定符合污染物輸出現(xiàn)狀的地表污染物累積參數(shù)，這種方法可用于次降雨模擬，能夠較好的模擬次降雨污染物輸出過程。

通過以上分析可知，在現(xiàn)有研究條件下，為合理模擬合流制排水系統(tǒng)污染物，必須對參數(shù)作出非常規(guī)調(diào)整。

表9列出了現(xiàn)有的一些地表顆粒物累積量研究成果。為與現(xiàn)有研究成果對比，對表6列出了的水質(zhì)參數(shù)率定結(jié)果進(jìn)行了轉(zhuǎn)換。本研究將城市下墊面分為街道、庭院和屋頂3種類型，模型水質(zhì)參數(shù)是根據(jù)3種下墊面類型來取值。根據(jù)下墊面數(shù)字化結(jié)果，街道、庭院和屋頂3種下墊面面積百分比為：27%、43%和30%，研究區(qū)綜合污染物累積參數(shù)利用3種下墊面面積加權(quán)得到，參照已有研究結(jié)果SS約為TSS的20%，則本研究顆粒物累積量為151.2 g/m2，顆粒物中TN、TP、CODCr、BOD5含量分別為18.05、1.47、94.21和32.4 mg/g。由表9可以看出，本研究所取的顆粒物累積量處于已有研究的上限。顆粒物COD含量超過現(xiàn)有的一些研究結(jié)果(24.6—61.3 mg/g)，TN含量遠(yuǎn)遠(yuǎn)超過現(xiàn)有的研究結(jié)果(0.73—1.38 mg/g)。

表9 地表顆粒物累積量Table 9 Pollutant acculumation on surface

3.4 城市徑流污染在滇池流域水污染中的重要性分析

單位面積負(fù)荷率是衡量區(qū)域污染強(qiáng)度的一個(gè)重要指標(biāo)，通過污染物單位面積負(fù)荷率和城市的面積，可以初步測算出城市徑流污染對滇池總體污染的貢獻(xiàn)率。表10列出了本研究通過模擬計(jì)算得到的昆明和國內(nèi)外部分研究城市徑流污染物單位面積負(fù)荷率。需說明的是本研究地表徑流非嚴(yán)格意義上的地表徑流，而是包括了管道沉積物?？梢芽闯觯狙芯克玫降慕Y(jié)果基本在已有研究的范圍內(nèi)。與國內(nèi)研究相比，盡管本研究為合流制排水系統(tǒng)，但各項(xiàng)污染物單位面積負(fù)荷率要略低于武漢與上海，這可能與昆明年均降水量較小、空氣污染程度較低有關(guān)。滇池流域總面積為2920 km2，扣除滇池水面和上游水庫控制的匯水面積后，對滇池有直接影響的實(shí)際匯水面積約為1505 km2，昆明城區(qū)面積為182.06 km2，采用表10單位面積負(fù)荷率可推算出昆明城區(qū)降雨徑流TN、TP、COD污染負(fù)荷為1377、155、12703 t a-1。昆明城區(qū)面積為實(shí)際匯水面積的12.1%，但城市徑流TN、TP、COD負(fù)荷占滇池流域面源污染負(fù)荷的比例為45.01%、32.15%、56.52%(滇池流域面源污染負(fù)荷數(shù)據(jù)來源于文獻(xiàn)[27])。城市徑流污染是滇池面源污染的重要來源，并且此類污染將隨著城市面積的擴(kuò)大而日趨嚴(yán)重。如何在今后的城市建設(shè)中充分考慮有效控制城市徑流污染，將是滇池富營養(yǎng)化污染、建設(shè)資源環(huán)境友好型城市面臨的重大問題。

表10 不同區(qū)域污染物單位面積負(fù)荷率Table 10 Annual pollutant loads of urban runoff in different region

4 結(jié)論

模型模擬是城市徑流污染管理和控制的有效手段，本研究從模型構(gòu)建、參數(shù)敏感性分析、參數(shù)率定及模擬結(jié)果4個(gè)對SWMM模型進(jìn)行了詳細(xì)分析。結(jié)果表明：SWMM模型水文水力模塊中最靈敏參數(shù)為%imperv，其次為Width、Con-Mann和N-imperv。SWMM模型水質(zhì)模塊中的累積參數(shù)C1和C2均是影響污染物負(fù)荷和污染物峰值濃度的靈敏參數(shù)，而沖刷模塊參數(shù)R、n對污染物負(fù)荷和污染物峰值濃度的影響受降雨類型的影響，波動較大。模型率定取得了較為滿意的結(jié)果，徑流總量誤差在3%—28%之間，模擬與實(shí)測峰值流量基本同時(shí)出現(xiàn)，峰現(xiàn)時(shí)間誤差在20 min以內(nèi)，峰值流量誤差小于20%。污染負(fù)荷總量誤差在2%—17%之間，模擬與實(shí)測污染物濃度過程趨勢基本一致。模擬結(jié)果顯示，研究區(qū)降雨徑流TN、TP、COD單位面積負(fù)荷率分別為75.6、8.5、697.8 kg hm-2a-1，城市降雨徑流污染在滇池流域面源污染中占有較大份額。

