城市需水量（共10篇）
城市需水量 篇1
0 引 言
城市需水量预测是城市供水总体规划和工程规划的基础。常规的预测方法有回归分析法、灰色系统法、时间序列分析法、弹性系数预测法[1,2,3]等方法,这些预测方法是先建立数据序列的主观模型,然后根据主观模型进行计算和预测。由于城市需水量受众多因素的影响,各影响因素与需水量之间存在着高度的复杂性和非线性,所以本文利用混沌理论重构相空间方法,将需水量时间序列扩展到三维或更高维的相空间中去,充分表现需水量时间序列的信息,引进Lyapunov指数判定混沌性,从整体上反映了动力系统的混沌量水平;确定其具有混沌的特性后,再利用最大Lyapunov指数方法进行城市需水量的预测。
1 重构相空间
城市需水量可看作某一时间变量的动力系统方程
式中f(x)为反映该动力系统随时间变化的函数式,该系统的状态可以由多个分量描述。由Takens嵌入定理[4],可知系统的任一分量的演化是由与之相互作用的其他分量所确定的,因此这些相关分量的信息就隐含在任一分量的发展过程中,只需研究一个分量,并将在某些固定的时间延迟点上的观测值作为新维来处理,利用相空间重构技术[5]就可以重构出一个等价的相空间。设时间序列{x1,x2,…,xn,…},选定嵌入维数m和时间延迟τ,重构相空间:
其中N=n-(m-1)τ表示m维相空间的嵌入点数。嵌入维数m和时间延迟τ可由C-C法[6]计算,即采用一种基于关联积分的统计量S(m,n,r,t)=C(m,n,r,t)-Cm(1,n,r,t)来描述非线性时间的相关性,并由该统计量来寻找时间延迟τ和嵌入维数m。方法如下。
(1)选择统计量:
式中C为关联积分,即:
式中:H为跃阶函数,
;‖xi-xj‖为欧氏距离。
(2)统计量S(m,n,r,t)可以视为一个非线性依赖关系的无维数的度量。对于确定的m,n和r,S(m,n,r,t)与时间t的非线性关系图类似于自相关函数与t的关系图。考虑到非线性相关时,消除虚假的时间关联,将时序{xi}划分成t个不相交的时序,S(m,n,r,t)可有这t个不相交的时序计算而得。
对t=1,仅有一个时间序列{x(t1),x(t2),…,x(tn)},此时,
对t=2,有两个不相交的时间序列{x(t1),x(t3),…,x(tn-1)}和{x(t2),x(t4),…,x(tn)},每个长度都为n/2。对这两个序列求平均值得
对于一般t,S(m,n,r,t)表示为
最后,当n→∞时,得到
(3)选择几个代表值rn,计算。
它度量了S(m,r,t)关于半径r的最大偏差。局部最优时间t则为S(m,r,t)零交叉点和ΔS(m,t)的最小值的值。由于对所有得m和rj,S(m,r,t)的零点几乎相同,对所有的m,ΔS(m,t)的最小值也几乎相同,所以延迟时间τ就选为第一次出现S(m,r,t)零点和ΔS(m,t)最小值的时间。
(4)计算S(m,r,t)的平均值
式中‖m‖,‖k‖分别代表嵌入维数的数目和r的数目;
(5)计算ΔS(m,t)的平均值。
(6)计算统计量
(7)于是最佳嵌入维数m为:
2 Lyapunov指数算法[6,7,8]
(1)将时间序列{x(ti),i=1,2,…,n}进行FFT变换,计算平均周期p。
(2)根据前述C-C法计算出的时间延迟τ和嵌入维数m重构相空间{Yj,j=1,2,…,N}。
(3)找相空间中每个点Yj的最近邻点Y,其距离为
(4)对相空间中每个Yj,计算出该相邻点所对的i个离散时间步的距离
(5)对每i个,求出所有j的lndj(i)的平均值 ,其中
混沌运动的基本特点是运动对初值条件极为敏感。两个很靠近的初值所产生轨道,随时间推移按指数方式分离,Lyapunov指数λ就是定量描述这一现象的量。若λ<0,则相邻点最终要靠拢合并成一点,这对应于稳定的不动点和周期运动;若λ>0,则相邻点最终要分离,这对应于轨道的局部不稳定,如果轨道还有整体的稳定因素(如整体有界、耗散、存在捕捉区域等),则在此作用下反复折叠并形成混沌吸引子,故λ>0,则认为序列为混沌序列[8]。
3 混沌预测[8]
Lyapunov指数不仅刻画了耗散系统相空间中相体积收缩、膨胀过程中几何特征变化,而且它作为量化对初始轨道的指数发散和估计系统的混沌量,是一个很好的预报参数[8]。
设YN为预测的中心点,相空间中YN的最近邻点为Yk,其距离为dN(0),最大的Lyapunov指数为λ,即
可得预测关系式为
式中:λ,YN,Yk,Yk+1均已知,而YN+1中只有待预测的分量x(tN+1)未知,因此可以通过式(11)进行预测x(tN+1)。
对于混沌系统,当预测时间小于最大预测时间尺度时,系统预测误差随预测步长的增加而增大,但是比较平稳,一旦超过这个界限,误差将会倍增,便失去了预测的意义。所以一般地,最大Lyapunov指数λ的倒数为混沌系统确定性预测的时间上界[9] ,即最长预测时间T
4 城市需水量预测实例
选取某城市2000年1月～2004年12月的月用水量共60个数据,看作时间序列(见图1),通过重构相空间,把月用水量的时间序列扩展到m维的相空间中去,图2给出了m=3时,τ=4相空间的轨线;按照前述C-C法计算得:延迟时间τ=7,嵌入维数m=4;再按Lyapunov指数算法得最大Lyapunov指数λ=0.081>0,表明月用水量为混沌时间序列。
由式(12)可得预测的最大时间长度为T=11月,所以把2005年1月～11月的月用水量作为预测检验数据,预测值和相对误差见表1和图3。
从表1和图3中可以看出:混沌预测方法能够充分利用时间序列资料信息,计算相对误差较小,预测精度较高。
5 结 语
(1)从上面分析中可以看到城市需水量具有混沌性,从混沌时间序列的角度来研究城市日需水量的方法是可行的,基于混沌理论的城市需水量的预测不需要事先建立主观分析模型,且计算相对误差较小,预测精度较高,是一种有意义的尝试。
(2)影响城市需水量的因素众多,且情况都比较复杂,虽然Takens嵌入定理指出,系统任一变量的时间演化,均包含着系统所有变量长期演化的信息。 但实际上,系统的单一变量是否完全反映系统的复杂行为,还应进一步研究数据序列的选取标准,进一步提高预测的准确率。
摘要：混沌预测与传统的时间序列预测方法有较大的不同,它较传统确定性和随机性预测方法更多地利用了时间序列中包含的丰富信息,因此能够得到更精确的结果。城市需水量受众多因素的影响,各影响因素与需水量之间存在着高度的复杂性和非线性,利用混沌理论重构相空间方法,将需水量时间序列扩展到三维或更高维的相空间中去,充分表现需水量时间序列的信息。通过对某城市月需水量的分析,计算出相应的Lyapunov指数;由于Lyapunov指数大于零,定量地说明了月需水量序列具有混沌性,并估计了可预测的时间尺度,同时根据最大Lyapunov指数,建立了预测模型,其预测结果的相对误差较小,精度较高。因此基于混沌理论的城市需水量的预测分析是一种有意义的尝试。
关键词：城市需水量,Lyapunov指数,混沌,预测
参考文献
[1]郑冬燕,夏军,黄友波.生态需水量估算问题的初步探讨[J].水电能源科学,2002,20(3):3-6.
[2]吕谋,赵洪宾,李卫红.城市月用水量预测的组合动态建模方法[J].给水排水,l997,23(11):25-27.
[3]吴福生.用灰色系统动态模型预测城市用水量[J].江苏水利,1998(10):40-4l.
[4]Packard N H,Grutchfield J P.Farmer J D.et al.Geometryfromati me series[J].Physical Review Letters,1980.45(9):712-721.
[5]Sano M,Sawada Y.Measurement of the Lyapunov spectrumfroma chaotic ti me series[J].Physical Review Letters,1985.55(10):1082-1 097.
[6]陶诏灵,陈国华.基于C-C方法的Lyapunov指数计算[J].南京气象学院学报,2002,25(4):555-559.
[7]吕金虎,张锁春.Lyapunov指数的数值计算方法[J].非线性动力学学报,2001,8(1):84-92.
[8]吕金虎,陆君安,陈士华.混沌时间序列分析及其应用[M].武汉:武汉大学出版社,2002.
[9]Fraser A M.Information and entropy in strange attractors[J].LEEE Trans Inform Theory,1989,35(2):245-262.
[10]黄胜,梁川.年径流时间序列的混沌分析[J].中国农村水利水电,2006,(4):27-28.
城市需水量 篇2
根据城市生态环境需水量研究的需要,将黄河流域城市分为5个类别,基于降水量和水资源量概念两个研究平台计算黄河流域城市生态环境需水量,并对其影响因子进行分析.结果表明:①基于降水量概念的黄河流域城市最小生态环境需水量为7.955×108m3,其中城市绿地和河湖最小需水量分别占总需水量的为39.1%和60.9%;基于水资源概念的黄河流域城市最小生态环境需水量为6.043×108m3,占黄河流域城市市区供水总量的12.86%.②城市类别与城市生态环境需水量密切相关,随着城市级别的降低,基于降水量和水资源量概念的.黄河城市最小生态环境需水量均呈现出逐渐减少的趋势.③黄河流域城市生态环境需水量表现出明显的空间差异性,黄河中下游地区形成城市生态环境需水量的高值区.④黄河流域城市生态环境现状用水量为2.876×108m3,最小缺水量为3.662×108m3,其中城市绿地和河湖的最小缺水量分别为0.849×108m3和2.830×108m3,亟需对黄河流域城市绿地和河湖系统进行补水.⑤城市生态环境需水量与需水主体的状况密切相关,并受到城市面积、人口和GDP等社会经济发展指标的深刻影响,而降水量、蒸发量和水资源量等自然条件对城市生态环境需水量的影响较小,体现出城市生态环境需水量人控性的特征.
