城市流域徑流峰值對(duì)降雨時(shí)空異質(zhì)性的響應(yīng)

楊悅瑩，朱志華，蔡宴朋，楊志峰

(1.廣東工業(yè)大學(xué)環(huán)境生態(tài)工程研究院，廣東 廣州 510006；2.南方海洋科學(xué)與工程廣東省實(shí)驗(yàn)室(廣州)，廣東 廣州 511458)

在氣候變化和城市化耦合作用下，降雨時(shí)空分布格局和自然水循環(huán)過(guò)程發(fā)生了顯著的變化，導(dǎo)致城市洪澇災(zāi)害的影響程度和范圍加大，雨洪災(zāi)害的致災(zāi)機(jī)理已成為當(dāng)前城市水文研究的焦點(diǎn)問(wèn)題[1-2]。前人研究表明，極端降雨事件頻發(fā)是造成洪澇災(zāi)害日趨嚴(yán)重的主要誘因[3-5]，且在城市化進(jìn)程下，強(qiáng)烈人類活動(dòng)所造成的局部氣候效應(yīng)正加劇影響區(qū)域降雨時(shí)空分布的異質(zhì)性[6]。IPCC在第五次評(píng)估報(bào)告中強(qiáng)調(diào)，21世紀(jì)氣候變化不確定性將進(jìn)一步變大，區(qū)域降雨時(shí)空分布將更加不均勻[7]。由于城市流域缺乏長(zhǎng)時(shí)序的高時(shí)空分辨率降雨數(shù)據(jù)，導(dǎo)致降雨時(shí)空異質(zhì)性在城市水文分析過(guò)程中常被簡(jiǎn)化或者忽略[8]，這一做法的合理性也受到普遍的質(zhì)疑。因此，探究降雨時(shí)空異質(zhì)性對(duì)徑流峰值的影響，對(duì)厘清雨洪災(zāi)害的致災(zāi)機(jī)理具有重要的科學(xué)意義。

降雨時(shí)空分布特征發(fā)生改變，必然導(dǎo)致洪峰流量、洪水總量等洪水特征發(fā)生變化[9-10]，而且大大增加了雨洪災(zāi)害發(fā)生的不確定性，使得雨洪致災(zāi)機(jī)理變得更為復(fù)雜。由于降雨時(shí)空分布存在明顯的異質(zhì)性，傳統(tǒng)基于降雨和洪水同頻率的假設(shè)(即n年一遇的降雨會(huì)產(chǎn)生n年一遇的洪水)產(chǎn)生極大不確定性，其適用性和合理性變得極其嚴(yán)苛[11]。早在2003年，Trenberth等[12]就強(qiáng)調(diào)在徑流(特別是洪峰流量)模擬過(guò)程中，需關(guān)注降雨事件的時(shí)空異質(zhì)性，認(rèn)為掌握降雨時(shí)間和空間變化過(guò)程是了解區(qū)域產(chǎn)匯流規(guī)律演變的關(guān)鍵所在；White等[13]亦認(rèn)為掌握降雨的時(shí)間和空間移動(dòng)規(guī)律與洪水響應(yīng)關(guān)系，有助于更加深層次了解雨洪致災(zāi)原理和變化規(guī)律；Zhu等[14]指出在降雨時(shí)空異質(zhì)性的影響下，降水總量相對(duì)較小(如20年一遇)時(shí)也可導(dǎo)致較大量級(jí)(如500年一遇)的洪水出現(xiàn)。

