CN109523175A - 一种考虑积融雪过程的多时间尺度旱情评估方法 - Google Patents
一种考虑积融雪过程的多时间尺度旱情评估方法 Download PDFInfo
- Publication number
- CN109523175A CN109523175A CN201811392533.3A CN201811392533A CN109523175A CN 109523175 A CN109523175 A CN 109523175A CN 201811392533 A CN201811392533 A CN 201811392533A CN 109523175 A CN109523175 A CN 109523175A
- Authority
- CN
- China
- Prior art keywords
- snow
- month
- drought
- water
- value
- 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.)
- Granted
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (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)
- Educational Administration (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种考虑积融雪过程的多时间尺度旱情评估方法,包括以下步骤:S1.统计水量平衡分量;S2.计算各水量平衡分量的气候常数值;S3.计算逐月水分距平指数Zsnow;S4.正态标准化累积水分盈亏量序列,最终计算得到考虑积融雪过程的标准化水分距平指数SZIsnow;S5.根据步骤S4得到的标准化水分距平指数SZIsnow对研究地域的旱情进行评估。该评估方法在水分供需两端同步考虑降雪和积融雪过程,具备多时间尺度分析功能,全面考虑各个旱情影响因子,且能够全面模拟、监测、评估和预报不同干旱类型,为目前高纬度和高海拔寒冷山区旱情模拟评估中存在的主要技术问题的解决提供了科学支撑和技术方案。
Description
技术领域
本发明涉及旱情评估技术领域,具体涉及一种考虑积融雪过程的多时间尺度旱情评估方法。
背景技术
干旱的发生涵盖很多复杂的过程和因子,不仅与降水量的大小及分配有关,还与蒸散发、土壤含水量、径流量等多种因子有关。在众多干旱指数中,应用范围最广、概念最为清晰的干旱指数有两类:①帕默尔干旱指数(PDSI),②多时间尺度干旱指数,即标准化降水蒸散指数SPEI。
区域水分供需关系、水分盈亏累积状况和下垫面条件都会对干旱发生发展趋势产生重要影响,故利用水平衡原理导出的干旱指数具有较为明确的物理意义,其中最为出色的就是帕默尔干旱指数。PDSI采用了一个基于简单水量平衡原理的双层水桶模型来计算地表水量平衡过程,考虑了降水、蒸散发、土壤水分和径流等诸多干旱影响因子,并首次提出了气候适宜降水量的概念,即满足地区经济社会运行、生物生长用水所适宜的需水量,而实际降水量P与对应时段的的差值d可用于描述该时段水分盈亏状况。虽然PDSI被广泛应用于区域干旱评价当中,但该指标也存在一些不足:①在分析水文过程时采用基于简单水量平衡原理的双层水桶模型,未考虑不同土壤、植被类型和地形对流域水文过程的影响;②由于该指数的经验性以及最初只针对美国农业区进行校正和验证等原因,限制了其参数的区域适用性;③该指数时间尺度单一,未考虑干旱的多时间尺度效应;④无法反映降雪和积融雪过程对不同时间尺度干旱发生发展趋势的影响。
SPEI的出现解决了PDSI不具备多时间尺度分析功能的不足。该指数可进行旱情多时间尺度分析,时空可比性强,既能评估短期偶发性水分亏缺引起的干旱,又可以评估中长时间尺度干旱发生发展状况,且计算过程简便,在气象和水文等多个学科领域均有广泛应用。SPEI在考虑降水量(P)统计分布规律的基础上,以同期的潜在蒸散量(PET)表征区域水分需求状况,基于P与PET之差D对不同时间尺度干旱变化过程进行描述,然而,利用D进行干旱评价虽可反映水分需求量对地表干湿变化过程的影响,但其依然存在以下几方面的不足:①传统SPEI采用Thornthwaite法估算PET,其物理机制不强,导致SPEI无法反映水文循环物理过程对干旱发生发展趋势的影响;②除降水量和蒸散量外,土壤含水量、径流量、积融雪等因子及这些因子间的相互作用均会对区域的干湿变化产生影响,而利用D进行干旱评价忽略了上述干旱影响因子;③区域的真正水分支出量应该为实际蒸散量(ET),而非潜在蒸散量PET,在干旱半干旱地区PET值往往远远高于ET值,有些区域ET与PET之间甚至是负相关关系,因此,若仅考虑PET而不考虑ET,则无法真实反映区域水量平衡过程;④未考虑降雪和积融雪过程对不同时间尺度干旱发生发展趋势的影响。
降雪和积融雪变化过程对流域水循环有着重要的影响,其不但能够改变区域各水量平衡分量的大小,而且对水量的季节性分配有着及其重要的影响。尤其在高纬度地区和高海拔寒冷山区(河源区),降雪和积融雪过程不但会对流域水文过程产生重要影响,而且会影响流域水资源总量及其季节性分配,进而改变不同时间尺度旱情发生发展过程。因此在旱情模拟评估过程中,有必要考虑积融雪动态变化对不同时间尺度旱情的影响,进而实现对旱情的准确模拟和预报。
申请号为201410199432.X的发明专利公开了一种耦合分布式水文模型和联合水分亏缺指数的旱情评估方法,针对帕尔默干旱指数物理机制和时空可比性较弱的不足,对帕尔默干旱指数进行标准化处理,采用卡普拉函数构造多元联合分布,构建融合多时间尺度信息的多变量联合水分亏缺指数,作为监测与评估区域干旱的综合指标;耦合基于流域栅格单元的可变下渗能力分布式水文模型,实现旱情的全方位连续监测与模拟。
申请号为201110235842.1的发明专利公开了一种基于分布式水文模拟的旱情评估和预报模型方法,包括:步骤1、构建基于地理信息系统的流域空间地理信息库;步骤2、在流域空间信息库的基础上,采用GIS空间分析工具,构建基于地貌网格单元的分布式水文模型,以气象数据作为模型的输入条件,应用分布式水文模型对流域水文过程进行分布式模拟,模拟结果是输出各项水文要素信息;步骤3、依据各项气象水文要素之间内在关系,在水量平衡计算的基础上,构建干旱预报模型,并采用PDSI指标作为旱情的综合衡量指标。
