疏勒河年徑流量變化特征分析及模擬

李培都，司建華，馮 起，趙春彥,王春林

(1.中國科學院西北生態環境資源研究院，甘肅 蘭州 730000； 2.中國科學院大學資源與環境學院，北京 101408；3.內陸河流域生態水文重點實驗室，甘肅 蘭州 730000；4.阿拉善荒漠生態水文實驗研究站，內蒙古 阿拉善 735400)

水資源是經濟社會發展的重要戰略資源[1]，徑流是地表水的重要組成部分，徑流量的準確預測可以為水資源的保障和科學管理提供重要理論依據和技術支撐，河川徑流量一直是水文水資源科學研究的重點和熱點[1]。我國西部和北部地區水資源短缺[2-3]，在全球氣候的變化和人為活動的干擾下，徑流量的時空分布發生了顯著變化，影響著水資源的合理利用和分配。Labat等[4]研究表明，全球徑流量隨氣候的變化而變化，全球溫度每升高1℃，徑流量增加4%。姚允龍等[5]研究了氣候變化對撓力河徑流量的影響，結果表明1968—2005年撓力河年徑流量的變化大約40%是由氣候變化引起。張光輝[6]分析了全球氣候變化下黃河流域天然徑流量變化的不同情景，認為全球氣候變化引起了平均天然徑流量從東向西逐漸減少。張調風等[7]研究了氣候變化和人類活動對湟水河流域徑流量的影響，從1966—2010年間湟水河流域徑流量總體呈減少趨勢。何旭強等[8]分析了氣候變化和人類活動對黑河上中游徑流量變化的貢獻率，上游氣候變化和人類活動對徑流增大的貢獻率分別為59.71%和40.29%，中游氣候變化和人類活動對徑流增大的貢獻率分別為25.23%和74.77%。王隨繼等[9]研究了皇甫川流域降水和人類活動對徑流量變化的貢獻率。全球氣候變化和人類活動對徑流量的影響是十分顯著的，對于徑流量的準確預測至關重要。利用不同的模型或多種方法結合進行徑流量模擬預測已有許多研究[10-16]，尋找預測準確和精度高的徑流預測模型是重要方向之一。

BP神經網絡在近些年得到了迅速發展，被廣泛應用于各個研究領域，它是基于模仿人類大腦結構和功能的一種信息處理系統，能處理高度復雜、非線性化的問題，在徑流量預測中也應用廣泛[17-24]。但BP神經網絡具有學習速度慢[25]、易陷入局部極小值、網絡穩定性差[26]等缺點。為了避免這些問題，本文將粒子群優化算法(particle swarm optimization，PSO)和神經網絡結合，對徑流量進行模擬預測。

1 研究區概況與研究方法

1.1 研究區概況

疏勒河流域位于甘肅省河西走廊西端，位于東經92°11′～98°30′、北緯38°00′～42°48′，東起嘉峪關以討賴河為界，西與新疆維吾爾自治區毗鄰，南起祁連山與青海省相鄰，北與蒙古國和我國內蒙古自治區接壤，是河西走廊內三大內陸河流域之一，流域面積17萬km2[27]。多年平均氣溫6.98～9.82℃，極端最低氣溫低于-30℃，極端最高氣溫超過40℃。年降水量為40.2～57.5 mm，年蒸發量高達2 577.4～2653.2 mm，降水主要集中在6—9月，占全年降雨量的61%。區內多風和沙塵暴，平均風速為2.2～4.2 m/s，8級以上的大風日為15.4～68.5天，沙塵暴日10天左右。無霜期182～198天，年日照時數為3 240.8～3265.4 h，最大凍土深度1.5 m[27]。本文選取昌馬堡、黨城灣、雙塔堡和潘家莊4個水文監測站作為研究對象，流域水系示意圖見圖1。資料來源于4個水文監測站1972—2011年天然徑流序列及河流出山口托勒氣象站同期氣象數據。

圖1 研究區水系示意圖

1.2 研究方法

1.2.1 BP神經網絡

對昌馬堡、黨城灣、雙塔堡和潘家莊4個水文站點的年平均氣溫、年降水總量、年蒸發總量和年徑流量數據進行預處理，為解決神經網絡輸入變量之間單位及數量級不一致問題，對原始數據進行標準化轉換，使數據處于[0,1]內，公式為

