CN115130736A - 基于贝叶斯层次模型的水文生态响应关系、生态流量确定方法及系统 - Google Patents
基于贝叶斯层次模型的水文生态响应关系、生态流量确定方法及系统 Download PDFInfo
- Publication number
- CN115130736A CN115130736A CN202210655110.6A CN202210655110A CN115130736A CN 115130736 A CN115130736 A CN 115130736A CN 202210655110 A CN202210655110 A CN 202210655110A CN 115130736 A CN115130736 A CN 115130736A
- Authority
- CN
- China
- Prior art keywords
- flow
- ecological
- hydrological
- model
- biological
- 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
- 238000000034 method Methods 0.000 title claims abstract description 65
- 230000004044 response Effects 0.000 title claims abstract description 53
- 238000009826 distribution Methods 0.000 claims abstract description 65
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 60
- 238000011160 research Methods 0.000 claims abstract description 39
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000005070 sampling Methods 0.000 claims abstract description 12
- 239000002028 Biomass Substances 0.000 claims description 28
- 230000008569 process Effects 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 7
- 241001465754 Metazoa Species 0.000 claims description 3
- 238000013459 approach Methods 0.000 claims description 3
- 241000251468 Actinopterygii Species 0.000 claims description 2
- 238000007619 statistical method Methods 0.000 claims description 2
- 238000009827 uniform distribution Methods 0.000 claims description 2
- 238000011161 development Methods 0.000 abstract description 6
- 230000036541 health Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 7
- 239000004576 sand Substances 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 230000018109 developmental process Effects 0.000 description 5
