基于GLUE方法的植被界面过程模型(VIP)的不确定性分析

生态系统模型一般参数较多,且在应用时存在时空尺度问题,易产生不确定性。通过模型不确定性分析,可以加深对模型结构的理解,提高模型预报的可靠性。植被界面过程模型(VIP)是一个综合考虑了陆地生态系统能量收支、水文循环和碳氮等生命元素吸收转化等过程的生态/水文动力学模型。本文采用GLUE(General-ized Likelihood Uncertainty Estimation)方法,以拟合度系数作为似然判据,利用华北平原冬小麦生长季内的田间观测数据分析VIP模型中的作物生长、土壤水分运动以及光合速率模块中8个参数以及模型预报的不确定性。研究表明,最大光合速率Vmax、饱和含水量wcsat、田间持水量wcfield参数为敏感性参数,其对似然判据的影响大,其余参数是相对不敏感参数。在置信度为95%水平下,发现观测值大都接近或者包含在置信预报区域内,说明可以通过参数校准得到很好的模型模拟效果。     

基于辽河流域的贝叶斯模型平均径流模拟及不确定性研究

水文模型作为水循环过程模拟分析的主要方法和手段,对模拟仅仅利用单一参数模型分析通常具有较大的模糊性和不确定性,因此组合模型的应用研究已成为目前水循环过程分析必然趋势。以辽河流域为例采用贝叶斯平均(BAM)分别对不同参数、不同结构的模型进行径流模拟,对BMA分布参数利用期望最大化算法进行推求,并求得90%不确定性区间和BMA均值模拟序列。研究表明:BMA方法不仅可定量分析模型的不确定性区间范围,而且可显著提高模型模拟结果的可靠性与准确性,研究成果可为丰富径流模拟信息提供理论支持。     

SWAT模型应用与不确定性综述

SWAT(Soil and Water Assessment Tool)模型是对大尺度复杂流域进行长时期水文模拟的重要工具,在水文循环、土壤侵蚀、污染物负荷、气候变化与土地利用变化的影响等方面得到广泛应用。SWAT模型在国内外流域模拟中取得良好的模拟效果,但不确定性问题普遍存在。从模型使用者的视角,针对输入数据的准备、子流域划分和输入数据尺度转换、模型参数校准3个SWAT模型应用的重要步骤,讨论了其主要不确定性来源。模型输入数据精度不足以准确反映其空间差异,模拟单元划分粗略导致输入数据向模拟单元尺度转换时参数集总程度过高,模型参数校准过程中观测数据和评价指标的不合理选择以及异参同效现象。对此,总结提出了降低不确定性、提高模拟精度的主要措施:提高输入数据的分辨率和模拟单元划分精度至理想阈值,对模型的关键参数和部分计算方法进行本地化,采用多重评价指标、自动校准与人工校准相结合以及多要素、多站点的参数校准方法。把握模型应用主要步骤中可能的不确定性来源,并结合具体研究区特征和研究目标采取相应的措施降低不确定性,是提高SWAT模型模拟结果可信度的必要途径。     

基于贝叶斯推断的DNDC模型参数校正与不确定性评价研究

实现土壤有机碳(SOC)动态模拟结果的不确定性定量评价是农田管理决策成败的关键之一。采用贝叶斯推断和马尔科夫链蒙特卡洛方法(MCMC),对DNDC模型模拟江苏省宜兴市一个具有22年稻-麦轮作历史的田块的SOC动态变化,进行模型参数校正和模拟结果的不确定性定量评价。结果表明,DNDC模型适宜长期监测田块的SOC动态变化的模拟,但模型的模拟结果存在一定的不确定性;在DNDC模型输入参数数据质量不明的情况下,利用贝叶斯推断和MCMC方法能够有效地实现模型输入参数的自动校正和SOC模拟结果不确定性的定量评价,从而为实现区域或国家尺度农田SOC动态模拟的不确定性定量评价提供理论和方法依据。     

