水文最新期刊目錄

考慮灌溉用水時間規(guī)律的流域分布式二元水循環(huán)模擬方法研究————作者：姚鑫銘;周祖昊;余根堅;劉佳嘉;于新哲;王坤;唐明;王欽釗;溫天福;吳碧瓊;曹輝;

摘要：灌溉用水在人類用水中占比較大，考慮灌溉用水的流域分布式二元水循環(huán)模型在水資源管理中的應用具有重要意義，但以往的模型研究中，較少關(guān)注灌溉用水時間分布規(guī)律對模擬效果的影響。基于作物系數(shù)法與田間水量平衡原理，考慮各區(qū)域主要作物種植結(jié)構(gòu)，構(gòu)建區(qū)域灌溉用水模型，將其與分布式二元水循環(huán)模型WEP-L結(jié)合，對流域水循環(huán)過程進行模擬。將該方法應用于鄱陽湖流域，結(jié)果表明：（1）鄱陽湖流域農(nóng)業(yè)灌溉用水主要分布在5—1...

視覺測流技術(shù)綜述————作者：姚光強;張亞;袁有為;熊昭龍;舒鐘毓;劉聰;

摘要：視覺測流技術(shù)在非接觸式河流流量監(jiān)測中具有重要應用價值。通過綜述視覺測流算法的主要方法，包括光學目標跟蹤測流算法和統(tǒng)計特征測流算法，深入分析了這兩種方法的底層原理以及研究現(xiàn)狀。探討現(xiàn)有視覺測流算法存在的問題，如算法在處理天然河流的不規(guī)則性、復雜流動特性以及野外環(huán)境干擾時測量精度不理想等，并對光學目標跟蹤測流算法和統(tǒng)計特征測流算法進行了對比與分析。最后，對這兩種方法的優(yōu)勢與缺點進行了總結(jié)，并對未來研究...

基于主成分分析的K-Means聚類算法在實時洪水預報中的應用————作者：溫婭惠;霍文博;劉龍慶;

摘要：為更高效利用黃河源區(qū)寶貴水資源，挖掘更多歷史洪水信息提高洪水預報精度，以龍羊峽水庫入庫站唐乃亥站洪水為研究對象，提出一種融合主成分分析與K-Means聚類的洪水分類及參數(shù)優(yōu)化方法。基于1956—2023年長系列水文資料構(gòu)建多維洪水特征指標體系，通過主成分分析提取累積方差貢獻率達90%以上的4個主成分，結(jié)合K-Means算法將77場歷史洪水劃分為短時緩漲型、均勻?qū)挿逍秃烷L時高峰型，并使用垂向混合產(chǎn)流...

基于分形理論和圓形分布法的黃土丘陵區(qū)汛期洪水分期比較————作者：周偉;郭世興;楊曉茹;梁曦;

摘要：準確劃分汛期洪水分期有利于緩解水庫防洪和興利的矛盾，實現(xiàn)洪水資源化利用。洪水季節(jié)性分期方法受制于區(qū)域水文情勢差異，各方案均具有特性優(yōu)勢與適用局限性。本研究以陜西省延河流域安塞水文站為例，分別采用數(shù)理統(tǒng)計法、圓形分布法和分形理論法對流域汛期洪水進行分期計算和結(jié)果比較，確定黃土丘陵區(qū)流域汛期洪水分期的合理方案。結(jié)果表明，綜合考慮延河流域的暴雨洪水變化規(guī)律、氣象和下墊面等因素，延河安塞站以上流域的前汛期...

基于多源信息融合的新安江模型與深度學習集合的可解釋徑流預測研究————作者：許楠楠;王兆才;裴仁林;吳俊豪;

摘要：針對徑流預測中單一模型難以兼顧物理機制解釋性與復雜環(huán)境適應性的問題，本研究提出一種水文機理與深度學習相結(jié)合的混合預測模型XAJ-TCN-GRU&XGBoost（XTGX）。首先利用最大互信息系數(shù)（MIC）從水文與遙感衛(wèi)星氣象數(shù)據(jù)中篩選關(guān)鍵變量。進而，基于水文機理的新安江模型與捕捉時序特征的TCN-GRU模型分別生成徑流預測，前者解析物理過程，后者挖掘數(shù)據(jù)深層規(guī)律。最終，利用XGBoost構(gòu)建非線性...

2025年《水文》優(yōu)秀論文公告

摘要：<正>~

基于ECMWF集合預報的貝葉斯徑流概率預報研究————作者：楊興豪;程耀飛;趙蘭蘭;張小磊;蔣賢亮;徐煒;

摘要：數(shù)值氣象預報信息和水文模型存在的固有誤差，是流域徑流預報不確定性的主要來源，開展基于貝葉斯徑流概率預報是徑流預報修正和不確定性分析的重要途徑。以三峽上游流域為研究對象，利用ECMWF集合降雨預報驅(qū)動分布式SWAT水文模型，預報得到1～10 d的徑流過程；然后在對徑流序列進行Box-Cox正態(tài)變換的基礎上，構(gòu)建貝葉斯徑流概率預報模型（Bayesian Runoff Probability Forec...

基于RKDG數(shù)值模式的三峽庫區(qū)洪水傳播規(guī)律分析————作者：楊忠勇;吳天驕;吳澤艷;劉新波;紀道斌;劉楊;蔣凱;

摘要：針對三峽庫區(qū)洪水傳播及擴散規(guī)律開展研究。基于龍格庫塔時間離散法和間斷伽遼金空間離散法構(gòu)建庫區(qū)洪水傳播過程的一維水動力模型，應用于寸灘至三峽大壩段；以2018年洪季7—8月一個洪峰過程(8月5日寸灘峰值流量42900 m³/s)為模擬對象，研究結(jié)果表明：寸灘至壩址的洪水傳播時間約20 h，其中寸灘至萬縣（307 km）的傳播時間約11 h，萬縣至三峽（288 km）的傳播時間約...

降雨和土地利用變化條件下黃土高原溝壑區(qū)產(chǎn)流模式探究————作者：王雪;宋孝玉;孟鵬飛;魏婉茵;

摘要：基于黃土高原溝壑區(qū)南小河溝流域降雨徑流、洪水資料和1980、2000、2020年三期土地利用數(shù)據(jù)，采用數(shù)理統(tǒng)計法對不同時期流域內(nèi)降雨產(chǎn)流特征、土地利用變化及降雨徑流關(guān)系進行分析，并根據(jù)雨洪特征、洪水過程線以及產(chǎn)流綜合判別指標辨析流域在1981—2020年期間產(chǎn)流模式的變化趨勢。結(jié)果表明：（1）南小河溝流域年降雨徑流、雨洪特征和土地利用方式的變化是導致流域內(nèi)產(chǎn)流模式發(fā)生轉(zhuǎn)變的重要因素。（2）流域內(nèi)4...

降雨和土地利用變化對撫仙湖流域產(chǎn)水量影響的多情景模擬研究————作者：曹源飛;劉偉;趙世民;羅躍輝;鄒凱波;楊智;

摘要：撫仙湖流域是我國西南地區(qū)和珠江流域重要的生態(tài)屏障，然而近年來湖泊水位一直低于法定最低運行水位。結(jié)合降雨、土地利用、土壤等多源數(shù)據(jù)，基于InVEST模型產(chǎn)水模塊量化分析1990—2022年流域的產(chǎn)水量，評估產(chǎn)水量時空變化特征，采用多情景模擬方法探討降雨和土地利用變化對流域產(chǎn)水量的貢獻。研究結(jié)果表明，近33年撫仙湖年均產(chǎn)水量為2.65億m³，產(chǎn)水量呈不顯著下降趨勢（z=-0.04...

基于LSTM神經(jīng)網(wǎng)絡模型的河道洪水反流向演算————作者：王安琪;易民;趙含雪;陳璐;任金秋;

摘要：河道洪水反流向演算在庫群-河道聯(lián)合防洪調(diào)度中具有重要作用，若直接采用馬斯京根進行反向演算，存在演算結(jié)果不穩(wěn)定、精度不佳等問題，難以運用于工程實際。提出一種基于LSTM神經(jīng)網(wǎng)絡模型的河道洪水反流向演算方法，建立河道上、下游斷面的流量非線性映射關(guān)系模擬模型，并通過歷史實測洪水資料對模型進行訓練，進而實現(xiàn)由下游斷面洪水過程反推上游斷面入流過程。模型應用于漢江下游河段，結(jié)果表明，基于LSTM神經(jīng)網(wǎng)絡模型的...

基于時序卷積特征過濾模型的地下水位預測方法————作者：孫均雨;徐佳磊;張黎明;王在泉;文金浩;

摘要：針對神經(jīng)網(wǎng)絡模型預測長時地下水位準確度低、運算資源消耗大的問題，提出了一種基于時序卷積特征過濾網(wǎng)絡的地下水位預測方法，該方法能保持水文時序數(shù)據(jù)信息的完整性，擁有比卷積神經(jīng)網(wǎng)絡更大的感受野，能夠精準捕捉地下水位的復雜時空關(guān)系。首先對水文數(shù)據(jù)進行預處理，然后采用空洞因果卷積方法作為特征提取器，結(jié)合注意力過濾模塊提取水文數(shù)據(jù)特征，最后引入殘差連接緩解模型訓練過程中存在的網(wǎng)絡層數(shù)過深、梯度消失和梯度爆炸問...

基于二維卷積神經(jīng)網(wǎng)絡的城市暴雨內(nèi)澇積水模擬預報研究————作者：柴永豐;陳敏;郝彥龍;肖家清;鄧蔚珂;呂凱;師鵬飛;

摘要：城市內(nèi)澇災害頻發(fā)，開展精準高效的預報、預警和預演對于城市內(nèi)澇防控和防洪排澇規(guī)劃具有重要意義。基于水動力學模型的城市雨洪模擬面臨計算效率低、建模資料需求大等問題，難以支撐“四預”實現(xiàn)。本研究以揚州新城河片區(qū)為研究區(qū)，建立時空數(shù)據(jù)（降雨和地形）驅(qū)動的基于二維卷積神經(jīng)網(wǎng)絡的城市內(nèi)澇積水預測模型，實現(xiàn)研究區(qū)全域網(wǎng)格的逐時段模擬。結(jié)果表明，模型對積水時空預測性能表現(xiàn)優(yōu)異，卡帕系數(shù)等空間性能指標高于0.80，...

珠江三角洲典型聯(lián)圍地區(qū)防洪潮工程方案優(yōu)化與影響分析————作者：高慧琴;李彬權(quán);靳高陽;朱三華;

摘要：珠江三角洲聯(lián)圍地區(qū)經(jīng)濟高度發(fā)達，但受極端天氣、海平面上升及泄洪格局變化綜合影響，防洪潮形勢嚴峻。以廣州市南沙區(qū)為典型聯(lián)圍研究對象，剖析上游西江、北江泄洪格局演變及外海潮位變化對防洪潮的影響，分別提出防洪能力提升的工程方案和防潮能力提升的工程方案，構(gòu)建河網(wǎng)一維非恒定流數(shù)學模型進行方案分析論證。結(jié)果表明：（1）1990年后北江三水站分流比顯著增加（均值由15.5%升至21.8%），疊加河道下切與洪水歸...

中文水文學名詞出現(xiàn)及早期學科傳播新證————作者：季山;張保祥;李舍梅;王玲;

摘要：彌補中文水文學名詞溯源及早期學科傳播研究不足的問題。廣泛搜集有關(guān)英漢字典、書刊及高校教學文件等，在前人研究基礎上，另辟蹊徑，對中文水文學一詞由何時何人何載體首現(xiàn)進行溯源探索，并對中文水文學早期學科傳播作了比較系統(tǒng)的梳理研究。得出中文水文學一詞首現(xiàn)于1915年詹天佑編纂的《新編華英工學字匯》，中文水文學早期學科傳播開始于河海工程專門學校和河海工科大學，并于國立中央大學、清華大學、浙江大學、焦作工學院...

岷江上游降水數(shù)值模擬研究————作者：陶潔;趙啟家;趙陽;王興平;王慧亮;郭元;

摘要：利用WRF模式模擬岷江上游2018—2022年5場降雨，選取FNL和ERA5數(shù)據(jù)作為初始場，對降雨的空間分布、小時過程及模擬誤差進行分析，評估下墊面對降雨過程模擬的影響。結(jié)果表明：相較于原始的初始場數(shù)據(jù)和實測資料，WRF模式能模擬出多時間分辨率的降水序列過程，可提高降雨量級和分布預測，但對峰值的模擬能力不足，實測累積雨量和面雨量被低估；時空分辨率為0.25°×0.25°，3h的初始場數(shù)據(jù)在岷江上游...

海河流域氣象干旱向地下水干旱傳遞時間和閾值評估————作者：張未;趙安周;相愷政;柴鈺瑩;徐瑞皓;

摘要：分析氣象干旱向地下水干旱的傳遞時間和閾值對于地下水干旱早期預警具有重要的意義。基于氣象站點數(shù)據(jù)、重力恢復與氣候試驗衛(wèi)星GRACE數(shù)據(jù)以及全球陸面數(shù)據(jù)同化系統(tǒng)GLDAS數(shù)據(jù)，構(gòu)建2002—2020年海河流域標準化降水蒸散發(fā)指數(shù)SPEI和地下水干旱指數(shù)GGDI，在此基礎上利用Copula函數(shù)與貝葉斯條件概率確定氣象干旱向地下水干旱傳遞的時間、風險以及閾值。主要研究結(jié)論：（1）GRACE數(shù)據(jù)反演的地下水...

基于ConvAttLSTM-KF混合模型的城市洪澇實時校正方法研究————作者：張?zhí)煲?李瀟;陳曉宏;何坤龍;屈洋洋;

摘要：隨著城市洪澇災害頻發(fā)，通過實時校正方法提高預報的精度成為城市防澇的關(guān)鍵。以廣州市天河區(qū)車陂涌流域為研究對象，使用一種基于ConvAttLSTM-KF混合模型的實時校正方法對SWMM模型的預報結(jié)果進行校正并與傳統(tǒng)卡爾曼濾波技術(shù)的校正結(jié)果對比。研究表明，ConvAttLSTM-KF模型在洪峰流量的誤差范圍小于卡爾曼濾波；在峰現(xiàn)時間誤差方面，ConvAttLSTM-KF模型的平均誤差為2.5min，而卡...

基于Budyko假設的珠江流域年徑流變化歸因————作者：張玙璠;王文婷;楊陽;

摘要：本研究采用中國天然徑流量格點數(shù)據(jù)集（CNRD v1.0）和中國區(qū)域地面氣象要素驅(qū)動數(shù)據(jù)集（CMFD），在對珠江流域徑流特征分析的基礎上，結(jié)合Mann-Kendall（MK）檢驗與Budyko假設，探究珠江流域1979—2018年年徑流深（R）的變化趨勢，并對其變化進行歸因。結(jié)果表明：（1）珠江流域平均R為887.7 mm，呈東多西少的分布格局；產(chǎn)流效率較高，平均徑流系數(shù)為57.8%。（2）流域東部...

面向“23·7”華北特大暴雨過程的降水類型分析————作者：劉欣鑫;趙銅鐵鋼;熊少堂;徐偉新;

摘要：為了理解不同天氣系統(tǒng)對降水的影響機制，利用ERA5再分析資料和全球大氣河數(shù)據(jù)集，結(jié)合天氣系統(tǒng)客觀識別方法和降水歸因方法，分析了“23·7”華北特大暴雨過程的環(huán)流背景、水汽輸送特征和降水類型演變特征，量化氣旋、鋒面和大氣河三種天氣系統(tǒng)及其組合對降水的貢獻。結(jié)果表明：雙臺風“杜蘇芮”和“卡努”以及高壓壩的協(xié)同作用為此次暴雨過程提供了充沛的水汽輸送，大氣不穩(wěn)定條件為對流提供了有利環(huán)境。在華北暴雨前期，“...

　　水文來自網(wǎng)友的投稿評論：

提交