上海市寶山區練祁水文站多年潮流量變動特征分析

上海臨瀾環境科技有限公司 孫智斌，李印秋，馬英杰

一、引言

寶山區位于上海市北部，全區被橫貫中部的蕰藻浜分成南北兩部。地處長江、黃浦江、東吳淞江三江交匯處，南與楊浦、虹口、靜安、普陀4區毗連，西與嘉定區交界，西北隅與江蘇省太倉市為鄰。作為上海重要的鋼鐵、物流、港口和工業基地，寶山區堪稱上海的“水路門戶”。寶山區練祁水文站位于練祁河東部，練祁河位于寶山區與嘉定區中部，西起顧浦，東經山羅店、月浦后匯入長江口，全長28.87km。通過對練祁水文站的監測數據進行分析，有利于重點河道水情信息的收集、整理、編制,為開展防汛、水文等方面的科學研究提供可靠的第一手資料，為區防汛指揮機構提供及時、可靠、科學的決策依據。

二、理論基礎

（一）Mann-Kendall趨勢檢驗法

因 為 最 初 是 由H.B.Mann和M.G.Kendall提出并發展了這一方法，故該趨勢檢驗法被稱為Mann-Kendall法。Mann-Kendall的檢驗方法屬于非參數方法，亦稱無分布檢驗，優點是計算簡便，對樣本的限制較少，少數異常值不影響結果，更適用于類型變量和順序變量。Mann—Kendall檢驗法在分析降水、徑流、氣溫和水質等領域序列的變化趨勢檢驗中應用廣泛。

（二）重標極差分析法

重標極差分析法(R/S分析法)是一種異值時刻預測方法，用于時間序列長期記憶過程，可用于河流徑流量的研究。R/S分析法是H.E.Hurst在研究尼羅河水庫水流量和貯存能力的關系時提出的，隨后Hurst在20世紀40年代發現了“有偏隨機游走”現象，并在此基礎上進行了大量的實證實驗，提出了赫斯特指數，并由此發展了R/S分析法。

（三）距平指數

距平指的是在一系列數據中，單個數據值與系列數據平均值的差，距平可以分為正距平和負距平兩類。在實際研究中，距平指數可用于研究系列數據中某個數據或某段數據的平均值相較于該系列數據平均值的差異情況。

（四）變差系數

變差系數在水文數據的處理與分析中常常用來說明相關水文變量的波動情況，一般來說，值越大，說明相關水文變量的變化越劇烈；反之，值越小，則表示相關水文變量的變化較為平緩。

三、分析結果

分析數據來源自練祁測站歷年實測潮流量成果計算表，數據涵蓋練祁測站自2018年1月起至2019年11月止合計23個月潮流量數據，數據期內合計涉及潮次994次，其中2018年共計505次，2019年共計489次。

（一）趨勢性分析

基于日均流量的M-K趨勢檢驗計算結果（見表1），我們認為練祁測站在2018年到2019年的日均流量存在一定的上升趨勢，并且這種趨勢較為顯著。

表1 MK趨勢分析計算結果

基于以上日均流量的重標極差分析計算結果（見表2），我們認為由于練祁測站在2018年到2019年的日均流量的Hurst指數大于0.5，因此練祁測站的日均流量數據特征應該具有較為顯著的記憶性；也就是說，練祁測站的日均流量數據未來仍然極有可能繼續保持2018年到2019年的變化趨勢。

表2 重標極差分析計算結果

（二）穩定性分析

基于所使用的2018年與2019年練祁測站的逐月平均流量（見圖1），我們將相關數據代入距平指數計算公式，計算得到了2018年與2019年練祁測站的流量距平指數。由以上距平指數分析結果，我們認為練祁測站的汛期流量是顯著大于非汛期流量?；谒褂玫?018年與2019年練祁測站的逐月平均流量，我們將相關數據代入變差系數計算公式，計算得到了2018年與2019年練祁測站的流量變差系數（圖2）。通過對逐月變差系數的計算可以看到，在月份變差系數方面，2018年和2019年練祁測站汛期與非汛期之間沒有明顯的差異性，說明2019年相比2018年逐月的流量波動幅度基本類似；此外，還可以看到2019年變差系數小于2018年變差系數，說明2019年練祁測站各月份流量波動情況更小。

圖1 練祁測站逐月距平指數

圖2 練祁測站逐月變差系數

（三）相關性分析

根據水文學相關知識，一般認為相鄰年份的流量應該具有一定的相關性。因此，我們考慮基于2018年至2019年近兩年的測驗數據，通過Stata統計分析軟件對測試數據進行相關回歸分析，并由此對相鄰年份之間的流量測驗數據建立一定的相關回歸關系。在建立相關回歸關系的過程中，我們將不同年份的逐日流量數據按照農歷日期進行匹配，作為回歸方程的（x，y）變量進行回歸分析。因此，本文所建立的回歸模型如下所示：

在以上回歸模型中，表示y1年（2019年）的農歷日期為d日的流量值，表示y2年（2018年）的農歷日期為d日的流量值，以上流量值均采用當年當日全潮流量的平均值，為flowy1,d。

和flowy2,d之間的回歸系數值，為常數項，為隨機誤差。

基于以上回歸分析結果（見表3），可以看到：相鄰年份間的全潮流量之間分別存在著極為明確的相關性關系，同時這種相關性在99%的水平上是顯著的；此外，回歸模型中的各變量均為正相關，表明相同農歷日期、不同年份的練祁水文站的全潮流量漲落情況之間正相關。

表3 相關性估計結果

（四）分析小結

通過對歷年潮流量數據進行擬合分析，發現歷年潮流量之間存在著顯著的相關性關系，同時對潮流量的穩定性分析發現在一般情況下，同一河道的潮流量存在穩定性，因而可以通過往年同一農歷日期的潮流量數據對今年潮流量數據進行推算。同時考慮可以在擬合模型中加入雨情、相關河道潮流量等相關的水文信息，進一步提升擬合模型的精度和可信性。