CN104008277A - 耦合分布式水文模型和联合水分亏缺指数的旱情评估方法 - Google Patents

Abstract

本发明公开了一种耦合分布式水文模型和联合水分亏缺指数的旱情评估方法，针对帕尔默干旱指数物理机制和时空可比性较弱的不足，对帕尔默干旱指数进行标准化处理，采用卡普拉函数构造多元联合分布，构建融合多时间尺度信息的多变量联合水分亏缺指数，作为监测与评估区域干旱的综合指标；耦合基于流域栅格单元的可变下渗能力分布式水文模型，实现旱情的全方位连续监测与模拟。本发明在表现旱情的地区分布特征和随时间的演变态势等方面具有优势，同时可以结合气象信息和流域社会经济数据对灾情的进一步发展变化进行预报和预测。

Description

耦合分布式水文模型和联合水分亏缺指数的旱情评估方法

技术领域

本发明涉及一种干旱评估方法，属于干旱预报预警技术领域。

背景技术

近年来我国北方地区旱灾频发、水资源供需矛盾突出，亟需采取有效方法模拟、监测和预测气候变化背景下干旱发生、演变进程及其影响因素。黄河流域横跨南温带、中温带和高原气候区三个气候带，流经9个省，流域面积79.5万km²，地形复杂，起伏变化剧烈。气温季节变化差异性大，年平均气温呈现东南部高，西北部相对较低的特征。冬季寒冷干燥，夏季雨水较多，东南多雨、西北干旱，平原降水多于高原，山地多于盆地。从20世纪60年代中期开始，该流域出现气温升高、降水和径流减少的变化趋势，严重影响了沿黄流域工农业生产和人民生活，亟待以有效方法分析、评价和预测气候变化对干旱发生、发展时空特征及水资源的影响。

虽然针对黄河流域气候变化已经相继开展了大量的工作，但仍存在较多尚未解决的科学问题，如难以准确预测流域内气候未来的变化趋势，特别是局地气候对全球气候变化的区域响应等。近年来我国在应对重大干旱事件的抗旱减灾过程中，由于对旱灾成因条件和灾变过程机制认识不足，缺乏针对性强、成熟的干旱评估模型和预报技术，尚未建立专业的干旱预测预报、应急响应和抗旱减灾等技术体系，严重影响了干旱的预防和应对能力。因此，在全球气候变化环境下，认识干旱发生发展机理，改进干旱模拟技术，对提高黄河流域及其类似地区的干旱预警与管理水平，具有重要的理论与现实意义。

干旱的发生、发展是一个极具隐蔽性的缓慢过程，从最初由于降水缺乏引起气象干旱，到波及范围逐渐扩大，进而通过水循环过程影响到地表-地下水存量、河道流量和土壤含水量等水分供给条件，即引发水文干旱和农业干旱。分布式水文模型可以全面考虑干旱发展中相关水分与能量状态变量的变化，提供干旱指数所需要的各种变量值，为追踪不同时空尺度干旱的发生及旱情评估提供了更强的物理机制，以实现对干旱的监测与预测。因此，采用具有物理机制的分布式水文模型，从流域水循环角度模拟水文环节的各个过程，获悉各气象水文要素在流域空间上的分布状态及变化，可有效揭示干旱的形成和发展机理。

合理的干旱指数应该能够综合考虑干旱发生演进中的影响因素，并精确地描述干旱的强度、空间分布和起止时间，满足普适性、理论性、实用性、可比性、易理解性、时效性和无量纲性等多方面的描述特征。其中，Palmer在1965年提出的帕尔默干旱指数(Palmer DroughtSeverity Index，简称PDSI)，综合考虑降水和其它水文气象因子(如蒸散发、土壤水和径流等)对干旱形成影响，广泛应用于美国、欧洲和我国等地区的旱情监测。然而，PDSI仅通过一个简单的2层土壤水模型，无法客观反映受气候变化和非均一下垫面等影响的流域实际水循环过程；此外，由于PDSI仅根据有限几个站点的输入资料建立和率定模型，导致其时空可比性差。对此，Wells等提出了计算PDSI的自率定算法，该方法试图通过单站历史气象观测资料来确定仅适用于当地的气候参数，从而取代运用若干站点资料率定一套普适参数的传统做法。虽然改进的自率定PDSI(Self-Calibrating PDSI，简称SC-PDSI)相对于早期的PDSI有一定的时空稳定性和可比性，但其自率定过程太过复杂。此外，PDSI固定时间尺度、内在记忆性和主观旱涝等级划分等问题，阻碍了其在实际中的应用。考虑干旱发生演变过程的影响因子，构建具有物理机制的综合干旱指数，深入认识干旱发生发展机理，是提高干旱监测与管理水平必要条件。

