用于评估Luanhe River(URLR)对流量的植被变化的影响,我们首先计算了基础表面参数(ω)与归一化差异植被指数(NDVI)之间的方程。然后,我们将植被信息引入了Budyko方程,并建立了修改的Budyko方程。最后,使用改良的Budyko方程估算了植被变化对URLR流量的影响。结果表明:(1)URLR中的NDVI从1982年到2016年的趋势越来越大,这与径流深度相反。NDVI的突然变化发生在1998年,并且获得了ω和NDVI之间的简单线性模型(p <0.01)。(2)在变化期(1999- 2016年)中,降水,潜在蒸散量,NDVI和人为因素的贡献率分别为44.99、11.26、29.45和17.30%。尽管降水仍然是ULRB径流撞击的主要驱动力,而ULRB的植被的增加,但植被已成为径流撞击的第二个驱动力,随后是人类活动和潜在的蒸发量。需要进一步研究植被变化对水周期的影响的机制。这项研究的结果可以为URLR中的用水和保护提供理论基础。
摘要:本文回顾了当前 GeoAI 和机器学习在水文和水力建模、水文优化问题、水质建模以及河道地貌和形态动力学制图方面的应用。GeoAI 有效地利用了通过新自动化技术收集的大量空间和非空间数据。GeoAI 的快速发展提供了多种方法和技术,尽管这也使得不同方法之间的比较具有挑战性。总体而言,选择特定的 GeoAI 方法取决于应用程序的目标、数据可用性和用户专业知识。GeoAI 在非线性建模、计算效率、多种数据源集成、高精度预测能力以及新水文模式和过程的揭示方面表现出优势。大多数 GeoAI 模型的主要缺点是模型设置不充分,物理可解释性、可解释性和模型泛化性较低。关于水文 GeoAI 的最新研究集中于将基于物理的模型原理与 GeoAI 方法相结合,以及自主预测和预报系统的进展。
Spatio-temporal analysis of instant rains in the Moroccan context for needs of hydrological studies: Application to the area of action of the bouregreg and chaouia hydraulic basin agency = space-temporal analysis of instantaneous rainfall in the moroccan context for the use in hydrological studies: application to Area Monitored by the Hydraulic Basin Agency of Bouregreg and Chaouia / Khalid Barkouki
TimothéRobineau,Auline Rodler,Benjamin Morille,David Ramier,JérémieSage等。与水文和小气候模型耦合,以模拟从城市绿色区域和空气温度的蒸散量。城市气候,2022,44,pp.101179。10.1016/j.uclim.2022.101179。hal-04524035
摘要。气候强迫数据准确性推动了水文模型和分析的性能,但是每个研究者都需要在众多网格气候数据集选项中进行选择,并证明其选择在特定的水文模型或分析中使用。本研究旨在详细介绍网格数据集(降水,空气温度,湿度,风速,太阳辐射)的全面汇编和概述,并考虑了基于对先前研究的审查和合成的综述和合成,该研究标准是历史杂种式产品选择标准。此处概述的所有数据集至少涵盖了美国(CONUS),许多数据集在大陆或全球范围内。Gridded datasets built on ground-based observations (G; n = 20), satellite im- agery (S; n = 20), and/or reanalysis products (R; n = 23) are compiled and described, with focus on the characteristics that hydrologic investigators may find useful in discerning acceptable datasets (variables, coverage, resolution, accessi- bility, and latency).,我们根据29项最近的研究(过去10年)的详尽回顾,解释和综合,为数据集选择提供了最佳的科学恢复,这些研究(过去10年)比较了各种网格 - 气候数据集用于水文分析的性能。不存在网格气候数据的最佳来源,但是我们确定了可能有助于指导数据集选择的常见主题:
多模型组合(平均)方法(MMCMS)用于提高模拟或预测/预测模式中水文(降水量)输出的准确性。在本文中,我们检查了MMCMS的应用是否可以改善模型性能在再现水文特征的分布中,例如年度最大值或不同持续时间的最小值。到此目的,将10个MMCMS应用于29个桶类型的模型,以模拟50个高纬度流域的径流。通过将所得的模拟流与参考(即表现最佳)单个模型进行比较,考虑了各种常用的性能指标,以及在复制Sig Natures分布时的模型性能来评估MMCM。此外,我们分析了(1)候选模型的选择,还是(2)靶向特定特定签名(例如年度最大值或最小)可以提高模型组合的性能。结果表明,MMCMS的应用可以在传统的性能指标方面提高径流模拟的准确性,但无法提高复制签名分布的性能。既不排除表现不佳的模型,也不包括针对目标签名的MMCM,都可以改善模型性能的这一方面。这些发现清楚地揭示了需要进一步研究的需要,旨在增强模型性能,以重现水文特征的分布,这对于气候变化影响研究至关重要。
目前,全球水周期正在经历激进的转变,相关的全球水危机需要利益相关者的快速行动来减轻对人类和生态系统的不利影响。这种行动的紧迫性是由气候变化和土地使用土地覆盖变化(LULCC)的综合作用以及确保清洁水源的相关挑战所驱动的。气候变化所产生的全球变化正在使水的稀缺性变得更加严重,在水上压力的地方,导致更多的竞争,甚至在水资源上发生冲突。解决全球水危机的问题在全球南部的数据砂区域尤其具有挑战性,在该地区,水文过程的状况和水的可用性受到限制。在这里,通过强大的水文模型在水文预测中的进展仍在研究议程之上。全球南部,尤其是西非的一般是对热带集水区的有限的水文过程,随着土地覆盖的加速变化。该研究的重点旨在解决以下研究问题:•气候变化如何改变热带流域的水文过程,并且这是否改变了嵌套集水区的水流方案?•除了给定的西非地区的气候变化所驱动的变化外,LULCC在嵌套集水区的空间变化中的贡献和贡献是什么?为了解决上述问题,我们将依靠西非PRA河流域的数据。在本研究中,我们采用了Google Earth Engine(GEE)和随机森林分类器(RFC)来评估2007年至2023年期间PRA河流域的时空时空土地使用/覆盖变化和变化检测。专注于五(5)个LULCC分类对于该地区不管制的大型和小规模的采矿活动至关重要。使用归一化差异指数(NDWI)和改良的NDWI(MNDWI)有效地提取水表面区域,以进行PRA河流盆地的变化和压力,并处理
0.5° 24 小时 全球 1976-2013 — NetCDF Warszawski 等人(2014 年)[https://data.isimip.org/10.5880/pik。2019.004] GFD-HYDRO RSG P 0.5° 3 小时 全球 1979-NP 5 d NetCDF Berg 等人(2018、2021 年)[https://zenodo.org/records/387170 7] GRASP RP,T 1.125° 24 小时 全球 1961-2010 — ? Iizumi 等人(2014 年)[可根据要求提供。] GSMaP-RNL RG P 0.1° 24 小时 <60° 2001-2013 — NetCDF Kubota 等人(2007 年),Iguchi 等人(2009 年)[https://thredds-x.ipsl.fr/thredds/catalog/FROGs/GS MAP-gauges-RNLv6.0/catalog.html;https://thredds-x.ipsl.fr/thredds/catalog/FROGs/GS MAP-nogauges-RNLv6.0/catalog.html] GSMaP-std v6 RG P 0.1° 24 小时 <60° 2001-2013 — NetCDF、GeoTIFF
图:影响的地理分布(GFDL,2097,第 29 周)。蓝色圆圈表示由于水温限制,本周至少有一天无法使用的发电机的地理位置,红线表示出现拥堵的输电线路,红色圆圈表示电力需求未得到满足的地理位置
水文循环是地球系统的关键组成部分,在广泛的时间尺度以及从局部/区域到全球尺度上观察到的内在和强迫气候变异性既有促进。反过来,包括河流径流在内的降水和水文表面过程受到气候变化和可变性的影响。在气候变化下从分水岭到大陆规模的水的供应和水文极端的预测必须考虑到将全球/区域气候气候模型与水文模型相结合的不确定性和局限地下水水库。 气候和水文模型评估研究,区域土地利用和土地覆盖变化研究以及数据同化和缩减方法的研究及其优化,包括统计方法和人工智能,特别欢迎。在气候变化下从分水岭到大陆规模的水的供应和水文极端的预测必须考虑到将全球/区域气候气候模型与水文模型相结合的不确定性和局限地下水水库。气候和水文模型评估研究,区域土地利用和土地覆盖变化研究以及数据同化和缩减方法的研究及其优化,包括统计方法和人工智能,特别欢迎。
