基于4S技術(shù)的環(huán)湖截污模型構(gòu)建

許　迪，賀　彬，張　英，何　佳，徐曉梅，鄧偉明，陳春瑜,趙　敏

(1.昆明市環(huán)境科學(xué)研究院，云南 昆明 650000；2.云南省環(huán)境保護(hù)廳，云南 昆明 650032)

?

基于4S技術(shù)的環(huán)湖截污模型構(gòu)建

許迪1，賀彬2，張英1，何佳1，徐曉梅1，鄧偉明1，陳春瑜1,趙敏1

(1.昆明市環(huán)境科學(xué)研究院，云南 昆明 650000；2.云南省環(huán)境保護(hù)廳，云南 昆明 650032)

摘要：基于SWMM模型，利用GIS、RS及GPS技術(shù)構(gòu)建滇池流域東南岸的非點(diǎn)源污染量化模型。結(jié)合排水系統(tǒng)的特點(diǎn)，劃分子排水單元，并進(jìn)行參數(shù)靈敏度分析、率定及模型驗(yàn)證，完成模型的建立，模擬昆明主城城市降雨徑流污染。進(jìn)行模型的設(shè)計(jì)降雨重現(xiàn)期，對環(huán)湖截污系統(tǒng)各污水處理廠相應(yīng)的干渠匯水?dāng)嗝鎭硭乃|(zhì)水量過程進(jìn)行模擬，并對滇池環(huán)湖截污系統(tǒng)進(jìn)行效能分析。

關(guān)鍵詞：GIS；SWMM模型；非點(diǎn)源污染負(fù)荷；重現(xiàn)期；滇池環(huán)湖截污；效能分析

0引言

非點(diǎn)源污染在水環(huán)境污染中占有相當(dāng)大的比重，且降雨徑流污染物來源復(fù)雜，含有大量的有機(jī)、無機(jī)污染物，可對生物體造成嚴(yán)重影響[1]。直接排入水體將會造成水體水質(zhì)下降，進(jìn)而導(dǎo)致生境破壞。隨著科技以及經(jīng)濟(jì)的不斷發(fā)展，滇池水體面臨著降雨徑流、地表沖刷以及匯水污染等造成的嚴(yán)重威脅，環(huán)湖截污是滇池治理的最后一道防線，是為了保護(hù)滇池及治理滇池的長期性、復(fù)雜性、有效截污的安全性而設(shè)計(jì)的。城市徑流污染發(fā)生受多種因素控制，具有污染物種類繁多，組分多變，時(shí)空變化效應(yīng)明顯，短期沖擊負(fù)荷大，初期徑流污染負(fù)荷高等特點(diǎn)[1]。這些特點(diǎn)使得非點(diǎn)源污染物負(fù)荷量不能進(jìn)行量化，而且單一的控制技術(shù)難以達(dá)到非點(diǎn)源污染負(fù)荷的控制目標(biāo)。為了對環(huán)湖截污工程進(jìn)行問題識別與完善，將研究區(qū)域的非點(diǎn)源污染負(fù)荷量進(jìn)行量化研究，進(jìn)一步對其進(jìn)行重現(xiàn)期內(nèi)環(huán)湖截污的效能分析，為數(shù)字化環(huán)湖截污系統(tǒng)的構(gòu)建提供數(shù)據(jù)支持。研究采用了構(gòu)建SWMM模型的方式。

14S技術(shù)

環(huán)湖截污模型是基于SWMM模型、GIS、RS及GPS手段進(jìn)行研究的，因此簡稱4S技術(shù)。

SWMM模型(stormwater management model)是美國環(huán)境保護(hù)署EPA(Environmental Protection Agency)為預(yù)測及管理城市暴雨而研制的暴雨洪水管理模型，因其具有較高的精度，且污染物類型可依據(jù)需要自行設(shè)定，基礎(chǔ)數(shù)據(jù)要求量較大，在非點(diǎn)源污染控制方面，建立SWMM模型來模擬流域降雨徑流和非點(diǎn)源污染物的輸移過程，可以提高相關(guān)工作的有效性和科學(xué)性。

