可解释性长短期记忆模型用于预测湖泊总磷浓度变化

对湖泊总磷的变化预测和来源识别对水资源调度和流域生态治理有着重要的意义,然而复杂的生化反应和水动力条件导致的非平稳性给湖泊总磷浓度的准确预测带来极大的困难。为克服这一挑战,本文引入了基于加权回归的季节趋势分解(seasonal and trend decomposition using Loess,STL)技术和夏普利加法(SHapley additive exPlanations,SHAP)结合长短期记忆网络(long short-term memory neural network,LSTM)和门控循环单元(gated recurrent unit,GRU)构建了一个可解释的预测框架,以增强对湖泊总磷浓度演变的预测并提高其可解释性。研究表明:(1)在骆马湖总磷浓度的预测中,该框架拥有较好的预报精度(R²=0.878),优于LSTM和卷积长短期记忆模型(convolutional neural networks and long short term memory network,CNN-LSTM)。当预测时间步长增加到8 h时,该框架有效提高了总磷浓度的预测精度,平均相对误差和均方根误差分别降低了47.1%和33.3%。从预测趋势来看,骆马湖在汛期的总磷平均浓度为0.158 mg/L,相较于非汛期的平均浓度,增加了202.1%。(2)运河来水是骆马湖总磷浓度最重要的影响因素,贡献权重为60.0%,并且不同断面(三湾、三场)的污染源受水动力、气象等因素的影响存在显著的时空差异。本文凸显了神经网络模型在预警水体污染方面的可实施性,并且为提高传统神经网络的学习能力和可解释性的开发与验证提供了重要方向。     

生态最相关水文指标的优选及其在洞庭湖环境流量估算中的应用

水文改变指标(IHA)能够较为全面地描述水文状况,在评估水文情势改变及其生态系统影响方面具有广泛的应用.尽管该指标体系较为完善,但是数量众多的水文变量仍然存在信息冗余问题.根据洞庭湖城陵矶水文站1955-2014年的径流量数据,采用主成分分析(PCA)筛选了生态最相关水文指标(ERHIs),结合ERHIs改进了用于估算环境流量的变化范围法(RVA),并将其应用在洞庭湖出口的环境流量估算中.基于PCA选取了年最大90日流量、年最小3日流量、年最小流量出现时间、3月流量、6月流量、流量逆转次数和低流量年内平均历时7个变量作为洞庭湖出口的ERHIs.纵向和横向的对比分析都表明选取的ERHIs是合理的.ERHIs不仅有效缓解了IHA的冗余性问题,还有利于抓住最关键的生态水文变量.根据ERHIs改进的RVA方法在设定洞庭湖出口环境流量时,极大地简化原来的众多管理目标,对生态水文研究、水资源管理和生态保护都具有重要的参考价值和借鉴意义.     

洞庭湖近30a水位时空演变特征及驱动因素分析

洞庭湖地处北亚热带季风湿润气候区,水情时空变化尤为明显.为了探明洞庭湖水位时空演变特征,以洞庭湖6个水位站(城陵矶、鹿角、营田、杨柳潭、南咀、小河咀)、出入湖流量("三口"总入湖流量、"四水"总入湖流量、城陵矶出湖流量)和长江干流流量(宜昌、螺山)等1985-2014年逐日数据为基础,通过构建泰森多边形计算湖泊水位,运用Morlet小波分析、层次聚类分析和地统计理论研究湖泊水位的周期性变化规律及空间分布格局和自相关性.研究结果表明:洞庭湖水位变化具有典型的季节性,且年际变化具有28和22 a的多时间尺度特征;水位空间分布格局呈现出小河咀、南咀、杨柳潭(Group 1)以及城陵矶、鹿角、营田(Group 2)两种聚类,且在不同水文季节的空间自相关性依次表现为丰水期退水期涨水期枯水期.通过建立两类水位在不同水文季节与径流量的多元逐步回归模型揭示了洞庭湖水位时空演变的驱动因素,其中Group 1水位演变主要受长江干流水文情势的影响,Group 2水位演变由出入湖径流量和长江干流径流量共同作用,并随着不同水文季节江湖关系的改变以及湖泊自身水力联系的变化而变化.研究结果对于科学认识洞庭湖水位的时空演变规律以及湖泊生态系统保护和水资源的规划、管理与调控具有重要意义.     

