用于推断径流复杂性和可预测性的傅里叶谱启发式指数

《Journal of Hydrology》:Fourier spectral heuristic indices for streamflow complexity and predictability

【字体: 大 中 小 】 时间:2026年09月28日 来源:Journal of Hydrology 7.3

编辑推荐:

  • 介绍了两个傅里叶谱启发式指数,PNSF和STP。• PNSF衡量了径流谱从季节性高峰的重新分布情况。• STP量化了主导周期与标准年周期的偏差。• PNSF和STP描述了径流谱的时间组织结构。 ### 引言 研究径流时间序列及其特征是水文学和统计学中的一个广阔领域。然而,这

  • 介绍了两个傅里叶谱启发式指数,PNSF和STP。• PNSF衡量了径流谱从季节性高峰的重新分布情况。• STP量化了主导周期与标准年周期的偏差。• PNSF和STP描述了径流谱的时间组织结构。

### 引言
研究径流时间序列及其特征是水文学和统计学中的一个广阔领域。然而,这些序列的不可预测性在过去只得到了部分解决。在过去的三十年中,人们采用了各种信息论度量和非线性动力学方法来描述径流的复杂性和动态组织结构。例如,Sivakumar和Singh(2012年)提出了水文学分类框架的实际指南。径流在空间和时间尺度上都有变化,理解其变异性对于水资源系统的规划、运营和管理至关重要。作为自然系统的一个组成部分,径流反映了地理特征、人类影响和气候变异性之间复杂的相互作用。自然流体流动系统经常表现出高度不规则的行为,这可能是由非线性相互作用和湍流过程引起的(Mihailovi?等人,2024年)。尽管有大量的研究,但目前还没有一个被普遍接受的复杂性定义。一种常见的表征方法是认为,当一个系统的行为不能仅通过检查其各个组件的属性来轻易解释时,该系统就是复杂的(Mihailovi?等人,2023a)。因此,复杂性指的是系统内部各过程的组织程度、变异性和相互作用。相比之下,混沌是非线性确定性动力系统的特定数学属性,其主要特征是对初始条件的敏感性,其中小的扰动可能导致轨迹随时间的指数级发散(Mihailovi?等人,2024年)。混沌的数学定义通常涉及三个基本属性:对初始条件的敏感性、拓扑混合和密集的周期轨道。混沌系统是确定性的,这意味着初始状态和潜在的动态完全决定了它们的演化。然而,混沌系统的长期行为表现为高度不可预测和随机,因为即使是初始条件中的微小误差或不确定性也会随时间放大,产生发散的轨迹,使得长期预测变得不可能。

河流在不同的尺度上表现出空间和时间上的不规则波动。这些波动受到水文制度的影响,而水文制度的特点是随机水文气象强迫、地理形态、河道形态、沉积物输送和土地利用之间的非线性交织因素(Kisi等人,2013年)。最近的案例研究说明了这些因素的影响:在幼发拉底河上,自1991年以来,上游水坝的建设加上气候变化使年流量减少了大约41%,加剧了干旱状况(Hussein和Khassaf,2025年);在印度尼西亚的一个沿海流域,设计了多级梯形横截面来管理洪水排放和沉积物沉积(Mananoma等人,2025年);在帕卢河口,发现沉积物输送主要受河流流量的控制,而不是潮汐动力学(Sucipto等人,2025年)。空间不规则性源于集水区特征和水文过程之间的差异,而时间不规则性包括季节性周期、短期波动和长期趋势。由于这些变化源自相互作用的自然过程,通常很难确定观察到的不规则性是由确定性混沌机制还是随机变量引起的。特别是,湍流可能代表了确定性混沌的物理表现,或者是高雷诺数下非线性流体流动过程的随机表达。

自然流体流动系统是复杂的。为了更好地理解它们的行为,使用“混沌”一词来定义由于非线性确定性系统产生的复杂和随机行为,并且这些行为对初始条件敏感的情况(De Domenico和Ghorbani,2011年)。换句话说,这个定义包括三个基本的内在属性:非线性的相互依赖关系、隐藏的确定性和秩序以及对初始条件的敏感性。另一方面,湍流总是表现出高度的复杂性,这是复杂系统的最显著特征之一。因为复杂性不能单独建模,所以用于检测混沌的度量方法是密不可分的。

