邢静怡，刘浩然，罗敬文
（1.西安市生态环境局长安分局，陕西 西安 710000；
2.中国科学院南京土壤研究所，江苏 南京 210018；
3.澳大利亚新南威尔士大学（UNSW），新南威尔士州 悉尼 1466）
随着全球变暖，世界各地每年降雨量都在增加，即使是以我国天山南麓为代表的干旱地区也不例外[1］。因此，国内外愈发重视借助模型对降雨量和河流水文进行拟合分析以减少自然灾害带来的影响。
国外常用的一种水文分析方法为Regional Flood Frequency Estimation（RFFE，区域洪水频率分析方法），该方法所研究流域的径流量由相邻流域的数据推测计算，这种分析方法依赖于其他流域的数据，只适用于城市和小流域的水文分析[2］。在我国，也已有对小流域进行水文分析的模型，如黄维东等在对甘肃典型小流域的暴雨和洪水特性分析时所采用的洪峰流量与流域特征综合关系模型，但只能用于如嘉陵江、渭河等我国主要大中型河流的支流的洪峰流量分析[3］。我国也有对城市水文进行分析的模型，如冯雷等对济南市进行水文分析时采用了由两个模型组合而成的SLEUTH-SWAT 模型[4］；
朱梅等对三亚市降雨-径流分析时采用了SWMM 模型[5］，但这些模型只适用于城市地表径流分析。另外，沈浒英等建立了三峡水库入库流量中期预报水文模型，但该模型只适用于湖泊和水库的水文预报分析[6］。刘卫林等人通过MIKE Flood 模型分析溃堤洪水演进过程，但该模型难以对溃堤前可能的洪峰进行预测[7］。鉴于这些方法的局限性，且为满足现阶段大中型河流的施工需求、防洪需求和生态需求，我国也需要一种可以全面、快捷地分析大中型河流未来洪峰和设计洪水的工具。
Flike 由澳大利亚纽卡斯尔大学研发，包含两种拟合方法和对应的十种拟合模型。Flike 软件适用于Flood Frequency Estimation（FFE）方法，这是一种依托水文观测站每年河流径流量等监测数据，计算流域洪峰的方法，适用于中型及以上的河流流域，一般不用于小型流域或城市[8］。Hossain 等人曾使用Flike 软件完成了对布里斯班河洪峰的分析[9］。Paul 等人通过该软件确定了不同ARI 下的洪峰，为新南威尔士州上建设水利设施以及制定防洪减灾应急预案等提供了理论依据[10］。Rahman 等人曾使用Flike 软件中的两种模型实现对澳大利亚877 个降水丰富区域水文数据的初步预测[11］， 并使用该软件的全部模型，完成了对新南威尔士州96 个流域未来洪峰的准确分析[12］。相比于我国已有的水文分析软件，Flike 软件适用于大中型河流的未来洪峰和设计洪水的计算，且具有计算方便快捷、可选择模型多的优点[12］。
因此，本文主要以澳大利亚贝格河流域洪峰分析为例，介绍这款软件的使用方法和软件处理所能达到的效果，并进行误差分析，从而对Flike 是否可能适用于分析我国大中型河流未来最高洪峰的软件作出展望。
1.1 拟合方法的说明
Flike 软件的操作方法可以参考Paul 等人的研究[10］。
如图1 所示，Flike 提供两种拟合方法，一种Bayesian（贝叶森）方法，一种是LH-moments（矩估计）方法，这两种方法均适用于河流水文数据的模拟[11］。
图1 Flike 计算方法和模型选择界面
在选择Bayesian 方法时，可以选择 No prior information（无信息先验分布）或Gaussian prior distributions (高斯先验分布），无高精度要求下一般选用前者[10］。
在选择LH-moments 方法时，可以调整参数H 的数值。当选择H=0 时，拟合过程不受洪峰值高低的影响。当选择的H ≥1 时，随着H 数值的增大，越高的洪峰值在拟合中所占比重越大。无特殊要求下一般选用H=0[10］。
1.2 拟合模型的说明
每种方法下可以采用五种模型：
（1）Log-normal（对数正态分布）模型适用于处理变动次数多，但变动幅度平缓的数据[13］。
（2）Log Pearson III（LP3）（对数P-III 型分布）模型常用于含历史洪水的不连续系列洪水分析[14］。
（3）Gumbel（耿贝尔分布）模型（亦称极值Ⅰ型）常用于涉水工程的设计水位、水文气象极值分布频率分析和重现期的计算[15］。
（4）Generalized extreme value（GEV）模型是欧洲常用的水文分析模型[14］。
（5）Generalized Pareto（广义帕累托分布）常用于防洪工程规划设计和灾害风险评估，可以提高推算洪水重现水平的精度[16］。
1.3 拟合图像的说明
依次选择方法和模型后，Flike 可以根据输入的数据得到图像。选择的方法和模型不同，得到图像上的拟合曲线不同。
Bayesian 方法所得图像会同时提供Expected prob quantile（期望概率分布数）和expected quantile（期望分布数），在图像中分别以灰色线和黑色线表示。LH-moment 方法所得图像只提供expected quantile，在图像中以黑色线表示。两种方法都会得到90%置信区间。
不同河流的水文数据适用的拟合方法和模型不同，Flike可根据数据生成两种方法下共十种模型的图像。将这些模型的图像进行对比，可以得到最合适的模型，进而得到所需的最接近于实际情况的最大洪峰值。
