2.8. Granskning av Stockholms stads åtgärdsnivå
2.8.3. Beräkning av magasinsvolym som mm nederbörd
Slutsatsen i åtgärdsnivån är att en reningseffekt på minst 70-80% ska uppnås för fosfor, koppar och zink vilket har blivit framtaget via beräkningarna för reningsbeting och arealläckage. För att detta ska nås krävs det att en stor andel av årsnederbörden omhändertas och renas. En hög avskiljningsgrad krävs även för att uppnå tillräcklig reduktion av föroreningar, både partikulärt och löst, där system för sedimentering och filtrering av dagvattnet bör användas. Figur 5 visar kopplingen mellan andelen årsnederbörd som inryms i en dagvattenanläggning för en angiven magasinsvolym uttryckt som mm nederbörd. Grafen i Figur 5 är baserad på regndata från Stockholm under perioden 1984-2014 och är en statistisk analys av de regn som faller över Stockholm (Andersson, Stråe & Svensson, 2016).
Regnserien är baserad på mätstationerna Torsgatan och Skärholmen/Älvsjö (Svenskt Vatten, 2011a).
Regndefinitionen som har använts för databearbetning av den kontinuerliga regnserien innefattar en uppehållstid på 12 timmar mellan regntillfällena. Magasinet antas tömmas under uppehållstiden, vilket enligt underlagsrapporten (Andersson, Stråe & Svensson, 2016) betyder att ingen avtappning sker under ett pågående regn. Se avsnitt 2.3.2. Statistisk bearbetning av nederbördsdata för en utförlig beskrivning på vad en regndefinition innebär. (Andersson, Stråe & Svensson, 2016)
Figur 5. Andel av total regnvolym som inryms för en angiven magasinsvolym som mm nederbörd (Andersson, Stråe & Svensson, 2016).
Det kan avläsas från grafen (Figur 5) att om magasinet har en våtvolym på t.ex. 20 mm motsvarar det 91% av årsnederbörden, d.v.s. om alla regntillfällen med ett regndjup upp till 20 mm summeras så utgör dess volym 91% av årsvolymen nederbörd. Detta innebär att ca. 491 mm av den totala årsnederbörden på 539 mm/år kommer tas omhand i magasinet och att 9% av årsnederbörden som är större än 20 mm kommer därmed att bräddas förbi.
25 För att ta reda på vilken magasinsvolym som ska rekommenderas i åtgärdsnivån har beräkningar av föroreningshalter (fosfor, koppar och zink) efter 70% rening gjorts för regndjupen 20 mm, 15 mm och 10 mm vilket representerar 91%, 86% och 76% av årsnederbörden. Effektiv rening (%) har även beräknats vilket definierar hur stor andel av totalmängden som har avskilts, inkluderat antagandet att en viss andel av årsnederbörden bräddas förbi och därmed inte renas (Andersson, Stråe & Svensson, 2016).
Tabell 7 visar föroreningshalten för marktypen Gata (>5000 fordon/dygn) och föroreningshalten efter rening med 70% (lägsta reningskravet) för respektive regndjup samt beräknad acceptabel föroreningshalt i de tre recipienterna (som ett spann). Halten ut för exempelvis fosfor efter rening på 70% för ett regndjup på 20 mm (91%) har beräknats med Ekvation 8.
51 834
5 9 = 140 834
5 9 (1 − (0,7 ∙ 0,91)) [8]
Tabell 7. Föroreningshalten för marktypen Gata (>5000 fordon/dygn) och föroreningshalten efter rening med 70% (lägsta reningskravet) för respektive regndjup samt acceptabel föroreningshalt i de tre recipienterna (som ett spann) (Andersson, Stråe & Svensson, 2016).
