复合型雨水-尾水淹没在沿海合流制污水系统中的街面至管道诊断方法：污水系统预充水及排放口节流措施

《Earth's Future》：Street-to-Pipe Diagnosis of Compound Rain–Tailwater Flooding in a Coastal Combined Sewer System: Sewer Pre-Filling and Outfall Throttling

　　**摘要**

在沿海城市中，复合洪水现象发生在强降雨与潮汐驱动的尾水同时发生时，这会降低合流制排水系统（CSS）的排放能力。然而，这种耦合效应在街道到管道的尺度上很少被量化。我们为新泽西州的霍博肯市开发了一个高分辨率的一维/二维排水-淹没模型，通过流量计校准了一维排水组件，并利用Sentinel-1 SAR图像和带有地理标签的影像来验证淹没范围；校准后，平均出水口的NSE值从0.50提高到了0.65（验证值为0.55）。在12种降雨-尾水情景下，天文春潮引起的尾水会预先充满地下储水空间（在选定的春潮案例中大约占一半），并淹没出水口，从而将峰值流量减少了约45%，同时增加了洪水深度、面积和地表积水体积；海平面上升（SLR）导致的尾水加剧了洪水影响。驱动因素分析显示降雨起主导作用，而潮汐效应主要通过相互作用体现，并且随着降雨强度的增加而减弱。通过对理想化出水口的三维流体体积模拟，我们发现了密度分层入侵现象：在较低入流动量下这种现象持续时间更长，而在较高动量下则迅速被冲走，这为降雨强度的依赖性提供了机制性解释。受潮汐影响的条件还会延长水泵的运行时间，并增加污水处理厂（WWTP）的入流量，有时甚至超过其额定容量。仅使用鸭嘴止回阀也能适度减少洪水深度（通常几米），这突显了在受潮汐影响的城市中需要结合边界控制、上游径流减少/储存以及自适应运营的综合措施。

**通俗语言总结**

沿海城市通常依赖已有百年历史的合流制管道来输送雨水和废水。当强降雨与高潮同时发生时，海水可能会倒灌回这些管道中，减缓雨水的排泄速度，从而加剧街道洪水的发生。我们建立了一个详细的霍博肯市数字模型，以研究降雨与潮汐驱动的回水如何在地下相互作用。在模拟中，春潮可以预先充满大约一半的管道空间，并淹没沿海的出水口，从而加重洪水情况并增加水泵和污水处理系统的负担。在非常强烈的降雨期间，雨水压力有助于将大部分入侵的咸水排出，因此潮汐的影响相对于降雨来说会减小。研究结果还表明，仅使用单向出水阀在极端风暴中的效果有限；将边界控制与上游径流减少和储存（例如雨水花园等绿色基础设施）结合起来可能提供更有效的风险缓解措施。总体而言，该研究为海平面上升时规划排水系统的升级和运营提供了实用指导。

**1 引言**

复合洪水是指由降雨驱动的径流与下游水位升高同时发生所引起的，其影响超过了任一单一因素（Ghanbari等人，2024年；Green等人，2025年；Kumbier等人，2018年）。大多数关于复合洪水的研究都集中在极端气旋事件上，这些事件同时带来风暴潮和强降雨（见支持信息S1中的表S1）。然而，在许多低洼的河口城市，最频繁的排水控制因素是可预测的天文潮汐振荡，这种振荡会反复抬高出水口的尾水水平，并与降雨相互作用，阻碍重力排水（Gold等人，2023年；Hino等人，2025年）。随着全球平均海平面持续上升约3.7毫米（IPCC，2023a），潮汐驱动的尾水越来越多地向内陆蔓延，即使在中等强度的风暴中也会降低排水能力。尽管这些频繁事件的总成本很高（Ali等人，2025年；委员会，2024年），但在埋设的城市排水系统内，潮汐与降雨的相互作用在机制上的量化仍然不足。这一差距对于适应计划至关重要，因为许多短期干预措施（例如回流防止、泵送、分布式储存）都是围绕控制排水出口处的尾水瓶颈设计的（Shen等人，2019年）。因此，在这项研究中，我们重点研究天文潮汐对污水系统的影响机制，而不是单独模拟风暴潮和波浪过程。这种复合灾害的前沿是合流制排水系统（CSS），这是一种服务于美国数百个市政区的老旧基础设施（Botturi等人，2021年；Jung等人，2023年）。CSS的水力特性既受上游入流的影响，也受下游边界条件的影响。当降雨与高潮同时发生时，抬高的尾水会淹没出水口并推动回水入侵，预先充满储水空间并限制排放量，从而在较低的降雨强度下就触发超额负荷和地表洪水（见图1和视频S1）。除了地表淹没外，这些条件还会增加水泵的运行周期，并增加污水处理厂的入流负荷，有时甚至超过其额定容量。虽然鸭嘴止回阀能适度减少洪水深度，但这凸显了需要在受潮汐影响的城市中采用综合考虑事件因素的策略，结合边界控制、上游径流减少/储存和自适应运营。

**2 方法**

2.1 案例研究区域和数据

美国新泽西州的霍博肯市位于哈德逊河狭长的河口洪泛区内，东临哈德逊河，西靠帕利塞兹悬崖（见图2a）。地形数据采用新泽西州LiDAR生成的裸土DEM（NJGIN；3米网格），参考NAVD88基准（见图2b）。海拔高度从河岸低洼地区的某米到帕利塞兹悬崖的54.25米不等，大部分城区位于坡度平缓的高地上，排水能力较弱。霍博肯市经历半日潮汐现象；在下游的The Battery附近，潮汐范围约为1.38–1.54米，这可能导致出水口的尾水水平升高，增加复合降雨-尾水洪水的风险。高潮期间的抬高尾水会阻碍重力排水，并将径流困在一个不透水的盆地中，导致反复的沿海/降雨洪水（例如2012年的飓风Sandy、2020年的热带风暴Fay和2021年的Henri/Ida）（Ghanbari等人，2024年；Saleh等人，2019年）。支持信息S1中的表S2提供了事件的简要总结和主要驱动因素。

2.1.1 建筑环境和污水系统

建筑物的占地面积（Microsoft，2023年）显示约94%的土地被不透水覆盖物覆盖，主要为住宅和混合用途建筑（见图2c）。霍博肯市拥有长达33.5公里的合流制管道系统，包括1,421个检查井和六个受潮汐影响的沿海出水口（C1–C6），这些是本研究复合降雨-尾水实验的重点。废水和雨水径流通过管道被输送到调节装置，然后通过泵站输送到北哈德逊污水处理厂（NHSA）进行处理；多余的雨天径流可以通过出水口排入哈德逊河。

2.1.2 水文监测

该城市被划分为八个排水流域（H1–H8；见支持信息S1中的图S1a）。八个超声波管道内的流量计（M1–M8）每五分钟记录一次流域出水口的流量和深度；NHSA提供了连续的晴天流量数据（生活污水加上地下水渗透）。降雨数据来自River Road污水处理厂的流量计，而潮汐驱动的尾水数据则根据NOAA CO-OPS天文潮汐预测来确定（见2.2.3节）。

2.1.3 流域特性

结合土地利用信息（NHSA分区层）和土壤质地数据（NRCS Web Soil Survey），使用TR-55表格计算了72个子流域的径流曲线数（见支持信息S1中的图S1b）。在所有子流域中，不透水表面的比例都超过了90%，只有三个子流域除外，这突显了屋顶、车道和停车场等建筑表面的主导地位（见支持信息S1中的图S1c）。

