水文时间序列复杂特性的研究与定量表征

应用小波分析方法及相关理论,以海河流域黑龙洞泉域47a(1956～2002年)年降雨序列和黄河利津站54a(1950～2003年)年径流序列为例.深入研究并定量描述随序列长度变化时水文时间序列主周期值和复杂特性的变化规律和特征.分析结果显示:不同方法(熵谱分析(MESA)、连续小波变换和小波方差分析)对相同长度序列的周期识别结果一致,不同长度序列的主周期值不同;此外,不同长度序列(包括原序列和消噪序列)的信息量系数(ICF)和分维数(D)也不等.研究结果表明:(1)水文序列特性复杂多变,存在整体变化特性和十分复杂的局部特性;(2)由局部特性发生变化造成序列的复杂程度随序列长度而变化,从而引起序列主周期值及复杂度(ICF和D)随序列长度变化而变化;(3)相比于序列的整体变化特性.局部特性更加复杂多变且更难以进行描述,因此也难以进行准确地模拟预测.对于引起水文序列局部特性变化的物理机制仍需进行深入探讨.     

HIMS模型参数的不确定性及其影响因素

模型参数的不确定性及影响因素分析对无资料流域水文预报具有重要意义。本文以澳大利亚3 个流域为例,采用GLUE方法分析HIMS模型参数的不确定性,在此基础上探讨流域物理属性对参数取值的影响。研究发现:① HIMS模型9个参数的不确定性都比较大,属于敏感参数;② 降雨量、森林覆盖度和表层土壤最大有效蓄水量大的流域,土壤蓄水容量W_sm取值大;土壤饱和导水率和森林覆盖度高的流域,产流系数R、r的取值较大;温度低、森林覆盖度小的流域,实际蒸散发系数ε取值大;易透水、森林覆盖度高的流域,马斯京根汇流系数C₂取值大。这些结论能为今后在无资料流域应用HIMS模型进行水文预报提供一定参考。     

雅鲁藏布江流域不同源降水数据质量对比研究

本文以雅鲁藏布江流域为研究区,利用13个气象站点的实测降水量数据在年和月尺度上验证了中国地面降水网格数据、CRU(Climatic Research Unit)降水数据和GLDAS(Global Land Data Assimilation System)降水数据的精度,并分析了不同源数据降水量年际变化特征和概率分布特性之间的差异。结果表明：4种不同来源的降水数据均存在一定程度的差异。年尺度和月尺度上中国地面降水网格数据与实测降水量数值最接近;而CRU降水数据和GLDAS降水数据与实测降水量相差较大,在使用时需谨慎。从空间差异性看,年尺度上CRU降水数据在每个站点与实测降水数据的相关性均高于GLDAS降水数据,说明前者的空间一致性较好,但相对误差却比GLDAS降水数据大。从年内变化趋势看,中国地面降水网格数据能较好地反映流域降水月尺度的变化特征,CRU降水数据则在流域大部分地区的汛期时段都存在明显的高估,而GLDAS数据无法反映月降水变化趋势,年内坦化现象十分显著。从年际变化特征看,中国地面降水网格数据能较好地反映实际降水量的年际变化特征,而GLDAS降水数据和CRU降水数据反映的降水量年际变化特征偏小,其中GLDAS数据的坦化现象更严重,会高估低降水值,低估高降水值。从降水概率分布情况来看,3种来源的降水数据均不能反映站点实测的极端降水事件。     

洞庭湖三口洪峰流量和水位变异特性分析

近几十年来,受荆江裁弯、葛洲坝工程运用、三峡水库拦蓄调度、洞庭湖治理以及长江上游水土保持措施等因素的综合影响,洞庭湖三口(松滋口、太平口和藕池口)的水文情势发生了显著变化,给湖区防洪、水资源、水生态、水环境等造成一系列影响.为了深入认识三口洪水发生的复杂变化,本文采用水文变异诊断系统和Zivot-Andrews结构突变单位根检验方法,对三口各水文站点的年最大洪峰流量和年最高洪峰水位序列进行变异诊断,并对其变异特性和变异原因进行分析.结果表明,各站点洪峰流量序列的变异具有较好的一致性;受分流能力变化和上游来流变化的影响,三口各站点的洪峰流量多呈现方向向下的趋势变异;受到洪道冲刷、流量减小、顶托减弱、洪道上下游落差增大的影响,三口各站点洪峰水位在2004年均发生方向向下的跳跃变异.     

