劉家宏，石虹遠，梅 超，王 浩，宋天旭，欒清華

(1.河北工程大學水利水電學院，河北 邯鄲 056038；2．中國水利水電科學研究院流域水循環(huán)模擬與調控國家重點實驗室，北京 100038；3.水利部數字孿生流域重點實驗室(籌)，北京 100038；4.城市水循環(huán)與海綿城市技術北京市重點實驗室，北京 100875)

20世紀90年代以來，中國城市極端暴雨和內澇災害頻發(fā)[1-2]，對城市經濟社會發(fā)展和居民生命安全造成了巨大威脅，一定程度上制約了城市可持續(xù)發(fā)展[3]。城市內澇是暴雨降落在城市復雜下墊面上形成徑流無法及時排出進而引起地表積水的自然現象。從降雨到內澇形成是一個非線性復雜物理過程，受到多重因素影響，其中城市下墊面的空間格局是重要的影響因素之一[4]。合理規(guī)劃城市空間格局和基礎設施是緩解城市內澇的基礎，在不透水面增長、土地利用覆被變化對內澇的影響方面研究日趨深入[5-6]，為科學解析城市內澇形成機理以指導城市下墊面空間規(guī)劃與管控提供了依據。

21世紀初以來，城市下墊面的不透水面結構性特征和空間格局特征(可稱為城市形態(tài))對內澇過程的影響機理研究引起了更多關注。楊冬冬等[7]研究了不同降雨強度下不同城市道路系統布局模式的居住小區(qū)產匯流規(guī)律；Ferrari等[8]提出了基于孔隙率的淺水方程的數值方案，基于二維水動力模型捕捉街道網格中城市最典型的洪水特征；孫藍心等[9]利用城市時變增益非線性模型研究不同下墊面條件下的徑流特征；Bruwier等[10-11]研究了建筑、道路等城市格局特征參數對地表產匯流的影響；郭禹含等[12]研究了不透水面占比與徑流系數的關系；Silva等[13]基于數值模擬分析了小尺度城市不透水面與綠色透水面連通性對降雨徑流過程的影響；周宏等[14]研發(fā)考慮有效不透水面城市雨洪模型，分析了有效不透水下墊面在城市雨洪模擬中的水文響應機理；Li等[15]基于數值模型研究了街區(qū)尺度不同城市形態(tài)對洪澇嚴重程度的影響。上述研究主要聚焦在城市下墊面與不透水面對地表產匯流影響分析、城市下墊面空間格局的優(yōu)化等方面。研究方法主要有物理實驗和數值模擬兩大類，其中物理實驗較為普遍，但無法細致地重現城市下墊面的特征且種類有限；采用數值模擬的研究多集中于平面的角度，對使用三維方法刻畫三維城市形態(tài)來考慮空間特征對內澇過程影響的研究相對較少。城市下墊面具有十分復雜的空間特征，主要體現在道路和建筑的空間分布多樣，在快速城市化的背景下，城市下墊面形態(tài)變得更為復雜，未來的一段時期，相關研究對城市下墊面的刻畫應更加精細，建筑與地表的銜接關系應更清晰，總體上由“平面”向“立體”轉變。數值模擬也具備靈活運用、多重情景的優(yōu)勢，可以更準確且多尺度地模擬城市下墊面空間格局對社區(qū)尺度內澇過程的影響。運用三維城市形態(tài)模擬與城市內澇模擬方法相結合，開展城市下墊面空間格局對社區(qū)尺度內澇過程的影響模擬研究必要且可行[3-4]。

本文面向社區(qū)尺度下城市下墊面空間格局對內澇過程的影響研究，開展多種城市下墊面空間格局下的城市內澇過程數值模擬，從不同情景下內澇淹沒特征值、時空變化過程和水動力特性等方面分析其影響。通過定量和定性分析，解析城市下墊面空間格局對社區(qū)尺度內澇過程的影響，以期為科學認知城市下墊面空間管控和城市內澇形成機理研究提供一定參考。

1 研究方法與數據

本研究基于不同空間格局下的城市內澇過程模擬進行影響分析，涉及主要方法包括城市下墊面三維模擬方法和城市內澇過程水動力模擬方法等。

1.1 城市下墊面三維模擬方法

城市下墊面顯著區(qū)別于流域下墊面，前者由大量人工建筑構成，主要包括道路、房屋、廣場和綠地等，在人工建筑與本底地勢耦合作用下形成了包括微地形在內的城市復雜下墊面。在本研究中，為獲取包含詳細微地形的城市下墊面高精度數據，采用三維城市建模平臺(CityEngine)進行社區(qū)尺度下的城市下墊面三維模擬。

