发展水利新质生产力是现阶段推动水利高质量发展的必然要求,如何因地制宜发展水利新质生产力成为摆在理论和实践部门面前的重大战略课题。基于资源禀赋、比较优势和新结构经济学等理论,论证因地制宜发展水利新质生产力的理论逻辑,发现涉水要素的创新性配置、涉水产业深度开发与转型升级、涉水科技创新与人才培养是因地制宜发展水利新质生产力的关键动能。同时,从水要素多重价值角度,系统梳理水利新质生产力的多重维度和多种形态。在此基础上,围绕水科技、资源配置、生态价值、产业升级和灾害防控5个维度匹配地区提出最具特征的差异化路径体系,为各地形成因地制宜、优势导向与内生驱动的差异化路径提供决策参考。

实现水资源的科学管理和高效利用,是长江流域可持续发展的关键问题之一。以长江流域涉及的9个省(市)为研究区,根据《中国水资源公报》《长江流域及西南诸河水资源公报》《国民经济和社会发展统计公报》等权威资料,收集2014—2023年全国、长江流域及样本省(市)的部分农业、工业用水效率指标数据。采用描述性统计、比较分析等方法,探讨长江流域农业、工业用水效率区域性差异及影响因素。研究发现,近10 a来长江流域农业、工业用水效率逐步提升,但仍落后于全国平均水平;区域间农业用水效率表现为下游地区>中游地区>上游地区,与地区经济发展状况和地形地貌显著相关;工业用水效率表现为上游地区>中游地区>下游地区,与地区产业结构布局显著相关;耕地实际灌溉亩均用水量影响因素过多,不适用于评价地区间农业用水效率差异性。根据研究结果,提出了一些启示与建议,可为地区水资源管理政策制定提供参考。

为提高地下水水位时间序列预测精度,同时探讨经验模态分解(EMD)、集合经验模态分解(EEMD)、完整集合经验模态分解(CEEMD)、改进完整集合经验模态分解(ICEEMD)、局部均值分解(LMD)、鲁棒局部均值分解(RLMD)、固有时间尺度分解(ITD)、极点对称模态分解(ESMD)、小波变换(WT)、小波包变换(WPT)、经验小波变换(EWT)、变分模态分解(VMD)、奇异谱分析(SSA)、时变滤波经验模态分解(TVF-EMD)、傅里叶分解(FDM)、辛几何模态分解(SGMD)、逐次变分模态分解(SVMD)17种分解技术在地下水水位时序数据分解中的应用效果,提出基于17种分解技术的爱情进化算法(LEA)-快速学习网(FLN)预测模型。首先,利用EMD等17种分解技术对地下水水位时序数据进行分解处理,得到若干分解分量;其次,基于各分解分量训练集构建适应度函数,利用LEA优化适应度函数获得最佳FLN输入层权值和隐藏层阈值,建立EMD-LEV-FLN等17种模型对各分解分量进行预测和重构;最后,通过云南省草坝地下水监测井2019—2023年逐日水位时间序列预测实例对各模型进行验证。结果表明: ①WPT-LEV-FLN、EWT-LEV-FLN、FDM-LEV-FLN、TVF-EMD-LEV-FLN模型预测精度最高,预测的平均绝对百分比误差MAPE、平均绝对误差MAE、均方根误差RMSE分别在0.000%~0.001%、0.002~0.020 m、0.002~0.032 m之间,决定系数R²均为1.000 0;SSA-LEV-FLN、WT-LEV-FLN、VMD-LEV-FLN模型次之,预测的MAPE、MAE、RMSE、R²分别在0.003%~0.007%、0.041~0.087 m、0.063~0.131 m、0.999 5~0.999 9之间,其他模型预测精度相对较差,预测的MAPE、MAE、RMSE、R²分别在0.017%~0.033%、0.221~0.417 m、0.385~0.705 m、0.985 3~0.995 6之间。②WPT、EWT、FDM、TVF-EMD分解效果最好,其中WPT不但分解效果好,而且分解分量少,最具优势;SSA、WT、VMD分解效果较好,增加分解分量数可进一步提升分解效果;其他分解效果相对较差,其中SGMD、SVMD分解分量最少,最具潜力。③WPT-LEV-FLN模型预测精度高、计算规模小,最具实用价值和实用意义。

