巴拉·卡瓦·M·萨利姆 | 贾汉·M·谢赫·苏莱曼尼
伊拉克埃尔比勒萨拉哈丁大学工程学院土木工程系
**摘要**
气候变化和城市化显著增加了许多地区城市洪水和干旱的频率和强度。本研究选择的地区代表半干旱城市环境的是恩纳斯拉瓦（Bnaslawa），它位于伊拉克库尔德斯坦地区埃尔比勒快速扩展的城市区域内。该研究结合了地理建模和水文建模，以评估包括绿色屋顶和蓄水池在内的措施在减少雨水徑流和洪水风险方面的有效性。为了确定最佳位置，研究团队采用了一种最佳管理实践选址方法，考虑了坡度、土地使用情况、不透水表面、水文土壤类型、地下水深度以及与建筑物、道路和水道的距离等因素。有1.35平方公里的潜在区域适合安装绿色屋顶。在屋顶互动明显且排水基础设施较差的居民区，同时分发了雨水桶。研究使用美国环境保护署（EPA）的雨水管理模型，根据2年、5年、10年、25年和45年的重现期来评估水文性能。研究表明，绿色屋顶可以储存多达155,670立方米的雨水，并在低强度和中等强度的暴雨中减少10-12%的峰值流量。蓄水池也在某些地方有助于减少径流。最佳管理实践的综合选址方案提高了系统的韧性，在温和事件中延迟了峰值流量，并将总体径流量减少了35-75%。总体而言，研究结果表明，在规划中纳入绿色基础设施可以显著提升城市的洪水管理能力，同时为基于自然的利用提供有益的基础。这些解决方案可以应用于未来的城市发展和雨水控制。
**1. 引言**
水文气象灾害的加剧，如极端降雨事件、干旱、洪水和温度波动，是气候变化的主要表现，这已成为二十一世纪的一个关键挑战。由于温室气体浓度上升和城市化加速，这些现象在全球范围内变得更加普遍和严重[1]。自然环境和人造环境都受到了气候变化引起的降水模式和风暴强度变化的影响。不透水表面干扰了自然水文过程，增加了地表径流和洪水风险，尤其是在城市地区[18]。到2050年，全球将有67亿人生活在城市中，这将对水资源管理和城市排水系统带来额外的压力[2]。这些问题在半干旱地区尤为严重，因为这些地区的城市容易受到强降雨高峰和水资源短缺的联合影响，原因是缺乏自然植被和脆弱的生态系统。
伊拉克库尔德斯坦地区（KRI）气候变化的影响日益明显。该地区的降水模式发生了显著变化，降雨事件变得更短但更强烈，通常会超出附近的排水系统所能承受的范围[3]。近期的气象数据显示，年总降雨量呈下降趋势，而年际变化性增加[4]，这对水资源安全、农业和城市基础设施构成了严重威胁。世界各地的地区和城市都采用了技术和自然解决方案，以提高城市韧性并更可持续地管理雨水[5]。利用绿色基础设施（GI），即一系列模仿自然水文过程的技术，在降雨发生的地方进行管理，是最有前途的策略之一。透水铺装、植被滞留池、雨水花园、生物洼地、绿色屋顶和人工湿地都是GI干预措施的例子[5, 6]。这些措施除了减少地表径流和改善水质外，还提供了城市冷却、空气净化和生物多样性增加等附加效益[7]。在美国波特兰、丹麦哥本哈根和澳大利亚墨尔本等城市，成功地将GI整合到雨水管理系统中，降低了洪水风险并提高了城市宜居性[7]。
然而，发展中国家和受冲突影响的地区往往缺乏组织和实施GI所需的技术和制度能力。KRI管理雨水的最常见方法仍然是灰色基础设施，如涵洞、明沟和雨水管道[8]。虽然当地有一些修复城市基础设施的举措，但这些举措通常是反应性的，关注范围有限，且不与长期可持续性目标相联系[8]。
恩纳斯拉瓦是一个住宅和半工业中心，正在迅速城市化。在过去20年里，这个历史上属于农村地区的地区经历了土地使用的重大变化，如自然渗透区的消失和不透水表面的增加。目前，恩纳斯拉瓦的排水系统由有限的雨水通道和传统的灰色基础设施组成，其中许多设施陈旧、维护不善或规模过小，无法应对当前的径流量[4]。此外，该系统缺乏冗余和应急溢流能力，且没有完整的径流管理计划。在2022年和2023年春季等高强度降雨期间，该地区的大片区域发生了严重的地表洪水[4]。尽管存在这些问题，但尚未正式评估将绿色基础设施纳入恩纳斯拉瓦雨水管理系统的可能性。缺乏GI不仅限制了该地区减少径流的能力，还加剧了城市热应力和降低了地下水补给[8]。由于缺乏空间数据和决策支持工具，基于水文、地形和土地使用因素的GI选址也受到阻碍。没有针对具体地点的建模或适宜性分析，库尔德斯坦地区少数研究GI的地方性调查主要集中在一般性建议上[8]。因此，关于如何在恩纳斯拉瓦应用GI以减轻日益严重的水文气象事件的影响，仍然存在很大的知识空白。
通过分析绿色基础设施如何影响雨水流量、城市中的径流量以及暴雨期间损失的水量，水文和水力模拟对于理解其有效性至关重要。美国环境保护署（EPA）的雨水管理模型（SWMM）已成为评估基于自然的解决方案（NBS）效果的最常用模拟工具之一[18]。它能够展示低影响开发（LID）控制措施（如生物滞留池、透水铺装、绿色屋顶和渗透沟）的工作原理[18]。SWMM允许用户模拟在不同降雨条件下的复杂水文过程，如地表径流、渗透、蒸散发和地下排水[27]。这些模拟工具有助于改进单个绿色基础设施元素的设计，并允许进行流域规模的评估，从而帮助战略性地放置和调整NBS，以满足特定的雨水管理目标和监管要求[14]。
