CN112287299B - 河流健康变化定量归因方法、装置及系统 - Google Patents
河流健康变化定量归因方法、装置及系统 Download PDFInfo
- Publication number
- CN112287299B CN112287299B CN202011118206.6A CN202011118206A CN112287299B CN 112287299 B CN112287299 B CN 112287299B CN 202011118206 A CN202011118206 A CN 202011118206A CN 112287299 B CN112287299 B CN 112287299B
- Authority
- CN
- China
- Prior art keywords
- flow
- river
- river health
- change
- sequence
- 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.)
- Active
Links
- 230000036541 health Effects 0.000 title claims abstract description 140
- 230000008859 change Effects 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000004364 calculation method Methods 0.000 claims abstract description 65
- 230000000694 effects Effects 0.000 claims abstract description 35
- 230000008569 process Effects 0.000 claims abstract description 21
- 230000035772 mutation Effects 0.000 claims abstract description 17
- 238000005259 measurement Methods 0.000 claims abstract description 16
- 238000004088 simulation Methods 0.000 claims description 18
- 238000005315 distribution function Methods 0.000 claims description 12
- 230000001174 ascending effect Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 230000000630 rising effect Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000010170 biological method Methods 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000008239 natural water Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种河流健康变化定量归因方法、装置及系统,方法包括判断流域年平均流量过程的突变点,突变点前后的时期分别称为基准期和变化期;利用基准期的水文气象数据对水文模型进行率定;将基准期和变化期的水文气象数据输入至水文模型获得天然流量序列;获取河流健康等级计算模型,河流健康等级计算模型中包括不同流量区间,以及河流健康等级计算公式;将实测流量序列和天然流量序列输入至河流健康等级计算模型,计算出实测河流健康等级序列和天然河流健康等级序列,比较实测河流健康等级序列和天然河流健康等级序列的差异,定量分离气候变化和人类活动对河流健康影响的贡献率。本发明可准确计算气候变化和人类活动对流域河流生态健康影响的贡献率。
Description
技术领域
本发明属于水文水资源应用技术领域,具体涉及一种河流健康变化定量归因方法、装置及系统。
背景技术
河流不仅是水文循环的重要路径,还为人类和其他生物提供了诸多生态系统服务。健康的河流既具有经济和社会价值,还应维持生态系统结构和功能。变化环境下,河流生态健康发生了显著的改变:人类活动对径流的影响,例如径流调节、取水等活动,直接对河流健康造成了破坏;气候变化通过降水以及极端洪涝事件的频率和强度影响径流而间接对河流健康形成威胁。河流生态环境的退化,不仅会引起本地物种多样性的下降,增加外来物种入侵的风险,还会导致社会服务功能的丧失,不利于可持续发展的实施,不利于生态文明的建设。因此,科学评价自然河流健康等级,定量评估环境变化引起的河流生态健康响应,实现环境变化引起的水生态问题的准确定位,对环境变化下的生态科学治理和水资源科学管理具有重要意义。
