利用Mann–Kendall检验和人工神经网络技术评估非平稳水文气候对巴基斯坦Soan河流域径流的影响 Rafi Ul Din, Saddam Hussain, Adeel Ahmad Khan, Muhammad Naveed Anjum, A. T. M. Sakiur Rahman, Saif Ullah

《Hydrology》：Assessing Nonstationary Hydroclimatic Impacts on Streamflow in the Soan River Basin, Pakistan, Using Mann–Kendall Test and Artificial Neural Network Technique Rafi Ul Din, Saddam Hussain, Adeel Ahmad Khan, Muhammad Naveed Anjum, A. T. M. Sakiur Rahman and Saif Ullah

　　

摘要

分析复杂地形和气候条件下的水文气候变化对于确定淡水资源的可用性及其响应机制至关重要。尽管此前已有许多研究评估了南亚河流流域水文气候变量的变化模式，但这些研究大多采用了传统的统计方法，这些方法可能无法充分反映潜在的非线性水文气候趋势。本研究利用1991年至2020年三十年的实地观测数据，分析了巴基斯坦Soan河流域的降水量、温度和径流的长期变化情况。研究采用了非参数（Mann–Kendall）趋势检验和人工神经网络（ANN）方法来检测线性和非线性趋势。结果表明，该流域整体上正在以稳定的速度变暖，但降水量随地理位置和季节的不同而显著变化。整个流域的年平均降水量以每年7.33毫米的速度减少。与西风季节相比，季风降水的变化趋势不够明显。径流模式的变化主要反映了降水量变化和温度升高的影响。根据Mann–Kendall（ANN）的结果，年平均径流量以每年0.47（-1.30）立方米的速度减少。降水量与径流量之间存在中等程度的正相关关系，表明降水量是影响该流域径流的主要因素。Mann–Kendall检验和机器学习方法的结果均显示水文气候变量呈现出类似的下降趋势，但人工神经网络方法更精确地揭示了这些变量的非线性特征。研究结论认为，径流模式对Soan河流域的变暖以及降水量变化具有显著的响应性。这些发现强调了整合统计方法和机器学习方法对于深入理解水文气候趋势的重要性。本研究的结果可应用于该流域水资源的可持续管理和规划。