一种考虑气候变化的水文集合预报方法

1.本发明属于气象与水文所致自然灾害预报技术领域，具体为一种考虑气候变化的水文集合预报方法。


背景技术：

2.流域水文系统的复杂性日益加剧。近年来，暴雨等极端事件频发，导致极端洪水频率显著增加。作为常见的自然灾害之一，暴雨洪水的发生需要付出高昂的代价，例如，2020年长江流域爆发全流洪水，持续高水位造成安徽、江西、湖北、湖南等地遭受大面积洪涝灾害，造成了巨大的经济损失。流域水文系统的复杂性日益加剧，如何准确预报流域径流是目前存在的挑战之一。
3.气候变化已成全球公认的事实。政府间气候变化专门委员会(ipcc)指出，全球气温未来将增加约0.3-4.8℃，气候变暖是不争的事实。气候变化对地球系统中的岩石、大气、水和生物等圈层产生了不同程度的影响。它深刻影响着生态环境和人类活动，主要表现在农业、林业、渔业、水资源、人类健康等方面。
4.气候变化对水循环过程影响显著。全球气候变化对水循环过程产生了全方位、多层次的影响，直接或间接地改变了水文要素的时空分布。未来的降水特征，如强度、频率和持续时间将进一步改变，降水量和气温的变化直接影响着径流变化。于此同时，流域气象水文系统中多因子间存在复杂的不确定性、动态性、空间异质性与互动性，给水文预报带来巨大挑战。定量分析气候因子对径流的影响对于建立可靠的水文模型和准确预报未来径流至关重要。
5.因此，需要本领域技术人员迫切解决的一个技术问题就是：如何在气候变化环境下准确的预报未来时期的水文水资源状况，从而为应对未来时期流域水资源开发和管理，及评估未来旱灾害带来的影响提供科学合理的建议。


