一种考虑人类活动影响的水文干旱预测方法

1.本发明涉及干旱预测领域，特别涉及一种考虑人类活动影响的水文干旱预测方法。


背景技术：

2.干旱作为重大自然灾害之一，对生态环境以及社会经济构成了严重威胁。水文干旱最为直观的反应了流域的干旱情况，为了减少干旱给人类生活带来的影响，干旱的预测显得尤为重要。通常，可以根据水文检测或者预报系统来预测水文干旱的发生。然而，随着人类活动影响的加剧，流域的水文序列可能发生非一致性特征，从而导致传统的干旱预测方法不再适用。
3.近些年，众多学者们通过构造数理统计模型来对干旱进行预测，常用的有支持向量机、马尔科夫链、时灰色系统理论时间序列预测模型等。这些研究方法虽然简单易行，但较少考虑到环境变化的影响，在变化环境背景下不再具有适用性。水文干旱的预测方法需要进一步改进，以适用于变化环境。


技术实现要素：

4.发明目的：本发明的目的是提供一种考虑人类活动影响的水文干旱预测方法，能适用于环境变化下的水文干旱预测，并能分析人类活动对水文干旱的影响，可以更进一步提高干旱转换概率的计算精度和可信度。
5.技术方案：本发明所述的一种考虑人类活动影响的水文干旱预测方法，具体包括以下步骤：
6.s1：运用mann-kendall检验法和滑动t检验法对流域的累积径流序列x＝(x1,x2,
…
x3)进行非一致性检验；
7.s2：采用降水-径流的双累积曲线来识别人类活动对流域水文干旱的影响，从而构建人类活动指数hi，通过还原还现的方法构造和计算人类活动指数hi；
8.s3：利用gamlss模型对累积径流序列的分布进行拟合，而后计算得到以人类活动因子作为解释变量的非一致性水文干旱指数nsri序列z(xi)；
9.s4：用kolmogorov-smirnov检验方法对nsri序列z(xi)进行正态性检验
10.s5：构建条件概率模型，基于nsri序列z(xi)，计算得到环境变化背景下的nsri值转换为预测期nsri等级的概率；
11.s6：计算不考虑环境变化的干旱转换概率：基于流域的径流序列，计算标准化水文干旱指数sri序列，进而计算得到不考虑环境变化下sri值转换为预测期sri等级的概率；
12.s7：对环境变化背景下的nsri值转换为预测期nsri等级的概率以及不考虑环境变化下sri值转换为预测期sri等级的概率进行对比分析，得到环境变化对干旱转换概率的影响。
13.作为优选，所述s1中进行非一致性检验，运用滑动t检验法进行非一致性检验得到
累积径流序列x＝(x1,x2,
…
x3)的突变点x
t
，具体公式如下：
[0014][0015][0016][0017][0018]
其中n1和n2分别是前后的样本容量，和分别是突变点x
t
前后样本的方差，给定显著性水平α，在满足t≥|t
α
|的所有可能点中，使t统计量达到极大值的点是最可能的突变点，再结合mann-kendall检验法，能够得到样本序列的趋势变化。
[0019]
作为优选，所述s2中采用降水-径流的双累积曲线来识别人类活动对流域水文干旱的影响，从而构建人类活动因子，通过还原还现的方法构造和计算人类指数hi，具体为：分别将同期累积降水和累积径流量作为坐标系的横轴和纵轴，曲线发生突变则表示序列受到人类活动等其他因素的影响，突变点前后的曲线斜率会发生明显的变化，根据曲线斜率变化的位置确定突变的时间点，偏移的程度反映了人类活动影响的剧烈程度，将曲线变异点前的时期近似认为基准期，变异点后的时期为人类活动期：
[0020]
∑x＝k∑y b
[0021]
其中x为径流序列，y为降雨序列，k为回归方程的相关系数，b为回归方程截距；
[0022]
其后通过还原还现的方法，用理论的sri
′
(基于变异点之前累积降水与累积径流建立的线性回归关系，人类活动期的理论径流序列可以通过实测的降水序列计算得到)表征无人类活动干扰下的标准化径流指数值，则实际的sri值表征人类活动干扰下的标准化径流指数值，用理论的sri
′
与实际的sri的差值作为人类活动因子，量化人类活动对水文干旱的影响，公式如下：
[0023]
hi＝sri
′‑
sri
[0024]
如果hi＞0，则表示示人类活动加剧了水文干旱；hi＜0，则影响作用相反；hi＝0，则表示没有影响。
[0025]
作为优选，所述理论的sri
′
在基于变异点之前累积降水与累积径流建立的线性回归关系上可以通过实测的降水序列计算得到。
[0026]
作为优选，所述s3中计算非一致性水文干旱指数nsri，具体为：
[0027]
径流序列x在某一时间尺度下满足于gamma分布时，该时间尺度下径流序列x的累积概率为：
[0028][0029]
假设gamma分布的尺度参数α
t
和位置参数β
t
是计算人类活动指数hi的线性函数，基
于gamlss框架构建时变矩模型可对两参数的概率密度函数g
x
(x
t
|α
t
,β
t
)的分布进行拟合：
[0030]
g1(α
t
)＝α
10
α
11
*hi
[0031]
g2(β
t
)＝α
20
α
21
*hi
[0032]
其中g1(α
t
)为链函数，由尺度参数α
t
的域决定，即如果尺度参数α
t
的域为α
t
∈r，则链接函数为g1(α
t
)＝α
t
；如果α
t
＞0，g1(α
t
)＝lnα
t
；α
i,j
(i＝1,2j＝0,1)是参数系数，同样的，g2(β
t
)为链函数，由位置参数β
t
的域决定，即如果位置参数β
t
的域为β
t
∈r，则链接函数为g2(β
t
)＝β
t
；如果β
t
＞0，g2(β
t
)＝lnβ
t
；β
i,j
(i＝1,2j＝0,1)是参数系数；
[0033]
用rs算法对参数系数和模型残差进行估计，分析模型残差是否近似服从正态分布，并通过aic准则，筛选最优拟合分布：
[0034][0035]
aic＝ln(mse) 2m
[0036]
其中n为样本个数，pei为样本的经验频率，pi为样本的理论频率，m为模型参数个数，aic值越小，说明函数拟合越好，而后可计算得到nsri：
[0037]
当0＜f(x)≤0.5时：
[0038][0039][0040]
当0.5＜f(x)≤1时：
[0041][0042][0043]
其中c0＝2.515517；c1＝0.802853；c2＝0.010328；d1＝1.4132788；d2＝0.189269；d3＝0.001308；k表示干旱指数的时间尺度。
[0044]
作为优选，所述s4中采用kolmogorov-smirnov检验方法对nsri序列进行正态性检验，给出kolmogorov-smirnov检验方法的检验统计量d的定义如下：
[0045]dn
＝max|n(xi)-zn(xi)|
[0046]
其中n为样本个数，样本的经验分布曲线函数为zn(xi)，n(xi)表示的是正态分布曲线函数，如果显著性水平a对应的检验统计量临界值da大于检验统计量dn，则样本数据满足正态分布，否则样本数据不满足正态分布。
[0047]
作为优选，所述s5中在nsri序列z(xi)服从正态分布时，则有：
[0048]
e(z
v,λ m
|z
v,λ
)＝ρz0[0049]
var(z
v,λ m
|z
v,λ
)＝1-ρ0[0050]
其中z
v,λ
表示当前λ月的nsri值，z
v,λ m
表示λ m月的nsri值，这里的e表示条件分布下的期望值，var是条件方差，ρ为当前月份λ和λ m月的nsri的相关系数，从而可以推求现期
的nsri条件下传递到未来的nsri干旱等级的概率表示如下：
[0051][0052]
其中σz表示nsri序列z(xi)的方差。
[0053]
作为优选，所述s6中计算不考虑气候变化的干旱转换概率时同样需要对sri序列进行正态性检验后构建条件概率模型进行计算。
[0054]
有益效果：本技术构建了以人类活动因子作为解释变量的非一致性水文干旱指数(nonstationary standard runoff index)nsri，基于条件概率模型，可以计算现期不同的nsri值转化到预测期不同nsri干旱等级的概率，本技术能适用于环境变化下的水文干旱预测，并能分析人类活动对水文干旱的影响，可以更进一步提高干旱转换概率的计算精度和可信度。
附图说明
[0055]
图1是本技术的流程示意图。
具体实施方式
[0056]
下面结合具体实施例对本技术做进一步阐述。
[0057]
如图1所示，为本技术的流程示意图，在本实施例中具体包括以下步骤：
[0058]
s1：运用mann-kendall检验法和滑动t检验法对流域的累积径流序列x＝(x1,x2,
…
x3)进行非一致性检验，首先运用滑动t检验法进行非一致性检验得到累积径流序列x＝(x1,x2,
…
x3)的突变点x
t
，具体公式如下：
[0059][0060][0061][0062][0063]
其中n1和n2分别是前后的样本容量，和分别是突变点x
t
前后样本的方差，给定显著性水平α，在满足t≥|t
α
|的所有可能点中，使t统计量达到极大值的点是最可能的突变点，再结合mann-kendall检验法，能够得到样本序列的趋势变化；
[0064]
s2：采用降水-径流的双累积曲线来识别人类活动对流域水文干旱的影响，从而构建人类活动指数hi，通过还原还现的方法构造和计算人类活动指数hi，具体的：
[0065]
分别将同期累积降水和累积径流量作为坐标系的横轴和纵轴，曲线发生突变则表示序列受到人类活动等其他因素的影响，突变点前后的曲线斜率会发生明显的变化，根据
曲线斜率变化的位置确定突变的时间点，偏移的程度反映了人类活动影响的剧烈程度，将曲线变异点前的时期近似认为基准期，变异点后的时期为人类活动期：
