厘清流域气候变化和人类活动如何影响水储量变化有利于水资源精准管理和保护。以黄河流域为研究区,基于统计模型从降水量和气温中重建0.25°格网尺度气候变化驱动的水储量异常(Climate-driven water storage anomalies,CWSA)信息,并...厘清流域气候变化和人类活动如何影响水储量变化有利于水资源精准管理和保护。以黄河流域为研究区,基于统计模型从降水量和气温中重建0.25°格网尺度气候变化驱动的水储量异常(Climate-driven water storage anomalies,CWSA)信息,并从GRACE重力卫星提供的陆地总水储量异常(Terrestrial water storage anomalies,TWSA)中分离出人类活动驱动的水储量异常(Human-driven water storage anomalies,HWSA)信息。结果表明:(1)黄河流域CWSA整体呈显著上升趋势,流域平均上升速率为3.6 mm·a^(-1),其变化主要由流域内增加的降水量引起。(2)黄河流域HWSA整体呈显著下降趋势,流域平均下降速率为8.9 mm·a^(-1),其中下降速率较大的区域集中在中下游地区,造成其下降的主要因素可能是人类活动中的地下水过度抽采。(3)TWSA分别与CWSA和HWSA的相关性分析表明黄河上游源区的TWSA主要受CWSA影响,而在广大中下游地区则受HWSA影响更大。研究通过量化的方式分离了气候变化和人类活动引起的流域水储量变化量,并区分了二者对黄河流域水储量变化的影响。展开更多
R语言作为一种数学编程语言,主要用于统计分析、绘图、数据挖掘。R语言中有许多优化算法包可以用来对水文模型参数进行自动优化,如DEoptim、hydroPSO、Rmalschains包等。提出一种水文模型参数优化算法框架,可移植R语言中相同形式的绝大...R语言作为一种数学编程语言,主要用于统计分析、绘图、数据挖掘。R语言中有许多优化算法包可以用来对水文模型参数进行自动优化,如DEoptim、hydroPSO、Rmalschains包等。提出一种水文模型参数优化算法框架,可移植R语言中相同形式的绝大多数优化算法包对水文模型参数进行优化。以老灌河流域为实例应用研究对象,以PSO(Particle Swarm Optimization,粒子群算法)、DE(Differential Evolution Algorithm,差分进化算法)、MA-LS-Chains(Memetic Algorithms with Local Search Chains)这3种优化算法为实例应用优化算法,以E_(NS)、E_(KG)、E_(RMS)为实例应用模型评价指标,以GR4J水文模型为实例应用水文模型,对该水文模型参数优化算法框架的适用性进行验证。结果表明,在这3种模型结果评价指标下,DE优化算法在3种目标函数中,率定期与验证期都具有较好的参数调优性能;R语言水文模型参数优化算法框架在多算法与多评价指标的情形下具有很好的适用性,可对大多数水文物理模型参数进行优化。展开更多
文摘厘清流域气候变化和人类活动如何影响水储量变化有利于水资源精准管理和保护。以黄河流域为研究区,基于统计模型从降水量和气温中重建0.25°格网尺度气候变化驱动的水储量异常(Climate-driven water storage anomalies,CWSA)信息,并从GRACE重力卫星提供的陆地总水储量异常(Terrestrial water storage anomalies,TWSA)中分离出人类活动驱动的水储量异常(Human-driven water storage anomalies,HWSA)信息。结果表明:(1)黄河流域CWSA整体呈显著上升趋势,流域平均上升速率为3.6 mm·a^(-1),其变化主要由流域内增加的降水量引起。(2)黄河流域HWSA整体呈显著下降趋势,流域平均下降速率为8.9 mm·a^(-1),其中下降速率较大的区域集中在中下游地区,造成其下降的主要因素可能是人类活动中的地下水过度抽采。(3)TWSA分别与CWSA和HWSA的相关性分析表明黄河上游源区的TWSA主要受CWSA影响,而在广大中下游地区则受HWSA影响更大。研究通过量化的方式分离了气候变化和人类活动引起的流域水储量变化量,并区分了二者对黄河流域水储量变化的影响。
文摘R语言作为一种数学编程语言,主要用于统计分析、绘图、数据挖掘。R语言中有许多优化算法包可以用来对水文模型参数进行自动优化,如DEoptim、hydroPSO、Rmalschains包等。提出一种水文模型参数优化算法框架,可移植R语言中相同形式的绝大多数优化算法包对水文模型参数进行优化。以老灌河流域为实例应用研究对象,以PSO(Particle Swarm Optimization,粒子群算法)、DE(Differential Evolution Algorithm,差分进化算法)、MA-LS-Chains(Memetic Algorithms with Local Search Chains)这3种优化算法为实例应用优化算法,以E_(NS)、E_(KG)、E_(RMS)为实例应用模型评价指标,以GR4J水文模型为实例应用水文模型,对该水文模型参数优化算法框架的适用性进行验证。结果表明,在这3种模型结果评价指标下,DE优化算法在3种目标函数中,率定期与验证期都具有较好的参数调优性能;R语言水文模型参数优化算法框架在多算法与多评价指标的情形下具有很好的适用性,可对大多数水文物理模型参数进行优化。
