综合干旱指数的构建及其在 泾惠渠灌区的应用

基于标准化降水蒸散发指数(SPEI)、归一化植被指数(NDVI)、标准化土壤含水量指数(SSI)和标准化地下水指数(SGI)4个反映地区农业干旱的指数,利用CRITIC客观赋权法构建了综合干旱指数(CDI),以泾惠渠灌区为研究区,计算综合干旱指数,并与改进的帕默尔干旱指数（sc-PDSI）进行相关性分析评价其适用性,采用Mann-Kendall检验法分析了泾惠渠灌区2002-2013年农业干旱的发展趋势。结果表明：构建的综合干旱指数(CDI)与自适应帕默尔干旱指数(sc-PDSI)具有强相关性,皮尔逊相关系数为0.73,CDI与sc-PDSI在对旱情监测结果上相关性显著,两者在时间演进上趋势整体相同,说明综合干旱指数(CDI)可以较为准确地反映研究区的干旱情况,在研究区适用性较强。利用综合干旱指数(CDI)对泾惠渠灌区的干旱特性进行了分析,月际间分析发现泾惠渠灌区在4、6月和11月较容易发生干旱,而2月和8月灌区较为湿润,季节间分析发现灌区在2003年发生了严重的春旱,2002年发生了严重的夏旱和秋旱,2009年发生了严重的冬旱。年际间分析发现泾惠渠灌区的CDI值在2002—2013年间大约以0.032·a^-1的速度波动上升,说明研究区干旱有缓解趋势。利用Mann-Kendall突变检验法分析出泾惠渠灌区的旱情在2011年7月发生了显著突变,CDI趋势由降低转为增加,表明研究区在此时间点后呈湿润化趋势。     

协同调控水-农业-生态的干旱区多水源优化配置

干旱区农业发展往往以挤占生态用水和超采地下水为代价,考虑水-农业-生态互馈关系的水资源优化配置有助于平衡利益冲突。该研究以地下水均衡、经济效益和生态用水满足度为调控目标,构建基于水-农业-生态协同调控的多水源优化配置模型,并推求协调发展度计算式,提出了结合NSGA-Ⅱ算法和协调发展度的协同优化算法,分析石羊河流域水、农业和生态之间的权衡和协同关系,确定水-农业-生态协同提升下的水资源配置方案以及适宜的农业和生态用水比例。结果表明,现状条件下,六河子系统的水资源优化配置方案的经济效益可提升1.9%,实现地下水正均衡0.59亿m³;全流域农业和生态用水比例为90%: 10%,渠井用水比为67%: 33%。平水年保障蔡旗来水为3.48亿m³/a时,能够以牺牲中游1.6%的经济效益实现生态用水满足度和地下水均衡量分别较基准情景提升4.8%和18.6%。研究为协同调控复杂的水-农业-生态关系提供了一种有效方法,可为干旱区流域水资源规划与管理提供参考。     

基于水资源高效利用的农业种植结构及灌溉制度优化——以民勤灌区为例

在非充分灌溉条件下,为解决灌区内作物之间和单作物生育期内不同生育阶段的灌水配置问题,依据大系统递阶分析原理,建立了一个能同时优化作物灌溉制度、种植结构和灌溉定额的双层模型。模型第一层以作物相对产量最大为目标,采用动态规划,优化了作物灌溉制度;第二层以灌区内农业净效益最大为目标,采用非线性优化,优化了作物种植结构和灌溉定额。该模型应用范围较广,既能为政府部门提供宏观决策,又能为农民提供具体的灌水办法。以民勤灌区为例,优化结果表明,在75%保证率下比现状节水1.29亿m³,农业生产总值和净效益分别增加5.99,4.25亿元。     

基于人均GDP差异的生活用水量模拟及增长潜力分析

【目的】分析城市居民人均生活用水量的增长潜力,为保障城市用水安全提供决策依据。【方法】以2009-2011年858个中国城市用水及相关数据为研究对象,应用线性回归模型、幂函数模型、对数函数模型和ANNBP模型,基于人均GDP的差异分别建立人均生活用水量模型,进行人均生活用水量的增长潜力分析。【结果】在不同的人均GDP水平下,模型对于高收入的数据样本最为敏感;线性回归模型、幂函数模型和ANN-BP模型的模拟效果较为接近,对数函数模型的误差最大。人均生活用水量增长潜力最大的是年人均GDP低于3万元的城市,增长潜力最小的为年人均GDP3~≤10万元的城市。【结论】基于人均GDP差异可以进行生活用水量的模拟与预测,人均GDP小于3万元的城市将成为人均生活用水量增加的主要来源。     

关中地区水土资源承载力复合指标体系及综合评价

针对现有一些承载力研究仅考虑水资源或土地资源的片面性和单一性问题,对指标体系进行完善,构建包括水资源、土地资源、科技功效、社会、经济及生态环境6个子系统共20个评价指标的水土资源复合承载系统的评价指标体系,采用改进模糊综合评价模型对关中地区水土资源承载力进行评价.在权重确定中,用基于模糊集决策理论的主观权重对熵权进行修...     