我国不同历时年最大降雨量的随机性及空间差异性

极端降水极易引发山洪和城市内涝等水灾害,给生态环境安全、社会经济发展、人民生命财产安全等带来极大损失,认识其（尤其是短历时）空间分布差异对洪涝灾害防治等具有重要意义。本文利用60 min、6 h和24 h共3种历时的年最大降雨量的统计特征参数,生成服从皮尔逊-Ⅲ型分布的长序列样本,并选用信息熵指标研究其随机性及空间分布差异。结果显示：各历时年最大降雨量的随机性均呈现由东南向西北逐渐减小的空间格局,但不同历时降水随机性的空间分布存在差异,主要体现在青藏高原东部、海河流域和淮河流域3个区域。此外,所求年最大降雨量信息熵值主要考虑了其取值的相对离散情况,故该信息熵值与整个序列绝对离散程度（即标准差）的关系不明显,而主要由序列均值处峰值高低的峰度系数决定,二者呈现明显的负相关关系;且由于峰度系数和变差系数的良好相关性也导致了变差系数与信息熵值之间呈现出良好关系。季风、台风、局地天气系统和人类活动等因素综合影响,决定了不同历时极端降水的空间分布格局及其差异。信息熵指标可以很好地反映中国各历时年最大降雨量随机性的空间分布格局,因而结果可为洪涝灾害防治、农业规划布局、生态环境规划保护等提供科学依据。     

水文序列小波分析中分解层数选择方法

小波分解层数的合理选择是水文序列小波分析结果的重要影响因素。在详细分析和定量描述不同类型噪声的能量分布规律的基础上,依据水文序列中确定成分和噪声成分的能量分布规律的差异,提出了一个小波分解层数选择方法。通过对不同类型模拟序列和不同特性实测水文序列进行分析,验证了所提方法的有效性和实用性。结果表明:序列组成、噪声含量等因素对小波分解层数的选择结果有较大影响,但噪声类型对小波分解层数选择结果影响较小;应用该方法确定小波分解层数的同时,还可以有效地识别和区分各层上是确定成分或是噪声成分,进而可为序列模拟预测提供依据。由于所提方法基于水文序列不同成分变化特性的差异建立,因此有较好的物理依据且分析结果合理可靠。     

水文时间序列分析方法研究进展

水文时间序列不仅组成复杂,而且特性也复杂多变。目前认为水文时间序列主要表现出随机性、模糊性、非线性、非平稳性和多时间尺度变化等复杂特性。本文首先简要介绍了用于揭示水文过程复杂变化特性的时间序列分析方法的相关进展,包括序列相关性分析方法、水文频率分析方法、模糊分析方法、混沌理论分析方法、信息熵分析方法和小波分析方法等6种。然后,对各种分析方法存在的主要问题和有待解决的问题进行讨论,指出了各种方法应用于水文时间序列分析时存在的主要缺陷和不足。最后指出,不断改进和完善时间序列分析方法,探讨各种方法的联合和耦合,加强物理成因分析和数理统计分析相结合,是提高水文时间序列分析结果精度和可靠性的有效手段,也是研究和解决环境变化影响下水文水资源问题的有效途径。     

水文频率分析中参数估计SAGA-ML方法的研究

建立基于模拟退火遗传算法(Sjmualted Annealing Genetic Algorithm,SAGA)的改进极大似然法,即将似然函数相反数求解极小值的表达式作为目标函数,依据矩法估计参数取值范围作为约束条件,然后应用SAGA进行参数估计.与常规极大似然法思路有本质不同,改进极大似然法通过遗传算法进行参数优化.通过蒙特卡罗试验,验证了改进极大似然法在参数估计和不同频率设计值估计两个方面均具有很好的准确性,与基于最大熵原理的方法效果相当,优于其他方法;同时该方法不受线型类型、参数数目和约束条件的限制;可以避免应用常规极大似然法时出现似然方程无解等情况;且求解过程简便快捷,使极大似然法在理论上和实际应用中都成为有效的方法.     

小波分析方法在水文学研究中的应用现状及展望

本文首先介绍了小波分析的基本方法,主要包括小波函数、小波变换和小波消噪等。然后从6个方面,即基于连续小波变换的水文序列多时间尺度变化特性分析、基于离散小波变换的水文序列分解和重构、水文过程复杂性定量描述、水文序列小波消噪、水文序列小波互相关分析和基于小波方法的水文序列模拟预报技术,综述了小波分析方法在水文学各领域的研究应用现状和主要不足,以及存在的关键和难点问题。最后,对小波分析方法在今后的水文学研究中的应用进行了展望,并就小波函数选择、小波阈值消噪、小波分解、小波互相关分析、水文序列小波预报等具体问题提出了建议。