基于Elman动态神经网络的降雨—径流模拟研究

采用Elman动态神经网络对沂沭河流域上游临沂子流域日径流量进行模拟。为了更好地检验该网络估测径流的精度,同时采用陆面水文过程模型TOPX进行对比分析。确定性线系数、相关系数、平均相对误差和平均相对均方根误差四个统计指数及流域径流过程。结果表明,Elman动态神经网络能够对日径流量进行较好的模拟,较好地捕捉洪峰流量和出现时间,为降雨径流模拟提供了一种有效可靠的方法。     

基于不同降水产品的WRF-Hydro模式径流模拟——以漳河流域为例

以漳河流域为研究区域,以CMORPH卫星-地面自动站-雷达三源降水融合数据和ERA5再分析降水资料为WRF-Hydro模式的输入,进行径流模拟,对比分析模拟径流与实测径流的差异,探讨基于两种降水数据的WRF-Hydro模式在漳河流域的径流模拟效果。结果表明:三源降水融合数据的径流模拟效果较优,纳什系数均达到0.7以上,模拟径流与实测径流过程吻合较好;采用三源降水融合数据和ERA5再分析降水资料率定WRF-Hydro模式,以ERA5再分析降水资料为输入,径流模拟结果都不佳;总体而言,三源降水融合数据与WRF-Hydro模式耦合能够较好地模拟漳河流域径流过程。      

基于VIC水文模型的滦河流域径流变化特征及其影响因素

基于1971—2000年的滦河水文站径流资料,采用Mann-Kendall法和有序聚类分析法对滦县水文站的水文序列进行突变分析,利用VIC(variable infiltration capacity)水文模型对滦河流域的径流进行模拟,探讨该模型对滦河径流的模拟效果,并定量计算气候变化和人类活动对滦河流域径流的影响程度。结果表明:1980年是滦河流域径流的突变点,1971—1979年为该流域径流序列的基准期;该时期VIC水文模型模拟效果较好,模拟的流量过程与天然径流过程较一致;1980年之后,因受气候变化、人类活动导致的下垫面情况变化因素影响,VIC模拟的月径流过程的确定性系数有所减小,1980年代,模型的模拟效果总体较好,只有1988年对于丰水期的模拟略偏小,然而从1990年代开始,模型对于丰水年的模拟偏小明显。定量分析计算出的气候变化对滦河流域径流影响为54.9%,人类活动影响为45.1%,可见人类活动不容忽视。     

下垫面非均匀流域的幂指数TOPMODEL的模拟研究

利用取消流域土壤表层饱和导水率0K、土壤饱和导水率有效衰减系数m和地下水补给速率R为空间均匀假设的幂指数TOPMODEL,对流域水量平衡各分量进行敏感性研究试验,揭示空间非均匀性对幂指数TOPMODEL模拟结果的影响。从特定研究流域所得结果中可得的主要结论有:1)0K、m和R的空间变化对流域的逐日地表径流和基流以及逐日总径流有影响,针对设定的0K、m和R的空间变化,其中m的空间变化较明显地增加了逐日地表径流和洪峰流量。2)就设定的0K、m和R的空间变化而论,对流域多年平均年总径流以及蒸发模拟结果影响不大,但改变了径流在地表径流和基流之间的分配;其中R的空间变化影响最显著,m和0K的空间变化影响则较小。     

基于HBV模型的太子河流域致洪临界雨量的确定

以太子河流域为研究区域,基于流域内的气象水文数据、数字高程模型及土地利用等资料,采用HBV水文模型对流域的水文过程进行模拟,通过对模型参数的率定与验证,评估了HBV模型在该流域径流模拟的适用性,确定了适合太子河流域的最优化参数,结合水位-流量关系曲线,推算太子河流域不同等级洪水致洪临界雨量。结果表明: HBV模型对太子河流域的径流模拟效果较好,率定期与验证期Nash效率系数与确定性系数均超过0.60,模型中积雪和融雪模块(CFR)、土壤含水量计算模块(BETA)与响应模块(KUZ2、UZ1、PERC)中的这些参数最为敏感,模型基本模拟出了洪水对降水的响应过程。通过建立的HBV水文模型,结合小林子水文站的水位-流量关系曲线,以警戒水位、保证水位作为不同等级洪水的判别条件,推算得到了不同起始水位下太子河流域动态临界雨量指标,临界雨量随起始水位的升高而有所减小。     

全球变化下澜沧江-湄公河流域水量平衡模拟

流域水文模型是区域水资源评价的重要工具,基于普林斯顿全球气象驱动数据集和澜沧江-湄公河流域（简称：澜湄流域）八个水文站实测资料,分析了澜湄流域不同区间的水文特性,采用RCCC-WBM模型（Water Balance Model developed by Research Center for Climate Change,RCCC-WBM）开展了区间径流及水量平衡模拟研究。结果表明：1）澜湄流域不同区间气候水文差异显著,上游气温低且年内变幅大,下游气温高年内变幅小;尽管不同区间降水、径流的年内分配特征总体一致,但径流的年内分布峰值大多滞后降水峰值一个时段。2）RCCC-WBM模型能够较好地模拟出澜湄流域不同区间的径流过程,率定期和验证期的月径流模拟效率系数（Nash-Sutcliffe Efficiency,NSE）均在60%以上,总量模拟误差（Relative Error,RE）也均控制在±10%以内,模型具有较好的区域适应性。3）模拟的土壤含水量都具有先衰减后增加再衰减的年内分配特征;不同季节径流和蒸发耗散的水源不同,降水是汛期水分耗散的主要来源,而土壤含水量是非汛期径流和蒸发消耗的主要水源。     

兰江流域气候与水文模拟研究

该文建立了气候-水文嵌套模式,用于气候变化情景下流域气候、水文模拟,并在此基础上进行水资源评估.首先应用20km高分辨率的区域气候模式RegCM3,嵌套全球环流模式FvGCM的大气部分,在中国东部地区进行了两组30a积分的模拟试验,即控制试验和未来预测试验.控制试验(1961-1990年)结果表明,RegCM3能较细致地刻画浙江省的地形分布,模拟的浙江省的多年平均气温和降水均呈现出明显的地形特征,与实况较为符合.兰江流域年平均气温模拟较好,但夏季降水模拟量明显偏低.在未来预测试验中,构建了SRES A2排放情景下兰江流域2071-2100年的气候变化情景.然后,用兰江流域的历史观测资料对分布式水文模型DHSVM进行了率定和验证,该模型较好地再现了兰江流域的历史径流过程,具有较好的模拟特性.最后,将RegCM3的两组试验结果输入到DHSVM中,驱动模型进行水文模拟.模拟结果表明:相对于1961-1990年,兰江流域2071-2100年各月的平均气温均呈上升趋势,年平均气温上升幅度达2.84 ℃;年降水量也将增加,主要发生在4-7月的汛期,可能会导致汛期洪涝灾害发生频率上升;年径流深变化与年降水量变化基本一致,汛期径流将明显增加.在全球持续变暖的背景下,兰江流域未来高温热浪和洪涝等气候、水文极端事件有可能进一步加剧.     

基于CMADS驱动SWAT模型的富春江水库控制流域水量平衡模拟

以富春江水库控制流域为研究区域,利用中国大气同化驱动数据集（CMADS V1.1）驱动SWAT水文模型,对富春江水库控制流域进行了逐日径流模拟,探讨了流域2008-2016年径流变化及水量平衡过程。结果表明：CMADS V1.1数据集驱动SWAT模型对研究区域的径流变化具有较好的模拟效果,在验证期,逐日模拟的效率系数大于0.70,决定系数大于0.75,达到了模型评价标准。在流域水量平衡各项中,地表径流和蒸散发为主要的输出项,分别占降水量的57.2%和36.2%,其中蒸散发量年际变化较为平稳。降水量、地表径流量、土壤对地下水补给、地下侧流量、蒸散发量最大值均出现在6月,最小值均出现在1月。流域径流量以地表径流为主,其在各个月份与月降水变化趋势基本一致。而基流量较小,且各月基流量对降水量的响应并不显著。     

多区域气候模式集合对中国径流深的模拟评估和未来变化预估

对5组区域气候模式集合模拟的中国径流深进行评估,并且预估了温室气体高排放情景RCP8.5下的未来变化。结果表明：多区域气候模式集合结果能够基本模拟出径流深的观测特征,对年径流深的空间分布特征模拟较好,但量值存在一定的系统偏差,特别是黄河中游、海河和松辽河存在明显的正偏差,且对全国9个流域片中东南、西南和西北诸河的年内分配总体模拟效果相对较差。未来到21世纪末,全国平均年径流深在各个时段都以增加为主,增加幅度多在5%以内。未来变化存在明显的空间差异,大致表现为“北增南减”的分布特征,但不会改变中国水资源南多北少的空间格局;其中,黄河、西南和西北诸河流域片呈显著的增加趋势,淮河、长江和东南诸河流域片呈现显著的减少趋势,海河、松辽和珠江流域的变化趋势不显著。21世纪末期各地的变化多在±30%以内,且多模式预估的正负变化一致性较高。到21世纪末期,各流域片平均的径流深季节分配总体特征没有明显变化,径流深的最大月份基本维持不变,分配比例的数值有±2%以内的变化,且各季节的增减变化存在明显流域间差异。     

基于SWAT模型模拟的未来气候变化对洪湖流域水资源影响研究

利用SWAT模型和IPCC第五次评估报告中全球气候模式BCC-CSM 1.1数据,对未来气候变化RCP 2.6、RCP 4.5、RCP 8.5共3种典型排放情景对洪湖流域水资源的影响进行了模拟研究。结果表明:SWAT模型对洪湖流域供水资源模拟的适用性较好,洪湖流域在未来RCP 2.6、RCP 4.5、RCP 8.5排放情景下的温度增幅分别为1.4℃、1.9℃和2.4℃,降水变率分别为-3.20%、7.60%和7.90%。SWAT模型模拟结果表明,未来3种情景下随着温度上升洪湖流域实际蒸散发量均略增加,径流受降水影响显著且变化不同,RCP 4.5和RCP 8.5情景下地表径流及地下径流均增加,RCP 8.5情景比RCP4.5情景下地表径流增加多;且各种重现期的洪峰流量和洪水发生频次均增加,RCP 2.6情景下地表径流和地下径流减少。3种情景下径流变异系数较基准期均略增大,说明洪湖流域发生干旱和洪涝的可能性增大,水资源可控性和利用率降低。     

MACROSCALE HYDROLOGICAL MODELING OVER THE HUAIHE RIVER BASIN

The Xin'anjiang Model is used as the basic model to develop a monthly grid-based macroscalehydrological model for the assessment of the effects of climate change on water resources.Themonthly discharge from 1953 through 1985 in the Huaihe River Basin is simulated.The sensitivityanalysis on runoff is made under assumed climatic scenarios.There is a good agreement betweenthe observed and simulated runoff.Due to the increase of time interval and decrease ofprecipitation intensity on monthly time scale,there is no monthly runoff in some model girds as themomhly hydrological model is applied to the Huaihe River Basin.Two methods of downscalingmonthly precipitation to daily resolution are validated by running the Xin'anjiang model withmonthly data at a daily time step.and the model outputs are more realistic than the monthlyhydrological model.The metbods of downscaling of monthly precipitation to daily resolution mayprovide an idea in solving the problem of the shortage of daily data.In the research of the climatechange on water resources,the daily hydrological model can be used instead of the monthly one.     

CN05.1气象数据在流域水文模拟中的应用——以新疆开都河流域为例

为探讨中国再分析气象数据集CN05.1在流域水文模拟中的适用性潜力,以开都河流域为研究区,分别使用CN05.1数据集和传统气象站数据驱动SWAT水文模型,采用决定系数（R ²)、纳什效率系数（NSE）和相对误差（R_e）等评价指标对二者模拟效果进行对比分析,以确定CN05.1数据的适用性;最后采用两种数据订正方法对CN05.1降水数据进行了订正,并以水文模拟效果进行评价。研究结果表明:(1) CN05.1气象数据在开都河流域的水文气象模拟中具有较强的适用性;(2) 基于SWAT模型的水文模拟显示,CN05.1数据驱动的水文模拟精度高于传统气象站数据,其率定期（1995—2005年）和验证期（2006—2016年）的R ²分别为0.81和0.73,NSE分别为0.81和0.72,R_e分别为-0.97%和0.39%;(3)两种数据订正方法均能较好地再现流域径流变化过程,但基于空间关系订正法的径流模拟效果更好,R ²和NSE均在0.72以上,|R_e|＜1.7%。由此,订正后的CN05.1降水数据一方面弥补了传统气象站数据缺失的问题,另一方面补足了未订正CN05.1降水数据在径流模拟中峰值欠佳的问题。     

未来气候变化对淮河流域径流的可能影响

采用新安江月分布式水文模型, 结合1961—2000年历史月气候资料和4个CGCMs的3个SRES排放情景下 (B1, A 2, A 1B) 未来降水和气温情景模拟结果, 对过去淮河流域的径流进行模拟检验并对未来2011—2040年的径流影响进行评估, 为水资源管理和规划提供依据。结果表明:水文模型能较好地反映年、月流量以及多年平均值和季节的变化; 年流量模拟一般好于月流量, 淮河干流主要控制水文站如王家坝、鲁台子、蚌埠的年流量模型效率系数均在80%以上; 多年平均值模拟效果好, 平均绝对相对误差为10%。多数CGCMs不同排放情景下气候模拟结果表明:未来2011—2040年, 淮河流域气候将趋于暖湿, 但年径流量将可能以减少趋势为主。这对淮河地区水资源的可持续发展以及东线调水工程水资源统一调配和管理提出了较大的挑战。淮河流域大部分区域2011—2040年月径流量减少将主要发生在1月和7—12月, 变化趋势较为确定; 4—6月, 径流量将以增加趋势为主, 不确定性较大; 2—3月, 径流具有增加趋势的地区多分布在淮河以北地区, 具有减少趋势的地区则多分布在淮河干流及以南地区和洪泽湖、平原区, 这些地区增加或减少趋势的不确定性较大。     

A data-driven SVR model for long-term runoff prediction and uncertainty analysis based on the Bayesian framework

Accurate and reliable long-term forecasting plays an important role in water resources management and utilization. In this paper, a hybrid model called SVR-HUP is presented to predict long-term runoff and quantify the prediction uncertainty. The model is created based on three steps. First, appropriate predictors are selected according to the correlations between meteorological factors and runoff. Second, a support vector regression (SVR) model is structured and optimized based on the LibSVM toolbox and a genetic algorithm. Finally, using forecasted and observed runoff, a hydrologic uncertainty processor (HUP) based on a Bayesian framework is used to estimate the posterior probability distribution of the simulated values, and the associated uncertainty of prediction was quantitatively analyzed. Six precision evaluation indexes, including the correlation coefficient (CC), relative root mean square error (RRMSE), relative error (RE), mean absolute percentage error (MAPE), Nash-Sutcliffe efficiency (NSE), and qualification rate (QR), are used to measure the prediction accuracy. As a case study, the proposed approach is applied in the Han River basin, South Central China. Three types of SVR models are established to forecast the monthly, flood season and annual runoff volumes. The results indicate that SVR yields satisfactory accuracy and reliability at all three scales. In addition, the results suggest that the HUP cannot only quantify the uncertainty of prediction based on a confidence interval but also provide a more accurate single value prediction than the initial SVR forecasting result. Thus, the SVR-HUP model provides an alternative method for long-term runoff forecasting.     

水文模型中雨量资料的解集分析及应用

分布式月水文模型由于时段长,雨强均化,导致在淮河流域的应用中,网格计算径流深出现了许多不合理的零值.利用解集方法,对月降雨资料进行解集后运行水文模型,其计算结果更加合理.并应用1998年淮河流域能量和水循环试验(HUBEX)加强观测资料对模型进行了验证.     

RCP4.5情景下长江上游流域未来气候变化及其对径流的影响

基于1961—2010年长江寸滩以上流域50个气象站的逐日观测数据和寸滩水文控制站的逐日径流数据,结合流域的地形、土地利用和土壤信息,采用HBV和SWAT水文模型,模拟了流域降水径流定量关系,并利用CCLM区域气候模式,开展了气候变化背景下,寸滩未来径流的可能演变趋势分析。结果表明:HBV和SWAT水文模型都适用于位于湿润地区的长江寸滩以上流域,月径流的模拟Nash-Sutcliffe效率系数都在0.90以上。相比较,SWAT水文模型对于枯水径流的模拟较差,HBV水文模型峰值流量的模拟高于实测。相对于基准期(1986—2005年),RCP4.5情景下,2011—2040年寸滩以上流域平均气温、最高气温、最低气温将明显增加,并呈持续上升趋势;流域降水也有一定的增加,但2030年后呈弱减少趋势。从两类水文模型对径流模拟的集合结果来看,2011—2040年年径流将上升14.2%;而径流量的概率分布尾部特征及径流分位数变化进一步表明,流域的未来峰值流量预计将有所增大。     

基于SWAT模型的岷江上游流域水文模拟与干旱评估

以地势复杂、海拔高差悬殊的岷江上游流域为研究区域,选取2013～2017年水文、气象观测、土地利用、土壤类型及DEM等数据,驱动SWAT(Soil and Water Assessment Tool)分布式水文模型,在参数敏感性分析的基础上对模型进行校正和验证,模拟岷江上游流域日径流量变化过程,并采用基于SWAT计算的...     

陆面—水文耦合模式的参数率定及改进研究

基于淮河流域的地形、岩石地质类型等空间分布特征,对陆面—水文耦合模式CLHMS1.0(Coupled Land Surface-Hydrological Model version 1.0)的河道曼宁糙率系数、水力传导度两个关键参数进行了率定;在此基础上,通过基于CLHMS1.0的多组敏感性试验,分析了河道曼宁糙率系数、水力传导度对CLHMS1.0模拟淮河流域水文过程的影响。研究结果表明,淮河流域上游王家坝子流域曼宁糙率系数的减小,可以显著提高模式对王家坝水文控制站上游模拟的水流流速,减小了模式对王家坝洪峰来临时间模拟偏迟的误差;依据淮河不同子流域的岩石地质类型选定更为合理的水力传导度参数后,模式对淮河流域河道流量等水文过程的模拟更为准确。利用参数率定后的CLHMS1.0对淮河流域1980~1987年逐日水文过程进行了模拟,与观测实况比较结果表明,采用了新的河道曼宁糙率系数和水力传导度参数后,模式对淮河流域逐日水文过程的模拟能力显著提高,且可以更合理地模拟出地表产流和地下水补给对流域河道流量的相对贡献。