GPS大气水汽监测数据传输方法研究与应用

"广东省北江流域防洪决策3S技术支持系统"主要是利用遥感(RS)、地理信息系统(GIS)、全球卫星定位系统(CPS),对北江流域及其所保护的4.8万km2的区域进行研究,从而建立地理信息、实时水文信息、工程信息、降雨和洪水预报、洪水监测、风险监测、风险评估、洪灾预警、指挥决策的集成系统.其中,利用GPS监测大气水汽,进行实时降雨预报部分在北江的滨江流域.对GPS数据处理工作原理,数据传输方式及网络接入GPS数据传输方式,现场测试效果,数据存贮方式进行了介绍.野外实测GPS通信信号基本符合要求.     

三峡水库区间定量降水预报不确定性初探

在过去研究的基础上,对三峡水库区间流域随机降水模型与区间流域洪水预报模型耦合得到的模拟流量序列进一步研究,分析定量降水预报误差对水文预报结果的影响,得到区间流域定量降水预报不确定性的解析解;介绍了定量降水预报不确定性处理器(PUP),并且与区间流域随机降水模型进行比较分析.结果表明,两个模型的精度均高于确定性预报结果,且随机降水模型的精度要高于PUP.     

考虑预见期降水的三峡水库区间洪水预报模型研究

 选用长江三峡水库区间流域的历史雨洪资料与短期定量降水预报资料,编制三峡水库区间流域洪水预报模型,并将区间定量降水预报与区间洪水预报模型相耦合,研究了预见期降水对洪水预报的影响。提出了一个随机降水模型,随机生成 500组序列作为降水预报值输入到区间洪水预报模型,并以均值作为预报结果发布。方案比较结果表明,考虑预见期内的降水预报可提高三峡水库的洪水预报精度。     

基于改进降水输入模块的融雪径流模拟:以拉萨河为例

降水是自然界物质循环和水循环的重要组成部分,是高寒地区径流的重要来源,水文模型中降水数据的输入精度对提高高寒地区融雪径流模拟效果具有十分重要的作用。青藏高原地区气象站点较少,站点数据无法全面反映流域内降水时空分布的真实情况,传统的融雪径流模型在地形、风向和水汽等要素对降水垂直分布的影响考虑不够全面,制约了模型在山区融雪模拟以及预测中的应用,因此有必要对模型的降水输入项进行改进,以期提高半干旱高寒地区融雪径流模拟效果。本文基于改进的遥感卫星数据校正理论,开发了适用于半干旱高寒地区的降水输入模块,将其与度日因子模型进行耦合,利用高程分带将降水组合成半网格半站点的降水输入数据驱动模型,并在拉萨河流域进行试验研究。结果表明:降水输入模块能够显著提高降水卫星反演地面降水精度,改进后的融雪模型在率定期和验证期的NSE(Nash-Sutcliffe efficiency coefficient)分别为0.741和0.770,高于原融雪模型的模拟效果,表明改进后的模型能够在流域各个分区获得较为精确的降水数值,融雪径流模拟精度比原模型精度得到提高。总之,耦合降水输入模块的融雪模型可以有效提高降水输入精度,对缺资料半干旱高寒地区融雪模拟具有重要的参考价值。     

基于大气环流和海温场的降水组合预报模型

针对降水具有混沌性和随机性,准确进行长期降水预报难度高的问题,提出时变海温多极指数和因子预报意见指数,基于大气环流和海温场构建长期降水组合预报模型,以三峡水库流域为例进行了验证。结果表明：组合预报模型在三峡水库流域1961—2020年汛期的月降水预报中有较好的适用性,特别在6月和9月降水预报上表现优异;与多因子回归、随机森林数理统计模型和CFSv2、ECMWF system 4动力数值模型相比,该模型更为稳健、预报精度提高显著。     

赤山湖流域TIGGE降水预报精度评价研究

为了提高赤山湖流域洪水预测预报的能力,对赤山湖流域TIGGE降水预报精度进行了评价研究。将TIGGE的ECMWF、KMA、JMA、UKMO、CMA等5个模式应用于赤山湖流域,基于2015—2019年汛期降雨预报数据和流域实测降雨资料,采用均方误根差指标RMSE和降雨预报三率综合评价指标对这5个模式的预报精度进行了评价。结果表明:在赤山湖流域TIGGE的5个模式中,JMA模式的降水预报精度最高,其次是ECMWF。     

基于GA-BP与多隐层BP网络模型的水质预测及比较分析

采用循环算法确定最佳BP神经网络结构,建立BP神经网络水质模型进行预测.鉴于BP神经网络学习收敛速度慢、易陷入局部极值等缺点,在相同网络结构及期望误差等条件下,运用GA优化BP神经网络初始权值和阈值,构建GA-BP以及多隐层BP神经网络水质预测模型,以云南省某水库总氮预测为例进行预测与比较分析.结果表明:①GA-BP网络水质模型预测精度高于基本BP网络,表明遗传算法能有效优化BP网络初始权值和阈值.②增加BP神经网络隐层数能进一步提高网络预测精度,但训练时间也随着延长.③GA-BP及多隐层BP可作为提高网络预测精度的有效方法,二者均可用于水质预测预报,可为水质预测预报提供新的途径和方法.相对而言,GA-BP模型收敛速度快、预测精度高,具有一定的计算优势.     

三峡水库区间流域定量降水预报不确定性初探

在文献[10]的基础上，对三峡水库区问流域随机降水模型与区间流域洪水预报模型耦舍得到的模拟流量序列进一步研究，分析定量降水预报误差对水文预报结果的影响，得到区间流域定量降水预报不确定性的解析解；介绍了定量降水预报不确定性处理器（PUP），并且与区间流域随机降水模型进行比较分析，结果表明，两个模型的精度均高于确定性预报结果，且随机降水模型的精度要高于PUP.     

玉符河流域分布式洪水预报模型及应用

玉符河是济南西南部防洪安全的主要威胁,高精度洪水预报是科学调度防洪工程、降低防洪风险的基础。在分析暴雨洪水特征的基础上,识别了流域主要产汇流机制,结合地形、土壤、植被、水库/塘坝分布等下垫面信息,建立了玉符河流域分布式洪水预报模型;选用卧虎山水库2010-2013年4场典型洪水过程率定了模型参数,检验了模型精度;选择典型洪水过程,通过连续模拟结合滚动修正,预估了暴雨过程的流域初始条件,应用区域降水预报数据驱动模型预报流域洪水过程,结果表明模型在72 h预见期内具有较高精度,能够为水库防洪调度提供支撑。     

北江流域防洪决策3S技术支持系统

从防洪综合数据库、流域地理信息及综合信息管理系统、洪水风险规划、GPS大气水汽测量及降雨预报、水雨情信息、洪水预警预报、洪水灾害评估、计算机网络与防洪信息服务以及系统集成等9个方面概述了中意国际科技合作项目——广东省北江流域防洪决策3S技术支持系统的内容和技术路线。     

海河流域50年治理成就和展望

海河流域位于京畿要地 ,是我国水利发展的一个重要地区。流域降水时空分布集中 ,在全国各大江河中最为突出 ,水旱灾害频繁。建国 5 0年来 ,党和政府十分重视流域的治理与开发 ,建成大、中、小型水库 1 90 0多座。总库容 2 94亿 m3,疏浚行洪排涝河道 5 0多条 ,滞洪区 2 6处 ,建立比较完善防洪体系 ,但也存在不少问题。今后 ,在防洪除涝减灾 ,合理配置水资源 ,防治水土流失和水污染等方面 ,还有许多工作等待我们去做     

MM5在黄河流域降水和气温预报中的应用

基于NCEP再分析资料,利用中尺度数值预报模式MM5开展了黄河流域降水和气温预报工作,对其在2011年渭河流域典型降水过程及2011年宁蒙河段和黄河下游的气温预报效果进行分析检验。结果表明:MM5对渭河流域雨区分布、强度及强降水中心位置和量级的预报与实况比较吻合,模式能够正确反映渭河流域汛期降水的空间分布特征;对于气温预报,随着预报时效的延长,误差增大,但平均误差范围均在允许的误差范围内,尤其是对内蒙古河段凌情预报的关键站点-包头站,预报效果最佳。     