作 者：尹民 崔保山 杨志峰 YIN Min CUI Bao-shan YANG Zhi-Feng 作者单位：北京师范大学环境学院,环境模拟与污染控制国家重点联合实验室,北京,100875 刊 名：生态学报 ISTIC PKU英文刊名：ACTA ECOLOGICA SINICA 年，卷(期)： 25(3) 分类号：X523 关键词：生态环境需水量 水资源 城市 黄河流域
城市需水量 篇3
关键词：春玉米需水量变化；气象因子；探索构架
一、引言
在川西高原地区，全年气温较高，干湿季节明显，是典型的干热河谷气候，冬季一般天气晴朗、日照丰富，很适合于像玉米这种喜光照、耐高温的作物生长。而随着社会经济的不断发展与全球范围内气候的大幅度变化，使得在川西高原地区有些地方容易出现干旱情况，干旱导致水资源供求不足，容易引起玉米缺水，影响到春玉米的正常生长。为了缓解水资源使用短缺的局面，要尽可能的提高水利用率，针对春玉米需水量与气象因子的变化，科学合理的进行灌溉，有效提升在玉米种植过程中水资源的使用率。
二、资料方法
研究春玉米需水量变化与环境因子两者之间的关系，所参考的数据来源可以从川西高原地区历年的自然气候记录与种植情况数据做资料。其中，自然环境记录包括日均降水量、日均光照强度、日均光照时间等会影响到玉米自然生长的最直接因素。在春玉米的种植情况分析中，不同的地区地理位置内、环境范围内、不同的季节时间区域，以及不同的地势高度等，结合以上因素，分析得到环境因子与春玉米生长相关联的主要影响部分。
春玉米需水量的计算方法是基于植物的蒸腾作用计算开始，目前一般采用以植物的蒸腾水含量作为其需水量数值的参考。当下联合国所提出的Penman- Monteith计算法则是比较接近与作物需水量实际大小的计算公式。相比于蒸腾计算，要更加贴近作物需水量的真实值，且广泛适用于不同环境下的作物生长情况。用具体公式表达为：ETm=K*ETc，其中ETm表示作物的需水量也能称作作物的潜在蒸腾含水量，K表示玉米系数，ETo是指玉米的蒸腾参考系数。此类公式比较实用于大部分的春玉米需水量计算，但是也会存在一定误差，比如说温度、降水量等外界环境引起的误差。
三、春玉米需水量和缺水量变化
春玉米需水量与缺水量变化两者是相关联的，需水量越大表示缺水现象越严重，作物缺水的同时也产生了需水反应，但是这两者也不存在完全对应与一致的关系，需水量的影响因素还有源自作物自身生长环境的影响，比如春玉米种植土壤供水与保水能力较差，这会导致作物的需水量变的频繁，但不一定是因为作物内部缺水而产生的需水反应，只是作物为了存储更多的水分以供日后生長而产生的需水要求。如果土壤的保水能力强，玉米的需水量可能要少些，为维持生命活动产生的缺水反应则可以通过向土壤吸收水分来满足。
四、春玉米需水量的气象要素
春玉米需水量的气象要素有玉米生长季节内高温、空气含水量、风力大小等，总的来说可分为光、热、水分这三个方面的影响因素，如果光照强、风力大，使得玉米的實际蒸腾活动强烈，所蒸发出的水分也增加，引起需水量的提高。相反，例如阴雨天气，玉米棵间蒸发与叶面蒸腾作用的细胞呼吸口都会开的比较小，降低其蒸腾作用，这时的需水量会不太高。由于风力、光照、温度这几者对玉米的需水量是共同影响的，因此对三者的分析缺一不可，若光照很强，温度很高，但是风力太小，对植物散热的会有一定影响，难以带动植物周围的水分流动，使得蒸腾作用并不会太强烈。但是如果风力大、温度高、光照不太强，也会引起玉米的需水量提高，这是由于风力将细胞呼吸口吹散，加上温度的作用，导致植物内蒸腾作用活跃，需水量也变大。五、生长期内气象因子和春玉米需水量的关系
在玉米生长期内气象因子与玉米需水量的关系中，气象因子是直接会影响到玉米生长发育的，玉米生长发育的每个过程中所需要的水分、营养、对光照的要求、体内需水量都不一样。玉米是喜光的作物，在干旱条件下，只要适时灌溉便能加速玉米生长，玉米生长发育过程中的每个阶段所需要的含水量、营养物质都不同，相比于植株成熟时期的含水量，玉米在种苗以及发芽过程时含水量要高的多，体内需水量也很大，这时候在对玉米进行大量的输水准备，确保玉米种苗能吸取足够的水分，而在成熟期内，可以适当减少水分灌输含量，这个阶段玉米的需水量也会有所减少。考虑到玉米生长期内气象因子对玉米需水量的影响，一般玉米种植温度就在28℃～30℃，温度过高或过低都会影响玉米发芽，玉米生长时的最适宜温度为20℃～24℃，这段温度区间内，玉米根系生长较快且较健壮。温度会影响种植土壤中矿物质的合成与含量，对玉米的营养成分也会产生很大影响。在潮湿气候下，空气含水量增多，会导致玉米内需水量减少。
在多次实验与总结后，我们可以用如下图表表示出两者的关系，其中图一纵坐标表示玉米产量，横坐标表示气象温度。在温度为20℃～24℃时玉米产量最多，其中，这也是最适合玉米生长的温度，能有388kg每亩，而温度过低或过高玉米产量都是最低的8kg。因此不管是在低温还是在高温的环境下尽可能的将玉米生长的环境温度控制在20℃～24℃是最佳的。
结论：综上所述，春玉米需水量变化与气象因子有着直接的关系，本文就川西高原气候特征为例，在此环境与温度下，春玉米生长只要按照每个生长阶段中给予适量的水灌溉，就能有效提升玉米产量与种植质量。
参考文献
[1]张玉芹；杨恒山；高聚林；张瑞富；王志刚；徐寿军；范秀艳；杨升辉；超高产春玉米冠层结构及生理特性的研究[A]；中国作物学会50周年庆祝会暨2011年学术年会论文集[C]；2011年
[2]樊向阳；齐学斌；高胜国；赵辉；王景雷；不同覆盖条件下春玉米农田耗水特征及提高水分利用率研究[A]；中国青年农业科学学术年报[C]；2002年
宁波城市生态环境需水量研究 篇4
水是基础性的自然资源, 是生态环境的控制要素。然而, 在我国由于缺乏统筹规划, 很多地区水资源过度开发。特别是在很长一段时间里, 生态环境水常常被认为是廉价水而被无偿挤占。导致城市河流断流或干涸, 湖泊萎缩, 地下水位下降。由于对生态环境水的忽略, 致使依赖于水的生态系统健康受损, 区域生态环境恶化、生态脆弱、生物多样性减少等生态环境问题不断出现。
20世纪60年代以来, 很多国家开展了河道基本流量的研究, 并确定了较完善的计算方法, 但早期并没有把水资源和生态环境系统联系起来。直到20世纪90年代, 当水资源的可持续利用受到严重威胁时, 人类才逐渐认识到保证自然生态环境需水的重要性。Gleick (1996) 明确给出基本生态需水 (basic ecological water requirment) 的概念框架。这一概念随着研究的深入进一步得到升华, 从最初的研究河道流量与鱼类生息环境的关系, 到研究生态系统与水资源的内在联系、生态水量的最优化分配及生态环境用水与经济用水的关系等, 研究内容正逐渐展开, 并加强了国际之间的合作。
我国从20世纪90年代后期开始注重河道和流域生态需水量的研究, 对生态环境需水量的内涵作了进一步探讨, 提出了不同生态环境条件下生态需水量的计算方法。但国内外对生态环境需水量的研究主要针对河道及流域范围, 针对城市的研究还处于刚刚起步的阶段。城市是不同于流域的生态系统, 受人类干扰和主观意识的影响程度非常高。
本文以宁波市区为例对城市的生态需水量的计算问题进行探讨。首先, 划定研究区域;其次, 综合相关文献, 构建城市生态环境需水量计算模型;最后, 运用TM影像判读数据、宁波市志和宁波市统计年鉴等资料算出宁波市区生态环境需水量。
2 城市生态环境需水量
2.1 概念的界定
目前, 生态环境需水量研究主要集中于河流、湖泊、湿地和陆地植被等生态系统类型, 并形成了较为完善的计算方法。
城市生态系统是由社会、经济和自然三个子系统通过一定的生态网络与生态过程耦合而成的复合生态系统, 具有开放性、不完整性、脆弱性和人控性等特征。城市自然生态系统是城市生态系统中具有负反馈调节功能的重要组分, 作为生态支持系统而存在, 是城市生态系统健康存在的基础。
城市生态环境需水量是针对城市中的自然生态系统而言的, 它不仅取决于城市自然生态系统的结构状态与生态过程, 还受到人控因素的影响。从需水机理来看, 城市生态环境需水量是在社会经济系统调控下的城市自然生态系统与城市水文水资源系统耦合的结果与体现, 不同的生态系统类型正是通过一定的生态过程和水文循环过程联系起来的, 体现出整体关联性的特征。
2.2 城市生态环境需水量的分类
需水量类型因分类依据而不同。按照生态系统类型来分, 城市生态环境需水量包括城市绿地生态环境需水量、城市河道生态环境需水量、城市湖泊生态环境需水量和城市湿地生态环境需水量。按照生态环境功能来分, 城市生态环境需水量可以分为:基本生态功能需水量、生态服务功能需水量和环境功能需水量。
宁波城市中普遍存在的自然生态系统类型是城市绿地、河流与湖泊, 仅有少数的河湖岸滨发育的湿地和作为污水处理系统的人工湿地, 面积相对较少, 且在实际操作中难于区分, 本文并不涉及, 而重点对城市绿地和城市河湖的生态环境需水量进行研究。此外, 不同的需水量类型之间, 可能存在兼容性, 如保证一定的河道基流量, 同时可以部分或全部的满足水体自净、调节气候、美化景观等的需水量, 具体研究中应充分考虑这一特性, 避免重复计算问题。据此, 本文从生态系统类型和生态环境功能两个层次建立城市生态环境需水量的二级分类体系, 并确定不同需水量类型的计算指标 (表1) 。
3 宁波市区生态环境需水量
3.1 城市生态环境需水量的计算方法
根据研究区的实际情况, 本文研究的城市环境需水量主要包括城市绿地生态环境需水量和城市河湖生态环境需水量两部分。此处所指的河湖是城内河流和湖泊, 其需水量是指维持城内河流基流和湖泊一定水面面积、满足景观条件及水上航运、保护生物多样性所需的水量。利用有限水资源进行污染物稀释不符合城市水资源可持续利用的原则, 故污染稀释需水量不包括在此次计算中。