目前对于河流健康的评价主要有指示生物法、综合指标法和模型模拟法,其中指示生物法评价单一,综合指标法参照点的寻找较为困难,模型模拟法也受到建模数学方法和参数的影响。同时,大量研究表明,天然水流情势是维持河流生境物理特性和生态系统健康的关键因素。因此,在河流健康评价中采用生态流量指标表征水文胁迫,可以间接反映河流生态健康状态。此外,传统的河流健康评价方法侧重于当前河流健康的评价,并且较少综合考虑气候变化和人类活动对河流健康的影响。近年来,有些学者分析了人类活动对河流健康的影响,但多从定性的角度进行研究。因此,需要提出一种定量评估气候变化和人类活动对河流健康演变贡献率的方法,准确识别河流健康演变的主要驱动因子,为河流管理提供科学依据。
发明内容
针对上述问题,本发明提出一种河流健康变化定量归因方法、装置及系统,可准确计算气候变化和人类活动对流域河流生态健康影响的贡献率。
为了实现上述技术目的,达到上述技术效果,本发明通过以下技术方案实现:
一种河流健康变化定量归因方法,包括:
判断出流域年平均流量过程的突变点,突变点之前的时期为基准期,突变点之后的时期为变化期;
利用基准期的水文气象数据对水文模型进行参数率定,获得率定好的水文模型;
将基准期和变化期的水文气象数据输入至率定好的水文模型,获得天然流量序列;
获取河流健康等级计算模型,所述河流健康等级计算模型中包括不同流量区间,以及与各流量区间对应的河流健康等级计算公式;
将所述实测流量序列和天然流量序列分别输入至河流健康等级计算模型,计算得出实测河流健康等级序列和天然河流健康等级序列,比较所述实测河流健康等级序列和天然河流健康等级序列之间的差异,定量分离气候变化和人类活动对河流健康影响的贡献率,完成河流健康变化定量归因。
可选地,所述突变点的确定方法包括:
对于水文要素时间序列{x1,x2,…xn},构造统计量S,所述统计量S服从正态分布,均值为0,其计算公式为:
式中:sgn(·)为符号函数;xi、xj为水文要素时间序列;n为时间序列长度;
所述统计量S的方差计算公式为:
var(S)=[n(n-1)(2n+5)]/18
计算统计量S的标准化正态分布统计量Z,所述标准化正态分布统计量Z的计算公式为:
若Z大于0,则表示时间序列存在上升趋势,若Z小于0,则表示时间序列存在下降趋势;
在给定的显著性水平α下,由正态分布表可以查得临界值Zα/2,若|Z|≥Zα/2,则表示年径流时间序列存在显著的上升或下降趋势,否则不存在显著的上升或下降趋势;
当年平均流量时间序列呈现显著性的趋势变化时,采用Pettitt检验确定年平均流量过程的突变点,具体包括以下步骤:
将含N个流量样本数据的年平均流量时间序列x分成两个子序列x1,…,xt和xt+1,…,xN;构造统计量Ut,N,所述统计量Ut,N的计算公式为:
式中:sgn(·)为符号函数;xi、xj为流量时间序列;t为任一时间节点;N为年平均流量时间序列的长度;
计算每个时间节点为突变点的概率:
若给定显著性水平α,且p>α,则该时间节点为突变点。
可选地,所述水文模型的参数率定方法包括:
在率定过程中,采用人工试错法,以基准期的水文气象数据序列作为水文模型输入,选择一组初始参数数据进行模拟计算,将模拟计算出的流量过程与实测流量过程进行比较,并针对模拟结果不断调整参数继续进行模拟计算,直到纳什效率系数、相对偏差和相关系数均满足设定的要求,并保持参数不变。
可选地,所述不同流量区间的构建方法为:
将各预设的生态流量阈值按大小顺序排列,相邻两个生态流量阈值之间为一个流量区间。
可选地,所述各生态流量阈值包括:最适宜生态流量、适宜生态流量的上阈值、适宜生态流量的下阈值、最大生态流量、最大小生态流量、极大生态流量和极小生态流量;
所述适宜生态流量的上阈值为最大生态流量与最适宜生态流量的平均值;
所述适宜生态流量的下阈值为最小生态流量与最适宜生态流量的平均值;
所述最大生态流量为选定流量序列中各月的最大值;
所述最小生态流量为选定流量序列中各月的最小值;
所述极大生态流量为各月中最大单日流量;
所述极小生态流量为各月中最小单日流量。
可选地,所述最适宜生态流量的计算方法包括:
根据生态系统的生物适应性和可塑性理论,对基准期流量序列进行多个概率分布函数拟合,筛选出最佳的拟合分布函数,分布函数概率密度最大处所对应的流量即为最适宜生态流量。
可选地,不同流量区间对应的河流健康等级的计算公式为:
其中,Q0为最适宜生态流量;Q1为适宜生态流量的下阈值;Q2为适宜生态流量的上阈值;Q3为最小生态流量;Q4为最大生态流量;Q5为极小生态流量;Q6为极大生态流量。
可选地,所述气候变化对河流健康变化的影响可定量分离为:
式中,|ΔRHLt|表示河流健康等级的总变化量的绝对值;Ic和Ih分别表示气候变化和人类活动对河流健康变化的贡献率,和/>分别为基准期和变化期实测序列多年平均河流健康值,/>和/>分别为基准期和变化期模拟序列多年平均河流健康值。
第二方面,本发明提供了一种河流健康变化定量归因装置,包括:
判断单元,用于判断出流域年平均流量过程的突变点,突变点之前的时期为基准期,突变点之后的时期为变化期;
率定单元,用于利用基准期的水文气象数据对水文模型进行参数率定,获得率定好的水文模型;
第一计算单元,用于将基准期和变化期的水文气象数据输入至率定好的水文模型,获得天然流量序列;