Marktyp Fosfor
Resultatet i Tabell 7 visar att för koppar och zink är halten ut efter rening inom spannet för beräknad acceptabel halt till recipienten. För fosfor är halten ut däremot inte inom spannet, detta diskuteras vidare i diskussionen. Utifrån Tabell 7 och slutsatsen att en stor andel av årsvolymen förorenat dagvatten behöver renas för att klara MKN, gjordes slutsatsen i underlagsrapporten till åtgärdsnivån att den slutgiltiga ambitionen är att magasinet ska dimensioneras efter ett regndjup på 20 mm för att uppnå en reningseffekt på minst 70% av det vatten som genomgår en rening. Det framgår även att 90% av de enskilda nederbördstillfällena under ett år som är mindre än eller lika med 20 mm nederbörd ska omhändertas.
26
3. Fallstudie
Fallstudien bygger på modellering av en dagvattenanläggning i form av en växtbädd i ett nybyggnadsområde där dimensioneringskravet ska appliceras enligt åtgärdsnivån. Anledningen till att en växtbädd valdes som dagvattenanläggning i fallstudien är för att växtbädden har en kontinuerlig avtappning, vilket inte togs hänsyn till i framtagandet av dimensioneringskravet i åtgärdsnivån.
Dagvattenanläggningen består av en nedsänkt tät växtbädd som har till syfte att rena dagvatten inom en avrinningsyta på 328 m2. Avrinningsytan består av en asfalterad parkering, se skissen i Figur 6 över avrinningsområdet med en utplacerad växtbädd (ej fastställda dimensioner). Andelen av avrinningen som bräddas förbi kommer bero på växtbäddens volym och dess avtappningskapacitet. Målet är att dagvattenanläggningen ska omhänderta 90% av den årliga avrinningsvolymen, vilket innebär att 10%
bräddas förbi, och uppnå en reningseffekt på 70% för ämnena fosfor, koppar och zink.
Figur 6. Skiss över parkeringen och avrinningsområdet. Den planerade växtbäddens position är utritad på skissen.
Växtbädd, även kallad för dagvattenbiofilter, biofilter, rain garden, biofiltration system, swales eller bioswales (Søberg, 2019; Blecken & Larm, 2019) är en dagvattenanläggning som består av en sänka i marken följt av ett filterlager och vanligtvis ett materialavskiljande lager samt ett lager av makadam (stenmaterial av krossad sten) (Blecken, 2016). Det materialavskiljande lagret är till för att minska risken för att filtermaterialet ska spolas ut och sätta igen dräneringsröret. Det främsta syftet med en växtbädd är att rena dagvattnet men anläggningen kan även fungera som flödesfördröjning (Blecken &
Larm, 2019), eftersom nedsänkningen i växtbädden skapar en utjämningsvolym (Stockholms stad, 2016b). Växtbädden har en bräddbrunn och dess höjd har betydelse vid fördröjning av dagvattnet, en högre bräddhöjd ger mer tid för infiltration innan vattnet når bräddbrunnen. Dagvattnet infiltrerar genom filtermaterialet i växtbädden och det renade vattnet kan antingen avledas via ett dräneringsrör i botten av anläggningen eller om mark- och grundvattenförhållanden tillåter kan vattnet exfiltreras ut från anläggningen (Blecken & Larm, 2019). Figur 7 visar en konceptuell skiss av växtbädden i fallstudien vilket är en nedsänkt tät växtbädd (utan exfiltration).
27 Figur 7. Konceptuell skiss av en tät växtbädd som appliceras i fallstudien. Ritad utifrån en växtbädd i StormTac.
Utflödet från växtbädden i fallstudien beräknas med Ekvation 9 (Blecken & Larm, 2019), som beskriver ett strypt utlopp där utflödet dimensioneras utifrån en önskad tömningstid. Enligt den kompletterande rapporten till åtgärdsnivån (Stockholms stad, 2017a) beräknas tömningstiden i en växtbädd med Ekvation 10. Tömningstiden beskriver den tid det tar för den omhändertagna vattenvolymen att passera genom anläggningen och beror på infiltrationskapaciteten i växtbädden. I ekvationen som beskriver tömningstiden används växtbäddens fördröjningsvolym (V6), vilket beräknas med Ekvation 11 (Blecken & Larm, 2019). Fördröjningsvolymen beskriver lagringsvolymen i porvolymen under filtermaterialets yta och antas motsvara 75% av vattenkvalitetsvolymen (Blecken & Larm, 2019).
