虽然第六次耦合模式比较计划(Coupled Model Intercomparison Project 6,CMIP6)能很好地预测大尺度气候要素,但是其在预测流域尺度方面的效果与实测数据仍有差别,尤其是在青藏高原这种高海拔、地形复杂地区,气候模式所产生的误差更大。...虽然第六次耦合模式比较计划(Coupled Model Intercomparison Project 6,CMIP6)能很好地预测大尺度气候要素,但是其在预测流域尺度方面的效果与实测数据仍有差别,尤其是在青藏高原这种高海拔、地形复杂地区,气候模式所产生的误差更大。基于最新一代高分辨率CMIP6模式历史情景和SSP126、SSP245、SSP370、SSP585等多种未来气候排放情景,研究使用包括偏差校正、KNN、SDSM等多种统计降尺度方法进行降尺度分析,并对各自的预测性能进行了评估,在此基础上使用性能最佳的统计降尺度方式预估青藏高原地区的未来降水,对最终得到的预估降水的时空演变特征进行了详细的分析,并与青藏高原的历史降水情况进行了对比。结果表明,3种统计降尺度在青藏高原的适用性差异较大,线性回归降尺度方法的性能最佳,其次为偏差校正方法,最差为KNN类比方法。从未来降水预估情况分析,青藏高原未来80 a平均降水、降水极值等总体呈上升趋势但上升幅度较小,且空间分布情况变化不大。研究结果可为青藏高原水资源评价及规划与管理提供科学依据。展开更多
文摘带精英策略的非支配排序遗传算法(non-dominated sorting genetic algorithms,NSGA-Ⅱ)在解决Pareto边界、高维多变量、复杂非线性多目标问题时还存在较多缺陷,如无法识别伪非支配解、拥挤距离公式不合理、计算用时较长等。为提高NSGA-Ⅱ算法的收敛性、分布性和计算效率,采用了一种基于支配强度的NSGA-Ⅱ算法(improved NSGA-Ⅱ algorithm based on dominant strength,INSGA2-DS)。以金沙江下游溪洛渡-向家坝梯级水库为例,建立了发电量最大、与下游河道适宜生态流量改变度最小为目标的水库多目标优化调度模型,用变化范围法(range of variability approach,RVA)计算下游河道的适宜生态流量,并分别用NSGA-Ⅱ算法与INSGA2-DS算法对典型枯水年蓄水方案进行优化。结果表明:INSGA2-DS算法相较于NSGA-Ⅱ算法计算得到的结果更优;以发电量最大为目标时,发电量与实际调度相比可增加2.42%,适宜生态流量改变度减少1.55%;以生态为目标时,适宜生态流量改变度减少22.22%,但发电量仅增加1.00%。研究成果可为金沙江下游溪洛渡-向家坝梯级水库生态调度方案的制订提供参考。
