地下水干旱的发生会对地下水系统以及相关社会产业和生态系统造成不可忽视的危害,因此,准确预测地下水干旱的发生具有重要的现实意义。研究以我国长江流域中受人类影响较小的典型区域为例(湖南省和四川省),以天然净补给(Precipitation-E...地下水干旱的发生会对地下水系统以及相关社会产业和生态系统造成不可忽视的危害,因此,准确预测地下水干旱的发生具有重要的现实意义。研究以我国长江流域中受人类影响较小的典型区域为例(湖南省和四川省),以天然净补给(Precipitation-EvapoTranspiration,P-ET)、土地利用与土地覆盖等地下水干旱的关键驱动因素为预测因子,结合门控循环单元(Gated Recurrent Unit,GRU)这一深度学习模型和支持向量机(Support Vector Machine,SVM)、多元线性回归(Multiple Linear Regression,MLR)等机器学习模型,通过预测研究区域基于GRACE(Gravity Recovery and Climate Experiment)反演的地下水储量变化(Ground Water Storage Anomaly,GWSA),进而计算基于GRACE的地下水干旱指数,从而预测地下水干旱。此外,研究就影响P-ET的气象变量是否适合作为输入变量也进行了探究。主要结论如下:(1)对于湖南省,MLR模型预测的GWSA预见期最长,SVM模型预见期最短。在预见期内,GRU预测效果最好,SVM预测效果最差。在输入变量选择方面,加入影响P-ET的气象变量提升了SVM和MLR模型对GWSA的预测性能,但降低了GRU模型的预测性能。在地下水干旱预测方面,MLR模型且输入变量中剔除影响P-ET的气象变量方案能更好的捕捉地下水干旱动态。(2)对于四川省,所有方案在检验期的GWSA预测值与参考值均较接近,除了前中期和末期未能预测到部分峰值。加入影响P-ET的气象变量使3种模型显示出更好的GWSA预测效果。在地下水干旱预测方面,采用SVM模型或MLR模型且输入变量中剔除影响P-ET的气象变量,取得了令人较满意的预测效果。展开更多
文摘地下水干旱的发生会对地下水系统以及相关社会产业和生态系统造成不可忽视的危害,因此,准确预测地下水干旱的发生具有重要的现实意义。研究以我国长江流域中受人类影响较小的典型区域为例(湖南省和四川省),以天然净补给(Precipitation-EvapoTranspiration,P-ET)、土地利用与土地覆盖等地下水干旱的关键驱动因素为预测因子,结合门控循环单元(Gated Recurrent Unit,GRU)这一深度学习模型和支持向量机(Support Vector Machine,SVM)、多元线性回归(Multiple Linear Regression,MLR)等机器学习模型,通过预测研究区域基于GRACE(Gravity Recovery and Climate Experiment)反演的地下水储量变化(Ground Water Storage Anomaly,GWSA),进而计算基于GRACE的地下水干旱指数,从而预测地下水干旱。此外,研究就影响P-ET的气象变量是否适合作为输入变量也进行了探究。主要结论如下:(1)对于湖南省,MLR模型预测的GWSA预见期最长,SVM模型预见期最短。在预见期内,GRU预测效果最好,SVM预测效果最差。在输入变量选择方面,加入影响P-ET的气象变量提升了SVM和MLR模型对GWSA的预测性能,但降低了GRU模型的预测性能。在地下水干旱预测方面,MLR模型且输入变量中剔除影响P-ET的气象变量方案能更好的捕捉地下水干旱动态。(2)对于四川省,所有方案在检验期的GWSA预测值与参考值均较接近,除了前中期和末期未能预测到部分峰值。加入影响P-ET的气象变量使3种模型显示出更好的GWSA预测效果。在地下水干旱预测方面,采用SVM模型或MLR模型且输入变量中剔除影响P-ET的气象变量,取得了令人较满意的预测效果。
