简介：一份围绕SWMM与Lisflood水文模型耦合应用的专题指导资料，面向城市雨洪模拟、排水管网建模、内涝预警方向的工程师、研究生及GIS/水文学学习者，可帮助打通城市排水系统与流域尺度洪水模拟的衔接。资源为单个PDF文档，整体约2.15MB，内容相当扎实：以SWMM模型数据准备与参数设置为主线，系统讲解子汇水区划分与细化原则、雨量计及芝加哥雨型生成器使用、Outlet/面积/不透水比例/特征宽度/坡度等参数配置，管网概化与ArcGIS中起点终点提取、空间连接与管线检查，以及INP文件逐级解析与转换方法。随后介绍SWMM运行验证、PySWMM节点溢流量统计与单位换算，并延伸至Lisflood-FP耦合思路，涉及par主文件、bdy边界流量、bci节点声明、DEM栅格转ASCII等具体处理流程。全文配有总技术路线图与INP生成图解，亦附相关参考软件与文献线索，并提示管线绘制顺序、多节点同时溢流等常见问题，可作实操手册。已有737人学习下载。
1. 水文模型SWMM和Lisflood不是二选一：地下管网与地面淹没的耦合逻辑
某次给一个老城区做内涝风险评估，SWMM跑完，检查井水位顶到路面，报告上写着“溢流节点37个，溢流总量约两万立方米”。数据上确实“淹了”，可拿给相关部门看，对方第一句话是：“那地面上水到底流到哪条街？多深？”——这正是水文模型SWMM和Lisflood摆在一张工作台上要解决的事：SWMM把管网产汇流算清楚，Lisflood把水在地面上的淹没演进画出来。这两个模型不是竞品，而是把同一个内涝问题拆成地下、地上两段，各管一段。适合需要出淹没范围图、做内涝风险评估、验证排水防涝方案的工程师和研究人员。真正的落地路径，是先让它们各自跑通，再把数据通过一条耦合通道接起来，做成一条可复现的工作流。
2. SWMM与Lisflood的分工边界：为什么内涝模拟需要两套引擎
2.1 管网积水不等于地面淹没：SWMM的节点溢流只揭示“水从哪来”
SWMM是城市排水模拟里最常用的一维模型，它把降雨落到子汇水区后的产流、汇流过程算清楚，再把径流输送到管网节点，最后通过管道和出水口排走。它计算的核心对象是节点水位、管道流量和水质，本质上是一个一维的水文水动力模型。
但内涝风险评估要的是“地面上的淹没水深和范围”。SWMM能断言某个节点溢流了，能给出溢流的流量过程，却没法回答水从检查井冒出来之后朝哪个方向流、被哪栋楼挡住、在哪个低洼处汇成积水。常见的误解是把节点溢流水深当成地面淹没水深，实际上两者相差很远：溢流出的水在二维地形上会重新分配，路面横坡、立道牙、建筑墙体、洼地都会改变水的走向。这就是为什么单独拿SWMM出不了内涝淹没图。
Lisflood这边是分布式洪水淹没模型，在规则栅格上求解二维浅水方程，地形、糙率、边界条件主导了水怎么在地表铺开。只要把地形和来水给对，它能产出每个格子的淹没水深和流动方向。在耦合工作流里，SWMM负责回答“水从哪里来、什么时刻来、来多少”，Lisflood负责回答“来了之后淹到哪、淹多深、退得慢不慢”。两者缺一，答案就不完整。
2.2 内核差异对照：一维管网模型与二维栅格模型的取舍
把两个模型放在一起看，差异非常清楚。SWMM的空间离散是“子汇水区+节点+管道”的拓扑结构，管网数据质量决定模型上限；Lisflood的空间离散是规则网格，地形数据质量决定模拟上限。SWMM的控制方程是管网一维圣维南方程，计算快、稳定性好；Lisflood水动力模式是二维浅水方程，计算量大，对时间步长敏感。
| 对比项 | SWMM | Lisflood |
|---|---|---|
| 空间离散 | 子汇水区、节点、管道 | 规则栅格（DEM网格） |
| 控制方程 | 一维动力波/运动波 | 二维浅水方程 |
| 核心输入 | inp管网文件、降雨序列 | DEM、糙率栅格、入流边界 |
| 典型输出 | 节点水位、管道流量、溢流量 | 栅格淹没水深、流速、淹没范围 |
