城市暴雨洪澇模擬：原理、模型與展望

徐宗學，葉陳雷

（1.城市水循環與海綿城市技術北京市重點實驗室，北京 100875；2.北京師范大學 水科學研究院，北京 100875）

1 研究背景

隨著我國經濟社會的快速發展，城鎮化進程不斷推進，城市人口持續增加。據統計，2018年末，全國大陸總人口139538 萬人，比2017年末增加530 萬人，其中城鎮常住人口83 137 萬人，占總人口比重（常住人口城鎮化率）為59.58%，比2017年末提高1.06 個百分點，而在1981年中國常住人口城鎮化率僅為20.2%［1］，而且未來我國城鎮化率還將進一步提高［2］。受城市人類活動的影響，城區氣溫普遍比郊區氣溫高［3］，“熱島效應”［4］和“雨島效應”［5］凸顯，使得城市暴雨洪澇更為集中，災害形勢更為嚴峻［6-7］。近年來“城市看海”頻發，如2012年北京“7·21”特大暴雨、2016年武漢“7·6”大暴雨［8］以及前不久發生的“5.22”廣州特大暴雨。城市洪澇已成為我國城市發展的痼疾，嚴重制約了我國經濟社會的發展和人民生活水平的提高。

為解決城市洪澇問題，緩解城市水資源短缺的現狀，改善城市水環境，修復城市水生態，2013年，國家提出了“海綿城市”建設戰略，以期實現雨水的“自然積存、自然滲透、自然凈化”［9］。2014年11月，《海綿城市建設技術指南》發布。從2015年初至2016年，分2 批次遴選了全國30 個海綿城市建設試點城市。海綿城市是指城市能夠像海綿一樣，在適應環境變化和應對自然災害等方面有良好的彈性，降雨時吸水、蓄水、滲水、凈水，需要時釋水并加以利用。1970年代，英國政府首次提出可持續排水系統（SUstainable Discharge System，SUDS），提出了徑流源頭控制理念，美國環境保護署提出了最佳管理措施（Best Management Practices，BMPs），強調終端治理以及工程類措施。1990年代美國暴雨管理專家提出了低影響開發（Low Impact Development，LID），澳大利亞提出了水敏感城市設計（Water Sensitive Urban Design，WSUD）［10］。

在城市化及海綿城市建設的大背景下，城市暴雨洪澇模擬是防洪排澇、建設海綿城市的核心技術之一。城市洪澇模擬涉及水文、水動力、遙感、地理信息系統、數學、計算機、人工智能等多個領域；同時，其它領域新技術的發展也為洪澇模擬提供了巨大幫助，如遙感技術以及豐富的水文氣象數據，為分布式水文模型的發展創造了有利條件；計算機硬件技術的發展使洪澇模擬中二維非恒定流計算效率大幅增加；人工智能技術的發展為城市洪澇預警一體化平臺建設提供了契機。在對城市洪澇研究的過程中，相關學者對此不斷探索，誕生了以水文學為主的模型、以水動力學為主的模型及二者的耦合模型以及以地形分析為主的模型［10］。目前，水文水動力模型是城市洪澇分析與預測的核心工具。本文旨在對城市洪澇模擬的基本原理、主要技術手段和當前國內外廣泛應用的模型進行系統的梳理，總結和分析城市洪澇模擬相關熱點問題，以期為今后相關研究工作提供參考和支撐。

2 城市洪澇模擬的基本原理和方法

城市洪澇模擬的理論基礎是城市水文循環規律，以及水動力學物理機制［11］。目前，研究城市內澇的主要方法是，基于對城市洪澇機理的認識，構建水文水動力模型，綜合考慮模型初始條件、邊界條件和閘泵調控措施，利用實測數據（降雨徑流數據、流量及水位數據等）對模型進行率定和驗證，并深入分析城市洪澇風險。相比于自然流域，城市內密集的人類活動對水文過程和水動力過程帶來更大的復雜性和不確定性。

2.1 城市水循環特征與水文模型城市水文學是水文學的重要分支，其研究的核心問題是城市水循環規律。城市區域受人類活動影響極大，城市水循環規律比天然流域水循環更為復雜。研究城市水循環規律是建立城市水文模型、分析城市洪澇過程與機理的重要基礎性工作。

