基于CORDEX区域气候模式的大渡河流域径流模拟

研究气候变化下大渡河流域的径流预测可有效提高未来该流域的水利资源利用率,为水电调度提供决策参考。首先利用逐步聚类算法对6套CORDEX区域气候模式1970—2005年数据进行校正和验证,模拟大渡河流域2030—2065年的气候变化趋势。之后建立了大渡河流域年尺度的SWAT(Soil&Water Assessment Tool)模型,使用SWAT-CUP对其进行率定和验证,最后以校正后的未来气象数据驱动SWAT模型,进行未来大渡河流域径流模拟。结果表明,在未来RCP4.5和RCP8.5情景下,该流域降水量变化幅度较小,最高温度、最低温度整体呈增长的趋势,未来径流将大致呈增加的趋势,且在2050年前后,径流波动趋势不一致。在2050年之前径流变化量较小,之后2种气候情景下的径流变化趋势明显变大,预报的不确定性也增加。     

基于SWAT模型的盘龙江流域径流模拟

为了给日后的滇池治理和昆明市水资源保护利用提供依据,以昆明市区的盘龙江流域为研究区域,采用SWAT模型对该流域的径流进行模拟研究,通过加载流域的DEM、土地利用、土壤类型等数据到SWAT模型,选定1999—2004年为模型参数率定期,2005—2007年为模型验证期,对松华坝以上流域和以下流域分别进行模拟,并对模拟结果进行比较和评价。结果表明:松华坝以上区间流域的模拟相关系数R2在0.83以上,Ens在0.80以上;松华坝以下区域的模拟相关系数R2在0.70以上,Ens在0.58以上。即该模型对盘龙江流域具有良好的适应性,可以为盘龙江流域在不同土地利用的条件下对流域的水量、水质、泥沙进行模拟预测。     

基于SWAT 模型饶河流域土地利用变化对径流的影响

为了研究饶河流域土地利用的变化对径流的影响,构建饶河流域的SWAT 模型,通过输入2000、2005、2010、2015和2020 年的土地利用图和极端土地利用图对径流结果进行分析。结果表明：2000—2020 年间,占比面积大的耕地、林地和草地的面积都处于下降趋势,相反城镇用地面积的扩张最为明显;模型经率定与验证,渡峰坑和虎山水文站率定期及验证期结果R2 和ENS 均不小于0.85,相对误差|Re|均小于20%,表明该模型可用于饶河流域;比较流域总出口断面的年均径流量,表现出先下降再缓慢上升的趋势,这与耕地、草地和林地的面积转移到城镇用地有关,且土地利用的改变体现在汛期的影响比非汛期更明显。通过设置极端土地利用情景,表明耕地面积的增加对径流量是正反馈,会导致径流量的增加,而林地和草地面积的增加对径流量则是负反馈,会降低径流量。     

基于SWAT模型的北江流域生态径流调节服务评估

为评估北江流域生态径流调节效果并分析径流调节量的时空变化,基于SWAT模型,考虑气象、水文、下垫面等因素,模拟北江流域水文过程,分别计算1980、2000、2015年的植被生态系统对径流的调节量及其经济价值。结果表明:2015年土地利用情况下,生态系统对北江流域的多年平均年调节径流深为-141.2 mm,调节比例为-12.2%,调节价值量为396.2亿元;丰水期的调节径流深为枯水期1.8倍,调节比例小于枯水期,而且丰水期的调节量主要集中在前汛期。流域上游的调节径流深比下游大,2000年与2015年北江流域调节径流深空间分布基本一致,但由于植被覆盖减少、建设用地扩张,北江流域径流调节量减少0.82亿m³,调节价值量降低5.85亿元。     

基于SWAT模型的滦河流域径流模拟

应用SWAT模型对滦河流域进行了天然径流模拟,以承德、三道河子和滦县3个水文站的还原径流量对模型进行了参数率定与模型验证,基于模型模拟结果分析了下垫面变化对径流的影响。结果表明:滦县水文站率定期与验证期月径流模拟值与实测值的相关系数、确定性效率系数均在0.90以上,相对误差控制在5.00%左右,表明模型具有较高的模拟精度;与1985年相比,2000年土地利用的变化主要是林地面积减少与耕地、草地面积增加,导致径流量增加了2.91%,而年内降水量的增加则强化了下垫面变化对径流的影响程度。     

基于SWAT的乌伦古河流域径流模拟研究

以新疆乌伦古河流域上游为研究区,利用DEM、土地利用、土壤类型和水文气象资料,基于SWAT构建研究区分布式水文模型,探讨了SWAT模型在乌伦古河的适用性。应用LH-OAT法对参数进行敏感性分析,采用手动调参对模型参数进行率定和验证,根据已有的径流资料选用2000年—2005年为模型参数率定期,2006年—2009年为模型的验证期。研究结果表明:实测值与模拟值的趋势一致总体较为接近,率定期和验证期效率系数均大于0.6,相关系数0.8以上,径流平均误差小于15%。总体来看,SWAT模型参数率定之后,能较好的反映了乌伦古河流域的月径流水文过程,在该地区具有一定的适用性。更多还原     

基于SWAT模型的中尺度流域径流变化过程模拟

采用黄土丘陵沟壑区耤河流域1962—2008年逐日水文气象数据,基于GIS空间分析功能建立空间和属性数据库,利用SWAT模型对该流域过去47 a的径流变化过程进行了模拟与验证。结果表明:对于年、月尺度径流的校准与验证,模拟值和实测值变化趋势保持一致,但模拟值总体上均偏大;校准期年均流量模拟值的相对误差、与实测值的复相关系数、效率系数分别为15.3%、0.638、0.720,验证期分别为26.0%、0.569、0.511,可见验证期的模拟效果不如校准期的;月均流量也有类似的模拟效果,但不如年均流量模拟效果好。     

基于分布式水文模型SWAT的流域径流模拟

SWAT模型是一个集遥感、地理信息系统和数字高程模型技术的基于水文过程的物理性的分布式水文模型。为了进一步研究流域尺度内水文过程的时空变化规律,该文选取太湖流域,运用SWAT模型中的自带水文模块SCS模型对该流域2003年的月径流量进行模拟,采用Nash-Suttcliffe效率系数(NS)法评价模型的模拟精度,在此基础上模拟计算2003年和2004年的月径流量,并以模拟结果作为模型的输入,得出流域径流的空间分布,为流域的水资源管理提供依据。     

碧流河水库流域降水和径流特征变化及成因分析

为全面分析碧流河水库流域降水和径流变化特征,根据流域内1958-2011年的日降水及径流资料,运用基尼系数法、R/S分析法和小波分析法分别分析了降水和径流的年内变化特征、年际变化趋势和周期性特征。结果表明:流域内降水和径流年内分配极度不均匀,年内分配过程呈单峰型,月降水峰值在20世纪80年代后有峰值后移的特点;多年降水量和径流量均有减少趋势,径流量的减少趋势更显著,说明除降水减少外,还受其它因素的影响,如各种人类活动等;降水径流序列都呈现丰-枯交替变化周期,变化主周期均为12～16a,可能与太阳黑子周期活动有关;20世纪80年代后的径流周期较降水震荡性减弱,说明径流周期变化还受除降水外的其它因素的影响。     

碧流河流域水文特性的变化规律分析

水文系列的延长和上游玉石水库的修建,在一定程度上影响着本流域的水文特性.本文从降水、蒸发、径流、洪水、泥沙、水质等方面,论述碧流河流域的水文特性,分析了各水文要素的变化规律.     

基于SWAT模型的北江飞来峡流域径流模拟

为满足北江飞来峡流域非点源污染负荷核算需要,利用SWAT模型对研究区1969-2011年日径流过程进行模拟。基于飞来峡流域水文、气象、地形、土地利用和土壤类型等资料构建SWAT径流模型,并运用SWAT-CUP中的SUFI-2方法对模型中的14个径流参数进行敏感性分析及参数率定,再进行径流模拟效果定量评价。结果表明:对径流过程有显著影响的参数主要为SCS径流曲线系数、主河道曼宁系数、地下水滞后系数以及地表径流滞后时间等;日径流率定期和验证期的效率系数均为0.83,相对误差分别为1.40%和0.58%,且大部分模拟数据落在不确定性区间内,模拟结果的不确定性较小,表明所构建的SWAT径流模型具有较高的精度,在北江飞来峡流域适用性良好。     

基于SWAT和GIS的洱海流域土地利用变化对径流影响的研究

利用DEM、土地利用、土壤、气象等时空数据并结合GIS和RS技术,建立洱海流域SWAT模型,分析了2000年和2010年不同土地利用情景对径流的影响,其结果为洱海流域土地利用变化引起径流的变化率为2.46%。以《云南省土地利用总体规划大纲(2006—2020)》为依据,结合洱海流域土地利用分布的实际情况,设置3种土地利用情景,研究不同土地利用情景对径流的影响。结果表明情景1中,66.06 km²的耕地转林地和89.16 km²的耕地转草地,模拟的年均径流值增加75.73 mm;情景2中,100.13 km²的裸地和105.74 km²的草地转为耕地,年均径流增加39.89 mm;情景3中,138.72 km²的草地和292.86 km²林地转耕地,年均径流减少20.36 mm。模拟表明在坡度15°以上,洱海流域森林和草地面积的增加将会增加径流量;在坡度15°以下,耕地的增加会一定程度上减少径流量。研究成果为洱海流域水资源空间合理调配提供参考依据。     

多种土地利用情景下汾河流域径流响应

为研究汾河流域未来土地利用变化及其对流域径流过程产生的影响,利用FLUS模型模拟2040年在自然发展、耕地保护情景下的土地利用情况,载入SWAT模型模拟多种土地利用情景下的径流过程并进行对比.结果表明:耕地、林地、草地是汾河流域主要用地类型,其变化的主要特征是耕地减少、建设用地增加;汾河流域土地利用变化引起流域年、季径...     

基于SWAT模型的青海省主要流域径流模拟

通过划分青海省主要流域并构建相应SWAT模型,模拟流域日、月平均径流变化过程,根据模型径流模拟值与实测值对比及对模型模拟结果进行评价,从而探讨所构建模型的模拟精度及其适用性。结果表明:SWAT模型不适用于柴达木盆地,而对高寒区或高原区内以降水、冰川、融雪为主要补给的流域的径流模拟效果良好,且具有较好的适用性。     

基于多种学习方案LSTM的信江流域径流预测

长短期记忆神经网络(LSTM)在径流预测中具有广泛应用,不同的输入使神经网络具有不同的学习方案,从而影响到模型性能。设置3种不同的LSTM学习方案,以前期径流预测当日径流(方案一)、以前期降雨预测当日径流(方案二)和以前期径流和前期降雨预测当日径流(方案三),比较其在相同模型结构下对信江流域丰水期和枯水期径流预测的性能。结果表明,丰水期和枯水期时方案三拟合度最高,平均绝对误差为0.012 6和0.007 6,纳什效率系数为0.94和0.96,对于信江流域基于LSTM的日径流预测,应当将前期降雨与前期径流结合起来作为模型输入。研究对基于数据驱动的径流预测输入集数据的选取有参考价值。     