(a) 高程

(b) 土地利用類型

在數(shù)值模擬方面，徑流峰值明顯受降雨時(shí)空異質(zhì)性的影響[15-16]，尤其在城市地區(qū)，這種影響表現(xiàn)得更為強(qiáng)烈[17]。Shah等[18]指出，降雨空間分布異質(zhì)性對(duì)流域洪峰流量大小的模擬具有重要影響；Peleg等[19]的研究亦表明，較小面積城市流域的洪峰流量受到降雨時(shí)空分布異質(zhì)性的影響，特別是降雨時(shí)間異質(zhì)性具有較為顯著的影響。目前，常用降雨覆蓋率、降雨強(qiáng)度、降雨移動(dòng)規(guī)律、降雨中心空間相對(duì)位置等典型降雨特征指標(biāo)表征區(qū)域降雨時(shí)空異質(zhì)性，并分析其對(duì)流域洪峰流量的影響[20-21]。Ten Veldhuis等[20]指出降雨空間分布相對(duì)位置、移動(dòng)方向及速度直接影響著洪峰流量、徑流響應(yīng)時(shí)間等；Mejía等[22-23]指出，強(qiáng)降雨覆蓋率是洪峰流量分析中重要的因素，其直接與洪峰流量、徑流總量等相關(guān)。雖然降雨時(shí)空異質(zhì)性對(duì)流域產(chǎn)匯流的影響引起了人們的極大關(guān)注，但徑流峰值對(duì)降雨時(shí)空異質(zhì)性的響應(yīng)機(jī)制仍有待深入研究。

本文以高度城市化的石馬河流域作為典型的城市流域，研究耦合RainyDay暴雨生成器和高時(shí)空分辨率的遙感降雨產(chǎn)品，生成一系列不同降雨重現(xiàn)期、歷時(shí)和時(shí)空分布情景的設(shè)計(jì)降雨，進(jìn)而將相同降雨重現(xiàn)期和降雨歷時(shí)的降雨情景重構(gòu)成降水總量相同的降雨事件，輸入分布式水文模型GSSHA中，結(jié)合協(xié)方差分析方法和降雨時(shí)空異質(zhì)性指標(biāo)體系，定量揭示徑流峰值對(duì)降雨時(shí)空異質(zhì)性的響應(yīng)規(guī)律。值得一提的是，本文并非模擬分析流域的洪水頻率，而是探究不同降雨強(qiáng)度下徑流峰值對(duì)降雨時(shí)空異質(zhì)性的響應(yīng)，以期為城市化背景下雨洪災(zāi)害防治提供理論依據(jù)和科學(xué)支撐。

1 研究區(qū)概況與數(shù)據(jù)來(lái)源

1.1 研究區(qū)概況

石馬河流域位于粵港澳大灣區(qū)城市群核心地帶，橫跨深圳和東莞兩市，流域面積達(dá)1 249 km2。石馬河源于大腦殼山，流經(jīng)深圳市龍華區(qū)和東莞市塘廈、清溪、鳳崗、樟木頭、和謝崗等鎮(zhèn)，匯入東江干流，河長(zhǎng)73.5 km，河床平均坡降0.61‰。石馬河流域內(nèi)四周地勢(shì)相對(duì)較高，海拔在200～600 m 之間(圖1(a))，該流域?qū)儆趤啛釒Ъ撅L(fēng)氣候，降水量大，年平均降雨量為1 300～2 500 mm，但降雨主要集中在4—9月。從20世紀(jì)90年代起，石馬河流域經(jīng)歷了復(fù)雜的城市化過(guò)程，導(dǎo)致土地利用發(fā)生顯著變化，其中建設(shè)用地面積占比提升至38%，具體土地利用情況見(jiàn)圖1(b)。在氣候變化和城市化進(jìn)程不斷加快的耦合影響下，流域內(nèi)雨洪問(wèn)題日益突出，并造成嚴(yán)重的經(jīng)濟(jì)損失。

石馬河流域雖處于高度發(fā)達(dá)的城市區(qū)域，但其水文監(jiān)測(cè)系統(tǒng)相對(duì)不完善。流域內(nèi)僅設(shè)旗嶺水文站用于監(jiān)測(cè)1 h步長(zhǎng)的徑流過(guò)程?；诖?，本研究?jī)H針對(duì)旗嶺水文站所控制的集水面積開(kāi)展研究，即將旗嶺水文站作為研究區(qū)域的出水口。旗嶺水文站所控制的集水面積為682 km2，緯度為22.58°N～22.95°N，經(jīng)度為114.00°E～114.23°E。