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 238000010207 Bayesian analysis Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 239000003627 allelochemical Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 244000005700 microbiome Species 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 241000282414 Homo sapiens Species 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000005059 dormancy Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000035784 germination Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 230000036284 oxygen consumption Effects 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 230000000243 photosynthetic effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
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"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
Abstract
本发明提供基于贝叶斯层次模型的水文生态响应关系、生态流量确定方法及系统，为生态流量的科学、合理确定以及河流健康可持续发展提供有效途径。水文生态响应关系确定方法包括：步骤1：根据水生生物的生长繁殖与流量以及水温的关系，采用研究区域河段内流量及水温来反映生物指标；根据研究区域水文水力特性划分河段，对研究区域内流量、温度、生物指标进行多次采样，获取样本信息；步骤2：基于获取的样本信息，建立基于贝叶斯层次分析的水文‑生态响应模型；步骤3：设定模型的先验分布和后验分布，得到反映水文情况与生物指标关系的水文‑生态响应预测模型。
Description
技术领域
本发明属于生态水文领域，具体涉及基于贝叶斯层次模型的水文生态响应关系、生态流量确定方法及系统。
背景技术
随着人类对自然资源的开发利用不断增强，闸坝、水库、泵站等水利工程的修建极大地改变了河流的水文情势，并被认为是诸多水生态问题产生的主要原因之一，生态流量概念的提出正是为了协调水资源开发利用与河流生态保护之间的矛盾。
目前，国内外学者针对生态流量进行了大量研究，常见的生态流量确定方法主要包括水文学法、水力学法、生物栖息地法以及整体分析法。水文学法基于河流水文过程，选取特定比例的历史年平均径流作为生态流量，对生态因素考虑较少；水力学法和生物栖息地法通过中间媒介水生生物栖息地来构建水文-生态响应关系，侧重满足单一物种的栖息地需求，而缺少对生态环境的直接反应；整体分析法通过建立水文过程、输沙过程、河床演变与水生生物群落的关系，综合估算生态流量需求，但需要大量的水文、水生态数据。
发明内容
本发明是为了解决上述问题而进行的，目的在于提供基于贝叶斯层次模型的水文生态响应关系、生态流量确定方法及系统，为生态流量的科学、合理确定以及河流健康可持续发展提供有效途径。
本发明为了实现上述目的，采用了以下方案：
<方法一>
本发明提供一种基于贝叶斯层次模型的水文生态响应关系确定方法，其特征在于，包括以下步骤：
步骤1：根据水生生物的生长繁殖与流量以及水温的关系，采用研究区域河段内流量及水温(水文信息)来反映生物指标(水生态信息)；根据研究区域水文水力特性划分河段，对研究区域内流量、温度、生物指标进行多次采样，获取样本信息；
水生生物是水生态系统的重要组成部分：以浮游植物为例，它可以通过光合作用固碳释氧增加水体溶氧量，抑制有害菌生长，减轻水体污染；浮游植物还可吸收富营养化水域中的氮、磷，以供其生长发育，并增加水体沉积物的有机质含量；此外，浮游植物为微生物及水生或亲水动物提供了食物来源和栖居场所，有助于微生物对污染水体中有机营养物质的降解；然而，单一浮游植物的泛滥也会引起河湖生态功能的下降；因此，保证浮游植物生物量处于合理区间内对保护河流生态多样性、维系河流生态健康十分重要。
浮游植物的生长繁殖与流量以及水温密切相关。流量限制着浮游植物的分布，包括流速和剪应力对浮游植物种类的影响，还包括高低流量、水位变化对河道植物种类的影响。水温决定浮游植物的萌发和休眠，影响浮游植物的代谢，不同温度下浮游植物的光合速率会有明显差异；同时，水温变化会影响浮游植物的化感作用，高温或低温胁迫下，化感物质的抑制效应都会增强。考虑到上述情况，可以根据浮游植物对流量以及水温的预期反映制定概念模型。设生物指标是河道内流量及水温的函数，非汛期的河道内流量的保证一定程度上考虑了维持水生生物量的作用。此外，由于浮游植物的部分流动性和群落性，其丰度往往表现出较大的空间差异，在河段尺度上更能检测到它对水文变异的响应。除浮游植物外，其余水生生物的生物指标也均与河道内流量及水温有关，且表现出较大的空间差异性。为了进行这样的分析，需在河道尺度内组合数据，与贝叶斯层次模型的第二层次结构匹配。