Infiltrationskapaciteten definieras som växtbäddens förmåga att infiltrera vatten vid markytan, och motsvarar den mättade hydrauliska konduktiviteten i växtbädden. Infiltrationskapaciteten brukar vara mellan 50-300 mm/h men den kan vara högre för att underlätta infiltration under vintern då det annars finns en risk att vattnet blir stående i filtermaterialet när det fryser (Blecken, 2016; Blecken & Larm, 2019). Det kan även uppstå igenväxning av filtermaterialet vilket kommer minska infiltrationskapaciteten med tiden, men detta kan motverkas av växtetablering och försedimentering (Blecken & Larm, 2019). Infiltrationskapaciteten (@) sattes till 100 mm/h för fallstudiens växtbädd i enlighet med infiltrationskapaciteten som rekommenderas i den kompletterande rapporten till åtgärdsnivån (Stockholms stad, 2017a).
A78= 9+
:,< 8,ö) [9]
B8ö# = 8 9+
0. >9
?@A( #A/B+ 8!/ (
> 9
7(!C/ #A/B [10]
5!= 0,75 52 [11]
där,
A78 = Maximalt utflöde [l/s]
28 5! = Fördröjningsvolym [m3]
B8ö# = Tömningstid [h]
52 = Vattenkvalitetsvolym eller den vattenvolym som ska behandlas [m3]
#A = Area anläggning [m2]
@ = Infiltrationskapacitet [m/h]
4D = Anläggningsdjup, porösa marklagret [m]
C = Porositet [-]
Reningen i en växtbädd sker genom en kombination av mekanisk, kemisk och biologisk avskiljning, där upptaget av föroreningar och näringsämnen görs av växterna och filtermaterialet (Blecken, 2016).
Filtermaterialet avskiljer största delen av partikelbundna föroreningar genom sedimentation (Blecken
& Larm, 2019) men det sker även en adsorption av exempelvis fosfor och lösta metaller till vissa typer av ytskikt på ovansidan av filtermaterialets korn (Søberg, 2019). En viktig parameter som styr valet av filtermaterial är infiltrationskapaciteten. Det är viktigt att infiltrationskapaciteten är tillräckligt låg för att en tillräcklig kontakttid ska uppnås samt att den är tillräcklig hög för att minska bräddning.
Ytterligare egenskaper som måste tas i beaktning är materialets kemiska egenskaper då dessa varierar beroende på förorening och att valet av filter är plats anpassat till klimatet samt anpassat till växtsammansättningen. Valet av filtermaterial kan därmed vara komplicerat då t.ex. ett filtermaterial som gynnar växtligheten (har höga halter näringsämnen) kan minska reningseffekten i växtbädden då den kan laka ur mycket höga fosforhalter (Blecken & Larm, 2019).
Växterna i växtbädden har dels som funktion att upprätthålla infiltrationskapaciteten men även att avskilja föroreningar i dagvattnet. Avskiljningen av föroreningar sker antingen genom ett direkt upptag av växterna eller indirekt genom att växterna påverkar exempelvis jordens pH, skapar ytor så biofilm kan utvecklas samt att växterna kan leverera syre och kolhydrater till mikroorganismer vilket bidrar till avskiljningen. Växterna har störst effekt att avskilja näringsämnen som fosfor och kväve men har en begränsning i att avskilja metaller, vilket istället avskiljs i filtermaterialet. Filtermaterialet har stor betydelse för avskiljning av föroreningar då den största delen av partikelbundna föroreningar avskiljs genom sedimentation. Rening genom adsorption sker även i filtermaterialet, där t.ex. fosfor och lösta metaller binds till filtermaterialets ytskikt (Blecken & Larm, 2019). Eftersom föroreningar tas upp av växterna samt att en större del av föroreningarna adsorberas i det övre lagret av filtermaterialet, så är det viktigt med underhåll av både växterna och filtermaterialet (Blecken, 2010).
