基于CMIP6多模式的和田河流域未来气候变化预估

气候系统模式是对历史和未来气候模拟最广泛有效的工具,但存在一定的不足和局限性,使其无法直接用以预估未来气候变化。本文采用基于分位数映射的日偏差校正(DBC)、多模式集合(MME)平均和基于皮尔逊r相关系数的加权集合(r-MME)平均方法,以1971—2000年为基准期,评估6种气候模式在和田河流域的适用性;运用r-MME方法对未来SSP1-2.6、SSP2-4.5和SSP5-8.5情景下各模式的偏差校正结果进行集合,分析未来近期(2021—2050年)、远期(2061—2090年)日最高、最低气温以及降水的时空演变特征。结果表明:基于DBC的r-MME融合方法能够综合考虑各模式的优势,可大幅提高气候模式模拟的精度,年均最高气温、最低气温和降水量与实测序列的相关系数分别达到0.918、0.821和0.878;3种情景下的气温和降水均呈现增加趋势,其中低强迫SSP1-2.6情景下的增幅最小,远期年最高气温、最低气温和降水的平均增量分别为2.830、2.523℃和46.412 mm,高强迫SSP5-8.5情景下的增幅最大,远期年最高气温、最低气温和降水的平均增量为5.697、6.452℃和93.206 mm;同时,未来温差的逐渐减少使得流域“暖湿化”现象更加明显。该研究结果可为未来气候变化下和田河流域经济发展和生态文明建设,以及水资源预测提供重要的理论依据。

探究农田水利灌溉中的滴灌设计

作为人类的生存基础,农业发展与社会进步有着十分密切的关联,在农业发展中通过先进科学技术的运用,能够进一步提升生产效率。我国当前对于农业技术的应用发展给予了高度重视,很多农业技术都在农业生产中发挥着关键作用,其中就包括了滴灌技术。本文首先分析了农田灌溉中的问题,同时对于滴灌技术原理和其所具备的优势进行探讨,最后对于滴灌设计当中的要点内容进行研究。希望通过本文,能够为滴灌设计工作的开展提供一些参考和帮助。

CMADS在玉龙喀什河径流模拟中的适用性研究

以玉龙喀什河流域为研究区,使用中国气象同化驱动数据集(the China Meteorological Assimilation Driving Datasets for the SWAT Model,CMADS)驱动SWAT(Soil and Water Assessment Tool)水文模型进行径流模拟,评估了CMADS在该流域的精度以及对SWAT模型的适用性。结果表明:(1)CMADS的降水、最高气温和最低气温与地面水文测站获取的相应参数的相关系数分别达到了0.650、0.998和0.995,对气温的模拟结果明显优于降水;并利用协同克里金插值分析了CMADS在研究区的降水、最高气温和最低气温的时空分布特征,表明该数据集能够很好地反映下垫面地形特征,具有较高的质量。(2)SWAT模型在模拟月尺度径流方面,除极值模拟较差以外,率定期和验证期的纳什效率系数(Nash-Sutcliffe Efficiency Coefficient,NSE)分别达到了0.845和0.836,取得了较为满意的模拟结果。本文证明了CMADS+SWAT模式对高寒山区的水文模拟有很好的适用性,提供了在地面站点稀缺地区构建水文模型的替代方案,对寒旱区的水文模拟起到了一定的促进作用。

玄武岩纤维掺量对泡沫玻璃性能影响的研究

为了研究玄武岩纤维掺量对泡沫玻璃性能的影响,以粉煤灰、玻璃粉、玄武岩纤维及外加剂制备泡沫玻璃,分析不同掺量下玄武岩纤维对泡沫玻璃物理性能、力学性能和导热系数的影响。研究结果表明:随着玄武岩纤维掺量的增加,泡沫玻璃的表观密度、导热系数呈递增趋势,当玄武岩纤维掺量为3‰-4‰时,表观密度变化较为平缓;当玄武岩纤维掺量为1‰时,导热系数达到0.0631 W/(m·K),当玄武岩纤维掺量在1‰-5‰时,对泡沫玻璃的含水率、吸水率影响较小,分别维持在0.35%、15%左右;当玄武岩纤维的掺量在1‰-4‰时,泡沫玻璃的抗压、抗折强度逐渐增大,掺量在4‰时,试样的抗压、抗折强度达到8.28 MPa和0.75 MPa,相比于基准试样,分别提高了2.24倍和1.92倍。

玄武岩纤维掺量对泡沫玻璃性能影响的研究

为了研究玄武岩纤维掺量对泡沫玻璃性能的影响,以粉煤灰、玻璃粉、玄武岩纤维及外加剂制备泡沫玻璃,分析不同掺量下玄武岩纤维对泡沫玻璃物理性能、力学性能和导热系数的影响。研究结果表明:随着玄武岩纤维掺量的增加,泡沫玻璃的表观密度、导热系数呈递增趋势,当玄武岩纤维掺量为3‰-4‰时,表观密度变化较为平缓;当玄武岩纤维掺量为1‰时,导热系数达到0.0631 W/(m·K),当玄武岩纤维掺量在1‰-5‰时,对泡沫玻璃的含水率、吸水率影响较小,分别维持在0.35%、15%左右;当玄武岩纤维的掺量在1‰-4‰时,泡沫玻璃的抗压、抗折强度逐渐增大,掺量在4‰时,试样的抗压、抗折强度达到8.28 MPa和0.75 MPa,相比于基准试样,分别提高了2.24倍和1.92倍。

基于时频分析的LSTM组合模型径流预测

针对变化环境下径流时间序列复杂的非线性、非平稳性特征,为提高中长期径流预测的准确性,运用多种时频分析方法构建组合预报模型以探究适用性。以干旱区典型内陆河玛纳斯河为例,利用经验模态分解(EMD)、变分模态分解(VMD)、离散小波变换(DWT)时频分析方法对径流时间序列进行多尺度分解,得到不同频率和特征的子序列。以前期径流、降水量、气温、大气环流因子等作为长短期记忆神经网络模型(LSTM)的输入变量,采用随机森林法和Pearson相关系数法确定各子序列的最佳预报因子,基于时频分析方法分别构建EMD-LSTM、VMD-LSTM、DWT-LSTM组合预报模型,通过LSTM模型对各子序列进行预测,加和重构获得最终预测结果,并与单一的误差反向传播神经网络(BP)、极限学习机(ELM)、LSTM模型的预测结果进行对比分析。结果表明:组合模型VMD-LSTM预报误差最小、精度最高,纳什系数保持在0.9以上,有效避免了过拟合等问题,其径流极值预测误差在15%以内,对径流总体趋势预测和极值的追踪均有良好效果。研究结果可为流域水资源规划与调度提供参考。