何沛英,鄭炎輝,何艷虎.不同匯水面積下城市雨洪模型SWMM參數(shù)敏感性分析[J].人民珠江,2024,45(7):1-9.
摘要:參數(shù)敏感性分析是確定模型主要參數(shù)的重要步驟。以廣州市2個(gè)不同匯水面積的區(qū)域?yàn)檠芯繉?duì)象,基于蒙特卡羅的Sobol指數(shù)法分析不同匯水面積下模型不同結(jié)果(總徑流量、流量峰值、峰值時(shí)間)的參數(shù)敏感性,探究不同匯水面積下影響總徑流量、流量峰值、峰現(xiàn)時(shí)間的敏感參數(shù)。結(jié)果表明,不同匯水面積下,影響模型不同輸出結(jié)果的主要敏感參數(shù)有所區(qū)別:①影響模型總徑流量輸出的主要敏感參數(shù)是匯水區(qū)基本特征參數(shù),但是匯水面積不同,需加以考慮的敏感參數(shù)略有不同,較大匯水面積的研究區(qū)域需加以考慮滲透參數(shù),較小匯水面積的研究區(qū)域則需加以考慮曼寧粗糙度參數(shù);②影響模型流量峰值和峰值時(shí)間輸出的主要敏感參數(shù)是匯水區(qū)基本特征參數(shù)和曼寧粗糙度參數(shù),但是匯水面積不同,首要考慮的敏感參數(shù)略有不同,較大匯水面積的研究區(qū)域首要考慮匯水區(qū)基本特征參數(shù),較小匯水面積的研究區(qū)域則首要考慮曼寧粗糙度參數(shù)。該研究可為將來(lái)在城市同類區(qū)域建模的主要參數(shù)選取提供參考,從而提高模擬精度和建模效率。
關(guān)鍵詞:SWMM;匯水面積;參數(shù);敏感性分析
中圖分類號(hào):TV122+.1文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1001-9235(2024)07-0001-09
Urban Flooding Model SWMM Parameter Sensitivity Analysis underDifferent Catchment Areas
HE Peiying1,2,ZHENG Yanhui1,3*,HE Yanhu4,5
(1.School of Environmental Science and Engineering,Southern University of Science and Technology,Shenzhen 518055,China;2.Guangdong Ruijian Survey and Design Co.,Ltd.,Zhongshan 528400,China;3.Guangzhou Franzero Water Technology Co.,Ltd.,Guangzhou 510663,China;4.Institute of Environmental and Ecological Engineering,Guangdong University of Technology,Guangzhou510006,China;5.Southern Marine Science and Engineering Guangdong Laboratory(Guangzhou),Guangzhou 511458,China)
Abstract:Parameter sensitivity analysis is an important step in determining the main parameters of a model.Taking two regions with different catchment areas in Guangzhou as the research objects,the Monte Carlo Sobol index method was used to analyze the parameter sensitivity of different results(total runoff,peak flow,peak time)with different catchment areas.The results show that with different catchment areas,the main sensitive parameters affecting different output results of the model are different.①The main sensitive parameters affecting the total runoff output of the model are the basic characteristic parameters of the catchment area.But when the catchment areas are different,the sensitive parameters to be considered are slightly different.The research area with a larger catchment area needs to consider infiltration parameter,and the research area with a smaller catchment area needs to consider Manning roughness parameters.②The main sensitive parameters affecting peak flow and peak time output are the characteristic parameters of the catchment area and the Manning roughness coefficient.But when the catchment areas are different,the sensitive parameters that are first considered are slightly different.The research area with a larger catchment area mainly considers the characteristic parameters of the catchment area,and the research area with a smaller catchment area mainly considers Manning roughness parameters.This study can provide reference significance for the main parameters determining in modeling similar regions in cities in the future and improve simulation accuracy and modeling efficiency.
