2022, Vol. 42文章信息
- 董菁, 左进, 吝涛, 刘君涛, 王宁
- DONG Jing, ZUO Jin, LIN Tao, LIU Juntao, WANG Ning
- 高度城市化地区屋顶绿化径流调控效益评价——以厦门岛为例
- Assessment of hydrological performance of green roofs in highly urbanized areas: A case study of Xiamen Island
- 生态学报. 2022, 42(6): 2237-2250
- Acta Ecologica Sinica. 2022, 42(6): 2237-2250
- http://dx.doi.org/10.5846/stxb202012163197
-
文章历史
- 收稿日期: 2020-12-16
- 网络出版日期: 2021-11-26
2. 天津市创意城市设计实验室, 天津 300072;
3. 中国科学院城市环境研究所, 城市环境与健康重点实验室, 厦门 361021;
4. 中国科学院大学, 北京 100049;
5. 厦门市城市规划设计研究院, 厦门 361012
2. Tianjin Laboratory of Creative Urban Design, Tianjin 300072, China;
3. Key Laboratory of Urban Environment and Health, Institute of Urban Environment, Chinese Academy of Sciences, Xiamen 361021, China;
4. University of Chinese Academy of Sciences, Beijing 100049, China;
5. Xiamen Urban Planning & Design Institute, Xiamen 361012, China
20世纪50年代全球城市化的平均水平达到30%, 此后的60多年里, 世界城市化进程进入了快速发展时期[1]。据国家统计局最新报告, 中国城市化率从1978年的17.92%增加到2018年的59.58%, 用不到40年时间完成超过50%的城市化率。高度城市化地区的不透水地表覆盖率高, 自然土壤和植被的流失通过增加径流速度和流量、限制蒸散和截留显著影响水循环, 严重削弱了城市的降雨径流调控能力, 影响城市水安全[2]。此外, 在全球气候变化背景下, 暴雨等极端事件逐渐增加[3]。城市化和气候变化的双重影响导致城市洪涝灾害频繁发生。近年来, 在中国大部分城市发生的洪涝灾害造成了巨大的经济损失[4]。城市绿色基础设施建设可以最小化城市化的负面影响[5], 然而, 在高度城市化地区土地的稀缺以及高昂的土地成本导致的财政压力限制了绿地的供应[6]。其中, 屋顶绿化因其生态功能以及在建成区内易于实现而成为最可行的缓解措施。与传统屋顶不同, 作为国外城市暴雨管理理念中缓解城市雨洪的重要方式, 屋顶绿化可以有效地减少径流量、延缓产流时间、降低峰值流量和改善水质[7-8]。在一些发达城市, 屋顶面积约占城市不透水表面面积的40%-50%[9], 利用闲置的屋顶空间进行生态化改造缓解高度城市化地区的雨洪问题, 具有较大发展空间。
国内外大量研究表明屋顶绿化在削减地表径流和峰值流量方面的有效性, 但大多数定量研究多针对建筑、街区空间的微观尺度, 基于实际观测方法再现降雨-径流过程、探索其影响因子[10-12], 关注于不同屋顶绿化类型、结构的径流调控效益[13-14]。受城市气候、降雨特征、屋顶绿化组成等因素影响, 已有研究显示的屋顶绿化降雨径流调控效益差别较大, 径流减少率10%-100%[15-16]、洪峰延迟3-55 min[17-18]、洪峰流量减少18%-100%不等[19-20]。其中, Carter等[21]、Zhou等[22]在城区尺度使用径流曲线数(Soil Conservation Service Curve Number, SCS-CN)模型分别模拟了佐治亚州雅典城、北京市中心城区的屋顶绿化降雨径流调控效益, 表明在不同重现期降雨事件中, 屋顶绿化可以缓解平均7.6%-7.9%的地表径流。因此, 单个城市的研究成果不具备普适性, 具有不同气候条件、空间特征的城市, 屋顶绿化的降雨径流调控效益可能不同, 开展特定气候条件、降雨特征下的针对性研究对目标城市水安全及可实施性的生态化建设具有重要作用。
虽然SWMM(Storm Water Management Model)等基于过程的水文模型近年来取得了一定的进展, 但由于获取10 km2以上城市水文参数的成本和难度较高, 屋顶绿化在城市尺度的降雨径流调控效益研究受到限制[22], 阻碍了屋顶绿化在城市尺度的科学发展。目前, 不同的降雨径流模型被应用于城市等大流域尺度地表产流分析研究, 如人工神经网络模型[23]、水平衡模型[24]、合理径流系数模型[25]和SCS-CN模型[26]等。其中SCS-CN是当前降雨径流模拟中使用最广泛的模型[27], 该方法综合考虑了影响径流产生的因素, 包括降雨量、土壤类型、土地利用类型和前期土壤湿度, 这些因素被纳入一个参数(CN值), 具有所需参数少、物理概念明确、结构简单、精度较好等优点, 可应用于各种尺度、各种土地利用类型和气候条件的研究, 包括流域工程规划[28]、流域水土保持[29]和城市内涝风险评估[30-31]等, 尤其适用于大尺度水文资料缺乏地区。鉴于此, 本研究采用ArcGIS与SCS-CN水文模型相结合的方法, 选取典型高度城市化地区厦门岛为研究对象, 对城市尺度屋顶绿化的降雨径流调控效益进行评价, 并据此提出差异化生态策略。为此, 制定了以下两个研究目标: (1)基于屋顶绿化分期建设实施阶段设定了四个绿化场景, 运用SCS-CN水文模型进行四个绿化场景在不同降雨重现期下的降雨径流模拟, 分析屋顶绿化对城市地表径流的削减效果, 并通过城市雨水淹没模型研究屋顶绿化对城市积水的改善作用；(2)在此基础上, 进一步分析屋顶绿化径流调控效益在厦门岛的空间分异特征, 以此作为未来针对性生态化缓解策略制定的依据。
