不同降水驱动的SWAT模型参数不确定性研究

以抚河流域与黑河流域为研究区,应用4种降水产品(CMORPH CMA、CMFD、CMADS、MSWEP)驱动SWAT模型模拟日流量,评估4种降水产品在湿润区与干旱区的适用性;使用自适应降维评估法选出流域的敏感参数,并进行一致性检验。结果表明:抚河流域4种降水产品的纳什效率系数(NSE)均在0.70以上,其中CMORPH CMA和CMADS的NSE均能达到0.82;黑河流域CMORPH CMA和CMADS的NSE大于等于0.76,而CMFD和MSWEP的NSE分别为0.72和0.74。抚河流域4种降水产品具有相同的敏感参数;黑河流域CMORPH CMA和CMADS有相同的6个敏感参数,而CMFD和MSWEP则分别有5个和8个敏感参数。4种降水产品在湿润流域和干旱流域都能得到较好的应用效果,但是CMORPH CMA和CMADS的模拟效果要优于CMFD和MSWEP。不同的降水输入也会对模型参数敏感性分析的结果产生影响,当降水表现越接近时,所筛选的敏感性参数也越相似。

单目标和多目标优化在SWAT模型率定中的对比

为评估不同优化方法在分布式水文模型参数率定中的效率和效果,分别使用基于代理模型的多目标优化方法(multi-objective adaptive surrogate modeling-based optimization,MO-ASMO)、NSGA-Ⅱ和SCE-UA对SWAT模型进行参数率定。基于四湖流域2008—2021年的实测流量数据以及高程、土地利用、土壤类型等数据,构建SWAT模型,并针对3种不同优化方法的参数率定结果,采用相对误差百分比(P_(BIAS))、Nash-Sutcliffe效率系数(E_(NS))、均方根误差(E_(RMS))和Kling-Gupta效率指标(E_(KG))4种评价指标对比不同优化算法的优化效果,此外还创新性地量化不同统计指标的不确定性,以更全面地评估不同算法优化结果的稳健性与可靠性。结果表明,与单目标优化方法SCE-UA相比,多目标优化方法的参数率定结果表现出更好的可靠性和稳健性,在多目标优化方法中,MO-ASMO方法能以显著更少的模型运行次数达到与NSGA-Ⅱ相似的优化效果。

基于UQ-PyL的SWAT模型参数不确定性分析综合评估

为解决SWAT(soil and water assessment tool)模型在复杂情形下的参数不确定性分析问题,引入参数不确定性分析平台UQ-PyL(Uncertainty Quantification Python Laboratory),开发UQ-PyL与SWAT模型的耦合模块,使得UQ-PyL中的各种算法能够方便快捷地应用于SWAT模型的参数不确定性分析。为验证UQ-PyL用于SWAT模型参数不确定性分析的效果,在我国不同气候条件下的4个流域构建SWAT模型,综合对比评估UQ-PyL与SWAT-CUP对模型参数的不确定性分析结果。结果表明:UQ-PyL多种敏感性分析方法筛选出的敏感参数比SWAT-CUP单一方法筛选的结果更加合理;使用UQ-PyL率定的参数在4个流域应用中都表现良好,优化后模拟结果的纳什效率系数均在0.55以上,收敛次数在550次以内;在4个流域的模拟中,UQ-PyL能提供计算效率更高的算法ASMO,也能提供模拟结果更准确的算法SCE。综上,与SWAT模型相耦合的UQ-PyL能够支持SWAT模型用户在不同系统下对模型参数进行更高效的不确定性分析研究。

黄河水源涵养区植被NDVI时空变化特征及其驱动因子

黄河水源涵养区是中国重要的生态功能区,深入研究区域植被变化过程对维系生态系统健康和高质量发展具有重要意义。论文利用趋势分析、局部加权回归方法(locally weighted scatterplot smoothing,LOWESS)、Pearson相关分析、偏相关分析、残差分析等方法对1982—2015年黄河水源涵养区植被时空变化特征及其驱动要素做了分析,并根据地形不同将涵养区划分为平原区和高原区,探究区域内的差异性。结果表明:(1)涵养区多年生长期NDVI(normalized difference vegetation index)呈显著增长趋势,主要源于春秋季NDVI的快速增长,不同区域尺度的NDVI增长速度存在差异,涵养区及其分区高原区、平原区NDVI增长速率分别为0.0009/a、0.0007/a、0.0016/a。(2)区域NDVI与降水气温相关性存在时空差异,涵养区生长期NDVI与降水、气温分别呈负、正相关,春夏季受温度控制,秋季受降水、温度同时控制;其中平原区除春季受温度控制外,其他时期同时受降水、气温控制;涵养区生长期NDVI与降水、温度呈正相关区域占比分别为50.4%、91.4%。(3)NDVI变化趋势存在一定阶段性,在1995—2015年间NDVI呈停滞增长,期间NDVI与降水的相关性由负相关转为正相关;1995年之前、2015年之后则呈显著增长,与降水、温度分别呈负、正相关性。(4)区域内NDVI增长主要由人类活动与气候变化同时驱动引起,面积占比74.30%,其次为气候变化引起的植被增长与人类活动引起的植被衰退,面积占比分别为11.48%、6.23%,说明生态工程建设有效促进了植被的恢复,但城市化等人类活动同样也会破坏植被的生长。