| 计算量级 | 秒级到分钟级完成 | 同样工况可能慢一到两个数量级 |
| 适合问题 | 排水能力评估、管网瓶颈定位 | 淹没制图、洪水演进、内涝风险评估 |
Lisflood还有一个容易忽略的点：它分水文模式和水动力模式。水文模式面向流域产流，水动力模式面向淹没演进。做城市内涝耦合时，用它的水动力模式，入流边界可以是点源、面源或河道断面，正好能接住SWMM的溢流点。
2.3 选型边界：什么时候可以不耦合，什么时候必须耦合
耦合不是银弹，也不是所有项目都值得把两套模型接起来。方案比选阶段，比如比较绿地海绵化改造的几种做法，SWMM配简化地表汇流就能看出相对效果，这时候上二维模拟是浪费时间。大尺度的流域性洪水淹没，如果管网数据残缺、城市地块很少，直接用Lisflood加载降雨和河道边界反而更可靠。
但只要是做城市内涝淹没制图、内涝风险区划、排水防涝工程评价，或者要给决策层出一张“哪条路淹水多深”的图，就必须耦合。在这个尺度上，管网溢流是主要的地表水来源，只有SWMM能给出每个溢流点的流量过程，只有Lisflood能把这份流量在真实地形上演进出淹没格局。跳过任何一步，结果都没法定量。选型标准可以概括成一句话：问题里有管网，就必须带上SWMM；输出里要有淹没范围，就必须带上Lisflood。
3. 从SWMM节点积水到Lisflood栅格淹没：耦合工作流与可运行脚本
3.1 耦合数据流：溢流节点、入流序列与栅格输出
耦合工作流的骨架是先跑SWMM，再跑Lisflood，中间加一个数据转换层。完整链路如下：校核inp管网模型 → 用设计暴雨或实测降雨跑SWMM → 在模拟过程中逐时间步读取溢流节点和流量 → 把节点地理坐标转换到DEM栅格行列号 → 按时间聚合生成每个节点的入流序列Q(t) → 写进Lisflood边界配置 → 设置DEM、糙率、计算步长 → 跑Lisflood水动力模拟 → 输出淹没水深栅格并制图。
我一般会先在GIS里做一次完整性检查：inp里节点坐标的坐标系必须和DEM完全一致，否则后面坐标转换全是白做。另一个习惯是，不把SWMM所有节点都塞进Lisflood，只选模拟期内发生过溢流的节点作为点源入流，其余节点不加载，省计算量也不会影响结果。
以下代码分别覆盖耦合链路中最容易断了的三段：从SWMM逐时间步读溢流量、节点坐标转栅格行列号、写Lisflood点源入流。这套做法我用pyswmm跑过多次，适合本地复现。
3.2 用pyswmm逐时间步导出节点溢流量的脚本
pyswmm是SWMM的一个Python封装，能在模拟过程中直接读取节点状态，比事后再去解析.out输出文件省事很多。
from pyswmm import Simulation, Nodes inp_path = "demo_drainage.inp" # 你的SWMM模型文件 with Simulation(inp_path) as sim: # 拿到全部节点对象，按节点ID索引 nodes = {node.nodeid: node for node in Nodes(sim)} # 记录每个节点的溢流过程 flood_records = {} while sim.time < sim.end_time: sim.step_advance() # 推进一个计算步长 current_time = sim.current_time.isoformat() for nid, node in nodes.items(): flooding = node.flooding # 当前时刻节点溢流量，单位m3/s if flooding and flooding > 0: flood_records.setdefault(nid, []).append( (current_time, round(flooding, 6)) ) # 输出成入流序列文件，每行: 