Filtermaterialet består vanligtvis av enkla jord- och sandblandningar (med en mindre andel lera) eller konstgjort material (Søberg, 2019; Blecken, 2016). Filterdjupet brukar ligga mellan 700-900 mm (Søberg, 2019; Blecken, 2016) men det beror på växtsammansättningen och dess behov av rotdjup.
Filterdjupet i fallstudiens växtbädd antogs till 450 mm, reglervolymens djup till 250 mm, djupet på det materialavskiljande lagret till 100 mm och djupet på makadam sattes till 350 mm. Dessa värden bestämdes utifrån angivna värden från StormTac som ska representera en standardiserad växtbädd.
Enligt Blecken (2016) bör arean av en växtbädd utgöra mellan 1-5% av den hårdgjorda ytan i ett avrinningsområde och enligt åtgärdsnivån 2-6% (Andersson, Stråe & Svensson, 2016). Arean av växtbädden i fallstudien beräknades med Ekvation 12 enligt den kompletterande rapporten till åtgärdsnivån (Stockholms stad, 2017a), där VQ motsvarar vattenkvalitetsvolymen och beräknades med Ekvation 7 vilket kan ses i avsnitt 2.6.4. Dimensionering utifrån vattenkvalitetsvolym. Växtbäddens djup kopplat till dess porositet för växtbäddens olika lager beräknades med Ekvation 13 (Stockholms stad, 2017a) och representeras av 40 i fallstudien.
29
#A = ∑ !90
1 (1 [12]
∑ @2 ;2 = ;345643 @345643+ ;726843 @726843+ ;9:;<26=>2>5 @9:;<26=>2>5+ ;?9<9@9? @?9<9@9?= @A [13]
där,
#A = Area anläggning [m2]
52 = Vattenkvalitetsvolym eller den vattenvolym som ska behandlas [m3]
4" = Erforderligt anläggningsdjup med avseende på växtbäddens olika lager (&) [m]
C" = Porositet med avseende på växtbäddens olika lager (&) [-]
En sammanfattning av de specifika värdena som utgör växtbädden i fallstudien presenteras i Tabell 8.
Tabell 8. Växtbäddens specifika värden som användes i fallstudien.
Parameter Värde [enhet] Källa
Infiltrationskapacitet (@) 100 [mm/h] Stockholms stad (2017a) Summan av växtbäddens djup
kopplat till dess porositet (dA) 527,5 [mm] Beräknad med Ekvation 13
Djup på reglervolym (dregler) 250 [mm] StormTac
Djup på filtermaterialet (dfilter) 450 [mm] StormTac
Djup på materialavskiljande
lager (davskiljning) 100 [mm] StormTac
Djup på makadam (dmakadam) 350 [mm] StormTac
Porositet, reglervolym (nregler) 100 [%]
Porositet, filtermaterialet (nfilter) 25 [%] StormTac
Porositet, materialavskiljande
lager (navskiljning) 25 [%] StormTac
Porositet, makadam (nmakadam) 40 [%] StormTac
Nivå bräddbrunn i reglervolym
(dbräddbrunn) 250 [mm]
30
3.1. Metod
I fallstudien användes modelleringsverktygen Mike Urban (version 2019) och StormTac (version 20.2.2) för att utreda dimensioneringskravet i Stockholms stads åtgärdsnivå. Det har undersökts om ett mindre regndjup kan nå upp till kraven i åtgärdsnivån angående 70% reningseffekt för ämnena fosfor, koppar och zink och att 90% av de enskilda nederbördstillfällena under ett år som motsvarar ett viss regndjup omhändertas. Kravet gällande 90% omhändertagen årsnederbörd tolkas i praktiken som 90%
omhändertagen årlig avrinningsvolym med avseende på avrinningsområdet. Den årliga avrinningsvolymen ska motsvara att en stor andel av årsnederbörden omhändertas inom avrinningsområdet. I Mike Urban undersöktes vilket regndjup som en dagvattenanläggning i form av en växtbädd kan dimensioneras efter för att kunna omhänderta 90% av den årliga avrinningsvolymen.
