蔬菜地土壤磷提取及模拟径流中磷素潜在流失的影响

蔬菜地磷素流失是一种典型农业非点源污染类型。通过观测地表径流中溶解态反应磷(DRP)、生物可利用磷(BAP)可以监测土壤磷素流失程度。受到各种客观条件的限制,这两个指标比较难于获取,而土壤中的总磷(TP)、Olsen(OP)、Mehlich-1(M-1P)和水溶性磷(Pw)可以通过常规分析手段获取。本文选取27个典型蔬菜样地,分析测定各样地土壤中的总磷(TP)、Olsen(OP)、Mehlich-1(M-1P)和水溶性磷(Pw)四个磷提取变量,采用了经典方法计算土壤磷流失潜能指标——磷吸持饱和度(DPS)。同时采用模拟径流实验得出典型蔬菜样地地表径流样中溶解态反应磷(DRP)、生物可利用磷(BAP)。结果表明:M-1P、Pw与DPS呈极显著正相关,相关系数分别达到了0.85和0.74(p<0.01);而M-1P、Pw与DRP浓度相关系数(r2=0.843和0.786,p<0.01)大于TP、OP与DRP浓度的相关系数(r2=0.554和0.722,p<0.01)。结论认为,通过测定M-1P、Pw和计算DPS能比较准确、便捷地预测土壤径流磷素流失风险程度。

用 BATS 模型模拟径流的个例研究

为了解陆气间水热交换在径流形成中的作用，本文采用ＢＡＴＳ模型模拟了淮河流域山区和平原在１９９１年汛期５０天的暴雨洪水过程，计算了径流，土壤温度和感热，潜热通量，并用常规的汇流计算方法得到了流域出口断面的流量过程线。为了集总地考虑地形（山区及平原）对径流的影响，对径流表达式中的指数“ｎ”进行了修正。计算结果表明：５０天洪水总量计算误差较小，模拟洪水的洪峰流量与峰现时间与实况相近，径流值的模拟精度与土壤表层温度的模拟精度紧密相关。所有这些说明径流模拟精度的提高是改进陆面对大气的感热、潜热通量计算的一个重要方面。

哈尔滨主城区无资料子流域模拟径流复杂性测度

针对哈尔滨主城区无资料子流域模拟径流的随机性较大,且易受人为因素的干扰等问题,将本征时间尺度分解(Intrinsic Time-scale Decomposition,ITD)算法引入水文系统复杂性研究中,用于改进传统复杂性测度方法。将ITD与多尺度模糊熵(MFE)相结合测度黑龙江省哈尔滨市主城区8个无资料子流域模拟径流复杂性。结果表明,哈尔滨主城区无资料子流域的模拟径流表现出了较强的非线性特征,其中北部地区运粮河流域的径流熵值最大,南部地区肇兰新河流域的径流熵值最小,模拟径流的复杂性熵值南北方向整体呈现南高北低走向。通过对比加入白噪声和有色噪声后,小波熵(Permutation Entropy,PE)、排列熵(Wavelet Entropy,WE)和ITD-MFE的评价结果,表明ITD-MFE算法具有更好的稳健性。研究成果揭示了哈尔滨市主城区无资料自流域模拟径流复杂性差异及其变化规律,对于今后指导哈尔滨市主城区内科学合理地利用径流资源具有一定的指导意义。

用变化的降雨—径流资料通过反向传播人工神经网络模拟径流

用变化较大的、精度不高的数据组建立多层反向传播神经网络（BPANN）模型，用以模拟印度纳尔默达河两个小流域Banjar～Hridaynagar和Narmada-Manot的3种时间尺度（周、10d、月）的降雨径流过程。采用梯度下降优化技术建立BPANN径流模型，并通过交叉检验进行概化。用变化相对较大、精度不高的数据资料建立起来的BPANN，在几乎所有情况下，计算迭代次数较少，概化程度较高。计算结果表明，BPANN模型的性能优于线性转换函数模型（LTF）。