节点ID, 时间, 溢流量 with open("node_inflow.csv", "w", encoding="utf-8") as f: f.write("node_id,time,flooding_m3s\n") for nid, records in flood_records.items(): for t, q in records: f.write(f"{nid},{t},{q}\n")这段代码的核心是不要等整个模拟结束再读结果，而是在step_advance()推进过程中实时采集。node.flooding这个属性返回的是当前时刻节点溢流量，单位是立方米/秒，它只在节点真的满溢时才大于0，所以不用额外加判断“是否淹没”。sim.end_time是SWMM模拟总时长，由inp文件里的时间参数决定。
输出文件node_inflow.csv是后面给Lisflood做边界序列的原料。写盘前对溢流量做了六位小数取整，避免文件体积膨胀。注意：如果inp里设置的流量单位是LPS而不是CMS，这里的数值得统一换算成m³/s，否则后面入流会大出1000倍，这个问题太容易踩了。
3.3 把节点坐标转成Lisflood栅格位置的坐标换算
SWMM节点坐标和DEM栅格的位置不是天然对齐的，中间差一个坐标转换。最稳妥的做法是用rasterio直接根据DEM的仿射变换参数把投影坐标换算成行列号。
import rasterio from rasterio.transform import rowcol # 节点坐标，来源可以是inp文件里的[X,Y]字段或管网shp node_coords = { "N1": (320456.0, 4372821.0), # 你必须先确认这个坐标和DEM带号一致 "N2": (320512.0, 4372765.0), } with rasterio.open("dem_5m.tif") as src: transform = src.transform dem_nodata = src.nodata with open("node_grid_pos.csv", "w", encoding="utf-8") as f: f.write("node_id,row,col\n") for nid, (x, y) in node_coords.items(): row, col = rowcol(transform, x, y) f.write(f"{nid},{row},{col}\n")逻辑说明：rowcol(transform, x, y)利用DEM的仿射变换矩阵，把投影坐标换算成栅格行列号。行列号是Lisflood定位入流点的依据，写错一个数字，水就会灌到错误的位置，淹没图完全对不上。
这里有个前提必须反复检查：node_coords里的坐标必须是和DEM相同的投影坐标系。比如DEM是UTM 50N投影，节点坐标却是WGS84经纬度，rowcol算出来的行列号就是错的。我习惯先对同一对节点坐标做一次“坐标转行列号→再转回坐标”的往返验证，偏差超过一个栅格就直接停。
3.4 Lisflood点源入流配置与时间步长对齐
得到节点栅格位置后，把node_inflow.csv按节点拆开，整理成Lisflood需要的点源入流格式。Lisflood不同版本对边界文件的格式要求略有差异，但核心字段是一致的：入流点位置、流量时间序列、时间步长。
# 点源入流序列示例，第一列为ISO时间，第二列为流量(m3/s) # 这是给 Lisflood 界面边界用的 node_N1_inflow.csv 2024-06-20T03:00:00,0.000000 2024-06-20T03:01:00,0.850000 2024-06-20T03:02:00,0.320000 2024-06-20T03:03:00,0.000000# Lisflood 配置文件里点源边界的关键字段 # 实际字段名以你用的版本为准，取值逻辑是这样 Boundary: name: node_N1_inflow type: point x: 320456.0 y: 4372821.0 series: node_N1_inflow.csv时间步长对齐是耦合里最容易被忽略的事。SWMM的模拟步长往往是1分钟或5分钟，而Lisflood水动力模式受CFL条件限制，时间步长通常是0.2秒到几秒。直接把SWMM的分钟级流量序列灌给Lisflood，模型会在两个流量节点之间做线性插值，如果入流从0突然跳到0.85m³/s，Lisflood的数值解容易震荡。
我一般的做法是把SWMM序列先做一次时间插值，统一到Lisflood计算步长，比如5秒一条记录。插值后的曲线要保证峰值不削顶，宁可让插值密一点，也别让模型自己猜。这一步决定了耦合模拟的稳定性，值得花时间做干净。
4. 让两个模型的数据与参数对齐：坐标系、单位、糙率的取值细节
4.1 坐标系与栅格分辨率：先统一投影再谈耦合
SWMM和Lisflood各自跑通不难，难在让它们的数据严丝合缝。最先翻车的往往是坐标系。SWMM的id/节点坐标来自排水管网GIS，常见是地方坐标系或CGCS2000投影；DEM可能来自无人机航拍或地形图，坐标系五花八门。两个数据集不在同一个投影坐标系里，后面所有坐标转换都是错的。
所以拿到一个耦合任务，我第一步不是调参数，而是先把inp节点坐标、DEM、土地利用栅格全部统一到一个投影坐标系下。推荐用UTM或者当地高斯投影，这样x、y单位是米，后面算栅格面积、单位换算都会顺手很多。
数据对齐清单可以按这个表逐项过：
| 数据项 | 来源 | 需要统一的事 |
|---|---|---|
| 管网节点/管道坐标 | inp文件或GIS | 重投影到DEM同一坐标系 |
| DEM地形 | 无人机航测、地形图 | 分辨率重采样、数据范围裁剪 |
| 土地利用/不透水率 | 遥感分类 | 与SWMM子汇水区不透水率口径对齐 |
| 降雨序列 | 雨量站 | 时间步长、单位统一 |
栅格分辨率的选择也有讲究。城市内涝模拟常用5m或10m；2m到3m精度高，但Lisflood计算量成倍涨，率定时要跑几十次，时间成本扛不住。超过10m则会把街道的淹没路径明显抹平，窄巷子、立道牙的导水作用全被平均掉了。我的经验是：5m网格是城市内涝性价比比较好的起点。
4.2 单位换算与时间步长对齐：m³/s与mm/h的坑
两个模型的单位是耦合过程中最容易乱的地方。SWMM降雨序列通常用mm/h或mm/min，溢流流量node.flooding单位一般跟着inp参数走，常见是m³/s或L/s；Lisflood点源入流要求m³/s，降雨面源要求mm/h或mm/s。任何一处没对齐，水量就可能差一个数量级。
时间步长是另一个需要显式处理的变量。SWMM的结果步长常见1分钟到5分钟，Lisflood水动力模式时间步长受CFL条件限制。拿5m网格举例，当水深1m时，最大稳定步长约0.5秒到几秒，超过就会数值振荡。两步长之间需要做线性插值，把SWMM的分钟级流量序列插到Lisflood的计算步长上。插值不要用简单的前向填充，峰值会被直接削掉，淹没范围会偏小。
提示：所有单位换算完成之后，先做一次“水量守恒”检查。把SWMM各节点溢流量对时间积分得到体积，再把Lisflood模拟结束后所有栅格的淹没水深乘以栅格面积求和。两个体积的差应该在10%以内，超出这个范围，优先怀疑单位换算或边界配置，而不是地形参数。
4.3 水文参数参考区间：曼宁、下渗与糙率怎么设
SWMM和Lisflood都带物理参数，两边的参数含义和取值区间不一样，新手最容易照抄一个值两边用。下表是我在不同城市内涝项目里用过的参考区间，可以作为初始值，实际要以本地率定为准。
| 参数 | SWMM输入位置 | 参考取值区间 |
