廣州天河智慧城不同LID 措施前期狀態(tài)對(duì)徑流和污染物調(diào)控效果的影響研究

張 瀚，邱靜，黃本勝，楊志峰，蔡宴朋

（1.廣東省水利水電科學(xué)研究院，廣東廣州 510635；2.廣東工業(yè)大學(xué)環(huán)境生態(tài)工程研究院，廣東廣州 510006）

1 研究背景

聯(lián)合國(guó)政府間氣候變化專門(mén)委員會(huì)（IPCC）于2021年8月9日發(fā)布了第六次評(píng)估報(bào)告第一工作組報(bào)告，報(bào)告指出，隨著進(jìn)一步的全球變暖，預(yù)計(jì)每個(gè)地區(qū)都將在氣候影響驅(qū)動(dòng)（直接影響社會(huì)或生態(tài)系統(tǒng)的物理氣候條件）下經(jīng)歷更加頻繁的變化，造成更為嚴(yán)重的城市洪澇問(wèn)題［1］。2012 年北京“7·21”特大暴雨，2021年鄭州“7·20”特大暴雨等造成的洪澇災(zāi)害事件使城市居民的生存條件、財(cái)產(chǎn)安全遭受到嚴(yán)重威脅，現(xiàn)已成為制約我國(guó)社會(huì)經(jīng)濟(jì)可持續(xù)健康發(fā)展的關(guān)鍵因素，加強(qiáng)城市暴雨內(nèi)澇防治的研究十分緊迫［2-8］。

不同城市洪澇災(zāi)害成因有所不同，但主要是由于以下幾點(diǎn)［5-8］：①自然條件原因。暴雨內(nèi)澇與強(qiáng)降雨特征息息相關(guān)，城市極端降雨是導(dǎo)致內(nèi)澇災(zāi)害的主要因素之一。除降雨因素以外，外江洪水及潮水頂托也是造成城市內(nèi)澇的重要因素；②排水系統(tǒng)規(guī)劃設(shè)計(jì)不合理。由于歷史原因，先地上后地下的發(fā)展模式導(dǎo)致基礎(chǔ)設(shè)施建設(shè)嚴(yán)重滯后，隨著城市化進(jìn)程加劇，部分排水管網(wǎng)存在設(shè)施老化、損壞和防洪排澇標(biāo)準(zhǔn)偏低不能滿足城市的排水要求的問(wèn)題逐漸顯現(xiàn)；③人類(lèi)活動(dòng)影響。城市化發(fā)展改變了城市區(qū)域不透水面積與透水面積的比例，導(dǎo)致暴雨徑流峰值增大以及匯流時(shí)間縮短，城市內(nèi)澇災(zāi)害風(fēng)險(xiǎn)大大增加。

低影響開(kāi)發(fā)措施（Low Impact Development，LID）是在國(guó)際社會(huì)中被普遍認(rèn)可并開(kāi)展廣泛應(yīng)用的一種城市雨洪管理方法，采用源頭控制的設(shè)計(jì)理念，合理采取相關(guān)措施對(duì)暴雨徑流和污染物進(jìn)行控制，對(duì)解決城市內(nèi)澇和污染物控制問(wèn)題具有十分重要的作用［9，10］。LID 布置不同的工程措施對(duì)徑流和污染物的控制已經(jīng)有眾多學(xué)者開(kāi)展了大量的實(shí)驗(yàn)和模擬研究［11-19］，研究成果表明LID 措施在削減洪峰流量、滯后峰現(xiàn)時(shí)間和控制污染物負(fù)荷等方面具有顯著的作用，采用組合式的LID 措施比單一的LID措施對(duì)徑流和污染物具有更好的控制效果［20，21］。但以往學(xué)者的研究成果大多集中于LID實(shí)驗(yàn)與監(jiān)測(cè)或是設(shè)計(jì)優(yōu)化與評(píng)估方面，對(duì)于LID 措施不同前期狀態(tài)對(duì)徑流和污染物控制的影響研究較少，LID 措施土壤層的初始含水量和下滲能力會(huì)隨著降雨過(guò)程而改變，因此LID 措施土壤前期狀態(tài)的不同將會(huì)導(dǎo)致LID措施的效果存在較大區(qū)別，亟需進(jìn)行深入的研究。