基于概念性水文模型与长短时记忆模型耦合的汉江上游流域径流模拟

为了探究概念性水文模型(GR4J)与长短时记忆模型(LSTM)耦合过程中物理模型参数反馈机制以及考虑土壤含水量作为中间变量对物理引导机器学习(PIML)模型径流模拟的影响,本研究构建了PIML模型并设置考虑参数反馈、考虑中间变量和两者同时考虑的3种方案(依次简称为H1、H2、H3),以安康站为控制站的汉江上游流域开展实例研究。结果表明:(1)3种PIML模型径流模拟效果均优于LSTM模型,其中验证期纳什系数(NSE)平均提升10.6%,而PIML-H1与PIML-H3模型径流模拟效果优于GR4J模型,验证期NSE平均提升4.2%,其中PIML-H3模型在3种PIML模型中表现最佳,表明基于LSTM和GR4J模型构建的PIML模型对径流模拟效果有所改善,且同时考虑中间变量和参数反馈因素时对径流模拟效果改善最佳;(2)3种PIML模型对低水流量的模拟效果均优于GR4J和LSTM模型,且PIML-H3模型效果最佳,而对于高水流量,3种PIML模型均表现不佳,说明PIML模型往往在模拟低流量事件中更占优势;(3)3种PIML模型的径流模拟效果均表现出较强的季节性变化,PIML-H2和PIML-H3模型相较于PIML-H1模型受到的季节性变化影响更为明显,说明PIML模型模拟径流结果的季节性变化受到中间变量的影响。研究可为汉江上游流域径流模拟预报提供技术支撑。

基于SWAT的流域径流和总氮模拟——以长三角地区的中小流域为例

利用SWAT模型,分别于2019—2022年、2020—2022年、2019—2022年,在长三角地区的秦淮河流域、洛阳河流域和中田河流域开展逐月的径流模拟和总氮模拟。结果表明:SWAT模型在3个流域的径流量模拟(R^(2)>0.83,ENS>0.65)和总氮模拟(R^(2)>0.63,ENS>0.51)中均表现出较好的效果;2020—2022年,秦淮河流域的单位面积年平均总氮负荷(1.108±0.391 t/km^(2))与洛阳河流域(0.939±0.174 t/km^(2))和中田河流域(1.256±0.490 t/km^(2))相当;洛阳河流域的总氮负荷与降水量的相关性(R^(2)=0.25,p<0.05)低于秦淮河流域(R^(2)=0.73,p<0.01)和中田河流域(R^(2)=0.86,p<0.001),说明洛阳河流域的总氮负荷对降雨响应的敏感性更弱。研究可为流域的氮素管理提供理论依据和决策支持。

基于XGBoost与SWAT径流模拟对比及校正研究

径流模拟一直是水文科学的研究热点,对水资源研究具有重要指导意义。基于极限梯度提升算法(XGBoost)和SWAT(Soil and Water Assessment Tool)模型,采用赣江流域外洲水文站的观测水文数据,构建径流模拟模型,对比及分析两个模型的模拟效果。同时,基于XGBoost模型,采用残差校正方法对SWAT模型径流模拟结果进行校正,结果表明:①XGBoost模型的模拟效果较好,XGBoost模型日径流模拟的纳什效率系数(NSE)比SWAT模型高15.66%;②SWAT模型在高流量处存在低估的情况,而XGBoost模型模拟值与观测值变化基本一致,模拟过程线拟合度较高,表现出良好的相关性;③经XGBoost校正后的SWAT模型模拟精度明显提高,可有效改善径流模拟效果。当采用残差误差校正后,径流模拟的NSE值可达0.96,增加了15.66%。

修正SWAT模型在喀斯特小流域的径流模拟研究——以羊鸡冲小流域为例

在贵州喀斯特地区,地表径流通过土壤裂隙、岩溶管道等途径流失,限制了地表径流的形成。文章以龙里羊鸡冲小流域为研究区,基于2013-2019年的实测数据,修正SWAT(Soil and Water Assessment Tool)模型的裂隙流模块,修改了裂缝入渗的表示方法,对修正前后的日径流模拟进行对比分析。结果表明:率定期内纳什系数由0.32提升到0.60,决定系数由提高0.37提升到0.58。在验证期内,纳什系数由0.52提高到0.55,决定系数由0.56提高到0.60,修正后的模型与原模型相比具有更好的适用性。修正后模型的径流时间序列与实测数据更吻合,能合理估算研究区的入渗水量,为喀斯特小流域的水资源管理提供参考依据。

