由于受气候变化和人类活动等因素的影响， 水文序列在时间上或空间上往往发生变异， 即水文序列的分布形式或（和）分布参数在时间上或空间上发生了显著变化，表明水文序列不再具有相同的物理成因，其统计规律不满足一致性的要求。目前对水文序列变异的识别与检验方法有很多[1，2]，如对趋势变异的检验有：相关系数检验法、斯波曼（Spearman）秩次相关检验法、坎德尔（Kendall）秩次相关检验法等；对跳跃变异的识别方法有：有序聚类法、Lee-Heghinan 法、秩和检验法、滑动F 检验法、最优信息二分割模型、R/S 法、Brown-Forsythe、Mann-Kendall、Bayesian 方法等。上述方法只是从趋势或跳跃一个侧面对序列的变异情况进行分析，没有从整体上（包含周期、趋势和跳跃等）对序列是否发生变异进行判别， 也没有对发生变异的序列进行变异程度的划分。另外，这些方法均是从时间的角度来分析序列变异， 不能体现水文序列在流域或区域上的空间变异特征。随着“3S”技术的迅速发展，地统计学[3]方法与GIS 技术相结合， 形成了对空间变异分析更加方便的GIS 空间分析方法，而Hurst 系数[4]能从整体上反映序列长期相关性， 这种长期相关性导致了水文序列变异， 因而Hurst 系数能从时间角度整体上对水文序列的变异进行表征。本文将基于Hurst 系数能够反映水文序列长期相关性的原理，结合R/S 分析方法[5]，提出一种从整体上识别与检验水文时间序列变异及其变异程度的分析方法，然后将其与GIS 空间分析方法相结合来反映流域水文序列的时空变异特征，并用该方法对无定河流域年降雨序列进行时空变异分析。 |
