黄河流域汛期降水非均匀性变化规律研究

降水的时间分配对水资源利用有很大影响,降水的分配不均匀更是季风气候区旱涝灾害的主要原因。利用黄河流域72个台站1960-2010年汛期(6-9月)的逐日降水资料,通过EOF,Morlet小波分析等方法分析了该地区近51年来汛期降水集中程度的变化规律,并定量研究了降水集中度与旱涝指数之间的关系。研究表明:黄河流域汛期降水分配具有明显的不均匀性,东北部地区的降水不均匀性和集中度以及降水集中度对旱涝的影响更加明显,应高度警惕极端强降水造成洪涝灾害,而西部地区的降水相对较少,因而进一步加重了西部的干旱;降水集中期表现出从东北向西南地区推进的规律,7月中旬是降水集中的主要时段,并存在年际及年代际变化。

基于BP神经网络的鄱阳湖水位模拟

考虑到鄱阳湖水位受流域五河与长江来水等多因素的共同作用而表现出高度非线性响应，采用典型的三层BPNN神经网络模型来模拟鄱阳湖水位与其主控因子之间的响应关系。分别将湖口、星子、都昌、棠荫和康山水位作为目标变量进行BPNN模型构建和适用性评估。结果显示：综合考虑流域五河及长江来水（汉口或九江）的BPNN水位模型，空间站点水位模拟精度（R2和Ens）可达0．90以上，各站点的均方根误差（R惝E）变化范围约0．50～1．0m，若忽略长江来水的影响作用，仅将流域五河来水作为湖泊水位的主控影响因子，模型训练期与测试期的纳希效率系数（Ens）和确定性系数（R2）显著降低，且低于0．50，均方根误差（RMSE）也明显增大（1．24～2．88m），意味着综合考虑流域五河与长江来水是获取结构合理、精度保证的鄱阳湖水位模型的重要前提。同时建议针对鄱阳湖湖盆变化对水位的影响，尽可能选择一致性较好的长序列数据集来训练和测试BPNN模型。所构建的BPNN神经网络模型可进一步结合流域水文模型，用来预测气候变化与人类活动下流域径流变化对湖泊水位的潜在影响，也可作为一种有效的模型工具来回答当前鄱阳湖一些备受关注的热点问题，如定量区分流域五河与长江来水对湖泊洪枯水位的贡献分量，为湖泊洪涝灾害的防治和对策制定提供科学依据。

“农、林、水、土”之争:民国时期的防灾与土壤保持

近代中国的土壤保持工作是在美国帮助中国赈济1910年和1920年两次大饥荒及实施防止饥荒计划的过程中开启的。同时,随着主要留学美国的农、林、水利、土壤等学科的本土科学家的归国及研究的深入,他们逐渐在单纯的防灾工作中意识到开展土壤保持工作的重要性。抗战全面爆发后,随着国民政府开发西北政策的实施,土壤保持学在中国作为一门独立科学产生的条件已经具备。但在此过程中,由于该学科交叉性的特点,在中国特殊的文化和社会环境下,不同学科的研究者们在防灾思想、土壤保持术语、涵盖范围及举措等方面产生较大分歧并引起激烈争论,乃至为争夺水土保持实验区开发权而对立,从而给土壤保持学的发展打上了带有浓郁中国色彩的烙印。