基于抗差估计方法的流域水文模型的不确定性分析

流域水文模型的不确定性主要来自水文气象资料的不确定性、水文模型结构的不确定性及模型参数的不确定性等.以危水水库流域中的乌溪沟以上流域为研究对象,采用抗差估计方法探讨了由于雨量资料误差引起新安江模型的不确定性.研究结果表明:误差的大小,发生的站数,对模型的不确定性均有影响.并且误差越大,发生站数越多,对模型不确定性影响越大.采用雨量观测误差三步修正方法先对雨量资料进行处理,然后采用新安江模型进行计算,采用该方法可以有效地抗御雨量资料误差,减少模型的不确定性,提高洪水预报精度.     

湟水流域SWAT模型构建及参数不确定性分析

敏感性分析和不确定性分析是分布式水文模型参数校准和模型构建的先决条件.以位于青藏高原与黄土高原过渡地带的青海湟水流域为例,基于SWAT模型的拉丁超立方和单次单因子(LH-OAT)采样方法和SWAT-CUP程序的拉丁超立方采样方法进行模型参数敏感性分析,同时以SWAT-CUP的P因子和R因子进行模型不确定性分析,最终结合手动调参和自动率定算法,构建湟水流域分布式水文模型.结果表明:湟水流域日尺度模拟中,率定期模型平均确定系数为0.7,平均效率系数为0.68;验证期平均确定系数为0.65,平均效率系数为0.53,可以满足应用要求;PSO算法在水文模型率定中总体表现良好;基于SWAT模型和SWAT-CUP程序的单次率定用时分别为3.5 min和2.2 min,SWAT-CUP程序明显快于SWAT;分析结果还表明:模型不确定性和模型率定结果精度并不一致,但模型不确定性决定着模型验证期的结果精度,为确保验证期精度,必须降低模型不确定性;模型自动率定中,相同迭代次数下,SWAT模型对于流量较大的子流域率定效果较好.     

不确定性河道生态需水模型及其应用研究

以抛物线形过河断面河道为研究对象,通过分析河道过水断面流量与水力半径、流速等水文参数之间的相互作用函数关系,构建了生态需水模型,并对模型的计算结果的适用性和可靠性采用Tennant法进行验证。然后以浑河沈阳站为例进行不确定性河道生态需水量分析,并分析了计算结果的表达形式。研究表明:该构建的需水模型能够更好的结合河道实际情况进行客观、合理的河道生态需水计算,模型计算结果具有更强的适用性和可靠性。     

基于MCMC方法的WOFOST模型参数标定与不确定性分析

为探究作物生长模型参数的自动标定技术及其不确定性分析方法,该研究以郑州农业气象试验站为试验点,利用融入了snooker更新(snooker update)的DE-MC(differential evolution Markov chain,差分进化马尔科夫链)方法实现对WOFOST(world food studies)作物生长模型的参数标定和不确定性定量评价。snooker更新增加了DE-MC算法中候选样本的多样性,从而实现利用更少的并行链对多维参数空间进行有效采样,较适合于WOFOST模型参数众多的特性。结果表明:相比于模型默认值,采用MCMC(Markov chain Monte Carlo,马尔科夫链-蒙特卡洛)标定后的参数,叶面积指数(leaf area index,LAI)模拟精度可提高51.40%~53.07%,产量模拟精度提高8.25%~8.88%。标定参数中,SPAN、SLATB070、SLATB040、AMAXTB130和SLATB00的后验分布可近似为高斯分布,其中SPAN的不确定性最低。带入后验参数集合进行模型,LAI在三叶期至返青期之间以及拔节期至抽穗期之间模拟的不确定性较大;产量模拟的不确定性随时间不断增大,至乳熟期前后达到稳定。该方法能够实现对多参数复杂作物生长模型的参数标定和不确定性分析,对作物模型参数估计及提高模拟精度具有重要作用。     