2.2 水动力建模框架、校准和强迫

为了量化降雨和沿海尾水如何共同影响霍博肯老化的合流制污水基础设施，我们开发了一个耦合的城市规模排水-淹没模型，校准了一维排水水力学，然后将校准后的系统应用于一系列降雨-尾水情景。该工作流程将高分辨率的EPA雨水管理模型（SWMM）对埋地合流制污水系统的表示与二维表面淹没模块相结合，使用PEST（参数估计算法包）估计关键参数，根据独立观测结果验证地下水流和表面淹没模式，最后评估在当前春潮和海平面上升引起的尾水条件下的复合洪水情况。这个情景矩阵在不安装溢流防止装置（鸭嘴止回阀）和安装了溢流防止装置的情况下分别进行测试，以量化不同风暴强度下的适应性能。

2.2.1 水动力洪水模型

我们使用PCSWMM中启用了GIS的SWMM实现来模拟霍博肯的耦合排水-淹没系统，该系统将一维的合流制污水系统网络表示（33.5公里的管道和1,421个交叉口/检查井）与二维表面淹没模块相连。每个子流域的径流量使用NRCS曲线数字方法（第2.1节）计算，并导向最近的检查井。地下水流通过动态波路由进行模拟，该方法解决了一维圣维南方程，用于自由表面和承压流动：

其中 是流动面积， 是流量， 是水头[米]， 是摩擦坡度。在整个网络中应用了完全隐式的有限差分方案，能够模拟回水效应、超负荷和水流逆转在抬高的尾水边界条件下的情况。二维表面模块将城市划分为六边形单元格（平均边长1.8米；面积约为8平方米）。每个单元格作为一个表面节点，通过虚拟导管与相邻单元格相连，这些导管的下倾高度来自LiDAR数字高程模型。检查井通过水力方式与最近的表面节点相连，以便超负荷产生表面积水，积水可以在容量恢复时排回网络。模型输出包括淹没深度和范围的时间序列和地图，以及每个情景的管道和节点级别的诊断数据（流量、水头和超负荷状态）。LiDAR地形改进了对城市流动路径和储存的表示；然而，绝对的单元格尺度深度仍然对数字高程模型和粗糙度的不确定性敏感。因此，我们强调在情景之间的差异化比较以及空间聚合指标（例如，深度分布和面积/体积统计），此外还进行了独立的淹没范围验证（第2.2.3节），以确保推断出的复合洪水响应反映了水力回水机制，而不是局部微地形的人为影响。

2.2.2 模型校准和验证

我们首先通过扰动控制径流产生、渗透和管道水力学的12种候选参数类型来评估参数的重要性（Behrouz等人，2020年）。每种参数在支持信息S1中的表S3范围内的值进行变化，而其他参数保持不变，并记录监测位置（M1–M8）的峰值流量变化。使用平均归一化敏感性（MNS）来识别有影响力的参数。然后使用PEST（Doherty & Hunt，2010年；Perin等人，2020年）对这些参数进行校准。为了使校准在计算上可行并减少过度参数化，我们对每个流域内的关键子流域属性施加了流域内均匀性，为所有子流域分配了一个不透水比例（Imperv）、宽度和坡度的单一值（H1–H8）。这种分组将校准问题减少到30个参数（见支持信息S1中的表S4）。PEST使用高斯-马尔夸特-列文伯格搜索法最小化加权最小二乘目标，并通过PySWMM与SWMM交换输入/输出。校准效果使用纳什-萨克利夫效率（NSE）和均方根误差（RMSE）（Gao等人，2020年）进行衡量。敏感性分析和校准使用了2016年11月14日21:00到2016年11月16日00:00的观测强迫数据，包括降雨量、干旱天气流量（DWF）和规定的仅受潮汐影响的尾水边界条件。我们使用相同的强迫组件，在一个独立的观测期间（2016年10月21日00:00到2016年10月23日00:00）验证了校准后的一维模型。校准收敛性和校准后的参数值/界限在支持信息S1中的表S4中报告。由于直接的洪水深度观测数据稀少，我们使用了两组互补的数据集来评估二维淹没模式。（a）在Google Earth Engine中处理Sentinel-1 VH极化合成孔径雷达（SAR）场景，遵循UN-SPIDER工作流程（Amitrano等人，2024年），以得出2024年3月23日事件的洪水范围掩码，该事件的观测降雨量（见支持信息S1中的图S2）和仅受潮汐影响的边界条件是可用的（见支持信息S1中的图S3）。（b）我们收集了来自当地新闻机构和社交媒体的6张地理定位照片和视频，审查了位置/观测几何形状，并将它们与最近的道路段对齐。SAR提供了全天气的概览性覆盖，而地面级图像在雷达后向散射可能不明确的情况下提供了街道级别的确认。

2.2.3 综合降雨-潮汐强迫情景

我们结合了四种降雨量曲线图和三种沿海尾水状态，以研究降雨和天文潮汐驱动的回水如何共同控制霍博肯合流制污水系统的复合洪水（12种情景）。沿海边界条件代表了仅受潮汐影响的成分（即，来自谐波成分），在这里用于施加溢流尾水；有意排除了风暴潮和波浪效应，以专注于污水系统的回水机制。三种尾水状态分别是：（a）无潮汐，其中沿海溢流被视为自由溢流，没有规定的接收水位（即，没有溢流淹没或潮汐回水）；（b）当前潮汐，从NOAA CO-OPS天文潮汐预测中获取的代表性春潮周期，用于The Battery Station 8518750，并使用NOAA发布的站点数据关系（NAVD88相对于MLLW为+0.844米）转换为NAVD88；在选定的春潮周期中，预测的水位范围从某米到某米（NAVD88），完全淹没溢流C1–C4并部分淹没C5–C6；以及（c）潮汐+海平面上升（SLR），同样的春潮流量图统一升高某米，以代表与AR6 SSP3-7.0中心估计的The Battery在2100年的海平面上升升高的尾水敏感性一致（IPCC，2023a），产生的边界水位范围从某米到某米NAVD88（见支持信息S1中的图S3）。我们强调，潮汐+海平面上升是一个基准水位偏移敏感性，不应解释为风暴潮模拟。降雨强迫包括一个观测到的频繁事件（FR；2016年10月22日00:00至06:00在River-Road WWTP测量站记录的降雨量为5.84毫米，大约代表2016年5月至11月6小时降雨累积的76百分位数）和三个合成6小时设计风暴，它们的重现期分别为10年、50年和100年（RP10=70.9毫米，RP50=97.5毫米，RP100=109.9毫米），基于NOAA Atlas 14的深度-持续时间-频率估计，并使用芝加哥设计风暴方法（Keifer & Chu，1957年）进行时间分布（见支持信息S1中的图S4）。设计风暴的位置使得峰值强度发生在靠近春潮高潮的高尾水窗口内，以代表一个保守的复合配置，而观测到的FR事件提供了一个低并发率的基准。每个降雨量曲线图在每种尾水状态下进行了模拟，产生了12种降雨-尾水组合，以量化雨水-回水相互作用。为了评估一种常见的沿海适应措施，我们进一步在六个沿海溢流口（C1–C6）安装了鸭嘴止回阀后重复了所有情景。在SWMM中，通过启用溢流链接上的百叶门选项来表示阀门，强制单向流动以防止潮汐侵入，同时允许雨水排放。完整的情景配置在支持信息S1中的表S6中总结。