從城市化對產匯流過程及水文效應的影響來看，城市下墊面及其產匯流過程受人類活動影響極大，自然流域水循環機理在城市中產生極大變化。下墊面和局部小氣候的改變還引起水循環過程的變化，城市化對降雨的影響具有季節性［10］；劇烈的人類活動使硬化路面逐漸取代原有的植被覆蓋和土壤，削弱了地表截留、蒸散發和下滲能力，區域不透水面積增大；排水系統、匯流路徑、地表糙率系數的變化，導致城市對極端降水的響應更為敏感；城市河道中常建有水閘、泵站、堰、堤防等水工建筑物，具有阻水、輸水、過流等調控區域水量、分洪調度的作用；城市路面陡坡、路肩等局部地形使城市部分匯水單元坡度增加，縮短了匯流時間；城市不規則的街道建筑、路面沉降、洼地更進一步增加了城市產匯流機理的復雜性。

從我國的城市特點來看，城市水循環規律與洪澇形成機理具有明顯的地域特征。對于華東地區濟南市這樣的山前平原城市，山區坡度大，匯流時間短，在發生短歷時強降雨時地勢較低的城區易出現“馬路行洪”現象；對于華北城市北京等，年降水量較小，主要易澇點多位于城市局部低洼區，尤其是下凹式立交橋往往“逢雨必澇”、“逢雨必淹”；對于長江沿岸城市武漢、南京等，進入汛期除受到暴雨內澇威脅外，還受到外江洪水的威脅；對于東南沿海城市深圳、福州等，受臺風影響嚴重，且具有明顯的風暴潮、天文大潮現象。

從城市的社會效應來看，城市水循環具有明顯的自然-社會二元水循環特點［12］。城市水文涉及水利、市政、環境、生態等領域，城市不斷增加的人口導致需水量增加，城市水資源供需關系改變；城市工業廢水與生活污水的排放，引起城市生態系統功能退化；城市還擁有復雜的雨污合流與雨污分流管網系統，且常常伴隨著管網堵塞等情形。

水文模型是研究水循環過程的主要工具，其發展經歷了從集總式水文模型到分布式水文模型的階段。分布式水文模型可以較好地反映實際的降雨分布及下墊面的空間異質性［13］，目前國內外主要的分布式水文模型有SHE、SWAT、VIC、SWMM、IHDM 模型等［14］。在城市水文模型中，考慮到城市產匯流過程的復雜性和空間異質性的特點，常將城市研究區劃分為若干個子匯水單元，基于單元內下墊面地形、用地類型等特征賦予模型參數，計算時段降雨量、蒸散發、填洼、下滲等初期損失后形成徑流，進而得到流域出口斷面的流量過程。現有的城市水文模型融入了管網等重要排水系統，但是對集水區內的下滲、蒸散發等產流機理仍考慮不足［15］。在城市水文模擬中使用分布式水文模型可以較好地體現流域的空間異質性，但是，分布式水文模型是否能準確揭示城市水循環物理機制仍待商榷。

目前，針對我國城市產流規律的研究還比較薄弱，城市水文模型是研究模擬水循環的主要工具，這對降雨徑流的計算結果常作為水動力過程的輸入，對城市洪澇模擬結果有重要影響。深入研究城市水循環機理是解決城市洪澇問題的重要內容和基礎性工作。

2.2 城市洪澇過程與水動力模型水動力學模型也是描述城市洪澇過程不可或缺的一部分。一般來說，降雨經初損形成凈雨后，由城市管網與河網排出，實際中由于滿管溢出的水或河道漫灘的水形成城市地表淹水。水動力學具有一套成熟的描述管流、明渠水流及二維流動的方法與技術，近年來隨著計算機技術的快速發展，二維水動力模型計算速度大幅提升，水動力模型越來越廣泛地應用在城市洪澇模擬當中。

根據水流運動空間尺度的不同，水動力模型可以分為零維、一維、二維模型。零維模型一般是對檢查井、湖泊、河道汊點等的概化，常考慮其調蓄功能；一維模型一般用于對管流和明渠流，對于管網和河道來說，沿流向方向的縱向長度遠大于橫向長度；二維模型一般用于模擬地表漫流，在空間上有兩個變量。城市中的水動力條件復雜，城市排水系統包括地下管網系統、城市內河與渠道中修建的水工建筑物，這些工程調控設施對城市排水有著直接的影響。