Det som inte omhändertas i anläggningen kommer att bräddas förbi. För att undersöka om en reningseffekt på 70% kan uppnås i växtbädden för fosfor, koppar och zink användes StormTac.
Resultatet från Mike Urban modelleringen som visar andelen av inflödet som bräddas förbi anläggningen angavs i StormTac, som sedan itererade fram inflödet till växtbädden genom rationella metoden. Reningseffekten beräknades i StormTac för samma regndjup som undersöktes i Mike Urban modelleringen.
Hur modelleringsverktygen Mike Urban och StormTac är uppbyggda samt vilken indata och metodik som användes för respektive modellering presenteras i avsnitten 3.1.1 Mike Urban och 3.1.2. StormTac.
Nederbördsdatan som användes i båda modelleringsverktygen är baserat på historisk nederbördsdata för Stockholm från mätstationen Torsgatan (Stockholm Vatten och Avfalls mätstation) mellan åren 2009-2015 (se Figur 8). Mätstationen Torsgatan är en av mätstationerna som åtgärdsnivåns nederbördsdata är baserad på.
Figur 8. Historisk nederbördsdata mellan åren 2009-2015 från mätstationen Torsgatan, Stockholm.
31 3.1.1.
Mike Urban
Modelleringsverktyget Mike Urban (version 2019) är en dynamisk modell, där målet i fallstudien är att dimensionera växtbädden efter åtgärdsnivån och beräkna växtbäddens in- och utflöden med Mike Urban för att undersöka hur mycket dagvatten som omhändertas i växtbädden och hur stor andel av inflödet till växtbädden som bräddades förbi. I Mike Urban applicerades olika dimensionerande regndjup, och därmed dimensioner på växtbädden (tvärsnittsarea och ytarea), för att undersöka vilket regndjup som motsvarar att 90% av den årliga avrinningsvolymen omhändertas.
Mike Urban är ett GIS-baserat modelleringsverktyg skapat av Dansk Hydraulisk Institut (DHI) som används för att utföra hydrauliska modelleringar på vattenledningar i urbana miljöer. Den geografiska placeringen är grundläggande eftersom Mike Urban är ett GIS-baserat verktyg (DHI, 2017a). Det finns tre olika så kallade modelleringsmotorer i Mike Urban att välja mellan; EPANET, SWMM och MOUSE. EPANET (Environmental Protection Agency Network) är utvecklad av US Environmental Protection Agency (EPA) och beräknar vattenflöden, tryckförhållanden och vattenkvalitet i ledningsnät för vattendistribution. SWMM (Storm Water Management Model) är också utvecklad av EPA och den möjliggör simulering av flöden och vattennivåer i urbana dagvatten- och avloppssystem. MOUSE (Model of Urban Sewers) är DHI’s egna modelleringsmotor som kan simulera alla typer av ledningsnät, såväl öppna som slutna system med både fri vattenyta och under trycksatta förhållanden (DHI, 2017a).
I fallstudien användes MOUSE som modelleringsmotor vilket bygger på hydraulisk routing där Saint Venants differentialekvationer löses. Saint Venants ekvationer beskriver bevarandet av massa (Ekvation 14) samt bevarandet av rörelsemängd (Ekvation 15) (DHI, 2017b).
!"
Det första steget i modelleringen av fallstudien var att starta ett nytt projekt där modelleringsmotorn valdes och koordinatsystemet definierades till SWEREF 99 18 00, vilket gäller för Stockholmsområdet, samt standardenheten valdes till SI-systemet. Därefter sattes avrinningsområdet upp och ett fiktivt dagvattenledningsnät, vilket ska representera ytavrinningen till växtbädden. Ledningsnätet består av en brunn, växtbädden och tre ledningar, som sattes upp efter höjddata för avrinningsområdet. Diametern på brunnen sattes till 1 meter och diametern på ledningarna bestämdes till 0,1 meter. Ledningarnas
32 diameter varierades tills att ledningarna var tillräckligt stora för att kunna transportera avrinningsvolymen, utan att översvämning uppstod i systemet.