本研究的创新之处在于它将水文建模与基于GIS的多标准决策框架相结合，以寻找、排序和衡量适用于半干旱气候的适宜GI干预措施。所选研究区域是一个非均匀的城市区，曾多次发生洪水。由于最初的雨水排水系统设计不佳，该地区夏季炎热且降雨渗透能力不足。此外，该地区没有用于自然渗透或地下水补给的土地，也无法应对气候变化带来的更高降雨量。
为了回答研究问题，本研究有四个主要目标：（1）使用历史频率分析描述极端降雨和设计暴雨事件；（2）使用基于GIS的多标准评估框架绘制GI/NBS的适宜性；（3）使用SWMM模拟评估选定GI方案的水文性能；（4）提出基于证据的规划和建议，以提高半干旱城市的洪水韧性。
这项研究提供了一种特定于情境的方法论框架，专为面临气候变化、排水设计不足和渗透基础设施不足等复合挑战的半干旱、快速扩张的城市流域设计。与大多数在湿润或温带地区进行的GI研究相比，该研究为水资源匮乏和基础设施缺乏的城市提供了有用的、可转移的建议。
**2. 材料与方法**
2.1 **研究区域**
恩纳斯拉瓦位于埃尔比勒大都会区上游的水文流域，大约在埃尔比勒城堡东南方向10公里处，坐标为44°8′59.151″E，36°9′7.055″N。根据埃尔比勒政府的记录，恩纳斯拉瓦成立于1987年，面积为143.2平方公里，其中20平方公里处于市政管理范围内（图1）。该地区有多种用途的土地，城市正在迅速扩张，社区既有规划好的也有无计划的[1]。
与伊拉克其他地区类似，根据柯本气候分类，恩纳斯拉瓦属于半干旱气候。冬季寒冷且降雨不规律而猛烈，夏季漫长且极其炎热，日最高气温超过40°C。大部分降水发生在11月至4月之间，年降水量从干旱年的200毫米到湿润年的600毫米不等[9]。
从地形上看，恩纳斯拉瓦位于一个较高的区域，自然排水到埃尔比勒市中心。由于其上游位置，它对调节峰值径流排放起着重要作用。从水文建模的角度来看，该地区是下游城市洪水的贡献流域[10]。径流系数增加的主要原因是不透水表面覆盖范围的扩大和土壤渗透能力的降低[10]。为埃尔比勒制作的降雨强度-持续时间-频率（IDF）曲线显示，2006年记录的最高日降雨量为103.9毫米[9]。
2.2 **降水数据**
埃尔比勒气象站（坐标36.1128°纬度，44.0033°经度）提供了历史每日降雨数据。这些数据覆盖了1980年1月1日至2024年12月31日的45年期间，为水文气象分析提供了长期的时间记录（表1）。
表1显示了1980-2024年期间的年降水量和年最大降雨日：
| 年份 | 年降水量（毫米） | 24小时降水量（毫米） |
| --- | -------- | ---------- |
| 1980 | 471.5 | 76 |
| 2003 | 487.3 | 92 |
| 1981 | 404.4 | 40.9 |
| 2004 | 448.5 | 41.4 |
| 1982 | 444.1 | 38.1 |
| 2005 | 295.2 | 34 |
| 1983 | 302 | 232.9 |
| 2006 | 462.4 | 103.9 |
| 1984 | 315.9 | 273.5 |
| 2007 | 273.5 | 282 |
| 1988 | 229 | 37.8 |
| 1989 | 373.3 | 36.9 |
| 1990 | 335 | 348.4 |
| 1991 | 366.4 | 293.7 |
| 1992 | 351.7 | 181 |
| 1993 | 376.5 | 243.7 |
| 1994 | 410.1 | 151 |
| 1995 | 243.7 | 157 |
| 1996 | 369.9 | 55.8 |
| 1997 | 463.4 | 418 |
| 1998 | 363.9 | 36.4 |
| 1999 | 494.4 | 583.4 |
| 2000 | 333 | 386 |
| 2001 | 332 | 283 |
| 2002 | 249 | 272 |
| 2003 | 240 | 272 |
| 2004 | 251.9 | 222 |
| 2005 | 228 | 34 |
| 2006 | 249 | 232 |
| 2007 | 251.9 | 283 |
| 2008 | 248 | 232 |
| 2009 | 321 | 212 |
| 2010 | 241 | 338 |