水動力學方法基于Navier-Stokes 方程對不同流態水流進行簡化，建立描述水流運動的模型方程，采用離散化思想求解模型方程的數值解，從而得到求解域內流場分布。一維水動力模型采用圣維南方程組（Saint-Venant Equations）描述，二維水動力模型采用淺水方程（Shallow Water Equations）描述，兩者均為擬線性雙曲型偏微分方程組。目前，求解水流運動的離散方法主要包括有限差分法（Fi?nite Difference Method，FDM）、有限體積法（Finete Volume Method，FVM）以及有限元法（Finite Ele?ment Method，FEM）。FDM 理論相對簡單，技術成熟，可以構造高精度的差分格式，但是FDM 僅能處理幾何外形相對簡單的計算域，對于復雜外形的適用性較低。FVM 具有良好的守恒性，計算域網格點存儲的是以該點為中心的控制體積內物理量（水位、流量、流速等）的平均值，適合處理復雜外形的計算域，且比FDM 更適合處理河道干濕交替問題與復雜混合流態問題［16］，但是FVM 難以提高數值格式的精度。FDM 多用于一維模型；FVM 多用于二維模型，如內澇淹水、潰壩洪水等。而有限元法（FEM）在處理河網模擬中常見的干濕交替問題時穩定性較差，更多用于結構力學與固體力學等領域，目前在水動力學中的應用仍待進一步深入。

數值離散格式的選取是水動力計算的核心問題。目前，一維模型廣泛使用四點Preissmann 隱式差分格式。顯格式（如迎風格式、Lax-Wendroff 格式）的計算較為簡單，但隨著迭代次數增加，誤差在傳播過程中易使結果發散；隱格式較好地改善了這項不足，但由于隱格式在每一步迭代中需要求解方程組，計算更為復雜。二維模型常使用基于非結構網格的Godunov 型有限體積格式，包括Roe 格式、HLL 格式等［17］。Godunov 格式將計算域作為分塊連續的流場，將計算域上離散點的值作為該值在每個獨立的塊的平均值，基于平均值對界面通量重構，并通過在相鄰塊的界面處構造Riemann 問題來求解界面通量。Godunov 格式適用于求解古典解，還適應大梯度、大變形解，且可以自動捕捉間斷［17-18］。另外，實際應用中常綜合考慮數值格式的精度和計算效率，求解控制方程得到的狀態變量值，與網格設置和尺度選擇有關，增加網格數在一定范圍內可以提高計算精度，但網格數的大幅增加使計算時間明顯增加。因此，構造數值穩定、高精度、滿足實際計算效率需求的算法是水動力學的重要問題。

城市受人類活動影響極大，城市水動力模擬比一般連續水體運動需要考慮更多因素。（1）水流在城市地表的運動極為復雜，城市建筑物對水流的阻擋影響洪水波的演進傳播，為處理建筑物對水流運動的影響，已有相關研究使用了固壁邊界法、真實地形法和加大糙率法做了大量工作［19］。（2）在水動力數值求解中，河床及地表干濕交替、界面通量重構等均是非恒定流數值求解的重要問題。城市地表局部地形復雜多變，地面沉降及洼地會使得水流運動路徑改變。這使城市地表徑流比潰壩洪水和河道洪水的干濕交替更為復雜，其干濕變化可能出現在任意時刻任意單元網格上，經典的Godunov格式存在干濕處理的問題，有研究采用擴散波計算網格單元水深極小時的流速，也有研究采用修正的Roe 格式，并將底坡項直接積分求解［20］。（3）城市地下管網系統存在著明滿流交替現象，即管流在有壓管和無壓管之間切換，當管道未充滿時，管道相當于明渠流，而管道在充滿時為有壓管流，有相關研究基于Preissmann 狹縫的激波捕捉法，嘗試用同一組控制方程來描述明流和滿流［21］。（4）城市排水系統相關理論及模型仍有待進一步完善，比如，對于管網和地表兩個部分的匯水順序，一種方式將降雨形成徑流匯入管網系統進行一維非恒定流計算，對從管網中溢出的水在地表進行二維非恒定流計算；另一種方式是將所有的降雨在地表進行二維非恒定流計算，在有檢查井的區域再匯入管網進行一維非恒定流計算［22］。部分雨水匯入低洼地甚至城市的地下空間，部分雨水通過管網排入河流，但在與河流洪水遭遇的情況下，可能出現頂托倒灌。因此，城市洪澇過程模擬中，要考慮因澇成洪和因洪致澇等現象。在利用淺水模型來描述地表淹沒時，有研究采取耦合管網模型的方法進行計算，也有研究將管網概化到模型參數中［23-25］。模型中除了要考慮管網、河網、路面、建筑的復雜連接外，城市水系中還有水閘、泵站、水庫等可調控設施，這些水工建筑物一般有相應的調度運行方案，它們對計算結果有較大的影響。