本文以廣州市天河區(qū)東北部的天河智慧城為研究對(duì)象，根據(jù)實(shí)測(cè)降雨、徑流、水質(zhì)和收集到的管網(wǎng)資料建立包含LID措施調(diào)控作用的SWMM 模型，采用兩場(chǎng)降雨過(guò)程對(duì)模型參數(shù)進(jìn)行率定，并在此基礎(chǔ)上分析不同降雨重現(xiàn)期，LID 措施在不同前期狀態(tài)條件下對(duì)徑流和污染物的控制，以期為L(zhǎng)ID 措施的設(shè)計(jì)提供科學(xué)決策的依據(jù)，并為后期的運(yùn)行管理提供指導(dǎo)。

2 研究方法

2.1 模型建立

天河智慧城位于廣州天河區(qū)東北部，多年平均降雨量約為1 650 mm，該區(qū)域地勢(shì)北高南低，發(fā)生大雨時(shí)極易遭受暴雨洪澇災(zāi)害，給市民的交通生活造成不利影響［22］。研究區(qū)面積約為113 700 m2，從天河智慧城管委會(huì)提供收集到構(gòu)建SWMM 模型所需的管網(wǎng)、地形和用地分類(lèi)等資料，根據(jù)研究區(qū)域的管網(wǎng)和下墊面特征將天河智慧城研究區(qū)域概化為29 個(gè)節(jié)點(diǎn)，29 段管網(wǎng)和1 個(gè)出口，根據(jù)遙感圖與土地利用類(lèi)型分類(lèi)情況劃分子匯水區(qū)，劃分得到25 個(gè)子匯水區(qū)。研究區(qū)域整體地勢(shì)西北高、東南低，排水管網(wǎng)內(nèi)的水流依靠重力自流到東南方向的出水口，根據(jù)現(xiàn)場(chǎng)地形的實(shí)際情況進(jìn)行流向、產(chǎn)流和匯流過(guò)程的調(diào)整［23，24］。流量計(jì)布置在位于研究區(qū)域西南側(cè)的檢查井，用于監(jiān)測(cè)流量過(guò)程，最終模型概化結(jié)果如圖1。

圖1 模型概化圖Fig.1 Sketch of model generalization

2.2 數(shù)據(jù)資料

研究區(qū)水文氣象數(shù)據(jù)來(lái)自于同步監(jiān)測(cè)數(shù)據(jù)，在研究區(qū)域布置監(jiān)測(cè)點(diǎn)開(kāi)展降雨、徑流和水質(zhì)同步監(jiān)測(cè)，監(jiān)測(cè)位置見(jiàn)圖2。雨量計(jì)位于天河智慧城辦公樓樓頂，雨量計(jì)精度為0.2 mm，采集時(shí)間間隔1 min。排水監(jiān)測(cè)流量計(jì)位于匯水區(qū)域出口檢查井，其中管井液位監(jiān)測(cè)范圍為0～10 m，流速監(jiān)測(cè)精度為0.3 m/s，采集時(shí)間間隔1 min。通過(guò)事先測(cè)量和記錄出水口形狀尺寸，以液位計(jì)算過(guò)水面積，結(jié)合流速監(jiān)測(cè)得出其流量。

圖2 天河智慧城監(jiān)測(cè)點(diǎn)Fig.2 Tianhe Wisdom City Monitoring location

水質(zhì)監(jiān)測(cè)則選取研究區(qū)域中有代表性的觀測(cè)點(diǎn)屋頂、綠地、道路和廣場(chǎng)上分別采集徑流樣品。水質(zhì)檢測(cè)項(xiàng)目包括，總可溶性固形物（Total Soluble Solid，TSS）、五日生化需氧量（Biochemical Oxygen Demand，BOD5）、化學(xué)需氧量（Chemical Oxygen Demand，COD）和總氮（Total Nitrogen，TN），檢測(cè)方法及方法檢出限見(jiàn)表1。

表1 水質(zhì)項(xiàng)目檢測(cè)方法Tab.1 Summary of testing methods for water quality indicators

2.3 模型參數(shù)驗(yàn)證指標(biāo)

本文取用Nash-Sutcliffe 效率系數(shù)（ENS）和峰值流量相對(duì)誤差（EPR）作為模型率定的評(píng)價(jià)指標(biāo)［15］。ENS和EPR計(jì)算方法如下：

式中：qt_obs為實(shí)測(cè)流量序列；為模擬流量序列；N為實(shí)測(cè)流量數(shù)據(jù)個(gè)數(shù)；為實(shí)測(cè)流量均值。

