城市暴雨洪涝模拟：原理、模型与展望

徐宗学，叶陈雷

（1.城市水循环与海绵城市技术北京市重点实验室，北京 100875；2.北京师范大学 水科学研究院，北京 100875）

1 研究背景

随着我国经济社会的快速发展，城镇化进程不断推进，城市人口持续增加。据统计，2018年末，全国大陆总人口139538 万人，比2017年末增加530 万人，其中城镇常住人口83 137 万人，占总人口比重（常住人口城镇化率）为59.58%，比2017年末提高1.06 个百分点，而在1981年中国常住人口城镇化率仅为20.2%［1］，而且未来我国城镇化率还将进一步提高［2］。受城市人类活动的影响，城区气温普遍比郊区气温高［3］，“热岛效应”［4］和“雨岛效应”［5］凸显，使得城市暴雨洪涝更为集中，灾害形势更为严峻［6-7］。近年来“城市看海”频发，如2012年北京“7·21”特大暴雨、2016年武汉“7·6”大暴雨［8］以及前不久发生的“5.22”广州特大暴雨。城市洪涝已成为我国城市发展的痼疾，严重制约了我国经济社会的发展和人民生活水平的提高。

为解决城市洪涝问题，缓解城市水资源短缺的现状，改善城市水环境，修复城市水生态，2013年，国家提出了“海绵城市”建设战略，以期实现雨水的“自然积存、自然渗透、自然净化”［9］。2014年11月，《海绵城市建设技术指南》发布。从2015年初至2016年，分2 批次遴选了全国30 个海绵城市建设试点城市。海绵城市是指城市能够像海绵一样，在适应环境变化和应对自然灾害等方面有良好的弹性，降雨时吸水、蓄水、渗水、净水，需要时释水并加以利用。1970年代，英国政府首次提出可持续排水系统（SUstainable Discharge System，SUDS），提出了径流源头控制理念，美国环境保护署提出了最佳管理措施（Best Management Practices，BMPs），强调终端治理以及工程类措施。1990年代美国暴雨管理专家提出了低影响开发（Low Impact Development，LID），澳大利亚提出了水敏感城市设计（Water Sensitive Urban Design，WSUD）［10］。

在城市化及海绵城市建设的大背景下，城市暴雨洪涝模拟是防洪排涝、建设海绵城市的核心技术之一。城市洪涝模拟涉及水文、水动力、遥感、地理信息系统、数学、计算机、人工智能等多个领域；同时，其它领域新技术的发展也为洪涝模拟提供了巨大帮助，如遥感技术以及丰富的水文气象数据，为分布式水文模型的发展创造了有利条件；计算机硬件技术的发展使洪涝模拟中二维非恒定流计算效率大幅增加；人工智能技术的发展为城市洪涝预警一体化平台建设提供了契机。在对城市洪涝研究的过程中，相关学者对此不断探索，诞生了以水文学为主的模型、以水动力学为主的模型及二者的耦合模型以及以地形分析为主的模型［10］。目前，水文水动力模型是城市洪涝分析与预测的核心工具。本文旨在对城市洪涝模拟的基本原理、主要技术手段和当前国内外广泛应用的模型进行系统的梳理，总结和分析城市洪涝模拟相关热点问题，以期为今后相关研究工作提供参考和支撑。

2 城市洪涝模拟的基本原理和方法

城市洪涝模拟的理论基础是城市水文循环规律，以及水动力学物理机制［11］。目前，研究城市内涝的主要方法是，基于对城市洪涝机理的认识，构建水文水动力模型，综合考虑模型初始条件、边界条件和闸泵调控措施，利用实测数据（降雨径流数据、流量及水位数据等）对模型进行率定和验证，并深入分析城市洪涝风险。相比于自然流域，城市内密集的人类活动对水文过程和水动力过程带来更大的复杂性和不确定性。

2.1 城市水循环特征与水文模型城市水文学是水文学的重要分支，其研究的核心问题是城市水循环规律。城市区域受人类活动影响极大，城市水循环规律比天然流域水循环更为复杂。研究城市水循环规律是建立城市水文模型、分析城市洪涝过程与机理的重要基础性工作。