[0066]
∑x＝k∑y b
[0067]
其中x为径流序列，y为降雨序列，k为回归方程的相关系数，b为回归方程截距；
[0068]
其后通过还原还现的方法，用理论的sri
′
表征无人类活动干扰下的标准化径流指数值，则实际的sri值表征人类活动干扰下的标准化径流指数值，用理论的sri
′
与实际的sri的差值作为人类活动因子，量化人类活动对水文干旱的影响，公式如下：
[0069]
hi＝sri
′‑
sri
[0070]
其中理论的sri
′
在基于变异点之前累积降水与累积径流建立的线性回归关系上可以通过实测的降水序列计算得到；
[0071]
如果hi＞0，则表示示人类活动加剧了水文干旱；hi＜0，则影响作用相反；hi＝0，则表示没有影响。
[0072]
s3：利用gamlss模型对累积径流序列的分布进行拟合，而后计算得到以人类活动因子作为解释变量的非一致性水文干旱指数nsri序列z(xi)，具体的：
[0073]
径流序列x在某一时间尺度下满足于gamma分布时，该时间尺度下径流序列x的累积概率为：
[0074][0075]
假设gamma分布的尺度参数α
t
和位置参数β
t
是计算人类活动指数hi的线性函数，基于gamlss框架构建时变矩模型可对两参数的概率密度函数g
x
(x
t
|α
t
,β
t
)的分布进行拟合：
[0076]
g1(α
t
)＝α
10
α
11
*hi
[0077]
g2(β
t
)＝α
20
α
21
*hi
[0078]
其中g1(α
t
)为链函数，由尺度参数α
t
的域决定，即如果尺度参数α
t
的域为α
t
∈r，则链接函数为g1(α
t
)＝α
t
；如果α
t
＞0，g1(α
t
)＝lnα
t
；α
i,j
(i＝1,2j＝0,1)是参数系数，同样的，g2(β
t
)为链函数，由位置参数β
t
的域决定，即如果位置参数β
t
的域为β
t
∈r，则链接函数为g2(β
t
)＝β
t
；如果β
t
＞0，g2(β
t
)＝lnβ
t
；β
i,j
(i＝1,2j＝0,1)是参数系数；
[0079]
用rs算法对参数系数和模型残差进行估计，分析模型残差是否近似服从正态分布，并通过aic准则，筛选最优拟合分布：
[0080][0081]
aic＝ln(mse) 2m
[0082]
其中n为样本个数，pei为样本的经验频率，pi为样本的理论频率，m为模型参数个数，aic值越小，说明函数拟合越好，而后可计算得到nsri：
[0083]
当0＜f(x)≤0.5时：
[0084]
[0085][0086]
当0.5＜f(x)≤1时：
[0087][0088][0089]
其中c0＝2.515517；c1＝0.802853；c2＝0.010328；d1＝1.4132788；d2＝0.189269；d3＝0.001308；k表示干旱指数的时间尺度。
[0090]
s4：用kolmogorov-smirnov检验方法对nsri序列z(xi)进行正态性检验，给出kolmogorov-smirnov检验方法的检验统计量d的定义如下：
[0091]dn
＝max|n(xi)-zn(xi)|
[0092]
其中n为样本个数，样本的经验分布曲线函数为zn(xi)，n(xi)表示的是正态分布曲线函数，如果显著性水平a对应的检验统计量临界值da大于检验统计量dn，则样本数据满足正态分布，否则样本数据不满足正态分布。
[0093]
s5：构建条件概率模型，基于nsri序列z(xi)，计算得到环境变化背景下的nsri值转换为预测期nsri等级的概率，在nsri序列z(xi)服从正态分布时，则有：
[0094]
e(z
v,λ m
|z
v,λ
)＝ρz0[0095]
var(z
v,λ m
|z
v,λ
)＝1-ρ0[0096]
其中z
v,λ
表示当前λ月的nsri值，z
v,λ m
表示λ m月的nsri值，这里的e表示条件分布下的期望值，var是条件方差，ρ为当前月份λ和λ m月的nsri的相关系数，从而可以推求现期的nsri条件下传递到未来的nsri干旱等级的概率表示如下：
[0097][0098]
其中σz表示nsri序列z(xi)的方差。；
[0099]
s6：计算不考虑环境变化的干旱转换概率：基于流域的径流序列，计算标准化水文干旱指数sri序列，对标准化水文干旱指数sri序列进行正态性检验后计算得到不考虑环境变化下sri值转换为预测期sri等级的概率；
[0100]
s7：对环境变化背景下的nsri值转换为预测期nsri等级的概率以及不考虑环境变化下sri值转换为预测期sri等级的概率进行对比分析，得到环境变化对干旱转换概率的影响。
[0101]
显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。