常用的干旱评价方法大多根据干旱形成的某一因素(如降水)或旱情表现的某一特征(土壤含水量等)来评价干旱程度，难以客观反映干旱形成的复杂性和影响的广泛性，无法反映旱情的区域差异。只有综合考虑大气降水、植被生长和土壤水分供需平衡等多种因子及其内部耦合过程的干旱监测机理模型，才能准确监测和模拟干旱这一自然过程。因此，如何进一步研究干旱机理模式、完善干旱指数计算方法，充分利用水文过程模拟结果，实现水文模型与干旱模式从松散结合到机理式耦合的跨越。

目前国内外研究者在不同时空尺度水文循环过程研究方面取得很多研究成果，这些成果有助于认识干旱进程中的水文响应机理，但对于具有非均一下垫面、流域或区域尺度各种水通量的时空异质性问题未能很好的解决。尤其是在流域尺度上，需要通过更多的实例研究丰富、完善相关认识。此外，由于许多地区目前正经历着快速的土地利用覆盖变化，对流域产汇流过程必然造成显著影响，如可能会显著改变流域蒸散发量从而影响径流量，或改变地表土壤水渗透特性，这些变化必将影响干旱中的水分转换过程。因此，亟待采取有效的方法，从多尺度分析干旱相关水文变量的时空变异特征及影响因子，系统揭示流域尺度干旱发展中的水分转换机理，为抗旱管理部门实施水利调度、防旱抗旱措施提供重要的决策依据。

发明内容

本发明所要解决的技术问题是提供一种耦合分布式水文模型和联合水分亏缺指数的旱情评估方法，基于水文、气象观测数据，针对PDSI的物理机制和时空可比性较弱的不足，构建融合多时间尺度信息的多变量联合水分亏缺指数(Joint Deficit Index，简称JDI)，作为监测与评估区域干旱的综合指标，并耦合分布式水文模型，实现旱情的全方位连续监测与模拟。

本发明为解决上述技术问题采用以下技术方案:

首先，本发明的设计中构建综合干旱指数，以监测和评估区域干旱。具体为：运用广义极值分布(Generalized Extreme Value，简称GEV)作为PDSI水分偏离序列的理论概率分布，并根据标准化降水指数(Standard Precipitation Index，简称SPI)的理论框架和计算方法，依据等概率原理将其转化为标准正态分布，获得标准化PDSI(Standard Palmer Drought Index，简称SPDI)。以SPDI作为边缘分布，采用卡普拉(Copula)函数构造多元联合分布，建立融合多时间尺度信息的联合水分亏缺指数(Joint Deficit Index，简称JDI)，作为监测和评估区域干旱的综合指标。该指数能同时利用气候模式和水文模型模拟结果，综合评估干旱的总体严重程度及时空特征，反映气候变化影响下水通量转换过程与干旱演进的相互影响。

其次，本发明的设计中构建分布式水文模型，发展耦合综合干旱指数的干旱预警技术。具体为：基于研究区地面台站的观测资料和英国东安格里亚大学的气候研究中心(ClimateResearch Unit，简称CRU)水文、气象数据，以及数字高程数据(Digital Elevation Map，简称DEM)、土地利用类型数据、植被数据(植被类型、叶面积指数、归一化植被指数)、土壤数据(类型、质地)等，构建基于流域栅格的可变下渗能力(Variable Infiltration Capacity，简称VIC)分布式水文模型的强迫数据库，驱动VIC模型，通过观测数据实现水文模型的参数率定与验证，联结联合水分亏缺指数(Joint Deficit Index，简称JDI)，发展耦合分布式水文模型和联合水分亏缺指数的干旱模拟和旱情评估方法，用以诠释黄河流域干旱发生的程度、历时和频率等的影响和时空格局特征。

因此，本发明提供一种耦合分布式水文模型和联合水分亏缺指数的旱情评估方法，其具体实施步骤如下：

步骤1：构建基于GIS的流域空间地理信息库，所述信息库包括DEM数据、土壤类型分布图、土地利用分布图、植被LAI分布图、河流水系分布图；

步骤2：利用标准化降水指数的理论框架和计算方法改进帕尔默干旱指数的标准化过程，获得新的标准化帕尔默干旱指数，以标准化帕尔默干旱指数作为边缘分布，采用卡普拉(Copula)函数构造多元联合分布，建立融合多时间尺度信息的联合水分亏缺指数，作为监测和评估区域干旱的综合指标；