技术实现要素：

6.本发明的目的是提出一种考虑气候变化的水文集合预报方法，具体包括如下步骤
7.步骤1，收集气象观测数据、再分析数据、以及最新的全球气候模型(gcm)数据(cmip6)，和观测径流均选择同一历史时期、初选多个气候变量因子构建流域气象水文大数据集、以及水文站点实测流域出口断面流量数据，建立流域气象水文数据库；所述气候变量因子包括降水、潜在蒸散发、最高温度、最低温度、平均温度、10米风速、海平面汽压、相对湿度、绝对湿度和地面辐射共10种气象数据；
8.步骤2，流域气候变量与径流的相关性分析，根据步骤1中得到的气象水文大数据集，将观测径流与10种气候因子分别进行pearson,kendall和spearman三类相关性分析，得到其对应的相关系数；针对每一类相关性，按照从大到小的原则对其进行排序，选择相关系数大小排名前3的气候变量，去除自相关性较高的变量，剩余变量即为最终选择得到的用于后续建立预报模型的气候因子；同时为考虑前期气候条件影响，筛选出的3类气候变量的前
一个月数据也用于建立预报模型变量，即总的预报因子为3*2＝6个；
9.步骤3，开发多套数据驱动水文模型，根据步骤2将筛选得到的气候因子，通过多元回归、支持向量机、随机森林、逐步聚类进行多种大数据分析，建立气候变量和径流间的多元复杂统计关系，开发多套数据驱动水文模型；
10.步骤4，建立贝叶斯集合水文预报模型，根据步骤3开发的多套数据驱动水文模型，借助多层贝叶斯网络集合理论，整合不同数据驱动模型的优势，从而建立一个可靠的贝叶斯集合水文预报模型；
11.步骤5，率定和验证开发的集合水文预报模型，根据构建流域气象水文大数据集，选择1970-2020年(共50年)同一历史时期的气候变量因子和观测径流，对建立的贝叶斯集合水文模型进行模型参数率定和验证；
12.步骤6，预报气候变化条件下的径流变化情况。将全球气候模型提供的本世纪末(如2050-2100年)的气候因子变量输入步骤5中经过验证的集合水文预报模型，输出得到径流变化，并进一步分析未来气候变化条件下的径流时空变化情况；步骤7，定量解析气候变量对径流变化的贡献。根据步骤5开发的集合水文预报模型，利用多水平析因分析，通过方差分析，定量解析气候变量对未来径流变化的贡献，并量化气候变量间的交互作用。
13.所述步骤5的率定和验证开发的集合水文预报模型，诠释了气候变化与流域水文水资源状况之间的关系，开发建立因贝叶斯集合水文预报模型(fbeh)，通过筛选与径流变化相关的气候变量，建立集合数据驱动水文模型，定量解析气候变量对径流变化的影响，进而预报未来时期的径流状况。
14.本发明的有益效果为：
15.1)得到一个可靠的集合水文预报模型，以增强不确定性下的水文预报精度。通过这种方式可为应对未来变化条件下，流域水资源管理与防洪抗旱提供科学合理的建议
16.2)定量解析气候变量对径流变化的贡献，并量化气候变量间的交互作用，对理解气候变量对径流变化的影响机理具有重要意义。
附图说明
17.图1为考虑气候变化的水文集合预报流程图。
18.图2为集合水文预报模型的率定期和验证期结果图，其中，(a)率定期的nse系数，(b)验证期的nse系数；
19.图3为气候变量对径流变化的贡献结果图。
具体实施方式
20.本发明提出一种考虑气候变化的水文集合预报方法，下面结合附图和具体的实施例对本发明作进一步的详细说明，
21.实施例，考虑气候变化的珠三角典型流域水文集合预报研究方法，包括以下步骤：
22.步骤1，收集气象观测数据、再分析数据、以及最新的全球气候模型(gcm)数据(cmip6)，和观测径流均选择同一历史时期、初选多个气候变量因子构建流域气象水文大数据集、以及水文站点实测流域出口断面流量数据，建立流域气象水文数据库；所述气候变量因子包括降水、潜在蒸散发、最高温度、最低温度、平均温度、10米风速、海平面汽压、相对湿
度、绝对湿度和地面辐射共10种气象数据；
23.步骤2，流域气候变量与径流的相关性分析，根据步骤1中得到的气象水文大数据集，将观测径流与10种气候因子分别进行pearson,kendall和spearman三类相关性分析，得到其对应的相关系数；针对每一类相关性，按照从大到小的原则对其进行排序，选择相关系数大小排名前3的气候变量，去除自相关性较高的变量，剩余变量即为最终选择得到的用于后续建立预报模型的气候因子；同时为考虑前期气候条件影响，筛选出的3类气候变量的前一个月数据也用于建立预报模型变量，即总的预报因子为3*2＝6个；如表1所示气候变量和径流的相关性分析结果。
24.表1气候变量和径流的相关性分析结果
[0025][0026]
步骤3开发多套数据驱动水文模型。根据步骤2将筛选得到的气候因子，通过线性回归(lm)，逐步多元回归(steplm)、支持向量机(svm)、随机森林(rf)等多种大数据分析方法，建立气候变量和径流间的多元复杂统计关系，开发多套数据驱动水文模型，并分析不同统计水文模型的模型表现，如图2所示为集合水文预报模型的率定期和验证期结果图，其中，(a)率定期的nse系数，(b)验证期的nse系数；
[0027]
步骤4建立贝叶斯集合水文预报模型。根据步骤3开发的多套数据驱动水文模型，借助多层贝叶斯网络集合理论，整合不同数据驱动模型的优势，从而建立一个可靠的贝叶斯集合水文预报模型。
[0028]
步骤5，率定和验证开发的集合水文预报模型。根据构建流域气象水文大数据集，选择同一历史时期的气候变量因子和观测径流，如1970-2020年，对建立的贝叶斯集合水文模型进行模型参数率定和验证，如图2所示集合水文预报模型的率定期和验证期结果图
[0029]
步骤6预报气候变化条件下的径流变化情况。将全球气候模型提供的2050-2100年的气候因子变量输入步骤5中经过验证的集合水文预报模型，输出得到2050-2100年的径流变化，并进一步分析气候变化条件下的径流时空变化情况。
[0030]
步骤7，定量解析气候变量对径流变化的贡献。根据步骤5开发的集合水文预报模型，利用多水平析因分析，通过方差分析，定量解析气候变量对未来径流变化的贡献，并量化气候变量间的交互作用，如图3所示气候变量对径流变化的贡献结果图。