获取单元,用于获取河流健康等级计算模型,所述河流健康等级计算模型中包括不同流量区间,以及与各流量区间对应的河流健康等级计算公式;
第二计算单元,用于将所述实测流量序列和天然流量序列分别输入至河流健康等级计算模型,计算得出实测河流健康等级序列和天然河流健康等级序列,比较所述实测河流健康等级序列和天然河流健康等级序列之间的差异,定量分离气候变化和人类活动对河流健康影响的贡献率,完成河流健康变化定量归因。
第三方面,一种河流健康变化定量归因系统,包括存储介质和处理器;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行根据第一方面中任一项所述方法的步骤。
与现有技术相比,本发明的有益效果:
本发明通过水文气象数据序列的趋势分析判断变异点,可准确计算变化环境下的河流生态流量;以河流生态流量阈值为基础,评价河流的生态健康等级,可分析河流健康的时空演变特征;同时,考虑了环境变化对河流健康的影响,并通过“观测—模拟”对比分析方法,定量分离气候变化和人类活动影响对河流健康变化的贡献率。此外,该发明所需资料相对较少且易于收集,可操作性强,通过直观反映河流健康的状态和人类活动的贡献率以及不同目标下的河流生态流量缺口,能够为河流生态治理和管理提供科学依据。
附图说明
为了使本发明的内容更容易被清楚地理解,下面根据具体实施例并结合附图,对本发明作进一步详细的说明,其中:
图1为本发明一种实施例的河流健康变化定量归因方法的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明的保护范围。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示,一种河流健康变化定量归因方法,包括以下步骤:
(1)分析流域内降水量、潜在蒸散发量和流量序列的历史演变规律,判断出流域年平均流量过程的突变点,突变点之前的时期为基准期,该时期内流域的气候变化和人类活动不显著,可近似认为是自然状态;突变点之后的时期为变化期,该时期人类活动对径流过程的干扰较大,河流健康也受到了显著的影响,并认为该影响是气候变化和人类活动的共同作用;
(2)利用基准期的水文气象数据对水文模型进行参数率定,获得率定好的水文模型;所述水文气象数据包括流量、降雨、气温和风速等;
(3)将基准期和变化期的水文气象数据输入至率定好的水文模型,获得天然流量序列;
(4)获取河流健康等级计算模型,所述河流健康等级计算模型中包括不同流量区间,以及与各流量区间对应的河流健康等级计算公式;
(5)将所述实测流量序列和天然流量序列分别输入至河流健康等级计算模型,计算得出实测河流健康等级序列和天然河流健康等级序列,比较所述实测河流健康等级序列和天然河流健康等级序列之间的差异,定量分离气候变化和人类活动对河流健康影响的贡献率,完成河流健康变化定量归因。
在本发明实施例的一种具体实施方式中,所述突变点的确定方法包括:
(2.1)采用Mann-Kendall检验对所述水文要素时间序列进行趋势分析,具体包括以下子步骤:
(2.1.1)对于一个水文要素时间序列{x1,x2,…xn},构造统计量S,所述统计量S服从正态分布,均值为0,其计算公式为:
式中:sgn(·)为符号函数;xi、xj为水文要素时间序列;n为时间序列长度;
(2.1.2)所述统计量S的方差计算公式为:
var(S)=[n(n-1)(2n+5)]/18;
(2.1.3)计算统计量S的标准化正态分布统计量Z,所述标准化正态分布统计量Z的计算公式为:
若Z大于0,则表示时间序列存在上升趋势,若Z小于0,则表示时间序列存在下降趋势;
(2.1.4)在给定的显著性水平α下,由正态分布表可以查得临界值Zα/2,若|Z|≥Zα/2,则表示年径流时间序列存在显著的上升或下降趋势,否则不存在显著的上升或下降趋势。
(2.2)当年平均流量时间序列出现显著性的趋势变化时,采用Pettitt检验对所述年平均流量时间序列进行突变点检测,具体包括以下子步骤:
(2.2.1)将含N个流量样本数据的年平均流量时间序列x分成两个子序列x1,…,xt和xt+1,…,xN;构造统计量Ut,N,所述统计量Ut,N的计算公式为:
式中:sgn(·)为符号函数;xi、xj为流量时间序列;t为任一时间节点;N为年平均流量时间序列的长度;
(2.2.2)计算每个时间节点为突变点的概率:
若给定显著性水平α,且p>α,则该时间节点为突变点。
在本发明实施例的一种具体实施方式中,所述水文模型的参数率定方法包括:
在率定过程中,采用人工试错法,以基准期的水文气象数据序列作为水文模型输入,选择一组初始参数数据进行模拟计算,将模拟计算出的流量过程与实测流量过程进行比较,并针对模拟结果不断调整参数继续进行模拟计算,直到纳什效率系数、相对偏差和相关系数均满足设定的要求(比如NSE最接近1,BIAS最接近0,以及CC最接近1),并保持参数不变。
在本发明实施例的一种具体实施方式中,所述不同流量区间的构建方法为:将各生态流量阈值按大小顺序排列,相邻两个生态流量阈值之间为一个流量区间。
所述各生态流量阈值包括:最适宜生态流量、适宜生态流量的上阈值、适宜生态流量的下阈值、最大生态流量、最大小生态流量、极大生态流量和极小生态流量;