GIS是一種具有采集、管理、分析和輸出多種地理信息能力的軟件，不但具有空間性，也具有動態(tài)性。由計(jì)算機(jī)系統(tǒng)支持進(jìn)行空間地理信息數(shù)據(jù)的管理，并由計(jì)算機(jī)程序模擬常規(guī)的或者是專門的地理分析方法，作用于空間數(shù)據(jù)，產(chǎn)生相關(guān)信息，來完成人類難以完成的或是工作量巨大的任務(wù)。計(jì)算機(jī)系統(tǒng)的支持是GIS的重要特征，因而使得GIS能快速、精確、綜合地對復(fù)雜的地理系統(tǒng)進(jìn)行空間定位和過程動態(tài)分析。GIS的外觀表現(xiàn)為計(jì)算機(jī)的軟硬件系統(tǒng)，其內(nèi)涵卻是由計(jì)算機(jī)程序和地理數(shù)據(jù)組織而成的地理空間信息模型[2]。

RS技術(shù)即遙感技術(shù)(Remote Sensing，簡稱RS)，指從高空或外層空間接收來自地球表層各類地理的電磁波信息，通過對這些信息進(jìn)行掃描、攝影、傳輸和處理，從而對地表各類地物和現(xiàn)象進(jìn)行遠(yuǎn)距離控測和識別的現(xiàn)代綜合技術(shù)，包括傳感器技術(shù)，信息傳輸技術(shù)，信息處理、提取和應(yīng)用技術(shù)，目標(biāo)信息特征的分析與測量技術(shù)等?？捎糜谥脖毁Y源調(diào)查、土地利用類型分析、地形地貌觀測等方面[3]。

GPS即全球衛(wèi)星定位系統(tǒng)，簡稱GPS，是利用GPS定位衛(wèi)星，在全球范圍內(nèi)實(shí)時(shí)進(jìn)行定位與導(dǎo)航的系統(tǒng)。由美國國防部研制建立的一種具有全方位、全天候、全時(shí)段、高精度的衛(wèi)星導(dǎo)航系統(tǒng)，能為全球用戶提供高精度的三維位置、速度和精確定時(shí)等導(dǎo)航信息，是衛(wèi)星通信技術(shù)在導(dǎo)航領(lǐng)域的應(yīng)用典范。它極大地提高了地球社會的信息化水平，有力地推動了數(shù)字經(jīng)濟(jì)的發(fā)展[4]。

利用RS、GPS、GIS對基礎(chǔ)數(shù)據(jù)進(jìn)行信息提取，借助SWMM模型進(jìn)行信息展示與結(jié)果模擬，進(jìn)而能夠?qū)崿F(xiàn)環(huán)湖截污的效能分析。

2研究區(qū)域概況

本研究以滇池流域環(huán)湖截污系統(tǒng)東南岸服務(wù)范圍為研究區(qū)域，如圖1所示?，F(xiàn)場信息調(diào)查了解到：研究區(qū)域交通較發(fā)達(dá)，人為活動頻繁，新建城市區(qū)域、城鄉(xiāng)結(jié)合帶和農(nóng)村區(qū)域均有分布。區(qū)域結(jié)構(gòu)復(fù)雜，兩岸主要為農(nóng)田，無原生植被，受自然因素和人為因素相互作用的影響，流域內(nèi)水土流失較為嚴(yán)重。

研究區(qū)域內(nèi)排水系統(tǒng)主要由新建城區(qū)雨污排水管網(wǎng)、集鎮(zhèn)村莊溝渠、農(nóng)灌排水溝渠、河道、河道截污管和環(huán)湖截污干渠組成。研究區(qū)域內(nèi)的生活污水主要通過城市排水管道、村莊溝渠、河道截污管以及截污干渠收集。農(nóng)業(yè)面源污水主要通過農(nóng)灌溝渠與河道收集，最終進(jìn)入截污干渠或排入滇池。