3.1.1 植被蒸散需水量。城市绿地植被的蒸散需水量是人均绿地定额需水量和城市绿化覆盖率需水量的总和。
人均园林绿地面积是城市园林绿地的一个重要定额指标, 利用人均绿地定额来推算的需水量, 在一般情况下可以体现城市绿地的需水量, 不足之处在于绿地的适宜数量仅从人口来决定, 可能造成一定的偏差。公式如下:W1=P×T×E (式4.1)
式中, W1为绿地定额需水量 (108m3) ;P为市区非农业人口 (万人) ;T为人均绿地定额 (m2/人) ;E为植被蒸散量 (mm/a) ;城市绿化覆盖率是全面衡量城市绿化水平的标准, 从宏观上表达城市绿化规划目标, 因此需水量与城市绿化覆盖率具有相关性。公式如下:W2=A×η×E (式4.2)
式中, W2为绿化覆盖需水量 (108m3) ;A为市区面积 (hm2) ;η为绿化覆盖率;
式中, W绿E为植被蒸散需水量 (108m3) ;为绿地定额需水量 (108m3) ;为绿化覆盖需水量 (108m3) 。
3.1.2 植被生长需水量。
从植物生理角度看, 植物在生命活动中所吸收的大量水分, 有小部分用于制造有机物质, 其余绝大部分用于蒸腾及棵间蒸发, 这一微小部分是城市植被存在所必须的水分。取植被自身的含水量和植被蒸散量的比例大致为1:
式中, WP为植被生长需水量 (108m3) ;W绿E为植被蒸散需水量 (108m3) 。
3.1.3 植被土壤含水量。
当土壤含水量在凋萎系数以下时, 土壤含水量不能补偿植物的耗水量, 植物将产生永久凋萎, 通常把它作为植物可利用土壤水分的下限。如果土壤含水量达到植物生长阻滞含水量, 植物虽然还能从土壤吸收水分, 但因补给不足, 只能维持生命, 生长受到阻滞。当灌溉超过田间持水量时, 只能加深土壤的湿润深度, 而不能再增加土层中的含水量的百分数。因此, 田间持水量是土壤中作物有效含水量的上限值, 常用来作为灌溉上限和计算灌溉定额的依据和标准。
式中, Ws为土壤含水量 (108m3) ;As为植被覆盖土壤面积 (hm2) ;hs为土壤深度, 取1.5m;为土壤容量, ρs取1.6g/cm3;ξi为不同含水量的系数 (%) 。
3.1.4 水面蒸发需水量。
水面蒸发是水体水分的消耗项, 无论是湖泊还是河流, 都必须将这部分水进行补充, 才能保证在入水和水平衡的情况下, 水位保持基本不变, 水量不至于减少或干涸。W水E=A1×Eω (式4.6)
式中, W水E为河湖水面蒸发需水量 (108m3) ;A1为河湖面积 (hm2) ;Eω为河湖水面蒸发量 (mm/a) 。
3.1.5 河湖自身需水量。
为保证湖泊、河流的正常存在及功能的发挥, 在水位略有变化的情况下, 保持常年河、常年湖存蓄一定的水量, 此水量是水体发挥生物栖息地和娱乐场所功能存在的前提条件, 属于生态环境需水的重要组成部分, 公式为
式中, W自身为河湖自身存在的需水量 (108m3) ;为河湖面积 (hm2) ;为河湖的平均水深 (m) 。
3.1.6 河湖渗透需水量。
当河流、湖泊中有水存在, 水位抬高, 水压加大, 在地下水又较低的情况下就会产生渗漏, 产生渗漏损失。W年渗=K1×F1 (式4.8)
式中, W年渗为河湖渗漏需水量 (m3) ;F1为河湖平均蓄水水面面积 (m2) ;K1为经验取值。
3.1.7 河道基流需水量。
城市河流 (特别是人工沟渠) 有两个问题需要关注:一是水流的速度比较低, 有些河流基本就是死水, 为维持城市水体的流动性, 城市河流必须保持一定的流速;另一个是, 在缺水情况下, 城市河流的水位很低, 反映在河道断面上是有水的浸润的部分在整个断面上的比例较低。
河道基流需水量的计算公式如下:WR=A2×V×T (式4.9)
式中, WR为河道基流需水量 (m3) ;A2为河道中河流的横断面面积 (m2) ;V为流速 (m/s) ;T为径流时间 (h) 。
3.2 宁波市区生态环境需水量的计算
本文研究区域限定于宁波市六区当中的老三区, 即江东区、海曙区、江北区。其中江北区不包括北端部分, 界限如下:南部及东部以江北区行政区划为界, 北部以绕城高速为界, 西部以慈江为界。经宁波市区卫星影像图量算得出研究区域土地总面积约为146.8km2。
3.2.1 宁波市区植被蒸散需水量。
研究区域非农业人口为72.83万人 (因研究区范围未包括整个江北区, 所以此人口数据将偏大, 但考虑本部分需水量在宁波市区生态环境需水总量中所占比例约为1%左右, 故对总需水量计算结果影响不大) 。
2009年宁波市人均公共绿地面积10.36m2 (按城区常住人口计算) 。研究区面积为14680hm2;绿化覆盖率为37.83%;蒸散量取值为360mm/a (关于绿地植被蒸散量Ep不同植被数值不同, 我国各地缺乏植物蒸腾量的测定资料, 但从多年的调查分析, 尚有可供参考的蒸散量估计数字:适宜森林地区的年降水>400mm, 蒸腾量360mm, 适宜草地生长的年降水量≥300mm, 蒸腾量约200mm) 。由公式4.1～4.3算得宁波市区绿地植被蒸散需水量为2270.87×104m3。
3.2.2 宁波市区植被生长需水量。
宁波市区绿地植被蒸散需水量为2270.87×104m3, 由公式4.4算得的宁波市区植被蒸散需水量, 可算得植被生长需水量为22.94×104m3。
3.2.3 宁波市区植被土壤含水量。
宁波市区植被覆盖土壤面积约为941.24hm2;为土壤深度, 取1.5m;为土壤容量, 取1.6g/cm3;为不同含水量的系数 (%) 取68%。由公式4.5算得土壤含水量为1536.10×104m3。
3.2.4 宁波市区水面蒸发需水量。
研究区的河流根据其河流宽度与河流深度可分为三类———Ⅰ (主干河流) :甬江、姚江、奉化江;Ⅱ (一类内河) :如后塘河、护城河、柳西河等平均宽度在30m左右的河流;Ⅲ (二类内河) :其它河流宽度在15m左右的河流。
各级河流的长度和深度, 统计如下:
Ⅰ:主干河流数据见表2。
Ⅱ:研究区内此类河流总长度为92.4km, 河流水面面积为2772hm2。
Ⅲ:研究区内此类河流总长度为106.53km, 河流水面面积为1597.95hm2。
研究区域内的湖泊———月湖, 其水面面积9hm2。
此外, 根据往年系列数据得到宁波地区水面年均蒸发量约为1400.0mm。
根据以上数据算得宁波市区河湖水面总面积为12347.41 hm2。
由公式4.6算得宁波市区河湖水面蒸发需水量为17286.37×104m3。
3.2.5 宁波市区河湖自身需水量。由宁波市志查得宁波市水系
的平均深度如表3。
由公式4.7算得宁波市区河湖自身存在的需水总量为35279.38×104m3。
3.2.6 宁波市区河湖渗透需水量。
宁波市区河湖平均蓄水水面面积为12347.41hm2, 根据杨志峰的经验, 并结合宁波市的实际情况可取0.75m。由公式4, 8算得河湖渗透需水量为9260.56×104m3。
3.2.7 宁波市区河道基流需水量。
为保持宁波市区中内河的流动性, 必须保持其有一定流速。在河道基流的计算中, 根据杨志峰等的经验:在数据缺乏的情况下, 可假定城市人工河道的横断面面积为16m2, 断流天数控制为零。参考宁波市区实际情况, 一级内河的横断面面积可设为30m2, 二级内河的横断面面积可设为15m2。流速设为0.1m/s。由公式4.9算得宁波市区河道基流年均需水量为7095.60×104m3。
3.3 宁波市区生态环境需水总量
综上所述, 宁波市区生态环境需水总量为72751.82×104m3 (表4) 。
4 结语
城市生态环境需水量是指为了维持城市生态环境质量不再下降或改善城市环境而人为补充的水量, 它是以改善城市环境为目的。当前对其理论与方法的研究还处于初期的探索阶段。本文对其概念与内涵、类型与特征以及研究方法等进行了系统的探讨。在此基础上, 从理论公式出发, 利用卫星影像图等资料, 同时结合市志、统计年鉴等数据, 算得宁波市区生态环境需水总量为72751.82×104m3。
以往关于城市生态环境需水量的研究不足, 在进行城市水资源开发的过程中往往忽略了生态环境的需水量, 从而导致了一些对城市水资源利用的决策失误。如今随着对生态环境需水量研究的定量化, 为改善生态环境质量、维护生态平衡、合理配置和利用水资源、提高水资源的利用率、促进水资源的可持续利用提供科学依据。
摘要：城市生态环境需水量是一个整合的新概念, 涉及到多学科的内容。以宁波城市为例探讨了生态环境需水量的概念、计算方法以及预测方法, 认为城市是一个特殊的生态系统, 其生态环境需水量主要包括植被需水、河湖需水两部分。在此基础上, 根据相关理论, 利用卫星影像图、市志、统计年鉴等资料计算生态环境需水量。结果表明:宁波市区年均生态环境需水量约为72751.82×104m3。这一结果对宁波城市今后的水利项目规划建设、水资源保护等都有着重要的参考作用。
关键词：生态环境,需水量,宁波市区
参考文献
[1]许有鹏, 城市水资源与水环境[M].贵州:贵州人民出版社, 2003:79～91.
[2]姜翠玲、范晓秋, 城市生态环境需水量计算方法与应用[J].海河大学学报 (自然科学版) , 2004 (1) :14～17.
[3]田英、杨志峰、刘静玲, 等.城市生态环境需水量研究[J].环境科学学报, 2003 (23) :100～106.
[4]刘静玲、杨志峰, 湖泊生态环境需水量计算方法研究[J].自然资源学报, 2002, 17 (5) :604～609.
