基于人工神经网络的莺落峡月径流模拟预测

莺落峡是黑河干流出山口径流量的重要控制站,莺落峡径流量的多少直接影响着该流域经济、社会的发展和生态环境保护,水资源分配和调度的管理和决策。论文基于人工神经网络,对莺落峡径流进行了模拟预测。将月径流分为汛期和非汛期,分别建立BP人工神经网络,通过对径流分类前后的模型进行比较,发现分类后的月径流BP模型的性能显然优于未分类的模型,故此设计了4种不同气候情景,采用分类后的模型对莺落峡2030年的径流量进行了预测。即,在降水量不变、气温增加0.5℃,2030年莺落峡年径流量将增加8.92%;气温增加1℃、降水量不变,年径流量将减少5.414%;气温不变、降水量增加10%,年径流量将增加9.905%;气温增加0.5℃、降水量增加10%,年径流量将增加8.98%。     

VARIABILITY CHARACTERISTICS OF MONTHLY PRECIPITATION IN CENTRAL OKLAHOMA1

ABSTRACT: To fully take advantage of regional climate forecast information for agricultural applications, the relationship between divisional and station scale precipitation characteristics must be quantified. The spatial variability of monthly precipitation is assumed to consist of two components: a systematic and a random component. The systematic component is defined by differences in long-term mean precipitation between stations within a climate division, and the random component by differences between station and divisional standardized values. For the Central Climate Division of Oklahoma, the systematic component has a positive precipitation gradient from west to east with a slope ranging between 3 to 16 mm of precipitation per 100 km depending on the month of the year. On the other hand, the random component ranges between 27 to 48 percent of the mean temporal variation of the monthly precipitation. This significant random spatial variability leads to large localized departures from divisional values, and clearly demonstrates the critical influence of the random component in the utilization of divisional climate forecasts for local agricultural applications. The results of this study also provide an uncertainty range for local monthly precipitation projections that are derived from divisional climate information.     

长江上游月降水人工神经网络预测模型

长江上游月降水量预测对于三峡库区及整个长江流域水资源管理具有重要意义。根据长江上游不同气候区降水差异,选取玉树、九龙和宜宾3个代表性气象站点近60 a的月降水量数据,运用反向传播神经网络、径向基函数神经网络、广义回归神经网络和多元线性回归法,确定降水时滞和降水月份,建立月降水预测模型,来预测未来一个月的降水量,并采用均方误差和判定系数来验证和对比各种模型的模拟效果。结果显示：人工神经网络模型总体上优于多元线性回归,特别是反向传播神经网络的模拟结果各站表现较好,在确定合理的输入变量和网络结构后,可以尝试作为长江上游各站月降水预测模型。〖     

长江流域逐月气温空间插值方法的探讨

长江流域地形地貌特征复杂。为了探索适合长江流域的逐月气温数据空间插值方法,在考虑海拔、经纬度、坡度、坡向对气温影响和没有考虑这些地形因子对气温影响的两种情况下,利用流域151个气象站2007年逐月气温与对应的站点地形因子进行回归分析,并与回归直线截距相加产生栅格化的回归气温值,同时对回归多项式的残差分别运用反距离权重法（IDW）、普通克立格法（OK）和样条函数法（SPLINE）气温进行了空间插值,然后将栅格化的回归气温值与残差的插值结果相加得到空间化的逐月气温数据,并利用交叉检验方法对插值精度进行了评估。结果表明：考虑了地形因子影响的3种插值方法的精度都有比较明显的提高,对于普通克立格法,平均绝对误差（MAE）从103℃降到060℃,均方根误差（RMSE）从238℃降到123℃;对于反距离权重法,MAE从110℃降到065℃,RMSE从248℃降到138℃;对于样条插值法,MAE从124℃降到074℃,RMSE从266℃降到151℃。考虑了地形因子影响的空间插值方法整体上要优于没有考虑地形因子的空间插值方法,其中,基于地形因子的普通克里格插值方法结果相对较好     

东沙群岛附近海域风候特征分析

目的利用近22年的CCMP(Cross-Calibrated,Multi-Platform)风场资料,对东沙群岛海域的风候特征进行深入研究,为军地海洋建设提供科学依据。方法利用具有高精度的CCMP风场资料,统计分析近22年期间东沙群岛附近海域的风候特征。结果东沙群岛附近海域的海表风速呈"W"状双峰型月变化。峰值出现在11、12和1月期间,海表风速在9 m/s左右,次峰值位于6月,海表风速在6 m/s左右,东沙海域的年平均风速为6.5 m/s。东沙海域的海表风速表现出"U"型日变化特征。东沙附近海域的风速主要分布于3~5级,即3.4~10.7 m/s之间,1月的大风频率明显高于7月。1月和10月,东沙附近海域的风向以NE向为主,7月受西南季风影响显著,风向以S-SW向为主,4月风向则以ENE和SSE向为主。从全年来看,风向以偏东北向为主,S-SW向居其次。在近22年期间,东沙海域的海表风速整体上以0.0424 m/(s·a)的速度显著性逐年线性递增。结论运用高精度的CCMP风场资料,通过统计分析方法得到了东沙群岛海域的风候特征,对军地海战场环境建设具有科学支持作用。     

河流水质月报评价项目的选择

以三种评价项目选择法对国控河流断面水质评价的结果进行了比较。结合现阶段我国的经济技术条件选择了适用于河流水质月报的评价项目即pH、溶解氧、高锰酸盐指数、五日生化需氧量、氨氮、石油类、挥发酚、汞和铅等9项。     

