水文气候过程演变类型检测与评估方法研究
文献类型：学位论文
| 作者 | 李鑫鑫 |
| 答辩日期 | 2022-06 |
| 文献子类 | 学术型学位 |
| 授予单位 | 中国科学院大学 |
| 授予地点 | 中国科学院地理科学与资源研究所 |
| 导师 | 桑燕芳 |
| 关键词 | 水文气候过程 自然演变特征 趋势 长持续特性 熵指标 |
| 学位名称 | 博士 |
| 学位专业 | 自然地理学 |
| 英文摘要 | 准确揭示水文气候过程的演变特征、掌握其未来演变情势，是科学评估气候变化以及合理应对气候变化影响的基本依据和必要前提。受多种复杂因素（包括随机因素）的共同作用和影响，实际水文气候过程十分复杂，特别是近几十年受全球气候变化影响的日益加剧，水文气候过程更为复杂多变。 趋势是水文气候过程演变研究中重点关注的对象，被广泛应用于描述水文气候要素的长期变化特征，但趋势的检测与识别受到水文气候系统自然演变特征的影响。因此，准确识别水文气候过程的自然演变类型，并评估其对趋势类型和显著性的影响，是本研究的核心问题。围绕该目标，本研究首先综述了目前水文气候过程演变特征研究的研究现状，并总结存在的三点不足：（1）自然演变特征的研究主要利用长持续特性评估方法，但忽略了方法的适用性，导致短持续过程会被误判为长持续过程；（2）趋势的检测与识别受到水文气候系统自然演变特征的影响，但目前趋势研究较少考虑该影响；（3）熵指标能够很好的描述自然演变过程的随机性，但熵指标众多，不同熵指标量化随机性的结果存在差异。 针对上述不足，本研究构建了水文气候过程自然演变类型检测方法。首先，针对不同演变类型序列在时域、频域和熵指标下的变化特征进行深入研究，分析不同指标用于区分自然演变类型的优劣以及各指标的关联性，从而构建水文气候过程自然演变类型检测方法。该方法利用差分序列的一阶和二阶自相关系数将白噪声过程、AR(2)过程和单位根过程从七种类型序列中识别出来，再利用 DFA方法进一步区分AR(1)过程和长持续过程，从而对水文气候过程的自然演变特征进行准确识别。与已有方法相比，该方法降低了AR(1)过程叠加趋势的时间序列和长持续过程叠加趋势的时间序列被误判为AR(2)过程和单位根过程的概率，进而可以准确识别水文气候过程的不同自然演变类型。 然后，本研究进一步考虑水文气候过程自然演变特征对趋势识别的影响，综合多种方法构建了时间序列趋势诊断与显著性评估新方法，实现对水文气候过程趋势的无偏估计。与传统最小二乘方法和单位根检验方法相比，该方法可准确地诊断水文气候过程的趋势显著性，且避免了水文气候过程中的确定性趋势被检测为随机性趋势的误判。因此，本研究构建的水文气候过程演变类型检测及评估方法，可以更准确地揭示水文气候过程的复杂演变特征及空间差异性，提升对水文气候过程时空变异特征的新认识。 基于构建的水文气候过程演变类型检测及评估方法，揭示了全球和典型区域水文气候过程的复杂演变特征及空间差异性，并对比常规最小二乘法和单位根检验方法结果，评估自然演变特征对趋势显著性和趋势类型的影响，从而提升了对水文气候过程演变特征的认识。主要结果如下： （1）1901-2018年，全球陆表月气温数据的自然演变类型为长持续过程，且长持续特性导致最小二乘法高估全球陆表42%区域的气温趋势，低估全球58%区域的气温趋势，且序列长持续特性越强，对趋势识别的影响越大。随着序列长度的减小，长持续特性对趋势的影响也不断减小。同时，时间序列的长持续特性（0.5 |
| 学科主题 | 自然地理学 |
| 语种 | 中文 |
| 页码 | 150 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/186933]  |
| 专题 | 地理科学与资源研究所_研究生部 |
| 推荐引用方式 GB/T 7714 | 李鑫鑫. 水文气候过程演变类型检测与评估方法研究[D]. 中国科学院地理科学与资源研究所. 中国科学院大学. 2022. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。