降雨变化对雨水收集系统节水及径流的调控效应
收稿日期：2019-04-09; 修回日期：2020-02-12
项目名称：国家水体污染控制与治理科技重大专项"北运河上游水环境治理与水生态修复综合示范"(2017ZX07102-001)
摘要：雨水收集利用是城市水土保持的重要措施之一，具有缓解城市水资源短缺、减轻城市供排水系统压力等功能，被广泛应用于海绵城市和节水型城市建设。基于福州与乌鲁木齐1965-2015年实测日降雨量数据，分别采用回归分析和CLIGEN模型对21个GCMs预估月降雨数据进行空间和时间降尺度转换得到2020-2050年日降雨量数据，并基于自主构建的雨水收集系统水文模型，分析未来降雨变化对雨水收集系统节水及径流调控效应的影响。结果表明：福州与乌鲁木齐2020-2050年的年均降雨量比1985-2015年分别增加2.7%和28.2%，雨水收集系统节水效应（供水保证率和自来水替代率）明显增强，而径流调控效应（径流削减率）有所降低；降雨变化对雨水收集系统节水及径流调控效应的影响与气候区、汇水区面积、蓄水池容积等因素有关；降雨增加对节水效应产生积极影响，而对径流调控效应产生消极影响；降雨量较少的城市雨水收集系统对降雨变化更为敏感，汇水区面积和蓄水池容积越大的雨水收集系统对降雨变化的适应性越强。
关键词：雨水收集 气候变化 天气发生器 供水保证率 自来水替代率 径流削减率
Impacts of rainfall change on water saving and runoff control performance of rainwater harvesting systems
School of Soil and Water Conservation in Beijing Forestry University, 100083, Beijing, China
快速城镇化、工业化及人口高度集中使我国许多城市的水资源供给系统面临严峻挑战[1]，同时也深刻改变了下垫面条件，引发城市内涝积水等严重问题[2]。雨水收集利用作为城市水土保持的重要措施之一，具有减少径流和削减洪峰等径流调控功能[3-4]。根据水质状况，收集处理的雨水可在饮用、洗车、洗衣、冲厕、绿地灌溉等方面替代自来水，缓解城市水资源危机和供水压力[5-8]。研究表明，城市雨水收集系统可满足12%~87%的城镇居民用水量需求[8-9]，减少3%~75%地表径流量，洪峰削减率可达33%[4, 10-12]。鉴于雨水收集系统在节水和径流调控等方面的巨大潜力，许多国家将其列为增强城市弹性和应对未来环境变化的重要措施。
未来气候情景下降雨量及其时空分布格局的改变[13]会直接影响雨水收集系统的节水和径流调控功能。目前，只有少数研究者评估了气候变化对城市雨水收集系统的影响[14-15]。Cowden等[16]采用Markov和LARS-WG天气发生器分析非洲西部雨水收集系统供水量对气候变化的响应。Basinger等[17]采用Markov随机降雨发生器研究了气候变化对纽约雨水收集系统供水保证率的影响。基于全球环流模式(Global Circulation Models, GCMs)输出结果，Wallace等[18]绘制了密克罗尼西亚雨水收集系统80%和90%供水保证率的设计曲线。Haque等[19]基于区域气候模式预估未来气候情景评价了气候变化对雨水收集系统供水量和供水保证率的影响。然而，这些研究主要关注城市雨水收集系统节水效应对未来气候变化的响应，目前尚未发现关于气候变化对城市雨水收集系统径流调控功能影响的研究。
我国气候类型多样且在未来气候变化情景下降雨变化的趋势和程度存在显著的时空差异[20-21]。评估气候变化对典型城市雨水收集系统节水和径流调控效应影响可指导改进雨水收集系统设计和建设以保障其在未来气候情景下持续发挥节水和径流调控效应；然而，目前尚缺乏气候变化对我国城市雨水收集系统节水及径流调控效应影响的研究。