2.2.4 不确定性量化和传播

为了量化校准后一维排水模型的残余参数和强迫不确定性，我们使用SWMM网络进行了计算效率高的蒙特卡洛分析（Das等人，2024年；Xu等人，2023年）。尽管通过耦合的一维/二维框架传播不确定性可以得到空间明确的淹没概率图，但二维模块的计算负担阻碍了进行稳健统计所需的大规模集合。因此，我们通过一维网络传播不确定性，并总结了直接反映污水系统回水响应的系统性能指标，包括总检查井溢流量、沿海溢流量和管道流量占用率。我们选择了四种代表性的强迫组合，这些组合涵盖了在低和 high 尾水条件下的中等和极端降雨：RP10和RP100设计风暴与无潮汐和当前潮汐边界条件相结合（第2.2.3节）。对于每种组合，我们通过独立扰动（a）校准后的模型参数和（b）外部强迫边界条件生成了一组实现。为了在保持风暴和潮汐形状的同时表示事件间的不确定性，我们对降雨量曲线图和仅受潮汐影响的尾水曲线应用了全局乘法缩放因子，而不是扰动单个时间步骤。缩放因子和选定的物理参数是从以它们校准后最佳值为中心的正态分布中抽取的，并规定了相对标准差和严格的物理下限/上限，以保持真实性（见支持信息S1中的表S5）。对于每个实现，我们提取了（a）系统范围内的洪水量（即，从检查井流失的流量）、（b）沿海溢流量和（c）管道流量占用率的时间序列。集合结果使用中位数和2.5–97.5百分位数区间进行了总结，以表示每个时间序列的95%预测区间（Moreno-Rodenas等人，2019年）。所得到的不确定性范围提供了一个简洁的衡量标准，用于评估在复合降雨-尾水强迫下模拟的污水系统响应的信心，同时保持对大规模集合的计算可行性。

2.2.5 洪水驱动因素的建模分解

为了量化降雨和天文潮汐尾水如何共同驱动复合事件期间的地表洪水，我们将模拟的总洪水体积（TFV）分解为降雨量和潮汐的贡献加上一个残余交互项。根据（Spicer等人，2025年；Thelen等人，2024年），我们写成TFV = R_analyst × T_cause1 + R_analyst × T_interaction，其中R_analyst是仅受潮汐影响的贡献，R_rainfall是仅受降雨影响的贡献，T_interaction捕捉了非线性的潮汐-降雨交互作用。对于每个复合降雨-尾水模拟（在尾水状态下的降雨事件），我们在组合运行的洪水高峰期评估了贡献。设t_max表示R_analyst达到其最大值的时间。然后我们定义tCEF = T_analyst × T_tide-only + T_interaction。这里，T_tide-only是从相应尾水状态（无降雨，FR）强迫的潮汐模拟中获得的，T_rainfall是从无潮汐下的降雨模拟中获得的。交互项T_interaction代表了由潮汐控制的溢流淹没、污水系统预填充以及水力介导的反馈所引起的非线性，这些反馈可以放大或抑制洪水，相对于线性叠加。最后，我们报告了每个驱动因素的贡献分数，分别为T_tide-only、T_rainfall和T_interaction，以便直接比较不同降雨量和尾水状态下的潮汐、降雨和交互效应。

2.3 盐水入侵放大的CFD分析

为了研究密度驱动的咸水尾水是否可以通过增强的溢流回水放大降雨驱动的洪水，我们使用ANSYS Fluent 2024 R2中的体积法（VOF）方法开发了一个理想化的三维（3D）多相模型。这个CFD分析是作为城市规模一维/二维框架的过程级补充：它不试图重现霍博肯的完整污水系统，而是隔离了（a）盐水入侵/分层在溢流管道中以及（b）在当前潮汐尾水和海平面上升引起的尾水下的相关水力阻力增加的耦合机制。计算域包括一个圆柱形“子流域罐”连接到一个下游的咸水储液池（图3a）。该罐（直径m；高度3米）代表接收降雨驱动的流入的集中城市储存，它通过一个圆形管道（直径m；长度m；坡度）连接到一个表示仅受潮汐影响的咸水“河流”储液池。我们选择了溢流口C1进行此分析，其下倾高度为-1.04米（NAVD88）。相应的地面高度为0.97米（NAVD88），位于容易发生复合洪水的低洼区域。淡水输入通过一个300毫米高的侧入口施加到罐底（示意性地表示快速径流到污水系统）。在下游端，规定了储液池的水位，以施加与当前潮汐和潮汐+海平面上升定义一致的尾水背压（见第2.2.3节）；有意排除了风暴潮和波浪效应，以专注于潮汐驱动的回水。图3展示了关于盐水回水效应的理想化CFD实验。（a）域示意图。一个圆柱形“子流域罐”（直径m；高度3米）接收淡水输入（屋顶降雨和靠近底部的0.3米高的侧入口）并通过一个管道（直径m；长度m；坡度）排放到下游的咸水储液池。溢流口C1（下倾高度：-1.04米NAVD88）和上方地形（地面：0.97米NAVD88）的代表区域，这些区域容易发生复合洪水。下游的水位被规定为施加仅受潮汐影响的尾水背压，代表当前潮汐和潮汐+海平面上升条件（所示的示例水位）。非结构化表面三角剖分结合多面体体积网格，在自由表面附近和管道壁沿线进行局部细化，以解析界面动力学和近壁剪切现象。我们将空气、淡水（雨水/径流；rw）和盐水（sw）表示为不可压缩的牛顿流体，采用三相VOF（Volume-of-Fluid）公式进行建模。淡水与盐水被视为不相溶的液体，以保持密度差异并明确追踪界面（即理想化的分层/后水体表示，而不是详细的盐度混合）。液体属性设定为相应的密度、粘度和剪切率值（参考Yaqub & Pendyala, 2018）。湍流通过可实现的turbulence模型和标准壁面函数来表示。动量方程和湍流方程采用二阶迎风离散化，VOF相位分数方程使用Geo-Reconstruct算法，压力-速度耦合采用SIMPLE算法并配合PRESTO!压力插值方法。时间步长设为1毫秒（Courant数满足稳定性要求），并且要求残差值低于某一指定阈值。域使用非结构化的多面体网格进行离散化，该网格包含160,702个单元（最小正交质量为0.20；最大长宽比为8.11）。在自由表面附近和管道壁沿线设置了两个细化级别，以更好地解析界面动力学和近壁剪切（见图3b）。额外的设置细节（初始化和边界条件实现）见支持信息S1中的Text S1。边界条件通过规定三个下游尾水阶段来模拟城市规模场景：(a) 无潮汐，即在下游边界处设置自由排水条件（无施加的尾水/背压）；(b) 当前潮汐，下游水位固定在一个代表性的天文春潮高度；(c) 潮汐+海平面上升（SLR），此时水位高度上升一定值。为了模拟不同的降雨/径流强度，每个尾水阶段与侧入口处的两种淡水流入速度配对（0.60米/秒和1.20米/秒），这些速度涵盖了城市规模模拟中RP10和RP100设计风暴对应的典型管道流速范围。我们将这些低流量和高流量流入情况分别标记为P1和P2，从而得到六种流入-尾水组合。在每种情况下，淡水流入持续30秒。应用无滑移、绝热线边界条件，并在模拟开始时 Tank中设置静止空气，下游水库和管道淹没部分充满盐水，水位根据设定的尾水高度进行调整。我们使用两种诊断指标来量化盐水入侵的放大效应：(a) 水池与管道连接处的压头增加；(b) 管道内的盐水体积和速度分布（基于盐水相分数计算得出）。这些指标共同反映了在当前潮汐条件和海平面上升（SLR）情况下，密度驱动的尾水入侵和分层对增加背压以及减少淡水排放能力的程度。

