水库的建设和运行使得水库下游流量发生了显著改变,为了在月径流模拟中充分考虑水库的调蓄作用,选择东江流域作为典型流域,使用粒子群算法优化的长短期神经网络(Particle Swarm Optimization-Long Short Term Memory,PSO-LSTM)对东江流...水库的建设和运行使得水库下游流量发生了显著改变,为了在月径流模拟中充分考虑水库的调蓄作用,选择东江流域作为典型流域,使用粒子群算法优化的长短期神经网络(Particle Swarm Optimization-Long Short Term Memory,PSO-LSTM)对东江流域的3个多功能水库枫树坝、新丰江、白盆珠水库的出流进行了模拟,并与传统的水库模型Level Pool Scheme(LPS)进行对比;使用三参数月度水文模型(Three-Parameter Monthly Hydrological Model Based on the Proportionality Hypothesis,TMPH)进行水库入流和区间来水模拟,与上述两种水库出流模型结合分别形成PSO-LSTM-TMPH和LPS-TMPH对东江流域重要站点龙川、河源、岭下、博罗进行预见期为一个月的径流模拟。结果表明:①PSO-LSTM在三大水库的模拟中效果均好于LPS,尤其在新丰江水库出流模拟中,在验证期的纳什效率系数(Nash-Sutcliffe Efficiency,NSE)、均方根误差(Root Mean Square Error,RMSE)分别为0.59、55.59 m^(3)/s,相比LPS提高了0.22,降低了17.01 m^(3)/s,说明该模型可以很好地捕捉多年调节水库复杂的水库出流规则;②PSO-LSTM-TMPH模拟龙川站、河源站、岭下站、博罗站径流的NSE为0.87,0.86,0.91,0.93,相比LPS-TMPH,NSE提高了0.09、0.21、0.07、0.03;③在测试期内,PSO-LSTM-TMPH水库出流模拟效果仍然较好,相比训练期、验证期模拟效果差异小,说明模型的模型泛化能力较强。研究建立的PSOLSTM-TMPH混合模型可以结合深度学习和物理模型各自的优势,适用于人类活动干扰下的径流模拟,可为优化水资源利用、实施干旱调度等提供技术支撑。展开更多
在人类活动和气候变化的复杂影响下,广东省东江流域的降雨特征发生了明显改变,为精准识别其时空变化特征,基于流域34个雨量站1956—2021年逐月长序列降雨数据,采用集中度、集中期、Ordinary Least Square回归法、Mann-Kendall检验法、滑...在人类活动和气候变化的复杂影响下,广东省东江流域的降雨特征发生了明显改变,为精准识别其时空变化特征,基于流域34个雨量站1956—2021年逐月长序列降雨数据,采用集中度、集中期、Ordinary Least Square回归法、Mann-Kendall检验法、滑动t检验法、一维连续小波等多种方法,对广东省东江流域上下游降雨的年内分布特征,年际变化的趋势性、突变性和周期性特征以及空间变化规律开展多角度分析。结果表明:广东省东江流域降雨量从东北向西南递减;从上游到下游,年内降雨集中期从6月延迟到7月份,降雨由减少过渡到弱增长趋势;下游突变性较上游显著,上游周期性强于下游;上下游降雨主周期一致,均为17 a。研究成果可为广东省东江流域降雨预报及水资源开发利用等提供支撑。展开更多
东江是粤港澳大湾区最重要的水源地,担负着香港地区、深圳和广州3个超大城市的供水任务。东江流域光、热资源充足,雨量充沛,是中国森林覆盖率最高的地区之一,其自1980年以来由于自然因素、政策和经济发展等原因,流域的土地覆盖发生了显...东江是粤港澳大湾区最重要的水源地,担负着香港地区、深圳和广州3个超大城市的供水任务。东江流域光、热资源充足,雨量充沛,是中国森林覆盖率最高的地区之一,其自1980年以来由于自然因素、政策和经济发展等原因,流域的土地覆盖发生了显著变化,尤其是东江流域面积占比最大的森林的变化更加明显。因此,如何科学规划设计造林工程,依据潜力分析改造水源林已成为社会热点问题。该研究基于1980—2020年东江流域30 m分辨率的土地利用、土壤等数据,结合东江源测站数据和社会经济指标数据,利用空间分析和因子分析等方法,探索东江流域1980—2020年森林覆盖的时空变化及驱动机制,同时对水源林改造的未来潜力进行了分析。①1980—2020年东江流域森林持续减少,总减少量为998.81 km 2,变化多集中于南部和北部,流域北部大量林地转化为耕地,流域南部大量林地转化为城乡、工矿、居民用地;②1980—2020年,影响林地面积变化的因素中,常住人口数量、人口密度、GDP、第二和第三产业产值、工农林业产值、社会消费品零售总额、固定资产投资额、城镇登记失业率等因素占主要成分;③东江流域未来可改造林区域面积为5365 km 2,改造潜力多集中于流域北部及流域东南部。近40 a内东江流域森林面积持续减少,人为活动影响强烈,水源林改造潜力巨大。展开更多