Keywords:SWMM;catchment area;parameters;sensitivity analysis
近年來(lái),許多城市皆發(fā)生了極端降水事件,導(dǎo)致城市癱瘓,經(jīng)濟(jì)損失嚴(yán)重,甚至造成人員傷亡[1-5]。在全球氣候變化的背景下,加之城市下墊面、城市水文條件等發(fā)生劇烈改變,各種因素疊加導(dǎo)致城市雨洪災(zāi)害問(wèn)題日益突出[6-7]。
為探究城市雨洪災(zāi)害問(wèn)題,城市雨洪模型得到廣泛應(yīng)用[3]。城市雨洪模型在模擬過(guò)程中涉及眾多參數(shù),因此參數(shù)敏感性分析是評(píng)價(jià)模型參數(shù)對(duì)模型校正和輸出結(jié)果必不可少的過(guò)程。敏感性分析能夠分析模型參數(shù)在取值范圍內(nèi)發(fā)生少量的變化而導(dǎo)致模型輸出結(jié)果的變化,是分析復(fù)雜模型的重要工具[8]。眾多研究者采用了不同方法,分析了不同情境、需求及目標(biāo)情況下的模型參數(shù)敏感性。例如,張俊等[9]研究了不同的地形坡度、不同的降雨強(qiáng)度下,SWMM徑流計(jì)算中參數(shù)的敏感性區(qū)別;趙月等[8]采用Morris局部敏感性分析和GLUE全局敏感性分析2種方法識(shí)別了模型的高敏感性參數(shù)、弱敏感性參數(shù)與不敏感參數(shù);曾家俊等[10]使用Morris方法識(shí)別了SWMM模型總徑流量、峰值流量、污染物模擬等不同的模擬結(jié)果目標(biāo)的敏感參數(shù);常曉棟等[11]采用基于方差分解的Sobol方法,分析識(shí)別了不同量級(jí)洪水情景及不同預(yù)報(bào)精度評(píng)價(jià)標(biāo)準(zhǔn)下SWMM模型的敏感參數(shù)。但是目前關(guān)于不同匯水面積下SWMM模型參數(shù)的敏感性分析仍然較為缺乏,Beling等[12]采用局部靈敏性分析法對(duì)巴西南部圣馬利亞地區(qū)下墊面類型相近的2個(gè)區(qū)域的SWMM模型模擬研究發(fā)現(xiàn),區(qū)域匯水面積不同,模型的敏感參數(shù)不同,但是該研究選取的不同區(qū)域在地理空間上距離較遠(yuǎn),而降雨具有空間分布不均[13]的特點(diǎn),當(dāng)研究區(qū)域在空間上距離較遠(yuǎn)時(shí),降雨數(shù)據(jù)會(huì)影響模型參數(shù)敏感性分析的結(jié)果。為了科學(xué)探究不同匯水面積下SWMM模型敏感參數(shù)的差異,本文選取2個(gè)相鄰的區(qū)域作為研究對(duì)象,分析不同匯水面積下模型不同輸出結(jié)果(總徑流量、流量峰值、峰值時(shí)間)的參數(shù)敏感性,探究不同匯水面積下影響總徑流量、流量峰值、峰現(xiàn)時(shí)間的敏感參數(shù),為城市水文模型敏感性相關(guān)研究提供參考與思路。
1研究區(qū)概況
研究區(qū)域總面積為19.9 hm2,位于廣州市荔灣區(qū)的西南部,坐落在佛山水道與花地河交匯處,東近江北路,西接花地河,南靠佛山水道,北臨龍溪中路,見(jiàn)圖1。研究區(qū)域屋頂及路面面積、綠地面積、裸地面積分別占總面積的54.72%、17.73%和27.77%,內(nèi)有獨(dú)立的市政排水管道,主要沿道路布置。排水管網(wǎng)系統(tǒng)是基于《廣州市暴雨強(qiáng)度公式及計(jì)算圖表》(1993年編制)的2年一遇暴雨的排洪標(biāo)準(zhǔn)進(jìn)行設(shè)計(jì)。其設(shè)計(jì)結(jié)合區(qū)域內(nèi)的地形地貌特征及防洪規(guī)劃要求,區(qū)域內(nèi)管道主要沿交通道路進(jìn)行布設(shè),管徑范圍為900~2 000 mm,設(shè)計(jì)坡度范圍為0.001~0.010,雨水管道系統(tǒng)的排水口均采用八字式排水口。該區(qū)域的雨水管網(wǎng)以佛山水道作為出水通道。