申请号为201710020887.4的发明专利公开了一种基于多指标的旱情综合评估方法,包括以下步骤:S1、收集整理区域气象、水文、墒情、农业与历史干旱资料,建立区域干旱资料数据库;S2、选取旱情评价指标与建立评价指标体系:S3、确定干旱评价指标体系中干旱评价指标在各季节对应的干旱等级阈值;S4、采用频次分析法确定旱情评价等级与评价结果。
张宝庆.2014.黄土高原干旱时空变异及雨水资源化潜力研究.[研究生学位论文].杨凌:西北农林科技大学,公开了标准化水分距平指数SZI的构建方法,其物理过程框架如图1所示,该指数综合考虑了水文循环的物理过程,具有物理机制清晰,可分析多时间尺度效应,空间可比性强,分辨率可调,计算步长较短,考虑因素全面等优点,可为区域旱涝防治规划和应急预案制定提供科学依据。
但是上述专利申请及学术论文中的评估方法均没有考虑降雪、积融雪过程对干旱情况的影响,无法准确评估高纬度地区和高海拔寒冷山区的旱情。
综上所述,由于干旱发生发展物理机制复杂,涵盖因子众多,其不仅取决于降水多少及其时空分配,还与蒸散发、土壤含水量、径流量、积融雪过程等多种因子密切相关,导致对干旱持续时间、严重程度和空间范围的监测存在一定难度。此外,干旱具有明显的多时间尺度效应,不同类型水资源短缺所引起干旱的时间尺度不同,而且不同时间尺度干旱所造成的影响也存在较大差异。因此,干旱的多时间尺度效应使得对其分析和评价的难度进一步加剧。目前,由于没有一个明确的物理量能够直接反映干旱变化过程,不同领域科学家对干旱的理解存在分歧,导致干旱的定义无法得到统一,致使如何建立一个能够被不同学科领域所广泛接受的干旱评价方法成为了一个亟需解决的技术问题。
因此,如何针对上述现有技术所存在的缺点进行研发改良,实为相关业界所需努力研发的目标,本申请设计人有鉴于此,乃思及创作的意念,遂以多年的经验加以设计,经多方探讨并试作样品试验,及多次修正改良,乃推出本申请。
发明内容
针对现有技术中的缺陷,本发明提供了一种考虑积融雪过程的多时间尺度旱情评估方法,该评估方法在水分供需两端同步考虑降雪和积融雪过程,具备多时间尺度分析功能,全面考虑各个旱情影响因子,且能够全面模拟、监测、评估和预报不同干旱类型,为目前高纬度和高海拔寒冷山区旱情模拟评估中存在的主要技术问题的解决提供了科学支撑和技术方案。
一种考虑积融雪过程的多时间尺度旱情评估方法,包括以下步骤:
S1.统计水量平衡分量
计算研究区不同网格点六个水量平衡分量逐月的实际值和潜在值,包括蒸散量ET、潜在蒸散量PET、补水量R、潜在补水量PR、径流量RO、潜在径流量PRO、失水量L、潜在失水量PL、积雪堆积量SA、潜在积雪堆积量PSA、积雪融化量SM、潜在积雪融化量PSM;
S2.计算各水量平衡分量的气候常数值
基于步骤S1中对各水量平衡分量逐月的实际值和潜在值的统计,计算各水量平衡分量的多年月平均实际值和多年月平均潜在值,进而利用各水量平衡分量的多年月平均实际值和多年月平均潜在值之比得到各月气候常数值,具体包括蒸散系数αj、补水系数βj、径流系数γj、失水系数δj、积雪系数εj和融雪系数其中,j为月份,取值范围为1-12;
S3.计算逐月水分距平指数Zsnow
(1)利用步骤S2得到的各月气候常数值和步骤S1中统计的各水量平衡分量逐月的潜在值计算得到考虑积融雪过程的逐月气候适宜降水量用以表征区域水分需求量;
(2)利用逐月实际总降水量P和考虑积融雪过程的逐月气候适宜降水量的差值,计算逐月水分距平指数Zsnow,表征地表水分盈亏状况,Zsnow值为负表示水分亏缺,为正表示水分盈余,其中,实际总降水量P为降雨量和降雪量之和;
S4.正态标准化累积水分盈亏量序列
(1)借鉴SPEI中对D的标准化方法对逐月水分距平指数Zsnow进行处理,构造不同时间尺度的累积水分盈亏量序列,
(2)引入三参数概率密度函数log-logistic计算累积水分盈亏量序列的概率分布,得到三参数log-logistic概率分布函数F(Zsnow),
(3)对累积水分盈亏量序列的概率分布函数F(Zsnow)进行标准化处理,最终计算得到考虑积融雪过程的标准化水分距平指数SZIsnow;
S5.根据步骤S4得到的标准化水分距平指数SZIsnow对研究地域的旱情进行评估:SZIsnow≤-2.00为极端干旱;-2.00<SZIsnow≤-1.50为严重干旱;-1.50<SZIsnow≤-1.00为中等干旱;-1.00<SZIsnow≤-0.50为轻微干旱;-0.50<SZIsnow≤0.50为正常状态。
在上述方法中,所述步骤S1中,六个水量平衡分量逐月的实际值和潜在值的计算方法为:
其中,RO为径流量、PRO为潜在径流量、ET为蒸散量、PET为潜在蒸散量、R为补水量、PR为潜在补水量、L为失水量、PL为潜在失水量、SA为积雪堆积量、PSA为潜在积雪堆积量、SM为积雪融化量、PSM为潜在积雪融化量、ROs,ROb和ROSM分别为地表径流量,基流量和融雪径流量、AWC为土壤田间持水量、Es、Et和Ec分别为裸土蒸发量、植被蒸腾量和冠层截留蒸发量,St是上层土壤有效水量、Su是下层土壤有效水量、ΔSt是上层土壤有效水量的变化量、ΔSu是下层土壤有效水量的变化量、L为土壤层总失水量、PLt为上层土壤可能失水量、PLs为下层土壤可能失水量、PL为土壤层可能总失水量、Psnow为降雪量、SWE为雪水当量、ΔSWE为雪水当量的变化量,上述各数据均来源于全球陆面数据同化系统的计算结果。
所述步骤S2中,各月气候常数值的计算方法如下:
其中,j为月份,取值范围为1-12,为第j月的ET多年平均值;为第j月的PET多年平均值;为第j月的R多年平均值;为第j月的PR多年平均值;为第j月的RO多年平均值;为第j月的PRO多年平均值;为第j月的L多年平均值;为第j月的PL多年平均值;为第j月的SA多年平均值;为第j月的PSA多年平均值;为第j月的SM多年平均值;为第j月的PSM多年平均值。
所述步骤S3中,考虑积融雪过程的逐月气候适宜降水量计算公式如下:
所述逐月水分距平指数Zsnow的计算公式如下:
其中,降雨量为Prain、降雪量为Psnow,Zsnow值为负表示水分亏缺,为正表示水分盈余,所述降雨量Prain、降雪量Psnow来源于全球陆面数据同化系统的计算结果。
所述步骤S4中,构造不同时间尺度的累积水分盈亏量序列如下:
其中,i为年份,取值范围1-无穷大,j为月份,取值范围为1-12,某月的累积水分盈亏量为前k-1个月与当月水分盈亏量之和,k为第i年内的时间尺度,取值范围为1-12,l为累积水分盈亏量序列中Zsnow按升序排列的起始序数。