[1] 尹澄清. 城市面源污染問題: 我國城市化進(jìn)程的新挑戰(zhàn)——代"城市面源污染研究"專欄序言. 環(huán)境科學(xué)學(xué)報(bào), 2006, 26(7): 1053-1056.

[2] 楊逢樂, 趙磊. 合流制排水系統(tǒng)降雨徑流污染物特征及初期沖刷效應(yīng). 生態(tài)環(huán)境, 2007, 16(6): 1627-1632.

[3] Huber W C, Dickinson R E. Storm Water Management Model, Version 4, User′s Manual. Report EPA-600/3-88-001a. Athens, GA, USA: US Environmental Protection Agency, 1988.

[4] 黃金良, 杜鵬飛, 何萬謙, 歐志丹, 王浩昌, 王志石. 城市降雨徑流模型的參數(shù)局部靈敏度分析. 中國環(huán)境科學(xué), 2007, 27(4): 549-553.

[5] 叢翔宇, 倪廣恒, 惠士博, 田富強(qiáng), 張彤. 基于SWMM的北京市典型城區(qū)暴雨洪水模擬分析. 水利水電技術(shù), 2006, 37(4): 64-67.

[6] 蔣穎, 王學(xué)軍, 羅定貴. 流域管理模型的參數(shù)靈敏度分析——以WARMF在巢湖地區(qū)的應(yīng)用為例. 水土保持研究, 2006, 13(3): 165-168.

[7] 徐崇剛, 胡遠(yuǎn)滿, 常禹, 姜艷, 李秀珍, 布仁倉, 賀紅士. 生態(tài)模型的靈敏度分析. 應(yīng)用生態(tài)學(xué)報(bào), 2004, 15(6): 1056-1062.

[8] Francos A, Elorza F J, Bouraoui F, Bidoglio G, Galbiati L. Sensitivity analysis of distributed environmental simulation models: understanding the model behaviour in hydrological studies at the catchment scale. Reliability Engineering and System Safety, 2003, 79(2): 205-218.

[9] Zádor J, Zsély I G, Turányi T. Local and global uncertainty analysis of complex chemical kinetic systems. Reliability Engineering and System Safety, 2006, 91(10/11): 1232-1240.

[10] Nash J E, Sutcliffe J V. River flow forecasting through conceptual models part I: a discussion of principles. Journal of Hydrology, 1970, 10(3): 282-290.

[11] Lenhart L, Eckhardt K, Fohrer N, Frede H G. Comparison of two different approaches of sensitivity analysis. Physics and Chemistry of the Earth, Parts A/B/C, 2002, 27(9/10): 645-654.

[12] Zaghloul N A. Sensitivity analysis of the SWMM runoff-transport parameters and the effects of catchment discretisation. Advances in Water Resources, 1983, 6(4): 214-223.

[13] Uhl M. Uncertainty of quantity and quality data measure in combined sewer system//Proceedings of the 6th International Conference on Urban Storm Drainage. Victoria: Seapoint Publishing, 1993: 682-687.

[14] Chen J Y, Adams B J. Development of analytical models for estimation of urban stormwater runoff. Journal of Hydrology, 2007, 336(3/4): 458-469.

[15] Loganathan G V, Delleur J W. Effects of urbanization on frequencies of overflows and pollutant loadings from storm sewer overflows: a derived distribution approach. Water Resources Research, 1984, 20(7): 857-865.

[16] 趙冬泉, 王浩正, 陳吉寧, 王浩昌. 城市暴雨徑流模擬的參數(shù)不確定性研究. 水科學(xué)進(jìn)展, 2009, 20(1): 45-51.

[17] Beven K J. 降雨—徑流模擬. 馬俊, 劉曉偉, 王慶齋, 等. 譯. 北京: 中國水利水電出版社, 2006: 13-16.

[18] Gromaire M C, Garnaud S, Saad M, Chebbo G. Contribution of different sources to the pollution of wet weather flows in combined sewers. Water Research, 2001, 35(2): 521-533.

