一种基于水文过程的综合旱情监测与评估方法技术

本发明专利技术属于水文水资源领域，尤其是一种基于水文过程的综合旱情监测与评估方法，包括以下步骤：S1：分布式水文模型构建、率定和验证；S2：边缘分布拟合；S3：综合干旱指数SPERI构建；S4：基于综合干旱指数SPERI的干旱演变分析。本发明专利技术从水循环角度出发，应用SWAT模型和Copula函数构建了考虑水文和气象因素的综合干旱指数SPERI，该综合干旱指数SPERI具有较强的物理意义与统计基础，能够灵敏捕捉干旱事件的发生过程，可以真实客观反映区域旱情的演变特征，同时基于该指数对干旱历时、烈度、峰值等特征变量进行识别和多变量重现期分析，可为旱情监测和评估提供有力支撑。测和评估提供有力支撑。

【技术实现步骤摘要】
一种基于水文过程的综合旱情监测与评估方法


[0001]本专利技术涉及水文水资源
，尤其涉及一种基于水文过程的综合旱情监测与评估方法。

技术介绍

[0002]干旱是一种长期水分短缺造成水资源供需不平衡的现象，具有发生频率高、影响范围广和危害程度深等特点。近年来，我国局部性、区域性的干旱灾害连年发生，造成的损失占气象灾害的50％以上。随着全球气候变暖，干旱等极端水文事件频繁发生，而人类活动导致水循环过程异常也会加剧干旱造成的影响。多重驱动因子使得干旱持续时间及危害程度等特征难以捕捉，干旱在精确识别、度量以及评估等方面的研究依旧是热点与难点。
[0003]针对如何提高干旱识别与评估精度等问题，相关学者开展了大量研究，但多数采用仅能表征气象干旱、农业干旱或水文干旱中一种的单一类型指数，而不同类型的干旱之间存在着区别与联系，它们之间可以相互影响、相互转化。同时，现有研究多数并未考虑干旱形成的物理过程，仅从观测长序列数据中提取干旱信息进行分析会受到数据非一致性的干扰，并不能客观反映地区干旱的真实状态。因此，从水循环角度出发，通过构建考虑干旱形成物理机制的多变量的综合干旱指数SPERI开展相关研究，对提高干旱评价结果的准确性与客观性具有理论意义和实践价值，因此我们提出了一种基于水文过程的综合旱情监测与评估方法。