引入三参数概率密度函数log-logistic计算累积水分盈亏量序列Zsnow的概率分布,log-logistic概率密度函数为:
其中α、β和γ分别是尺度参数、形状参数和位置参数,α、β和γ由公式(12)和(13)计算:
公式(13)中ws是概率权重矩,s=0,1,2,其中l是累积水分盈亏量序列中Zsnow按升序排列的起始序数,n为l序列序数的最大值,Γ(β)是Gamma函数,三参数log-logistic概率分布函数为:
对累积水分盈亏量序列的概率分布函数F(Zsnow)进行标准化处理,最终计算得到考虑积融雪过程的标准化水分距平指数SZIsnow:令S=1-F(Zsnow),当S≤0.5时,
当S>0.5时,
其中,c0=2.515517,c1=0.802853,c2=0.010328,d1=1.432788,d2=0.189269,d3=0.001308。
所述步骤S5中,根据标准化水分距平指数SZIsnow划分的旱情等级标准如下所示:SZIsnow≤-2.00为极端干旱;-2.00<SZIsnow≤-1.50为严重干旱;-1.50<SZIsnow≤-1.00为中等干旱;-1.00<SZIsnow≤-0.50为轻微干旱;-0.50<SZIsnow≤0.50为正常状态;0.50<SZIsnow≤1.00为轻微湿润;1.00<SZIsnow≤1.50为中等湿润;1.50<SZIsnow≤2.00为严重湿润;SZIsnow>2.00为极端湿润。
与现有技术相比,本发明具有如下的有益效果:本发明旱情评估方法将积融雪过程纳入到了水文循环模拟与分析当中,同时考虑了降雪-积雪堆积-积雪融化过程对不同时间尺度旱情发生发展趋势的影响,具备多时间尺度分析功能,改进了现有旱情模拟与预报方法的物理机制,以及其在高纬度地区和高寒山区的应用效果,完整的考虑了包括降水量、降雪量、雪水当量、蒸散发、土壤水分和径流量等所有旱情影响因素,同时具备帕默尔干旱指数和标准化降水蒸散指数的优点,对气象干旱、水文干旱和农业干旱等多种旱情类型的评估准确性均有显著提高(尤其是积雪覆盖较深的流域,提升效果显著),为高纬度地区和高海拔寒冷山区无法准确反映不同时间尺度旱情发生发展过程及成因机理的难题提供了思路和解决办法,对区域水资源优化配置和预旱减灾防治预案的编制提供科学支撑,可为区域尺度旱情模拟预报提供新思路和新方法。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为SZI的物理过程框架图;
图2为考虑积融雪动态变化的SZIsnow物理过程框架图;
图3为应用SZIsnow得到的黄土高原不同等级干旱受灾面积识别变化趋势图;
图4为应用SZIsnow得到的1971-2010年间黄土高原主要干旱事件发生时间、强度和空间范围图;
图5为全球32个主要大流域SZIsnow和SZI与观测降水量的相关关系图;
图6为全球32个主要大流域SZIsnow和SZI与土壤水分变化量的相关关系图;
图7为全球32个主要大流域SZIsnow和SZI与观测径流量的相关关系图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进。这些都属于本发明的保护范围。
一种考虑积融雪过程的多时间尺度旱情评估方法,包括以下步骤:
S1.统计水量平衡分量
利用全球陆面数据同化系统估算降雪-积雪堆积-积雪融化过程,进而将积融雪过程纳入地表水量平衡统计当中(物理过程框架如图2所示),计算得到研究区不同网格点六个水量平衡分量逐月的实际值和潜在值,包括蒸散量ET、潜在蒸散量PET、补水量R、潜在补水量PR、径流量RO、潜在径流量PRO、失水量L、潜在失水量PL、积雪堆积量SA、潜在积雪堆积量PSA、积雪融化量SM、潜在积雪融化量PSM(在水分供给端考虑降雪量;在水分需求端,借鉴PDSI水量平衡分量的统计方法);
各水量平衡分量逐月的实际值和潜在值的计算方法为:
其中,ROs,ROb和ROSM分别为地表径流量,基流量和融雪径流量、AWC为土壤田间持水量、Es、Et和Ec分别为裸土蒸发量、植被蒸腾量和冠层截留蒸发量,St是上层土壤有效水量、Su是下层土壤有效水量、ΔSt是上层土壤有效水量的变化量、ΔSu是下层土壤有效水量的变化量、L为土壤层总失水量、PLt为上层土壤可能失水量、PLs为下层土壤可能失水量、PL为土壤层可能总失水量、Psnow为降雪量、SWE为雪水当量、ΔSWE为雪水当量的变化量,各水量平衡分量的单位均为mm;上述各数据均来源于全球陆面数据同化系统的计算结果。
S2.计算各水量平衡分量的气候常数值
基于步骤S1中对各水量平衡分量逐月的实际值和潜在值的统计,计算各水量平衡分量的多年月平均实际值和多年月平均潜在值,进而利用各水量平衡分量的多年月平均实际值和多年月平均潜在值之比得到各月气候常数值,具体包括蒸散系数αj、补水系数βj、径流系数γj、失水系数δj、积雪系数εj和融雪系数
各月气候常数值的计算方法如下:
其中,j为月份,取值范围为1-12,为第j月的ET多年平均值;为第j月的PET多年平均值;为第j月的R多年平均值;为第j月的PR多年平均值;为第j月的RO多年平均值;为第j月的PRO多年平均值;为第j月的L多年平均值;为第j月的PL多年平均值;为第j月的SA多年平均值;为第j月的PSA多年平均值;为第j月的SM多年平均值;为第j月的PSM多年平均值。
S3.计算逐月水分距平指数Zsnow
(1)利用步骤S2得到的各月气候常数值和步骤S1中统计的各水量平衡分量逐月的潜在值计算得到考虑积融雪过程的逐月气候适宜降水量用以表征区域水分需求量:
(2)利用逐月实际总降水量P和考虑积融雪过程的逐月气候适宜降水量的差值,计算逐月水分距平指数Zsnow,表征地表水分盈亏状况,Zsnow值为负表示水分亏缺,为正表示水分盈余,逐月水分距平指数Zsnow的计算公式如下:
其中,实际总降水量P为降雨量Prain和降雪量Psnow之和,降雨量Prain、降雪量Psnow来源于全球陆面数据同化系统的估算结果。
S4.正态标准化累积水分盈亏量序列
(1)借鉴SPEI中对D的标准化方法对逐月水分距平指数Zsnow进行处理,构造不同时间尺度的累积水分盈亏量序列:
其中,i为年份,取值范围1-无穷大,j为月份,取值范围为1-12,某月的累积水分盈亏量为前k-1个月与当月水分盈亏量之和,k为第i年内的时间尺度,取值范围为1-12,l为累积水分盈亏量序列中Zsnow按升序排列的起始序数;