分布式水文模型在短期水文预报中应用的可行性探讨

针对目前基于物理机制的分布式水文模型在短期水文预报业务中尚未推广应用的事实,论证了分布式水文模型在短期水文预报中的可行性.以第二类分布式水文模型SWAT为例,分析了水文过程的模拟原理、方法和基本步骤,提出了其在短期水文预报中应用所需的降水预报技术、降水数据的空间展布技术、“3S”技术、流域坡面离散技术、对人工侧支水循环的处理技术等关键技术,并指出了分布式水文模型应用于短期水文预报时存在输入资料不足、模型自身缺陷、计算精度和效率的权衡等局限性和不足,提出需要进一步加强水循环过程的机理研究,加强与气象模型的耦合研究及对“3S”技术的应用研究.     

金沙江流域石鼓断面上游水汽含量与降水量特征

在流域尺度上研究水文循环过程中的水汽含量和降水量,为流域综合治理和水资源开发利用提供依据。基于ASTER GDEM V2地形数据、ERA-Interim逐月再分析资料及降水资料,研究金沙江流域石鼓断面上游上空水汽含量和降水量的时空分布特征,并讨论两者的相关性。研究表明：研究区上空水汽含量由南向北、由东向西呈递减趋势,西南部呈斜倒“U”型,东南部呈正“U”型;多年平均降水量自西北向东南逐渐增加;年平均水汽含量和降水量呈现上升趋势,四季水汽含量和降水量从大到小均依次为“夏、秋、春、冬”,多年平均月水汽含量和降水量为单峰型分布;年平均水汽含量同降水量之间为弱相关关系,各季节相关性差异显著,逐月相关性更具有指导意义。     

雨量输入对分布式流溪河模型中小流域预报精度的影响

中小流域由于资料欠缺、洪水汇流时间短、水量集中等特点,导致其洪水预报难度大,预报精度低。针对我国中小流域的洪水预报精度有待进一步提高的问题,为了让分布式水文模型在全国广泛投入实际应用,选取四川省达州市清溪河流域作为了研究对象。采用流溪河分布式水文模型,从降水量入手,讨论雨量数据对模型结果的影响,探讨满足预报精度所需的雨量站布设密度条件,并将得到的洪水模拟结果与传统预报模式下的洪水模拟结果进行对比分析。结果表明: 12 场洪水中,确定性系数在 80%以上的洪水有 10 场,占比 83. 33%,其中 11 场洪水的洪峰误差小于 20%,合格率为91. 67%,峰现误差合格率达到 100%。因此,流溪河分布式水文模型对于中小流域的洪水预报具有较强的适用性,模拟结果较好。中小流域不同雨量站的降水差异明显,降水总量和雨型的差异对模型输出结果影响较大,当前提高预报精度的重要措施是提高基础数据的质量。清溪河流域雨量站布设密度达到 86 km2 /站时已基本满足该流域流溪河模型预报的要求。现阶段我国许多地区雨量站布设密度已达到较高水平,采用流溪河模型等分布式水文模型进行中小流域洪水预报变为可能。     

Effect of Utilization of Discrete Wavelet Components on Flood Forecasting Performance of Wavelet Based ANFIS Models

Wavelet based flood forecasting models are known to perform better than conventional models, yet the effect of the way wavelet components are combined to develop a model on the forecasting performance, is inadequately investigated. To demonstrate this, two types of wavelet- adaptive neuro-fuzzy inference system (WANFIS), i.e. WANFIS-split data model (WANFIS-SD) and WANFIS-modified time series model (WANFIS-MS) are developed to forecast river water levels with 1-day lead time. To develop these models, first the original level time series (OLTS) is decomposed into discrete wavelet components (DWCs) by discrete wavelet transform (DWT) upto three resolution levels. In WANFIS-SD, all wavelet components are used as inputs while WANFIS-MS ignores the noise wavelet components and utilizes only the effective wavelet components. The effectiveness of the developed models are evaluated through application to two Indian rivers, Kamla and Kosi, which vary significantly in their catchment area and flow patterns. The proposed models are found to forecast river water levels accurately. On comparison, the WANFIS-SD is found to perform better than WANFIS-MS for high flood levels.     

受下游水位顶托下的太湖流域西苕溪中下游水位预报研究

西苕溪位于太湖流域中上游地区,由于其中下游河床比降较小,且受太湖水位顶托以及东苕溪导流干扰,经常发生洪涝淹没灾害,造成了严重的社会经济损失,长期以来该河流洪水预报工作显得尤为重要,但由于河流中下游水位流量关系复杂,该区域以水位预报为核心的洪水预报始终是其难点之一.文中探讨了研究区受下游洪水顶托影响下的洪水预报方法,采用20世纪80年代以来的12场较大洪水资料,建立了西苕溪流域下游水位混合回归预报模型,并利用后期的8场洪水加以验证分析.实例验证表明,对于西苕溪这类水文规律复杂的流域,系统的混合回归模型具有简单方便、模拟精度高等特点.     

基于数字高程模型的岚河流域特征提取

文中基于全国1:25万的数字高程数据,利用TOpographic PArameteriZation(TOPAZ)对岚河流域水系进行了研究,得到了符合实际的流域模拟河网,为该流域的下一步水文模拟提供了有力的技术支撑。     

基于EMD-LSTM模型的河流水量水位预测

基于经验模式分解方法和长短期记忆网络(empirical model decomposition and long short-term memory network,EMD-LSTM)模型对水位数据进行预测。先采用中值滤波对数据序列进行预处理,然后对数据序列进行EMD分解,并对EMD分解的每个特征序列使用LSTM模型进行预测,最后叠加各个序列预测值,得到最终的预测结果。以南水北调工程某河流每隔1 h的瞬时流量、流速和水深监测数据为研究对象,采用EMD-LSTM模型进行建模,试验结果表明,该模型能够实现水位、水速和瞬时流量连续12 h和6 h的准确预测,且比LSTM模型具有更高的预测精度,可为水位预判和水资源的实时调度提供决策依据。     

Effect of Climate Change on Streamflows in the Mahanadi River Basin,India

ABSTRACT

In wet tropical regions, study of climate warming effects on water resources is important due to the socioeconomic and ecological implications. Observed changes in river flows of a major Indian river basin called the Mahanadi during the period 1926–1980 arepresented in relation to climatic changes that have occurred there. The Mahanadi River Basin is located in the monsoon region of India; its area is 141,600 km² and its mean annual flow is 66,640 million m³ . An earlier study by the author revealed that the surface air temperature over the basin has increased at a rate of 1.1 C° per century, which is highly significant However there has been no considerable change in the precipitation regime, though a slight decreasing trend is observed. In this article, an analysis of the trends in the runoff of the upper catchment and the whole catchment gauged at Hirakud and Naraj is presented. The results show a steady decrease in the river flows at these locations during the 55 year period of the study; this is significant statistically at the 1 per cent level. In order to increase confidence in this result, the moisture indices for the catchment have been computed and examined. Time series of these indices also show a clear declining trend during the period 1901–80. The main result obtained here is that climate warming that occurred over the basin, without being offset by an increase in precipitation (in fact a slight decrease in precipitation was observed), has resulted in a gradual decrease of river flows of the upper catchment as well as of the entire basin during the period 1926–1980. As a backdrop to future climate change scenarios over the Indian region, studies related to its impacts on water resources in the basin are important. However General Circulation Models (GCMs) at present are not capable of simulating adequately at regional and subregional scales. Nevertheless, it is hoped that recent efforts toward development of nested regional climate models may soon make it possible to have acceptable climate simulations for regions and subregions of this scale. The results of this article may be useful at that stage in hydrological forecasting studies for the basin.