CN118965092B 基于水循环的水文干旱特征识别和归因方法及系统 （武汉大学）

基于水循环的水文干旱特征识别和归因方本申请提供了的基于水循环的水文干旱特比较结果获取不同驱动因素对水文干旱特征的影响。本申请基于分布式水文模型DTVGM_PML模2对流域控制站点径流数据进行突变检验，确定突变年份，划分研究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；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，统计不同情景下的植被变化外的人类活动对水文干旱特征的影响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分别计算气候变化、植被变化以及除植被变化外的人类得到植被变化、气候变化以及除植被变化外的人类活动对水文干旱特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，构建分布式水文基于突变前时段的流域气象水文数据，构建分布在突变后时段，根据不同的情景，设计不同的包含气象数据3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模型输入研究区模型率定期的流域气象水文数据以及动态植被数据(LAI)至DTVGM_PML模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模型在突变后时段，根据不同的情景，设计不同的包含气象数据根据不同情景下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；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4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9.一种应用于如权利要求1_8任一项所述的基于水循环的水文干旱特征识别和归因方时段划分模块，与所述数据收集模块通信连接，用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特征识别模块，与所述模型构建和情景模拟模块通信连接水文干旱归因模块，与所述特征识别模块通信连接，用于比较不同情时段划分单元，与所述数据收集模块和时段划分模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，5[0004]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，在原始的比较结果获取不同驱动因素对水文干旱特征的[0009]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[0014]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[0018]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[0020]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[0023]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[0025]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_PML7[0029]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[0030]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；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，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[0047]本申请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8例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用[0055]在本申请实施例描述的一些流程中，包含了按照特定顺序出现的多个操作或步9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[0063]本申请基于分布式水文模型_DTVGM_PML模型分析气候变化和人类活动(重点关注续流量数据再根据水文控制面积计算得到所述水文[0081]步骤S312、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[0084]在一实施例中，所述步骤S312、输入研究区模型率定期的流域气象水文数据至[0085]输入研究区内模型率定期的历史数据中气象驱动数据和陆面驱动数据至DTVGM_[0086]将模型率定期的模拟数据和模型检验期的参考数据和实测数据进行比较并采用[0089]输入研究区内模型检验期的历史数据中气象驱动数据和陆面驱动数据至参数率[0090]将模型检验期的模拟数据和模型率定器的参考数据和实测数据进行比较并采用[0097]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[0098]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，具体地，当一段时间内SRI序列高于设定的阈值R(例[0103]在一较具体实施例中，所述步骤S52、比对不同情景下水文干旱特征平均值的差块400和水文干旱归因模块500。数据收集模块100用于收集研究区研究时段内的气象水文模拟模块300与所述数据收集模块100和时段划分模块200通信连接，用于根据突变前时段和突变后时段的气象水文以及流域数据以及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；特征识别模块400与所述模型构建和情景模拟模块300通信连接，研究区模型率定期的气象水文以及流域数据至DTVGM_PML模型进行数据模拟，构建分布式[0121]第三方面，本申请实施例提供一种基于水循环的水文干旱特征识别和归因设备，于水循环的水文干旱特征识别和归因设备与其他设备(例如其他计算设备或用户设备)互连的接口。物理接口可以是以太网接口、光纤接口、ATM接口等；用户设备可以是显示屏[0123]存储器可以是各种类型的存储介质，例如随机存取存储器(randomaccessmemory，RAM)、只读存储器(read_onlymem