重庆市发展长江水源热泵的水源概况分析

为了解重庆段长江水作为热泵冷热源的概况,对重庆段长江水温的横断面变化和时间变化进行了实测分析,并对江水的水质和水位变化进行了分析,得到长江水温在整个横断面基本恒定,而江水的夏季月平均温度在22~25℃,冬季月平均温度在11~16℃,水温日变化幅度不超过0.5℃。是一种具有良好品质的稳定的冷热源。而长江水作为水源热泵的冷热源,主要解决的水质问题是泥沙和悬浮物,在三峡库区形成后水位变化可达到30 m,因此取水方式可考虑采用浮船取水方式。     

长江三峡库区支线航空运输发展对策研究

长江三峡库区丰富的自然与人文旅游资源,狭长的地形与复杂的山地环境特征,决定了支线航空有广阔的前景。支线航空运输具有建设投资省、方便快捷、服务半径大等优点,是三峡库区发展旅游的重要基础条件。分析了长江三峡库区航空运输的现状及存在问题,结合区域城镇体系建设及综合交通发展,提出了支线航空交通的前景与发展对策。     

金沙江下游梯级水库汛期运行水位协同浮动调度研究

为验证梯级水库汛期运行水位协同浮动调度模型方法的合理性与普适性,在金沙江流域开展实例分析。首先考虑洪水预见期变化,应用动态多目标算法高效求解调度模型;然后评价汛期运行水位协同浮动调度的风险与效益;最后推求乌东德、白鹤滩、溪洛渡、向家坝水库的汛期运行水位协同浮动关系。研究结果表明：相比年汛限水位静态控制调度方案,梯级水库汛期运行水位协同浮动调度方案在不增加防洪风险前提下,各水库汛期运行水位均可适当抬升,汛期多年平均发电量和电站弃水减少量的最高值(改善率)可达1071亿kWh(11.1%)和649亿m³(14.3%),有效提高了洪水资源利用水平,综合效益巨大。     

基于季节长记忆双自回归模型的日径流模拟

传统时间序列模型无法同时考虑径流序列的长记忆性和时变波动性,且模型参数限制严格,从而使日径流序列模拟受到限制,影响径流模拟预测精度。本文提出了同时考虑非平稳性、季节性、长记忆性和时变波动性的新型双自回归模型(WOA-SFIDAR),并与经典长记忆波动率模型(SFIAR-GARCH)进行对比,选取渭河流域4个水文站日径流序列进行模拟验证。结果表明：WOA-SFIDAR模型的模拟能力优于SFIAR-GARCH模型,模拟结果很好地保持了日径流过程的统计特性。7、8月份模拟均值误差相对较大,WOA-SFIDAR模型的误差范围(5.72～32.56)低于SFIAR-GARCH模型(7.42～48.02)。WOA-SFIDAR模拟逐月变差系数(C_v)和偏态系数(C_s)与实测序列统计值间偏差范围为0～0.51和0.02～1.31,优于SFIAR-GARCH模型(0.02～0.56和0.06～1.52);模拟结果能够保持日径流序列自相关系数(ACF)的变化趋势,且随滞时的增加,实测序列与模拟序列的ACF差距减小。文中模型扩展了水文随机模拟方法,可为日径流模拟...     

Complex patterns of phosphorus delivery in the Lake of the Woods watershed

Lake of the Woods (LoW) is a large, transboundary lake that continues to experience harmful algal blooms despite large declines in phosphorus (P) inputs from point sources. Tributary runoff is considered the largest source of P to the lake; however, there are few monitoring data within the Canadian portion of the basin (～60% of total area), to guide management. To address this gap, we monitored five rivers of contrasting land use within the lower Rainy River region, an acknowledged “hot spot” of P delivery in the basin. Total P (TP) concentrations were consistently high at all five rivers (volume-weighted range: 19–215 μg/l) despite differences in agriculture across sites (7–27%), suggesting ‘natural’ background P levels are high in this landscape. Furthermore, TP concentrations were strongly correlated with total suspended sediment and geogenic metals, iron (Fe) and aluminum, and TP was especially high during events (>400 μg/l) indicating erosion is an important source of P delivery. However, equally high TP and Fe during periods of slow, stagnant flow in the summer and under winter ice suggest erosion is not the only source of P. Instead, we suggest redox release of P from streambed sediment is also important. This observation is significant, because internal P release within the tributaries, especially during the summer could ‘seed’ downstream algal blooms. The strong sensitivity of TP to both high and low flow conditions indicates that frequent, all-season, multi-year measurements are needed to understand the mechanisms of P delivery in this basin.     

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。     

塔里木河“二源一干”生态供水潜力研究

为解决塔里木河干流水资源短缺、流域损失水量过大、用水效率低下、农业灌溉用水挤占生态用水等问题,基于“节水优先”的治水方针,以塔里木河二源流(阿克苏河、叶尔羌河)及其干流(“二源一干”)的山区水库群和平原水库群为研究对象,兼顾塔里木河干流的农业灌溉用水、生态用水、工业用水、生活用水等多目标,构建并求解了现状水平年和远景规划年的山区与平原水库群联合调度优化模型,分析了塔里木河干流的生态供水潜力和山区水库群联合调度的贡献。结果表明：仅通过干流平原水库群联合调度,农业灌溉用水和生态用水的供水保证率难以满足设计要求;通过山区与平原水库群优化调度,在远景规划年各行业均满足设计保证率要求,体现了山区水库群显著的调控性能和“节水优先”治水方针的合理性和可靠性;远景规划年塔里木河干流的生态供水潜力为2.84亿m³,可为塔里木河下游生态保护与修复提供了坚实的水量基础。     

梅溪流域城镇化进程对山前平原区洪涝过程的影响

为探究城镇化进程引起土地利用类型变化对山前平原区洪涝过程的影响,以梅溪流域下游平原区的洪濑镇为例,分析了2002—2018年梅溪流域上游山区和下游平原区的土地利用类型变化,并基于多情景数值模拟,研究了流域尺度内土地利用类型变化对山前平原区洪涝过程和地表淹没状况的影响。结果表明：随着梅溪流域耕地和林地面积减少、城镇建设用地增加,上游山区的径流系数和峰值流量均增大,下游山前平原区的淹没状况更加严重;上游山区的城镇建设用地增加使山区骤发洪水峰值流量增大、峰现时间提前,主要影响地表平均最大淹没水深和平均峰现时间;下游平原区的城镇建设用地增加使内涝发生的时间提前,主要影响地表平均淹没历时。     

LSTM变体模型在径流预测中的性能及其可解释性

基于湘江流域1999—2013年实测水文气象数据,采用LSTM模型和其变体模型研究多个预见期下不同输入变量和不同模型结构对径流预测结果的影响,评估LSTM模型及其变体模型在短期径流预测中的性能,基于排列重要性法和积分梯度法探究了LSTM模型对流域径流预测的可解释性。结果表明：在历史径流输入数据的基础上增加有效的水文气象变量输入,可以明显改善模型的预测效果,输入变量的改变比模型结构的差异对预测结果的影响更大;随着预见期的增大,降水数据的加入对预测效果表现出不同程度的提升,预见期为1 d时,预测结果的纳什效率系数(NSE)提升2.0%,预见期为2～4 d时,NSE提升可达13.6%;降水和历史径流在预测中起着重要的作用,而前期湿润条件与降水事件的共同作用是湘江流域洪水的主要诱发因素;LSTM模型可反映两种不同的输入输出关系,这两种关系对应于近期降雨和历史降雨两种洪水诱发机制。     

基于机器学习模型的河道水位预测

结合已有机器学习模型——卷积神经网络(CNN)和门控循环单元(GRU)的优点,构建了并联卷积循环神经网络(PCNN-GRU)模型,并将其用于赣江下游外洲站日尺度水位变化的预测。结果显示:相较于目前流行的长短时记忆(LSTM)模型、GRU模型以及卷积循环神经网络(CNN-GRU)模型,PCNN-GRU模型的均方根误差和平均绝对误差分别降低了18.39%、21.11%、15.48%和21.31%、18.64%、14.28%,纳什-萨特克里夫效率系数和准确率分别提高至0.999 2和88.12%,表明所建模型具有良好的预测性能,可用于河道水位预测。