由于污染物模擬過(guò)程不確定性較強(qiáng)，水質(zhì)參數(shù)率定以納什系數(shù)（將流量變?yōu)槲廴疚镔|(zhì)量濃度）和相關(guān)系數(shù)檢驗(yàn)污染物過(guò)程的擬合度，相關(guān)系數(shù)R的表達(dá)式為：

式中：ρ0、ρc分別為采樣檢測(cè)的污染物質(zhì)量濃度和模擬的污染物質(zhì)量濃度，mg/L ；分別為采樣檢測(cè)的污染物質(zhì)量濃度平均值和模擬的污染物質(zhì)量濃度平均值，mg/L。

2.4 模型率定與驗(yàn)證

采用實(shí)測(cè)降雨和出口流量監(jiān)測(cè)數(shù)據(jù)進(jìn)行模型的驗(yàn)證，兩場(chǎng)實(shí)測(cè)降雨20180703 和20180723 的降雨過(guò)程見(jiàn)圖3。由表2 及圖3 的結(jié)果可以看出，模型模擬結(jié)果和實(shí)測(cè)結(jié)果間的納什系數(shù)ENS分別為0.82 和0.93，峰值流量與實(shí)測(cè)流量的相對(duì)誤差EPR均不超過(guò)15%。

圖3 參數(shù)驗(yàn)證中徑流過(guò)程計(jì)算結(jié)果Fig.3 Simulated results of the runoff for model verification

表2 實(shí)測(cè)降雨情況及模型水文水力參數(shù)驗(yàn)證結(jié)果Tab.2 Results of verification of hydrologic and hydraulic parameters

綜合兩場(chǎng)降雨事件的檢驗(yàn)結(jié)果表明，本文所構(gòu)建的SWMM模型基本能夠反映出天河智慧城選擇研究區(qū)域的水文過(guò)程，模型的精度和可靠性較好，在天河智慧城具有較好的適用性，能夠進(jìn)一步用于后續(xù)階段的研究。

將TSS、BOD5、CODmn和TN作為主要污染物研究對(duì)象，下墊面分別為屋頂、道路、綠地和廣場(chǎng)，利用降雨20180723 率定參數(shù)，水質(zhì)參數(shù)率定與驗(yàn)證結(jié)果見(jiàn)表4，模型模擬與實(shí)測(cè)數(shù)據(jù)之間的納什效率系數(shù)ENS和相關(guān)系數(shù)R均大于0.5，得到的水質(zhì)參數(shù)見(jiàn)表5。

表4 模型水質(zhì)參數(shù)驗(yàn)證結(jié)果Tab.4 Results of verification of water quality parameters

表5 模型水質(zhì)參數(shù)取值Tab.5 Water quality parameters

3 模擬研究及結(jié)果分析

3.1 設(shè)計(jì)暴雨

根據(jù)廣州市水務(wù)局于2018 年9 月印發(fā)《廣州市排水管理辦法實(shí)施細(xì)則》的要求，在進(jìn)行雨水設(shè)計(jì)流量計(jì)算時(shí)，廣州市中心城區(qū)設(shè)計(jì)暴雨強(qiáng)度按照下式計(jì)算［25］：

式中：q為暴雨強(qiáng)度，L/（S·hm2）；P為重現(xiàn)期，a；t為降雨歷時(shí)，min。

表3 模型水文參數(shù)取值Tab.3 The value of hydrologic and hydraulic parameters

采用國(guó)際通用的芝加哥雨型對(duì)設(shè)計(jì)暴雨進(jìn)行分配，降雨重現(xiàn)期分別為0.5 年一遇、1 年一遇、2 年一遇、5 年一遇和10 年一遇，降雨歷時(shí)120 min，時(shí)間精度1 min，雨峰系數(shù)設(shè)置為0.415。設(shè)計(jì)暴雨過(guò)程線見(jiàn)圖4。

圖4 天河智慧城不同重現(xiàn)期設(shè)計(jì)暴雨過(guò)程線Fig.4 Design rainfall with different return periods in Tianhe Wisdom City

3.2 不同前期狀態(tài)參數(shù)設(shè)置

降雨會(huì)改變研究區(qū)域的土壤初始含水量，而土壤初始含水量將直接改變徑流的入滲過(guò)程，這會(huì)直接影響天河智慧城不同下墊面的下滲能力和LID 措施的調(diào)蓄能力［17］。因此根據(jù)天河智慧城下墊面土地利用類(lèi)型的不同，將LID 措施的前期狀態(tài)分為3種典型狀態(tài)：自然狀態(tài)、半飽和狀態(tài)和飽和狀態(tài)3種［26，27］。

