非线性时变增益模型在新疆喀什中小河流洪水模拟中的适用性研究

近年来受人类活动和气候变化影响,新疆喀什地区水文非线性特征凸显,使得传统考虑单一线性的模型精度不高,以新疆喀什地区中小流域为研究对象,应用非线性时变增益模型,结合该流域1999-2017年实测洪水数据分析该模型在新疆喀什地区中小河流洪水模拟的适用性。研究结果表明:采用新的模型洪水模拟精度可到乙级以上精度,明显好于传统模型。研究成果对于新疆喀什地区中小河流防洪预警具有重要参考价值。     

降水入渗补给滞时的确定及其在泉流量模拟与预测中的应用

由于岩溶含水系统的调蓄作用,降水入渗补给泉水具有明显的滞后,滞后时间视具体水文地质条件而定.本文以济南泉域为例,利用逐步回归方法确定降水对泉水入渗补给的滞时为一年,说明不仅当年的降水量对泉流量有贡献,前一年的降水量对表流量也有明显的贡献,并得到了相应的泉流量模拟与预测模型,得到了较好的模拟与预测精度,证明考虑降水入渗补给滞时的泉流量模拟与预测模型比不考虑的模型精度要高.     

基于拉格朗日插值法修正地形影响的分布式降水模型研究

降水量一直是进行水文分析计算的输入项，对其分布状况的模拟直接影响水文分析成果精度。降水中心位置及其中心降水量对暴雨分析尤为重要，而目前尚未见对降水中心位置方面的模型研究。在对目前国内外降水模型分析的基础上，根据天气系统降水如不受地形影响其降水量等值线在平面上的分布近似为一组同心椭圆这一原理，建立了一种能够模拟次降水过程的降水中心位置及其中心降水量的新型分布式降水数学模型，并对其进行地形影响因素修正。由于模型建立原理简单，易于实现对流域未设站研究点的实时降水量估计，同时由于模型能够指明降水中心位置及其中心降水量，因此在流域暴雨分析和洪水预报中具有实用价值。模型经实践检验具有较高精度。     

三种地下水位动态预测模型在吉林西部的应用与对比

准确而可靠地预测地下水埋深对生态环境保护和水资源规划管理具有重要意义。针对吉林西部浅层地下水位动态变化的复杂性和非线性,提出了基于小波分析与人工神经网络相结合的预测方法小波神经网络(WA-ANN)模型。将研究区2002年1月2009年12月当月降水量、蒸发量、人工开采量和前月平均地下水埋深4个参数作为输入,当月平均地下水埋深作为输出,建立浅层地下水埋深预测模型,并与BP神经网络(BP-ANN)模型和自回归移动平均(ARIMA)模型进行比较,对比分析了三者的建模过程及其模拟精度。结果显示:相比两种ANN模型,ARIMA模型建模过程更为简单,计算效率更高;但WA-ANN模型的拟合精度高于BP-ANN和ARIMA模型,预测效果更好。总体来看,WA-ANN模型在浅层地下水埋深预测中具有一定的应用推广价值。     

四套降水资料在喀喇昆仑山叶尔羌河上游流域的适用性分析

分析了2003-2009年基于卫星观测的降水数据CMORPH、 TMPA 3B42 v6、 中国科学院青藏高原研究所的融合数据ITPCAS和基于地面台站的APHRODITE (2003-2007)四套降水数据集在叶尔羌河上游流域的时空分布特征, 并以这四套降水数据为驱动, 利用VIC分布式水文模型对叶尔羌河上游流域的降水径流进行模拟.结果表明: 在空间分布上, 四套降水资料在叶尔羌河上游流域的差异较大, ITPCAS的空间分布与流域冰川的分布较一致, 基于冰川区即为大降水区的基本认知, 初步认为ITPCAS的空间分布比较合理; 其次是TMPA 3B42 v6和APHRODITE; 在流域的年降水量和季节分配量上, 由于缺乏高海拔地区的实测降水资料, 无法准确回答各套降水资料在量级上是否合理; 在时间序列上, 四套降水资料与流域站点降水(库鲁克栏杆站和塔什库尔干站的平均降水)存在着不同程度的差异.但从整体上看, CMORPH数据在一定程度上能够反映流域的月降水变化过程, 而APHRODITE和ITPCAS只能在个别年份对流域的降水描述较好; 在径流模拟上, 卫星降水数据CMORPH显示了作为水文模型输入数据的较大潜力; 而其他降水资料在叶尔羌河径流模拟中, 与实测径流在量和季节分配上可能存在较大偏差.     

GM(1,1)分解模型与ARIMA模型在岩溶地下水模拟中的对比研究——以柳林泉流量模拟为例

本文运用GM(1,1)分解模型和ARIMA模型分别模拟柳林泉流量。根据影响特征将泉水流量变化分为两个时段研究:1957—1973年泉水流量处于自然状态;1974—2009年泉水流量受气候变化和人类活动双重影响。运用第1时段的数据建模获得自然状态下泉水流量的模型,将模型外推,获得第2阶段自然状态下泉水流量,然后根据水量平衡原理,减去同期实测流量,获得人类活动对泉水流量衰减的贡献。GM(1,1)分解模型的结果显示,从20世纪70年代到21世纪初柳林泉衰减量为2.26m3/s;ARIMA模型的结果为2.32m3/s;与同期实际衰减量2.27m3/s比,相对误差分别为0.44%和2.20%,表明两种模型都适用于泉水流量的模拟。对比人类活动和气候变化对柳林泉流量衰减的贡献,两个模型得到同样结果,即人类活动的贡献是气候变化的8～9倍。实证研究显示,GM(1,1)模型适用于指数序列的模拟,对具有周期波动的泉水流量,可通过周期修正提高精度;而ARIMA模型能够较好地反映泉水流量相对于降水量的时间滞后效应,能比较准确地模拟泉水流量与降水量的量化关系。      

新疆喀什地区城镇化过程中用水量预测

根据新疆喀什地区城镇化过程中用水量的变化特征,应用系统动力学理论,以仿真模拟技术为手段,以2002-2010年的统计数据为依据,通过模拟,设计出喀什地区城镇化过程中的用水量系统模型,设定了低、中、高三种城镇化发展速度模式,预测未来30年喀什地区用水量及其产业结构的水资源开发利用率。结果表明:喀什地区不宜采取低速和高速的城镇化模式,而适合采取中速城镇化发展模式。通过分析认为,走中速城镇化发展道路,能够保证城镇化发展过程中水资源的可持续利用。     

阿勒泰地区降水量、可降水量及降水转化率分析

根据1961-2007年47 a阿勒泰地区7个地面站每日4个频次的水汽压和日降水量资料, 分析了阿勒泰地区降水量的变化. 结果表明: 过去47 a阿勒泰地区年降水有增多趋势, 夏、冬季节降水呈明显增加趋势, 而春、秋季则增加较缓慢;降水空间分布表现为自南向北递增, 自西向东递减. 运用整层大气可降水量的经验计算公式, 计算了阿勒泰地区大气可降水量和降水转化率. 结果得出: 阿勒泰地区可降水量时间分布为夏季多、 冬季少;空间分布表现为自山区外围向山区中心递增, 降水量的大值区与可降水量的小值区对应. 降水转化率的时空分布说明这47 a其呈递增趋势, 且冬季较高. 研究结果表明, 阿勒泰地区具有一定的增水潜力.     

基于云推理的年降水量预测

预测未来年的降水量是对旱情做出预警并采取合理抗旱措施的重要前提,但如何获得准确的预测值一直是研究的热点。降水随时间的变化通常具有随机性和模糊性,而云模型是在传统模糊数学和概率统计的基础上建立起来的,能够实现不确定概念与定量数值之间的自然转化,通过年降水量历史数据及当前趋势挖掘并制定出相应规则,从而推理获得未来年份的降水量。在此基础上,提出了基于小波消噪预处理和理论频率曲线修正的云推理预测模型,并将其运用到了西安市年降水量的预测当中。从所得结果来看,降水量预测值能较好的反映其年际变化规律,模型预测精度得到了很大提高,基本可将误差控制在30%以内。     

四川盆地降水日变化特征分析和个例模拟

利用台站观测降水资料,分析四川盆地及周边地区降水分布和日变化特征,得到以下结论:四川地区降水存在2个高值中心,均位于盆地周围的山地;盆地降水"夜雨"特征明显;川西高原降水峰值以午夜前降水量的贡献为主;盆中与盆地西南边缘山地的降水峰值由夜间降水量与降水频率共同作用;盆地东北边缘的山地是午前降水频率与后半夜的降水量均有贡献。其次,结合WRF模式的数值试验,对2008年9月23～24日发生在盆地的夜间暴雨过程进行模拟研究和综合分析。结果表明WRF模式较好地模拟了此次天气过程降水的空间分布和日变化规律,通过分析模拟的环流场与温湿场发现,夜雨的形成与大尺度环流场的影响和地形强迫关系密切。     

双参数冻融新模型在新疆喀什地区土壤水预测中的应用研究

土壤水的准确预测对区域旱情评估及水量分析计算十分重要。传统模式大都基于土壤水观测数据构建线性回归方程进行预测。本次研究结合一种新的双参数冻融模型,以新疆喀什为研究区域,综合考虑土壤物理特性和参数的非线性,对区域内的土壤水进行非线性预测,结果显示:喀什地区的土壤水预测结果和实测土壤水数据相比,新模型预测计算误差在6%~10%之间,明显优于传统自动监测仪器的误差值,预测精度大大提高,具有重要的参考和实用价值。     

不同蒸散发计算模型在新疆喀什地区的适用性及对比分析研究

为分析不同蒸散发模型在新疆喀什地区的适用性,结合国内常用两种蒸散发计算方法,应用区域实测蒸发数据,按照年、月、季三个时间尺度分析两种方法计算的适用性和精度。结果表明:VIC模型在年尺度上适用性好于P-M模型,但在夏季和秋季尺度上,P-M模型好于VIC模型,各模型在夏季蒸发计算上好于其他季节。研究成果对于喀什地区蒸发计算提供重要的方法参考。     

Precipitation forecasting using classification and regression trees (CART) model: a comparative study of different approaches

Interest in semiarid climate forecasting has prominently grown due to risks associated with above average levels of precipitation amount. Longer-lead forecasts in semiarid watersheds are difficult to make due to short-term extremes and data scarcity. The current research is a new application of classification and regression trees (CART) model, which is rule-based algorithm, for prediction of the precipitation over a highly complex semiarid climate system using climate signals. We also aimed to compare the accuracy of the CART model with two most commonly applied models including time series modeling (ARIMA), and adaptive neuro-fuzzy inference system (ANFIS) for prediction of the precipitation. Various combinations of large-scale climate signals were considered as inputs. The results indicated that the CART model had a better results (with Nash–Sutcliffe efficiency, NSE?>?0.75) compared to the ANFIS and ARIMA in forecasting precipitation. Also, the results demonstrated that the ANFIS method can predict the precipitation values more accurately than the time series model based on various performance criteria. Further, fall forecasts ranked “very good” for the CART method, while the ANFIS and the time series model approximately indicated “satisfactory” and “unsatisfactory” performances for all stations, respectively. The forecasts from the CART approach can be helpful and critical for decision makers when precipitation forecast heralds a prolonged drought or flash flood.     

Determination and prediction of standardized precipitation index (SPI) using TRMM data in arid ecosystems

Drought over a period threatens the water resources, agriculture, and socioeconomic activities. Therefore, it is crucial for decision makers to have a realistic anticipation of drought events to mitigate its impacts. Hence, this research aims at using the standardized precipitation index (SPI) to predict drought through time series analysis techniques. These adopted techniques are autoregressive integrating moving average (ARIMA) and feed-forward backpropagation neural network (FBNN) with different activation functions (sigmoid, bipolar sigmoid, and hyperbolic tangent). After that, the adequacy of these two techniques in predicting the drought conditions has been examined under arid ecosystems. The monthly precipitation data used in calculating the SPI time series (SPI 3, 6, 12, and 24 timescales) have been obtained from the tropical rainfall measuring mission (TRMM). The prediction of SPI was carried out and compared over six lead times from 1 to 6 using the model performance statistics (coefficient of correlation (R), mean absolute error (MAE), and root mean square error (RMSE)). The overall results prove an excellent performance of both predicting models for anticipating the drought conditions concerning model accuracy measures. Despite this, the FBNN models remain somewhat better than ARIMA models with R?≥?0.7865, MAE?≤?1.0637, and RMSE?≤?1.2466. Additionally, the FBNN based on hyperbolic tangent activation function demonstrated the best similarity between actual and predicted for SPI 24 by 98.44%. Eventually, all the activation function of FBNN models has good results respecting the SPI prediction with a small degree of variation among timescales. Therefore, any of these activation functions can be used equally even if the sigmoid and bipolar sigmoid functions are manifesting less adjusted R² and higher errors (MAE and RMSE). In conclusion, the FBNN can be considered a promising technique for predicting the SPI as a drought monitoring index under arid ecosystems.     

模糊均生函数残差模型在地下水数值模拟降水量预报中的应用

地下水主要补给来源为大气降水的入渗和地表水体的渗漏.在地下水模拟预报模型中需要预先知道降水量.迄今为止,年降水量的预测仍然是一个不易解决的难题.在模糊均生函数模型(FAFM)基础上,利用其残差数据序列对FAFM进行校正,提出了模糊均生函数残差模型(REMFAF),给出了模型预报精度的检验方法.实例研究表明,REMFAF模型应用于吉林省西部地区地下水数值模拟中的降水量预报,比FAFM的预报精度更高,取得了较为理想的结果.     