[5]许文杰、曹升乐, 城市湖泊生态环境需水量计算方法研究——以东昌湖为例[J].水力发电学报, 2009, 28 (1) :102～107.
河流生态需水量研究进展 篇5
河流生态需水量是当今水利和生态学界一个热点研究问题,本文总结了国内外现有的计算河流生态需水量的`方法和最新的研究动态,并针对目前研究中存在的主要问题,提出了今后的研究方向. 这对于在水利水电开发过程中合理确定河流生态需水量,保护生态环境,维护生物多样性具有重要的现实意义.
作 者：夏豪 黄川友 欧祖宏 XIA Hao HUANG Chuan-you OU Zu-hong 作者单位：四川大学水电学院,四川成都,610065 刊 名：西南民族大学学报（自然科学版） ISTIC英文刊名：JOURNAL OF SOUTHWEST UNIVERSITY FOR NATIONALITIES(NATURAL SCIENCE EDITION) 年，卷(期)：2006 32(4) 分类号：X171.1 关键词：河流生态需水量 计算方法
城市需水量 篇6
关键词：给水系统,预测需水量,灵活性设计,供水能力,多目标优化
1 概 述
城市给水系统设计和更新改造之前必须确定系统的供水能力。传统的方法是根据城市规划, 按照人口和经济的发展指标, 预测今后某年的需水量, 然后以该需水预测作为供水系统的必须达到的设计供水能力的目标值。这里把需水量当做是一个确定量, 忽视了预测的误差和用水量的随机性。
虽然给水系统从整体到各个组成部分都有一定的灵活性适应水量在一定范围内变化, 但是如果在作出设计和改造决策之前不考虑预测的误差和用水随机性的影响, 那么这时系统就是被动地适应水量变化。一旦需水量超过系统的最大供水能力, 就会出现部分区域供水不足, 而且这时采取补救措施的成本通常很高。设计中常用的方法是直接增加富余供水能力应对未预计水量, 那么这个富余供水能力的取值通常也是靠经验决定。过大的富余供水能力造成浪费, 而富余供水能力不足又会影响系统应对水量变化的能力。因此, 需要理论指导这部分的取值。
虽然现在有很多数学模型来预测长期用水需求, 但是长期的用水需求在任何模型中仍然是一个不确定值[1,2,3,4,5]。由于复杂的动力学机理和影响因素, 预测误差是不可避免的。一般来说, 长期需水量预报精度在85%以上在工程是可接受的[6]。此外, 预报的误差也随预测的时间的延长而增加, 例如:如果需水量是已知概率分布的随机数, 那么预测的标准差会随时间的延长而增加[7,8]。因此, 对设计和决策者来说, 一方面需要不断提高需水量预测精度, 另一方面需要在设计中考虑设计的灵活性。
虽然目前还没有一个权威和统一的定义, 但是这里所说的“灵活性”, 是指系统能够以最小的成本适应多种用水量变化情况下的供水要求。由于发展的不确定性和多阶段性, 系统的设计和更新改造也应该主动适应需水预测的误差和随机性, 体现一定的灵活性。为此, Farmani[9,10]将成本和可靠性作为优化目标, 在多种水力负荷 (用水量) 的情况下进行优化计算。Khu[11]以6个目标函数为优化对象, 为决策者提供了多种选择方案, 也体现了这种灵活性。但是, 这些计算都比较复杂, 实际的工程应用有困难。
一般地, 由于供水能力不足产生的补救性扩建、改造的单位建设成本通常比正常建设时高, 所以各个发展阶段的设计供水能力要考虑一定的未预计水量。这部分水量的大小通常受补救性扩建的成本、折现率和预测水量的概率分布等因素影响。本研究就是根据这些影响因素, 确定一个具有灵活性的供水能力目标值的序列。
2 工程设计原理
如果把工程改造 (设计) 的资金投入看作供水能力的函数, 那么当供水能力过剩时, 有资金的浪费, 反之, 需要追加投资 (供水能力) 来满足用水需求。因此, 本研究将供水能力的问题转化为比较浪费和追加投资的问题。目标随之转化为:在各个发展阶段必须保证用水需求的前提下, 由于过剩的供水能力造成的投资浪费, 和预测需水量不足导致追加的投资都尽可能的小。因此, 这时的问题可以看做是一个在需水量随机变化情况下的多阶段、双目标优化问题。
根据目前的研究, 长期用水需求可以被看做是一个随机过程, 例如马尔可夫过程[7,8]。无论哪种随机过程, 某用水阶段的用水需求通常可以被当做一个服从某一概率分布的随机变量。为了模拟每个阶段可能的用水需求, 可以用蒙特卡洛抽样或拉丁超立方抽样法生成一组服从某一随机分布的样本, 并且认为每个个体出现的概率是样本容量的倒数。很显然, 抽样的样本容量越大, 计算精度也越高, 但是计算量也越大。由于计算量的限制, 要对样本容量和计算精度作出权衡。然后, 根据每个阶段的需水预测及其概率分布, 完成多阶段、多目标的随机优化决策。
为了简化问题, 先作出若干假定:
(1) 每个阶段的需水量预测值是个随机变量, 实际出现的需水量必然与预测值抽样当中的某一个相同。这是将连续的分布空间离散化。
(2) 由于供水能力不足而追加的投资与供水能力的短缺成正比, 由于供水能力过剩而浪费的投资与富余的供水能力成正比, 前者的比例系数高于后者。
(3) 通过一个折现率r实现未来的投资折现。
全部发展过程划分为n个发展阶段 (不含初始状态) , 而每个发展阶段是含有m个可能的预测需水量的状态空间。初始阶段的需水量为Q0, 随后第i阶段 (i=1, …, n) 、第j种预测需水量 (j=1, …, m) 为Qundefined, 而在第i阶段、第k种 (k=1, …, m) 实际出现的需水量相应的概率为Pik, 见图 1。图中连线表示状态转移的方向。 因此, 问题可以概括为:第i阶段的供水能力按照第j种预测需水量Qundefined设计时, 可能造成的追加投资和浪费的投资是多少。对于多个阶段的分析, 还要将各阶段按照每种预测需水量设计造成的这两项投资分别累加。
如果第i 阶段、第j种预测需水量Qundefined小于某个实际需水量Qundefined, 则这种预测引起的追加投资为:
undefined
式中:a为追加投资系数, 表示单位不足需水量需要多少资金进行补救性投资, 才能满足需求;r为折现率;t为初始阶段到第i阶段的年数;上角标in表示不足 (insufficient) ;上角a表示实际发生的 (actual) 情况;上角 p表示预测 (predicted) 的情况。同时, 这种预测引起的浪费的投资为0。
如果第i 阶段、第j种预测需水量Qundefined大于实际需水量Qundefined, 则这种预测引起的投资浪费为:
undefined
式中:b为正常投资系数, 表示按照计划建设时, 单位过剩的供水能力造成资金浪费的多少, 上角标w表示浪费的 (wasted) 情况。同时, 这种预测引起的追加的投资为0。
因为在第i阶段到来之前, 需水量Qundefined以一定的概率分别对应于预测需水量中的某一个值Qundefined, 且出现的概率为Pik。因此在第i阶段, 采取第j种预测引起的多余供水能力的数学期望是:
undefined
式中:m为第i阶段所有典型预测需水量的个数。
类似地, 第i阶段, 采取第j种预测引起的供水能力不足的数学期望是:
undefined
如果预测值恰好与实际需水量完全相同, 则既没有浪费, 又没有富余, 是最佳状态。
例如:在第i阶段, 如果有5种可能的需水量 (编号1, 2, 3, 4, 5) , 且数值依次增大, 将这些预测和今后实际可能发生的需水量进行比较, 所得到的浪费的投资 (或追加的投资) , 如表1。 虽然同一预测水量不会同时大于且小于实际需水量, 但是, 如果实际需水量是个随机数, 就会同时有浪费和追加投资的可能性。
对于多个阶段的分析, 例如:三个阶段, 每阶段的需水量预测个数分别为x, y和z, 则总共需要进行x×y×z种决策 (序列) 的比较。一般每个阶段的每个决策都有浪费和不足两方面可能, 也就同时存在浪费和追加投资的期望值。对于每个决策序列, 只需将各阶段按照某种预测需水量设计造成的浪费和供水不足分别累加就可以得到该决策序列下, 浪费和追加的总的期望值。比如, 在1～3阶段, 每阶段的决策分别为第j1, j2, j3种需水量预测, 则这种决策序列对应的投资浪费的期望值为:
undefined
追加投资的期望值计算有类似公式:
undefined
这时, 在多阶段的优化决策过程中, 每个阶段的决策都考虑到以前各阶段的决策后果。优化的目的是找到一个非劣的决策集, 使该决策集在所有的决策中浪费和不足两方面的期望值都尽量地小。
实际上, 仅仅得到这样一组非劣解, 给决策者的选择空间还是太大。这时决策者可以先对浪费的投资和追加的投资分别赋予一定权重, 再按照加权平均法, 合并为一个优化目标, 作出选择。这适合于决策者对两个目标的重要性或者偏好判断比较明确的情况。如果为了简化问题, 可以认为二者同等重要, 这时的权重相等, 目标转化为求二者之和的最小值。
值得一提的是:如果需水量的预测误差 (或预测范围) 越大, 那么作为确定量的实际需水量 (尽管事先未知) , 与各种预测值之差的绝对值也就越大。由此导致浪费和不足的投资期望值都可能同时增大。因此, 提高需水量的预测精度仍然对减小浪费和追加投资有重要作用。
3 计算举例
这里采用了一个简单的算例解释这一模型的计算过程。
设全部发展过程分为第5年和第10年两个阶段。当前的设计供水能力已经恰好满足需要, 决策中不再考虑。已知第5和第10年预测需水量服从已知参数的均匀分布, 通过拉丁超立方抽样可以产生一些独立的需水量样本。如果每个阶段产生的样本容量为m, 则总的样本组合 (序列) 个数为m×m, 每个个体在每个阶段都有1/m的出现概率。
在本例中, 假设需水量的预测服从均匀分布, 需水量和投资分别用虚拟的单位水量和单位价格表示。第5年需水量的数学期望为1 000, 预测误差为3%。第10年需水量的数学期望是1 500, 预测误差为5%。
公式 (1) 和 (2) 中, 通常追加投资系数比正常投资系数高 (即a>b) , 这里取a=3, b=1。另外, 年折现率r= 5%。 如果综合考虑第5年和第10年的浪费和追加投资, 在某一次随机抽样计算中, 得到部分非劣解, 见表2和图2。表2是某一次随机抽样计算得到的部分近似最优解, 图2是这次随机抽样得到的全部随机解和其中的非劣解。表2中粗体字是试算的近似最优解中, 浪费与追加投资之和的数学期望最小的解。在这一次抽样计算中, 体现灵活性设计的第5年需水预测值是1 007.29, 第10年的预测值是1 518.40, 都大于相应的数学期望值, 最终得到的结果就是第5年和第10年需水量的这样一个决策序列。如果综合考虑这两个阶段, 浪费的和追加的投资的数学期望分别是42.50和23.90。
如果预测精度降低, 例如:第5年需水量预测误差范围为4%, 第10年需水量预测误差范围为6%, 其余因素都不变, 用同样的方法, 在某一次抽样计算中得到的近似最优解对应的第5年和第10年的需水量预测值分别为1 010.11和1 516.24, 浪费和追加投资的数学期望值分别是45.48和32.96, 二者之和为78.44。这一结果比原来预测精度较高时, 需要更充足的供水能力或更多的投资才能保证设计的灵活性。从这个对比也说明了提高需水预测精度对最后决策的影响。
如果将模型结果用于实际的决策, 可以通过多次抽样试算, 然后用取平均值的方法确定各个阶段最合适的供水量大小。这里举例取的是5年和10年两个阶段, 实际的工程中可以根据需要和计算能力取更多的时间阶段。
追加投资系数的惩罚效果和折现率都可以改变投资平衡。追加投资系数越大, 系统的富余供水能力也要求越大, 也就是宁肯事先多浪费一点, 也要避免供水能力不足时受到惩罚;折扣率越大, 说明决策者越看重近期的资金投入后果, 对于给水工程这样的公共服务性工程, 不宜取太大的折扣率。这些取值可以从实际工程经验中归纳, 具体的估计方法可以进一步研究。
4 结 语
在城市需水量的预测值当做概率已知的随机变量的前提下, 本研究对多阶段的城市给水系统设计供水能力作了分析。为了应对需水量预测的不确定性, 本文先以各阶段的富余和不足的供水能力最小化为优化目标, 然后把问题转化为:可能浪费的和可能追加的投资净现值最小化, 再作出优化决策。结果表明, 追加投资系数的惩罚效果和折现率都可以改变投资平衡。另外, 需水量预测精度的提高, 也可以减小浪费和追加投资的数学期望值。本研究提出的方法使设计供水能力在多阶段分析的基础上, 以最小的成本适应多种可能的需水量, 从而达到设计的灵活性, 帮助决策者选择优化的供水能力决策序列。
参考文献
[1]王弘宇.灰色新陈代谢GM (1, 1) 模型在中长期城市需水量预测中的应用研究[J].武汉大学学报 (工学版) , 2004, 37 (006) :32-35.
