基于SWMM-HEC-RAS耦合模型的随机城市洪水灾害制图框架开发与应用

为解决传统确定性洪水模型无法表征参数不确定性的问题，Sayed Joinal Hossain Abedin团队开发了开源工具SWMM-RASpy，通过耦合行业标准水文模型SWMM和水力学模型HEC-RAS 2D，实现了粗糙度参数随机采样与淹没概率量化。研究表明，考虑粗糙度不确定性可使流域淹没面积增加4.5%，受淹建筑数量翻倍，为洪水风险管理提供了熵值可视化新范式。

　　

在全球气候变化和城市化加速的背景下，洪水已成为最昂贵的自然灾害。传统洪水灾害图基于确定性模型，无法反映水文水力模型固有的参数不确定性，而现有工具又难以兼容行业标准软件。加拿大滑铁卢大学（University of Waterloo）土木与环境工程系的Sayed Joinal Hossain Abedin和Bruce J. MacVicar开发了名为SWMM-RASpy的创新框架，通过耦合美国环保署开发的暴雨管理模型（Storm Water Management Model, SWMM）和美国陆军工程师团开发的河流分析系统（Hydrologic Engineering Center’s River Analysis System, HEC-RAS），构建了首个支持随机采样的开源Python工具链。该成果发表在《Environmental Modelling》期刊，为洪水风险精准管理提供了新范式。

研究团队采用四大核心技术：1）AutoSAMPpy模块实现曼宁粗糙度系数的拉丁超立方采样；2）AutoSWMMpy控制SWMM水文模拟并输出边界条件；3）AutoRASpy驱动HEC-RAS 2D非恒定流计算；4）PostPROpy进行淹没概率与熵值分析。通过加拿大某城市流域案例验证，采用100次蒙特卡洛模拟量化了参数不确定性对淹没范围的影响。

SWMM-RASpy框架
通过Jupyter Notebook集成Python脚本链，主控程序masterpy协调输入参数初始化、随机采样、模型耦合与后处理流程，支持临时文件自动清理以提升计算效率。

淹没不确定性量化
基于网格单元水位数据计算淹没概率P和熵值H：当P=1时表示100次模拟均被淹没，H=0表示确定性最高；P=0.5时H=1反映最大不确定性。该方法改进了Horritt（2006）的二元淹没判定标准。

案例研究
在典型城市流域中构建SWMM水文模型（包含23个子汇水区）和HEC-RAS 2D水力学模型（网格分辨率2m），重点分析曼宁系数在0.03-0.05 m^-1/3s间的随机性影响。

结果
熵值制图显示：河道周边形成明显淹没概率梯度带，低概率区（P=0.01）宽度不足5m，但占流域总淹没面积的17.3%；4.5%的额外流域面积和近两倍建筑物可能因粗糙度不确定性暴露于洪水风险。

讨论
该框架突破了三重技术障碍：1）通过HEC-DSSVue库实现SWMM与HEC-RAS数据交互；2）开发RASController API处理HEC-RAS 6.0+版本的2D桥梁建模；3）采用熵值替代传统置信区间更直观表达空间不确定性。相比Ahmadisharaf（2018）的Flood2D-GPU方案，本工具与行业标准软件兼容性更强。

结论
SWMM-RASpy首次实现了基于行业标准模型的随机洪水分析自动化流程，其创新性体现在：1）量化显示粗糙度不确定性可使风险评估面积扩大4.5%；2）熵值制图法提升决策透明度；3）开源特性支持全球城市推广应用。该工具已整合至加拿大安大略省风险投资回报工具（RROIT）系统，为气候适应型城市建设提供科学依据。