石羊河流域参考作物蒸发蒸腾量空间分布规律的研究

根据甘肃省石羊河流域及周边的17个站近50年的观测资料，应用1998年FAO灌溉排水丛书第56分册最新推荐的Penman-Monteith公式计算各站历年参考作物蒸发蒸腾量Ero，分析了海拔高度与Ero的相关性。石羊河流域Ero值空间变化比较大，从山区到绿洲平原Ero多年平均值呈递增趋势。同时借助地理信息系统软件MapGIS6．5和Arcview3．1建立了石羊河流域参考作物蒸发蒸腾量的空间分布式模型，本研究只考虑了海拔高度对参考作物蒸发蒸腾量的空间分布的影响，暂未对坡地上的辐射及温度进行校正。     

气候变化对河西地区参考作物蒸发蒸腾量的影响

【目的】探讨气候变化对参考作物蒸发蒸腾量(ET0)的影响程度,为节水农业的区域发展及水资源科学利用提供参考。【方法】根据河西地区18个气象站点的长系列气象资料月值数据,利用Penman-Monteith公式计算河西地区历年ET0值;用相关法分析各站ET0与地理位置、气象要素的关系,并应用相关法结合Penman-Monteith公式预测2010-2019年和2020-2029年ET0的年代均值。【结果】河西走廊西段、中段、东段和祁连山地的平均ET0值分别为1 265.1,1 078.6,1 058.5和984.5mm;海拔每升高100m,河西地区中部和东部各站年均ET0值约减少19mm,西部各站则约减少12.4mm;河西地区年ET0值与年平均相对湿度、年平均风速、年日照时数、年降水量、年平均气温的相关系数分别为0.634 1,0.597 3,0.421 3,0.356 6和0.191 9;预测的每10年变化量,西部的安西、玉门镇,中部高台、临泽及祁连山地的肃北站点年ET0值减少20mm以上,西部的马鬃山增加20mm以上,东部的古浪及祁连山地的天祝站点增加10mm以上,其他站点变化小于10mm。【结论】截至2009年,河西地区的年ET0值呈先减小后增大的趋势;其分布地域性比较明显,表现为河西走廊西段高于中段,中段高于东段,祁连山地最小,海拔高度是其决定因素;气象要素对于年ET0值的影响表现为年平均相对湿度>年平均风速>年日照时数>年降水量>年平均气温;未来20年河西地区东段年ET0值呈增加趋势,中段和西段多呈减少趋势,且各站差异明显。     

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。     

石羊河流域出山口径流序列的多时间尺度特征

【目的】研究石羊河流域8条支流出山口径流的周期变化特征和水文演变规律,为该区域水资源的合理开发利用提供参考。【方法】采用小波分析法,对石羊河流域西大河、东大河、西营河、金塔河、杂木河、黄羊河、古浪河和大靖河等8条支流出山口径流序列进行多时间尺度分析,确定各河流径流变化的主要周期。【结果】东大河径流在45年时间尺度上的周期信号最强,具有全域性特征,其发生时段为1950-2008年,在该时间尺度下,1950-1958年、1974-1989年和2001-2008年为丰水期,1959-1973年、1990-2000年为枯水期;30年时间尺度的径流周期也具有全域性,在1950-2008年整个时段内径流周期呈现丰枯交替;18年时间尺度的径流周期具有局部性,周期性在1950-1978年表现明显,其中在1971年之前周期性较突出。同样,石羊河流域8条支流的径流序列均主要存在45年左右、30年左右和17～19年3个时间尺度的周期变化,不同时间尺度下周期信号的强弱在时频域中的分布具有较强的局部特征。【结论】45年和30年左右时间尺度的周期对石羊河各支流径流变化起主导作用。     

基于熵谱理论的月径流预报

【目的】探讨熵谱模型在月径流预报中的应用效果以及训练期长度对模型预报精度的影响,为熵谱模型在径流预报中的应用提供参考。【方法】月径流预报依据黑河莺落峡站月径流资料,采用伯格熵(BESA)和构造熵(CESA)2种熵谱模型进行月径流预报,并用平均相对误差(RE)、均方根误差(RMSE)、相关系数(R)和纳西效率系数(NSE)对模型预报精度进行评价。【结果】训练期长度过短会使模型阶数偏低,模型无法做出准确的预测;训练期长度过长会使模型阶数偏高,此时训练期和验证期精度反而略微下降;适中的训练期长度能够使模型的训练期和验证期精度均相对较高且稳定。对于黑河莺落峡站,BESA模型的最佳训练期长度为13年,CESA模型的最佳训练期长度为19年,CESA模型的训练期拟合精度和验证期预报精度均高于BESA模型,同时CESA模型在汛期预报精度相对较高,而BESA模型在非汛期预报精度相对较高。【结论】BESA和CESA 2种模型都可用于月径流预报,但需要合理选择训练期长度,使模型阶数适中且稳定,以提高预报精度和可靠性。