重庆地区极端降雨事件预测模型研究

为了解重庆地区降水现状,文章计算了区域中雨日数(R10)、大雨日数(R20)、1日最大降水量(RX1)和湿日降水量(PRCPTOT)共4项极端降水指标,并基于改进粒子群算法优化的支持向量机模型(DPSO-SVM)构建了4种极端降水指数预测模型,结果表明:当输入气象参数组合为日最高温度、日最低温度、辐射和风速时,DPSO-SVM模型精度最高。     

1960—2019年关中平原极端降水时空变化及非平稳性分析

【目的】为探究极端降水的时空变化及其非平稳性特征,【方法】选取位于关中平原范围内1960—2019年长时间降水序列,利用极点对称模态分解(ESMD)方法分析了区域极端降水的时间变化特征,并采用Sen斜率估计+Mann-Kendall(Sen+MK)方法对5d最大降水量(Rx5)进行空间分析,最后利用广义可加模型(GAMLSS)对极端降水序列的非平稳性特征进行分析。【结果】研究发现：在时间变化趋势上,持续湿润指数(CWD)、年降雨量(PRCPTOT)、5 d最大降水量(Rx5)呈现出先下降后上升的趋势,整体为下降趋势,极强降水量(R99P)和降水强度(SDII)呈上升趋势;大雨日数(R25)呈现出下降趋势;在空间分布上,其中春、秋两季下降明显,降雨主要集中在夏季,趋势系数最高达到0.17 a^-1,冬季降雨有一定程度的增加;关中平原极端降水指数基本为平稳序列,个别站点非平稳性较为明显。【结论】关中平原极端降水量和不确定性变化较为稳定,未来突发性强降水事件出现概率较低,但是个别区域会遭到较为严重的灾害风险,研究结果可为将来关中平原相关洪涝预防措施提供一定指导。     

1960—2017年中国极端气候要素时空变化分析

研究全球变暖背景下极端气候要素的变化对流域和区域防洪抗旱具有重要意义。利用1960—2017年全国554个气象站点的逐日降雨和气温数据,选用线性拟合、R/S分析等方法分析了中国近58 a极端气候要素的趋势性、空间性、持续性和平均循环长度。结果表明:气温极值呈上升趋势,极端高温(低温)事件的频率和持续性不断增大(减小),中国呈变暖趋势;空间上,极端气温指数在高原山地区具有较大的变幅。极端降雨的量级指数和强度指数呈增大趋势,持续性指数呈减小趋势;极端降雨量级指数和强度指数变幅的高值区在热带季风区(增大趋势),持续干旱指数和持续湿润指数变幅的高值区分别为温带大陆区(减小趋势)、温带季风区(减小趋势)。R/S分析表明未来极端气温事件将继续增多,区域一致性显著;不同地区极端降雨指数未来增大或减小的趋势不一致,极端气温指数的平均循环长度整体大于极端降雨指数的。     

珠江流域非平稳性降雨极值时空变化特征及其成因

受全球气候变化和人类活动影响,珠江流域极端降雨事件发生的频次和强度均发生变化,变化环境导致极端降雨样本存在非平稳性。本文以珠江流域43个站点1960—2012年的日降雨数据为基础资料,通过分析广义帕累托分布(GPD)的参数时变特性及其空间分布规律,探索珠江流域非平稳性极端降雨的时空变化特征及其成因。结果表明:珠江流域极端降雨序列的极值指数呈从东到西逐渐减小特点,表征强降雨之间的相关性由东向西减弱;极端降雨变化程度大的区域其变化程度呈减弱趋势,而变化程度小的区域其变化程度呈加强趋势;珠江三角洲和东江流域南部、柳江流域东北部地区50/100年一遇的日降雨量级较大,而南盘江西部地区则较小。7个影响因子中,厄尔尼诺指标(SMEI)对流域的极端降雨影响最明显。非平稳时变超定量(POT)模型与平稳POT模型的结果比较表明,本文提出的时变POT模型较好地处理了珠江流域部分区域降雨存在的非平稳性特征。     

1960—2013年昭通市极端降雨时空演变规律研究

气候变化引起的极端降雨量级和频次变化已经引起了广泛的关注,极端降雨演变规律的研究对于区域防洪减灾和水资源管理具有重要意义。基于昭通市及其周边的16个气象站点1960—2013年共54 a的降雨数据,选取世界气象组织推荐的6个极端降雨指数,采用线性趋势分析、Mann-Kendll法和滑动T检验等方法分析了昭通市的极端降雨时间演变规律,并基于ArcGIS10.2采用反距离插值法(IDW)分析了昭通市极端降雨指数的空间分布格局。结果表明:在趋势演变方面,昭通市的总降雨量PRCPTOT有下降趋势;而反映极端降雨量级的3项指数SDII,RX5day,R95p均呈上升趋势,其中RX5day上升趋势显著;而R10mm和CWD这2项反映极端降雨频率的指数均呈下降趋势,其中R10mm下降趋势显著。在空间分布方面,昭通市6项极端降雨指数具有较高的空间异质性,东北部降雨量级和频率较高,中部趋缓,而西南部总体上相对较低。相关分析的结果表明昭通地区极端降雨指数与高程呈现负相关关系,极端降雨主要发生在低海拔地区。研究成果有助于加深对该区域极端降雨发生规律的认识,为区域防洪减灾和水资源管理提供参考。     

