基于Copula函數(shù)的漢江流域降水徑流豐枯遭遇研究

王飛宇，張彥，王偲，應(yīng)其霖，陳婷，于飛龍

基于Copula函數(shù)的漢江流域降水徑流豐枯遭遇研究

王飛宇1，張彥2*，王偲3，應(yīng)其霖4，陳婷5，于飛龍3

（1.中國科學(xué)院 地理科學(xué)與資源研究所 陸地水循環(huán)及地表過程院重點(diǎn)實(shí)驗(yàn)室，北京 100101；2.中國農(nóng)業(yè)科學(xué)院 農(nóng)田灌溉研究所，河南 新鄉(xiāng) 453002；3.江蘇省水文水資源勘測局，南京 210009；4.國網(wǎng)東北分部綠源水力發(fā)電公司，沈陽 110170；5.武漢大學(xué) 水資源與水電工程科學(xué)國家重點(diǎn)實(shí)驗(yàn)室，武漢 430072）

【目的】漢江作為長江最大的支流，探究其流域內(nèi)降水徑流豐枯遭遇風(fēng)險(xiǎn)對漢江流域水資源科學(xué)管理具有重要意義。【方法】基于漢江流域4個(gè)水文站徑流及其控制流域的降水?dāng)?shù)據(jù)，利用二維和三維Copula函數(shù)構(gòu)建降水徑流豐枯遭遇聯(lián)合分布模型，分析了流域降水徑流豐枯遭遇風(fēng)險(xiǎn)概率?！窘Y(jié)果】漢江上游石泉站和白河站徑流量及控制流域降水量間的豐枯同步概率較大，分別為73.06%和73.45%，中游黃家港站豐枯異步概率最大，達(dá)45.21%；漢江上中游石泉站、白河站和黃家港站豐枯同步概率呈現(xiàn)出同枯＞同豐＞同平，而下游仙桃站為同平＞同枯＞同豐。漢江上中游石泉站、白河站和黃家港站組合下控制流域降水量間的豐枯同步概率較大，為72.88%；流域內(nèi)不同站點(diǎn)組合下控制流域降水量的豐枯同步概率呈同平＞同枯＞同豐，徑流量的豐枯同步概率均呈同枯＞同豐＞同平。【結(jié)論】漢江流域上游徑流量及控制流域降水量的豐枯一致性較好，下游的豐枯一致性相對較好，而中游的豐枯一致性較差；不同站點(diǎn)組合下控制流域降水量的豐枯具有相對較好的一致性，而徑流量的豐枯同步、豐枯異步概率差異性不顯著。

漢江流域；Copula函數(shù)；降水徑流；豐枯遭遇；風(fēng)險(xiǎn)概率

0 引言

【研究意義】受全球氣候變化和人類活動的影響，流域水循環(huán)過程發(fā)生顯著變化，改變了流域降水徑流關(guān)系，對流域水資源管理及社會經(jīng)濟(jì)發(fā)展造成影響[1]。降水徑流豐枯遭遇的實(shí)質(zhì)就是同一區(qū)域或不同區(qū)域間氣象水文變量的組合問題[2]，明晰流域內(nèi)降水徑流發(fā)生豐水或枯水的概率可為流域水資源規(guī)劃管理提供理論依據(jù)?！狙芯窟M(jìn)展】目前，Copula函數(shù)在洪水頻率計(jì)算[3-4]、水沙豐枯遭遇分析[5-6]、干旱特征分析[7-8]、水資源供需風(fēng)險(xiǎn)[9]、降水頻率計(jì)算[10-11]、水質(zhì)水量聯(lián)合分布[12-14]以及水生態(tài)環(huán)境穩(wěn)態(tài)關(guān)系[15]等方面得到了廣泛的應(yīng)用，如李子遠(yuǎn)等[16]利用Archimedean Copula函數(shù)分析了黃河和清水河洪峰發(fā)生時(shí)間和量級遭遇的風(fēng)險(xiǎn)；何英等[17]、李榮波等[18]和范嘉煒等[19]利用Copula函數(shù)分別在葉爾羌河流域、長江流域和潖江河大廟峽流域計(jì)算了洪峰流量與洪水歷時(shí)的聯(lián)合頻率；王深等[20]利用Copula函數(shù)建立了渭河流域多水庫聯(lián)合洪水風(fēng)險(xiǎn)分布；謝華等[21]利用Copula函數(shù)計(jì)算了長江、淮河和黃河流域徑流量的聯(lián)合概率和條件概率；梁希金等[22]利用三維Copula函數(shù)構(gòu)建了多變量聯(lián)合概率模型并分析了雅礱江、鮮水河和慶大河的洪水遭遇風(fēng)險(xiǎn)；陳心池等[23]利用多種Copula函數(shù)篩選了漢江中上游流域降水和洪水聯(lián)合分布的最優(yōu)概率模型；馬盼盼等[24]選用Copula函數(shù)分析了漢江干支流徑流的豐枯遭遇組合概率?！厩腥朦c(diǎn)】結(jié)合漢江流域受到氣候變化和人類活動的影響以致其水文情勢比較復(fù)雜的現(xiàn)實(shí)狀況，開展降水徑流豐枯遭遇研究對漢江流域水資源合理開發(fā)利用具有重要意義?！緮M解決的關(guān)鍵問題】本文基于1965—2018年漢江流域石泉站、白河站、黃家港站和仙桃站等4個(gè)水文站的實(shí)測徑流數(shù)據(jù)及流域內(nèi)氣象站點(diǎn)降水?dāng)?shù)據(jù)，首先優(yōu)選構(gòu)建流域內(nèi)降水量和徑流量的邊緣分布函數(shù)，其次利用Copula函數(shù)構(gòu)建流域內(nèi)各水文站降水徑流的二維和三維聯(lián)合分布模型，進(jìn)而分析漢江流域降水徑流豐枯遭遇的風(fēng)險(xiǎn)概率，研究成果以期為漢江流域水資源管理、防災(zāi)減災(zāi)規(guī)劃和社會經(jīng)濟(jì)發(fā)展提供理論參考和決策支持。

