林炳章教授
资深水文学家，曾任美国国家天气局水文气象设计研究中心任首席水文学家，现任南京信息工程大学应用水文气象研究院院长。研究及其应用涵盖环境工程设计、城市规划等领域。
林教授说：
各位涉水行业的专家、教授：我对近年来我在涉水行业（水文水利、防汛、气象、海绵城市建设）所遇到的一些学术问题，提出不同的看法，与各位探讨，请斧正。由于我目前不在南京，无法查证这几个学术问题的确切文献出处，只能凭记忆回想其大概出处，如有误请包涵，谢谢！
1、“年径流总量控制率”— 出自：《海绵城市建设国家建筑标准设计体系》（征求意见稿）2015年10月。
这是一个近年来在海绵城市建设中由非传统水文学者创造出来的、说不清道不明的“专业词条”，之所以说它是“专业“，因为其影响建设投资、管理、验收非常广泛和深远，至今还在用；之所以说是“非传统水文学者”，大概是创建者缺乏必要的水文知识、又想创造出一个吸引人的词条。它根本同径流没有任何关系，更不用说年总量了；但是由于有的指南和手册在正式引用它时使用了“弯弯绕”的解释，弄得不同专业人士吵得不亦乐乎。其实，究其提供的计算方法，这里的“年径流总量控制率”实质是：“日雨量经验排序的百分位数”，学术上很简单明白的一句话。若用降序排列，我看了各地的实践，一般取与70% - 85% 相对应的日雨量（即小于、等于70%- 85%的日雨量），譬如，北京19.40mm（70%）、33.60mm（85%），南京20.5mm（70%）、36.6mm（85%），广州25.2mm（70%）、43.4mm（85%），等等。我和我的博士研究生根据分布全国2417水文站点的具有长期历史日雨量年最大值AMS（平均50年以上有效数据）系列，应用目前最先进的“地区线性矩降雨频率分析法”进行频率计算，求出全国从东到西、从南到北34个省会和重要城市的日雨量年最大值AMS降雨频率估计值（为了保证常遇频率（一般20年一遇以下）估计值的可靠性，即与重现期的概念一致，把AMS都转化成相应的年超大值AES进行计算*），然后分别求出这34个省会和重要城市的70%日雨量与其1年一遇估计值的比率，分别是：北京0.2877、南京0.2622、广州0.2882，全国34城市的平均值是0.3041。换言之，全国范围内，与日雨量经验排序70%对应的日雨量仅相当于1年一遇的30%； 而85%对应的日雨量相当于1年一遇的50%（0.534）。可见，这两年来，广泛应用在海绵城市建设LID的“年径流总量控制率”只控制了小雨，对解决初雨污染是起作用的，但是对城市积水、涝泽、洪患是起不到任何纾解作用，或者说对消除“城市看海”没有任何触动。一般，年径流总量是由小雨、中雨、大雨、暴雨、大暴雨、特大暴雨等综合做出贡献的。所以说，海绵城市建设高于LID，要解决城市洪涝，任重道远，海绵城市建设还是大有可为！*【注：直接用AMS是推求不出1年一遇估计值的，必须转化成AES】
因此说，“将70%的降雨就地消纳和利用”这句话实际上等价于“将相当于1年一遇30%的降雨就地消纳和利用”。这两句话的含义相同，可是，若采用后一句话表述的话，结果会怎么样呢？至少：1）语义（Connotation）上没有歧义，不同领域专家不必争吵；2）知道这一目标只能有助于减轻城市初雨污染，但是解决不了城市洪涝或“城市看海”。 存在的问题：利用城市单一雨量站资料无法得知雨量在城市的空间分布，而且估计值可靠性差，对整个城市范围取单一设计值是不科学的。建议：科学的方法是，统合水文和气象的雨量资料，应用“地区线性矩”进行降雨的频率分析；再进一步应用“暴雨高风险区划”理论和技术，推求可靠的1年一遇雨量估计值及其空间分布，这种时-空可靠的估计值具有全国标准性（权威性）、连续性和一致性，可以稳定20-30年，供各地城市规划设计部门按当地的相应比率（70%、75%、80%、85%，etc，对应1年一遇的比值）选用。最大的优点是：研究区内任意空间点（城镇）的设计值都可以求出，鼠标一点，所需要的估计值（不单是1年一遇；不论有无资料地点）及其时-空分布都一目了然，既经济、省时、又科学。这样的降雨频率图集还可供进一步的城市防涝、防洪的规划设计需用；也为城市洪涝灾害预警、预报提供科学的基础。
2、城市暴雨强度公式的修订 — 出自：城建【2014】66号文“住房城乡建设部、中国气象局关于做好暴雨强度公式修订有关工作的通知”及其附件2. 城市暴雨强度公式编制和设计暴雨雨型确定技术导则。