CityEngine主要用于數字城市、城市規(guī)劃等領域，在城市設計、建模以及GIS集成方面有較多應用。本研究主要利用CityEngine中基于參數的批量三維建模方法，通過編寫CGA(Computer Generated Architecture)規(guī)則建立三維模型[16]。CGA形狀語法是CityEngine平臺特有的建筑設計語言，通過該語言可以生成高質量的建筑三維模型?；贑GA語言，可快速高效完成模型構建，減少人工建模時間，建模效率較高，具有較強適用性。

1.2 城市內澇過程水動力模擬方法

本研究采用二維水動力模型TELEMAC-2D進行城市內澇過程數值模擬。TELEMAC-2D主要通過求解二維圣維南方程來模擬二維自由表面流，其計算基于適應性較強的非結構化三角形網格，能夠對城市道路等微地形實現較高精度模擬。Li等[17]通過經典算例驗證了TELEMAC-2D在城市內澇模擬中的適用性，將該模型引入到城市內澇相關研究中。

TELEMAC-2D基于非守恒形式的二維淺水方程求解，主要包括連續(xù)方程和動量方程：

(1)

(2)

(3)

式中：u和v分別為x和y方向的流速，m/s；h為水深，m；t為時間，s；Sce為流體源或匯項，m/s；Z為水位，m；ve為有效黏性系數，m2/s；g為重力加速度，m/s2；Fx和Fy分別為x和y方向的摩阻項。

TELEMAC-2D基于SCS-CN方法進行下滲模擬，采用Curve Number系數(CN值)來描述下滲能力，CN值主要影響土壤類型和土地利用類型等，通過查閱TR-55手冊CN值表確定。SCS-CN方法公式為：

(4)

(5)

式中：P為降水總量，mm；Q為地表徑流量，mm；λ為降雨初損率；S為土壤最大蓄水量，mm；NC為CN值，為區(qū)間0到100的值，量綱一參數。

1.3 下墊面和降雨模擬情景設置

1.3.1 城市下墊面情景

中國城市的自然地理特征各異，歷史演變趨勢不同，經濟社會發(fā)展階段迥異，城市形態(tài)復雜多樣。相關文獻表明，社區(qū)尺度下的城市路網形態(tài)主要分為網格型、盡端型和環(huán)型3種模式[18]，其中環(huán)型結構常與網格型或盡端型結合[7]。結合中國典型城市形態(tài)特點和城市規(guī)劃設計有關規(guī)范，基于CityEngine模擬了4類共8種不同的城市下墊面空間格局，作為典型城市下墊面情景。為確保生成城市格局的代表性，根據《城市居住區(qū)規(guī)劃設計規(guī)范:GB50180—93》等確定下列城市參數變量[19-20]，如表1所示。結合上述規(guī)范，并考慮城市中心下墊面的高密度特征，將建筑密度設為50%，綠地率設為20%。結合中國城市實際特征和《城市道路城市設計規(guī)范》，在上述參數約束下，通過建模生成最大坡度為3%(考慮排水及流速問題道路橫坡、縱坡均小于等于3%)，方向為沿西北(最高點)到東南(最低點)的地形[21]。

表1 城市下墊面空間格局情景空間參數取值范圍及本研究取值Table 1Range of scenario spatial parameters of urban underlying surface spatial pattern and parameters selected in this study

在本研究中，基于CityEngine中CGA形狀語法生成虛擬的社區(qū)尺度城市區(qū)域下墊面，主要語法規(guī)則包括道路拓撲關系、建筑物空間分布等內容的設定，依據國內城市格局空間分布特點，結合城市設計相關規(guī)范，在設定城市下墊面空間格局基本參數的基礎上生成8種1 km×1 km的社區(qū)尺度城市下墊面空間格局，主要為4類共8種情景，具體如下：

(1) 環(huán)形放射型格局(S1)：主要情景為中心環(huán)形(S1D1)、對角環(huán)形(S1D2)，具有較強的居住中心性，層層向外拓展，可向外衍生。

