乌尔吉木伦河流域降水与地表径流关系研究

气候变化对径流的影响机制极为重要1。本文主要研究乌尔吉木伦河流域降水对地表径流影响。用SPSS软件将乌尔吉木伦河流域的两个站点:沙那水库站、富河站降水和地表径流进行相关分析,通过对乌尔吉木伦河流域降水与地表径流关系研究,分析乌尔吉木伦河流域不同降水条件下地表径流变化特点,进一步完成同期降水与径流量数学回归模型。     

AquaCrop模型在华北平原黑龙港流域典型区冬小麦-夏玉米种植模式上的适用性评价

为评估AquaCrop模型在黑龙港流域模拟冬小麦-夏玉米水分利用与作物产量的适用性,根据田间试验数据和FAO提供的参数值,对AquaCrop模型进行模型非保守性参数的本地化校准和验证。结果表明,AquaCrop模拟冬小麦冠层覆盖值和实测值的归一化均方根误差(NRMSE)为15.90%,模拟产量与实测产量之间的NRMSE为4.23%;模拟夏玉米冠层覆盖值和产量值与相应实测值之间的NRMSE分别为11.59%和11.69%。本研究校准所得参数对黑龙港流域典型站点有较好的适应性,校验后的AquaCrop可以用于黑龙港流域冬小麦-夏玉米水分管理、产量潜力等相关研究。     

基于神经网络的短期土壤墒情预测模型研究

为实现短期的土壤墒情预测,根据天津市蓟州区、静海区、宁河区、滨海新区的10个气象墒情自动监测站3年的数据,对短期土壤墒情预测模型进行研究。选取站点编号、空气温度、空气湿度、风速、风向等28项影响因子,用包含天气预报和不含天气预报的2组数据分别训练BP神经网络和Elman神经网络,并对4组预测模型结果进行对比分析。结果表明：不含天气预报的BP神经网络模型和包含天气预报的BP神经网络模型精度分别为94.79%、95.54%,不含天气预报的Elman神经网络模型和包含天气预报的Elman神经网络模型精度分别为96.85%、96.64%。研究认为,Elman神经网络具有稳定性好、精度高的特点;理论认为,含天气预报的模型精度比不含天气预报的模型精度高,BP神经网络表现出这一相关性,而Elman神经网络并没有表现出这一相关性。     

预变形Cu本构关系的神经网络模型和Z-A模型

利用Split-Hopkinson bar装置上所得到的变形数据，研究了冲击预变形铜的神经网络本构关系模型以及Zerrrlli-Axmstrong本构关系模型，比较了两种模型对冲击预变形铜在不同热力学状态下流变应力的预测精度．研究表明：神经网络模型的总的拟合度为0．9％，而Zerrilli-Armstrong模型的拟合度为8％；Zerrilli-Armstrong模型相对于神经网络模型精度较低，是由于物理模型把材料内部某些动态变量作为常数处理，而神经网络模型建模训练时已经包含了这些动态变化的因素；通过增加神经网络输入节点数可以扩大神经网络模型的应用范围。     

基于叶面积指数改进的直角双曲线模型在玉米农田生态系统中的应用

一般认为,生态系统的总初级生产力(GPP)对光合有效辐射(LAI)的响应曲线可以用直角双曲线来描述.研究表明,在不同的生长季进行模拟,模拟的直角双曲线的两个参数Amax和α值不同.为消除模型参数季节变化对模拟结果的影响,直角双曲线模型通常应用于较短的时间尺度(如半月、10d或5d),然而,这种在较短的时间尺度上进行模拟的方法过于繁琐,并且当通量数据缺失过多时,在短的时间模拟窗口上,少量的数据不足以拟合直角双曲线模型.在这种情况下,无法利用直角双曲线模型对生态系统的GPP进行准确的模拟,或者对缺失的碳通量数据进行插补.以玉米农田生态系统为例,旨在阐明生态系统的环境因子和生物因子在不同生长季对直角双曲线模型中两个参数Amax和α值的影响.结果表明,Amax与LAI具有显著的直线关系:Amax=a LAI+b(a=0.64,b=0.15,R=0.74,P=0.002).据此我们对直角双曲线模型进行了改进,用以预测半小时尺度的玉米农田生态系统GPP.与未改进的直角双曲线模型进行比较,在整个生长季进行模拟,改进的直角双曲线模型明显提高了模拟的精度;当在较短的时间窗口上进行模拟(半月时间尺度),改进的直角双曲线模型与之有着相似的精度.利用改进的双曲线模型不仅可以非常简捷地对生态系统GPP进行模拟,而且可以解释直角双曲线模型参数Amax值的连续变化,尤其是,当涡相关观测数据大量缺失时,可以很方便并且较为准确地插补缺失数据.     