[19] 施為光. 街道地表物的累積與污染特征——以成都市為例. 環(huán)境科學(xué), 1991, 12(3): 18-23.

[20] 常靜. 城市地表灰塵-降雨徑流系統(tǒng)污染物遷移過程與環(huán)境效應(yīng) [D]. 上海: 華東師范大學(xué), 2007: 41-43.

[21] Herngren L, Goonetilleke A, Ayoko G A. Analysis of heavy metals in road-deposited sediments. Analytica Chimica Acta, 2006, 571(2): 270-278.

[22] Deletic A, Orr D W. Pollution buildup on road surfaces. Journal of Environmental Engineering, 2005, 131(1): 49-59.

[23] Vaze J, Chiew F H S. Experimental study of pollutant accumulation on an urban road surface. Urban Water, 2002, 4(4): 379-389.

[24] Ball J E, Jenks R, Aubourg D. An Assessment of the availability of pollutant constituents on road surfaces. Science of the Total Environment, 1998, 209(2/3): 243-254.

[25] Bris F J, Garnaud S, Apperry N, Gonzalez A, Mouchel J M, Chebbo G, Thévenot D R. A street deposit sampling method for metal and hydrocarbon contamination assessment. Science of the Total Environment, 1999, 235(1/3): 211-220.

[26] 劉忠翰, 賀彬, 王宜明, 周如海, 彭江燕, 余良謀. 滇池不同流域類型降雨徑流對河流氮磷入湖總量的影響. 地理研究, 2004, 23(5): 593-604.

[27] 昆明市人民政府. 滇池流域水污染防治規(guī)劃(2006—2010年), 2007

[28] 趙建偉, 單保慶, 尹澄清. 城市旅游區(qū)降雨徑流污染特征——以武漢動物園為例. 環(huán)境科學(xué)學(xué)報(bào), 2006, 26(7): 1062-1067.

[29] 張善發(fā), 李田, 高廷耀. 上海市地表徑流污染負(fù)荷研究. 中國給水排水, 2006, 22(21): 57-60, 63-63.

[30] Choe J S, Bang K W, Lee J H. Characterization of surface runoff in urban areas. Water Science and Technology, 2002, 45(9): 249-254.

[31] Lee J H, Bang K W. Characterization of urban stormwater runoff. Water Research, 2000, 34(6): 1773-1780.

Simulation of the quantity and quality of the urban runoff

ZHAO Lei1,2,3,4, YANG Fengle1,2, YUAN Guolin1,2,*, WANG Junsong1,2, ZHU Yongguan2

1YunnanInstituteofEnvironmentalScience,Kunming650034,China2YunnanKeyLaboratoryofPollutionProcessandManagementofPlateauLake-Watershed(PreparetoConstruct),Kunming650034,China3ResearchCenterforEco-EnvironmentalSciences,ChineseAcademyofSciences,Beijing100085,China4UniversityofChineseAcademyofSciences,Beijing100049,China

Simulation of the quantity and quality of urban runoff is an important process in the management and control of urban runoff pollution. Based on sensitivity analysis and calibration of the Storm Water Management Model(SWMM) parameters, we simulated the quantity and quality of urban runoff to the Mintong catchment from Kunming city. The results showed that the most sensitive parameter in the quantity model is the percentage of imperviousness. In the quality model, the maximum buildup possible and the buildup rate constant are the most sensitive parameters. The sensitivities of the washoff coefficient and washoff exponent are influenced by the rainfall intensity. The quantity and quality of the simulated and measured runoffs showed good correlation. The calibration is was satisfactory. The simulation results showed that the annual pollutant loads of urban runoff for TN(total nitrogen), TP(total phorphrous), and COD(chemical oxygen demand) are were 75.6, 8.5 and 697.8 kg hm-2a-1, respectively. The load of urban runoff pollution is an important factor in the diffuse pollution in the Dianchi basin.

urban runoff; SWMM; stormwater quantity and quality

國家水體污染控制與治理科技重大專項(xiàng)(2012ZX07102001-002); 云南應(yīng)用基礎(chǔ)研究(2008ZC103M)

2013-10-14;

日期:2014-07-18

10.5846/stxb201310141523

*通訊作者Corresponding author.E-mail: ygl@yies.org.cn

趙磊, 楊逢樂, 袁國林, 王俊松, 朱永官.昆明市明通河流域降雨徑流水量水質(zhì)SWMM模型模擬.生態(tài)學(xué)報(bào),2015,35(6):1961-1972.Zhao L, Yang F L, Yuan G L, Wang J S, Zhu Y G.Simulation of the quantity and quality of the urban runoff.Acta Ecologica Sinica,2015,35(6):1961-1972.