Växtbädden lades till i form av en Basin-nod (cover type: Sealed) med tre ledningar, en för inloppet och två för utloppet. En konceptuell skiss på hur växtbädden sattes upp i Mike Urban visas i Figur 9.
De två ledningarna för utloppet representerar utflödet till recipienten genom dräneringsröret respektive bräddningen. Det möjliga utflödet genom dräneringsröret begränsades och beräknades för varje modellerat regndjup med Ekvation 9. Bräddningsledningen utgår från växtbäddens reglervolym (se Figur 9) vilket innebär att basin-noden måste fyllas upp till bräddningsledningens nivå innan det uppstår en bräddning. Detta innebär att under en stor del av tidsserien så kommer det inte vara något flöde i bräddningsledningen. Mike Urban skapar ett fiktivt vatten som inte är baserad på nederbördsdata för att kontinuitetsekvationen ska kunna lösas och beräkningen ska vara stabil. Det fiktiva vattnet skapas främst när ledningar är branta och torrlagda samt om tidssteget i modelleringen är för stort. Detta problem uppstod främst i bräddningsledningen på grund av att den är torrlagd under större delen av modelleringen, men även i inloppsledningen. För att minimera denna felkälla så bearbetades flödesresultatet för både inflödet och bräddningen genom att ta bort flödena som uppstod vid torrperioder. Dessa torrperioder konstaterades genom att titta på flödesgraferna, när det var väldigt låga flöden (storleksordning 10-8 m3/sför inloppsflödet och 10-7 m3/sför bräddningsflödet) antogs det vara ett fiktivt flöde som Mike Urban genererade. Detta presenteras som en felkälla i modelleringen i avsnitt 3.2.1.1. Felkällor.
Figur 9. En konceptuell skiss av basin-noden som representerar växtbädden i Mike Urban.
Mike Urban beräknar volymen av basin-noden genom att växtbäddens geometri angavs i Mike Urban som ytarea och tvärsnittsarea (arean vinkelrätt mot inflödet). Ytarean beräknades med Ekvation 12 i enlighet med den kompletterande rapporten till åtgärdsnivån (Stockholms stad, 2017a). Tvärsnittsarean beräknades genom att multiplicera anläggningens djup kopplat till dess porositet (dA) (se Ekvation 13) med ett antaget värde på bredden, x (se Figur 9), som utgår från platsen där den potentiella växtbädden kan placeras på. Basin-nodens volym representerar vattenkvalitetsvolymen, vilket är den vattenvolym som ska behandlas i växtbädden. Däremot observerades en skillnad i volymen som Mike Urban beräknar och växtbäddens vattenkvalitetsvolym som beräknades med Ekvation 7. Detta presenteras därför som en felkälla i modelleringen (se avsnitt 3.2.1.1. Felkällor).
Vattenflödet i avrinningsområdet simulerades i Mike Urban genom att avrinningen beräknades utifrån en angiven nederbördsdata, vilket lades till i modellen som ett Boundary condition. I Mike Urban definieras avrinningen som både snabb avrinning och kontinuerlig avrinning, där snabb avrinning
33 uppstår genom ytavrinning från hårdgjorda ytor medan kontinuerlig avrinning avser flödet för genomsläppliga ytor. Den snabba avrinningen kan simuleras i MOUSE med hjälp av fyra beräkningsmetoder; tid-area metoden, kinematisk våg, linjär reservoar samt enhetshydrograf modell (DHI, 2017c). I fallstudien användes tid-area metoden som beräknar avrinning från olika ytor i ett avrinningsområde genom att ytorna bidrar vid olika tidpunkter efter regnets start (DHI, 2017c), se avsnitt 2.6.1.2. Tid-area metoden för en mer detaljerad beskrivning av tid-area metoden. Det finns tre olika tid-area kurvor definierade i Mike Urban: TACurve1, TACurve2 och TACurve3, som kan appliceras för rektangulära, divergerande respektive konvergerande avrinningsområden, se Figur 10 (DHI, 2017c). För att modellera den snabba avrinningen i fallstudien valdes TACurve1 då den är bäst lämpad för fallstudiens avrinningsområde.