3模型構(gòu)建

3.1數(shù)據(jù)處理

為獲取SWMM模型構(gòu)建所需的基礎(chǔ)數(shù)據(jù)，通過遙感技術(shù)得到2013年衛(wèi)星影像，并利用ENVI軟件對其進(jìn)行處理與解譯，經(jīng)GPS定位各溝渠管道的排水口，再利用GIS對研究區(qū)域進(jìn)行信息數(shù)據(jù)分析與整理。

經(jīng)過GIS解譯，劃分出7種主要的土地利用類型，即農(nóng)田、村莊、裸地、道路、水體及綠地，如圖2所示。利用GIS的地理面積統(tǒng)計(jì)功能，統(tǒng)計(jì)各個(gè)排水單元內(nèi)不同土地利用類型的區(qū)域面積，如表2所示。選取與表1中各土地利用類型相近的徑流系數(shù)[15]，經(jīng)過運(yùn)算得出綜合徑流系數(shù)為0.36，以及各個(gè)排水單元的徑流系數(shù)。

表1　各土地利用類型的徑流系數(shù)

表2　各土地利用類型的面積比

3.2參數(shù)敏感性分析

摩爾斯篩選法是目前應(yīng)用較廣的一種敏感性分析方法。本研究采用修正摩爾斯檢驗(yàn)法進(jìn)行參數(shù)的敏感性分析。修正的摩爾斯檢驗(yàn)法采用自變量以固定步長百分率變化 ，最終敏感性判別因子取摩爾斯系數(shù)的多個(gè)平均值，其計(jì)算公式為：

(1)

式中：SN—敏感性判別因子；Yi—模型第i次運(yùn)行輸出值；Yi+1—模型第i+1次運(yùn)行輸出值；Y0—參數(shù)調(diào)整后計(jì)算結(jié)果初試值；Pi—第i次模型運(yùn)行參數(shù)值相對于校準(zhǔn)后參數(shù)值的變化百分率；Pi+1—第i+1次模型運(yùn)算參數(shù)值相對于校準(zhǔn)后初始參數(shù)值的變化百分率；n—模型運(yùn)行次數(shù)。

本研究以5%為固定步長對各個(gè)水文水力參數(shù)進(jìn)行擾動，取值分別為-20%、-15%、-10%、10%、15%、20%。某一水文參數(shù)值變化時(shí)，其它參數(shù)保持固定不變。分析在3種不同降雨條件下水文參數(shù)對徑流深和徑流峰值的敏感性。

參照文獻(xiàn)[LenhartL，et.al，2002]將參數(shù)的敏感性分為4類：

(1)當(dāng)參數(shù)敏感度值︱SN︱≥1時(shí)，為高敏感參數(shù)；

(2)當(dāng)參數(shù)敏感度值0.2≤︱SN︱<1時(shí)，為敏感參數(shù)；

(3)當(dāng)參數(shù)敏感度值0.05≤︱SN︱<0.2時(shí)，為中等敏感參數(shù)；

(4)當(dāng)參數(shù)敏感度值0≤︱SN︱<0.05時(shí)，為不敏感參數(shù)。

參數(shù)敏感性分析中選取的3場雨分別為：

第一場：2013年5月3日，24h降雨量達(dá)25.8mm，持續(xù)時(shí)間較長，雨量較大；

第二場：2013年5月23日，24h降雨量達(dá)83.2mm，持續(xù)時(shí)間較長，雨量大，且前期有暴雨強(qiáng)的雨峰出現(xiàn)；

第三場：2013年6月25日，24h降雨量達(dá)19.4mm，雖然雨量較小，但1h達(dá)19.3mm，可代表高強(qiáng)度短歷時(shí)降雨。

根據(jù)參數(shù)的敏感度值對參數(shù)進(jìn)行靈敏度分析。SWMM模型參數(shù)中影響徑流深的靈敏參數(shù)包括Width、%imperv、N-imperv、N-perv、%slope、Area和Ks。其中Width、N-imperv和Area對于第三場降雨量較少的降雨是靈敏參數(shù)，%imperv對于3場降雨均為靈敏參數(shù)；N-perv和%slope對于第三場降雨量較少的降雨是中等靈敏參數(shù)，Ks對于第一場降雨量較大的降雨是中等靈敏參數(shù)；Des-imperv、Des-perv、%Zero-Imperv、Con-mann、Con-Length、Su、IMD對于3場降雨均為不靈敏參數(shù)。