自然狀態(tài)是指LID 措施沒(méi)有任何前期蓄水，下滲介質(zhì)層的入滲能力沒(méi)有發(fā)生任何改變，自然狀態(tài)的LID 參數(shù)按照常規(guī)取值范圍進(jìn)行設(shè)定。飽和狀態(tài)是指LID措施的下滲介質(zhì)層已經(jīng)處于飽和狀態(tài)且LID 措施本身已經(jīng)蓄滿水，LID 飽和狀態(tài)下的不透水和透水區(qū)洼地蓄水量皆設(shè)置為0，根據(jù)薛凱喜等［28］的實(shí)驗(yàn)研究，土壤處于飽和狀態(tài)時(shí)的入滲能力僅為土壤處于自然狀態(tài)的10%左右，因此根據(jù)實(shí)驗(yàn)結(jié)果設(shè)置LID 飽和狀態(tài)土壤初始下滲能力和穩(wěn)定下滲能力參數(shù)為自然狀態(tài)的10%。半飽和狀態(tài)是指LID 措施下滲介質(zhì)層呈半飽和狀態(tài)而且LID 措施已經(jīng)有一部分前期蓄水，半飽和狀態(tài)與其他兩種狀態(tài)的差異主要在于下滲能力的變化，此時(shí)土壤滲透能力的削減約為50%左右，為了便于進(jìn)一步研究，半飽和狀態(tài)各參數(shù)的取值位于LID 飽和狀態(tài)和自然狀態(tài)之間。模型主要參數(shù)取值見(jiàn)表6，不同初始狀態(tài)LID 措施的參數(shù)取值見(jiàn)表7。

表6 模型不同初始狀態(tài)主要參數(shù)設(shè)置Tab.6 The model parameters in different initial conditions

表7 LID不同初始狀態(tài)參數(shù)設(shè)置Tab.7 The LID parameters in different initial conditions

3.3 水量模擬結(jié)果

徑流控制率變化的計(jì)算方法如式（5）所示：

式中：RAV為徑流總量控制率；Vt為研究區(qū)降雨總量；Vo為研究區(qū)域相應(yīng)降雨的總外排量。

不同重現(xiàn)期下徑流控制率見(jiàn)圖5。天河智慧城雨洪模型的模擬結(jié)果表明，在同一重現(xiàn)期降雨條件下，LID 處于自然狀態(tài)的徑流控制率均高于LID處于半飽和狀態(tài)和飽和狀態(tài)。在五種降雨重現(xiàn)期下LID 自然狀態(tài)下的徑流控制率為70.17%～83.18%，而半飽和狀態(tài)和飽和狀態(tài)下徑流控制率僅有58.63%～74.11%和47.40%～54.48%。LID 自然狀態(tài)、半飽和狀態(tài)和飽和狀態(tài)下徑流控制率的改變均呈現(xiàn)出隨降雨重現(xiàn)期增大而減小的變化趨勢(shì)。

圖5 LID不同狀態(tài)下徑流控制率Fig.5 Runoff control rate in all LID conditions

相對(duì)于LID 自然狀態(tài)，在不同降雨重現(xiàn)期條件下LID 半飽和狀態(tài)下徑流控制率降低幅度為9.06%～13.25%，在降雨重現(xiàn)期為2 年時(shí)，徑流控制率減小幅度最大為13.25%。這主要是由于在降雨重現(xiàn)期較小時(shí)（0.5年一遇和1年一遇），雨水匯集過(guò)程的歷時(shí)較長(zhǎng)，降雨在未進(jìn)入LID 措施時(shí)受不透水和透水面積的洼地蓄水和下滲的損失較大，這主要對(duì)小雨的影響比較顯著。而在降雨強(qiáng)度較大時(shí)（5 年一遇和10 年一遇降雨）雨水匯集過(guò)程的歷時(shí)較短，LID 措施半飽和狀態(tài)下相對(duì)于LID 措施自然狀態(tài)下滲能力雖然有一定的減小，但仍然能保持一定程度的穩(wěn)定下滲能力，因此徑流控制率呈現(xiàn)出隨降雨總量的增加而減小的變化趨勢(shì)。