本研究基于我国东南部的福州和西北部的乌鲁木齐1960—2015年日降雨数据，采用回归分析和CLIGEN模型对21个CMIP5-GCMs集合预估的1°×1°格网降雨数据进行空间和时间降尺度获得2020—2050年日降雨数据，构建基于日水量平衡原理的城市雨水收集系统节水和径流调控效应评估模型，研究未来(2020―2050年)降雨变化对福州与乌鲁木齐雨水收集系统节水和径流调控效应的影响。研究结果可望为“海绵城市”和“节水型城市”建设中雨水收集系统设计和评估提供科学参考。
1 研究区概况
福州与乌鲁木齐分别位于我国湿润和半干旱气候区。福州与乌鲁木齐1985—2015年的年均降雨量分别为1425.5和305.7mm，年内分配不均，汛期(5—8月)降水量分别占全年降水量的51.06%和44.73%(图 1)。据《福州市水资源公报》和《新疆维吾尔自治区水资源公报》[22-23]，福州2016年水资源总量为95.15亿m3，但仍存在水质污染及用水量较高等问题，乌鲁木齐2017年水资源总量为14.99亿m3，属严重缺水型城市。
本研究以多层住宅楼为例，屋顶集雨区面积为1000m2，居住50人。研究表明，屋面雨水水质满足《城市污水再生利用、城市杂用水水质》的要求[24]，本研究屋面雨水径流经初期弃流、过滤、收集后用于冲厕。根据《雨水控制与利用工程设计规范》[25]，多层住宅楼每人每天冲厕用水量为32L，据此可估算本研究冲厕需水量为1.6m3/d。
2 数据与方法
2.1 降雨数据来源及气候模式数据降尺度
福州与乌鲁木齐1960—2015年日降雨数据来源于中国气象科学数据共享服务网(http://cdc.nmic.cn/home.do)。CMIP5-GCMs集合预估降雨数据由国家气候中心将BCC-CSM1-1、BNU-ESM、CanESM2等共21个GCMs的模拟结果经过插值计算、统一降尺度和多模式集合，获得历史(1901—2005年)和未来(2006—2100年)月降雨数据(本研究采用RCP4.5情景的未来降雨数据)。
2.1.1 空间降尺度
根据福州与乌鲁木齐气象站的经纬度，提取2个气象站所在栅格GCMs集合预估的1960—2005年月降雨数据，同时计算1960—2005年实测月降雨数据，将各月份在1960—2005年栅格月降雨量和实测月降雨量从大到小排序，并以实测月降雨量为自变量，以栅格月降雨量为因变量，对两变量排序后的对应关系进行回归分析，建立每个月份栅格数据与实测数据之间的非线性和线性转换函数。将GCMs集合预估的气象站所在栅格2020—2050年月降雨量代入以上拟合方程，即可获得气象站2020—2050年的逐月降雨量。为减小误差，当预估的某月份栅格降雨量在1960—2005年该月份栅格月降雨量范围内时使用非线性转换函数，否则使用线性转换函数。详细描述参考Zhang Xunchang[26]和Li等[27]等研究。
2.1.2 时间降尺度
CLIGEN模型由美国农业部(USAD)的Nicks和Gander开发，可用于生成降雨、温度和风速等气象要素[28]。Zhang Xunchang[26, 29]，Zhang Yongguang等[30]、Zhang等[31]和Li等[27]分别检验了该降尺度方法在美国俄亥俄州市、我国黄土高原和东北等地区的适用性，并将该降尺度方法应用于未来降雨变化对土壤侵蚀过程影响研究。该模型基于干、湿两状态一阶Markov链模拟降雨的发生。某日降雨发生的概率取决于前一日的降雨状态。确定降雨发生后，日降雨量由如下非对称正态分布函数生成：
|
$
x=\frac{6}{g}\left\{\frac{\frac{g}{2}\left(\frac{X-u}{s}\right)+1}{3}-1\right\}+\frac{g}{6}。$
|
(1) |
式中：x为标准正态变量；X为日降雨量，mm；u为某月日均降雨量，mm；s为该月日降雨量标准偏差，mm；g为该月日降雨量偏态系数。
