《表2 各站点最优边缘分布函数与Copula函数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于Copula函数的赣江流域气象干旱特征分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注：最优边缘分布函数的选择是在通过95%显著性水平下，选取拟合度最高的分布函数。

干旱特征两变量边缘分布函数与Copula函数的选取是模型建立的关键，对干旱历时和烈度进行边缘分布检验和两者相关性检验是建立联合分布模型的基础。为了构建最贴合实际的模型，基于文献[5，6]，采用在干旱事件研究中应用广泛的5种分布函数，分别拟合干旱特征两变量。采用平方欧氏距离d2和AIC指标检验3种Copula函数（Gumbel、Frank、Clayto）的拟合度。赣江流域39个站点边缘分布的最优函数见表2中第2、3列，其相关性检验结果为第4～6列，d2和AIC指标的检验结果为7～12列。由表2可知，赣江流域干旱历时的最优分布wbl最多为22个站点，gam、gev、logn均为6个左右，干旱烈度最优分布gev最多13个，gam、wbl均为10个。干旱历时与烈度的相关性检验中，各站点Pearson和Spearman基本均在0.8以上，Kendall结果也在0.6以上，表明干旱两变量之间相关性显著，因此可使用Copula函数建立联合分布。从Copula函数的拟合度检验结果可知，赣江流域27个站点最优Copula函数为Frank Copula，12个为Gumbel Copula，Clayton Copula为0个。