(2)引入三参数概率密度函数log-logistic计算累积水分盈亏量序列的概率分布,得到三参数log-logistic概率分布函数F(Zsnow),
log-logistic概率密度函数为:
其中α、β和γ分别是尺度参数、形状参数和位置参数,α、β和γ由公式(12)和(13)计算:
公式(13)中ws是概率权重矩,s=0,1,2,其中l是累积水分盈亏量序列中Zsnow按升序排列的起始序数,n为l序列序数的最大值,Γ(β)是Gamma函数,三参数log-logistic概率分布函数为:
(3)对累积水分盈亏量序列的概率分布函数F(Zsnow)进行标准化处理,最终计算得到考虑积融雪过程的标准化水分距平指数SZIsnow:
令S=1-F(Zsnow),当S≤0.5时,
当S>0.5时,
其中,c0=2.515517,c1=0.802853,c2=0.010328,d1=1.432788,d2=0.189269,d3=0.001308。
S5.根据步骤S4得到的标准化水分距平指数SZIsnow对研究地域的旱情进行评估:
根据SZIsnow划分的旱情等级标准如下所示,
表1、旱情等级划分表
实施例1
将SZIsnow应用于黄土高原,能够定量化的分析该区不同等级旱灾的发生面积及时空变化趋势,结果表明1948-2010年间黄土高原不同等级受旱面积均呈现出小幅增加态势,尤其是轻微和中等等级的旱灾(如图3所示,相关系数r为0.42,曲线的斜率slope为0.22,也就是变化趋势,倾斜的虚线是趋势线)。此外,该方法能够有效的识别出1971-2010年间黄土高原主要干旱事件(如图4所示),结合表1的旱情等级划分,我们能够阐明研究时段内主要干旱事件的发生时间、旱情等级和空间影响范围。经过分析可知,近40年最严重的旱情发生在1976年8月,黄土高原受旱面积达到了47万km2,占全区总面积的73%,几乎覆盖了整个黄河中游地区,该结果也与旱情历史记录相符合。图4中,Ⅰ-Ⅵ指黄土高原的分区,其中:Ⅰ区为黄河河龙区间,包括黄河河口镇至龙门区间所有支流;Ⅱ区为泾洛渭区域,包括北洛河、泾河、渭河、千河、横水河及漆水河;Ⅲ区为汾河-伊洛沁河区域,包括汾河、沁河及伊洛河;Ⅳ区为黄河内蒙古河段,包括哈德门沟、西柳沟、昆都仑河、五当沟、大黑河、哈拉沁、水磨沟、什拉乌、水涧沟及美岱沟;Ⅴ区为祖历河清水河区域,包括苦水河、汝箕沟、清水河及祖历河;Ⅵ区为风沙区,包括河东沙地、毛乌素沙漠、库布齐沙漠及沙漠边缘地带)。
实施例2
如图5所示,全球32个主要大流域SZIsnow和SZI与标准化降水指数(SPI)的相关关系图,横轴为时间尺度,纵轴为皮尔逊相关系数。标准化降水指数(SPI)是采用Γ函数的标准化降水累积频率分布来描述降水量变化,表征观测降水量变化趋势,可用于反映不同时间尺度气象干旱时空变化。与SPI的相关系数越高,说明对气象干旱的评估越准确。结果表明,在积雪深度浅的区域改进不太明显,但在积雪深度大的区域,SZIsnow相对SZI而言,对不同时间尺度气象干旱的模拟评估效果改进显著,其中SWE的单位为mm。
实施例3
如图6所示,全球32个主要大流域SZIsnow和SZI与土壤干旱指数(SWSI)的相关关系图,横轴为时间尺度,纵轴为皮尔逊相关系数。土壤干旱指数(SWSI)表征土壤水分变化趋势,可用于反映不同时间尺度农业干旱时空变化。与SWSI的相关系数越高,说明对农业干旱的评估越准确,结果表明,在积雪深度浅的区域改进不明显,但在积雪深度大的区域,SZIsnow相对SZI而言,对不同时间尺度农业干旱的模拟评估效果改进显著。其中SWE的单位为mm,土壤水分变化量是利用P,ET和RO的观测数据,基于水量平衡方程得到的:△S=P-ET-RO。
实施例4
如图7所示,全球32个主要大流域SZIsnow和SZI与标准径流指数(SSI)的相关关系图,横轴为时间尺度,纵轴为皮尔逊相关系数,标准径流指数(SSI)表征观测径流量变化趋势,可用于反映不同时间尺度水文干旱时空变化。与SSI的相关系数越高,说明对水文干旱的评估越准确,结果表明,在积雪深度浅的区域改进不明显,但在积雪深度大的区域,SZIsnow相对SZI而言,对不同时间尺度水文干旱的模拟评估效果改进显著。其中SWE的单位为mm。
通过上述实施例显示,将SZIsnow应用于全球32个主要大流域的多时间尺度旱情分析后,其结果表明,与不考虑积雪的多时间尺度旱情评估方法(SZI)相比,本发明对气象干旱、水文干旱和农业干旱等多种旱情类型的评估结果准确性均有显著提高(尤其是积雪覆盖较深的流域,提升效果显著;在积雪深度较浅,或者无积雪影响的流域,考虑积雪与否不影响旱情评估结果,该现象也符合基本物理事实),为高纬度地区和高海拔寒冷山区无法准确反映不同时间尺度旱情发生发展过程及成因机理的难题提供了思路和解决办法。
由上可知,原始SZI指数,因未考虑降雪-积雪堆积-积雪融化过程,导致一部分水分未统计,部分区域水分供需不平衡,尤其在高纬度地区和高海拔寒冷山区,评估结果不太准确,在加入降雪-积雪堆积-积雪融化过程后,研究区域长期地表水分供需平衡关系明显改善,更加符合实际的物理过程,(即任何自然生态系统中长期的水分供需量是相对平衡的,长期水分需求量与长期水分供给量大体相当)。
本发明利用实测雪水当量和积雪深度数据验证了全球陆面数据同化系统(GLDAS)对积融雪过程的模拟结果,进而借助GLDAS数据将积融雪过程加入到地表水量平衡过程分析当中。在此基础上,研究降雪和积融雪动态变化对地表干湿变化过程的影响,为构建考虑积融雪过程的多时间尺度干旱指数提供输入参数,借鉴帕默尔干旱指数(Palmer DroughtSeverity Index,PDSI)在物理机制和标准化降水蒸散指数(Standardized PrecipitationEvapotranspiration Index,SPEI)在多时间尺度分析方面的优点,同步考虑降雪和积融雪过程对水分供求关系两端的影响,即在水分供给端考虑降雪量,在水分需求端考虑积融雪动态变化,借鉴PDSI水量平衡分量的统计方法,估算考虑积融雪的气候适宜降水量以实际总降水量(包含降雪量)P与考虑积融雪过程的气候适宜降水量之差表征区域水分盈亏状况,计算水分距平指数Zsnow,以NCAR Command Language(NCL)和MATLAB为主要技术手段,采用三参数概率分布函数来描述累积水分盈亏量Zsnow序列的概率分布,最后经正态标准化得到考虑积融雪过程的多时间尺度干旱指数:标准化水分距平指数(SZIsnow),实现多时间尺度旱情评估,进而综合分析积融雪过程对不同时间尺度旱情发生发展过程的影响机制,为高纬度地区和高海拔寒冷山区的旱情模拟预报准确度的提高提供了新思路和新方法。
