论文部分内容阅读
干旱是最昂贵的水文极端事件之一，在流域尺度监测并预测干旱发生的可能性是非常重要的。由于冰川和积雪的存在显著影响了流域的干湿状况，寒冷地区的复杂性使得干旱的程度估算更加复杂。被广泛使用的标准降水指数(SPI)用于描述气象干旱的特征，并没有考虑到固态降水的临时储存以及之后雪和冰川的融化，从而导致气象干旱和其他干旱（农业干旱和水文干旱）之间的显著差异。本研究考虑到影响季节性水量供给的雪和冰川，引入降雨、雪和冰川融化(RSG)标准化异常(SA)指数，去反映寒冷流域的水量供应。对比评估RSG SA和SPI指数，以定量测定对干旱的高估和低估。本研究利用高分辨率的基于水量和能量平衡的分布式水文模型，同时有改进的雪物理过程(WEB-DHM-S)，能够统一描述水、能量以及二氧化碳，在5公里网格尺度上量化典型的寒冷流域1983年至2012年的水文状况（拉萨河流域）。利用2001年到2005年的数据计算参数，再利用整个研究期间的数据进行验证，以确定模型参数的可靠性。土壤湿度的验证是从2003年到2008年，以说明模型的输出可靠。干旱指数通过模型输出量来计算，其中包括针对气象干旱的RSG，农业干旱的土壤湿度（表面和根区），水文干旱的流量以及地下水水位。由于单一分布不能解决不同的数据分布，为了最小化参数拟合带来的不确定性，这些输入和输出都用了不同的分布模式。该SA被首先获得，考虑到最小的Akaike信息准则(AIC)和Bayesian信息准则(BIC)分布模式，拟合模型输入（降水）和输出。然后，最佳拟合分布被转化成标准化分布。最后，转换后的参数值通过计算SA标准化。从空间和时间分析来看，干旱分别发生在1984年、1988年、1995年、1997年、2009年和2010年，所对应的最严重的月份在八月、九月、七月、八月、六月和六月。RSG和降水与流量的关系分析表明RSG对流量和温度有相同的趋势，温度高峰在七月而降水高峰在六月。气象干旱的高估和低估在极度干旱的年份（1984年和1997年）有很大的差别。与拉萨河流域干旱相关的大尺度环流分析表明，由于冰川和积雪的融化显著影响流域的湿度，印度夏季季风(ISM)对流域气象干旱影响较小。此外，拉萨河流域的综合旱情与厄尔尼诺(ENSO)和太平洋涛动(PDO)有关。如果很好地理解这种关系，将会对干旱的量化和监测有很大帮助。据我所知，这是拉萨河流域针对干旱的首次研究。