Page 112 - 水利学报2021年第52卷第4期
P. 112

26°N



                         24°N




                         22°N

                                                                  水文站      高程/m
                                                                  河流           2852
                         20°N
                                                                  气象站          -55
                             102°E    104°E    106°E    108°E    110°E    112°E    114°E    116°E
                                                图 1  珠江流域地理位置及站点分布
               象变量之间的联合分布。故本文运用 Copula 函数构建综合干旱指数。在 Copula 函数中,对于多维的
               随 机 变 量 X , …, X , 它 们 的 联 合 分 布 函 数 为 H (x ,,x            ) , 边 缘 分 布 函 数 为 F ( ) , …,
                                                                                                  x
                          1        d                               1      d                        1
                 x
                                                                               x
                                                                                          x
               F ( ) ,则一定存在一个 Copula 函数 C ,满足 H (x ,,x               d  ) = C ( F ( ),,F ( ) )  [9,23] ,该函数
                                                                                           d
                  d
                                                                                1
                                                              1
               将不同边缘分布的相关变量连接组合,不是基于各变量的权重来构建指数                                      [9,23] 。为能同时表征气
               象、水文及农业干旱,本文基于 Copula 函数联合降水、蒸散发、土壤水及径流等水文气象要素,
               构建综合干旱指数 (CSDI)。所有要素都可在预定的滑动窗口(例如,3 月尺度)累积,以表示不同
               时间尺度的水分亏缺状况,这使得 CSDI 在时间尺度上具有灵活性。前人研究表明 3 月时间尺度的
               干 旱 指 数 可 较 好 表 征 中 国 干 旱   [36] , 故 本 文 以 构 建 3 月 时 间 尺 度 的 CSDI 为 例 。 而 其 他 时 间 尺 度 的
              (1、6、9 和 12)CSDI 指数具体构建方法跟 3 月时间尺度基本一样,但降水、蒸散发、土壤水及径流
               等因子要考虑对应时间尺度的具体值,如 6 月时间尺度 CSDI 指数,相应的水文气象因子要考虑前
               期 6 个月的累积变化。
               2.2.1  边 缘 分 布 函 数    边 缘 分 布 考 虑 广 义 极 值 分 布(GEV)、 皮 尔 逊 Ⅲ 型(P-Ⅲ)、 韦 布 尔 分 布
              (WBL)、对数正态分布(LOG)、伽马分布(GAM)、和对数逻蒂斯迪克分布(LOL)共 6 种常用模型。边
               缘分布采用 Kolmogorov-Smirnov(K-S)方法和均方根误差法(RMSE)进行拟合优度检验,确定最适边
               缘分布函数。K-S 和 RMSE 结果如表 1 所示,结果表明降水和土壤水的最优模型均为 GEV 模型,蒸散
               发和土壤水则分别为 P-III 和 WBL 模型。
               2.2.2  最 优 Copula 函 数 选 择    Copula 函 数 构 造 多 样 , 例 如 Archimedean、 Meta-elliptic、 Extreme
               Value 和 Miscellaneous 等 。 Archimedean Copulas 结 构 简 单 、 代 表 性 广 , 已 在 珠 江 流 域 水 文 气 象 多
               变 量 联 合 分 布 模 拟 中 取 得 了 良 好 效 果     [37] 。 由 于 其 对 高 维 问 题 有 一 定 受 限 , 于 是 更 为 灵 活 的 嵌
               套 Copulas 应 运 而 生 。 嵌 套 Archimedean Copula 函 数 将 二 元 Archimedean Copula 函 数 扩 展 到 多 维 问
               题 框 架 , 用 来 研 究 多 维 变 量 的 相 关 性 , 简 单 和 实 用       [9] 。 故 用 嵌 套 Archimedean Copulas, 选 取 其
               家 族 的 Gumbel、 Clayton、 AliMikhail-Haq(AMH)和 Frank Copula 函 数 作 为 备 选 函 数 来 选 择 最 优
               Copula 函 数 。
                   利用拟合得到的 4 种 Copula 函数与经验 Copula 的赤池信息量准则(AIC)、RMSE 和相关系数(R)
               来进行拟合优度评价。AIC 是衡量统计模型拟合优良性的一种标准;RMSE 表示模拟值与真实值偏
               差的平方与模拟次数比值的平方根;R 表征两变量之间的线性相关程度;RMSE 和 AIC 值越小,表
               示模拟拟合效果越优,而 R 值越大,表示模型效果越优。AIC、RMSE 和 R 的结果如表 2 所示,表明
               Archimedean Copulas 的 AMH、 Clayton、 Frank 和 Gumbel 模 型 , 均 能 较 好 地 模 拟 珠 江 流 域 的 降 水 、


                 — 488  —
   107   108   109   110   111   112   113   114   115   116   117