洪涝灾害条件下疏散交通生成预测方法

为有助于有关部门更准确预测洪涝灾害受灾民众的疏散量,结合非集计数据和集计数据的优点,提出分区集计数据的概念,设计了受灾区域分区方法,并通过意向偏好(SP)调查法对我国居民在洪涝条件下疏散交通需求数据进行调查。在此基础上,引入BP神经网络建立基于分区集计数据的疏散交通生成预测模型。利用调查数据进行实证分析发现,所设计方法取得了较好的预测效果,鲁棒性较好,平均相对预测误差仅为1.8%,其预测效果明显优于现有的非集计和整集计模型。     

洪水灾害评估体系研究

从系统论的观点出发，提出了洪水灾害系统的概念，并结合洪水灾害评估的特点，设计了洪水灾害评估体系的总体框架。     

地表水环境遥感监测关键技术与系统

介绍了地表水环境遥感监测的关键技术与系统及其典型应用,其代表性机理模型和应用示范成果主要来自于中国科学院遥感与数字地球研究所的高光谱遥感团队在最近几年中取得的一些研究进展,主要包括建立了基于改进双峰法的水体分布自动化遥感提取方法,实现了简单、高效和高精度的水体提取;提出了大型湖泊长时序水量估算方法,并以青藏高原湖区为例,重建了典型湖泊面积、水位和水量序列;发展了基于“软分类”的典型内陆水体叶绿素a浓度反演方法,构建了基于生物光学模型的高度浑浊水体悬浮物浓度遥感反演半解析方法,提高了反演方法的区域和季节适用性;构建了基于水色指数的大范围湖库营养状态和透明度遥感监测方法,实现了全球大型湖库营养状态遥感监测,以及全国大型湖库透明度遥感监测;在此基础上,开发了地表水环境遥感监测系统,提高了水环境遥感监测效率,促进了卫星遥感在水环境监测中的高精度业务化应用。     

农业非点源污染田间模型及其应用

非点源污染的负荷定量化研究是控制、评价和管理非点源污染的基础.农业非点源污染负荷估算包括农田排水估算和排水中的污染物浓度预测2个环节.依据水量平衡原理,农田排水应用DRAINMOD模型估算;将农田的施肥和灌溉过程"合成"作为田间污染物浓度的脉冲输入,农田排水中的污染物浓度变化则视作对应于此脉冲输入的响应过程,而污染物在田间的复杂迁移转化过程以逆高斯概率密度函数隐含表达.以此为基础,构建了农田尺度农业非点源污染负荷估算模型.以青铜峡灌区典型试验区为例,对稻田排水沟中硝态氮(NO_3~--N)和总磷(TP)的负荷过程进行了模拟,结果表明,模型估算结果和实测污染物负荷过程非常接近,Nash-Suttcliffe模拟效率系数分别为0.963和0.945,表明该模型具有较高的可靠性.     

黄河支流非点源污染物(N、P)排放量的估算

为了估算黄河支流域非点源污染物的排放量,为今后黄河流域的治理提供科学的依据,对黄河流域的6个子流域(渭河流域、泾河流域、洛河流域、无定河流域、窟野河流域、黄甫川流域)进行了水样、土样和泥沙样的采集分析;结合6个子流域的多年水文资料,利用已经被证明了的平均浓度法对黄河6个子流域的氮磷污染物进行了定量描述,估算出各个流域的氮磷排放量.结果表明,95%的全磷、大于53%的全氮来自于非点源污染,非点源污染是造成黄河污染的主要原因.各流域非点源污染的发生具有明显的地域分异特征.硝态氮主要来自于渭河,铵态氮主要来自于泾河,其次是渭河.从全氮看,绝大部分氮来自于渭河和泾河.全磷则主要来自于泾河,其次是渭河.泾河和渭河是6条河流中对黄河污染物排放量贡献最大的2条河流.     

