三种机器学习模型在太湖藻华面积预测中的应用

基于2014—2018年太湖气象水文水质数据与卫星遥感数据,分别采用支持向量机(SVM)、长短记忆神经网络(LSTM)、极端梯度提升树(XGBoost)模型模拟全太湖、贡湖、南部沿岸区、中西北湖区的蓝藻水华(简称藻华)面积。结果表明:(a)XGBoost全太湖与分区藻华面积回归模型模拟效果较好,其次是SVM、LSTM回归模型;不同时间尺度下SVM、XGBoost回归模型对全太湖藻华面积模拟结果偏小,但有效模拟了藻华的发展趋势。(b)XGBoost分类模型在全太湖、中西北湖区模拟准确率较高,优于SVM、LSTM分类模型;在贡湖、南部沿岸区,3种分类模型准确率均较高。(c)以当天、提前1 d的气象水文水质因子作为全太湖与分区藻华面积模型输入,XGBoost回归与分类模型模拟精度较高、稳健性较好,预测应用情景较好。

城镇化背景下太湖流域武澄锡虞区降雨-水位响应关系

太湖流域快速城镇化、水利工程等人类活动对流域及区域水文特性产生了深刻影响。文章以快速城镇化的武澄锡虞区为例,基于1952—2020年逐日降雨、水位观测资料,通过分析降水强度—水位增长速率关系和退水速率等,揭示变化环境下该地区降雨过程中水位的变化特征及可能的驱动因素。结果表明:(1)变化环境下武澄锡虞区近69 a降雨量、平均水位、年最高水位均呈增加趋势,年最高水位的变化趋势更为明显,且于2007年左右发生明显突变;(2)通过对地区降雨过程中水位增长速率和退水速率的变化分析发现,突变后较突变前涨水速率和退水速率有所提高,说明近年来水利工程等设施的完善和有序调度使得武澄锡虞区的排洪能力有所提高。