CN114386865A - 基于多要素过程自然属性的径流影响因素确定方法及系统 - Google Patents
基于多要素过程自然属性的径流影响因素确定方法及系统 Download PDFInfo
- Publication number
- CN114386865A CN114386865A CN202210048412.7A CN202210048412A CN114386865A CN 114386865 A CN114386865 A CN 114386865A CN 202210048412 A CN202210048412 A CN 202210048412A CN 114386865 A CN114386865 A CN 114386865A
- Authority
- CN
- China
- Prior art keywords
- runoff
- determining
- formula
- trend
- climate
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000011160 research Methods 0.000 claims abstract description 59
- 230000035772 mutation Effects 0.000 claims abstract description 58
- 150000001875 compounds Chemical class 0.000 claims description 7
- 238000010998 test method Methods 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 9
- 238000001556 precipitation Methods 0.000 description 22
- 239000013598 vector Substances 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 241000282414 Homo sapiens Species 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 230000003247 decreasing effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 241001560086 Pachyrhizus Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000001174 ascending effect 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
- 230000002262 irrigation Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于多要素过程自然属性的径流影响因素确定方法及系统,其中方法包括获取研究时段范围内,研究流域的径流时间序列和研究流域所处环境的多个气候因子时间序列;根据径流时间序列和气候因子时间序列,分别确定径流的变化趋势及突变点和每个气候因子的变化趋势及突变点;根据径流的变化趋势及突变点和每个气候因子的变化趋势及突变点,确定影响研究流域径流的气候因子。本发明结合变化趋势和突变点两方面特征确定影响径流的气候因子,方法简单,且可以快速得到精确的影响径流的主要气候影响因子信息,对研究流域的水资源利用和生态环境保护具有重大意义。
Description
技术领域
本发明公开了一种基于多要素过程自然属性的径流影响因素确定方法及系统,属于水文研究技术领域。
背景技术
黄河是中华民族的母亲河,是中国重要河流之一,是我国第二大河,发源于青藏高原巴颜喀拉山北麓的约古宗列盆地。黄河源区近年径流量不断减少,不仅影响沿黄地区的生活用水、农业灌溉而且导致黄河源区的生态环境严重退化。
径流的影响因子主要包括两个大的方面,气候因子和人类活动。气候因子主要包括降水、气温、日照、相对湿度和风速等要素的变化;人类活动因素主要包括人类对水资源的开发利用及人类活动对流域下垫面的改变等。黄河源地区自然条件限制,经济欠发达,人口稀少,人类活动对下垫面要素的影响较小,黄河源区气候变化对径流的贡献率达到70%,而人类活动的影响仅有30%,因此气候因子的变化成为源区径流变化的主要驱动要素。
现有技术中,识别气候变化对径流影响的方法主要包括基于Budyko假设的敏感性分析法、回归分析方法等。但是上述方法存在较强的不确定性,导致所确定的气候因子并不准确。