(1)

隱含層和輸出層傳遞函數采用雙曲正切“S”形傳遞函數：

(2)

式中：g(v)為隱含層和輸出層傳遞函數；v為隱含層和輸出層變量。

因此，輸出層神經單元的輸出信號按下列公式計算：

(3)

yk,out=g(yjk,in)

(4)

(5)

式中：yjk為輸入層第k神經元輸出信號；wkj為輸入層到隱含層的權重；xj為標準化處理數據；yk,out為第k神經單元從輸入層接收到輸入信號后的輸出信號；yjk,in為隱含層第k神經單元從輸入層接收到的輸入信號；wjk為輸出層的權重；uj為輸出層第j神經單元的輸出信號。

1.2.2 參數優化方法

將粒子群和BP神經網絡相結合，應用粒子群優化算法計算BP神經網絡的連接權向量和閾值，即設粒子群的位置向量X的元素是BP網絡所有節點之間的連接權值和閾值，每次迭代求出最優粒子的權向量和閾值，及BP網絡在這組權向量和閾值的實際輸出值yk，從而第i個粒子的適應度函數fi為

(6)

式中：tk是BP神經網絡的目標輸出；n是神經網絡輸入輸出的樣本對數。適應度目標函數采用指數形式將使得誤差平方和大的粒子的目標值變差。BP神經網絡隱含層數也采用粒子群優化算法進行優化。

1.2.3 模型檢驗方法

模型模擬精度可用回歸估計標準誤差(root mean squared error，RMSE)進行分析：

(7)

式中：RRMSE為回歸估計標準誤差值；Obs,i為實際觀測值；Sim,i為模型模擬值；m為樣本容量。

1.2.4 模型訓練

利用訓練樣本數據對模型進行學習訓練以獲得模型的參數，BP神經網絡拓撲結構見圖2。神經網絡訓練與模擬采用MATLAB R2010a軟件通過編程實現。在模型訓練時，初始學習速率η為0.1，最大循環次數為1 000次，目標誤差不超過0.001。

圖2 BP神經網絡拓撲結構

2 結果與分析

2.1 年徑流量變化趨勢分析

圖3為年徑流量累積距平百分率變化趨勢圖，趨勢線性方程形如f(x)=ax+b，其中a為線性傾斜率，b為截距，表1為線性趨勢方程參數。由圖3和表1可以看出，昌馬堡年徑流量呈增加趨勢，年徑流累積距平百分率的傾斜率為每10年增加13.87%，最大值出現在2010年，累積距平百分率為66.01%，在1976年出現最小值，為-41.62%；黨城灣年徑流累積距平百分率的傾斜率為每10年增加4.46%，在1994年出現最大值，為33.29%，在1975年出現最小值，為-22.82%；雙塔堡年徑流量累積距平百分率的傾斜率為每10年增加11.57%，最大值出現在2002年，為75.52%，最小值出現在1978年，為-32.54%；潘家莊徑流量累積距平百分率的傾斜率為每10年增加10.49%，在1981年出現最大值，為58.00%；最小值出現在1992年，為-36.46%。總體而言，疏勒河的年徑流量呈現增加趨勢，但每個站點的增長線性傾向率是不同的，從大到小依次為昌馬堡、雙塔堡、潘家莊和黨城灣。

