基于水循环的水文干旱特征识别和归因方法及系统

本技术涉及水文干旱监测识别及水资源管理，具体涉及基于水循环的水文干旱特征识别和归因方法及系统。

背景技术：

1、干旱是造成大量经济损失、最容易发生、影响范围最广的自然灾害事件之一。受干旱影响，全球平均每年有60-80亿美元的经济损失。一方面，在气候变化和人类活动的双重驱动下，干旱的发生频率、持续时间以及干旱强度都有明显的加剧。另一方面，经过一系列植被修复过程，我国植被覆盖有明显提高，对区域局部水循环发生了一定影响。因此识别干旱特征、分析干旱驱动因子已经成为国内外的研究热点。

2、干旱主要分为气象干旱、水文干旱、农业干旱以及社会经济干旱。目前关于水文干旱驱动因子的分析主要分为三大类：配对流域比较法、统计学分析方法以及基于水文模型的方法。与前两者研究方法相比，基于水文模型的分析方法考虑质量守恒和能量守恒定律，可以在一定程度上、有效模拟流域水文过程。国内外研究学者构建了一些分布式水文模型分析气候变化和人类活动对水文干旱的归因分析，但是考虑植被动态变化的干旱归因分析相对较少。

3、构建考虑植被变化的dtvgm-pml模型为改进的分布式时变增益模型，在原始的dtvgm基础上耦合了pml蒸散发模块，并包含了降雨截留模块、融雪模块、地表地下产流模块以及汇流模块。

技术实现思路

1、本技术提供一种基于水循环的水文干旱特征识别和归因方法及系统，可以解决现有技术中存在的考虑植被动态变化的干旱比较不同情景下的水文干旱特征量的差异，根据比较结果获取不同驱动因素对水文干旱特征的影响相对较少技术问题。

2、第一方面，本技术提供一种基于水循环的水文干旱特征识别和归因方法，包括以下步骤：

3、收集研究区研究时段内的流域气象水文数据；

4、对流域径流数据进行突变检验，确定突变年份，划分研究时段为突变前时段和突变后时段；

5、根据突变前时段和突变后时段的流域气象水文数据以及dtvgm-pml模型，构建分布式水文模型并模拟不同情景下的径流序列；

6、根据不同情景下的径流序列分别构建水文干旱序列，采用游程理论对构建的水文干旱序列进行干旱识别，获取不同情景下的水文干旱事件并统计水文干旱特征量；

7、比较不同情景下的水文干旱特征量的差异，根据比较结果获取不同驱动因素对水文干旱特征的影响。

8、结合第一方面，在一种实施方式中，所述收集研究区研究时段内的流域气象水文数据步骤中，流域气象水文数据包括气象驱动数据、陆面驱动数据、率定参考数据以及流域水文站点实测数据。

9、结合第一方面，在一种实施方式中，所述根据突变前时段和突变后时段的流域气象水文数据以及dtvgm-pml模型，构建分布式水文模型并模拟不同情景下的径流序列，具体包括以下步骤：

10、基于突变前时段的流域水文气象数据，构建分布式水文模型并进行模型参数率定，获取参数率定后的分布式水文模型；

11、在突变后时段，根据不同的情景，设计不同的包含气象数据和植被数据的输入数据至参数率定后的分布式水文模型，获取不同情景下的径流序列。

12、结合第一方面，在一种实施方式中，所述基于突变前时段的流域气象水文数据，构建分布式水文模型并进行模型参数率定，获取参数率定后的分布式水文模型，具体包括以下步骤：

13、划分突变前时段为模型率定期和模型检验期；

14、输入研究区模型率定期的流域气象水文数据至dtvgm-pml模型进行数据模拟，构建分布式水文模型并进行参数率定，获取率定期数据的模型模拟效果；

15、输入研究区模型检验期的流域气象水文数据至参数率定后的分布式水文模型，获取检验期数据的模型模拟效果；

16、根据率定期数据的模型模拟效果和检验期数据的模型模拟效果，获取dtvgm-pml模型对研究区的水循环过程的模拟效果，根据模拟效果，获取模拟效果验证通过的分布式水文模型。