Den kontinuerliga avrinningen kan antingen modelleras i Mike Urban som ett konstant tilläggsflöde eller med hjälp av modulen MOUSE RDI (Rainfall Dependent Infiltration) som består av 12 parametrar.
Med RDI kan vattnet transporteras mellan fyra olika magasin; snömagasin, ytmagasin, rotzonmagasin och grundvattenmagasin. RDI appliceras vanligtvis i dagvattenmodelleringar som har ett stort naturområde och där t.ex. inläckage från grundvattnet till ledningsnätet behöver räknas med i modellen.
För att skapa en modell i Mike Urban som på ett så korrekt sätt som möjligt beskriver flödet i området är det önskvärt att kalibrera modellen genom att jämföra det modellerade flödet med observerad data.
Om kalibrering inte kan utföras behövs en känslighetsanalys utföras (DHI, 2017a). För fallstudien valdes MOUSE RDI att inte användas eftersom det inte finns någon möjlighet till kalibrering vilket innebär att valet av RDI parametrar skulle vara en stor felkälla i fallstudien. Eftersom MOUSE RDI inte används i fallstudien betyder detta att det endast finns ytavrinning i fallstudiens modell.
När det fiktiva ledningsnätet som ska representera ytavrinningen till växtbädden var utplacerat och avrinningsområdet definierat i Mike Urban, kopplades avrinningsområdet samman med brunnen.
Modelleringen kördes först med simulationstyp: Runoff med modell typ TACurve1 som beräknar avrinningen i modellen och sedan kördes programmet igen med simulationstyp: Network, och Dynamic wave. Tidssteget för Runoff modelleringen och Network modelleringen sattes till 1 sekund. Initiala regndjupet i simuleringen valdes till 20 mm i enlighet med dimensioneringskravet i åtgärdsnivån.
Utifrån resultatet som visar andel av inflödet som bräddas förbi växtbädden prövades andra regndjup för att i slutändan hitta vilket regndjup som motsvarar 90% omhändertagen årlig avrinningsvolym. I resultatet för Mike Urban modelleringen presenteras inloppsflödet och bräddningsflödet i växtbädden samt den procentuella bräddningen för de olika regndjupen som modellerades i Mike Urban.
3.1.1.1. Indata i Mike Urban
En sammanfattning av den indata som användes i Mike Urban modelleringen presenteras i Tabell 9.
Figur 10. Illustrerar de tre olika tid-area kurvorna i Mike Urban. x-axeln anger tid och y-axeln anger den reducerade arean som bidrar till avrinning.
34 Tabell 9. Indata till Mike Urban modelleringen.
Indata Värde [enhet] Källa
Historisk regnserie för Torsgatan 2009-2015
Stockholm Vatten och Avfall, mätstation Torsgatan
Avrinningsområdets area 0,0328 [ha] SWECO
Avrinningskoefficient 0,8 [-] Se Tabell 1
Reduktionsfaktor 1 [-] Default
Initial förlust 0,0006 [m] Default
Koncentrationstid 7 [min] Beräknad i Mike Urban
Ledningsnät
Diameter, ledningar 0,1 [m]
Råhetsgrad, Mannings tal Betong (grov) Mannings tal: 68 [m1/3/s]
Diameter, brunnen 1 [m]
Brunnens höjd vid marknivå 26,13 [m] SWECO
Brunnens bottenhöjd 25,6 [m]
Basin-nod (växtbädd) Växtbäddens höjd vid
marknivå 25,83 [m] SWECO
Växtbäddens bottenhöjd 25,3 [m]
Växtbäddens geometri (ytarea
och tvärsnittsarea) se Bilaga IV
3.1.2. StormTac
I fallstudien användes StormTac för att beräkna uppnådd reningseffekt i växtbädden för respektive regndjup som modellerades i Mike Urban. Resultatet från Mike Urban modelleringen som visar andelen
I fallstudien användes StormTac för att beräkna uppnådd reningseffekt i växtbädden för respektive regndjup som modellerades i Mike Urban. Resultatet från Mike Urban modelleringen som visar andelen