基于人工神经网络的雅鲁藏布江水化学变化趋势研究

为探究雅鲁藏布江(简称雅江)河流水化学组分的历史变化趋势及未来气候变化的影响,将2016,2017和2018年雅江实测数据与文献数据相结合,采用线性倾向性估计方法,分析雅江上、中、下游近60年来气象及11种水化学组分的变化,采用气候变化模式和BP神经网络模型预测未来气候情景下总溶解固体(TDS)的浓度,以期为资料缺失的雅江流域水资源管理和水环境治理提供科学支撑.研究结果表明,近60年来,雅江流域年均气温上升趋势显著,升温速率为0.38°C/10a;年降雨量总体上呈上升趋势,速率为7.34 mm/10a;河流水化学组分存在一定程度的波动,其中TDS远高于全球河流平均水平(120 mg/L),并存...

Full description

Saved in:
Bibliographic Details
Published in北京大学学报（自然科学版） Vol. 59; no. 6; pp. 1043 - 1051
Main Authors 刘佳驹, 李金城, 郭怀成, 袁鹏, 李政, 张扬, 王志勇
Format Journal Article
LanguageChinese
Published 北京大学环境科学与工程学院,北京 100871%北京大学环境科学与工程学院,北京 100871%中国环境科学研究院流域水环境污染综合治理研究中心,北京 100012%中国环境科学研究院,北京 100012 01.11.2023
中国环境科学研究院流域水环境污染综合治理研究中心,北京 100012
Subjects
artificial neural network
人工神经网络
气候变化
雅鲁藏布江
trends in water chemistry
水化学变化趋势
climate change
Yarlung Tsangpo River
Online AccessGet full text
ISSN0479-8023
DOI10.13209/j.0479-8023.2023.093

Cover

More Information
Summary:为探究雅鲁藏布江(简称雅江)河流水化学组分的历史变化趋势及未来气候变化的影响,将2016,2017和2018年雅江实测数据与文献数据相结合,采用线性倾向性估计方法,分析雅江上、中、下游近60年来气象及11种水化学组分的变化,采用气候变化模式和BP神经网络模型预测未来气候情景下总溶解固体(TDS)的浓度,以期为资料缺失的雅江流域水资源管理和水环境治理提供科学支撑.研究结果表明,近60年来,雅江流域年均气温上升趋势显著,升温速率为0.38°C/10a;年降雨量总体上呈上升趋势,速率为7.34 mm/10a;河流水化学组分存在一定程度的波动,其中TDS远高于全球河流平均水平(120 mg/L),并存在上升趋势,pH为弱碱性并存在上升趋势.在未来气候变化模式(RCP4.5)下,BP神经网络模型预测结果显示雅江流域上、中、下游TDS浓度将显著增加,下游最为显著,河流水质存在恶化的风险,将对流域居民生产生活产生不利影响.
ISSN:0479-8023
DOI:10.13209/j.0479-8023.2023.093