发明内容
本申请的目的在于,提供一种基于多要素过程自然属性的径流影响因素确定方法及系统,以解决现有技术中所确定的影响径流的气候因子不准确的技术问题。
本发明的第一方面提供了一种基于多要素过程自然属性的径流影响因素确定方法,包括:
获取研究时段范围内,研究流域的径流时间序列和研究流域所处环境的多个气候因子时间序列;
根据所述径流时间序列和所述气候因子时间序列,分别确定径流的变化趋势及突变点和每个气候因子的变化趋势及突变点;
根据所述径流的变化趋势及突变点和每个气候因子的变化趋势及突变点,确定影响研究流域径流的气候因子。
优选地,根据所述径流时间序列和所述气候因子时间序列,分别确定径流的变化趋势和每个气候因子的变化趋势,具体包括:
利用第一公式确定径流的变化趋势和每个气候因子的变化趋势,所述第一公式为:
式中,i=1,2,…,n,j=1,2,…,n-k+1,n为时间序列的长度,k取非零正整数,xj为j时间处的径流数据或者气候因子数据。
优选地,根据所述径流时间序列和所述气候因子时间序列,分别确定径流的突变点和每个气候因子的突变点,具体包括:
根据所述径流时间序列和所述气候因子时间序列,利用第二公式确定径流的突变点和每个气候因子的突变点,所述第二公式为:
优选地,在根据所述径流时间序列和所述气候因子时间序列,分别确定径流的变化趋势及突变点和每个气候因子的变化趋势及突变点之后,还包括:
利用M-K检验法验证突变点是否正确。
优选地,在确定影响所述研究流域径流的气候因子之后,还包括:
确定用于评价研究流域水文情势变化的多个流量指标,并获取各个流量指标的数据;
根据所述流量指标数据确定研究时段内的平均流量及各个流量指标的上限阈值和下限阈值;
根据所述平均流量、上限阈值和所述下限阈值确定每一个所述流量指标的生态流量,具体包括:
利用第三公式确定每一个所述流量指标的生态流量,所述第三公式为:
优选地,所述流量指标包括平均流量、最大流量、最小流量。
优选地,所述上限阈值为对应流量指标发生几率的75%,所述下限阈值为对应流量指标发生几率的25%。
优选地,根据所述径流的变化趋势与每个气候因子的变化趋势,确定影响所述研究流域径流的气候因子之后,还包括:
根据所述径流时间序列确定研究流域径流的不均匀性、集中度、集中期和变化幅度。
优选地,所述研究流域径流的不均匀性根据第四公式确定,所述第四公式为:
优选地,所述研究流域径流的集中度根据第五公式确定,所述第五公式为:
所述研究流域径流的集中期根据第六公式确定,所述第六公式为:
优选地,所述研究流域径流的变化幅度包括相对变化幅度和绝对变化幅度,所述相对变化幅度根据第七公式确定,所述第七公式为:
Cm=Qmax/Qmin
所述绝对变化幅度根据第八公式确定,所述第八公式为:
ΔQ=Qmax-Qmin
式中,Qmax和Qmin为年内流量最大值和年内流量最小值。
本发明的第二方面提供了一种基于多要素过程自然属性的径流影响因素确定系统,包括:
获取模块,所述获取模块用于获取研究时段范围内,研究流域的径流时间序列和研究流域所处环境的多个气候因子时间序列;
趋势确定模块,所述趋势确定模块用于根据所述径流时间序列和所述气候因子时间序列,分别确定研究流域径流的变化趋势及突变点和每个气候因子的变化趋势及突变点;
影响因子确定模块,所述影响因子确定模块用于根据所述径流的变化趋势及突变点与每个气候因子的变化趋势及突变点,确定影响所述研究流域径流的气候因子。
本发明的基于多要素过程自然属性的径流影响因素确定方法及系统,相较于现有技术,具有如下有益效果:
本发明结合变化趋势和突变点两方面特征确定影响径流的气候因子,方法简单,且可以快速得到精确的影响径流的主要气候影响因子信息,对研究流域的水资源利用和生态环境保护具有重大意义。
附图说明
图1为本发明提供的基于多要素过程自然属性的径流影响因素确定方法的流程图;
图2为本发明实施例中黄河源径流量变化趋势图;
图3为本发明实施例中黄河源平均气温年时间序列的变化趋势图;
图4为本发明实施例中黄河源平均降水年时间序列的变化趋势图;
图5为本发明实施例中黄河源径流突变图;
图6为本发明实施例中黄河源气温突变图;
图7为本发明实施例中黄河源降水突变图;
图8为本发明实施例中黄河源径流M-K统计量曲线图;
图9为本发明实施例中黄河源气温M-K统计量曲线图;
图10为本发明实施例中黄河源降水M-K统计量曲线图;
图11为本发明实施例中黄河源的生态流量图;
图12为本发明实施例中黄河源多年平均月径流量分配图;
图13为本发明提供的基于多要素过程自然属性的径流影响因素确定系统的结构示意图。
