CN106250669B - 一种干旱重现期计算中确定干旱阈值的方法 - Google Patents
一种干旱重现期计算中确定干旱阈值的方法 Download PDFInfo
- Publication number
- CN106250669B CN106250669B CN201610534172.6A CN201610534172A CN106250669B CN 106250669 B CN106250669 B CN 106250669B CN 201610534172 A CN201610534172 A CN 201610534172A CN 106250669 B CN106250669 B CN 106250669B
- Authority
- CN
- China
- Prior art keywords
- arid
- drought
- threshold value
- return period
- event
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000011835 investigation Methods 0.000 claims abstract description 23
- 238000005315 distribution function Methods 0.000 claims description 39
- 238000011160 research Methods 0.000 claims description 7
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 6
- 238000004458 analytical method Methods 0.000 abstract description 2
- 230000007812 deficiency Effects 0.000 abstract 1
- 238000005259 measurement Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000039077 Copula Species 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种干旱重现期计算中确定干旱阈值的方法,特别涉及一种以干旱事件最长调查期为约束条件,使频率分析计算的历史干旱事件对应的最大重现期等于历史干旱最大调查期来确定干旱阈值的方法;本发明克服了目前在干旱重现期计算过程中确定干旱阈值存在的主观性及其导致的计算的历史干旱事件重现期明显大于历史调查期这一不足;在干旱重现期计算方面,具有较强的应用前景。
Description
技术领域
本发明属于干旱重现期计算技术领域,特别涉及一种干旱重现期计算中确定干旱阈值的方法。
背景技术
干旱是我国主要的自然灾害,其具有影响面积大、影响范围广、持续时间长、连片发生及连季/连年发生等特点,对农业生产、城乡饮用水安全、社会经济发展以及生态环境造成严重影响。干旱事件严重程度的度量通常采用干旱重现期指标。目前常采用Copula函数构建干旱历时和干旱烈度两变量多维联合分布函数计算干旱事件重现期。其首要步骤是干旱事件的识别,即首先需要确定干旱阈值,然后基于干旱阈值,从历史事件中筛选哪些事件是干旱事件,进而获得干旱历时和干旱烈度样本系列,以供推求干旱重现期之用。目前关于干旱阈值的确定方法,如供-需差异程度或过程模拟等,都存在一定的主观性,且计算的历史干旱事件的最大重现期与实际干旱调查期通常存在较大差异。合理地确定干旱阈值大小是保证干旱事件识别的合理性及干旱重现期计算的可靠性的关键。
发明内容
发明目的:为了克服目前在干旱重现期计算过程中确定干旱阈值存在的主观性及其导致的计算的历史干旱事件重现期明显大于历史调查期这一不合理现象,本发明提供一种干旱重现期计算中确定干旱阈值的方法。
技术方案:为实现上述目的,本发明采用的技术方案为:
一种干旱重现期计算中确定干旱阈值的方法,包括以下步骤:
(1)最大调查期确定:收集研究对象与干旱相关的资料,根据历史干旱事件资料,确定干旱事件的最大调查期;
(2)干旱指标计算:采用相对距平指标,对降雨数据资料进行标准化处理,获得用于评估干旱事件的干旱指标样本系列;
(3)干旱阈值设定:针对研究对象特征,初步设定一组不同的干旱阈值水平;
(4)干旱事件识别:根据给定的干旱阈值,识别对应的干旱事件序列,并计算每场干旱的干旱历时和干旱烈度,获得干旱历时和干旱烈度样本系列;
(5)边缘分布函数拟合:分别选取合适类型的分布函数对干旱历时和干旱烈度进行拟合,并评估拟合精度;
(6)联合分布函数构建:采用多维联合分布函数,构建干旱历时和干旱烈度的两维联合分布函数对干旱事件进行描述;
(7)根据步骤(6)构建好的联合分布函数,计算历史干旱事件中每一场干旱事件的重现期,并确定最大重现期值;
(8)重复执行步骤(4)~(7),计算不同干旱阈值水平对应的最大干旱重现期,选取计算的最大干旱重现期等于或接近步骤(1)中干旱最大调查期的干旱阈值,作为识别干旱事件的最终阈值。
进一步的,所述步骤(5)中采用马秀峰提出的游程理论构建干旱历时分布函数。
进一步的,所述步骤(5)采用2参数的伽马分布函数对干旱烈度分布函数进行拟合。
进一步的,所述步骤(6)中采用G-H Copula函数,构建干旱历时分布函数和干旱烈度分布函数的两维联合分布函数对干旱事件进行描述。