1.2 數(shù)據(jù)來(lái)源

本文基于國(guó)家氣象科學(xué)數(shù)據(jù)中心發(fā)布的中國(guó)逐時(shí)降水量0.1°×0.1°網(wǎng)格氣象數(shù)據(jù)集(http://www.cma.gov.cn/2011qxfw/2011qsjgx/)計(jì)算石馬河流域不同頻率下的降雨時(shí)空過(guò)程。該數(shù)據(jù)集以中國(guó)地面3萬(wàn)多個(gè)自動(dòng)氣象觀測(cè)站的逐時(shí)降水觀測(cè)資料為基礎(chǔ)，對(duì)CMORPH衛(wèi)星降水資料進(jìn)行優(yōu)化和驗(yàn)證而得到。該數(shù)據(jù)集產(chǎn)品總體誤差水平在10%以內(nèi)，對(duì)強(qiáng)降水和站點(diǎn)稀疏區(qū)的誤差在20%以內(nèi)，準(zhǔn)確度高于同類其他產(chǎn)品。綜合考慮該數(shù)據(jù)集的可獲取年份和完整性，本文選取2008—2016年的降雨數(shù)據(jù)估算石馬河流域的設(shè)計(jì)降雨。

在構(gòu)建石馬河流域產(chǎn)匯流模型過(guò)程中，DEM數(shù)據(jù)、土壤數(shù)據(jù)和土地利用數(shù)據(jù)分別采用美國(guó)地質(zhì)勘探局提供的SRTM-30m數(shù)字地形高程數(shù)據(jù)、世界土壤數(shù)據(jù)庫(kù)提供的分辨率1∶100萬(wàn)土壤數(shù)據(jù)(Harmonized World Soil Database version 1.1)和由中國(guó)科學(xué)院地理科學(xué)與資源研究所提供的基于Landsat TM/ETM的1km土地覆蓋遙感影像數(shù)據(jù)。為率定和驗(yàn)證所構(gòu)建的流域產(chǎn)匯流模型的合理性，采用的實(shí)測(cè)降雨和徑流數(shù)據(jù)包括來(lái)自于2009年觀洞、碗窯、上村、高峰4個(gè)水文站的降雨數(shù)據(jù)和旗嶺水閘的下泄流量數(shù)據(jù)，所選擇的降雨數(shù)據(jù)和徑流數(shù)據(jù)均是相同時(shí)間內(nèi)發(fā)生的事件。此外，本文采用日本GsMAp提供2001—2020年的小時(shí)降雨數(shù)據(jù)驗(yàn)證所估算得到不同頻率下的流域設(shè)計(jì)降雨的合理性。

2 研究方法

2.1 RainyDay暴雨發(fā)生器

RainyDay暴雨發(fā)生器是Wright等[24]基于Python平臺(tái)所開(kāi)發(fā)，其核心是結(jié)合隨機(jī)降雨轉(zhuǎn)置技術(shù)和遙感降雨產(chǎn)品，通過(guò)多次轉(zhuǎn)置發(fā)生于研究區(qū)域外，并與其具有相同氣候特征和降雨過(guò)程的降雨場(chǎng)次，以達(dá)到增加發(fā)生在研究區(qū)域內(nèi)的強(qiáng)降雨事件，擴(kuò)大研究區(qū)域的樣本容量。本文所選取的最大轉(zhuǎn)置空間與Zhu等[2]一致，最大轉(zhuǎn)置空間選取的合理性分析可見(jiàn)文獻(xiàn)[2]。值得一提的是，RainyDay暴雨發(fā)生器只改變降雨發(fā)生的空間位置，而不改變降雨量的時(shí)程分布。

2.2 GSSHA分布式水文模型

為更全面地揭示降雨時(shí)空異質(zhì)性對(duì)流域徑流峰值的影響，采用二維分布式水文模型GSSHA(gridded surface/subsurface hydrologic analysis)進(jìn)行流域的產(chǎn)匯流過(guò)程模擬。該模型具有較全面的水文物理機(jī)理計(jì)算機(jī)制，即使所構(gòu)建的模型在未得到“顯著校準(zhǔn)”的情況下，也能較好地捕獲區(qū)域洪水對(duì)降雨的響應(yīng)，其在水文資料相對(duì)不足的城市區(qū)域具有良好的模擬效果[25]。采用30 m分辨率的DEM數(shù)據(jù)構(gòu)建流域產(chǎn)匯流模型的水文地理基面，并提取各河道的流向；選取考慮土壤水分再分配的Green-Ampt方程計(jì)算徑流下滲過(guò)程；利用一維擴(kuò)散波方程和ADE方程分別計(jì)算河道洪水波運(yùn)動(dòng)及地表徑流過(guò)程。