在采用CLIGEN模型进行日降雨量生成时需要输入每月的5个降雨统计参数，即干日转湿日的转移概率(Pw/d)、湿日延续湿日的概率(Pw/w)、各月雨日平均降雨量(Rd，mm)、各月日降雨标准差(Sd，mm)、各月日降雨偏态系数(Sk)。根据1960—2005年实测日降雨数据，对每月按照月降雨量大小排序。根据月降雨量从大到小的排序，将每月的实测日降雨数据序列分为干、湿2组，每组各23个月，可统计2组的Pw/d、Pw/w和月平均降雨量(Rm)。根据2组计算结果可建立每月的Pw/w与Rm、Pw/d与Rm之间的线性关系。将基于空间降尺度结果计算得到各月的月均降雨量带入相应月份的Pw/w与Rm、Pw/d与Rm关系式，可获得2020—2050年各月的Pw/d和Pw/w。生成2020—2050年日降雨量所需的Rd和Sd，可用下式计算：
|
$
\pi=\frac{P_{\text {w/d }}}{1+P_{\text {w/d }}-P_{\text {w/ }}} ;
$
|
(2) |
|
$
R_{\mathrm{d}}=\frac{R_{\mathrm{m}}}{N_{\mathrm{d}} \pi} ;
$
|
(3) |
|
$
S_{\mathrm{d}}^{2}=\frac{\sigma_{\mathrm{m}}^{2}}{N_{\mathrm{d}} \pi}-\frac{(1-\pi)\left(1+P_{\mathrm{w} / \mathrm{w}}-P_{\mathrm{w} / \mathrm{d}}\right)}{1-P_{\mathrm{w} / \mathrm{w}}+P_{\mathrm{w} / \mathrm{d}}} R_{\mathrm{d}}^{2}。$
|
(4) |
式中：π为日降雨发生概率；Nd为2020—2050年1—12月每月时间, d；σm2为月降雨量方差。
2.2 雨水收集系统水文模型
笔者基于水量平衡原理，构建雨水收集系统水文模型。对于封闭防渗的蓄水池，雨水收集系统可收集雨水径流量可用下式计算：
|
$
I_{t}=\left\{\begin{array}{cc}
0, & H_{t} \leqslant \delta \\
\frac{\psi\left(H_{t}-\delta\right) F}{1000}, & H_{t}>\delta
\end{array}\right.。$
|
(5) |
式中：It为t时段蓄水池可收集到的雨水量，m3；Ht为t时段的降雨量，mm；δ为初期雨水弃流量，mm，δ=2mm[32]；ψ为集雨区径流系数，ψ=0.9[12]；F为集雨区汇水面积，m2。
因“溢流优先”算法(Yield-After-Spillage，YAS)得到的节水和径流调控效益更为保守，本研究采用YAS算法。雨水收集系统拦蓄的雨量可用下式计算：
|
$
Y_{t}=\left\{\begin{array}{ll}
V_{t-1}+I_{t}, & V_{t-1}+I_{t}-D_{t} \leqslant 0 \\
D_{t}, & V_{t-1}+I_{t}-D_{t}>0
\end{array}\right.。$
|
(6) |
|
$
V_{t}=\left\{\begin{array}{ll}
V_{t-1}+I_{t}-Y_{t}, & V_{t-1}+I_{t}-S_{c} \leqslant 0 \\
S_{c}-Y_{t}, & V_{t-1}+I_{t}-S_{c}>0
\end{array}\right.。$
|
(7) |
式中：Yt为t时段蓄水池拦蓄的雨水量，m3；Vt为t时段结束时蓄水池内的蓄水量，m3；Dt为t时段的用水量，m3；Sc为蓄水池的设计容积，m3。
2.3 节水及径流调控效益评价指标
供水保证率(g，%)指在一定时期内雨水收集系统能够充分满足用水需求的时间概率，它是评价雨水收集工程供水可靠性的重要指标，计算公式如下：
|
$
g=\frac{N-U}{N} \times 100 \%。$
|
(8) |
式中：N为纳入计算期的时间，d; U为雨水收集系统无法满足当日需水量(即Rt-1+It＜Dt)的时间, d。
自来水替代率w指在一定时期内雨水收集系统提供的总用水量与该时期内的总需水量的比值，它是衡量雨水收集工程缓解城市水资源短缺问题功能的1个重要指标，可由下式计算：
|
$
w=\frac{\sum Y_{t}}{\sum D_{t}} \times 100 \%。$