根系水质模型中土壤与作物参数优化及其不确定性评价

农业系统模型参数优化存在很高的不确定性,是模型应用研究的重点和难点。该研究利用自动优化程序PEST（parameter estimation software）对根系水质模型（root zone water quality model,RZWQM）中土壤参数（土壤水力学参数和根系生长参数）和作物遗传参数进行了优化,结果表明PEST优化模拟结果明显优于传统试错法的校正结果,且具有较高的参数优化效率。模型参数优化不确定性评价表明校正数据和参数初始值的选择、土壤水力学参数估算方法、不同类型参数间的相互作用以及优化目标方程（误差来源计算）都明显影响模型模拟结果。以上过程中土壤水力学参数优化值差异较小,但其土壤水分特征曲线却明显不同。通过以上评价分析提高了RZWQM相关参数优化结果的可靠性及其模拟功能,降低了模型参数优化的不确定性,为PEST优化其他模型参数提供了重要支持。     

降水时空变异性对洪水模拟精度影响定量评价

结合水文模型定量分析不同时间尺度和不同空间尺度降水数据对辽宁东部流域洪水模拟精度的影响,结果表明:在静态参数下(水文模型参数固定),降水输入时间越短,洪峰和洪量误差越大,而在动态参数下(水文模型参数动态变化),降水输入时间越短,洪水模拟精度越高。降水空间分辨率的大小对于流域洪量和洪峰有所影响,但对洪峰出现时间影响程度较小。研究成果对于流域洪水预报预见期的选择具有参考价值。     

基于HEC-HMS的青狮潭水库入库洪水预报研究

[目的]构建青狮潭水库入库洪水预报模型,为实际预报业务提供参考,也可以为桂林市上游地区无资料地区水文气象规律研究提供支撑。[方法]HEC-HMS是一个包含多个产汇流模型的水文模型系统,适用于不同地区的水文问题分析和计算,广泛运用于洪水预报、防灾减灾等方面。利用该模型对桂林市青狮潭水库上游流域进行水文建模,模拟流域发生暴雨时青狮潭水库的入库洪水过程,以此作为研究洪水预报依据。[结果]通过研究发现HEC-HMS模型模拟的结果平均确定性系数达到0.88,洪峰流量和峰现时间误差均达到乙级预报标准。[结论]HEC-HMS模型在青狮潭流域适用性较好,可以用于青狮潭水库入库洪水预报。     

新安江模型和人工神经网络的耦合应用

提出了一种集成人工神经网络的概念性水文模型,该模型是一种半分布式概念性水文模型,考虑了降雨的空间变异性,流域特征的不均匀性等因素对径流过程的影响。采用遗传算法进行概念性模型参数优选,同时考虑雨量站的空间分布,利用GIS和DEM数据进行流域单元划分;对于每个子流域,考虑模型输入参数和降雨资料的空间分布特性,进行产流计算;在径流演算过程中,利用人工神经网络的非线性映射方法代替传统概念模型中线性叠加方法计算整个流域的出口流量过程。以半湿润的淮河上游支流的大坡岭流域为例,对模型的可行性进行验证,并与单一的新安江模型的结果进行了比较。验证结果表明,集成人工神经网络技术和新安江模型的耦合模型有较好的模拟和预报结果。     

SHAW模型模拟积雪覆盖下土壤热过程的不确定性分析

为探究SHAW(Simultaneous heat and water)模型中输入参数不确定性在模拟积雪覆盖条件下土壤热过程中对输出结果造成的影响以及关键影响因素，以松嫩平原黑土区东北农业大学试验场为研究区域，运用SHAW模型模拟积雪覆盖条件下6个不同深度土层热过程动态变化情况，并结合拉丁超立方取样(Latinhypercubesampling,LHS)方法，采用标准秩逐步回归探究参数不确定性对土壤冻结深度和温度输出不确定性的影响。结果表明：SHAW模型能够反映土壤冻融规律，6个深度土层温度的模拟值与实测值平均绝对误差小于2℃，选取的参数对土壤温度的输出敏感性较弱，而初始积雪厚度对土壤冻结深度的输出起主导作用。总体而言，SHAW模型基于LHS抽样和标准秩逐步回归方法可用于模拟积雪覆盖条件下土壤热过程模拟研究。     