(2) 多類混合型格局(S2)：主要情景為環(huán)形隨機(S2D1)、環(huán)形方格(S2D2)，具有更好的通達性，呈現單一樣式城市下墊面空間格局進行混合布局。

(3) 方格網絡型格局(S3)：主要情景為道路稀疏(S3D1)、道路密集(S3D2)，具有更好的交通靈活性和方向性，在城市中分布較為普遍。

(4) 自由隨機型格局(S4)：主要情景為南北走向(S4D1)、東西走向(S4D2)，具有較強的不規(guī)則性，分布的形式多種多樣，道路四通八達。

在街道構建的基礎上，進行城市下墊面模型細化調整，主要包括用地類型細化(分為道路、建筑、綠地)以及道路、建筑模型貼圖和道路貼合地形問題等，形成8種城市下墊面空間格局，如圖1所示。

圖1 城市下墊面空間格局情景三維圖Fig.1 Three-dimensional map of spatial pattern of urban underlying surface

1.3.2 設計降雨情景

采用短歷時設計降雨情景，參考典型城市設計降雨公式[22]：

(6)

式中：q為降雨強度，mm/min；T為重現期，a；t為降雨歷時，min。分別生成重現期為2 a、5 a、10 a、20 a、50 a和100 a的設計降雨，降水量分別為53.1 mm、66.7 mm、77.0 mm、87.2 mm、100.8 mm和111.0 mm，雨峰系數設為0.6[23-24]，降雨歷時為120 min。不同重現期下的設計降雨過程如圖2所示。

圖2 不同重現期的設計降雨過程Fig.2 Design rainfall process with different return periods

2 城市內澇模型構建

基于TELEMAC-2D構建8種城市下墊面情景下的城市內澇數值模型，根據前述生成的8種城市下墊面數據，運用GIS工具進行高程重構(圖3)。將研究區(qū)劃分為建筑、道路和綠地3種用地類型，根據不同類型的用地進行曼寧系數賦值[25]，其中建筑、道路和綠地的曼寧系數分別為0.2、0.05和0.5；根據SCS模型土壤分類標準確定CN值[26]，其中建筑、道路和綠地的CN值分別取為98、94和80。

圖3 不同城市下墊面空間格局高程重構結果Fig.3 Elevation reconstruction results of different spatial pattern of urban underlying surface

將上述參數整合導出進行前處理，對研究區(qū)域進行網格剖分，網格分辨率為4 m，共計63 690個節(jié)點和126 269個網格，主要邊界參數條件為上游兩側(西側和北側)設為閉合邊界，下游邊界(東側和南側)設為自由出流邊界，地表無初始降雨，降雨時長120 min，總模擬時長360 min，時間步長2 s?；谏鲜鲈O置，構建8類下墊面的二維水動力內澇模型[27-28]。考慮到研究區(qū)為虛擬下墊面，采用等效排水的方法對排水管網進行概化，該方法基于水量平衡原理，將研究區(qū)排水管網的排水能力假設為排水管網設計標準即1年一遇，小于該降雨強度管網可將其全部排走，大于該降雨強度視為形成地表徑流[24,29]。通過對情景模擬結果進行合理性分析表明，所構建的模型徑流系數和徑流過程等處于合理范圍內，能夠滿足本研究需要。

3 結果及分析

3.1 不同情景下內澇淹沒特征值統計分析

3.1.1 積水總量峰值

積水總量峰值表征區(qū)域積水總量達到最大值時刻的地表積水總量情況，不同重現期下各城市下墊面空間格局積水總量峰值統計結果如圖4。

從圖4中可知，在100 年一遇設計降雨情景下，S3D1情景積水總量峰值為8種情景中的最大值，達4.47萬m3，相較于相同重現期最小值的S3D2情景增加了3 000 m2。以2年一遇、10 年一遇和100 年一遇設計降雨為例，在同一重現期下，積水總量峰值最大差值占比(兩值之差除以兩值的最大值所得結果表征兩者差別程度)分別為5.2%、4.9%和6.7%。相同格局下，S3D1和S3D2情景積水總量峰值差值占比最大，為6.7%，S1D1和S1D2情景積水總量峰值差值占比最小，為2.5%。

圖4 不同城市下墊面空間格局和不同重現期設計降雨情景下的積水總量峰值Fig.4 Peak ponding totals for different urban subsurface spatial patterns and different recurrence period design rainfall scenarios

