水文时间序列周期识别的新思路与两种新方法

针对水文序列周期识别的困难,提出首先对原序列处理,再识别周期的新思路,同时提出两种新方法:一种是模拟延长序列法,即通过建模延长原序列,再应用最大熵谱分析法(MESA)对延长序列识别周期;另一种方法是构建主频序列法,应用小波重构法重构原序列主频部分,然后应用MESA对重构序列进行周期识别。结合实例,运用多种方法对同一序列进行周期识别。分析结果表明:由于受序列长度偏短、偏态性、复杂随机成分等因素的影响,传统单一处理方法(周期图法、FFT、MESA、小波分析)周期识别效果并不理想,而使用两种新方法可以有效地减小或消除上述因素的影响,周期识别效果有明显改善。     

Pearson-Ⅲ型负偏频率曲线的权函数参数估计方法

Pearson-Ⅲ型水文频率计算以正偏序列为主,但在处理水库水位、潮位序列时常出现负偏的情况。针对正偏序列的权函数参数估计方法,通过公式推导将其拓展应用到负偏序列,完善了这一水文参数估计方法体系。统计试验表明相比常规矩法,权函数参数估计方法能显著提高对Cs估计的无偏性,并在有效性方面有所提升。比较权函数框架下的三种参数估计方法,发现二阶权函数矩法（WFM2）整体优于一阶权函数矩法（WFM1）,利用权函数矩结合法（WFM3）对Cv（或σ）进行估计的前提是要确保Cs的估计优于Cv,否则其不如WFM1和WFM2的参数估计结果。以某潮位站年最高潮位序列和某水文站年最高水位序列进行了实例验证,拟合优度检验表明WFM2方法的拟合误差小、精度高,是所有比较方法中应用效果最好的方法。     

潮河流域降水-径流关系变化及驱动因子识别

基于1973-2010年长系列日降水、径流数据,利用降水径流双累积曲线、M-K统计检验和降水集中度等方法,结合HIMS模型模拟结果,分析了潮河流域降水-径流关系的变化及其原因。得到的主要结论如下：（1）近38年来,潮河流域降水变化较小,但径流下降趋势显著,降水-径流关系发生了两次突变,即在1973-1983年、1984-1998年和1999-2010年三个阶段降水-径流关系存在明显差异;（2）大雨日降水总和（P_≥20）与径流深关系较为密切,其变化是导致降水-径流关系在1983年发生突变的主要驱动因子;（3）HIMS模型模拟结果显示,1999-2010年潮河流域下垫面条件较前两阶段变化明显,人类活动引起的减水效应由第二阶段的14.93%增加至第三阶段的25.78%,人类活动是导致降水-径流关系在1998年发生突变的主要驱动因子。     

西南诸河地表水资源演变的基因图谱

为应对环境变化给水资源演变带来的诸多挑战,以水文基因体系为理论基础,揭示并直观地展示了西南诸河地表水资源序列的遗传和变异规律。水文基因是反映水文序列遗传和变异特性的各阶矩,基于相关系数测度构建了具有识别、检验与分级功能的水文基因检测系统,利用该方法提取了西南诸河6个水资源二级区的地表水资源量各阶矩序列的水文基因成分(包括跳跃、局部趋势与整体趋势、周期、相依和纯随机);提出了水文基因图谱的概念与绘制方法,并利用其展示了研究区域的水文基因信息。结果表明：西南诸河各二级区地表水资源量的一阶矩序列均存在不同形式的水文基因变异成分,主要表现为跳跃、局部趋势、周期与相依;二阶矩序列中,怒江及伊洛瓦底江二级区的序列只含有水文基因遗传成分,其余二级区序列的水文基因大多只存在周期弱变异成分;与一阶矩和二阶矩序列相比,三阶矩序列的水文基因构成较为简单,且变异成分对序列的影响均相对较弱。归因分析表明,地表水资源量的一阶矩基因变异主要受降水因素影响。     

暴雨山洪灾害预警方法研究进展

暴雨山洪灾害预警是中小流域山洪灾害防控体系的薄弱环节,也是决定山洪灾害防控成败的关键。论文围绕山洪灾害预警的核心问题,从中国山洪灾害区域差异特征、山洪灾害预警技术方法、山洪灾害概率预警现状3个方面进行了综述。中国山洪灾害分布存在明显的时空差异,因此有必要根据山洪灾害的区域差异发展有针对性的预警方法。以临界雨量为指标的雨量预警是目前中国中小流域暴雨山洪灾害预警的主要技术手段,但常规方法仅给出一个(组)确定的临界雨量阈值,导致预警结果存在突出的不确定性问题。概率预警可以定量评估诸多不确定性,给出山洪灾害概率预警结果,因此具备很好的理论优势与潜在应用价值。论文展望了山洪灾害概率预警未来的研究重点与方向：(1)充分挖掘暴雨洪水样本信息,开展山洪灾害概率预警基础方法与技术集成研究;(2)加强非平稳性条件下的临界雨量阈值估算与山洪灾害概率预警研究;(3)综合考虑预警阈值发生概率及其致灾概率,优化“多级预警、多级响应”技术方法,推进山洪灾害综合预警业务系统建设与应用。     

青藏高原降水季节分配的空间变化特征

青藏高原是全球气候变化影响的敏感区域。在全球气候变暖的背景下,其水文气候过程发生了显著的变化,直接影响到区域水资源演化。然而,目前对该区域水文气候过程的时空演变规律仍认识不足。本文以青藏高原气象站点降水观测数据为基准,结合水汽通量资料,对13种不同源降水数据集质量进行对比分析;并选用质量较好的IGSNRR数据集识别了青藏高原降水季节分配特征的空间分布格局。结果表明,青藏高原东南、西南以及西北边缘地区降水集中度和集中期较小,夏季降水占全年降水比例不足50%;随着逐渐向高原腹地推进,降水集中度和集中期逐渐增大,雨季逐渐缩短且推迟,雨季降水占全年降水比例逐渐增大。降水季节分配的空间分布格局与水汽运移方向保持一致,即主要是由西风和印度洋季风的影响所致。基于此,识别出西风的影响区域主要位于高原35°N以北,印度洋季风的影响区域主要位于高原约30°N以南,而高原中部(30°N~35°N)降水受到西风和印度洋季风的共同影响。该结果有助于进一步理解和认识青藏高原水文气候过程空间差异性。     

西南河流源区径流量变化规律及其未来演变趋势

采用统计学方法及集合经验模态分解、小波分析、水文模型等多种方法,在对气象水文、湖泊岩芯、树木年轮、气候模式数据进行深入分析的基础上,研究了西南河流源区径流变化规律与历史丰枯规律及其驱动机制,分析了未来气候变化影响下的径流演变趋势。结果表明：三江源地区的径流近50 a整体表现为上升趋势,雅鲁藏布江流域除尼洋河外的其他区域年径流量整体呈不显著下降趋势,气候变化是导致三江源、雅鲁藏布江和怒江流域径流变化的主要原因,其中降水是引起径流变化最关键的因子;主要河流径流不同时间尺度的丰枯演变规律为,雅鲁藏布江中游全新世洪水事件呈现出早晚全新世频繁、中全新世相对较少的特征,近500 a怒江流域重建径流序列存在10个丰水期和10个枯水期,丰枯序列变化主要受季风环流和厄尔尼诺-南方涛动(ENSO)活动的影响;在未来15～60 a,全球持续增温将使西南河流源区平均年径流深相比近30 a增加6%～14%,而极端径流呈现出“干更干、湿更湿”的变化特征,同时生态因子对径流变化的影响不可忽视。     

基于WA、ANN和水文频率分析法相结合的中长期水文预报模型的研究

针对传统中长期水文预报方法模拟预测结果精度低、未考虑水文不确定性因素的影响等问题,本文将小波分析(WA),人工神经网络(ANN)和水文频率分析法联合使用,建立了不确定性中长期水文预报模型:即在应用WA揭示水文序列变化特性的基础上,将原序列分为主序列和随机序列两部分,然后利用ANN对主序列进行模拟预测,对随机序列进行水文频率分析,最后将两部分结果叠加作为最终预测值.将该模型用于黄河河口地区作中长期水文预报,并与传统方法作对比,进行模型验证.结果显示:该模型能同时揭示序列的时、频结构和变化特性;预报值结果精度高;且合格率高;能定量分析和描述水文不确定性因素对预报结果的影响,可得到不同频率对应水文序列的模拟预测值.因此该模型的预报结果更加合理有效,对实际生产应用更具有指导意义.     

水文时间序列概率预报方法的通用架构

在准确揭示水文过程变化特性的基础上开展中长期(月尺度及以上)水文预报,是掌握未来水文情势和演变规律,以及研究解决实际水文水资源问题的重要基础.水文时间序列预报方法是揭示未来水文情势和演变规律的重要技术手段.本文首先梳理了目前常用的各类水文序列预报方法,分析讨论了各方法的基本原理和主要缺陷.然后,通过综合分析相关研究成果,总结得到关于水文序列预报方法的4点重要认识:序列预报前应进行序列分解;序列中确定成分和随机成分应分别建模预报;序列预报结果需要估计不确定性;模型集成效果常常优于单个模型效果.最后,提出一个水文时间序列概率预报方法的通用架构.利用该通用架构能够克服常规模型或方法的缺陷,进行物理成因分析的基础上,针对水文序列中不同特性的确定成分和随机成分别进行分析,既可得到准确的确定性预报结果,又可对预报结果的不确定性进行定量评估,并可提高最终预报结果的合理性和可靠性.     

1956-2010 年甬江流域降水变化特性分析

近几十年气候变化加剧了一些地区的水资源时空分布不均匀性, 使水灾害事件呈突发、频发、并发、重发趋势。本文选取中国东南沿海的甬江流域为研究对象, 基于近55 年日过程降雨资料(1956-2010 年), 采用集中度分析和Mann-Kendall(MK)趋势检验等统计学方法, 分析甬江流域降水的变化特性。结果显示, 甬江流域20 世纪80年代后, 年降水集中度呈现显著(置信水平95%)的下降趋势, 汛期降水量占年降水量比重减少, 其中5 月份降水量比重下降最为明显;而非汛期降水量占年降水量比重增加, 1 月份降水量比重增加最为明显;50~100 mm/d级别的暴雨总量稳定且有增加趋势。总体上, 甬江流域降水年内分布呈现坦化趋势, 不同量级暴雨变化趋势有利于洪水资源化, 因此结合合理的工程措施可以有效地增加该区域的水资源可利用量。