排序方式: 共有12条查询结果,搜索用时 0 毫秒
1.
1980—2017年祁连山水源涵养量时空变化特征 总被引:1,自引:0,他引:1
祁连山是中国西北地区十分重要的生态安全屏障,也是当地极为关键的水源涵养区。基于InVEST模型中的产水量模块,对祁连山水源涵养量和时空变化进行了分析并探讨其影响因素。结果表明:祁连山多年平均产水总量和水源涵养总量约为93.03×108 m3和57.83×108 m3。从时间变化来看,水源涵养量呈上升趋势,上升速率约为0.196 mm·a-1;在空间上呈“东多西少”的分布格局,与年降水量的空间分布大致相同。不同土地利用类型下的水源涵养总量依次为:草地(31.87×108 m3)>林地(16.71×108 m3)>耕地(4.92×108 m3)>其他用地(2.29×108 m3)>建设用地(0.63×108 m3)。降水量与水源涵养量在所有研究时段内均存在显著正相关性。不同时期土地利用类型的变化也会对水源涵养量产生重要影响,研究区草地面积变化对水源涵养量影响较大。根据建立的经验公式并参考已有研究成果,估算得出研究区多年冻土地下冰储量在550 km3以上,在全球气候变暖的背景下,消融趋势明显。研究可为祁连山水资源合理配置和生态系统保护提供参考。 相似文献
2.
湖泊是温室气体氧化亚氮(N2O)的潜在排放源,但由于自然环境以及人类活动的差异,其N2O排放规律也存在特殊性和地域性。为探究巢湖N2O排放通量的时空特征,利用静态暗箱-气相色谱法于2018年3月至2019年12月对巢湖不同区域(东、中、西)N2O的排放进行观测。结果表明,巢湖水体N2O年均排放通量为(25.14±55.01)μg/(m2·h),表现为N2O的“源”,且具有较为明显的时空分布规律。在时间分布上,季节变化趋势呈现“M”形模式,7月出现最小值且表现为N2O的“汇”((-12.97±16.32)μg/(m2·h)),在6月和8月为峰值,全年最大值出现在8月((68.25±78.05)μg/(m2·h)),极值均出现在夏季。在空间分布上,东、中、西3个湖区N2O排放通量差异显著(P=0.03),N2O排放通量最大值((4... 相似文献
3.
4.
合理的参数估计是提高陆面模式模拟能力的关键,而其过高的维数极大地增加了合理估计的难度。参数的敏感性分析,旨在针对目标变量找出最敏感的参数,从而实现在有限计算机资源条件下,对参数进行合理估计。本文以Common Land Model(CoLM)为研究对象,利用Morris 方法定性地从40 个参数中筛选出影响土壤温度和土壤湿度的敏感参数,并通过Sobol' 方法从敏感性顺序和各敏感参数的累积贡献率两个方面,对Morris 方法分析结果进行验证。在此基础上,本研究还利用Sobol' 方法对已筛选的参数做定量敏感性分析,最终确定参数的主效应、交互效应和总效应。研究结果表明,Morris 方法可以基于少量样本实现复杂的陆面模式的参数筛选,而Sobol' 方法的结果又从定量的角度描述了每个敏感参数对模型响应的影响程度,并且两种方法结论一致。 相似文献
5.
6.
针对TRMM降水数据在中国内陆是否可靠的问题,本研究采用了Xie Pingping根据地面观测站点产生的降水数据、中国气象局公开的759个站点观测降水数据与3B42_V6版本的TRMM降水数据,在中国内陆将地面观测数据同TRMM数据进行了深入对比分析。发现TRMM降水质量受地形影响很大,迎风坡偏小背风坡与山顶偏大,TRMM降水在汛期(夏季与秋季)比站点观测降水大,枯季(冬季与春季)TRMM相对精确。所以本研究建议在对TRMM降水数据进行应用时应该进行地形矫正。 相似文献
7.
8.
9.
水文非线性系统与分布式时变增益模型 总被引:5,自引:0,他引:5
论述了以Volterra泛函级数表达的流域降雨-径流非线性系统理论与概念性模拟方法. 依据流域数值高程模型、遥感信息和单元水文过程, 提出了水文非线性系统理论的时变增益模型(TVGM)和推广应用到流域时空变化模拟的分布式时变增益模型(DTVGM). 研究表明, 除了常用的非线性系统分析方法之外, 从复杂水文关系研究中另辟蹊径, 提出一种简单关系的非线性系统分析是完全有可能的. 时变增益水文模型的提出及其与一般性水文非线性系统的联系就是一个例证. 水文非线性系统方法与分布式流域水文模拟结合的DTVGM模型, 能够发挥水文系统方法与分布式水文模拟方法相结合的优点, 探索环境变化下的流域水文模拟问题. 将DTVGM分别应用到河西走廊干旱地区的黑河流域和华北地区潮白河流域实例研究, 模拟了水文时空变化以及陆面覆被变化与水文影响分析, 取得了较好的效果, 说明了其特色和应用价值. 相似文献
10.
基于遥感驱动分布式时变增益水文模型 总被引:1,自引:0,他引:1
提出了一个完全采用遥感数据驱动的分布式时变增益水文模型,该模型通过融雪、产汇流等水文过程计算,给出流量的雪盖、蒸散发、径流等水文要素。在拉萨河流域,该模型采用遥感USGS-SRTM的3秒DEM、遥感TRMM(The Tropical RainfallMeasuring Mission)降水、Modis-LST(Land Surface Temperature)数据,建立分布式水文模型,模拟了2001-2008年日水文过程。模拟结果效率系数接近0.7,相关系数接近0.8,水量平衡误差5%以内。说明完全依靠遥感驱动水文模型进行水文水资源模拟可行。该模型为解决高寒山区无资料或缺资料地区水文水资源问题提供了一个新方法。 相似文献