1 材料與方法

1.1 研究區(qū)及數(shù)據(jù)來源

漢江（106°E—114°E，30°N—34°N）是長江最大的支流，同時(shí)也是南水北調(diào)中線工程、引漢濟(jì)渭等跨流域調(diào)水工程的水源地，其起源于陜西省漢中市寧強(qiáng)縣，在湖北省武漢市匯入長江，全長約1 577 km，流域面積為15.9萬km2，約占長江流域總面積的9.2%[25-26]。漢江流域地處亞熱帶季風(fēng)區(qū)，氣候溫和濕潤，年平均氣溫為16 ℃，多年平均降水量為887 mm[27]。漢江流域以丹江口以上為上游，地形起伏較大；丹江口至鐘祥為中游，地勢相對平坦；鐘祥以下為下游，地勢平坦形成了江漢平原。

本文基于漢江流域66個(gè)氣象站點(diǎn)1965—2018年逐月降水資料，以及石泉站、白河站、黃家港站和仙桃站等4個(gè)水文站同時(shí)期逐月實(shí)測徑流數(shù)據(jù)，利用Copula函數(shù)構(gòu)建了降水徑流豐枯遭遇聯(lián)合分布模型，分析了流域降水徑流豐枯遭遇風(fēng)險(xiǎn)概率。降水資料來源于中國氣象數(shù)據(jù)網(wǎng)（http://data.cma.cn），對于缺失的降水?dāng)?shù)據(jù)采用線性內(nèi)插或外延方法進(jìn)行插補(bǔ)延長。4個(gè)水文站徑流數(shù)據(jù)來源于水文年鑒和長江水利委員會水文局，其中石泉站和白河站位于漢江上游，黃家港站位于漢江中游，仙桃站位于漢江下游。水文站控制流域的面均降水量采用泰森多邊形法推求。漢江流域氣象站點(diǎn)和水文站點(diǎn)分布示意圖如圖1所示。

圖1 漢江流域水文氣象站點(diǎn)分布示意圖

1.2 研究方法

1.2.1 降水量和徑流量豐平枯劃分

目前針對流域降水量和徑流量豐平枯水平年劃分的方法包括基于保證率劃分和距平百分率劃分[28-30]。為了確保流域年降水量和徑流量劃入各等級的年數(shù)不能過小，本文在中長期定性預(yù)報(bào)等級表的基礎(chǔ)上將流域降水量和徑流量根據(jù)距平值大小分為豐、平、枯3個(gè)等級，距平值小于-10%為枯，距平值在-10%至10%之間為平，距平值大于10%為豐（如表1所示）。

表1 各水文站徑流量及控制流域降水量豐平枯劃分

1.2.2 降水量和徑流量邊緣分布函數(shù)建立

在利用Copula函數(shù)建立降水量和徑流量的二維或三維聯(lián)合分布函數(shù)時(shí)，首先需構(gòu)建變量的邊緣分布函數(shù)。本文基于指數(shù)分布、伽馬分布、對數(shù)正態(tài)分布和威布爾分布等單變量分布函數(shù)形式對各水文站徑流及控制流域降水量進(jìn)行擬合，并利用Kolmogorov-Smirnov（K-S）檢驗(yàn)確定最優(yōu)的邊緣分布函數(shù)。降水量和徑流量間的相關(guān)性采用Kendall秩相關(guān)系數(shù)和Spearman秩相關(guān)系數(shù)[31-32]來衡量。

1.2.3 Copula聯(lián)合分布類型

目前Copula函數(shù)有多種聯(lián)合分布類型，本文的二維聯(lián)合分布函數(shù)主要采用Gaussian、Frank、Clayton、Gumbel和Copula等5種Copula函數(shù)形式，三維聯(lián)合分布函數(shù)主要采用Gaussian和Copula等2種Copula函數(shù)形式，其二維和三維Copula函數(shù)聯(lián)合分布類型具體的表達(dá)式詳見文獻(xiàn)[33]。

1.2.4 Copula函數(shù)擬合檢驗(yàn)和擬合優(yōu)度評價(jià)

Copula函數(shù)的選取需依據(jù)Copula函數(shù)的擬合優(yōu)度檢驗(yàn),本文選用K-S檢驗(yàn)對Copula函數(shù)進(jìn)行擬合優(yōu)度檢驗(yàn)。擬合優(yōu)度評價(jià)方法選取均方根誤差法（RMSE）、AIC準(zhǔn)則法和BIC法[33]，其準(zhǔn)則均為值越小，擬合優(yōu)度越好。其中利用K-S對Copula函數(shù)擬合優(yōu)度檢驗(yàn)的統(tǒng)計(jì)量計(jì)算式為：

式中：C表示為聯(lián)合觀測樣本x=（1k,2k,3k）的Copula函數(shù)值；m為聯(lián)合觀測樣本中滿足≤x，即同時(shí)滿足1≤1k，2≤2k，3≤3k的聯(lián)合觀測值的個(gè)數(shù)。