3 结果

3.1 模型性能评估

我们通过有针对性的1-D校准/验证和基于范围的2-D淹没评估来评价模型性能，为降雨-尾水场景实验提供性能基准（见图4）。纳入干燥天气流量（DWF）数据后，基线1-D水文图得到改善（见支持信息S1中的Text S2和图S5）。敏感性分析表明不透水率（Imperv）是最具影响力的参数（见支持信息S1中的图S6），校准选定的参数后残差平方和（RSS）减少了约48%（见支持信息S1中的图S7）。在质量控制的水位监测点M1、M2、M6和M7，模型性能有所提升。在校准期间，平均NSE值从校准前的0.50（分别为0.24、0.72、0.24、0.80）提升至校准后的0.65（分别为0.55、0.71、0.56、0.79），而M1和M6的RMSE分别降至0.21–0.16和0.08（降至0.06），M2和M7的RMSE保持为0.03和0.02（见图4a）。这些校准RMSE值低于局部峰值流量的15%。在独立事件上的验证表明，平均NSE为0.55（M1=0.37、M2=0.51、M6=0.57、M7=0.75），RMSE分别为0.07、0.02、0.03和0.01（均低于峰值流量的20%）（见图4b）。总体而言，考虑到数据缺失和网络复杂性，这些指标显示了模型具有合理的1-D性能。图4展示了模型框架的校准和评估过程：(a) 2016年11月14日至16日校准事件期间，质量控制的水位监测点M1、M2、M6和M1的1-D水文图（观测值为灰色，校准前为红色，校准后为蓝色）；(b) 2016年10月21日至23日的独立1-D验证事件：相同监测点的观测值（灰色）和校准后模拟结果（紫色）；(c) 2024年3月23日的基于范围的2-D淹没评估：Sentinel-1 SAR雷达得到的洪水范围（红色），模拟的最大淹没范围（蓝色），以及两者之间的重叠部分（紫色）；编号标记显示了(d)中展示的照片位置；(d) 2024年3月23日事件期间确认道路被淹没的代表性地理位置照片。由于在城市规模上进行完整2-D校准计算量巨大，我们将表面模块锚定在校准后的1-D排水响应基础上，并利用多源观测数据来评估淹没情况（见图4c和4d）。

3.2 霍博肯地区的降雨-潮汐相互作用

在霍博肯进行的12次降雨-尾水模拟中（包括FR和RP10–RP100四种情况，每种情况都与无潮汐、当前潮汐和潮汐+海平面上升相结合），淹没模式随降雨强度和尾水状态的差异而显著变化（见图5）。在无潮汐情况下（自由排水；无施加的尾水/背压）和当前潮汐情况下（天文春潮引起的尾水），频繁发生的降雨事件（FR）仅产生微弱的表面淹没现象；而当FR与潮汐+海平面上升同时发生时（当前潮汐水位因海平面上升而上升），则会出现局部积水。相比之下，RP10–RP100在所有尾水状态下都会在霍博肯西部地区引起广泛淹没，尤其是在低洼地带以及与沿海排水口水力连接的区域（见图5d和5e）。图5显示了不同降雨-尾水组合下的最大淹没深度：列表示2016年10月22日发生的频繁降雨事件（FR）以及模拟的10年、50年和100年设计风暴（RP10、RP50、RP100）的最大淹没深度。行（a–c）分别映射了三种沿海尾水状态下的最大淹没深度（单位：米）：(a) 无潮汐（自由排水；无排水口淹没或潮汐背压）；(b) 当前潮汐（天文春潮引起的尾水）；(c) 潮汐+海平面上升（当前潮汐水位因海平面上升而上升）。行(d)显示了潮汐引入导致的深度变化，行(e)显示了海平面上升带来的额外变化。颜色越深表示淹没越深，无颜色区域表示未发生淹没；差异图中的红色表示深度增加，蓝色表示相对于基线的深度减少。图6a的深度分布量化了不同降雨强度下尾水效应的影响程度。在当前潮汐情况下，RP10的最大淹没深度增加最为明显（1.97–2.13米），而RP50和RP100的变化较小（分别为2.36–2.39米和2.44–2.46米）。海平面上升叠加效应进一步加剧了淹没程度，最高淹没深度达到0.50米（FR）、2.25米（RP10）、2.45米（RP50）和2.50米（RP100），这与更高海平面下的淹没严重性增加一致（Prakash等人，2020年）。

3.2 霍博肯地区的降雨-潮汐相互作用

在霍博肯进行的12次降雨-尾水模拟中（包括FR、RP10–RP100四种情况，每种情况都与无潮汐、当前潮汐和潮汐+海平面上升相结合），淹没模式随着降雨强度和尾水状态的不同而显著变化（见图5）。在无潮汐情况下（自由排水；无施加的尾水/背压）和当前潮汐情况下（天文春潮引起的尾水），频繁的降雨事件（FR）仅产生轻微的表面淹没；而当FR与潮汐+海平面上升同时发生时（当前潮汐水位因海平面上升而上升），则会出现局部积水。相比之下，RP10–RP100在所有尾水状态下都会在霍博肯西部地区引起广泛的淹没，尤其是在低洼地带和与沿海排水口水力连接的区域（见图5d和5e）。图5展示了降雨-尾水组合下的最大淹没深度：列显示了2016年10月22日发生的频繁降雨事件（FR）以及模拟的10年、50年和100年设计风暴（RP10、RP50、RP100）的最大淹没深度。行(a–c)分别映射了三种沿海尾水状态下的最大淹没深度（单位：米）：(a) 无潮汐（自由排水；无排水口淹没或潮汐背压）；(b) 当前潮汐（天文春潮引起的尾水）；(c) 潮汐+海平面上升（当前潮汐水位因海平面上升而上升）。行(d)显示了潮汐引入导致的深度变化，行(e)显示了海平面上升带来的额外变化。颜色越深表示淹没越深，无颜色区域表示未发生淹没；差异图中的红色表示深度增加，蓝色表示相对于基线的深度减少。图6a的深度分布量化了不同降雨强度下尾水效应的影响程度。在当前潮汐情况下，RP10的最大淹没深度增加最为明显（1.97–2.13米），而RP50和RP100的变化较小（分别为2.36–2.39米和2.44–2.46米）。海平面上升的叠加效应进一步加剧了淹没程度，最高淹没深度分别达到0.50米（FR）、2.25米（RP10）、2.45米（RP50）和2.50米（RP100），这与更高海平面下的淹没严重性增加一致（Prakash等人，2020年）。这些诊断结果共同表明，尾水位的升高既减少了有效的排水能力，又前期填充了主干管道的储水空间，从而增加了复合洪水发生的可能性和持续时间。

3.4 管道尺度上的雨水-海水相互作用

为了解决城市尺度单一流体模型中未明确表示的由密度驱动的海水入侵和冲刷问题，我们分析了第2.3节描述的理想化VOF CFD实验（见图3a中的域）。模拟设置了两种淡水流入速度（：米；：米），以涵盖与RP10和RP100相关的典型管道速度，分别在潮汐（当前潮汐；天文春季潮汐尾水）和潮汐+海平面上升（Tide + SLR）的条件下进行；淡水流入时间为0到30秒（见图8）。图8