从城市化对产汇流过程及水文效应的影响来看，城市下垫面及其产汇流过程受人类活动影响极大，自然流域水循环机理在城市中产生极大变化。下垫面和局部小气候的改变还引起水循环过程的变化，城市化对降雨的影响具有季节性［10］；剧烈的人类活动使硬化路面逐渐取代原有的植被覆盖和土壤，削弱了地表截留、蒸散发和下渗能力，区域不透水面积增大；排水系统、汇流路径、地表糙率系数的变化，导致城市对极端降水的响应更为敏感；城市河道中常建有水闸、泵站、堰、堤防等水工建筑物，具有阻水、输水、过流等调控区域水量、分洪调度的作用；城市路面陡坡、路肩等局部地形使城市部分汇水单元坡度增加，缩短了汇流时间；城市不规则的街道建筑、路面沉降、洼地更进一步增加了城市产汇流机理的复杂性。

从我国的城市特点来看，城市水循环规律与洪涝形成机理具有明显的地域特征。对于华东地区济南市这样的山前平原城市，山区坡度大，汇流时间短，在发生短历时强降雨时地势较低的城区易出现“马路行洪”现象；对于华北城市北京等，年降水量较小，主要易涝点多位于城市局部低洼区，尤其是下凹式立交桥往往“逢雨必涝”、“逢雨必淹”；对于长江沿岸城市武汉、南京等，进入汛期除受到暴雨内涝威胁外，还受到外江洪水的威胁；对于东南沿海城市深圳、福州等，受台风影响严重，且具有明显的风暴潮、天文大潮现象。

从城市的社会效应来看，城市水循环具有明显的自然-社会二元水循环特点［12］。城市水文涉及水利、市政、环境、生态等领域，城市不断增加的人口导致需水量增加，城市水资源供需关系改变；城市工业废水与生活污水的排放，引起城市生态系统功能退化；城市还拥有复杂的雨污合流与雨污分流管网系统，且常常伴随着管网堵塞等情形。

水文模型是研究水循环过程的主要工具，其发展经历了从集总式水文模型到分布式水文模型的阶段。分布式水文模型可以较好地反映实际的降雨分布及下垫面的空间异质性［13］，目前国内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，考虑到城市产汇流过程的复杂性和空间异质性的特点，常将城市研究区划分为若干个子汇水单元，基于单元内下垫面地形、用地类型等特征赋予模型参数，计算时段降雨量、蒸散发、填洼、下渗等初期损失后形成径流，进而得到流域出口断面的流量过程。现有的城市水文模型融入了管网等重要排水系统，但是对集水区内的下渗、蒸散发等产流机理仍考虑不足［15］。在城市水文模拟中使用分布式水文模型可以较好地体现流域的空间异质性，但是，分布式水文模型是否能准确揭示城市水循环物理机制仍待商榷。

目前，针对我国城市产流规律的研究还比较薄弱，城市水文模型是研究模拟水循环的主要工具，这对降雨径流的计算结果常作为水动力过程的输入，对城市洪涝模拟结果有重要影响。深入研究城市水循环机理是解决城市洪涝问题的重要内容和基础性工作。

2.2 城市洪涝过程与水动力模型水动力学模型也是描述城市洪涝过程不可或缺的一部分。一般来说，降雨经初损形成净雨后，由城市管网与河网排出，实际中由于满管溢出的水或河道漫滩的水形成城市地表淹水。水动力学具有一套成熟的描述管流、明渠水流及二维流动的方法与技术，近年来随着计算机技术的快速发展，二维水动力模型计算速度大幅提升，水动力模型越来越广泛地应用在城市洪涝模拟当中。

根据水流运动空间尺度的不同，水动力模型可以分为零维、一维、二维模型。零维模型一般是对检查井、湖泊、河道汊点等的概化，常考虑其调蓄功能；一维模型一般用于对管流和明渠流，对于管网和河道来说，沿流向方向的纵向长度远大于横向长度；二维模型一般用于模拟地表漫流，在空间上有两个变量。城市中的水动力条件复杂，城市排水系统包括地下管网系统、城市内河与渠道中修建的水工建筑物，这些工程调控设施对城市排水有着直接的影响。

