都市における降雨による表流水の洪水は、排水システムを圧倒する激しい降雨によって頻繁に発生しており、その予測と監視が重要視されています。しかし、時間、予算、技術の制約から、その実施は難しいのが現状です。本研究では、ミネソタ州ダルースのウッドランドアベニュー流域を事例とし、センサー配置を最適化し、雨水排水システムのピーク流量を再構築するためのデータ駆動型スパースセンシング（DSS）フレームワークを提案しています。SWMMモデルを使用し、流域内のピーク流量のトレーニングデータを生成。さらに、特異値分解やQR因子分解を活用して最適なモニタリングノードを特定し、DSSによる再構築性能を評価しました。77ノードの中から最適に配置された3つのセンサーは高い精度（NSE値0.92-0.95）を達成しました。このフレームワークは計算効率と物理的な解釈可能性のバランスを取りつつ、限られた資源での洪水早期警告やリアルタイム制御に向けた統合が可能です。