城市河流水质问题日益严重，亟需有效的流域污染控制决策工具。然而当前的决策工具忽略了城市流域出水口的雨水径流污染风险。因此，识别城市流域出水口高风险污染区间对于流域污染控制决策至关重要。雨水高污染风险区间，一种雨水累计流量区间，在降雨事件中，其污染负荷高于非降雨事件时等体积水的负荷，且对整场降雨事件中的污染负荷贡献占前20%. 然而，降雨事件间的流量-浓度关系差异较大，雨水水质数据具有内在不确定性，基于物理机制的雨水模型需要大量参数，这给雨水高污染风险区间识别带来了巨大挑战。

该研究提出了一种识别城市流域出水口雨水高污染风险区间的新方法。首先，采用“切割-融合”策略预处理数据集，将隐藏在数据集中的有价值信息最大化；然后，引入高斯云模型分布，以捕获雨水数据特点，包括浓度趋势、分散程度和模糊性。本研究以石岩河流域为例，验证了该方法的有效性。结果表明，石岩河流域雨水化学需氧量（COD）的高污染风险区间在小雨时为0.5-1.5毫米，在中雨时为1-3毫米，在大雨时为5-7毫米。识别的COD高风险污染区间的准确度在小雨和中雨时为63-67％。其负荷削减贡献在小雨和中雨时为43-49％，在大雨时为32%。本方法对于有效控制城市化流域的径流污染具有重要意义。该研究成果在Water Research（2019, 165(15), 115007）发表。