所述最适宜生态流量的上阈值为最大生态流量与最适宜生态流量的平均值;
所述最适宜生态流量的下阈值为最小生态流量与最适宜生态流量的平均值;
所述最大生态流量为选定流量序列中各月的最大值;
所述最小生态流量为选定流量序列中各月的最小值;
所述极大生态流量为各月中最大单日流量;
所述极小生态流量为各月中最小单日流量。
所述最适宜生态流量的计算方法包括:根据生态系统的生物适应性和可塑性理论,对基准期流量序列进行多个概率分布函数拟合,筛选出最佳的拟合分布函数,分布函数概率密度最大处所对应的流量即为最适生态流量。具体地,利用基准期的月平均流量序列,选择广义极值分布(GEV)、伽马分布和P-Ⅲ分布对流量序列进行拟合,并使用显著性水平α=0.05的Kolmogorov-Smirnov(K-S)方法进行拟合优度检验,选择统计量D最小的概率分布函数。最终选择GEV分布函数,其函数最大值对应的流量即为所求河道最适宜生态流量。
在本发明实施例的一种具体实施方式中,不同流量区间对应的河流健康等级的计算公式为:
其中,Q0为最适宜生态流量;Q1为适宜生态流量的下阈值;Q2为适宜生态流量的上阈值;Q3为最小生态流量;Q4为最大生态流量;Q5为极小生态流量;Q6为极大生态流量,通过各月的生态流量阈值可构建年平均生态流量阈值。因此,该方法利用年平均流量序列可以计算年尺度的河流健康等级。
在本发明实施例的一种具体实施方式中,假定气候变化和人类活动对河流生态健康的影响是相互独立的,因此河流生态健康的变化(ΔRHLt)主要由气候变化引起(ΔRHLc)和人类活动引起(ΔRHLh)两部分组成。
式中,和/>分别为基准期和变化期实测序列多年平均河流健康值。
在基准期人类活动对流量的影响不显著,利用基准期率定的水文模型参数反映的是流域的自然状态,利用率定的模型和全序列的气象数据可以重构整个时期的天然流量序列,根据该流量序列得到的RHL序列反映了没有人类活动影响的流域河流健康状态,则基准期和变化期的RHL之差就表示气候变化引起的河流健康变化。
式中,和/>分别为基准期和变化期模拟序列多年平均河流健康值。
那么,RHL总变化的剩余部分即为人类活动所引起的。
因此将气候变化和人类活动对河流健康变化的影响可定量分离为
式中,|ΔRHLt|表示河流健康等级的总变化量的绝对值;Ic和Ih分别表示气候变化和人类活动对河流健康变化的贡献率。
实施例2
基于与实施例1相同的发明构思,本发明实施例中提供了一种河流健康变化定量归因装置,包括:
判断单元,用于判断出流域年平均流量过程的突变点,突变点之前的时期为基准期,突变点之后的时期为变化期;
率定单元,用于利用基准期的水文气象数据对水文模型进行参数率定,获得率定好的水文模型;
第一计算单元,用于将基准期和变化期的水文气象数据输入至率定好的水文模型,获得天然流量序列;
获取单元,用于获取河流健康等级计算模型,所述河流健康等级计算模型中包括不同流量区间,以及与各流量区间对应的河流健康等级计算公式;
第二计算单元,用于将所述实测流量序列和天然流量序列分别输入至河流健康等级计算模型,计算得出实测河流健康等级序列和天然河流健康等级序列,比较所述实测河流健康等级序列和天然河流健康等级序列之间的差异,定量分离气候变化和人类活动对河流健康影响的贡献率,完成河流健康变化定量归因。
其余部分均与实施例2相同。
实施例3
基于与实施例1相同的发明构思,本发明实施例中提供了一种河流健康变化定量归因系统,包括存储介质和处理器;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行根据实施例1中任一项所述方法的步骤。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (9)
1.一种河流健康变化定量归因方法,其特征在于,包括:
判断出流域年平均流量过程的突变点,突变点之前的时期为基准期,突变点之后的时期为变化期;
利用基准期的水文气象数据对水文模型进行参数率定,获得率定好的水文模型;
将基准期和变化期的水文气象数据输入至率定好的水文模型,获得天然流量序列;
获取河流健康等级计算模型,所述河流健康等级计算模型中包括不同流量区间,以及与各流量区间对应的河流健康等级计算公式;
将实测流量序列和天然流量序列分别输入至河流健康等级计算模型,计算得出实测河流健康等级序列和天然河流健康等级序列,比较所述实测河流健康等级序列和天然河流健康等级序列之间的差异,定量分离气候变化和人类活动对河流健康影响的贡献率,完成河流健康变化定量归因;
所述气候变化对河流健康变化的影响可定量分离为:
式中,Ic和Ih分别表示气候变化和人类活动对河流健康变化的贡献率,|ΔRHLt|表示河流健康等级的总变化量的绝对值,和/>分别为基准期和变化期实测序列多年平均河流健康值,/>和/>分别为基准期和变化期模拟序列多年平均河流健康值。
2.根据权利要求1所述的一种河流健康变化定量归因方法,其特征在于,所述突变点的确定方法包括:
对于水文要素时间序列{x1,x2,…xn},构造统计量S,所述统计量S服从正态分布,均值为0,其计算公式为:
式中:sgn(·)为符号函数;xi、xj为水文要素时间序列;n为时间序列长度;
所述统计量S的方差计算公式为:
var(S)=[n(n-1)(2n+5)]/18
计算统计量S的标准化正态分布统计量Z,所述标准化正态分布统计量Z的计算公式为:
若Z大于0,则表示时间序列存在上升趋势,若Z小于0,则表示时间序列存在下降趋势;
在给定的显著性水平α下,由正态分布表可以查得临界值Zα/2,若|Z|≥Zα/2,则表示年径流时间序列存在显著的上升或下降趋势,否则不存在显著的上升或下降趋势;
当年平均流量时间序列呈现显著性的趋势变化时,采用Pettitt检验确定年平均流量过程的突变点,具体包括以下步骤:
将含N个流量样本数据的年平均流量时间序列x分成两个子序列x1,…,xt和xt+1,…,xN;
构造统计量Ut,N,所述统计量Ut,N的计算公式为:
式中:sgn(·)为符号函数;xi、xj为流量时间序列;t为任一时间节点;N为年平均流量时间序列的长度;
计算每个时间节点为突变点的概率:
若给定显著性水平α,且p>α,则该时间节点为突变点。
3.根据权利要求1所述的一种河流健康变化定量归因方法,其特征在于:所述水文模型的参数率定方法包括:
在率定过程中,采用人工试错法,以基准期的水文气象数据序列作为水文模型输入,选择一组初始参数数据进行模拟计算,将模拟计算出的流量过程与实测流量过程进行比较,并针对模拟结果不断调整参数继续进行模拟计算,直到纳什效率系数、相对偏差和相关系数均满足设定的要求,并保持参数不变。
4.根据权利要求1所述的一种河流健康变化定量归因方法,其特征在于:所述不同流量区间的构建方法为:
将预设的各生态流量阈值按大小顺序排列,相邻两个生态流量阈值之间为一个流量区间。
5.根据权利要求4所述的一种河流健康变化定量归因方法,其特征在于:所述各生态流量阈值包括:最适宜生态流量、适宜生态流量的上阈值、适宜生态流量的下阈值、最大生态流量、最大小生态流量、极大生态流量和极小生态流量;
所述适宜生态流量的上阈值为最大生态流量与最适宜生态流量的平均值;
所述适宜生态流量的下阈值为最小生态流量与最适宜生态流量的平均值;
所述最大生态流量为选定流量序列中各月的最大值;
所述最小生态流量为选定流量序列中各月的最小值;
所述极大生态流量为各月中最大单日流量;
所述极小生态流量为各月中最小单日流量。
6.根据权利要求5所述的一种河流健康变化定量归因方法,其特征在于,所述最适宜生态流量的计算方法包括:
根据生态系统的生物适应性和可塑性理论,对基准期流量序列进行多个概率分布函数拟合,筛选出最佳的拟合分布函数,分布函数概率密度最大处所对应的流量即为最适宜生态流量。
7.根据权利要求5所述的一种河流健康变化定量归因方法,其特征在于:不同流量区间对应的河流健康等级的计算公式为:
其中,Q0为最适宜生态流量;Q1为适宜生态流量的下阈值;Q2为适宜生态流量的上阈值;Q3为最小生态流量;Q4为最大生态流量;Q5为极小生态流量;Q6为极大生态流量。
8.一种河流健康变化定量归因装置,其特征在于,包括:
判断单元,用于判断出流域年平均流量过程的突变点,突变点之前的时期为基准期,突变点之后的时期为变化期;
率定单元,用于利用基准期的水文气象数据对水文模型进行参数率定,获得率定好的水文模型;
第一计算单元,用于将基准期和变化期的水文气象数据输入至率定好的水文模型,获得天然流量序列;
获取单元,用于获取河流健康等级计算模型,所述河流健康等级计算模型中包括不同流量区间,以及与各流量区间对应的河流健康等级计算公式;
第二计算单元,用于将实测流量序列和天然流量序列分别输入至河流健康等级计算模型,计算得出实测河流健康等级序列和天然河流健康等级序列,比较所述实测河流健康等级序列和天然河流健康等级序列之间的差异,定量分离气候变化和人类活动对河流健康影响的贡献率,完成河流健康变化定量归因;
所述气候变化对河流健康变化的影响可定量分离为:
式中,Ic和Ih分别表示气候变化和人类活动对河流健康变化的贡献率,|ΔRHLt|表示河流健康等级的总变化量的绝对值,和/>分别为基准期和变化期实测序列多年平均河流健康值,/>和/>分别为基准期和变化期模拟序列多年平均河流健康值。
9.一种河流健康变化定量归因系统,其特征在于,包括存储介质和处理器;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行根据权利要求1~7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011118206.6A CN112287299B (zh) | 2020-10-19 | 2020-10-19 | 河流健康变化定量归因方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011118206.6A CN112287299B (zh) | 2020-10-19 | 2020-10-19 | 河流健康变化定量归因方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112287299A CN112287299A (zh) | 2021-01-29 |
