[发明专利]一种气候变化和人类活动对枯水流量影响检测与归因方法

权利要求书

1.一种气候变化和人类活动对枯水流量影响检测与归因方法，其特征在于，包括以下步骤：

S1、收集表征低流量的径流指标观测数据及其影响因子数据，进行预处理，得到预处理后的数据；

S2、根据预处理后的数据，采用Sen's slope检验法进行径流趋势的检测，评估全球枯水变化的时空模式，得到实测径流趋势；

S3、使用机器学习支持向量机模型进行径流的模拟，得到模拟径流；

具体输入变量为径流的相关影响因子：降水P、潜在蒸散发PET、归一化植被指数NDVI、陆地储水TWSC、基流地下水QSB、灌溉IRRIG；

S4、评估支持向量机模型的表现，将模拟径流与实测径流，模拟径流趋势与实测径流趋势进行对比；

S5、通过控制实验和敏感性实验，对影响因子的时间序列进行去趋势处理，从而能定量识别影响因子对径流的具体贡献；

S6、采用基于多元线性回归的全微分展开方法计算影响因子的贡献结果，并将此贡献结果与支持向量机的结果进行相互验证比较。

2.根据权利要求1所述的一种气候变化和人类活动对枯水流量影响检测与归因方法，其特征在于，所述步骤S1中收集表征低流量的径流指标观测数据为年最小月径流数据，影响因子：降水P、潜在蒸散发PET、归一化植被指数NDVI、陆地储水TWSC、基流地下水QSB皆为站点观测数据，灌溉IRRIG为模拟数据。

3.根据权利要求1所述的一种气候变化和人类活动对枯水流量影响检测与归因方法，其特征在于，所述步骤S2采用Sen's slope检验法进行径流趋势的检测，评估全球枯水变化的时空模式具体为：

S21、对全球N个站点进行数据质量控制，筛选出一段历史期间内，时间序列长度大于10年的站点；

S22、将筛选出来的站点时间序列进行Sen’s slope检测，计算出全球范围内径流显著增加和显著减少的站点比例，并将趋势结果进行空间上的可视化，评估全球径流变化的时空模式。

4.根据权利要求1所述的一种气候变化和人类活动对枯水流量影响检测与归因方法，其特征在于，所述步骤S3使用机器学习支持向量机模型进行径流的模拟具体为：

S31、基于十折交叉验证，选取一定的时间序列数据作为训练集以训练模型，然后将训练后的模型在验证集中进行相关性验证，用纳什系数NSE评价模型质量；

S32、确定合适的模型参数以使得模型的模拟效果达到最佳，然后将影响因子：降水P、潜在蒸散发PET、归一化植被指数NDVI、陆地储水TWSC、基流地下水QSB、灌溉IRRIG输入模型以对径流进行模拟。

5.根据权利要求1所述的一种气候变化和人类活动对枯水流量影响检测与归因方法，其特征在于，所述步骤S4具体为：

S41、将模拟径流与实测径流进行对比，可视化模拟径流与实测径流的时间序列图，比较两者之间的差异；

S42、将模拟径流趋势与实测径流趋势进行对比，通过散点图将两者之间的关系进行可视化，并且计算两者间的纳什系数、相关性系数，利用两个系数评估支持向量机模型模拟径流的表现。

6.根据权利要求1所述的一种气候变化和人类活动对枯水流量影响检测与归因方法，其特征在于，所述步骤S5具体为：

采用数值试验的方法分离降水等影响因子对低流量径流变化趋势的贡献，主要包括1个控制试验和6个敏感性试验；

控制试验中，使用支持向量机SVM模型模拟径流时不对各影响因子进行处理；

敏感性试验中，对敏感因子进行去趋势处理，对其他影响因子不做任何处理；

通过支持向量机模型模拟径流；

影响因子对径流变化趋势的贡献按照以下过程进行计算：

其中：Ci表示第i个影响因子对径流变化趋势的贡献；Ti表示第i个影响因子敏感性试验中径流的变化趋势。表示影响因子，除第i因子外对径流变化趋势的贡献和；k表示对某一驱动要素进行的敏感性试验；n等于6，表示敏感性试验的数量；

单个影响因子对径流变化趋势的贡献通过求解下式得到：

7.根据权利要求1所述的一种气候变化和人类活动对枯水流量影响检测与归因方法，其特征在于，所述S6具体为：

径流变化趋势的斜率等于各个影响因子的贡献和，按照下式展开：

Slope of R＝(P_Contribution+PET_Contribution+NDVI_Contribution+TWSC_Contribution+Qsb_Contribution+IRRIG_Contribution)+Residual

径流与各个影响因子之间关系的全微分展开式如下：

其中，Rs为指定历史时间段内最小月径流变化趋势的斜率；分别为径流与此6个影响因子之间建立的多元线性回归方程前的回归系数；分别为此6个影响因子在指定历史时间段内与径流相同月份时间序列变化趋势的斜率；Res为全微分方程的残差，代表除以上影响因子外的变量对径流的影响，因子多元线性回归系数与其斜率的乘积代表该因子对径流的贡献。