上海市宝山区练祁水文站多年潮流量变动特征分析

上海临澜环境科技有限公司 孙智斌，李印秋，马英杰

一、引言

宝山区位于上海市北部，全区被横贯中部的蕰藻浜分成南北两部。地处长江、黄浦江、东吴淞江三江交汇处，南与杨浦、虹口、静安、普陀4区毗连，西与嘉定区交界，西北隅与江苏省太仓市为邻。作为上海重要的钢铁、物流、港口和工业基地，宝山区堪称上海的“水路门户”。宝山区练祁水文站位于练祁河东部，练祁河位于宝山区与嘉定区中部，西起顾浦，东经山罗店、月浦后汇入长江口，全长28.87km。通过对练祁水文站的监测数据进行分析，有利于重点河道水情信息的收集、整理、编制,为开展防汛、水文等方面的科学研究提供可靠的第一手资料，为区防汛指挥机构提供及时、可靠、科学的决策依据。

二、理论基础

（一）Mann-Kendall趋势检验法

因 为 最 初 是 由H.B.Mann和M.G.Kendall提出并发展了这一方法，故该趋势检验法被称为Mann-Kendall法。Mann-Kendall的检验方法属于非参数方法，亦称无分布检验，优点是计算简便，对样本的限制较少，少数异常值不影响结果，更适用于类型变量和顺序变量。Mann—Kendall检验法在分析降水、径流、气温和水质等领域序列的变化趋势检验中应用广泛。

（二）重标极差分析法

重标极差分析法(R/S分析法)是一种异值时刻预测方法，用于时间序列长期记忆过程，可用于河流径流量的研究。R/S分析法是H.E.Hurst在研究尼罗河水库水流量和贮存能力的关系时提出的，随后Hurst在20世纪40年代发现了“有偏随机游走”现象，并在此基础上进行了大量的实证实验，提出了赫斯特指数，并由此发展了R/S分析法。

（三）距平指数

距平指的是在一系列数据中，单个数据值与系列数据平均值的差，距平可以分为正距平和负距平两类。在实际研究中，距平指数可用于研究系列数据中某个数据或某段数据的平均值相较于该系列数据平均值的差异情况。

（四）变差系数

变差系数在水文数据的处理与分析中常常用来说明相关水文变量的波动情况，一般来说，值越大，说明相关水文变量的变化越剧烈；反之，值越小，则表示相关水文变量的变化较为平缓。

三、分析结果

分析数据来源自练祁测站历年实测潮流量成果计算表，数据涵盖练祁测站自2018年1月起至2019年11月止合计23个月潮流量数据，数据期内合计涉及潮次994次，其中2018年共计505次，2019年共计489次。

（一）趋势性分析

基于日均流量的M-K趋势检验计算结果（见表1），我们认为练祁测站在2018年到2019年的日均流量存在一定的上升趋势，并且这种趋势较为显著。

表1 MK趋势分析计算结果

基于以上日均流量的重标极差分析计算结果（见表2），我们认为由于练祁测站在2018年到2019年的日均流量的Hurst指数大于0.5，因此练祁测站的日均流量数据特征应该具有较为显著的记忆性；也就是说，练祁测站的日均流量数据未来仍然极有可能继续保持2018年到2019年的变化趋势。

表2 重标极差分析计算结果

（二）稳定性分析

基于所使用的2018年与2019年练祁测站的逐月平均流量（见图1），我们将相关数据代入距平指数计算公式，计算得到了2018年与2019年练祁测站的流量距平指数。由以上距平指数分析结果，我们认为练祁测站的汛期流量是显著大于非汛期流量。基于所使用的2018年与2019年练祁测站的逐月平均流量，我们将相关数据代入变差系数计算公式，计算得到了2018年与2019年练祁测站的流量变差系数（图2）。通过对逐月变差系数的计算可以看到，在月份变差系数方面，2018年和2019年练祁测站汛期与非汛期之间没有明显的差异性，说明2019年相比2018年逐月的流量波动幅度基本类似；此外，还可以看到2019年变差系数小于2018年变差系数，说明2019年练祁测站各月份流量波动情况更小。

图1 练祁测站逐月距平指数

图2 练祁测站逐月变差系数

（三）相关性分析

根据水文学相关知识，一般认为相邻年份的流量应该具有一定的相关性。因此，我们考虑基于2018年至2019年近两年的测验数据，通过Stata统计分析软件对测试数据进行相关回归分析，并由此对相邻年份之间的流量测验数据建立一定的相关回归关系。在建立相关回归关系的过程中，我们将不同年份的逐日流量数据按照农历日期进行匹配，作为回归方程的（x，y）变量进行回归分析。因此，本文所建立的回归模型如下所示：

在以上回归模型中，表示y1年（2019年）的农历日期为d日的流量值，表示y2年（2018年）的农历日期为d日的流量值，以上流量值均采用当年当日全潮流量的平均值，为flowy1,d。

和flowy2,d之间的回归系数值，为常数项，为随机误差。

基于以上回归分析结果（见表3），可以看到：相邻年份间的全潮流量之间分别存在着极为明确的相关性关系，同时这种相关性在99%的水平上是显著的；此外，回归模型中的各变量均为正相关，表明相同农历日期、不同年份的练祁水文站的全潮流量涨落情况之间正相关。

表3 相关性估计结果

（四）分析小结

通过对历年潮流量数据进行拟合分析，发现历年潮流量之间存在着显著的相关性关系，同时对潮流量的稳定性分析发现在一般情况下，同一河道的潮流量存在稳定性，因而可以通过往年同一农历日期的潮流量数据对今年潮流量数据进行推算。同时考虑可以在拟合模型中加入雨情、相关河道潮流量等相关的水文信息，进一步提升拟合模型的精度和可信性。