基于陆气耦合模式的降雨径流模拟研究进展

基于陆气耦合模式的降雨径流模拟是变化环境下水文循环过程研究的重要内容之一。围绕陆气耦合降雨径流模拟,分析基于陆气耦合模式的降雨径流模拟框架,对比基础输入资料、天气模式和陆面水文模型各方面的优缺点,回顾基于该框架的发展历程,从集合预报、数据驱动、陆面水文模型与天气模式3个方面介绍了陆气耦合降雨径流模拟技术的发展,提出多尺度转换、双向耦合、不确定性问题及误差修正4个热点关键技术问题,并对未来研究进行展望,以期为推进基于陆气耦合模式的降雨径流模拟研究提供参考。

基于长短时记忆网络的山区中小流域降雨径流模拟

洪水预报是流域防洪减灾的重要非工程措施之一。目前我国中小河流暴雨洪水灾害频发,但应对短历时强降雨的洪水预报能力仍不强。以安徽省东部山区中小流域为研究对象,引入长短时记忆网络建立流域降雨径流模型,探讨其在山区中小流域的洪水模拟效果。结果表明,考虑降雨输入的空间差异可提升深度学习模型降雨径流模拟预测性能,且长短时记忆网络能够取得优于传统人工神经网络的精度;长短时记忆网络模型有效建立了流域降雨与径流间的复杂非线性关系,模型在所选流域内场次洪水的峰值模拟效果较好,训练、测试集场次洪水峰值合格率均在90%以上;长短时记忆网络内部结构特征与流域水文过程具有较好的相似性,对山区中小流域暴雨洪水非线性关系拟合效果突出。

考虑植被根系深度动态变化的VIC径流模拟模型

为了提高干旱半干旱地区植被变化影响下的水文模型模拟精度,结合植物根系的垂直分布与气候、土壤条件,提出了基于流域气象和土壤性质等下垫面特征的流域根系平均深度估算方法,以黄土高原地区无定河流域为例,构建了考虑植被根系深度动态变化的可变下渗容量(VIC)径流模拟模型(VIC-DR模型)。将该模型径流模拟结果与有汇流演算的VIC模型(VIC-R模型)结果进行比较。结果表明:与VIC-R模型相比,VIC-DR模型模拟精度显著提高,VIC-DR模型对无定河流域月尺度、日尺度径流量模拟结果的纳什效率系数分别提高了10.6%和8.7%,相对误差分别下降了15.4%和5.1%,与实测值相关系数均大于0.6;VIC-DR模型的模拟结果符合流域实际情况,模型适用性良好。

基于SWAT模型的那棱格勒河流域径流模拟及水量平衡分析

那棱格勒河是柴达木盆地内流域面积和流量最大的内陆河流。本文在那棱格勒河上游构建了SWAT分布式水文模型,采用SUFI-2算法进行参数敏感度分析、率定和验证,对1979—2018年的月值径流量进行模拟分析。结果表明,敏感度最强的前3个参数依次为融雪基温、降雪气温及气温直减率,在率定期和验证期决定系数R^(2)和Nash-Sutcliffe效率系数分别高于0.81和0.65。水量平衡分析结果显示1979—2018年流域的蒸发量、地表径流量、地下水补给量、地下侧流量分别占降水的92.30%、17.76%、16.18%和5.84%。表明流域内径流量主要来自冰雪融水,各水量平衡分量受温度影响较大。降水量变化趋势与地表径流量变化趋势较一致,说明降水转化为径流的时间较短。本研究对那棱格勒河流域水文研究及水资源调控具有参考意义。

额尔齐斯河库威站日尺度的降雨融雪径流模拟

额尔齐斯河流域受地理条件的影响,流域内水文气象站点较少,基础资料匮乏,而融雪洪水在该流域的汛期及水资源管理上有着较大影响。本研究通过应用降水和气温的再分析产品及AVHRR积雪数据,利用K-means聚类法进行不同径流时期特点的划分,并在不同时期构建相应SRM+LSTM模型,并使用2009年数据及2023年实地观测的径流数据进行验证。结果表明:再分析产品CMFD能够较好地应用于额尔齐斯河流域,并能根据降水、温度、积雪及径流间的关系得到不同径流划分时期,即12月11日—次年4月10日为积雪退水期、4月11日—8月10日为融雪降水产流期、8月11日为降水产流期。SRM模型模拟效果较差,大部分径流纳什效率系数(NSE)<0;而SRM+LSTM模型能够较好地模拟该流域的不同时期的径流,决定系数R2均能达到0.5以上,纳什效率系数也能达到0.5以上,证明SRM+LSTM模型能够较好地应用于该地区,精度较高。

