[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

说明书

本发明提供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，包括：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；采用Sen's slope检验法进行径流趋势的检测；使用机器学习支持向量机模型进行径流的模拟；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；通过控制实验和敏感性实验，对影响因子的时间序列去趋势，定量识别出此影响因子对径流的具体贡献；引入基于多元线性回归的全微分展开方法计算影响因子贡献。本发明可定量识别气候变化和人类活动对全球枯水流量的影响，有助于科学理解气候变化及人类活动对全球干旱演变的作用过程，可为全球水资源管理及洪旱灾害评估提供理论参考。

技术领域

本发明涉及水文水资源领域，具体涉及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。

背景技术

全球气候变化和人类活动是区域与全球水循环显著的变化的主要因素。全球水资源与水安全直接影响人类文明的发展和生态环境的建设，水文学领域专家学者对此广泛关注。河川径流变化是水循环的关键环节，也是陆地可利用水资源的最主要组成。在陆地水循环的所有组成部分中，径流是能够观测到的具有最高站点密度和最长时间覆盖范围的变量，是调查过去水资源和水文极端变化的最佳工具。而能够反映水文干旱的低流量信号(年最小月径流)就是在径流基础上针对这些热点问题提出的一个研究方向，主要利用趋势分析与相关性分析法以及预报模型架构分析气候变化和人类活动对径流变化的贡献，然而，对于各影响因子具体贡献率的定量识别和归因，这些问题目前找不到合适的解决办法。

发明内容

为解决现有技术的不足，本发明目的是提供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，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；

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；

S3、使用机器学习支持向量机模型进行径流的模拟，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，从而能够定量识别出此影响因子对径流的具体贡献；

S6、引入一种新的计算影响因子贡献的方法，基于多元线性回归的全微分展开方法，并将此计算的贡献结果与支持向量机的结果进行相互验证比较。

进一步地，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。

进一步地，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，筛选出指定历史时间段内时间序列长度大于10年的站点，排除有些站点的数据记录时长过短对结果的干扰；

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，从而评估全球径流变化的时空模式。

进一步地，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出模型，然后将训练出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；