基于Morlet小波的辽河径流量变化及其成因分析

利用辽河流域58个气象监测站点1956—2009年的年均气温、年降水量、年蒸发量和铁岭水文站对应年份的径流量数据,综合运用小波分析、小波互相关及偏相关分析,研究了上述气候因子和径流量的多时间尺度波动特征及其相关关系。结果表明:辽河年径流量的主要波动周期为10,36 a;经偏相关分析校正后,流域年均温与径流量的波动周期在全部时间尺度上(1～54 a,下同)呈负相关关系;年降水量与径流量的波动周期呈显著的正相关关系;年蒸发量与径流量的波动周期不存在显著的相关关系。由此,年均温和年降水量是辽河径流量变化的主要影响因素。梳理了基于小波分析的水文特征研究方法,并引入偏相关分析对以往研究中存在的不足进行了纠正。同时本研究所得结果也可以成为辽河流域水资源管理和调度的重要参考。

1982-2014年华北及周边地区生长季NDVI变化及其与气候的关系

利用690个气象观测站数据和1982-2014年GIMMS NDVI 3g数据,运用趋势分析、小波偏互相关分析、偏相关分析和滞后分析方法,探究华北及周边地区33年来生长季(5-10月)NDVI的变化规律及其与气候的关系,得到如下结论。1)33年来,研究区植被生长季活动整体上显著增强,生长季NDVI由20世纪80年代的平均0.44升至2010年以来的0.49;生长季NDVI在研究区中部区域快速增长,而在西北部荒漠地区下降。2)研究区生长季NDVI的上升得益于温度升高和降水增加,其中降水的影响更大;研究区NDVI与气温在大部分地区正相关;除研究区东南部地区外,NDVI与降水有很强的正相关关系。3)在15天的时间分辨率尺度下,研究区大部分地区生长季内NDVI对温度的响应无明显滞后,或存在1期(15 d)滞后,对降水的响应存在1~2期(15~30 d)滞后,因此从总体上看,华北及周边地区植被生长对温度的响应比对降水的影响更迅速。

基于小波-神经网络耦合模型对云南星云湖富营养化气象驱动因子的分析

气象因子是影响湖泊富营养化的重要因素,而湖泊富营养化对人群健康、生态系统和社会经济等均有负面影响.本文基于统计资料及遥感数据,结合Morlet小波分析和BP多层前馈神经网络(BP神经网络)构建了不同时间尺度下的小波-神经网络耦合模型,分析了1986-2011年云南星云湖水华强度变化与月降雨量、月平均气温、月平均风速、月日照时数变化之间的关系,探究了影响湖泊富营养化的主导气象因子.结果表明:气象因子的波动周期是影响湖泊年内水华强度变化的重要因素;小波-神经网络耦合模型能有效提高数据拟合的精度,最优小波-神经网络耦合模型的拟合优度为0.605,高于BP神经网络的拟合优度0.292;小波-神经网络耦合模型能更有效地对星云湖富营养化程度进行分析和描述,其均方误差和相关系数均优于BP神经网络;根据最优小波-神经网络耦合模型下的各气象因子的平均影响值,可知月平均气温是影响星云湖富营养化的主导气象因子,其次是月降水率、月平均风速,最后是月日照时数.综上,小波-神经网络耦合模型相比BP神经网络对样本数据具有更好的适应性,拟合精度更高,能为星云湖的保护与富营养化的治理提供参考依据.