此导则存在不少统计学频率计算专业领域的问题（包括一些公式和解释）。频率计算包含三大内容：参数估计、线型选择、抽样方法。本导则采用的都是过时的“一点、一线加双眼”的概念和技术，诸如：现在已经采用线性矩不用常规矩（Cv、Cs等）进行参数估计以保证估计过程的不偏性（unbiasedness）以及对奇异值（一般是特大值）的稳健性（robustness）、采用地区分析不用点计算以提高频率估计值（Quantiles）的可靠性或减少不确定性（uncertainties）、采用多线型比较不是单一的P-III型、采用AMS（年最大值法）系列加超过概率校正或者AES（年超大值法）系列不做概率校正（以保证抽样方法与重现期的概念一致，特别是保证城建部门设计暴雨中使用最多的常遇频率段，1年一遇应该是1.58年、2年一遇应该是2.54年一遇、5年一遇应该是5.52年一遇，等等）、要严格进行空间和时段间的成果合理性检验和校正（因为现在是分区、多点、多时段计算而不是沿用了半个世纪的单点单时段计算，以便比较全面地反映降雨的时空分布）、研制成果图表的数字化、可视化展示（提高效率、减少海量打印保护环境，便于对接云存储云计算、大数据分析的需求），等等。所有这些，都不是目前国内水文频率计算界所熟悉的，气象、城建规划部门更不熟悉；目前城市暴雨强度公式修订所产生的问题皆源自上面列举的问题。
3、24小时设计暴雨雨型的同频率放大 — 我一年来参加有关城市暴雨公式修订成果专家评审会上遇到的问题。
我在会上听到目前城建系统设计部门进行24小时雨型采用的同频率放大是大套中、中套小一律同频率，即N年一遇24小时雨量套N年一遇12小时雨量，再套N年一遇6小时雨量，一直套到N年一遇1小时雨量。
这种同频率放大不仅概念上是错误的，等于多重条件概率，即在出现1小时N年一遇雨量的情况下再出现2小时N年一遇，…，一直到再出现N年一遇24小时雨量，可能吗？不可能；在实际暴雨观测和大量历史暴雨资料的分析中从未发现有这种情况发生，尚有可能发现某场特大暴雨中一或顶多二个短时段（非常非常罕见）的降雨强度与24小时降雨强度都是该多年（30、40、50年）系列中的最大值。因此，这种大套小多重同频率放大的设计暴雨是人为放大的、不存在的。最切实可行又偏于设计安全的是认真分析研究当地及附近地区历史典型暴雨的构成，再加以适当的放大。这种时间上的同频率放大与空间上的“处处同频率”的概念都是错误的。
当我在评审会上提出疑义后被告知：“这是从水文方面学来的！”。我很诧异，水文上不会采取这种大套中、中套小的多重同频率的设计暴雨雨型的计算方法；工程水文教科书上找不到，60年代的老师不会这样教我们，我在上世纪80年代初和后期在华水（河海大学前身）水文系讲授《水文分析与计算》时（课程设计或上大课）也不这样教，不知是谁发明的？工程水文讲的同频率放大有几种情况，但是没有一种是这样做的。
4、“Gumbel分布是P-III型分布的特列” --出自：《海绵城市建设国家建筑标准设计体系》（征求意见稿）2015年10月。
事实上，Gumbel（耿贝尔）分布不是P-III型分布的特列，而是概化极值分布（GEV）的特列，GEV-I型，其与三阶矩联系的偏态系数固定Cs=1.14（常规矩）或L-Cs=0.17（线性矩），实际上它是2参数的分布。也就说，如果凑巧一组历史雨量系列的偏态系数落在Cs=1.14附近（当用常规矩进行参数估计时）、或落在线性偏态系数L-Cs=0.17附近（当用线性矩进行参数估计时），此时应用Gumbel分布来模拟数据还是可以的，但是、一般情形是不适合的。实际上，现在国际上已经很少单独采用Gumbel分布、而是采用概化（通用）的极值分布GEV来进行曲线拟合，含有极值I、II、III型。
5、“地区成灾山洪暴雨阈值或临界雨量” -- 出自“2017年重大自然灾害监测预警与防范申报指南”
近好几年来，在我国，山洪暴雨阈值或临界雨量被广泛应用于水文（水利）、气象、地质等领域的山洪灾害研究中，高校和科研所皆如此做法，被当作一个普遍的指标用于山洪灾害的预报中，为此花掉了天文数字的科研基金。其具体作法是通过收集历史山洪灾害事件时的雨量或应用简单的水利学或水文学推算其成灾雨量，在研究区点绘出一组类似等高线的图形，称作山洪临界雨量。这是概念和计算的错误，企图用于预报山洪灾害，无一成功的（除非瞎猫碰到死老鼠个把次），盖因错误地把山洪临界雨量当作“静态”的指标，实际上它是一个动态的指标。简单的假设例子，某地2008年8月7日3小时80毫米雨量引起了山洪，2015年7月20日3小时60毫米雨量在当地就爆发了山洪，因为下垫面条件变了、两场降雨的时空分布也不一样。将调查的成灾雨量作为未来山洪预报的指标，在观念上有点像“守株待兔”的心态。山洪的准确预报是非常难的，只能立足预防、构建早期预警系统。
在我建立的“三张图山洪预警系统（静态的山洪暴雨高风险区划图—科学基础图；动态的临界河漫滩径流值图—缺水图；动态的卫星-雷达临界雨量图—来水图）”中，临界雨量是放在最后，是动态的，应该视当时下垫面的径流情势及土壤含水量场而定。山洪预警三原则：1）只关心山洪发不发生、不关心也无法关心山洪形成过程的“峰、时、量”（即净雨）；2）再好的预警系统也要预留1小时的提前量（以应疏散之需）；3）一半对一半（即预警系统占50%、责任心占50%）。另外，此处只谈山洪，还没有把泥石流预警考虑进去，那要再分析下垫面的地质条件。
6、“开展山洪模拟模型和设计洪水计算方法研究” -- 出自“2017年重大自然灾害监测预警与防范申报指南”
事实上，山洪洪水根本测不到流量过程，山洪没有、也不需要、也做不出有科学价值和实用意义的模拟模型，山洪防治不需要预报河流水文预报时的三要素：峰、时、量，只需要预警发不发生，实际上是净雨问题；山洪不存在、不需要、也没办法计算设计洪水，这纯粹是外行在忽悠人，可是几千万的项目就这样投进去了。（顺便提一句：我真切地希望拿到这个项目的单位能够看到这个“辨析”，我们可以讨论、辩论，若有不明白的地方我愿意帮助你，为的是国家、纳税人的钱不要浪费，为的是要解决实际问题；山洪灾害防治事关人民生命财产的大事！）
7、方差（Variance）、均方差（SD）、均方误差（MSE）、均方根误差（RMSE）-- 出自一年多来参加一些评审会上听到、看到的不加区别、混用的现象。
7、方差（Variance）、均方差（SD）、均方误差（MSE）、均方根误差（RMSE）-- 出自一年多来参加一些评审会上听到、看到的不加区别、混用的现象。
这些都是水文统计课堂上或是教科书上写明的，需要再次正名。
1）方差：为了描述和计算来自同一变量的一组数据（观察值）与其均值之间的离散程度（差异）、并避免正负抵消出现离均差总和为零的现象，取离均差平方和的平均值为衡量这组观测值对其均值的离散或变异程度。有总体方差和样本方差。
总体方差：
样本方差：
2）均方差σ：又称标准差（Standard Deviation, SD），是方差的算术平方根。均方差应用得很广泛，它是一组数据相对于平均值离散（或集中）程度的一种度量；由于标准差与研究的变量观测值是同一个量纲，因此，若这个平均值（期望值）是一个推求的估计值，其标准差就可以用作衡量该估计值不确定性的一个指标。
样本方差：
2）均方差σ：又称标准差（Standard Deviation, SD），是方差的算术平方根。均方差应用得很广泛，它是一组数据相对于平均值离散（或集中）程度的一种度量；由于标准差与研究的变量观测值是同一个量纲，因此，若这个平均值（期望值）是一个推求的估计值，其标准差就可以用作衡量该估计值不确定性的一个指标。
3）均方误差（Mean Square Error, MSE）：均方误差是一组数据（估计值）偏离其真实值（或者被估计值）的距离平方和的平均数；简言之，反映估计量与被估计量之间的差异程度。因其量纲与被估计量的量纲不一致，所以在水文统计中应用得不多。
4）均方根误差（Root Mean Square Error, RMSE）： 是均方误差的算术平方根。
以下例子是在“地区线性矩”频率分析中进行拟合优度（goodness-of-fit）选择线型时使用RMSE作为判别方法之一的表达式，
i=1，2，3，…，N式中，
Si L-Ck 是样本在（L-Cs，L-Ck）坐标中位于第 i 站点的L-Cs时对应的L-Ck 的估计值（计算值），而 Di L-Ck 是相对应的理论分布的真实值。（S和D分别为Sample和Distribution的缩写）
小结：均方差又称标准差，是数据系列与其均值的关系，而均方误差是数据系列与各自真实值（理论值）的关系，其算术平方根称均方根误差；均方误差与方差对应，均方根误差与均方差（标准差）对应。
i=1，2，3，…，N式中，
Si L-Ck 是样本在（L-Cs，L-Ck）坐标中位于第 i 站点的L-Cs时对应的L-Ck 的估计值（计算值），而 Di L-Ck 是相对应的理论分布的真实值。（S和D分别为Sample和Distribution的缩写）
小结：均方差又称标准差，是数据系列与其均值的关系，而均方误差是数据系列与各自真实值（理论值）的关系，其算术平方根称均方根误差；均方误差与方差对应，均方根误差与均方差（标准差）对应。