通 过Flike 计 算 出 的 数 据 囊 括ARI=1 至ARI=50，000 的最大洪峰值。根据日常需求，选取ARI=50（AEP=2%）和ARI=100（AEP=1%）的洪峰值进行分析，即50 年一遇和100 年一遇的洪峰。AEP 为ARI 倒数的百分数。
2.1 数据来源和研究对象
本研究采用的数据由澳大利亚气象局直属水文测量站杰米森贝格河站提供。所涉及数据为官方公开的1971 年至2013 年该测量站记录的每日最大流量。
贝格河在杰米森水文站管辖范围内流域面积为626.9 km2，根据该站的监测数据，使用Flike 生成十种模型的拟合图像。
2.2 模型拟合图像
2.2.1 Bayesian 拟合图像
图中：横坐标为ARI；
纵坐标为Log10（Peak flow m3／s）；
点状标记为Gauged，是数据所在点；
灰色拟合线为Expected prob quantile，是期望概率分位数；
黑色拟合线为expected quantile，是期望分位数；
灰色双虚线为90% limit，是90%置信区间，下同。
图2（b）的置信区间窄，Expected quantile 线和Expected prob quantile 线几乎重合，大多数点在置信区间内，并且接近Expected quantile 线。图2 其余各图的置信区间宽度普遍高于图2（b）且有点位明显偏离拟合线的现象，说明拟合效果差。
图2 Bayesian 拟合图像
2.2.2 LH-moment 拟合图像
图3（a）的置信区间很窄，大多数点在置信区间内。但大多数点在Expected quantile 线外。图3（b）在ARI=1.5 和ARI= 2.5 之前，这些点很分散。图3（c），图3（d）和图3（e）拟合结果相似且拟合效果差。
图3 LH-moment 拟合图像
2.3 洪峰数据和模型选择
导出Flike 十种模型计算得到的数据，包括ARI、洪峰、置信区间宽度和上下边界，从而更直观的获得选定模型之后不同洪水重现期的数据。通过对两种方法下的十个模型进行比较，最终选择采用Bayesian 分析方法的Log-Pearson III 模型作为贝格河未来洪峰计算模型。摘录该模型分析数据见表1。
表1 采用Bayesian 方法的不同洪水重现期数据
2.4 误差分析
2.4.1Flike 软件的误差
Flike 的模型并不完全准确，拟合结果存在误差。同时由于Flike 可以选择10 种模型，但最终选用哪一种模型需要人工进行筛选，人工筛选过程也会因主观因素而产生误差。
2.4.2数据的误差
1） 数据由各地水文观测站研究人员使用设备测量，记录过程中会有错误和遗漏。
2）用于计算的洪峰流量数据应该是独立的，但实际上该数据可能会受到前一年降雨的影响。
3）如果某一段时间受到特殊天气的影响，则可能直接影响整体数据。太平洋沿岸国家近年来受到厄尔尼诺现象影响较为明显，包括中国和澳大利亚[17］。并且南太平洋涛动对澳大利亚的气候也存在影响，这种现象会导致澳大利亚和印度的降雨量呈现负相关[18］，致使澳大利亚降雨出现大范围波动。
2.4.3流域内部的变化
在1971 年～2013 年间，贝格河流域内可能发生城市化和森林砍伐，这会影响高峰流量的值，使该数值更大或更小。如在城市建设时对土地的平整，会导致土地坡度降低、植被减少，此时水的流速会降低并汇集的更慢，所以峰值流量将比以前更小[19］。如2006 年的该流域日平均最大流量只有7.3 m3／s，达到自1973 年开始统计后的最低点。
该问题在我国也具有普适性，根据李艺珍等人的研究[20］，气候变化和人类活动会导致水文序列发生一致性变化，出现河流径流量多时间尺度性等不同程度的变异。这些变化会直接影响数据拟合的准确度。
本文以贝格河为例，通过Flike 软件对其1971 年到2013年的最大流量进行分析，得出了最适用于贝格河的分析模型为Bayesian 分析方法的Log-Pearson III 模型并计算出了ARI=50 和100 时的洪峰。实际应用时，确保设计洪水值不小于洪峰值即可满足设计需求。
根据实例可以得出，Flike 具有全面、快捷的分析不同洪水重现期下大中型河流未来洪峰和设计洪水的能力。通过对数据进行分析，Flike 提供多个拟合结果，供设计人员根据设计需求选择，这可以帮助我国提高对大中型、有常年持续的洪峰等水文数据记录的河流的水文频率分析能力，有助于帮助确定河流上水利设施的设计洪水。
猜你喜欢洪峰置信区间水文定数截尾场合三参数pareto分布参数的最优置信区间内江师范学院学报(2022年4期)2022-04-27继往开来 守正创新——河北省水文工程地质勘查院河北地质(2021年3期)2021-11-05p-范分布中参数的置信区间湖北师范大学学报(自然科学版)(2021年3期)2021-09-08多个偏正态总体共同位置参数的Bootstrap置信区间数学物理学报(2021年1期)2021-03-29水文河南水利年鉴(2020年0期)2020-06-09水文水资源管理河南水利年鉴(2020年0期)2020-06-09列车定位中置信区间的确定方法铁道通信信号(2018年9期)2018-11-10淡定！新城乡(2017年8期)2017-08-26水文河南水利年鉴(2017年0期)2017-05-19晨地火(2014年4期)2014-03-01