| 2011 | 336 | 269 |
| 2012 | 351.7 | 176 |
| 2013 | 373 | 243 |
| 2014 | 410.1 | 151 |
| 2015 | 243 | 157 |
| 2016 | 360 | 177 |
| 2017 | 369.9 | 55.8 |
| 2018 | 463.4 | 418 |
| 2019 | 363.9 | 36.4 |
| 2020 | 494.4 | 583.4 |
| 2021 | 363 | 363 |
| 2022 | 474.4 | 36.8 |
| 2023 | 400 | 272 |
| 2024 | 249 | 251.9 |
| 2025 | 232 | 222 |
| 2026 | 288 | 345 |
| 2027 | 248 | 232 |
| 2028 | 249 | 232 |
本研究考虑了五个重现期：两年、五年、十年、二十五年和四十五年。使用Weibull分布位置公式计算了相应的降雨量[1]：
T = 重现期（年）
n = 记录中的年数
m = 年最大降雨值的排名（从高到低排序）
不同的工程标准使用不同的重现期。例如，频繁径流控制的重现期为2-5年，污水管道设计为5-10年，城市洪水防护为10-25年，韧性评估为25-50年[29]。这意味着所选的重现期涵盖了所有主要的设计类别[29]。
该方法利用历史降雨事件频率分析来估计与不同重现期相关的降水深度，无需进一步的参数调整（表2）。
表2显示了降雨强度事件的频率分布。x轴表示降雨强度（毫米/小时），y轴表示研究期间观察到的事件频率（发生次数）。图2展示了极端或频繁降雨事件的时间集中情况，描绘了最常见的强度范围。条形图代表了基于埃尔比勒气象站测量的45次降雨事件，每个强度类别内记录的降雨事件的相对比例。为了评估自然基解决方案（NBS）策略的空间适用性，土地利用和土地覆盖（LULC）数据至关重要。该研究的LULC数据来自相关政府部门的官方文件以及使用Sentinel-2卫星图像的遥感方法。欧洲航天局（ESA）的Sentinel-2多光谱数据非常适合土地覆盖分析，因为它具有频繁的重访时间和高空间分辨率（10-20米）。在监督分类方法中使用了最大似然算法，该算法提供了统计上最优的类别分配，并假设类别特征呈正态分布。混淆矩阵和现场验证用于评估分类准确性，训练样本来自已知的土地覆盖类型。ArcGIS Pro 3.4和SNAP（Sentinel应用平台）软件用于遥感分析。为了确保空间准确性与行政记录的一致性，对分类后的LULC地图进行了进一步验证，并使用了从Bnaslawa市政部门获得的官方土地利用数据。这种综合方法使研究区域内的土地覆盖动态得到了可靠且最新的描述，从而为NBS规划提供了依据。
研究区域的土地利用和土地覆盖分类显示了多种表面类型（见图3）。总面积约为19.23平方公里，其中农业用地（作物）占最大比例，表明该地区以耕地为主。其次是草原，面积为6.72平方公里，提供了大量的开放自然或半自然植被覆盖。城市开发的范围体现在2.56平方公里的裸地和5.53平方公里的建筑痕迹上。约8平方公里的面积被道路网络覆盖，突显了交通基础设施的空间足迹。
该地区的水文特征也受到溪流和水库的影响，这些水体覆盖了大约0.617平方公里的区域。公园和其他植被公共区域占0.487平方公里的绿地，虽然体育场（0.053平方公里）属于较小的类别。这种土地覆盖特征突显了建成区和农业用地的主导地位，这对NBS规划和可持续城市发展至关重要。
该地区的土壤数据分析来自联合国粮农组织（FAO）的全球数字土壤地图，并通过当地农业部门的文件进行了验证。主要土壤类型利用FAO数据集进行识别，该数据集是一个全球标准化的土壤信息地理空间来源，而当地部门的数据提供了现场验证的描述和更新的区域见解，确保了地方相关性和准确性。根据调查，该地区约94.8%的土地表面为深层棕色土壤（类型C），这种土壤非常适合基于渗透的自然基解决方案，因为它们具有较高的渗透性和良好的蓄水能力。剩余的5.2%的土地为中等和浅层棕色土壤（类型D）。某些需要更深、更透水土壤的NBS技术受到这些砾石土壤有限深度和降低渗透能力的限制。这种土壤特征为评估特定地点适合NBS程序以及水文响应提供了重要基础。
坡度是影响NBS空间适用性的关键地形因素。它直接影响水文反应，包括地表径流、渗透率、侵蚀潜力以及NBS设施的结构可行性。陡峭的坡度更容易促进地表径流，降低渗透的可能性。本研究中的坡度数据来自美国地质调查局提供的数字高程模型（DEM），空间分辨率为30×30米。通过在GIS环境中处理DEM并使用空间分析工具生成了研究区域的连续坡度栅格。使用GPS设备进行了现场调查以验证地形变化并保持准确性，从而实现了局部地面验证和坡度验证。根据NBS规划和城市水文学的文献，坡度值被分为三个适用性类别（见表3）。
使用ArcGIS Pro 3.4，我们将地形、土地利用、土壤和排水数据集结合到一个地理空间框架中，用于洪水模拟和空间分析。选择这个平台是因为它可以帮助我们绘制流域、绘制径流图，并快速比较城市规划尺度上的绿色屋顶和蓄水池的不同方案。基于GIS的方法是一种计算效率高的洪水评估和空间适用性分析方法。这种方法不同于像HEC-RAS或MIKE FLOOD这样需要详细渠道几何形状和边界条件的完全动态水力模型。通过使用不透水性、渗透性和地表存储等物理参数，我们能够从降雨-径流转换中计算事件径流量和峰值流量。
确定项目边界是选择合适NBS地点的第一步，重点关注埃尔比勒省的Bnaslawa子流域。为了确保数据处理的连贯性，边界是根据行政和水文限制绘制的。随后获取了广泛的环境和空间数据以促进适用性分析。关键数据集包括用于坡度和排水分析的数字高程模型（DEM）、高分辨率图像（LULC）、库尔德斯坦气象局的长期气象数据（温度和降水量）用于气候跟踪、地质数据用于土壤和基质特性，以及政府政策文件如土地所有权记录和城市发展计划也是重要的数据集。在数据收集之后，使用GIS工具提取和标准化了多个主题图层。这些图层包括：道路网络、城市土地利用计划、水文特征（溪流、河流、排水路径）、土壤类型和渗透能力、土地所有权、高程和坡度（从DEM衍生）、土地利用分类（用于识别城市、农业和自然土地类型）以及不透水表面比例（用于评估径流）。这些空间数据集对于评估影响BMP选址的生物物理和政策限制非常重要。然后，将特定的NBS类型进行认真考虑，例如生物滞留系统、蓄水池、人工湿地、干池塘、草透水管、渗透沟渠、渗透盆地、多孔铺装和湿池塘等。坡度、土地利用和水文行为是决定每种BMP类型可行性的具体因素。BMP选址标准的核心分析基于这些因素，这些标准从物理和政策角度确定了每个地点的适用性。这些标准包括排水面积（英亩）、坡度（%）、不透水性（%）、地下水位深度、水文土壤组分类、道路缓冲区位置、建筑缓冲区、溪流缓冲区、土地所有者状况和整体土地适用性。利用GIS，根据相关的BMP设计指南和专家判断，使用空间多标准评估（MCE）模型来整合和加权这些标准。该过程生成了显示每个NBS类型最适宜区域的空间适宜性地图。
总体方法确定了可持续基础设施放置的优先区域（见图4和5），以促进决策制定。
使用美国环境保护署（EPA）的Storm Water Management Model（SWMM）生成了两个主要情景，分别代表当前没有NBS的情况和整合了特定NBS解决方案的修改后情况。这是为了评估在典型土地管理条件下城市流域的水文性能。根据文献，SWMM是一个著名的水力和水文模拟模型，可用于解决各种风暴条件下的城市径流质量和数量问题。首先使用30米分辨率的DEM和LULC数据划分子流域，然后使用适用于土壤数据中等情况的Horton方法模拟渗透。
为了复制风暴事件期间的非稳态水力行为，初始选址使用了动态波浪路由技术来复制当前条件，包括自然流道痕迹以及传统的灰色基础设施，如管道、交叉口和排水口。为了确保模型比较的一致性，两种情景都应用了基于当地强度-持续时间-频率（IDF）数据的多次回归期设计风暴。SWMM中的集成NBS模块用于模拟这些控制措施。EPA指南和局部修改被用来指定参数，如地表存储、土壤层厚度和渗透率。在定义了两种情景之后，对同一风暴事件进行了模拟，并分别计算了结果。下表4总结了EPA SWMM 5.2动态波浪模拟中采用的关键水力模拟标准。
表4. SWMM 5.2动态波浪模拟采用的水力标准
描述 应用于分析
--------------------------
| 分析内容 | |
|-------------------|-------------------|
| 模拟区域 |划分为子流域 |
| 分为三个子流域 | |
| 导管水力参数 |圆形/矩形（实际建造） |
| 曼宁粗糙度（n） |0.013（混凝土管道） |
| 城市排水系统的典型范围 | |
| 最小坡度 |0–5% |防止沉积和数值不稳定 |
| 最大深度 |整个导管深度 |
| 节点与洪水标准 |检查井深度 |控制超载阈值 |
| 允许蓄水池 |是 |量化地表洪水 |
| 超载深度 |地面高程 – 倒置高程 |定义洪水起始水平 |
| 表面与渗透参数 |Horton（半干旱默认）/ Green–Ampt（如果有土壤数据）|
| Horton适用于干旱-湿润周期 | |
| 沉积存储 |不透水：1–2毫米；透水：3–5毫米 |典型城市值 |
| 干燥时间 |5–10天 |反映长期干旱夏季 |
| 数值稳定性（动态波浪） |1–5秒 |提高数值稳定性 |
| 节点最小表面积 |1.0平方米 |减少振荡 |
| 头部容忍度 |0.001–0.005米 |确保收敛 |
| 每时间步的最大试验次数 |8–10次 |提高解决方案稳定性 |
对埃尔比勒气象局的历史24小时最大降水量数据进行了统计频率分析，以确定洪水建模和基础设施规划所需的设计降雨值。该数据集包含1980年至2024年的连续水文气象记录。这种分析对于创建强度-持续时间-频率（IDF）关系非常重要，这些关系是水文建模、城市排水规划和雨水管理的必备工具。由于数据集的时间范围为24小时，因此分析仅限于确定该时间范围内的不同回归期的降雨深度和强度。频率分析采用了综合技术。首先提取并检查原始年度最大24小时降雨数据的一致性。由于Gumbel极值I型分布常用于模拟极端水文事件，特别是在干旱和半干旱地区，因此选择了该分布进行此分析。对于每个给定的回归周期（T），持续时间从2年到45年不等，使用简化变量方法得到了一个数值。接下来，使用以下公式来估计降雨深度：(2)
其中：= 降雨深度（毫米）
μ = 平均值
= Gumbel频率因子
σ = 标准差
然后，根据方程（3）中的关系，通过将估计的深度除以持续时间（24小时）来计算每个回归周期的平均降雨强度（）：
(3)
年数（n）：45
平均降水量（μ）：46.43毫米
标准差（σ）：18.73毫米
根据现有数据，这些是针对指定回归周期计算出的降雨深度和强度（表5）。
表5. 降雨深度和强度的结果
回归周期（年）
Gumbel频率因子（）
估计降水量（毫米）
平均24小时强度（毫米/小时）
2 - 0.1464 1.4
1.7
25 - 0.719 5.9
5 - 2.479 10
1.305 7
2.7
3.029 25
2.044 7
9 - 3.29
14 - 2.59
51
10 - 3.9
4.32
由于埃尔比勒缺乏高分辨率的降雨数据（如每小时或每半小时的数据），必须使用标准的经验技术来分解可用的24小时降雨记录，以便使用Gumbel方法在普通尺度上生成强度-持续时间-频率（IDF）曲线（图7）。根据[14]，印度气象部门（IMD）的公式使用幂律关系来计算较短持续时间的降雨深度，如公式（4）所示：
(4)
其中：= 降雨深度（毫米）
t = 持续时间（小时）
= 24小时周期内的最大降水量
下载：下载高分辨率图像（244KB）
下载：下载全尺寸图像
图7. 使用Gumbel方法在普通尺度上生成的IDF曲线
该公式在数据稀少且没有自动雨量计网络的地区特别适用，考虑了一般的强度-持续时间缩放定律。从使用45年的24小时年度最大数据生成的埃尔比勒的IDF关系中可以看到明显的降雨模式（表6）。在风暴的早期阶段，强度显著增加，并在大约30分钟到3小时之间达到峰值，然后逐渐减少（表7）。Huff第二四分位数分布的最大降雨强度落在风暴持续时间的25%到50%之间，与这种模式非常吻合，显示出降雨的前置现象。这些分布在城市半干旱和地中海环境中很常见，非常适合用于创建洪水和水灾管理的雨量图。
表6. 估计降雨深度（毫米）
持续时间（分钟）
2年 5年 10年 25年 45年
10 7.9 11.0 13.9 15.1 19.8 159.0
12.6 15.9 17.3 22.7
30 10.0 13.9 17.5 19.0
25.0 30.1 11.4 15.9 20.0
21.7 28.6 45 13.0 18.2
22.9 24.9 32.7
60 14.4 20.1 25.2 27.4
36.0 120 18.1 25.3 31.8
34.5 45 18 0
20.7 29.0 36.4 39.5
52.0 144 41.4 57.9
72 91 10 3.9
表7. 估计降雨强度（毫米/小时）
持续时间
2年 5年 10年 25年 45年
10 47.4 66.3
83.2 90.4
118.9 153 66.2
50.6 63.5
69.0 90.8
20 29.9 41.8
52.4 57.0
74.9 30 22.8
31.9 40.0
43.5 57.2
45 17.4
24.3 30.5
33.2 43.6
60 14.4 20.1
25.2 27.4
36.0 120 9.0
12.6 15.9
17.3 22.7
180 6.9 9.7
12.1 13.2
17.3 144 1.7
2.4 3.0
3.3 4.3
2.1
0. 模型校准和验证
在研究其功能之前，我们校准并验证了水文模型，以确保它能够准确地指示研究区域的径流变化。我们使用了1980年至2024年间发生的风暴的降雨和径流数据来微调模型。在校准过程中修改了一些重要的水文参数。例如，我们改变了渗透性和非渗透性表面的蓄水能力、Manning粗糙系数、土壤渗透性参数（通过采用Green-Ampt过程），以及子流域的宽度。他们按照标准的SWMM校准步骤[27]进行了这些修改。对于绿色屋顶模拟，可以根据制造商的说明和文献值定义特定的GI变量，如土壤层深度、孔隙率、田间持水量、其下降点、导电性以及排水垫的特性[28]。蓄水池的设置，如其蓄水能力、流速以及溢流方式，基于设计和城市中通常使用蓄水池的要求。我们使用诸如决定系数（R²）、Nash-Sutcliffe效率（NSE）、偏差百分比（PBIAS）和均方根误差（RMSE）等统计工具来评估模型对径流量和峰值流量的表现，如表8所示[29]。
表8. 用于验证模拟峰值流量和径流量预测的统计参数
指标 非常好 良好 满意 不满意
NSE 0.75 - 1.00 0.65 - 0.75 0.50 - 0.65 < 0.50
R² > 0.85 0.75 - 0.85 0.60 - 0.75 < 0.60
PBIAS (%) < ±10 ±10 - ±15 ±15 - ±25 > ±25
3. 结果和讨论
3.1. 洪水模拟
为了测试水文系统在基准（LID之前）情景下的响应情况，模拟了五个回归期（2年、5年、10年、25年和45年）。结果表明，随着回归期的延长，最大流量明显且非线性地增加。模拟的峰值流量从40.93 m³/s（2年事件）增加到66.42 m³/s（5年），然后增加到94.18 m³/s（10年），接着增加到106.10 m³/s（25年），最终增加到157.45 m³/s（45年）。这表明Bnaslawa流域对降雨强度的变化非常敏感，在2年和45年事件之间增加了近四倍。特别是在10年回归期之后，流量增长率特别高。这表明一旦达到土壤蓄水能力和排水能力极限，径流生成的行为就像一个阈值。这种非线性的水文响应解释了图8中洪水扩散的原因，即对于更长的回归期，洪水范围大大扩大。
下载：下载高分辨率图像（3MB）
下载：下载全尺寸图像
图8. 洪水模拟
(A) 2年回归期；(B) 5年回归期；(C) 10年回归期；(D) 25年回归期；(E) 45年回归期
下载：下载高分辨率图像（809KB）
下载：下载全尺寸图像
图9. 使用基于GIS的适宜性分析生成的Bnaslawa子区域的最佳管理实践（BMP）选址结果，整合了土地使用、溪流追踪、道路、绿色屋顶和蓄水池等层
空间分析显示，Bnaslawa人口最密集的地区，特别是在东北部，是积水最多的地方。在低洼区域，25年和45年情景下模拟的水深均超过1.5米。这对交通路线、房屋和公共安全构成严重威胁。在极端事件中，洪水逐渐向中心区域蔓延，表明排水冗余不足且河道容量不足。
通过Bnaslawa的主河道有几种类型的水力学行为。它在较短回归期（2-10年）有效地输送径流并减缓了洪水的侧向扩散。但在危险事件（25-45年）中，模拟的峰值流量接近或超过了河道容量，导致溢流以及洪泛区的快速扩展。45年事件中突然上升到157.45 m³/s的情况表明，当前的河道系统可能处于压力之下。
这些发现与在半干旱城市流域进行的研究结果一致，其中不透水表面的快速扩展提高了径流系数和峰值流量。模拟的峰值流量大小与类似规模的中东流域报告的情况相符。
模型不确定性主要来自关于降雨强度的假设、DEM的分辨率、粗糙系数以及排水系统的表示准确性。使用历史洪水数据进行校准使我们对相对空间模式更有信心，但由于有限的高分辨率流量记录，极端事件模拟的确定性较低。敏感性分析表明，降雨量和Manning粗糙系数是影响峰值流量输出的最重要因素。尽管绝对流量值可能在不确定性范围内波动，但回归期间的风险上升趋势仍然存在。
只要对每个地点进行校准，该建模框架可以在埃尔比勒省的其他城郊地区使用。10年事件后峰值流量的显著增加突显了结合基于自然的解决方案来减轻径流并在预期的气候变化情景中提高适应能力的必要性。
3.2. BMP适宜性分析
在GIS的背景下，为了整合各种环境和基础设施指标，实施了多标准评估（MCE）模型来寻找最佳管理实践（BMP）的最佳位置。使用的因素包括坡度、土壤类型、土地利用/土地覆盖、排水系统的接近程度、通往道路的便利性以及地下水的深度。我们确保每个因素都在相同的适宜性尺度上，并赋予其相对权重，以显示其对BMP性能和可行性的影响。权重是通过基于专家的分析层次结构方法确定的，将水文有效性和渗透能力置于物流考虑之前。坡度、土壤渗透性和地下水深度被赋予更高的权重，因为它们直接影响径流的产生量以及土壤可以吸收的水量。我们对水资源排水和道路可达性赋予了较低的权重。表9中的剩余调整值之和为一，它们被用于加权线性组合以生成BMP适宜性系数。
表9. 评估标准、相对重要性权重和应用于基于GIS的多标准评估（MCE）模型中的适宜性得分
标准 权重 得分（0-10） 加权得分
LULC（城市建筑区）0.25 9 0.25 × 9 = 2.25
坡度（0-5%）0.21 0 0.20 × 10 = 2.00
土壤（建筑物/工程）0.15 9 0.15 × 9 = 1.35
排水（< 50m）0.15 9 0.15 × 9 = 1.35
道路可达性（< 50m）0.15 8 0.15 × 8 = 1.20
其他因素0.17 0.10 × 7 = 0.70
总适宜性指数：8.85
分类：非常适用
表10. 根据基准条件和最佳管理实践（BMP）实施情景，不同设计风暴事件的峰值径流比较，以及相应的峰值流量减少百分比
回归期（年） 峰值径流，Q（m³/s）
LID之前（m³/s） 绿色屋顶（m³/s） 绿色屋顶效率（%）
蓄水池（m³/s） 蓄水池效率（%）
24 0.93 36.76 10 10.23 75
5 66.42 59.33 10 62 3.25 65
10 94.18 83.69 11 42.38 55
25 106.19 3.83 11.55 8.36 45
45 157.45 138.31 21 10 2.34 35
在应用了一套全面的空间和水文要求后，包括排水面积、坡度、不透水表面百分比、HSG分类、地下水深度、靠近道路和建筑物的距离以及溪流缓冲区，使用BMP选址工具进行了模拟。选择这些标准是为了确保未来的BMP设置适合并在整个Bnaslawa地区有效减少城市径流和改善雨水管理。如图8所示，该工具产生了最合适的地点，并适用于三种不同类型的BMP——绿色屋顶、Rain Barrel（蓄水池）和 constructed wetlands——在进行了空间分析和场地适宜性评估之后。然而，由于实际、财务和基础设施的限制，这项研究主要集中在Rain Barrel和绿色屋顶上，因为它们在Bnaslawa的城市和城郊环境中被认为最易于实施。绿色屋顶在公共和机构的平坦或缓坡屋顶以及具有中等到高不透水表面的地方效果最佳。除了改善城市降温和美观度外，这些地点还非常适合在源头减少直接径流。选址工具认为市中心的大部分区域适合进行绿色屋顶改造，特别是在结构容量和屋顶接入符合规格的地方。另一方面，蓄水池或Rain Barrel在各种混合用途和住宅区非常实用，因为它们的分布式特性使得采用变得简单。根据分析，靠近道路网络且排水面积适中的住宅区最适合安装雨水收集机制。
综合考虑各种因素，BMP选址工具提供了关于在Bnaslawa改善雨水抵御能力的最佳位置的见解性空间信息。结果表明，Rain Barrel和绿色屋顶不仅补充了该地区的物理特性，还提供了可持续水资源管理和短期洪水缓解的可行方案。项目的后续阶段可能会考虑混合BMP技术，例如人工湿地，这取决于对土地可用性和利益相关者参与的进一步评估。
3.3. SWWM模拟
模拟结果显示，在基准（BMP之前）条件下，不透水表面产生了大量的地表径流，特别是在Bnaslawa的中部和东北部城市化地区。在受水包围和高度开发的流域中观察到了局部收集现象，且峰值流量随回归期的延长而增加。在45年风暴事件中，系统中的关键节点经历了Surf现象，水深超过1.5米（表7）。这表明当前的水灾基础设施无法处理极端事件。
在进行了空间适宜性分析后，整个公共和商业建筑的17.35平方公里的平坦或低坡度屋顶上安装了绿色屋顶。在这项研究中，优先考虑了清真寺、医院和商业建筑的屋顶，因为这些地方在实施绿色屋顶时存在结构和实际限制。这是由于这些建筑物的安装可行性相对较高，该区域面积为1.35平方公里。绿色屋顶模块已被集成到SWMM中，同时考虑了植被层、土壤介质深度和底层排水性能。根据模型的结果，在回归期较短的事件中，绿色屋顶显著改善了水文条件。特别是，两年和五年一遇事件的峰值流量减少了10%到11%，而十年和二十五年一遇事件则减少了12.27%到4.17%。然而，在更极端的降雨事件（如回归期为45年的事件）中，绿色屋顶的雨水滞留和减弱能力有所下降，导致其相对性能降低。但在关键区域，绿色屋顶的存在有助于推迟峰值排放并略微降低洪水深度。根据模型的结果，在回归期较短的事件中，雨水桶（蓄水池）显著改善了水文条件。每栋房屋平均安装20,000个蓄水池，每个蓄水池的面积为100平方米，存储容量为4000升（直径2米×高度1.3米）。两年、五年、十年、二十五年和四十五年一遇事件的峰值流量分别减少了35%到75%。根据事件持续时间和降雨强度的不同，径流体积减少了109.84到12.2立方厘米。如图10所示，受灾节点和雨量的情况有所改善。根据这些发现，除了传统的排水系统外，绿色屋顶还可以增加峰值流量的滞后时间，提高局部滞留能力，并降低径流体积。在降雨强度较低到中等的风暴中，其效果最为明显。
我们明确了研究中使用的“效率”的定义和空间尺度。洪水缓解效率定义为基线（实施前）与GI情景条件下选定的水力或水文性能指标之间的百分比减少量。为了确保方法的有效性，我们在三个不同的空间尺度上测量了效率：（i）节点尺度，观察重要路口的最大超载深度、洪水体积和洪水持续时间的变化；（ii）子集水区尺度，观察峰值径流量和总径流量的变化；（iii）流域（系统）尺度，通过观察出口峰值排放量和整个系统的总洪水量的变化来评估系统的整体效果。Bnaslawa案例研究中的主要绩效指标是流域出口处的峰值流量下降。节点和子集水区的指标用于展示水文响应的分布情况以及某些地方的水力改进效果。为了确保一切清晰并可重复，这一解释被添加到了方法部分。
径流体积和峰值流量的减少不仅仅是数量上的变化；它们表明城市水系统更具韧性。绿色屋顶通过减少峰值流量，减轻了雨水管道网络的水力负荷。这些发现降低了已经处于风险中的地区发生超载、地表洪水或侵蚀的可能性。同时，蓄水池将快速流动的地表径流转化为分散的水源，有助于满足灌溉需求，并减轻这些地区饮用水供应的压力，类似于半干旱气候环境。这种双重功能——洪水缓解和水资源再利用——展示了基于自然的解决方案如何帮助进行雨水管理、适应气候变化和实现长期的城市可持续性。在这种情况下，即使是很小的水文变化也能根据阈值帮助降低风险，使人们更能适应降雨模式和干旱程度的变化。
最近，研究区域因强而短时间的降雨多次出现地表水积聚和山洪暴发。2021年10月30日和12月17日的风暴期间，埃尔比勒部分地区每日降雨总量达到50-60毫米，导致径流迅速增加，排水渠道溢出，低洼社区被淹没，包括Bnaslawa [3]。根据历史记录，2022年1月13日，意外降雨使该地区的多个街道和居民区的水位上升了0.3-0.7米，尤其是在自然排水路径和地形低洼处 [31]。先前的研究表明，快速的城市发展和更多的不透水表面大大提高了径流效率和峰值排放量，与开发前的情况相比 [9]。因此，Bnaslawa已成为强降雨期间最容易发生洪水的城郊地区之一。先前的建模研究表明，绿色屋顶可以根据基材的深度、之前的湿度、降雨强度以及改造的屋顶面积比例，将峰值排放量减少10%到40%。对于中等强度的风暴，径流量减少通常在15%到50%之间。然而，在极端高强度降雨且存储容量被超过的情况下，效率较低。使用SWMM的LID模块进行的分析显示，效率对土壤层的厚度、水流通过的难易程度以及排水层的设置非常敏感。
在雨水收集（RWH）系统中，峰值流量通常减少5%到30%，径流体积减少幅度可达10%到35%，这取决于储水池的大小、需求模式以及系统的连接方式。雨水收集系统可以储存的水量与屋顶面积以及风暴事件之间取水的频率有很大关系。在降雨量很大的风暴中，除非储水池足够大且风暴前的水位较低，否则峰值减少幅度通常不太显著。表11中的验证结果显示，绿色屋顶方案的效果非常好，这意味着径流减少和峰值衰减的模拟是准确的。相比之下，蓄水池方案在统计上的一致性较低。这一结果可能表明，储水参数的设定比结构模型的限制更为重要。假设的蓄水池尺寸（2 × 1.3 × 2米）可能会高估相对于排水面积的有效存储量，从而导致模拟的衰减效果增强。为了使模型更好地适应实际运行条件，建议稍微调整或重新校准储水容量。尽管如此，径流减少的整体趋势仍然具有物理上的稳定性，并且对于比较不同方案是有用的。
本研究展示了一个全面的、空间明确的框架，用于分析城市地区的洪水情况以及如何通过整合基于GIS的多标准最佳管理实践（BMP）选址与事件驱动的水文模拟来缓解洪水。研究系统地考虑了适宜性制图、水文调查以及回归期分析，以确定分散式干预措施在何处以及何种风暴强度下最有效。结果表明，战略性布置的绿色屋顶（NBS）对城市径流管理有显著影响，尤其是在容易发生洪水的东北部子集水区。这使整个系统更具韧性，而不仅仅是在某个特定区域。这项工作的重要性在于它在规划和决策支持层面的作用。由于缺乏长期监测数据，洪水范围和深度的计算基于基本建模假设，因此结果应视为基于情景的比较性结果，而不是完全基于预测的水力模拟。尽管如此，不同风暴频率下趋势的一致性表明这种分析方法在结构上是可靠的。该研究的主要贡献在于提供了一种方法，可用于快速城市化且半干旱的城市，这些地区缺乏详细的水力数据，但由于气候变化，洪水风险正在增加。该研究为地方市政府提供了信息，以便结合水文建模和空间智能来优先考虑成本效益和战略性的洪水缓解措施。为了使预测更加可靠并为极端降雨条件下的大规模实施做好准备，未来的工作应包括动态水力计算、更多校准数据集和性能监测。
作者贡献声明：
Bala Kawa MSALEEM：撰写初稿、软件使用、资源获取、方法论制定、资金争取、数据分析、数据整理、概念化。
Jehan M. Sheikh Suleimany：审阅与编辑、可视化、验证、监督。
数据可用性声明：
本研究中的原始贡献已包含在文章中。如有进一步查询，请联系相应的作者。
利益冲突声明：
作者声明没有利益冲突。
资金说明：
本研究未接受外部资助。
打赏