1.2.5 基于Copula函數(shù)的豐枯聯(lián)合風(fēng)險(xiǎn)概率計(jì)算

本文根據(jù)建立的二維及三維聯(lián)合分布函數(shù)，參照相關(guān)文獻(xiàn)[28]推導(dǎo)出二維、三維豐枯聯(lián)合風(fēng)險(xiǎn)概率計(jì)算公式如表2所示，其中二維豐枯遭遇類型主要有同豐、同平、同枯、一豐一平、一豐一枯和一平一枯6種，三維豐枯遭遇類型主要有同豐、同平、同枯、一豐一平一枯、一豐二平、一豐二枯、二豐一平、二豐一枯、一平二枯和二平一枯9種。

表2 二維、三維豐枯聯(lián)合風(fēng)險(xiǎn)概率計(jì)算公式

注 在二維豐枯聯(lián)合風(fēng)險(xiǎn)概率計(jì)算中，豐與枯分別表示某一水文站所控制流域降水量的豐與平、枯與平的臨界值，豐與枯分別表示同一水文站徑流量的豐與平、枯與平的臨界值；在三維豐枯聯(lián)合風(fēng)險(xiǎn)概率計(jì)算中，豐、豐和豐分別表示第一、第二和第三水文站所控制流域降水量（徑流量）豐與平的臨界值，枯、枯和枯分別表示第一、第二和第三水文站所控制流域降水量（徑流量）枯與平的臨界值。

2 結(jié)果與分析

2.1 邊緣分布建立

根據(jù)指數(shù)分布、伽馬分布、對數(shù)正態(tài)分布和威布爾分布等邊緣分布函數(shù)，對各水文站徑流量及控制流域降水量的邊緣分布函數(shù)進(jìn)行K-S檢驗(yàn),可得各水文站徑流量及控制流域降水量對數(shù)正態(tài)分布函數(shù)為最優(yōu)概率分布函數(shù)（圖2）。對各水文站徑流量及控制流域降水量的分布函數(shù)進(jìn)行Spearman和Kendall秩檢驗(yàn)可知，各水文站徑流量及控制流域降水量間的Spearman秩相關(guān)系數(shù)均大于0.75，Kendall秩相關(guān)系數(shù)都大于0.53，且2種秩相關(guān)系數(shù)在0.01水平（雙側(cè)）上顯著相關(guān)；各水文站控制流域降水量間的Spearman秩相關(guān)系數(shù)均大于0.75，Kendall秩相關(guān)系數(shù)基本上都大于0.51，且2種秩相關(guān)系數(shù)在0.01水平（雙側(cè)）上顯著相關(guān)；各水文站徑流量間的Spearman秩相關(guān)系數(shù)均大于0.77，Kendall秩相關(guān)系數(shù)基本上都大于0.59，且2種秩相關(guān)系數(shù)在0.01水平（雙側(cè)）上顯著相關(guān)。上述研究表明各水文站徑流量及控制流域降雨量間以及各水文站徑流量間或控制流域降水量間均具有較高的相關(guān)性，可利用Copula函數(shù)構(gòu)建各水文站徑流量和控制流域降水量間的聯(lián)合分布函數(shù)。

圖2 各水文站徑流量及控制流域降水量的經(jīng)驗(yàn)和理論邊緣分布

2.2 Copula函數(shù)的選擇

本文選用Gaussian、Frank、Clayton、Gumbel和Copula函數(shù)構(gòu)建漢江流域各水文站徑流量和控制流域降水量間的二維聯(lián)合分布模型，采用Gaussian和Copula函數(shù)構(gòu)建各水文站徑流量或控制流域降水量間的三維聯(lián)合分布模型。二維和三維聯(lián)合分布模型的參數(shù)估計(jì)、K-S檢驗(yàn)以及擬合優(yōu)度評價(jià)結(jié)果分別如表3和表4所示。由表3和表4可知，取K-S檢驗(yàn)的95%置信水平（<（=54，=0.05），各水文站不同Copula函數(shù)的統(tǒng)計(jì)量均小于0.2617，表明所選Copula函數(shù)均通過了K-S檢驗(yàn)。

利用均方根誤差法（RMSE）、AIC準(zhǔn)則法及BIC法對各Copula函數(shù)進(jìn)行擬合優(yōu)度評價(jià)。由表3可知，對于各水文站徑流量和控制流域降水量間的二維聯(lián)合分布模型，石泉站、黃家港站和仙桃站Gumbel Copula函數(shù)的RMSE、AIC和BIC值最小，表明Gumbel Copula函數(shù)擬合優(yōu)度最好；白河站Frank Copula函數(shù)的RMSE、AIC和BIC值最小，表明Frank Copula函數(shù)擬合優(yōu)度最好。

對于各水文站降水量間的三維聯(lián)合分布模型，站點(diǎn)組合I、II、III下Copula函數(shù)的RMSE、AIC和BIC值最小，故Copula函數(shù)擬合優(yōu)度最好；站點(diǎn)組合IV下Gaussian Copula函數(shù)的RMSE、AIC和BIC值最小，故Gaussian Copula函數(shù)擬合優(yōu)度最好。對于各水文站徑流量間的三維聯(lián)合分布模型，站點(diǎn)組合I、II、III、IV下Gaussian Copula函數(shù)的RMSE、AIC和BIC值均最小，故Gaussian Copula函數(shù)擬合效果最優(yōu)。因此，分別選擇擬合優(yōu)度最好的Copula函數(shù)構(gòu)建各水文站徑流量和控制流域降水量間的二維聯(lián)合分布模型以及各水文站徑流量或控制流域降水量間的三維聯(lián)合分布模型。

表3 各水文站徑流量及控制流域降水量間的二維聯(lián)合概率分布擬合優(yōu)度評價(jià)

注為對角線上的元素全為1的2階對稱正定矩陣；為Copula函數(shù)中描述2個(gè)變量相互關(guān)系的參數(shù)；為自由度。

表4 各水文站徑流量或控制流域降水量間的三維聯(lián)合概率分布擬合優(yōu)度評價(jià)