基于改进径向基函数的降雨量短期预测研究

为提高短期降水量预测的精度,尤其是汛期降水量的准确估计对防洪减灾以及水资源管理都具有很重要的指导意义。将具有较强非线性映射能力的人工神经网络技术用于汛期降水量预测,更符合降水量的随机相关特征,能切实提高其预测精度。将基于密度参数改进传统K-均值算法与径向基函数神经网络(radial basis function,RBF)耦合,提出了一种新的短期降雨量预报模型。并将所构建的模型应用于黑龙江省双鸭山市汛期月降雨量预报中进行验证。RBF神经网络是一种泛化能力较强的前馈型神经网络模型;密度参数可以通过寻找聚类中心至样本平均距离区域内样本的最优密度,使K-均值算法确定的RBF神经网络基函数中心减少波动,消除标准K-均值算法对初始聚类中心的敏感性,提高RBF网络的逼近能力和网络中心的搜索速度。研究结果表明:基于改进径向基函数的降雨预报模型对于预见期2010年、2011年和2012年的汛期(6~9月)降雨量的计算平均相对误差为10.81%,确定性系数为0.95,预报精度比标准K-均值算法和BP神经网络两种模型的计算结果都有所提高。本研究确定的径向基函数能够更好地描述研究区域汛期月降雨量间的映射关系,与标准K-均值算法和BP神经网络两种模型相比,除预报精度有所提高外,其收敛速度更快,这表明本方法能对短期降水预报提供更高的预报精度。     

基于BP神经网络的马铃薯气候产量预报模型

为了准确预测马铃薯气候产量达到趋利避害的目的,利用1980—2015 年山西省大同市马铃薯产量及同期国家基准观象台观测到的气候资料,选用传统的统计回归方法和BP神经网络方法分别建立马铃薯产量预报模型。结果表明：通过二次函数曲线和最小二乘法确定马铃薯敏感期的气候因子是气温、日照和降水,其中降水对马铃薯产量的影响最大。通过改进的气候产量算法可以更好地反映气候要素与作物单产之间的函数关系。在Matlab 平台上训练精度设为0.005、学习率0.01 的BP神经网络方法可以很好地逼近非线性函数。用大于1/3 样本进行预报检验表明,在预报精度和拟合精度上,BP神经网络模型都明显优于传统的回归模型,BP神经网络方法在马铃薯产量预报中有具有非常广泛的应用前景。     

基于ArcGIS的数字高程模型县域水文模拟及可视化研究——以元江县为例

基于Arc GIS 10.0、Excel及数字高程模型,分析元江县县域内水文特征,提取区域内主要干流及支流进行可视化,计算河流信息,并基于县域进行水文模拟。结果表明:元江县水域单一,明显水域只有元江流域在元江县内的部分;除自然降水外,元江县水源不丰富,区域地表破碎度较小。县域水文分析能为将来水利发展和城市规划提供参考。     

基于AVSWAT丰乐河流域水文预测

运用SWAT(SoilandWaterAssessmentTool)分布式水文模型丰乐河流域降雨、径流进行了预测。按不同的土壤和土地利用类型将整个流域划分成38个子流域和137个具有相似水文特征的水文响应单元。选用2000-2003年桃溪水文站降水观测资料对模型灵敏度较高水文参数进行了校核与检验,率定结果显示模型模拟值与实测值拟合精度较高,表明模型可以应用于流域水文模拟预测。通过AVSWAT2000与气象预测模型的集成预测了流域水文风险预测和常规预测,推求得到流域典型年及常规年降水、径流年内月分布过程,为流域水资源管理提供了依据。该预测方法是对分布式水文模型集成化研究的一次新尝试,对今后的进一步研究具有积极意义。     