[2]刘俊良, 臧景红, 何延青.系统动力学模型用于城市需水量预测[J].中国给水排水, 2005, 21 (6) :31-34.
[3]Chang N B, A Makkeasorn.Water demand analysis in urban re-gion by neural network models[C].ASCE, 2006:247:48.
[4]Kebai L, C Senfa.Opti mal control model of urban water re-sources supply and demand management[C]∥Grey Systems andIntelligent Services, IEEE, 2007:865-870.
[5]Ghiassi M, D KZi mbra, HSaidane.Urban Water Demand Fore-casting with a Dynamic Artificial Neural Network Model[J].Journal of Water Resources Planning and Management, 2008, 134:138.
[6]赵洪宾, 严煦世, 给水管网系统理论与分析[M].北京:中国建筑工业出版社, 2003.
[7]曹萍.城市年用水量的马尔可夫过程仿真预测[J].西安科技学院学报, 2001, 21 (4) :333-336.
[8]宋巧娜, 唐德善.城市工业用水量的灰色马尔可夫预测模型[J].节水灌溉, 2007, (5) :54-56.
[9]Farmani R, G A Walters, D A Savic.Trade-off between totalcost and reliability for anytown water distribution network[J].Journal of Water Resources Planning and Management, 2005, 131 (3) :161-171.
[10]Farmani R, D ASavic, G A Walters.The si multaneous multi-objective opti mization of anytown pipe rehabilitation, tank siz-ing, tank siting and pump operation schedules[C].Salt LakeCity, UT, United states:American Society of Mechanical Engi-neers.2004.
城市用水量预测方法探讨 篇7
1.1 惯性原则:过去行为不仅影响现在, 还会影响未来, 任何事物发展有一定的连续性。
1.2 类推原则:
事物相互之间在发展变化中常有类似的地方, 利用两事物的发生时间不同, 表现形式相似的特点, 由前一事物类推后一事物。
1.3 相关性原则:任何事物发展都是相辅相成的状态下共同发展的。
1.4 概率推断原则:当推断预测结果比较大的概率出现, 认为这个结果是成立的。
用水量预测是预测的一个分支, 从预测的步骤来阐述用水量预测中的问题, 重点对预测方法进行比较。
2. 用水量预测的步骤
2.1 确定预测目标、时间限度
在新城市发展规划中, 城市水量需求预测是城建不笨特别重视的问题, 水量需求预测的科学合理程度, 将直接影响城市市政工程和相应设施规模的进一步建立, 它覆盖方面广, 政策导向性高, 并且用水量标准的高低直接影响建设投资、扩建期限、未来水量的保证等方面。计算规划期内人口、生产行业发展规模和性质, 估算用水量。用水量的预测则分为短期和长期的预测。短期预测为供水管网系统的优化调度运行提供了依据, 它是根据过去的十几天货及时填用水量记录及影响用水量的因素对未来几小时、一天或者几天用水做出预测。长期预测为城市整体建设提供依据, 它是根据城市人口增长速度、经济发展速度等方面对未来几年至几十年后城市的用水量做出的预测。
2.2 通过收集数据资料, 了解规律
收集对象用水量的历史资料, 影响因素如人口、工业产值、生活条件、气候条件等, 未来可能表现状况, 分析加工整理, 力求真实、可靠。
2.3 选择用水量预测方法
用水量预测是定量分析, 目前主要使用回归法、时间序列法和系统方法。
2.3.1 回归法以客观事物与影响因素的关系研究切入, 分析影响预测对象的各方面因素, 建立预测的对象与影响因素关系模型, 研究影响因素的变化规律所反映出的预测对象变化规律。
特点:需大量数据, 长期预测, 历史悠久, 比较成熟。
2.3.2 时间序列法, 取决于被预测量的历史观测数据及数据的模式, 通过序列分析查出顺序变化规律。
缺点:缺少具体因果分析, 当未来离现在较远时, 不确定因素增加, 长期预测可信度差。
优点:简便, 需时短, 对中短期预测, 尤其是缺少数据的情况适用。
2.3.3 因用水的复杂性、非线性、时变化性, 有人口, 居民活动、生活习惯、生产和生活条件等诸多因素的影响, 一般的回归模型难以描述各影响因素与用水量之间的复杂关系。
不容易建立精确数学模型, 水量模型有多种不确定性和非线性, 系统预测方法的灰色预测法和神经网络法更能很好适应这些特点。
(1) 灰色系统理论指出, 尽管客观事物或系统表象复杂、数据离乱, 但总是有序的整体功能, 具有内在规律, 关键在于怎样挖掘和利用。灰色预测模型 (GM) 通过对原始数据生成处理, 使呈指数趋势变化, 建立指数微分方程, 最终得到预测模型。
特点:数据量少, 最少只需4个数据, 短期预测效果较好。
(2) 神经网络是指由海量简单神经单元相联构成的一种计算结构, 在一定程度上可以模拟生物神经系统过程, 具备解决实际问题的能力。
神经网络既具有强大的反应能力, 可以解决任何复杂因果关系, 还具有丰富的优点, 能够从大量的历史数据中进行操练, 从而找出变化规律。神经网络模型中应用最广的是BP神经网络模型, 实际上它是梯度下降法, 算法性能依赖初始条件, 学习过程易陷入局部最小, 收敛慢。但可以对算法改进。
2.4 确定模型及评价
通过预测方法, 确定一个简洁适应的模型。评价的准则:
①合理性。事物发展规律一致性质、经验和逻辑判断与事物发展趋势一致。
②预测能力。预测期间事物发展条件是否变化, 预测的误差范围要小。
③稳定性。较长的时间内能准确反映对象的发展变化情况, 参数对统计数据影响小。如以1999年的数据和以2002年的数据为起点对模型影响不大。
2.5 提供预测结果
对有关部门提供预测结果。
3. 总结
通过对预测技术的了解, 详细介绍用水量预测的步骤与方法, 因用水量不容易建立数学模型, 用水量模型具有多种不确定性、非线性, 推荐系统方法预测短期用水量。
摘要：城市用水量预测是进行城市建设规划、供水系统优化调度的一项十分重要的工作。用水量的中、长期预测可以指导城市的规划发展方向, 水源布置、加压泵站设置以及供水管网管径选取、铺设位置等规划, 用水量对城市用水量预测的研究具有很高的应用价值。
关键词：城市水量,水量预测,预测技术
参考文献
[1]王皖尘.可行性研究和多目标决策[M].北京:北京机械工业出版社, 1986.
[2]邓聚龙.灰理论基础[M].华中科技大学出版社.
[3]刘洪波等.人工神经网络法预测时用水量[J].中国给水排水, 2002.10.
