黑河上游年径流模拟模型优选与归因分析.pdf
《黑河上游年径流模拟模型优选与归因分析.pdf》由会员分享,可在线阅读,更多相关《黑河上游年径流模拟模型优选与归因分析.pdf(11页珍藏版)》请在咨信网上搜索。
1、DOI:10.12171/j.10001522.20230212黑河上游年径流模拟模型优选与归因分析吴子晗1计嘉晨1张帆1,2(1.北京林业大学水土保持学院,北京100083;2.山西吉县森林生态系统国家野外科学观测研究站,北京100083)摘要:【目的】本研究旨在深入探究人类活动与气候变化对黑河上游年径流量的影响,为区域水资源保护与规划利用提供科学支持。【方法】研究综合 Mann-Kendall 非参数统计检验、Pettitt 检验和滑动 t 检验方法,对 19542020 年黑河上游年径流序列进行趋势检验,识别年径流序列趋势变化的突变点并划分基准期与分析期。在此基础上,采用 BP 神经网络
2、模型、灰色时间序列模型和多元线性回归模型,模拟基准期年径流变化,优选模拟效果最佳模型,进而借助优选模型与径流变化归因方法,定量解析人类活动与气候变化要素对年径流变化的驱动规律。【结果】趋势检验发现,年径流序列在1982 年和 2006 年前后发生了突变,黑河上游年径流序列可划分为 19541982 年(基准期)、19822006 年(分析期 1)和 20062020 年(分析期 2)3 个阶段。在基准期年径流序列的模拟中,BP 神经网络模型在验证期的相对误差(0.79%)、纳什效率系数(0.84)与拟合优度(0.84)3 个参数上相较其他模型优势明显。借助神经网络模型进行年径流变化归因分析,发
3、现人类活动导致年径流在 19822020 年间减少的平均值为 7.56108m3。但 20062020 年间黑河上游人类活动对径流的负面贡献率较 19822006 年间减少约 18.00%。详细解析气候变化对年径流量的影响,发现在 20062020 年间,降水量与蒸散发对年径流的贡献率较 19541982 年分别增加约 11.00%和 8.00%。【结论】BP 神经网络模型对于黑河上游年径流序列模拟有较好效果,模拟合格率达 94.23%,最大误差仅为 1.36%;黑河流域上游年径流量序列在 1982 年和 2006 年发生了趋势突变,1982 年后人类活动强度增大导致上游年径流量减小,2006
4、 年后黑河流域综合治理效果显现,人类活动对年径流量的负面效应减弱;19822020 年期间的气候变化影响中,蒸散发与降水对径流的贡献分别占46.57%与 53.43%。关键词:年径流模拟;归因分析;人类活动;气候变化;黑河上游中图分类号:TV121+.4文献标志码:A文章编号:10001522(2024)03008011引文格式:吴子晗,计嘉晨,张帆.黑河上游年径流模拟模型优选与归因分析 J.北京林业大学学报,2024,46(3):8090.WuZihan,JiJiachen,ZhangFan.Optimizationandattributionanalysisofannualrunoffsi
5、mulationmodelsintheupperreachesoftheHeiheRiver,northwesternChinaJ.JournalofBeijingForestryUniversity,2024,46(3):8090.Optimization and attribution analysis of annual runoff simulation models in theupper reaches of the Heihe River,northwestern ChinaWuZihan1JiJiachen1ZhangFan1,2(1.SchoolofSoilandWaterC
6、onservation,BeijingForestryUniversity,Beijing100083,China;2.JixianNationalForestEcosystemObservationandResearchStation,ChineseNationalEcosystemResearchNetwork(CNERN),Beijing100083,China)Abstract:ObjectiveTheprimaryobjectiveofthisstudyistoconductanin-depthinvestigationintotheimpactofhumanactivitiesan
7、dclimatechangeontheannualrunoffintheupperreachesoftheHeiheRiverofnorthwesternChina,withtheaimofprovidingscientificsupportforregionalwaterresourceconservationandplanning.MethodThisstudyemployedacomprehensiveapproachinvolvingtheMann-Kendallnon-收稿日期:20230828修回日期:20231025基金项目:中央高校基本科研业务费(BLX202212、QNTD2
8、02303),北京林业大学大学生创新创业训练计划项目(X202310022066)。第一作者:吴子晗。主要研究方向:自然地理学。Email:地址:100083北京市海淀区清华东路35号北京林业大学水土保持学院。责任作者:张帆,博士,讲师。主要研究方向:水土保持与流域综合治理。Email:Zhang_地址:同上。本刊网址:http:/;http:/第46卷第3期北京林业大学学报Vol.46,No.32024年3月JOURNALOFBEIJINGFORESTRYUNIVERSITYMar.,2024parametricstatisticaltest,Pettitttest,andslidingt-