陕西省水资源供求指数和综合干旱指数及其时空分布

识别区域的干旱时空特征对于防旱抗旱具有重要指导意义。论文采用两种方法研究了陕西省干旱时空分布特征并比较了两种方法在应用中的优缺点：其一,考虑社会经济因素对干旱的影响,采用基于水资源供水和需水平衡的陕西省社会经济干旱指标（水资源供求指数）;其二,结合SPI、PDSI和SPEI的特点,运用模糊综合法建立了综合干旱指数。结果表明：陕西省干旱发生频率很高,南北多发生轻微干旱,中部多发生中重度干旱。陕西省干旱在空间上分布差异大,两种方法均表明咸阳、西安、渭南和铜川地区旱情最为严重。在水资源量存在巨大差异的地区,如商洛与榆林,仅用一种类型的干旱指标无法全面体现实际情况,两种方法的结论存在差异：综合干旱指数表明榆林干旱较重,但供求指数为轻旱;商洛供水可满足需水,但综合干旱指数为轻旱。气象干旱指数,在水资源短缺的地区或自然生态系统中,结果更贴近于实际;社会经济干旱指数——水资源供求指数,更适宜用于水资源极其丰富且供水能力强的地区。     

湖泊水质参数空间最优估计精度分析

在湖泊研究中,往往要了解污染的空间分布状况,其核心是空间最优估计问题.本文在阐述了克立格方差特点的基础上,以太湖为例,对湖泊水质参数空间最优估计的精度问题进行了分析.结果显示,估计精度受变差函数、各采样点的空间配置关系等因素的影响.空间结构直接决定着估计精度的大小,而与各信息采样点的值的大小无关.     

农业生产效率对农业用水量的影响

2016年中国农业用水量占用水总量的60%以上,水资源成为国家农业安全的重要保障,而影响农业用水量的因素较多。论文首先采用非期望产出的Super-SBM模型测度1998—2015年中国30个省份（西藏、香港、澳门、台湾缺少资料,未计算）的农业生产效率,再利用非参数核密度估计演示主要年份农业生产效率和农业用水量的动态变化,然后借鉴Hansen的门槛模型检验农业生产效率对农业用水量的“门槛效应”。结果表明：1）我国农业生产效率呈倒“U”型走势,省际间差异性减弱;农业用水量先下降后上升,省际间差距存在扩大的趋势。2）提高农业生产效率是降低农业用水量的有效途径,农业生产效率对农业用水量存在显著的“门槛抑制效应”,抑制强度呈“N”型走势。3）扩大粮食作物种植比例、增加农村劳动力和提高农村居民收入均能有效抑制农业用水量增加,而水资源禀赋、水利投资和耕地灌溉面积与农业用水量呈正相关性,农民受教育水平回归结果不显著。     

中国水环境非点源污染负荷的估算研究

中国已占水环境容量中,除了点源污染以外,非点源污染也占有相当比重,非点源污染负荷的定量化研究势在必行.国外对非点源污染的研究开始较早,成果也较成熟.从20世纪80年代以来,中国也逐渐认识到非点源污染的存在及其危害性,开始了非点源污染的控制研究.但是中国对非点源污染问题的研究现在尚处于初级阶段,多为借鉴国外模型.文章分析了国内外对非点源污染的研究方法和研究现状,介绍了适合中国国情的非点源污染负荷估算的方法,包括流域水文估算法、大尺度区域中非点源污染负荷估算的方法.     

METHODOLOGIES FOR CALIBRATION AND PREDICTIVE ANALYSIS OF A WATERSHED MODEL1

ABSTRACT: The use of a fitted parameter watershed model to address water quantity and quality management issues requires that it be calibrated under a wide range of hydrologic conditions. However, rarely does model calibration result in a unique parameter set. Parameter nonuniqueness can lead to predictive nonuniqueness. The extent of model predictive uncertainty should be investigated if management decisions are to be based on model projections. Using models built for four neighboring watersheds in the Neuse River Basin of North Carolina, the application of the automated parameter optimization software PEST in conjunction with the Hydrologic Simulation Program Fortran (HSPF) is demonstrated. Parameter nonuniqueness is illustrated, and a method is presented for calculating many different sets of parameters, all of which acceptably calibrate a watershed model. A regularization methodology is discussed in which models for similar watersheds can be calibrated simultaneously. Using this method, parameter differences between watershed models can be minimized while maintaining fit between model outputs and field observations. In recognition of the fact that parameter nonuniqueness and predictive uncertainty are inherent to the modeling process, PEST's nonlinear predictive analysis functionality is then used to explore the extent of model predictive uncertainty.