Claims (10)
1.一种考虑积融雪过程的多时间尺度旱情评估方法,其特征在于,包括以下步骤:
S1.统计水量平衡分量
计算研究区不同网格点六个水量平衡分量逐月的实际值和潜在值,包括蒸散量ET、潜在蒸散量PET、补水量R、潜在补水量PR、径流量RO、潜在径流量PRO、失水量L、潜在失水量PL、积雪堆积量SA、潜在积雪堆积量PSA、积雪融化量SM、潜在积雪融化量PSM;
S2.计算各水量平衡分量的气候常数值
基于步骤S1中对各水量平衡分量逐月的实际值和潜在值的统计,计算各水量平衡分量的多年月平均实际值和多年月平均潜在值,进而利用各水量平衡分量的多年月平均实际值和多年月平均潜在值之比得到各月气候常数值,具体包括蒸散系数αj、补水系数βj、径流系数γj、失水系数δj、积雪系数εj和融雪系数其中,j为月份,取值范围为1-12;
S3.计算逐月水分距平指数Zsnow
(1)利用步骤S2得到的各月气候常数值和步骤S1中统计的各水量平衡分量逐月的潜在值计算得到考虑积融雪过程的逐月气候适宜降水量用以表征区域水分需求量,
(2)利用逐月实际总降水量P和考虑积融雪过程的逐月气候适宜降水量的差值,计算逐月水分距平指数Zsnow,表征地表水分盈亏状况,Zsnow值为负表示水分亏缺,为正表示水分盈余,其中,实际总降水量P为降雨量和降雪量之和;
S4.正态标准化累积水分盈亏量序列
(1)借鉴SPEI中对D的标准化方法对逐月水分距平指数Zsnow进行处理,构造不同时间尺度的累积水分盈亏量序列,
(2)引入三参数概率密度函数log-logistic计算累积水分盈亏量序列的概率分布,得到三参数log-logistic概率分布函数F(Zsnow),
(3)对累积水分盈亏量序列的概率分布函数F(Zsnow)进行标准化处理,最终计算得到考虑积融雪过程的标准化水分距平指数SZIsnow;
S5.根据步骤S4得到的标准化水分距平指数SZIsnow对研究地域的旱情进行评估:SZIsnow≤-2.00为极端干旱;-2.00<SZIsnow≤-1.50为严重干旱;-1.50<SZIsnow≤-1.00为中等干旱;-1.00<SZIsnow≤-0.50为轻微干旱;-0.50<SZIsnow≤0.50为正常状态。
2.根据权利要求1所述的一种考虑积融雪过程的多时间尺度旱情评估方法,其特征在于,所述步骤S1中,六个水量平衡分量逐月的实际值和潜在值的计算方法为:
其中,RO为径流量、PRO为潜在径流量、ET为蒸散量、PET为潜在蒸散量、R为补水量、PR为潜在补水量、L为失水量、PL为潜在失水量、SA为积雪堆积量、PSA为潜在积雪堆积量、SM为积雪融化量、PSM为潜在积雪融化量、ROs,ROb和ROSM分别为地表径流量,基流量和融雪径流量、AWC为土壤田间持水量、Es、Et和Ec分别为裸土蒸发量、植被蒸腾量和冠层截留蒸发量,St是上层土壤有效水量、Su是下层土壤有效水量、ΔSt是上层土壤有效水量的变化量、ΔSu是下层土壤有效水量的变化量、L为土壤层总失水量、PLt为上层土壤可能失水量、PLs为下层土壤可能失水量、PL为土壤层可能总失水量、Psnow为降雪量、SWE为雪水当量、ΔSWE为雪水当量的变化量。
3.根据权利要求2所述的一种考虑积融雪过程的多时间尺度旱情评估方法,其特征在于,所述径流量RO、潜在径流量PRO、蒸散量ET、潜在蒸散量PET、补水量R、潜在补水量PR、失水量L、潜在失水量PL、积雪堆积量SA、潜在积雪堆积量PSA、积雪融化量SM、潜在积雪融化量PSM、地表径流量ROs、基流量ROb、融雪径流量ROSM、土壤田间持水量AWC、裸土蒸发量Es、植被蒸腾量Et、冠层截留蒸发量Ec、上层土壤有效水量St、下层土壤有效水量Su、上层土壤有效水量的变化量ΔSt、下层土壤有效水量的变化量ΔSu、土壤层总失水量L、上层土壤可能失水量PLt、下层土壤可能失水量PLs、土壤层可能总失水量PL、降雪量Psnow、雪水当量SWE、雪水当量的变化量ΔSWE均来源于全球陆面数据同化系统的计算结果。
4.根据权利要求1所述的一种考虑积融雪过程的多时间尺度旱情评估方法,其特征在于,所述步骤S2中,各月气候常数值的计算方法如下:
其中,j为月份,取值范围为1-12,为第j月的ET多年平均值;为第j月的PET多年平均值;为第j月的R多年平均值;为第j月的PR多年平均值;为第j月的RO多年平均值;为第j月的PRO多年平均值;为第j月的L多年平均值;为第j月的PL多年平均值;为第j月的SA多年平均值;为第j月的PSA多年平均值;为第j月的SM多年平均值;为第j月的PSM多年平均值。
5.根据权利要求1所述的一种考虑积融雪过程的多时间尺度旱情评估方法,其特征在于,所述步骤S3中,考虑积融雪过程的逐月气候适宜降水量计算公式如下:
所述逐月水分距平指数Zsnow的计算公式如下:
其中,Prain为降雨量、Psnow为降雪量,Zsnow值为负表示水分亏缺,为正表示水分盈余。
6.根据权利要求5所述的一种考虑积融雪过程的多时间尺度旱情评估方法,其特征在于,所述降雨量Prain、降雪量Psnow来源于全球陆面数据同化系统的计算结果。
7.根据权利要求1所述的一种考虑积融雪过程的多时间尺度旱情评估方法,其特征在于,所述步骤S4中,构造不同时间尺度的累积水分盈亏量序列如下:
其中,i为年份,取值范围1-无穷大,j为月份,取值范围为1-12,某月的累积水分盈亏量为前k-1个月与当月水分盈亏量之和,k为第i年内的时间尺度,取值范围为1-12,l为累积水分盈亏量序列中Zsnow按升序排列的起始序数。
8.根据权利要求1所述的一种考虑积融雪过程的多时间尺度旱情评估方法,其特征在于,所述步骤S4中,log-logistic概率密度函数为:
其中α、β和γ分别是尺度参数、形状参数和位置参数,α、β和γ分别由公式(12)计算:
公式(13)中ws是概率权重矩,s=0,1,2,其中l是累积水分盈亏量序列中Zsnow按升序排列的起始序数,n为l序列序数的最大值,Γ(β)是Gamma函数,三参数log-logistic概率分布函数F(Zsnow)为:
9.根据权利要求1所述的一种考虑积融雪过程的多时间尺度旱情评估方法,其特征在于,所述步骤S4中,对概率分布函数F(Zsnow)进行标准化处理,最终计算得到考虑积融雪过程的标准化水分距平指数SZIsnow:令S=1-F(Zsnow),当S≤0.5时,
当S>0.5时,
其中,c0=2.515517,c1=0.802853,c2=0.010328,d1=1.432788,d2=0.189269,d3=0.001308。
10.根据权利要求1所述的一种考虑积融雪过程的多时间尺度旱情评估方法,其特征在于,所述步骤S5中,根据标准化水分距平指数SZIsnow划分的旱情等级标准如下所示:SZIsnow≤-2.00为极端干旱;-2.00<SZIsnow≤-1.50为严重干旱;-1.50<SZIsnow≤-1.00为中等干旱;-1.00<SZIsnow≤-0.50为轻微干旱;-0.50<SZIsnow≤0.50为正常状态;0.50<SZIsnow≤1.00为轻微湿润;1.00<SZIsnow≤1.50为中等湿润;1.50<SZIsnow≤2.00为严重湿润;SZIsnow>2.00为极端湿润。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811392533.3A CN109523175B (zh) | 2018-11-21 | 2018-11-21 | 一种考虑积融雪过程的多时间尺度旱情评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811392533.3A CN109523175B (zh) | 2018-11-21 | 2018-11-21 | 一种考虑积融雪过程的多时间尺度旱情评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109523175A true CN109523175A (zh) | 2019-03-26 |
CN109523175B CN109523175B (zh) | 2021-04-27 |
Family
ID=65776931
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811392533.3A Active CN109523175B (zh) | 2018-11-21 | 2018-11-21 | 一种考虑积融雪过程的多时间尺度旱情评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109523175B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111275366A (zh) * | 2019-04-16 | 2020-06-12 | 中国水利水电科学研究院 | 干旱对生产力影响评估方法 |
CN111984700A (zh) * | 2020-08-17 | 2020-11-24 | 中国电建集团成都勘测设计研究院有限公司 | 一种基于水热耦合平衡原理的月径流预测方法 |
CN112651108A (zh) * | 2020-12-07 | 2021-04-13 | 中国水利水电科学研究院 | 一种解耦气象要素和植被动态对水文要素影响的方法 |
CN112668705A (zh) * | 2021-03-17 | 2021-04-16 | 清华大学 | 基于深度学习的干旱指数监测方法及系统 |
CN112785031A (zh) * | 2020-11-30 | 2021-05-11 | 中国空间技术研究院 | 基于总水储量亏损指数原理提高干旱监测时空准确性方法 |
CN112818560A (zh) * | 2021-02-24 | 2021-05-18 | 北京师范大学 | 一种帕尔默干旱指数计算方法及系统 |
CN112990760A (zh) * | 2021-04-14 | 2021-06-18 | 中国科学院新疆生态与地理研究所 | 基于生态输水调整流域小气候和生态系统的方法 |
CN115965253A (zh) * | 2022-06-30 | 2023-04-14 | 西南交通大学 | 不同时段旱情变化的归因方法 |
CN117236668A (zh) * | 2023-11-15 | 2023-12-15 | 山东锋士信息技术有限公司 | 基于供给与消耗的区域水资源配置分析决策方法及系统 |
CN117828906A (zh) * | 2024-03-05 | 2024-04-05 | 长江水利委员会长江科学院 | 基于作物生长模型的干旱传递过程模拟方法、系统及介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102955863A (zh) * | 2011-08-17 | 2013-03-06 | 长江水利委员会长江科学院 | 一种基于分布式水文模拟的旱情评估和预报模型方法 |
CN104008277A (zh) * | 2014-05-12 | 2014-08-27 | 河海大学 | 耦合分布式水文模型和联合水分亏缺指数的旱情评估方法 |
KR101718294B1 (ko) * | 2016-11-29 | 2017-03-22 | 주식회사 유일기연 | 가뭄예측 시스템 |
CN106845096A (zh) * | 2017-01-12 | 2017-06-13 | 安徽省(水利部淮河水利委员会)水利科学研究院(安徽省水利工程质量检测中心站) | 一种基于多指标的旱情综合评估方法 |
CN106897551A (zh) * | 2017-02-09 | 2017-06-27 | 中国科学院华南植物园 | 一种基于被动微波遥感的干旱指数构建方法 |
CN107169204A (zh) * | 2017-05-17 | 2017-09-15 | 武汉大学 | 不同时间尺度上水文模型参数转换的计算方法 |
CN107977729A (zh) * | 2017-08-28 | 2018-05-01 | 北京师范大学 | 多变量标准化干旱指数设计方法 |
CN108614948A (zh) * | 2018-05-12 | 2018-10-02 | 西北农林科技大学 | 大尺度区域实际蒸散发量的估算方法 |
CN108732649A (zh) * | 2018-05-11 | 2018-11-02 | 河海大学 | 一种基于气象干旱传递的水文干旱预测预警方法 |
-
2018
- 2018-11-21 CN CN201811392533.3A patent/CN109523175B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102955863A (zh) * | 2011-08-17 | 2013-03-06 | 长江水利委员会长江科学院 | 一种基于分布式水文模拟的旱情评估和预报模型方法 |
CN104008277A (zh) * | 2014-05-12 | 2014-08-27 | 河海大学 | 耦合分布式水文模型和联合水分亏缺指数的旱情评估方法 |
KR101718294B1 (ko) * | 2016-11-29 | 2017-03-22 | 주식회사 유일기연 | 가뭄예측 시스템 |
CN106845096A (zh) * | 2017-01-12 | 2017-06-13 | 安徽省(水利部淮河水利委员会)水利科学研究院(安徽省水利工程质量检测中心站) | 一种基于多指标的旱情综合评估方法 |
CN106897551A (zh) * | 2017-02-09 | 2017-06-27 | 中国科学院华南植物园 | 一种基于被动微波遥感的干旱指数构建方法 |
CN107169204A (zh) * | 2017-05-17 | 2017-09-15 | 武汉大学 | 不同时间尺度上水文模型参数转换的计算方法 |
CN107977729A (zh) * | 2017-08-28 | 2018-05-01 | 北京师范大学 | 多变量标准化干旱指数设计方法 |
CN108732649A (zh) * | 2018-05-11 | 2018-11-02 | 河海大学 | 一种基于气象干旱传递的水文干旱预测预警方法 |
CN108614948A (zh) * | 2018-05-12 | 2018-10-02 | 西北农林科技大学 | 大尺度区域实际蒸散发量的估算方法 |
Non-Patent Citations (4)
Title |
---|
刘梅 等: "渭河流域降水时空变化与干旱特征分析", 《南水北调与水利科技》 * |
张宝庆 等: "基于可变下渗容量模型和Palmer干旱指数的区域干旱化评价研究", 《水利学报》 * |
赵西宁 等: "黄土高原半干旱区集雨补灌生态农业研究进展", 《中国农业科学》 * |
马全: "基于MIKE SHE模型的湟水流域干旱评估预报模型研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111275366A (zh) * | 2019-04-16 | 2020-06-12 | 中国水利水电科学研究院 | 干旱对生产力影响评估方法 |
CN111984700A (zh) * | 2020-08-17 | 2020-11-24 | 中国电建集团成都勘测设计研究院有限公司 | 一种基于水热耦合平衡原理的月径流预测方法 |
CN111984700B (zh) * | 2020-08-17 | 2023-04-28 | 中国电建集团成都勘测设计研究院有限公司 | 一种基于水热耦合平衡原理的月径流预测方法 |
CN112785031A (zh) * | 2020-11-30 | 2021-05-11 | 中国空间技术研究院 | 基于总水储量亏损指数原理提高干旱监测时空准确性方法 |
CN112785031B (zh) * | 2020-11-30 | 2024-05-17 | 中国空间技术研究院 | 基于总水储量亏损指数原理提高干旱监测时空准确性方法 |
CN112651108A (zh) * | 2020-12-07 | 2021-04-13 | 中国水利水电科学研究院 | 一种解耦气象要素和植被动态对水文要素影响的方法 |
CN112651108B (zh) * | 2020-12-07 | 2024-04-19 | 中国水利水电科学研究院 | 一种解耦气象要素和植被动态对水文要素影响的方法 |
CN112818560A (zh) * | 2021-02-24 | 2021-05-18 | 北京师范大学 | 一种帕尔默干旱指数计算方法及系统 |
CN112668705A (zh) * | 2021-03-17 | 2021-04-16 | 清华大学 | 基于深度学习的干旱指数监测方法及系统 |
CN112990760A (zh) * | 2021-04-14 | 2021-06-18 | 中国科学院新疆生态与地理研究所 | 基于生态输水调整流域小气候和生态系统的方法 |
CN112990760B (zh) * | 2021-04-14 | 2024-01-26 | 中国科学院新疆生态与地理研究所 | 基于生态输水调整流域小气候和生态系统的方法 |
CN115965253A (zh) * | 2022-06-30 | 2023-04-14 | 西南交通大学 | 不同时段旱情变化的归因方法 |
CN117236668A (zh) * | 2023-11-15 | 2023-12-15 | 山东锋士信息技术有限公司 | 基于供给与消耗的区域水资源配置分析决策方法及系统 |
CN117236668B (zh) * | 2023-11-15 | 2024-03-08 | 山东锋士信息技术有限公司 | 基于供给与消耗的区域水资源配置分析决策方法及系统 |
CN117828906A (zh) * | 2024-03-05 | 2024-04-05 | 长江水利委员会长江科学院 | 基于作物生长模型的干旱传递过程模拟方法、系统及介质 |
CN117828906B (zh) * | 2024-03-05 | 2024-05-17 | 长江水利委员会长江科学院 | 基于作物生长模型的干旱传递过程模拟方法、系统及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109523175B (zh) | 2021-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109523175A (zh) | 一种考虑积融雪过程的多时间尺度旱情评估方法 | |
Coxon et al. | CAMELS-GB: hydrometeorological time series and landscape attributes for 671 catchments in Great Britain | |
Abdelwahab et al. | Modelling soil erosion in a Mediterranean watershed: Comparison between SWAT and AnnAGNPS models | |