采用multilevel single linkage(MLSL)方法和實(shí)測(cè)降雨及其相應(yīng)的流量數(shù)據(jù)自動(dòng)率定模型參數(shù)。其中，模型模擬效果采用納什系數(shù)(NSE)和Kling-Gupta efficiency(KGE)系數(shù)進(jìn)行評(píng)價(jià)。Zhu等[26]的研究表明NSE和KGE能很好地評(píng)價(jià)模型結(jié)果的合理性，當(dāng)NSE和KGE系數(shù)大于0.5時(shí)，表明模型是可行的，其數(shù)值越靠近1，模型模擬效果越好。

2.3 降雨時(shí)空異質(zhì)性指標(biāo)

根據(jù)Ten Veldhuis等[20-21]的研究，綜合選取最有代表性的雨峰系數(shù)(r)、降雨集中度(PCI)、1 h最大降水量(Rmax)、總降雨中心(tg)、時(shí)刻降雨中心(cg)、25 mm/h 閾值降雨空間覆蓋率(A25)、50 mm/h閾值降雨空間覆蓋率(A50)這7個(gè)指標(biāo)，構(gòu)建表征降雨時(shí)空變化的異質(zhì)性指標(biāo)體系，并采用協(xié)方差分析方法定量計(jì)算各指標(biāo)對(duì)徑流峰值的貢獻(xiàn)情況。

3 結(jié)果與分析

3.1 流域產(chǎn)匯流模型率定和驗(yàn)證

選取2009年4場(chǎng)典型降雨進(jìn)行石馬河流域產(chǎn)匯流模型的率定和驗(yàn)證，表1為產(chǎn)匯流模型率定和驗(yàn)證結(jié)果，圖2為4場(chǎng)典型降雨實(shí)測(cè)與模擬結(jié)果對(duì)比。由圖2可見(jiàn)，所構(gòu)建的模型能夠較好地反映出流域場(chǎng)次降雨的產(chǎn)匯流情況，所得到的模擬徑流過(guò)程基本與實(shí)測(cè)徑流一致，且能夠準(zhǔn)確地模擬徑流峰值的出現(xiàn)時(shí)間。通過(guò)定量分析各場(chǎng)次的模擬效果可以發(fā)現(xiàn)，各降雨場(chǎng)次的模擬徑流和實(shí)測(cè)徑流的NSE系數(shù)和KGE系數(shù)均大于0.5，徑流峰值偏差系數(shù)均控制在10%以內(nèi)，表明該模型能夠基本反映流域的產(chǎn)匯流情況，能夠較好地模擬流域內(nèi)場(chǎng)次降雨所產(chǎn)生的徑流峰值。產(chǎn)匯流模型中不同土地利用類型的粗糙度系數(shù)分別為：耕地和草地0.110、林地0.130、城市建設(shè)用地0.014；河道粗糙度系數(shù)為0.067。產(chǎn)匯流模型不同土壤類型參數(shù)率定結(jié)果見(jiàn)表2。

