基于模型与子计量数据的屋顶雨水收集系统户外用水性能评估

《Journal of Environmental Management》:Assessment of outdoor water usage for performance of rooftop rainwater harvesting systems using modelled and sub-metered data

【字体: 大 中 小 】 时间:2026年08月01日 来源:Journal of Environmental Management 9.2

编辑推荐:

  屋顶雨水收集系统(RRWHS)的日益普及要求对其性能进行现实评估。基于对40个住宅物业11年的监测,研究人员使用关键水文指标分析了这些系统的有效性,并将模型水质量平衡与实际户外用水进行了比较。结果表明,当地条件(屋顶面积、绿地比例和大小)以及用户行为对系统效率

  
屋顶雨水收集系统(RRWHS)的日益普及要求对其性能进行现实评估。基于对40个住宅物业11年的监测,研究人员使用关键水文指标分析了这些系统的有效性,并将模型水质量平衡与实际户外用水进行了比较。结果表明,当地条件(屋顶面积、绿地比例和大小)以及用户行为对系统效率具有关键影响,且理论模型系统性地高估了花园灌溉用水量。研究结果证明,在建模中使用固定的假设性灌溉方案并不能反映实际且由行为决定的水消费模式。因此,研究人员强调需要在计算算法中实施基于实际子计量数据和用户偏好的数据驱动方法,以优化水箱容量选择,并使RRWHS水文性能评估更加现实。
**论文解读**

**研究背景与问题**
随着城市化与气候变化加剧,全球城市面临干旱期缺水与暴雨期洪涝的双重挑战。屋顶雨水收集系统(RRWHS)作为一种分散式解决方案,可补充非饮用水需求(如灌溉)并缓解排水管网压力,但其性能评估亟需真实数据支撑。现有研究多采用基于水质量平衡的连续模拟方法(如Yield After Spillage算法),但依赖固定的假设性用水模式,忽略了季节性降雨变异、用户行为差异及实际用水监测数据的缺乏。此外,针对单户住宅的户外用水(如花园灌溉)的高分辨率监测数据极少,导致模型设计常高估水箱容量与投资成本。为此,研究人员基于波兰?widnica地区40个单户住宅11年的子计量数据,开展模型与实测数据的对比分析,旨在揭示RRWHS的实际水文性能,并验证理论模型是否系统性高估用水需求。该研究发表于《Journal of Environmental Management》。

**主要技术方法**
研究区域位于波兰下西里西亚省?widnica市,涵盖40个单户住宅,平均绿色面积占比38.9%。关键技术方法包括:(1)基于Excel的每日水质量平衡模型,采用YAS释放规则,模拟生长季节(4–9月)的雨水收集、储存与灌溉过程,水箱容量通过PANDa模型及Rainwater Use Calculator确定;(2)子计量数据采集,从供水公司获取2012–2022年每月花园水表读数,标准化为30天周期,筛选出40个连续记录≥5年且用水量>0的物业;(3)水文性能指标计算,包括雨水捕获效率(SCE)、节水效率(WSE)和时间可靠性(TR);(4)统计检验,采用重复测量方差分析(ANOVA)、Friedman检验及事后分析,并利用均方根误差(RMSE)、平均绝对误差(MAE)和纳什-萨特克里夫效率系数(NSE)评估模型拟合度。

**研究结果**
**3.1 年度与月度关键水文指标**
基于11年模拟,研究人员发现SCE、WSE和TR的年均值分别为64.67%、42.05%和5.90%。SCE在干旱年份(如2015–2018)中位数达74.95%–94.29%,因低降雨量导致水箱频繁空置,提高捕获效率;而在多雨年份(如2013)中位数降至43.42%,因溢流增加。WSE在湿年(如2012、2014)中位数约60%,在干旱年份(如2015、2018)降至25%–31%,表明可用水量与需求不匹配。TR全年低于10%,中位数2.73%–7.65%,说明RRWHS仅能作为补充水源。统计检验显示,年份对SCE(F=1388.31)、WSE(F=1185.37)和TR(F=117.18)均具有显著影响(p<0.001),其中2015年因极端干旱被识别为异常年份。在月度尺度上,SCE在4月最高(中位数100%),7–8月下降;WSE和TR在6–7月达到峰值,反映夏季高需求。皮尔逊相关分析表明,SCE与绿色面积占比正相关(r=0.44),与屋顶面积负相关(r=?0.55);WSE和TR与屋顶面积正相关(r=0.64和0.68),与绿色面积负相关(r=?0.78和?0.80),说明水箱容量与供需匹配是关键。

