(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210882395.7 (22)申请日 2022.07.26 (71)申请人 中国地质大 学 （武汉） 地址 430000 湖北省武汉市洪山区鲁磨路 388号 (72)发明人 程楠　刘剑宇　冯星昱　 (74)专利代理 机构 武汉知产时代知识产权代理 有限公司 42 238 专利代理师 康靖 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/26(2012.01) G06F 17/18(2006.01) G06F 30/20(2020.01) G01W 1/10(2006.01)G06F 111/10(2020.01) G06F 113/08(2020.01) (54)发明名称 一种全球季节性洪水变化趋势定量归因方 法及系统 (57)摘要 本发明涉及水文 水资源领域， 提供一种全球 季节性洪水变化趋势定量归因方法及系统， 包 括： 获取气象水文数据； 通过Sen'sslope及Mann ‑ Kendall趋势分析方法分析气象水文数据， 获得 洪水观测趋势； 构建全球季节 性洪水变化趋势归 因框架， 通过全球季节性洪水变化趋势归因框架 对气象水文数据进行分析， 获得各驱动因子对全 球季节性洪水的贡献率； 根据各驱动因子的贡献 率和所述洪水观测趋势， 在各驱动因子中找到主 导因子， 分析获得主导因子与洪水时间序列图。 本发明极大降低了运算成本； 洪水检测与归因结 果更科学准确； 最佳回归模型的模拟归因效果明 显提高， 归因结果更全面， 更科学； 归因过程中控 制了因子的回归系数， 规避了因子贡献率正负符 号问题。 权利要求书2页 说明书7页 附图2页 CN 115330146 A 2022.11.11 CN 115330146 A 1.一种全球季节性洪水变化趋势定量归因方法， 其特 征在于， 包括： S1： 获取气象水文数据， 所述气象水文数据包括： 径流数据、 降水、 土壤湿度和融雪数 据； S2： 通过Sen'sslope及Mann ‑Kendall趋势分析方法分析所述气象水文数据， 获得洪水 观测趋势； S3： 构建全球季节性洪水变化趋势归因框架， 通过所述全球季节性洪水变化趋势归因 框架对所述气象水文数据进行分析， 获得 各驱动因子对 全球季节性洪水的贡献率； S4： 根据各所述驱动因子的贡献率和所述洪水观测趋势， 在各所述驱动因子中找到主 导因子， 分析获得主导因子与洪水时间序列图。 2.根据权利要求1所述的全球季节性洪水变化趋势定量归因方法， 其特征在于， 所述气 象水文数据的筛 选条件包括： 第一条件： 径流数据观测时长不少于20年且径流 量为0的时长不超过10年； 第二条件： 各 数据在一个季节之内不能有缺测数据； 第三条件： 监测点在预设年限内的平均年降水量大于年径流深； 第四条件： 灌溉 面积不超过流 域面积的2％。 3.根据权利要求1所述的全球季节性洪水变化趋势定量归因方法， 其特征在于， 所述气 象水文数据为季节数据， 具体为： 春季： 北半球为3 ‑5月， 南半球为9 ‑11月； 夏季： 北半球为6 ‑8月， 南半球为12月到次年2月； 秋季： 北半球为9 ‑11月， 南半球为3 ‑5月； 冬季： 北半球为12月到次年2月， 南半球为6 ‑8月； 将各季节的三个月中径流深的最大值作为 这个季节的洪水量级。 4.根据权利要求1所述的全球季节性洪水变化趋势定量归因方法， 其特征在于， 步骤S3 具体为： S31： 通过全子集回归为各监测点构建最佳回归模型， 对所述最佳回归模型进行n个敏 感性试验， n为驱动因子的种类数目； 在进行敏感性试验时， 每次对一个驱动因子进行去趋 势处理， 即使用该驱动因子的实测数据 平均值替换原数据， 其余驱动因子不进 行处理， 然后 使用最佳回归模型对径流数据进 行模拟； 通过所述最佳回归模型计算获得各敏感性试验洪 水的模拟值， 计算公式为： 其中， i为驱动因子的编号； xi为第i个驱动因子； n最佳回归模型中所包含的因子总数； yi为驱动因子xi的敏感性试验洪水的模拟值； a为最佳回归模型的截距； bi为驱动因子xi的 回归系数， 最佳回归 模的bi全大于0； S32： 通过各敏感性试验洪水的模拟值计算获得各驱动因子影响下的模拟洪水变化趋 势， 计算公式为： Si＝sens.sl ope(yi) 其中， Si为驱动因子xi影响下的模拟洪水变化趋势；权　利　要　求　书 1/2 页 2 CN 115330146 A 2S33： 通过各驱动因子影响下的模拟洪水变化趋势计算获得各驱动因子对全球季节性 洪水的贡献率， 计算公式为： 其中， j为驱动因子的编号且j≠i， Bi为驱动因子xi对全球季节性洪水的贡献率， Sj为驱 动因子xj影响下的模拟洪水变化趋势。 5.根据权利要求1所述的全球季节性洪水变化趋势定量归因方法， 其特征在于， 步骤S4 具体为： S41： 通过各驱动因子对全球季节性洪水的贡献率计算获得各驱动因子的相对贡献率， 计算公式为： 其中， i为驱动因子的编号， xi为第i个驱动因子， Yi为驱动因子xi的相对贡献率， Bi为驱 动因子xi对全球季节性洪水的贡献率， Mbos为观测洪水的平均值； S42： 若某一驱动因子的相对贡献率与所述洪水观测趋势的正负符号一致， 且该驱动因 子的相对贡献率的值 最大， 则将该驱动因子作为主导因子； S43： 计算获得主导因子相同且洪水上升或下降趋势相同区域内所有监测点的洪水观 测值的平均值， 以及主导因子的观测数据平均值， 画出主导因子与洪水时间序列图。 6.一种全球季节性洪水变化趋势定量归因系统， 其特 征在于， 包括： 气象水文数据获取模块， 用于获取气象水文数据， 所述气象水文数据包括： 径流数据、 降水、 土壤 湿度和融雪数据； 洪水观测趋势获取模块， 用于通过S en'sslope及Mann ‑Kendall趋势分析方法分析所述 气象水文数据， 获得洪水观测趋势； 驱动因子分析模块， 用于构建全球季节性洪水变化趋势归因框架， 通过所述全球季节 性洪水变化趋势归因框架对所述气象水文 数据进行分析， 获得各驱动因子对全球季节性洪 水的贡献率； 主导因子获取模块， 用于根据各所述驱动因子的贡献率和所述洪水观测趋势， 在各所 述驱动因子中找到主导因子， 分析获得主导因子与洪水时间序列图。权　利　要　求　书 2/2 页 3 CN 115330146 A 3