冰雪消融径流的精确模拟对内陆河流域洪水灾害预警与水资源优化管理具有重要意义。长短时记忆神经网络(long short-term memory, LSTM)深度学习模型可有效用于水文预测领域。针对传统LSTM模型未能充分利用气象要素空间特征,论文以叶尔羌河源区为研究区,基于空间矩(spatial moments of catchment, SMC)方法提取气温的空间特征,利用LSTM学习长时序过程规律,构建融合气温时空特征的高寒山区深度学习日径流预测模型SMCLSTM;利用LSTM模型和水文模型SWAT(soil and water assessment tool)作为比对模型评估了改进的LSTM模型在冰雪消融补给型河流径流预测中的优势与不足。结果表明:SMC-LSTM径流模型纳什效率系数相较于SWAT日尺度水文模型提高约20%;SMC-LSTM径流预测模型在预见期1~7 d时纳什效率系数优于LSTM模型5%~15%,在峰值流量的预测上优于LSTM模型2%~22%,预见期越短,SMC-LSTM径流预测模型优势越明显。空间量化指标SMC的加入提升了LSTM模型径流预测的准确度。
在荒漠和绿洲过渡带,防风固沙是解决荒漠化和沙漠化问题的重要手段之一。骆驼刺(Alhagi sparsifolia)是沙漠地区常见的一种荒漠深根植物,对防风固沙起到重要作用。当地居民不合理的利用方式导致骆驼刺植被遭受大面积的破坏。本试验以骆驼刺为研究对象,设置对照(control,CK)、春季砍伐(cutting in spring,CS)、春季火烧(burning in spring,BS)、秋季砍伐(cutting in fall,CF)和洪水灌溉(flood water irrigation,FI)5个处理,研究不同干扰方式对骆驼刺生长特征及土壤风蚀的影响。结果表明:在经历13年后(2010—2023年),对照(CK)的株高和冠幅显著高于其他干扰方式,洪水灌溉后的多样性指数、均匀度指数和物种丰富度显著高于其他干扰方式。不同干扰方式下,土壤pH、电导率、全氮、全磷、全钾和速效磷差异不显著。洪水灌溉(FI)后的土壤速效氮显著低于对照(CK),而土壤有机碳和速效钾显著低于春季砍伐(CS)。春季火烧(BS)后的土壤风蚀高度显著低于其他干扰方式。土壤风蚀高度与植株株高和冠幅呈显著正相关。研究结果为更好地保护和合理利用骆驼刺及其他荒漠植被资源提供科学依据。
暂无评论