Bayes统计模型在出山月均径流极小值研究中的应用

数理统计方法在解决全球气候变化引起的洪水、干旱等极端水文事件中获得了越来越广泛的应用。选取乌鲁木齐河1958—2006年枯水期的月平均出山径流资料,采用广义Pareto极值分布(GPD)模型,并运用Bayes统计模型估计GPD的参数,最后对乌鲁木齐河枯水期月均出山径流极小值变化进行了估算。研究表明:1.参数的初始值、先验分布的均值分别取其极大似然估计值,先验分布的标准差取较小值,随机游走项分布的标准差取较大值,这种方法能使Markov链快速收敛;2.基于Bayes参数估计值的GPD在拟合月均径流量的极小值时具有很高的精确度,与传统的极大似然估计方法相比,Bayes统计模型的推断效果较好;3.乌鲁木齐河重现期为10 a、25 a、50 a和100 a的枯水期月均径流极小值分别约为0.60 m3/s、0.44 m3/s、0.32 m3/s和0.20 m3/s;4.100 a重现水平的95%置信区间的下限为-0.238 m3/s,说明当乌鲁木齐河在枯水期遇上百年一遇的极小值时,有可能出现断流的情况。

长尺度下不同基流分割方法在香溪河流域的应用比较

随着非点源污染对水环境影响的日益加剧,通过基流分割估算非点源污染负荷的应用日渐广泛,合理的基流分割方法成为影响估算污染负荷的关键。研究根据三峡库区香溪河流域兴山水文站1962—2007年(共计46年)日径流数据,分析滤波平滑最小值法的适用性。结果表明,滤波平滑最小值法不仅在起涨阶段较好地追踪了数字滤波法,而且在衰退阶段较好地追踪了平滑最小值法;滤波平滑最小值法延迟了基流过程线峰值的出现时间,显现出基流比径流汇水时间长这一水文特性;从枯水指数Q90/Q50来看,滤波平滑最小值法与数字滤波法分割结果更相近;相比数字滤波法需要向前—向后—向前3次滤波,滤波平滑最小值法的优势只需要进行一次向前滤波。