表1 2009年4場(chǎng)典型降雨模型率定和驗(yàn)證結(jié)果

(a) 率定1

(b) 驗(yàn)證1

(c) 驗(yàn)證2

(d) 驗(yàn)證3

表2 產(chǎn)匯流模型不同土壤類型參數(shù)率定結(jié)果

3.2 考慮降雨時(shí)空異質(zhì)性的流域設(shè)計(jì)降雨

圖3為基于RainyDay暴雨發(fā)生器得到的石馬河流域不同降雨重現(xiàn)期(1～100 a)和不同降雨歷時(shí)(2 h、6 h和24 h)的設(shè)計(jì)降雨，圖中紅色圓點(diǎn)、紅色菱形和紅色三角分別代表根據(jù)實(shí)測(cè)降雨數(shù)據(jù)計(jì)算得到的降雨歷時(shí)分別為2 h、6 h和24 h的設(shè)計(jì)降水量值。值得一提的是，每個(gè)重現(xiàn)期具有20種不同時(shí)空分布特征的情景，每個(gè)情景的設(shè)計(jì)降水量均有所差異，各重現(xiàn)期下不同降雨歷時(shí)及情景的設(shè)計(jì)降水量均落在圖3的陰影部分。與傳統(tǒng)方法所計(jì)算得到的設(shè)計(jì)降雨不同的是，基于RainyDay暴雨發(fā)生器得到的設(shè)計(jì)降雨的時(shí)間分布是實(shí)際發(fā)生在最大轉(zhuǎn)置區(qū)內(nèi)的降雨事件，RainyDay暴雨發(fā)生器僅是改變了降雨的空間位置，即所計(jì)算得到的設(shè)計(jì)降雨時(shí)空分布與實(shí)際降雨更為相符。

圖3 石馬河流域不同降雨歷時(shí)的設(shè)計(jì)降雨

由圖3可知，基于RainyDay暴雨發(fā)生器的設(shè)計(jì)降雨強(qiáng)度呈現(xiàn)隨著重現(xiàn)期和降雨歷時(shí)的增大而增大的變化規(guī)律。通過(guò)對(duì)比基于實(shí)測(cè)降雨數(shù)據(jù)和RainyDay暴雨發(fā)生器所得到的設(shè)計(jì)降雨可以發(fā)現(xiàn)，二者所計(jì)算得到的設(shè)計(jì)降雨較為相近。在降雨歷時(shí)較短時(shí)，RainyDay暴雨發(fā)生器普遍低估了流域設(shè)計(jì)降雨，而這種低估現(xiàn)象隨著重現(xiàn)期增大而有所減??；隨著降雨歷時(shí)增加，RainyDay暴雨發(fā)生器所得到的設(shè)計(jì)降雨基本能夠與基于實(shí)測(cè)降雨的設(shè)計(jì)降雨相同，即實(shí)測(cè)設(shè)計(jì)降雨落在陰影部分(圖3)。具體地，結(jié)合相對(duì)誤差分析，在降雨歷時(shí)為6 h時(shí)，重現(xiàn)期大于10 a的范圍內(nèi)，實(shí)測(cè)設(shè)計(jì)降雨都在RainyDay暴雨發(fā)生器計(jì)算范圍內(nèi)，降雨歷時(shí)6 h的整體相對(duì)誤差在2%～14%之間；而在降雨歷時(shí)為24 h時(shí)，實(shí)測(cè)設(shè)計(jì)降雨都落在基于RainyDay暴雨發(fā)生器所計(jì)算得到的設(shè)計(jì)降雨范圍內(nèi)，RainyDay暴雨發(fā)生器設(shè)計(jì)降雨與實(shí)測(cè)設(shè)計(jì)降雨的相對(duì)誤差范圍在3%以內(nèi)。總體來(lái)說(shuō)，RainyDay暴雨發(fā)生器能夠較好地計(jì)算石馬河流域的設(shè)計(jì)降雨。雖然RainyDay暴雨發(fā)生器在計(jì)算短歷時(shí)設(shè)計(jì)降雨時(shí)會(huì)出現(xiàn)一定的低估現(xiàn)象，但本文并不是模擬分析石馬河流域的洪水頻率變化規(guī)律，而是探究不同降雨強(qiáng)度下徑流峰值對(duì)降雨時(shí)空異質(zhì)性的響應(yīng)，因此這一低估現(xiàn)象并不影響本文的研究結(jié)果，Wright等[24]在分析流域洪水頻率時(shí)也出現(xiàn)了類似現(xiàn)象。

