導讀：雨水年徑流總量控制率是海綿城市建設中最重要的指標之一。本文主要分析極端降雨事件對雨水年徑流總量、24 h降雨場次控制率的統計結果帶來的影響，包括對統計中不同地域下極端降雨事件的取舍做出判斷，確定極端大暴雨事件的最佳扣除比例。

1 雨水年徑流總量控制影響因素概述

雨水年徑流總量控制率的影響因素有主觀因素與客觀因素之分。

主觀因素包括：統計方法的差異、降雨數據年限跨度及年份的截取（一般要求不小于30年的降雨數據）、降雨資料的來源（同一城市不同的氣象站）、降雨數據精度的差異（日、小時、分鐘）、極端小降雨與極端大暴雨的取舍等。

客觀因素包括：年均降雨量與氣候類型的地域分布差異、多年24 h降雨分布規律差異等。這些影響因素共同造成了雨水年徑流總量控制率對應設計降雨量取值的不確定性。雨水年徑流總量控制率與設計降雨量的關系是通過統計方法得來的，綜合考慮各類因素的影響，是統計結果合理可靠的前提條件。

2 極端小降雨事件對雨水年徑流總量控制率和24h降雨場次控制率的影響

2.1極端小降雨事件概述

“指南”在計算雨水年徑流總量控制率時要求“扣除小于等于2 mm的降雨事件的降雨量”。有錯誤的觀點認為 “2 mm”是指每場雨的初期損失，即滿足植被截留、土壤下滲、洼地蓄水的初期損失量。實際上，這里扣除的是極端小的20:00~次日20:00降雨事件，是24 h的降雨量。這類小規模降雨，或被植物截留，或蓄存在洼地中，或下滲至土壤，因而不產流。

降雨具有隨機性和不確定性，極端小降雨取值受用地性質、雨前干旱期、土壤性質等多方面因素影響。Makar等選取丹佛市3個不同下墊面組成的區域開展降雨量與徑流產生關系的研究，結果顯示降雨量在0.06~0.12 inch（1.45~2.9 mm）范圍內才能產生徑流，并最終推薦0.1 inch作為極端小降雨的取值。

2.2極端小降雨事件對雨水年徑流總量控制率的影響

從全國31個城市（1983~2012年間）的降雨統計分析中發現，極端小降雨的雨量貢獻率（極端小降雨總量占多年總降雨量的比例）平均只占5.2%，其中酒泉雨量貢獻率最高，為21.4%，其余均小于11.0%（見圖1），酒泉位于干旱地區，年均雨量僅為68.2 mm（銀川為172.8 mm），遠小于其他城市。

將全國部分城市按照干濕程度進行分類，統計各干濕類型城市雨量貢獻率的平均值，從干旱地區到濕潤地區的雨量貢獻率呈現遞減趨勢，分別為13.9%、7.6%、4.5%、3.3%（見圖1）。城市干旱程度越高，極端小降雨事件的雨量貢獻率也越高。在濕潤與半濕潤地區，極端小降雨事件的雨量貢獻率不足5%。

采用“指南”推薦的統計方法，分別計算全國部分城市扣除極端小降雨事件與不扣除極端小降雨事件兩種情況下，85%雨水年徑流總量控制率對應設計降雨量的取值，計算前者與后者的差值及差值占比（差值占扣除后設計降雨量的比例）。結果顯示，隨著年均降雨量的增加，差值占比呈現遞減趨勢（見圖2）。31個城市設計降雨量的減小值平均為0.9 mm，其中最大的為1.3 mm（海口）、最小為0.4 mm（拉薩）；差值占比平均為3.4%，其中最大為14.0%（酒泉）、其次為6.8%（銀川），最小為1.3%（廣州）。

2.3極端小降雨事件對24 h降雨場次控制率的影響

美國的雨水徑流源頭控制標準以控制年均80%~95%的降雨場次來應對徑流污染。2009年發布的《美國聯邦雨水管控技術指南》規定，針對聯邦項目，以95%的24 h（24:00~次日24:00）降雨場次控制率（95th percentile rainfall event）作為徑流雨水規劃管控的兩種可選方案之一。同時給出了24 h降雨場次控制率的統計方法（PERCENTILE函數統計法），要求去除0.1 inch（2.56 mm）的極端小降雨事件，認為這類降雨不產生徑流，而是以洼地蓄水的方式得以儲存。美國其他典型州的雨洪管理手冊中也提到了扣除0.1 inch極端小降雨這一原則。

如圖3所示，對31個全國主要城市的24 h降雨數據進行統計分析發現，極端小降雨事件的場次貢獻率（極端小降雨的場次數與多年總降雨場次數的比例）平均高達46%，接近一半的降雨事件屬于極端小降雨事件。

采用PERCENTILE函數統計法，統計全國部分城市扣除極端小降雨事件與不扣除極端小降雨事件下，95%的24 h降雨場次控制率對應設計降雨量的取值。計算前者與后者的差值及差值占比（差值占扣除后設計降雨量的比例）。結果顯示31個城市設計降雨量的減小值平均為10.6 mm，其中最大的為19.0 mm（海口）、最低為3.9 mm（拉薩）；差值占比平均為25.8%，其中最大為39.1%（宜賓）、最小為17.0%（杭州）。

對比圖2和圖4，在雨水年徑流總量控制率的統計中，扣除與不扣除極端小降雨事件對設計降雨量的取值的影響較小；在24 h降雨場次控制率的統計中，極端小降雨事件對統計結果造成影響則較大。

3 極端大暴雨事件對雨水年徑流總量控制率與24h降雨場次控制率的影響

3.1極端大暴雨事件概述

極端大暴雨事件是指超過傳統雨水管渠應對能力，對城市洪澇帶來極大風險的高重現期降雨，統計上指多年（不少于30年）20:00~次日20:00的24 h降雨排序中最大的幾場降雨（一般指末端頻率小于0.5%或0.1%的降雨）。Guo在如何確定雨水設施最大滯留體積的研究中將場降雨事件按照徑流深度從小到大排列，推薦以99.5%數值點對應的徑流深度作為最大徑流深度，即扣除末端頻率小于0.5%的降雨。王文亮認為少數極端暴雨事件的雨量較大，對雨水年徑流總量控制率統計結果具有一定影響，從提高經濟性的角度考慮應該扣除頻率小于0.5%的暴雨。

極端大暴雨事件的場次數少卻貢獻了較高的徑流總量，圖5、圖6分別統計了全國31個城市的多年（1983~2012年）累計的極端大暴雨總數與總量占比（極端大暴雨總量占多年降雨總量的比例）。統計結果表明，當以末端頻率小于0.5%的降雨事件作為極端暴雨事件，31個城市30年累計的極端大暴雨總數平均為8.8場，總量占比平均為4.5%，其中最高為6.5%（海口），最低為2.3%（拉薩）；當以末端頻率小于0.1%的降雨事件作為極端暴雨事件，31城市30年累計的極端大暴雨總數平均為1.8場，總量占比平均為1.5%，其中最高為3.1%（石家莊），最低為0.6%（拉薩）。

3.2極端大暴雨事件對雨水年徑流總量控制率的影響

盡管極端大暴雨的小部分雨水同樣能滯留在源頭設施內部凈化下滲，但這小部分雨水占極端大暴雨自身降雨總量的比例小（見圖7）。以85%年雨水徑流總量控制率對應設計降雨量為例，統計全國31城市的極端大暴雨（0.5%）被有效控制的雨量占極端大暴雨總量的比例，各城市平均為25.9%，即雨水設施針對極端大暴雨事件的年徑流總量控制率平均為25.9%。這說明在面對高重現期的降雨時，源頭雨水設施不能實現徑流總量控制與徑流污染控制的目標要求，當城市的內澇防治上升為主要矛盾時，也不能有效解決城市內澇問題。

為了避免少數極端大暴雨事件過分干擾統計結果，得到較為準確的平均值，統計中可選擇頻率為99.5%或99.9%的降雨量作為20:00~次日20:00的24 h降雨量數據的最大值，扣除末端頻率為0.5%或0.1%的降雨量。

如圖8所示，統計全國31個城市扣除與不扣除極端大暴雨事件（末端頻率為0.5%與0.1%兩種）下，85%的雨水年徑流總量控制率對應設計降雨量取值，計算前者與后者的差值及差值占比（差值占扣除前設計降雨量的比例）。

去除末端頻率為0.5%的極端大暴雨后，31個城市差值平均值為3.7 mm，其中最高為7.9 mm（海口），最低為0.5 mm（拉薩）；差值占比平均值為11.3%，其中最高為19.8%（海口），最低為4.1%（拉薩）。差值跨度較大，呈現明顯的地域分布差異，以地域類型進行歸類（見表1），南方城市的設計降雨量平均降低4.4 mm；北方（北京、沈陽、濟南等）、西北（西寧、烏魯木齊、銀川等）、青藏（拉薩）地區城市設計降雨量降低的平均值分別為3.5 mm、1.5 mm、0.5 mm。由于平均的差值占比超過了10%，極端大暴雨扣除與否對雨水設施的設計規模產生了較大影響。

末端頻率為0.1%極端大暴雨對統計結果的影響較小，31個城市平均減小值為1.3 mm，最高為4.3 mm（海口），最低為0.1 mm（拉薩）；差值占比平均值為4.2%，其中最高為6.8%（海口），最低為1.2%（拉薩）。

3.3極端大暴雨事件對24 h降雨場次控制率的影響

如前所述，對于24 h降雨場次控制率而言，不同重現期降雨的場次貢獻率是相同的。扣除極端大暴雨僅僅是從超過千場的多年降雨統計資料中扣除幾場降雨。以95%的24 h降雨場次控制率為例，采用PERCENTIAL函數統計法，統計扣除末端頻率為0.5%與0.1%極端暴雨前后設計降雨量的差值及差值占比（差值占扣除前設計降雨量的比例）（見圖9）。

扣除頻率為0.5%的極端大暴雨后，31個城市差值平均值為1.7 mm，其中最高為4 mm（天津），最低為0.3 mm（酒泉）；差值占比平均值為4.0%，其中最高為7.4%（天津），最低為1.8%（酒泉）。扣除頻率為0.1%的極端大暴雨后，31個城市差值平均值為0.4 mm，其中最高為1.03 mm（海口），最低為0.05 mm（長春）；差值占比平均值為1.0%，其中最高為2.3%（太原），最低為0.1%（長春）。

單從扣除末端頻率為0.5%來看，部分城市如天津、太原、南寧等差值占比均超過6%。盡管極端大暴雨的場次占比較小，對24 h降雨場次控制率統計結果的影響卻不應被忽視。

3.4極端大暴雨的最佳扣除比例

箱形圖是識別數據中異常值的常用方法，其繪制依靠實際數據，不需要事先假定數據服從特定的分布形式，識別異常值的結果比較客觀。如圖10所示，箱型圖中包含5個統計量：最小值、第一四分位數Q1、中位數、第三四分位數Q3與最大值，異常值被定義為小于（Q1-1.5IQR）或大于（Q3+1.5IQR）的值，其中IQR=Q3 - Q1。

采用箱形圖確定極端大暴雨事件的分析過程為①統計數據范圍：本次統計針對高重現期降雨，因此統計數據范圍確定為城市高于85%雨水年徑流總量控制率對應設計降雨量值的降雨數據。②計算第一四分位數Q1、第三四分位數Q3及IQR。③將大于（Q3+1.5IQR）的降雨數據作該城市的極端大暴雨事件，并統計其個數及頻率（極端大暴雨場次占降雨總場次數的比例）。統計全國31個城市極端大暴雨頻率結果如圖11所示。

南方年均雨量大，高重現期降雨出現次數多但頻次低，極端大暴雨事件頻率平均為0.54%；北方其次，極端大暴雨事件頻率平均為0.62%；西北青藏地區盡管極端大暴雨場次數少，但由于總降雨場次數也少，極端大暴雨事件頻率最高，平均為0.94%。綜合分析全國31個城市的統計結果，極端大暴雨事件頻率平均為0.65%。各地域極端大暴雨推薦值見表2。

4 結論與建議

（1）極端小降雨事件的雨量不能滿足植被截流、洼地蓄水、土壤下滲的損耗，在產生徑流前已經損失殆盡。雨水年徑流總量控制率與24 h降雨場次控制率的統計中是否扣除極端小降雨事件應分別考慮。從雨水年徑流總量控制率的角度看，如果保留小于等于2 mm的極端小降雨事件，全國31個城市85%雨水年徑流總量控制率對應設計降雨量的減小值平均為0.9 mm，其中最大的為1.3 mm（海口）、最低為0.4 mm（拉薩）；差值占比平均為3.4%，其中最大為14.0%（酒泉）、其次為6.8%（銀川），最小為1.3%（廣州）。極端小降雨事件對雨水年徑流總量控制的統計結果影響較小。

從24 h降雨場次控制率的角度上看，由于小于等于2 mm的極端小降雨事件的場次貢獻率大（31城市平均為46%），統計中如果保留極端小降雨事件，全國31個城市95%的24 h降雨場次控制率對應設計降雨量的減小值平均為10.6 mm，其中最大的為19.0 mm（海口）、最低為3.9 mm（拉薩）；差值占比平均為25.8%，其中最大為39.1%（宜賓）、最小為17.0%（杭州）。統計中若不扣除極端小降雨事件將極大減小設施尺寸，降低對徑流污染物的去除效率，違背徑流源頭控制的初衷。因此在24 h降雨場次控制率的統計中需要扣除極端小降雨事件。

（2）極端大暴雨出現頻率極低，卻貢獻了高比例的徑流總量（0.5%的極端暴雨貢獻了4.5%徑流總量），對雨水年徑流總量控制率與24 h降雨場次控制率的統計結果均造成了較大影響。為了避免少數極端大暴對統計結果的干擾，同時從經濟效益的角度考慮，統計中應扣除極端大暴雨事件。采用箱形圖識別極端大暴雨事件的方法，確定了極端大暴雨最佳扣除比例，建議統計中南/北方地區可扣除末端頻率為0.5%的極端大暴雨事件，西北/青藏地區可扣除末端頻率為1.0%的極端大暴雨事件。

微信對原文有刪減，原文標題：極端降雨事件對雨水年徑流總量控制率和24 h降雨場次控制率的影響規律探析；作者：李俊奇、林翔；刊登在《給水排水》2018年1期。