确定半中心降水趋势中国湖盆地外文翻译资料

 2022-08-11 10:41:30

英语原文共 16 页，剩余内容已隐藏，支付完成后下载完整资料

  1. 摘要

本研究探讨了降水时间序列的时空趋势分析。 准确预测降水趋势可在一国经济增长中发挥重要作用。 本研究在 52 年的研究期间（1961-2012 年）对中国洞庭湖 23 个台站的降水不一致进行了研究。 采用统计、非参数Mann-Kendall(M K)和Spearman 的rho 检验来确定月降水量、季节降水量和年降水量的趋势。采用无趋势预白化方法排除降水时间序列中的顺序相关性。曼-肯德尔(M K)和斯皮尔曼的rho 测试的性能在测试的显着性水平上是稳定的。结果表明，在每月和季节时间尺度内，不同站点的增减趋势是融合的。 通过Mann-Kendall 和Spearman 的rho 试验获得的结果表明，他们对月度、季节和年度降水趋势的评估是一致的。 各站的消极和积极趋势的多变性表明需要对该区域的气候变化进行更详细的研究。 在整个洞庭盆地的月时间尺度上，发现了显著的正趋势，而在沅江和仙家格河则发现了正、负的显著趋势。仅沅江在季节时间尺度上呈现出显著趋势.. 在任何情况下，年度时间尺度上都没有出现重大趋势。 以月为例，南县站在 7 月和 9 月的月降水量呈最大正增长。 在季节性的情况下，只有铜仁站在月度水平上呈现正趋势，春秋两季均未发现显著的负趋势。