(a) 降雨事件A

(b) 降雨事件B

(c) 降雨事件C

(a) 11:00

(b) 12:00

(c) 13:00

在得到上述設(shè)計(jì)降雨的基礎(chǔ)上，計(jì)算同一重現(xiàn)期和降雨歷時(shí)下各設(shè)計(jì)降雨情景與平均設(shè)計(jì)降雨的比值，按照這一比值同比例縮放各時(shí)刻和網(wǎng)格的降水量，以達(dá)到相同重現(xiàn)期和降雨歷時(shí)下具有相同的降水量，并將同比例縮放后的降水量作為流域產(chǎn)匯流模型的降雨輸入，以模擬徑流峰值對(duì)降雨時(shí)空異質(zhì)性的響應(yīng)規(guī)律。為更好地展示降雨時(shí)空異質(zhì)性，在此選取了降雨歷時(shí)為24 h、重現(xiàn)期為10 a的3種降雨情景(下面分別簡(jiǎn)稱其為降雨事件A、B、C)進(jìn)行說(shuō)明，從圖4～6可見(jiàn)，雖然降雨事件A、B、C的總降雨量均為180 mm，但在時(shí)空結(jié)構(gòu)上存在明顯差異。由圖4降雨的時(shí)程分布來(lái)看，不同降雨情景的降雨量時(shí)程分配具有明顯的差異，降雨峰值出現(xiàn)的時(shí)間可較早、中間或者較晚，具有較為明顯的差異；降雨集中度也存在明顯的差異，其中降雨事件C的降雨集中度明顯比A和B要高。圖5為降雨事件A、B、C的24 h累積降水量空間分布，圖6為降雨事件B中3個(gè)不同時(shí)刻1 h降水量空間分布。由圖5可見(jiàn)，每個(gè)柵格的總降水量及其每個(gè)時(shí)刻的降水量也存在顯著的差異，降雨事件A和B的降雨在空間上較為集中，而降雨事件C的降雨分布相對(duì)分散；3個(gè)降雨事件在不同時(shí)刻的降水量空間分布也存在明顯的差異。

圖4 降雨事件A、B、C的降雨過(guò)程

3.3 徑流峰值對(duì)降雨時(shí)空異質(zhì)性的響應(yīng)規(guī)律

圖7為不同降雨重現(xiàn)期和降雨歷時(shí)下各降雨情景所產(chǎn)生的徑流峰值，圖中各點(diǎn)表示各降雨情景所產(chǎn)生的相應(yīng)徑流峰值，陰影部分表示相應(yīng)重現(xiàn)期和降雨歷時(shí)的徑流峰值波動(dòng)范圍。由圖7可見(jiàn)，徑流峰值隨著降雨歷時(shí)和重現(xiàn)期的增大而增大，但也出現(xiàn)降雨重現(xiàn)期較小(降雨歷時(shí)較短)時(shí)所產(chǎn)生的徑流峰值可比降雨重現(xiàn)期較大(降雨歷時(shí)較長(zhǎng))所產(chǎn)生的徑流峰值大。如圖7中，降雨歷時(shí)為6 h時(shí)，重現(xiàn)期為10 a的部分降雨情景比重現(xiàn)期為20 a的所有降雨情景的徑流峰值大，降雨歷時(shí)為24 h、重現(xiàn)期為50 a和100 a所產(chǎn)生的徑流峰值亦出現(xiàn)相同的現(xiàn)象。此外，在降雨重現(xiàn)期為10 a時(shí)，降雨歷時(shí)為6 h的部分降雨情景所產(chǎn)生的徑流峰值比降雨歷時(shí)為24 h所產(chǎn)生的徑流峰值大。由此可以看出，降雨時(shí)空異質(zhì)性對(duì)徑流峰值的影響有時(shí)比降雨歷時(shí)和降水量的影響更大，即降水量或者降雨歷時(shí)越大時(shí)，不一定會(huì)產(chǎn)生較大的徑流峰值，而降水量較小或者降雨歷時(shí)較短時(shí)，也可產(chǎn)生較大的徑流峰值。