2資料與研究方法
2.1降雨、徑流、研究區(qū)域數(shù)據(jù)
為研究不同匯水面積下的區(qū)域雨洪模型參數(shù)的敏感性,依據(jù)區(qū)域的地形條件、管道分布、排水流向等資料,將研究區(qū)域劃分為2個(gè)單獨(dú)的子區(qū)域,即測(cè)點(diǎn)1YB28監(jiān)測(cè)區(qū)域和測(cè)點(diǎn)1YN27監(jiān)測(cè)區(qū)域。其中測(cè)點(diǎn)1YB28監(jiān)測(cè)區(qū)域包含10個(gè)子匯水區(qū),其面積介于0.25~4.10 hm2,編號(hào)分別為S01、S02、……、S10,總匯水面積為15.5 hm2;測(cè)點(diǎn)1YN27監(jiān)測(cè)區(qū)域包含2個(gè)子匯水區(qū),其面積分別為1.0、4.4 hm2,編號(hào)分別為S11、S12,總匯水面積為5.5 hm2。2個(gè)區(qū)域的基本信息如下:測(cè)點(diǎn)1YB28監(jiān)測(cè)區(qū)域(簡(jiǎn)稱大區(qū)域)下墊面主要由住宅及路面、綠地和裸地組成,它們分別占該區(qū)域總面積的65.1%、20.4%、14.5%;測(cè)點(diǎn)1YN27監(jiān)測(cè)區(qū)域(簡(jiǎn)稱小區(qū)域)下墊面亦主要由住宅及路面、綠地和裸地組成,分別占該區(qū)域總面積的61.4%、21.6%、17.0%。由于大區(qū)域和小區(qū)域下墊面特征基本相同,因此適合作為研究
布設(shè)1臺(tái)RainLog雨量計(jì)在研究區(qū)域附近的空曠處,2臺(tái)HOH-L-01型多普勒超聲波明渠流量計(jì)在管道C17和C20處安裝,代號(hào)分別為1YB28和1YN27,見(jiàn)表1。雨量計(jì)和流量計(jì)存儲(chǔ)采集的數(shù)據(jù)的時(shí)間間隔均設(shè)為10 min。
2.2研究方法
為探索不同匯水面積下的區(qū)域雨洪模型參數(shù)的敏感性,基于實(shí)測(cè)數(shù)據(jù)與SWMM模型,根據(jù)GB/T 22482—2008《水文情報(bào)預(yù)報(bào)規(guī)范》[14],分析大區(qū)域(1YB28監(jiān)測(cè)區(qū)域)與小區(qū)域(1YN27監(jiān)測(cè)區(qū)域)在同樣的降雨輸入條件下,不同模型輸出結(jié)果(總徑流量、流量峰值、峰現(xiàn)時(shí)間)的參數(shù)敏感性區(qū)別。
2.2.1模型構(gòu)建
模型構(gòu)建采用Storm Water Management Model,中文全稱為暴雨洪水管理模型,常用SWMM表示。20世紀(jì)70年代,該模型在美國(guó)環(huán)境保護(hù)署的資助下進(jìn)行研發(fā),經(jīng)過(guò)多次完善,現(xiàn)已更新到版本5.2.1。SWMM具備良好的可視化界面、簡(jiǎn)單輸入功能和多種呈現(xiàn)結(jié)果方式等優(yōu)點(diǎn),它是基于物理機(jī)制進(jìn)行動(dòng)態(tài)降雨徑流模擬模型,其采用質(zhì)量、動(dòng)量和能量守恒原理對(duì)暴雨洪水的徑流水量和水質(zhì)進(jìn)行模擬,當(dāng)前主要被用于研究城市區(qū)域單場(chǎng)降雨或長(zhǎng)期連續(xù)降雨的產(chǎn)匯流以及水質(zhì)變化的規(guī)律[15]。該模型是由4個(gè)主要模塊組成,即徑流模塊、輸送模塊、擴(kuò)展輸送模塊和調(diào)蓄/處理模塊。
