CN116993184A - 一种水资源短缺评估方法、系统及计算机可读存储介质 - Google Patents
一种水资源短缺评估方法、系统及计算机可读存储介质 Download PDFInfo
- Publication number
- CN116993184A CN116993184A CN202311264200.3A CN202311264200A CN116993184A CN 116993184 A CN116993184 A CN 116993184A CN 202311264200 A CN202311264200 A CN 202311264200A CN 116993184 A CN116993184 A CN 116993184A
- Authority
- CN
- China
- Prior art keywords
- water
- calculating
- shortage
- adopting
- water resource
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 329
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000003860 storage Methods 0.000 title claims abstract description 7
- 241000282414 Homo sapiens Species 0.000 claims abstract description 36
- 230000007613 environmental effect Effects 0.000 claims abstract description 28
- 238000000746 purification Methods 0.000 claims abstract description 23
- 238000010790 dilution Methods 0.000 claims abstract description 21
- 239000012895 dilution Substances 0.000 claims abstract description 21
- 238000010801 machine learning Methods 0.000 claims abstract description 10
- 238000003113 dilution method Methods 0.000 claims abstract description 7
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 5
- 238000011161 development Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000001556 precipitation Methods 0.000 claims description 16
- 239000003344 environmental pollutant Substances 0.000 claims description 12
- 231100000719 pollutant Toxicity 0.000 claims description 12
- 238000009826 distribution Methods 0.000 claims description 9
- 239000008235 industrial water Substances 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 8
- 238000004088 simulation Methods 0.000 claims description 8
- 230000008595 infiltration Effects 0.000 claims description 7
- 238000001764 infiltration Methods 0.000 claims description 7
- 230000008878 coupling Effects 0.000 claims description 6
- 238000010168 coupling process Methods 0.000 claims description 6
- 238000005859 coupling reaction Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims description 5
- 241000282326 Felis catus Species 0.000 claims description 4
- 238000011160 research Methods 0.000 claims description 4
- 238000007865 diluting Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 239000008213 purified water Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 238000013468 resource allocation Methods 0.000 abstract 1
- 238000011156 evaluation Methods 0.000 description 6
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 4
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 4
- 229910052760 oxygen Inorganic materials 0.000 description 4
- 239000001301 oxygen Substances 0.000 description 4
- 239000011574 phosphorus Substances 0.000 description 4
- 229910052698 phosphorus Inorganic materials 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 230000002195 synergetic effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000004141 dimensional analysis Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
- G06Q50/06—Energy or water supply
-
- 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
- G06Q50/265—Personal security, identity or safety
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Computer Security & Cryptography (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Water Supply & Treatment (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种水资源短缺评估方法、系统及计算机可读存储介质,包括:共享社会经济发展路径提供的气象数据与VIC水文模型进行耦合,模拟天然径流过程并计算月水资源量;采用滑动窗口和月变流量法计算环境需水量的动态变化时间序列;基于H08水文模型结合气象数据、共享社会经济数据和水资源公报资料,计算人类取水量;基于机器学习算法,构建水质模型并模拟污染指标浓度,采用稀释法计算指标浓度不达标所需要额外稀释水量;采用净水压力公式计算净水压力指数,评估气候变化影响下水短缺严重程度。本发明能充分解释气候变化通过改变环境需求和人类要求对水资源短缺的影响,可为推求气候变化情景下的自适应水资源调配提供参考依据。
Description
技术领域
本发明属于地表水资源评估技术领域,具体地说涉及一种水资源短缺评估方法、系统及计算机可读存储介质。
背景技术
水安全保障维系着生态系统安全和人类社会健康发展。过去的几十年里,不断增加的人口、日益频繁的极端气候事件和耕地面积扩张改变了水文循环和营养物质的运输过程。为了揭示气候变化对水短缺的影响,需要一种能同时动态评估环境水量需求、人类取水的水量和水质要求对水资源短缺协同影响的方法,从而提高水资源评估的精度。
近年来,国内外水文学领域在考虑环境需求对水短缺影响的研究主要分为两类。一类是采用水文模型与Tennant法组合进行计算环境水资源需求量,计算了每个月份环境所需水资源量,并设为固定参数值用于水短缺评估。该方法能表征不同水禀赋、不同下垫面条件、不同生态特征背景下的区域环境水资源需求量。然而,该方法假设径流变化满足一致性要求,未考虑气候变化引起天然径流和环境需水量的非一致性变化。另一类是将环境需水量设为固定比率推求气候变化情景下的水短缺程度。该类方法一般假定环境需水量为水资源量的80%,未充分考虑环境需水量的物理机制和区域时空差异性,不能适应气候变化情景下的水短缺评估求,在工程实践中难以推广使用。
在工程设计实践中,通过对天然径流量和气象要素的时空规律分析,发现环境需水量对气候变化十分敏感。现阶段水短缺评估技术方法基于径流序列一致性的假设条件,将环境需水量设为固定值或者固定比率,未考虑气候变化情景下环境需水量的动态变化对水短缺的影响。
发明内容
本发明的目的在于针对现有技术的不足,提供一种网格尺度水资源短缺评估计算方法,该方法克服了现有水短缺评估方法存在气候模式影响下的一致性难以满足的技术问题,能够识别环境水量需求、人类取水的水量和水质要求对水压力值的动态影响,提供了一种可以考虑气候变化情景下的非一致性水资源短缺评估方法。
为解决上述技术问题,本发明采用如下技术方案:
一种水资源短缺评估方法,包括以下步骤:
步骤1:基于共享社会经济发展路径SSPs提供的气象数据并进行偏差校正,建立SSPs与可变下渗能力水文模型VIC的耦合模型,以模拟不同气候变化情景下的天然径流过程,并基于网格产流量计算月水资源量;
步骤2:基于VIC模型模拟得到的天然径流数据,采用滑动窗口法和月变流量法逐网格计算环境需水量的动态变化时间序列;
步骤3:基于H08水文模型,结合气象数据、共享社会经济数据和水资源公报资料,推求对应不同SSPs情景的人类取水量的估计值;
步骤4:基于XGBoost机器学习算法,构建水质模型以模拟不同气候变化情景下的污染指标浓度,采用稀释法计算污染指标浓度不达标情况下所需要的额外稀释水量;
步骤5:基于推求得到的不同SSPs情景下的水资源量、环境需水量、人类取水量和稀释用水量,采用净水压力公式计算净水压力指数,评估气候变化影响下水短缺的严重程度。
进一步地,所述的步骤1具体包括:
步骤1.1:采用分位数偏差校正法对SSPs输出的日降水、日最高气温、日平均气温、日最低气温和日风速在各个分位数上的偏差进行校正;
步骤1.2:基于偏差校正处理后的气象数据作为分布式水文模型VIC的输入,模拟不同SSPs情景下流域的天然径流过程,基于网格产流量计算月累积水资源量。
进一步地,所述步骤1 .1包括:
计算SSPs输出变量和气象观测值在各分位数上的相对偏差,并将该偏差在SSPs情景输出气候变量的各分位数上去除,得到校正后的SSPs气象数据,计算公式如下:
式中:表示校正后的日降水值,/>表示SSP情景输出的日降水值,表示历史参考期日降水观测数据的分位数,/>表示SSP输出的日降水数据在历史参考期的分位数,/>表示校正后的日气温值,/>表示SSP情景输出的日气温值,/>表示历史参考期日气温观测数据的分位数,/>表示SSP输出的气温数据在历史参考期的分位数,/>表示校正后的日风速值,/>表示SSP情景输出的日风速值,/>表示历史参考期日风速观测数据的分位数,/>表示SSP输出的日风速数据在历史参考期的分位数。
进一步地,所述的步骤2具体包括:
基于步骤1计算的天然径流过程的月水资源量,采用滑动窗口法计算逐三十年的多年平均流量值和各月均流量值,采用月变流量法划分不同类型流量月,计算每个月的环境需水量。
进一步地,所述的步骤3具体包括如下子步骤:
步骤3.1:筛选人类活动的取水部门,其中用水部门包括农业取用水部门、工业取用水部门和家庭取用水部门;
步骤3.2:采用H08模型计算三个取水部门的月人类取水量,再根据气温与家庭用水关系校正生活取水量。
进一步地,步骤3.2包括:
收集研究区的人口密度和气温数据,先计算分配系数,再计算生活取水量,其中由Coem=((Tm-Tmean)/(Tmax-Tmin)xR+1)/12计算分配系数,由Ddom=POPx(idom,t0+sdom,catx(t-t0))计算生活用水数据,
其中,Coem表示每网格每月家庭取水分配系数,Tm表示年内各月份的月均气温,Tmax、Tmean和Tmin分别为年内月均气温的最大值、平均值和最小值,R表示一个振幅系数,Ddom表示生活取水量,POP表示人口数,idom,t0表示初始年份t0人均生活取水量,sdom,cat表示人均生活取水量的年际变率,t表示计算年份。
进一步地,所述的步骤4具体包括如下子步骤:
步骤4.1:采用机器学习方法XGBoost构建水质模型,模拟关键污染指标的浓度;
步骤4.2:采用稀释法计算污染物浓度不达标所需要的额外稀释水量,计算公式为:
式中:表示第/>个取水部门因水质不达标而额外所需的稀释水量;/>为第/>个取水部门因第/>项水质指标因不达标所需稀释水量;/>为第/>项取用水部门的取水量;/>为水质模型模拟的第/>项水质指标浓度;/>为取用水部门/>规定的水质指标/>的可用浓度阈值。
进一步地,所述的步骤5具体包括如下子步骤:
步骤5.1:根据步骤1至4计算得到的水资源量、环境需水量、人类取水量和水质稀释水量,计算净水压力值,公式如下:
式中:为净水压力值,单位立方米每月;WA为水资源量,单位立方米每月;为环境需水量,单位立方米每月;/>为人类取水量,单位立方米每月;/>为水质稀释水量,单位立方米每月;
步骤5.2:根据净水压力值划分水短缺程度,<1则无水短缺;/>=1.0~1.5为轻度水短缺;/>=1.5~2.0为中度水短缺;/>>2.0为严重水短缺。
本发明还提供一种水资源短缺评估系统,包括:
气象水文模块:基于共享社会经济路径SSPs提供的自然因子信息,建立SSPs与可变下渗能力水文模型VIC的耦合模型,模拟不同气候变化情景下的天然径流过程,计算得到地区可用水资源量;
环境需水模块:基于气候变化影响下模拟的天然径流量序列,采用滑动窗口法和月变流量法计算环境需水量;
人类水量模块:筛选地区人类用水部门,基于H08模型计算各项取水量,基于气温与家庭用水关系校正地区生活取水量;
人类水质模块:采用机器学习方法构建水质模型以模拟污染物浓度,计算污染物浓度不达标情况下所需要的额外稀释水量;
净水短缺模块:基于上述模块一~四的计算结果,采用净水压力公式计算净水压力指数,评估研究区水短缺的严重程度。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现上述一种水资源短缺评估方法的步骤。与现有技术相比,本发明具有如下有益效果:
1、本发明充分考虑气象水文要素的非一致性特征,基于SSPs数据,采用滑动窗口法和月变流量法计算了环境需水量及其变化趋势。该方法不仅能自下而上地单独分析环境需水短缺对区域水安全的动态影响,还能考虑环境需水和人类用水对水安全的协同作用,提升水短缺评估的准确性。
2、考虑了污染物浓度变化引起的水质型缺水,为气候变化条件下的水危机诊断和水安全管理提供了一个水量-水质二维分析角度。
附图说明
图1为本发明方法的实施流程图;
图2是具体实施例中基于VIC水文模型得到的水资源量空间分布特征图;
图3是具体实施例中采用月变流量法和滑动窗口法计算所得长江流域的环境需水量的月尺度时间变化趋势图;
图4是气候变化情景下人类取水量计算结果图;
图5是具体实施例中基于机器学习算法中的XGBoost法得到的四种水质指标浓度的空间分布特征图;
图6是具体实施例中净水压力指数空间分布特征图;
图7是具体实施例中气候变化情景下净水短缺面积的时间变化趋势图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明,下面结合附图及实施例对本发明作进一步的详细描述。应当理解,此处所描述的实施示例仅用于说明和解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
实施例1
如图1所示,本发明实施例提供了一种水资源短缺评估方法,包括以下步骤:
步骤1:基于供需社会经济路径SSPs的模式输出数据,通过统计降尺度方法计算气象因子的变化趋势,建立SSPs与可变下渗能力模型VIC的耦合模型,以模拟不同气候模式下的天然径流序列,本实施例选择的情景为SSP1-2.6,SSP4-6.0,SSP5-8.5;
步骤1.1:采用分位数偏差校正方法对SSPs输出的日降水、日最高气温、平均气温、最低气温和日平均风速变量在各个分位数上的偏差进行校正。具体为先计算历史阶段SSPs输出气象变量与观测变量值在各个分位数(0.01-0.99)上的相对误差,并将该相对误差在未来气候变化情景的SSPs输出的各分位数上消除,得到校正后的SSPs气象输出变量。其中,对降水、气温和风速的校正计算公式分别如下:
(1)
(2)
(3)
式中:表示校正后的日降水值,/>表示SSP情景输出的日降水值,表示历史参考期日降水观测数据的分位数,/>表示SSP输出的日降水数据在历史参考期的分位数,/>表示校正后的日气温值,/>表示SSP情景输出的日气温值,/>表示历史参考期日气温观测数据的分位数,/>表示SSP输出的气温数据在历史参考期的分位数,/>表示校正后的日风速值,/>表示SSP情景输出的日风速值,/>表示历史参考期日风速观测数据的分位数,/>表示SSP输出的日风速数据在历史参考期的分位数。
步骤1.2:基于校正的SSPs情景的气象变量驱动可变下渗曲线(VIC)水文模型,模拟给定气候变化情景下的网格日天然产流量,计算每个网格的月累积水资源量,模拟结果如图2所示。
步骤2:基于步骤1计算天然径流过程的月累积水资源量,采用滑动窗口法计算逐三十年计算多年平均流量值和各月均流量值,采用月变流量法划分为高流量月、中流量月和低流量,并计算每个月的环境需水量。其中,环境需水量的计算公式如下:
(4)
式中:为各网格逐月的环境需水量,单位立方米每月;MAF为滑动窗口法计算所得多年平均流量值,单位立方米每秒;MMF为滑动窗口法计算所得各月份的多年平均流量值,单位立方米每秒,模拟结果如图3所示。
步骤3:基于H08水文模型,结合气象数据、共享社会经济数据和水资源公报资料,推求对应不同SSPs情景的人类取水量的估计值。
步骤3.1:筛选人类活动的取水部门,其中用水部门包括农业取用水部门、工业取用水部门和家庭取用水部门。通过分析人类取水量的变化来反映水资源供需平衡的变化情况,是分析研究气候变化下水资源短缺演变规律的常用方法。通常用水端包括人类取水量和人类用水量。本实施例选择农业取水量、工业取水量和生活取水量作为人类用水端的组成部分。
步骤3.2:基于校正的SSPs数据驱动H08模型计算不同情景下的农业取水值。采用如下公式计算气候变化影响下的工业取水量和生活取水量:
(5)
(6)
(7)
式中:为t年的每月工业取水量,单位立方米每月;/>为t年份的国民生产总值,亿元每年;/>为基准年t0的工业用水率,立方米每千元,在本实施例中分别为2.9(SSP1-2.6),2.91 (SSP4-6.0),2.99 (SSP5-8.5);/>为工业用水效率的变化率,在本实施例中分别为1.1% (SSP1-2.6),0.3% (SSP4-6.0),1.1% (SSP5-8.5);/>为年内每月家庭取水分配系数;/>为年内各月份的月均气温;/>、/>和/>分别为年内月均气温的最大值、平均值和最小值;R为一个用于量化最热和最冷月份之间不同的生活用水的振幅系数,取0.2;/>为t年的每月家庭取水量,单位立方米每月;/>为t年份的人口数量;/>为基准年t0的人均家庭用水率,升每人每天,在本实施例中分别为280.46(SSP1-2.6),280.96 (SSP4-6.0),280.73 (SSP5-8.5);/>为家庭用水效率的变化量,在实施例中分别为-2 (SSP1-2.6),2 (SSP4-6.0),-2 (SSP5-8.5);结果如图4所示。
步骤4、采用机器学习方法构建水质模型以模拟污染物浓度,采用稀释法计算污染物浓度不达标所需要的额外稀释水量;
步骤4.1:基于水质数据、气象数据、社会经济数据和下垫面数据和极端梯度推进算法(XGBoost)分别构建电导率、氨氮、总磷和化学需氧量的水质模型,水质模拟结果如图5所示;
步骤4.2:采用稀释法计算污染物浓度不达标所需要的额外稀释水量,计算公式为:
(8)
(9)
式中:表示第/>个取水部门因水质不达标而额外所需的稀释水量;/>为第/>个取水部门因第/>项水质指标因不达标所需稀释水量;/>为第/>项取用水部门的取水量;/>为水质模型模拟的第/>项水质指标浓度;/>为取用水部门/>规定的水质指标/>的可用浓度阈值;
农业取水的阈值标准是电导率不低于70 ms/m;工业取水阈值标准是氨氮不低于1.5 mg/L,总磷不低于0.3 mg/L,化学需氧量不低于10 mg/L;生活取水阈值标准是氨氮不低于1 mg/L,总磷不低于0.2 mg/L,化学需氧量不低于6 mg/L;生态环境补水阈值标准是氨氮不低于2 mg/L,总磷不低于0.4 mg/L,化学需氧量不低于15 mg/L;
步骤5、基于步骤1~4的计算结果,采用净水压力公式计算净水压力指数,评估研究区水短缺的严重程度;
步骤5.1:根据步骤1至4计算得到的水资源量、环境需水量、人类取水量和水质稀释水量,计算净水压力值,公式如下:
(10)
式中:为净水压力值,单位立方米每月;/>为环境需水量,单位立方米每月;/>为人类取水量,单位立方米每月;/>为水质稀释水量,单位立方米每月;WA为水资源量,单位立方米每月。计算结果如图6所示;
步骤5.2:根据净水压力值划分水短缺程度,<1则无水短缺;1.0~1.5为轻度水短缺;1.5~2.0为中度水短缺;>2.0为严重水短缺;长江流域水短缺程度评价结果如图7所示;
具体的说,在本实施例中,长江流域在2031-2060期间约有30%的区域面临水短缺压力(图7)。相比长江中下游区域,上游区域面临着严重的水短缺,这主要是由于水量不足引起的。不同于其他方法,本专利提出的方法能在水文气象非一致性情况下识别环境需水量的动态变化和环境需水量不足而引起的水短缺事件。
实施例2
本实施例提供一种水资源短缺评估系统,包括:
气象水文模块:基于共享社会经济路径SSPs提供的自然因子信息,建立SSPs与可变下渗能力水文模型VIC的耦合模型,模拟不同气候变化情景下的天然径流过程,计算得到地区可用水资源量;
环境需水模块:基于气候变化影响下模拟的天然径流量序列,采用滑动窗口法和月变流量法计算环境需水量;
人类水量模块:筛选地区人类用水部门,基于H08模型计算各项取水量,基于气温与家庭用水关系校正地区生活取水量;
人类水质模块:采用机器学习方法构建水质模型以模拟污染物浓度,计算污染物浓度不达标情况下所需要的额外稀释水量;
净水短缺模块:基于上述四个模块的计算结果,采用净水压力公式计算净水压力指数,评估研究区水短缺的严重程度。
实施例3
本实施例提供一种计算机可读存储介质,所述计算机可读存储介质上有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现上述水资源短缺评估方法的步骤。
以上仅为本发明较佳的实施例,并非因此限制本发明的实施方式及保护范围,对于本领域技术人员而言,应当能够意识到凡运用本发明说明书内容所作出的等同替换和显而易见的变化所得到的方案,均应当包含在本发明的保护范围内。
Claims (10)
1.一种水资源短缺评估方法,其特征在于,包括以下步骤:
步骤1:基于共享社会经济发展路径SSPs提供的气象数据并进行偏差校,建立SSPs与可变下渗能力水文模型VIC的耦合模型,以模拟不同气候变化情景下的天然径流过程,并基于网格产流量计算月水资源量;
步骤2:基于VIC模型模拟得到的天然径流数据,采用滑动窗口法和月变流量法逐网格计算环境需水量的动态变化时间序列;
步骤3:基于H08水文模型,结合气象数据、共享社会经济数据和水资源公报资料,推求对应不同SSPs情景的人类取水量的估计值;
步骤4:基于XGBoost机器学习算法,构建水质模型以模拟不同气候变化情景下的污染指标浓度,采用稀释法计算污染指标浓度不达标情况下所需要的额外稀释水量;
步骤5:基于推求得到的不同SSPs情景下的水资源量、环境需水量、人类取水量和稀释用水量,采用净水压力公式计算净水压力指数,评估气候变化影响下水短缺的严重程度。
2.根据权利要求1所述的一种水资源短缺评估方法,其特征在于,所述的步骤1具体包括:
步骤1.1:采用分位数偏差校正法对SSPs输出的日降水、日最高气温、日平均气温、日最低气温和日风速在各个分位数上的偏差进行校正;
步骤1.2:基于偏差校正处理后的气象数据作为分布式水文模型VIC的输入,模拟不同SSPs情景下流域的天然径流过程,基于网格产流量计算月累积水资源量。
3. 根据权利要求2所述的一种水资源短缺评估方法,其特征在于,步骤1 .1包括:
计算SSPs输出变量和气象观测值在各分位数上的相对偏差,并将该偏差在SSPs情景输出气候变量的各分位数上去除,得到校正后的SSPs气象数据,计算公式如下:
式中:表示校正后的日降水值,/>表示SSP情景输出的日降水值,/>表示历史参考期日降水观测数据的分位数,/>表示SSP输出的日降水数据在历史参考期的分位数,/>表示校正后的日气温值,/>表示SSP情景输出的日气温值,表示历史参考期日气温观测数据的分位数,/>表示SSP输出的气温数据在历史参考期的分位数, />表示校正后的日风速值,/>表示SSP情景输出的日风速值,/>表示历史参考期日风速观测数据的分位数,/>表示SSP输出的日风速数据在历史参考期的分位数。
4.根据权利要求1所述的一种水资源短缺评估方法,其特征在于,所述的步骤2具体包括:
基于步骤1计算的天然径流过程的月水资源量,采用滑动窗口法计算逐三十年的多年平均流量值和各月均流量值,采用月变流量法划分不同类型流量月,计算每个月的环境需水量。
5.根据权利要求1所述的一种水资源短缺评估方法,其特征在于,所述的步骤3具体包括如下子步骤:
步骤3.1:筛选人类活动的取水部门,其中用水部门包括农业取用水部门、工业取用水部门和家庭取用水部门;
步骤3.2:采用H08模型计算三个取水部门的月人类取水量,再根据气温与家庭用水关系校正生活取水量。
6.根据权利要求5所述的一种水资源短缺评估方法,其特征在于,步骤3.2包括:
收集研究区的人口密度和气温数据,先计算分配系数,再计算生活取水量,其中由Coem=((Tm-Tmean)/(Tmax-Tmin)xR+1)/12计算分配系数,由Ddom=POPx(idom,t0+sdom,catx(t-t0))计算生活用水数据,
其中,Coem表示每网格每月家庭取水分配系数,Tm表示年内各月份的月均气温,Tmax、Tmean和Tmin分别为年内月均气温的最大值、平均值和最小值,R表示一个振幅系数,Ddom表示生活取水量,POP表示人口数,idom,t0表示初始年份t0人均生活取水量,sdom,cat表示人均生活取水量的年际变率,t表示计算年份。
7.根据权利要求1所述的一种水资源短缺评估方法,其特征在于,所述的步骤4具体包括如下子步骤:
步骤4.1:采用机器学习方法XGBoost构建水质模型,模拟关键污染指标的浓度;
步骤4.2:采用稀释法计算污染物浓度不达标所需要的额外稀释水量,计算公式为:
式中:表示第/>个取水部门因水质不达标而额外所需的稀释水量;/>为第/>个取水部门因第/>项水质指标因不达标所需稀释水量;/>为第/>项取用水部门的取水量;/>为水质模型模拟的第/>项水质指标浓度;/>为取用水部门/>规定的水质指标/>的可用浓度阈值。
8.根据权利要求1所述的一种水资源短缺评估方法,其特征在于,所述的步骤5具体包括如下子步骤:
步骤5.1:根据步骤1至4计算得到的水资源量、环境需水量、人类取水量和水质稀释水量,计算净水压力值,公式如下:
式中:为净水压力值,单位立方米每月;WA为水资源量,单位立方米每月;/>为环境需水量,单位立方米每月;/>为人类取水量,单位立方米每月;/>为水质稀释水量,单位立方米每月;
步骤5.2:根据净水压力值划分水短缺程度,<1则无水短缺;/>=1.0~1.5为轻度水短缺;/>=1.5~2.0为中度水短缺;/>>2.0为严重水短缺。
9.一种水资源短缺评估系统,其特征在于,包括:
气象水文模块:基于共享社会经济路径SSPs提供的自然气象因子信息,建立SSPs与可变下渗能力水文模型VIC的耦合模型,模拟不同气候变化情景下的天然径流过程,计算得到地区可用水资源量;
环境需水模块:基于气候变化影响下模拟的天然径流量序列,采用滑动窗口法和月变流量法计算环境需水量;
人类水量模块:筛选地区人类用水部门,基于H08模型计算各项取水量,基于气温与家庭用水关系校正地区生活取水量;
人类水质模块:采用机器学习方法构建水质模型以模拟污染物浓度,计算污染物浓度不达标情况下所需要的额外稀释水量;
净水短缺模块:基于上述四个模块的计算结果,采用净水压力公式计算净水压力指数,评估研究区水短缺的严重程度。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现权利要求1至8任意一项的一种水资源短缺评估方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311264200.3A CN116993184A (zh) | 2023-09-28 | 2023-09-28 | 一种水资源短缺评估方法、系统及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311264200.3A CN116993184A (zh) | 2023-09-28 | 2023-09-28 | 一种水资源短缺评估方法、系统及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116993184A true CN116993184A (zh) | 2023-11-03 |
Family
ID=88534273
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311264200.3A Pending CN116993184A (zh) | 2023-09-28 | 2023-09-28 | 一种水资源短缺评估方法、系统及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116993184A (zh) |
Citations (7)
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 |
US10311442B1 (en) * | 2007-01-22 | 2019-06-04 | Hydrojoule, LLC | Business methods and systems for offering and obtaining research services |
CN112765912A (zh) * | 2021-01-26 | 2021-05-07 | 武汉大学 | 基于气候模式集合的洪涝灾害社会经济暴露度的评估方法 |
CN114418446A (zh) * | 2022-01-28 | 2022-04-29 | 哈尔滨工业大学 | 水资源短缺的定量评估方法 |
CN115640956A (zh) * | 2022-09-27 | 2023-01-24 | 中国长江三峡集团有限公司 | 一种未来水资源供需平衡分析方法 |
CN115953061A (zh) * | 2022-12-29 | 2023-04-11 | 中国农业大学 | 一种水资源短缺度估算方法、装置及计算机可读存储介质 |
CN115983132A (zh) * | 2023-02-03 | 2023-04-18 | 广西大学 | 流域径流对未来气候及土地利用变化的响应研究方法 |
-
2023
- 2023-09-28 CN CN202311264200.3A patent/CN116993184A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10311442B1 (en) * | 2007-01-22 | 2019-06-04 | Hydrojoule, LLC | Business methods and systems for offering and obtaining research services |
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 |
CN112765912A (zh) * | 2021-01-26 | 2021-05-07 | 武汉大学 | 基于气候模式集合的洪涝灾害社会经济暴露度的评估方法 |
CN114418446A (zh) * | 2022-01-28 | 2022-04-29 | 哈尔滨工业大学 | 水资源短缺的定量评估方法 |
CN115640956A (zh) * | 2022-09-27 | 2023-01-24 | 中国长江三峡集团有限公司 | 一种未来水资源供需平衡分析方法 |
CN115953061A (zh) * | 2022-12-29 | 2023-04-11 | 中国农业大学 | 一种水资源短缺度估算方法、装置及计算机可读存储介质 |
CN115983132A (zh) * | 2023-02-03 | 2023-04-18 | 广西大学 | 流域径流对未来气候及土地利用变化的响应研究方法 |
Non-Patent Citations (1)
Title |
---|
冯东溥;魏晓妹;降亚楠;李萍;: "基于STELLA和气候变化情景的灌区农业供需水量模拟", 农业工程学报, no. 06 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dharshing | Household dynamics of technology adoption: A spatial econometric analysis of residential solar photovoltaic (PV) systems in Germany | |
Green et al. | Age, housing demand, and real house prices | |
Milano et al. | Current state of Mediterranean water resources and future trends under climatic and anthropogenic changes | |
Li et al. | An uncertainty-based framework for agricultural water-land resources allocation and risk evaluation | |
Yilmaz et al. | An indicator based assessment for water resources management in Gediz River Basin, Turkey | |
CN112765912B (zh) | 基于气候模式集合的洪涝灾害社会经济暴露度的评估方法 | |
CN105260803A (zh) | 一种系统用电量预测方法 | |
CN106599562B (zh) | 基于概率加权fdc法的河流生态需水量计算方法 | |
CN114254802B (zh) | 气候变化驱动下植被覆盖时空变化的预测方法 | |
CN110852477A (zh) | 一种基于系统动力学的生产需水预测方法 | |
CN108830419B (zh) | 一种基于ecc后处理的梯级水库群入库流量联合预报方法 | |
CN111539597B (zh) | 一种网格化的流域社会经济干旱评估方法 | |
CN111199298B (zh) | 基于神经网络的洪水预报方法与系统 | |
Nie et al. | Separating the impacts of climate variability, land-use change and large reservoir operations on streamflow in the Yangtze River basin, China, using a hydrological modeling approach | |
CN107944636B (zh) | 一种流域生态干旱评估与预报方法 | |
CN110119590A (zh) | 一种基于多源观测数据的水质模型粒子滤波同化方法 | |
Ty et al. | A spatial impact assessment of human-induced intervention on hydrological regimes: a case study in the upper Srepok River basin, Central Highlands of Vietnam | |
Liu et al. | A quantitative analysis framework for water-food-energy nexus in an agricultural watershed using WEAP-MODFLOW | |
Li et al. | Terrestrial transect study on pattern and driving mechanism of ecosystem services in the China–Mongolia–Russia Economic Corridor | |
CN116993184A (zh) | 一种水资源短缺评估方法、系统及计算机可读存储介质 | |
CN115809718B (zh) | 基于多目标竞争关系量化的梯级电站发电与生态协同优化方法和系统 | |
Xu et al. | Application of the Water Footprint: Water Stress Analysis and Allocation | |
Fu et al. | Water Resource Availability Assessment Through Hydrological Simulation Under Climate Change in the Huangshui Watershed of the Qinghai–Tibet Plateau | |
Zhao et al. | Spatiotemporal changes in net primary productivity before and after the development of unused land in the hilly areas of Hebei, China | |
CN117541031B (zh) | 一种全周期适宜生态流量区间推求方法 |
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 |