基于耦合融雪模块WAS模型的流域径流模拟与组分解析

【目的】在气候变化背景下,深入解析径流组分对识别降水模式改变、气温升高等气候变化下的径流响应具有重要意义。为提高WAS模型在高寒山区的径流模拟精度,从而支撑径流组分的准确深入解析。【方法】以毛家村水库上游流域为例,采用度日因子法与双温度阈值法综合构建了融雪模块,将其与WAS模型进行耦合,并将改进后WAS模型应用于2001—2020年毛家村水库流域径流模拟与组分解析。根据水源与演化路径不同,将径流划分为基流、降雨地表径流和融雪地表径流3部分,并根据年内不同时期水文过程的主导因素不同,利用不同时期的实测径流分别对地下水参数、土壤参数和融雪参数进行逐步分级率定。【结果】结果显示:耦合融雪模块WAS模型相较于原WAS模型,在春季融雪期的模拟精度有显著提升,改进后WAS模型在率定期与验证期NSE分别为0.85、0.78,R^(2)分别为0.93、0.91,优于原WAS模型的模拟效果。径流组分解析结果显示,季节尺度上,基流、降雨地表径流、融雪地表径流对春季径流的贡献分别为58.1%、19.1%、22.8%,对夏季径流的贡献分别为30.7%、67%、2.3%,秋、冬季径流中,无融雪地表径流,基流、降雨地表径流对秋季径流的贡献分别为46.4%、53.6%,对冬季径流的贡献分别为78.8%、21.2%;年尺度上,基流、降雨地表径流和融雪地表径流对总径流的贡献分别为41.7%、53.6%和4.8%。【结论】WAS模型无论改进前后均可以从总体上模拟出径流的长期动态变化,耦合融雪模块的WAS模型可以更加精准的模拟出春季融雪期径流过程,提高了模型在高寒山区的适用性。降雨地表径流是该流域径流的主要组成部分,其次为基流,融雪地表径流最少。但融雪对于抑制春季径流衰减具有重要作用,基流是构成冬、春两季径流的主要部分,对于维持冬季与春季径流水平具有重要意义。

蒙阴流域日径流模拟多模型比较研究

选择MARRMoT建模工具箱中16个集总式水文模型对湿润半湿润的蒙阴流域进行日径流模拟,对比分析不同模型在该流域的适用性。使用Nelder-Mead单纯形搜索法确定模型参数,选取确定性系数、Kling-Gupta效率系数和洪量相对误差指标评定模型精度;根据模拟精度对模型适用性进行排序,综合考虑模型结构和参数个数,对模拟精度的影响因素进行分析。结果表明,新安江模型和GR4J模型的精度最优,SMAR和HBV模型次之;模型结构是影响模拟精度的重要因素,模型参数个数影响不大,复杂的模型并不意味着更好的模拟结果。研究可为湿润半湿润流域水文模型的选择及应用提供参考。

基于CNN-LSTM-Attention模型的沁河流域径流模拟及未来多情景预测

为提升深度学习模型对变化环境下流域的径流模拟精度,以沁河流域为例,构建了基于卷积神经网络(CNN)、长短期记忆网络(LSTM)和注意力机制(Attention)的CNN-LSTM-Attention耦合模型,加入多种优化算法,结合第六次国际耦合模式比较计划CMIP6中的BCC-CSM2-MR气候模式并考虑多种情景,应用于流域的径流模拟和预测,同时比较了多种深度学习模型的模拟精度。结果表明:CNN-LSTM-Attention模型在沁河流域表现出了较好的径流模拟效果,模拟精度均优于其他深度学习模型,纳什效率系数(NSE)为0.883,均方根误差(RMSE)为2.317,平均绝对误差(MAE)为1.098;不同气候变化情景下,沁河流域在2025—2050年的年径流量均呈现缓慢衰减趋势且波动程度较大,尤其在SSP1-2.6情景下,径流量衰减和波动程度突出。研究可为深度学习模型在人水关系智能化计算模拟领域的应用提供新思路,并为流域后续的水资源开发利用和管理提供科学参考价值。

