Trends in low flows of German rivers since 1950: Comparability of different low‐flow indicators and their spatial patterns

Climate change, land‐use shifts, reservoir storage, and water withdrawals impact low flows in rivers, creating challenges for ecological integrity and human uses. A systematic investigation of river discharges was carried out for 79 stream gauges in Germany. Available time series between 1950 and 2013 were analysed for trends in annual minimum low flows, discharge deficits, and low‐flow durations. The application of different low‐flow indicators led to similar spatial patterns, although each metric is used for different purposes in water management applications. Statistical tests identified significant discharge trends at more than half of the stations investigated. Low‐flow trends since 1950 tended to be catchment specific, suggesting that climate change has not been the dominant driver. Most of the gauges investigated showed statistically significant increases in low flows. This can be mainly attributed to reservoir management. For rivers showing snow‐ and icemelt‐dominated flow regimes, such trends are probably overlain by climate‐driven changes (increasing amounts of rainfall, earlier snowmelt in spring). In contrast, stations showing statistically significant decreases in low flows were correlated with areas of decreasing mining activity. Hydrologic impacts of climate change are widespread and significant, but the results here suggest that human river management remains the dominant hydrologic driver on many rivers.     

年最大洪峰流量群居蜘蛛优化投影寻踪预测模型

年最大洪峰流量预测,受较多的复杂因素的影响,不确定性较强,用常规统计方法做出准确预报具有较大困难。从水文序列本身出发,提出将投影回归模型应用于年最大洪峰流量预测,为了更好获得投影寻踪模型参数和预测精度,提出了运用延迟相关系数法确定回归预测因子、群居蜘蛛算法优化投影寻踪模型最佳投影方向参数a、利用最小二乘法确定多项式的权系数c、岭函数个数M的群居蜘蛛优化投影寻踪年最大洪峰流量预测模型,结合长江宜昌站(1882年-2004年)的年最大洪峰流量资料进行实例预测,训练阶段平均绝对相对误差为8.61%,预测阶段平均绝对相对误差为10.51%,该模型预测效果较好,模型结果稳定,可有效应用于年最大洪峰流量预测。     

Hyperbola-Logistic叠加模型预测地基沉降

针对Hyperbola模型和Logistic模型的优缺点,提出Hyperbola-Logistic叠加模型,该叠加模型综合了两种单项预测模型的优点,以期达到高精度的预测结果。结合发电厂地基沉降现场观测数据,利用Hyperbola-Logistic叠加模型预测地基沉降,并与单项沉降预测模型的拟合结果进行比较分析。结果表明:与两种单项预测模型的预测结果相比较,叠加模型减小了系统误差,提高了整体的预测精度,拟合结果可靠,适用于发电厂地基沉降量的预测。新模型具有一定的适用性,是一种分析预测地基沉降的有效方法。     

基于重标极差法和神经网络的隧道变形趋势判断

为准确、科学及全面地对隧道变形进行趋势判断和预测分析,将隧道的变形过程划分为中期阶段和长期阶段,利用R/S分析对其位移序列和速率序列进行趋势判断研究,再利用PSO-BP神经网络对各阶段的变形进行预测,将预测结果与R/S分析结果进行对比,验证两者的一致性。利用两个工程实例进行检验,得出各序列的Hurst指数均大于0.5,说明各序列均具有持续变形的长期性,且位移序列的趋势性均大于速率序列的趋势性;同时,变形预测结果也显示隧道后期变形将持续增加,验证了R/S分析的准确性。     

基于经验统计的弃渣场失稳致灾距预测模型研究

弃渣场失稳滑坡是一种严重的山地灾害,而对其致灾距离的预测对于灾害的防治具有重要意义。通过收集多组山地灾害数据,并经过处理后提出了滑坡碎屑流致灾距的经验预测模型,并基于此,进一步提出了弃渣场失稳滑坡致灾距的经验预测模型,模型考虑了弃渣体内部因素可能造成的影响,并通过数据拟合对模型的适用性进行了验证。其研究成果具有一定的推广价值。     

