[发明专利]一种水文趋势变异度量指标及影响因素分析监测方法

说明书

技术领域

本发明涉及水文监测方法，具体涉及一种水文趋势变异度量指标及影响因素分析监测方法。

背景技术

在近几十年气候变化和人类活动综合影响下，水文序列呈现出非一致性，在统计意义上被称为水文变异。其中，趋势变异作为水文变异的重要组成部分，一直是水文水资源研究领域重点关注的科学问题之一。目前关于趋势识别的主要方法通常只能判定时间序列趋势的显著与否，而不能量化趋势变异程度的大小。一些指标可以描述趋势的斜率，但因其不能同时考虑水文序列中均值、离散程度等其他因素的影响且取值范围过大，也不宜用作趋势变异程度等级划分。因此，需要一种计算简单，能综合考虑多种影响因素的度量指标来对水文序列趋势成分进行分析，以准确理解和认识气候变化以及水文过程的变异程度，对水文变化情况进行监测，满足气候变化影响定量评估、旱涝灾害防治、水资源规划管理等问题的实际需求。

发明内容

本发明要解决的技术问题是：解决了现有趋势识别方法所存在的不足；提供一种水文趋势变异度量指标及影响因素分析监测方法，计算过程简单，能综合考虑多种影响因素的度量指标来对水文序列趋势成分进行分析，且能用作趋势变异程度等级划分，用以准确监测气候变化以及水文过程的变异程度。

本发明为解决上述技术问题采用如下技术方案：

一种水文趋势变异度量指标及影响因素分析监测方法，其特征在于将相关系数作为度量指标以定量分析水文序列趋势变异程度，主要包括如下步骤：

S1：通过计算水文序列和水文序列的趋势成分之间的相关系数r，建立相关系数r和趋势斜率b之间的关系以分析趋势斜率b绝对值、序列长度n、均值和变差系数C_vu值因素对相关系数的影响；

S2：对相关系数进行趋势变异等级划分，将水文序列趋势变异程度依次划分为无变异、弱变异、中变异、强变异以及巨变异；

S3：计算出实测水文序列x_t和其时序t之间的相关系数，确定该相关系数所属的趋势变异等级区间，即可判断序列的趋势变异程度。

进一步的，所述水文序列包括多项水文参数序列，步骤S1-S3中，分别计算各项水文参数序列的相关系数值，并分别对各相关系数值进行趋势变异等级划分，最后通过计算各项水文参数序列的实测水文序列x_t和其时序t之间的相关系数r，找到各项水文参数序列的趋势变异程度。

进一步的，所述水文序列包括年平均水位序列、汛期平均水位序列、枯期平均水位序列以及各月份平均水位序列中的一项或多项。

进一步的，步骤S1中，其中，n表示序列长度；相关系数r不仅与趋势斜率b有关，也与纯随机成分的均值和变差系数C_vu值有关；均值一定，在同一变差系数C_vu值下，相关系数r随着趋势斜率的增大而增大，说明当纯随机成分离散程度相同时，趋势成分较大的序列趋势变异程度较大；在同一趋势斜率下，相关系数随着C_vu值的增大而减小，说明当趋势成分相同时，纯随机成分离散程度较高的序列趋势变异程度较小。

进一步的，步骤S2中，选取显著性水平α、β下的相关系数临界值r_α、r_β及0.6与0.8作为分级阈值，得到与显著性等级对应的区间分别为：无变异、弱变异、中变异、强变异、巨变异。

上述的相关系数(r)和趋势斜率(b)之间的关系，所述关系为其推导过程如下：假定水文序列x_t含有线性趋势(对于非线性趋势，可通过数学变换将其转化为线性趋势)，可采用线性方程进行描述：

x_t＝a+bt+η_t (1)

式中：t为时序，η_t为残余随机项。利用最小二乘法求出截距a和回归系数b的估计值如下：

式中：

水文序列x_t与时序t的线性相关程度可由相关系数r描述，计算公式为：

利用公式(2)和(4)可以推求出相关系数r和参数b之间的数学表达式为：

式中：σ_t为时序的标准差，σ_x为水文序列的标准差。

为了进一步分析水文序列的标准差σ_x，把公式(1)中的a和η_t合并，将存在趋势项的水文序列表示为线性叠加的形式：