步骤3：在步骤1构建的流域空间地理信息库的基础上，采用GIS空间分析工具，构建基于流域栅格单元的可变下渗能力分布式水文模型，以水文和气象数据(降水、气温、风速等)作为强迫数据驱动水文模型，模拟流域水文过程，其模拟结果是输出各项水文要素；所述各项水文要素包括实际蒸散发、潜在蒸散发、土壤含水量、径流深；

步骤4：结合步骤2中建立的联合水分亏缺指数，将步骤3中构建的水文模型模拟输出的水文要素作为联合水分亏缺指数的输入数据，估算联合水分亏缺指数值，实现对流域历史及当前旱情的评估。

作为本发明的进一步优化方案，步骤3中所述可变下渗能力分布式水文模型通过研究区地面台站的观测数据进行参数率定与验证。

本发明采用以上技术方案与现有技术相比，针对PDSI计算复杂、时空可比性差和物理机制较弱的不足，利用SPI理论和卡普拉(Copula)函数，构建融合多时间尺度信息的JDI，通过构建基于流域栅格单元的VIC模型，实现与所构建的综合干旱指数紧密耦合，搭建旱情时空监测技术，综合评估旱情严重程度及干旱发生演进过程中水通量的时空转换特征及其相互影响，为旱情评估提供有效的技术支撑。本发明基于分布式水文模拟的干旱预报模型，在表现旱情的地区分布特征和随时间的演变态势等方面具有优势；另外可以结合水文、气象信息和流域社会经济数据对灾情的进一步发展变化进行预报和预测。研究成果将为黄河流域及类似地区气候变化背景下的旱情监测、预测与管理决策提供科学依据和技术支撑。

附图说明

图1是本发明的原理框图。

具体实施方式

下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

本技术领域技术人员可以理解的是，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。

本技术领域技术人员可以理解的是，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。

本发明涉及到的本领域常用技术术语，如下表所示。

下面结合附图对本发明的技术方案做进一步的详细说明：

本发明设计一种耦合分布式水文模型和联合水分亏缺指数的旱情评估方法，具体实施步骤如下：

步骤1：构建基于GIS的流域空间地理信息库；

步骤2：运用广义极值分布(Generalized Extreme Value，简称GEV)作为PDSI水分偏离序列的理论概率分布，并利用SPI的理论框架和计算方法改进PDSI的标准化过程，获得新的SPDI，以SPDI作为边缘分布，采用Copula函数构造多元联合分布，建立融合多时间尺度信息的JDI，作为监测和评估区域干旱的综合指标；

步骤3：在步骤1构建的流域空间地理信息库的基础上，采用GIS空间分析工具，构建基于流域栅格单元的VIC模型，以水文和气象数据作为强迫数据驱动水文模型，模拟流域水文过程，其模拟结果是输出各项水文要素；

步骤4：结合步骤2中建立的JDI，将步骤3中构建的水文模型模拟输出的水文要素作为JDI的输入数据，估算JDI值，实现对流域历史及当前旱情的评估。

下面从具体实施例来对本发明的技术方案作进一步阐述，如图1所示。

本发明耦合分布式水文模型和联合水分亏缺指数的旱情评估方法的具体实施例，其实施过程如下：

步骤1：构建基于GIS的黄河流域空间地理信息库，其中包括DEM数据、土壤类型分布图、土地利用分布图、植被LAI分布图、河流水系分布图等。

步骤2：运用广义极值分布(Generalized Extreme Value，简称GEV)作为PDSI水分偏离序列的理论概率分布，并利用SPI的理论框架和计算方法改进PDSI的标准化过程，获得新的SPDI，以SPDI作为边缘分布，采用Copula函数构造多元联合分布，建立融合多时间尺度信息的JDI，作为监测和评估区域干旱的综合指标；具体如下：

(1)计算气候适宜降水量CAFECP，其计算公式如下：

CAFECP＝α_iPET+β_iPR+γ_iPRO-δ_iPL

其中， ${\mathrm{\α}}_i=\frac{\stackrel{\‾}{{\mathrm{ET}}_i}}{\stackrel{\‾}{{\mathrm{PET}}_i}},{\mathrm{\β}}_i=\frac{\stackrel{\‾}{R_i}}{\stackrel{\‾}{{\mathrm{PR}}_i}},{\mathrm{\γ}}_i=\frac{\stackrel{\‾}{{\mathrm{RO}}_i}}{\stackrel{\‾}{{\mathrm{PRO}}_i}},{\mathrm{\δ}}_i=\frac{\stackrel{\‾}{L_i}}{\stackrel{\‾}{{\mathrm{PL}}_i}};$