管道尺度上的雨水-海水交换诊断结果，在尾水水位升高的情况下。（a，b）两种淡水流入速度（：0.6米；：1.2米）下，雨水（绿色）和海水（蓝色）的体积分数快照，在当前潮汐和潮汐+海平面上升条件下。淡水流入时间为0到30秒；快照显示在0秒、15秒、20秒、30秒和40秒。（c）随时间变化的储水池水深（红色）和（蓝色）；线型表示尾水状态（点线：无潮汐；虚线：潮汐；实线：潮汐+海平面上升）。（d）在管道某位置（a，b中指示）处，m深度的液体轴向速度大小；白色曲线标记了雨水（R）-海水（S）界面。（e）出口处的海水排放速率（负值：盐水回流系统；正值：海水输出）。标注了最大排放速率和零交叉时间，以量化每种情况下的海水冲刷情况。在潮汐条件下，海水在降雨流入之前就向内陆入侵并占据管道（见图8a）。一旦淡水流入开始，界面就向外海方向移动，海水逐渐被排出管道。冲刷效果强烈依赖于流量：在短时间内大量去除入侵的海水，而在长时间内则保留盐水核心（见图8a）。这种行为反映在储水池水位上（见图8c）：相对于无潮汐状态（未淹没的出口/自由排放），潮汐条件使储水池最大深度增加了约0.11米（对于RP10），而对于RP100则仅增加了约0.05米，表明在高流量下尾水的影响减小。在潮汐+海平面上升条件下，海水在管道中更持久，界面回撤更慢，即使对于RP100，在某时间点也未能完全冲刷干净（见图8b），而储水池最大深度相对于潮汐条件增加了约0.10-0.14米。无潮汐情况的案例见支持信息S1中的图S8。在m位置的截面诊断结果（见图8d）显示，在潮汐条件下，的轴向速度高于。

4.1 霍博肯的潮汐-雨水水力学

我们的模拟表明，现今的天文春季潮汐尾水加剧了霍博肯的降雨洪水，而海平面的升高进一步加剧了洪水的严重程度（见图6）。有两种网络尺度机制可以解释这种敏感性。首先，潮汐驱动的回水在降雨前预先填充了地下储水空间：在干燥天气（仅考虑干燥天气影响，DWF）的当前潮汐条件下，降雨开始时的网络平均管道占用率为约0.56（见图7g），在潮汐+海平面上升条件下增加到约0.81。这些预先填充的水平特定于所选的春季潮汐周期和霍博肯的排水系统几何形状及布局，但它们展示了一种普遍的沿海机制，即尾水位的升高减少了风暴开始前的可输送/储存能力。其次，排水口浸没产生了反压，这种反压会逆转或限制排放，使得在受潮汐影响的出口处峰值排水量减少了约45%（见图7b-7g）。减少的储存能力和受限的排水能力共同导致了在尾水高位时更广泛和更持久的地面淹没。一维蒙特卡洛不确定性分析表明，这些结论对校准参数和驱动因素的不确定性具有鲁棒性（见支持信息S1中的文本S3和图S10-S12）。在整个样本集中，潮汐相关影响在中等降雨量时最为明显，而随着降雨强度的增加，它们的贡献比例减小，雨水径流逐渐主导了系统响应。这些结果还强调了降雨和尾水条件之间的相互影响。在许多沿海地区，通常关注的是潮汐水位，然而降雨可以通过在系统预先充满水的情况下提高地下水位，从而将原本不显眼的尾水条件转化为具有影响的洪水。与这一点一致，我们的TFV分解（TFV = T + R + TRI）表明，在当前潮汐条件下，仅由潮汐引起的因素可以忽略不计，洪水主要由降雨主导，而一个较小的交互项（TRI）捕捉到了回水引起的预填充和排放限制（见图6d）。在潮汐+海平面上升条件下，TRI变得非零并且增加，表明尾水位升高与降雨引发的洪水之间的耦合更强。在我们的情景集中，TRI在中等设计风暴（RP10）时最大，而对于RP50-RP100则减小，这表明中等降雨量最有效地将尾水位升高转化为地面影响，尽管绝对洪水体积最大。

4.2 管道尺度的见解

管道尺度的CFD提供了过程级别的证据，说明雨水-尾水耦合如何随着风暴强度的变化而变化（见图8）。在理想化的管道实验中，即使在降雨流入之前，海水入侵在尾水位升高时仍然持续存在，但一旦淡水流入增加了储水池和管道中的水头，海水就会向外海方向撤退。对于较低的流入速度（0.6米；代表RP10规模的管道速度），海水排放保持负值的时间更长，零交叉时间为秒，储水池最大深度的增加约为0.11米，相对于无潮汐情况。对于较高的流入速度（1.2米；代表RP100规模的管道速度），恢复发生得更早（秒），最大深度的增加减少到约0.05米。在潮汐+海平面上升条件下，同样的强度依赖性仍然存在，但冲刷过程系统地更慢，海水滞留时间更长（见图8b-8e），这与在城市尺度上推断的较高海平面下的更大潮汐相关贡献一致。这些结果支持了城市尺度的发现，即随着降雨强度的增加，尾水效应的相对重要性减小：强降雨事件迅速产生足够的水头，克服了尾水带来的反压，使得潮汐成为峰值深度和恢复时间次要的贡献因素（见图6）。CFD结果还表明，在理想化的两相实验中，降雨驱动的溢流期间的地面积水主要由淡水阶段主导，而海水主要局限于管道/储水池中。这意味着基于示踪剂的复合洪水划分可能需要特别注意不完全混合和分层现象，特别是在尾水主要预先填充地下储水而不是直接淹没街道的情况下（Zhuang等人，2023年）。总体而言，城市尺度和管道尺度的分析表明，统一的海平面上升假设可能无法捕捉复合洪水中的制度依赖性。在储水受限的网络中，中等强度的风暴与尾水位升高相结合可能会导致较大的相对放大效应，而极端风暴即使在绝对影响增加的情况下仍然主要以降雨为主。

4.3 结构控制的有效性

我们通过在海滨的六个排水口安装鸭嘴止回阀来评估一种结构性的排水控制策略，并重新模拟了受潮汐影响的情景。在所有设计的风暴中，止回阀使最大淹没深度略有减少：在当前潮汐和潮汐+海平面上升条件下，淹没区域的深度变化为米，而RP100情况下洪水范围和严重程度的变化可以忽略不计（见支持信息S1中的图9）。与此一致的是，即使安装了止回阀，严重的淹没模式也基本保持不变；超过85%的淹没区域的最大深度仍然超过0.30米（见支持信息S1中的图S13）。最大的好处出现在降雨量低、尾水位高的情况下，防止潮汐入侵避免了麻烦的积水现象（例如，在潮汐+海平面上升条件下的FR）。总体而言，模拟表明，单向排水控制可以减少边界处的回流影响，但在高强度降雨期间网络广泛超载时，其缓解作用有限。图9

鸭嘴止回阀对受潮汐影响的尾水条件下最大淹没深度的影响。列显示了FR以及RP10、RP50和RP100设计风暴的情况。（a，b）显示在（a）当前潮汐和（b）潮汐+海平面上升条件下，所有海滨排水口安装了鸭嘴止回阀后的最大淹没深度（米）。（c，d）显示了止回阀引起的最大深度变化，定义为（c）当前潮汐和（d）潮汐+海平面上升条件下的变化（基准对应于图5b和5c）。深度被汇总到六边形单元中；负值表示装有止回阀后深度的减少。

