基于时空大数据的区域干旱风险评估

—以河南省为例

摘 要

近年来，全球气候变暖日益显著，水文要素序列分布规律发生了剧烈变化。十九大以来，“绿水青山就是金山银山”的环境理念深入人心，生态文明建设利在千秋，在人们生活的影响下，环境遭受严重破坏，洪涝和干旱等灾害事件频频发生。干旱灾害持续时间、影响范围广、发生频率高、受灾人数多，是涉及到气象、水文、地质、生态等多学科多部门的交叉学科复杂问题。全球气候变化的大背景下，干旱已然成为了困扰人类的重大自然灾害，干旱应对以及干旱风险评估已成为科学研究热点。

河南省地处中原腹地，是我国粮食大省，无论是对于生态文明建设还是经济社会的发展都具有十分重要的战略意义。但是近年来，河南省干旱呈现出广发、频发的态势，对当地人民的生产生活以及生态环境建设造成了巨大影响。为此实现主动抗旱、科学抗旱，对干旱灾害风险进行科学评估显得十分迫切。本文以干旱频发的河南省为研究对象，基于河南省1951-2013年的逐月气象数据和1956-2010年的逐月水文数据，从气象干旱和水文干旱两方面构建风险评估指标体系，结合小波分析、熵理论、神经网络、多维Copula函数等对河南省进行干旱灾害风险评估。主要取得以下研究成果：

（1）河南省干旱时空演变规律。为精准把握河南省干旱时空特征演变规律，本节利用Mann-Kendall（M-K）趋势分析，小波分析等方法辅以GIS绘制出相应的干旱特征图系，对河南省干旱进行分析知：从气象干旱角度来讲，干旱呈现出由北向南，由东向西的转移趋势，在未来一定时间内，全省干旱化趋势会更加明显；从水文干旱角度来讲，1956-1988年间，径流量序列呈现出上升的趋势，1988-2010年间，径流量序列呈现出下降的趋势；从周期性角度来讲，气象和水文站点在不同的规模上都呈现出相同的周期，其中2-4a周期最为明显。水文干旱与气象干旱之间存在有一定的滞时，水文干旱一般滞后于气象干旱，滞后时间为1-2个月。

（2）河南省干旱预测。针对干旱预测影响因子众多，如何克服各变量之间边缘和联合分布时的误差累积，提高预测精度等问题，本节利用Copula熵理论、多层前馈(Back propagation，BP)神经网络和长短时记忆( Long Short-Term Memory，LSTM)神经网络分别对干旱进行因子选择和预测知：在众多干旱预测影响因子中，气温、水汽压、相对湿度是对干旱影响占据权重较大的因素；河南省干旱状况以轻旱、中旱为主，其中轻旱发生的概率最大，干旱有向中旱和重旱发展的趋势。

（3）河南省干旱风险评估。本节基于游程理论提取出干旱历时（D,月）、干旱烈度（S,万m3）和干旱强度（M,万m3）三个干旱特征变量。为降低单个评估变量边缘分布中的信息损失，建立精准的风险评估模型，分别运用二维和三维Copula函数构建干旱特征变量之间的联合分布。结果知：对于二维Copula函数风险评估模型而言，最优联合分布构建函数为Frank Copula以及Gumbel Copula函数，河南省轻度干旱发生的频率较高，周期为4个月，重度干旱发生的概率较低，周期为1-2年；对于二维Copula函数风险评估模型而言，最优联合分布构建函数为Gumbel-Hougaard Copula函数，当干旱历时、干旱烈度以及干旱峰度中任意两个的联合概率增加到某种程度时，干旱密度增大，重度干旱也就随之发生，该种类型的干旱一旦发生，将会引起一连串的干旱发生，持续时间长，影响范围广。

关键词：气象干旱，水文干旱，Copula熵，神经网络，Copula函数