2000～2014年洞庭湖区植物面积变化及其与湖泊水位的关系

利用增强型植被指数(enhanced vegetation index,EVI),采用Mann-Kendall方法和Sen’s斜率估计方法,研究2000~2014年洞庭湖区的植物面积及其变化趋势,以及其与水位之间的关系。研究结果表明,枯水年洞庭湖区的植物面积最大,平水年的次之,丰水年的最小;2000~2014年期间,洞庭湖区增强型植被指数的变化存在空间异质性,东洞庭湖区的大部分区域的增强型植被指数无显著变化,南洞庭湖区的大部分区域的增强型植被指数显著增大;洞庭湖区18.08%的区域的增强型植被指数显著增大,这些区域主要集中在高滩地(平均海拔为26.61 m);7.51%的区域的增强型植被指数显著减小,这些区域主要集中在低滩地(平均海拔为25.79 m);随着湖泊水位的上升,洞庭湖区植物面积在减少,当洞庭湖水位为24 m时,最适合植物生长,当洞庭湖水位低于24 m时,洞庭湖区的植物面积受水位变化的影响较小。     

鄱阳湖湿地植物灰化薹草(Carex cinerascens)对不同地下水位的生理生态响应

地下水位在非淹水期对湿地植物的生长影响较大,但目前相关研究十分缺乏.本文选择鄱阳湖典型植被灰化薹草(Carex cinerascens)为研究对象,研究不同地下水位(地下水位埋深10、20、40、80和120 cm)对灰化薹草形态指标、地上生物量和生理指标的影响.结果表明,随着地下水位埋深的增加,灰化薹草的株高、叶长和生物量均显著降低,地下水位10 cm处理组的灰化薹草生物量为0.371±0.017 g,为地下水位120 cm处理组(0.084±0.004 g)的4.4倍;处理组间灰化薹草叶片中超氧化物歧化酶活性、过氧化物酶活性、游离脯氨酸含量和叶绿素含量均存在显著差异,其中游离脯氨酸含量由地下水位10 cm处理组的6.29±0.70μg/g增加到地下水位120 cm处理组的8.54±1.37μg/g,表明随着地下水位埋深的增加,灰化薹草面临一定程度的干旱胁迫.灰化薹草的生理生态响应综合表明,地下水位埋深20 cm以内适宜灰化薹草的生长,地下水位埋深80 cm以上的干旱胁迫会阻碍灰化薹草的生长.     

施氮和增温对鄱阳湖灰化薹草(Carex cinerascens Kukenth.)湿地秋草生长期氧化亚氮排放的影响

湿地是地球上十分重要的氮库,而且对大气氮沉降增加、气候变暖等全球变化响应非常敏感。目前关于湿地氧化亚氮(N₂O)的研究还存在较大的区域不均衡性,湿地N₂O排放对全球变化的响应也具有很大的不确定性。因此,本研究通过在鄱阳湖灰化薹草(Carex cinerascens Kukenth.)湿地开展N₂O通量原位监测及全球变化模拟实验,以揭示鄱阳湖灰化薹草湿地N₂O排放变化特征及其对施氮和增温的响应关系。结果表明,鄱阳湖灰化薹草湿地总体上是N₂O弱源,平均N₂O通量为(5.77±1.45) μg/(m²·h)。施氮对鄱阳湖灰化薹草湿地N₂O通量有显著影响,相对于不施氮,施氮可显著提升2.7倍的N₂O排放通量。增温及其与施氮的交互作用对N₂O通量的影响不显著。鄱阳湖灰化薹草湿地N₂O排放过程主要由湿地植物调节,而与空气温度、土壤温度、土壤水分等非生物因素无显著相关关系。研究结果有利于深入认识全球变化与湖泊湿地N₂O排放的互馈作用,并为评估全球变化背景下湖泊湿地N₂O收支平衡提供重要支撑;未来还需要加强多因子交互作用研究并开展长期连续监测,从而为阐明湿地氮循环对全球变化的响应机制和构建气候预测模型提供验证数据和理论依据。     

1960年以来气候变化与人类活动对鄱阳湖流域生态径流改变的影响

基于鄱阳湖流域五河水文站1960-2013年逐日径流量和14个国家级气象站的日气象数据,本文利用长短记忆模型框架构建神经网络模型来开展鄱阳湖流域的径流过程模拟,结合生态赤字与生态盈余等生态径流指标,定量分析了鄱阳湖流域的水文变异特征.同时,利用差异化的情景模拟方式,定量区分了人类活动和气候变化对鄱阳湖流域生态径流变化的...