文摘

气候变化增加了可能性在不同降雨和温度,需要一个详细的研究估计洪水频率在Omo Woybo流域的气候变化下流域的埃塞俄比亚。对洪水频率的影响被评估使用多个气候模型在RCP4.5 RCP8.5排放场景2020年代,2050年代和2080年代相比,1976 - 2005。水文工程中心的水文建模系统(HEC-HMS)是用来模拟水流灵敏度分析后,校准和验证模型的流域。洪水频率分析后启动放电通过较长的部分后跟部分时间系列的频率分析方法提供了一个更好的结果尽管阈值选择很麻烦。从非参数Mann-Kendall测试结果说明在年降雨量略有增加。预计流量预计将增加在秋天,夏天,和每年的8.34,13.54,和2050年代的5.02%和12.20,18.06,11.87%,2080年代,分别根据RCP4.5,虽然可能在每年夏季和增加5.82%和15.66在2050年代和2080年代10.55和29.51%,分别RCP8.5之下。洪水频率分析使用甘力克的方法。洪水预测一个积极的改变为10级,50岁,100年,200年,500年,1000年复发期两种场景。本研究为减少洪水和发挥重要作用的负面影响提供估计的递归洪水用于道路设计、大坝、桥梁可持续水资源管理。

1。介绍

在埃塞俄比亚频繁的气候变化对自然环境产生巨大的影响(1]。已经被广泛接受,气候变化迫在眉睫和进一步的改变是不可避免的2]。增加或减少的长期连续性在气候变量(3)已经改变了水文状况,对极端事件(有很强的影响4]。气候是洪水风险因素通过提高降水相对于平均年降雨量(5]。

洪水频率信息通常被应用于控制土地使用和结算在洪水频发的地区除了其他复杂性6)由于气候周期性变化(7]。气候变化对洪水频率的影响是由于强降雨和温度(8)引起的变化时间、区域模式和强度的降水事件,以及与沉重的天数和强烈的降水出现。潜在的增加由于气候变化将加剧了洪水侵蚀与森林砍伐和过度放牧导致增加地表径流和洪水的严重性9]。气候变化预计将增加两个极端降水事件的规模和频率导致重复河洪水(10]。极端降水事件是气候变化的最重要的一个方面。频率和强度的增加以及径流事件可能说明主要对自然和人为的影响系统的频率和严重程度的增加洪水,洪水大小,体积流速及流水量最普遍在世界的大部分地区。

埃塞俄比亚的地形和气候特征的国家容易受到高的洪水导致破坏和损害经济、生计、和基础设施(11]。洪水根据位置和程度的不同,有很大变化(12影响社区经济和环境价值。不同的气候变化场景的影响预计在全球范围内;确切的类型和大小的影响在小流域尺度仍未开发的在这个国家的大部分地区。因此,识别局部气候变化的影响在流域层面和定量的估计气候变化的水文效应已经成为一个挑战。这也给了一个机会来定义当地水资源对气候变化的脆弱性程度,适时适当的适应措施计划(13]。

这项研究评估了气候变化对洪水频率模式及其影响在Woybo河流域。降雨径流模型是用于生成未来流速及流水量预测气候。选择一个特定的模型结构为一个特定的应用程序为用户的一个挑战。考虑模型是现成的,他的时间和金钱的投资价值的更有利的满足特定项目的目标。假设列表是由模型和假设来检查排水的反应。这个评估将是一个相对的,或在最好的情况下,屏幕上拒绝这些模型,基于流域的错误表示流程(14]。

水文工程中心水文建模系统(HEC-HMS)是美国陆军工程兵团的水文系统计算机程序开发的水文工程中心。这是一个设计概念semidistributed模型来模拟降雨径流过程。它可以应用于分析城市洪水,洪水频率、洪水预警系统规划、水库溢洪道能力,和流恢复(15]。节省时间和金钱的模型可以帮助获得径流数据而不是测量径流的分水岭。HEC-HMS模型是一个简单的和模拟的有力工具16]。使用它,因为它与GIS软件的兼容性(Geo-HMS扩展)。模型被广泛用于世界各地来模拟径流各种水域和评价盆地响应由部分代表空间异质性将盆地划分为几次盆地,这取决于可用输入数据的分辨率(17]。HEC-HMS模型已经成功地应用在世界的不同部分,包括埃塞俄比亚、排水建模(18]。模型简化了实际径流过程,没有考虑之间的交互,地面和地下蓄水层,合并地面水流和交流直接径流。模型综合考虑气候的优势和基础条件,可以选择不同的计算方法根据不同集雨、数据情况,或计算需求,和它有一个广泛的适应性19]。