  1. 关键字

曼-肯德尔(M K)，斯皮尔曼的Rho，洞庭湖，增长趋势，下降趋势

四、导言

降水变化的发现是一个重要而棘手的问题，由于其在未来水资源开发和洪水安全方面的中心作用，引起了越来越多的兴趣。已经建立了许多统计检验和动态方法来检测水文气象和水文时间序列的趋势，分为参数检验和非参数检验[1]。 参数检验占主导地位，但数据应该是正态分布的、独立的或自主的， 在水文时间序列数据中几乎没有这种情况。另一方面，非参数检验数据应该是独立的，但其他条件可以更好地容忍。科学家发现，最常见的非参数检验是Mann-Kendall[2]、Spearman 的rho 和TheilSen 的[3]，用于研究时间序列数据的趋势。曼-肯德尔测试是研究水文时间序列趋势的研究人员最常用的测试[4， 5]；较不常见的是，ThelSen 和Spearman 的 rho 分别用于检测水文气象数据的幅度和单调趋势[6]。 在几种类型的研究中， Spearman 的rho 被用作与Mann-Kendall 测试fbr 评估目的的组合[7-9]。洞庭湖是中国最大的内湖，位于长江中游地区。 在过去的几十年里，洞庭经历了人类活动的加剧。湖泊边缘被大量开垦用于农业，其上游集水区和邻近地区的森林砍伐占主导地位[10]。预计洞庭将继续萎缩，在不久的将来，在无洪水条件下， 只能作为河道。然而，三峡大坝等大型水力工程的建设可能有助于减缓湖泊收缩，因为很大一部分沉积物将被困在大坝后面[11]。 这一背景的复杂性给长江中游地区的研究增添了意义。例如，Chen 等人。[12]利用降水资料和流量资料分析了长江流域降水时间序列趋势。分析了长江流域近半个世纪降水的时空变异性，并采用无趋势预白化(T FPW)、Mann-Kendall(M K)统计检验来评估趋势的意义[13]。 王和周[14]研究了长江川江段气温和降水的长期趋势和周期性变化，采用参数和非参数方法进行了分析。然后研究了青藏高原气候变化趋势与长江上游水资源变异性之间的可能关联[15]。以往的研究大多集中在长江流域或上游的区域气候变化上。 然而，除了fbr 趋势分析变异主流的长江中游外，对长江中游的气候趋势进行了一些研究[16]。 过去十年来，人们对全球变暖的威胁日益感到关切。近几十年来，全球气候变暖及其影响一直是一个关键的研究领域。根据政府间气候变化专门委员会（气专委）的第四次评估报告，各大洲和大多数海洋的观测证据表明，许多自然系统受到区域气候变化的影响，特别是气温和降水的增加[17]。对 1980-2010 年期间塞尔维亚 12 个气象站的 7 个气象变量的年度和季节趋势进行了fbr 分析。 采用非参数Mann-Kendall和Sen的方法确定天气数据是否存在正负趋势，具有统计学意义.. 总的来说，使用Mann-Kendall 和Sen 测试的结果表明，在检测趋势FBR 气象变量方面，性能良好[18]。 许多研究人员领导了世界各地的大量调查，以注意到气候变化并进行趋势分析。云岭和一平[19]分析了1960 年至2000年间 19 个站在兰瑟河旁的中国气候变量的趋势。 古等人 [20] 应用Mann-Kendall 试验检测我国主要河流流域的径流趋势，结果显示了很大的准确性。 范和王[21]通过应用我国山西省的Mann-Kendall 法计算了温度趋势，发现了温度的上升趋势。蒋等人 [22]运用曼-肯德尔法研究了 1956-2004 年中国的风速趋势。他们使用了两个数据集，发现该地区的趋势正在下降。这些研究大多集中在长江流域的区域降水波动上。利用 Mann-Kendall 和 Sen 在 1901-2010 年印度 Uttrakhand 地区的坡度试验发现了一个不断增加的年降水量趋势[23].. 通过应用Mann-Kendall(M K)和Spearman Rho(S R)试验，对巴基斯坦斯瓦特河流域 51 年（1961-2011 年）的季节和年度趋势进行了了调查。 在检测不同站点的趋势时，MK 和SR 测试的性能被发现是一致的[24]。 在法国地中海地区西部，即比利牛斯-东方和奥德，采用非参数MK 检验来确定当地规模的重大趋势，由于地中海气候的自然空间变异性，也进行了区域解释。利用MK 对 1982-2011 年期间马来西亚Langat 河流域的区域年和季节降水趋势进行了研究。从年度规模来看，这三个区域都呈现出积极的趋势[25，26]。 1960-2010 年期间，在南澳大利亚的Onkaparinga 集水区的 13 个站采用了MK 法，以查明年度、季节性和月度降雨量的现有趋势。 多数趋势，是否积极或阴性， 始于 1970 年代中期至 1980 年代中期[27]。 采用Mann-Kendall 非 参 数 Spearman 相 关 系 数 (Rho) 确 定 了1959-2009 年期间芬兰中部降水趋势的年际变异性。 在检测不同站点的趋势时，MK 和 SR 测试的性能是一致的[28]。 对韩国 43 个气候测量站进行了时间（月、季节和年）气候干旱指数趋势的同质性分析。研究结果显示了单个和整个 9 个区域气候干旱指数趋势的时间和区域均匀性[29]。

在进一步的研究中，Singh 等人。 [30]用MK 检测印度的降水趋势和相对湿度，发现河流流域大部分地区的相对湿度呈上升趋势。顺序 MK 技术正在成为确定趋势的开始和趋势的突然变化的流行[31，32]。 本研究的目的是研究年降水量、日照时间、风速(U2)、年、月最低气温(T min)、最高温度(T max) 和相对湿度(R H)的变化趋势，以及塞内加尔河流域的适应策略。 年降水量、Tmin、Tmax、RH、日照持续时间和u2fbr， 记录在圣路易斯、巴克尔、达加纳、Fanaye、Podor 和Matam 的年降水量、Tmin、Tmax、RH、日照持续时间和 u2fbr，用MK 和Sen 的斜率估计器[33]进行了分析，用于确定北美季风核心地区 48 个台站的降水趋势。 结果表明，山区台站P95 的强度呈显著上升趋势，表明与TCS 相关的降水贡献更大[34， 35]。 利用MK 对Urmia 湖水位时间序列的光谱分析以及气候和水文变量对其的影响也显示出了很大的适用性[36].. 通过使用MK 方法，用[37]研究了短期和长期持久性对识别时间趋势的影响。 利用MK 流趋势和气候变异性，赵等L[38]分析了鄱阳湖流域的影响，发现非参数检验有产生更好结果的趋势。在伊朗乌尔米亚湖，使用了三种非参数检验，所有这些检验都显示了很大的准确性[39]。对 0.5x0.5°分辨率(CRUTS3.21)的网格降雨数据进行了分析， 以研究 1901-2012 年期间印度中部Wainganga 河流域年和季节尺度的长期时空趋势。 使用theyil 和Sen的斜率估计器测试fbr发现在一段时间内变化的大小.. 虽然大多数网格点在年降雨量中呈下降趋势，但在 1901-2012 年期间，只有 7 个网格呈显著下降趋势[40]。本研究审查了 1961-2012 年期间洞庭湖 23 个主要气象站的月降水量 季节降水和年降水量。分析洞庭湖降水月和长期趋势在季节和年时间尺度上的短期趋势.. 同时，本文首次对各子流域及整个流域的降水趋势特征进行了研究。这项研究的结果可能为洞庭湖即将到来的水资源和洪水安全机制的准备提供重要的证据。

