發(fā)布時間：2017-12-19 08:42

  本文關(guān)鍵詞：浙江省潛在蒸散發(fā)變化及水文過程研究

  更多相關(guān)文章： 氣候變化 潛在蒸散發(fā) 全局敏感性分析 DHSVM模型 并行計算 多目標(biāo)率定

【摘要】：隨著全球經(jīng)濟(jì)快速發(fā)展和人口數(shù)量增長,溫室氣體排放大量增長,導(dǎo)致全球平均氣溫升高。氣候變化已經(jīng)成為世界關(guān)注的環(huán)境問題之一。全球溫度升高對水文循環(huán)影響明顯,導(dǎo)致海平面上升、冰川融化和極端事件頻繁發(fā)生等等。研究氣候變化對水文循環(huán)、尤其是水文核心要素的影響,對水資源評估規(guī)劃、極端災(zāi)害預(yù)防和水利工程設(shè)計等具有非常重大的意義。蒸散發(fā)作為水文循環(huán)的重要組成部分之一,是陸地和海洋水分返回大氣的唯一途徑,研究氣候變化下蒸散發(fā)的影響對農(nóng)業(yè)灌溉、水資源規(guī)劃和設(shè)計等方面具有重大意義。本文以浙江省為研究對象,首先探討了氣候變化下不同潛在蒸散發(fā)計算模型在研究區(qū)域的適用性,并具體分析了未來潛在蒸散發(fā)的變化及原因。然后,以浙江省中部地區(qū)金華江流域為研究對象,運用分布式水文模型DHSVM對蒸散發(fā)和徑流進(jìn)行模擬。針對DHSVM缺少敏感性分析和自動率定模塊,本文開發(fā)了基于Linux機(jī)群并行計算的兩步敏感性分析的DHSVM模型,分析得到對模型模擬蒸散發(fā)和徑流的敏感參數(shù)以及參數(shù)之間的相互作用;并開發(fā)了基于Linux機(jī)群并行計算的ε-NSGAⅡ多目標(biāo)率定的DHSVM模型(εP-DHSVM),以蒸散發(fā)和徑流為目標(biāo)對模型參數(shù)進(jìn)行優(yōu)選,分析模型對蒸散發(fā)和徑流的模擬效果。本文的具體研究內(nèi)容和成果如下:(1)在IPCC第四次評估報告中給出的A1B情景下的兩個全球氣候模式HadCM3和ECHAM5,運用PRECIS區(qū)域氣候模式進(jìn)行動力降尺度得到日尺度氣象數(shù)據(jù),在此基礎(chǔ)上進(jìn)行以浙江省為研究區(qū)域的氣候變化下四個潛在蒸散發(fā)計算模型適用性研究,即Blaney-Criddle、Hargreaves、Makkink 和 Priestley-Taylor。結(jié)果表明:在基準(zhǔn)期,四個模型的誤差百分比都在可接受范圍內(nèi)。在年尺度和季節(jié)尺度上,Blaney-Criddle模型對代表氣象站潛在蒸散發(fā)的模擬效果最好,Makkink模型次之,Hargreaves模型第三,Priestley-Taylor模型稍差。在月尺度上,四個模型在內(nèi)陸氣象站的模擬效果均較好;在海島氣象站模擬效果屬Blaney-Criddle模型最好,Makkink模型次之,Hargreaves模型第三,Priestley-Taylor模型稍差。此外,基于四個模型的浙江省潛在蒸散發(fā)空間分布情況均較好。在未來預(yù)測期,ECHAM5和HadCM3兩個模式下Blaney-Criddle和Hargreaves模型對年尺度潛在蒸散發(fā)模擬效果較好;Makkink和Priestley-Taylor模型在內(nèi)陸氣象站表現(xiàn)較好,在海島氣象站表現(xiàn)不佳。不同GCMs模式下,基于四個模型的季節(jié)尺度和月尺度潛在蒸散發(fā)模擬效果存在差異。(2)選用Penman-Monteith公式計算浙江省未來預(yù)測期(2011-2040)的潛在蒸散發(fā),并對浙江省潛在蒸散發(fā)的變化進(jìn)行歸因分析。運用全局敏感性分析方法Sobol'和實測氣象數(shù)據(jù)(1955-2008),分析潛在蒸散發(fā)對五個氣象變量的敏感性,即太陽輻射、最低溫度、最高溫度、相對濕度和風(fēng)速。未來潛在蒸散發(fā)變化的歸因分析,可根據(jù)未來氣象變量的變化和敏感性分析結(jié)果進(jìn)行的。敏感性分析結(jié)果表明:潛在蒸散發(fā)對氣象變量的敏感性存在明顯的時空差異,且氣象變量之間的相互作用同樣重要。兩個GCMs(HadCM3和ECHAM5)未來預(yù)測期年平均潛在蒸散發(fā)變化的空間分布非常相似,但季尺度和月尺度的變化十分不同,這是由于兩個GCMs的氣象變量時空變化存在較大差異。2011-2040年潛在蒸散發(fā)變化主要是由于三個氣象變量的變化引起的,即太陽輻射、相對濕度和最低溫度。(3)通過分布式水文模型可以得到高精度的蒸散發(fā)空間分布和研究區(qū)域內(nèi)無氣象資料地點的長序列蒸散發(fā)數(shù)據(jù)。運用水文模型的前提是模型具有較好的率定效果,率定參數(shù)通常是根據(jù)敏感性分析結(jié)果確定的。針對DHSVM模型參數(shù)眾多且缺乏敏感性分析模塊,本文開發(fā)了基于Linux并行計算的兩步敏感性分析的DHSVM模型;第一步:采用敏感性方法ANOVA對模型參數(shù)進(jìn)行初步敏感性分析;第二步:運用全局敏感性分析方法Sobol'對初步敏感參數(shù)進(jìn)行更進(jìn)一步的分析,得到對模型輸出敏感的參數(shù)以及參數(shù)之間相互作用。結(jié)果表明:在敏感性分析第一步中,參與ANOVA敏感性分析的83個參數(shù)中對模型輸出初步敏感的參數(shù)為16個。敏感性第二步結(jié)果表明:對模型輸出很敏感的參數(shù)僅8個,包括1個常量參數(shù)(降雨截留葉面積加倍因子)、4個土壤相關(guān)參數(shù)(粘壤土的側(cè)向傳導(dǎo)率、孔隙率、田間持水量和凋萎系數(shù))和3個植被相關(guān)參數(shù)(農(nóng)田的下冠層月葉面積指數(shù)、下冠層最小阻抗和根區(qū)深度);與蒸散發(fā)有關(guān)且直接敏感的參數(shù)有5個(降雨截留葉面積指數(shù)加倍因子、土壤凋萎系數(shù)、植被葉面積指數(shù)、植被最小阻抗和根區(qū)深度);此外,Sobol'分析結(jié)果表明模型輸出對參數(shù)之間相互作用的敏感性同樣不可忽略,比如:粘壤土田間持水量的單獨敏感性指數(shù)為0.18,考慮與其他參數(shù)的相互作用后,該參數(shù)的總敏感性指數(shù)達(dá)到 0.29。(4)由敏感性分析結(jié)果可知,模型模擬蒸散發(fā)對降雨截留葉面積指數(shù)加倍因子、土壤凋萎系數(shù)、植被葉面積指數(shù)、植被最小阻抗和根區(qū)深度等參數(shù)非常敏感,這些參數(shù)的選取對蒸散發(fā)的模擬效果起到?jīng)Q定性的作用。針對DHSVM模型缺乏率定模塊,本文開發(fā)了基于Linux并行計算的ε-NSGAII多目標(biāo)率定的DHSVM(εP-DHSVM)。以金華江流域蒸散發(fā)和徑流作為目標(biāo),運行εP-DHSVM模型對參數(shù)進(jìn)行多目標(biāo)優(yōu)選。此外,采用基于IDL語言的遙感蒸散發(fā)反演模型SEBAL對MODIS遙感數(shù)據(jù)進(jìn)行反演,作為實測蒸散發(fā)數(shù)據(jù)。結(jié)果表明:SEBAL模型反演的蒸散發(fā)與潛在蒸散發(fā)變化過程一致,結(jié)果可靠。多目標(biāo)率定結(jié)果表明:模型對蒸散發(fā)的模擬效果非常好,蒸散發(fā)最優(yōu)模擬效果對應(yīng)效率系數(shù)為0.86,偏差為-1.9%。多目標(biāo)率定中徑流最優(yōu)模擬效果對應(yīng)效率系數(shù)為0.79,偏差為-1.6%;與單目標(biāo)相比,某些月份的偏差有所減小。此外,DHSVM模型可以同時較好的模擬徑流和蒸散發(fā),模擬效果理想,其日尺度徑流效率系數(shù)為0.74、徑流偏差為-10.5%,蒸散發(fā)效率系數(shù)為0.76,蒸散發(fā)偏差為-8.6%。
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2017
【分類號】：P33

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 尹云鶴;吳紹洪;戴爾阜;;1971～2008年我國潛在蒸散時空演變的歸因[J];科學(xué)通報;2010年22期

