针对黄河源区水文情势复杂多变、径流模拟精度不足的问题,旨在构建融合潜在蒸散发(PET)预测的径流模拟方法,提升高寒地区径流模拟的可靠性。本研究采用随机森林(RF)、多层感知机(MLP)和极限学习机(ELM)3种机器学习方法,引入长短期记忆网...针对黄河源区水文情势复杂多变、径流模拟精度不足的问题,旨在构建融合潜在蒸散发(PET)预测的径流模拟方法,提升高寒地区径流模拟的可靠性。本研究采用随机森林(RF)、多层感知机(MLP)和极限学习机(ELM)3种机器学习方法,引入长短期记忆网络(LSTM)和PatchTST(Patch Time Series Transformer)深度学习方法,融合PET预测值进行径流模拟,评估不同气象因子组合下PET的模拟性能。研究结果表明:最高气温是PET模拟的最关键驱动因子,最高气温、相对湿度与风速组合情景下的PET模拟精度最高;在深度学习模型中,PatchTST模型在预测未来1个月潜在蒸散发时表现次于LSTM模型,但在多步长预测中表现更优;融合潜在蒸散发预测数据后,模型性能显著提升;以唐乃亥站PatchTST模型为例,纳什效率系数从0.706增至0.896(改进幅度为26.9%),平均绝对百分比误差从23.502降至18.305(降幅为22.1%),均方根误差从276.7降至160.8(降幅为41.9%),表明PET数据有效捕捉了蒸散发对径流损失的动态影响。研究成果可为高寒、缺资料地区的水文预报工作提供更精准的解决方案。展开更多
再分析数据集对于水文模拟和可靠的水资源管理具有吸引力,特别是对于气象资料匮乏的地区。研究以黄河源为研究区,使用中国大气同化驱动数据集(the China Meteorological Assimilation Driving Datasets for the SWAT Model,CMADS)驱动SW...再分析数据集对于水文模拟和可靠的水资源管理具有吸引力,特别是对于气象资料匮乏的地区。研究以黄河源为研究区,使用中国大气同化驱动数据集(the China Meteorological Assimilation Driving Datasets for the SWAT Model,CMADS)驱动SWAT(Soil and Water Assessment Tool)模型进行日尺度径流模拟并使用SWAT-CUP(SWAT Calibration and Uncertainty Program)和SUFI-2(Sequential Uncertainty Fitting-2)算法进行率定和验证,评估CMADS的精度及其对黄河源区水文模拟的适用性。结果表明:(1)CMADS在黄河源区的日尺度气温精度非常高,与流域内8个气象站实测数据的相关系数均在0.95以上。汛期日降水精度令人满意,相对误差基本在±10%之间,非汛期的日降水精度差,相对误差基本在-30%到-50%之间。(2)SWAT模型在黄河源区水文模拟的适用性非常强,利用气象站观测数据驱动SWAT模型得到率定期和验证期的NSE、R2、PBIAS、RSR和KGE各项评价指标等级均为非常好。(3)采用两种方法对CMADS水文模拟适用性进行评估。方法一是用CMADS驱动SWAT模型率定和验证并进行水文模拟;方法二是用CMADS驱动已经用实测气象数据率定好最佳参数的SWAT模型进行水文模拟。结果发现,CMADS在黄河源区水文模拟与实测流量相关性高,但是容易低估流量,总体来看,CMADS在黄河源区水文模拟适用性不错,其中方法一比方法二的水文模拟效果好。研究的结果证明CMADS可为气象资料稀缺的高寒山区提供较为可靠的数据来源,为扩大水文模拟的时间和空间尺度提供了可能。展开更多
文摘针对黄河源区水文情势复杂多变、径流模拟精度不足的问题,旨在构建融合潜在蒸散发(PET)预测的径流模拟方法,提升高寒地区径流模拟的可靠性。本研究采用随机森林(RF)、多层感知机(MLP)和极限学习机(ELM)3种机器学习方法,引入长短期记忆网络(LSTM)和PatchTST(Patch Time Series Transformer)深度学习方法,融合PET预测值进行径流模拟,评估不同气象因子组合下PET的模拟性能。研究结果表明:最高气温是PET模拟的最关键驱动因子,最高气温、相对湿度与风速组合情景下的PET模拟精度最高;在深度学习模型中,PatchTST模型在预测未来1个月潜在蒸散发时表现次于LSTM模型,但在多步长预测中表现更优;融合潜在蒸散发预测数据后,模型性能显著提升;以唐乃亥站PatchTST模型为例,纳什效率系数从0.706增至0.896(改进幅度为26.9%),平均绝对百分比误差从23.502降至18.305(降幅为22.1%),均方根误差从276.7降至160.8(降幅为41.9%),表明PET数据有效捕捉了蒸散发对径流损失的动态影响。研究成果可为高寒、缺资料地区的水文预报工作提供更精准的解决方案。
文摘再分析数据集对于水文模拟和可靠的水资源管理具有吸引力,特别是对于气象资料匮乏的地区。研究以黄河源为研究区,使用中国大气同化驱动数据集(the China Meteorological Assimilation Driving Datasets for the SWAT Model,CMADS)驱动SWAT(Soil and Water Assessment Tool)模型进行日尺度径流模拟并使用SWAT-CUP(SWAT Calibration and Uncertainty Program)和SUFI-2(Sequential Uncertainty Fitting-2)算法进行率定和验证,评估CMADS的精度及其对黄河源区水文模拟的适用性。结果表明:(1)CMADS在黄河源区的日尺度气温精度非常高,与流域内8个气象站实测数据的相关系数均在0.95以上。汛期日降水精度令人满意,相对误差基本在±10%之间,非汛期的日降水精度差,相对误差基本在-30%到-50%之间。(2)SWAT模型在黄河源区水文模拟的适用性非常强,利用气象站观测数据驱动SWAT模型得到率定期和验证期的NSE、R2、PBIAS、RSR和KGE各项评价指标等级均为非常好。(3)采用两种方法对CMADS水文模拟适用性进行评估。方法一是用CMADS驱动SWAT模型率定和验证并进行水文模拟;方法二是用CMADS驱动已经用实测气象数据率定好最佳参数的SWAT模型进行水文模拟。结果发现,CMADS在黄河源区水文模拟与实测流量相关性高,但是容易低估流量,总体来看,CMADS在黄河源区水文模拟适用性不错,其中方法一比方法二的水文模拟效果好。研究的结果证明CMADS可为气象资料稀缺的高寒山区提供较为可靠的数据来源,为扩大水文模拟的时间和空间尺度提供了可能。