进一步的,所述步骤(8)中,选取计算的最大干旱重现期等于或接近历史干旱最大调查期的干旱阈值,作为识别干旱事件的最终阈值。
有益效果:与现有技术相比,本发明具有以下有益效果:
本发明提供了一种干旱重现期计算中确定干旱阈值的方法,克服了目前在干旱重现期计算过程中确定干旱阈值存在的主观性及其导致的计算的历史干旱事件重现期明显大于历史调查期这一不足;在干旱重现期计算方面,具有较强的应用前景。
具体实施方式
下面结合实施例对本发明作更进一步的说明。
一种干旱重现期计算中确定干旱阈值的方法,包括以下步骤:
(1)最大调查期确定:收集研究对象与干旱相关的资料,根据历史干旱事件资料,确定干旱事件的最大调查期;
(2)干旱指标计算:采用相对距平指标,对降雨数据资料进行标准化处理,获得用于评估干旱事件的干旱指标样本系列;
(3)干旱阈值设定:针对研究对象特征,初步设定一组不同的干旱阈值水平;
(4)干旱事件识别:根据给定的干旱阈值,识别对应的干旱事件序列,并计算每场干旱的干旱历时和干旱烈度,获得干旱历时和干旱烈度样本系列;
(5)边缘分布函数拟合:分别选取合适类型的分布函数对干旱历时和干旱烈度进行拟合,并评估拟合精度;
(6)联合分布函数构建:采用多维联合分布函数,构建干旱历时和干旱烈度的两维联合分布函数对干旱事件进行描述;
(7)根据步骤(6)构建好的分布函数,计算历史干旱事件中每一场干旱事件的重现期,并确定最大重现期值;
(8)重复执行步骤(4)~(7),计算不同干旱阈值水平对应的最大干旱重现期,选取计算的最大干旱重现期等于或接近步骤(1)中干旱最大调查期的干旱阈值,作为识别干旱事件的最终阈值。
所述步骤(5)中采用马秀峰提出的游程理论构建干旱历时样本系列的概率分布函数。
所述步骤(5)采用2参数的伽马分布函数对干旱烈度样本系列的分布函数进行拟合。
所述步骤(6)中采用G-H Copula函数,构建干旱历时分布函数和干旱烈度分布函数的两维联合分布函数对干旱事件进行描述。
所述步骤(8)中,选取计算的最大干旱重现期等于或接近历史干旱最大调查期的干旱阈值,作为识别干旱事件的最终阈值。
实施例
现有某一流域50年的月降雨资料;依据本发明方法,干旱重现期计算中确定干旱阈值的过程为:
(1)最大限度地收集该研究流域与干旱相关的资料(如水文气象、历史干旱记录等),若历史资料丰富详实,可判断最远的历史干旱事件发生年份时,将最远年份距离目前的年数作为最大历史调查期;如历史资料缺乏,不足以对实测干旱事件作历史干旱调查时,可将实测的干旱年数作为干旱调查期;
(2)采用降雨相对距平法,对50年的月降雨资料p1,p2,…,p600进行统一化处理,获得干旱指标样本系列x1,x2,…,x600;
(3)计算干旱指标样本系列的均值:
(4)初步设定一组干旱阈值:
k1=0.9E,k2=0.85E,…,k16=0.15E,k17=0.1E,共17个不同的干旱阈值;
(5)根据给定的干旱阈值ki,i=1,2,…17,识别其对应的干旱事件系列,即当干旱指标xi,i=1,2,…,600小于干旱阈值ki时,即可判定此月为干旱月份;
(6)根据干旱识别的游程理论,识别出Mi,i=1,2,…17场干旱事件,计算每场干旱的干旱历时D和干旱烈度S,获得干旱历时和干旱烈度样本系列,记为和
(7)采用马秀峰提出的游程分布函数对干旱历时样本系列的分布函数进行拟合;
(8)采用2参数的伽马分布函数对干旱烈度样本系列的分布函数进行拟合;
(9)采用G-H Copula函数,构建干旱历时分布函数(步骤(7))和干旱烈度分布函数(步骤(8))的两维联合分布函数对干旱事件进行描述;
(10)根据步骤(9)构建好的联合分布函数,计算Mi,i=1,2,…17场历史干旱事件中每一场干旱事件的重现期并确定最大重现期值i=1,2,…17;
(11)通过步骤(5)~(10),可获得不同干旱阈值水平ki,i=1,2,…17下,计算的最大干旱重现期i=1,2,…17,选取计算的最大干旱重现期等于或接近步骤(1)中干旱最大调查期的干旱阈值,作为识别干旱事件的最终阈值。
本发明是一种干旱重现期计算中确定干旱阈值的方法,特别涉及一种以干旱事件最长调查期为约束条件,使频率分析计算的历史干旱事件对应的最大重现期等于历史干旱的最大调查期来确定干旱阈值的方法。本发明提供了,克服了目前在干旱重现期计算过程中确定干旱阈值存在的主观性及其导致的计算的历史干旱事件重现期明显大于历史调查期这一不足;在干旱重现期计算方面,具有较强的应用前景。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (2)
1.一种干旱重现期计算中确定干旱阈值的方法,其特征在于,包括以下步骤:
(1)最大调查期确定:收集研究对象与干旱相关的资料,根据历史干旱事件资料,确定干旱事件的最大调查期;
(2)干旱指标计算:采用相对距平指标,对降雨数据资料进行标准化处理,获得用于评估干旱事件的干旱指标样本系列;
月降雨资料p1,p2,…,p600进行统一化处理,获得干旱指标样本系列x1,x2,…,x600;
计算干旱指标样本系列的均值:
(3)干旱阈值设定:针对研究对象特征,初步设定一组不同的干旱阈值水平;
k1=0.9E,k2=0.85E,…,k16=0.15E,k17=0.1E,共17个不同的干旱阈值;
(4)干旱事件识别:根据给定的干旱阈值,识别对应的干旱事件序列,并计算每场干旱的干旱历时和干旱烈度,获得干旱历时和干旱烈度样本系列;