城市日用水量的分形特征 篇8
关键词：分形,分形维数,用水量
0前言
我国是一个水资源极度匮乏的国家, 人均占有量只有2300立方米, 不足世界人均水平的四分之一。随着我国经济的迅速发展, 我国缺水形势会日趋严峻。据统计, 我国日缺水量1600多万吨。我国城市缺水问题也很严重, 要较好地解决城市水资源短缺问题, 节约用水、提高水资源的利用效率是一条根本途径。其中一项主要措施就是实行计划用水和用水定额管理。自然界大部分的动态系统都是处于无序的、非线性的、非平衡和随机的状态之中, 在这其中有无数的无规则干扰、非线性及随机过程。然而, 在这些复杂过程的背后, 还存在着某种规律性。分形理论是20世纪70年代由美籍科学家B.B.Mandelbrot首次提出的, 它揭示了非线性系统中有序与无序的统一、确定性与随机性的统一[1]。它用一个全新的观念、崭新的手段和与其他控制方法不同的处理方式, 揭示了隐藏在复杂现象背后的几何规律、局部和整体之间的形体本质联系[2]。
城市水用量是十分复杂的非线性系统, 其内部子系统数量巨大, 种类繁多[3], 各供水单元与用水单位之间存在着相互制约、相互推动的非线性关系, 而且在外部物质、能量、信息输入区域水资源系统的情况下, 区域水资源系统内部功能会越来越完善, 并且呈现出各个子系统或元素之间相互配合地共同完成水资源开发利用目标的状态, 即系统呈现出宏观有序的远离非平衡态的状态, 走上自组织演化的有序道路;最后, 区域水资源系统在外界影响下会产生无数个“小涨落”, 当涨落影响达到一定程度时, 系统就会产生“巨涨落”, 从当前的状态跃到更有序的状态[4], 从而不断地向前发展。对于这样一个系统而言, 各个子系统或元素之间的竞争和合作构成了系统演化的动力, 这种竞争和合作的发展决定了系统的演化方向[5]。因此, 把握好区域水资源系统整体演化方向及城市用水量变化规律, 对正确地判断系统运动的宏观模式及水资源的合理开发、利用和保护, 具有十分重要的意义。
1 分形基本理论
分形是具有自相似对称性的集合对象。一个系统的自相似性是指某种结构或过程的特征从不同的空间尺度和时间尺度来看都是相似的, 或者某系统活结构的局域性或局域结构与整体类似[6]。法尔科内对分形集合F作出了如下描述[4]:1) F具有精细的结构, 即在任意小的尺度之下, 它总具有复杂的细节;2) F是如此的不规则, 以至它的整体和局部都不能用传统的几何语言来描述;3) F通常具有某种自相似性, 这种自相似性可以是近似的, 也可以是统计意义上的;4) F在某种意义下的分形维数通常都大于它的拓扑维数;5) 在多数情形下, F可以采用非常简单的方法来定义, 也可以通过递归过程产生。
设F为Rn的任意非空子集, s是一个非负实数, 对任意δ>0, 定义
Hsδ (F) =infi∈=kΣ1 UiS:i∈U∈为F的δ-覆盖∈, (1)
k是Ui∈∈的元素的总个数。考虑所有直径不超过δ的F的覆盖, 并试图使这些直径的s次幂的和达到最小。当δ减少时, 式 (1) 中能覆盖F的集类的个数也相应的减少, 所以当δ→0时, Hδs (F) 趋于一极限, 则集合F的s-维Hausdorff测度为
存在s的一个临界点, 使得Hs (F) 从∞跳跃到0, 这个临界值称为F的Hausdorff维数, 以DH表示。即:
Hausdorff维数可以这样获得:设有一条长度为L的线段, 若用一长为r的尺作为单位去量, 量度结果为N, 则它们关系为N (r) =L/r~r-1, 若测量一块面积为A的平面, 就用边长为r的单位小正方形去测量, 而三者之间的关系为N (r) =A/r2~r-2, r越小, 测得越准。同理, 用半径为r的小球来填满一块体积V, 所需小球的数目比例于V/r3。结论为对于一个有确定维数的几何体, 若用与它相同维数的尺去测量, 则可得到一确定的数值N;若用低于它维数的尺去量它, 结果为无穷大;若用高于它维数的尺去量它, 结果为零。其数学表达式为N (r) ~r-DH, 两边取自然对数, 可得Hausdorff维数DH为
从 (4) 式可看出, 双对数坐标下的斜率即为分形维数DH。DH可以是整数, 也可以是分数, 若为整数则所讨论的几何体就是欧氏几何学范畴内光滑平整的, 若为分数, 则定义为分形。分形维数可测定几何体的不平度、复杂度。
2 日用水量的分形特征
城市日用水量变化受确定性因素和随机性因素的影响, 主要包括城市规模、城市工商业分布、居民生活习惯和经济水平、气候因素和节假日等因素的综合影响。日用水量变化规律主要表现为周期性、趋势性和随机性, 即城市日用水量大致呈现按周、按月、按季和按年4种周期性变化规律, 随着人们生活水平的提高和城市经济的发展, 城市日用水量有逐年增加的趋势。
以西北地区某市某4月1日到7月9日得日用水量实测数据为例 (见图1) , 可以看出城市日用水量呈现很好的按周和按月的周期性, 日变化呈现一周中周末用水量比正常周一到周五的多, 月变化则根据季节性的更替, 夏季最多, 春秋次之, 冬天最少。
我们做出日用水量双对数坐标图, 如图2所示:
选取无标度区, 并对此区间的双对数坐标点进行回归计算, 结果如下:ln S=0.30lnk+6.75, 则分形维数DH=3.33。
3 结论
通过对城市日用水量的整理总结分析, 得出城市日用水量影响因素, 具体结论日下:
1) 研究结果表明, 小城镇生活用水日变化系数为1.1~1.8之间, 城市规模越大, 日变化系数越小。
2) 日用水量随月份变化具有相似性。具体表现为每年春季2月和3月用水量最低, 而到了夏季7~9月用水量达到一年中的最高值, 所以居民生活用水情况随季节的变化规律非常明显。
3) 通过计算得日用水量分形维数为3.33, 但必须明确的是, 此分形维数还和城市的选取、时间段的选取等因素有关。
研究城市日用水量对合理利用水资源、促进城市经济的可持续发展具有极为重要的意义。充分利用城市日用水量具有周期性和自相似性的特点, 将分形理论引入到城市日用水量的研究中, 不仅扩大了分形理论的应用领域, 也为用水量研究提出了新方法, 可以尝试应用该方法研究城市日用水量, 弥补城市建设基础资源缺陷, 为城市供水优化调度提供决策支持和技术指导。
参考文献
[1]Kaye B H.A Random Walk Through Fractal Dimensions[M].New York:VCH Publishers, 1989.
[2]张莉, 于国海, 马岩.分形理论在城市道路交通控制系统中的应用[J].东北林业大学学报, 2003, 31 (02) :54-561.
[3]李少华, 董增川, 周毅, 等.复杂巨系统视角下的水资源安全及其研究方法[J].水资源保护, 2007, 23 (02) :103, 42.
[4]畅建霞, 黄强, 王义民, 等.基于耗散结构理论和灰色关联熵的水资源系统演化方向判别模型研究[J].水利学报, 2002 (11) :1070112.
[5]H.哈肯.协同学:自然成功的奥秘[M].戴鸣钟, 译.上海:上海科学普及出版社, 1988.
[6]张济忠.分形[M].北京:清华大学出版社, 1995.
城市需水量 篇9
城市给水排水工程从总体规划、专业规划、详细规划阶段, 到工程实施, 其水量规模的确定是逐步深化和完善的过程, 各阶段有不同的规范、标准、指标作指导。如果混淆不同阶段和相应的规范, 不作调研, 将影响预测的准确性。
1 总体规划阶段给水水量预测
城市总体规划阶段的给水工程规划是根据城市发展目标、用地、人口规模, 空间布局安排和水资源状况, 提出各取水水源、供水系统的规划期内工程水量、水质目标和设施布局。
给水规范所提指标适用于城市总体规划期内 (一般为20年) 的水量预测, 并按此控制水资源和提出总水量规模, 由于城市用水有逐步增长的过程, 因而近期指标要大幅下降。
给水范围所提指标是全国通用指标, 选用时不能简单按照城市规模类别和分区进行套用, 必须先对城市现状指标进行测算研究, 按照发展趋势确定规划期所采用的指标。同一城市的不同地区, 由于用地性质和供水条件不同, 应采用不同的指标。一些水资源不足的城市和供水距离较远的地区, 更应强调节约用水, 采用多种措施降低耗水量, 其综合用水量指标也应大幅下降。
给水规范所指人均是指户籍人口, 未包括暂住人口和流动人口, 目前一般采用城市人口数 (指户籍人口及暂住一年的人口) , 因而选用指标时要考虑人口数的内涵。流动人口的用水量一般已计入指标中, 不单独计算。
有些城镇集中发展一种或几种工业, 形成产业规模, 其工业用水量所占的比重较大, 不符合一般城市的组成结构, 但与人口数形成一定的比例关系。可采用生活、工业用水比例法, 即用人口增长数, 人均居民用水量及生活用水与工业用水的比例来推算今后的总用水量, 有一定的准确性。
在城市中用水量较大且水质要求低于《生活饮用水水质标准》的工业企业, 如当地有取水水源应自建供水设施, 其水量不计入城市给水水量规模。在城市建设用地范围内, 应限制工业自备水源供给生活饮用水。
2 总体规划阶段污水水量预测
国家标准《城市排水工程规划规范》 (GB50318-2000) (以下简称排水规范) 中关于城市污水量预测方法提出:城市污水量应由城市给水工程统一供水的用户和自备水原供水的用户排出的城市综合生活污水量和工业废水量组成, 城市污水量宜根据城市综合用水量 (平均日) 乘以城市污水排放系数确定, 其中对污水排放系数提出0.70~0.80的数值。而排水规范中对排放系数的内涵未作细致的说明, 笔者认为, 实际影响污水水量有下述因素:
给水日变化系数。由最大日给水量, 折算成平均日给水量, 其数值应根据当地实测数或给水规范提供的数据确定。
产销差率。城市给水厂供出水中包括计量用水及非计量用水, 其中计量用水除工业冷却水外一般会产生污水水量;非计量用水包括漏失水量, 绿化及浇洒道路用水, 消防用水等, 这些用水不产生污水量, 不进入污水系统, 一般占供水量的12%~20%。
产污率。指用户产生的污水量与用户的用水量比值, 即使用过程中的损耗。产污率与工业性质、城镇卫生设施等因素有关, 一般取0.85~0.90。