珠江干流(2008—2015年)水质变化趋势分析

以珠江干流为研究区域,选取源头及干流10个水质断面的2008-2015年7项参数监测数据,采用季节性kendall趋势检验法分析珠江干流的水质变化趋势,得出珠江干流各测站的pH、溶解氧(DO)、高锰酸盐指数(CODMn)、总磷(TP)、氟化物(F-)共5项参数趋于改善,五日生化需氧量(BOD5)及氨氮(NH3-N)共2项参数浓度基本保持不变;流域水质变化综合指数WQTI表明珠江干流总体水质状况趋向改善;水质呈现上游恶化中下游好转、污染物呈现以省区为单位以省会为中心的西部低东部高的地域分布特点.     

山西省孝义市近40年气候变化特征分析

为了深入研究山西省孝义市气候变化特征,采用Mann-Kendall检验、滑动T检验及Morlet小波变换等方法对孝义市1975-2015年气候要素进行趋势估计、突变检验、周期分析及发展趋势预测。结果表明:近40年来,孝义市年平均气温呈显著上升趋势,突变年份为1996年,存在32、9 a长周期;年降雨量呈不显著下降趋势,突变年份为1990年,存在32、6 a长周期;年蒸发量呈显著性上升趋势,突变年份为1997年,存在32、10 a长周期;年平均相对湿度呈显著下降趋势,突变年份为1982、2003年,存在15、32 a长周期。孝义市1975-2015年年代际气候经历了"冷湿-暖湿-暖干"的变化过程,预测全境2017-2030年年代际气候将经历"冷湿-暖干"的变化过程。     

昭通横江流域年径流预测

针对昭通横江由南到北贯穿昭通全境,水资源量丰富,但南北差异大,南部少、北部多的特点,根据流域内水文站实测年径流、大气环流指数、海温指数及其他指数等资料系列,采用多元回归分析法拟合1981—2010年径流,建立了预测模型,验证、预测分析了2011—2016年径流量。结果表明:干流控制站预测精度高于干流上段及支流代表站,水利工程建设等人类活动影响是导致出现这样结果的主要原因;多元回归分析在横江流域径流预测中具有一定的适应性,但因指标的差异及相关参数可获取性的差异,预测结果存在区域间、等级间的差别。     

2000—2020年中国地下水开采时空演变特征EI北大核心CSCD

采用Mann-Kendall趋势检验法、重心模型和标准差椭圆法研究了2000—2020年我国地下水开采时间变化特征、空间分布特征和重心迁移过程。结果表明:2000—2020年我国地下水开采量呈现波动性减少趋势,年均递减率为0.83%;华北地区在严格的地下水开采管理、地下水超采综合治理和南水北调工程共同作用下,地下水开采量得以压减,东北地区和西北地区由于黑龙江、新疆农业经济发展,地下水开采量明显增加;我国地下水开采重心主要分布在河北、山西和内蒙古交界处,有向西北方向偏移的趋势,地下水开采空间分布格局由东北—西南方向逐渐偏转为东—西方向,方向性趋势也更为明显。     

LSTM变体模型在径流预测中的性能及其可解释性

基于湘江流域1999—2013年实测水文气象数据,采用LSTM模型和其变体模型研究多个预见期下不同输入变量和不同模型结构对径流预测结果的影响,评估LSTM模型及其变体模型在短期径流预测中的性能,基于排列重要性法和积分梯度法探究了LSTM模型对流域径流预测的可解释性。结果表明：在历史径流输入数据的基础上增加有效的水文气象变量输入,可以明显改善模型的预测效果,输入变量的改变比模型结构的差异对预测结果的影响更大;随着预见期的增大,降水数据的加入对预测效果表现出不同程度的提升,预见期为1 d时,预测结果的纳什效率系数(NSE)提升2.0%,预见期为2～4 d时,NSE提升可达13.6%;降水和历史径流在预测中起着重要的作用,而前期湿润条件与降水事件的共同作用是湘江流域洪水的主要诱发因素;LSTM模型可反映两种不同的输入输出关系,这两种关系对应于近期降雨和历史降雨两种洪水诱发机制。