|
(9) |
径流削减率η指在一定时期内雨水收集系统滞留的总雨水量占集雨区产生的总径流量(含初期弃流量)的比值，是衡量雨水收集工程滞蓄雨水、缓解城市内涝问题功能的重要指标，可由下式计算：
|
$
\eta=\frac{\sum Y_{t}}{100 \psi F \sum H_{t}} \times 100 \%。$
|
(10) |
3 结果与分析
3.1 GCMs降雨数据降尺度
对1960—2005年各月份GCMs预估月降雨量栅格数据与实测月降雨量拟合得到的最优非线性和线性回归方程的决定系数(R2)如表 1。福州各月份线性转换方程R2为0.908±0.079，非线性转换方程R2为0.980±0.027；乌鲁木齐各月份线性转换方程R2为0.926±0.095，非线性转换方程R2为0.978±0.074，说明GCMs预估月降雨量与实测月降雨量存在较好的非线性或线性关系。
表 1(Tab. 1)
表 1 1960—2005年GCMs预估栅格月降雨量与实测月降雨量非线性和线性回归方程决定系数(R2)
Tab. 1 Determination coefficients (R2) of the transfer functions between GCM projected and measured monthly rainfall for the period of 1960-2005
月份
Month |
福州Fuzhou |
|
乌鲁木齐Urumqi |
线性
Linear |
非线性
Nonlinear |
线性
Linear |
非线性
Nonlinear |
| 1 |
0.848 |
0.993 |
|
0.929 |
0.978 |
| 2 |
0.908 |
0.953 |
0.867 |
0.973 |
| 3 |
0.906 |
0.959 |
0.978 |
0.904 |
| 4 |
0.965 |
0.984 |
0.978 |
0.964 |
| 5 |
0.979 |
0.986 |
0.928 |
0.987 |
| 6 |
0.970 |
0.980 |
0.878 |
0.969 |
| 7 |
0.922 |
0.971 |
0.879 |
0.989 |
| 8 |
0.847 |
0.957 |
0.831 |
0.978 |
| 9 |
0.921 |
0.971 |
0.960 |
0.982 |
| 10 |
0.839 |
0.982 |
0.926 |
0.984 |
| 11 |
0.829 |
0.982 |
0.911 |
0.978 |
| 12 |
0.940 |
0.982 |
0.960 |
0.980 |
|
表 1 1960—2005年GCMs预估栅格月降雨量与实测月降雨量非线性和线性回归方程决定系数(R2)
Tab. 1 Determination coefficients (R2) of the transfer functions between GCM projected and measured monthly rainfall for the period of 1960-2005
|
图 2对比福州与乌鲁木齐1960—2005年各月GCMs预估月降雨量的空间降尺度结果与实测月降雨量的差异，可见，各月份GCMs栅格数据空间降尺度后的月降雨量与实测月降雨量的点对集中分布在1:1线附近，说明以上非线性或线性转换方程可较精确地将GCMs预估栅格数据转换为福州与乌鲁木齐气象站月降雨数据。
基于1960—2005年实测日降雨量的统计参数和GCMs月降雨量空间降尺度结果，采用CLIGEN模拟生成1960—2005年日降雨数据。各月实测雨日与模拟雨日的平均值和标准差如图 3，结果显示都在1:1线附近，表明CLIGEN能够较为准确地模拟各月份日降雨的发生概率。
