简介：Copula是一种构造多元联合分布和分析随机变量间相关结构的重要工具.对2005年以来国内外学者对Copula在干旱领域的研究和应用进行了综述,阐述了当前Copula方法存在的问题和继续研究方向.首先,高维Copula函数的参数估计不够精确,虽然高维Copula构造方法如嵌套法、混合法、条件混合法等对参数估计有本质上的简化作用、基于Bayesian理论的Copula参数估计方法比传统方法有明显改进,但在计算量、置信水平、样本量等需求上仍存在取舍,高维Copula理论的参数估计方法仍是Copula理论研究中的难点;其次,干旱特征对时间具有较强敏感性,使得Copula函数应用于干旱问题需要具有时变性,时变和空间变化Copula理论能综合时空维度对干旱进行全面分析,这将是未来Copula研究的方向之一;最后,Copula方法能被应用于诸多方向,还需要更加发散地将Copula方法与其他框架相结合.

简介：数据同化方法可提高数值预报的时效性和准确性,且该方法已在水文领域得到应用,并得到快速发展。为了提高新安江模型径流模拟预报精度,采用集合卡尔曼滤波方法同化径流数据,对参数和状态变量进行同步校正估计。通过对三水源新安江模型进行理想条件下的数值实验,在同时考虑模型自身、模型参数以及观测数据的不确定性的情况下,分析了参数均值和方差改变、集合大小、同化参数的敏感性以及相关性分析对同化过程的影响。结果表明:集合卡尔曼滤波算法具有可行性,且参数均值越接近真值、方差适当增加,集合大小适中,同化参数敏感性较低以及参数与变量间相互独立时,能在一定程度上增加径流同化精度。该研究可为同类型参数同化估计提供一定参考依据。