本研究區(qū)域的雨水管網(wǎng)系統(tǒng)概化為雨水管段20段、排水節(jié)點(diǎn)20個(gè)、出水口2個(gè),其中測(cè)點(diǎn)1YB28監(jiān)測(cè)概化成子匯水區(qū)10個(gè)、雨水管段17段、排水節(jié)點(diǎn)17個(gè)、出水口1個(gè);測(cè)點(diǎn)1YN27監(jiān)測(cè)區(qū)域概化成子匯水區(qū)2個(gè)、雨水管段3段、排水節(jié)點(diǎn)3個(gè)、出水口1個(gè)。在概化過(guò)程中,將雨水管道分別進(jìn)行編號(hào),編號(hào)為C01、C02、……、C20,節(jié)點(diǎn)編號(hào)分別為J01、J02、……、J20,出水口編號(hào)為Out1和Out2,模型概化圖見(jiàn)圖2。由于研究區(qū)域河道下游受閘門控制,在研究時(shí)段內(nèi),并未受潮位影響,因此模型下邊界-出水口設(shè)置為自由出流。
2.2.2模型參數(shù)敏感性分析
模型參數(shù)敏感性分析(亦稱靈敏度分析)的數(shù)學(xué)理論基礎(chǔ)首次被Tomovic于1963年系統(tǒng)綜合地提出[16]。敏感性分析就是假設(shè)模型表示為y=f(x 1,x2,...,xn)(xi為模型的第i個(gè)參數(shù)),令各參數(shù)在其相應(yīng)取值范圍內(nèi)變動(dòng),研究各參數(shù)變動(dòng)對(duì)模型輸出結(jié)果的影響程度,并將其影響程度的數(shù)值稱為該參數(shù)的敏感性系數(shù)。當(dāng)敏感性系數(shù)越大時(shí),說(shuō)明該參數(shù)對(duì)模型輸出結(jié)果的影響越大。敏感性分析是一種定量描述模型的輸入變量對(duì)輸出變量重要性程度的方法,當(dāng)前被廣泛應(yīng)用于數(shù)學(xué)、控制、生態(tài)、氣象、水文等領(lǐng)域。
本文將采用基于蒙特卡羅的Sobol指數(shù)計(jì)算法進(jìn)行參數(shù)敏感性分析,分別計(jì)算各輸出結(jié)果對(duì)應(yīng)的各輸入?yún)?shù)的全效應(yīng)指數(shù),最后通過(guò)全效應(yīng)指數(shù)分析影響各輸出結(jié)果的主要敏感參數(shù)。
Sobol指數(shù)法是I.M.Sobol于1990年提出的一種基于方差的全局靈敏度分析方法[17],該方法通過(guò)計(jì)算單個(gè)參數(shù)和多個(gè)參數(shù)對(duì)輸出結(jié)果方差的貢獻(xiàn),從而評(píng)估參數(shù)的敏感度。Sobol指數(shù)法的優(yōu)點(diǎn)在于:①對(duì)于模型是否線性、單調(diào)性以及輸入?yún)?shù)的分布特性并沒(méi)有要求;②能夠分析單個(gè)輸入?yún)?shù)的主效應(yīng)、全效應(yīng)、多個(gè)輸入?yún)?shù)相互效應(yīng)以及分析成組輸入?yún)?shù)對(duì)模型輸出結(jié)果的影響。因此,近年來(lái)Sobol指數(shù)法在很多領(lǐng)域得到廣泛應(yīng)用。
由于直接使用Sobol指數(shù)法進(jìn)行敏感性系數(shù)計(jì)算非常困難,Tarantola等[18]提出了一種Sobol指數(shù)新的計(jì)算方法,該方法是在蒙特卡羅抽樣基礎(chǔ)上進(jìn)行敏感性指數(shù)計(jì)算,相比拉丁超立方抽樣法,在分析大量計(jì)算樣本和高維參數(shù)上,Sobol指數(shù)的類蒙特卡羅法具有更好的表現(xiàn)。該方法的具體抽樣和計(jì)算如下:用蒙特卡羅法隨機(jī)抽樣生成A和B2個(gè)輸入矩陣,A和B兩矩陣中每行是研究模型所有不確定性參數(shù)的一組具體的輸入?yún)?shù),其中k表示不確定性參數(shù)的個(gè)數(shù),n表示隨機(jī)抽樣的次數(shù)。