水动力学方法基于Navier-Stokes 方程对不同流态水流进行简化，建立描述水流运动的模型方程，采用离散化思想求解模型方程的数值解，从而得到求解域内流场分布。一维水动力模型采用圣维南方程组（Saint-Venant Equations）描述，二维水动力模型采用浅水方程（Shallow Water Equations）描述，两者均为拟线性双曲型偏微分方程组。目前，求解水流运动的离散方法主要包括有限差分法（Fi⁃nite Difference Method，FDM）、有限体积法（Finete Volume Method，FVM）以及有限元法（Finite Ele⁃ment Method，FEM）。FDM 理论相对简单，技术成熟，可以构造高精度的差分格式，但是FDM 仅能处理几何外形相对简单的计算域，对于复杂外形的适用性较低。FVM 具有良好的守恒性，计算域网格点存储的是以该点为中心的控制体积内物理量（水位、流量、流速等）的平均值，适合处理复杂外形的计算域，且比FDM 更适合处理河道干湿交替问题与复杂混合流态问题［16］，但是FVM 难以提高数值格式的精度。FDM 多用于一维模型；FVM 多用于二维模型，如内涝淹水、溃坝洪水等。而有限元法（FEM）在处理河网模拟中常见的干湿交替问题时稳定性较差，更多用于结构力学与固体力学等领域，目前在水动力学中的应用仍待进一步深入。

数值离散格式的选取是水动力计算的核心问题。目前，一维模型广泛使用四点Preissmann 隐式差分格式。显格式（如迎风格式、Lax-Wendroff 格式）的计算较为简单，但随着迭代次数增加，误差在传播过程中易使结果发散；隐格式较好地改善了这项不足，但由于隐格式在每一步迭代中需要求解方程组，计算更为复杂。二维模型常使用基于非结构网格的Godunov 型有限体积格式，包括Roe 格式、HLL 格式等［17］。Godunov 格式将计算域作为分块连续的流场，将计算域上离散点的值作为该值在每个独立的块的平均值，基于平均值对界面通量重构，并通过在相邻块的界面处构造Riemann 问题来求解界面通量。Godunov 格式适用于求解古典解，还适应大梯度、大变形解，且可以自动捕捉间断［17-18］。另外，实际应用中常综合考虑数值格式的精度和计算效率，求解控制方程得到的状态变量值，与网格设置和尺度选择有关，增加网格数在一定范围内可以提高计算精度，但网格数的大幅增加使计算时间明显增加。因此，构造数值稳定、高精度、满足实际计算效率需求的算法是水动力学的重要问题。

城市受人类活动影响极大，城市水动力模拟比一般连续水体运动需要考虑更多因素。（1）水流在城市地表的运动极为复杂，城市建筑物对水流的阻挡影响洪水波的演进传播，为处理建筑物对水流运动的影响，已有相关研究使用了固壁边界法、真实地形法和加大糙率法做了大量工作［19］。（2）在水动力数值求解中，河床及地表干湿交替、界面通量重构等均是非恒定流数值求解的重要问题。城市地表局部地形复杂多变，地面沉降及洼地会使得水流运动路径改变。这使城市地表径流比溃坝洪水和河道洪水的干湿交替更为复杂，其干湿变化可能出现在任意时刻任意单元网格上，经典的Godunov格式存在干湿处理的问题，有研究采用扩散波计算网格单元水深极小时的流速，也有研究采用修正的Roe 格式，并将底坡项直接积分求解［20］。（3）城市地下管网系统存在着明满流交替现象，即管流在有压管和无压管之间切换，当管道未充满时，管道相当于明渠流，而管道在充满时为有压管流，有相关研究基于Preissmann 狭缝的激波捕捉法，尝试用同一组控制方程来描述明流和满流［21］。（4）城市排水系统相关理论及模型仍有待进一步完善，比如，对于管网和地表两个部分的汇水顺序，一种方式将降雨形成径流汇入管网系统进行一维非恒定流计算，对从管网中溢出的水在地表进行二维非恒定流计算；另一种方式是将所有的降雨在地表进行二维非恒定流计算，在有检查井的区域再汇入管网进行一维非恒定流计算［22］。部分雨水汇入低洼地甚至城市的地下空间，部分雨水通过管网排入河流，但在与河流洪水遭遇的情况下，可能出现顶托倒灌。因此，城市洪涝过程模拟中，要考虑因涝成洪和因洪致涝等现象。在利用浅水模型来描述地表淹没时，有研究采取耦合管网模型的方法进行计算，也有研究将管网概化到模型参数中［23-25］。模型中除了要考虑管网、河网、路面、建筑的复杂连接外，城市水系中还有水闸、泵站、水库等可调控设施，这些水工建筑物一般有相应的调度运行方案，它们对计算结果有较大的影响。

2.3 水文水动力耦合模型在对城市洪涝过程进行模拟时，单独使用水文模型或水动力模型均存在一定的不足。水文模型充分描述了降雨产汇流过程，水文过程的结果对洪涝计算影响较大，且在二维模型连续性方程中的源汇项要反映地表渗流造成的水量损失［26］。传统水文学方法对城市地表淹没过程较难描述，而水动力模型通过求解控制水流运动的偏微分方程，可以得到洪涝中的淹没水深、淹没范围、淹没历时等时空分布信息［8］，可以实现对河道泥沙运移及污染物冲刷扩散等过程的模拟。水动力模型往往需要精确的河道地形数据，在二维模型中的计算效率较慢［27］。因此，综合利用水文模型与水动力模型，互相弥补其不足，建立城市水文水动力耦合模型是城市洪涝过程模拟的必由之路。

总体来说，按两套模型耦合方式的不同，可以将水文水动力耦合模型大致分为三类：（1）将水文模型计算得到的流量作为水动力模型的上边界或旁侧入流。这种耦合模式可以称为松散耦合，或单向耦合、外部耦合。该模式可操作性强，通过建立水文模型和水动力模型之间某些变量的联系来实现耦合。但是，这种模式对真实的管网-地表-河道水量交互机制做了较大程度的概化［28-29］。考虑城市子流域出口断面的流量过程作为城市管网与城市河网的边界条件，这被称作点状耦合边界。但是这种耦合模式将地表漫流导致的淹没概化为管网溢出水流在出水口的扩散过程，以及在管道水量消退后，溢出水量又回流到管道的过程。相关研究针对此类问题提出线状耦合边界和面状耦合边界，分别通过设置不同类型的耦合边界形式来描述街道入流过程与地表局部低洼区的淹没过程［7］。（2）在水文模型和水动力学模型之间共享边界条件、模型参数等数据，但两个模型独立求解、互不影响。这种耦合模式比第一种更为紧密，称为内部耦合。（3）将水文模型和水动力学模型作为一个整体统筹考虑，对控制方程联立求解。这种耦合模式称为紧密耦合，或双向耦合、全耦合。紧密耦合在机理上最为完善，但联立求解方程组的难度较大。通过紧密耦合实现多过程的交互，进而实现模拟复杂的洪涝过程是洪涝模型的重要发展趋势。

考虑到城市下垫面的复杂性，在建立水文水动力耦合模型时需要包括以下基本模块。（1）基础模块：包括产汇流模块和水动力模块。产汇流模块由子流域上的降水、蒸散发、下渗、截留、填洼、坡面汇流等模块组成；水力模块由一维管网、一维河网、二维地表汇流等模块构成；（2）衔接模块：主要包括检查井与地表的衔接、河道与地表的衔接、一维水动力与二维水动力的衔接；（3）功能模块：主要包括闸、泵、堰等水力模块，以及实现实时调度控制的RTC（Real-Time Control）模块。水文水动力耦合模型需要考虑的因素、不同模块之间的相互关系与耦合机理如图1所示。

2.4 典型城市洪涝模型表1列举了目前部分国内科研单位自主研发的城市洪涝模型及其主要特点。其中包括中国水利水电科学研究院开发的洪涝仿真模型［30-34］和洪水风险分析软件FRAS［35］，珠江水利科学研究院开发的HydroMPM 模型［36］，西安理工大学与英国纽卡斯尔大学联合开发的GAST 模型［37］与大连理工大学开发的HydroInfo 模型［38］。另外，不少单位依托洪水风险图编制项目，研发了洪水分析软件，如中国水科院联合多家单位共同研发了IFMS/Urban 软件［39-40］。

表2列举了目前常用的国外研发的城市洪涝模型，这些模型软件的应用为计算分析城市洪涝过程提供了帮助。按照公开程度的不同，这些模型大致可以分为三类：（1）完全开源的模型，以SWMM 模型为代表。SWMM 模型是由美国EPA（Environmental Protection Agency，环境保护署）推出的城市洪涝模型，它提供了一个免费的GUI，已广泛被科研工作者所使用。由于源代码公开，SWMM 模型可以实现不同需求的二次开发，从而对原有功能进行补充。另外也有第三方库提供了模型接口，例如基于Python 开发的pyswmm 包，在python 环境下实现与部分模型参数的交互。（2）高度商业化的模型，以InfoWorks ICM 和MIKE 系列模型为代表。InfoWorks ICM 是由英国Wallingford 公司研发，具有高度的功能集成性，可以在同一界面中模拟城市区域水文、水动力、水质过程。还有丹麦水力研究所研发的MIKE 系列商业软件，其中MIKE URBAN、MIKE 11、MIKE 21 等在城市洪涝模拟中应用十分广泛。这类模型软件一般模块齐全、前后处理功能完善，能够模拟各种现实场景，但其缺点是难以进行开发创新。InfoWorks ICM 中提供了商业化模块ICM Exchange，可以实现部分二次开发。（3）半商业化模型，例如美国弗吉尼亚州海洋研究所（VIMS）开发的EFDC 模型，它提供了完整的源代码，但其用户操作界面EFDC Explorer 被商业化；又如HEC-RAS，它提供了免费的GUI，但其源代码尚未公开。

图1 城市水文水动力耦合分析框架

表1 国内主要城市洪涝模型

表2 国外主要城市洪涝模型

这些模型为模拟城市洪涝过程提供了极大的帮助，虽然不同模型的水动力模块在模型方程和数值求解方法上基本类似，但模型中针对城市产汇流的计算更多地是针对国外城市开发，其下渗产流机制对国内城市的适用性仍待商榷。因此，结合我国城市特点与暴雨内涝现状，在研究我国城市水循环规律与水动力机制的基础上，因地制宜研发适用于我国不同城市特点的洪涝模拟模型，不仅是当前研究的重要方向，也是从根本上解决我国城市洪涝问题的必由之路。

3 城市洪涝模拟有关的热点研究领域

3.1 遥感技术应用遥感技术为开展水文水资源领域的研究提供了优越的数据源和前提条件。目前遥感技术在水文水资源中的应用主要分为直接应用与间接应用两个方面。基于遥感技术全球性、全天候、实时监测的特点，可以直接应用于洪水过程和洪灾范围实时动态监测、冰川和积雪融化状态监测等方面。间接应用表现在可以为水文模型提供丰富的下垫面数据与气象数据，弥补了由传统水文站点监测在时间、空间限制因素造成水文数据的缺陷。尤其是在无资料地区，由于传统水文数据、土地利用/土地覆被数据的缺失，基于土壤、地表植被、大气三者有机结合的水文模型无法充分发挥作用，为遥感技术的应用提供了广阔的天地。

城市下垫面受人类活动影响较大，且具有明显的空间差异性。城市洪涝模型输入数据主要包括降雨、径流、水位等水文气象数据，以及地形、土地类型、河道断面、市政管网等城市基础信息数据，主要由人工实地勘测或城市监测站点获得。由于局部复杂地形对测量条件的限制，以及城市监测技术及设备尚不完善，城市洪涝研究需要的数据尚有所欠缺。随着3S 技术的发展，城市化进程的加快也对洪涝模拟提出了越来越高的精度需求，遥感技术为城市洪涝模拟提供了长时序、大面积、高精度的下垫面信息与城市水文气象数据，为城市水循环规律的研究提供了数据保障。基于遥感技术可获得的城市地表信息数据主要包括高精度地形数据（DEM（Digital Elevation Model）数据），土地利用类型（例如LandSAT 8，空间分辨率30 m，时间分辨率16 d），精细化地面信息（由机载LiDAR、车载LiDAR 等获得）；基于雷达遥感技术的气象水文数据，主要包括降雨数据（例如GLDAS（Global Land Data Assimilation System）数据，空间分辨率0.25°，时间分辨率1 d）、土壤湿度数据（例如CL⁃DAS（China Meteorological Administration Land Data Assimilation System）数据，空间分辨率0.0625°，时间分辨率1 h）、蒸散发数据（例如MOD16 数据，空间分辨率1 km，时间分辨率8 d）等。气象雷达技术的应用有效弥补了水文气象地面观测资料不足的缺陷，为精细化降雨径流模拟提供了良好的数据源。

与传统的水文站点监测相比，遥感技术可同时获得其它地面监测技术无法获得的紫外线波段、红外线波段、微波波段等不可见光信息，以及地面反射率、回波强度、波形等丰富的信息，精细捕捉传统方法无法获得的气象信息与下垫面信息，极大地丰富了开展城市洪涝模拟研究、气候变化下城市下垫面变化与城市洪涝风险之间的关系，以及气候变化对城市水循环影响研究的数据来源。遥感技术以其宏观、形象、快速、经济、周期短，以及可提供多时相数据的技术优势，为水文工作者从本质上认识城市洪涝的时空演变特征，预测城市洪水情势提供了大量信息。在分析城市水文循环规律时，除了重点以城区为研究对象外，更需要综合考虑该城市所在区域更大时间尺度与空间尺度上的水循环规律。例如，在分析北京市气候演变与水文循环规律时，应结合整个华北地区气象与水文规律，分析华北地区气候演变规律对北京城市水循环规律的影响。另外，随着深度学习技术的发展，尤其是卷积神经网络在图像识别及特征提取等领域上的优势，将其与遥感技术相结合，应用在城市洪涝研究中也是当前研究的热点。

3.2 城市综合排水系统模型水文水动力模型是模拟城市洪涝过程的基本工具，是对城市排水系统、下垫面与水文气候特征的概化，在建模时应统筹考虑城市复杂系统的产汇流过程。因此，根据城市实际情况，构建多系统、多模块、多过程、多维度耦合的城市综合排水系统模型是当前的发展趋势。在对城市局部区域进行精细化模拟时，还需要构建精细化模型，使模拟更趋近现实状态。如本文前述模拟地面积水与退水时，现有模型大多对积水过程及其反过程做了较大概化，为提高模型精度，通过源汇项建立一、二维模型方程间的联系，可以实现由满管导致的淹没过程更为准确的描述。其它如管道堵塞、外河倒灌、河道水位顶托等也可以通过对控制方程联立求解实现。此外，利用空天地一体化监测方法，以高光谱遥感技术为核心，结合无人机技术，获取城市高分下垫面信息，从而更精确地计算二维网格上的水流运动。

以两个典型易涝城市为例具体说明。首先以华东内陆城市济南市为例。济南属于暖温带半湿润区域，为大陆季风气候，其降雨具有历时短、强度大，在时间和空间上易集中的特点。济南中心城区地势南高北低，南部陡峭的地形使得汇流速度快，对城市洪涝起放大作用。城区街道成为汇水通道，中心城区街道成为行洪渠道，易出现马路行洪现象［41］。因此，在洪涝过程模拟时，需考虑街道汇水过程与马路行洪之间的转换。再以东南沿海城市福州市为例，福州为海洋性季风气候，夏秋受热带风暴和台风影响，常造成短历时强降雨［42-43］。城区水系复杂，河网密集，其上游北部为湿润山区，有八一水库、过溪水库、登云水库等主要水库；城区下游闽江水位则受风暴潮、天文大潮的影响；平原城区内河、入江口设置有调控内河水位的闸门与泵站，其工况与水库泄洪方案共同组成城市河湖库联合调度系统。汛期城市常通过启闭内河及外江水闸来调控城市水系，这些水工建筑物的调度工况直接影响城区的洪涝状况。另外，城区的调度系统除有利于防洪排涝外，还发挥着改善城市水环境的作用，实现雨天防洪排涝、晴天生态补水。因此，建模时需统筹考虑城市中观尺度水系联合调度、风暴潮对城市洪涝的影响，因地制宜，形成一套多过程、多模块耦合的城市综合排水模拟体系。

3.3 城市洪涝预报调度系统为应对城市洪涝带来的损失，改善城市洪涝现状，我国部分城市已逐步建立了城市洪涝实时预报系统，如沿海城市深圳、佛山、福州等。图2描述了城市洪涝实时预报系统的基本框架，包括数据层、模型层、预报层和决策层。数据层是实时预报系统的数据基础，包括城市现状管网、地形、河道、街道、建筑等基本信息；包括城市水文站、气象站监测的历史数据；还包括由各类监测设备传输至系统后台数据库的实时动态数据。模型层包含了城市洪涝淹没相关的水文、水动力、水质等模块及其相互间的耦合等。模型是保障实时预报系统的核心，增加模型预报精度、提高模型计算效率是实时预报系统面临的主要问题。模型通过提供相应的接口供系统集成与调用。预报层指的是在未来时段降雨与边界条件下，模型输出的洪涝状态数据，这些数据可以利用后处理技术进行渲染，直观反映城市洪涝状态。决策层是实时预报系统的反馈机制，是对预报调度系统的管理。图2中给出了3 种决策方法：（1）基于经验进行的调度决策，这种方法操作简单，但是主观性较强；（2）基于方案库的调度决策，这种方法是预先通过在系统中建立多套方案，在决策时通过方案比选来辅助调度决策；（3）智能调度，利用优化算法调整构建模型中的调度参数，实现调度决策的自动化与智能化，但是，智能调度对模型数据及计算机性能的要求较高，目前仍处于发展阶段。

图2 城市洪涝实时预报调度决策基本框架

RTC（Real Time Control）在闸泵工况模拟及调度中应用广泛，常用来在水系统中进行实时控制及辅助决策［44］。在综合考虑模型内部属性与外部预测的基础上，推演预测时段内系统功能操作及影响。在模型中利用RTC 实现调度方案对水力系统的控制时，主要有两种控制机制。一是前馈控制，即根据水力系统内部信息调节闸泵等系统内部设备，再将调节后的影响传递给当前水位来达到控制的效果。二是反馈控制，利用水力系统外部信息调节系统内部设备，且这种调节不会直接影响系统外部信息。两者均基于城市洪涝预报调度系统对当前状态进行调节和控制。在此基础上，可以实现对模型系统的优化调度，该体系较为复杂，包含模型系统、目标函数、边界条件、约束条件和优化算法。基于概化的排水模型，优化调度模块，使其在预测时间范围内更好地满足城市防汛目标与水力约束，从而产生优化的控制方案与调洪策略。

需要提及的是，为提高城市洪涝预报精度，利用数值天气模型实现对分布不均匀降雨的预测，在水文水动力模型中耦合高分辨率天气预报模式是一个重要方向。随着计算机技术的发展，数值天气预报模型应用愈加广泛。国内外著名的中尺度大气数值天气模式包括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气预报模式，在模拟对流型强降水方面得到显著发展。联合使用天气数值模型和水文水动力模型，也是进行城市雨洪计算、城市洪涝情势精准预报的重要方向。

3.4 洪涝过程模拟与智慧水务在人工智能技术蓬勃发展的背景下，“智慧水务”概念应运而生。智慧水务是智慧城市的重要组成部分，是完善城市水务管理的重要载体［47］。城市暴雨洪涝模拟是城市防洪减灾的关键技术之一，也是智慧城市风险应急管理中重要的决策支持依据［48］。

城市洪涝模拟亦是智慧水务中不可或缺的一环。以深度学习为代表的人工智能技术为城市洪涝模拟带来新的变革。深度学习中的前馈神经网络、卷积神经网络、循环神经网络等主要模型架构在智慧水务中得到广泛应用。使用循环神经网络适于建立城市易涝点或河道水位与若干致灾因子之间的非线性关系，建模时模型输入层常为气象、水文、地形等直接或间接因子，以及部分上游站点数据；输出层常为水位或流量数据，模拟时常选择擅长处理时间序列数据的RNN、LSTM 等模型，已有学者做过相关研究［49］。使用卷积神经网络在城市遥感影像识别分析，以及下垫面特征提取等领域具有广阔的应用前景。目前，TensorFlow、PyTorch 等优秀的深度学习框架可以方便地实现基础数据处理和深度神经网络模型构建。深度学习模型已被越来越多应用在城市洪涝相关工作，但不应忽视的是，与传统水文水动力模型相比，深度学习方法主要是基于历史洪涝经验来建立模型，在描述城市洪涝物理机制上比较薄弱，模型参数更多地是具有深度神经网络模型的数学意义，而缺乏反映城市水循环运动的物理意义。此外，该类模型还存在对城市环境的变化（如下垫面变化等）没有足够的适应性等问题。因此，借助深度学习模型对城市洪涝模拟的研究仍待进一步发展。

城市洪涝模拟对计算速度有极大需求，尤其是在二维地表淹没计算，单纯对模型概化及算法优化仍难以满足对计算效率的需求。随着处理器多核时代到来，GPU（Graphics Processing Unit）并行计算技术在山洪预报、水库实时调度、分布式水文模型、城市洪涝模拟等领域已取得广泛应用［50-51］。高性能GPU 并行计算技术能够大幅加快城市洪涝过程计算效率，如基于NVIDIA 公司研发的CUDA 平台的GPU 并行计算技术在处理二维浅水方程或是处理深度学习中复杂网络时均有广泛应用。目前，城市洪涝模拟中广泛使用的MIKE、InfoWorks ICM 等模型均引入了二维网格的GPU 并行计算技术。