2.3 水文水動力耦合模型在對城市洪澇過程進行模擬時，單獨使用水文模型或水動力模型均存在一定的不足。水文模型充分描述了降雨產匯流過程，水文過程的結果對洪澇計算影響較大，且在二維模型連續性方程中的源匯項要反映地表滲流造成的水量損失［26］。傳統水文學方法對城市地表淹沒過程較難描述，而水動力模型通過求解控制水流運動的偏微分方程，可以得到洪澇中的淹沒水深、淹沒范圍、淹沒歷時等時空分布信息［8］，可以實現對河道泥沙運移及污染物沖刷擴散等過程的模擬。水動力模型往往需要精確的河道地形數據，在二維模型中的計算效率較慢［27］。因此，綜合利用水文模型與水動力模型，互相彌補其不足，建立城市水文水動力耦合模型是城市洪澇過程模擬的必由之路。

總體來說，按兩套模型耦合方式的不同，可以將水文水動力耦合模型大致分為三類：（1）將水文模型計算得到的流量作為水動力模型的上邊界或旁側入流。這種耦合模式可以稱為松散耦合，或單向耦合、外部耦合。該模式可操作性強，通過建立水文模型和水動力模型之間某些變量的聯系來實現耦合。但是，這種模式對真實的管網-地表-河道水量交互機制做了較大程度的概化［28-29］。考慮城市子流域出口斷面的流量過程作為城市管網與城市河網的邊界條件，這被稱作點狀耦合邊界。但是這種耦合模式將地表漫流導致的淹沒概化為管網溢出水流在出水口的擴散過程，以及在管道水量消退后，溢出水量又回流到管道的過程。相關研究針對此類問題提出線狀耦合邊界和面狀耦合邊界，分別通過設置不同類型的耦合邊界形式來描述街道入流過程與地表局部低洼區的淹沒過程［7］。（2）在水文模型和水動力學模型之間共享邊界條件、模型參數等數據，但兩個模型獨立求解、互不影響。這種耦合模式比第一種更為緊密，稱為內部耦合。（3）將水文模型和水動力學模型作為一個整體統籌考慮，對控制方程聯立求解。這種耦合模式稱為緊密耦合，或雙向耦合、全耦合。緊密耦合在機理上最為完善，但聯立求解方程組的難度較大。通過緊密耦合實現多過程的交互，進而實現模擬復雜的洪澇過程是洪澇模型的重要發展趨勢。

考慮到城市下墊面的復雜性，在建立水文水動力耦合模型時需要包括以下基本模塊。（1）基礎模塊：包括產匯流模塊和水動力模塊。產匯流模塊由子流域上的降水、蒸散發、下滲、截留、填洼、坡面匯流等模塊組成；水力模塊由一維管網、一維河網、二維地表匯流等模塊構成；（2）銜接模塊：主要包括檢查井與地表的銜接、河道與地表的銜接、一維水動力與二維水動力的銜接；（3）功能模塊：主要包括閘、泵、堰等水力模塊，以及實現實時調度控制的RTC（Real-Time Control）模塊。水文水動力耦合模型需要考慮的因素、不同模塊之間的相互關系與耦合機理如圖1所示。

2.4 典型城市洪澇模型表1列舉了目前部分國內科研單位自主研發的城市洪澇模型及其主要特點。其中包括中國水利水電科學研究院開發的洪澇仿真模型［30-34］和洪水風險分析軟件FRAS［35］，珠江水利科學研究院開發的HydroMPM 模型［36］，西安理工大學與英國紐卡斯爾大學聯合開發的GAST 模型［37］與大連理工大學開發的HydroInfo 模型［38］。另外，不少單位依托洪水風險圖編制項目，研發了洪水分析軟件，如中國水科院聯合多家單位共同研發了IFMS/Urban 軟件［39-40］。

表2列舉了目前常用的國外研發的城市洪澇模型，這些模型軟件的應用為計算分析城市洪澇過程提供了幫助。按照公開程度的不同，這些模型大致可以分為三類：（1）完全開源的模型，以SWMM 模型為代表。SWMM 模型是由美國EPA（Environmental Protection Agency，環境保護署）推出的城市洪澇模型，它提供了一個免費的GUI，已廣泛被科研工作者所使用。由于源代碼公開，SWMM 模型可以實現不同需求的二次開發，從而對原有功能進行補充。另外也有第三方庫提供了模型接口，例如基于Python 開發的pyswmm 包，在python 環境下實現與部分模型參數的交互。（2）高度商業化的模型，以InfoWorks ICM 和MIKE 系列模型為代表。InfoWorks ICM 是由英國Wallingford 公司研發，具有高度的功能集成性，可以在同一界面中模擬城市區域水文、水動力、水質過程。還有丹麥水力研究所研發的MIKE 系列商業軟件，其中MIKE URBAN、MIKE 11、MIKE 21 等在城市洪澇模擬中應用十分廣泛。這類模型軟件一般模塊齊全、前后處理功能完善，能夠模擬各種現實場景，但其缺點是難以進行開發創新。InfoWorks ICM 中提供了商業化模塊ICM Exchange，可以實現部分二次開發。（3）半商業化模型，例如美國弗吉尼亞州海洋研究所（VIMS）開發的EFDC 模型，它提供了完整的源代碼，但其用戶操作界面EFDC Explorer 被商業化；又如HEC-RAS，它提供了免費的GUI，但其源代碼尚未公開。