它的简单性,广泛接受,适用性,功能,以及是否适合洪水预报在集雨连续模拟径流进行测试(16]。

水工建筑物的有效规划和设计需要良好的估计极端水文事件的行为保护结构免受破坏,经济损失,环境破坏,以及生命损失(20.]。放电之间的相关性和重现期是独特的河道流量测量的位置。传统的年度最大(AM)系列的方法仍然是最有利的洪水频率分析方法在许多发展中国家,包括埃塞俄比亚。是模型划分的最大洪峰每年限制信息的损失(21]。一些没有年度最大系列的山峰,但仍相对较高,不考虑年度最大的分析。即使一些非常低排放值可以是系列模型的一部分的样本大小是有限的。一个替代方法是peaks-over-threshold(锅)方法(部分时间系列的方法)。锅中样品被定义为所有高峰值,超过一定截断水平称为阈值或基础水平。主要困难在使用锅方法保证数据的独立性和选择合适的阈值。洪水频率分析基于一锅洪水流与选中的概率分布是最好的方法来评估气候变化下的洪水频率(22]。本研究的重点是当前和未来的洪水频率评估,因为他们Woybo流域洪水问题很敏感。

估计未来的区域洪水频率变化到目前为止高度不确定,并评估使用气候模型在代表途径排放浓度情况下评估是相当有限的。洪水frequency-related问题,尤其是设计洪水的变化在气候变化的影响已经十分关注的水文学家在最近一段时间(23]。然而,研究灾难性洪水的大小和频率的Woybo流域目前没有报告。由于这些事实,本文试图评估气候变化下的洪水频率使用多个气候模型基于罐的方法。

调查是很重要的历史气候变量的趋势生成和检测流速及流水量变化2020年代,2050年代和2080年代使用选定的HEC-HMS降雨径流模型相对于基线期(1976 - 2005)和分析洪水频率对基线使用预测河流洪水频率的水资源管理以及相关问题。

2。材料和方法

2.1。在研究领域

Woybo河的一个支流Omo河盆地的西南流入埃塞俄比亚。盆地位于6°之间55′20“N - 7°2′40 N纬度和37°51 40′”37°31′0”E经度(图1)。研究区域的热带气候制度集水面积533.65公里2。在流域降水有很强的季节性和高程的变化。雨季从4月到10月,7月和8月是最潮湿的一个月。雨量分布在很大程度上是由南北运动控制的国际热带辐合区。最大和最小平均温度变化在19.67°C到21.83°C之间和16.19°C到18.71°C,分别为(24]。


图1
位置的研究区域地图:埃塞俄比亚盆地(a)、(b) Omo嘲笑盆地和(c) Woybo排水。

次盆地接收平均年降雨量1377.74毫米描绘高空间和时间变化的降雨量。Woybo河流域的河网提取数字高程模型(DEM)。集水组成的三阶水系密度0.45公里/公里2由23个流扩展长度148.9公里,最长1944公里流路径和分叉率为0.96。

农业土地、林地、耕地、草地、土地和木材贡献82.54,10.09,6.19,1.16和0.02,分别占总数的土地质量(图2整个地区的(a)),而Woybo河流域的主要土壤类型是不饱和冲积土,浅色变性土,铬淋溶土、饱和始成土,强风化粘磐土,和leptosols组成的55.8,31.9,10.54,1.7,0.16和1.43%,分别在整个研究区域(图2(b))。土地利用和土壤湿度影响地表径流通常增加或减少洪水大小以及洪水频率的强度。土地利用的影响大部分时间是在径流深度、径流系数、浓度、时间曲线数,最后在洪水大小。森林、灌木和草地的减少4.0,9.41和14.87%,分别和农业用地从1989年到2019年增加了27.06年平均拦截,地下水补给,地表径流,actual-evapotranspiration分别为36.4,127.34,614.95,和517.59毫米森林,灌木,草,和农业用地,分别25]。


图2
(一):土地利用/覆盖和(b):土壤类Woybo流域的地图。
2.2。数据收集和分析

气象数据收集的31年(1987 - 2017)从埃塞俄比亚国家气象局(ENMA)站位于Woybo流域。十三年流动数据收集从水、灌溉、和能源(MoWIE)。数据检查其质量,均匀性,为其一致性。(reciprocal-distance)逆距离加权法被用于估计失踪降雨(26,27]。个人站的一致性和数据使用双质量曲线技术研究。独立性和法定的流数据使用Wald-Wolfowitz方法检查。

民主党的分水岭从阿拉斯加卫星设备下载并提取了掩蔽的形状文件Woybo分水岭和mosaicking下载的DEM网格利用ArcGIS 10.2.1工具。这是用于开发HEC-HMS中的盆地模型的组件模型。本研究区域土地利用/覆盖地图从MoWIE获得地理信息系统(GIS)部门。

2.3。气候数据集

缩减规模的降雨和气温数据1976 - 2100年期间被下载所有协调区域气候的空间网格分辨率降尺度实验(CORDEX)非洲项目RCP4.5(中间发射显示4.5 Wm−2)和RCP8.5(高排放指示= 8.5 Wm−2)场景的形式网络常见的数据形式(NetCDF)。

2.4。选择代表浓度通路(rcp)

rcp提供时间预测大气温室气体浓度按最新的气候变化情景。开发新RCP场景的主要原因是由于特殊报告排放场景(sr)不考虑气候政策。最新进展在气候模型需要排放源类型的详细信息,并允许一致的使用场景的各种学科的合作。新发射的场景因此旨在连接气候变化工作影响,适应和缓解28]。