派河岸边带湿地水力停留时间扩增估算

以派河流域气象资料和流域基础信息为基础数据,采用频率分析法和小流域经验公式法推算了派河降雨与径流量的相应关系;结合流域特征,应用产流理论探索了区域降水与派河径流之间的关系;根据湿地污染物拦截的最佳水力停留时间,计算达到各河段最佳污染物拦截效果所需增加的水力停留时间.建议派河流域加强岸边带湿地保护,提高污染物拦截效率.     

基于江苏省河蟹主产区气象因子的产量BP神经网络预测

为提高江苏河蟹主产区产量预测能力,以此为基础制定科学合理的河蟹养殖发展规划,本研究对河蟹主产区附近设立的7个观测台站2013—2017年的气象数据和该区产量数据进行了采集,利用插值法补足少量缺失值,通过主成分分析选取了最能代表江苏省河蟹主产区特点的5个主成分作为研究对象建立BP神经网络,探索其用于江苏省河蟹主产区产量随气象因子变化的规律。结果表明,通过PCA主成分分析降维处理后数据的大部分特点能被BP神经网络学习到,预测值与真实之间的相关系数为0.82267,具备一定的模拟气象因子数据与产量之间的关系的能力。     

基于GIS技术和BP神经网络的我国假高粱适生性气候区划

利用GIS技术和BP神经网络模型开展假高粱适生性气候分布预测.根据假高粱对气候条件的要求,确定假高粱的适生性气候区划指标;利用全国570个气象台站的气候资料和1∶25万地形数据,通过BP神经网络的仿真预测,对78个站点的空缺区划指标因子数据进行插值;采用GIS技术划分出假高粱适生区、潜在适生区和非适生区.     

Spatial Interpolation of Soil Nutrients Based on BP Neural Network

以广东省增城市为研究对象,采集了全市内200个土壤样点,利用 BP神经网络插值方法对研究区土壤的氮和磷进行空间插值预测,将插值结果与土壤样点实测值进行对比,得到预测数据的误差均方根。结果表明, BP神经网络的插值精度比克里格高,在样点较少的情况下,BP神经网络的插值结果克服了克里格插值方法的平滑效应。 BP神经网络对插值的样本数据的分布类型没有要求,比传统插值方法有更强的泛化能力,是一种可替代的插值方法。     

基于GIS的关中—陕南地区降雨量空间插值分析

[目的]比较4种空间插值方法的插值效果,分析研究区域降水空间分布特征。[方法]以陕西省关中—陕南地区为例,采用该地区72个气象观测站点59年的降水量资料,结合GIS空间插值技术,以国际科学数据共享服务网站30 m×30 m网格DEM为基础,选取IDW、普通克里金插值法、协同克里金插值法和径向基函数插值法对关中—陕南地区72个观测站多年平均降水量进行空间插值,并分区域随机选取其中10个站点的降水量数据对4种插值方法的插值效果进行检验,以此确定最佳插值方案,分析研究区域的降水空间分布特征。[结果]顾及地形因素的协同克里金插值效果最佳,并能真实地反应研究区域的降水空间分布特征,普通克里金法次之,反距离加权法和径向基函数法较差。对插值结果的进一步分析显示,该研究区域降水呈现明显的纬度地带性分布特征,且降水受地形、地貌等因素影响较大。[结论]顾及地形因素的协同克里金插值法效果最优,适用于该区域。     

鄱阳湖流域近49年降雨序列一致性检验与分析

对搜集到的鄱阳湖流域16个气象站1960～2008年的降雨数据进行一致性检验与分析。首先,对各站数据进行图解法检验,利用双累积曲线法绘出各气象站的双累积曲线图;然后,对站点缺失资料进行插补,采用算术平均法、正常值比率法和改进距离倒数法对宁冈站1999～2006年的缺失数据进行插值,并利用VNR法对插值结果进行统计检验;最后,利用VNR、累积偏差和贝叶斯检验3种方法对数据进行统计检验,结果显示所有数据全部通过95%置信度检验。     

基于BP神经网络的太湖典型农田土壤水分动态模拟

收集太湖典型农田2010年10—12月和2011年3—6月2个时间段的逐日气象资料和土壤水分资料,运用BP(back propagation)神经网络和缺省因子分析法确定影响该地区土壤水分动态的主要气象因子(降水量、蒸发量、平均气温和平均地表温度以及平均风速),以这些主要影响因子作为输入变量建立该地区土壤水分动态模拟的BP神经网络模型。利用100组实测样本对神经网络进行训练,用剩余的64组实测样本进行检验。结果表明:0～14 cm和14～33 cm土壤含水量模拟的平均相对误差(MARE)最大为0.062 9,均方根误差(RMSE)最大为1.764,不同土壤层次的训练样本和检验样本的精度(PA)都在0.87以上。因此,BP神经网络用于太湖典型农田的土壤水分动态模拟是可行的。     

云南省年均降雨量空间插值模拟方法比较

用反距离权重法、普通克里金法、基于样条函数法和回归模型计算法对云南省内134个气象站1993—2007年年均降雨量进行空间插值,将插值预测结果与检测点数据作对比分析,结果表明：4种插值法均能反映云南省内年均降雨量的空间分布特征,反距离权重法插值误差最小,精度最高,回归模型模拟插值误差较大,但能直观地反映年均降雨量随地理位置及海拔高度立体变化而变化的特征。     

面向风云静止卫星地表温度产品的缺失数据修复方法对比

静止卫星地表温度数据是研究昼夜温度变化规律及全球气候变化的重要参数。但常见的静止卫星地表温度数据,如风云二号F星地表温度产品(FY-2F LST)由于受到云、雾霾和气溶胶等大气因素的影响,往往会出现数值缺失的现象。针对该问题,一系列基于温度昼夜变化模型(diurnal temperature cycle,DTC)的静止卫星地表温度产品空值数据修复方法被提出,如VAN2006方法;此外,常见的三次样条插值(Cubic spline)和智能的反向传播网络(back-propagation network,BP)利用像元时间连续性原理,通过温度预测实现地表温度产品空值数据修复在理论上也是可行的。模拟不同类型的像元缺失情况分析和比较了3种方法的温度修复结果。研究表明,在空值数量较少的情况下,3种方法修复结果都比较理想,其中Cubic spline方法效果最好;随着空值数量增加,3种方法修复效果都不同程度变差,其中VAN2006衰退较缓慢,Cubic spline衰退最快;当空值数目继续增多且达到一定数量时,VAN2006仍可以较为真实的还原地表温度数据,并且优于BP,其中Cubic spline修复结果最差,难以反映实际地表温度。对14种不同空间大小空值区域实验研究进一步说明3种方法对地表温度空值修复具有可行性,但修复效果与空值区域大小无关,时间序列中空值数量是最主要的影响因素。     

基于MATLAB神经网络的温室草皮腾发量预测研究

[目的]明确基于MATLAB的BP神经网络预测温室草皮腾发量的可行性。[方法]在9月温室实测气象资料的基础上,对温室内的平均气温、相对湿度、光照强度和草皮日腾发量(ET)进行回归分析,建立了BP网络ET预报模型(BP-ET)。[结果]气温、光照强度与草皮腾发量呈显著正相关(P<0.05),相对湿度与草皮腾发量呈显著负相关(P<0.05)。BP神经网络模型具有极高的拟合精度,9月资料检验预报模型的平均相对误差为5.58%,模拟与检验均有很高的拟合精度。BP网络可以用于草皮日腾发量的预测,是对传统草皮日腾发量计算的补充。[结论]该研究为气象数据缺测条件下温室草皮日腾发量的估算提供了新思路。