SWMM模型參數(shù)中影響徑流峰值的靈敏參數(shù)包括Width、%imperv、N-perv、%slope、Area。其中%imperv和Area對于3場降雨均為靈敏參數(shù)；N-perv和%slope對于第三場降雨量較少的降雨是中等靈敏參數(shù)，Width對于第一場和第二場降雨是中等靈敏參數(shù)；Des-imperv、Des-perv、%Zero-Imperv、Con-mann、Con-Length、Ks、Su、IMD對于3場降雨均為不靈敏參數(shù)。

SWMM模型參數(shù)中影響降雨污染物負(fù)荷量的靈敏參數(shù)包括水質(zhì)參數(shù)污染物最大累積量、污染物累積速率、沖刷系數(shù)及沖刷指數(shù)。其中村莊和林地的最大累積量C1與累積速率C2對于3場降雨來說均為靈敏參數(shù)，林地的沖刷系數(shù)與沖刷指數(shù)對于第一場降雨來說為靈敏參數(shù)；而農(nóng)田的沖刷系數(shù)和村莊的沖刷系數(shù)及沖刷指數(shù)對于第一場雨來說均為中等靈敏度，大棚的最大累積量C1對于第一場降雨來說為中等靈敏參數(shù)，大棚的累積速率C2對于第一場和第二場降雨來說均為中等靈敏參數(shù)；其他的土地利用類型的污染物最大累積量、污染物累積速率、沖刷系數(shù)及沖刷指數(shù)在降雨條件下對污染物負(fù)荷量均表現(xiàn)不靈敏。

SWMM模型參數(shù)中影響降雨污染物峰值濃度的靈敏參數(shù)包括水質(zhì)參數(shù)污染物最大累積量、污染物累積速率、沖刷系數(shù)及沖刷指數(shù)。其中村莊和林地的最大累積量C1與累積速率C2對于3場降雨來說均為靈敏參數(shù)，村莊和林地的沖刷系數(shù)與沖刷指數(shù)對于第一場降雨來說為靈敏參數(shù)；而道路和大棚的沖刷指數(shù)對于第一場降雨來說為中等靈敏參數(shù)，大棚的累積速率對于第二場降雨來說為中等靈敏參數(shù)；其他的土地利用類型的污染物最大累積量、污染物累積速率、沖刷系數(shù)及沖刷指數(shù)在降雨條件下對污染物濃度峰值上均表現(xiàn)不靈敏。

研究參數(shù)對模型輸出結(jié)果的影響，識別敏感參數(shù)，可為模型參數(shù)的率定和不確定分析提供重要參考，能提高參數(shù)率定的效率及模型模擬的可靠性。

3.3模型率定

采用人工試錯(cuò)法進(jìn)行參數(shù)率定，不斷調(diào)整參數(shù)取值直到模擬結(jié)果與實(shí)測結(jié)果盡可能吻合。采用3個(gè)目標(biāo)函數(shù)作為評價(jià)實(shí)測與模擬的擬合程度的指標(biāo)，反映產(chǎn)流產(chǎn)污總量精度的總量相對誤差Er見公式(2)；反映出口斷面流量及污染物濃度過程吻合程度的模型效率參數(shù)(確定性系數(shù))Ce見公式(3)；評價(jià)和說明模型適用性的相關(guān)系數(shù)r見公式(4)。

Er=(Qc-Q0)/Q0

(2)

(3)

(4)

模型模擬的是理想條件下，假設(shè)溝渠管網(wǎng)收集的所有水都能排入干渠，且污水處理廠的處理能力為平均處理能力。根據(jù)研究區(qū)域的實(shí)測數(shù)據(jù)以及國內(nèi)外相關(guān)研究的經(jīng)驗(yàn)參數(shù)確定模型參數(shù)，并進(jìn)行模型的率定與校驗(yàn)，降雨實(shí)測徑流峰值與模擬峰值幾乎同時(shí)出現(xiàn)，峰值流量誤差為9.27%。參照Obievo、She和Temprano等人率定的峰值流量誤差范圍(5%～25%)，流量過程模擬結(jié)果可接受。

模擬與實(shí)測污染物濃度過程趨勢基本一致，從模型模擬結(jié)果的誤差分析來看，確定性系數(shù)均在0.70以上，污染負(fù)荷總量誤差在2%～25%，模擬與實(shí)測COD、TN、TP濃度峰值絕對值誤差均在2%～23%，誤差較小，模擬結(jié)果可接受，見表3。

表3　參數(shù)率定結(jié)果誤差分析

3.4模型校驗(yàn)

參數(shù)校驗(yàn)時(shí)通常比較模擬值與實(shí)測值的大小。如果差距較大，需在一定的取值范圍內(nèi)依次改變模型中的參數(shù)，直到其偏離程度被調(diào)整到可容許范圍內(nèi)為止。這時(shí)的參數(shù)值可作為最終值。

利用率定的參數(shù)應(yīng)用于模型，對降雨水質(zhì)水量變化過程模擬。對比2014年8月11日斗南地鐵口斷面和斗南村口斷面采集的實(shí)測數(shù)據(jù)，進(jìn)行模型校驗(yàn)。該場降雨過程的徑流、污染負(fù)荷誤差及相關(guān)性見表4。

表4　實(shí)測與模擬值誤差及相關(guān)性分析

污染負(fù)荷總量誤差及濃度誤差基本在6%～34%，參數(shù)的相關(guān)性基本維持在75%以上，模擬精度較好，模型的運(yùn)行如圖3。

4降雨情景設(shè)計(jì)

降雨的設(shè)計(jì)包括小時(shí)降雨量設(shè)計(jì)以及降雨時(shí)空變化的設(shè)計(jì)。小時(shí)降雨量可以由暴雨強(qiáng)度公式直接推求，降雨的時(shí)空變化可用雨型表示。

根據(jù)《昆明中心城區(qū)排水專項(xiàng)規(guī)劃》(2009—2020)，昆明城市暴雨強(qiáng)度總公式為：

(5)

式中：i—設(shè)計(jì)暴雨強(qiáng)度(mm/min)；p—重現(xiàn)期(a)；t—降雨歷時(shí)(min)。

選擇歷時(shí)為60min，重現(xiàn)期0.2a、0.25a、0.5a、1a、5a、10a、50a的降雨進(jìn)行計(jì)算，結(jié)果見表5。

采用芝加哥暴雨過程模型模擬降雨過程曲線，結(jié)合昆明暴雨強(qiáng)度公式得到：

(6)

(7)

式中：i(t1)—峰前降雨強(qiáng)度；i(t2)—峰后降雨強(qiáng)度；a—等于12.1+14.4lgP；b—等于14.4；c—等于0.8；r—雨峰相對位置。

表5　降雨特征

雨峰相對位置r根據(jù)滇池流域東南岸降雨站點(diǎn)資料統(tǒng)計(jì)，取多場降雨的平均值：

(8)

式中：t—峰前歷時(shí)，min；T—降雨總歷時(shí)，min；m—所統(tǒng)計(jì)的降雨場數(shù)。

利用以上算法[5]，初步設(shè)計(jì)了滇池流域東南岸范圍內(nèi)1h降雨不同重現(xiàn)期降雨時(shí)程分布。由于缺乏滇池流域東岸及南岸的相關(guān)資料，根據(jù)國內(nèi)外大量資料，大部分地區(qū)的r值均在0.3～0.5，所以r取0.4，具體降雨時(shí)程分布數(shù)據(jù)見表6和圖4。

5不同降雨條件下系統(tǒng)效能分析

由于降雨量的不同會導(dǎo)致環(huán)湖截污系統(tǒng)對污水的收集和處理時(shí)間不同，因此在進(jìn)行模擬的時(shí)候模型運(yùn)行時(shí)間為設(shè)計(jì)的不同重現(xiàn)期降雨產(chǎn)流及污水收集處理全過程。基于此，不同重現(xiàn)期模型運(yùn)行時(shí)間有所區(qū)別，詳見表7。

表6　降雨時(shí)程分配

表7　不同重現(xiàn)期模型運(yùn)行時(shí)間

重現(xiàn)期運(yùn)行開始時(shí)間運(yùn)行結(jié)束時(shí)間0.20a2014-1-2 00:00:002014-1-3 23:00:000.25a2014-1-2 00:00:002014-1-4 23:00:000.5a2014-1-2 00:00:002014-1-5 23:00:001a2014-1-2 00:00:002014-1-6 23:00:005a2014-1-2 00:00:002014-1-6 23:00:0010a2014-1-2 00:00:002014-1-7 23:00:0050a2014-1-2 00:00:002014-1-7 23:00:00

注：降雨時(shí)間為2014-1-2,11：00—12：00。

經(jīng)過模擬得到的不同降雨條件下環(huán)湖截污系統(tǒng)的收集處理效率如圖5所示。

在降雨1h的條件下，降雨重現(xiàn)期為0.20a一遇的情況下，環(huán)湖截污系統(tǒng)產(chǎn)生的污水能夠完全被收集與處理。根據(jù)模擬結(jié)果，當(dāng)小時(shí)降雨量超過6mm時(shí)，環(huán)湖截污系統(tǒng)會產(chǎn)生溢流，隨著降雨重現(xiàn)期的增加，系統(tǒng)收集處理效率逐漸降低。重現(xiàn)期為5a一遇(包括5a一遇)以上的降雨條件下，整個(gè)環(huán)湖截污系統(tǒng)的收集處理效率不足10%，最低僅為6.38%。污染物的收集處理效率也呈現(xiàn)出同樣的規(guī)律。

不同重現(xiàn)期污水收集處理效率的不同主要體現(xiàn)在系統(tǒng)溢流量上。隨著降雨重現(xiàn)期的增加，1h內(nèi)地表徑流產(chǎn)生量增大，大量的地表徑流通過溝渠及河道系統(tǒng)進(jìn)入環(huán)湖截污干渠，環(huán)湖截污系統(tǒng)配套的雨污水處理系統(tǒng)處理能力有限，污水處理能力低于環(huán)湖截污系統(tǒng)服務(wù)范圍內(nèi)匯集的雨污水量，系統(tǒng)溢流量也逐漸增加(圖6)，最終導(dǎo)致整個(gè)環(huán)湖截污系統(tǒng)收集處理效率降低。

6結(jié)論

環(huán)湖截污干渠是滇池治理的最后一道防線。為了模擬不同降雨條件下環(huán)湖截污系統(tǒng)的現(xiàn)實(shí)情況，基于4S技術(shù)構(gòu)建環(huán)湖截污模型，模擬多種重現(xiàn)期內(nèi)關(guān)鍵斷面的水質(zhì)水量，并對環(huán)湖截污的系統(tǒng)效能進(jìn)行分析。在0.2a的降雨條件下，環(huán)湖截污系統(tǒng)產(chǎn)生的污水能夠完全被收集與處理，根據(jù)模擬結(jié)果，當(dāng)小時(shí)降雨量超過6mm時(shí)，環(huán)湖截污系統(tǒng)才會產(chǎn)生溢流。研究區(qū)范圍內(nèi)的環(huán)湖截污對于強(qiáng)度較大的降雨條件其應(yīng)對能力偏弱，且污水處理廠自動調(diào)度能力有限。由于模型不能靈活地模擬調(diào)蓄池、泵站、污水處理廠之間的聯(lián)動運(yùn)行，現(xiàn)建模型還存在一定問題，但是對于研究區(qū)域降雨徑流污染模擬具有一定參考價(jià)值。

參考文獻(xiàn)：

[1]趙磊.非點(diǎn)源污染負(fù)荷核算方法研究[J].環(huán)境科學(xué)導(dǎo)刊，2008,27(4)：9-13.

[2]鄔倫，劉瑜，張晶，馬修軍，韋中亞，田原，等.地理信息系統(tǒng)原理、方法和應(yīng)用[M].北京:科學(xué)出版社，2005.

[3]劉坤，廣興賓.RS遙感技術(shù)簡介和應(yīng)用[J].林業(yè)勘查設(shè)計(jì)，2002(2)：59.

[4]王德保.GPS在城市控制網(wǎng)中的應(yīng)用研究[D].青島：山東科技大學(xué)，2004.

[5]祁繼英.城市非點(diǎn)源污染負(fù)荷定量化研究[D].南京：河海大學(xué)，2005.

[6]劉俊，徐向陽.城市雨洪模型在天津市區(qū)排水分析計(jì)算中的應(yīng)用[J].海河水利，2001(1)：9-11.

[7]任伯幟，鄧仁健，李文健.SWMM模型原理及其在霞凝港區(qū)的應(yīng)用[J].水運(yùn)工程，2006(4)：41-44.

[8]叢翔宇，倪廣恒，惠士博，等.基于SWMM的北京市典型城區(qū)暴雨洪水模擬分析[J].水利水電技術(shù)，2006，37(4)：64-67.

[9]黃卡，張翔，李鵬.SWMM模型在城市設(shè)計(jì)洪水中的應(yīng)用研究[J].企業(yè)科技與發(fā)展，2008(10)：214-216.

[10]董欣，杜鵬飛，李志一，等.SWMM模型在城市不透水區(qū)地表徑流模擬中的參數(shù)識別與驗(yàn)證[J].環(huán)境科學(xué)，2008，29(6)：1495-1501.

[11]趙冬泉，陳吉寧，佟慶遠(yuǎn)，等.基于GIS構(gòu)建SWMM城市排水管網(wǎng)模型[J].中國給水排水，2008，27(4)：88-91.

[12]陳鑫，鄧慧萍，馬細(xì)霞.基于SWMM的城市排澇與排水體系重現(xiàn)期銜接關(guān)系研究[J].集水排水，2009，35(9)：114-ll7.

[13]黃卡.SWMM模型在南寧心圩江設(shè)計(jì)洪水中的應(yīng)用研究[J].洪水河，2010,10(5)：36-38.

[14]馬曉宇，朱元?jiǎng)?lì)，梅琨,等.SWMM模型應(yīng)用于城市住宅區(qū)非點(diǎn)源污染負(fù)荷模擬計(jì)算[J].環(huán)境科學(xué)研究，2012，1(1)：96-101.

[15]GB50013-2006室外排水設(shè)計(jì)規(guī)范[S].北京：中國計(jì)劃出版社，2006.

[16]許迪.SWMM模型綜述[J].環(huán)境科學(xué)導(dǎo)刊，2014，33(6)：23-26.

Research on Building Lakeside Intercepting Sewage Model Based on 4S Technology

XU Di1,HE Bin2,ZHANG Ying1,HE Jia1,XU Xiao-mei1,DENG Wei-ming1,CHEN Chun-yu1,ZHAO Min1

(1. Kunming Institute of Environmental Science，Kunming Yunnan 650032 ,China)

Abstract：The model of SWMM was built to quantify the non-point source pollution in the south-eastern area of the Dianchi-lake basin using GIS, RS and GPS technology. Based on the characteristics of the drainage system, the drainage units were delineated. The sensitivity analysis of the parameters was conducted as well as the verification and the calibration. The model was built up to simulate the rainfall pollution in the downtown area of Kunming. Through resetting the rainfall reappearing period of the model, the water volume and water quality of the drainage system connecting to all wastewater treatment plants were simulated to analyze the efficiency of the lakeside intercepting sewage system.

Key words：GIS; SWMM model; non-point source pollution load; rainfall reappearing period; lakeside intercepting sewage system of Dianchi Lake; efficiency analysis

中圖分類號：X52

文獻(xiàn)標(biāo)志碼：A

文章編號：1673-9655(2016)01-0013-07

作者簡介：許迪(1987-)，女，昆明市環(huán)境科學(xué)研究院工作。通信作者：何佳(1983-)，女，昆明市環(huán)境科學(xué)研究院工作。

基金項(xiàng)目：國家水體污染控制與治理科技重大專項(xiàng)(2012ZX07102001)。

收稿日期：2015-10-12