广东省东江流域降水时空分布特征.docxVIP

广东省东江流域降水时空分布特征 在水文和化工集领域的概率分布参数中，通常选择研究领域中具有代表性的雨量站点，分析每个站点代表的相对面积，并使用加权平均值等方法推断该区域的平均雨量序列，最后调整其概率分布曲线。选取广东省东江流域为研究区域,流域地处我国华南地区,位于欧亚大陆的东南边缘,季风气候显著,由于季风进退及强度的时空差异与频繁受到热带天气系统影响,流域降水变率偏大,而华南地区的河川径流基本来源于降水补给,降水的丰枯直接影响流域水资源的安全状况。考虑不同时段、各气候类型区域的面雨量变量可能服从不同的分布线型及同一线型的参数也可能各不相同,引入Copula函数处理上述区域降水时空分布特征的差异性。通过Copula函数构造两相邻区域面雨量变量的联合分布及重现期,分析计算结果深入探讨其时空分布规律,为保障流域水资源安全提供理论参考,并与传统方法计算结果比较,评价两种方法的优劣。 1 copula函数 1.1 边缘分布的n-copula函数及边缘分布的n-copula函数 Copula函数是定义域为均匀分布的多维联合分布函数,其定义为:令H为一个n维分布函数,各变量的边缘分布为F1,F2,…,Fn,那么存在一个n-Copula函数C,使得对任意x∈Rn,满足: H(x1,x2,…,xn)= Cθ(F1(x1),F2(x2),…,Fn(xn)) (1) 式中,θ为Copula函数的参数。若F1,F2,…,Fn是连续的,则n-Copula函数C唯一确定。 1.2 极大似然估计法 常用的Copula函数参数估计方法有极大似然估计法、相关性指标法、矩估计法及非参数估计法等,其中极大似然估计法,包括完全极大似然法(MLE)、边际插值函数法(IFM)和伪极大似然法(PMLE)三种。 1.3 copula函数模型 拟合优度评价是选取与已有实测数据拟合最优的分布线型的一个重要标准。常用方法包括图形检测法(又称Q-Q图法)、Genest-Rivest法、AIC(BIC)信息准则及离差平方和最小准则(OLS)等。AIC信息准则法为AIC值越小,说明Copula函数拟合效果越好。 AIC=nlnMSE+2k(2) 其中 ΜSE=1nn∑i=1(Femp(xi1,xi2)-C(ui1,ui2))2(3)MSE=1n∑i=1n(Femp(xi1,xi2)?C(ui1,ui2))2(3) 式中,MSE为均方误差;k为理论模型参数的个数;Femp(xi1,xi2)为经验累计频率;C(ui1,ui2)为理论联合概率。 2 copula函数关系 数据来源为1956～2009年东江流域内32个代表雨量站的月尺度降水资料。结合华南地区年内降水量分布呈双峰型,划分前汛期(4～6月)、后汛期(7～9月)与枯季(10月～次年3月)三个研究时段。按水文控制站将流域从上至下划分为龙川区间(D1)、龙川-河源区间(D2)、河源-岭下区间(D3)与岭下-博罗区间(D4)四个研究区域(图1)。将利用泰森多边形法统计得出的三个研究时段各区间面雨量序列数据作为变量(表1),采用IFM法确定Copula函数。IFM法将边缘分布与Copula函数的参数估计分开,分别用极大似然法进行估计。 2.1 枯季降水灾害与年际差异 由表1可看出:①除D4外,由季风爆发、锋面系统活动带来的前汛期降水普遍强于受热带系统影响带来的后汛期降水,流域下游(D4)由于沿海受到热带天气系统活动影响显著而雨量偏大;流域中游(D2、D3)汛期雨量稍大于上下游地区(D1、D4),而流域上游(D1、D2)枯季雨量显著大于下游地区(D3、D4),因此可认为流域下游的水资源丰枯风险偏严重。②前汛期各区间雨量序列偏态系数|CS|0.1,枯季均有CS2.4,仅后汛期D2、D4的CV与CS关系满足P-Ⅲ型曲线适用条件,然而计算均方根误差(RMSE)分别为0.019与0.029,P-Ⅲ型曲线对于拟合当前时间尺度的雨量变量序列不存在优势,故假定三个研究时段各区间面雨量变量序列服从广义极值分布(GEV)(RMSE值均小于0.034,可接受假设)。在IFM法第一阶段利用极大似然法对GEV的参数(形状参数κ、尺度参数α、位置参数β)进行估计,结果见表2。 2.2 日变化空间下的copula函数 采用 Pearson 线性相关系数、Kendall 秩相关系数和Spearman 相关系数度量雨量变量的相关性,结果见表3。由表可看出,三个研究时段各相邻区间的雨量变量间存在明显的相关关系。选取Gaussian、Frank、Gumbel和Clayton这四类Copula函数,在IFM法第二阶段利用极大似然法对Copula函数的参数进行估计,结果见表4。 由表4可看出雨量变量四种理论联合分布中拟合效果最佳的Copula函数类。以前汛期流域D2-D