|---|---|---|
| 不透水区曼宁n | 子汇水区N-Imperv | 0.011~0.015 |
| 透水区曼宁n | 子汇水区N-Perv | 0.10~0.25 |
| Horton最大入渗率 | 子汇水区MaxRate | 25~110 mm/h |
| Horton最小入渗率 | 子汇水区MinRate | 0.5~12 mm/h |
| 不透水区洼蓄量 | 子汇水区Dstore-Imperv | 1~3 mm |
| 透水区洼蓄量 | 子汇水区Dstore-Perv | 3~10 mm |
| Lisflood地表糙率n | 糙率栅格 | 城区0.02~0.03，草地0.035~0.05，河道0.025~0.04 |
SWMM里的曼宁n主要影响管网和地表汇流快慢，Lisflood里的糙率直接控制地面水流的扩散阻力。同一个“城区地表”，SWMM取0.013合理，Lisflood取0.02到0.03也正常，不是谁抄错了谁，是两者表达的物理过程不同。这句话写进率定报告里，能省掉后面很多争论。
4.4 被忽略的DEM边界处理：建筑抬升与填洼选择
DEM到了城市里，问题就来了。裸地DEM不包含建筑物高度，水会直接从建筑屋顶位置穿过去，淹没路径完全失真。我见过太多模拟结果里水“穿过”一栋楼，流到背面低洼区。处理办法通常是把建筑范围做成高度障碍，把建筑位置的网格高程抬升，或者把建筑位置的网格设为不可导流。
填洼要特别谨慎。常规水文分析里做填洼是为了保证水流连通，但城市内涝恰恰依赖真实的低洼地——这些洼地就是积水点。机械填洼会把高风险积水区直接抹平，淹水范围明显变小。我的做法是：只填掉那些明显是DEM噪声造成的伪洼地，真实地形的低洼处全部保留。
另外，道路的路拱、立道牙这类微地形对地表淹没路径影响极大，但多数DEM抓不到这个细节。如果项目精度要求高，可以考虑在道路线上做局部高程修正。这个过程没有标准化的绝对公式，属于经验活。跑出来的淹没边界和实地调查对不上时，优先怀疑的不是模型，而是DEM有没有把人为微地形表达到位。
5. 耦合模拟常见问题排查：翻车最多的五个现象与修复方式
5.1 节点满溢但Lisflood没水：入流序列的时间对齐问题
现象是SWMM结果里几十个节点水深都超过最大深度，满溢状态非常明确，可Lisflood跑完，淹没栅格全部是0。这种情况我排查过不止一次，最常见的根因是入流序列没对齐。比如只把SWMM模拟结束后的累计溢流量当成常数灌给Lisflood，或者导出的节点深度而不是溢流流量，点源边界全程没有有效的Q(t)灌进去，地面上自然一滴水都看不到。
解决方法是回到3.2节的pyswmm脚本，逐时间步读node.flooding而不是node.depth。检查一下生成的入流csv文件，如果全是0，说明字段读错了；如果第一行时间戳和Lisflood模拟起始时间错开，水会被排到模拟窗口外，同样白跑。
5.2 城区不淹只淹河道：点源没进模型或建筑堵死了水
现象是淹没范围只出现在河道和主沟两侧，城里成片的溢流点反而没水。原因有两个方向：第一，城区溢流节点的点源边界压根没加载成功，配置文件里坐标写错或者序列文件路径不对；第二，DEM建筑处理做得太猛，建筑位置的网格被抬高了好几米，溢流点的水被抬升的网格墙挡住了，只能在河道方向低洼处铺开。
检查的方法很简单：在GIS里把Lisflood点源位置和DEM叠加，看每个溢流节点是不是落在可流经的栅格上。如果点源正好压在被抬高的建筑网格里，水就失去了进入计算域的通道。解决方式是抬高建筑时给每个溢流节点留出通道，或把入流点位置微调到相邻的路面栅格。
5.3 模拟中途水深震荡甚至变NaN：CFL步长叠加突变入流
现象是Lisflood跑着跑着，某个区域水深数值开始剧烈振荡，然后出现负水深或NaN，整个模拟中断。最常见原因是时间步长超出CFL稳定条件。5m网格、1m水深情况下，水动力时间步长需要控制在零点几秒到一两秒，直接用10秒步长基本必发散。另一个推手是SWMM序列时间间隔太大，流量从0瞬间跳到几立方米每秒，边界条件给模型施加了过强的突变扰动。