五、材料和方法

1.研究区域：

本研究研究了洞庭湖 52 年（1961-2012 年）降水时间序列fbr 的变异性（图 1）。 1)。 洞庭位于南岸厂江中游。湖泊观察到一个频繁的进展过程，从小到大，从小到小，这与靖江网络的演变是完全相连的。洞庭湖的流入主要来自长江.. 自 1948 年以来，无数的结构发展破坏了流向湖泊的水的状态，主要是调县大坝、靖江和万江峰溪水库工程、紫水头溪水库、葛洲坝大坝和三峡水库。

图1.1洞庭湖气象站的位置：

2.数据和方法：

洞庭汇水总面积 262108 公里 2 约占长江总量的 12%，有 23 个气象站。在行政区划上覆盖湖北和湖南两省.. 重要分支包括湖域(Al)、澧水(A2)、余江(A3)、紫水河(A4)和湘江(A5)。 这些盆地的汇水面积为27965 公里228328 公里291319 公里219669 公里 294826 公里 2)。 对于整个洞庭盆地(A)，采用相应台站降水平均值[41].. 它还有一些小河流，如新强河、汨罗河和其他较小的河流。在北方，它包含四条运河，即县、胡都松子和瓯池，与长江和长江的假定水相连。洞庭的水和泥沙被倾倒到位于湖泊通道的成陵矶的长江中。降水数据也分为季节性（冬季、春季、夏季和秋季）和年度数据序列。

3.统计检测：

在应用 MK 和 SR 测试来确定从选定的站点的时间序列中的降水趋势之前，对数据进行了测试，以满足测试要求。采用无趋势预白化(T FPW)方法去除时间序列数据中的序列或序列相关性。利用 Sen 的斜率法获得了时间序列数据中斜率的大小. 下面简要讨论所使用的统计方法[42-46]。

  1. 趋势分析：

在非参数检验的情况下，数据集应该是串行自主的或独立的.. 在前人研究的基础上，序列相关性的存在将提高 FBR 重要趋势发现的前景。这一线索表明，不一致地拒绝无趋势的零假设，而零假设是真的。因此，应该消除序列相关性的影响。为此，很少有方法，如方差校正，预白化[47]和 TFPW[48]被推荐。这里提供的TFPW 方法提供了一个很好的评估趋势的意义，串行相关的数据比其他方法。在本研究中，为了消除连续相关对两个测试(MK 和SR)的影响，采用TFPW 技术对具有 5%显著自相关系数(Q)的时间序列进行了研究(见Eq)。 1)。 利用方程对自相关进行了零假设检验。这是Mann-Kendall[49]建立的过度增长的统计非参数检验。对于这个测试，空(H)奥 )和另一种假设(HJ 等价于不存在，并相应地是当前观测数据时间序列中的一种趋势。计算 MK 检验统计量S 和一致检验统计量的相关方程如下：Mann-Kendall 统计量(S)的数学方程 3 和标准化检验统计量Z。

六、结果与讨论

1.每月使用MK 和Spearma

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[237552]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章