不同灌水水平下CROPGRO棉花模型敏感性和不确定性分析

基于过程的作物模型使用大量的品种和土壤参数来模拟作物生长和土壤水分变化。对于新的作物品种或新的环境,这些参数往往需要重新率定,然而许多参数难以通过实测获得。敏感性分析(sensitivity analysis,SA)可以量化模型输入参数对模型输出的影响,通过筛选出敏感性较大的参数进行率定,而把敏感性较小的参数设为固定值,可以极大简化参数率定过程,提高工作效率和模型模拟精度。为了给DSSAT-CROPGRO-Cotton模型应用于新疆地区进行棉花灌溉制度优化提供本地化的模型参数,对该模型进行了敏感性分析和不确定性分析。该文依据新疆石河子的棉花大田试验资料,应用Morris法和扩展傅里叶幅度敏感性检验(extend Fourier amplitude sensitivity test,EFAST)法对DSSAT-CROPGRO-Cotton模型3个灌水处理(60%ETC、80%ETC和100%ETC,ETC为作物蒸发蒸腾量crop evapotranspiration)下6个输出结果(初花天数、成熟天数、籽棉产量、地上干物质量、最大叶面积指数和蒸发蒸腾量)对于品种和土壤参数进行敏感性分析,并比较了2种方法的相关关系,最后对EFAST法的输出结果进行不确定性分析。相关分析结果显示,对于地上干物质量和最大叶面积指数,Morris法和EFAST法相关性介于0.87~0.93,对于模型结果成熟天数、籽棉产量和蒸发蒸腾量,2种方法相关性介于0.66~0.81。敏感性分析和不确定性分析结果显示,模型模拟灌水处理对初花天数无明显差异,且模拟初花天数和最大叶面积指数存在参数敏感性过于单一现象。模型参数敏感性随土层而不同:对于成熟天数,40~80 cm土壤参数的敏感性更强;对于地上干物质量和蒸发蒸腾量,80~120 cm土壤参数的敏感性更强,这可能是由于该地区气候干旱,下层土壤水分充足程度直接影响作物受到水分胁迫的程度,进而影响作物生长发育和蒸发蒸腾量。模型输出结果最大叶面积指数和蒸发蒸腾量存在一定程度的高估。该研究可提高CROPGRO-Cotton模型在新疆地区的模拟效率和模拟精度。     

HEC-HMS模型在武水流域山洪预报中的应用

山洪灾害常造成重大经济损失甚至人员伤亡。以湖南湘江武水流域为例,基于地理信息系统和遥感技术的水文模型集成系统为山洪预报提供了新的思路,在解译了研究流域2010年土地利用类型数据的基础上,采用HEC-HMS水文模型对武水流域各场次洪水进行模拟预报,利用DEM及流域出口信息划分子流域计算单元,利用遥感影像结合GIS技术提取流域信息,采用SCS径流曲线法进行产流计算,采用SCS单位线法计算直接径流,利用马斯京根法进行河道汇流演进,运用指数退水模型模拟流域基流,并以2000—2008年的17场实测洪水数据进行参数的率定,用2009—2014年的10场典型洪水进行验证。结果表明:模型率定期17场洪水洪峰流量相对误差绝对值均20%,模拟合格率达到100%,峰现时差均≤1 h,绝对平均Nash效率系数为0.816,率定出的水文参数准确有效;验证期的10场洪水,洪峰流量相对误差合格率达90%,峰现时差均1 h,Nash效率系数均0.7。HEC-HMS水文模型在武水流域模拟效果较好,可应用于该流域山洪预报工作,且相较于多峰洪水,单峰洪水的模拟效果更佳。     