图中101为获取模块;102为趋势确定模块;103为影响因子确定模块。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
如图1所示,本发明实施例的基于多要素过程自然属性的径流影响因素确定方法包括:
步骤1、获取研究时段范围内,研究流域的径流时间序列和研究流域所处环境的多个气候因子时间序列。
其中,研究时段范围可以为多年也可以为一年,气候因子可以为降水、气温、日照、相对湿度和风速等。
本发明实施例以研究流域为黄河流域,研究时段范围为1960~2014年的月平均气温与降水资料数据说明本发明的方法。
步骤2、根据径流时间序列和气候因子时间序列,分别确定径流的变化趋势及突变点和每个气候因子的变化趋势及突变点。
其中根据径流时间序列和气候因子时间序列,分别确定径流的变化趋势和每个气候因子的变化趋势具体包括:
利用第一公式确定径流的变化趋势和每个气候因子的变化趋势,第一公式为:
式中,i=1,2,…,n,j=1,2,…,n-k+1,n为时间序列的长度,k取非零正整数,xj为j时间处的径流数据或者气候因子数据。
第一公式将会削弱不明显趋势、凸显明显趋势,从而使得所得径流的变化趋势和每个气候因子的变化趋势更为便于分析。
本发明实施例中,黄河源(唐乃亥站)径流量变化趋势如图2所示。通过分析图2可知,唐乃亥站1960年-2014年径流呈现递减趋势,下降斜率为-5.684/10a,相关性系数为0.175。假设序列通过置信度a=0.95的假设检验,查相关性系数检验表得a=0.05,n=55时ra=0.266,相关性系数r=0.175<ra,表明原序列存在不显著的递减趋势。这种下降趋势在80年代中期到20世纪初滑动平均值下降的比较明显,下降趋势比较显著。此外研究系列当中唐乃亥站1989年径流量最大为326.403亿m3,2002年最小为105.490亿m3。
本发明实施例中,黄河源平均气温年时间序列的变化趋势如图3所示。通过分析图3可知,黄河源流域1960~2014年气温整体呈递增趋势。多年平均气温为-0.38℃,最高年均气温为0.73℃,出现在2009年,最低年均气温为-2.25℃,出现在1962年。年平均气温变化倾向率为0.36℃/10a,查相关系数检验表得a=0.05,n=55时ra=0.266,而相关系数r=0.79>ra,表明所研究的序列存在显著的递增趋势。
本发明实施例中,黄河源平均降水年时间序列的变化趋势如图4所示。由图4可以看出1960~2014年降水量呈现波动递增的趋势。多年平均降水量为496.67mm,其中最大年降水量为632.08mm,出现在1989年,最小降水量为365.88mm,出现在1962年。从图4中还可以看到在1990年之前降水量处于趋势线两侧,呈现震荡增加趋势,在1990年之后降水量处于趋势线以下,说明在1990~2006年之间降水量呈现了下降趋势。图4中年平均降水量变化倾向为6.80mm/10a,查相关系数临界值表得a=0.05,n=55,ra=0.266,而相关系数r=0.19<ra,表明原序列整体存在不显著的递增趋势。
其中,根据径流时间序列和气候因子时间序列,分别确定径流的突变点和每个气候因子的突变点,具体包括:
根据径流时间序列和气候因子时间序列,利用第二公式分别确定径流的突变点和每个气候因子的突变点,第二公式为:
利用公式2对黄河源的径流时间序列进行处理,得到如图5所示的曲线。从图5可以看出,研究序列内,径流序列有一个比较明显的转折点发生在1990年附近,年径流量和汛期径流量主要经历了2个阶段,总体表现为1960~1998年呈现波动性显著增加,说明这一阶段丰水年份多于枯水年份;1998~2014年间呈现显著减少趋势,且此间段径流量变化幅度较大,说明在这期间,枯水年份要多于丰水年份。对于非汛期累积距平来说分为两个阶段,1984年之前呈现缓慢增加趋势,1984~1990年基本保持在稳定的范围之内,在1990年以后非汛期累积距平出现逐渐下降趋势,但变化幅度明显小于年径流量和汛期径流量。
进一步地,利用公式2对黄河源的气温时间序列进行处理,得到如图6所示的曲线。从图6可以看出,温累积距平都是负值,累积距平值都呈现出先降低后增加的趋势。从平均气温来看,源区气温累积距平值出现了2个转折点,在1986年发生转折而后平稳波动,在90年代末,再一次发生转折,此后开始呈现上升趋势。年平均最低气温在1986年发生转折,年平均最高气温在90年代末发生转折,而后呈现显著上升趋势。
更近一步地,利用公式2对黄河源的降水时间序列进行处理,得到如图7所示的曲线。由图7可知,降水量曲线几乎都是负值,图中有两个比较明显的转折点,分别在1989年与21世纪初,降水量在1989年至21世纪初经历了明显地减少的变化,在2002年以后又开始呈现递增趋势。
