一种评估Budyko关键参数变化影响因素的方法

本发明涉及地表蒸散发相关变量研究，特别是涉及一种评估budyko关键参数变化影响因素的方法。

背景技术：

1、budyko模型是一个针对地表水分配、水量平衡对气候变化等响应研究的理论模型，后续choudhury考虑了流域降水和净辐射的空间变化对实际蒸散发的影响，对budyko原始方程进行改进，提出的方程与yang等通过数学推理得到方程式形式相同，并总结出了budyko模型框架下的choudhury-yang方程，其中含有一个反映流域特征的模型参数n，表示流域中蒸散发与降水间的比例关系，此后choudhury-yang方程在budyko模型中受到极为广泛的应用。

2、然而，由于该模型参数值在空间中高度可变，且这一特征在小流域中更为明显，因此为budyko模型有效估算参数n值带来巨大的挑战。此外，模型参数n值受到气候和植被等多方面因素的综合影响，其中变量与模型参数间相互作用的机理尚不明确，因此，发展一种评估budyko关键参数变化影响因素的方法，对于深入研究budyko模型关键参数在空间尺度上的分布模式、在不同环境情境下数值的变化规律以及引起该变量数值变化的主要影响因子具有重要意义。

技术实现思路

1、为了克服现有技术的不足，本发明的目的是提供一种评估budyko关键参数变化影响因素的方法。

2、为实现上述目的，本发明提供了如下方案：

3、一种评估budyko关键参数变化影响因素的方法，包括：

4、构建budyko模型中choudhury-yang方程的输入数据集以及影响模型参数值的变量数据集；

5、基于budyko模型中choudhury-yang方程估算模型的关键参数n，并量化关键参数n值在流域内的分布模式；

6、使用多维copula模型量化所述变量数据集中的i个变量对关键参数n变化的联合影响，选择j(j<i)个对关键参数n取值变化影响最大的关键变量；

7、针对所述关键变量建立c-vine系列树结构，将关键参数n值作为t1树的中心节点，利用copula函数建立起关键参数n值与各关键变量之间的相关关系；

8、基于关键参数n值与个关键变量之间的相关关系，构建t’2至t”j层vine树，得到关键参数n与各变量在不同条件下的相关关系；其中，t’2树以及t”j树与原始的树不是同一组树，为保证每一组树都可以表示关键变量与关键参数n值在不同情况下的相关性，上述方法中的每一层树有具有不同的根节点。

9、基于关键参数n与各关键变量在不同条件下的相关关系，引入权重因子，构建多元线性回归模型，并根据所述多元线性回归模型确定关键变量对关键参数n值独立影响以及影响程度。

10、优选地，所述输入数据集包括budyko模型参数估算所使用到的输入数据和影响模型参数数值变化的环境变量，其中budyko模型参数估算使用的输入数据包括降水pre、实际蒸散发et和潜在蒸散发pet。

11、优选地，所述choudhury-yang方程的公式为：其中，n为代表流域特征的模型的关键参数。

12、优选地，使用多维copula模型量化所述变量数据集中的i个变量对关键参数n变化的联合影响，选择j(j<i)个对关键参数n取值变化影响最大的关键变量，包括：

13、选择每个变量的边缘分布函数；

14、对选择的边缘分布函数进行最优参数估计，以使任何变量边缘分布的累积分布函数cdf都均匀分布在[0，1]范围内；

15、确定copula函数；所述copula函数的公式为：c(u)＝φ(φ-1(u1),φ-1(u2),...,φ-1(ud))；其中，φ表示标准正态分布函数，φ-1表示标准正态分布函数的反函数，ud表示第d个随机变量的概率分布函数，c(u)为所述copula函数；

16、输入多变量的copula函数参数集，计算并输出参数在上述copula函数下的联合cdf；

17、将联合cdf最大的组合中的环境变量确定为对关键参数n的数值变化影响最大的关键变量。

18、优选地，利用copula函数建立起关键参数n值与各关键变量之间的相关关系，包括：

19、在确定c-vine系列树结构后，估计t1树中所有边的二元copula函数，对所有选择的copula函数计算aic信息准则，从中选取aic结果最小的copula函数；

20、按照c-vine系列树结构的顺序，利用极大似然法估算aic结果最小的copula函数的参数；所述关键参数n值与各关键变量之间的相关关系是通过c-vine系列树结构中的vine树上的各条边进行表示的。

21、优选地，所述二元copula函数包括frankcopula、claytoncopula和gumbel copula等。

22、优选地，所述aic结果的计算公式为：aic＝2k+2ln(l)；其中，k为参数的数量，l是似然函数。

23、根据本发明提供的具体实施例，本发明公开了以下技术效果：

24、本发明提供了一种评估budyko关键参数变化影响因素的方法，包括：构建budyko模型中choudhury-yang方程的输入数据集以及影响模型参数值的变量数据集；基于budyko模型中choudhury-yang方程估算模型的关键参数n，并量化关键参数n值在流域内的分布模式；使用多维copula模型量化所述变量数据集中的i个变量对关键参数n变化的联合影响，选择j(j<i)个对关键参数n取值变化影响最大的关键变量；针对所述关键变量建立c-vine系列树结构，将关键参数n值作为t1树的中心节点，利用copula函数建立起关键参数n值与各关键变量之间的相关关系；基于关键参数n值与个关键变量之间的相关关系，构建t’2至t”j层vine树，得到关键参数n与各变量在不同条件下的相关关系；基于关键参数n与各关键变量在不同条件下的相关关系，引入权重因子，构建多元线性回归模型，并根据所述多元线性回归模型确定关键变量对关键参数n值独立影响以及影响程度。本发明对于深入研究budyko模型关键参数在空间尺度上的分布模式、确定引起该变量数值变化的主要影响因素、探究各变量间如何相互联系以及各变量间与参数n值的相互关系具有重要意义。

技术特征：

1.一种评估budyko关键参数变化影响因素的方法，其特征在于，包括：

2.根据权利要求1所述的评估budyko关键参数变化影响因素的方法，其特征在于，所述输入数据集包括budyko模型参数估算所使用到的输入数据和影响模型参数数值变化的环境变量，其中budyko模型参数估算使用的输入数据包括降水pre、实际蒸散发et和潜在蒸散发pet。

3.根据权利要求2所述的评估budyko关键参数变化影响因素的方法，其特征在于，所述choudhury-yang方程的公式为：其中，n为代表流域特征的模型的关键参数。

4.根据权利要求1所述的评估budyko关键参数变化影响因素的方法，其特征在于，使用多维copula模型量化所述变量数据集中的i个变量对关键参数n变化的联合影响，选择j个对关键参数n取值变化影响最大的关键变量，包括：

5.根据权利要求1所述的评估budyko关键参数变化影响因素的方法，其特征在于，利用copula函数建立起关键参数n值与各关键变量之间的相关关系，包括：

6.根据权利要求5所述的评估budyko关键参数变化影响因素的方法，其特征在于，所述二元copula函数包括frank copula、clayton copula和gumbel copula。

7.根据权利要求5所述的评估budyko关键参数变化影响因素的方法，其特征在于，所述aic结果的计算公式为：aic＝2k+2ln(l)；其中，k为参数的数量，l是似然函数。

技术总结
本发明提供了一种评估Budyko关键参数影响因素的方法，首先构建模型输入数据集及影响参数值的变量数据集，通过Budyko模型估算关键参数n及其在流域内的分布模式。接着使用多维Copula模型量化变量数据集中变量对关键参数n变化的联合影响，从中选择影响最显著的关键变量。针对这些关键变量，建立C‑Vine系列树结构，T1层树以关键参数n为中心节点，利用Copula函数分析n值与关键变量之间的相关关系。同时构建T'2至T”j层Vine树，探讨不同条件下n与各变量的条件相关性。基于相关性引入权重因子构建多元线性回归模型，评估关键变量对n值的独立影响程度。本发明能够深入研究Budyko模型关键参数在空间尺度上的分布、主要影响因素及及独立影响程度，为水文与气候研究提供理论基础。

技术研发人员：姜亚珍,赵嘉凝,唐荣林,李召良
受保护的技术使用者：中国科学院地理科学与资源研究所
技术研发日：
技术公布日：2024/11/21