RCP8.5(高排放)保持一致,未来没有减排政策变化和特点是通过增加温室气体的排放,导致高温室气体浓度随时间(29日]。

RCP 4.5(中间排放)是由美国西北太平洋国家实验室。辐射强迫是稳定在2100年后不久,符合未来相对雄心勃勃的减排(27,29日]。RCP4.5被认为是一个更现实的投影场景(30.]。

2.5。气候模型的选择

五个区域气候数值预报等气候模型(RCM)模型建模社区版本4 (CCLM4)罗斯比中心大气Version 4 (RCA4),区域大气气候模型Version22 (RACMO22T),高分辨率汉堡气候模型版本5 (HIRAM5)和区域模型(REMO2009)。这些模型被认为是在同一流域的基础上他们的表现(24]。

2.6。气候数据的偏差纠正

气候模型数据不能直接用于影响评估没有偏差纠正(31日]。原始的气候数据是为了产生更好的气候投影纠正。偏差校正应用于补偿的高估或低估意味着气候数据缩减规模。分位数映射(映射)(QM),通常被称为概率偏差纠正方法被用来实现一个更好的毅力生气候模型预测的变化对温度和降水31日,32]。这需要建立一个统计观测和模型模拟输出之间的关系用观测值代替模拟值在同一累积使用分布的密度函数,根据气候变量。配件每日每月的沉淀值的伽马分布纠正偏见在降水值大于零33)改变温度水平从消极到积极的结果为正态分布最适合温度数据: 在哪里x气候变量; 之间的偏差修正模型模拟数据描述湿和干燥天阈值; 用于天降水大于1毫米和被认为是湿的一天;F是累积的密度函数F−1这是它的逆矩阵。(o=观察,米=模型,h=历史时期年代=模拟时期)。

这里,模拟周期可以是一个历史或未来的时期。

温度分布偏差纠正的气候变量估计使用方程: 在哪里x是气候变量,米=模型,h=历史时期年代=模拟。

模拟时间可以是一个历史或未来的时期。

2.7。趋势分析

趋势分析是计算通过使用非参数Man-Kendall趋势检验自趋势分析的目的是确定值的一系列数据的增加或减少。这也使得识别的变化值从长期的气候比较与历史时期的观察到的趋势值数值。Man-Kendall测试被制定为一个非参数检验趋势检测和测试统计分布(34)测试非线性趋势和转折点。这是一个非参数检验,因为它可以避免数据倾斜造成的问题,也没有统计分布(即假设。正态分布)。

有两个假设在Mann-Kendall测试被测试。一种假设是零假设H0这意味着没有有关时间序列的趋势,而另一个是备择假设哈。这个替代假说假定时间序列有显著的趋势: 在那里, 在哪里Yj和Y我代表当时的数据点j和我分别j>我和n是最后的时间系列。如果n> 10,然后统计(年代)是正态分布的均值年代为零,方差统计Var (年代)

2.8。HEC-HMS模型设置

的关键输入数据用于HEC-HMS雨量,蒸发,观察流水量,基流,不同的流域特征获得Arc-Hydro工具和HEC-Geo HMS在GIS环境中。初始参数估计的过程后,将数据从地理水文数据结构HEC-Geo HMS是用于下一步HEC HMS的配置模型。

HEC-Geo HMS程序允许将空间信息可视化,流域特征,进行空间分析,描述次盆地和小溪,构造输入水文模型,和协助报告准备工作HEC-Geo HMS通过其接口,菜单、工具,按钮,和适当的上下文敏感的在线帮助创建水文输入HEC-HMS可以直接使用的。HEC-Geo HMS创建背景地图文件,盆地的地图文件,气象模型文件,可以使用一个网格单元参数文件HEC-HMS水文模型发展。盆地模型文件包含水文元素及其水文连通性。这也包括次盆地地区和其他水文参数,可以使用地理空间数据的估计。

协助估计水文参数,HEC-Geo HMS可以生成包含流和小流域的物理特征(表35],HEC-Geo HMS的主要生产商建立水文输入HEC-HMS水文建模地形预处理,盆地处理流,和次盆地特征、水文参数估计和水文建模系统(HMS)发展所需HEC - HMS模型。GEO-HMS利用空间分析工具将地理信息为每个参数的盆地和流动线。然后使用这些参数创建一个HEC-HMS模型,可以使用在模型项目。看到HEC-HMS Woybo流域的图式化模型(图3)。


图3
图式化的Woybo流域HEC-HMS模型。HEC-HMS模型灵敏度分析。

模型灵敏度分析可能是有用的在所有阶段的建模过程中模型校准和模型验证36]。灵敏度分析的方法,以确定哪些参数模型产生最大的影响在模型的结果。最敏感的参数对应于更大的输出响应的变化。这个信息是非常重要的在模型校准。

短的降雨径流事件的建模,详细的运动和储存的水通过会计系统是没有必要的,例如,土壤水分会计(SMA)方法。水土保持服务(SCS)曲线数最初考虑事件的建模方法,但这种方法不断的损失率降低对零,降雨强度和方法不敏感(37]。因此,在这项研究中使用创建的事件模型的初始和恒定速率损失的方法。根据(38),这种方法已经成功地应用在埃塞俄比亚的许多研究中,很容易设置和使用。在初始和恒定速率方法,的最大降雨损失或潜在增长率恒定速率CR (mmhr−1在一个事件)是恒定的。最初的损失(毫米),代表拦截和抑郁存储。最初的损失参数定义盆地初始条件。如果盆地是在饱和条件下,IL将接近零。如果盆地干,然后将代表可以落在盆地的最大雨量没有径流。常数损失率是最终的渗透能力的土壤38]。次盆地的不透水区域Ai(%)也是一个初始和持续损失模型的参数。

直接径流成分,过多的降雨转化为直接径流。克拉克单位自记水位计(39)是一种常用的建模技术直接径流造成个别风暴事件(40]。克拉克单位自记水位计方法代表了两个关键过程在过量降雨径流的变换:转换和衰减。翻译是基于合成time-area直方图和浓度,Tc。time-area直方图指定流域面积导致流出口作为时间的函数。衰减与线性水库建模。水库代表所有盆地存储对聚合的影响。克拉克的参数方法‚集中时间,Tc, [hr],存储系数、SC [hr]。这两个参数可以通过校准估计因为实际降雨量和流速及流水量数据是可用的。

河路由计算的旅行时间和衰减的过程在河里流水。Muskingum路由模型被用来路由流出。Muskingum路由中的参数(K)和(X)。的参数K[hr]旅行时间的洪水波通过路由到达和无量纲的重量X[-]被发现通过校准瞄准他们HEC-HMS技术参考手册(表中允许的范围1)。

表1
从手工模型获得的最佳估计模型参数校准和每个参数的允许范围。

Baseflow BF [m3年代−1)是一个流动的水,它返回到流或地表地下水含水层。每月一个常数方法在本研究中采用。这是一个简单的方法,使用一个常数baseflow模拟时间步落在一个特定的月。更多细节,请参见HEC-HMS模型敏感性,校准和验证结果和讨论部分。

固定的参数值基于文献综述和流域特征视为标准或基线参数集,然后模型重复运行为每个参数基线值开始增加,反过来,0.25,0.5,0.75,1,1.25,1.5,1.75,2,在保持其他参数不变的名义开始值。

2.9。HEC-HMS模型校准和验证

估计模型参数的标定过程客观的观察和模拟水流来匹配特征成因。验证需要测试该模型性能以外的校准周期。模型使用观察温暖气候数据一年(2000年)。模型校准进行了使用是否观察到的流水量数据9年的数据范围2001 - 2009。每个参数的最小值和最大值校准表中提到的1模型验证是由校准周期使用三分之一的观察到的流水量数据,也就是说,三年的数据涵盖了2010 - 2012年的时期。在目前的研究中,得到参数的初始值,模型参数敏感性评价。这是紧随其后的是手动校准包括手动调整最敏感的参数,直到容许范围是实现模拟和观测水位曲线之间的关系。进一步的细节,请参阅HEC-HMS模型敏感性,校准和验证结果和讨论部分。

2.10。水文建模和性能

HEC-HMS模型用于模拟流域的地表径流响应(41]。在这项研究中,克拉克变换方法应用于表面流转移到径流;最初的和恒定的方法被用来估算流域的损失;每月底流分离方法应用于单独的基流;和Muskingum路由方法路线下游单位自记水位计(36,42- - - - - -44]。2020年的模型是热身之后,校准(2001 - 2009)和验证(2010 - 2012)来评估性能(35]。模型仿真已被评估使用效率标准如纳什Sutcliff(研究),确定系数(R2),和相对体积误差(RVE) %。统计方法例如,偏见和变异系数(CV)、相对均方误差(RMSE)和相关系数(corr)被用来评估模型模拟降雨数据的输出。 在哪里问哦,我观察到的流水量在时间步我,问年代,我模拟时间步的怜我,n是观察和酒吧的数量符号表示的意思。

径流总量的百分比误差(RVE),另一方面,范围之间−+∞∞和模型性能很好如果RVE值−5 - 5%,和令人满意的表现如果RVE值介于5 - 10%和10−−5% (45]。RVE由方程(7): 在哪里问哦,我观察到的流水量在时间步我,问年代,我模拟时间步的怜我,n是观测的数量,和酒吧符号表示的意思。

决定系数(R2)是一种通常使用统计指数表示的强度的观察和model-computed值之间的关系。值为0表示没有相关性;而一个预测等于意味着观察: 在哪里问哦,我观察到的流水量在时间步我,问年代,我模拟时间步的怜我,n是观测的数量,和酒吧符号表示的意思是(方程(9)- (11)): 偏差=偏差,RRCM =流域气候降雨数据, =平均降水量的气候数据, 奥林匹克广播服务公司=平均实际降雨量数据 RMSE =相对均方误差,RRCM =流域气候降雨数据,R奥林匹克广播服务公司=实际降雨量数据集水。N=数量的年降雨量观测到 在简历=变异系数。 =是流域平均降雨量。 =表示标准偏差。

2.11。峰值超过阈值(锅)模型分析

峰值超过阈值(锅)领域的分析建立了洪水频率建模作为一个可行的替代传统的年度分析最大值。锅模型可以由泊松、二项,负二项分布的建模年度的事件数量高于阈值。壶方法包括步骤在下一节中讨论。壶方法的独立标准,第一步是一个独立考虑的条件与标准连续山峰必须分开三次TP(平均时间五个成因的峰值),或者连续两个峰值之间的最小流量值要高于三分之二的第一峰值(46]。这两个条件同时也考虑在锅中分析Woybo河。

独立标准应考虑只有连续的山峰是相关的,没有其他的可能步骤减少相关性是可能的。平均每日流量值之间的差异和当地最大相对较小。这意味着只有在非常大的阈值是平均每日流量值拒绝,所以只有当地最大的被认为是在锅中示例。如果选择阈值较低,平均每日流量值和局部最大值。两个值是一个洪水事件的一部分,它是不合理的考虑一个事件不止一次。这的原因之一是使用独立的标准是必要的(方程(12))。

泊松分布的概率质量函数和前三个时刻

如果的平均值米比的方差大的年度数量超过数点,可以使用二项分布。这意味着,上述事件之间的时间距离阈值大约是常数。

阈值选择定义阈值 是锅法的主要缺点之一。阈值的选择是一个主观的过程。重要的是阈值选择的足够高,以便模型假设不违反47]。但截断水平应该选择尽可能低,所以选择最多的超过数点和更可靠的参数估计可以48]。文献[22推荐使用的标准频率因子k和数据属性(平均值和标准偏差)。阈值可以计算使用方程(13):

频率的因素k可以选择与价值。低k值意味着较低的阈值选择和更多的事件都包含在洪水频率分析。在洪水评估手册(49),定义阈值,平均每年1、3或5事件。平均每年4个事件被选为Woybo河分析。1.2 - 2年的重现期为三个测试提出了阈值选择(47]。测试的结果给出一个可能的阈值区间。其中一个测试证实了泊松过程的假设。这个图形测试是基于色散指数(46]。

2.12。洪水频率分析

洪水频率分析是用来与洪水的频率的大小发生使用概率分布的方法。目前没有公认的极端洪水频率分析的频率分布模型,而是一个整体的模型被认为是(50]。

如果预测是基于一系列的水文数据,分布最适合的数据集可能会给最好的估计通常是外推的一个事件发生的概率。不同的概率分布方法进行评估预测更好的性能(9,45]。在这项研究中,正常,日志正常,极端值1型(EV-I)和日志皮尔逊III型分布。选中的概率分布或最适合耿贝尔,发现最大洪峰流量和分布拟合优度检验竞争。这种方法遵守的低卡方值和较低的RMSE值Woybo河(51]。申请了气候变化条件下的洪水频率分析的频率可能最大径流返回时间,5、10、25、50、100、500和1000年的河流。

2.13。参数估计

一个概率分布函数代表一个随机变量的发生概率。通过拟合分布水文数据的一组可获得形成紧凑和总结。概率密度函数关于原点的时刻等于相应时刻的样本数据,然后矩量法(Mom)结果良好的估计参数。它的主要缺点是,不同的工程师到达不同的值。

L-moments常用的方法和估计分布参数的建议。L-moments类似传统时刻定义为线性组合的概率加权的时刻(pwm),并提供更大程度的准确性和易用性。PWM方法被认为是一个最好的参数估计方法(52),获得了比其他方法更大的识别在洪水频率分析(53]。L-moments比pwm更方便,因为他们是直接解释为衡量尺度和形状的概率分布和类似传统的时刻。此外,他们都是基于线性组合的数据按升序排列。他们提供了一个优势,因为它们容易使用,和更可靠的不太敏感的离群值。理论公式的基本人口数量可以获得。特殊情况的概率加权的时刻r阶,βr,存在分布函数的积分形式表示。

最大似然法在理论上是最有效的方法拟合概率分布与平均误差最小数据集。但是没有一些概率分布的解析解。

2.14。L-Moments (LM)

介绍了L-moments [54),概率加权的线性函数(PWM)的时刻。L-moments替代传统的时刻,但从计算次序统计量的线性组合。L-moments可以被定义为任何随机变量Y的意思是存在。rth-order PWM ( )每个方程(14)被定义为: 在哪里F(y)是一个累积概率分布y(F)是一个分位数分布的函数。前四L-moments的PWM给出方程的线性组合(15):

第一个L-moment ( )是一个测量位置的(平均),而第二个L-moment代表了色散。最后,下面给出L-moment比率。

L-coefficient的变异 ,L -偏态 ,L -峰度 。的无偏估计样本 前四个pwm的任何分布计算。 的数据(y1:n按升序)有序样本从1n。L-moments估计方法的参数是通过将样本L-moments等同于L-moments分布。

2.15。拟合概率分布

通过拟合分布的一组水文数据,大量的样本的概率信息可以概括函数及其相关参数。选择的发行版应该检查通过使用简单的适合软件应用程序分配是否会通过拟合优度检验。分布符合通过使用这些方法进行测试使用安德森亲爱的,x平方分布,Kolmogorov-Smirnov测试。软件计算排名的分布的统计和提供了三种拟合优度测试(55]。此外,对图形表示,分布最适合排放数据,给最好的输出的概率和分位数是一个关注的问题。

拟合优度测试在容易适应软件计算方式如下:(一)Kolmogorov-Smirnov测试:它是用来决定是否一个样本来自一个假设的连续分布。Kolmogorov-Smirnov统计(D)是基于最大的垂直差异理论和经验累积分布函数: 在哪里 累积分布函数和吗n是样本容量。的 值,与固定 计算值,根据测试数据和表示阈值的显著性水平,零假设(H0)将接受所有的值小于 价值。(B)Anderson-Darling测试:它是观察到的普通考试比较适合预期的累积分布函数的累积分布函数: 在哪里 累积分布函数和吗n是样本容量。有关分配形式的假设被拒绝的选择显著性水平α如果测试统计,一个2,从表中获得大于临界值。α的固定值通常用来评估零假设(H0)在不同意义的水平。(C)卡方测试:测试用于确定样本来自一个人口与特定的地理分布: 在哪里O我是观察到的频率和E我预计频率。的 值,与固定 计算值,根据测试数据和表示阈值的显著性水平,零假设(H0)将接受所有的值 小于 价值。

一般方法论的概念框架说明了整个工作流程(图4)。


图4
一般研究的概念框架。

3所示。结果与讨论

3.1。RCM模型性能评估

观察到catchment-averaged区域年降雨量为1377.7毫米/年。

表2表明,所有模型低估了实际降雨量。模型的精度是不一样的在代表流域的降雨。偏差,整体性能更好(偏差=−4.01%),而REMO2009完成最差(偏差=−17.3%)。这个大偏差(偏差=−17.3%)表明,RCM降雨量很大程度上偏离实际降雨量。简历而言,整体的意思是表现最好的(简历= 2.3%),而REMO2009执行最差(简历= 8.3%)。REMO2009表现糟糕(RMSE = 24.36毫米/年),虽然总体均达到更好的(RMSE = 1.09毫米/年)。此外,系综均值性能更好(R2= 0.89)这意味着它显示了线性观测和模拟降水之间的关系。RACMO22T表现最差的相关系数(R2= 0.25)。系综均值估计观察到的降雨量85.73%平均降水量变化比这五个模型。为了减少模拟之间的差异和实际降雨量,之前的偏见被使用rcm模型的模拟。

表2
动态精度缩减规模降雨从五个rcm (1987 - 2005)。

每月不同降雨量101.3毫米2月至11月之间。流域收到每个月1.7 - 55毫米在剩下的几个月与1月和12月的降水量极少。气候模型系统地低估了月降雨量。结果表明,偏差纠正需要进一步使用模型的数据(图5)。


图5
观察和模拟降雨的Woybo流域在每月偏差纠正(1987 - 2005)。

气候模型模拟合理再现了观察到的年降雨量(图6)。大小和实际降雨量年度周期的模式相当被俘。以后,降雨量数据用来评估气候变化影响偏差纠正后的排水。


图6
月降水周期在Woybo排水后五rcm模型的偏差纠正。气候趋势的历史数据。

合奏的意思是选择基于绩效评估标准包括捕获能力年度观测降雨量相对于五个气候模型研究。

根据Mann-Kendall趋势检验,每年的降水略有减少。一年一度的流速及流水量增加无关紧要的年增长率为0.048 m31976年到2005年期间。年降雨量的结果是符合其他年度分析降雨(56),虽然小预计年降水量的增加。集水的最大和最小平均温度上升了0.3750摄氏度,每年(表0.3840摄氏度3)。几乎相似的年平均最低气温变暖趋势报道不同时间和空间尺度上57]。

表3
Mann-Kendall趋势测试catchment-averaged降雨、蒸发蒸腾和的最小和最大温度系综平均值5 rcm模型的历史数据同期(1976 - 2005)。

Mann-Kendal(可)测试分析历史趋势水电气候变量包括降水、温度和土壤水分蒸发蒸腾损失总量(ET)在5%置信水平。根据Mann-Kendall趋势检验,Woybo的年度区域降雨和河流流域略有增加。流域的最小和最大平均温度分别为13.960和25.110 C。最大和最小温度显示显著增加的趋势。相似的温度变暖趋势报道,覆盖不同的时间框架57]。

3.2。HEC-HMS模型灵敏度、校准和验证

的相对体积错误(RVE) %,模型参数的变化最敏感,陡坡和非敏感参数恒定的斜率(图7)。模拟河流的河是最敏感的恒定速率(CR)和适度敏感基流(BF)参数。然而,其他如存储系数(SC),集中时间(Tc),无量纲常数(X),洪水波传播时间(k),最初的损失(IL)并不敏感。


图7
模型灵敏度分析评估RVE目标函数。

之间有一个好的协议模拟和观测流成因(图8)。高峰在2001年、2003年、2004年和2009年不能令人满意地捕获的观察水位图可能与穷人的空间范围内的降水数据集水。


图8
观察和模拟流校准和验证期间。

高贵颁布了在繁殖方面观察到的模式的河流水位图在校准和验证(了无= 0.69和0.66),分别。使用目标函数模型时接受评估。校准周期的牧师为4.50%,表明该模型显示很好的表现在评估观察水流卷。很好的表现在评估验证期间观察到的流水量体积(−4.94%)成立。

3.3。模拟的流速及流水量变化

预计降水、温度、和等用于未来气候变化分析使用的系综均值五rcm RCP4.5和RCP8.5场景下气候模型数据。

HEC-HMS模型被用来模拟未来的流速及流水量短期(2011 - 2040)或2020年代,2050年代中期(2041 - 2070),或和长期(2071 - 2100)或2080年代。基线期1976 - 2005的分水岭与模拟水流流速及流水量数据数据RCP4.5和RCP8.5场景下2020年代,2050年代和2080年代。进行了分析确定每月的平均变化,季节和年度流速及流水量。

3.4。气候变化影响每月流水量为2020年代,2050年代和2080年代

5月平均流速及流水量增加9.08% RCP4.5下个月1 - 3月和8月到11月。剩下的几个月,可能会降低到28.60%。RCP8.5下,它可能会增加10.98%至0.25的范围内全年除6月、7月、9月和12月,那里可能会降低2.39级,3.01,0.81和6.79%,分别在2020年代。已经划定增长11.19%为所有除了9月和11月在大小减少了1.89和0.02%,分别根据RCP4.5, RCP8.5下时,它可能会增加2.01 - -18.72%的范围在除了4月和5月将减少9.68级和6.79%,分别在2050年代。将减少1个月,5月,9月和12月15.53%在RCP4.5 RCP8.5下,它将增加最大21.90%月1月,2月,4月,5月,6月,8月和10月。但它将减少3个月,7月,9月,11月,12月的1.50 - -5.45% 2080年代与基线相比段1976 - 2005(表4)。

表4
每月的流速及流水量的变化。

下的月平均流速及流水量RCP4.5可能增加9.08%在1月到3月和8月到11月。RCP8.5下,它将增加10.98%,除了6月,7月,9月和12月将减少2.39,3.01,0.81和6.79%,分别在2020年代;在RCP4.5 11.19%,而18.72% RCP8.5下个月在2050年代,而13.66%在RCP4.5和21.90% 2080年代RCP8.5的下个月。

3.5。气候变化影响年度和季节性流2020年代,2050年代和2080年代

有三个季节,即冬季(从10月1月旱季),秋天(小雨季从2月到5月)和夏季(下雨或大雨季从6月到9月)。只有秋天(小雨季)和夏季(雨季)被认为是除了冬天(旱季)。气候模型模拟展示一个不同的信号季节性水流变化之间的基线期。

RCP4.5场景下,预计每年河流可能会减少在秋天,震级为4.14和2.15%,分别。在夏季可能会增加6.46%,但在RCP 8.5,流将减少在每年秋季和20.15和2.68%,分别。它可能会增加在夏季12.67在2020年代。流可能会增加在秋天,夏天,每年8.34级、13.54和5.02%,分别在RCP4.5情况下,虽然在RCP 8.5,每年夏天会增加15.66%和5.82%,2050年代秋季下降了12.08%。此外,流可能会增加在秋天,夏天,每年12.20级、18.06和11.87%,分别在RCP4.5情况下,虽然在RCP 8.5,预计每年夏天流将增加29.51%,16.03%,这将减少在秋天2080年代10.55%相对于1976 - 2005(表5)。

表5
季节和年度Woybo流域水流变化。

输出是一致的(58)被发现在RCP4.5场景表明越来越改变为秋季和夏季季节在所有时间。Woybo流域很容易受到气候变化的温度、降水变化,和潜在的ET。未来的流速及流水量的减少在秋季分水岭遵循该地区的降雨模式。未来模拟水流小的雨水和雨季显示积极的增量在RCP的场景下,每年将减少RCP8.5预测气候变化更敏感。这种变化可能取决于降水的特点,集水的温度,等。的增量在夏季和秋季季节可能会导致频繁的河流流域的洪水。流速及流水量将减少在秋季RCP8.5场景在2080年代36,59]。

3.6。洪水频率分析结果
3.6.1。选择最佳分布结果

在这项研究中,最适合分布被使用简单的适合软件检查是否已经通过测试拟合优度分布(表6)。

表6
拟合优度适合软件测试结果。

如表中所示6相对较好的统计结果发现,三个极值i型拟合优度试验。所以选择概率分布或最适合的是极值I型(以)或耿贝尔,其中最大洪峰流量也发现(图9)。这一发现是同意51)报道,甘力克的方法是最适合的;该方法与低卡方值和较低的RMSE值Woybo河。


图9
选择分布的图形显示,洪峰流量。

三个拟合优度测试应用于简单的适合检查健身的极端值类型1,皮尔逊日志类型III,日志正常和正态分布的时间序列。此外,分布最适合锅数据并给出最好的图形化输出的概率和分位数是(表检查7)。

表7
拟合优度的细节。

在Kolmogorov-Smirnov测试中, 计算值与固定α值基于测试数据和表示阈值的显著性水平,零假设(H0)将接受所有值α小于 价值。零假设将拒绝如果 值小于选择显著性水平α值。结果显示,接受H0显著性水平α值分布。

Anderson-Darling测试假说有关的分布形式是拒绝选择显著性水平α如果测试统计,广告或一个2大于临界值,获得一个表。α的固定值通常用来评估零假设(H0)在不同意义的水平。结果表明,H0接受所有显著性水平α值和一个不能拒绝零假设(H0)。

卡方测试的测试测试统计大于假设被拒绝 在显著性水平α= 0.05的值。结果显示所有计算 值大于α值和一个不能拒绝零假设(H0)(表6)。

选中的概率分布或最适合耿贝尔,发现最大洪峰流量和分布拟合优度检验竞争。这种方法遵守的低卡方值和较低的RMSE值Woybo河(51]。重现期从2年到1000年与基线时期从1976年到2005年一直被视为短期、中期和长期的从2020年到2080年(表8)。

表8
洪峰流量大小计算在基线和未来气候的合奏的意思是五个rcm模型。
操作。大小变化的周期性洪水峰值

洪水大小的变化说明了不同的返回时间是2020年代,2050年代和2080年代(1976 - 2005)相比,在RCP4.5 RCP8.5场景(表9)。洪水峰值的变化为2、5、10和25年重现期在2020年代RCP4.5将减少8.99,16.74,13.12和3.31%,分别。但它将显示50的积极趋势,100年,500年,1000年返回时间高达14.13%。在2020年代RCP8.5为2、5、10年重现期,放电可能减少幅度高达8.18%,显示了25积极趋势,50岁,100年,200年,500年,1000年返回时间在4.58 - -20.28%的范围。在2050年代RCP4.5 RCP8.5,排放将减少2到5年重现期高达30.41%。它显示了积极的趋势10、25、50、100、200、500年和1000年返回时间在6.84 - 34.98%和36.51%在RCP4.5 RCP8.5,分别。在2080年代,洪峰流量的变化会增加30.65%除了RCP4.5下2和5的重现期。洪峰流量的变化为2、5、10、25、50、100、200、500年和1000年重现期可能会增加到46.80%在2080年代RCP8.5相对于1976 - 2005年。

表9
排放峰值的大小变化系综平均五rcm气候模型相对于基线期。

的变化大小流域的洪水将会增加,但会发生显著的递减2和5年重现期在RCP4.5 RCP8.5在2020年代和2050年代,然而,在2080年代只有RCP8.5显示所有返回时间积极的趋势。变化可能会显示增加的趋势为10,25岁,50岁,100年,200年,500年和1000年复发时间下RCP4.5和RCP8.5场景在2050年代和2080年代时期,分别。结果,增加洪水的大小可能导致不同的社区环境和经济问题。Woybo流域气候变化对洪水的大小可能会经历的影响在未来气候在2050年代和2080年代。沉重的洪水一直返回时间。作为一个整体,研究区域的洪水严重程度的上升可能对现有的可持续性产生重大负面影响农业实践。此外,它会导致意外的洪水和洪水灾害的社区。所以洪水预防和防范措施的泛滥平原流域和下游应采取作为一项预防措施,以减轻如果造成的损害。

4所示。结论

本研究评估了气候变化对洪水频率的影响在Woybo流域2020年代,2050年代和2080年代相对于1976 - 2005年使用合奏意味着五rcm RCP4.5和RCP8.5场景下输出。Mann-Kendall(可)测试分析历史趋势水电气候变量包括降水、温度,等在5%置信水平。最大和最小温度显示显著增加的趋势。峰值的大小的变化对流域洪水将增加。但是会发生显著的递减2和5年重现期下RCP4.5和RCP8.5在2020年代和2050年代。在2080年代,只有RCP8.5将显示所有返回时间的积极趋势。洪水增加10级,25岁,50岁,100年,200年,500年和1000年复发时间下RCP4.5和RCP8.5在2050年代和2080年代,分别。Woybo流域气候变化对洪水的大小可能会经历的影响在2050年代和2080年代。在流域洪水大小的增加有显著的负面影响。洪水频率分析基于峰值超过阈值方法包括正确和良好的概率分布参数的估计是最好的方法来评估气候变化下洪水频率。 The output of this study will have important implications for the design of hydraulic structures, floodplain development, and water resource management in the catchment. The result of rainfall-runoff modeling was incorporated, and RCMs output was evaluated. However, a thorough flood frequency analysis requires a multidisciplinary approach, which incorporates the results of both physically based (rainfall-runoff modeling) with detailed instrumental gauging data, supplemented with regional data, and historical and paleo flood information. The application of the combination of this full-range information has their limitations. In addition, there is strong recommendation that the quality as well as quantity of weather stations be improved in enhancing the model's effectiveness by providing ample number of highly effective hydro-meteorological stations.

数据可用性

数据用于这项研究已经从各种来源收集。

的利益冲突

作者之间没有利益冲突。

确认

作者要感谢所有数据提供者即MoWIEE(埃塞俄比亚Minstry水灌溉和能量),NMAE(埃塞俄比亚国家气象机构)提供必需的数据。作者感谢亚明奇大学提供后勤支持开展研究工作。没有收到任何基金来源。