步骤3、根据径流的变化趋势及突变点和每个气候因子的变化趋势及突变点,确定影响研究流域径流的气候因子,具体地:
根据径流的变化趋势及突变点和每个气候因子的变化趋势及突变点,进行显著性分析,从显著性分析结果中确定影响研究流域径流的气候因子。
在本发明实施例中,将图2分别与图3和图4进行显著性分析,同时将图5分别与图6和图7进行显著性分析,从显著性分析水平上来看,该地区降水对径流的影响较小,气温对径流的影响较大。
为进一步明确具体的突变点,本发明实施例在判断径流和气候因子是否存在突变点之后,还包括:
利用M-K检验法验证突变点是否正确。
由图5-图7可以看出,黄河源的径流、气温和降水均存在突变点,因此进一步利用M-K检验法验证突变点的具体位置。
Mann和kendall在1945年提出了序列突变型的非参数统计方法,也就是本申请的Mann-kendall(M-K)检验法。Mann-Kendall检验法的特点是人为主观影响较小,检测的范围大,也不需要样本必须服从某一种统计分布,即便出现少数的突变值,也不会对结果造成干扰。
当Mann-Kendall检验方法用于序列的突变检验时,首先假定时间序列为(x1,x2,…,xn),且时间序列数据样本独立同分布,不存在趋势;备择假设:对于所有的i,j≤n,且i≠j,xi和xj两个序列不是同一分布,检验统计量为SK,通过构造一秩序列SK:
其中:
定义统计变量:
其中:
UFk为标准正态分布,设显著性水平为α,若|UFK|>Uα/2,说明序列有明显的趋势性,将时间序列x按逆顺序重新排列,重复上数学表达式计算,并使:
通过绘制统计量UFk和UBk的变化曲线,能够进一步分析序列x的趋势,也可以确定出现突变的位置,并判断突变的区域。如果UFk值为正数,说明序列的趋势增大;UFk值为负数,说明序列的趋势减弱。当变化曲线超过临界值时,说明序列的趋势增加明显也可能下降明显。如果UFk和UBk的曲线存在交点,且交点对应的值在临界值内,说明交点所对应的时间发生突变。
应用M-K法对研究区域水文气象序列进行突变点分析,一般取α=0.05的显著性水平,得到两条临界线,若UF、UB曲线在临界内有交点,则是满足一定置信度的突变点。
本发明实施例对黄河源径流时间序列进行M-K检测,所得结果如图8所示。有图8可知,UF曲线与UB曲线均在1990年附近相交,并且交点在α=0.05的显著性水平临界值线之间,结合图5的转折点发生时间,可以判断黄河源流域在1990年附近径流量发生了突变,并且在1990年以后呈现下降趋势,在2001年UF曲线超过了下临界值,表明下降趋势十分显著。
本发明实施例对黄河源气温时间序列进行M-K检测,所得结果如图9所示。由图9可知,黄河源平均气温在20世纪60年代开始到90年代一直处于升温期,在90年代末,UF、UB曲线在0.01显著性水平临界值线附近相交,无法判断是否发生了突变,结合图6显示的转折点,可判断在90年末发生转折。
本发明实施例对黄河源降水时间序列进行M-K检测,所得结果如图10所示。由图10可知,在α=0.05临界值线之间UF、UB曲线交点不是很明显,说明黄河源区降水量波动比较大,源区内降水量整体变化比较复杂,没有出现明显的突变。
本发明实施例从突变点的角度进一步确定了黄河源降水对径流的影响较小,气温对径流的影响较大。
在确定了影响径流的因子以后,本申请还进一步分析了研究流域的生态流量,生态流量值是维护河流生态系统所应保持的最低保证要求,为维持河流健康生态系统提供支持。
本发明实施例在确定影响研究流域径流的气候因子之后,还包括:
步骤41、确定用于评价研究流域水文情势变化的多个流量指标,并获取各个流量指标的数据。本发明实施例中,使用的流量指标可以为如表1所示的指标。
表1流量指标
步骤42、根据流量指标数据确定研究时段内的平均流量及各个流量指标的上限阈值和下限阈值。
其中,上限阈值为对应流量指标发生几率的75%,下限阈值为对应流量指标发生几率的25%。本发明的阈值阐述流量过程线的可变动范围,也就是天然生态系统可以承受的变化范围,这将为估算河流生态流量系列提供有用的参考价值。
步骤43、根据平均流量、上限阈值和下限阈值确定每一个流量指标的生态流量,具体包括:
利用第三公式确定每一个流量指标的生态流量,第三公式为:
本发明实施例用12个月平均流量指标对黄河源生态流量进行分析研究,用各月平均流量相应频率的75%和25%的数值作为各个指标参数的上限阈值和下限阈值,估算黄河源的生态流量。
图11为黄河源的生态流量图,由图11可以得知,黄河源唐乃亥控制站常水文特征值(均值)的可变化范围没有超过天然可变范围,研究系列内生态流量能够维持河流正常健康的生态系统。各月生态流量均小于下限阈值,且变化幅度小于河流流量的自然变化。