注為對角線上的元素全為1的3階對稱正定矩陣；為Copula函數(shù)中描述3個(gè)變量相互關(guān)系的參數(shù)；為自由度。

由圖3和圖4可知，各水文站徑流量和控制流域降水量間的二維聯(lián)合概率函數(shù)以及各水文站徑流量或控制流域降水量間的三維聯(lián)合概率函數(shù)的理論頻率與經(jīng)驗(yàn)頻率值的擬合情況均較好，表明構(gòu)建的二維和三維聯(lián)合分布模型較為合理。

圖3 各水文站徑流量及控制流域降水量間的理論與經(jīng)驗(yàn)頻率擬合圖

圖4 各水文站徑流量或控制流域降水量間的理論與經(jīng)驗(yàn)頻率擬合圖

2.3 豐枯遭遇風(fēng)險(xiǎn)分析

2.3.1 各水文站徑流量及控制流域降水量間的豐枯遭遇風(fēng)險(xiǎn)概率

基于優(yōu)選的Copula函數(shù)建立各水文站徑流量及控制流域降水量間的二維聯(lián)合分布模型，得到各水文站徑流量及控制流域降水量的聯(lián)合分布概率(≤,≤)（圖5）。

由圖5可知，在各水文站徑流量和控制流域降水量都增大時(shí)，其聯(lián)合分布概率值均呈增大的趨勢，且增大趨勢呈現(xiàn)先緩后急速增加最后變緩的過程。根據(jù)表2中二維豐枯聯(lián)合風(fēng)險(xiǎn)概率的計(jì)算公式計(jì)算各水文站徑流量及控制流域降水量間的豐枯遭遇風(fēng)險(xiǎn)概率。由表可知石泉站、白河站徑流量及控制流域降水量的豐枯同步概率均較大，分別為73.06%和73.45%；仙桃站次之，為60.73%；黃家港站最小，為54.79%。而黃家港站徑流量及控制流域降水量的豐枯異步概率最大，為45.21%；仙桃站次之，為39.27%；石泉站和白河站均較小，分別為26.94%和26.55%。綜上所述，漢江流域上游水文站徑流量及控制流域降水量的豐枯一致性較好，下游豐枯一致性相對較好，而中游豐枯一致性較差。另外，漢江中游黃家港站徑流量和控制流域降水量的豐枯同步、豐枯異步的概率接近且豐枯同步的概率稍高，表明黃家港站受到人類活動的影響較大，如丹江口水庫調(diào)蓄的影響等。

圖5 各水文站徑流量及控制流域降水量二維聯(lián)合概率分布圖

對各水文站徑流量及控制流域降水量的豐枯同步概率分析可知，石泉站、白河站和黃家港站呈現(xiàn)出同枯＞同豐＞同平，而仙桃站呈現(xiàn)出同平＞同枯＞同豐；石泉站同枯概率最大，為31.80%；仙桃站同枯概率最小，為20.41%；仙桃站同平概率最大，為21.48%；黃家港站同平概率最小，為11.02%；白河站同豐概率最大，為23.28%；仙桃站同豐概率最小，為18.84%。對各水文站點(diǎn)徑流量及控制流域降水量的豐枯異步分析可知，石泉站、白河站、黃家港站和仙桃站一平一枯概率均最大，分別為14.83%、15.45%、27.03%和22.71%；黃家港站和仙桃站一豐一平的概率相對較大，分別為15.32%和14.92%；石泉站和白河站一豐一平的概率相對較小，分別為11.94%和10.94%；黃家港站和仙桃站一豐一枯的概率相對較大，分別為2.86%和1.64%；石泉站和白河站一豐一枯的概率較小，分別為0.17%和0.16%。可見，漢江流域中下游水文站徑流量及控制流域降水量豐枯異步的概率大于上游。

表5 各水文站徑流量及控制流域降水量豐枯遭遇風(fēng)險(xiǎn)概率

2.3.2 各水文站徑流量或控制流域降水量間的豐枯遭遇風(fēng)險(xiǎn)概率

基于優(yōu)選的Copula函數(shù)建立各水文站徑流量或控制流域降水量間的三維聯(lián)合分布模型，得到各水文站徑流量或控制流域降水量間的聯(lián)合分布概率（≤,≤,≤）如圖6所示，其豐枯遭遇風(fēng)險(xiǎn)概率如表6和表7所示。根據(jù)各水文站控制流域降水量間的豐枯遭遇風(fēng)險(xiǎn)概率（表6）可知，站點(diǎn)組合I豐枯同步概率較大，為72.88%；豐枯異步概率相對較小，為27.12%；站點(diǎn)組合II、III、IV的豐枯同步和豐枯異步概率均相差不大，豐枯同步概率分別為60.29%、60.15%和60.92%，豐枯異步概率分別為39.71%、39.85%和39.08%，說明4種水文站組合控制流域的降水量具有相對較好的一致性。在豐枯同步中，4種水文站組合的豐枯同步概率呈現(xiàn)出同平＞同枯＞同豐，站點(diǎn)組合I同豐、同平和同枯的概率最大，分別為17.17%、31.91%和23.80%；站點(diǎn)組合III同豐的概率最小，為13.43%；站點(diǎn)組合II同平的概率最小，為26.63%；站點(diǎn)組合IV同枯的概率最小，為18.76%。在豐枯異步中，4種水文站組合的一平二枯概率最大，其次為一豐二平、二豐一平和二平一枯，一豐一平一枯、一豐二枯和二豐一枯的概率最??；站點(diǎn)組合I一豐二平、二豐一平、一平二枯和二平一枯的概率最小，分別為4.07%、5.78%、11.38%和5.54%；站點(diǎn)組合II一豐二平和二豐一平的概率最大，分別為6.77%和9.06%；站點(diǎn)組合III一平二枯的概率最大，為16.78%；站點(diǎn)組合IV二平一枯的概率最大，為9.88%。