截污率。指进入城市污水系统的污水量与产生的污水量之比值。截污率与污水收集系统的完善程度等因素有关, 要求规划期末在规划范围内都应达到100%是不可能的, 即要求零排放是无法实现的。在规划污水管道时, 截污率最高值可取0.9。
处理率。指进入城市污水厂处理的污水量与城市产生的污水量之比值, 是反映城市污水治理水平的重要指标。城市污水处理厂是分期建成的, 近期规模应按接纳范围近期所产生的污水量和合适的截污率来确定。避免当前污水处理厂建设规模偏大, 进水量达不到设计规模的倾向。
自备水源产生的污水量。在规划建设用地范围内, 有自备水源的工业, 若其污水水质符合接管标准 (或经过厂内治理后达到接管标准) , 一船均应纳入城市污水系统。若工厂远离市区, 其排放污水水质又有特殊性或污水量很大, 则应单独设厂处理。
地下水渗入量及污水渗出量。目前一些城市的污水管道材质及接口形式较差, 检查井破损, 为节省电费, 采用高水位运行方式, 管道普遍受内压, 污水向外渗出;南方地区地下水水位较高, 易于渗入污水管道。渗入及渗出量很难测算, 但造成很大损失, 若按地下水渗入量1000 m3/ (km2·d) 计算, 一个100万km2的城市, 每天增加提升和处理量10万m3, 年增加费用约2 000万元。笔者建议要提高管道和检查井的质量, 考虑受内压的可能, 对现有质量较差的管道采用内衬的方式, 减少渗入及渗出量。
雨水进入量。一般城市均采用雨、污分流排水体制, 但由于城市街道、工厂、小区内部排水管道雨污分流未能完全实施, 以及暴雨时路面积水、雨水大量进入污水管道。某城市连续5天暴雨, 降水量242.5mm, 污水处理厂进水量比同期晴天增加60%, 一些中途提升泵站进水量增加1~2倍, 给确定设计规模和运行管理带来困难。雨污分流不仅要增加污水接入量, 同时要减少雨水进入量, 目前一些污水系统设计规模较大, 睛天时污水量较少, 但暴雨时又超过设计规模。因此, 完善城市排水系统, 实行雨污分流是长期、细致和十分必要的。
3 分区规划阶段及专业规划给水、污水量预测
分区规划是对城市总体规划基础上的深化、补充和完善, 一般是分区、分块进行规划。专业规划则将给水、排水工程, 按专业内容和需要单独进行规划。两种规划对水量预测不仅要进一步核实不同规划期的总水量, 而且要提出各地块的用水量和污水量。其预测的依据是:
已经建成并不再改造的地块, 应以实地调查为主, 调查实际用水量及排污水量, 如无资料, 应取得建筑面积, 客房数, 工厂产品数等资料, 根据指标进行推算。
对尚待建设的地块, 由于在分区规划阶段只知其性质和面积, 尚未确定其开发强度及工业性质, 可以按照给水规范提出的不同性质用地用水量指标推算。从今后加强节约用水、降低产品耗水及提高回用率等角度来衡量, 这些指标应予降低, 建议有关部门要加强调查研究, 使不同性质用地用水量指标趋向完善和准确。
各分区分块计算水量之和应与城市总水量大体相符。各分块水量是规划阶段计算给水管网系统和污水管道系统的依据。
4 详细规划阶段给水、污水量预测
详细规划阶段已明确开发建设的强度及要求, 居住区应有容积率、层高等指标, 公共建筑应有建筑量、客房数等规划条件, 给水、污水量应根据单位水量指标测算。
若居住区有1km2, 建筑容积率1.2, 户均100m2, 有3人, 人均最高日用水量指标300L/ (人·d) (包括居住区内小公建、绿化用水) , 则单位用地用水量指标为1.08万m3 (km2·d) , 可以比较准确计算出居住区的用水量。
在测算污水量时, 应计算产污率及日变化系数, 不计产销差率及截污率。若产污率为0.9, 日变化系数1.3~1.5, 则污水量相当于给水量的70%~60%。
摘要：确定城市给水排水工程规划水量规模十分重要, 提出从总体规划、专业规划、详细规划到工程实施等各规划阶段预测水量规模的依据及需注意的问题。
城市需水量 篇10
我国的气候变化与全球是一致的。近百年来, 中国地表平均温度也是明显增加的,升温幅度为 ( 0. 56 ~ 0. 8) ℃[4]; 同时中国地面气温显著上升的同时,降水也在发生着变化。降水量的空间分布不均以及降水强度的异常变化直接或间接影响工农业生产,从而制约国民经济的发展。东北地区处于北半球的中高纬度,也是我国纬度最高的地区,同时也是我国气候变化最明显的地区[5]。由于本区气候的多变性,沈阳区域气候中心建立了东北地区近百年来四季和逐年的气温和降水序列,分析了东北地区百年气温的年代、年和季节等不同时间尺度的变化特点和地域分布特征。付长超等[6]对东北地区近60 a气候时空变化差异规律进行了研究: 时域内,东北地区年平均气温呈上升趋势,增温幅度有由西南向东北逐渐增强的趋势; 在降水方面,本区的大部分区域降水呈现出不同程度的减少趋势,其中环渤海地区和辽河平原地区降水减少幅度较大。
有研究证实,城市化很可能是导致上述气候变暖和降水变化的主要原因[7]。对于城市气候,无论是下垫面还是大气成分都受到了极大的人为改变, 人类的活动对气候的影响在城市中表现得尤其突出。随着经济的发展,城市化进程也在加速[8],城市化及人类活动所带来的气候变化尤其是城市气候的变化亦备受关注[9]。
目前,极少有关于东北地区的城市化对气候的影响的报道。尽管对于东北地区的气候变化研究层出不穷[10,11],但是对于本区城市的气候变化趋势尚不清楚。基于上述事实,根据东北地区主要城市观测站近50 a气温及降水资料,采用统计学分析方法,着重对本区城市的气温和降水变化趋势进行分析,旨在揭示本区城市气候的演变规律,为区域城市气候诊断分析和预测提供参考依据。
1资料与方法
1.1资料来源
选用国家气象中心提供的东北地区21个主要城市气象站( 表1) 的逐日气温和逐日降水观测数据。数据采集时间自1961年1月1日至2010年12月31日。对原始数据中的个别缺测或错测记录进行了插补订正。
1.2研究方法
采用线性回归法[12]反映气候序列的变化趋势; 采用Morlet小波[13,14]分析气温变化的时域结构以及在不同时域上的周期性振荡特征,根据小波变换系数实部的时频域分布反映气候信号的周期性,同时应用小波功率谱[15]检验其变化周期的显著性; 采用Mann-Kendall检验法[16]判断气候突变的开始时间,而且可指出突变区域; 应用R/S分析( rescaled range analysis)[17]所做出的H值大小,判断该时间序列是完全随机的或是存在趋势性( 持续性,反持续性) 成分; 经验正交 函数 ( empirical orthogonal function,EOF) 分析本区主要城市气候变量的时空分布,既保留原始数据提供的绝大部分信息,又能起降维作用,有效浓缩空间场信息。
2东北地区主要城市的气温变化
2.1平均气温的区域分布特征
表2列出了近50 a东北地区主要城市年平均及四季平均气温的EOF分析结果,依次取前三个特征向量分别作为3个气温分布基本类型。年平均气温分布的第一特征向量的方差贡献高达74. 82% , 特征向量在所讨论的整个区域内均为正值,表明尽管东北地区面积广阔,但同属于一种气候类型,各城市的温度变化具有较好的空间一致性[图1( a) ]。 第二特征向量,其特征向量场空间分布特点是由吉林中部和辽宁东北部向南并向北递减[图1( b) ], 这可能是由地理纬度影响所致,即纬度越靠北,年极低气温越低,进而影响年平均温度使得年平均气温越低; 同时也可能由于海洋调节的原因,即辽宁省南部地区靠近渤海湾,年最高气温要低于其他区域,进而影响年平均温度。第三特征向量高值集中在松嫩平原,低值集中在小兴安岭[图1( c) ]。
第一特征向量对应的时间系数具有明显的年代际变化特征,20世纪80年代中期之前变化幅度较大; 时间系数正的极值出现在2007年,与极端高温年对应,负的极值出现在1969年,对应东北地区城市极端低温年[图1( d) ]。
2.2城市气温的年代际变化
采用t检验方法检验总体和各阶段气温倾向趋势的显著性,大部分都通过了信度0. 05的显著性检验,说明东北地区主要城市的气温上升趋势明显 ( 表3) 。
1961 ~ 1970年的降温阶段,气温倾向率为0. 414 ℃ /10 a ( P < 0. 001 ) ,说明降温趋势显著。 ( 1971 ~ 1987) 年的缓慢 升温阶段,升温幅度 为0. 102 ℃ /10 a: 缓慢升温阶段中包含了1971 ~ 1980年的升温阶段和1981 ~ 1987年的降温阶段,但两者的升降温幅度都不大,均未通过α = 0. 05的显著性检验,这说明此阶段的升温与降温趋势不显著。 1988 ~ 2010年的升温阶段,其中以20世纪80年代后期和90年代初期的增温幅度最大( 0. 642 /10a,P < 0. 001) 。表明本区主要城市气温处于偏暖期,升温趋势十分显著( 图2) 。
注:*P 达到 0. 05 的显著水平 ( α0. 05= 0. 273 ) 检,**P 达 0. 001 的显著水平 ( α0. 001= 0. 443) 。b 为回归系数,b 的 10 倍为气温线性倾向率,单位是℃ /10a; rxt为气温。
2. 3城市气温 的变差系数
各年代平均气温变差系数最大的是20世纪60年代( 表4 ) ,随后变差系数逐渐减小,到90年代达到最小, 21世纪后又略有增加 。 这和气温变化曲线所反映的结果基本一致 。 说明东北主要城市气温在1961 ~ 1970年期间是分析期内气温年际变化最明显的阶段,而后逐渐趋于稳定,直至20世纪90年代 。
2.4城市气温突变分析
采用Mann-Kendall方法对近50 a东北地区主要城市年平均气温进行了突变检测,结果如图3所示。两条检验曲线在临界线内存在明显的交点,说明年平均气温存在显著的突变特征。时域内,东北地区年平均气温在1988年发生了突变,20世纪90年代以来增暖趋势十分明显,通过了信度 α = 0. 05的显著性检验。
直线为 95% 临界值线,临界值 | U|0. 05= 1. 96 ; 虚线为 UF 曲线,实线为 UB 曲线
2.5气温变化的时频结构