为了量化1989年至2016年间美国月度径流的随机性并研究其复杂性,Mihailovi?等人(2019年)应用了Kolmogorov复杂性(KC)及其衍生指标,包括Kolmogorov复杂性谱(KCS)、最高Kolmogorov复杂性谱值(KCM)和平均Kolmogorov复杂性(MKC)。这些度量为基于熵的方法提供了补充信息,并为理解复杂系统的组织和随机性提供了额外的视角(Sivakumar和Singh,2012年)。尽管KC在水文学研究中没有得到广泛应用,但它提供了关于高度复杂系统中的随机性和结构组织的宝贵信息。它的应用主要源于生物医学研究,包括脑电图(Zhang和Roy,1999年)、麻醉研究(Xu-Sheng Zhang和Roy,2001年)和阿尔茨海默病分析(Gómez等人,2006年)。在水文学中,已经尝试将KC及相关度量应用于流量分析(Sen,2009年)。这些方法很重要,因为随机性和时间组织强烈影响径流建模和预测(Bandt和Pompe,2002年,Khan等人,2005年,Sivakumar,2017年)。

在动力系统理论中,Lyapunov时间(LT),也称为预测范围,被广泛用来量化在混沌动力学相关的指数级发散之前预测可靠的时间尺度。LT是从最大Lyapunov指数(LE)的倒数衍生出来的,并且具有与分析时间序列相同的时间单位。然而,LT的估计受到计算限制和内在不确定性的影响,这可能导致实际预测范围的过高估计。为了解决这一限制,Mihailovi?等人(2019年)提出了基于Kolmogorov复杂性的Kolmogorov时间,作为一种替代的信息基础指标,可能提供关于预测限制的额外见解。

河流系统可能表现出不同程度的组织结构,从简单的季节性行为到高度复杂的动态都有。它们的可预测性由水文气象强迫、地理条件和人类活动的综合影响决定。基于信息的度量可以通过描述时间组织和随机性的变化来补充动态方法,尽管它们不能直接替代混沌指标,如Lyapunov指数。现有的度量方法对于量化随机性和检测时间序列中的结构变化很有用。然而,许多方法无法区分不同形式的时间组织或结构复杂性(Lempel和Ziv,1976年)。例如,一些河流在二战后由于人类的大量干预而观察到了复杂性的降低(Mihailovi?等人,2014年)。因此,开发描述水文时间序列内在属性的补充方法仍然很重要。在这项研究中,我们关注季节性和非季节性组分的组织,并引入了基于傅里叶的指数,旨在量化谱的规则性和不规则性,而不是直接测量混沌动态。

目前用于径流时间序列动态研究的方法多种多样,应用广泛,范围也各不相同。特别是,傅里叶变换和谱分析仍然是水文学中广泛使用的方法,用于研究水文时间序列的频率结构和时间组织。这些方法已被应用于探索非线性、分形和不规则行为(Pasternack,1999年,Liaw等人,2001年,Maccari,2010年,Ganie等人,2024年),以及支持径流预测应用(Fleming等人,2002年,Singh和Cui,2015年,Zhou等人,2017年)。在频域方法中,傅里叶和小波分析代表了两个主要的方法论框架。Sang(2013年)对应用于水文时间序列的小波方法进行了全面的评估,强调了小波选择和变换程序的重要性。然而,与小波基选择相关的不确定性仍然是一个开放的方法论问题。相比之下,Fleming等人(2002年)和Calvo和Mui?os(2023年)讨论了离散傅里叶变换方法在给定长度时间序列(非周期函数)上的应用,并证明了它们在识别周期结构和频率分量方面的有效性。尽管具有潜力,频域方法尚未被广泛用于分析和日流量及月流量的变化;先前的研究已经证明了它们在识别主导频率和将谱特征与潜在水文过程相关联方面的实际价值。Fleming等人(2002年)使用谱分析来研究负责径流中频率成分的物理机制,并评估基于过程的水资源管理模拟模型。Singh和Cui(2015年)比较了使用不同方法获得的谱密度与快速傅里叶变换(FFT)对月流量预测的估计。Calvo和Mui?os(2023年)研究了径流记录中的周期行为,并证明在修建水坝前后流量周期性仍然相关。

尽管谱方法提供了关于时间组织、谱不规则性和频率重新分配的宝贵信息,但它们并不能直接量化混沌的定义属性,如对初始条件的敏感性、拓扑混合或发散率。因此,基于傅里叶的描述符应该被解释为谱组织的度量,而不是混沌动态的直接指标。它们与混沌的关系是间接的:谱规则性或不规则性的变化可能反映了系统潜在时间组织的变化,这可能发生在复杂或混沌系统中,但它们不提供Lyapunov指数、Lyapunov时间或预测范围的估计。

在水文系统中评估混沌动态仍然是一个挑战,因为观察到的径流变异性是由确定性的非线性过程和随机外部强迫相互作用的结果。因此,水文记录中的不规则波动不能自动被归类为混沌。相反,需要补充方法来描述系统行为的不同方面,包括动态属性、随机性和结构组织。在这种情况下,基于信息和谱的度量为理解水文复杂性提供了额外的视角。基于Kolmogorov复杂性、熵和相关概念的度量已经证明,时间组织和随机性可以提供关于径流变异性的重要见解(Bandt和Pompe,2002年,Sivakumar和Singh,2012年,Sivakumar,2017年)。基于这一概念,本研究引入了两个基于傅里叶的指数,即非季节性频率的参与度(PNSF)和标准三周期指数(STP),旨在描述与季节性和非季节性变异性相关的谱参与度重新分配和时间组织。

因此,PNSF和STP并不是作为混沌或可预测性的通用度量提出的。相反,它们提供了谱规则性/不规则性和时间组织的补充描述符,有助于识别不同水文系统之间的差异。它们对复杂动态的潜在相关性来自于它们检测观察信号组织变化的能力,而已建立的动态指标,如最大Lyapunov指数(LE),仍然对于评估对初始条件的敏感性和理论预测限制是必要的。相应地,本研究旨在探讨嵌入在季节性变异性中的频域特征是否可以提供关于水文复杂性和时间组织的额外信息。本文的其余部分组织如下:第2节介绍了所提出的基于傅里叶的指数以及用于与Kolmogorov复杂性(KC)、其衍生指标和最大Lyapunov指数(LE)进行比较的方法论框架。第3节描述了研究数据集。第4节展示并讨论了结果。最后,第5节总结了主要发现并总结了本文。

### 方法论
我们开发方法所采用的方法论将在下文描述。首先,我们介绍了一组成熟的方法,这些方法将作为复杂性分析的基准,并提供一个参考框架。其次,我们将广泛使用的傅里叶分析作为我们方法的基础。第三,我们正式介绍了两个基于傅里叶谱的启发式指数,其中一个基于傅里叶谱的分析,即周期图,称为非季节性频率的参与度(PNSF)。

### 数据描述
本研究旨在提出并对比基于谱分析的新傅里叶启发式指数。因此,由于在这一时间窗口内可用的复杂性度量方法已经非常成熟,月度尺度的径流数据集是最适合处理数据的尺度。我们考虑了两个数据集:a) 位于阿根廷Mendoza省和San Juan省的Cuyo流域,那里有几条沿安第斯山脉分布的常年河流。

### 结果与讨论
以下部分介绍了从傅里叶谱分析得出的启发式指数的结果:非季节性频率的参与度(PNSF)和标准三周期指数(STP),以及与已开发指标的对比:KC及其衍生指标LE和LT。我们的研究结果同时针对阿根廷库约盆地的区域数据集和美国更广泛的河流集合进行了讨论。

结论:
1. 使用所提出的方法,分析了位于阿根廷西部安第斯山脉中部库约盆地的17条河流和25个测流站,以及美国境内1,879个测流站的数据。
2. 提出了两个新的启发式指标来表征频谱和时间组织结构:a) 通过离散傅里叶变换得到的“非季节性频率参与度”(PNSF),定义为傅里叶变换结果的归一化模值的算术平均值。

作者贡献声明:
Francisco Javier Frau:撰写 – 审稿与编辑,撰写 – 原稿,可视化,软件,项目管理,方法论,数据管理,概念化。
Dragutin T. Mihailovi?:撰写 – 审稿与编辑,撰写 – 原稿,验证,监督,软件,项目管理,方法论,数据管理,概念化。
Slavica Malinovi?-Mili?evi?:撰写 – 审稿与编辑,撰写 – 原稿,软件,方法论,数据管理。

资金支持:
本研究由科学技术发展与创新部资助,项目编号为451–03–136/2025–03/20017。

未引用的参考文献:
Schreiber和Schmitz(1996年)。

利益冲突声明:
作者声明他们没有任何已知的财务利益冲突或个人关系,这些因素可能会影响本文所报道的工作。

作者名单:
Francisco Javier Frau | Dragutin T. Mihailovi? | Slavica Malinovi?-Mili?evi? | Vijay P. Singh
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号