20170310-Can dynamic vegetation information improve the accuracy of Budyko’s hydrological model?

2017-03-10 07:34:24   0  举报





仅支持查看

在2017年3月10日的研究中，研究人员探讨了动态植被信息是否可以提高Budyko的水文模型的准确性。Budyko模型是一种描述气候、植被和水文过程之间关系的模型，但传统的模型通常假设植被是静态的，而实际上，植被会随着季节和气候变化而变化。因此，研究人员引入了动态植被信息，以更准确地模拟植被的生长和衰亡过程。结果显示，使用动态植被信息的Budyko模型在预测水文过程时具有更高的准确性，这为改进气候模型提供了新的思路。这一发现对于理解和预测气候变化对水资源的影响具有重要意义。

作者其他创作

大纲/内容

3个尺度

scatter效果变差，可能是因为scatter中多参数的过度拟合，σP是主要影响变量

annual

长期

改进明显，降水相关变量仍然起主导作用，发现主要变量的空间分布与气候带、生物区、植被覆盖类型、土地利用没有关系

渗透能力、储存能力和坡度可能budyko的scatter其有影响

过拟合

individual

pool

年度建模的精度较低，这也可能是由于δSw。其主要影响因素几乎为δp（这与长期条件相反，长期下主要是植被相关因素）

结论：——在包含多种气候条件的大面积上，植被信息无法在长期或年度时间尺度上改进预测——将植被信息并入Budyko模型可以在较小的空间尺度上提高模型的准确性——平均来说，年内水供应变率越高，平均Q值越高。植被覆盖的年内变化越低，Q值越高，其他都相等。——在足够大的区域，εo的变化的驱动因子是相似的，不管分析的时间尺度——与模型变量在空间尺度上发生大量变化的长期分析结果相反，年度分析中的变量与空间尺度变化很小（降水主导）——植物相关过程在确定年度或更精细时间尺度的水文变率中的作用次于决定水储存变化的过程的作用，植被动态在这些过程中并不突出。然而，如果将δSw纳入建模，植被信息可以改进Budyko模型在年度尺度上的准确性仍然是合理的——研究尺度越来越精细，则E的精确度越高——Q：如何理解：在个体流域分析中开发的模型只描述时间动态，空间分布似乎是随机的，但是这种随机性可能是由于非稳态条件掩盖了潜在的变异性驱动因素的真实本质？——本研究是经验性的。实际上，各参数之间也有相关性，未来应考虑机理性的研究。

scatter比budyko效果略好。ZEp（即潜在蒸发的年内范围均值）与scatter最相关

基于相位差分类7个group

scatter的误差相对budyko的42%降为30%，比pooled 长期效果更好，不同的group有不同的主要影响因素