为进一步表征径流的情况,本发明实施例在根据径流的变化趋势与每个气候因子的变化趋势,确定影响研究流域径流的气候因子之后,还包括:
根据径流时间序列确定研究流域径流的不均匀性、集中度、集中期和变化幅度。
其中研究流域径流的不均匀性根据第四公式确定,第四公式为:
年内分配完全调节系数Cr是另外一种年内分配的指标。其计算公式如下:
式中,
年内分配完全调节系数Cr越大,则年内水文气象因子分配越不均匀。
研究流域径流的集中度根据第五公式确定,第五公式为:
研究流域径流的集中期根据第六公式确定,第六公式为:
集中度(runoff concentration degree,RCD)和集中期(runnoff concentrationperiod,RCP)是根据水文气象因子年内分配的向量法来研究其年内分配规律。她将一年内各月的水文气象因子看做向量,水文气象因子的大小为向量的长度,所处的月份为向量的方向。当采用月为计算时段时,每月的天数是不同的,因此,必须做相应的概化处理,将每月视为同一个时段长,把一年365天看做一个圆周,以1月份水文气象因子向量所在位置定为0°,依次按30°等差角度表示2-12月份水文气象因子所在位置,结果如表2所示。然后把每个月的水文气象因子分解为X、Y两个方向上的分量,则X、Y方向上上的合成及个月合成的总向量如下所示:
其中Ri和θi分别为年内流量指标的大小和方向,(i=1,2,…,12);Rx、Ry分别为X、Y方向上的合成向量;R为Rx、Ry的合成向量。
表2全年个月包含的角度及月中代表的角度值
进一步地,研究流域径流的变化幅度包括相对变化幅度和绝对变化幅度,相对变化幅度根据第七公式确定,第七公式为:
Cm=Qmax/Qmin
绝对变化幅度根据第八公式确定,第八公式为:
ΔQ=Qmax-Qmin
式中,Qmax和Qmin为年内流量最大值和年内流量最小值。
本发明实施例中,黄河流域径流年内分配统计特征见表3。
表3黄河流域径流年内分配统计特征
由表3可以看出,黄河源流域径流年内分配不均性和集中度普遍比较高,说明径流年内分配相对比较集中,计算集中期显示出现在8月,结合唐乃亥水文站多年平均月径流量分配(见图12)可以得知看到7、8、9三月径流呈现凹型,由于最大月径流为7月,9月次之,再者就是8月,所以通过计算出现了靠拢汇集现象,即得到了8月为集中期。黄河流域1960-2014年平均月径流量的不均匀系数和完全调节系数分别是0.71和0.3,并且与集中度具有较好的同步性变化规律。凡是不均匀系数值高的,集中度值也高,径流量具有明显的丰枯季节变化。从黄河源流域径流年内变化幅度看,径流年内相对变化幅度从17.96降到15.60,而多年平均变化幅度为16.93大于15.6,说明1990年到2014年期间径流量明显小于1960-1990年及整个研究时段。
本发明的第二方面提供了一种基于多要素过程自然属性的径流影响因素确定系统,其结构如图13所示,包括获取模块101、趋势确定模块102和影响因子确定模块103。
其中获取模块101用于获取研究时段范围内,研究流域的径流时间序列和研究流域所处环境的多个气候因子时间序列;
趋势确定模块102用于根据径流时间序列和气候因子时间序列,分别确定研究流域径流的变化趋势及突变点和每个气候因子的变化趋势及突变点;
影响因子确定模块103用于根据径流的变化趋势及突变点与每个气候因子的变化趋势及突变点,确定影响研究流域径流的气候因子。
本发明结合变化趋势和突变点两方面特征确定影响径流的气候因子,方法简单,且可以快速得到精确的影响径流的主要气候影响因子信息,对研究流域的水资源利用和生态环境保护具有重大意义。
以上所述,仅是本申请的几个实施例,并非对本申请做任何形式的限制,虽然本申请以较佳实施例揭示如上,然而并非用以限制本申请,任何熟悉本专业的技术人员,在不脱离本申请技术方案的范围内,利用上述揭示的技术内容做出些许的变动或修饰均等同于等效实施案例,均属于技术方案范围内。
Claims (10)
1.一种基于多要素过程自然属性的径流影响因素确定方法,其特征在于,包括:
获取研究时段范围内,研究流域的径流时间序列和研究流域所处环境的多个气候因子时间序列;
根据所述径流时间序列和所述气候因子时间序列,分别确定径流的变化趋势及突变点和每个气候因子的变化趋势及突变点;
根据所述径流的变化趋势及突变点和每个气候因子的变化趋势及突变点,确定影响研究流域径流的气候因子。
4.根据权利要求3所述的方法,其特征在于,在根据所述径流时间序列和所述气候因子时间序列,分别确定径流的变化趋势及突变点和每个气候因子的变化趋势及突变点之后,还包括:
利用M-K检验法验证突变点是否正确。
6.根据权利要求1所述的方法,其特征在于,根据所述径流的变化趋势与每个气候因子的变化趋势,确定影响所述研究流域径流的气候因子之后,还包括:
根据所述径流时间序列确定研究流域径流的不均匀性、集中度、集中期和变化幅度。
9.根据权利要求6所述的方法,其特征在于,所述研究流域径流的变化幅度包括相对变化幅度和绝对变化幅度,所述相对变化幅度根据第七公式确定,所述第七公式为:
Cm=Qmax/Qmin
所述绝对变化幅度根据第八公式确定,所述第八公式为:
ΔQ=Qmax-Qmin
式中,Qmax和Qmin为年内流量最大值和年内流量最小值。
10.一种基于多要素过程自然属性的径流影响因素确定系统,其特征在于,包括:
获取模块,所述获取模块用于获取研究时段范围内,研究流域的径流时间序列和研究流域所处环境的多个气候因子时间序列;
趋势确定模块,所述趋势确定模块用于根据所述径流时间序列和所述气候因子时间序列,分别确定研究流域径流的变化趋势及突变点和每个气候因子的变化趋势及突变点;
影响因子确定模块,所述影响因子确定模块用于根据所述径流的变化趋势及突变点与每个气候因子的变化趋势及突变点,确定影响所述研究流域径流的气候因子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210048412.7A CN114386865A (zh) | 2022-01-17 | 2022-01-17 | 基于多要素过程自然属性的径流影响因素确定方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210048412.7A CN114386865A (zh) | 2022-01-17 | 2022-01-17 | 基于多要素过程自然属性的径流影响因素确定方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114386865A true CN114386865A (zh) | 2022-04-22 |
Family
ID=81201225
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210048412.7A Pending CN114386865A (zh) | 2022-01-17 | 2022-01-17 | 基于多要素过程自然属性的径流影响因素确定方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114386865A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117010727A (zh) * | 2023-10-07 | 2023-11-07 | 长江水利委员会水文局 | 一种基于水平年的径流序列一致性改正方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102867106A (zh) * | 2012-08-14 | 2013-01-09 | 贵州乌江水电开发有限责任公司 | 短期径流预报方法及系统 |
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 |
-
2022
- 2022-01-17 CN CN202210048412.7A patent/CN114386865A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102867106A (zh) * | 2012-08-14 | 2013-01-09 | 贵州乌江水电开发有限责任公司 | 短期径流预报方法及系统 |
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 |
Non-Patent Citations (2)
Title |
---|
董喆: "北川河流域径流变化特征及其影响因素分析", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
黄彬彬等: "基于多种水文学方法的赣江下游生态流量估算", 《科学技术与工程》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117010727A (zh) * | 2023-10-07 | 2023-11-07 | 长江水利委员会水文局 | 一种基于水平年的径流序列一致性改正方法 |
