通过地块规模的排水口策略提升城市雨水系统的韧性

《Environmental Challenges》：Enhancing Urban Stormwater Resilience through Lot-Scale Outlet Strategies

城市排水设计优化与生物滞留池效能研究 SWMM模型、径流削减、出口配置、水文响应、渗透率、住宅地块、抗洪能力、设计阈值、土壤初始含水量、ANOVA分析

　　城市排水设计是城市规划和基础设施建设中的关键环节，尤其在住宅区，它对于减少地表径流和增强暴雨期间的水文韧性具有重要影响。本文研究了三种排水出口配置——直接、花园和生物滞留单元（BRC）模式——在不同透水面积比例下的水文响应，以评估它们在住宅区排水系统中的性能。研究采用Storm Water Management Model (SWMM)构建了一个概念性的住宅地块模型，模拟了五个典型住宅地块的降雨-径流过程。通过评估径流体积减少、峰值流量减少和流速延迟，研究展示了不同出口配置对地块尺度水文性能的影响。统计分析进一步确认了出口配置对水文响应的显著影响，而初始含水量条件（AMCs）的影响则相对较小。敏感性分析表明，BRC介质的饱和导水率（Ksat）在实际范围内（100–300 mm/hr）对性能影响稳定，证明了模型的稳健性。值得注意的是，当透水面积比例超过25%–35%时，径流缓解效果变得明显，这一发现为实际设计提供了参考阈值。

城市化进程中，不透水面覆盖面积显著增加，这改变了自然水文响应，降低了渗透性并加速了地表径流（Jacobson, 2011；Qin, 2020；J. Wang et al., 2020）。在住宅区，即使是小型的不透水面，如屋顶和车道，也可能在强降雨事件中累积产生大量径流，加剧局部洪水（Ahiablame et al., 2012；Fletcher et al., 2013）。传统的排水系统通常强调快速输送径流至下游渠道，而忽视了本地滞留和渗透，这常常导致下游超载和水质恶化（Bonneau et al., 2020；Kourtis et al., 2020）。为了应对这些挑战，分散式排水策略如低影响开发（LID）和绿色基础设施（GI）被广泛推广（Chan et al., 2018；Eckart et al., 2017；T. Liu et al., 2021）。包括生物滞留系统、雨水花园和透水景观在内的实践旨在通过增强渗透、蒸散和本地滞留来恢复接近自然的水文过程（Davis et al., 2009；Fletcher et al., 2015）。大量研究表明，这些系统在减少径流体积和改善水质方面是有效的（Bonneau et al., 2020；Liang et al., 2020）。然而，大多数研究集中在邻里或流域尺度，而地块尺度的水文行为仍缺乏系统研究。这一研究空白非常重要，因为地块尺度的设计决策是城市排水网络的第一道防线（Sandink & Binns, 2021）。

最近的研究强调了减少直接连接不透水面（DCIA）对水文效益的影响，通过将屋顶或道路表面径流引导至相邻的透水面（如花园）来实现（Liang et al., 2020；X. Liu et al., 2025）。在地块尺度上，通过应用非直接连接不透水面（非-DCIA）配置出口，可以显著影响径流的时机和量级。Davis et al. (2012) 和 Liu et al. (2025) 的研究表明，即使是微小的径流引导调整，如将屋顶排水导向植被区域，也能显著延迟初始径流并增强滞留效果。同样，Silva & Silva (2020) 和 Shuster & Rhea (2013) 指出，住宅区地块尺度的不透水面分离可以显著减少下游峰值流量。尽管有这种认识，但地块尺度出口连接策略的明确比较仍然罕见，尤其是在不同透水面积比例和土壤条件下的情况。

本研究通过SWMM模型模拟和比较三种出口配置——直接、花园和BRC模式——来填补这一空白。分析聚焦于这些配置如何影响径流减少和时间延迟，同时考虑了五个住宅地块的透水面积比例和三种AMC（干燥、正常和湿润）水平。研究提供了关于出口路由和地表组成如何控制地块尺度暴雨响应的机制性理解。研究结果旨在为城市规划者和排水设计师提供参考，以增强住宅开发中的暴雨韧性，特别是在热带地区，由于高强度降雨和有限的渗透能力，持续的挑战依然存在。

本研究的五个住宅地块位于印度尼西亚巴厘邦市中心的Center Park住宅区，该住宅区占地约11.53公顷，自2015年开始完全建设。在开发之前，该区域曾是橡胶种植园。这五个地块被选择为代表住宅区中观察到的透水面积比例范围，从高度不透水（5.6%）到显著透水（52.1%）的条件。这种分层选择方法旨在捕捉不同地块类型的水文响应，而不是提供统计随机样本。通过包括具有对比透水比例的地块，分析能够评估出口配置在地块尺度不透水性下的性能。

研究区域位于Trans-Sumatra Highway附近，距离Sultan Mahmud Badaruddin II International Airport约3.5公里。在降雨事件中，主排水系统将径流引导至Alang-Alang Lebar Bypass Road（西南边界）的主排水渠道，同时部分径流通过位于北侧的次级排水基础设施引导至一个离场的蓄水池。该住宅区的一个持续问题是在高强度降雨事件中经常出现局部洪水（Al Amin et al., 2022）。

在花园和BRC模式中，建筑区域的径流，特别是屋顶的径流，通过屋顶排水沟收集并引导至花园或BRC表面。这种系统允许捕获的径流和直接降雨在透水面之前进行渗透和暂时储存。超出系统容量的径流随后被引导至住宅排水渠道。图3展示了这两种系统的纵向剖面和相关的排水路径。

在花园模式中，径流和直接降雨直接渗透到下层的原生土壤中，而多余的径流则通过溢流排出。研究地点的原生土壤（粉质壤土）的测量渗透率是7.34 mm/hr，低于文献中常见的15 mm/hr阈值（Spraakman & Drake, 2021）。这表明，原生土壤的渗透能力较低，限制了径流的自然滞留和渗透。

相比之下，BRC模式采用了生物滞留单元来管理建筑子区域的径流。在这一配置中，多余的径流通过表面溢流和地下排水管道排出。此外，BRC单元底部继续以相同的7.34 mm/hr速率向原生土壤渗漏。BRC介质设计为具有显著更高的渗透率169.7 mm/hr，符合推荐的设计标准，通常建议的饱和导水率（Ksat）值在100至300 mm/hr之间（ABC Waters, 2018；Ballard et al., 2015；Payne et al., 2015）。该Ksat值是通过实验室中对混合沙土和腐殖土的恒定水头渗透性测试确定的。关于该测试的详细解释可以在Al Amin et al. (2025) 中找到。

BRC系统由三层组成，遵循标准设计规范。表层包括植被和15厘米的蓄水区，用于暂时储存径流。表层下方是50厘米的沙壤土层，作为主要的过滤介质。20厘米的砾石储存层位于其下，包含一个中央放置的2英寸的渗透排水管。这三层共同构成了BRC单元的总有效储存，控制着排水动态。详细的BRC层规格和设计参数见第2.3节。

在SWMM中，BRC单元的排水过程通过解决一组简化的连续方程来模拟。每个方程描述了特定土壤层中水含量的时变变化，计算为进入和流出通量速率的差值。这些通量以体积每单位面积每单位时间表示（Rossman & Huber, 2016b）。

表面径流通过将每个子区域视为非线性蓄水池来建模。在SWMM中，子区域被表示为具有均匀坡度的平面，通过单个排水口排出。单位径流速率（q）通过曼宁方程计算，表达为（Rossman & Huber, 2016a）：

$$ q = \frac{W \cdot S^{1/2}}{n \cdot A} \cdot (d - d_s)^{5/3} $$

其中，n是曼宁粗糙度系数，A是子区域面积，d是表面水深，d_s是沉降储水深度。这一计算方法在SWMM中被广泛应用，以模拟子区域的排水过程。

在BRC模式中，排水过程通过简单的孔口方程建模（Rossman & Huber, 2016b）：

$$ q_{dr} = C_D \cdot (h_D)^{\eta_D} $$

其中，q_{dr}是孔口排水速率，C_D是孔口系数，h_D是水头高度，η_D是孔口指数。对于作为孔口运行的排水管，η_D通常设置为0.5。C_D进一步定义为（Bond et al., 2021；Jeffers et al., 2022）：

$$ C_D = 504.257 \cdot C_d \cdot \frac{A_p}{A_{BRC}} $$

其中，A_p是排水管的总横截面积，A_{BRC}是BRC的表面面积，C_d是排水系数（通常，C_d = 0.6）。方程（3）表明，C_D与排水管的流导面积与BRC表面面积的比例直接相关。

研究采用SWMM进行模拟，模拟时间为12小时，以捕捉完整排水水文图，包括在六小时设计暴雨期间的溢流和地下排水组件。为了确保高分辨率的水文图输出，计算时间步长被设置为5分钟，而流量路由步长被定义为30秒。

花园和BRC子区域的初始条件通过三种初始土壤含水量设定，分别为10%（干燥）、25%（正常）和40%（湿润），分别代表了干燥、正常和湿润AMC水平下的典型现场条件（Kim et al., 2019；Omar, 2010；Song & Wang, 2019）。

研究采用了四个关键指标来评估每种出口模型的水文性能，包括体积减少（VR）、峰值流量减少（PR）、峰值延迟（PD）和流延迟（FD）。这些指标通过以下公式计算：

$$ VR = \left( \frac{V_{t-o} - V_{t-i}}{V_{t-i}} \right) \times 100\% $$

$$ PR = \left( \frac{Q_{p-o} - Q_{p-i}}{Q_{p-i}} \right) \times 100\% $$

$$ PD = \left( \frac{t_{p-o} - t_{p-i}}{t_{p-i}} \right) \times 100\% $$

$$ FD = \left( \frac{t_{0-o} - t_{0-i}}{t_{0-i}} \right) \times 100\% $$

其中，V_{t-i}和V_{t-o}分别是总入流体积和总出流体积（升），Q_{p-i}和Q_{p-o}分别是峰值入流和出流（升/分钟），t_{p-i}和t_{p-o}分别是入流和出流峰值时间（小时），t_{0-i}和t_{0-o}分别是入流和出流开始时间（小时）。这些指标定量评估了每种出口配置在缓解暴雨径流方面的性能，通过比较入流和出流特征。VR和PR测量了体积和峰值流量的减少幅度，而PD和FD评估了峰值和初始出流响应的时间延迟。

研究采用了非参数Spearman秩相关分析来评估BRC介质的Ksat变化对四个水文响应指标的影响。Spearman相关系数（ρ）衡量了两个排名变量之间的关系强度和方向（Helsel et al., 2020）。这种方法特别适合水文建模应用，因为输入-输出关系通常是非线性的，数据分布可能不满足正态性假设（Gan et al., 2014；Hamby, 1994）。

对于每个模拟场景，模型输出与对应的Ksat值进行了排名，并通过以下公式计算相关系数（ρ）：

$$ ρ = 1 - \frac{6 \sum d_i^2}{n(n^2 - 1)} $$

其中，d_i是每个配对观测值的排名差，n是样本数量。当出现重复排名（即输出值重复）时，采用平均排名方法（公式9）来避免偏差（Helsel et al., 2020）。

为了测试相关性的统计显著性，从ρ推导出t统计量，公式如下：

$$ t = \frac{ρ}{\sqrt{\frac{1 - ρ^2}{n - 2}}} $$

其中，n - 2是自由度。随后，通过t分布获得对应的p值，以评估观察到的相关性是否在α = 0.05的显著性水平下出现。较小的p值（通常p < 0.05）表明Ksat和水文响应指标之间的相关性不太可能随机发生，从而确认了该响应对参数的敏感性。

选择Spearman方法而非参数方法（如Pearson相关或基于方差的方法，例如Sobol指数）有几个原因。首先，Spearman的ρ不需要线性或正态分布的数据，这使其在水文系统中更为稳健，这些系统常表现出阈值效应、饱和响应或非线性入渗-储水相互作用（Hamby, 1994；Pappenberger et al., 2008）。其次，由于本分析专注于一个输入参数（Ksat）和多个水文响应指标，排名相关提供了计算上高效且可解释的敏感性度量，而无需进行广泛的蒙特卡洛采样。最后，Spearman相关在流域和生物滞留建模中已被广泛用于量化参数对径流体积、峰值流量和延迟特性的影响（Sabbagh et al., 2025；Spraakman & Drake, 2021；R. Wang et al., 2019），使其适用于本研究中多个场地配置的比较评估。