4.1 霍博肯的潮汐-雨水水力学

我们的模拟表明，现今的天文春季潮汐尾水加剧了霍博肯的降雨洪水，而海平面的升高进一步增加了洪水的严重程度（见图6）。两种网络尺度机制可以解释这种敏感性。首先，潮汐驱动的回水在降雨前预先填充了地下储水空间：在干燥天气（仅考虑干燥天气影响，DWF）的当前潮汐条件下，降雨开始时的网络平均管道占用率为约0.56（见图7g），在潮汐+海平面上升条件下增加到约0.81。这些预先填充的水平特定于所选的春季潮汐周期和霍博肯的排水系统几何形状及布局，但它们说明了一种普遍的沿海机制，即尾水位的升高在风暴开始前减少了可用的输送/储存能力。其次，排水口浸没产生了反压，这会逆转或限制排放，直到雨水水位超过尾水位，从而在受潮汐影响的排水口处将峰值排水量减少了约45%（见图7b-7g）。减少的可用储存能力和受限的排水能力共同导致了在尾水位升高时更广泛和更持久的地面淹没。一维蒙特卡洛不确定性分析表明，这些结论对校准参数和驱动因素的不确定性具有鲁棒性（见支持信息S1中的文本S3和图S10-S12）。在整个样本集中，潮汐相关的影响在中等降雨量时最为明显，而随着降雨强度的增加，它们的贡献比例减小，雨水径流逐渐主导了系统响应。这些结果还强调了降雨和尾水条件之间的相互影响。在许多沿海地区，运营关注点通常集中在潮汐水位上，然而降雨可以通过在网络预先充满水的情况下提高地下水位，从而将原本不显眼的尾水条件转化为具有影响的洪水。与此一致，我们的TFV分解（TFV = T + R + TRI）表明，在当前潮汐条件下，仅由潮汐引起的因素可以忽略不计，洪水主要由降雨主导，而一个较小的交互项（TRI）捕捉到了回水引起的预填充和排放限制（见图6d）。在潮汐+海平面上升条件下，TRI变得非零并且增加，表明尾水位升高与降雨引发的洪水之间的耦合更强。在我们的情景集中，TRI在中等设计风暴（RP10）时最大，而对于RP50-RP100则减小，这表明中等降雨量最有效地将尾水位升高转化为地面影响，而极端风暴即使在绝对洪水体积最大的情况下也主要以降雨为主。

4.2 管道尺度的洞察

管道尺度的CFD提供了过程级别的证据，说明降雨-尾水耦合如何随着风暴强度的变化而变化（见图8）。在理想化的管道实验中，即使在降雨流入之前，海水入侵在尾水位升高时仍然持续存在，但一旦淡水流入增加了储水池和管道中的水头，海水就会向外海方向撤退。对于较低的流入速度（0.6米；代表RP10规模的管道速度），海水排放保持负值的时间更长，零交叉时间为秒，储水池最大深度的增加约为0.11米，相对于无潮汐情况。对于较高的流入速度（1.2米；代表RP100规模的管道速度），恢复发生得更早（秒），最大深度的增加减少到约0.05米。在潮汐+海平面上升条件下，同样的强度依赖性仍然存在，但冲刷过程系统地更慢，海水滞留时间更长（见图8b-8e），这与在城市尺度上推断的较高海平面下的更大潮汐相关贡献一致。这些结果支持了城市尺度的发现，即随着降雨强度的增加，尾水效应的相对重要性减小：强降雨事件迅速产生足够的水头，克服了尾水的反压，使得潮汐成为峰值深度和恢复时间的次要因素（见图6）。CFD结果还表明，在理想化的两相实验中，降雨驱动的溢流期间的地面积水主要由淡水阶段主导，而海水主要局限于管道/储水池中。这意味着，基于示踪剂的复合洪水划分可能需要特别注意不完全混合和分层现象，特别是在尾水主要预先填充地下储水而不是直接淹没街道的情况下（Zhuang等人，2023年）。综合来看，城市尺度和管道尺度的分析表明，统一的海平面上升假设可能无法捕捉复合洪水中的制度依赖性。在储水受限的网络中，中等强度的风暴与尾水位升高相结合可能会导致较大的相对放大效应，而即使绝对影响增加，极端风暴仍然主要以降雨为主。因此，仅针对边界入侵的干预措施（例如，单向排水控制）对解决麻烦情况最为有效，而容量扩展和表面滞留可能对极端降雨情况提供更大的好处。将尾水条件与降雨预报和网络状态（例如，预填充/占用）相结合，可以帮助公用事业优先考虑特定事件的运营和投资。

4.3 复合降雨-尾水强迫下的基础设施后果

复合降雨-尾水条件不仅影响地面淹没，还影响霍博肯管理雨天流量的水力设施。在模拟中，当当前潮汐或潮汐+海平面上升与降雨同时发生时，两个泵站（PS1，PS2）都会接近满负荷运行几个小时（见支持信息S1中的图S13），而在无潮汐情况下（自由排水口；没有尾水/回流），峰值泵送主要限于风暴高峰期，并随着储存量的排出而减少。在干燥天气（仅考虑干燥天气影响，DWF）条件下，潮汐驱动的回水也会维持较高的流量，这意味着运行时间更长，泵送接近泵送曲线的上限，这可能会增加能源使用和机械负荷（Kan等人，2022年；Kaya等人，2021年；Lin等人，2021年）。在下游，受潮汐影响的条件下增加的泵送可能导致污水处理厂（WWTP）的进水负荷更高且更不稳定。例如，PS2的排放量直接输送到WWTP，其设计容量为180,000立方米/小时（约2.1立方米/小时）；在复合事件期间，模拟的进水量可能接近（甚至在某些情况下超过）这一容量（见支持信息S1中的图S13）。如果均衡储水量有限，高速率泵送会减少有效的水力停留时间并增加旁路风险，而潮汐流入会稀释进水强度（Dirckx等人，2016年，2019年）。与盐水入侵相关的氯化物升高可能会进一步抑制下游基础设施中的硝化作用并加速腐蚀（Figueiredo等人，2020年；Srivastava等人，2021年）。这些结果表明，将尾水条件纳入泵站和WWTP的运营规划以及长期容量评估中，对于管理复合洪水的影响非常重要。

4.4 适应性影响：单点控制的局限性和组合措施的价值

我们的阀门实验展示了在复合强迫下单点结构排水控制的性能局限性（见图9）。在所有六个排水口安装鸭嘴止回阀通常可以将在当前潮汐和潮汐+海平面上升条件下的最大淹没深度减少米，并在RP100情况下提供有限的好处，尽管严重的淹没模式基本保持不变。特别是，安装止回阀后，超过85%的淹没区域的水深仍然超过0.30米（见支持信息S1中的图S9），这是一个与车辆运行受阻和潜在道路中断相关的保守深度范围（Evans等人，2024年；Schubert等人，2024年）。最大的好处出现在降雨量低、尾水位高的情况下（例如，在潮汐+海平面上升条件下的FR），防止潮汐回流避免了麻烦的积水现象。然而，一旦在强降雨期间CSS（潮汐控制系统）广泛超载，单向排水控制无法恢复输送能力或增加储存空间，从而限制了它们降低峰值深度的能力。这些发现与IPCC WGII强调的组合措施适应性相符，这些措施可以在更广泛的未来情景中提高韧性（IPCC，2023b）。虽然这里没有明确模拟分布式绿色基础设施（GI）和基于自然的解决方案（NbS），但上游措施可以减弱流入峰值和流量（例如，生物滞留、透水铺装、植被沟渠和滞留设施）可以减少网络超载的频率和持续时间，而下游的止回阀可以限制边界处的尾水回流。这种混合的“蓝绿”配置可以同时解决降雨和尾水问题，并提供共同的好处（例如，降温和栖息地），但其可行性和性能将取决于具体地点，特别是在空间限制、地下水较高和维护要求受限的情况下（Andersson等人，2022年；Li等人，2020年；Liu等人，2020年；Maragno等人，2018年；Pallathadka等人，2022年）。