对各月模拟和实测日降雨量概率分布进行Kolmogorov-Smirnov (K-S)检验，结果显示(表 2)，福州除2月和12月外，其余10个月均通过0.05显著性水平K-S检验，乌鲁木齐有9个月通过检验，表明CLIGEN模型能够较为准确地模拟各月的日降雨量的概率分布。以上分析表明，基于CLIGEN模型的时间降尺度方法能够较为为准确地模拟气象站各月份日降雨的发生概率和日降雨量的概率分布。对GCMs预估2020—2050年月降雨栅格数据降尺度结果表明，福州与乌鲁木齐2020—2050年年均降雨量均呈现增加趋势，变化率分别为2.67%和28.23%。
表 2(Tab. 2)
表 2 福州与乌鲁木齐1960―2005年各月实测与模拟降雨量K-S检验P值
Tab. 2 P values of the Kolmogorov-Smirnov test for measured and CLIGEN generated daily rainfall in Fuzhou and Urumqi
| 月份Month |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
| 福州Fuzhou |
< 0.05 |
0.24 |
< 0.05 |
< 0.05 |
< 0.05 |
< 0.05 |
< 0.05 |
< 0.05 |
< 0.05 |
< 0.05 |
< 0.05 |
0.14 |
| 乌鲁木齐Urumqi |
< 0.05 |
0.09 |
< 0.05 |
< 0.05 |
< 0.05 |
0.50 |
< 0.05 |
< 0.05 |
0.14 |
< 0.05 |
< 0.05 |
< 0.05 |
|
表 2 福州与乌鲁木齐1960―2005年各月实测与模拟降雨量K-S检验P值
Tab. 2 P values of the Kolmogorov-Smirnov test for measured and CLIGEN generated daily rainfall in Fuzhou and Urumqi
|
3.2 降雨变化对雨水收集系统供水保证率影响
基于历史(1985—2015年)和未来(2020—2050年)日降雨数据，模拟绘制满足50%和80%供水保证率的集雨区面积和蓄水池容积组合曲线，如图 4。在相同降雨条件下，80%供水保证率设计曲线在50%供水保证率设计曲线的右上方，表明供水保证率越高，需要的集雨区面积和蓄水池容积越大。这与Wallace等[18]在密克罗尼西亚的研究结果一致。
基于未来降雨数据得到的供水保证率设计曲线较基于历史降雨数据的设计曲线向左下方偏移，表明在未来降雨量增加的条件下，较小集雨区面积和蓄水池容积即可收集到满足设计供水保证率的雨水。以满足50%供水保证率为例，乌鲁木齐在历史降雨条件下，需50m3蓄水池收集来自1871m2集雨区径流，而在未来降雨条件，仅需收集来自1556m2的集雨区径流即可达到同一供水保证率。相比于福州，对于降雨量较少的乌鲁木齐来说，达到同一供水保证率所需要的集雨区面积和蓄水池容积更大，这是因为不同气候区的降雨量有显著差异。福州的设计曲线比乌鲁木齐更加集中，这说明降水量较小的乌鲁木齐雨水收集系统供水保证率对气候变化的敏感程度比福州高。
3.3 降雨变化对雨水收集系统自来水替代率的影响
在历史和未来降雨条件下，不同蓄水池容积雨水收集系统的自来水替代率及其变化如表 3。降雨变化对自来水替代率的影响与降雨变化情况、蓄水池容积相关。受未来降雨增加的影响，福州与乌鲁木齐雨水收集系统的自来水替代率均呈现增加趋势，这表明未来的降雨变化对福州和乌鲁木齐雨水收集系统的自来水替代率有积极影响。随蓄水池容积的增加，自来水替代率呈现上升趋势，但自来水替代率的相对变化逐渐减小，当蓄水池容积从5m3增加到100m3时，福州自来水替代率的相对变化从14.7%减小到4.3%，乌鲁木齐自来水替代率的相对变化从47.8%减小到16.6%，这表明蓄水池容积较大的雨水收集系统对降雨变化的敏感性更低。相比于乌鲁木齐，福州雨水收集系统自来水替代率的相对变化更小，这与福州降水量较大和在未来较小的降雨变化有关，这表明降水量较大的福州雨水收集系统对气候变化的适应能力更强。
表 3(Tab. 3)
表 3 不同降雨条件下雨水收集系统自来水替代率变化特征
Tab. 3 Changes in tap water saving efficiency of rainwater harvesting systems
蓄水池容积
Storage
capacity/m3 |
自来水替代率Tap water saving efficiency w/% |
|
相对变化
Relative changes/% |
| 1985―2015 |
|
2020―2050 |
| 福州Fuzhou |
乌鲁木齐Urumqi |
福州Fuzhou |
乌鲁木齐Urumqi |
福州Fuzhou |
乌鲁木齐Urumqi |
| 5 |
39.5 |
16.5 |
|
45.3 |
24.4 |
|
14.7 |
47.8 |
| 10 |
54.3 |
22.9 |
61.8 |
30.5 |
13.7 |
33.1 |
| 20 |
68.2 |
27.9 |
75.7 |
34.2 |
11.0 |
22.7 |
| 50 |
83.0 |
30.8 |
87.9 |
36.1 |
6.0 |
17.3 |
| 100 |
92.1 |
31.1 |
96.0 |
36.2 |
4.3 |
16.6 |
|
表 3 不同降雨条件下雨水收集系统自来水替代率变化特征
Tab. 3 Changes in tap water saving efficiency of rainwater harvesting systems
|
3.4 降雨变化对雨水收集系统径流削减率的影响
历史和未来2种降雨条件下雨水收集系统满足50%和60%径流削减率的设计曲线如图 5。在相同降雨条件下，60%径流削减率设计曲线始终在50%径流削减率设计曲线的左上方，这是因为集雨区面积一定时，蓄水池容积越大，雨水收集系统能够蓄积的雨水越多，径流削减率越高。
受降雨变化的影响，未来降雨条件下的径流削减率设计曲线在基于历史降雨条件下的设计曲线的左上方，这是由于未来降雨量增加，相同的集雨区面积可产生更多的雨水径流，为达到一定的径流削减率，需要更大的蓄水池容积进行径流调控。例如，在乌鲁木齐雨水收集系统集雨区面积为1000m2时，未来降雨条件下为实现60%的径流削减率需要的蓄水池容积为60m3，比历史降雨条件下满足该径流削减率所需蓄水池容积(21m3)增加39m3，这也说明未来降雨增加将给城市径流控制带来更大的挑战。在未来气候变化的基础上，乌鲁木齐雨水收集系统径流削减率设计曲线比福州更分散，这表明降水量较少的城市的雨水收集系统更容易受到较大的降雨变化的影响。
4 结论与讨论
笔者基于福州与乌鲁木齐气象站1960—2015年实测日降雨数据和对21个全球气候模式预估2020—2050年降雨数据降尺度结果，构建城市雨水收集系统水文过程模型，模拟分析未来降雨变化对福州与乌鲁木齐雨水收集系统节水和径流调控效益的影响，研究结果表明：
1) 基于回归分析和CLIGEN模型的降尺度方法可精确地模拟福州与乌鲁木齐日降雨发生概率和日降雨量概率分布。
2) 福州和乌鲁木齐2020—2050年年均降雨量较1985—2015年均呈现增加趋势，分别增加2.67%和28.23%。
3) 受降雨增加影响，2市雨水收集系统的供水保证率和自来水替代率将升高，径流削减率将降低。
4) 降雨变化对雨水收集系统节水和径流调控效益的影响程度与气候区、蓄水池容积相关。降水量较少的乌鲁木齐雨水收集系统对气候变化的敏感程度大于位于湿润区的福州；蓄水池容积越大，雨水收集系统适应降雨变化的能力越强。
考虑GCMs预估降雨结果的不确定性[33]，笔者基于21个GCMs预估结果的平均值获取未来降雨预测数据，可以降低不确定性；但因不同GCMs在同一地点进行气候预测仍有差异，未来研究中可采用根据模拟降雨与实测降雨的概率分布差异而定义的Skill Score指数筛选适合目标城市的GCM，以获取更加可靠的未来降雨预测数据[18, 34]。基于CLIGEN模型对GCM数据空间和时间降尺度得到月最大降雨量偏小，而极端降雨的减少，导致后续计算中的径流削减率偏大。这些不足会影响评价结果准确性，需在未来的研究中进一步改进。
2020, Vol. 18 