东北地区主要城市年平均气温变化表现为明显的4 a尺度的年代际变化周期和( 7 ~ 8) a、16 a、准2 a尺度的年际变化周期。时域中4 a尺度的年代际振荡主要表现在1975年以前,表现为3个偏冷期和3个偏暖期,分别对应1962年以前的偏冷期、1963 ~ 1965年的偏暖期、20世纪60年代中期到60年代末的偏冷期和偏暖期、70年代初期到1973年的偏冷期和1975年左右的偏暖期; 另外4a尺度的年际变化周期还表现在21世纪以后。气温变化的年际尺度周期性振荡还表现在20世纪80年代至1995年的( 7 ~ 8) a尺度变化周期。16 a左右周期信号出现在所讨论的整个时域中; 准2a的周期信号主要表现在20世纪70年代中期。其中,准2 a尺度周期信号明显,16 a周期信号相对较弱[图4( a) ]。
年平均气温的小波功率谱检验结果如图4( b) 所示,图中等值线为小波功率谱与置信水平为95% 的红噪声标准谱的比值,曲线为红噪声检验曲线,曲线包含范围内的振荡周期即通过了红噪声检验。时域中,4 a尺度的低频振荡能量最强,主要出现在1975年以前,另外21世纪以后仍有明显表现,说明气温变化的高频振荡更加频繁。年际尺度显著周期的时域分布存在明显的局部化特征,( 7 ~ 8) a尺度显著周期主要表现在20世纪80年代至1995年,且80年代该尺度周期的振荡能量较高; 准2 a尺度显著周期主要出现在20世纪70年代中期,且振荡能量强大。
东北主要城市的春季气温变化存在4 a左右的振荡周期,主要表现在20世纪60年代初期到70年代初期,其中有2个暖期和3个冷期; 另外4 a的振荡周期还表现在20世纪80年代初期至90年代中期。同时,时域中8 a左右的振 荡周期表 现为1970 ~ 2000年。经小波功率谱检验,4 a尺度周期振荡能量较强。
夏季平均温度变化存在着3 a、6 a和准2 a尺度的震荡周期,其中3 a尺度周期信号在所讨论的时域的20世纪80年代中期到2010年均有表现。 另外,相同时域还表现为6 a尺度的震荡周期,其中有3个暖期和3个冷期交替出现。而准2 a尺度的周期信号表现为20世纪70年代至80年代。3 a、 6 a和准2 a尺度周期均通过了显著性检验,其中3 a尺度周期能量最强,出现在90年代以后。
秋季气温变化的周期信号较弱,20世纪70 ~ 80年代以2 a尺度周期为主,90年代以后存在4 a左右的周期振荡; 另外,16 a左右周期信号出现在所讨论的整个时域中。秋季气温变化仅准2 a尺度周期通过了显著性检验。
冬季气温周期性变化明显,16 a左右周期信号出现在所讨论的整个时域中; 2001 ~ 2010年期间4 a尺度周期信号也有所表现,1980年以前也主要表现为4 a的周期信号。另外8 a尺度的震荡周期表现在80年代至90年代。经小波功率谱检验,8 a尺度变化周期振荡能量强大,整个时域中均有表现,另外4 a尺度变化周期也通过了显著性检验,时域中局部化特征明显。
2.6未来气温变化趋势
表5列出了东北地区主要城市各季节和年平均气温的Hurst指数。可见,东北地区主要城市四季及年平均气温的Hurst指数均大于0. 5,说明平均气温将继续保持原来的增温趋势; 其中以春季和冬季增温趋势最强( 持续性分级: 很强) 、年平均气温的增温趋势次之( 持续性分级: 强) ,其次是夏季( 持续性分级: 较强) 和秋季( 持续性分级: 较弱) 增温。由此认为东北地区主要城市未来几年的气温变化仍将保持不同程度的增温趋势。
3东北地区主要城市的降水变化
3.1城市平均降水的区域分布特征
1961 ~ 2010年东北地区主要城市的年降水量空间分布自东南向西北和西南方向递减,并且差异显著[图5( a) ]; 城市夏季6 ~ 8月降水总量与年降水量的分布特点十分相似,也具有南部多且梯度变化大、西北少的特点[图5( b) ]; 冬季降水总量都是以固体形式降水,分布从东南向西递减[图5( c) ]。
3.2城市降水空间变化规律
对东北地区主要城市站点研究时域的年降水量资料场进行EOF正交分解,前三个特征向量场的方差贡献率如表6。其中,主要城市年降水量的经验正交函数 前三个典 型场的累 积方差贡 献达54. 89% ,基本上描述了年降水量场的主要特征。
第一个特征向量场的方差贡献为32. 17% ,其所代表的空间变化特征定义为本区主要城市年降水分布第一型,即年降水量的空间分布很不均匀。其中南部城市载荷值较大,北部城市载荷值较小,这说明南部城市降水较多且梯度变化大,北部城市降水较少[图6( a) ]。
第二特征向量场空间分布特点是由南部城市向东北部城市递减[图6( b) ],说明本区南部与北部城市的年降水量表现出反位相的变化特征。
第三特征向量方差贡献为10. 25% ,其空间特征向量高值集中在长白山脉东端,低值集中在漠河地区[图6( c) ]。第三特征向量图分析,东北地区主要城市的降水大体和本区的地形分布一致,降水由东部向西北减少,长白山脉东段多年平均降水较多可能是由于这里的山脉呈东北-西南走向,主要水汽来向近似垂直,受地形作用,迎风面气流抬升形成降雨,致使该地区成为东北地区降水中心,进而影响年降水量。此外,这种分布特征亦有可能是城市化效应对降水变化产生了影响[18]。
3.3城市降水量的年际变化
自1961 ~ 2010年间,东北地区主要城市年总降水量在时域中呈波动中呈略下降趋势。如图7所示,时域内年总降水量呈下降趋势; 尤其是1985年以来,本区主要城市降水明显趋于减少。其气候倾向率为 - 4. 103 mm/10 a,并经显著性检验达到了0. 001的显著水平。
东北地区主要城市年降水量的阶段性变化明显,分为2个偏多时段和2个偏少时段: 20世纪60年代初至60年代中期,1980年代中期和1990年代中期为降水偏多时期; 70年代中期以后至1980年代初,1990年代末至2000年以来为降水偏少期。
3.4城市降水量的年代际变化
时域内,东北地区主要城市的年降水量大体上可以分为4个阶段: 1961 ~ 1965年的降水增加阶段; 1965 ~ 1980年的降水减少阶段,年降水量由1965年的623. 27 mm减少到1980年的535. 25 mm, 减少幅度为5. 065 mm/10a; 1981 ~ 1995年的降水增加阶段; 1995 ~ 2010年的降水偏少阶段,年降水量由1996年的595. 93 mm升高到2010年的560. 75 mm,其中1995 ~ 2005年降水减 少幅度最 大 ( - 3. 041 mm/10a) ,并通过了 α = 0. 001的信度检验; 此阶段表明东北地区主要城市处于少雨期,且雨量减少趋势十分显著。
东北地区主要城市的春季降水总量年代际变化明显,21世纪初为降水明显增加时段,1970年代中期至1970年代后期和1980年代中期为降水明显偏少期; 夏季降水总量呈略减少趋势,分为两个多雨期和两个少雨期,1960年代中期、1980年代中期至1990年代中期,为降水偏多时段; 1960年代末至1980年代初、以及1990年代末期以来为降水偏少时段; 秋季降水总量呈减少趋势,有3个降水偏多时段和3个偏多时段和3个偏少时段。20世纪90年代中期以来,秋季降水处于偏少时段; 冬季降水呈微弱增加趋势,年代际变化明显。1970年代末期、 1990年代末为降水偏多时段; 1970年代中期、1990年代中期为降水偏少时段,1999年以来,冬季降水较多( 表7) 。
注: 达到 0. 05 的显著水平( α0. 05= 0. 273) 检验,§ 达到 0. 001 的显著水平( α0. 001= 0. 443) 。b 为回归系数,b 的 10 倍为气温线性倾向率,单位是℃ /10a; rxt为降水量趋势。
3.5城市降水变化的时频结构
东北地区主要城市的年降水量变化表现为明显的准2 a、4 a和( 9 ~ 10) a尺度的年际变化周期。 时域中准2 a尺度的年代际振荡主要表现在1965 ~ 1975年期间,表现为2个多雨期和2个少雨期; 另外4 a尺度的年际变化周期表现在1990年代至21世纪初期。( 9 ~ 10) a周期信号出现在所讨论的整个时域中[图8( a) ]。
年降水量的小波功率谱检验结果如图8( b) 所示,曲线为红噪声检验曲线,曲线包含范围内的振荡周期即通过了红噪声检验。时域中,4 a尺度和 ( 9 ~ 10) a尺度的振荡能量最强,4 a尺度主要出现在1985 ~ 2005年,说明降水变化的高频振荡更加频繁; ( 9 ~ 10) a尺度显著周期的振荡能量亦较高,出现在所讨论的整个时域中。
东北地区主要城市季降水总量的小波系数及功率谱检验( 图略) 结果表明,春季降水变化存在准3 a、4 a和9 a左右的显著振荡周期,其中3 a尺度周期振荡能量最强,主要表现在21世纪初期以后; 夏季降水变化的9 a、准4 a和3 a尺度周期均通过了显著性检验,其中9 a尺度周期能量最强, 整个时域中均有表现; 秋季降水变化仅准2 a尺度周期通过了显著性检验; 冬季10 a尺度变化周期振荡能量强大,整个时域中均有表现,另外8 a尺度变化周期也通过了显著性检验,时域中局部化特征明显。
3.6夏季旱涝等级变化
夏季( 6 ~ 8月) 是降水集中的季节,同时夏季各月降水也存在不同的特点,应用Z指数方法划分夏季降水的旱涝等级。表8统计了东北地区主要城市观测站夏季Z指数各旱涝等级出现概率。由表可见,夏季出现特涝的概率大于特旱,大涝的几率小于大旱,即出现特涝的站次多于特旱的站次,发生大涝的站次小于大旱的站次,因此本区城市局部特涝、大旱的现象值得注意。
为了解各月的旱涝等级情况。由表9可见,各月发生旱涝的级别概率比较近似。出现特涝的站次7月最多,而出现大涝的站次顺序却相反,7月为最少。7月发生特旱的站次最多,8月最少,而发生大旱的站次是8月最多,7月最少。
4结论
东北地区主要城市近50 a来年平均气温呈上升趋势,其中20世纪80年代后期和90年代初期的增温幅度最大; 年平均气温的空间分布总体上是南高北低,空间分布具有较好的一致性。季尺度上,冬季为增温幅度最大的季节,同时冬季亦为四季气温变化最明显的季节; 四季气温空间分布差异不大。 年平均气温在1988年发生了突变,同时年平均气温和四季气温在突变点以后均呈升温趋势。时频变化方面,经功率谱检验后4 a尺度的年代际变化周期和( 7 ~ 8) a、和准2 a尺度的年际变化周期显著。 未来东北地区的气温变化仍将保持不同程度的增温趋势,其中以春季和冬季增温趋势最强。