上述結果表明，重現期越大或越小，積水總量峰值差值占比越大。S3格局中不同情景下積水總量峰值差值占比相對較大。

3.1.2 積水面積峰值

積水面積峰值表征區(qū)域積水總量達到最大值時刻的地表積水面積情況。分別統計積水深大于5 cm、15 cm和30 cm的不同重現期下的積水面積峰值，結果如表2所示。

表2 不同重現期設計降雨情景下不同積水深的積水面積峰值Table 2Peak ponding area for water depths greater than 5 cm,15 cm and 30 cm for different recurrence period design rainfall scenarios 單位：ha

積水深大于5 cm的積水面積為總積水面積，分析可知，相同重現期下，以100年一遇設計降雨為例，S2D2情景積水面積峰值為27.21 ha，比S2D1情景增加了4.07 ha，差值占比為15.0%，相較于其他格局，S2格局在100 a情景下積水面積峰值差值占比最大;在同一類墊面格局下，5年一遇設計降雨情景下，S3D1情景積水面積峰值為2.19 ha，比S3D2情景增加了2.14 ha，差值占比為97.7%，相較于其他格局，S3格局在5 a情景下積水面積峰值差值占比最大;降雨重現期為2 a時，S1、S3和S4格局存在積水面積為0 ha的情況，以S1D1和S1D2情景為例，兩者差值占比為100%；分析積水深大于15 cm和30 cm的積水面積峰值可知，不同重現期下，S3D1情景在積水深大于15 cm和30 cm的積水面積峰值均為最大，S3D2和S1D2情景則最小，且S1D2情景下未出現積水深大于30 cm的情況。

上述結果表明，相同重現期下，S1和S2格局在重現期較大時總積水面積差值占比較大，S3和S4格局在重現期較大時總積水面積差值占比較小。S3D2和S1D2情景分別在積水深大于15 cm、30 m中積水面積峰值最小。總體上S1格局緩解內澇積水面積效果顯著。

3.1.3 區(qū)域最大積水深

區(qū)域最大積水深表征區(qū)域在整體時空變化過程中達到最大的積水深，是判斷內澇嚴重程度的重要因子，可能分布并不廣，但表征該情景下區(qū)域最嚴重的積水點。不同設計降雨情景下區(qū)域最大積水深統計結果見表3。

由表3可見，區(qū)域最大積水深大于15 cm的情況集中發(fā)生在50年一遇和100年一遇設計降雨情景中。以2年一遇、10年一遇和100年一遇設計降雨為例，在相同重現期下，不同城市下墊面空間格局情景區(qū)域最大積水深的最大差值占比分別為40.0%、12.5%和16.7%。

表3 不同城市下墊面空間格局和不同重現期設計降雨情景下區(qū)域最大積水深Table 3Maximum regional ponding depth for different urban subsurface spatial patterns and different recurrence period design rainfall scenarios 單位:m

上述結果表明，重現期較小和較大時區(qū)域最大積水深差值占比較大，即隨著重現期增大，不同城市下墊面空間格局下的區(qū)域最大積水深差值占比呈現先減小后增大的趨勢。S3格局在各種重現期設計降雨情景下，區(qū)域最大積水深較小。

3.2 不同情景下內澇淹沒時空變化過程分析

3.2.1 積水總量變化過程

不同城市下墊面空間格局和不同重現期下積水總量變化過程見圖5。從圖5(a)—圖5(c)中可以看出，重現期較小時積水在局部微地形作用下很難依靠重力排出。

從由圖5(d)—圖5(f)可知，積水總量變化過程主要分為漲水階段和退水階段，其中，漲水階段并無明顯差別，在退水階段中，S3D2情景下的積水總量平均下降速率最大，而S3D1情景最小。在100年一遇設計降雨情景下，模擬時間為360 min時刻S3D1情景的積水總量為3.18萬m3，比S3D2情景增加了1.26萬m3，差值占比最大，為39.6%。

圖5 不同城市下墊面空間格局和不同重現期設計降雨情景下積水總量變化過程Fig.5 Spatial patterns of urban subsurface and changes in total ponding under different return period design rainfall scenarios