长江口徐六泾颗粒态正构烷烃的月变化组成特征及来源解析

2003年6月到2005年12月之间,在长江口徐六泾站位按月际采集表层水样用于颗粒态正构烷烃的测定。徐六泾颗粒态样品总正构烷烃含量在0.3~3.8 μg·L^-1范围内,高值多集中在每年4月到8月。正构烷烃的碳数范围在C₁₅ 到 C₃₆之间,主峰碳主要为C₂₇、C₂₉和C₃₁。徐六泾颗粒态正构烷烃分布可分陆源输入优势型、陆源和水生生物混合优势型及石油污染型等3种类型,其中陆源输入为主,少部分冬、春季样品的分析结果显示为陆源与水生生物共同作用类型,可能与低悬浮颗粒物浓度和海水倒灌的影响有关。UCM结果显示徐六泾石油烃污染主要分布范围为C₂₈-C₃₃,与推测的船只燃料油污染相吻合。     

南方草地NPP的水热估算模型及其应用

草地NPP对气候变化的响应是全球变化研究的重要内容之一。为了明确草地NPP与水热的关系及实现南方草地NPP的大面积估算,本文以气候数据为基础,以南方草山草坡为研究对象,结合野外实测数据,分析南方草地NPP与月平均温度及平均降水量之间的关系,结果表明:南方草地NPP与月平均温度之间呈对数相关,相关系数r=0.462 9**(n=66);与月平均降水量之间呈线性正相关,相关系数r=0.783 6**(n=66),结果均达到了极显著水平(P<0.01)。在此基础上构建以温度和降水为自变量的南方草地NPP估算模型:NPP=Ln(T/16.7+2.5)×Sqrt(W/84.5+0.5)×(T+W),其中T为全年月平均温度(℃),W为全年月平均降水量(mm)。通过不同年份的实测数据对模型进行验证,草地NPP的模拟值和实测值之间有很好的相关性,R2为0.787,也达到极显著水平,RMSE和RRMSE均较小,分别为60.272和0.387,表明模型的模拟结果比较可靠。利用上述模型对2011年的南方草地NPP进行估算,模拟结果呈现一定的地带性,总体分布由西北向东南逐渐增加,其中四川西北部及其与云南交界等地区草地NPP值较小,基本在200 g·m-2以下,而海南、广西、江西以及广东等地草地NPP值较高,相当一部分地区达到700 g·m-2以上。通过分析可知,整个南方草地NPP平均值约为321.8 g·m-2左右,和实测结果比较接近。结果为南方草山草坡NPP估算提供了新的方法。     

帽峰山森林土壤碳氮随雨季月及土壤深度的时空变化特征

采用森林生态系统定位观测及对比试验方法,对广州帽峰山常绿阔叶林和杉木人工林（16年）土壤（0~90 cm）有机碳、无机碳、总氮及有机氮的雨季月（5—10月）含量动态、垂直梯度变化特征及土壤湿度影响进行了对比观测研究。结果表明：常绿阔叶林及杉木林土壤有机碳、无机碳雨季月的剖面权均含量变化趋势均为倒S型,常绿阔叶林土壤有机碳剖面权均质量分数较相应杉木林大0.14%、土壤无机碳则小0.12%。常绿阔叶林土壤表层0~10、10~30 cm有机碳雨季月含量变差较杉木林分别高出1.83%、0.61%,土壤30~90 cm雨季月含量变差相对较小;常绿阔叶林土壤70~90 cm无机碳含量在5—8月份较高、杉木林则以土壤30~50 cm在5、6及10月含量较高;常绿阔叶林群落土壤0~20 cm的总氮雨季月含量均大于相应杉木林,植被吸收作用影响使土壤20 cm以下层的雨季各月总氮相对较低;常绿阔叶林土壤剖面雨季月无机氮含量随土层深度递减变化显著,即表层0~30 cm受矿化作用影响较大、深层30~90 cm则受植被吸收作用影响较大;而杉木林土壤剖面层无机氮含量则随雨季的月变化显著,5—7月份含量相对较小、8—10月份含量相对较大。常绿阔叶林土壤有机碳、总氮含量随土壤深度的增加均呈幂函数规律的递减,而杉木人工林土壤有机碳随土壤深度的增加呈对数函数规律的递减、土壤总氮含量则随土壤深度的增加呈二次函数规律的递减。在0~10 cm处,土壤有机碳和有机氮含量与土壤湿度呈负相关。     

中国西南地区时雨量分布特征与时月变化

利用2005-2017年夏半年国家大监站的逐小时降水量资料,14个要素被设计来进行多角度分析。多数要素与地形高度有良好的负相关关系。时段雨量最大值主要集中地是四川盆地西部,其次是贵州南部,云南南部边缘地带有少许站点,云贵高原主体及其与青藏高原交接带内没有最大值出现。多个要素在9到12时出现日变化最高峰。月际变化一般在7月出现最大值。随月份推进,强降水区会在贵州西南部、云南南部边缘出现后,跳跃到川渝地区出现。时段累积雨量最大值随时间增加而增加,多个要素的时间增加一倍时雨量增大10%到20%。以小时而言,西南地区降水几率平均为1/10,最多的可以达到1/4,最少的不到1/14。6月份降水时数最多,10月的雨时数仅次于6月,4月最少。连续时段与标准日界时段雨量的显著差异出现在川渝地区;白天12 h降水与夜间12 h降水的显著差异也出现在川渝地区。总体而言,连续时段的累积雨量大于标准日界的相同时间长度的累积雨量,白天降水量大于夜间降水量。