**3.2 模型与子计量户外用水对比**
**3.2.1 模型户外用水数据**
模拟显示,平均月户外用水量为19.8 dm3/m2(每平方米绿地),单位面积(绿地)用水量中位数28 dm3/m2·年,最高54 dm3/m2·年,最低4 dm3/m2·年。月用水量在4月和9月最高(中位数约30 dm3/m2),因模型假设固定灌溉频率(每2天一次),导致春季和秋季需求高估。

**3.2.2 子计量户外用水数据**
实测数据显示,平均月户外用水量仅4.01 dm3/m2(每平方米绿地),年用水量中位数2–5 dm3/m2,最高约18–24 dm3/m2。月用水量在6–7月最高(中位数约4.5 dm3/m2),4月和9月最低(第一四分位数接近0),反映用户倾向于在夏季集中灌溉。

**3.2.3 模型与实测差异**
对比发现,模型系统性高估用水量,全球平均偏差达+587%。RMSE为14.42 m3,MAE为12.37 m3,NSE为?3.19,表明模型性能劣于简单均值。年度尺度上,差异在干旱年份(如2018)最大(RMSE 17.63 m3),湿年(如2014)较小(MAE 8.35 m3)。月度尺度上,夏季(6–7月)误差最小(MAE约10–11 m3),而4月和9月NSE低至?11.45和?18.53,因用户实际灌溉开始与结束时间不固定。热图显示,多数物业模型值高于实测值,但差异幅度因物业而异(如P6、P12年差值超100 m3),而P1等个别物业在某些年份出现负差值(实测高于模型),说明用户行为(如干旱期加强灌溉)导致极端情况。

**讨论与结论**
**讨论部分总结**
研究人员指出,模型局限性源于固定灌溉假设(每2天浇灌全部绿地),未考虑实际气象条件(温度、湿度)和用户决策(如观察植物状态、时间限制)。用户行为(如手动灌溉时的节水意识)显著降低用水量,与Sarpong等(2022)研究一致:低收入、老年或女性户主及受过节水教育的居民用水更少。对于自动灌溉系统,模型可能适用,但波兰仍以手动灌溉为主,因此基于模型的设计易导致水箱容量过大。建议设计时采用子计量数据或用户偏好调查,以反映真实用水模式,并引用Burszta-Adamiak等(2025)提出的用水指数(WUI)优化水箱容量。研究局限性包括:仅使用月度子计量数据,无法捕捉日降雨分布;缺乏水箱实时进出水数据;模型假设简化。未来应开发数据驱动方法,结合实时控制(RTC)技术提高准确性。

**研究结论翻译**
1. 关键水文性能指标(SCE、WSE、TR)在物业间的变异性大于月度或年度尺度,表明RRWHS满足花园灌溉需求的能力受物业具体特征(如屋顶面积、绿地比例)的强烈影响,而非仅取决于降雨条件。皮尔逊相关分析证实,较大绿地面积有利于SCE(相关系数0.44),较大屋顶面积降低SCE(?0.55),而WSE和TR与屋顶面积正相关(0.64和0.68)。11年分析期内,SCE、WSE和TR年均值分别为64.67%、42.05%和5.90%。
2. 模型与实测数据对比显示,模拟月平均灌溉需求(28 dm3/m2绿地)比实际值(4.01 dm3/m2绿地)高7倍。月度差异显著:模型最高需求在4月和9月,而实测在6月和7月,后者更符合波兰气候实际(夏季生长高峰)。因此,子计量数据更能反映真实户外用水模式。
3. 年度尺度上,多数物业模型值高于实测值,表明模型系统性高估实际用水,但差异大小因物业而异,说明物业间变异性与时间变异性同等重要。固定假设性灌溉方案无法反映手动灌溉下的用户行为。
4. 为优化未来RRWHS项目的水文性能与效率,设计者应考虑物业主的灌溉偏好及存档的子计量数据,以提供真实输入参数,确保稳定供水并提升用户对气候变化适应策略的满意度。

综上,模型与实测的差异主要源于空间(物业间)因素,且受当地条件和用户决策的强烈影响,简化标准规则无法完全捕捉这些因素。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号