[发明专利]一种基于水文过程的综合旱情监测与评估方法

权利要求书

1.一种基于水文过程的综合旱情监测与评估方法，其特征在于，包括以下步骤：

S1：分布式水文模型构建、率定和验证：收集研究区的DEM数据、矢量边界文件、土地利用数据、土壤类型栅格数据和水文气象长序列观测数据，构建、率定并验证研究区SWAT模型；

S2：边缘分布拟合：提取S1中的研究区SWAT模型输出的径流和潜在蒸散发数据，再结合研究区水文气象长序列观测数据中的降水数据进行计算得到水分盈亏值，然后对径流和水分盈亏值进行边缘分布拟合，确定研究区的最适边缘分布函数；

S3：综合干旱指数SPERI构建：首先从嵌套Archimedean Copulas函数族中选择最优Copula函数，通过最优Copula函数构建的径流R与水分盈亏值P-PET的联合分布函数，并计算二者的累积联合概率p，进一步将累积联合概率p进行标准正态化处理，最终得到综合干旱指数SPERI；

S4：基于综合干旱指数SPERI的干旱演变分析：对S3中构建的综合干旱指数SPERI进行适用性分析，然后采用Mann-Kendall检验和Pettitt检验分别对综合干旱指数SPERI进行趋势检验和变异点检测，得到研究区的不同时间尺度下干旱演变特征；

S5：基于综合干旱指数SPERI的干旱风险评估：应用游程理论识别和提取干旱特征变量，然后基于上述Copula函数进行干旱多变量联合分布的研究、概率分析和重现期的分析。

2.根据权利要求1所述的一种基于水文过程的综合旱情监测与评估方法，其特征在于，所述S1中分布式水文模型构建、率定和验证的具体步骤如下：

S11：结合研究区的流域实际情况，对研究区的DEM数据、矢量边界文件、土地利用数据、土壤类型栅格数据和水文气象长序列观测数据进行收集，其中水文气象长序列观测数据包括降水数据、温湿度数据和辐射数据；

S12：S11中的DEM数据利用数字高程模型依次进行流域边界的确定、子流域的划分和水系河网的生成；

S13：在S12中的数字高程模型中进行导入土地利用数据和土壤类型栅格数据，分别进行构建相应的土地利用数据库和土壤数据库，然后利用数字高程模型进一步生成研究区的SWAT模型；

S14：首先确认研究区的模拟期，然后将S11中的降水数据、温湿度数据和辐射数据进行输入到SWAT模型中，进行构建气象数据库并进行径流模拟；

S15：通过敏感性分析找出影响SWAT模型精度的关键因子，将流域径流观测资料以及模拟径流数据输入SWAT-CUP软件，然后对SWAT模型进行率定，获取SWAT模型的最佳水文参数；

S16：将验证期的气象数据输入率定好的SWAT模型中进行径流模拟，选取决定系数R2和模型效率系数ENS来对SWAT模型进行实用性验证。

3.根据权利要求1所述的一种基于水文过程的综合旱情监测与评估方法，其特征在于，所述S2中边缘分布拟合的具体步骤如下：

S21：将SWAT模型中输出的径流R和潜在蒸散发数据PET按月尺度进行整理，结合降水数据进行计算出水分盈亏值P-PET；

S22：选用水文和气象领域的9种单变量分布函数对径流R与潜在蒸散发数据PET进行最优分布拟合；

S23：经过最优分布拟合的径流R与潜在蒸散发数据PET通过K-S统计量进行拟合检验，并利用K-S统计量的最小原则进行优选出两变量的最佳分布函数；

S24：S23中的两变量还同时采取Pearson相关系数和Spearman秩相关系数来度量其相关性。

4.根据权利要求3所述的一种基于水文过程的综合旱情监测与评估方法，其特征在于，所述水文和气象领域的9种单变量分布函数包括广义极值函数、皮尔逊Ⅲ型函数、伽马函数、指数函数、对数正态函数、威布尔函数、正态函数、泊松函数及广义帕累托分布函数。