17、结合第一方面，在一种实施方式中，基于突变前时段的流域气象水文数据，构建分布式水文模型并进行模型参数率定，获取参数率定后的分布式水文模型，具体包括以下步骤：

18、划分突变前时段为模型率定期和模型检验期；

19、输入研究区模型率定期的流域气象水文数据至dtvgm-pml模型进行数据模拟，构建分布式水文模型并进行参数率定，获取率定期数据的模型模拟效果；

20、输入研究区模型检验期的流域气象水文数据至参数率定后的分布式水文模型，获取检验期数据的模型模拟效果；

21、根据率定期数据的模型模拟效果和检验期数据的模型模拟效果，获取dtvgm-pml模型对研究区的水循环过程的模拟效果，根据模拟效果，获取模拟效果验证通过的分布式水文模型。结合第一方面，在一种实施方式中，所述在突变后时段，根据不同的情景，设计不同的包含气象数据和植被数据的输入数据至参数率定后的分布式水文模型，获取不同情景下的径流序列，具体包括以下步骤：

22、在突变后时段，根据不同的情景，设计不同的包含气象数据和植被数据的输入数据至参数率定后的分布式水文模型，获取径流模拟结果；

23、根据径流模拟结果和突变前后的实测径流序列，获取不同情景下的径流序列。

24、结合第一方面，在一种实施方式中，所述根据不同情景下的径流序列分别构建水文干旱序列，采用游程理论对构建的水文干旱序列进行干旱识别，获取不同情景下的水文干旱事件并统计水文干旱特征量，具体包括以下步骤：

25、根据不同情景下dtvgm-pml模型的径流模拟结果和突变前后的实测径流序列，分别构建水文干旱序列；

26、采用游程理论分别对水文干旱序列进行识别得到不同设计情景及实际情景的水文干旱事件并统计水文干旱特征量。

27、结合第一方面，在一种实施方式中，所述比较不同情景下的水文干旱特征量的差异，根据比较结果获取不同驱动因素对水文干旱特征的影响，具体包括以下步骤：

28、根据不同设计情景和实际情景下的水文干旱特征，统计不同情景下的水文干旱特征平均值；

29、比对不同情景下水文干旱特征平均值的差异，得到不同因素对干旱特征平均值的影响量；

30、根据不同因素对干旱特征平均值的影响量，统计不同因素对干旱特征平均值影响量占总干旱特征平均值影响量的比例，获取干旱影响分析结果。

31、第二方面，本技术提供了一种基于水循环的水文干旱特征识别和归因系统，包括：

32、数据收集模块，用于收集研究区研究时段内的流域气象水文数据；

33、时段划分模块，与所述数据收集模块通信连接，用于对流域径流数据进行突变检验，确定突变年份，划分研究时段为突变前时段和突变后时段；

34、模型构建和情景模拟模块，与所述数据收集模块和时段划分模块通信连接，用于根据突变前时段和突变后时段的流域气象水文数据以及dtvgm-pml模型，构建分布式水文模型并模拟不同情景下的径流序列；

35、特征识别模块，与所述模型构建和情景模拟模块通信连接，用于根据不同情景下的径流序列分别构建水文干旱序列，采用游程理论对构建的水文干旱序列进行干旱识别，获取不同情景下的水文干旱事件并统计水文干旱特征量；

36、水文干旱归因模块，与所述特征识别模块通信连接，用于比较不同情景下的水文干旱特征量的差异，根据比较结果获取不同驱动因素对水文干旱特征的影响。

37、结合第二方面，在一种实施方式中，所述模型构建和情景模拟模块包括：

38、时段划分单元，与所述数据收集模块和时段划分模块通信连接，用于划分突变前时段为模型率定期和模型检验期；

39、率定期数据的模型模拟效果获取单元，与所述时段划分单元通信连接，用于输入研究区模型率定期的流域气象水文数据至dtvgm-pml模型进行数据模拟，构建分布式水文模型并进行参数率定，获取率定期数据的模型模拟效果；

40、检验期数据的模型模拟效果获取单元，用于输入研究区模型检验期的流域气象水文数据至参数率定后的分布式水文模型，获取检验期数据的模型模拟效果；

41、模型获取单元，用于根据率定期数据的模型模拟效果和检验期数据的模型模拟效果，获取dtvgm-pml模型对研究区的水循环过程的模拟效果，根据模拟效果，获取模拟效果验证通过的分布式水文模型。

42、本技术实施例提供的技术方案带来的有益效果至少包括：

43、本技术基于分布式水文模型dtvgm-pml模型分析气候变化和人类活动(重点关注植被变化)对水文干旱进行归因分析，为水文干旱监测和预防提供理论依据，为水资源的管理及相关政策指定提供科学依据和决策支持。