圖1 城市水文水動力耦合分析框架

表1 國內主要城市洪澇模型

表2 國外主要城市洪澇模型

這些模型為模擬城市洪澇過程提供了極大的幫助，雖然不同模型的水動力模塊在模型方程和數值求解方法上基本類似，但模型中針對城市產匯流的計算更多地是針對國外城市開發，其下滲產流機制對國內城市的適用性仍待商榷。因此，結合我國城市特點與暴雨內澇現狀，在研究我國城市水循環規律與水動力機制的基礎上，因地制宜研發適用于我國不同城市特點的洪澇模擬模型，不僅是當前研究的重要方向，也是從根本上解決我國城市洪澇問題的必由之路。

3 城市洪澇模擬有關的熱點研究領域

3.1 遙感技術應用遙感技術為開展水文水資源領域的研究提供了優越的數據源和前提條件。目前遙感技術在水文水資源中的應用主要分為直接應用與間接應用兩個方面。基于遙感技術全球性、全天候、實時監測的特點，可以直接應用于洪水過程和洪災范圍實時動態監測、冰川和積雪融化狀態監測等方面。間接應用表現在可以為水文模型提供豐富的下墊面數據與氣象數據，彌補了由傳統水文站點監測在時間、空間限制因素造成水文數據的缺陷。尤其是在無資料地區，由于傳統水文數據、土地利用/土地覆被數據的缺失，基于土壤、地表植被、大氣三者有機結合的水文模型無法充分發揮作用，為遙感技術的應用提供了廣闊的天地。

城市下墊面受人類活動影響較大，且具有明顯的空間差異性。城市洪澇模型輸入數據主要包括降雨、徑流、水位等水文氣象數據，以及地形、土地類型、河道斷面、市政管網等城市基礎信息數據，主要由人工實地勘測或城市監測站點獲得。由于局部復雜地形對測量條件的限制，以及城市監測技術及設備尚不完善，城市洪澇研究需要的數據尚有所欠缺。隨著3S 技術的發展，城市化進程的加快也對洪澇模擬提出了越來越高的精度需求，遙感技術為城市洪澇模擬提供了長時序、大面積、高精度的下墊面信息與城市水文氣象數據，為城市水循環規律的研究提供了數據保障。基于遙感技術可獲得的城市地表信息數據主要包括高精度地形數據（DEM（Digital Elevation Model）數據），土地利用類型（例如LandSAT 8，空間分辨率30 m，時間分辨率16 d），精細化地面信息（由機載LiDAR、車載LiDAR 等獲得）；基于雷達遙感技術的氣象水文數據，主要包括降雨數據（例如GLDAS（Global Land Data Assimilation System）數據，空間分辨率0.25°，時間分辨率1 d）、土壤濕度數據（例如CL?DAS（China Meteorological Administration Land Data Assimilation System）數據，空間分辨率0.0625°，時間分辨率1 h）、蒸散發數據（例如MOD16 數據，空間分辨率1 km，時間分辨率8 d）等。氣象雷達技術的應用有效彌補了水文氣象地面觀測資料不足的缺陷，為精細化降雨徑流模擬提供了良好的數據源。