智慧水务需要不断提升数据监测水平，完善城市洪涝建模分析数据源。基于物联网数据监测仪等传感设备自动采集雨量、水位等城市重要的水情信息，利用移动互联网实时传输给处理平台，在大数据、云计算以及3S 技术的支持下完成对监测数据的分析与灾情预测，以及对数据的实时可视化和动态管理［48］。目前，城市可以利用的长序列降水测站、管道监测、河道测站的监测资料仍较为缺乏，且尚未形成完善的监测标准。

目前，智慧水务更多应用于实现水利信息的存储、查询等初期应用，离真正的“智慧”、“智能”尚有一段差距。结合智慧水务工作的深入，城市洪涝模拟未来的工作主要包括以下方面。（1）提升监测技术，完善城市水文、气象、水质等数据监测体系，为解决城市洪涝问题提供扎实的基础数据。（2）积极探索城市洪涝过程的深度学习模型算法，平衡“算的准”与“算的快”之间的关系，为实际需求做支撑。（3）构建城市智慧水务平台，综合考虑水利、市政、环境、生态等诸多领域。本文第3.3 节所述城市洪涝实时预报调度系统即为智慧水务平台的重要组成部分，完善的智慧水务平台为城市洪涝的监测、预测、指挥、调度提供了重要帮助。

4 结语

本文对现阶段城市洪涝过程模拟方法、主要模型和相关热点研究领域进行了系统梳理和总结，以期为相关研究工作提供参考。主要结论和建议如下。

（1）城市洪涝模拟研究中，围绕城市化水文效应、城市化下垫面水文响应机制、管网明满流交互、干湿界面交替、以及高阶数值格式上开展了大量工作。不应忽略的是，无论是水文模型中建立分布式水文模型，还是水动力模型中通过优化数值格式求解双曲型偏微分方程组，均是数学物理方法在洪涝过程模拟中的应用，人们对城市水循环规律及水流运动本质规律的认识却并未因此提高。加强城市研究区域水循环规律的研究，厘清在城市化影响下，城市产汇流以及水流运动规律的研究，是深化人们对城市洪涝过程认识、实现城市洪涝过程精准模拟的基础工作。

（2）单独使用水文模型或水动力模型分析城市暴雨洪涝问题均有一定的不足，需要综合考虑水文、水动力过程及其耦合机制。水文水动力耦合机制的关键在于通过优化模型耦合边界，对描述水文和水动力过程的模型方程联立求解，实现水文水动力紧密耦合机制，以反映实际城市洪涝中多过程、多模块间的相互作用。目前常用的洪涝模型更多是国外研发，其水文循环机制在我国的适用性仍待进一步的验证。研究城市水循环机理、深入分析下垫面对降雨的响应机理，结合城市气象水文特征，因地制宜地开发适合我国城市特点的洪涝模型十分必要。

（3）借助多学科交叉，城市洪涝过程模拟取得了长足的发展。基于遥感技术的多源数据融合、多源数据同化，为城市洪涝模拟提供了丰富的数据；基于深度学习技术的大数据模型为城市洪涝模拟提供了新的发展方向，与水文水动力模型互相弥补、印证；基于GPU 并行计算技术，使水动力二维计算效率大幅增加，使城市实时淹没计算成为可能；基于人工智能发展及智慧水务建设的智慧水系统平台开发，建立完善的数据-模型-预测-指挥一体化智能系统，实现对城市未来洪涝过程的预测预报并辅助决策，通过合理的调度对城市水系统进行实时调度。在未来的研究中，需要不断提高城市水文气象监测技术，完善监测技术体系。前期大量的数据积累可为后续研究提供丰富、扎实的基础数据，功在当代，利在千秋。构建城市完善的智慧水务体系，加强与智慧路网、智慧电网等智慧城市其它组分间的联系，需要相关行业一起，为早日真正将我国城市建设为智慧城市而努力。

我国快速城市化带来了城市的发展与繁荣，也带来了一些新的问题，城市洪涝问题就是城市化过程中必然会发生的问题之一。海绵城市建设是解决城市洪涝问题的手段之一，智慧城市建设也是减轻城市洪涝灾害的有效途径，无论是海绵城市建设，还是智慧城市的建设，都离不开城市洪涝模拟模型的开发和应用。广大城市水科学研究人员，有必要借海绵城市与智慧城市建设的东风，尽快开发具有我国自主知识产权、适合我国城市特点的城市洪涝模拟模型。