Tritz et al. | Modelling the behaviour of a karst system catchment using non-linear hysteretic conceptual model | |
Borga et al. | Hydrometeorological analysis of the 29 August 2003 flash flood in the Eastern Italian Alps | |
Xu et al. | Assessment of runoff and sediment yield in the Miyun Reservoir catchment by using SWAT model | |
Ravazzani et al. | Potentialities of ensemble strategies for flood forecasting over the Milano urban area | |
Mensah et al. | Integrated modeling of hydrological processes and groundwater recharge based on land use land cover, and climate changes: A systematic review | |
Lee et al. | Catchment-scale soil erosion and sediment yield simulation using a spatially distributed erosion model | |
Achleitner et al. | Analyzing the operational performance of the hydrological models in an alpine flood forecasting system | |
JP2006201024A (ja) | 雪氷水資源の分布型評価方法 | |
Miliani et al. | Adaptation of precipitation index for the estimation of antecedent moisture condition in large mountainous basins | |
Kuhlemann et al. | Spatio-temporal variations in stable isotopes in peri-urban catchments: A preliminary assessment of potential and challenges in assessing streamflow sources | |
Petrič | Characteristics of recharge-discharge relations in karst aquifer | |
Levin et al. | Uncertainties in measuring and estimating water‐budget components: Current state of the science | |
Wang et al. | Rainfall erosivity index for monitoring global soil erosion | |
Wong et al. | A streamflow-oriented ranking-based methodological framework to combine multiple precipitation datasets across large river basins | |
Mendicino et al. | Integrated drought watch system: a case study in Southern Italy | |
Jabbari et al. | Accuracy assessment of real-time flood forecasting of coupled hydrological and mesoscale meteorological models | |
Lazo et al. | Flow partitioning modelling using high-resolution electrical conductivity data during variable flow conditions in a tropical montane catchment | |
Dunn et al. | Assessing the value of Cl− and δ 18O data in modelling the hydrological behaviour of a small upland catchment in northeast Scotland | |
Guo et al. | Analysis of effects of vegetation cover and elevation on water yield in an alpine basin of the Qilian mountains in northwest China by integrating the WRF-hydro and Budyko framework | |
Vikhamar-Schuler et al. | Snow modeling using SURFEX with the CROCUS snow scheme | |
Langat et al. | A comparative flood frequency analysis of high-flow between annual maximum and partial duration series at Sungai Langat Basin | |
Schöber | Improved snow and runoff modelling of glacierized catchments for flood forecasting |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |