基于归一化植被指数估算黑河中游地区植被生态耗水量

【目的】准确估算黑河流域中游地区植被生态耗水量,为流域生态保护和水资源配置提供科学参考。【方法】借助卫星遥感、GIS等技术,利用2011年5-9月黑河中游地区的归一化植被指数(I_(NDV))数据,将其与同期土地覆被和气象数据相结合,采用植被指数法对黑河中游地区植被生长季的生态耗水量进行计算和分析,利用2008年同地同期数据资料进行检验。【结果】黑河中游地区林地蒸散发量214.2~343.9mm,草地蒸散发量为213.1~269.8mm;区域植被生态耗水量为5.812 8亿m~3,其中林地生态耗水量为0.474 2亿m~3,草地生态耗水量为5.338 6亿m~3,计算结果与地面观测数据较为一致。【结论】用植被指数法估算植被生态耗水量比较简易、准确、可靠,在干旱地区生态研究中具有适用性。     

黑河中游植被覆盖率变化趋势及其驱动因子分析

利用2002~2011年的黑河干流中游归一化值被指数数据获得植被覆盖率变化趋势,选取合适的NDVI阈值将整个区域划分为"绿洲区"和"荒漠区",并分别探讨了地下水埋深、中游耗水量及累积降水量对两种区域面积和植被覆盖率变化的影响。结果表明:黑河干流中游植被覆盖率整体呈增长趋势,由2002年的32%增长到了2011年的36%,对植被覆盖率增长贡献最大的因素为绿洲区扩张,10年间绿洲区面积占比增长了10%;影响绿洲扩张的主要因素为地下水位埋深和中游耗水量,绿洲区植被覆盖率变化较小,可忽略其影响。荒漠区植被覆盖率的变化主要受累积降水量影响。利用地下水位埋深、中游耗水量、累积降水量可预测区域植被覆盖率的变化趋势,区分人类活动和气候变化对区域植被覆盖率的影响是可行的。     

VMD-LSTM模型对不同预见期月径流的预测研究

为减小径流时间序列的非线性及非平稳性带来的预测误差，提高多种预见期下的月径流预测精度，将变模态分解（VMD）和长短期记忆神经网络（LSTM）模型相结合，建立了VMD-LSTM组合预测模型，并将大气环流因子作为模型输入的增加项，预测未来1~3个月的月径流。将模型应用于黄河流域上游唐乃亥、民和、享堂、红旗及折桥站的月径流预测以验证模型的适用性，并与VMD-BP（BP神经网络）、VMD-SVR（支持向量回归）及单一LSTM模型相比较。结果表明：VMD-LSTM组合模型的预测误差最小、精度最高，相比单一LSTM模型，其纳什效率系数（NSE）约从0.6~0.7提高到0.9以上；融合大气环流因子后VMD-LSTM模型预测精度进一步提高，NSE保持在0.91~0.96之间；随着预见期的增长，VMD-LSTM模型预测精度衰减较VMD-BP和VMD-SVR模型明显变缓，在3个月预见期时NSE仍能保持在0.84~0.95之间。VMD-LSTM模型是月径流预测的一种有效方法，结果可为研究区月径流预测提供参考。