與傳統的水文站點監測相比，遙感技術可同時獲得其它地面監測技術無法獲得的紫外線波段、紅外線波段、微波波段等不可見光信息，以及地面反射率、回波強度、波形等豐富的信息，精細捕捉傳統方法無法獲得的氣象信息與下墊面信息，極大地豐富了開展城市洪澇模擬研究、氣候變化下城市下墊面變化與城市洪澇風險之間的關系，以及氣候變化對城市水循環影響研究的數據來源。遙感技術以其宏觀、形象、快速、經濟、周期短，以及可提供多時相數據的技術優勢，為水文工作者從本質上認識城市洪澇的時空演變特征，預測城市洪水情勢提供了大量信息。在分析城市水文循環規律時，除了重點以城區為研究對象外，更需要綜合考慮該城市所在區域更大時間尺度與空間尺度上的水循環規律。例如，在分析北京市氣候演變與水文循環規律時，應結合整個華北地區氣象與水文規律，分析華北地區氣候演變規律對北京城市水循環規律的影響。另外，隨著深度學習技術的發展，尤其是卷積神經網絡在圖像識別及特征提取等領域上的優勢，將其與遙感技術相結合，應用在城市洪澇研究中也是當前研究的熱點。

3.2 城市綜合排水系統模型水文水動力模型是模擬城市洪澇過程的基本工具，是對城市排水系統、下墊面與水文氣候特征的概化，在建模時應統籌考慮城市復雜系統的產匯流過程。因此，根據城市實際情況，構建多系統、多模塊、多過程、多維度耦合的城市綜合排水系統模型是當前的發展趨勢。在對城市局部區域進行精細化模擬時，還需要構建精細化模型，使模擬更趨近現實狀態。如本文前述模擬地面積水與退水時，現有模型大多對積水過程及其反過程做了較大概化，為提高模型精度，通過源匯項建立一、二維模型方程間的聯系，可以實現由滿管導致的淹沒過程更為準確的描述。其它如管道堵塞、外河倒灌、河道水位頂托等也可以通過對控制方程聯立求解實現。此外，利用空天地一體化監測方法，以高光譜遙感技術為核心，結合無人機技術，獲取城市高分下墊面信息，從而更精確地計算二維網格上的水流運動。

以兩個典型易澇城市為例具體說明。首先以華東內陸城市濟南市為例。濟南屬于暖溫帶半濕潤區域，為大陸季風氣候，其降雨具有歷時短、強度大，在時間和空間上易集中的特點。濟南中心城區地勢南高北低，南部陡峭的地形使得匯流速度快，對城市洪澇起放大作用。城區街道成為匯水通道，中心城區街道成為行洪渠道，易出現馬路行洪現象［41］。因此，在洪澇過程模擬時，需考慮街道匯水過程與馬路行洪之間的轉換。再以東南沿海城市福州市為例，福州為海洋性季風氣候，夏秋受熱帶風暴和臺風影響，常造成短歷時強降雨［42-43］。城區水系復雜，河網密集，其上游北部為濕潤山區，有八一水庫、過溪水庫、登云水庫等主要水庫；城區下游閩江水位則受風暴潮、天文大潮的影響；平原城區內河、入江口設置有調控內河水位的閘門與泵站，其工況與水庫泄洪方案共同組成城市河湖庫聯合調度系統。汛期城市常通過啟閉內河及外江水閘來調控城市水系，這些水工建筑物的調度工況直接影響城區的洪澇狀況。另外，城區的調度系統除有利于防洪排澇外，還發揮著改善城市水環境的作用，實現雨天防洪排澇、晴天生態補水。因此，建模時需統籌考慮城市中觀尺度水系聯合調度、風暴潮對城市洪澇的影響，因地制宜，形成一套多過程、多模塊耦合的城市綜合排水模擬體系。

3.3 城市洪澇預報調度系統為應對城市洪澇帶來的損失，改善城市洪澇現狀，我國部分城市已逐步建立了城市洪澇實時預報系統，如沿海城市深圳、佛山、福州等。圖2描述了城市洪澇實時預報系統的基本框架，包括數據層、模型層、預報層和決策層。數據層是實時預報系統的數據基礎，包括城市現狀管網、地形、河道、街道、建筑等基本信息；包括城市水文站、氣象站監測的歷史數據；還包括由各類監測設備傳輸至系統后臺數據庫的實時動態數據。模型層包含了城市洪澇淹沒相關的水文、水動力、水質等模塊及其相互間的耦合等。模型是保障實時預報系統的核心，增加模型預報精度、提高模型計算效率是實時預報系統面臨的主要問題。模型通過提供相應的接口供系統集成與調用。預報層指的是在未來時段降雨與邊界條件下，模型輸出的洪澇狀態數據，這些數據可以利用后處理技術進行渲染，直觀反映城市洪澇狀態。決策層是實時預報系統的反饋機制，是對預報調度系統的管理。圖2中給出了3 種決策方法：（1）基于經驗進行的調度決策，這種方法操作簡單，但是主觀性較強；（2）基于方案庫的調度決策，這種方法是預先通過在系統中建立多套方案，在決策時通過方案比選來輔助調度決策；（3）智能調度，利用優化算法調整構建模型中的調度參數，實現調度決策的自動化與智能化，但是，智能調度對模型數據及計算機性能的要求較高，目前仍處于發展階段。