9、testmethodstoassessthetrendsintheannualrunoffseriesintheupperreachesoftheHeiheRiverfrom1954to2020.Theobjectivewastoidentifyabruptchangepointsintheannualrunoffseriesanddelineatethereferenceperiodandanalysisperiod.Buildinguponthisfoundation,weemployedtheBPneuralnetworkmodel,thegreytimeseriesmodel,andt
10、hemultivariatelinearregressionmodeltosimulatetheannualrunoffvariationsduringthereferenceperiod.Wethenselectedthemodelwiththebestsimulationperformance.Subsequently,utilizingtheselectedmodelandrunoff attribution methods,we quantitatively analyzed the driving mechanisms of human activities andclimatech
11、angefactorsontheannualrunoffvariations.ResultTrendanalysisrevealedthattheannualrunoffseriesexperiencedabruptchangesaround1982and2006.Consequently,theannualrunoffseriesinthe upper reaches of the Heihe River can be divided into three phases:19541982(reference period),19822006(analysisperiod1),and20062
12、020(analysisperiod2).Inthesimulationoftheannualrunoffseriesduringthereferenceperiod,theBPneuralnetworkmodelexhibitedaclearadvantageovertheothertwomodelsinthreeparametersduringthevalidationperiod:relativeerror(0.79%),Nash-Sutcliffeefficiencycoefficient(0.84),and goodness of fit(0.84).Utilizing the ne
13、ural network model for annual runoffattributionanalysis,itwasdeterminedthathumanactivitiesledtoanaveragedecreaseof7.56108m3inannualrunoffbetween1982and2020.However,duringtheperiodof2006to2020,theadversecontributionofhumanactivitiesintheupperreachesoftheHeiheRivertorunoffdecreasedbyapproximately18.00
14、%comparedwiththeperiodfrom1982to2006.Adetailedanalysisoftheimpactofclimatechangeonannualrunoffrevealedthatbetween2006and2020,precipitationandevapotranspirationcontributedapproximately11.00%and 8.00%more,respectively,to annual runoff compared with the period from 1954 to 1982.ConclusionTheBPneuralnet
15、workmodeldemonstratesastrongperformanceinsimulatingtheannualrunoffseriesoftheupperreachesoftheHeiheRiver,achievingasimulationaccuracyof94.23%withamaximumerrorofonly1.36%.TheannualrunoffseriesintheupperHeiheRiverBasinexhibitedtrendtransitionsin1982and2006.Increasedhumanactivitiesafter1982leadtoareduc
16、tioninannualrunoff,whilethecomprehensiveriverbasinmanagementmeasuresimplementedafter2006resultinamitigationofthenegativeimpactsofhumanactivitiesonannualrunoff.Regardingtheinfluenceofclimatechangeduringthe period from 1982 to 2020,evapotranspiration and precipitation contribute 46.57%and 53.43%,respe
17、ctivelytorunoff.Key words:annualrunoffsimulation;attributionanalysis;humanactivity;climatechange;upperreachesofHeiheRiver水资源对于人类生存与环境稳定至关重要,在生态健康、社会稳定和经济发展方面发挥着关键作用1。然而,随着气候变化与人类活动影响不断加剧,我国主要河流径流量普遍呈现下降趋势,导致区域水资源供需矛盾日益突出2。特别是在干旱半干旱地区,地表水是当地生产、居民生活和生态可持续发展的关键资源,准确预测地表径流量变化趋势对于制定科学合理水资源管理计划至关重要。要更全面地了
18、解地表水资源变化情况,就需要在径流模拟基础上对驱动径流变化的气候与人类活动因素进行定量识别,并采取积极措施来减轻不同要素对地表水资源供应的不利影响3。进行干旱半干旱区地表径流模拟与变化归因分析可以量化气候变化对径流变化影响程度,为区域制定应对气候变化的措施提供科学指导,对干旱半干旱地区的水资源规划管理具有重要意义。国内外通常使用分布式模型和统计模型来进行径流量模拟与变化归因分析4。分布式水文模型包括美国农业部和农业研究中心于 20 世纪90 年代开发用于流域管理的 SWAT(soilandwaterassessmenttool)模型,以及华盛顿大学基于土壤植被 大 气 传 输(soilvege
19、tationatmospherictransfer,SVAT)思想开发的中大尺度分布式水文模型 VIC模型5等。基于这类分布式水文模型,Wang 等6和Yan 等7分别采用 SWAT 模型与 VIC 模型对青藏高原径流和克里雅河流域进行研究,Zhai 等8针对中国 7 个典型流域展开径流分析研究,使用 SWAT模型、VIC 模型和物理水文模型等多个模型对比试验。尽管这类基于分布式水文模型研究在量化气候变化和人类活动对径流变化的驱动关系方面效果第3期吴子晗等:黑河上游年径流模拟模型优选与归因分析81良好,但研究中也存在一些限制条件。例如分布式水文模型要求空间参数多,运算时间长,运算量大,特别是率
20、定和验证过程需要大量空间参数,在空间数据时间序列较短的流域应用时会遇到困难。相较而言,统计模型进行归因分析的方法通常只需要建立径流与关键驱动因子之间的统计关系,具有计算速度快、需要参数少、模型复杂度低的优势。因此,以多元线性回归、灰色时间序列等为代表的传统统计水文模型被广泛用于长时间序列地表径流模拟与变化归因分析中9。近年来,随着机器学习等新技术发展,神经网络等方法也被应用于地表径流量模拟,如陈志高等10使用变分模态分解与反向神经网络提出了基于潮流调和分析和 VMD-BP 神经网络组合模型的感潮河段流量预报方法。这些模型对年径流量变化模拟更加精确,基于这类模型进行年径流归因分析有望获得更准确的
21、可靠结果。年径流量变化归因即定量分析气候变化和人类活动对径流量变化影响,这对于水资源保护政策制定与水资源利用规划具有重要支撑作用11。由于地形复杂度、气候空间变异性以及人类活动强度差异,不同流域径流变化规律存在明显区域异质性。有研究尝试通过结合趋势检验与径流模拟模型来量化气候变化和人类活动对径流量变化贡献12,然而这类研究大多没有进行径流模拟模型优选,在径流趋势变化判断时也仅使用一种径流趋势检验方法,这可能会影响径流模拟效果与趋势变化分析结果,导致径流归因结果不准确。为解决以上问题,本研究提出使用 Mann-Kendall 非参数统计检验(简称 M-K 检验)、Pettitt 检验和滑动 t
22、检验多种趋势检验相互验证的方法来精确捕捉径流序列趋势突变,并从灰色时间序列方法、BP 神经网络模型、多元线性回归模型中优选模拟模型进行年径流量变化归因分析。本文将以上方法应用于黑河上游莺落峡水文站 19542020 年径流量模拟与变化归因研究中,以上游地区祁连、野牛沟与托勒气象站的蒸散发降水数据为驱动进行径流模拟,优选模拟模型后定量分析人类活动和气候变化对年径流量变化的影响。本研究可以为黑河流域及类似地区地表水资源可利用量预测分析与区域水资源发展规划提供重要科学依据。1研究区概况黑河发源于青海省祁连山脉,流经河西走廊,最终流入内蒙古自治区居延海,流域覆盖青海、甘肃、内蒙古 3 省,干流全长约
23、800km。黑河流域上游位于 37303941N,972810116E 之间(图 1),是黑河流域主要产流区,也是本文研究区域。莺落峡是黑河上游与中游分界线,上游河流汇集后经莺落峡进入中游绿洲。历史上由于人类活动和气候变化影响,黑河上游径流量在历史时期有不同程度变化。黑河下游西、东居延海先后于 1961 年和 1992年彻底干涸,昔日水草丰茂的塞上明珠成为我国北方沙尘主要来源地,严重威胁我国生态安全。因此,98 E39 N38 N39 N38 N99 E100 E101 E102 E98 E99 E100 E101 E102 EN气象站 Weather station水文站 Hydrologi
24、c station09018045km托勒 Toler祁连 Qilian野牛沟 Bison Gully俄博 Obo札马什克 Zamashk莺落峡 Yingluo Gorge5 1111 680海拔 Elevation/m黑河上游 Upper reaches of Heihe River康乐 Kangle图1黑河流域上游概况Fig.1OverviewoftheupperreachesofHeiheRiverBasin82北京林业大学学报第46卷研究黑河上游径流变化原因,有利于制定流域水资源管理计划,对当地乃至我国北方地区生态改善均有积极效应。2研究方法2.1 研究技术路线本研究基于黑河流域 19
25、542020 年的径流序列数据,首先通过 M-K 检验、Pettitt 检验和滑动 t 检验来进行趋势突变范围确定,根据突变范围选定突变点,划分研究时段,然后借助 19541984 年的径流序列对灰色时间序列、BP 神经网络和多元线性回归模型进行误差对比,筛选最优模拟模型,最后利用筛选出的模型对气候与人类活动变化下的径流进行模拟预测,分别计算气候与人类活动的贡献率,分析径流突变的原因并提出相关的预防措施,为未来情况下同样风险的发生提供可参考的科学支撑。详细技术路线如图 2 所示。年径流序列Annual runoff sequence趋势检验Trend test模拟方法优选Optimizatio
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 黑河 上游 径流 模拟 模型 优选 归因 分析
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。