在LID措施處于飽和狀態(tài)時(shí)，相對(duì)于自然狀態(tài)，在不同降雨重現(xiàn)期下徑流控制率呈現(xiàn)出顯著的下降趨勢(shì)，下降幅度為22.78%～28.78%，但此時(shí)在不同降雨重現(xiàn)期下，LID 飽和狀態(tài)徑流控制率的差別并不顯著。這主要是因?yàn)長(zhǎng)ID措施飽和狀態(tài)土壤下滲能力呈現(xiàn)出顯著減小的變化趨勢(shì)，對(duì)雨水的容納消解能力差別不大，因此LID 飽和狀態(tài)的徑流控制率雖然也呈現(xiàn)出隨降雨重現(xiàn)期減小的變化趨勢(shì)，但差別并不顯著。

不同降雨重現(xiàn)期下，天河智慧城LID 不同狀態(tài)徑流峰值變化情況見(jiàn)圖6。不同降雨重現(xiàn)期下，LID 自然狀態(tài)下徑流峰值為0.28～1.15 m3/s。LID 半飽和狀態(tài)相對(duì)比LID 自然狀態(tài)徑流峰值增加了0.06～0.37 m3/s，徑流峰值變化趨勢(shì)均呈現(xiàn)出隨降雨重現(xiàn)期先增大后減小的變化趨勢(shì)，5 年一遇降雨重現(xiàn)期下增幅最大為0.37 m3/s。LID 飽和狀態(tài)相比于LID 自然狀態(tài)徑流峰值增加幅度為0.56～1.33 m3/s，2 年一遇降雨重現(xiàn)期下增幅最大為1.33 m3/s，也呈現(xiàn)出先增大后減小的趨勢(shì)，這一變化趨勢(shì)在LID飽和狀態(tài)相對(duì)于自然狀態(tài)時(shí)更為顯著。這主要是因?yàn)長(zhǎng)ID飽和狀態(tài)的下滲能力仍然比無(wú)LID 措施的更好，在降雨強(qiáng)度較小時(shí)雨水匯集歷時(shí)較長(zhǎng)，LID 措施飽和狀態(tài)對(duì)徑流仍然具有較好的控制能力，隨著降雨強(qiáng)度的增加，雨水匯集歷時(shí)逐漸縮短，LID飽和狀態(tài)已經(jīng)不能滿足下滲需要，對(duì)徑流的控制效果也隨之減弱，造成徑流峰值較大。

圖6 各狀態(tài)下徑流峰值變化Fig.6 Variation of runoff peak discharge in all conditions

LID 不同狀態(tài)各重現(xiàn)期降雨下徑流過(guò)程模擬結(jié)果見(jiàn)圖7。LID 相同前期狀態(tài)與無(wú)LID 相比對(duì)徑流峰值削減率均呈現(xiàn)出隨降雨重現(xiàn)期的增大而減小的變化趨勢(shì)。在不同降雨重現(xiàn)期下，LID 自然狀態(tài)和半飽和狀態(tài)對(duì)峰值的削減程度顯著，而LID 飽和狀態(tài)在大雨時(shí)，峰值差異較小，且峰現(xiàn)時(shí)間有小幅提前。這主要是因?yàn)樵?.5年一遇和1年一遇降雨強(qiáng)度較小的時(shí)，雨水匯集過(guò)程較長(zhǎng)，LID 自然狀態(tài)和LID 半飽和狀態(tài)能夠?qū)⒂晁皶r(shí)消納，具有顯著的提升效果。飽和狀態(tài)的LID 措施此時(shí)已經(jīng)蓄滿水，但透水鋪磚的快速下滲作用使得其下滲能力仍然優(yōu)于無(wú)LID 措施的下墊面，因此也能夠削減徑流量峰值。而在5 年一遇和10年一遇降雨強(qiáng)度較大的情況時(shí)，雨水的匯流過(guò)程歷時(shí)較短，由于此時(shí)作為末端調(diào)蓄飽和狀態(tài)的LID 措施內(nèi)部已經(jīng)蓄滿了水，因此與無(wú)LID 措施相比在峰值處的徑流控制能力已沒(méi)有顯著差別。而LID 飽和狀態(tài)峰現(xiàn)時(shí)間相比于無(wú)LID 措施略有提前，這可能是因?yàn)槲唇?jīng)LID改造的下墊面類(lèi)型阻力較大，延長(zhǎng)了雨水匯流的時(shí)間，因此排水出口的峰現(xiàn)時(shí)間提前。