步骤2：基于获取的样本信息，建立基于贝叶斯层次分析的水文-生态响应模型：
式中，yij是每个河段j内每个站点i的生物指标样本数据；Qj和Tj分别是采样当天河段的流量和水温；θij是生物指标样本数据的平均值；τc是该分布的方差，设其服从经典的贝叶斯分析中常用的形状参数为0.001、尺度参数为0.001的gamma分布；参数αi是考虑流量和温度影响后的模拟生物指标样本均值的截距；参数βi和γi分别是生物指标与流量、水温协变量的系数；将αi、βi、γi这3个参数在河段层面建模：
αc,βc,γc和τα,τβ,τγ分别是相应参数的均值和方差，将这6个均值和方差在河流层次建模；
步骤3：设定模型的先验分布和后验分布，得到反映水文情况与生物指标关系的水文-生态响应预测模型；水文情况包括流量和水温。
优选地，本发明提供的基于贝叶斯层次模型的生态流量确定方法，还可以包括：步骤4：采用水文-生态响应预测模型预测研究区域预定生物指标条件下的水文情况或者预定水文情况下的生物指标。
<方法二>
进一步，本发明还提供一种基于贝叶斯层次模型的生态流量确定方法，其特征在于，包括以下步骤：
步骤1：根据水生生物的生长繁殖与流量以及水温的关系，采用研究区域河段内流量及水温来反映生物指标；根据研究区域水文水力特性划分河段，对研究区域内流量、温度、生物指标进行多次采样，获取样本信息；
步骤2：基于获取的样本信息，建立基于贝叶斯层次分析的水文-生态响应模型：
式中，yij是每个河段j内每个站点i的生物指标样本数据，Qj和Tj分别是采样当天河段的流量和水温，θij是生物指标样本数据的平均值，τc是该分布的方差，参数αi是考虑流量和温度影响后的模拟生物指标样本均值的截距，参数βi和γi分别是生物指标与流量、水温协变量的系数，将αi、βi、γi这3个参数在河段层面建模：
αc,βc,γc和τα,τβ,τγ分别是相应参数的均值和方差，将这6个均值和方差在河流层次建模；
步骤3：设定模型的先验分布和后验分布，得到反映水文情况与生物指标关系的水文-生态响应预测模型；水文情况包括流量和水温信息；
步骤4：采用水文-生态响应预测模型预测研究区域预定生物指标条件下的水文情况或者预定水文情况下的生物指标；
步骤5：根据满足期望生物指标的水文情况，确定河段的生态流量。
优选地，上述<方法一>和<方法二>均还可以具有以下特征：生物指标的选取包括浮游植物生物量，但不限于此，还可以选取鱼类丰度、底栖动物丰度等。
优选地，上述<方法一>和<方法二>均还可以具有以下特征：在步骤2中，因为6个均值和方差参数效应的方向和强度没有确切的先验预期，所以将6个均值和方差赋予模糊先验分布：(0,10000)区间上的无信息先验均匀分布。
优选地，上述<方法一>和<方法二>均还可以具有以下特征：在步骤3中，结合采样信息及先验分布分别计算站点、河段、河流层面的参数后验分布；利用MCMC法获取后验分布样本，θ(i),α(i),β(i),αc (i),τα (i),βc (i),τβ (i),γc (i),τc (i),i＝1,2,…,Im，Im为迭代产生的样本个数。在足够长的预热期后，这些样本近似为目标后验分布取得的样本。
优选地，上述<方法一>和<方法二>均还可以具有以下特征：在步骤3中，统计样本的经验分布得到各参数后验边缘分布的估计，判断马尔科夫链的收敛性，以确定预热期设置是否合理，直到变量对应的PSRF小于1.2后认为样本已收敛，随后的水文-生态响应统计分析都是基于参数的后验分布进行的。
另外，上述<方法一>和<方法二>的步骤3中，先验分布的指定直接影响着参数的后验结果，一般是基于认识主体丰富的经验和对事件的了解程度而确定的，尤其需要关注先验期望和先验方差。先验期望为参数提供了先验的点估计，先验方差则表示这种点估计的不确定性。当先验点估计的精确度有保证时，对先验方差的设定值往往偏小；反之，可以通过设定较大的先验方差来表示先验期望的高不确定性。此外，指定的先验分布需要适当概括已得的先验信息。然而，在生态学的应用中，常常无法获得可用的先验信息，在这种情况下，需要指定一个不会在很大程度上影响后验结果的先验分布以充分采纳样本数据信息，这种分布被称为“无信息分布”或“模糊分布”，本发明中先验分布设定为
<系统>
更进一步，本发明还提供一种基于贝叶斯层次模型的生态流量确定系统，其特征在于，包括：
获取部，根据水生生物的生长繁殖与流量以及水温的关系，采用研究区域河段内流量及水温来反映生物指标；根据研究区域水文水力特性划分河段，对研究区域内流量、温度、生物指标进行多次采样，获取样本信息；