东台市沿海区域近年来降雨变化趋势探析

利用东台市堤闸管理处2008～2017年逐日降雨资料,分析了江苏省东台市沿海区域年降雨量、汛期降雨量、暴雨频次以及极值降雨事件的变化趋势特征。利用趋势分析、相关性分析等方法对区域内的降雨变化趋势进行了研究,结果显示区域年降雨量及汛期降雨量呈递增趋势,暴雨频次及极端降雨时间同样呈增加趋势。     

南昌市城市化进程对极端降水的影响

为研究南昌市城市化发展对极端降水的影响,以安义县为区域研究背景,利用南昌站、安义站1960年～2005年的降雨资料对南昌城市化前后不同量级的降雨量等指标进行对比,分析了降雨的周期性,并计算了城市化对降雨的贡献。结果表明,降雨量及降雨日数等极端降水指标具有不同程度的增减;降雨周期在28年左右的大尺度上较为明显,其他尺度上相对较弱;城市化对降雨的贡献率总体提升0. 08%。南昌市城市化对降雨特征影响较小,降雨主要以气候影响为主导。     

鄱阳湖区分级雨日及雨量变化特征分析

为了分析鄱阳湖区降雨量的变化特征,按照相关标准对年降雨日数和降雨量进行分级,深入研究各级雨日(量)的年际变化特征和年内分配规律。利用鄱阳湖区都昌站1953—2012年逐日降雨资料,采用趋势突变检验、Hurst指数、集中度和集中期等方法对鄱阳湖区年和季节分级雨日(量)的变化特征进行分析。研究结果表明:①鄱阳湖区年平均降雨日数为134 d,其中,小雨日数、中雨日数、大雨日数和暴雨日数所占雨日的比例分别为70.9%,18.66%,8.2%,2.98%;过去几十年,年总雨日数、小雨日数和暴雨日数均呈现显著减少的趋势并可能持续减少,年总雨日数在1978年发生突变,突变后雨日数减少了14 d;季节性降雨中,春、夏2季以大雨暴雨为主,秋、冬2季以小雨、中雨为主。②鄱阳湖区年平均降雨量为1 335.66 mm,小雨、中雨、大雨和暴雨占年降雨的比例分别为20.74%,29.50%,27.35%,22.41%;过去几十年,年降雨量呈显著减少趋势并可能继续减少,并在1976年发生突变,突变后年平均降雨量减少了301.26 mm。③鄱阳湖区降雨集中度平均为0.4,但受降雨年内分配的影响,降雨集中度年际差异较大;降雨集中期主要集中在3月中旬—6月中旬,其中,4月中旬—5月中旬占了71.43%。鄱阳湖区降雨日数的减少主要是由小雨日数减少引起的,降雨量的减少是各级雨量共同减少造成的;降雨集中度的大小与大雨和暴雨量所占年降雨量的比例密切相关,且与降雨不均匀系数显著正相关。研究结果可为进一步认识鄱阳湖湿地水文情势变化特征提供依据。     

基于 1D CNN-LSTM 模型的红旗水库水位序列模拟

为了提升水库水位模拟的精度,通过 1D CNN-LSTM 模型与五种常用的机器学习模型对安徽省红旗水库历史水位数据和降雨量数据实现未来 7 天的水位模拟并进行对比验证。 CNN 和 LSTM 能够表现出比较好的模拟性能,结合两种模型的优势能够更加显著的提升模型的模拟效果;1D CNN-LSTM 具有较高鲁棒性,对于未来 3 天以内水位模拟都有较好的预测效果和精度,虽然 3 天以后的模拟效果有明显下降,但对未来第 7 天的模拟 NSE 和 KGE 依然能够达到 0.8 以上,在不发生极端天气的情况下,模型对于水位趋势的模拟依然具有相当的参考价值。1D CNN-LSTM 模型对于红旗水库的水位模拟优于其他五种传统的机器学习模型,并具有相当高的精度。     

灰预测和BP神经网络在梧州站年径流预测中的应用

根据1960—2007年降雨、径流资料,运用Pearson相关分析法研究梧州区域降雨、大湟江口站年径流量与梧州站年径流量的相关关系;应用数列灰预测和BP神经网络模拟预测梧州站年径流量。结果表明:梧州站年径流量受梧州区域汛期降雨量、年降雨量和大湟江口站年径流量影响较大;梧州站年径流量BP神经网络模型预测效果比数列灰预测好。     

粒子群算法优化BP在降雨空间插值中的应用

为更好地表达降雨量的空间分布,将粒子群算法(PSO)优化后的反向传输(BP)神经网络分别运用于三峡区间流域日、月和年降雨量的空间插值中,并与单纯BP神经网络和克里金的插值效果作对比。研究结果表明:在日和年的时间尺度上,PSO-BP插值性能较BP有明显改善,且优于克里金的插值效果;在月时间尺度上,PSO-BP插值效果与BP接近且优于克里金。因此,PSO-BP能较好地揭示降雨量在空间的分布规律,也具备在不同时间尺度上对降雨量进行空间插值的能力,是一种较优的降雨空间插值方法。     

基于黄河河潼区间输沙量过程的特征性降雨研究

黄河输沙量显著减小,特别是近10年尤为显著。以黄河河口镇至潼关区间(简称河潼区间)沙量变化特征为基础,利用该区间26个国家基本气象台站1961-2009年的日降水资料,分析了区域侵蚀性降雨的雨量与日数的变化特征。结果表明:黄河河潼区间输沙量和径流量呈极显著减小,但河潼区间不同等级降雨量及其日数面平均值未呈现显著减小或增加;河潼区间26个站各级降雨量及其日数,除山西省隰县站的大于50mm降雨日数外,其余各站的各等级降雨量及其日数均未表现出减少或增加趋势;1980年以来的特征降雨量及其日数的微弱(非显著性)减小不足以引起黄河河潼区间输沙量的急剧减少,降雨变化不是引起黄河中游输沙量减少的主要原因。     

基于CNN-LSTM的大坝变形组合预测模型研究

为了提高大坝变形预测模型精度和泛化能力，建立了一种基于卷积神经网络(Convolutional neural networks, CNN)与深度学习长短期记忆(Long short-term memory, LSTM)神经网络的组合预测模型CNN-LSTM。该模型先利用CNN提取大坝变形监测时间序列的特征，再利用LSTM生成特征描述，该模型精度高、泛化能力强。以柏叶口水库混凝土面板堆石坝为例，经过CNN-LSTM模型计算，将模型变形预测值与原型监测资料进行对比，再与LSTM模型及CNN模型的预测结果进行对比。结果表明，CNN-LSTM模型预测值最接近监测资料实测结果。     

极端降雨条件下濮阳市马颊河流域水灾害风险研究

近年来,极端降雨事件频发,给城市健康发展带来阻碍,北方平原城市存在降雨量偏少、地势平坦、河流水动力不足等现象,在面对超标准暴雨事件时,存在较大风险。以北方平原城市濮阳市马颊河流域为研究对象,基于MIKE FLOOD平台构建一维河网-二维地表模型相耦合的大尺度洪涝数值模拟模型,利用实测水文数据,对模型关键参数进行本地化处理,对100 a一遇降雨及极端降雨条件下区域洪涝状况进行了研究。研究结果表明,当河流糙率取值0.031、居民用地糙率取值0.08、有植被覆盖的土地糙率取值0.025、空地糙率取值0.028时,模型模拟精度较高。两种暴雨条件下,清丰县城、濮阳市区、濮阳县城受灾情况较为严重。极端降雨条件下,受灾面积、淹没水深、淹没时长均明显增加,受灾规模呈显著扩大趋势,积水深度超过1 m区域面积最大可达315.5 km²,是100 a一遇降雨的6倍。极端降雨条件下,高风险区域面积达100 a一遇降雨的6.26倍,灾害风险严重程度显著上升;遭遇极端降雨时,应提升应急反应速度,加强防御能力,多措并举保障人民生命财产安全。     

极端降雨事件对雨水年径流总量控制率和24h降雨场次控制率的影响规律探析

雨水年径流总量控制率是海绵城市建设中最重要的指标之一。通过对降雨资料的统计分析得出雨水年径流总量控制率与设计降雨量之间的关系,由设计降雨量确定雨水源头控制设施规模。合理规范地选择分析降雨统计参数是科学制定雨水年径流总量控制目标的前提和保障。采用《海绵城市建设技术指南》的统计方法,分析极端降雨事件(极端小降雨事件和极端大暴雨事件)对雨水年径流总量控制率与24h降雨场次控制率的统计结果带来的影响,对统计中极端降雨事件的取舍做出判断,同时采用箱形图识别极端大暴雨事件,从而确定其最佳扣除比例。     

透视地球工程对全球陆地不同重现期极端降雨强度的潜在影响

全球气候持续增暖背景下地球工程逐渐成为国际气候谈判中的焦点话题。基于2020—2099年BNU-ESM模式地球工程和RCP 4.5情景下的非地球工程日值降水数据,采用超阈值取样和韦伯分布计算极端降雨强度,并对比两种情景下的极端降雨强度差异特征;最后对比地球工程实施的2020—2069年和结束后的2070—2099年的极端降雨量差异特征。结果表明:(1)2020—2099年两种情景下的极端降雨(包括强降雨和极端强降雨)强度的空间格局并未出现根本差别,反而具有较好的一致性,表明地球工程实施未对极端降雨强度的空间高低分异格局产生颠覆性影响。(2)地球工程对低强度极端降雨影响较小,对高强度极端降雨影响较大,并呈现出区域差异性,且随着重现期增加,差异特征逐渐增大。(3)地球工程使得强降雨强度在干旱地区减弱,而在湿润地区增强,且对北半球陆地的影响明显高于南半球陆地。(4)2020—2069(2070—2099)年地球工程实施期间南半球陆地极端降雨量趋于增多(减少),北半球陆地趋于减少(增多);整体而言地球工程实施的2020—2069年抑制了极端降雨量增多,而2070—2099年则促进了极端降雨量增多。研究成果对于认识地球工程对极端天气气候的影响具有一定的参考价值。     

海口市极端降雨事件演变趋势分析

城市暴雨内涝与极端降雨事件息息相关。为揭示城市暴雨内涝成因,利用海口站1953-2012年日降雨量资料,采用线性倾向估计法、Mann-Kendall趋势检验法、Mann-Kendall突变检验法和小波分析法等探讨了海口市极端降雨事件演变规律。结果表明:近60年来海口市极端降雨指标均呈现出上升趋势,但极端降雨日数上升趋势较弱,短历时暴雨强度增加,对城市内涝带来较大压力;极端降雨事件的突变年份在2007年附近,暗示海口市在2007年附近对土地的开发利用是一个节点;海口市降雨周期性不是很显著。     

仿生算法优化BP神经网络在降雨空间插值中的应用

人工神经网络能够充分挖掘已知样本中的规律,从而对未观测数据进行预测,可应用于降雨量空间插值计算中。在BP神经网络进行降雨空间插值的基础上,引入遗传、粒子群和蚁群3种仿生算法对BP神经网络初始权值和阈值进行优化,将优化后的BP神经网络应用于三峡区间流域年、月和日3个时间尺度的降雨空间插值中。结果表明:仿生算法对BP神经网络初始权值和阈值优化求解后,降低了BP神经网络陷入局部最小以及过拟合的风险,在插值过程中表现出较好的稳定性,取得了理想的插值结果。     

基于芒种日分析的BP模型在中长期汛期降雨量预报中的应用

为提高汛期降雨量中长期预报的精度,采用芒种日分析充分提取有用信息,基于BP神经网络模型,构建了芒种日分析的BP神经网络耦合模型,并将其应用于北京市中长期汛期降雨量的预测。结果表明:相比于常规BP模型,耦合BP模型能够有效提高预报的精度,验证期耦合BP模型模拟值与实测值相关系数为0.78,明显优于常规BP模型的0.42;耦合BP模型较常规BP模型的预报合格率提高了40%。芒种日分析能够充分发掘隐藏在原始数据中的有用信息,降低极端值等噪声数据对预报结果的影响,有效提高了模型的预报精度。将传统节气与人工智能预报技术相结合,为中长期汛期降雨量预报提供了一种新思路。     

1951- 2015 年广西极端降雨时空演变特征

基于两种高时空分辨率的 1951- 2015 年日降雨序列数据, 选择 11 个极端降雨指数, 采用 Mann-Kendall( M- K) 检验法和极点对称模态分解法, 分析了广西极端降雨事件的多尺度非线性时空演变特征。结果表明: 1951 - 2015 年广西 11 个极端降雨指数除连续湿润日 CWD、中雨日数 R10总体呈现下降趋势外, 其余 9 个指数均呈现较显著的增强趋势; 广西连续干日指数 CDD 高值区位于桂东和桂西, 其余指数均呈现出从桂东北及南部向桂西南、桂西北递减的空间分布特征; 各极端降雨指数显示, 广西极端降雨演变多在 2008- 2010 年发生显著的突变; 广西极端降雨演变存在 2. 85~ 3. 34 a 和 5. 34~ 9. 19 a 的年际准周期, 存在 10. 09~ 17. 11 a 和 22. 35~ 35. 62 a 的年代际准周期, 其多重周期的波动振荡主要以极端降雨的年际变化贡献为主。