径流模拟一直是水文科学的研究热点,对水资源研究具有重要指导意义。基于极限梯度提升算法(XGBoost)和SWAT(Soil and Water Assessment Tool)模型,采用赣江流域外洲水文站的观测水文数据,构建径流模拟模型,对比及分析两个模型的模拟效...
详细信息
径流模拟一直是水文科学的研究热点,对水资源研究具有重要指导意义。基于极限梯度提升算法(XGBoost)和SWAT(Soil and Water Assessment Tool)模型,采用赣江流域外洲水文站的观测水文数据,构建径流模拟模型,对比及分析两个模型的模拟效果。同时,基于XGBoost模型,采用残差校正方法对SWAT模型径流模拟结果进行校正,结果表明:①XGBoost模型的模拟效果较好,XGBoost模型日径流模拟的纳什效率系数(NSE)比SWAT模型高15.66%;②SWAT模型在高流量处存在低估的情况,而XGBoost模型模拟值与观测值变化基本一致,模拟过程线拟合度较高,表现出良好的相关性;③经XGBoost校正后的SWAT模型模拟精度明显提高,可有效改善径流模拟效果。当采用残差误差校正后,径流模拟的NSE值可达0.96,增加了15.66%。
雅鲁藏布江(以下简称雅江)流域的气象水文模拟是当前全球变化研究的热点与难点.Noah-MP(the Noah land surface model with multi-parameterizations)陆面过程模式作为该区域气象水文双向耦合过程的重要数值模拟工具,鲜有研究针对其径...
详细信息
雅鲁藏布江(以下简称雅江)流域的气象水文模拟是当前全球变化研究的热点与难点.Noah-MP(the Noah land surface model with multi-parameterizations)陆面过程模式作为该区域气象水文双向耦合过程的重要数值模拟工具,鲜有研究针对其径流模拟能力进行过系统性评估,限制了模式在该区域的水文应用.本研究基于中国区域地面气象要素数据集CMFD(China Meteorological Forcing Dataset)驱动Noah-MP模式,对雅江流域2000~2018年的径流进行时空分辨率为3 h/5 km的数值模拟;选取与流域径流产生机制相关的10个主要物理过程,评估了16种参数化方案组合对于径流模拟的影响,并确定了最优参数化方案组合.结果表明:(1)采用默认参数化方案,Noah-MP在奴下站的月尺度模拟纳什效率系数NSE(Nash-Sutcliffe efficiency)为0.23、偏差百分比PBias为–35.79%,而采用基于临界温度的雨雪分离方案、改进的二流近似辐射传输方案以及基于BATS的产流方案后,PBias分别减少至–23.36%、3.85%、–17.19%,NSE分别提高至0.37、0.58、0.60,显著优于默认方案;(2)进一步基于优选方案进行组合,奴下、羊村、奴各沙的月尺度径流NSE分别提高至0.89、0.87、0.81,而最上游拉孜站NSE仅为–0.06,低于个别方案,这表明拉孜流域的产流机制可能不同于下游流域.研究结果表明,无参数率定的Noah-MP模式在雅江径流模拟中的表现较为优异,具有较高的应用潜力,未来可通过进一步改进雨雪分离、辐射传输、产流过程的参数化方案来提高模式在高寒区的径流模拟能力.
湖泊流域汇水径流过程的模拟预测是一种复杂系统中的时间序列分析问题。模型选择上,现有的机理模型法与辨识模型法各有利弊。同时,现有的模型多采用静态数据驱动模拟,不能有效利用传感网实时观测数据来改善模拟不确定性的问题。本文基于深度循环神经网络技术,提出一种适应动态数据驱动的模式,可融合遥感数据与原位传感器站点数据的DTSM(Dynamic Data Driven Time Series Model)时序模拟预测模型,并在观测值与数值模拟之间建立了一种能动态反馈、自适应调整的模拟框架,解决了传统辨识模型法对时序信息挖掘较弱导致模拟精度较低的问题。通过在鄱阳湖多个子流域入湖径流的案例中验证,显示静态数据驱动模式下,以不同数据源作为输入模拟时,本文DTSM模型的纳希效率系数Ens精度比机理模型提高10个百分点以上;相比静态模式,动态数据驱动模式的模拟精度有进一步提高,尤其是对于静态模式精度较低的流域,提高更为明显。
暂无评论