基于多层土壤湿度数据同化的小流域径流模拟

土壤水分状态在水文循环中起关键作用,对径流预报的准确性影响很大。以美国宾西法尼亚州中部的Shale Hills流域为例,研究多层实测土壤湿度数据同化对径流模拟的作用。首先利用新安江模型对研究区内2008~2012年的日径流进行模拟,同时通过集合卡尔曼滤波算法构建基于新安江模型的水文数据同化模型,并设置未同化的开环试验作为对比,研究模型同化土壤湿度对改善径流模拟和土壤水分的能力。模拟结果显示,新安江模型在该流域有较好的适用性;相比于同化前,模型同化多层土壤湿度后径流量相对误差降低了5.2%,纳什效率系数从0.62提高到0.66,土壤含水率的均方根误差从16.4 mm减小到3.0 mm。其次对单层土壤含水率同化结果进行比较,结果表明,下层土壤含水率同化比上层同化对径流模拟作用更明显,但仅加入上层实测土壤含水率同化能够降低下层土壤水模拟的不确定性。研究结果表明同化多层土壤湿度可提高径流模拟精度,同时也能够有效优化土壤水的模拟结果。

基于相关性检验的VMD-LSTM耦合模型月径流模拟研究

近年来,极端强降雨和干旱事件频发,流域水文过程的不确定性变化加剧,使得流域中长期径流预测的难度增加。为提升LSTM(长短期记忆神经网络)模型对径流时序变化的捕捉及拟合能力,以博阳河流域为研究区域,选取月降雨、蒸发及流量数据,利用VMD(变分模态分解)和相关性检验,排除无关频率分量对LSTM模型规律学习的干扰,以达到模型输入优选的目的;此外,还考虑了VMD与LSTM模型的不同耦合方式对模型精度和稳定性的影响,最终优选出二者兼具的VMD-LSTM月径流耦合模式。结果表明:VMD-LSTM耦合模型可显著提升模拟精度,但在模型稳定性方面有所欠缺;而基于相关性检验的VMD-LSTM耦合模型不仅能够进一步提高模型精度,并且在模型的稳定性方面也有所改进。在基于相关性检验的VMD-LSTM耦合模型的不同耦合方式对比中,对输入、输出均进行VMD分解且对输入变量进行优选的D_(1)耦合方案的模拟效果最好,其60次模拟计算的NSE均为0.98以上且稳定性极佳;另外,在分析方案D_(1)的可解释性时发现历史径流对于LSTM模型的影响要比降雨和蒸发大。该研究结论可为流域水资源管理提供精准可信的中长期径流模拟成果。

长短时记忆网络与新安江模型耦合的降雨径流模拟性能

深度学习技术在降雨径流模拟方面具有广阔应用前景,但受训练样本限制,需与传统水文模型相耦合,由传统水文模型提供训练数据。耦合数据的选择和超参数方案对耦合模型的模拟性能影响显著,但尚未有专门的研究。本文以东湾流域为例,用双向长短时记忆网络耦合新安江模型不同模块数据,并用灰狼优化算法优化超参数,构建降雨径流模型。结果表明:模型耦合不同数据时,对日径流和场次洪水的模拟性能均有提高,尤以耦合产流量和模拟流量数据时最为明显。不同耦合数据需调整超参数方案,灰狼优化算法可满足需求。本研究为提高耦合模型径流模拟能力提供了新思路和新方法。

基于再分析降水资料的青藏高原典型流域径流模拟分析

基于实测资料、中国区域地面气象要素驱动数据集(CMFD)和ERA5-Land再分析降水资料,构建了青藏高原尼洋河更张站以上流域的可变下渗能力(VIC)模型,评估再分析降水资料和VIC模型在资料缺乏地区径流模拟中的适用性,并探究了VIC模型分辨率对径流模拟结果的影响。结果表明:在资料严重缺乏地区,基于实测资料的VIC模型难以反映径流的实际情况,而采用再分析降水资料可以明显提升流域径流模拟精度;与基于CMFD再分析数据的VIC模型模拟结果相比,基于ERA5-Land再分析数据的模型径流模拟精度更高,月径流模拟结果的纳什效率系数达到0.76,表明ERA5-Land再分析降水资料和VIC模型在研究区具有较好的适用性,但模型对洪峰模拟结果的精度需要进一步提高;VIC模型径流模拟精度随着其分辨率的提高有所提升,当模型分辨率由10 km提高到1 km时,月径流模拟结果的纳什效率系数提高了9.1%,相对误差减小了16.5%;较高分辨率的VIC模型对峰现时间、洪峰流量模拟更准确,但是难以模拟退水过程。