根据给定的干旱阈值ki,i=1,2,…17,识别其对应的干旱事件系列,即当干旱指标xi,i=1,2,…,600小于干旱阈值ki时,即可判定此月为干旱月份;
根据干旱识别的游程理论,识别出Mi,i=1,2,…17场干旱事件,计算每场干旱的干旱历时D和干旱烈度S,获得干旱历时和干旱烈度样本系列,记为和
(5)边缘分布函数拟合:分别选取合适类型的分布函数对干旱历时和干旱烈度进行拟合,并评估拟合精度;
所述步骤(5)中采用马秀峰提出的游程分布函数对干旱历时样本系列的分布函数进行拟合;
所述步骤(5)采用2参数的伽马分布函数对干旱烈度样本系列的分布函数进行拟合;
(6)联合分布函数构建:采用G-H Copula函数,构建干旱历时分布函数和干旱烈度分布函数的两维联合分布函数对干旱事件进行描述;
(7)根据步骤(6)构建好的联合分布函数,计算Mi,i=1,2,…17场历史干旱事件中每一场干旱事件的重现期并确定最大干旱重现期值
(8)重复执行步骤(4)~(7),计算不同干旱阈值水平对应的最大干旱重现期,选取计算的最大干旱重现期等于或接近步骤(1)中干旱最大调查期的干旱阈值,作为识别干旱事件的最终阈值。
2.根据权利要求1所述的干旱重现期计算中确定干旱阈值的方法,其特征在于,所述步骤(8)中,获得不同干旱阈值水平ki,i=1,2,…17下,计算的最大干旱重现期选取计算的最大干旱重现期等于或接近步骤(1)中干旱最大调查期的干旱阈值,作为识别干旱事件的最终阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610534172.6A CN106250669B (zh) | 2016-07-07 | 2016-07-07 | 一种干旱重现期计算中确定干旱阈值的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610534172.6A CN106250669B (zh) | 2016-07-07 | 2016-07-07 | 一种干旱重现期计算中确定干旱阈值的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106250669A CN106250669A (zh) | 2016-12-21 |
CN106250669B true CN106250669B (zh) | 2019-07-12 |
Family
ID=57612958
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610534172.6A Expired - Fee Related CN106250669B (zh) | 2016-07-07 | 2016-07-07 | 一种干旱重现期计算中确定干旱阈值的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106250669B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113961880B (zh) * | 2021-11-01 | 2022-09-27 | 西安理工大学 | 一种水文干旱历时和烈度相依结构变异的诊断方法 |
CN115099453B (zh) * | 2022-05-06 | 2023-05-19 | 河海大学 | 一种多变量栅格化卫星遥感综合干旱风险评估方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102508996A (zh) * | 2011-10-08 | 2012-06-20 | 南京大学 | 一种叶绿素a的重现期的确定方法 |
CN104156559A (zh) * | 2014-07-08 | 2014-11-19 | 江苏建筑职业技术学院 | 确定含有重现期修正系数的暴雨强度公式的一种方法 |
CN104732104A (zh) * | 2015-04-07 | 2015-06-24 | 东南大学 | 长期潮位数据不足条件下不同重现期的极端高水位计算方法 |
-
2016
- 2016-07-07 CN CN201610534172.6A patent/CN106250669B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102508996A (zh) * | 2011-10-08 | 2012-06-20 | 南京大学 | 一种叶绿素a的重现期的确定方法 |
CN104156559A (zh) * | 2014-07-08 | 2014-11-19 | 江苏建筑职业技术学院 | 确定含有重现期修正系数的暴雨强度公式的一种方法 |
CN104732104A (zh) * | 2015-04-07 | 2015-06-24 | 东南大学 | 长期潮位数据不足条件下不同重现期的极端高水位计算方法 |
Non-Patent Citations (2)
Title |
---|
游程理论和Copula函数在二维干旱变量联合分布中的应用;李天水等;《干旱区资源与环境》;20160630;第30卷(第6期);第78页 |
用Pearson-Ⅲ概率分布推算梅州春旱的重现期;李源锋等;《气象水文海洋仪器》;20090331;第26卷(第1期);第100页 |
Also Published As
Publication number | Publication date |
