钱龙霞，李汉霖，汪 腾，王艺玮，王红瑞

(1.南京邮电大学 理学院，江苏 南京 210023；2.中国水利水电科学研究院 流域水循环模拟与调控国家重点实验室，北京 100038；3.北京师范大学 水科学研究院，北京 100875)

根据IPCC（政府间气候变化专门委员会）第四次及第五次报告[1–3]，全球气候急剧变化，且变暖的趋势不断加强，人类活动是这一变化的重要因素。在人类活动和自然变异的双重因素影响下，世界各地水文数据的统计规律和混沌程度已经发生了显著变化[4–5]。水文序列变异诊断对防洪减灾、生态环境保护具有重要的科学意义和应用价值[6–8]。

目前，水文变异诊断方法主要用于均值变异的检测，包括Mann–Kendall法、Pettitt检验法[9–10]、Spearman秩相关检验法[11]、BG（启发式分割）算法等。国外相关的研究进展如下：兰甜[1]把常用的均值变异诊断方法划分成了5种，其中参数检验方法（如T检验和F检验）及非参数检验方法（如Mann–Kendall法和秩次相关分析法），是国内外学者采用较多的两类方法。参数检验方法对数据序列要求较高，使得非参数检验方法应用较多。Bernaola–Galván等[12]首次提出启发式分割算法（又称BG算法），适用于非平稳、非线性序列的均值变异诊断。此后，Fukuda等[13]指出BG算法对于不同统计特性的理想样本均具有良好的效果。总的来说，BG方法划分得到的各子序列能在不同的物理背景下表征其特性，避免了传统检测方法对数据序列平稳性和线性的严苛要求。国内相关的应用研究有：王生雄等[14]采用Mann–Kendall法对渭河华县站1956—2000年径流序列进行了变异诊断分析；……