將式(1)中矩陣B的第i列換成矩陣A的第i列,其余各列保持不變,將得到的新矩陣記為Ci;再將A矩陣的第i列換成矩陣B的第i列,其余各列保持不變,將得到的新矩陣記為C-i,見(jiàn)式(2)。
將矩陣A、B、Ci和C-i的每組設(shè)計(jì)參數(shù)分別代入模型中計(jì)算,便可得到其對(duì)應(yīng)設(shè)計(jì)參數(shù)的模型輸出響應(yīng)值,則模型響應(yīng)的方差估計(jì)及參數(shù)敏感性指標(biāo)計(jì)算方法如下:
輸入?yún)?shù)xi的全效應(yīng)指標(biāo)S:
式中:xi為模型的參數(shù);f(xi)為模型的輸出。采用基于蒙特卡羅的Sobol指數(shù)計(jì)算法時(shí),并不需要具體的分析函數(shù),只需將通過(guò)蒙特卡羅抽樣得到的矩陣和對(duì)其適當(dāng)變換后的矩陣中的每組參數(shù)輸入模型進(jìn)行計(jì)算,將其模型結(jié)果響應(yīng)值代入式(3)—(7)中計(jì)算,便可得到所有輸入?yún)?shù)的敏感性指標(biāo),因此Sobol指數(shù)法具有廣泛的應(yīng)用范圍。
“全效應(yīng)指數(shù)”代表的是參數(shù)的主效應(yīng)以及參數(shù)與其他參數(shù)的相互交叉作用對(duì)結(jié)果的影響,參數(shù)的全效應(yīng)指數(shù)越大,則意味著其變化對(duì)模型輸出的變化影響越大,同時(shí)與其他參數(shù)間的交互效應(yīng)也越大,因此全效應(yīng)指數(shù)通常被用來(lái)衡量該參數(shù)對(duì)模型輸出結(jié)果的重要程度。
3結(jié)果分析
3.1模型率定與檢驗(yàn)
選取2013年8月15日21:30至16日13:20一場(chǎng)降雨量為51.9 mm的實(shí)測(cè)降雨與流量作為本區(qū)域雨洪模型率定的資料。在輸入確定性參數(shù)及降雨資料后,運(yùn)用PEST模型[19]對(duì)12個(gè)參數(shù)按其區(qū)間取值并進(jìn)行初步調(diào)試,在此基礎(chǔ)之上再結(jié)合人工試錯(cuò)法對(duì)參數(shù)進(jìn)行微調(diào),結(jié)合模型不確定性參數(shù)根據(jù)調(diào)查或模型相關(guān)推薦值[15],確定模型的主要參數(shù)范圍(表2)。
該場(chǎng)降雨過(guò)程測(cè)點(diǎn)1YB28監(jiān)測(cè)區(qū)域和測(cè)點(diǎn)1YN27監(jiān)測(cè)區(qū)域的實(shí)測(cè)徑流和模擬徑流關(guān)系見(jiàn)圖3、4。由圖可以看出,區(qū)域雨洪模型模擬流量過(guò)程與實(shí)測(cè)流量過(guò)程均較為接近,且其變化趨勢(shì)也基本吻合,決定系數(shù)分別為0.922、0.914,其流量總體相對(duì)誤差分別為6.33%和6.29%,其洪峰流量相對(duì)誤差分別為4.6%、4.0%,其洪峰時(shí)間誤差均為0,納什效率系數(shù)(NSE)達(dá)到0.74、0.73,總體上模型模擬效果較好(表3),基本能夠模擬2個(gè)流域的降雨徑流過(guò)程。
為了驗(yàn)證所構(gòu)建雨洪模型的參數(shù)取值在其他降雨情景下也具有適用性,本文選取了2013年8月14日13:30—21:30、2014年3月30日9:00—19:40、2014年5月7日00:20—08:30三場(chǎng)次的實(shí)測(cè)降雨數(shù)據(jù)和流量數(shù)據(jù)驗(yàn)證所率定的模型,其降雨量分別為43.3、34.6、13.1 mm。