4.5 决策相关的诊断和可转移性

通过结合城市尺度的水力学和管道尺度的过程洞察，本研究确定了控制潮汐影响排水网络中复合洪水的水力约束：尾水驱动的地下储水预填充和沿海排水能力的限制，以及在最高降雨强度下尾水的相对影响减小。分析还量化了泵站和污水处理厂（WWTP）所承受的连锁应力（详见支持信息S1中的图S13），并表明以边界为中心的控制措施（鸭嘴止回阀）主要减少了不良影响，但在极端降雨期间提供的缓解作用有限（见图9）。该框架的一个实际贡献是它提供了决策相关的诊断工具：可以绘制出尾水淹没出水口的地图，量化预填充/占用情况以及出水口的节流程度，并评估候选干预措施如何改变不同降雨-尾水组合下的这些瓶颈问题。在霍博肯，这些诊断结果与“通过设计重建”-哈德逊河计划的“抵抗、延迟、储存、排放”策略（NJDEP，2013年）的意图一致，该策略结合了海岸保护、雨水延迟、储存和排放改造措施。更广泛地说，基于情景的洪水映射和性能诊断可以帮助在海平面上升和降水变化的情况下对基础设施进行压力测试，并可能有助于为FEMA的社区评级系统（CRS）等项目的文档编制提供支持，包括与洪水灾害地图绘制和雨水管理相关的活动（FEMA，2025年；NJDEP，2025年）。这里确定的核心机制在物理上是通用的，但它们的定量重要性取决于具体地点。具有较低出水口倒垂、受潮汐影响较长的主干管道、有限储存能力和低洼集水区的系统更容易受到尾水驱动的预填充和节流的影响，而具有较高出水口、分离设施或主动泵送系统的系统则可能不那么敏感。为了进行可转移的评估，我们建议采用以下工作流程：(a) 使用本地DWF和降雨数据以及多源观测结果来校准和验证城市1-D/2-D模型；(b) 运行一系列因子化的降雨-尾水情景组合，并通过集合参数抽样来量化不确定性，同时保持可行的计算成本；(c) 应用高分辨率的2-D模拟来绘制淹没情况并筛选干预措施。这种方法使公用事业公司能够识别其网络中的主要驱动因素，并优先考虑特定的投资，包括边界控制、储存/滞留、输送系统升级和分布式地下水处理。

4.6 研究局限性与研究展望

我们的框架在覆盖城市规模和计算可行性之间取得了平衡。耦合的1-D/2-D求解器将流动视为单一不可压缩相，因此无法明确解决湍流、分层或在尖锐的雨水-回流水界面处的双向剪切问题。管道尺度的两相CFD实验提供了关于入侵和冲刷过程的见解，但这些实验是有意简化的，并非对整个霍博肯网络中盐度传输的精确预测。未来的工作应加强多尺度耦合（例如，在城市尺度模拟和针对性的两相或降阶模型之间交换尾水/回流参数化），并在局部重要的情况下纳入额外的驱动因素（例如，风浪作用、河流排放和地下水位动态）。模型的准确性还受到密集城市排水系统中常见数据限制的影响，包括不完整的建成元数据（倒垂管、直径、坡度）、依赖单一雨量计、为便于计算而进行的参数汇总以及长期使用的仪表中的噪声/漂移。实际的改进措施，如更新建成数据、更密集的降雨强迫数据（额外的雨量计或基于雷达的场数据）、定期维护仪表以及低成本传感器网络，将有助于减少这些不确定性。即将到来的无人机摄影测量和众包洪水报告也可以改进表面淹没情况的基准测试。不确定性量化和验证仍然不完整。我们通过本地1-D集合来传播不确定性，以获得网络响应的预测范围，但计算限制了大规模集合2-D传播和结构误差的全面评估。同样，2-D验证主要依赖于淹没范围（例如，SAR衍生的地图）以及稀疏的街道级观测数据，这反映了直接洪水深度测量的稀缺性。针对性的2-D集合、GPU加速求解器和替代模型可以实现更广泛的不确定性传播，并支持更系统的推理和实时预测。最后，海平面上升实验使用了统一的尾水偏移作为示例敏感性指标，但这可能无法捕捉到不同事件中降雨、尾水和相互作用相对重要性的变化。例如，考虑降雨-尾水联合概率的情景设计或与事件时间匹配的潮汐演变轨迹，将提高真实性和可转移性。尽管存在这些限制，这里提出的诊断工具（预填充/占用情况、出水口节流以及基于情景的干预措施筛选）提供了可操作的决策支持，并为随着数据密度和计算能力的提高而进行的迭代改进指明了方向。

5 结论

我们开发了一种复合降雨-尾水洪水工作流程，该流程结合了高分辨率、经过校准/验证的1-D/2-D城市排水-淹没模型和互补的过程级3-D VOF模拟，以解释管道尺度上的盐水入侵和冲刷现象。应用于新泽西州霍博肯的模拟结果显示，天文春潮期间的尾水主要通过(a)预填充地下储水和(b)限制海岸排放能力来加剧淹没：在降雨开始时，网络平均管道占用率从无潮汐（自由排水口）下的低值增加到有潮汐和海平面上升（Tide + SLR）下的显著更高值，而受潮汐影响的出水口处的峰值排放量显著减少。在尾水升高情况下，洪水深度、面积和体积都会增加，但随着降雨强度的增加，与潮汐相关的效应的比例重要性下降；驱动因素分解表明在有潮汐情况下降雨占主导地位，同时伴随着适度的相互作用项，在Tide + SLR情况下则相互作用更大，且仅受潮汐影响的贡献也不为零。管道尺度的CFD模拟通过显示在高流入动量下的更快盐水冲刷现象，支持了这种依赖性。复合强迫还增加了泵站的应力，并可能导致污水处理厂的输入量接近其额定容量。最后，仅依靠以边界为中心的结构控制措施（例如鸭嘴止回阀）在极端降雨期间提供的缓解作用是有限的，这突显了需要制定考虑事件因素的投资组合，将回流控制与上游径流减少/储存以及基于诊断结果（如出水口淹没、预填充/占用情况和排放节流）的自适应操作相结合。

致谢

本研究得到了特拉华大学的种子基金和美国陆军工程兵团ERDC承包办公室（合同编号W912HZ-22-2-0015）的支持。我们感谢北哈德逊污水管理局提供的水文和基础设施数据，以及新泽西州GIS办公室和NOAA提供的开放地形和潮汐计记录。资助者在研究设计、数据收集、分析或解释方面没有发挥作用，也没有参与决定提交论文发表。本文中表达的任何观点、发现、结论或建议均为作者个人观点，不一定反映美国陆军工程兵团ERDC承包办公室的观点。