以东江流域土地利用解译结果为基础,采用转移矩阵、移动窗口法和景观格局指数对 1990-2016 年对东江流域的景观格局时空变化进行分析,并结合地形因子、交通通达度因子和限制转化因子采用 FLUS(Future Land Use Simulation)模型对流域未...以东江流域土地利用解译结果为基础,采用转移矩阵、移动窗口法和景观格局指数对 1990-2016 年对东江流域的景观格局时空变化进行分析,并结合地形因子、交通通达度因子和限制转化因子采用 FLUS(Future Land Use Simulation)模型对流域未来景观格局进行预测。结果表明:(1)自 1990 年以来,研究区的 7 种土地利用类型皆发生了变化,其中建设用地由于林地和耕地的大量转入增加最明显。(2)1990-2016 年,流域景观破碎化呈现以河道为中心向东西两侧减小的趋势,景观多样性呈现流域上游小,下游大的趋势,且高值区在经济较发达的城镇地区。园地的景观破碎程度最高、林地的优势度减弱,城镇建设用地的集聚度增加。(3)2016-2042 年,流域各用地类型变化率不大,景观破碎化和多样性程度虽有增加但增长速度相对放缓。展开更多
文摘水库的建设和运行使得水库下游流量发生了显著改变,为了在月径流模拟中充分考虑水库的调蓄作用,选择东江流域作为典型流域,使用粒子群算法优化的长短期神经网络(Particle Swarm Optimization-Long Short Term Memory,PSO-LSTM)对东江流域的3个多功能水库枫树坝、新丰江、白盆珠水库的出流进行了模拟,并与传统的水库模型Level Pool Scheme(LPS)进行对比;使用三参数月度水文模型(Three-Parameter Monthly Hydrological Model Based on the Proportionality Hypothesis,TMPH)进行水库入流和区间来水模拟,与上述两种水库出流模型结合分别形成PSO-LSTM-TMPH和LPS-TMPH对东江流域重要站点龙川、河源、岭下、博罗进行预见期为一个月的径流模拟。结果表明:①PSO-LSTM在三大水库的模拟中效果均好于LPS,尤其在新丰江水库出流模拟中,在验证期的纳什效率系数(Nash-Sutcliffe Efficiency,NSE)、均方根误差(Root Mean Square Error,RMSE)分别为0.59、55.59 m^(3)/s,相比LPS提高了0.22,降低了17.01 m^(3)/s,说明该模型可以很好地捕捉多年调节水库复杂的水库出流规则;②PSO-LSTM-TMPH模拟龙川站、河源站、岭下站、博罗站径流的NSE为0.87,0.86,0.91,0.93,相比LPS-TMPH,NSE提高了0.09、0.21、0.07、0.03;③在测试期内,PSO-LSTM-TMPH水库出流模拟效果仍然较好,相比训练期、验证期模拟效果差异小,说明模型的模型泛化能力较强。研究建立的PSOLSTM-TMPH混合模型可以结合深度学习和物理模型各自的优势,适用于人类活动干扰下的径流模拟,可为优化水资源利用、实施干旱调度等提供技术支撑。
文摘在人类活动和气候变化的复杂影响下,广东省东江流域的降雨特征发生了明显改变,为精准识别其时空变化特征,基于流域34个雨量站1956—2021年逐月长序列降雨数据,采用集中度、集中期、Ordinary Least Square回归法、Mann-Kendall检验法、滑动t检验法、一维连续小波等多种方法,对广东省东江流域上下游降雨的年内分布特征,年际变化的趋势性、突变性和周期性特征以及空间变化规律开展多角度分析。结果表明:广东省东江流域降雨量从东北向西南递减;从上游到下游,年内降雨集中期从6月延迟到7月份,降雨由减少过渡到弱增长趋势;下游突变性较上游显著,上游周期性强于下游;上下游降雨主周期一致,均为17 a。研究成果可为广东省东江流域降雨预报及水资源开发利用等提供支撑。
文摘东江是粤港澳大湾区最重要的水源地,担负着香港地区、深圳和广州3个超大城市的供水任务。东江流域光、热资源充足,雨量充沛,是中国森林覆盖率最高的地区之一,其自1980年以来由于自然因素、政策和经济发展等原因,流域的土地覆盖发生了显著变化,尤其是东江流域面积占比最大的森林的变化更加明显。因此,如何科学规划设计造林工程,依据潜力分析改造水源林已成为社会热点问题。该研究基于1980—2020年东江流域30 m分辨率的土地利用、土壤等数据,结合东江源测站数据和社会经济指标数据,利用空间分析和因子分析等方法,探索东江流域1980—2020年森林覆盖的时空变化及驱动机制,同时对水源林改造的未来潜力进行了分析。①1980—2020年东江流域森林持续减少,总减少量为998.81 km 2,变化多集中于南部和北部,流域北部大量林地转化为耕地,流域南部大量林地转化为城乡、工矿、居民用地;②1980—2020年,影响林地面积变化的因素中,常住人口数量、人口密度、GDP、第二和第三产业产值、工农林业产值、社会消费品零售总额、固定资产投资额、城镇登记失业率等因素占主要成分;③东江流域未来可改造林区域面积为5365 km 2,改造潜力多集中于流域北部及流域东南部。近40 a内东江流域森林面积持续减少,人为活动影响强烈,水源林改造潜力巨大。