由表4可以看出,所選取的3場(chǎng)降雨的模型模擬流量與實(shí)測(cè)流量也基本相互接近,變化趨勢(shì)也較為吻合。在各場(chǎng)次的不同觀測(cè)點(diǎn)中,相關(guān)性系數(shù)均在0.90以上,流量相對(duì)誤差控制在5.63%以內(nèi),洪峰流量相對(duì)誤差控制在4.59%以內(nèi),NSE值達(dá)到0.7以上。表明本文所構(gòu)建的雨洪模型能夠較為真實(shí)反映研究區(qū)域的降雨徑流特征。
3.2不同匯水面積模型參數(shù)敏感性分析
Chen等[20]對(duì)廣州市的暴雨研究發(fā)現(xiàn),廣州市暴雨的雨型多為單峰和雙峰,多峰雨型很少,且峰值位于降雨前中部的比例較多。因此根據(jù)廣州市現(xiàn)有暴雨特征,本文選取2014年3月30日9:00—19:40降雨量為34.6 mm的一場(chǎng)暴雨作為典型情景。由圖5可知,本文所選暴雨屬于雙峰,峰值均接近降雨中部,約70%的雨量集中發(fā)生在降雨過(guò)程的3 h內(nèi),因此可作為本研究的典型降雨情景。采用蒙特卡羅法從表2的各參數(shù)取值范圍內(nèi)均勻抽取10 000組樣本點(diǎn),并代入各對(duì)應(yīng)模型模擬計(jì)算中,基于Sobol指數(shù)法分別計(jì)算各輸出結(jié)果對(duì)應(yīng)的各輸入?yún)?shù)的全效應(yīng)指數(shù),對(duì)不同匯水面積模型的參數(shù)進(jìn)行敏感性分析。
3.2.1總徑流量
由表5可知,影響大區(qū)域總徑流量的各參數(shù)的全效應(yīng)指數(shù)從大到小的順序分別為Impervgt;Widthgt;MinRategt;Manning-Ngt;D-impervgt;Slopegt;N-impervgt;Decaygt;D-pervgt;MaxRategt;Zero-imperv=N-perv。影響小區(qū)域總徑流量的各參數(shù)的全效應(yīng)指數(shù)從大到小的順序分別為Impervgt;Widthgt;N-impervgt;MinRategt;Slopegt;Decaygt;D-pervgt;N-pervgt;Manning-Ngt;Zero-impervgt;MaxRategt;D-imperv。
不同匯水面積下,影響總徑流量的參數(shù)全效應(yīng)指數(shù)排序1和2的主要敏感參數(shù)一樣,均為匯水區(qū)基本特征參數(shù)中的Imperv與Width,但是排序第3的主要敏感參數(shù)不一樣,大區(qū)域第3敏感參數(shù)為滲透參數(shù)中的MinRate,小區(qū)域第3敏感參數(shù)為曼寧粗糙度參數(shù)中的N-imperv;可知,影響總徑流量輸出的主要敏感參數(shù)是匯水區(qū)基本特征參數(shù),但是對(duì)于較大匯水面積的研究區(qū)域,還需重點(diǎn)考慮滲透參數(shù),對(duì)于較小匯水面積的研究區(qū)域,還需重點(diǎn)考慮曼寧粗糙度參數(shù)。
3.2.2流量峰值
由表6可知,影響大區(qū)域流量峰值的各參數(shù)的全效應(yīng)指數(shù)從大到小的順序分別為Impervgt;Widthgt;N-impervgt;Slopegt;Decaygt;Zero-impervgt;Manning-Ngt;D-impervgt;MinRategt;MaxRategt;D-pervgt;N-perv。影響小區(qū)域流量峰值的各參數(shù)的全效應(yīng)指數(shù)從大到小的順序分別為N-impervgt;Impervgt;Widthgt;Slopegt;Manning-Ngt;MaxRategt;MinRategt;D-pervgt;N-pervgt;Zero-impervgt;Decaygt;D-imperv。
