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。     

中国西北地区未来潜在蒸散发集合预估及不确定性归因

预估西北地区未来潜在蒸散发(Potential Evapotranspiration,PET)变化对该区制定气候适应性远景规划至关重要,然而PET预估中不可避免地存在源于气候情景、气候模式和PET模型的不确定性.该研究以3个气候情景(Shared Socioeconomic Pathway,SSP)、6个性能良好的潜在...     

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。