为研究El Niño事件对长江中下游区域水资源变化的影响,利用不同研究机构发布的2003—2022年GRACE重力卫星数据获取研究区陆地水储量(TWSA)变化,对比相关系数、互相关关系结果,选择与东部型和中部型两类El Niño事件指数相关性强的CSR MASCON TWSA数据序列。利用小波分析、经验正交分解,同时引入洪水潜力指数,研究两类El Niño事件对研究区域TWSA的影响。结果表明:①在TWSA与东部型El Niño事件时滞6个月的情况下,两者相关性最大,相关系数达到0.630;TWSA峰值与东部型El Niño事件存在正向响应,与中部型El Niño事件响应不稳定。②交叉小波变换显示TWSA与两类El Niño事件之间存在共振周期;经验正交分解显示研究区域南部易受到两类El Niño事件影响。③空间栅格洪水潜力指数分布显示,两类El Niño事件发生后,研究区域南部产生的洪水风险较高;东部型El Niño事件对应研究区域洪水风险更大,分布较为集中;中部型El Niño事件对应研究区域洪水风险的分布较为分散。研究结果表明研究区域洪水风险与El Niño事件密切相关,El Niño事件对陆地水储量变化影响研究有助于对研究区域的洪水进行预测与防范。

径流预报是提升水资源管理效率、保障流域水安全的重要手段,以湘江流域为研究对象,对比了新安江模型、SWAT模型、LSTM模型在不同时间尺度下的径流预报精度及适应性。研究结果表明:①各模型的计算效率有LSTM模型>新安江模型>SWAT模型。②在日尺度下,LSTM模型模拟效果整体最佳,新安江模型汛期模拟更优,SWAT模型在日尺度中的表现一般。③月尺度下,SWAT模拟精度明显提升,LSTM受输入条件影响较大。④总而言之,LSTM模型适用性最高,但缺乏物理机制支撑;新安江模型在汛期有较好的应用;SWAT模型能够反映流域内多种水循环要素的时空变化过程,但日尺度径流预报精度相对一般,适用于大范围的流域水资源综合评价。研究成果可为不同目标需求下的流域径流预报提供借鉴。

降水是地表水循环中重要的一个环节,为获取高质量栅格降水数据,依托现行4种栅格降水产品,并考虑多种辅助变量为输入,通过多种机器学习模型及其集成模型,获了长江流域0.1°的融合降水产品,并对获取的融合降水产品性能与原始4种降水产品性能进行了比对。研究表明:①RF、CatBoost、KNN、Lasso、DTREE、XGBoost、HGBR和ETREE 8种机器学习模型性能比较而言,以RF综合表现最优;②基于不同机器学习模型组合构建的9种集成模型中,以分季集成模型ELM4-S综合表现最优,且其在综合性能上比RF有所提升;③基于ELM4-S和RF获得的长江流域融合降水产品,明显优于4种原始降水产品,同时兼备了不同原始降水产品的优点,且在降水空间分布上能够体现出降水量随地形变化的细节特点。生成的长江流域2001—2023年日降水产品,可作为高精度降水产品用于生产应用与科学研究。

针对H-ADCP流量在线监测存在的特征流速选择困难、计算复杂度大及流量成果精度不高等难点,综合考虑特征数据降维、神经网络、支持向量机以及粒子群算法等人工智能算法,构建了基于特征自适应优选的H-ADCP流量在线监测模型,即FAO(Feature Adaptive Optimization)模型。选择受潮汐影响、水位流量关系复杂的罗湖水文站为研究对象,采用2019年和2023年实测流量资料,从各种算法的优缺点、降维数据的适用性以及模型稳定性等多个方面分析了FAO模型的适用性。结果表明:FAO模型具有较好的自学习能力,实测流量样本较少时,具有较好的流速特征学习能力和流量预测精度,检验期流量预测样本的均方根误差RMSE为6.06 m³/s、决定系数R²达到了0.93。提出的研究方法和模型可为流量在线监测研究提供新的研究思路和方法。