作者声明与本研究无关的任何利益冲突。

支持本研究的数据来自多个第三方来源。关于合流制 sewer 系统基础设施（检查井、出水口和管道）的示意图数据可以通过北哈德逊污水管理局（NHSA）网站上的“Sewer Atlas Map 1 of 3—Hoboken”部分公开获取（https://www.nhudsonsa.com）。详细的GIS基础设施数据集和原始排放观测数据是 NHSA 的专有信息，公众无法直接访问。符合资格的研究人员可以通过联系 NHSA（[e-mail]）并提交保密协议和所需的数据请求表来申请获取这些受限数据集的学术用途访问权限。关于家庭污水流量、地下水渗透和土地利用的数据在新泽西州环境保护部水质部门的CSO长期控制计划（“North Hudson Sewerage Authority—Adams Street”）中公开发布（https://dep.nj.gov/dwq/combined-sewer-overflow/cso-controls）。地形信息来自 NJOGIS 提供的数字高程模型（DEM）（https://maps.nj.gov/arcgis/rest/services/Elevation/NJ_10ft_DEM/ImageServer）。建筑物轮廓来自 GlobalMLBuildingFootprints 仓库（https://github.com/microsoft/GlobalMLBuildingFootprints.git），而土壤类型信息则来源于自然资源保护局（https://websoilsurvey.nrcs.usda.gov/app/WebSoilSurvey.aspx）。洪水淹没范围是使用合成孔径雷达（SAR）数据绘制的，详细信息请参阅 UN-SPIDER 知识门户上的“使用Sentinel-1 SAR数据在Google Earth Engine中进行洪水映射和损害评估”（https://www.un-spider.org/advisory-support/recommended-practices/recommended-practice-google-earth-engine-flood-mapping/step-by-step）。Battery 站点的潮汐数据来自美国国家海洋和大气管理局（NOAA；https://tidesandcurrents.noaa.gov/noaatidepredictions.html?id=8518750），合成降雨输入数据取自 NOAA Atlas 14 的降水量频率估计（https://hdsc.nws.noaa.gov/pfds/pfds_map_cont.html?bkmrk=nj）。洪水模拟和分析使用的是 PCSWMM 的许可版本（https://www.chiwater.com），这是一个由 Computational Hydraulics International (CHI) 开发的商业建模平台。出于教育目的，CHI 提供了无需购买许可证即可打开和查看模拟文件的 PCSWMM 评估版本。参数校准使用 PySWMM 和 PEST 进行。PESWMM 是 EPA Storm Water Management Model 的 Python 接口，可以实现 SWMM 项目的程序化控制和分析（McDonnell 等人，2020年）。PEST 自动化了高度参数化的校准以及任何数值模型的校准约束不确定性分析。其源代码和文档可在网站（https://pesthomepage.org/）获取，Doherty 和 Hunt（2010年）提供了免费的用户指南。CFD 模拟在 ANSYS Fluent 2024 R2（https://www.ansys.com/academic/students/ansys-student）中执行，该软件可供学术用途免费使用。

参考文献（来自支持信息）

Ekambara, K., Sanders, R. S., Nandakumar, K., & Masliyah, J. H. (2008). 水平管道中气泡状两相流的CFD模拟. 化学工程杂志, 144(2), 277–288. https://doi.org/10.1016/j.cej.2008.06.008

Gao, L., Du, H., Huang, H., Zhang, L., & Zhang, P. (2023). 在低洼沿海城市中模拟降雨和风暴潮事件共同引发的复合洪水. 水文学杂志, 627, 130476. https://doi.org/10.1016/j.jhydrol.2023.130476

Ghanbari, M., Dell, T., Saleh, F., Chen, Z., Cherrier, J., Colle, B., 等. (2024b). 海平面变化和降雨模式对纽约市降雨洪水的复合影响. 自然灾害, 120(7), 6377–6400. https://doi.org/10.1007/s11069-024-06466-8

Hasan Tanim, A., & Goharian, E. (2021). 开发用于城市沿海洪水中风暴潮和径流相互作用的混合建模和多变量分析框架. 水文学杂志, 595, 125670. https://doi.org/10.1016/j.jhydrol.2020.125670

Jo, J., Kim, S., Kim, J., & Mori, N. (2025). 海岸和降雨引发的复合洪水：包括潮汐、波浪、降雨、径流和海堤失效的城市地区. SSRN, https://doi.org/10.2139/ssrn.5092966

Long, Z.-Y., & Gao, L. (2023). 使用数值模型估计海平面上升和风暴潮的综合风险：以澳门为例. 清洁生产杂志, 407, 137155. https://doi.org/10.1016/j.jclepro.2023.137155

Meyers, S. D., Landry, S., Beck, M. W., & Luther, M. E. (2021). 使用逻辑回归模型来模拟复合洪水引发的城市污水溢出风险，并将其应用于海平面上升情况. 城市气候杂志, 35, 100752. https://doi.org/10.1016/j.uclim.2020.100752

Qiang, Y., Zhang, L., He, J., Xiao, T., Huang, H., & Wang, H. (2021). 使用等效排水方法分析珠江三角洲城市在降雨-高潮-风暴潮事件下的城市洪水情况. 水文学杂志, 597, 126293. https://doi.org/10.1016/j.jhydrol.2021.126293

Sadler, J. M., Goodall, J. L., Behl, M., Bowes, B. D., & Morsy, M. M. (2020). 探索实时控制雨水系统以减轻海平面上升引起的洪水风险. 水文学杂志, 583, 124571. https://doi.org/10.1016/j.jhydrol.2020.124571

Sangsefidi, Y., Barnes, A., Merrifield, M., & Davani, H. (2023). 基于数据的分析和综合建模气候变化对沿海地下水和卫生污水基础设施的影响. 可持续城市与社会, 99, 104914. https://doi.org/10.1016/j.scs.2023.104914

Wahl, T., Jain, S., Bender, J., Meyers, S. D., & Luther, M. E. (2015). 美国主要城市因风暴潮和降雨引发的复合洪水风险增加. 自然气候变化, 5(12), 1093–1097. https://doi.org/10.1038/nclimate2736

Wang, Z., Leung, M., Mukhopadhyay, S., Sunkara, S. V., Steinschneider, S., Herman, J., 等. (2025). 气候变化下旧金山湾的复合沿海洪水. NPJ 自然灾害, 2(1), 3. https://doi.org/10.1038/s44304-024-00057-0

Xu, H., Tian, Z., Sun, L., Ye, Q., Ragno, E., Bricker, J., 等. (2022). 热带气旋期间水位和降雨对沿海城市的复合洪水影响：以上海为例. 自然灾害与地球系统科学, 22(7), 2347–2358. https://doi.org/10.5194/nhess-22-2347-2022

Yuan, J., Zheng, F., Duan, H.-F., Deng, Z., Kapelan, Z., Savic, D., 等. (2024). 海岸城市复合洪水的数值建模和量化. 水文学杂志, 630, 130716. https://doi.org/10.1016/j.jhydrol.2024.130716

Zellou, B., & Rahali, H. (2019). 极端降雨和风暴潮对沿海地区洪水风险的联合影响评估. 水文学杂志, 569, 647–665. https://doi.org/10.1016/j.jhydrol.2018.12.028

Zhuge, W., Liu, X., Li, H., & Liang, B. (2024). 极端风暴潮和海平面上升下的高分辨率沿海洪水模拟：以澳门为例. 流体物理杂志, 36(12), 126637. https://doi.org/10.1063/5.0246103