[发明专利]一种基于Copula经验密度函数的流域相似性程度识别方法

说明书

本发明公开了一种基于Copula经验密度函数的流域相似性程度识别方法，包括以下步骤：收集研究流域的实测降水、气温、流量数据系列，进行前期雨量指数(Antecedent Precipitation Index,API)和径流深度值(R)的计算；构建各研究流域基于API～R关系的双变量Copula经验密度函数，绘制Copula经验密度函数图；基于预定阈值，选取API～R的Copula经验密度函数图中对应区域进行流域之间降雨‑径流关系的相异度计算，识别流域相似性程度。本发明基于Copula经验密度函数，分析流域降雨‑径流过程的相关性，对流域之间的产汇流相似性指数进行定量估算，能够更好地识别流域间相似性程度，进一步提高模型参数移植的精度。

技术领域

本发明属于水文技术领域，具体涉及一种基于Copula经验密度函数的流域相似性程度识别方法。

背景技术

在不同水文气象分区和下垫面条件下，流域的降雨-径流过程复杂多变，目前水文界仍无法就此形成统一性的理论和概括性结论。无资料地区缺乏实测数据进行模型率定，该区域的洪水预报问题是国际上水文研究的难点与重点之一。国际水文科学协会于2003年发起名为“Prediction in Ungauged Basins(PUB)”的国际水文十年计划，大力开展无资料地区的水文研究，获得了丰硕的成果。我国为解决中小流域资料匮乏区的洪水预报问题，也开展了大量研究，单位线地区综合、地貌瞬时单位线和推理公式等方法被逐步引入到无资料地区的洪水预报研究中。相似流域间的模型参数移用是目前解决无资料地区模型应用和洪水预报难题普遍采取的方法。而挖掘流域产汇流的相似性机理，进行空间产汇流相似区的辨识，是进行基于空间相似性的参数区域化和资料匮乏区参数推衍的前提。目前，国际上依然无法制定出一个能够通用的流域相似性分析准则。大多数的流域相似性聚类分析方法依赖于流域的地理空间位置，只选取流域下垫面特征或水文气象统计值作为特征因子进行相似性识别，导致流域聚类分析结果对初始值、特征因子数量以及流域的空间距离非常敏感，使得流域聚类分析结果不唯一，具有较高的不确定性，并且通常难以考虑流域的时空变异性和流域产汇流的实际过程。

针对以上问题，如何在进行流域相似性分析的过程中充分考虑其时空动态变化，选取合适的变量和方法进行流域间相似性程度识别，降低流域相似性度量的不确定性，正是发明人需要解决的问题。

发明内容

发明目的：为了获取稳定可靠的流域相似性度量准则，本发明提供了一种基于Copula经验密度函数的流域相似性程度识别方法，通过选取能够反映流域产汇流动态变化过程的前期雨量指数API和径流深度R，采用Copula经验密度函数进行流域间相异程度值计算，由此估算流域之间的相似性程度，为基于流域空间相似性的参数区域化分析提供稳定的相似性识别方法。

技术方案：为实现本发明的目的，本发明所采用的技术方案是：一种基于Copula经验密度函数的流域相似性程度识别方法，包括以下步骤：

步骤1，收集研究流域的观测降水、气温和流量数据，计算前期雨量指数(Antecedent Precipitation Index,API)和径流深度值R；

步骤2，构建各研究流域基于API～R关系的双变量Copula经验密度函数，绘制Copula 经验密度函数图；

步骤3，选取基于二元变量API和R的Copula经验密度函数图中降雨和径流深相关的区域，进行流域之间降雨-径流关系的相异度计算，识别流域相似性程度。

进一步的，所述步骤1，具体包括：

步骤1.1，收集并计算研究流域的大约10年左右的逐日观测面平均降水、气温和流量数据；具体年限可以在5到15年之间选取任意的年限。