CN117010727B (zh) * | 2023-10-07 | 2024-01-02 | 长江水利委员会水文局 | 一种基于水平年的径流序列一致性改正方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111242404B (zh) | 一种强降雨诱发洪灾事件的极端性评估方法及系统 | |
Li et al. | Spatiotemporal characteristics of hourly precipitation over central eastern China during the warm season of 1982–2012 | |
CN112785031B (zh) | 基于总水储量亏损指数原理提高干旱监测时空准确性方法 | |
CN108647425B (zh) | 基于粒子群优化的K-means径流丰枯年份预报方法 | |
CN112287299B (zh) | 河流健康变化定量归因方法、装置及系统 | |
CN113435630B (zh) | 一种产流模式自适应的流域水文预报方法及系统 | |
CN114386865A (zh) | 基于多要素过程自然属性的径流影响因素确定方法及系统 | |
CN111090831A (zh) | 一种湖泊面积变化关键驱动因子识别方法 | |
CN115310796B (zh) | 一种不同类型干旱间传播关系的确定方法及系统 | |
Rashid et al. | Statistical characteristics of rainfall in the Onkaparinga catchment in South Australia | |
Liu et al. | Identifying the relationships between trophic states and their driving factors in the Shihmen Reservoir, Taiwan | |
CN114357737B (zh) | 针对大尺度水文模型时变参数的代理优化率定方法 | |
Mo et al. | Impact of annual maximum wind speed in mixed wind climates on wind hazard for mainland China | |
CN112507285B (zh) | 一种干旱检测方法 | |
Noorunnahar et al. | Trend analysis of rainfall data in divisional meteorological stations of Bangladesh | |
CN115329610B (zh) | 一种基于土壤水分的旱涝急转事件识别方法、装置及设备 | |
Liu et al. | A graded index for evaluating precipitation heterogeneity in China | |
CN116305834A (zh) | 热带气旋径向降水模型构建方法及装置、存储介质和终端 | |
CN113589404B (zh) | 一种场次暴雨径流量预测方法 | |
CN114595425B (zh) | 流域降水径流关系非一致性突变点诊断分析方法 | |
Davis et al. | Statistical Methods for Data Analysis | |
Zou et al. | Comparative study on appropriate drought and flood index selection in a tropical farming island in China | |
Rezaeimanesh et al. | Investigating sediment changes during dry and wet periods at both upstream and downstream stations of the Karkheh Dam. | |
Zhou et al. | Temporal and spatial distribution of multi-scale drought in North China | |
Li et al. | Study on Rainfall Distribution in Yunnan Province Based on ARIMA Model by Big Data Computation [J] |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220422 |