模型建立部，基于获取的样本信息，建立基于贝叶斯层次分析的水文-生态响应模型：
式中，yij是每个河段j内每个站点i的生物指标样本数据，Qj和Tj分别是采样当天河段的流量和水温，θij是生物指标样本数据的平均值，τc是该分布的方差，参数αi是考虑流量和温度影响后的模拟生物指标样本均值的截距，参数βi和γi分别是生物指标与流量、水温协变量的系数，将αi、βi、γi这3个参数在河段层面建模：
αc,βc,γc和τα,τβ,τγ分别是相应参数的均值和方差，将这6个均值和方差在河流层次建模；
设定部，设定模型的先验分布和后验分布，得到反映水文情况与生物指标关系的水文-生态响应预测模型；水文情况包括流量和水温信息；
预测部，采用水文-生态响应预测模型预测研究区域预定生物指标条件下的水文情况或者预定水文情况下的生物指标；
生态流量确定部，根据满足期望生物指标的水文情况，确定河段的生态流量；以及
控制部，与参数确定部、模型建立部、设定部、预测部、生态流量确定部均通信相连，控制它们的运行。
优选地，本发明提供的基于贝叶斯层次模型的生态流量确定系统，还可以包括：调度部，与控制部和研究区各水库闸坝均通信相连，以生态流量确定部确定的满足期望生物指标的各个河段的生态流量作为各个河段的目标流量(满足防洪、发电、生态、航运等多目标水库调度目标)，调控相应水库闸坝的水调度过程，使各个河段的实际流量达到或接近相应的目标流量。
优选地，本发明提供的基于贝叶斯层次模型的生态流量确定系统，还可以包括：输入显示部，与参数确定部、模型建立部、设定部、预测部、生态流量确定部、调度部、控制部均通信相连，用于让用户输入操作指令，并进行相应显示。
优选地，本发明提供的基于贝叶斯层次模型的生态流量确定系统，还可以包括：输入显示部能够根据相应的操作指令，对获取部获取的实测样本信息进行显示，对模型建立部建立的基于贝叶斯层次分析的水文-生态响应模型进行显示，对设定部设定的先验分布和后验分布以及得到的水文-生态响应预测模型进行显示，对生态流量确定部确定的研究区各河段的生态流量以列表或者曲线图或者反映动态变化过程的模型图的方式进行显示，对调度部的调度情况和各河段的实际流量与目标流量以列表或者曲线图或者反映动态变化过程的模型图的方式进行显示。
发明的作用与效果
本发明所提供的基于贝叶斯层次模型的水文生态响应关系、生态流量确定方法及系统，能够有效描述水文-生态关系中复杂且多层次未知的参数关系，并从少量生态数据实测数据中获得大量相关统计信息，大幅降低响应关系推断的不确定性并将这种不确定性转化为概率阈值，有效缓解水文-生态关系研究中生态数据不足以及建模困难等问题，可用于产生面向概率的推理从而识别水文-生态的复杂响应关系，为生态流量的科学、合理确定以及通过合理水调度促使河流健康可持续发展提供有效途径。
附图说明
图1为本发明涉及的标准贝叶斯、层次贝叶模型示意图；
图2为本发明实施例中涉及的沙颍河采样点位及分段概化图；
图3为本发明实施例中涉及的生物量-流量(a)，生物量-温度(b)关系图和生物量与流量、温度的等高线图(c)；
图4为本发明实施例中涉及的沙颍河贝叶斯层次模型图；
图5为本发明实施例中涉及的β、γ参数分布图，其中，(a)、(d)分别为汛前β、γ分布，(b)、(e)分别为汛期β、γ分布，(c)、(f)分别为汛后β、γ分布。
具体实施方式
以下结合附图对本发明涉及的基于贝叶斯层次模型的水文生态响应关系、生态流量确定方法及系统的具体实施方案进行详细地说明。
<实施例>
本实施例中，以沙颍河作为研究区域，将本发明上述方案用于沙颍河生态流量水文生态响应关系、生态流量确定方法及系统进行说明。
如图2所示，沙颍河发源于河南省登封县嵩山，经周口市、安徽省阜阳市，在寿县正阳关注入淮河，为淮河最大的支流，是淮河流域航运、灌溉的重要水源。沙颍河径流量年际变化大、年内分配不均，汛期6～9月的平均径流总量占年径流总量的60％以上，全流域旱涝灾害严重，河流生态脆弱。
图3(a)、(b)是生物量与流量、温度的关系散点图，该散点图拟合了非参数广义相加模型曲线以及5％和95％的置信区间。从图中可以看出流量的增大和温度的升高在某一范围内(60m3/s，18℃)对浮游植物生物量的增加起正向推动作用，考虑到沙颍河流域浮游植物物种丰度较高，且并无单一物种泛滥趋势，浮游植物的释氧抑菌作用相比其呼吸耗氧作用明显，因此在低温低流量的汛前及汛后期保证河道内的生态流量对维持浮游植物生长繁殖是十分必要的；而在高温多水的汛期，合理控制河道内流量以保证浮游植物不被冲刷对维持河道生态系统稳定也很有意义。如图3所示，从生物量与流量、温度的等高线图中可以看出，在18～22℃、50～80m3/s的环境条件下浮游植物生物量最高，超过26mg/L。
结合生物量及流量水温数据，建立基于贝叶斯层次分析的沙颍河水文-生态响应模型：
式中，yij是每个河段(j)内每个站点(i)的浮游植物生物量样本数据，Qj和Tj分别是采样当天河段的流量和水温。θij是生物量样本数据的平均值，τc是该分布的方差，假设其服从经典的贝叶斯分析中常用的形状参数为0.001逆尺度参数为0.001的无信息先验gamma分布；参数αi是考虑流量和温度影响后的模拟生物量样本均值的截距，参数βi和γi分别是流量、水温协变量的系数，如图4所示，将3个参数在河段层面建模：
αc,βc,γc和τα,τβ,τγ分别是这3个参数的均值和方差，因对这6个参数效应的方向和强度没有确切的先验预期，因此这6个超参数被赋予模糊先验分布：(0,10000)区间上的无信息先验均匀分布，6个参数在河流层次建模。利用MCMC法迭代1000次后，各模型收敛，分汛前、汛期、汛后三个时间段各产生7000(7个河段×1000)个样本，模拟数据的概率值分布表明贝叶斯层次模型表明其对数据拟合较好。
为了探究沙颍河水文-生态响应关系，本文主要关注的参数是β与γ，即生物量与流量及温度的协变量的参数，表1列出了所有的7个河段在汛前、汛期及汛后的后验参数β、γ均值偏差及蒙特卡洛误差。
对于参数β，在非汛期除了R2河段汛后β的均值略小于0，其他所有河段非汛期的β的均值都大于0，且蒙特卡洛误差均在0.007以内，这表明非汛期水生生物量的增加与河道内流量的增加有关，这也体现在非汛期βc的分布上(表2)(汛前大于0的概率为0.683，汛后大于0的概率为0.471)。对于汛期，所有河段β的均值都小于0，这表明汛期较大的流量对水生生物的生长繁殖不利。对于参数γ，无论是汛期还是非汛期，各河段γ的均值都大于0，这表明温度的升高对浮游植物生物量的增加有正向影响。图5给出了各河段汛期与非汛期β、γ的分布图，(a)(d)和(c)(f)分别为汛前及汛后的分布结果，(b)(e)为汛期的分布图。
表1各河段分期β、γ统计参数
表2分期β.c、γ.c统计参数
根据模型结果和期望生态量，拟定沙颍河流域年内生态流量过程在非汛期不低于20m3/s，汛期不超过80m3/s，在符合设计要求的生态流量条件下，所有河段的水生生物量模拟结果的中位数均高于样本中捕获的水生生物平均量(表3)。最大的预期改善发生在河段7(汛前+32.03％，汛期+872.03％，汛后+81.85％)即河流最上游，最小的预期改善发生在河段3(汛前+3.92％，汛期+1.16％，汛后+2.88％)。
表3各河段生物量样本均值及设计条件下模拟中位数
进一步，本实施例还提供能够自动化实现上述过程的系统，该系统包括：参数确定部、模型建立部、设定部、预测部、生态流量确定部、调度部、输入显示部以及控制部。
获取部根据浮游植物的生长繁殖与流量以及水温的关系，采用研究区域河段内流量及水温来反映浮游植物生物量；根据研究区域水文水力特性划分河段，对研究区域内流量、温度、浮游植物生物量进行多次采样，获取样本信息；
模型建立部基于获取的样本信息，建立基于贝叶斯层次分析的水文-生态响应模型：
式中，yij是每个河段j内每个站点i的浮游植物生物量样本数据，Qj和Tj分别是采样当天河段的流量和水温，θij是生物量样本数据的平均值，τc是该分布的方差，参数αi是考虑流量和温度影响后的模拟生物量样本均值的截距，参数βi和γi分别是生物量与流量、水温协变量的系数，将αi、βi、γi这3个参数在河段层面建模：
αc,βc,γc和τα,τβ,τγ分别是相应参数的均值和方差，将这6个均值和方差在河流层次建模；
设定部设定模型的先验分布和后验分布，得到反映水文情况与生物量关系的水文-生态响应预测模型；水文情况包括流量和水温信息；
预测部采用水文-生态响应预测模型预测研究区域预定生物量条件下的水文情况或者预定水文情况下的生物量；
生态流量确定部根据满足期望生物量的水文情况，确定河段的生态流量。
调度部与控制部和研究区各水库闸坝均通信相连，以生态流量确定部确定的满足期望生物量的各个河段的生态流量作为各个河段的目标流量，调控相应水库闸坝的水调度过程，使各个河段的实际流量达到或接近相应的目标流量。
输入显示部与参数确定部、模型建立部、设定部、预测部、生态流量确定部、调度部、控制部均通信相连，用于让用户输入操作指令，并进行相应显示。输入显示部能够根据相应的操作指令，对获取部获取的实测样本信息进行显示，对模型建立部建立的基于贝叶斯层次分析的水文-生态响应模型进行显示，对设定部设定的先验分布和后验分布以及得到的水文-生态响应预测模型进行显示，对生态流量确定部确定的研究区各河段的生态流量以列表或者曲线图或者反映动态变化过程的模型图的方式进行显示，对调度部的调度情况和各河段的实际流量与目标流量以列表或者曲线图或者反映动态变化过程的模型图的方式进行显示。