丹江口水库流域月尺度降雨与径流预报研究

以汉江上游丹江口水库流域为研究区域,通过降雨-气象遥相关分析从74项大气环流因子中筛选出预报因子,建立月降雨量与预报因子间的多元线性回归模型,根据大气环流因子对月降雨量进行预报,并构建研究区域的SWAT模型,以预报的月降雨量作为模型输入,实现月径流量的预报。以2012年逐月降雨及径流为例,模型对降雨和径流预报的合格率均约为83%,预报效果较好。研究表明,根据降雨量-大气环流因子的统计相关关系预报月降雨,并结合水文模型进行径流预报,对研究区域具有一定的适用性。     

泾河流域土地利用/覆被变化对径流情势的影响

通过建立泾河流域SWAT分布式水文模型,重点模拟分析了河流径流情势对土地利用/覆被变化的响应,对比了不同气候条件及人类活动综合影响下研究区水文过程的变化。结果表明:1996年以前土地利用/覆被变化是影响水文过程的主要人类活动影响源,径流量年际变化平稳,属有小幅增加的正偏;年内影响以枯水季节为主,年内分配更趋均匀,径流集中度降低,集中期略有滞后,且趋于平稳;土地利用/覆被变化导致流域蒸散发量、冠层和落叶层截留量减小,入渗量增加,河川基流量和地表径流量相应增大,并在时域上耦合形成了水文过程的新变化;1996年以后,气候条件驱动下泾河年径流量呈现明显的增大趋势,人类活动亦从以土地利用/覆被变化为主转变为以人类水事活动为主的综合影响模式,且人类水事活动超过气候变化和土地利用/覆被变化成为影响水文过程变化的主因。     

基于SWAT与新安江模型的闽江建阳流域径流模拟研究

采用SWAT模型对闽江建阳流域的日径流过程进行模拟计算,利用研究区1993年～1997年的实测流量数据进行模型参数率定,1998年～2000年的实测流量数据进行模型检验,并与三水源新安江模型的模拟结果进行对比,采用纳什效率系数NS、相对误差RE和决定性系数R²作为模型模拟精度的评价指标。研究结果表明,两个模型在建阳流域日径流模拟中都具有较好的适用性,且均能很好地用于该流域的径流预测与防洪规划。进一步分析建阳流域降雨和径流空间分布与变化特征的结果表明,该流域多年平均降雨量从西北向东南递减,径流空间分布与降雨空间分布相似,差异较明显;研究区总体径流呈增加趋势,但径流深的空间分布差异性呈减小趋势。     

基于SWAT模型的浏阳河流域径流对土地利用和气候变化的协同响应

气候和土地利用同时作用于流域径流,影响着流域水资源的量和质。以浏阳河流域为例,基于SWAT模型和情景分析方法定量评估未来流域内土地利用和气候变化对径流的作用。首先采用元胞自动机-马尔科夫(CA-Markov)模型模拟浏阳河流域2020和2050年的土地利用空间格局,其次在World Clim数据库中获得未来流域内气候变化数据,最后采用SWAT模型定量评估未来不同情境下土地利用和气候变化对径流的影响。研究结果表明:未来浏阳河流域林地比例下降、城市建设用地和耕地比例增加;气候呈暖干趋势; 2020和2050年,土地利用变化时,浏阳河榔梨站模拟径流将分别减少2. 42和0. 96 m~3/s;气候变化时,榔梨站模拟径流将分别减少3. 02和1. 13 m~3;土地利用和气候变化综合影响下,榔梨站模拟径流将分别减少8. 54和4. 27 m~3/s;说明浏阳河流域径流的变化对气候响应更加敏感,土地利用和气候变化对径流的影响呈非线性协同作用。     

浊漳河流域SWAT模型构建及径流敏感性分析

以浊漳河流域为研究对象,基于研究区1980-2005年的实测径流资料,利用SWAT模型模拟该流域径流,利用SWAT-CUP自带的SUFI-2算法进行径流敏感性分析及参数率定.率定结果表明影响研究区域地表径流的主要参数是CN2、CANMX、REVAPMN;模型率定期和验证期的R2值分别为0.83与0.79,NS分别达到0...