上述結果表明，重現期越大，積水總量峰值和積水總量平均下降速率越大。相同重現期下，S3D2情景積水總量峰值最小，平均下降速率最大。

3.2.2 積水面積變化過程

圖6統計了積水深h>5 cm情況下，不同城市下墊面空間格局和不同重現期積水面積變化過程。

從圖6(a)和圖6(b)可以看出，重現期為2 a和5 a時，積水面積較小，部分下墊面情景下地表無積水或僅有少量積水，重現期為10～100 a時，積水面積呈現先增加后減小的變化趨勢。由圖6(c)可知，城市下墊面空間格局對積水面積峰現時間有一定影響，以10年一遇設計降雨為例，S2D1和S2D2情景的積水面積峰現時間分別為132 min和168 min，相差36 min，而其他格局下積水面積峰現時間則基本相等。在漲水階段，S2D1情景最先達到峰值，S3D1情景積水面積峰值最大為5.93 ha，比S3D2情景增加了3.59 ha，差值占比為60.5%。在退水階段，S1D1、S3D1和S3D2情景的積水面積平均下降速率較大。

由圖6(d)—圖6(f)可知，在20年一遇、50年一遇和100年一遇設計降雨情景下，積水面積變化過程近似，隨著重現期的增大，積水面積峰值隨之增大，退水階段積水面積平均下降速率增大，S2D1情景雖然積水面積峰值最小，但是積水面積平均下降速率較小。

圖6 不同城市下墊面空間格局和不同重現期設計降雨情景下積水面積變化過程(h>5 cm)Fig.6 Spatial patterns of urban subsurface and changes in ponding area for different recurrence period design rainfall scenarios (h>5 cm)

上述結果表明，城市下墊面空間格局對積水面積峰值、峰現時間及積水面積平均下降速率有影響。即隨著重現期增大，積水面積峰值增大，積水面積平均下降速率增大。

3.2.3 地表積水空間分布

圖7為100年一遇設計降雨情景下最大地表積水空間分布圖。由圖7分析可知，S1D1情景下h>15 cm的積水主要集中在下游區(qū)域;S1D2情景下h>15 cm的區(qū)域較少，且積水主要集中在上游和下游干路的兩側；S2D1情景下h>30 cm分布面積較大，主要分布在道路較密集的地區(qū)；S2D2情景下積水主要分布在中游的支路地區(qū)，積水深在10～15cm范圍的積水分布較為密集；S3D1格局h>15 cm的積水分布較為零散，主要為匯入干路的支路區(qū)域；S3D2情景下h>15 cm積水分布較少，且積水分布相對規(guī)則，集中在道路十字路口處；S4D1和S4D2情景下積水分布主要集中在中部區(qū)域，小部分區(qū)域出現h>30 cm的積水。

上述結果表明，S1、S3和S4格局下h>15 cm的積水地區(qū)分布較分散，S2D1情景下出現大量h>30 cm的地區(qū)，總體上積水主要分布在道路交匯處。

3.3 不同情景下內澇淹沒水動力特性分析

城市道路內澇積水達到一定深度會危及行人和車輛安全，而積水流速較大時風險較高。以100年一遇設計降雨為例，繪制了8種城市下墊面空間格局下的地表積水流速分布圖，如圖8所示。

由圖8可見，S1D1情景下，流速較大的部分都集中于干路，且流速最大值分布在干路與支路的交匯處，最大流速為0.37 m/s;S1D2情景流速較大的地區(qū)分布較分散，流速較大處主要分布在干路兩側，最大流速為0.42 m/s;S2D1和S2D2情景下，整體流速較小，較大流速主要分布在道路交匯處，最大流速均為0.35 m/s，結合積水面積變化過程可知，在100年一遇設計降雨下，S2格局易出現積水面積峰值大的情況，且排水速度緩慢，排水周期較長;S3D1情景流速較大的地區(qū)主要分布在干路上，干路末端流速達到最大值為0.36 m/s;S3D2情景與S3D1情景相比整體流速較大而且分布面積廣，較大流速分布在道路交匯處，最大流速為0.47 m/s;S4D1和S4D2情景流速最大位置主要分布在干路，最大流速分別為0.35 m/s和0.32 m/s。

圖8 100年一遇設計降雨情景下各分布情景流速分布(積水總量最大時刻)Fig.8 Flow velocity distribution diagram of each distribution scenario under the 100-year design rainfall scenario (the time when the total water volume reaches its maximum)

由上述分析可知，不同的城市下墊面空間格局下，流速較大的位置分布具有一定規(guī)律，即較大流速分布主要集中在道路交匯處。在本研究設置的8種城市下墊面空間格局情景中，在100年一遇設計降雨情景下，S3D2情景最大流速為0.47 m/s,比S4D2情景增加了0.15 m/s，差值占比為31.9%。

