CN106875052A - 一种冰川融水补给区干旱预警方法 - Google Patents
一种冰川融水补给区干旱预警方法 Download PDFInfo
- Publication number
- CN106875052A CN106875052A CN201710077712.7A CN201710077712A CN106875052A CN 106875052 A CN106875052 A CN 106875052A CN 201710077712 A CN201710077712 A CN 201710077712A CN 106875052 A CN106875052 A CN 106875052A
- Authority
- CN
- China
- Prior art keywords
- drought
- water
- index
- temperature
- shortage
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种冰川融水补给区干旱预警方法,方法步骤如下:步骤1建立数据库;步骤2构建干旱评价模型;步骤3预测预见期气温变化;步骤4判定预见期内旱情。与现有技术相比较,本发明所构建的干旱评价模型是从水资源系统的角度出发,综合考虑了供水和需水之间的关系,且当前的监测数据能满足建模需求,所构建的干旱预警指标,最终仅需要预测的气温来驱动,结构简单,适用于冰川融水补给区干旱预警。
Description
技术领域
本发明涉及一种统计水文分析领域,尤其涉及一种冰川融水补给区干旱预警方法。
背景技术
IPCC第五次气候变化评估报告指出:自上世纪以来,全球大部分地区都经历了以升温为主要特征的气候变化过程。气温的增加将加速大气环流和水文循环过程,因而水资源的存量减少,通量增加,导致极端气候事件呈现出广发、频发的态势。我国西北干旱区地处中纬度地带的欧亚大陆腹地,是全球气候变化下的敏感地区。这里水资源环境特殊,生态环境较为脆弱,地下水与地表水交换频繁,水资源成为制约社会经济发展、影响生态安全的关键要素,对未来经济社会可持续发展起着至关重要的作用。在气候变化的影响下,西北干旱区以山区降水和冰雪融水补给为基础的水资源系统更为脆弱,极端水文事件增加、干旱频率变化也呈现出明显的地区差异和时间差异。因此,评估和预估干旱发展的变化可为风险应对与管理提供支撑。
发明内容
本发明的目的就在于提供一种解决了上述问题,从水资源系统的角度出发,综合考虑了供水和需水之间的关系和监测数据,所构建的冰川融水补给区干旱预警方法。
为了实现上述目的,本发明采用的技术方案是:一种冰川融水补给区干旱预警方法,方法步骤如下:
步骤1、建立数据库:获取一定时期内区域历史气象、水文资料,下垫面信息;
步骤2、构建干旱评价模型:获取一定时期内所述研究区水资源供水量和需水量,构建水资源短缺量与干旱指数之间的函数关系,建立水资源干旱评估指标;
步骤3、预测预见期气温变化:根据平均气温,建立统计预测模型,对预见期内气温进行预测;
步骤4、判定预见期内旱情:根据上述一定时期内的气温、供水量、需水量,分别建立气温与供水量、气温与用水量之间的函数关系;
利用所述预见期内的气温,结合所述气温与供水量、气温与用水量之间的函数关系,预测所述的预见期内的水资源短缺量;
结合所述的干旱评价模型,预测所述的预见期内旱情。
作为优选,步骤2中所述的供水量为广义水资源量,即可被生态系统有效利用的大气降水以及水利工程供水等径流性水资源量之和,可认为是有效降水量,采用如下公式计算:
P有效=αP
式中,P有效为有效降水量;α降水有效利用系数,P某次实测降水量。
所述的需水量为农业需水量,即主要参考作物的实际蒸散发量,采用如下公式计算:
式中:i为作物类型(如棉花、小麦等);n为作物总分类数;fi为各种作物类型面积百分率(%);ETci是各种作物类型的实际需水量;ET0i为各种作物类型的参考作物需水量,可采用联合国粮农组织(FAO)推荐的Penman-Monteith模型计算;Kci是研究区主要作物的作物系数;Kθi为各种作物类型的土壤水分影响函数。
作为优选,所述步骤2中所述的水资源短缺量只是从数值角度表征了研究区内缺水的既定事实,并不能满足在干旱分析中对于时空对比的要求,因此,需引入水资源短缺量修正系数K,反映不同时空背景下的水资源短缺差异:
式中,k是K的一阶近似值;为月平均需水量;为月平均供水量。
在此基础上可得到可进行时空对比的水资源短缺指数Z:
Z=K×D
式中:D为水资源短缺量。
所述的水资源短缺量仅是干旱发生的原因之一,但同时它还要受到水资源累积短缺量的影响,因此需进一步修正所述水资源短缺指数Z,使其可以表达干旱历时与干旱程度的关系。以月为时间尺度,从长序列水资源短缺指数中选取值为负的序列,绘制∑Z~t图。取(t,∑Z)点集外包线,假定这条外包线为极端干旱的临界值,可令其干旱评估指标DI=-4,该直线则表示在各种长度的极干期内,Z值以所观察到的近似最大速率累积的累计值。将纵坐标从正常到极端四等分,还可以绘制3条直线,这些直线可依次表示严重干旱、中度干旱和轻度干旱。令其干旱评估指标分别为-3.0、-2.0和-1.0,由此得到第i个月干旱评估指标DIi为:
式中:a和b为待定系数,根据∑Z~t图中极端干旱直线确定。
作为优选,不同时期水资源短缺指数Z的代数和不能反映持续干旱与其中某一较湿润月的关系,因此应考虑将前期因子作为对干旱累积结果的间接因子,从而提高干旱指数评估精度。
当i=t=1时,DI1=Z1/(a+b),令ΔDI1=DI1-DI0=Z1/(a+b)
对于一次极端干旱,若之后的月均为正常,则这一次的极端干旱将终止。因此,为了维持某一干旱程度,即为了保持DI为恒定值,则指数Z必须以某一速率增加,这个速率取决于所要保持的DI值的大小。因此,引入系数c,即
ΔDIi=Zi/(a+b)+cDIi-1
式中:ΔDIi=DIi-DIi-1。
上式可用来计算各旬对干旱程度的贡献,这些增量的总和即为干旱严重程度,即:
DIi=(1+c)DIi-1+Zi/(a+b)
式中:a、b、c为系数。
作为优选,所述的水资源短缺修正系数只考虑了平均供水量和平均需水量的关系,但在实际分析中水资源短缺修正系数还与水资源短缺量的绝对值成反比,为了保证干旱评估指标DI在不同空间内的可比性,仍需进一步修正k值。
取评估单元内最干旱12个月,假定这12个月对于任何评估单元都表示极端干旱,即DI=-4.0,即可得到该评估单元累积水资源短缺指数,再除以该评估单元12个最干旱月的水资源短缺总量,即可得到该评估单元12个月期间极端干旱平均修正系数:
绘制得到K’的回归方程,此时K’为K的二级近似。
如果此时的K’可以满足干旱指数在不同空间的可对比性,那么每个评估单元应该相等,但这种情况大部分时候并不能实现,若不相等,则需进一步修正,才能得到水资源短缺量的修正系数K:
式中,α、β、γ为系数。
作为优选,步骤3中所述的统计预测模型为灰色季节性指数自记忆模型,在建模之前,需先对数据进行平滑处理:
式中,{xt},t=1~n,为原始气温序列,MA为滑动平均值,CMA为中心滑动平均值,Ra为季节性指数,T为时间序列的波动周期,取12(月)。将原始气温序列分别除以对应月份的季节性指数,得到一组新的时间序列,作为模型构建的输入数据。
作为优选,所述的预处理之后的气温数据的一次累加序列呈现出近似的指数增加规律,且变化较为平稳,因此可应用GM(1,1)模型对其建模:
设预处理之后的气温时间序列为:
一次累加生成的新序列为:
式中:
GM(1,1)模型的白化方程为:
将其写成:
式中,参数α和μ可采用最小二乘法求得。
作为优选,在所述的GM(1,1)模型的白化方程引入自记忆函数,应用内积运算、分部积分和中值定理等数学方法,可构建一种新的时间序列模型:
式中,p为回溯阶数,代表预测值,代表初始值,代表回溯值,自记忆模型的参数a-p~a1可采用最小二乘法求得,将模型预测得到的数值进行还原,并乘以所述的对应月份的季节性指数,则得到预测的气温。
作为优选,步骤4中所述的干旱预警指数(IAEW)可表示为:
IAEW=Z(Q取水,W水库,FW×S农业)
式中,Q取水为流域可取水水量,W水库为地区水库可供水量,FW为主要农作物实际蒸散发量,S农业为主要作物面积。
作为优选,所述的取水量在冰川融水补给区与上游来水和下游气温之间存在一定的函数关系:
下游气温(T)与上游来水(Q来水)之间的关系:
下游气温(T)与取水量(Q取水)之间的关系:
式中,α1、α2、β1、β2、b、k、λ和T0为参数。
由于根据所述的下游气温(T)与取水量(Q取水)之间的关系,可将IAEW进一步写成:
IAEW=Z(T,W水库,FW×S农业)
由当月水资源干旱指数DI推出当月月缺水阈值,并根据干旱指数DI:-1、-2、-3、-4和干旱指标IAEW将干旱状况分为无旱、轻度干旱、中度干旱、重度干旱、极度干旱五个等级。
与现有技术相比,本发明的优点在于:本发明所构建的干旱评价模型是从水资源系统的角度出发,综合考虑了供水和需水之间的关系,且当前的监测数据能满足建模需求,所构建的干旱预警指标,最终仅需要预测的气温来驱动,结构简单,适用于冰川融水补给区干旱预警。可为该类地区干旱风险应对与管理提供技术支撑。
附图说明
图1为本发明原理框图;
图2为干旱预警指标体系示意图。
具体实施方式
下面将对本发明作进一步说明。
实施例:参见图1,一种冰川融水补给区干旱预警方法,选取我国西北干旱区阿克苏河流域为例,进行干旱预警,方法步骤如下:
步骤1:获取一定时期内区域历史气象、水文资料,下垫面信息。
步骤2:构建干旱评价模型:获取一定时期内所述研究区水资源供水量和需水量,构建水资源短缺量与干旱指数之间的函数关系,建立水资源干旱评估指标:
DI(i)=0.75DI(i-1)+Z(i)/1.63
式中,DI为干旱指数,i表示时段,K为修正系数,为需水量平均值,为供水量平均值,为缺水量平均值。
步骤3:预测预见期气温变化:根据所述平均气温,建立统计预测模型,对预见期内气温进行预测:
模型参数
步骤4:判定预见期内旱情:根据所述的一定时期内气温、供水量、需水量,分别建立气温与供水量、气温与用水量之间的函数关系;利用所述的预见期内气温,结合所述的气温与供水量、气温与用水量之间的函数关系,预测所述的预见期内的水资源短缺量;结合所述的干旱评价模型,预测所述的预见期内旱情。
其中,取水量与气温的统计关系为:
式中,Q取水为下游平原区取水量,亿m3;T为月平均气温,℃。
需水量与气温的统计关系为:
根据干旱指数DI:-1、-2、-3、-4和干旱指标IAEW将干旱状况分为无旱、轻度干旱、中度干旱、重度干旱、极度干旱五个等级。区域I对应轻旱、区域II对应中旱、区域III对应重旱、区域IV对应特旱。干旱预警指标体系,见图2
干旱预警指数
由此可见,本发明通过明细缺水程度与干旱之间的关系,阐明干旱形成的过程,以预见期缺水计算为目标,构建干旱预警指标体系;预测预见期旱情。所述的方法物理过程明确,对冰川融水补给地区具有技术的通用性,为指导干旱应对提供可靠的理论与技术支撑。
以上对本发明所提供的一种冰川融水补给区干旱预警方法进行了详尽介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,对本发明的变更和改进将是可能的,而不会超出附加权利要求所规定的构思和范围,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种冰川融水补给区干旱预警方法,其特征在于,方法步骤如下:
步骤1、建立数据库:获取一定时期内区域历史气象、水文资料,下垫面信息;
步骤2、构建干旱评价模型:获取一定时期内所述研究区水资源供水量和需水量,构建水资源短缺量与干旱指数之间的函数关系,建立水资源干旱评估指标;
步骤3、预测预见期气温变化:根据平均气温,建立统计预测模型,对预见期内气温进行预测;
步骤4、判定预见期内旱情:根据上述一定时期内的气温、供水量、需水量,分别建立气温与供水量、气温与用水量之间的函数关系;
利用所述预见期内的气温,结合所述气温与供水量、气温与用水量之间的函数关系,预测所述的预见期内的水资源短缺量;
结合所述的干旱评价模型,预测所述的预见期内旱情。
2.根据权利要求1所述的一种冰川融水补给区干旱预警方法,其特征在于,所述步骤2中,构建水资源短缺量与干旱指数之间的函数关系,所述水资源短缺量需引入水资源短缺量修正系数K,使其满足在干旱分析中对于时空对比的要求,反映不同时空背景下的水资源短缺差异,所述水资源短缺量修正系数K:
式中,k是K的一阶近似值;为月平均需水量;为月平均供水量;
以此得到可进行时空对比的水资源短缺指数Z:
Z=K×D
式中:D为水资源短缺量。
3.根据权利要求2所述的一种冰川融水补给区干旱预警方法,其特征在于,以月为时间尺度,从长序列水资源短缺指数中选取值为负的序列绘制图,对所述水资源短缺指数Z进一步修正,使其可以表达干旱历时与干旱程度的关系,由绘制图得到第i个月干旱评估指标DIi为:
式中:a和b为待定系数,根据图中极端干旱直线确定。
4.根据权利要求3所述的一种冰川融水补给区干旱预警方法,其特征在于,将前期因子作为对干旱累积结果的间接因子提高干旱指数评估精度,
当i=t=1时,DI1=Z1/(a+b),令ΔDI1=DI1-DI0=Z1/(a+b)
对于一次极端干旱,若之后的月均为正常,则这一次的极端干旱将终止;指数Z须以某一速率增加,这个速率取决于所要保持的DI值的大小,因此引入系数c保持DI为恒定值,即
ΔDIi=Zi/(a+b)+cDIi-1
式中:ΔDIi=DIi-DIi-1
通过上式计算各旬对干旱程度的贡献,增量的总和即为干旱严重程度,即:
DIi=(1+c)DIi-1+Zi/(a+b)
式中:a、b、c为系数。
5.根据权利要求4所述的一种冰川融水补给区干旱预警方法,其特征在于,为了保证干旱评估指标DI在不同空间内的可比性,进一步修正k值,
取评估单元内最干旱12个月,假定这12个月对于任何评估单元都表示极端干旱,即DI=-4.0,即可得到该评估单元累积水资源短缺指数,再除以该评估单元12个最干旱月的水资源短缺总量,即可得到该评估单元12个月期间极端干旱平均修正系数:
绘制得到K’的回归方程,此时K’为K的二级近似,如果此时的K’可以满足干旱指数在不同空间的可对比性,那么每个评估单元应该相等。
6.根据权利要求5所述的一种冰川融水补给区干旱预警方法,其特征在于,若此时每个评估单元不相等,则进一步修正水资源短缺量的修正系数K:
式中,α、β、γ为系数。
7.根据权利要求1所述的一种冰川融水补给区干旱预警方法,其特征在于,步骤3中所述统计预测模型为灰色季节性指数自记忆模型,在建模之前,需先对数据进行平滑预处理:
式中,{xt},t=1~n,为原始气温序列,MA为滑动平均值,CMA为中心滑动平均值,Ra为季节性指数,T为时间序列的波动周期;
将原始气温序列分别除以对应月份的季节性指数,得到一组新的时间序列,作为模型构建的输入数据。
8.根据权利要求7所述的一种冰川融水补给区干旱预警方法,其特征在于,当预处理之后的气温数据的一次累加序列呈现出近似的指数增加规律,且变化较为平稳时,应用GM(1,1)模型对其建模,在所述的GM(1,1)模型的白化方程中引入自记忆函数,应用内积运算、分部积分和中值定理数学方法,构建一种新的时间序列模型:
式中,p为回溯阶数,代表预测值,代表初始值,代表回溯值,自记忆模型的参数a-p~a1可采用最小二乘法求得,将模型预测得到的数值进行还原,并乘以所述的对应月份的季节性指数,则得到预测的气温。
9.根据权利要求1所述的一种冰川融水补给区干旱预警方法,其特征在于,步骤4中所述的干旱预警指数(IAEW)表示为:
IAEW=Z(Q取水,W水库,FW×S农业)
式中,Q取水为流域可取水水量,W水库为地区水库可供水量,FW为主要农作物实际蒸散发量,S农业为主要作物面积。
10.根据权利要求9所述的一种冰川融水补给区干旱预警方法,其特征在于,所述的取水量在冰川融水补给区与上游来水和下游气温之间的函数关系为:
下游气温(T)与上游来水(Q来水)之间的关系:
下游气温(T)与取水量(Q取水)之间的关系:
式中,α1、α2、β1、β2、b、k、λ和T0为参数;
由于根据所述的下游气温(T)与取水量(Q取水)之间的关系,可将IAEW进一步写成:
IAEW=Z(T,W水库,FW×S农业)
由当月水资源干旱指数DI推出当月月缺水阈值,并根据干旱指数DI:-1、-2、-3、-4和干旱指标IAEW将干旱状况分为无旱、轻度干旱、中度干旱、重度干旱、极度干旱五个等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710077712.7A CN106875052A (zh) | 2017-02-14 | 2017-02-14 | 一种冰川融水补给区干旱预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710077712.7A CN106875052A (zh) | 2017-02-14 | 2017-02-14 | 一种冰川融水补给区干旱预警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106875052A true CN106875052A (zh) | 2017-06-20 |
Family
ID=59167479
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710077712.7A Pending CN106875052A (zh) | 2017-02-14 | 2017-02-14 | 一种冰川融水补给区干旱预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106875052A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110210688A (zh) * | 2019-06-18 | 2019-09-06 | 中国农业科学院农业资源与农业区划研究所 | 基于作物需水与土壤供水的农业干旱灾害监测预报方法 |
CN110348673A (zh) * | 2019-05-24 | 2019-10-18 | 南方科技大学 | 水资源短缺风险评估方法、装置、计算机设备及存储介质 |
CN115422252A (zh) * | 2022-08-18 | 2022-12-02 | 浪潮卓数大数据产业发展有限公司 | 基于水库水位以及降雨量的旱情预警方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105930635A (zh) * | 2016-04-03 | 2016-09-07 | 中国水利水电科学研究院 | 一种内陆河干旱绿洲区干旱评价系统 |
-
2017
- 2017-02-14 CN CN201710077712.7A patent/CN106875052A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105930635A (zh) * | 2016-04-03 | 2016-09-07 | 中国水利水电科学研究院 | 一种内陆河干旱绿洲区干旱评价系统 |
Non-Patent Citations (3)
Title |
---|
冯婧: "气候变化对黑河流域水资源系统的影响及综合应对", 《中国博士学位论文全文数据库基础科学辑2014年》 * |
杨志勇等: "灰色季节性指数自记忆模型及其在海河区降水模拟与预测中的应用", 《自然资源学报2014年》 * |
翁白莎: "流域广义干旱风险评价与风险应对研究--以东辽河流域为例", 《中国博士学位论文全文数据库基础科学辑2014年》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110348673A (zh) * | 2019-05-24 | 2019-10-18 | 南方科技大学 | 水资源短缺风险评估方法、装置、计算机设备及存储介质 |
CN110348673B (zh) * | 2019-05-24 | 2022-06-03 | 南方科技大学 | 水资源短缺风险评估方法、装置、计算机设备及存储介质 |
CN110210688A (zh) * | 2019-06-18 | 2019-09-06 | 中国农业科学院农业资源与农业区划研究所 | 基于作物需水与土壤供水的农业干旱灾害监测预报方法 |
CN115422252A (zh) * | 2022-08-18 | 2022-12-02 | 浪潮卓数大数据产业发展有限公司 | 基于水库水位以及降雨量的旱情预警方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Coulibaly et al. | Downscaling precipitation and temperature with temporal neural networks | |
CN114091359B (zh) | 一种水库水沙预测模型训练、水库水沙预测方法及装置 | |
Henriksen et al. | Assessment of exploitable groundwater resources of Denmark by use of ensemble resource indicators and a numerical groundwater–surface water model | |
Liu et al. | Parameter uncertainty analysis of reservoir operating rules based on implicit stochastic optimization | |
Wang et al. | Fuzzy stress-based modeling for probabilistic irrigation planning using Copula-NSPSO | |
Rai et al. | Planning and evaluation of irrigation projects: methods and implementation | |
Abadi et al. | An analysis of the sustainability of basin water resources using Vensim model | |
Ahmed | Numerical modeling of the Rideau valley watershed | |
Kavianpour et al. | Spatial and temporal analysis of drought based on a combined index using copula | |
Zhang et al. | Effects of upstream and downstream dam operation on the spawning habitat suitability of Coreius guichenoti in the middle reach of the Jinsha River | |
Shaghaghi et al. | Predicting the geometry of regime rivers using M5 model tree, multivariate adaptive regression splines and least square support vector regression methods | |
Li et al. | Analysis of the relationship between soil erosion risk and surplus floodwater during flood season | |
CN111199298B (zh) | 基于神经网络的洪水预报方法与系统 | |
CN105678417A (zh) | 一种施工隧道撑子面涌水量预测方法及装置 | |
CN106875052A (zh) | 一种冰川融水补给区干旱预警方法 | |
Fang et al. | Application of long short-term memory (LSTM) on the prediction of rainfall-runoff in karst area | |
Lecina et al. | Irrigation evaluation based on performance analysis and water accounting at the Bear River Irrigation Project (USA) | |
Rashid et al. | Optimization of multiple reservoirs operation with consideration to sediment evacuation | |
CN106599562A (zh) | 基于概率加权fdc法的河流生态需水量计算方法 | |
Gui et al. | Simulation-based inexact fuzzy semi-infinite programming method for agricultural cultivated area planning in the Shiyang River Basin | |
Walker et al. | Estimating groundwater-river connectivity factor for quantifying changes in irrigation return flows in the Murray–Darling Basin | |
Karakoyun et al. | Environmental flow assessment methods: a case study | |
Sang et al. | Prediction of water resources change trend in the Three Gorges Reservoir Area under future climate change | |
Sanginabadi et al. | Coupled groundwater drought and water scarcity index for intensively overdrafted aquifers | |
Wu et al. | River runoff influence factors recognition using stepwise regression analysis: the case of a northern Chinese coal mining area |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170620 |