收藏 分享(赏)

基于RBF-SWAT的气候...上游流域径流预测及特征分析_王立.pdf

上传人:哎呦****中 文档编号:2369251 上传时间:2023-05-10 格式:PDF 页数:6 大小:2.28MB
下载 相关 举报
基于RBF-SWAT的气候...上游流域径流预测及特征分析_王立.pdf_第1页
第1页 / 共6页
基于RBF-SWAT的气候...上游流域径流预测及特征分析_王立.pdf_第2页
第2页 / 共6页
基于RBF-SWAT的气候...上游流域径流预测及特征分析_王立.pdf_第3页
第3页 / 共6页
亲,该文档总共6页,到这儿已超出免费预览范围,如果喜欢就下载吧!
资源描述

1、收稿日期:;修回日期:基金项目:南水北调中线水源有限责任公司项目作者简介:王 立(),男,四川苍溪人,高级工程师,硕士,主要从事水利工程建设管理工作。:通信作者:翟文亮(),男,河南新乡人,工程师,硕士,主要从事水文水资源研究工作。:,():基于 的气候变化下汉江上游流域径流预测及特征分析王 立,翟文亮,张爵宏,曹慧群,唐 见(南水北调中线水源有限责任公司,湖北 丹江口;长江科学院 流域水环境研究所,武汉;河海大学 水文与水资源学院,南京)摘要:为研究气候变化下汉江上游流域的径流响应,基于 神经网络降尺度模型,利用 年 模式下(高温室气体排放)和(低温室气体排放)两种气候情景,生成未来气温与降

2、水数据;耦合 水文模型,模拟分析流域 年径流变化对不同气候情景的响应特征。结果表明,汉江上游年径流量均呈不明显增加趋势,情景下的径流增加趋势比 情景稍小,径流量年内分配与基准期大致相同,两种情景下汛期径流量稍有减小,可能是降尺度模型生成的降水量极大值偏小导致的。研究结果可为汉江流域水文气象综合管理提供一定的科学依据。关键词:气候变化;径流变化;降尺度模型;汉江上游流域中图分类号:文献标志码:文章编号:(),(,;,;,):,()()(),:;();();第 卷 第 期长 江 科 学 院 院 报 年 月 研究背景气候变化下水文响应是流域水文水资源变化规律研究的热点问题。研究表明,气候变化导致流域

3、内地表径流变化较大,旱涝灾害频繁发生,并且水质会发生一定程度的恶化。探索气候变化对流域径流的影响,对维护河流生命健康、保障水资源可持续利用发展具有重要意义。汉江是长江中游第一大支流,年长江流域及西南诸河水资源公报数据显示,汉江流域水资源总量为亿。汉江上游流域是南水北调中线工程的核心水源地,也是鄂北引调水工程的取水地。汉江上游流域属于南北过渡型亚热带湿润气候区,降雨在年内分配极不均匀,且支流水系分布广泛且不均匀,因此汉江上游流域径流变化相对较为明显。目前,针对气候变化下的径流响应过程这一研究问题,“未来气候情景设计水文模拟影响研究”这一方法应用最为广泛。这种方法的关键在于未来气候情景数据(气温与

4、降水)的生成与流域水文模型的构建。水文模型可定量模拟水文物理变化过程,其中水土评估工具()模型是较为常用的水文模型之一。水文模拟方法在汉江上游径流预测研究中已有较为广泛的应用。全球气候模式(,)能较为精确地模拟近地面温度、大气环流等气象因素,已成为预测未来大尺度气候变化最常用的方法之一。由于 模型生成的气候情景数据的空间分辨率较低,应用该数据对区域未来气候变化准确预测难度较大。因此,尝试利用降尺度方法,与 相结合,来弥补 对区域气候预测的限制,提高预测的可靠性与精度。神经网络具有自适应性、大规模并行处理、容错性等优点,已作为非线性转换函数应用到统计降尺度研究中,如:等利用神经网络降尺度法研究气

5、候变化对加拿大 流域降水和气温的影响;等应用神经网络降尺度法模拟希腊未来降水及天数情况。根据文献调研,目前用于统计降尺度方法的大多为反向传播()神经网络,罕有径向基函数()神经网络用于统计降尺度的报道。本研究以汉江上游流域为研究对象,在传统降尺度模型的基础上,将 人工神经网络与降尺度模型结合,耦合 模型,设置典型情景,模拟气候变化下的流域径流,探讨不同气候情景(情景(高温室气体排放)与情景(低温室气体排放)下汉江上游径流的变化趋势,揭示气候变化对流域水资源的潜在影响,为汉江流域水文气象综合管理提供一定的科学依据。研究区概况与数据资料 研究区概况汉江上游流域位于,北有秦岭、外方山与黄河流域为界,

6、东北以伏牛山、桐柏山与淮河流域毗邻,西南以大巴山与嘉陵江流域相邻,东南为江汉平原。汉江上游流域气温温和,流域内多年平均气温 ,多年平均降水量为 左右,雨量较为充沛。汉江上游流域地形、水文气象站点分布见图。图 汉江上游流域地形概况及水文气象站点分布 数据资料针对汉江上游流域,收集模型所需的数据,包括气象、水文、土地利用和土壤类型等。()收集整理 模型建立所需的数据,主要包括分辨率为 的汉江上游流域数字高程模型();汉江上游流域的土地利用类型图,以及土壤类型图;汉江上游流域太白、留坝、佛坪、广元、安康等 个国家气象站 年逐日资料;汉江流域上中游白河水文站 年逐日水位与流量数据。()收集整理降尺度模

7、型建立所需的数据,主要包括汉江上游流域太白、留坝、佛坪、广元、安康等 个国家气象站 年逐日最高气温、最低气温、降水量数据作为预报量;美国气象环境预报中心()再分析数据 年日序列;采用 网 格 分 辨 率 和 再 分 析 资 料 相 同 的()模 式 在和两种情景下的气温与降水逐日资料,作为未来气候情景数据。是由加拿大气候预测与研究中心开发的全球气候模式,已有研 长江科学院院报 年 究表明该模式在中国地区具有较好的适用性,其中和是政府间气候变化专门委员会()第 次评估报告中两种代表性排放情景。研究方法 降尺度模型统计降尺度方法因计算量较小、操作简便等特点,被广泛应用于气候变化的预测模拟研究中。本

8、研究中构建统计降尺度模型的主要步骤如下:()筛选预报因子。本研究中采取两种不同的方案筛选预报因子。方案一采用逐步多元回归方法(),筛选流域内气象站点所在 网格的预报因子,并建立预报因子与预报量之间的统计关系。方案二是在方案一筛选预报因子的基础上,利用主成分分析方法()对筛选出来的预报因子降维,最后分别建立站点与各自主成分的统计关系。()基于筛选的预报因子,建立 神经网络降尺度模型,利用汉江上游流域 个站点 年的降水、气温资料,建立大尺度环流因子与汉江上游流域降水之间的统计关系。以 年作为率定期,年作为检验期,对人工神经网络模型进行训练。采用模型的均方根误差()评价 神经网络的模拟效果。()选取

9、 年 模式和两种排放情景数据,选择同 再分析资料相同的气候因子,并应用 再分析资料的主分量方向对 的气候因子数据集进行降维压缩。将经过主成分分析处理的 数据输入 统计降尺度模型,生成汉江上游流域 个气象站点的 年气候数据序列。耦合模型基于数字高程模型()、土地利用数据库、土壤数据库,构建汉江上游流域 模型,利用实测气象数据和径流数据对模型进行率定验证,确定 模型参数最佳值。将 降尺度模型生成的和两种情景下汉江上游流域 个站点 年日最低气温、最高气温和降水量数据经过插补填充缺测数据后,输入到已率定验证的 模型中,模拟 年汉江上游径流量变化情况。模型率定与验证利用 软件,对影响流域产汇流的参数进行

10、全局敏感性分析,通过 检验方法判断模型中参数的敏感性,值越大、值越小则越敏感,采用连续不确定率定法(算法)对敏感性较高的参数进行率定。本研究中共选取敏感性较高的 个参数进行参数的率定。参数敏感性分析和率定结果如表 所示。表 参数意义敏感性分析及率定结果 参数参数意义 值 值参数最优值()土壤饱和水力传导率()土壤湿重度()土壤有效含水量降雪气温浅层地下水阈值 地下水再蒸发系数地下水延迟天数土壤蒸发补偿系数径流曲线数河道曼宁系数河道有效水力传导系数 河岸调蓄的基流 因子 基流 因子 本研究中以月模拟为主,采用 年数据进行模型预热,利用汉江流域 年的逐日资料进行月径流模拟,对模型参数进行率定,然后

11、利用 年的逐日资料进行逐日径流模拟,对模型进行验证。本研究中选择相对误差()、决定系数()和 效率系数()共 个指标评价 模型的精度和可靠性,并设置结果评价最低要求:,。模型率定期和验证期评价结果如图。由此可知,径流模拟结果与实测径流总体过程上比较一致。进一步可得到率定期白河水文站的月模拟(率定期)、分别为、,日模拟(验证期)、分别为、,模拟效果较好。气候情景数据的生成 预报因子降尺度模型中一般选取格点不同高度的风场、高度场等气象要素,来确定预报因子所对应预报量站点的格点值。汉江上游流域气象站分布及 网格划分见图。本研究中,两种方案逐步多元回归分析中设置选入和剔除的置信度都为,主成分分析方法中

12、设置主成分的阈值累积贡献率为。两种方案的模拟时段为 年。使用 模型的均 第 期王 立 等 基于 的气候变化下汉江上游流域径流预测及特征分析图 汉江上游白河站 年月模拟率定曲线及 年日模拟验证曲线 图 汉江上游流域 网格划分 方根误差()评价模型,结果见表。由表 可知,在模拟时段内,种方案建立的日降水模型的均方根误差为,日最高温度模型的均方根误差为 ,日最低温度模型的均方根误差为 。方案二中的日降水、日最高温度以及日最低温度的均方根误差略低于方案一中数据的均方根误差,这表明方案二模拟精度更高。因此采用方案二选择预报因子。表 种方案优选预报预报因子的均方根误差 站点降雨均方根误差日最高温度均方根误

13、差 日最低温度均方根误差 方案一方案二方案一方案二方案一方案二太白略阳留坝佛坪柞水商州镇安广元宁强石泉万源镇巴安康郧西镇坪 降尺度模型误差分析采用 神经网络建立环流因子与气象站的统计关系。利用 年的 再分析数据降尺度生成汉江上游流域的日最高气温、日最低气温和降水量日序列,按月份统计均值、方差和最大值,并对实测数据进行比较分析。表 为 降尺度模型的误差分析。由表 可知,人工神经网络对气象数据的均值模拟较好,相对误差大部分在 左右;对其方差模拟相对较差,相对误差基本在 之间,即均小于实测值;最大值相对误差基本在之间,模拟序列极大值偏小。另外,神经网络降尺度模型对降雨数据极值模拟精度较差,主要由统计

14、降尺度模型惯有的忽视极值或噪点特性引起。尽管 神经网络模型降雨降尺度的数据有一定的误差,对比国内外其他学者降尺度研究,本次 神经网络降尺度模型精度较好,且提供了统计降尺度的新思路。不同气候情景下气候数据数据将经过主成分分析处理的 数据输入已建立好的 统计降尺度模型,生成汉江上游流域 个气象站点的 年气候数据序列。图 为汉江上游略阳站在 和 两种气候情景下的日均降水量、日最高最低气温的时间序列。由图 可知,在两种气候情景下,汉江上游流域降水量、气温都呈上升趋势,气温上升更为显著。长江科学院院报 年 表 降尺度模型模拟相对误差 站点日降雨相对误差日最高温度相对误差 日最低温度相对误差 均值方差 最

15、大值 均值方差 最大值 均值方差 最大值太白 略阳 留坝 佛坪 柞水 商州 镇安 广元 宁强 石泉 万源 镇巴 安康 郧西 镇坪 2.53.13.74.34.91 92 02 12 22 32 48.59.51 0.51 1.51 2.51 3.51 4.52 0 2 0 2 0 3 0 2 0 4 0 2 0 5 0 2 0 6 0 2 0 7 0 2 0 8 0 2 0 9 0降水量/m m日最高气温/C日最低气温/C2 0 2 0 2 0 3 0 2 0 4 0 2 0 5 0 2 0 6 0 2 0 7 0 2 0 8 0 2 0 9 02 0 2 0 2 0 3 0 2 0 4 0

16、2 0 5 0 2 0 6 0 2 0 7 0 2 0 8 0 2 0 9 0R C P 8.5 情景:y=0.0 1 1 9 x-2 0.9 8 9 R C P 2.6 情景:y=0.0 0 7 8 x-1 2.6 1 4 R C P 8.5 情景:y=0.0 3 4 7 x-5 0.3 5 3R C P 2.6 情景:y=0.0 1 9 7 x-1 9.7 3 6 R C P 8.5 情景:y=0.0 4 0 4 x-7 1.7 1 R C P 2.6 情景:y=0.0 2 2 2 x-3 4.6 5 4 (a)(b)(c)R C P 8.5 情景 R C P 2.6 情景 R C P 8.5 情景 R C P 2.6 情景 R C P 8.5 情景 R C P 2.6 情景 图 汉江流域上游略阳站未来时段两种情景下日均降水量、日最高气温、日最低气温随时间的变化 ,气候变化对径流的影响以 年作为基准期,模拟白河水文站 年径流变化过程。两种情境下的径流模拟结果如图 所示。由图 可知,年在和两种情境下,汉江上游径流量都会增加,这与已有研究成果结论相吻合,。情景下,全流域径流呈不明显的上

展开阅读全文
相关资源
猜你喜欢
相关搜索

当前位置:首页 > 专业资料 > 其它

copyright@ 2008-2023 wnwk.com网站版权所有

经营许可证编号:浙ICP备2024059924号-2