解决方式是双管齐下：把Lisflood水动力时间步长降到秒级，同时对入流序列做线性插值和平滑。如果模型整体都发散，优先检查步长；如果只有局部发散，重点检查那个位置的点源是不是流量突变太剧烈。
5.4 淹没水深比SWMM溢流量大一个量级：单位换算的连环错
现象最直观：SWMM统计溢流总量约两万立方米，Lisflood模拟出来却是一片街区淹到1米深，网格总水量能到二十万方以上。原因基本锁死在单位上。最容易发生的连环错是SWMM导出的溢流流量实际单位是L/s，代码里没除以1000，直接当m³/s灌给Lisflood，水量瞬间放大1000倍；还一种是把mm/h的降雨直接当成mm/s用，雨强放大3600倍。
排查这个现象有个惯性做法：模拟结束后做水量守恒统计。先把SWMM溢流总量累出来，再把Lisflood所有淹没网格的水量累出来，两个数值对比。如果差了两个数量级，别纠结模型，回去查单位。这一步最好在第一次试跑时就要做，能省下一整周的调参时间。
5.5 率定结果互相打架：两个模型的参数在抢同一个目标
现象是最折磨人的一种：SWMM率定得很好，管道流量过程线和大洪峰都对上了，可Lisflood的淹没范围偏大；反过来把Lisflood糙率往上调，淹没范围收住了，SWMM的洪峰又开始滞后。两边参数调整像拔河，怎么都不舒服。
原因在于两个模型虽然有部分相似参数（都有曼宁糙率），但它们作用的对象和物理过程不同，用同一个“内涝严重程度”目标去同时率定两个模型，参数一定是相互竞争的。我一般把它们拆开：第一阶段SWMM只对标管网流量、洪峰时间，跟Lisflood无关；第二阶段Lisflood只对标淹没范围和调查水深；第三阶段才联调不透水率这类同时影响两个模型的参数。把问题拆成两步，拔河的现象基本消失。
6. 进阶验证技巧：设计暴雨、实测场次雨与实地积水点的三层校验法
耦合模型跑通只是起点，能让决策层信服的模拟结果必须经过三层校验。第一层是设计暴雨校核：用2年一遇、5年一遇、50年一遇三组雨型跑同一个模型，检查淹没面积是否随重现期单调上升。如果50年一遇的淹没范围反而比5年一遇小，别急着找参数问题，先去查模型里有没有哪里把降雨序列截断了。这个单调性检查是判断模型整体行为是否合理的最快手段。
第二层是实测场次雨校验。选一场近年真实发生过的中到大雨，把雨量站逐分钟降雨序列喂进去，模拟结束后把每个溢流节点的时间过程线和实际积水点记录比一下。注意比的不是淹没面积，而是峰值时间。峰值时间误差控制在30分钟以内算是正常，差到两小时以上，问题大概率出现在汇流参数或管网连通性上。
第三层是实地淹没边界校验。找内涝积水调查点或者航拍水迹线，把实测的积水范围连成多边形，与模型输出的淹没范围做叠置对比。这里给一个简洁的通过标准参考：
| 校验层 | 输入数据 | 检查对象 | 常用通过标准 |
|---|---|---|---|
| 设计暴雨校核 | 多重现期雨型 | 淹没面积-重现期关系 | 单调递增，量级合理 |
| 实测场次雨校验 | 雨量站逐分钟数据 | 溢流峰值时间 | 峰值时间差≤30分钟 |
| 实地边界校验 | 调查点、航拍水迹线 | 淹没范围多边形 | 目视重合，面积相对误差<20% |
我自己的习惯，是先把一场中等强度实测降雨从头到尾跑透，再做设计暴雨，最后才上大重现期。之前有一次图省事，直接拿50年一遇暴雨去率定参数，结果模型对极端场次拟合得相当漂亮，换到一场日常小雨却明显失真，淹没范围比实际情况大出三分之一。那以后每个项目都坚持从中小场次起步，一层一层往上验。模型参数是被“训练”出来的，你用什么样的暴雨去喂它，它就擅长什么样的场景。先立稳小雨和中雨的基础，再去碰极端值，心里才有点。希望帮到你。
本文还有配套的精品资源，点击获取