圖6 各水文站徑流量或其控制流域降水量間三維聯(lián)合概率分布圖

根據(jù)各水文站徑流量間的豐枯遭遇風(fēng)險(xiǎn)概率（表7）可知，站點(diǎn)組合I、II、III、IV豐枯同步概率分別為59.72%、53.46%、52.82%和59.73%，豐枯異步概率分別為40.28%、46.54%、47.18%和40.27%，可見4種水文站組合下徑流量豐枯同步和豐枯異步的概率接近，且豐枯同步的概率稍高。在豐枯同步中，4種水文站組合豐枯同步概率呈現(xiàn)出同枯＞同豐＞同平，站點(diǎn)組合IV同豐的概率最大，為21.95%；站點(diǎn)組合II同豐的概率最小，為18.41%，且同平的概率最大為5.07%；站點(diǎn)組合Ⅰ同平的概率最小，為3.14%，且同枯的概率最大為35.13%；站點(diǎn)組合II同枯的概率最小，為29.98%。在豐枯異步中，4種水文站組合下一平二枯的概率最大，其次為一豐二平、二豐一平、二平一枯和一豐一平一枯，而一豐二枯和二豐一枯的概率最小；站點(diǎn)組合I一豐一平一枯的概率最大，為4.09%；一豐二平、二豐一平、一平二枯和二平一枯的概率最小，分別為6.07%、8.00%、13.13%和5.93%。站點(diǎn)組合II一豐二平和二豐一平的概率最大，分別為7.41%和10.06%；站點(diǎn)組合III一平二枯和二平一枯的概率最大，分別為15.75%和7.68%；站點(diǎn)組合IV徑流量一豐一平一枯的概率最小，為2.83%。

表6 各水文站控制流域降水量間的豐枯遭遇風(fēng)險(xiǎn)概率

表7 各水文站徑流量間的豐枯遭遇風(fēng)險(xiǎn)概率

3 結(jié)論

1）漢江上游石泉站和白河站的徑流量及控制流域降水量豐枯一致性較好，下游仙桃站豐枯一致性相對較好，而中游黃家港站豐枯一致性較差；漢江中游黃家港站徑流量和控制流域降水量的豐枯同步、豐枯異步的概率接近且豐枯同步的概率稍高；漢江上中游石泉站、白河站和黃家港站豐枯同步概率呈現(xiàn)出同枯＞同豐＞同平，下游仙桃站豐枯同步概率呈現(xiàn)出同平＞同枯＞同豐；漢江中下游水文站徑流量及控制流域降水量豐枯異步的概率大于上游。

2）漢江上中游石泉站、白河站和黃家港站控制流域降水量間的豐枯同步概率較大，為72.88%，且豐枯同步概率呈同平＞同枯＞同豐，豐枯異步概率相對較小，為27.12%。漢江流域4種水文站組合下徑流量豐枯同步、豐枯異步的概率差異性不顯著且4種水文站組合下徑流量豐枯同步概率呈現(xiàn)出同枯＞同豐＞同平，其中站點(diǎn)組合IV的徑流量同豐概率最大，為21.95%。

[1] 張正浩, 張強(qiáng), 史培軍. 基于Copula的東江流域豐枯遭遇及洪水頻率分析[J]. 中山大學(xué)學(xué)報(bào)(自然科學(xué)版), 2016, 55(6): 10-19.

ZHANG Zhenghao, ZHANG Qiang, SHI Peijun. Copula-based flood frequency analysis with consideration of synchronous occurrence of wet/dry events in the East River basin[J]. Acta Scientiarum Naturalium Universitatis Sunyatseni, 2016, 55(6): 10-19.

[2] 吳海鷗, 涂新軍, 杜奕良, 等. 基于Copula函數(shù)的鄱陽湖水系徑流豐枯遭遇多維分析[J]. 湖泊科學(xué), 2019, 31(3): 801-813.

WU Haiou, TU Xinjun, DU Yiliang, et al. Multi-dimensional analysis of wetness-dryness encountering of streamflow based on the copula function in Lake Poyang Basin[J]. Journal of Lake Sciences, 2019, 31(3): 801-813.

[3] 馮平, 李新. 基于Copula函數(shù)的非一致性洪水峰量聯(lián)合分析[J]. 水利學(xué)報(bào), 2013, 44(10): 1 137-1 147.

FENG Ping, LI Xin. Bivariate frequency analysis of non-stationary flood time series based on copula methods[J]. Journal of Hydraulic Engineering, 2013, 44(10): 1 137-1 147.

[4] 李帆, 鄭騫, 張磊. Copula熵方法及其在三變量洪水頻率計(jì)算中的應(yīng)用[J]. 河海大學(xué)學(xué)報(bào)(自然科學(xué)版), 2016, 44(5): 443-448.

LI Fan, ZHENG Qian, ZHANG Lei. Copula entropy method and its application to trivariate flood frequency calculation[J]. Journal of Hohai University (Natural Sciences), 2016, 44(5): 443-448.

[5] 姚曼飛, 黨素珍, 孟美麗, 等. 基于Copula函數(shù)的涇河流域水沙豐枯遭遇頻率分析[J]. 水土保持研究, 2019, 26(1): 192-196, 202.

YAO Manfei, DANG Suzhen, MENG Meili, et al. Copula-Based analysis of occrent probability on Rich-Scarce runoff and sediment in the Jinghe River Basin[J]. Research of Soil and Water Conservation, 2019, 26(1): 192-196, 202.

