基于河-管-地表双向耦合建模的城市排水系统性能评估及动态排水效率指数（DEI）构建

《Journal of Hydrology: Regional Studies》：Performance assessment of urban drainage systems using a river–pipe–surface coupled modeling approach

　　

研究人员构建的河-管-地表双向耦合模型相较传统单向模型可将模拟误差降低约23%。多层级动态排水效率指数（Dynamic Drainage Efficiency Index, DEI）系统从系统排水能力、排水性能与影响、整体排水效率及回水抑制四个维度量化排水性能并识别系统瓶颈。DEI系统从上述四个维度评估排水性能。降水强度是效率的首要决定因素，DEI得分与降水强度呈强负相关。河流水位通过回水效应影响效率，而优化排放口高程可维持系统性能。

一、研究背景与问题
在全球气候变化和城市化加速背景下，内陆城市内涝频发，已成为制约城市可持续发展的突出问题。城市化降低地表渗透性，短历时强降雨易快速转化为地表径流；河流水位上涨又可通过排水口向管网传播，形成“降雨—径流—河流水位”的链式放大效应。河流是城市排水系统的重要承泄边界，但传统排水设计常将河流水位视为固定边界，忽视其动态波动，因而低估回水效应。现有河-排水耦合研究多采用单向耦合或准动态耦合：前者将河流水位简化为固定边界，后者依赖离线数据传递，均难以刻画加压管道流与河流水位波动之间的同步动量交换，易产生“水力解耦”并低估系统性风险。同时，层次分析法（Analytic Hierarchy Process, AHP）等传统排水效率评估多依赖静态指标和专家判断，难以反映城市内涝与排水系统的水动力瞬变及过程性韧性。为此，该研究拟回答：动态河-管相互作用与回水效应如何定量触发系统失效和城市内涝空间再分布；基于AHP的多准则DEI能否较传统静态指标更准确识别管网瓶颈；河流与城市排水系统如何协同管理以降低洪涝风险。

二、研究开展、结论与意义
研究人员集成HEC-RAS、SWMM和LISFLOOD-FP构建高保真河-管-地表耦合框架，实施同步双向反馈机制，并基于AHP提出四准则、七指标的DEI体系，设置12个情景评估排水系统动态响应。研究表明，高承泄河流水位会限制排水并延长地表淹没，降水强度是效率的主要决定因素，低河流水位有利于排水，优化排放口配置可在一定范围内维持系统性能。该研究为城市排水与河流系统协同优化提供了耦合引擎、评价框架和科学依据。

三、关键技术方法
以杭州师范大学A校区（HUA，0.22 km²）为城市排水单元：管网数据来自校园建设管理部门，含619个雨水井和609个管段；数字高程模型（DEM）由无人机倾斜摄影生成，分辨率2 m；土地利用由0.3 m正射影像人工解译；河流数据来自市政管理部门，含15个河汇/河段并三维建模。构建暴雨管理模型（Storm Water Management Model, SWMM）、LISFLOOD-FP二维地表模型和HEC-RAS一维非恒定河流模型，通过Python接口实时双向交换并同步时间步，采用5 min数据交换窗与子循环。采用AHP建立四准则七指标DEI，设计12个情景。验证采用2024年9月10日和10月31日内涝点，Accuracy分别为70.00%和75.00%，Precision分别为63.64%和76.92%，并以2024年6月23日事件检查管道水深。

四、研究结果
（一）动态耦合模型的时空分布
通过5a、10a、20a和50a降雨重现期模拟，淹没范围与降雨强度呈强正相关；50a情景出现大面积极端内涝，建筑密集区道路成为集中汇水通道。比较单向耦合、无河流效应的双向耦合及河-管-地表耦合模型，河-管-地表耦合模型的平均水深峰值更高，50a时达0.77 m，单向模型为0.43 m，无河流效应双向模型为0.35 m；单向模型峰后出现平台，因其缺乏地表积水回灌管网机制。随重现期由5a增至50a，积水量由21,839.10 m³增至27,052.65 m³，积水历时由4 h增至6 h 50 min，峰值水位由0.487 m增至1.246 m，退水时间由40 min增至3 h 30 min。结论是河流耦合显著影响水深过程与退水过程。

（二）不同情景下排水系统效率指标
通过12个情景的七项指标评分比较，情景间差异明显。S10在O₁、O₄和O₇表现较优；S5在O₃和O₅得分较低；S9的O₇最高但O₆偏低。S2—S5指标总体低于基线且雷达图面积逐步缩小；S8多数指标较S6、S7明显下降；O₇总体得分较高，O₁总体偏低，O₂和O₆变异显著。结论是七指标可揭示不同情景的配置优劣与异常状态。

（三）基于DEI的不同情景排水效率
通过综合权重计算DEI，S7得分最高（0.6705），S5最低（0.3586）；S1、S2、S6及S9—S12处于中高水平（0.5295—0.6572）。全情景均值为0.572、标准差为0.093；按类型，基线最高（0.657），降雨强度情景最低（0.494），水位变化情景为0.590，排水口配置情景为0.615。结论是DEI能够对情景进行排序，降雨增强降低效率，低设定水位改善效率，出口配置有影响但并非无限提升。

五、讨论总结
动态耦合的优势在于实时双向反馈可捕捉河流洪峰与管网最大排放的“峰对峰”叠加及回水抑制；50a情景计算时间由9.6 min增至12.5 min，约增30%，但换来约23%的模拟精度提升。指标适用性方面，七项指标与单位降雨呈强负相关，相关系数绝对值均大于0.90，O₇最高、O₅最低（?0.94459）；O₂和O₇呈双峰分布且箱体较小，可区分得分相近但实际条件不同的情景。±10%参数扰动下DEI排序保持一致，峰值水深对Manning粗糙度更敏感（粗糙度增加10%使峰值水深增加2.2%，入渗率降低10%使峰值增加1.8%）。影响因素上，降水是主控但呈非线性，O₃由S1至S5下降55.4%，S4—S5显示阈值效应；O₁和O₆贡献率分别为20.07%和12.43%；河流水位低时S7最高、高时S8最低，O₇贡献19.54%；S10、S11、S12的DEI接近，S9显著较低，超过一定阈值后增加排放口数量不能显著提高效率，系统更接近综合水力极限。

研究结论部分可译为：1. 对HUA排水单元，河-管-地表耦合表明高承泄河流水位限制排水并延长地表淹没，因此洪水评估必须计入河流水位与排水口之间的水头关系。2. 七指标DEI通过整合排水能力、洪水影响、恢复和回水暴露，补充了淹没深度和面积，但其情景排序仍以当前专家权重方案为条件，因为尚未检验O₁和O₇权重±10%–20%变化下的敏感性。3. 在测试情景内，较高降雨强度降低排水性能，较低设定河流水位改善性能，支持河流水位与出口配置协同管理；这些结论限于所评估的城市排水单元、其简化数据输入以及S₆—S₈的设定水位设计。4. 当前模型受简化输入、高精度数据成本高和经验参数不灵活限制；未来将引入机器学习算法整合历史数据和实时观测进行动态参数调整，以提高变化环境下的响应性和准确性。