CN112287299B true CN112287299B (zh) | 2024-03-22 |
Family
ID=74497594
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011118206.6A Active CN112287299B (zh) | 2020-10-19 | 2020-10-19 | 河流健康变化定量归因方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112287299B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114609694B (zh) * | 2022-03-08 | 2022-12-06 | 浙江大学 | 一种原位预测生态系统属性对气候变化响应的方法 |
CN114898810A (zh) * | 2022-05-20 | 2022-08-12 | 厦门大学 | 一种检测微生物生长情况的方法 |
CN118095656A (zh) * | 2024-04-23 | 2024-05-28 | 江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心) | 一种流域可用水量评估监测方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104318077A (zh) * | 2014-10-09 | 2015-01-28 | 水利部交通运输部国家能源局南京水利科学研究院 | 气候变化和人类活动对河川径流变化定量分析方法 |
CN109472004A (zh) * | 2018-10-31 | 2019-03-15 | 河海大学 | 气候变化和人类活动对水文干旱影响的综合评估方法、装置及系统 |
CN109657942A (zh) * | 2018-12-05 | 2019-04-19 | 北京师范大学 | 一种预测气候变化下河流健康发展趋势的方法 |
AU2020101063A4 (en) * | 2020-06-19 | 2020-07-23 | Jilin Province Water Resource and Hydropower Consultative Company of P.R.CHINA | A Calculation Method of River Ecological Flow |
-
2020
- 2020-10-19 CN CN202011118206.6A patent/CN112287299B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104318077A (zh) * | 2014-10-09 | 2015-01-28 | 水利部交通运输部国家能源局南京水利科学研究院 | 气候变化和人类活动对河川径流变化定量分析方法 |
CN109472004A (zh) * | 2018-10-31 | 2019-03-15 | 河海大学 | 气候变化和人类活动对水文干旱影响的综合评估方法、装置及系统 |
CN109657942A (zh) * | 2018-12-05 | 2019-04-19 | 北京师范大学 | 一种预测气候变化下河流健康发展趋势的方法 |
AU2020101063A4 (en) * | 2020-06-19 | 2020-07-23 | Jilin Province Water Resource and Hydropower Consultative Company of P.R.CHINA | A Calculation Method of River Ecological Flow |
Non-Patent Citations (2)
Title |
---|
A study on a river health assessment method based on ecological flow;DiaoyuanMa等;《Ecological Modelling》;20190214;第144-154页 * |
基于水文模拟定量评估漳河上游流域径流变化归;孟鹏飞;《中国优秀硕士学位论文全文数据库》;20200715;第9-46页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112287299A (zh) | 2021-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112287299B (zh) | 河流健康变化定量归因方法、装置及系统 | |
Tegegne et al. | Comparison of hydrological models for the assessment of water resources in a data-scarce region, the Upper Blue Nile River Basin | |
