Abstract

Regional frequency analysis (RFA) aims to estimate quantiles of extreme hydrological variables (e.g. floods or low-flows) at sites where little or no hydrological data is available. This information is of interest for the optimal planning and management of water resources. A number of regional estimation models are evaluated and compared in this study and then used for regional estimation of flood quantiles at ungauged catchments located in the Montreal region in southern Quebec, Canada. In this study, two neighborhood approaches using canonical correlation analysis (CCA) and the region of influence (ROI) method are applied to delineate homogenous regions. Three regression methods namely log-linear regression model (LLRM), generalized additive models (GAM), and multivariate adaptive regression splines (MARS), recently introduced in the RFA context, are considered for regional estimation. These models are also applied considering all stations (ALL). The considered models, especially MARS, have never been used previously in a concrete application. Results indicate that MARS and GAM have comparable predictive performances, especially when applied with the whole dataset. Results also show that MARS used in combination with the CCA approach provide improved performances compared to all considered regional approaches. This may reflect the flexibility of the combination of these two approaches, their robustness, and their ability to better reproduce the hydrological phenomena, especially in real-world conditions when limited data are available.

摘要

区域频率分析 (RFA) 旨在估计极少或没有水文数据的地点的极端水文变量（例如洪水或低流量）的分位数。这些信息对于水资源的优化规划和管理很有意义。本研究对多个区域估计模型进行了评估和比较，然后将其用于加拿大魁北克南部蒙特利尔地区未计量集水区的洪水分位数的区域估计。在这项研究中，使用典型相关分析 (CCA) 和影响区域 (ROI) 方法的两种邻域方法用于描绘同质区域。最近在 RFA 环境中引入的三种回归方法，即对数线性回归模型 (LLRM)、广义加性模型 (GAM) 和多元自适应回归样条 (MARS)，被考虑用于区域估计。这些模型也适用于所有站 (ALL)。所考虑的模型，尤其是 MARS，以前从未在具体应用中使用过。结果表明 MARS 和 GAM 具有相当的预测性能，尤其是在应用于整个数据集时。结果还表明，与所有考虑的区域方法相比，与 CCA 方法结合使用的 MARS 提供了改进的性能。这可能反映了这两种方法组合的灵活性、稳健性以及更好地再现水文现象的能力，尤其是在可用数据有限的现实条件下。以前从未在具体应用中使用过。结果表明 MARS 和 GAM 具有相当的预测性能，尤其是在应用于整个数据集时。结果还表明，与所有考虑的区域方法相比，与 CCA 方法结合使用的 MARS 提供了改进的性能。这可能反映了这两种方法组合的灵活性、稳健性以及更好地再现水文现象的能力，尤其是在可用数据有限的现实条件下。以前从未在具体应用中使用过。结果表明 MARS 和 GAM 具有相当的预测性能，尤其是在应用于整个数据集时。结果还表明，与所有考虑的区域方法相比，与 CCA 方法结合使用的 MARS 提供了改进的性能。这可能反映了这两种方法组合的灵活性、稳健性以及更好地再现水文现象的能力，尤其是在可用数据有限的现实条件下。结果还表明，与所有考虑的区域方法相比，与 CCA 方法结合使用的 MARS 提供了改进的性能。这可能反映了这两种方法组合的灵活性、稳健性以及更好地再现水文现象的能力，尤其是在可用数据有限的现实条件下。结果还表明，与所有考虑的区域方法相比，与 CCA 方法结合使用的 MARS 提供了改进的性能。这可能反映了这两种方法组合的灵活性、稳健性以及更好地再现水文现象的能力，尤其是在可用数据有限的现实条件下。