岷江流域降水极值概率分布研究

被引:7
作者
何干皓
李龙国
刘铁刚
苟思
机构
[1] 四川大学水力学与山区河流开发保护国家重点实验室水利水电学院
关键词
岷江流域; 降水极值; 重现期; 概率分布; L-矩;
D O I
10.15961/j.jsuese.2017.01.010
中图分类号
P426.6 [降水];
学科分类号
0706 ; 070601 ;
摘要
由极端降水事件所导致的灾害对自然和社会系统的影响十分严重。以岷江流域为研究区域,探索不同概率分布对该流域不同地区降水极值的适用性,并揭示其统计特征。基于流域内15个气象站1962—2012年逐日降水数据,分别采用年极大抽样和百分位法从中提取年极大降水序列(AM)和超门限峰值降水序列(POT)。选取广义极值分布(GEV)和广义帕雷托分布(GPD),采用L-矩参数估计法得到两种分布函数的参数。根据K-S检验结果评价拟合效果并确定最优分布,计算不同重现期水平下的降水量。结果表明:1)GEV分布拟合AM序列时,有5个站点属于极值Ⅱ型分布,其余属于Weibull分布;拟合POT序列时,所有站点均属于极值Ⅱ型分布。2)AM序列的最优分布全为GEV分布;POT序列有13个站的最优分布为GPD分布,仅有2个站为GEV分布;GPD分布不适宜拟合雅安站的AM序列。3)流域降水极大值集中在岷江中下游地区,上游降水相对较少。4)在雨量较少的地区,两种分布推算的不同重现期降水量相差不超过6 mm;对于多雨地区,当重现期为50、100 a时,这种差值大于20mm。通过分析,认为两种分布皆可用于岷江流域降水极值的拟合,GEV分布更适用于拟合AM序列,GPD分布更适用于POT序列,但两种分布拟合各自最适宜的样本序列时难以比较。AM序列和POT序列最优分布推算的不同重现水平下的降水量存在差异,这种差异随重现期增大而增大,同时也与站点降水量相关。
引用
收藏
页码:78 / 85
页数:8
相关论文
共 17 条
[1]  
水文气象统计通用模型[M]. 中国水利水电出版社 , 孙济良等著, 2001
[2]  
A review of methods to calculate extreme wind speeds[J] . J PPalutikof,B BBrabson,D HLister,S TAdcock. &nbspMet. Apps . 2006 (2)
[3]  
Unbiased plotting positions — a review. Cunnane,C. Journal of Hydronautics . 1978
[4]  
Regional frequency analysis-an approach based on L-moment. Hosking JRM,Wallis JR. . 1997
[5]  
PARAMETER AND QUANTILE ESTIMATION FOR THE GENERALIZED PARETO DISTRIBUTION. Hosking, J.R.M.,Wallis, J.R. Technometrics . 1987
[6]   洞庭湖区极端降水统计分布模型分析与特征重现 [J].
周念清 ;
李章平 ;
沈新平 ;
刘晓群 .
水资源与水工程学报, 2014, 25 (04) :11-15
[7]   淮河流域极端径流的时空变化规律及统计模拟 [J].
杜鸿 ;
夏军 ;
曾思栋 ;
佘敦先 ;
张永勇 ;
严子奇 .
地理学报, 2012, 67 (03) :398-409
[8]   1961—2004年新疆降水极值概率分布特征 [J].
张延伟 ;
姜逢清 ;
魏文寿 ;
王雯雯 ;
刘明哲 ;
韩茜 ;
洪雯 ;
陆恒 .
中国沙漠, 2012, 32 (02) :503-508
[9]   岷江流域汛期降水时空特征研究 [J].
周大杰 ;
张明珠 ;
俞烜 ;
刘园 .
水文, 2009, 29 (04) :26-29+33
[10]   我国东部极端降水时空分布及其概率特征 [J].
蔡敏 ;
丁裕国 ;
江志红 .
高原气象, 2007, (02) :309-318