多元自回归模型在区域中长期水文预报中应用研究

采用多元自回归模型,综合多要素对辽宁西部区域中长期水文进行自回归预测。研究结果表明:多元自回归模型相比于单一自回归模型,可综合考虑多个要素对自回归方程求解目标的影响,提高模型收敛和求解精度;在区域中长期水文预报精度也明显好于单一回归模型,相比于单一模型,多元自回归模型预测的降水和水量值与实测值之间的相关系数均值分别提高0.20和0.31。研究成果对于区域中长期水文预测方法提供参考价值。     

基于SWAT模型的TRMM降水数据径流模拟适宜性评价

以辉发河流域为研究区,采用SWAT分布式水文模型,以实测降水数据和TRMM降水产品作为模型输入,在月尺度和日尺度上构建了四种径流模拟情景,并利用SUFI_2算法分析了不同降水输入和时间尺度下模型的参数敏感性、参数不确定性和径流模拟结果。结果表明:(1)TRMM降水产品的误差会改变参数的敏感性排序,尤其是在日尺度上;(2)4种模拟情景P因子的范围为0.58~0.9,R因子的范围为0.47~1.58,模型拟合精度较好。月尺度上TRMM数据的估算误差较小,其更高的空间分辨率可使径流模拟不确定性得到明显改进,而随着时间尺度的变化,TRMM数据在日尺度上的误差增大会导致日径流模拟结果不确定性的增加;(3)在月尺度和日尺度上,采用TRMM数据降水输入模拟径流,其NS和R2系数均达到较好水平,实测降水模拟结果略优于TRMM数据。研究表明,在辉发河流域,TRMM降水产品在径流模拟方面表现出较好的适宜性,是一种较为可靠的降水数据源。     

中国亚热带土壤可蚀性K值预测的不确定性研究

土壤可蚀性K值是土壤侵蚀模型(如USLE和RUSLE)的必要参数,直接套用经验模型估算土壤可蚀性K值会给土壤侵蚀预报带来不可估计的误差。本文以我国亚热带7种典型土壤可蚀性K值的观测值为依据,选用平均绝对误差(MAE)、平均相对误差(MRE)、均方根误差(RMSE)和精度因子(Af)四种数学统计项为指标,评价了诺谟图模型、修正诺谟图模型、EPIC模型、几何平均粒径模型和Torri模型等5种土壤可蚀性K值预测模型的不确定性。结果表明,5种模型的不确定性从小到大的顺序为:Torri模型<修正诺谟图模型和诺谟图模型相似文献   

黄土区均匀坡面水文模型研究

应用Green—Ampt修正方程及运动波方程,构建了天然降雨条件下的黄土区均匀坡面水文预报模型,并利用野外天然降雨径流实测资料进行了验证。结果表明,总径流量预报相对误差在20%以下,预报径流过程与实测径流过程吻合很好,坡面水文模型可以较好地模拟黄土地区天然降雨条件下的均匀坡面水文过程。同时也指出,应深入研究复杂坡面上的水文预报模型,进一步完善黄土区坡面水文模型。     

农作区净灌溉需水量模拟及不确定性分析

净灌溉需水量是估算农业灌溉用水量的参考依据。该文以西北干旱内陆区石羊河流域上中下游的古浪县,凉州区,民勤县为研究对象,在分析农业净灌溉需水量宏观驱动力因子(1959-2005)的基础上,以关键因子作为输入项,区域农业净灌溉量为输出项,分别建立农业净灌溉需水量的多元线性回归模型、人工神经网络BP模型以及人工神经网络集成模型。并对不同模型的模拟效果进行比较;通过对时间序列的离散化蒙特卡洛(MC)设计,采用不确定性评价指数(d-factor)对3种模型模拟的不确定性进行分析。结果表明:与多元线性回归模型和神经网络BP模型相比,神经网络集成模型具有较高的模拟精度,并能合理地指示影响因素与净灌溉需水量的不确定性变化。