一种流域尺度的水文非一致性诊断方法

摘要

本发明涉及一种流域尺度的水文非一致性诊断方法，所述方法的步骤：建立流域非一致指标体系；进行单一指标序列的非一致性诊断；进行流域水文非一致性定量诊断。本发明将代表多种水文过程各项发展特征的指标序列，并依照指标‑要素‑目标的层次进行分类组合，整体上判断序列究竟是趋势变异，还是跳跃变异，对单一指标序列的非一致性诊断后，再对各项指标进行综合非一致性诊断，避免了现有技术在这方面的缺陷。对多项指标以同一标准进行非一致性判断，可以对多重应用提供理论支撑，如水资源诊断、水库调度、水利工程设计，防洪抗旱。

说明书

技术领域

本发明涉及一种流域尺度的水文非一致性诊断方法，是一种水文计算方法，是一种可以覆盖多要素、多项指标的诊断方法，是一种基于统计以及水文实测数据的诊断方法，是一种针对流域尺度水文过程变异的诊断方法。

背景技术

针对流域尺度的水文非一致性诊断，目前技术主要通过流域某项代表性指标的统计检验，观察其是否发生显著变化来诊断该地区的水文过程是否发生非一致。例如，通过对年降雨的周期、趋势、突变点的统计检验，判断该地区的降雨过程是否发生非一致变化，通过对流域出口处的年径流序列的统计检验，判断该地区的径流过程是否发生非一致变化。此类诊断方法普遍基于时间序列分析和假设检验，代表检验方法有Man-Kendall 检验，Hurst系数，Pettitt检验，Spearman秩次相关法，小波分析法，连续谱分析法，周期图法等等。或是综合了多种统计检验方法的水文变异诊断系统，集成多达十余种方法对单一时间序列进行多层次的统计检验，从趋势综合、跳跃综合及变异形式的选择得到变异诊断结论，最后结合实际水文调查分析，确定该水文变量的真实变异形式。或者是通过与水文模型的结合，考虑造成水文变异的成因，设置不同的气候和下垫面条件的情景，对其进行模拟，从而考察变化环境下水文过程的演变规律，诊断出水文过程的变异情形。这类技术方法实施主要依赖于GCMs，RCMs等气候模式，LUCC数据集，主要的代表模型有SWAT模型， VIC模型等。

以上几种水文非一致性诊断都不同程度存在若干不足。

选择代表指标进行统计检验，缺陷源于统计方法针对单一指标进行检验时，不同的统计方法的基本假设不同，这些方法往往在形式上偏重于趋势或跳跃，在性质上偏重于均值或方差等某个统计参数，且计算精度不一，检验结果并不一致，更重要的是缺乏系统性，不能从整体上判断序列究竟是趋势变异，还是跳跃变异，即使判断是跳跃变异也不能给出唯一的跳跃点。而水文变异诊断系统针对一个时间序列所进行的非一致性诊断，虽然集合了多种方法，将多种方法的检验结果再次统计，得到一个综合性的比较准确的判断，但其同代表指标检验都具有的一个缺陷是忽略了要素的多尺度和多等级效应，一个时间尺度上的指标序列仅能代表其在该尺度上的特征，不能代表研究对象降水、径流、蒸发等水文要素的整体变异水平，更不可能对多种应用起到指导所用，例如，年降雨日数只概括了当地的湿润特征，月降雨不能用于防洪预警，年降雨日数也不能用于极端天气预警，年径流序列不能直接指导水库调度，洪峰流量不能用于诊断水资源量。

基于水文模型的非一致性诊断方法，试图改善统计检验在大尺度流域的诊断效果，但这种方法仍有其缺陷。水文模型在不同情境模式下对水文要素进行模拟时，一般假设部分要素保持不变，而考虑另一部分变量对水文过程的影响，但由于影响水循环过程的外部因素非常多，并且影响因子之间的交叉作用非常复杂且不容忽视，因此这样模拟出的水循环过程虽然能够在一定程度上反应部分影响因子对水循环过程的影响，但仍然是片面且不真实的。

发明内容

为了克服现有技术的问题，本发明提出了一种流域尺度的水文非一致性诊断方法。所述的诊断方法针对现有流域尺度的水文非一致性诊断在统计和模型方法的不足而提出的。所述诊断方法涉及到多项的降水径流指标，实现了流域尺度上水文非一致性的诊断，可以指导多个层面的应用。

本发明的目的是这样实现的：一种流域尺度的水文非一致性诊断方法，其特征在于，所述方法的步骤如下：

建立流域非一致指标体系的步骤：用于筛选出代表多种水文过程各项发展特征的指标序列，并依照指标-要素-目标的层次进行分类组合，所述的指标序列是能够提取出时间序列的水文指标；

