[发明专利]一种水文干旱历时和烈度相依结构变异的诊断方法

权利要求书

1.一种水文干旱历时和烈度相依结构变异的诊断方法，其特征在于，所述方法包括：

获取标准化径流指数，并以所述标准化径流指数表征水文干旱，通过游程理论识别水文干旱的干旱历时和干旱烈度；

基于Copula函数构建所述干旱历时和所述干旱烈度的联合分布模型；

基于所述联合分布模型，通过Copula函数的极大似然比方法对所述干旱历时和所述干旱烈度的相依结构进行变异诊断，得到Z序列统计值；

获取所述Z序列统计值中绝对值大于预设阈值且绝对值最大的Z值，将所述Z值记为变异点；

所述以所述标准化径流指数表征水文干旱，通过游程理论识别水文干旱的干旱历时和干旱烈度包括：

通过游程理论，以年为计算期，识别并计算目标年份每月的历时与烈度数据，并根据所述目标年份每月的历时与烈度数据，确定干旱历时和干旱烈度；

干旱历时为目标年份所有发生干旱的月份历时相加，干旱烈度为该年所有发生干旱的月份烈度相加。

2.根据权利要求1所述的诊断方法，其特征在于，所述基于Copula函数构建所述干旱历时和所述干旱烈度的联合分布模型包括：

利用Gringorten经验频率公式计算所述干旱历时的边缘分布及所述干旱烈度的边缘分布；

通过极大似然法获得Copula函数的参数；

基于Copula函数、Copula函数的参数、所述干旱历时的边缘分布及所述干旱烈度的边缘分布构建所述干旱历时和所述干旱烈度的联合分布函数。

3.根据权利要求2所述的诊断方法，其特征在于，在构建所述干旱历时和所述干旱烈度的联合分布函数后，所述方法还包括：

通过所述联合分布函数计算目标年份的干旱历时和干旱烈度对应的联合概率。

4.根据权利要求2所述的诊断方法，其特征在于，所述Copula函数包括Clayton Copula函数、Frank Copula函数和Gumbel Copula函数。

5.根据权利要求2或4所述的诊断方法，其特征在于，所述基于Copula函数构建所述干旱历时和所述干旱烈度的联合分布模型还包括：

在构建所述干旱历时和所述干旱烈度的联合分布函数后，通过AIC准则选取Copula函数中的最优Copula函数，以使该Copula函数构建的联合分布函数的AIC值最小。

6.根据权利要求1所述的诊断方法，其特征在于，在获取所述Z序列统计值中绝对值大于预设阈值且绝对值最大的Z值，将所述Z值记为变异点后，所述方法还包括：

通过双累积曲线法验证所述变异点的准确性。

7.根据权利要求1所述的诊断方法，其特征在于，在通过Copula函数的极大似然比对所述干旱历时和所述干旱烈度的相依结构进行变异诊断，得到Z序列统计值后，所述方法还包括：

获取与地表产汇流直接或间接相关的相关因子；

计算所述相关因子与所述Z序列统计值的Pearson相关系数；

根据所述Pearson相关系数分析所述相关因子对水文干旱的干旱历时和干旱烈度的相依结构动态变化的影响程度。

8.根据权利要求7所述的诊断方法，其特征在于，所述相关因子包括气象因子、人类活动因子和遥相关因子。

9.根据权利要求8所述的诊断方法，其特征在于，所述气象因子包括降雨及潜在蒸散发；

所述人类活动因子为人类取用水；

所述遥相关因子包括北极涛动、太平洋年代际振荡指数、厄尔尼诺-南方涛动和太阳黑子数量。