降雨空间尺度对径流模拟的影响研究

通过分析不同分辨率的雷达降雨数据所产生的降雨空间分布的变化对径流模拟的影响发现:本文所用的基于DEM的蓄满产流分布式水文模型对降雨时间和空间的变化是比较敏感的;由于降雨空间分辨率的变化计算的径流总量、洪峰都有不同程度的变化,但是这种变化的大小又与降雨场的特征、流域面积的大小以及土壤含水量的变化有很大的关系:随着面平均降雨量(P BAS)的增减,洪量也随着增减,P BAS与洪量有很好的相关性;降雨CV值的增加导致洪峰和洪量都相应的增加;流域的面积越小洪峰和洪量对降雨空间变化就越敏感;在前期干旱的条件下降雨空间变化导致的洪峰和洪量的变化要比在湿润的条件下产生的洪峰和洪量的变化大。     

农业非点源污染随机监测方法的探讨

针对分布式农业非点源污染理论模型日趋完善.但大量时空监测信息和参数的不确定性却仍限制其在不同尺度流域中应用的现象,根据面源产出的影响因素及其不确定性分析了非点源污染模拟的空间变异性,探索了利用随机理论、变异性分析和协同理论指导采样及变量监测建立了快速有效的随机采样机制的可行性.该研究为进一步开展面源污染监测和管理、对少资料区域非点源污染模拟和推广应用提供了借鉴.     

河道矢量化的深弘演进模型研究

本文在已有的源头追索模型的基础上，建立了更有效的栅格河道矢量化方法——深弘演进模型。该模型利用电子地图的河网图层与数字高程模型（DEM）叠加形成复合数据，以栅格化河道最低点的轨迹来确定流向，通过计算并比较研究区域的特征高程依次筛选出研究区域可能的出口，并由其向上游扩展确定邻接河网栅格的流向。该方法综合考虑了流域的地形走向和其中的河网特性，可以避免局部的资料“噪音”等高程波动对流向确定的干扰。模型利用多分支判断和带指针的记忆链算法在计算机中自动完成。该模型最大限度的利用了当前信息，提高了计算结果的期望精度。     

洞庭湖洪水及其出路问题

分析洞庭湖的洪水成因、湖区防洪能力、长江与洞庭湖关系的变化等问题,提出以抬高洞庭湖分洪控制水位和使用蓄洪区方式增加洞庭湖区蓄洪能力,解决洞庭湖洪水问题.     

河流水质预测的灰色神经网络联合模型

针对灰色预测对波动较强的序列只能预测大致变化的缺陷,运用响应成分模型将水质浓度分解为具有确定性的趋势项和具有不确定性的随机项,建立灰色神经网络联合模型对水质的趋势项和随机项进行预测。将该模型应用于淮河河流水质预测,结果表明,该模型拟合误差小,预测精度高。     

山西省近46年气温分析

基于山西省106个气象站的气温数据,通过分析气温要素的累积距平、年代变化、季节变化和空间分布,研究了山西省1960-2005年气温要素的时空变化趋势.结果表明,从20世纪80年代后期起,山西省平均气温呈持续增加的趋势.在空间分布上,全省气温西南部气温增加趋势大于东北部的趋势,而且增加趋势由西南部向东北部递减.气温各季节变化趋势不同:全省春、冬两季气温变化一致;秋季升温趋势明显,但在2000年之后增温趋势有所回落;而夏季气温呈先增加后降低的趋势.此外,人类活动影响了温度的分布,且气温对全省干旱情况也有影响.     

新安江模型和改进BP神经网络模型在闽江水文预报中的应用

精确的水文预报是防洪减灾中重要的非工程措施,水文模型是开展水文预报最有力的工具。采用LM算法改进了的BP神经网络水文预报模型,以闽江富屯溪流域为例,进行了BP模型和新安江模型在日流量模拟预报中的应用比较。结果表明:两个模型总体均达到水文预报的精度要求,水文预报合格率可达到90%以上;新安江模型在丰水年模拟效果较好,相比而言,BP神经网络模型的模拟精度更高一些;两个模型均可用于闽江流域的水文预报研究。     

DHSVM模型在宝库河流域的径流模拟适用性分析

以宝库河流域为例,探讨了DHSVM模型在高寒区无冰川流域的适用性。介绍了DHSVM模型的概况、物理过程及数字化资料的收集与处理,并以实测径流对模型进行校正,其中Nash-Sutcliffe模型效率系数与实测径流的相关系数较高,模拟的相对误差较低。对比分析模拟径流与实测径流的变化过程发现,DHSVM模型能较好地反映该流域的日、月径流水文过程,具有一定的适用性。     

黑龙江干流凌情特征及影响因素分析

鉴于黑龙江地处高寒地带凌情特征明显,且洪水多发对黑龙江省造成了严重的损失,定量描述了黑龙江干流11个水文站点的开封河日期、封冻天数和冰厚,分析了凌情影响因素。结果表明,近50年来,封冻日期推迟、解冻日期提前、封冻天数和冰厚逐渐减少,累积负积温与封冻天数、冰厚呈负相关;当年10月至次年4月气温均值与封冻日期、解冻日期相关性良好, 但风速和日照时长与凌情特征相关性不显著,水位与开封河日期相关性不显著。     

统计降尺度法在黄河源区未来降水变化分析中的应用

利用统计降尺度方法对黄河源区的未来气候变化中可能产生的降水变化进行了模拟分析,采用黄河源区的10个水文站点共41a的日降水资料为预报量,以NCEP再分析资料和英国HadCM3模式的大气变量为预报因子,研究了黄河源区月降水的降尺度方法。结果表明:采用建立回归关系和逐步线性回归分析方法可很好地选出有效的预报因子;SDSM模型可有效模拟黄河源区月降水过程,但SDSM模型对降水模拟的量值偏小;在2021～2050年间,黄河源区的降水将会出现一个较大变化,夏季降水呈上升趋势,降水集中于8月附近,上半年降水减少更易发生干旱,下半年发生极端降水事件的频率增加更易发生洪水。