[6] 周念清, 趙露, 沈新平. 基于Copula函數(shù)的洞庭湖流域水沙豐枯遭遇頻率分析[J]. 地理科學(xué), 2014, 34(2): 242-248.

ZHOU Nianqing, ZHAO Lu, SHEN Xinping. Copula-based probability evaluation of rich-poor runoff and sediment encounter in Dongting Lake Basin[J]. Scientia Geographica Sinica, 2014, 34(2): 242-248.

[7] 廖顯薇, 高峰, 魏婷, 等. 基于Copula函數(shù)的松花江流域水文干旱頻率分析[J]. 灌溉排水學(xué)報(bào), 2021, 40(3): 134-141.

LIAO Xianwei, GAO Feng, WEI Ting, et al. Using copula method to analyze drought frequency in Songhua River Basin[J]. Journal of Irrigation and Drainage, 2021, 40(3): 134-141.

[8] 張向明, 粟曉玲, 張更喜. 基于SRI與Copula函數(shù)的黑河流域水文干旱等級劃分及特征分析[J]. 灌溉排水學(xué)報(bào), 2019, 38(5): 107-113.

ZHANG Xiangming, SU Xiaoling, ZHANG Gengxi. Classifying drought in Heihe Basin using SRI index and copula function[J]. Journal of Irrigation and Drainage, 2019, 38(5): 107-113.

[9] 錢龍霞, 張韌, 王紅瑞, 等. 基于Copula函數(shù)的水資源供需風(fēng)險(xiǎn)損失模型及其應(yīng)用[J]. 系統(tǒng)工程理論與實(shí)踐, 2016, 36(2): 517-526.

QIAN Longxia, ZHANG Ren, WANG Hongrui, et al. Risk los model of water supply and water demand based on copula function and its application[J]. Systems Engineering–Theory & Practice, 2016, 36(2): 517-526.

[10] 高超, 梅亞東, 涂新軍. 基于Copula函數(shù)的區(qū)域降水聯(lián)合分布與特征分析[J]. 水電能源科學(xué), 2013, 31(6): 1-5.

GAO Chao, MEI Yadong, TU Xinjun. Analysis of joint distribution and characteristics of regional rainfall based on copula function[J]. Water Resources and Power, 2013, 31(6): 1-5.

[11] 左斌斌, 徐宗學(xué), 葉陳雷, 等. 基于Copula函數(shù)的北京市設(shè)計(jì)降雨研究[J]. 水力發(fā)電學(xué)報(bào), 2021, 40(2): 77-88.

ZUO Binbin, XU Zongxue, YE Chenlei, et al. Study on design rainfalls in Beijing based on copula functions[J]. Journal of Hydroelectric Engineering, 2021, 40(2): 77-88.

[12] 張翔, 冉啟香, 夏軍, 等. 基于Copula函數(shù)的水量水質(zhì)聯(lián)合分布函數(shù)[J]. 水利學(xué)報(bào), 2011, 42(4): 483-489.

ZHANG Xiang, RAN Qixiang, XIA Jun, et al. Jointed distribution function of water quality and water quantity based on copula[J]. Journal of Hydraulic Engineering, 2011, 42(4): 483-489.

[13] 史黎翔, 宋松柏. 基于Copula函數(shù)的兩變量洪水重現(xiàn)期與設(shè)計(jì)值計(jì)算研究[J]. 水力發(fā)電學(xué)報(bào), 2015, 34(10): 27-34.

SHI Lixiang, SONG Songbai. Calculation of return periods and design values of bivariate floods based on copula function[J]. Journal of Hydroelectric Engineering, 2015, 34(10): 27-34.

[14] 劉章君, 許新發(fā), 成靜清, 等. 基于Copula函數(shù)的大壩洪水漫頂風(fēng)險(xiǎn)率計(jì)算[J]. 水力發(fā)電學(xué)報(bào), 2019, 38(3): 75-82.

LIU Zhangjun, XU Xinfa, CHENG Jingqing, et al. Estimation of dam overtopping risk rate based on copula functions[J]. Journal of Hydroelectric Engineering, 2019, 38(3): 75-82.

[15] 李勝朋, 馮劍豐, 王洪禮. 基于Copula的海洋生態(tài)系統(tǒng)的穩(wěn)態(tài)轉(zhuǎn)換[J]. 天津大學(xué)學(xué)報(bào), 2009, 42(6): 533-538.

LI Shengpeng, FENG Jianfeng, WANG Hongli. Regime shifts of the marine ecosystem with copula[J]. Journal of Tianjin University, 2009, 42(6): 533-538.

[16] 李子遠(yuǎn), 馮平, 苑希民. 黃河寧夏段干支流非一致性洪峰遭遇風(fēng)險(xiǎn)分析[J]. 水利水電科技進(jìn)展, 2016, 36(6): 51-57.

LI Ziyuan, FENG Ping, YUAN Ximin. Coincidence risk analysis for non-stationary flood peak of Yellow River and its tributaries in Ningxia Hui Autonomous Region[J]. Advances in Science and Technology of Water Resources, 2016, 36(6): 51-57.

[17] 何英, 彭亮, 鄭淑文, 等. 基于Copula函數(shù)的葉爾羌河流域洪水要素聯(lián)合分布研究[J]. 中國農(nóng)村水利水電, 2019(4): 74-79.

HE Ying, PENG Liang, ZHENG Shuwen, et al. Research on joint distribution of flood elements in the Yarkand River Basin based on copula function[J]. China Rural Water and Hydropower, 2019(4): 74-79.

[18] 李榮波, 黃艷, 李安強(qiáng), 等. 基于Copula函數(shù)的長江大洪水隨機(jī)模擬[J]. 中國防汛抗旱, 2020, 30(12): 25-28.

LI Rongbo, HUANG Yan, LI Anqiang, et al. Stochastic simulation of the Yangtze River flood based on copula function[J]. China Flood & Drought Management, 2020, 30(12):25-28.

[19] 范嘉煒, 黃錦林. 基于Copula函數(shù)的洪峰流量與洪水歷時(shí)聯(lián)合分布研究[J]. 中國農(nóng)村水利水電, 2017(2): 204-209, 214.

FAN Jiawei, HUANG Jinlin. Combined frequency analysis of peak and duration based on copula function[J]. China Rural Water and Hydropower, 2017(2): 204-209, 214.

[20] 王深, 劉政平, 黃國和. 基于Copula方法的渭河多站點(diǎn)洪水風(fēng)險(xiǎn)轉(zhuǎn)移模擬[J]. 水電能源科學(xué), 2019, 37(5): 30-34.

WANG Shen, LIU Zhengping, HUANG Guohe. Copula based multivariate simulation approach for multisite flood risk transfer in Weihe River[J]. Water Resources and Power, 2019, 37(7): 30-34.

[21] 謝華, 羅強(qiáng), 黃介生. 基于三維copula函數(shù)的多水文區(qū)豐枯遭遇分析[J]. 水科學(xué)進(jìn)展, 2012, 23(2): 186-193.

XIE Hua, LUO Qiang, HUANG Jiesheng. Synchronous asynchronous encounter analysis of multiple hydrologic regions based on 3 D copula function[J]. Advances in Water Science, 2012, 23(2): 186-193.

[22] 梁希金, 王麗萍, 張驗(yàn)科, 等. 基于三維Copula函數(shù)的組合洪水研究[J]. 水資源研究, 2020, 9(1): 33-41.

LIANG Xijin, WANG Liping, ZHANG Yanke, et al. Combined flood research based on three-dimensional copula function[J]. Journal of Water Resources Research, 2020, 9(1): 33-41.

[23] 陳心池, 張利平, 閃麗潔, 等. 基于Copula函數(shù)的漢江中上游流域極端降雨洪水聯(lián)合分布特征[J]. 長江流域資源與環(huán)境, 2015, 24(8): 1 425-1 433.

CHEN Xinchi, ZHANG Liping, SHAN Lijie, et al. Joint distribution of the extreme rainfall and flood for the upper-middle reaches of the Hanjiang River based on Copula function[J]. Resources and Environment in the Yangtze Basin, 2015, 24(8): 1 425-1 433.

[24] 馬盼盼, 白濤, 武連洲, 等. 漢江干支流徑流豐枯遭遇對跨流域調(diào)水的影響[J]. 水利水電技術(shù), 2017, 48(8): 13-17.

MA Panpan, BAI Tao, WU Lianzhou, et al. Influence from wetness-dryness encounter of runoffs from tributaries and main stream of Hanjiang River on interbasin water transfer[J]. Water Resources and Hydropower Engineering, 2017, 48(8): 13-17.

[25] 汪成博, 李雙雙, 延軍平, 等. 1970—2015年漢江流域多尺度極端降水時(shí)空變化特征[J]. 自然資源學(xué)報(bào), 2019, 34(6): 1 209-1 222.

WANG Chengbo, LI Shuangshuang, YAN Junping, et al. Spatiotemporal variation of extreme precipitation regimes in the Hanjiang River Basin during 1970—2015[J]. Journal of Natural Resources, 2019, 34(6): 1 209-1 222.

[26] 胡慶芳, 曹士圯, 楊輝斌, 等. 漢江流域安康站日徑流預(yù)測的LSTM模型初步研究[J]. 地理科學(xué)進(jìn)展, 2020, 39(4): 636-642.

HU Qingfang, CAO Shiyi, YANG Huibin, et al. Daily runoff predication using LSTM at the Ankang Station, Hanjing River[J]. Progress in Geography, 2020, 39(4): 636-642.

[27] 高艷麗, 李紅波, 侯蕊. 漢江流域生態(tài)系統(tǒng)服務(wù)權(quán)衡與協(xié)同關(guān)系演變[J]. 長江流域資源與環(huán)境, 2020, 29(7): 1 619-1 630.

GAO Yanli, LI Hongbo, HOU Rui. Evolution analysis on trade-offs and synergies of ecosystem services in Hanjiang River Basin[J]. Resources and Environment in the Yangtze Basin, 2020, 29(7): 1 619-1 630.

[28] 魯帆, 朱奎, 宋昕熠, 等. 基于核密度估計(jì)和Copula函數(shù)的降水徑流豐枯組合概率研究[J]. 中國水利水電科學(xué)研究院學(xué)報(bào), 2016, 14(4): 297-303.

LU Fan, ZHU Kui, SONG Xinyi, et al. Research of combined probability of rainfall-runoff based on kernel density estimation and Copula function[J]. Journal of China Institute of Water Resources and Hydropower Research, 2016, 14(4): 297-303.

[29] 徐宇程, 朱首賢, 張文靜, 等. 長江大通站徑流量的豐平枯水年劃分探討[J]. 長江科學(xué)院院報(bào), 2018, 35(6): 19-23.

XU Yucheng, ZHU Shouxian, ZHANG Wenjing, et al. Classification of high/medium/low flow year of the Yangtze river according to runoff at Datong station[J]. Journal of Yangtze River Scientific Research Institute, 2018, 35(6): 19-23.

[30] ZHANG Jinping, LIN Xiaomin, GUO Bingtuo. Multivariate copula-based joint probability distribution of water supply and demand in irrigation district[J]. Water Resources Management, 2016, 30(7): 2 361-2 375.

[31] 龍瑞昊, 暢建霞, 張鴻雪, 等. 基于Copula的瀾滄江流域氣象干旱風(fēng)險(xiǎn)分析[J]. 北京師范大學(xué)學(xué)報(bào)(自然科學(xué)版), 2020, 56(2): 265-274.

LONG Ruihao, CHANG Jianxia, ZHANG Hongxue, et al. Risk of meteorological drought in Lancang River Basin as analyzed by Copula[J]. Journal of Beijing Normal University (Natural Science), 2020, 56(2): 265-274.

[32] 馮瑞瑞, 榮艷淑, 吳福婷. 基于Copula函數(shù)的宜昌水文干旱特征分析[J]. 水文, 2020, 40(2): 23-30.

FENG Ruirui, RONG Yanshu, WU Futing. Analysis of hydrological drought characteristics in Yichang based on copula function[J]. Journal of China Hydrology, 2020, 40(2): 23-30.

[33] 張彥, 竇明, 李桂秋. 基于Copula 函數(shù)的水體富營養(yǎng)化聯(lián)合風(fēng)險(xiǎn)概率研究[J]. 環(huán)境科學(xué)學(xué)報(bào), 2018, 38(10): 4 204-4 213.

ZHANG Yan, DOU Ming, LI Guiqiu. The analysis of joint risk probability of eutrophication based on copula function[J]. Acta Scientiae Circumstantiae, 2018, 38(10): 4 204-4 213.

Using Copula Model to Analyze Consecutive Wetting-drying Occurrence in Rainfall-runoff in Hanjiang Basin

WANG Feiyu1, ZHANG Yan2*, WANG Cai3, YING Qilin4, CHEN Ting5, YU Feilong3

(1.Key Laboratory of Water Cycle and Related Land Surface Processes, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China; 2. Farmland Irrigation Research Institute,Chinese Academy of Agricultural Sciences, Xinxiang 453002, China; 3. Jiangsu Province Hydrology and Water Resources Investigation Bureau, Nanjing 210009, China; 4. State Grid Luyuan hydropower company, Shenyang 110170, China;5. State Key Laboratory of Water Resources and Hydropower Engineering Science, Wuhan University, Wuhan 430072, China)

【Objective】Hanjiang is the largest tributary of the Yangtze River. The purpose of this paper is to analyze the consecutive occurrence of wetting-drying in rainfall and runoff in order to improve water resource management in this basin. 【Method】The analysis was based on runoff data measured from four hydrological stations and precipitation measured from a control catchment in the basin. The joint distribution of wetting-drying for rainfall and runoff was constructed using the two- and three-dimensional Copula functions. The risk probabilities of occurrence of wetting-drying for rainfall and runoff were calculated.【Result】The probability of consecutive occurrence of wetting and drying between runoff and rainfall at Shiquan and Baihe stations in the upper reaches in the basin were higher, being 73.06% and 73.45% respectively. The probability of consecutive occurence of wetting and drying at Huangjiagang station in the middle reaches of basins was the highest, reaching 45.21%. The probabilities of consecutive occurrence of wetting and drying at Shiquan, Baihe and Huangjiagang stations in the upper and middle reaches of basin was ranked in the order of dryness > synchronous wetness > synchronous normal, while at Xiantao station in the lower reaches, the synchronous wetness-dryness probability showed the synchronous normal > synchronous dryness > synchronous wetness. The synchronous wetness-dryness probabilities of rainfall in the control catchment for the combination of Shiquan, Baihe and Huangjiagang stations in the upper and middle reaches of the HRB were higher, 72.88%; the synchronous wetness-dryness probabilities of rainfall in the control catchment under different combinations of stations showed the synchronous normal > synchronous dryness > synchronous wetness, and that of runoff showed the synchronous dryness > synchronous wetness > synchronous normal.【Conclusion】The consistency of wetness and dryness for runoff and rainfall in the upper and lower reaches of the basin was good and fairly good, and is poor in the middle reaches. The wetness-dryness of rainfall in the control catchment under different stations has relatively good consistency, while the difference between the synchronous and asynchronous wetness-dryness probabilities of runoff was not significant.

Hanjiang River Basin; Copula function; rainfall and runoff; wetness-dryness encountering; risk probability

王飛宇, 張彥, 王偲, 等. 基于Copula函數(shù)的漢江流域降水徑流豐枯遭遇研究[J]. 灌溉排水學(xué)報(bào), 2022, 41(8): 95-105.

WANG Feiyu, ZHANG Yan, WANG Cai, et al. Using Copula Model to Analyze Consecutive Wetting-drying Occurrence in Rainfall-runoff in Hanjiang Basin[J]. Journal of Irrigation and Drainage, 2022, 41(8): 95-105.

1672 - 3317（2022）08 - 0095 - 11

P333

A

10.13522/j.cnki.ggps.2021546

2021-11-05

美麗中國生態(tài)文明建設(shè)科技工程專項(xiàng)資助項(xiàng)目（XDA23040304）；河南省自然科學(xué)基金項(xiàng)目（212300410310）；河南省科技攻關(guān)項(xiàng)目（212102311144）；中央級公益性科研院所基本科研業(yè)務(wù)費(fèi)專項(xiàng)項(xiàng)目（FIRI2022-01）

王飛宇（1992-），女。博士，主要從事流域水循環(huán)模擬研究。E-mail: wangfy.14s@igsnrr.ac.cn

張彥（1989-），男。助理研究員，主要從事水資源與水環(huán)境研究。E-mail: zhangyan09@caas.cn

責(zé)任編輯：趙宇龍