进行单一指标序列的非一致性诊断的步骤：用于使用统计检验方法对一个指标序列进行趋势或是否存在突变点的统计检验；

进行流域水文非一致性定量诊断的步骤：用于根据非一致性诊断方法，得到各指标显著水平矩阵：

，

用1 代表水文时间变量非平稳序列，0代表平稳序列，由此得到一个m×n的单位矩阵A（m为指标数量，n为站点数量），将矩阵A变为矩阵B（0-1）：

=0，1；

对B矩阵按行求和：第i站单要素非一致度S_i；

对B矩阵按列求和：

流域单指标非一致性：t_j，（j=1，2，……，n）；

流域单要素非一致性：F_i，（i=1，2，3）；

流域综合非一致度：；

得到流域尺度的水文非一致性统一指标。

进一步的，所述的建立流域非一致指标体系的步骤包括如下子步骤：

选定诊断对象；

确定诊断特征；

列举一般指标体系；

筛选出能够提取时间序列的指标；

获得诊断指标体系。对指标进行分类组合形成指标体系。

进一步的，所述的指标体系将指标按照目标层—要素层—指标层的树状结构进行分类组合。

进一步的，所述的统计检验方法是：Man-Kendall 检验，Hurst系数，Pettitt检验，Spearman秩次相关法中的一种。

本发明产生的有益效果是：本发明将代表多种水文过程各项发展特征的指标序列，并依照指标-要素-目标的层次进行分类组合，整体上判断序列究竟是趋势变异，还是跳跃变异，对单一指标序列的非一致性诊断后，再对各项指标进行综合非一致性诊断，避免了现有技术在这方面的缺陷。对多项指标以同一标准进行非一致性判断，可以对多重应用提供理论支撑，如水资源诊断、水库调度、水利工程设计，防洪抗旱。

附图说明

下面结合附图和实施例对本发明作进一步说明。

图1是本发明的实施例一所述方法的流程图；

图2是本发明的实施例三所述树状结构的指标分类组合示意图。

具体实施方式

实施例一：

本实施例是一种流域尺度的水文非一致性诊断方法，所述方法的步骤如下：

建立流域非一致指标体系的步骤：用于筛选出代表多种水文过程各项发展特征的指标序列，并依照指标-要素-目标的层次进行分类组合，所述的指标序列是能够提取出时间序列的水文指标。针对流域水文特征，以及诊断所需要着重考虑的方面，并考虑数据来源的可得性，筛选出选择具有代表性的重要发展特征指标，并依照指标-要素-目标的层次进行分类组合。这里的指标可以是任意可以提取出时间序列的水文指标，特征包括时间、空间、频率、强度等等，要素包括降水、径流、地下水、城市需水、水质、生态等等，目标为非一致度。

进行单一指标序列的非一致性诊断的步骤：用于使用统计检验方法对一个指标序列进行趋势或是否存在突变点的统计检验。判断单一指标序列是否非一致，为后面的定量诊断做准备。基于时间序列分析和假设检验，对指标序列进行趋势或是否存在突变点的统计检验。这里的统计检验可以是任意能够客观准确地诊断出该指标序列是否发生非一致的统计方法，如：Man-Kendall 检验，Hurst系数，Pettitt检验，Spearman秩次相关法等，但小波分析法，连续谱分析法，周期图法，双累计曲线等依靠主观判断的方法不可选用。需要注意的是所有指标必须选用一种方法进行诊断，选取的这种方法必须能够产生统一的结果，以进行一致与非一致的判断。

进行流域水文非一致性定量诊断的步骤：用于根据非一致性诊断方法，得到各指标显著水平矩阵：

，

用1 代表水文时间变量非平稳序列，0代表平稳序列，由此得到一个m×n的单位矩阵A（m为指标数量，n为站点数量），将矩阵A变为矩阵B（0-1）：

=0，1；

对B矩阵按行求和：第i站单要素非一致度S_i；

对B矩阵按列求和：

流域单指标非一致性：t_j，（j=1，2，……，n）；

流域单要素非一致性：F_i，（i=1，2，3）；

流域综合非一致度：；

得到流域尺度的水文非一致性统一指标。本步骤首先将单指标非一致诊断的结果进行数值化，然后将其按照指标体系中指标层-要素层-目标层的顺序进行逐一叠加，由此确定各指标、要素、流域各层次的非一致程度。