3.4 結果討論

由于城市地區(qū)的下墊面條件復雜，本研究采用了基于規(guī)劃設計的理想下墊面進行情景分析，為進一步探討本研究結果的合理性，將本研究結果與前人研究進行對比。Bruwier等[10-11]通過大量隨機城市空間格局洪澇模擬，主要分析內澇淹沒時空變化過程，發(fā)現城市空間分布參數對洪澇特征值影響較大;本研究主要從不同城市空間格局對內澇特征值進行分析，結果表明環(huán)形放射型格局有削減積水的優(yōu)點。Ferreira等[30]基于物理試驗研究了徑流系數等特征值,解析不同城市格局對徑流量的影響，其中線性分布對徑流系數影響較大;本研究基于數值模擬從其他特征值方面進行影響分析，結果表明環(huán)形放射型格局對內澇特征值影響較大。Silva等[13]研究發(fā)現不透水面和綠色空間連通性對徑流有重要影響，結果表明不透水面和綠色空間的連通性、滲透性越低，產生的徑流越多;本研究通過分析多情景城市空間格局內澇淹沒時空變化，結果表明,重現期越大積水總量、積水面積退水階段平均下降速率越大。楊冬冬等[7]通過分析小區(qū)尺度下徑流峰值、峰現時間等特征值與水動力相關特性，發(fā)現環(huán)盡型城市空間格局受內澇的影響低，與本研究的尺度和空間格局對內澇的影響結果相同。候精明等[31]通過數值模擬，從流量過程和徑流峰值等方面分析得出建筑小區(qū)尺度下不同LID措施狀態(tài)對徑流有一定影響，不同點體現在本研究側重不同城市空間格局對內澇的影響。

本研究結合前者相關成果，從內澇淹沒特征值、淹沒時空變化過程以及淹沒水動力特性等方面進行綜合研究分析發(fā)現，城市下墊面空間格局對城市內澇的形成過程、嚴重程度等有一定影響，影響可能來自道路曲率、路網密度和不透水面連通性等多種因素。在本研究中發(fā)現，環(huán)形放射型格局的防治內澇優(yōu)勢較為明顯，在不造成大量積水的同時，可以利用主干路進行匯流達到排水的目的，但也一定程度上加劇了道路行洪現象，這也說明，城市下墊面空間格局對城市內澇的影響是復雜的，其結果表現在多個方面。上述結果對于城市下墊面空間管控和城市排水防澇規(guī)劃具有一定參考意義。

本研究的主要局限性在于城市下墊面空間格局情景、降雨情景的樣本量較少，且采用理想化地形，城市復雜景觀格局、道路細化布設和排水管網等因素考慮較少，未采用實際降雨徑流過程進行模型率定驗證。此外，本研究主要聚焦社區(qū)尺度的研究，相應結果和結論推廣到片區(qū)尺度、城市尺度上可能存在尺度效應。未來將進一步開展多情景、多尺度下的深入研究，以解析城市下墊面空間格局對內澇過程的影響機理。

4 結 論

本文構建了8種社區(qū)尺度城市下墊面空間格局情景，并建立了相應的城市內澇模型，開展了6種重現期(2 a、5 a、10 a、20 a、50 a和100 a)設計降雨情景下內澇過程模擬，結合模擬結果對不同情景下內澇淹沒特征值、淹沒時空變化過程和淹沒水動力特性進行分析，解析了不同城市下墊面空間格局對社區(qū)城市內澇過程的影響，主要結論如下：

(1) 設計降雨重現期為2 a、5 a、50 a和100 a時，不同城市空間格局下的內澇淹沒特征值差值占比較大，設計降雨重現期為10 a和20 a時，不同城市空間格局下的內澇淹沒特征值差值占比較小。

(2) 不同城市下墊面空間格局下積水總量和積水面積變化過程的差別主要表現在退水階段，降雨重現期越大，不同城市下墊面空間格局情景下的積水總量和積水面積的峰值、平均下降速率越大。

(3) 不同城市下墊面空間格局下內澇積水流速空間分布基本特征為流速較大的位置主要集中在道路交匯處。

(4) 環(huán)形放射型格局在應對內澇方面更具彈性，其中對角環(huán)形情景對積水面積峰值、積水總量峰值及區(qū)域最大積水深響應敏感。