---|---|
CN106250669A (zh) | 2016-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Merz et al. | Multi-variate flood damage assessment: a tree-based data-mining approach | |
Pasho et al. | Impacts of drought at different time scales on forest growth across a wide climatic gradient in north-eastern Spain | |
Chadd et al. | An index to track the ecological effects of drought development and recovery on riverine invertebrate communities | |
CN102880755B (zh) | 一种极端降水的定量预测方法及系统 | |
CN103033856B (zh) | 基于水文气象一致性地区分析的雨量频率估计方法 | |
Zhang et al. | Prediction of soil moisture scarcity using sequential Gaussian simulation in an arid region of China | |
Pepler et al. | The ability of a multi-model seasonal forecasting ensemble to forecast the frequency of warm, cold and wet extremes | |
CN104932035A (zh) | 一种台风强度预报方法及系统 | |
Brocca et al. | Application of a model-based rainfall-runoff database as efficient tool for flood risk management | |
CN113887972A (zh) | 一种基于水文过程的综合旱情监测与评估方法 | |
Sridhar et al. | Precipitation extremes and flood frequency in a changing climate in southeastern Virginia | |
CN104239722A (zh) | 一种基于因素间相关关系识别的预测方法 | |
CN106250669B (zh) | 一种干旱重现期计算中确定干旱阈值的方法 | |
Tavakolifar et al. | Evaluation of climate change impacts on extreme rainfall events characteristics using a synoptic weather typing-based daily precipitation downscaling model | |
Gelleszun et al. | Representative parameter estimation for hydrological models using a lexicographic calibration strategy | |
CN116611542A (zh) | 一种基于缺水阈值的水文干旱分级预警方法 | |
CN103996076B (zh) | 电力需求的变化预警方法和系统 | |
Baruah et al. | Use of data mining technique for prediction of tea yield in the face of climate change of Assam, India | |
CN104699961A (zh) | 基于Hurst律的自仿射分形的多年一遇波高的推算方法 | |
Huang et al. | Detecting runoff variation of the mainstream in Weihe River | |
Raheja et al. | Assessment and modeling of groundwater quality using GIS and machine learning techniques for drinking purpose | |
Mawada et al. | Climate change impacts on the extreme rainfall for selected sites in North Western England | |
CN101923605B (zh) | 铁路防灾风预警方法 | |
Barua et al. | A comparative drought assessment of Yarra River Catchment in Victoria, Australia | |
Corzo Perez et al. | Drought at the global scale in the 21st Century |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190712 |