Wu et al. | Evaluating uncertainty estimates in distributed hydrological modeling for the Wenjing River watershed in China by GLUE, SUFI-2, and ParaSol methods | |
Du et al. | Return period and risk analysis of nonstationary low-flow series under climate change | |
Zhang et al. | Development and evaluation of a physically based multiscalar drought index: The Standardized Moisture Anomaly Index | |
Chen et al. | Impacts of climate change and LULC change on runoff in the Jinsha River Basin | |
CN109472403B (zh) | 一种集合经验模态分解及遥相关的中长期径流预报方法 | |
Tuo et al. | Calibration of snow parameters in SWAT: comparison of three approaches in the Upper Adige River basin (Italy) | |
CN112765808A (zh) | 一种生态干旱的监测与评估方法 | |
CN111191193A (zh) | 一种基于自回归滑动平均模型的长期土壤温湿度高精度预测方法 | |
CN112883558B (zh) | 一种水文模型参数时变形式构造方法 | |
CN112330065A (zh) | 一种基于基流分割和人工神经网络模型的径流预报方法 | |
Dallaire et al. | Uncertainty of potential evapotranspiration modelling in climate change impact studies on low flows in North America | |
Zhang et al. | A time-varying parameter estimation approach using split-sample calibration based on dynamic programming | |
CN114357737B (zh) | 针对大尺度水文模型时变参数的代理优化率定方法 | |
Nedelcev et al. | Trends in seasonal snowpack and their relation to climate variables in mountain catchments in Czechia | |
Wang et al. | Uncertainty analysis of hydrological processes based on ARMA-GARCH model | |
Guo et al. | Impacts of climate and land-use changes on water yields: Similarities and differences among typical watersheds distributed throughout China | |
Astagneau et al. | When does a parsimonious model fail to simulate floods? Learning from the seasonality of model bias | |
Zhao et al. | Evaluating influences of the Manwan Dam and climate variability on the hydrology of the Lancang-Mekong River, Yunnan Province, southwest China | |
Li et al. | A nonstationary runoff frequency analysis for future climate change and its uncertainties | |
CN108595814B (zh) | 一种基于实测的多年降水数据模拟逐日降水量的方法 | |
Cao et al. | Future dry-wet climatic characteristics and drought trends over arid Central Asia | |
CN115310796B (zh) | 一种不同类型干旱间传播关系的确定方法及系统 | |
CN116227785A (zh) | 考虑气候-植被-取用水影响的径流变化归因方法、装置及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |