流域水循环演变归因分析方法不确定性研究

Water cycle attribution analysis is one of the hot and hard issues in water science. The types of the attribution analysis methods are numerous, and the attribution results are not uniform, and there are uncertainties at methods. But the existing researches focus on the attribution computation using some method, lacking the research about analysis the uncertainty of methods which will be discussed in this paper. A series of normative data is constructed which has a known contribution of each factors. These data are used as a base to analysis the influence on the attribution results under the impact of method structure and time scale of input data to study the uncertainty of attribution methods. Furthermore, the application field of the method is explored by analyzing the different application scenarios. There are three ways to construct the normative data, which are mathematic simulation, laboratory experiments and observed data modification. The mathematic simulation data is used to investigate the method theories, analyzing whether the method structure and the time scale of input data is the main cause of errors and the relative values of the errors. The laboratory experiments data is used to investigate the changing rule of the method uncertainty, which is the relationship between the uncertainty and the time scale of input data. The modification data is used for investigating and validating the changing rule, and finding the application field of the method. This study gives a scientific support for the water cycle attribution in two ways: method selection and results interpretation.

水循环演变归因分析是水科学研究的热点和难点问题。现有的归因分析方法种类繁多，计算结果也不统一，存在着方法不确定性。然而现有研究偏重于采用某种方法进行归因计算，缺少对方法不确定性的研究。本项目对此进行深入研究，通过构造已知贡献量的标准数据系列，并以此为基础分析方法结构和输入数据时间尺度对归因分析结果的影响，研究归因分析方法不确定性，并通过设定不同的应用情景，探索归因分析方法的适用范围。数据构造方法主要有数学试验、室内实验以及实测数据重构三种方式。数学试验主要用于方法理论研究，分析方法自身结构和数据时间尺度是否是方法误差的主要来源，以及误差的相对大小等；室内实验主要用于定量研究方法不确定性的变化规律，即不确定性同输入数据时间尺度之间的变化关系；实测数据重构主要用于研究和验证变化规律以及探索归因分析方法适用范围。项目的研究将从归因分析方法选择以及结果解译两个层面为流域水循环归因分析提供科学支持。

针对现有水循环不同归因分析方法结果差异大和缺少对方法不确定性研究的问题，开展本项目研究。本项目围绕不确定性结果误差定量分析、适用范围探索等关键科学问题，以常用归因分析方法（弹性系数法M1、双累积曲线法M2、多元线性回归法M3、模型还原模拟法M4、Fixing-Changing法M5和多因素归因分析法M6），从理论分析和定量计算两个方面进行研究。其中，定量分析采用全国33个典型气象站气象数据、玛曲和贵德站径流量数据为基础构造了3套数据集。得出主要结论如下：.（1）理论分析表明：根据参数是否涉及长系列数据，M1-M4方法对数据系列长度敏感，M5-M6方法对数据系列长度不敏感。M1-M2为年尺度方法，M3-M6为年月日尺度方法。对M1-M3方法而言，数据拟合线的正确性及偏差是误差的重要来源；对M4-M6而言，模型的误差则是结果误差的主要原因。.（2）总体上模型归因方法归因结果误差要小于统计方法，且对用水的稳定性高。不同归因方法对气候变化影响都存在一定的高估、低估，甚至错估现象，不存在统一的系统性偏大或偏小估计，属于和数据相关的随机偏差。其中，双累积曲线法的误差属于系统误差，其他方法属于数据层面的随机误差。.（3）M1方法对用水敏感，误差随用水变化存在比较大的趋势性变小规律；M2-M4方法对用水不敏感；M5-M6误差受用水一定影响，但随着用水增加，误差有减小趋势。M1更适用于低用水情景，M5-M6更适用于高用水情景。.（4）基准期和变化期时间序列长度对归因分析误差影响比较大，随数据长度变化，误差存在着趋势性降低或增加的变化规律，且存在一个阈值，当超过阈值时误差基本趋于一致。另外，对所有方法而言，如果出现气候变化贡献发生方向性变化，或者说变化期和基准期实测径流相差不大时，归因结果均会有不同程度的突变。.（5）不同归因分析方法贡献率计算误差具有和数据相关的随机性（除双累积曲线法外），并不能确定某类情景下哪些方法是最适合的。总体上，基于模型的多因素归因分析方法和模型还原模拟法计算误差最小。