应用实例：

对海河北系进行降雨径流非一致性定量诊断：海河北系流域面积8.34万km²，其中山区占62.5％，平原占37.5％，属温带东亚季风气候。冬季受西伯利亚大陆性气团控制，寒冷少雪；春季受蒙古大陆性气团影响，风速大，蒸发量大，往往形成干旱天气；夏季受海洋性气团影响，较湿润，气温高，多暴雨，但因历年夏季太平洋副热带高压的进退时间、强度、影响范围等时常变化，致使降水量变差很大，旱涝时有发生。

（1）首先进行指标体系的构建：选取降雨、径流两项要素，共49项指标，构成如表1所示的降雨径流非一致性指标体系。另外，考虑流域尺度的降雨径流非一致性诊断，选取20个降雨站点，20个径流站点分别进行诊断，由此得到600个降雨指标序列和380个径流指标序列。

（2）选取Kendall秩次相关检验对980个指标序列进行趋势检验，将得到的显著性结果填入表2，其中：表2a为降水Kendall秩次相关显著性，表2b为径流Kendall秩次相关显著性。

（3）对附表2中的显著性进行α=0.05的判断，按照当0.025<P<0.975时，时序不存在显著趋势的标准，对表2进行筛选，一致的的指标序列赋值0，趋势非一致的序列赋值1，得到如表3所示单位矩阵。

（4）对表3（其中：表3a为降雨趋势非一致度网格图，表3b为径流趋势非一致网格图）按行列求和，得到海河北系地区各站点降雨径流的非一致度和整个流域的降雨径流非一致度，如表4所示，其中：表4a海河北系降雨非一致度为，表4b为海河北系径流非一致度。

表4.a海河北系降雨非一致度

张北右玉集宁大同五台山蔚县五寨原平丰宁张家口怀来密云承德遵化北京廊坊天津唐山塘沽黄骅全域降雨非一致度10301600042642333222255

表4.b海河北系径流非一致度

张坊怀柔水库官厅水库通县张家坟苏庄于桥水库册田水库兴和漫水河邱庄水库水平口石匣里柏崖厂密云水库响水堡下堡戴营三道营张家口全域径流非一致度192170199131961810719111718195314245

上述实例体现出了本实施例在大尺度流域/流域，多站点条件下应用的能力，在8.34万km²的海河北系完成了49个指标的非一致性定量诊断，体现出了本实施例对多项指标综合诊断的能力，同时实现了980项指标序列的计算。

实施例二：

本实施例是实施例一的改进，是实施例一关于建立流域非一致指标体系的步骤的细化。本实施例所述建立流域非一致指标体系的步骤包括如下子步骤：

选定诊断对象。首先根据需求选定诊断对象，这些诊断对象应当是可通过时间序列记录的要素，其时间序列具有一定的长度（样本不少于30），对某些政治、经济、社会发展具有直接的影响或作用，如降雨、径流、地下水、水质、城市需水等。

确定诊断特征。根据诊断对象确定需要诊断的特征，所述的诊断特征是一些连续变化的参数等。作为水文变量的降水、径流本身具有时间空间特征，而在人类对水资源的利用过程中，对其赋予频率、强度等特征， 因此在选择诊断指标时，应在资料数据可获取的范围内，提取尽可能多的参数时间序列，以尽可能全面的表征水文变量的时间、空间、频率、强度等特征。列举一般指标体系。将所有特征一一列举，形成能够进行诊断的一般指标体系。这个指标体系是粗糙的，往往数据过多，不容易处理，因此还要进一步的筛选。

筛选出能够提取时间序列的指标。根据一般指标体系中数据来源的可得性，筛选出能够提取时间序列的指标。所述的可得性是指：在可得资料数据范围内，取得大小在30及以上的样本。

获得诊断指标体系。对指标进行分类组合形成指标体系。

实施例三：

本实施例是实施例二的改进，是实施例二关于指标体系的细化。本实施例所述的指标体系将指标按照目标层—要素层—指标层的树状结构进行分类组合，如图2所示。

所述的“建立区域非一致指标体系”从上到下包括：一个目标——非一致度；要素层可以是降雨、径流、水质、城市需水、生态等多个要素；指标层则包括多项指标，如时段平均雨量、连续无雨日、洪峰流量、径流频率、时段最大雨量等。

实施例四：

统计检验方法的细化。本实施例所述的统计检验方法是：Man-Kendall 检验，Hurst系数，Pettitt检验，Spearman秩次相关法中的一种。

最后应说明的是，以上仅用以说明本发明的技术方案而非限制，尽管参照较佳布置方案对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案（比如：公式的应用、统计方法的选择、各个步骤的顺序关系等）进行修改或者等同替换，而不脱离本发明技术方案的精神和范围。