圖7 不同降雨重現(xiàn)期和降雨歷時(shí)下各降雨情景所產(chǎn)生的徑流峰值

圖8為r、PCI、Rmax、tg、cg、A25、A507個(gè)降雨時(shí)空異質(zhì)性指標(biāo)對(duì)徑流峰值的影響。總體來(lái)說(shuō)，r、PCI、Rmax等降雨時(shí)空異質(zhì)性指標(biāo)對(duì)徑流峰值的影響較大，而在不同降雨歷時(shí)下各指標(biāo)的影響程度有所差異。其中，r在降雨歷時(shí)較小時(shí)對(duì)徑流峰值的影響較大，隨著降雨歷時(shí)和降雨重現(xiàn)期的增大，其影響隨之減??；在降雨歷時(shí)為2 h時(shí)，其對(duì)徑流峰值的影響達(dá)到50%以上，而隨著降雨重現(xiàn)期增大至 100 a，這一影響下降至25%；而在降雨歷時(shí)為24 h時(shí)，r的影響在各重現(xiàn)期下基本可忽略不計(jì)。PCI則出現(xiàn)相反的情況，其對(duì)徑流峰值的影響明顯地在各降雨歷時(shí)下呈現(xiàn)隨著降雨重現(xiàn)期的增大而增大；而這一比例在重現(xiàn)期為100 a可達(dá)到45%～60%左右。Rmax雖然對(duì)徑流峰值具有相對(duì)較大的影響，但其隨降雨重現(xiàn)期或降雨歷時(shí)變化呈現(xiàn)較為無(wú)規(guī)律的變化。除了A25和A50在降雨歷時(shí)為24 h、降雨重現(xiàn)期較小時(shí)對(duì)徑流峰值具有較大的影響外，其他指標(biāo)對(duì)徑流峰值的影響相對(duì)有限。值得一提的是，各指標(biāo)之間的相互作用在各重現(xiàn)期和降雨歷時(shí)均具有較大的影響，即不可忽視各要素之間相互作用對(duì)徑流峰值的影響。

(a) 降雨歷時(shí)為2 h

(b) 降雨歷時(shí)為6 h

(c) 降雨歷時(shí)為24 h

4 結(jié) 論

a.基于短時(shí)序(2008—2016)柵格降雨數(shù)據(jù)，采用RainyDay暴雨生成器能夠生成與實(shí)際降雨時(shí)空分布相似的流域設(shè)計(jì)降雨。并通過(guò)對(duì)比，基于RainyDay暴雨生成器得到的設(shè)計(jì)降雨基本與根據(jù)實(shí)測(cè)降雨數(shù)據(jù)計(jì)算得到的設(shè)計(jì)降雨相近，雖然在降雨歷時(shí)較短時(shí)，RainyDay暴雨生成器會(huì)出現(xiàn)一定程度的低估，但這一低估現(xiàn)象隨著降雨重現(xiàn)期增大或者降雨歷時(shí)增長(zhǎng)有明顯的改善。

b.降雨時(shí)空異質(zhì)性顯著地影響著徑流峰值。徑流峰值隨著降雨重現(xiàn)期或降雨歷時(shí)增大而增大，但降雨時(shí)空分布不同會(huì)導(dǎo)致降雨重現(xiàn)期較小或歷時(shí)較短的降雨產(chǎn)生的徑流峰值比降雨重現(xiàn)期較大或歷時(shí)較長(zhǎng)的降雨所產(chǎn)生的徑流峰值大的現(xiàn)象出現(xiàn)，即降雨時(shí)空異質(zhì)性對(duì)徑流峰值的影響可比降雨歷時(shí)或降雨量的影響大。

c.雨峰系數(shù)、降雨集中度、1 h最大降水量等降雨時(shí)空異質(zhì)性指標(biāo)對(duì)徑流峰值的影響較大。其中，雨峰系數(shù)在降雨歷時(shí)較短或降雨重現(xiàn)期較小時(shí)對(duì)徑流峰值的影響較大，其影響可高達(dá)50%以上；而降雨集中度對(duì)徑流峰值的影響隨著降雨重現(xiàn)期和降雨歷時(shí)的增大而增大，可高達(dá)60%；1 h 最大降水量對(duì)徑流峰值的影響也高達(dá)40%以上，但其隨降雨重現(xiàn)期或降雨歷時(shí)變化呈現(xiàn)較為無(wú)規(guī)律的變化。