技术实现思路

[0004]为了解决现有技术所存在的问题，本专利技术提出的一种基于水文过程的综合旱情监测与评估方法。
[0005]为了实现上述目的，本专利技术采用了如下技术方案：
>[0006]一种基于水文过程的综合旱情监测与评估方法，包括以下步骤：
[0007]S1：分布式水文模型构建、率定和验证：收集研究区的DEM数据、矢量边界文件、土地利用数据、土壤类型栅格数据和水文气象长序列观测数据，构建、率定并验证研究区SWAT模型；
[0008]S2：边缘分布拟合：提取S1中的研究区SWAT模型输出的径流和潜在蒸散发数据，再结合研究区水文气象长序列观测数据中的降水数据进行计算得到水分盈亏值，然后对径流和水分盈亏值进行边缘分布拟合，确定研究区的最适边缘分布函数；
[0009]S3：综合干旱指数SPERI构建：首先从嵌套Archimedean Copulas函数族中选择最优Copula函数，通过最优Copula函数构建的径流R与水分盈亏值P
‑
PET的联合分布函数，并计算二者的累积联合概率p，进一步将累积联合概率p进行标准正态化处理，最终得到综合干旱指数SPERI；
[0010]S4：基于综合干旱指数SPERI的干旱演变分析：对S3中构建的综合干旱指数SPERI进行适用性分析，然后采用Mann
‑
Kendall检验和Pettitt检验分别对综合干旱指数SPERI进
行趋势检验和变异点检测，得到研究区的不同时间尺度下干旱演变特征；
[0011]S5：基于综合干旱指数SPERI的干旱风险评估：应用游程理论识别和提取干旱特征变量，然后基于上述Copula函数进行干旱多变量联合分布的研究、概率分析和重现期的分析。
[0012]优选的，所述S1中分布式水文模型构建、率定和验证的具体步骤如下：
[0013]S11：结合研究区的流域实际情况，对研究区的DEM数据、矢量边界文件、土地利用数据、土壤类型栅格数据和水文气象长序列观测数据进行收集，其中水文气象长序列观测数据包括降水数据、温湿度数据和辐射数据；
[0014]S12：S11中的DEM数据利用数字高程模型依次进行流域边界的确定、子流域的划分和水系河网的生成；
[0015]S13：在S12中的数字高程模型中进行导入土地利用数据和土壤类型栅格数据，分别进行构建相应的土地利用数据库和土壤数据库，然后利用数字高程模型进一步生成研究区的SWAT模型；
[0016]S14：首先确认研究区的模拟期，然后将S11中的降水数据、温湿度数据和辐射数据进行输入到SWAT模型中，进行构建气象数据库并进行径流模拟；
[0017]S15：通过敏感性分析找出影响SWAT模型精度的关键因子，将流域径流观测资料以及模拟径流数据输入SWAT
‑
CUP软件，然后对SWAT模型进行率定，获取SWAT模型的最佳水文参数；
[0018]S16：将验证期的气象数据输入率定好的SWAT模型中进行径流模拟，选取决定系数R2和模型效率系数ENS来对SWAT模型进行实用性验证。
[0019]优选的，所述S2中边缘分布拟合的具体步骤如下：
[0020]S21：将SWAT模型中输出的径流R和潜在蒸散发数据PET按月尺度进行整理，结合降水数据进行计算出水分盈亏值P
‑
PET；
[0021]S22：选用水文和气象领域的9种单变量分布函数对径流R与潜在蒸散发数据PET进行最优分布拟合；
[0022]S23：经过最优分布拟合的径流R与潜在蒸散发数据PET通过K
‑
S统计量进行拟合检验，并利用K
‑
S统计量的最小原则进行优选出两变量的最佳分布函数；
[0023]S24：S23中的两变量还同时采取Pearson相关系数和Spearman秩相关系数来度量其相关性。
[0024]优选的，所述水文和气象领域的9种单变量分布函数包括广义极值函数、皮尔逊Ⅲ型函数、伽马函数、指数函数、对数正态函数、威布尔函数、正态函数、泊松函数及广义帕累托分布函数。
[0025]优选的，所述S3中，径流R与水分盈亏值P
‑
PET的联合分布函数的得出步骤：从嵌套Archimedean Copulas函数族中进行选出广泛应用于水文领域的Gumbel Copula函数、Clayton Copula函数和Frank Copula函数，然后利用均方根误差准则RMSE和赤池信息量准则AIC来分别检验Gumbel Copula函数、Clayton Copula函数和Frank Copula函数的拟合优度，其中RMSE与AIC计算公式如下：
[0026][0027]式中：n为样本数，l为Copula函数的参数个数，P
ei
为联合分布经验频率；P
i
为联合分布的理论频率，i＝1,2
…
,n，通过上述拟合优度检验，选出拟合效果最好的Copula函数，即为能反映该流域径流R和水分盈亏值P
‑