1961-2013年新疆不同时间尺度降水量的气候特征及其历史演变规律

利用新疆1961-2013年资料完整的89个气象观测站降水量资料, 应用数理统计、线性趋势、突变、小波分析等方法, 对新疆降水量的时空分布和变化特征以及突变性、周期性特征进行了分析. 结果表明: 新疆年降水量空间分布极不均匀, 大值区分布主要在天山山区及其两侧; 降水集中出现在春末至夏季, 其中, 7月在全年所占比例最大. 新疆及其各分区年降水量与降水量距平百分率均呈显著增加趋势, 不同于中国大部分区域同期呈显著减少或无明显线性变化趋势的现象, 增加速率与年降水量有关, 同时年际波动及阶段性变化明显; 四季降水量增加趋势的显著性不如年降水量, 空间分布上年和四季降水量均表现为大部分地区呈增加趋势, 且增加趋势冬季 > 夏季 > 春季 > 秋季. 新疆及天山山区年降水量在1987年发生了突变, 北疆在1984年发生了突变, 而南疆在1981-1986年期间发生了突变; 新疆及北疆年降水量具有3 a、6 a、8 a、11 a、18 a的波动周期, 天山山区存在6 a与10 a的震荡周期, 南疆波动周期为5 a、8 a、18 a, 四季降水量也存在不同的波动周期.     

风场变形误差对北京降水记录及变化趋势的影响

风场变形误差是降水观测误差最主要的来源之一,其不仅影响观测值的准确性,也可能导致长期降水变化趋势中隐含虚假成分。结合北京地区20个气象站点1976-2015年逐日观测资料及前人研究成果,评估了风场变形误差对降水记录及其长期变化趋势的影响,结果表明:①近40年来北京地区平均降水捕获率为90%~95%,上升趋势较明显,但空间分布不均匀。城市化进程导致的风速减小是近10年来北京城、乡降水捕获率差异加大的主要原因。②北京地区风场变形误差存在明显的年际及季节差异。近40年来年均降水量订正值为23.1 mm,观测值较实际降水量年均低估了4.0%。订正后年均降水强度从实测的7.9 mm/d增加到8.3 mm/d,年降水量的下降速率从34.4 mm/10 a变为37.0 mm/10 a,观测值将降水强度低估了约4.8%,且将降水量的下降趋势低估了约7.0%。③对于强度越大的降水过程,风场变形引起的观测误差也越明显。对比发现,城市站点的风场变形误差年际振幅要大于乡村站点,弱降水过程中乡村站点的低估比城市站点明显,对大雨及以上强降水过程则相反,城市站点的低估比乡村站更显著。     

1980—2019年新疆南部不同强度暴雨洪水灾害的空间分布和时间变化特征

以1980—2019年新疆南部出现的暴雨洪水灾害事件造成的死亡人数、倒塌房屋数、倒塌棚圈数、牲畜死亡数、受灾面积作为灾情要素,采用比值权重法和无量纲化线性求和,构建了暴雨洪水灾害事件的灾损指数。根据灾损指数,采用百分位数法将每次暴雨洪水灾害事件定量划分为一般、较重、严重、特重四个等级。结果表明：新疆南部暴雨洪水事件在塔里木盆地北缘多于南缘,西部多于东部,高值区集中在阿克苏地区、喀什地区、克孜勒苏柯尔克孜自治州一带;暴雨洪水事件多发在3—10月,年出现次数呈现明显上升趋势,增幅为8次·（10a）^-1,主要表现为一般性灾害发生频次的增加;新疆南部暴雨洪水灾害年平均灾损指数在1985年和1999年发生两次突变,平均值表现出“低—高—低”阶段性变化;暴雨洪水灾害发生次数与3—10月降水量、大雨发生日数、暴雨发生日数密切相关。近40年来新疆南部降水量的增多,导致暴雨洪水灾害次数增加;年平均灾损指数与特重和严重灾害发生次数关系密切,后者对其贡献率达87%。     

ERA-Interim和CMFD气象驱动数据在新疆额尔齐斯河流域的适用性评价

气象驱动数据质量是影响流域水文过程模拟精度的一个重要因素。基于新疆额尔齐斯河流域及周边区域8个气象站记录的数据,对ERA-Interim再分析资料和中国区域地面气象要素驱动数据集（CMFD）在流域的适用性进行了评价,并对比了ERA-Interim和CMFD气象要素年均值在流域的空间分布。结果表明：ERA-Interim和CMFD记录气温、相对湿度、向下短波辐射和向下长波辐射数据与观测数据具有较高的一致性,但降水和风速数据与观测数据的一致性比较差。小时尺度上ERA-Interim记录的气温、相对湿度、降水量、向下短波辐射准确度略高于CMFD数据,而日尺度上CMFD记录的所有气象要素的准确度均高于ERA-Interim数据,结合Noah-MP模型的模拟结果,认为CMFD数据在新疆额尔齐斯河流域的适用性整体优于ERA-Interim数据。从两种驱动数据获取的流域气象要素空间分布来看,ERA-Interim和CMFD获取的年平均气温、风速、相对湿度、降水量、向下长波辐射在流域空间具有高度一致性,但向下短波辐射空间分布差别较大。