提高中长期水文预报的预测精度对于水资源调度、防汛抗旱以及农业生产等具有重要意义。为提高水文预报的精度,根据三峡库区万县站实测月径流序列,先采用互信息方法筛选预报因子,然后分别采用鲸鱼优化算法(WOA)、蝗虫优化算法(GOA)和麻雀搜索算法(SSA)优化的长短期记忆(LSTM)神经网络,结合基于时变滤波器的经验模态分解(TVF-EMD)、自适应完全集合经验模态分解(CEEMDAN)和变分模态分解(VMD),建立多种混合预测模型,采用平均绝对误差(MAE)、均方根误差(RMSE)、纳什效率系数(NSE)、平均绝对百分比误差(MAPE)和相关系数R共5个指标评价模型的预报性能。结果表明:互信息法优选出的预报因子方案作为模型的输入可以提高预报精度,混合模型的预报精度均高于单一的LSTM模型,VMD-LSTM模型测试集的纳什效率系数值较LSTM模型提升了0.11;在混合模型中, VMD-SSA-LSTM模型预报精度高于CEEMDAN-LSTM和TVF-EMD-LSTM模型,通过预报因子筛选、数据预处理和集成稳健的优化算法能够提升单一的水文预报模型的精度。建立的VMD-SSA-LSTM模型可为流域的水资源管理和工农业生产提供参考。

在快速城市化的大背景下,城市地区下垫面变化是影响径流过程的重要因素,而影响机制尚待研究。选择武汉市青山区作为典型研究区域,通过遥感技术、GIS分析以及BP神经网络模型等方法,对典型研究时段城市下垫面变化进行了定量评估,并分析了这些变化对径流系数的影响。通过对比分析发现:城市下垫面变化对径流系数具有显著影响,随着建筑用地和道路的增加,径流系数呈现上升趋势,2009—2017年研究区径流系数从0.399增至0.535;而绿地、植被等用地面积的增加则有助于降低径流系数,同时海绵城市建设通过增加强透水地面面积,额外增加雨水调蓄容积,可达到降低径流系数的作用,海绵城市项目实施后,2017年径流系数为0.535,较海绵城市项目实施前降低0.051。研究成果可为城市规划和防洪排涝系统的设计提供科学依据,也可为城市水文循环和水资源管理提供技术支撑。

针对新型电力系统中,风光出力波动性和间接性给电网安全运行带来巨大挑战等问题,提出了一种考虑抽蓄的风光水火多能互补的联合发电系统双层优化调度模型:以系统净负荷最小、风光出力最大以及弃电量最小为目标函数的水风光蓄联合调度上层优化模型;以火电机组运行成本、抽水成本以及弃电惩罚成本为目标函数,并考虑联合发电系统经济性的下层优化模型。引入CO₂排放强度和火电机组出力系数作为评价指标,并设置3种不同方案进行优化仿真,采用CPLEX求解器求解。实际算例分析结果表明,考虑抽水蓄能电站后,夏季典型日综合运行成本降低4.6万元,CO₂排放强度降低0.012 kg/(kW·h),火电出力波动系数从33.34%降至7.88%;冬季典型日也有类似改善效果。因此,加入抽水蓄能电站,可以明显降低火电机组出力波动性,降低系统运行成本,以及提高新能源的消纳能力。

围绕林地、绿地、湿地、水域以及地下水生态系统,以南水北调中线一期工程受水区为研究对象,融合功能价值法和当量因子法,建立了南水北调中线一期工程生态效益评价指标体系。对南水北调中线一期工程受水区以行政区进行划分,结合统计数据和遥感数据,以2014年为基准年,2018年、2020年、2023年为评估年,分别评估了北京、天津、河南11县(市)、河北6县(市)由于工程供水产生的生态效益价值。结果表明:2015—2018年、2019—2020年、2021—2023年各评估时段由南水北调中线一期工程供水累计新增的生态效益分别为448.59、183.28、371.02亿元,其中湿地和水域产生的生态效益占比最大,分别为64.90%、58.98%、46.98%。此外,不同省市单方水创造的生态效益价值不同,各评估时段北京、天津、河南、河北单方水创造的生态效益价值比分别为1∶2.10∶4.99∶3.74、1∶1.59∶3.66∶1.95、1∶0.17∶1.26∶1.35。研究成果可为南水北调已建工程以及其他大型跨流域引调水工程的生态效益评估提供案例参考,为中线水源区-受水区横向补偿标准建立提供科学支撑。

潜流交换具有复杂的时空变异性,对河流生态功能维持、发挥和提升至关重要,然而目前学术界对潜流交换时空变化的响应机理仍缺乏系统和全面的认识。为深刻理解水热条件对潜流交换时空变化的影响,基于笔者多年实践经验,并结合已有文献,分别从水力学和热力学的视角,剖析潜流交换时空变异性的复杂响应机理,并提出能够提升潜流交换估算准确度的实践框架。研究发现,水文节律通过改变水头差驱动潜流交换动态变化,河流地形地貌、河床非均质性基于水头差空间分布,决定潜流交换空间变化,而日温剧烈变化和冻融循环则在时间和空间2个维度上影响潜流交换的时空变化;由于各驱动因子的非稳态变化及其耦合作用,潜流交换时空变异规律难以准确把握。针对潜流交换变异性大及目前潜流交换单个方法存在估算不准确、空间尺度不匹配等诸多局限性,提出了基于水力学方法、示踪方法、数值模拟的估算框架。研究成果可以为深入理解地下水水文学、完善基于潜流交换的河湖生态系统修复方案提供有价值的参考。

径流预测对水资源合理配置、制定水力发电计划等非常重要,针对月径流点预测精度不高以及点预测结果难以描述月径流不确定性等问题,提出基于冠豪猪优化算法、卷积神经网络、双向长短时记忆网络和非参数核密度估计的月径流点预测模型和区间预测模型。首先,构建组合卷积神经网络和双向长短时记忆网络的月径流点预测模型,并采用冠豪猪优化算法优化模型的隐藏层单元数等参数,将月径流及影响因素数据输入模型得到月径流的点预测结果。然后采用极差分割法将点预测结果排序后划分为低流量段、中流量段和高流量段,再利用冠豪猪优化算法优化窗宽的非参数核密度估计方法估计3个流量段预测值误差的概率分布,并采用三次样条插值法进行曲线拟合,得到3个流量段的分位点。最后叠加点预测结果和点预测结果所属流量段的分位点得到月径流区间预测结果。通过实例分析,与其他模型相比,提出的CPO-CNN-BiLSTM点预测模型预测精度更高,能较好地追踪月径流的变化趋势,提出的CPO-CNN-BiLSTM-NKDE区间预测模型可有效减少月径流预测的不确定性,能够为决策者提供更多信息。

为弄清气象旱涝特征对嘉陵江流量过程的影响规律,基于长序列逐日降水量和流量数据,采用SWAP指数方法与游程理论,识别了嘉陵江流域日尺度气象干旱与洪涝事件,通过对比采用传统多元回归和新兴机器学习模型方法,揭示了径流变化对旱涝特征的响应关系。结果显示:1989—2022年,嘉陵江流域共发生了68次气象干旱事件,导致流量平均减少了48.25%,干旱事件发生时间是影响径流变化的主控因子,仅考虑该因子时的支持向量回归模型可对干旱引起的流量变化幅度做出较为准确评估。同时期,嘉陵江流域共发生了40次气象洪涝事件,流量平均增长了130.46%,推荐采用多元回归模型来评估洪涝特征与流量变幅、洪峰时间的响应关系,而洪涝事件对洪峰流量的影响程度,则推荐使用随机森林模型。

了解区域绿水资源的消耗量和利用效率,有助于制定更合理的水资源管理和农业政策。以2001—2020年间的蒸散发和净生产力数据资料为基础,采用Mann-Kendall趋势分析方法,对江西省的绿水资源消耗量及利用效率的时空变化进行定量评估。结果表明,2001—2020年20 a间,江西省绿水资源消耗总量为796~965 mm,平均值为887.75 mm,其中生产性绿水和非生产性绿水消耗量分别为519.12~692.53、230.64~356.30 mm。生产性绿水消耗量占总消耗量的比例为60.83%~74.02%,全省平均为69.26%。年均绿水利用效率为0.67~0.81 g C/(kg H₂O)。2001—2020年间,江西省绿水资源消耗总量、生产性绿水和非生产性绿水消耗量均呈显著下降趋势,下降速率分别为5.26、1.73、3.53 mm/a,而绿水利用效率呈显著的上升趋势,上升速率为0.006 7 g C/((kg H₂O)·a)。空间分布上,江西省绿水资源消耗总量和生产性绿水消耗量均呈南高北低的分布格局。其中生产性绿水消耗量除鄱阳湖周边呈上升趋势外,其他地区均呈下降趋势,而绿水消耗总量除九江市和景德镇部分地区呈不显著的下降趋势外,其他区域均呈极显著的下降趋势。全省92.70%的区域绿水利用效率呈不同程度的增加趋势。

梅雨和华西秋雨是长江流域重要的气象特征,与洪水的季节性变化规律及汛期划分密切相关。采用丹江口水库1961—2023年的日入库流量系列,通过数理统计方法(均值变点、矢量统计等)初步确定丹江口水库的汛期分期时间。长江中下游梅雨在湖北省域最晚结束日期为8月8日,出梅后汉江中下游的防洪压力减轻,丹江口水库可逐步释放预留的防洪库容;华西秋雨8月下旬从四川开始逐步东移至秦岭山脉,具有显著的时序和周期性特征。综合分析考虑各种汛期分期结果的合理性,最终确定丹江口水库流域夏汛期为6月21日—8月10日,过渡期为8月11日—8月31日,秋汛期为9月1日—10月10日。依据气象部门预报的出梅日期和华西秋雨信息,可逐步将夏汛期的汛限水位抬高至秋汛期的汛限水位,把握提前蓄水时机,提高水资源利用效率和水库蓄满率。研究成果可为丹江口水库运行调度决策提供理论依据。

水资源承载力是评估区域可持续发展能力的重要指标之一,探究区域水资源承载力对实现区域可持续发展具有重要意义。以长江经济带为研究区域,构建基于水资源-社会-经济-生态环境4个子系统的水资源承载力评价体系,利用TOPSIS法、标准差椭圆对长江经济带2012—2021年水资源承载力的时空演变进行分析。同时,结合耦合协调度模型研究系统间的协调发展水平并应用灰色预测模型对未来5 a的水资源承载力进行了预测。结果表明:长江经济带的水资源承载力在研究年间呈波动上升状态,由警戒转变为良好状态,水资源承载力中心总体向承载力较低的西南方向移动;系统间的耦合度除2012年外均达高水平耦合阶段,且耦合协调度评价值由濒临失调逐渐转变为良好协调,系统耦合协调度不断上升;第三产业占比、城镇化率、人均日生活用水量是与水资源承载力关联性最强的3个因子;未来5 a水资源承载力发展呈现向好态势。研究结果可为长江经济带合理规划利用水资源、促进区域经济社会协调发展提供参考。

探究未来不同情景土地利用变化下农业水土资源空间分布及匹配状况,为流域尺度农业可持续发展规划和决策提供支持。利用FLUS模型预测不同情景下2035年石羊河流域土地利用空间格局变化,采用InVEST模型模拟产水量,评价石羊河流域农业水土资源时空匹配关系。结果表明:石羊河流域水土资源匹配格局整体呈现出西部优于东部,基尼系数介于0.2~0.3之间,未来表现出略微上升趋势,但仍处于比较均衡状态。石羊河流域2035年不同情景下平均水土资源匹配系数为797 m³/hm²,2020年水土资源匹配系数为640 m³/hm²,整体趋势向好。研究成果可为石羊河流域农业水土资源均衡管理提供参考依据。

在无资料地区气象、水文等观测资料缺乏,影响径流预报的准确性,直接影响水文预报和防汛抗旱工作的开展。分析无资料地区现有的降水、气温和径流数据在中长期预报中的适用性,进而实现径流预报非常重要。分别采用卷积神经网络算法(CNN)、双向门控循环神经网络(BiGRU)、注意力机制(Attention)和优化粒子群算法(IPSO)构建CNN-BiGRU-Attention、IPSO-CNN-BiGRU-Attention组合模型,再与门控循环单元模型(GRU)和ABCD水量平衡模型进行对比分析,并在玉龙喀什河进行综合评估,并结合SHAP可解释性机器学习方法探究最优模型中输入特征对径流影响的贡献程度。结果表明:加入降水和气温的组合模型IPSO-CNN-BiGRU-Attention预测精度整体优于CNN-BiGRU-Attention、GRU模型,与实际值能够较好地吻合;随着预见期的增加,提出的组合模型在验证期内均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分误差(MAPE)、纳什效率系数(NSE)分别为2.11、1.32 m³/s、73.76%和0.94,并且在前3个月预报精度最高。该方法在缺资料地区月径流预报中具有较好的效果。

径流组成成分识别是水文分析的一项重要内容,但目前在组分模型形式选择方面仍缺乏统一的准则,导致建模时组分类型及分离顺序难以确定。考虑突变、趋势、周期成分等组分类型,构建不同的线性叠加模型对变化长度径流序列的组成成分进行动态识别,在分析不同模型的识别精度及其随时间变化特征的基础上,提出了基于效益风险均衡的径流组分模型选择准则。以金沙江下游屏山站1956—2010年的径流序列为实例,对所提模型选择准则进行了应用分析。结果表明,径流成分识别受到模型形式和序列长度的共同影响,识别精度越高的模型在应对序列长度变化时具有相对越低的稳定性,所提准则为径流组分模型选择提供了一种均衡考量识别精度(效益)和稳定性(风险)的思路。