在Ksat变化对水文响应指标的敏感性分析中，结果揭示了Ksat对各指标的影响逐渐减少，随着生物滞留面积比例的增加。对于小的BRC面积比例（如S-1和S-2），Ksat的变化对峰值流量和初始出流时间的影响显著。然而，随着生物滞留面积比例的增加，Ksat对这些指标的影响逐渐减弱。这种变化趋势表明，在设计中，对于小规模系统，准确的Ksat表征或校准尤为重要。在大规模生物滞留安装中，几何设计和排水结构对系统行为的影响比Ksat的具体值更大。因此，在水文建模中，对于大规模系统，简化假设可能适用于Ksat，而对于小规模安装，仍需进行现场校准。

研究结果表明，随着BRC面积比例的增加，Ksat对水文响应的敏感性逐渐降低，具体表现为：

- 在低BRC面积比例（α_{PA} ≤ 10%）时，性能高度依赖于入渗能力，Ksat的变化对流量幅度和时间的影响显著。
- 在中等比例（α_{PA} = 25–35%）时，系统行为转向混合模式，其中入渗、储水和内部排水相互作用。
- 在高比例（α_{PA} ≥ 50%）时，系统行为主要由储水主导，Ksat不再成为控制因素。

这种比例变化趋势表明了一个重要的设计启示：对于小型系统，准确的Ksat表征或校准尤为重要，而对于大型生物滞留安装，几何设计和排水结构对系统行为的影响比Ksat的具体值更大。因此，在水文建模中，对于大规模系统，简化假设可能适用于Ksat，而对于小规模安装，仍需进行现场校准。

研究还通过单因素方差分析（ANOVA）和Bonferroni后测检验，评估了出口配置和AMC对水文性能指标的影响。这些分析表明，出口配置对水文性能指标（如VR、PR、PD和FD）有显著影响，尽管影响程度在不同透水面积比例下有所变化。在低透水面积比例（如S-1和S-2）下，不同出口配置之间的显著差异被观察到，而在高透水面积比例（如S-3到S-5）下，这些差异变得不显著。Bonferroni后测进一步显示，BRC模式在S-1和S-2下与直接模式相比，VR显著更高。这表明，当透水面积比例受限时，包含储水和入渗机制的出口配置（如BRC）可以有效增强降雨捕捉和入渗能力。随着透水面积比例的增加，出口配置的影响逐渐减弱，因为土壤基质中的入渗成为主导水文性能的因素。

总体而言，这些发现强调了出口配置在增强地块尺度水文性能中的决定性作用，特别是在与体积滞留和流速延迟相关的指标中。出口配置的影响在低透水城市地块中尤为显著，而AMC水平对系统性能的影响较小。研究结果表明，地块尺度排水系统的水文改善主要依赖于结构设计的优化，强调了出口和储水设计的重要性，而非瞬时环境因素。

此外，研究还指出，将出口配置从直接（代表DCIA）改为花园模式（非-DCIA）可以改善径流体积减少和初始流延迟，但对峰值流量和峰值时间的影响有限。相比之下，BRC模式不仅增强了体积减少和流延迟，还显著减少了峰值流量，并延长了峰值时间，特别是在干燥和正常AMC条件下以及透水面积比例超过25%时。因此，这些结果强调了工程BRC系统在不同AMC条件下增强地块尺度水文性能的关键作用，这也与之前的研究结果一致（Davis, 2008；Davis et al., 2012；Lisenbee et al., 2021）。

研究的局限性在于其基于模型模拟，而没有现场校准或验证。此外，研究仅使用了一个2年设计暴雨事件，这可能无法准确反映极端降雨事件下的性能。因此，研究结果应被视为指示性性能，而非预测基准。未来的研究应包括多事件分析（如10年或25年设计暴雨），现场监测和BRC参数的校准，以提高模型预测的置信度。

综上所述，本研究为理解出口路由策略和透水面积比例如何影响地块尺度的水文性能提供了重要的见解。研究结果为通过分散式排水设计增强城市暴雨韧性提供了定量基础，特别是在热带住宅环境中。在政策层面，这些发现可以支持印度尼西亚在SDG 6、SDG 11和SDG 13目标下的承诺，通过减少城市径流、增强入渗和提高气候韧性。将基于α_{PA}的设计阈值纳入本地规划法规，有助于实现国家零ΔQ目标，并在源头上促进城市洪水缓解。