1 研究区概况与数据 1.1 研究区概况厦门市位于福建省东南沿海, 是我国重要的港口之一, 属于南亚热带海洋性季风气候。根据厦门统计年鉴资料, 年平均气温在21℃左右, 年平均降雨量在1200 mm左右, 每年5-8月份雨量最多。此外, 厦门市建成区面积由1981年的12 km2扩大到2017年的364.08 km2, 在不到40年的时间中增加了近30倍, 新增建设用地空间有限。本文研究区厦门岛是厦门市的发祥地、政治经济中心, 土地面积142 km2(不包含鼓浪屿), 主要由思明区和湖里区构成, 下辖十四个街道(图 1)。2017年常住人口238.18万人(厦门金砖会议期间公安部门入户调查数据), 人口密度为16773人/km2, 常住人口口径城镇化率达89.0%, 已达到城市化高级阶段, 是典型的高度城市化地区。厦门岛不透水面积占城市面积的71.66%, 岛内地形复杂, 地貌多为丘陵和条带状平原, 地势起伏不平, 由南向北倾斜, 地带性植被为亚热带季风常绿阔叶林。由于特殊的地理位置, 厦门市常受西太平洋和南海台风影响, 由此带来的强风暴雨往往造成严重的内涝灾害[32]。例如, 2016年9月15日全球最强台风“莫兰蒂”正面重创厦门, 此次灾难共造成道路积水195处, 人员转移46327人, 因灾死亡1人, 直接经济损失102亿元。而作为第一批海绵城市建设试点, 厦门城市积水和人口增长的压力, 使其通过开展城市尺度屋顶绿化建设改善城市积水、提升生态环境成为重中之重。自2015年起, 厦门岛开始逐步建设屋顶绿化, 到2017年, 厦门岛屋顶绿化面积达0.54 km2, 占整个城市屋顶面积的2%[33]。
|
| 图 1 研究区区位和汇水区 Fig. 1 Location and catchments of the study area |
本研究数据主要包括来自厦门市自然资源和规划局的厦门岛2017年土地利用数据, 下载自地理空间数据云网站(http://www.gscloud.cn)的30 m分辨率厦门市DEM数据, 来自中国科学院南京土壤研究所的1 ∶ 100万厦门市土壤类型数据, 屋顶绿化场景数据来自于课题组先期的研究成果[33]。
1.2.1 DEM数据通过ArcGIS的水文分析模块对厦门岛DEM数据进行填洼处理, 计算排水方向和汇流累积量, 同时结合实地观测的排水方向更正完善结果, 形成独立和封闭的汇水区, 并确保汇水区不跨越河流、山体, 最终厦门岛被划分为20个汇水区(图 1)。
1.2.2 土壤类型数据城市地表径流形成与土壤渗透性密切相关, 土壤渗透性的影响因素主要包括土壤结构、质地、有机质含量和地表覆盖物类型等。美国土壤分类系统(SCS-CN模型的土壤分类标准)根据土壤的渗透性将土壤类型分为A、B、C、D四类, 渗透性依次降低(表 1)。厦门岛的土壤类型包括砖红壤、红壤、黄红壤、水稻土、风沙土、盐土、潮土等7种, 以1 ∶ 100万厦门市土壤数据为基础, 根据SCS-CN模型的土壤分类标准, 按照渗透率进行归并, 对厦门岛土壤栅格数据进行了重分类, 得到符合SCS-CN模型要求的厦门岛土壤分类结果(图 2)。
| 土壤类别标号 Soil types |
土壤水文性质 Soil hydrological properties |
产流潜力 Runoff potential |
渗透性 Permeability |
渗透率 Infiltration rate/(mm/h) |
| A | 砂土、壤质砂土、砂质壤土 | 低 | 高 | >7.26 |
| B | 粉砂壤土、壤土 | 中 | 中 | 3.81—7.26 |
| C | 砂质粘壤土 | 高 | 低 | 1.27—3.81 |
| D | 粘壤土、粉质粘壤土、砂质黏土、粉质黏土、粘土 | 极高 | 极低 | < 1.27 |
|
| 图 2 厦门岛土壤水文类型 Fig. 2 Soil hydrological types in Xiamen Island |
以厦门岛2017年土地利用数据为基础, 根据SCS-CN模型需要和厦门岛实际情况, 最终将厦门岛土地利用分为林地、草地、建设用地、水域、滩涂五类(图 3)。
|
| 图 3 厦门岛土地利用分类 Fig. 3 Land cover types in Xiamen Island |
首先, 运用SCS-CN水文模型计算各汇水区的产流。通过整合各汇水区的潜在屋顶绿化和土地利用, 计算不同绿化场景的曲线(curve number, CN)值。其次, 通过计算四种不同重现期(2、5、10、20年)降雨事件下的径流减少率, 分析屋顶绿化的径流削减效应。最后, 计算四种降雨事件下的城市积水量, 并对比屋顶绿化实施前后积水面积的变化, 进一步结合屋顶绿化径流调控效益的空间分异分析, 提出差异性、针对性生态化缓解策略。所有的空间分析在ArcGIS 10.2平台上进行。
2.1 屋顶绿化实施场景课题组先期开展了厦门岛屋顶绿化实施潜力研究[33], 研究成果结合屋顶绿化实施的必要性(规划分区层面)以及建筑改造的可行性(建筑分类层面)总结屋顶绿化实施潜力影响因子, 综合规划分区层面的生态效益、经济效益、社会效益以及建筑分类层面的建筑属性、屋顶属性建立屋顶绿化实施潜力评估方法, 将厦门岛具有实施屋顶绿化潜力(占厦门岛总建筑屋顶面积的81.3%, 用地面积的14.6%)的建筑屋顶依实施难易程度分为四级。结合厦门岛屋顶绿化实施潜力分级结果, 按近中远期分期建设实施阶段设定了4个绿化场景(表 2、图 4)。
| 实施阶段 Implementation stages |
建设分期 Construction phase |
绿化场景 Greening scenarios |
| 阶段1 Stage 1 | 近期实施规划至2025年 | 场景1:一级屋顶绿化实施(10.4%) |
| 阶段2 Stage 2 | 中期实施规划至2030年 | 场景2:一二级屋顶绿化实施(28.2%) |
| 阶段3 Stage 3 | 中长期实施规划至2035年 | 场景3:一二三级屋顶绿化实施(40.6%) |
| 阶段4 Stage 4 | 远期实施规划至2050年 | 场景4:一二三四级屋顶绿化实施(100%) |
|
| 图 4 屋顶绿化实施场景 Fig. 4 Implementation scenarios of green roofs |