式中：ET为蒸散量(Evapotranspiration)；PET为可能蒸散量(Potential Evapotranspiration)；R为补水量(Recharge)；PR为可能补水量(Potential Recharge)；RO为径流量(Runoff)；PRO为可能径流量(Potential Runoff)；L为失水量(Loss)；PL为可能失水量(Potential Loss)；α_i为第i月的的蒸散系数；β_i为第i月的补水系数；γ_i为第i月的的径流系数；δ_i为第i月的失水系数；为第i月的平均蒸散量；为第i月的平均可能蒸散量；为第i月的平均补水量；为第i月的平均可能补水量；为第i月的平均径流量；为第i月的平均可能径流量；为第i月的平均失水量；为第i月的平均可能失水量；i为月份，且i＝1,2,…,12；本发明中利用VIC模型模拟的手段直接或间接获取这些变量序列，进而估算气候适宜降水量和相应水分偏离。

(2)基于PDSI中CAFECP及土壤水分亏缺的思想，通过CAFECP与观测降水量P(Precipitation)之间的动态变化，计算水分偏差d，即d＝P-CAFECP。

(3)根据利用SPI的理论框架和计算方法，对水分偏离序列进行标准化处理，构建SPDI。

(4)根据多时间尺度水分偏离d序列的边缘广义极值(GEV)概率分布，运用Copula函数联结这些边缘分布得到其多元联合概率分布，据此计算相应累积概率。

(5)对上述步骤(4)中求得的水分偏离d序列多元联合概率分布的累积概率进行标准正态分布的逆运算，获得相应多元标准正态分位数，即为所求的JDI值，以此作为监测和评估区域干旱的综合指标。

步骤3：在步骤1构建的流域空间地理信息库的基础上，采用GIS空间分析工具，构建基于流域栅格单元的VIC模型，以水文和气象数据作为强迫数据驱动水文模型，模拟流域水文过程，其模拟结果是输出各项水文要素(包括实际蒸散发、潜在蒸散发、土壤含水量、径流深)。

步骤4：对VIC模型与JDI进行耦合集成，将VIC模型模拟的水文要素作为JDI的输入数据，估算JDI指数值，发展黄河流域旱情时空监测技术，实现旱情的全方位连续监测与模拟。

以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应涵盖在本发明的包含范围之内，因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (5)

1. 一种耦合分布式水文模型和联合水分亏缺指数的旱情评估方法，其特征在于，其具体实施步骤如下：

步骤1：构建基于GIS的流域空间地理信息库；

步骤2：基于广义极值分布作为帕尔默干旱指数水分偏离序列的理论概率分布，利用标准化降水指数的理论框架和计算方法改进帕尔默干旱指数的标准化过程，获得新的标准化帕尔默干旱指数，以标准化帕尔默干旱指数作为边缘分布，采用卡普拉函数构造多元联合分布，建立融合多时间尺度信息的联合水分亏缺指数，作为监测和评估区域干旱的综合指标；

步骤3：在步骤1构建的流域空间地理信息库的基础上，采用GIS空间分析工具，构建基于流域栅格单元的可变下渗能力分布式水文模型，以水文和气象数据作为强迫数据驱动水文模型，模拟流域水文过程，其模拟结果是输出各项水文要素；

步骤4：结合步骤2中建立的联合水分亏缺指数，将步骤3中构建的水文模型模拟输出的水文要素作为联合水分亏缺指数的输入数据，估算联合水分亏缺指数值，实现对流域历史及当前旱情的评估。

2. 根据权利要求1所述的一种耦合分布式水文模型和联合水分亏缺指数的旱情评估方法，其特征在于，步骤1中所述信息库包括DEM数据、土壤类型分布图、土地利用分布图、植被LAI分布图、河流水系分布图。

3. 根据权利要求1所述的一种耦合分布式水文模型和联合水分亏缺指数的旱情评估方法，其特征在于，步骤3中所述可变下渗能力分布式水文模型通过研究区地面台站的观测数据进行参数率定与验证。

4. 根据权利要求1所述的一种耦合分布式水文模型和联合水分亏缺指数的旱情评估方法，其特征在于，步骤3中所述水文和气象数据包括降水、气温、风速。

5. 根据权利要求1所述的一种耦合分布式水文模型和联合水分亏缺指数的旱情评估方法，其特征在于，步骤3中所述各项水文要素包括实际蒸散发、潜在蒸散发、土壤含水量、径流深。