控制部与参数确定部、模型建立部、设定部、预测部、生态流量确定部均通信相连，控制它们的运行。
以上实施例仅仅是对本发明技术方案所做的举例说明。本发明所涉及的基于贝叶斯层次模型的水文生态响应关系、生态流量确定方法及系统并不仅仅限定于在以上实施例中所描述的内容，而是以权利要求所限定的范围为准。本发明所属领域技术人员在该实施例的基础上所做的任何修改或补充或等效替换，都在本发明的权利要求所要求保护的范围内。
Claims (10)
1.基于贝叶斯层次模型的水文生态响应关系确定方法，其特征在于，包括以下步骤：
步骤1：根据水生生物的生长繁殖与流量以及水温的关系，采用研究区域河段内流量及水温来反映生物指标；根据研究区域水文水力特性划分河段，对研究区域内流量、温度、生物指标进行多次采样，获取样本信息；
步骤2：基于获取的样本信息，建立基于贝叶斯层次分析的水文-生态响应模型：
式中，yij是每个河段j内每个站点i的生物指标样本数据，Qj和Tj分别是采样当天河段的流量和水温，θij是生物指标样本数据的平均值，τc是该分布的方差，参数αi是考虑流量和温度影响后的模拟生物指标样本均值的截距，参数βi和γi分别是生物指标与流量、水温协变量的系数，将αi、βi、γi这3个参数在河段层面建模：
αc,βc,γc和τa,τβ,τγ分别是相应参数的均值和方差，将这6个均值和方差在河流层次建模；
步骤3：设定模型的先验分布和后验分布，得到反映水文情况与生物指标关系的水文-生态响应预测模型；水文情况包括流量和水温。
2.根据权利要求1所述的基于贝叶斯层次模型的水文生态响应关系确定方法，其特征在于，还包括：
步骤4：采用水文-生态响应预测模型预测研究区域预定生物指标条件下的水文情况或者预定水文情况下的生物指标。
3.基于贝叶斯层次模型的生态流量确定方法，其特征在于，包括以下步骤：
步骤1：根据水生生物的生长繁殖与流量以及水温的关系，采用研究区域河段内流量及水温来反映生物指标；根据研究区域水文水力特性划分河段，对研究区域内流量、温度、生物指标进行多次采样，获取样本信息；
步骤2：基于获取的样本信息，建立基于贝叶斯层次分析的水文-生态响应模型：
式中，yij是每个河段j内每个站点i的生物指标样本数据，Qj和Tj分别是采样当天河段的流量和水温，θij是生物指标样本数据的平均值，τc是该分布的方差，参数αi是考虑流量和温度影响后的模拟生物指标样本均值的截距，参数βi和γi分别是生物指标与流量、水温协变量的系数，将αi、βi、γi这3个参数在河段层面建模：
αc,βc,γc和τa,τβ,τγ分别是相应参数的均值和方差，将这6个均值和方差在河流层次建模；
步骤3：设定模型的先验分布和后验分布，得到反映水文情况与生物指标关系的水文-生态响应预测模型；水文情况包括流量和水温信息；
步骤4：采用水文-生态响应预测模型预测研究区域预定生物指标条件下的水文情况或者预定水文情况下的生物指标；
步骤5：根据满足期望生物指标的水文情况，确定河段的生态流量。
4.根据权利要求1所述的基于贝叶斯层次模型的水文生态响应关系确定方法或者权利要求3所述的基于贝叶斯层次模型的生态流量确定方法，其特征在于：
其中，在步骤2中，将6个均值和方差赋予模糊先验分布：(0,10000)区间上的无信息先验均匀分布。
5.根据权利要求1所述的基于贝叶斯层次模型的水文生态响应关系确定方法或者权利要求3所述的基于贝叶斯层次模型的生态流量确定方法，其特征在于：
其中，在步骤3中，结合采样信息及先验分布分别计算站点、河段、河流层面的参数后验分布；利用MCMC法获取后验分布样本，θ(i),α(i),β(i),αc (i),τα (i),βc (i),τβ (i),γc (i),τc (i),i＝1,2,…,Im，Im为迭代产生的样本个数；
统计样本的经验分布得到各参数后验边缘分布的估计，判断马尔科夫链的收敛性，以确定预热期设置是否合理，直到变量对应的PSRF小于1.2后认为样本已收敛，随后的水文-生态响应统计分析都是基于参数的后验分布进行的。
6.根据权利要求1所述的基于贝叶斯层次模型的水文生态响应关系确定方法或者权利要求3所述的基于贝叶斯层次模型的生态流量确定方法，其特征在于：
其中，生物指标为浮游植物生物量、鱼类丰度、底栖动物丰度中的任意一种。
7.基于贝叶斯层次模型的生态流量确定系统，其特征在于，包括：
获取部，根据水生生物的生长繁殖与流量以及水温的关系，采用研究区域河段内流量及水温来反映生物指标；根据研究区域水文水力特性划分河段，对研究区域内流量、温度、生物指标进行多次采样，获取样本信息；
模型建立部，基于获取的样本信息，建立基于贝叶斯层次分析的水文-生态响应模型：