SCS-CN模型是由美国农业部水土保持局(USDA-SCS)开发的用于流域径流量估算的水文经验模型[11], 已被应用于各种规模(2500-1000 km2)地表径流的评价[34-35], 同时, 在屋顶绿化径流计算中也被广泛采用[2, 11, 21-22]。SCS-CN模型的计算公式如下[22]:
|
(1) |
|
(2) |
|
(3) |
式中, Q为径流量(mm), P为降雨量(mm), Ia为降雨的初损量(mm), 即径流开始前由于低洼储水、植被吸收、蒸发等造成的损失量。S为流域的最大入渗量。初损率λ是一个常数, 通常在0.0-0.2之间, 美国农业部水土保持局提出适用于较湿润地区的比例系数为0.2。CN为产流参数, 是模型中反映下垫面地表特征的一个综合指标, 范围在0-100之间, CN值越大, 产流能力越高。不同土地利用类型的CN值与流域土壤前期湿度(antecedent moisture condition, AMC)、土壤类型、土地利用类型、坡度及水文特征等有关, 可以根据美国自然资源保护服务中心(NRCS)创建的CN值检索表确定[22]。在本研究中, 土壤前期湿度为AMC Ⅱ。将厦门岛土壤类型和土地利用类型重分类结果在ArcGIS中进行叠加分析, 通过查表得到厦门岛不同土地覆盖类型的CN值(表 3)。
| 土地覆盖类型 Land cover types |
面积 Area/km2 |
% | CN | ||
| B | C | D | |||
| 建设用地 Built-up area | 79.82 | 56.21 | 98 | 98 | 98 |
| 林地 Woodland | 13.67 | 9.62 | 58 | 72 | 79 |
| 草地 Grass | 18.80 | 13.24 | 56 | 70 | 77 |
| 滩涂 Foreshore | 3.18 | 2.24 | 89 | 93 | 95 |
| 水体 Water body | 5.82 | 4.09 | 100 | 100 | 100 |
| 屋顶绿化 Green roofs | 20.71 | 14.6 | 91 | ||
| B、C、D分别代表不同的土壤类别 | |||||
屋顶绿化的CN值结合既有研究成果与实测方法得到。国内外学者基于不同气候区与植被土壤特征得到的结果显示, 屋顶绿化CN值介于80-96之间[11, 36-38]。Fassman-Beck等[37]通过给屋顶绿化分配一定的CN值, 当实验值与计算值之间的平方差最小时, 可以得到最优值。运用此方法对21个不同结构组成和不同气候条件下的屋顶绿化降雨-径流数据进行了分析, 得出所属气候区的屋顶绿化CN值的范围在90-94之间。此外, 考虑到当前屋顶绿化技术的创新发展与大规模实施的可行性, 本研究选择三种不同基质深度的简易型屋顶绿化开展监测实验, 选取最常见的景天属植物, 监测时间为2019年1月至12月。筛选20个降雨量大于2 mm降雨事件的降雨径流数据[11, 37](表 4), 运用公式(1)、(2)和(3)计算屋顶绿化CN值(范围在86-93, 平均值为91), 最终认为91是厦门岛屋顶绿化的平均CN值(表 3), 与徐田婧等人在同气候区南京的研究结果(简易型屋顶绿化CN值平均值为92)相似[11]。
| 基质深度 Depth of substrate/mm |
屋顶面积 Roof area/m2 |
降雨量 Rainfall/mm |
径流量 Runoff/mm |
径流削减率 Runoff reduction rate/% |
| 50 | 100 | 22.6 | 18.8 | 16.81 |
| 50 | 100 | 47.6 | 44.5 | 6.51 |
| 65 | 250 | 31.7 | 26.9 | 15.14 |
| 65 | 250 | 42.5 | 38.4 | 9.65 |
| 100 | 400 | 76.4 | 70.2 | 8.12 |
| 50 | 100 | 16.8 | 12.8 | 23.81 |
| 50 | 100 | 19.6 | 15.9 | 18.88 |
| 65 | 250 | 48.3 | 43.2 | 10.56 |
| 65 | 250 | 52.7 | 48.2 | 8.54 |
| 100 | 400 | 42.9 | 35.9 | 16.32 |
| 50 | 100 | 54.1 | 50.4 | 6.84 |
| 50 | 100 | 87.2 | 84.2 | 3.44 |
| 65 | 250 | 69.4 | 65.1 | 6.20 |
| 65 | 250 | 20.8 | 17 | 18.27 |
| 100 | 400 | 45.8 | 40.9 | 10.70 |
| 50 | 100 | 36.9 | 33.1 | 10.30 |
| 50 | 100 | 45.4 | 41.8 | 7.93 |
| 65 | 250 | 22.3 | 17.8 | 20.18 |
| 65 | 250 | 18.8 | 14.8 | 21.28 |
| 100 | 400 | 37.1 | 31.5 | 15.09 |
根据厦门市降雨强度-持续时间-频率的关系, 设计了2小时降雨事件的4个重现期(T=2、5、10、20年)[39], 这些降雨事件的最大强度发生在降雨的中间时间。本研究运用芝加哥雨型对降雨进行时程分配, 得到四个重现期累计降雨量分别为57.7 mm、69.0 mm、77.6 mm和86.2 mm[22]。
2.3 径流调控效益评价通过分析在四种屋顶绿化实施场景(100%、40.6%、28.2%、10.4%)下, 2年、5年、10年和20年重现期降雨事件中的地表径流削减和城市积水缓解效果, 评估城市尺度屋顶绿化的径流调控效益。现状未绿化建筑屋顶作为参考场景, 四种分期实施绿化屋顶对应规划场景。在ArcGIS平台采用基于DEM的雨水淹没分析方法开展城市积水缓解分析, 按成因主要分为有源淹没和无源淹没。在只考虑因降水造成的水位抬升, 而不考虑地表径流流速和淹没区连通性的情况下, 无源淹没将凡是高程低于给定水位的点都计为淹没区。本研究假设整个区域是均匀降水且城市积水处于相对静止状态, 因此模拟的降雨积水可以看作是无源淹没。根据径流总量与地面汇流区积水量相等的原理(等体积法), 模拟淹没区和区域内每一点的淹没高度[40], 积水量计算方法如下:
|
(4) |
式中, W为积水量(mm)；Q为单位面积径流量(mm), 可由SCS-CN模型求得(公式1)；S透和S不透分别表示城市透水面和不透水面的汇水面积(m2)；V为单位面积的排水量(mm)。厦门市室外排水标准为一年一遇, 即V=48.327 mm。
3 结果分析 3.1 屋顶绿化的径流削减效应在100%屋顶绿化实施场景下, 城市尺度屋顶绿化可以有效改善高度城市化地区地表透水性, 起到削减地表径流的作用。屋顶绿化显著降低厦门岛11.4%地表的CN值, 部分地表CN值由98降至91, 全岛平均CN值从90降至89。在4个重现期降雨事件(T=2、5、10、20年)下, 屋顶绿化可使汇水区平均径流减少率由2.86%下降到2.01%。从2年重现期到20年重现期降雨事件, 径流减少率超过5%的区域从总面积的50%下降到21.5%(图 5)。从空间上来看, 厦门岛内部径流减少率总体上高于边缘区(沿海片区), 北部地区的径流减少率高于南部地区。此外, 随着降雨强度的增加, 屋顶绿化的径流减少效应呈减弱趋势, 屋顶绿化起到显著径流减少作用的区域缩小到厦门岛内部。在重现期为2年的降雨事件下, 径流减少率在5%以上的汇水区分布于大部分研究区。然而, 东南沿海汇水区的径流减少率均在5%以下, 低于北部。当降雨重现期达到20年时, 径流减少率在5%以上的汇水区仅有一个, 位于中山路商圈。
|
| 图 5 100%屋顶绿化实施场景和四个降雨事件下径流减少率 Fig. 5 Runoff reduction rate under the 100% green roofs implementation scenario and four synthetic rainfall events |
在2年重现期降雨事件中, 10.4%屋顶绿化实施场景下的地表径流减少率范围为0.01%-1.27%, 平均地表径流减少率为1.10%；28.2%屋顶绿化实施场景下的地表径流减少率范围为0.1%-2.61%, 平均地表径流减少率为2.19%；40.6%屋顶绿化实施场景下的地表径流减少率范围为0.17%-4.39%, 平均地表径流减少率为2.74%；100%屋顶绿化实施场景下的地表径流减少率范围为1.04%-8.84%, 平均地表径流减少率为5.41%。此外, 具有明显径流减少效应的汇水区是中山路商圈所在的汇水区20, 在100%屋顶绿化实施场景中, 这个汇水区的径流减少率可达8.84%, 在40.6%屋顶绿化实施场景中达到4.39%(图 6)。
|
| 图 6 重现期为2年降雨事件和四种屋顶绿化实施场景下各汇水区径流减少率 Fig. 6 Runoff reduction rate by four green roofs implementation scenarios within each catchment at the rainfall event with return period T=2 a |
通过城市雨水淹没模型计算了不同场景下城市积水的淹没高程和面积。模拟结果表明, 厦门岛积水区在不同屋顶绿化实施场景和降雨重现期下的淹没高程和面积差异显著(图 7), 总体表现为降雨强度越大, 积水面积和最大淹没高程越大。厦门岛积水区主要分布在高崎机场、西北部港口、筼筜湖、五缘湾和环岛路；在相同重现期降雨事件下, 随着城市屋顶绿化实施数量的增加, 厦门岛屋顶绿化积水缓解效果明显, 平均积水深度降低分别为1.68、4.68、6.45、14.43 cm, 平均积水面积减少分别为6.11、16.89、23.29、52.06 hm2, 平均积水面积减少率为0.20%、0.57%、0.79%、1.76%。同时, 在100%屋顶绿化实施场景中, 4个重现期降雨事件下(T=2、5、10、20年)积水面积减少分别为49.52、52.93、53.34、52.46 hm2, 积水面积减少率分别为2.24%、1.84%、1.59%、1.37%；但厦门岛北部沿海仍有较大部分区域积水, 尽管如此, 这些区域的积水面积在逐渐减少；而随着降雨强度的增加, 厦门岛积水面积减少率以及其减少幅度随之降低(表 5), 即屋顶绿化的积水缓解效益减弱, 表明屋顶绿化对中低强度降雨的积水缓解效果显著。
|
| 图 7 4种不同重现期降雨事件和4种屋顶绿化实施场景下积水分布 Fig. 7 Distribution of ponding by four green roofs implementation scenarios at four rainfall events with different return periods |
| 降雨重现期 Rainfall return period |
积水面积 Ponding area/hm2 | 积水深度 Ponding depth/m | |||||||||
| 现状 | 场景1 | 场景2 | 场景3 | 场景4 | 现状 | 场景1 | 场景2 | 场景3 | 场景4 | ||
| 2 a | 2213.51 | 2210.31 | 2197.12 | 2191.06 | 2163.99 | 10.59 | 10.58 | 10.54 | 10.53 | 10.45 | |
| 5 a | 2881.50 | 2874.47 | 2864.48 | 2857.83 | 2828.57 | 12.35 | 12.33 | 12.30 | 12.29 | 12.21 | |
| 10 a | 3362.84 | 3355.73 | 3345.69 | 3339.11 | 3309.50 | 13.62 | 13.60 | 13.58 | 13.56 | 13.48 | |
| 20 a | 3817.22 | 3810.13 | 3800.24 | 3793.90 | 3764.76 | 14.87 | 14.85 | 14.82 | 14.80 | 14.72 | |
在2年重现期降雨条件中, 10.4%、28.2%、40.6%、100%屋顶绿化实施场景下的积水减少面积分别为3.21、16.4、22.46、49.52 hm2, 积水面积减少率范围分别为0.03%-0.58%、0.15%-2.95%、0.2%-4.04%、0.44%-8.91%(表 6)。从空间上来看, 屋顶绿化的积水缓解效益由东南至西北逐渐降低, 其中, 效益最明显的区域是东南沿海黄厝风景区所在的汇水区2。在100%屋顶绿化实施场景中, 此汇水区的积水面积减少率可达8.91%。总体来说, 只有在100%屋顶绿化实施场景下, 才会有近一半的汇水区减少3%以上的积水面积, 其他绿化场景并不会产生明显的积水缓解效益。同时, 在厦门岛积水较为严重的北部沿海地区, 尽管屋顶绿化可以减少一定的积水面积, 但这种作用微乎其微, 这些区域应增加更综合的生态缓解策略。
| 汇水区 Catchments |
面积 Area/hm2 |
屋顶绿化面积 Green roofs area/hm2 |
现状积水面积 Current ponding area/hm2 |
积水面积减少率 Ponding reduction rate/% |
|||
| 场景4 | 场景3 | 场景2 | 场景1 | ||||
| 1 | 338.81 | 10.11 | 6.04 | 6.05 | 2.77 | 2.03 | 0.40 |
| 2 | 670.11 | 29.01 | 7.02 | 8.91 | 4.04 | 2.95 | 0.58 |
| 3 | 572.18 | 38.26 | 166.35 | 1.03 | 0.47 | 0.34 | 0.07 |
| 4 | 447.74 | 35.47 | 295.94 | 0.44 | 0.20 | 0.15 | 0.03 |
| 5 | 730.58 | 46.07 | 40.08 | 4.62 | 2.10 | 1.53 | 0.30 |
| 6 | 78.17 | 7.63 | 42.41 | 0.69 | 0.31 | 0.23 | 0.05 |
| 7 | 310.59 | 29.82 | 46.17 | 2.43 | 1.09 | 0.80 | 0.16 |
| 8 | 511.96 | 52.36 | 81.17 | 4.11 | 1.86 | 1.36 | 0.27 |
| 9 | 404.59 | 38.65 | 13.89 | 5.63 | 2.56 | 1.87 | 0.37 |
| 10 | 411.60 | 49.63 | 168.55 | 1.55 | 0.70 | 0.51 | 0.10 |
| 11 | 523.57 | 75.07 | 82.25 | 3.74 | 1.69 | 1.24 | 0.24 |
| 12 | 617.02 | 97.45 | 115.58 | 2.67 | 1.21 | 0.89 | 0.17 |
| 13 | 1028.70 | 178.03 | 150.90 | 2.69 | 1.22 | 0.89 | 0.17 |
| 14 | 3164.15 | 516.45 | 307.66 | 2.94 | 1.33 | 0.97 | 0.19 |
| 15 | 777.09 | 140.53 | 215.65 | 1.89 | 0.86 | 0.63 | 0.12 |
| 16 | 1488.26 | 255.28 | 8.65 | 6.79 | 3.11 | 2.27 | 0.45 |
| 17 | 560.73 | 105.90 | 105.18 | 2.50 | 1.13 | 0.83 | 0.16 |
| 18 | 337.03 | 64.83 | 160.93 | 1.59 | 0.71 | 0.52 | 0.10 |
| 19 | 922.11 | 204.24 | 128.17 | 3.37 | 1.53 | 1.12 | 0.22 |
| 20 | 305.00 | 96.14 | 36.31 | 3.48 | 1.58 | 1.15 | 0.23 |
| 总计 Total | 14200 | 2070.94 | 2178.90 | 0.14 | 0.74 | 1.01 | 2.24 |
城市化和气候变化导致了地表径流急剧增加, 增加了高度城市化地区内涝的风险, 严重影响城市水安全。从整体上看, 在高度城市化地区实施城市尺度屋顶绿化可以有效削减地表径流、缓解城市积水。研究表明, 在4个降雨重现期事件(T=2、5、10、20a)下, 100%屋顶绿化实施可使厦门岛平均地表径流减少3.81%-5.41%, 说明大规模屋顶绿化有助于缓解暴雨期间的过量地表径流。依据《厦门市海绵城市专项规划》的建设要求, 厦门岛的年径流总量控制率取值范围为55%-60%, 在本研究中, 厦门岛超过一半的区域, 如果具有屋顶绿化实施潜力的屋顶进行100%绿化实施, 可以有效解决2年重现期或更频繁降雨的过量地表径流, 径流总量控制贡献率约为10%。但在20年降雨重现期的强暴雨期间, 径流减少率下降幅度会降低, 屋顶绿化径流削减效益减弱。与相关研究对比, 在屋顶绿化实施比例和降水条件相似的情况下, 本研究的径流减少率为5.5%, 与Carter等[21](7.6%)、Zhou等[22](7.9%)的结果存在差异, 主要是由于研究区所处气候区不同导致的屋顶绿化CN值不同。积水缓解方面, 在2年重现期的降雨事件中, 100%屋顶绿化实施场景下, 20个汇水区中的9个汇水区积水面积减少率均在3%以上, 积水得到明显改善。但在20年重现期降雨事件下, 仅有3个汇水区积水得到改善, 大部分汇水区还需要综合其他缓解措施。此外, 课题组先期开展的屋顶绿化实施潜力研究中, 将坡屋顶纳入不适建屋顶中, 事实上一些倾斜角度较小的坡屋顶也可用于屋顶绿化实施；同时, 本研究考虑到当前屋顶绿化技术的创新发展与大规模实施的可行性, 选择了简易型屋顶绿化开展监测实验。而根据徐田婧等的研究[11], 花园型屋顶绿化的平均CN值为88, 径流削减效益更高, 意味着本研究在一定程度上低估了厦门岛屋顶绿化的径流调控效益。
城市屋顶绿化径流削减和积水缓解效益空间异质的分析, 为城市生态化治理提供了明确的科学指导与针对性引导策略。在本研究中, 厦门岛屋顶绿化径流削减效益较高(最高径流削减率>7.5%)的区域位于思明区中山路商圈, 在相对频繁的降雨期间, 可以通过在该汇水区实施40.6%的屋顶绿化来防止过量地表径流；然而, 在20年降雨重现期的降雨事件中, 只有100%的屋顶绿化实施才能使此汇水区有明显的径流削减效应。同时, 商业建筑密集分布在此区域, 这意味着更高的内涝灾害风险损失, 也显示了屋顶绿化的良好缓解潜力, 此区域在制定生态策略时应作为屋顶绿化的重点建设区。由于该区域产权明晰单一, 可以通过采用花园型屋顶绿化, 进一步提升径流调控效益。而屋顶绿化径流削减效益较低(最高径流削减率 < 1%)的地区位于东南沿海、西北港口和高崎机场片区, 其中东南沿海地区即使进行了100%屋顶绿化实施, 也只能减少微量的地表径流, 这些区域屋顶绿化的径流削减效益潜力较小, 但此区域生态本底较好, 透水地表覆盖率高, 内涝风险较低；相比之下西北部港口和高崎机场片区积水严重, 西北部港口具有绿化实施潜力的屋顶数量较少, 应考虑下沉式绿地等更广泛的生态策略, 以降低内涝风险；高崎机场片区计划近年完成整体搬迁工作、统一发展规划, 采用广泛生态策略的同时, 可以通过绿色空间指数规划工具将屋顶绿化纳入发展规划的强制性内容, 项目审批、土地出让条件、城市设计导则、建设规定等刚性手段也可纳入其中, 将屋顶绿化与新建建筑进行一体化规划、设计、施工。其他区域面积超过全岛的50 %(1% < 最高径流削减率 < 7.5%), 积水风险较低, 可以结合“岛内大提升”计划、充分利用城市更新改造契机, 将适合进行屋顶绿化建设的既有建筑整合到建筑物本体改造中的屋面整治项目。
5 结论城市尺度屋顶绿化的径流调控效益研究为削减地表径流、缓解城市积水提供一种新的途径, 也是城市管理部门开展生态规划、海绵城市建设的重要基础。然而, 城市尺度屋顶绿化径流调控效益的研究尚少。本研究基于前期开展的屋顶绿化实施潜力成果、结合分期建设实施规划建立了四个绿化场景, 研究了大规模屋顶绿化的径流调控效益。采用SCS-CN水文模型, 评价了四种降雨条件下城市屋顶绿化的径流削减效应以及积水缓解效果。研究结果表明:
(1) 屋顶绿化在厦门岛的径流削减效应中起着关键作用。厦门岛平均地表径流减少率随城市屋顶绿化量的增加而从0.91%增加至4.51%, 随降雨事件重现期的增加而从2.86%下降到2.01%。屋顶绿化对地表径流削减有效的汇水区位于厦门岛中部, 在2年重现期的降雨事件中, 100%屋顶绿化实施场景下, 这些有效汇水区可以减少5%以上的地表径流, 最有效的汇水区(中山路商圈)达8.84%。
(2) 屋顶绿化对缓解城市积水有显著的效果。厦门岛易积水区域主要分布在高崎机场、西北部港口、筼筜湖、五缘湾和环岛路, 随着屋顶绿化量的增加, 厦门岛平均积水深度降低从1.68 cm增加至14.43 cm, 平均积水面积减少率从0.2%增加至1.76%；而随着降雨强度的增加, 积水面积减少率以及其减少幅度降低, 屋顶绿化对中低强度降雨的积水缓解效果显著。在2年重现期的降雨事件中, 100%屋顶绿化实施场景下, 20个汇水区中的9个汇水区会得到改善(积水面积减少率均在3%以上)。
(3) 屋顶绿化径流调控效益的空间分异特征为差异化生态缓解策略制定提供了科学指导。建筑最密集且屋顶绿化径流削减效益最高的中山路商圈, 应将屋顶绿化作为该地区缓解城市积水的重点生态策略；建筑密度低且内涝风险高的西北港口则应考虑蓄水池、下沉式绿地等其他更广泛的生态策略；积水较为严重的高崎片区应结合机场搬迁后的统一发展规划, 在采用广泛生态策略基础上, 将屋顶绿化纳入发展规划的强制性内容。此外, 这项研究是在亚热带季风气候的沿海城市背景下开展的, 其结果可能不适用于其他气候条件以及不同屋顶绿化类型, 但是对相似的比较研究将具有参考意义。
| [1] |
McLellan B C, Chapman A J, Aoki K. Geography, urbanization and lock-in-considerations for sustainable transitions to decentralized energy systems. Journal of Cleaner Production, 2016, 128: 77-96. DOI:10.1016/j.jclepro.2015.12.092 |
| [2] |
Palla A, Gnecco I. Hydrologic modeling of low impact development systems at the urban catchment scale. Journal of Hydrology, 2015, 528: 361-368. DOI:10.1016/j.jhydrol.2015.06.050 |
| [3] |
Du J K, Qian L, Rui H Y, Zuo T H, Zheng D P, Xu Y P, Xu C Y. Assessing the effects of urbanization on annual runoff and flood events using an integrated hydrological modeling system for Qinhuai River basin, China. Journal of Hydrology, 2012, 464-465: 127-139. DOI:10.1016/j.jhydrol.2012.06.057 |
| [4] |
Li C Y. Ecohydrology and good urban design for urban storm water-logging in Beijing, China. Ecohydrology & Hydrobiology, 2012, 12(4): 287-300. |
| [5] |
Li W, Saphores J D M, Gillespie T W. A comparison of the economic benefits of urban green spaces estimated with NDVI and with high-resolution land cover data. Landscape and Urban Planning, 2015, 133: 105-117. DOI:10.1016/j.landurbplan.2014.09.013 |
| [6] |
Lo A Y H, Jim C Y. Citizen attitude and expectation towards greenspace provision in compact urban milieu. Land Use Policy, 2012, 29(3): 577-586. DOI:10.1016/j.landusepol.2011.09.011 |
| [7] |
Vijayaraghavan K. Green roofs: a critical review on the role of components, benefits, limitations and trends. Renewable and Sustainable Energy Reviews, 2016, 57: 740-752. DOI:10.1016/j.rser.2015.12.119 |
| [8] |
陈小平, 黄佩, 周志翔, 高翅. 绿色屋顶径流调控研究进展. 应用生态学报, 2015, 26(8): 2581-2590. |
| [9] |
Stovin V, Vesuviano G, Kasmin H. The hydrological performance of a green roof test bed under UK climatic conditions. Journal of Hydrology, 2012, 414-415: 148-161. DOI:10.1016/j.jhydrol.2011.10.022 |
| [10] |
Brudermann T, Sangkakool T. Green roofs in temperate climate cities in Europe-an analysis of key decision factors. Urban Forestry & Urban Greening, 2017, 21: 224-234. |
| [11] |
徐田婧, 彭立华, 杨小山, 何云菲, 姜之点. 亚热带季风区城市典型绿化屋顶的径流削减效应. 生态学报, 2019, 39(20): 7557-7566. |
| [12] |
De-Ville S, Menon M, Stovin V. Temporal variations in the potential hydrological performance of extensive green roof systems. Journal of Hydrology, 2018, 558: 564-578. DOI:10.1016/j.jhydrol.2018.01.055 |
| [13] |
Stovin V, Poë S, De-Ville S, Berretta C. The influence of substrate and vegetation configuration on green roof hydrological performance. Ecological Engineering, 2015, 85: 159-172. DOI:10.1016/j.ecoleng.2015.09.076 |
| [14] |
Eksi M, Rowe D B. Green roof substrates: effect of recycled crushed porcelain and foamed glass on plant growth and water retention. Urban Forestry & Urban Greening, 2016, 20: 81-88. |
| [15] |
刘明欣, 代色平, 周天阳, 阮琳, 张乔松. 湿热地区简单式屋顶绿化的截流雨水效应. 应用生态学报, 2017, 28(2): 620-626. |
| [16] |
龚克娜, 王江海, 赵新华. 不同绿化屋面对雨水调蓄能力的影响. 水土保持通报, 2015, 35(1): 356-360. |
| [17] |
唐莉华, 倪广恒, 刘茂峰, 孙挺. 绿化屋顶的产流规律及雨水滞蓄效果模拟研究. 水文, 2011, 31(4): 18-22. DOI:10.3969/j.issn.1000-0852.2011.04.004 |
| [18] |
王书敏, 何强, 孙兴福, 王振涛. 两种植被屋面降雨期间调峰控污效能分析. 重庆大学学报, 2012, 35(5): 137-142. |
| [19] |
孙挺, 倪广恒, 唐莉华, 张书函, 孔刚. 绿化屋顶雨水滞蓄能力试验研究. 水力发电学报, 2012, 31(3): 44-48. |
| [20] |
Fassman-Beck E, Voyde E, Simcock R, Hong Y S. 4 Living roofs in 3 locations: does configuration affect runoff mitigation?. Journal of Hydrology, 2013, 490: 11-20. DOI:10.1016/j.jhydrol.2013.03.004 |
| [21] |
Carter T, Jackson C R. Vegetated roofs for stormwater management at multiple spatial scales. Landscape and Urban Planning, 2007, 80(1/2): 84-94. |
| [22] |
Zhou D M, Liu Y X, Hu S S, Hu D Y, Neto S, Zhang Y. Assessing the hydrological behaviour of large-scale potential green roofs retrofitting scenarios in Beijing. Urban Forestry & Urban Greening, 2019, 40: 105-113. |
| [23] |
Hu C H, Wu Q, Li H, Jian S Q, Li N, Lou Z Z. Deep Learning with a Long Short-Term Memory Networks Approach for Rainfall-Runoff Simulation. Water, 2018, 10(11): 1543. DOI:10.3390/w10111543 |
| [24] |
Frolov A V, Vyruchalkina T Y, Sarkisyan S G. Modeling Water and Salt Balance of Bol'shoe Yashaltinskoe Lake. Water Resources, 2018, 45(4): 318-325. |
| [25] |
Bertini C, Buonora L, Ridolfi E, Russo F, Napolitano F. On the use of satellite rainfall data to design a dam in an ungauged site. Water, 2020, 12(11): 3028. DOI:10.3390/w12113028 |
| [26] |
Al-Ghobari H, Dewidar A Z. Integrating GIS-Based MCDA Techniques and the SCS-CN Method for Identifying Potential Zones for Rainwater Harvesting in a Semi-Arid Area. Water, 2021, 13(5): 704. DOI:10.3390/w13050704 |
| [27] |
Tiwari K, Goyal R, Sarkar A. GIS-based methodology for identification of suitable locations for rainwater harvesting structures. Water Resources Management, 2018, 32(5): 1811-1825. DOI:10.1007/s11269-018-1905-9 |
| [28] |
王红雷, 王秀茹, 王希, 姜丽娟. 采用SCS-CN水文模型和GIS确定雨水集蓄工程的位置. 农业工程学报, 2012, 28(22): 108-114. DOI:10.3969/j.issn.1002-6819.2012.22.017 |
| [29] |
董文涛, 程先富, 张群, 赵阳, 韩平. SCS-CN模型在巢湖流域地表产流估算中的应用. 水土保持通报, 2012, 32(3): 174-177, 187-187. |
| [30] |
吴安坤, 黄钰, 张淑霞. 基于SCS模型的城市内涝灾害风险评价. 防灾科技学院学报, 2020, 22(2): 50-57. DOI:10.3969/j.issn.1673-8047.2020.02.008 |
| [31] |
牟凤云, 龙秋月, 余情, 杨猛, 何勇. 基于SCS模型的巫山县降雨径流多情景模拟. 重庆交通大学学报: 自然科学版, 2020, 39(2): 118-125. |
| [32] |
朱文彬, 孙倩莹, 李付杰, 高艳妮, 张林波. 厦门市城市绿地雨洪减排效应评价. 环境科学研究, 2019, 32(1): 74-84. |
| [33] |
董菁, 左进, 李晨, 范大林, 吴元君. 城市再生视野下高密度城区生态空间规划方法——以厦门本岛立体绿化专项规划为例. 生态学报, 2018, 38(12): 4412-4423. |
| [34] |
Baker T J, Miller S N. Using the Soil and Water Assessment Tool (SWAT) to assess land use impact on water resources in an East African watershed. Journal of Hydrology, 2013, 486: 100-111. DOI:10.1016/j.jhydrol.2013.01.041 |
| [35] |
Yao L, Chen L D, Wei W, Sun R H. Potential reduction in urban runoff by green spaces in Beijing: a scenario analysis. Urban Forestry & Urban Greening, 2015, 14(2): 300-308. |
| [36] |
Soulis K X, Ntoulas N, Nektarios P A, Kargas G. Runoff reduction from extensive green roofs having different substrate depth and plant cover. Ecological Engineering, 2017, 102: 80-89. DOI:10.1016/j.ecoleng.2017.01.031 |
| [37] |
Fassman-Beck E, Hunt W, Berghage R, Carpenter D, Kurtz T, Stovin V, Wadzuk B. Curve number and runoff coefficients for extensive living roofs. Journal of Hydrologic Engineering, 2016, 21(3): 04015073. DOI:10.1061/(ASCE)HE.1943-5584.0001318 |
| [38] |
Roehr D, Kong Y W. Runoff reduction effects of green roofs in Vancouver, BC, Kelowna, BC, and Shanghai, P.R. China. Canadian Water Resources Journal, 2010, 35(1): 53-68. DOI:10.4296/cwrj3501053 |
| [39] |
厦门市海绵城市建设工作领导小组办公室. 厦门市海绵城市建设技术规范. 厦门: 厦门市海绵城市建设工作领导小组办公室, 2018.
|
| [40] |
刘小生, 陈英俊, 黄玉生. 基于GIS技术的洪水淹没区确定. 测绘科学, 2007, 32(5): 136-137. |