2 陳莉;方麗娟;李帥;;東北地區(qū)生長季潛在蒸散量的變化特征分析[J];災(zāi)害學(xué);2010年02期

3 曹雯;申雙和;段春鋒;;中國西北潛在蒸散時空演變特征及其定量化成因[J];生態(tài)學(xué)報;2012年11期

4 王新菊;庫路巴依;;新疆地區(qū)氣象要素變化對潛在蒸散發(fā)量的影響[J];人民黃河;2012年10期

5 王文玉;楊沈斌;張強(qiáng);呂開龍;孫翔宇;肖雯;胡勇;;近50年環(huán)青海湖高寒地區(qū)和環(huán)鄱陽湖濕潤地區(qū)潛在蒸散變化比較分析[J];中國沙漠;2013年03期

6 李常斌;楊林山;王帥兵;楊文瑾;;洮河流域潛在蒸散發(fā)估算-模式遴選及應(yīng)用[J];蘭州大學(xué)學(xué)報(自然科學(xué)版);2013年06期

7 左德鵬;徐宗學(xué);劉兆飛;;基于氣溫的潛在蒸散發(fā)量估算方法在我國西北干旱地區(qū)的應(yīng)用比較[J];干旱區(qū)資源與環(huán)境;2009年10期

8 劉昌明;張丹;;中國地表潛在蒸散發(fā)敏感性的時空變化特征分析[J];地理學(xué)報;2011年05期

9 劉勝婭;王會肖;王艷陽;葉文;;北京市潛在蒸散發(fā)量的時間序列變化特征分析[J];南水北調(diào)與水利科技;2013年04期

10 Steven J·meyer;Keneth G·hubbard;Donald A·wilhite;王玉辰;;使用美國國家氣象局預(yù)報改進(jìn)潛在蒸散估計[J];陜西氣象;1990年05期

中國重要會議論文全文數(shù)據(jù)庫 前7條

1 劉憲鋒;任志遠(yuǎn);林志慧;;1960～2011年西北地區(qū)潛在蒸散時空演變特征[A];第七屆全國地理學(xué)研究生學(xué)術(shù)年會論文摘要集[C];2012年

2 曹雯;申雙和;段春鋒;;中國西北潛在蒸散時空演變特征及其定量化成因[A];創(chuàng)新驅(qū)動發(fā)展 提高氣象災(zāi)害防御能力——S7應(yīng)對氣候變化與農(nóng)業(yè)氣象防災(zāi)減災(zāi)[C];2013年

3 段春鋒;繆啟龍;曹雯;;塔克拉瑪干沙漠周邊地區(qū)潛在蒸散時空演變特征及其主要影響因素[A];第28屆中國氣象學(xué)會年會——S4應(yīng)對氣候變化，，發(fā)展低碳經(jīng)濟(jì)[C];2011年

4 尹志芳;;45年來青藏高原典型生態(tài)系統(tǒng)潛在蒸散發(fā)變化[A];青藏高原資源·環(huán)境·生態(tài)建設(shè)學(xué)術(shù)研討會暨中國青藏高原研究會2007學(xué)術(shù)年會論文摘要匯編[C];2007年

5 蘭安軍;楚勤方;陳棟為;猶珀玉;劉發(fā)勇;肖小林;;貴州省潛在蒸散發(fā)量時空變異特征分析[A];2014中國環(huán)境科學(xué)學(xué)會學(xué)術(shù)年會（第三章）[C];2014年

6 韓松俊;劉群昌;楊書君;;黑河流域上中下游潛在蒸散發(fā)變化及其影響因素的差異[A];Collection of 2009 International Forum on Water Resources and Sustainable Development[C];2009年

7 付菁;范廣洲;周定文;;高橋公式在拉薩地區(qū)的適用性分析及其修正[A];第28屆中國氣象學(xué)會年會——S17第三屆研究生年會[C];2011年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 泮蘇莉;浙江省潛在蒸散發(fā)變化及水文過程研究[D];浙江大學(xué);2017年

2 楊建軍;基于遙感的新疆潛在蒸散模式研究[D];新疆大學(xué);2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 譚云娟;近50年來我國氣候干濕區(qū)的變化規(guī)律及其成因分析[D];南京信息工程大學(xué);2016年

2 張春玲;基于S-W模型的河西地區(qū)潛在蒸散發(fā)對氣候和植被的敏感性研究[D];西北師范大學(xué);2014年

3 王英;中國地表干濕變化及陸地生態(tài)系統(tǒng)響應(yīng)研究[D];浙江大學(xué);2006年

4 劉波;近四十年中國蒸發(fā)皿蒸發(fā)變化與氣候變化的關(guān)系及潛在蒸散的估算[D];南京信息工程大學(xué);2005年

本文編號：1307611