圖2 城市洪澇實時預報調度決策基本框架

RTC（Real Time Control）在閘泵工況模擬及調度中應用廣泛，常用來在水系統中進行實時控制及輔助決策［44］。在綜合考慮模型內部屬性與外部預測的基礎上，推演預測時段內系統功能操作及影響。在模型中利用RTC 實現調度方案對水力系統的控制時，主要有兩種控制機制。一是前饋控制，即根據水力系統內部信息調節閘泵等系統內部設備，再將調節后的影響傳遞給當前水位來達到控制的效果。二是反饋控制，利用水力系統外部信息調節系統內部設備，且這種調節不會直接影響系統外部信息。兩者均基于城市洪澇預報調度系統對當前狀態進行調節和控制。在此基礎上，可以實現對模型系統的優化調度，該體系較為復雜，包含模型系統、目標函數、邊界條件、約束條件和優化算法。基于概化的排水模型，優化調度模塊，使其在預測時間范圍內更好地滿足城市防汛目標與水力約束，從而產生優化的控制方案與調洪策略。

需要提及的是，為提高城市洪澇預報精度，利用數值天氣模型實現對分布不均勻降雨的預測，在水文水動力模型中耦合高分辨率天氣預報模式是一個重要方向。隨著計算機技術的發展，數值天氣預報模型應用愈加廣泛。國內外著名的中尺度大氣數值天氣模式包括Eta、MM5、WRF、RAMS等［45-46］。常用的WRF（Weather Research and Forecasting Model，WRF）模型是高分辨率中尺度天氣預報模式，在模擬對流型強降水方面得到顯著發展。聯合使用天氣數值模型和水文水動力模型，也是進行城市雨洪計算、城市洪澇情勢精準預報的重要方向。

3.4 洪澇過程模擬與智慧水務在人工智能技術蓬勃發展的背景下，“智慧水務”概念應運而生。智慧水務是智慧城市的重要組成部分，是完善城市水務管理的重要載體［47］。城市暴雨洪澇模擬是城市防洪減災的關鍵技術之一，也是智慧城市風險應急管理中重要的決策支持依據［48］。

城市洪澇模擬亦是智慧水務中不可或缺的一環。以深度學習為代表的人工智能技術為城市洪澇模擬帶來新的變革。深度學習中的前饋神經網絡、卷積神經網絡、循環神經網絡等主要模型架構在智慧水務中得到廣泛應用。使用循環神經網絡適于建立城市易澇點或河道水位與若干致災因子之間的非線性關系，建模時模型輸入層常為氣象、水文、地形等直接或間接因子，以及部分上游站點數據；輸出層常為水位或流量數據，模擬時常選擇擅長處理時間序列數據的RNN、LSTM 等模型，已有學者做過相關研究［49］。使用卷積神經網絡在城市遙感影像識別分析，以及下墊面特征提取等領域具有廣闊的應用前景。目前，TensorFlow、PyTorch 等優秀的深度學習框架可以方便地實現基礎數據處理和深度神經網絡模型構建。深度學習模型已被越來越多應用在城市洪澇相關工作，但不應忽視的是，與傳統水文水動力模型相比，深度學習方法主要是基于歷史洪澇經驗來建立模型，在描述城市洪澇物理機制上比較薄弱，模型參數更多地是具有深度神經網絡模型的數學意義，而缺乏反映城市水循環運動的物理意義。此外，該類模型還存在對城市環境的變化（如下墊面變化等）沒有足夠的適應性等問題。因此，借助深度學習模型對城市洪澇模擬的研究仍待進一步發展。

城市洪澇模擬對計算速度有極大需求，尤其是在二維地表淹沒計算，單純對模型概化及算法優化仍難以滿足對計算效率的需求。隨著處理器多核時代到來，GPU（Graphics Processing Unit）并行計算技術在山洪預報、水庫實時調度、分布式水文模型、城市洪澇模擬等領域已取得廣泛應用［50-51］。高性能GPU 并行計算技術能夠大幅加快城市洪澇過程計算效率，如基于NVIDIA 公司研發的CUDA 平臺的GPU 并行計算技術在處理二維淺水方程或是處理深度學習中復雜網絡時均有廣泛應用。目前，城市洪澇模擬中廣泛使用的MIKE、InfoWorks ICM 等模型均引入了二維網格的GPU 并行計算技術。