PET特征的联合分布函数。
[0028]优选的，所述S3中径流R与水分盈亏值P
‑
PET的累积联合概率p的公式为：P(x≤X,y≤Y)＝C
θ
[F
X
(x),F
Y
(y)]＝p，式中x为径流R序列的随机变量、y为水分盈亏值P
‑
PET序列的随机变量、X为径流中可能存在的某一数值、Y为水分盈亏序列中可能存在的某一数值、F
X
(x)为x的边缘分布函数、F<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于水文过程的综合旱情监测与评估方法，其特征在于，包括以下步骤：S1：分布式水文模型构建、率定和验证：收集研究区的DEM数据、矢量边界文件、土地利用数据、土壤类型栅格数据和水文气象长序列观测数据，构建、率定并验证研究区SWAT模型；S2：边缘分布拟合：提取S1中的研究区SWAT模型输出的径流和潜在蒸散发数据，再结合研究区水文气象长序列观测数据中的降水数据进行计算得到水分盈亏值，然后对径流和水分盈亏值进行边缘分布拟合，确定研究区的最适边缘分布函数；S3：综合干旱指数SPERI构建：首先从嵌套Archimedean Copulas函数族中选择最优Copula函数，通过最优Copula函数构建的径流R与水分盈亏值P
‑
PET的联合分布函数，并计算二者的累积联合概率p，进一步将累积联合概率p进行标准正态化处理，最终得到综合干旱指数SPERI；S4：基于综合干旱指数SPERI的干旱演变分析：对S3中构建的综合干旱指数SPERI进行适用性分析，然后采用Mann
‑
Kendall检验和Pettitt检验分别对综合干旱指数SPERI进行趋势检验和变异点检测，得到研究区的不同时间尺度下干旱演变特征；S5：基于综合干旱指数SPERI的干旱风险评估：应用游程理论识别和提取干旱特征变量，然后基于上述Copula函数进行干旱多变量联合分布的研究、概率分析和重现期的分析。2.根据权利要求1所述的一种基于水文过程的综合旱情监测与评估方法，其特征在于，所述S1中分布式水文模型构建、率定和验证的具体步骤如下：S11：结合研究区的流域实际情况，对研究区的DEM数据、矢量边界文件、土地利用数据、土壤类型栅格数据和水文气象长序列观测数据进行收集，其中水文气象长序列观测数据包括降水数据、温湿度数据和辐射数据；S12：S11中的DEM数据利用数字高程模型依次进行流域边界的确定、子流域的划分和水系河网的生成；S13：在S12中的数字高程模型中进行导入土地利用数据和土壤类型栅格数据，分别进行构建相应的土地利用数据库和土壤数据库，然后利用数字高程模型进一步生成研究区的SWAT模型；S14：首先确认研究区的模拟期，然后将S11中的降水数据、温湿度数据和辐射数据进行输入到SWAT模型中，进行构建气象数据库并进行径流模拟；S15：通过敏感性分析找出影响SWAT模型精度的关键因子，将流域径流观测资料以及模拟径流数据输入SWAT
‑
CUP软件，然后对SWAT模型进行率定，获取SWAT模型的最佳水文参数；S16：将验证期的气象数据输入率定好的SWAT模型中进行径流模拟，选取决定系数R2和模型效率系数ENS来对SWAT模型进行实用性验证。3.根据权利要求1所述的一种基于水文过程的综合旱情监测与评估方法，其特征在于，所述S2中边缘分布拟合的具体步骤如下：S21：将SWAT模型中输出的径流R和潜在蒸散发数据PET按月尺度进行整理，结合降水数据进行计算出水分盈亏值P
‑
PET；S22：选用水文和气象领域的9种单变量分布函数对径流R与潜在蒸散发数据PET进行最优分布拟合；S23：经过最优分布拟合的径流R与潜在蒸散发数据PET通过K
‑
S统计量进行拟合检验，
并利用K
‑
S统计量的最小原则进行优选出两变量的最佳分布函数；S24：S23中的两变量还同时采取Pearson相关系数和Spearman秩相关系数来度量其相关性。4.根据权利要求3所述的一种基于水文过程的综合旱情监测与评估方法，其特征在于，所述水文和气象领域的9种单变量分布函数包括广义极值函数、皮尔逊Ⅲ型函数、伽马函数、指数函数、对数正态函数、威布尔函数、正态函数、泊松函数及广义帕累托分布函数。5.根据权利要求1所述的一种基于水文过程的综合旱情监测与评估方法，其特征在于，所述S3中径流R与水分盈亏值P
‑
PET的联合分布函数的得出步骤：从嵌套Archimedean Copulas函数族中进行选出广泛应用于水文领域的Gumbel Copula函数、Clayton Copula函数和Frank Copu...

【专利技术属性】
技术研发人员：李玮，王文君，吴英杰，周泉成，陈晓俊，王怡璇，全强，尹航，赵水霞，张伟杰，孙立新，赵谦，
申请(专利权)人：水利部牧区水利科学研究所，
类型：发明
国别省市：