不同匯水面積下,影響流量峰值的參數(shù)全效應(yīng)指數(shù)排序前三的主要敏感參數(shù)一樣,均為匯水區(qū)基本特征參數(shù)中的Imperv、Width和曼寧粗糙度參數(shù)中的N-imperv,但是排序略有不同,大區(qū)域第1敏感參數(shù)為匯水區(qū)基本特征參數(shù)中的Imperv,小區(qū)域第1敏感參數(shù)為曼寧粗糙度參數(shù)中的N-imperv;可知,影響流量峰值輸出的主要敏感參數(shù)對(duì)于大小區(qū)域,基本一致,但是對(duì)于較大匯水面積的研究區(qū)域,首要重點(diǎn)考慮匯水區(qū)基本特征參數(shù),對(duì)于較小匯水面積的研究區(qū)域,首要重點(diǎn)考慮曼寧粗糙度參數(shù)。
3.2.3峰值時(shí)間
由表7可知,影響大區(qū)域峰值時(shí)間的各參數(shù)的全效應(yīng)指數(shù)從大到小的順序分別為N-impervgt;Slopegt;Widthgt;Impervgt;Manning-Ngt;Zero-impervgt;D-impervgt;D-perv=MaxRategt;Decaygt;MinRategt;N-perv。影響小區(qū)域峰值時(shí)間的各參數(shù)的全效應(yīng)指數(shù)從大到小的順序分別為Widthgt;Slopegt;N-impervgt;Impervgt;N-pervgt;D-impervgt;Manning-Ngt;D-pervgt;Zero-impervgt;MinRategt;Decaygt;MaxRate。
不同匯水面積下,影響峰值時(shí)間的參數(shù)全效應(yīng)指數(shù)排序前三的主要敏感參數(shù)一樣,均為匯水區(qū)基本特征參數(shù)中的Width、Slope和曼寧粗糙度參數(shù)中的N-imperv,但是排序略有不同,大區(qū)域第1敏感參數(shù)為匯水區(qū)基本特征參數(shù)中的Width,小區(qū)域第1敏感參數(shù)為曼寧粗糙度參數(shù)中的N-imperv;影響峰值時(shí)間輸出的主要敏感參數(shù)對(duì)于大小區(qū)域基本一致,但是對(duì)于較大匯水面積的研究區(qū)域,首要重點(diǎn)考慮匯水區(qū)基本特征參數(shù),對(duì)于較小匯水面積的研究區(qū)域,首要重點(diǎn)考慮曼寧粗糙度參數(shù)。
4結(jié)論
a)影響模型總徑流量輸出的主要敏感參數(shù)是匯水區(qū)基本特征參數(shù),但是匯水面積不同,除匯水區(qū)基本特征參數(shù)以外,需加以考慮的敏感參數(shù)略有不同,較大匯水面積的研究區(qū)域需加以考慮滲透參數(shù),較小匯水面積的研究區(qū)域需加以考慮曼寧粗糙度參數(shù)。
b)影響模型流量峰值和峰值時(shí)間輸出的主要敏感參數(shù)是匯水區(qū)基本特征參數(shù)和曼寧粗糙度參數(shù),但是匯水面積不同,首要考慮的敏感參數(shù)略有不同,較大匯水面積的研究區(qū)域首要考慮匯水區(qū)基本特征參數(shù),較小匯水面積的研究區(qū)域首要考慮曼寧粗糙度參數(shù)。
c)綜上,不同匯水面積下,影響城市雨洪模型SWMM不同輸出結(jié)果(總徑流量、流量峰值、峰值時(shí)間)的主要敏感參數(shù)有所區(qū)別,原因可能是對(duì)于較大匯水面積的研究區(qū)域而言,產(chǎn)流參數(shù)對(duì)輸出結(jié)果的影響較大,而對(duì)于較小匯水面積的研究區(qū)域,匯流參數(shù)對(duì)輸出結(jié)果的影響較大,因此針對(duì)不同大小的研究區(qū)域,考慮的敏感參數(shù)需有所分別。
參考文獻(xiàn):
[1]TELLMAN B,SULLIVAN J A,KUHN C,et al.Satellite imaging reveals increased proportion of population exposed to floods[J].Nature,2021,596:80-86.