智慧水務需要不斷提升數據監測水平，完善城市洪澇建模分析數據源。基于物聯網數據監測儀等傳感設備自動采集雨量、水位等城市重要的水情信息，利用移動互聯網實時傳輸給處理平臺，在大數據、云計算以及3S 技術的支持下完成對監測數據的分析與災情預測，以及對數據的實時可視化和動態管理［48］。目前，城市可以利用的長序列降水測站、管道監測、河道測站的監測資料仍較為缺乏，且尚未形成完善的監測標準。

目前，智慧水務更多應用于實現水利信息的存儲、查詢等初期應用，離真正的“智慧”、“智能”尚有一段差距。結合智慧水務工作的深入，城市洪澇模擬未來的工作主要包括以下方面。（1）提升監測技術，完善城市水文、氣象、水質等數據監測體系，為解決城市洪澇問題提供扎實的基礎數據。（2）積極探索城市洪澇過程的深度學習模型算法，平衡“算的準”與“算的快”之間的關系，為實際需求做支撐。（3）構建城市智慧水務平臺，綜合考慮水利、市政、環境、生態等諸多領域。本文第3.3 節所述城市洪澇實時預報調度系統即為智慧水務平臺的重要組成部分，完善的智慧水務平臺為城市洪澇的監測、預測、指揮、調度提供了重要幫助。

4 結語

本文對現階段城市洪澇過程模擬方法、主要模型和相關熱點研究領域進行了系統梳理和總結，以期為相關研究工作提供參考。主要結論和建議如下。

（1）城市洪澇模擬研究中，圍繞城市化水文效應、城市化下墊面水文響應機制、管網明滿流交互、干濕界面交替、以及高階數值格式上開展了大量工作。不應忽略的是，無論是水文模型中建立分布式水文模型，還是水動力模型中通過優化數值格式求解雙曲型偏微分方程組，均是數學物理方法在洪澇過程模擬中的應用，人們對城市水循環規律及水流運動本質規律的認識卻并未因此提高。加強城市研究區域水循環規律的研究，厘清在城市化影響下，城市產匯流以及水流運動規律的研究，是深化人們對城市洪澇過程認識、實現城市洪澇過程精準模擬的基礎工作。

（2）單獨使用水文模型或水動力模型分析城市暴雨洪澇問題均有一定的不足，需要綜合考慮水文、水動力過程及其耦合機制。水文水動力耦合機制的關鍵在于通過優化模型耦合邊界，對描述水文和水動力過程的模型方程聯立求解，實現水文水動力緊密耦合機制，以反映實際城市洪澇中多過程、多模塊間的相互作用。目前常用的洪澇模型更多是國外研發，其水文循環機制在我國的適用性仍待進一步的驗證。研究城市水循環機理、深入分析下墊面對降雨的響應機理，結合城市氣象水文特征，因地制宜地開發適合我國城市特點的洪澇模型十分必要。

（3）借助多學科交叉，城市洪澇過程模擬取得了長足的發展。基于遙感技術的多源數據融合、多源數據同化，為城市洪澇模擬提供了豐富的數據；基于深度學習技術的大數據模型為城市洪澇模擬提供了新的發展方向，與水文水動力模型互相彌補、印證；基于GPU 并行計算技術，使水動力二維計算效率大幅增加，使城市實時淹沒計算成為可能；基于人工智能發展及智慧水務建設的智慧水系統平臺開發，建立完善的數據-模型-預測-指揮一體化智能系統，實現對城市未來洪澇過程的預測預報并輔助決策，通過合理的調度對城市水系統進行實時調度。在未來的研究中，需要不斷提高城市水文氣象監測技術，完善監測技術體系。前期大量的數據積累可為后續研究提供豐富、扎實的基礎數據，功在當代，利在千秋。構建城市完善的智慧水務體系，加強與智慧路網、智慧電網等智慧城市其它組分間的聯系，需要相關行業一起，為早日真正將我國城市建設為智慧城市而努力。

我國快速城市化帶來了城市的發展與繁榮，也帶來了一些新的問題，城市洪澇問題就是城市化過程中必然會發生的問題之一。海綿城市建設是解決城市洪澇問題的手段之一，智慧城市建設也是減輕城市洪澇災害的有效途徑，無論是海綿城市建設，還是智慧城市的建設，都離不開城市洪澇模擬模型的開發和應用。廣大城市水科學研究人員，有必要借海綿城市與智慧城市建設的東風，盡快開發具有我國自主知識產權、適合我國城市特點的城市洪澇模擬模型。