(a) 昌馬堡

(b) 黨城灣

(c) 雙塔堡

(d) 潘家莊

表1 線性趨勢方程參數

2.2 Mann-Kendall突變趨勢檢驗

疏勒河流域不同站點的統計量曲線見圖4。昌馬堡UF統計量曲線在1997年以后呈上升趨勢，徑流量有明顯的增多趨勢，在2004年以后這種趨勢超過0.05顯著水平臨界線，表明昌馬堡年徑流量的上升趨勢是十分顯著的，根據UF和UB統計量曲線交點的位置，昌馬堡的年徑流量發生突變的年份始于2000年。黨城灣UF統計量曲線在1976—1994年呈上升趨勢，1994年之后稍有下降，自1983年后這種趨勢就超過0.05顯著水平臨界線，表明黨城灣年徑流量的變化趨勢是十分顯著的，根據UF和UB統計量曲線交點的位置，黨城灣年徑流量發生突變的年份始于1978年。雙塔堡和潘家莊UF統計量曲線在1997年以后呈上升趨勢，徑流量有明顯的增多趨勢，雙塔堡在2008年后這種趨勢超過0.05顯著水平臨界線，而潘家莊在2010年后這種趨勢超過0.05顯著水平臨界線，表明此趨勢變化是十分顯著的，雙塔堡和潘家莊年徑流量發生突變的年份都始于2005年。在UF統計量曲線變化上，昌馬堡、雙塔堡和潘家莊表現出一致性和同步性，UF統計量曲線呈現“W”形變化，表明年徑流量的趨勢變化比較統一，河流的上游來水與中下游的徑流變化密切相關。

(a) 昌馬堡

(b) 黨城灣

(c) 雙塔堡

(d) 潘家莊

2.3 年徑流量周期特征分析

圖5為疏勒河年徑流量小波系數實部等值線圖，可以看出，在疏勒年徑流周期變化過程中，昌馬堡30～60 a尺度變化特征明顯，在研究時間范圍內，存在著豐-枯-豐的周期變化；10～25 a尺度變化反復交替出現5次，占據了很大部分的研究時間；8～15 a尺度變化特征頻繁，但較為穩定。黨城灣存在著30～50 a、20～30 a和5～10 a尺度變化特征，在30～50 a尺度變化特征中，存在著豐-枯交替的1.5次周期變化；20～30 a尺度變化在整個研究時段明顯，存在著豐-枯交替的2.5次周期變化，具有全域性；5～10 a小尺度變化較為穩定且具有全域性。雙塔堡在30～60 a尺度特征較為顯著，對應著1.5個周期的豐-枯變化特征。潘家莊在30～60 a尺度特征上存在1.5個周期的豐枯振蕩變化，10～15 a尺度特征也很顯著，充斥著整個研究時段，具有全域性。在疏勒河年徑流量小波方差圖(圖6)中，流域的4個站點最大峰值對應的都是42 a時間尺度，第二大峰值對應的是25 a時間尺度。在主周期分析中，4個站點的主控周期具有一致性，42 a時間尺度超出了研究時間域，即25 a尺度左右的周期振蕩強，控制著疏勒河流域年徑流量在整個時間域內的變化特征。總體而言，在研究時段內，流域的4個站點30～60 a大尺度特征的豐枯振蕩變化較為明顯且具有同步性，小尺度變化特征穩定且具有全域性。

(a) 昌馬堡

(b) 黨城灣

(c) 雙塔堡

(d) 潘家莊

圖6 疏勒河年徑流量小波方差

2.4 年徑流量模擬

本文研究時段為1972—2011年，樣本數為40，將前35年的年平均氣溫、年降水量、年蒸發量作為BP神經網絡的輸入，年徑流量作為BP神經網絡的輸出訓練模型，剩余5年的數據用于模型檢驗，檢驗結果見圖7。由圖7可以看出，BP神經網絡模型殘差最大為3.85億m3，最小為-0.91億m3，粒子群-神經網絡模型殘差最大為1.67億 m3，最小為-0.47 億m3；BP神經網絡平均相對誤差為-2.81%，粒子群-神經網絡平均相對誤差為-1.14%。可見，粒子群-神經網絡對年徑流量的模擬結果優于BP神經網絡，利用參數率定過后的粒子群-神經網絡對疏勒河年徑流量進行預測。

(a) BP神經網絡模型驗證殘差

(b) 粒子群-神經網絡模型驗證殘差

(c) BP神經網絡模型驗證相對誤差

(d) 粒子群-神經網絡模型驗證相對誤差

已有研究表明西北地區氣候由暖干向暖濕變化[28]，在此背景下，本文將研究時段40年的年降水量在平均的基礎上分別增加10%、15%和25%，在年平均氣溫和年蒸發量不變的條件下來預測疏勒河年徑流量的變化趨勢，結果見表2。從表2可以看出，在年降水量變化增加10%條件下，4個站點的徑流量變化趨勢不一樣；當年降水量變化從15%增加到25%的條件下，年徑流量基本不會發生變化。

表2 年降水量增加前后的徑流量變化 108m3

3 討 論

疏勒河是西北內陸河之一，我國西北內陸干旱區降水量少，蒸發量大，發源于高山區的內陸河是綠洲地區的重要水源，已有研究表明，內陸河主要依靠山區的冰雪融水補給。受全球變化的影響，中國西北地區的冰川面積與20世紀50年代相比減少了27.2%，如果按照這樣的發展趨勢，到2050年依靠冰雪融水補給的內陸河流淡水資源會嚴重不足，當地正常的生產和生活將會受到巨大威脅[29]。對疏勒河的4個站點進行了年徑流量分析，年徑流量呈現增加趨勢，這與藍永超等[30-31]的研究結果一致。昌馬堡、黨城灣、雙塔堡和潘家莊年徑流累積距平百分率的傾斜率依次為每10年增加13.87%、4.46%、11.57%和10.49%，主要原因是除了降水的補給外，還有氣溫升高冰雪融水補給的影響。根據第五次IPCC的評估報告，全球氣溫呈升高趨勢[30]，這種變化對冰川、積雪的響應已有部分研究[32-41]，陳仁升等[42]研究表明疏勒河冰川融水占河流年徑流量的31.4%；藍永超等[30]研究表明，疏勒河上游流域山區地勢高寒，受人類活動影響較小，氣候變化是影響徑流的主要因素。

疏勒河流域昌馬堡、黨城灣、雙塔堡和潘家莊4個站點年徑流量發生較顯著突變的年份分別是2004年、1983年、2008年和2010年。在UF統計量曲線變化上，昌馬堡、雙塔堡和潘家莊表現出相似性，UF統計量曲線呈現“W”形變化，年徑流量的趨勢變化也比較統一，表明河流中下游的徑流變化與上游來水密切相關，同時由于徑流量的變化是自然因素和人為因素共同相互作用的結果，如地形地貌、氣候變化和人類生產生活用水等，致使開始發生突變的年份不一致，具體原因需進一步研究。

在主周期分析中，4個站點的主周期具有一致性，25 a尺度左右的周期振蕩強，控制著疏勒河流域年徑流量在整個時間域內的變化特征。在研究時段內，流域的4個站點30～60 a大尺度特征的豐枯振蕩變化較為明顯且具有同步性，小尺度變化特征穩定且具有全域性。

在對徑流量的模擬過程中，粒子群-神經網絡的模擬結果要優于BP神經網絡的模擬結果，這與陶海龍等[25]利用此方法對黃河三門峽徑流量的預測結果一致，對昌馬堡、黨城灣、雙塔堡、潘家莊4個站點模擬值與實際觀測值間的決定系數基本為0.85以上。當年降水量40年均值發生變化，從增加15%到增加25%時，年徑流量幾乎不會再增加。粒子群-神經網絡避免了BP神經網絡易陷入局部最優、精度不高和搜索質量差的缺點[43]，改善了網絡的泛華能力，加快了收斂速度，提高了年徑流量模擬預測的精度，更適合用于年徑流量的模擬預測。但是粒子群-神經網絡是黑箱模型，不能從機理上揭示徑流量的變化過程，滲漏、蒸發等物理變化均不能用此模型進行表征量化，需要從機理方面進一步開發徑流模擬預測模型，為水資源管理和保護提供理論依據和技術支撐。

4 結 論

a. 疏勒河年徑流量呈增加趨勢，昌馬堡、黨城灣、雙塔堡和潘家莊年徑流累積距平百分率的傾斜率依次為每10年增加13.87%、4.46%、11.57%和10.49%。在突變分析中，昌馬堡、黨城灣、雙塔堡和潘家莊年徑流量發生顯著突變的年份分別為2004年、1983年、2008年和2010年。

b. 在研究時間域內，25 a尺度周期是疏勒河流域年徑流量變化特征的主控周期。在年徑流量模擬預測中，粒子群-神經網絡的模擬結果優于BP神經網絡的模擬結果，當年降水量40年均值發生變化，從增加15%到增加25%時，年徑流量幾乎不會再增加。

[1]宋小燕,穆興民,高鵬,等.松花江哈爾濱站近100年來徑流量變化趨勢[J].自然資源學報,2009,24(10):1803-1809.(SONG Xiaoyan,MU Xingmin,GAO Peng,et al.Trends of runoff variation from 1900 to 2005 at Harbin Station of Songhua River [J].Journal of Natural Resources,2009,24(10):1803-1809.(in Chinese))