[2]陳文龍,夏軍.廣州“5·22”城市洪澇成因及對(duì)策[J].中國(guó)水利,2020(13):4-7.
[3]徐宗學(xué),葉陳雷.城市暴雨洪澇模擬:原理、模型與展望[J].水利學(xué)報(bào),2021,52(4):381-392.
[4]李瑩,趙珊珊.2001—2020年中國(guó)洪澇災(zāi)害損失與致災(zāi)危險(xiǎn)性研究[J].氣候變化研究進(jìn)展,2022,18(2):154-165.
[5]焦勝,馬伯,黎貝.中國(guó)城市內(nèi)澇成因和防控策略研究進(jìn)展[J].生態(tài)經(jīng)濟(jì),2019,35(7):92-97.
[6]ZHENG Y H,HE Y H,CAI Y P,et al.An improved interior-outer-set model framework for flood hazard analysis[J].Stochastic Environmental Research and Risk Assessment,2020(1/2/3/4).DOI:10.1007/s00477-020-01836-7.
[7]WANG L Y,GU X H,SLATER L.J,et al.Attribution of the record-breaking extreme precipitation events in July 2021 over central and eastern China to anthropogenic climate change[J].Earth′s Future,2023,11(9).DOI:10.1029/2023EF003613.
[8]趙月,張建豐,李濤,等.降雨徑流模型的參數(shù)敏感性分析與方法比較[J].中國(guó)給水排水,2021,37(7):114-120.
[9]張俊,馮慧娟,周毅,等.SWMM徑流量計(jì)算參數(shù)敏感性分析[J].中國(guó)農(nóng)村水利水電,2022(8):1-5,13.
[10]曾家俊,麥葉鵬,李志威,等.廣州天河智慧城SWMM參數(shù)敏感性分析[J].水資源保護(hù),2020,36(3):15-21.
[11]常曉棟,徐宗學(xué),趙剛,等.基于Sobol方法的SWMM模型參數(shù)敏感性分析[J].水力發(fā)電學(xué)報(bào),2018,37(3):59-68.
[12]BELING F,GARCIA J,PAIVA E,et al.Analysis of the SWMM model parameters for runoff evaluation in periurban basins from southern Brazil[C]//12nd International Conference on Urban Drainage,2011.
[13]ZHENG Y H,HE Y H,CHEN X H.Spatiotemporal pattern of precipitation concentration and its possible causes in the PearlRiver basin,China[J].Journal of Cleaner Production,2017,161:1020-1031.
[14]水文情報(bào)預(yù)報(bào)規(guī)范:GB/T 22482—2008[S].
[15]蔣元勇,豐鍇斌,劉學(xué)文,等.城市雨洪SWMM模型的敏感參數(shù)研究綜述[J].生態(tài)科學(xué),2015,34(2):194-200.
[16]SHINNERS S.Sensitivity analysis of dynamic systems[J].Proceedings of the IEEE,1965,53(1):110-111.
[17]李美水,楊曉華.基于Sobol方法的SWMM模型參數(shù)全局敏感性分析[J].中國(guó)給水排水,2020,36(17):95-102.
[18]TARANTOLA S,BECKER W,ZEITZ D.A comparison of two sampling methods for global sensitivity analysis[J].Computer Physics Communications,2012,183(5):1061-1072.
[19]MANCIPE-MUNOZ N,BUCHBERGER S,SUIDAN M,et al.Calibration of Rainfall-Runoff Model in Urban Watersheds for Stormwater Management Assessment[J].Journal of Water Resources Planningamp;Management,2014,140(6).DOI:10.1061/(ASCE)WR.1943-5452.0000382.
[20]CHEN Z H,YIN L,CHEN X H,et al.Research on the characteristics of urban rainstorm pattern in the humid area of Southern China:a case study of Guangzhou City[J].International Journal of Climatology,2015,35(14):4370-4386.
(責(zé)任編輯:向飛)