式中，yij是每个河段j内每个站点i的生物指标样本数据，Qj和Tj分别是采样当天河段的流量和水温，θij是生物指标样本数据的平均值，τc是该分布的方差，参数αi是考虑流量和温度影响后的模拟生物指标样本均值的截距，参数βi和γi分别是生物指标与流量、水温协变量的系数，将αi、βi、γi这3个参数在河段层面建模：
αc,βc,γc和τα,tβ,τγ分别是相应参数的均值和方差，将这6个均值和方差在河流层次建模；
设定部，设定模型的先验分布和后验分布，得到反映水文情况与生物指标关系的水文-生态响应预测模型；水文情况包括流量和水温信息；
预测部，采用水文-生态响应预测模型预测研究区域预定生物指标条件下的水文情况或者预定水文情况下的生物指标；
生态流量确定部，根据满足期望生物指标的水文情况，确定河段的生态流量；以及
控制部，与所述参数确定部、所述模型建立部、所述设定部、所述预测部、所述生态流量确定部均通信相连，控制它们的运行。
8.根据权利要求7所述的基于贝叶斯层次模型的生态流量确定系统，其特征在于，还包括：
调度部，与所述控制部和研究区各水库闸坝均通信相连，以所述生态流量确定部确定的满足期望生物指标的各个河段的生态流量作为各个河段的目标流量，调控相应水库闸坝的水调度过程，使各个河段的实际流量达到或接近相应的目标流量。
9.根据权利要求8所述的基于贝叶斯层次模型的生态流量确定系统，其特征在于，还包括：
输入显示部，与所述参数确定部、所述模型建立部、所述设定部、所述预测部、所述生态流量确定部、所述调度部、所述控制部均通信相连，用于让用户输入操作指令，并进行相应显示。
10.根据权利要求8所述的基于贝叶斯层次模型的生态流量确定系统，其特征在于：
其中，所述输入显示部能够根据相应的操作指令，对所述获取部获取的实测样本信息进行显示，对所述模型建立部建立的基于贝叶斯层次分析的水文-生态响应模型进行显示，对所述设定部设定的先验分布和后验分布以及得到的水文-生态响应预测模型进行显示，对所述生态流量确定部确定的研究区各河段的生态流量以列表或者曲线图或者反映动态变化过程的模型图的方式进行显示，对所述调度部的调度情况和各河段的实际流量与目标流量以列表或者曲线图或者反映动态变化过程的模型图的方式进行显示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210655110.6A CN115130736A (zh) | 2022-06-10 | 2022-06-10 | 基于贝叶斯层次模型的水文生态响应关系、生态流量确定方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210655110.6A CN115130736A (zh) | 2022-06-10 | 2022-06-10 | 基于贝叶斯层次模型的水文生态响应关系、生态流量确定方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115130736A true CN115130736A (zh) | 2022-09-30 |
Family
ID=83378166
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210655110.6A Pending CN115130736A (zh) | 2022-06-10 | 2022-06-10 | 基于贝叶斯层次模型的水文生态响应关系、生态流量确定方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115130736A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116630122A (zh) * | 2023-07-24 | 2023-08-22 | 水利部交通运输部国家能源局南京水利科学研究院 | 基于水文-生态响应关系的湖泊生态水力调控方法及系统 |
-
2022
- 2022-06-10 CN CN202210655110.6A patent/CN115130736A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116630122A (zh) * | 2023-07-24 | 2023-08-22 | 水利部交通运输部国家能源局南京水利科学研究院 | 基于水文-生态响应关系的湖泊生态水力调控方法及系统 |
| CN116630122B (zh) * | 2023-07-24 | 2023-09-19 | 水利部交通运输部国家能源局南京水利科学研究院 | 基于水文-生态响应关系的湖泊生态水力调控方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113689099B (zh) | 基于水量构成的环状河网水系水质考核断面污染负荷贡献率确定方法 | |
| CN111027264B (zh) | 基于生态恢复目标的平原区城市河网水循环调控方法 | |
| Schaffner et al. | Modeling the contribution of point sources and non-point sources to Thachin River water pollution | |
| CN111079086B (zh) | 一种基于多元联合分布的水资源系统多重风险评估方法 | |
| CN107092786B (zh) | 一种考虑河流不同状态的生态基流量计算方法及系统 | |
| CN111080157B (zh) | 一种梯级水电站排磷量的调度方法和系统 | |
| CN111733759B (zh) | 一种考虑区间支流来水的干流水库生态调度方法 | |
| CN115130736A (zh) | 基于贝叶斯层次模型的水文生态响应关系、生态流量确定方法及系统 | |
| Zhang et al. | Multivariate water environmental risk analysis in long-distance water supply project: A case study in China | |
| CN114819753B (zh) | 一种促进鱼类产卵的梯级水库生态调度方法 | |
| CN114819322B (zh) | 湖泊入湖流量的预报方法 | |
| Ai et al. | Optimization of ecological reservoir operation rules for a northern river in China: Balancing ecological and socio-economic water use | |
| CN114881544A (zh) | 一种水库流量调控方法、装置、电子设备及存储介质 | |
| Donyaii | Evaluation of climate change impacts on the optimal operation of multipurpose reservoir systems using cuckoo search algorithm | |
| CN112651185A (zh) | 一种基于水量水质耦合模型的突发性水污染事件应对方法 | |
| CN106557614B (zh) | 一种基于Halphen IB分布的洪水频率分析方法 | |
| CN111611547B (zh) | 稻田排水沟渠中多因素影响下氧化亚氮排放量确定方法 | |
| CN114219371A (zh) | 月尺度的流域人为水污染负荷核算方法 | |
| Williams et al. | An integrated modelling system for management of the Patuxent River estuary and basin, Maryland, USA | |
| Tan et al. | Short-term responses of nutrients and algal biomass in a eutrophic shallow lake to different scales of water transfer | |
| Choi et al. | Development and applicability assessment of 1-D water quality model in Nakdong River | |
| Kuchinski et al. | Modeling the Trophic State of Subtropical Reservoir in Southern Brazil | |
| Hao et al. | Simulating the effects of water reuse on alleviating water shortage | |
| Nguyen | Hydrological modeling and sluice gate control in the Mekong River Delta | |
| Stewart et al. | Total dissolved gas prediction and optimization in riverware |
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 |