圖7 不同前期狀態(tài)和重現(xiàn)期降雨下徑流過(guò)程模擬Fig.7 Runoff under different initial conditions and rainfall with different return periods

3.4 水質(zhì)模擬結(jié)果

不同前期條件和重現(xiàn)期降雨下污染物削減率統(tǒng)計(jì)結(jié)果見(jiàn)圖8。相對(duì)于無(wú)LID 措施情況，在LID 自然狀態(tài)條件下，不同污染物削減率均隨降雨重現(xiàn)期的增大而減小，其中TSS、BOD5、CODmn和TN 污染物削減率分別為51.94%～64.28%、50.57%～67.26%、51.47%～63.12%和46.26%～57.51%。在LID 自然狀態(tài)下，小雨和大雨對(duì)污染物的削減存在顯著差別，TSS、BOD5、CODmn和TN 在0.5 年一遇和10 年一遇降雨條件下污染物削減率相差分別為12.33%、16.68%、11.65%和11.24%，而在LID 處于半飽和狀態(tài)時(shí)，對(duì)污染物的削減僅對(duì)污染物BOD5作用較為明顯，削減率為40.62%～51.00%，而對(duì)TSS、CODmn和TN 的削減率在不同重現(xiàn)期下變化幅度不超過(guò)4%。當(dāng)LID 處于飽和狀態(tài)時(shí)，TSS、BOD5、CODmn和TN 削減率在不同重現(xiàn)期差距已不超過(guò)3%。

圖8 LID前期狀態(tài)、降雨重現(xiàn)期和污染物削減率的關(guān)系圖Fig.8 The relationship between initial conditions，rainfall with different return periods and pollutant reduction rate

4 結(jié)論

（1）基于SWMM 構(gòu)建含低影響開(kāi)發(fā)（LID）措施調(diào)控作用的廣州市天河智慧城雨洪模型的降雨徑流過(guò)程進(jìn)行模擬，通過(guò)降雨徑流同步觀測(cè)數(shù)據(jù)進(jìn)行驗(yàn)證，Nash-Sutcliffe 效率系數(shù)（ENS）和峰值流量相對(duì)誤差結(jié)果表明構(gòu)建的模型基本能夠反映出天河智慧城選擇研究區(qū)域的水文過(guò)程，水質(zhì)參數(shù)Nash-Sutcliffe 效率系數(shù)（ENS）和相關(guān)系數(shù)在率定中大于0.5。率定結(jié)果表明模型在天河智慧城具有較好的適用性。

（2）不同重現(xiàn)期降雨下，LID 措施自然狀態(tài)、半飽和與飽和狀態(tài)徑流控制率分別為70.17%～83.18%、58.63%～74.11%和47.40%～54.48%，其中LID 自然狀態(tài)下徑流控制率最高，徑流控制率總體隨重現(xiàn)期增大而減小，相對(duì)于自然狀態(tài)，LID 半飽和狀態(tài)在不同重現(xiàn)期下徑流控制率降低了9.06%～13.25%。

（3）在不同重現(xiàn)期降雨下，LID 措施自然狀態(tài)、半飽和狀態(tài)和飽和狀態(tài)徑流峰值分別為0.28～1.15、0.34～1.48 和0.84～2.02 m3/s。相對(duì)于LID 措施處于自然狀態(tài)，半飽和狀態(tài)徑流峰值升高了0.06～0.37 m3/s，呈現(xiàn)出隨降雨重現(xiàn)期先增大后減小的趨勢(shì)，在5 年一遇增幅最大為0.37 m3/s。而在飽和狀態(tài)下，相對(duì)于自然狀態(tài)徑流峰值增加分別為0.56～1.33 m3/s，在2 年一遇增幅最大為1.33 m3/s，也呈現(xiàn)出先增大后減小的趨勢(shì)，這一變化趨勢(shì)在LID飽和狀態(tài)相對(duì)于自然狀態(tài)時(shí)更為顯著。

（4）相對(duì)于無(wú)LID 措施情況，在LID 自然狀態(tài)條件下，不同污染物削減率均隨降雨重現(xiàn)期的增大而減小，其中TSS、BOD5、CODmn和TN 污染物削減率分別為51.94%～64.28%、50.57%～67.26%、51.47%～63.12%和46.26%～57.51%。當(dāng)LID 處于飽和狀態(tài)時(shí)，TSS、BOD5、CODmn和TN 削減率在不同降雨重現(xiàn)期下差距已不超過(guò)3%。