水文时间序列分析方法研究进展

作者：李路; 宫辉力^*; 郭琳; **; 陈蓓蓓

来源：地球信息科学学报, 2023, 1-19.

• 水文时间序列分析
• CiteSpace
• 机器学习
• 非线性
• 不确定性
• 非平稳性
• 耦合

水文时间序列分析领域的发展对于有效管理和利用水资源至关重要。本文基于WoS核心合集数据库和CNKI数据库，采用文献计量学方法和CiteSpace软件，揭示国内外水文时间序列分析领域的发展脉络、研究热点及发展方向。首先从水文时间序列的随机性、非线性、不确定性等出发，结合机器学习、神经网络等新兴方法，将水文时间序列分析领域的相关进展分为6个方面。然后，对各方面开展了详细介绍，并与传统方法作对比，总结了传统方法的缺陷；最后，指出提高水文时间序列分析结果准确性的方向，主要包括：(1)在时空尺度上进行建模，并融合多元数据进行分析；(2)将物理机制融入机器学习模型，提高模型的可解释性和泛化能力；(3)在研究过程中考虑气候变化(极端天气事件)和水文过程的耦合；(4)将多个复杂特性综合进行研究，并提高每个复杂特性的研究水平。通过揭示国内外水文时间序列分析领域的发展脉络、研究热点及发展方向，我们能够更好地理解和应对气候变化、极端天气事件以及人类活动对水资源的影响，提高我们对水文过程的认识，为水资源规划、水灾风险管理和可持续发展提供科学依据。

• 单位
  首都师范大学