[2]吳昊,華驊,王臘春,等.區域用水結構演變及驅動力分析[J].河海大學學報(自然科學版),2016,44(6):477-484.(WU Hao,HUA Hua,WANG Lachun,et al.Analysis of change and driving forces of regional water consumption structure [J].Journal of Hohai Universtiry(Natural Sciences),2016,44(6):477-484.(in Chinese))

[3]田貴良,顧巍,謝文軒.基于虛擬水貿易戰略的缺水地區用水結構優化研究[J].水利經濟,2013,31(1):1-6.(TIAN Guiliang,GU Wei,XIE Wenxuan.Optimization of water use structure in water shortage region based on virtual watertradestrategy [J].Journal of Economics of Water Resources,2013,31(1):1-6.(in Chinese))

[4]LABAT D,GODDéRIS Y,PROBST J L,et al.Evidence for global runoff increase related to climate warming[J].Advances in Water Resources,2004,27(6):631-642.

[5]姚允龍,呂憲國,王蕾,等.氣候變化對撓力河徑流量影響的定量分析[J].水科學進展,2010,21(6):765-770.(YAO Yunlong,LYU Xianguo,WANG Lei,et al.A quantitative analysis of climate change impacts on runoff in Naoli River [J].Advances in Water Sciences,2010,21(6):765-770.(in Chinese))

[6]張光輝.全球氣候變化對黃河流域天然徑流量影響的情景分析[J].地理研究,2006,25(2):268-275.(ZHANG Guanghui.Analysis of potential effects of global climate change on natural runoff in the Yellow River Basin [J].Geographical Research,2006,25(2):268-275.(in Chinese))

[7]張調風,朱西德,王永劍,等.氣候變化和人類活動對湟水河流域徑流量影響的定量評估[J].資源科學,2014,36(11):2256-2262.(ZHANG Tiaofeng,ZHU Xide,WANG Yongjian,et al.The impact of climate variability and human activity on runoff changes in the Huangshui River Basin[J].Resources Science,2014,36(11):2256-2262.(in Chinese))

[8]何旭強,張勃,孫力煒,等.氣候變化和人類活動對黑河上中游徑流量變化的貢獻率[J].生態學雜志,2012,31(11):2884-2890.(HE Xuqiang,ZHANG Bo,SUN Liwei,et al.Contribution rates of climate change and human activity on the runoff in upper and middle reaches of Heihe River Basin[J].Chinese Journal of Ecology,2012,31(11):2884-2890.(in Chinese))

[9]王隨繼,閆云霞,顏明,等.皇甫川流域降水和人類活動對徑流量變化的貢獻率分析：累積量斜率變化率比較方法的提出及應用[J].地理學報,2012,67(3):388-397.(WANG Suiji,YAN Yunxia,YAN Ming,et al.Contributions of precipitation and human activities to the runoff change of the Huangfuchuan Drainage Basin:application of comparative method of the slope changing ratio of cumulative quantity[J].Acta Geographica Sinica,2012,67(3):388-397.(in Chinese))

[10]王義民,于興杰,暢建霞,等.基于BP神經網絡馬爾科夫模型的徑流量預測[J].武漢大學學報(工學版),2008，41(5):14-17.(WANG Yimin,YU Xingjie,CHANG Jianxia,et al.Prediction of runoff based on Bp neural network and Markov model[J].Engineering Journal of Wuhan University,2008，41(5):14-17.(in Chinese))

[11]王秀杰,封桂敏,耿慶柱.小波分析組合模型在日徑流預測中的應用研究[J].自然資源學報,2014,29(5):885-893.(WANG Xiujie,FENG Guimin,GEN Qingzhu.Application on research on combined models based on wavelet analysis in prediction of daily runoff[J].Journal of Natural Resources,2014,29(5):885-893.(in Chinese))

[12]汪麗娜,李粵安,陳曉宏.基于支持向量機的降雨：徑流預測研究[J].水文,2009,29(1):13-16.(WANG Lina,LI Yunan,CHEN Xiaohong.Prediction of rainfall-runoff based on support vector mechine method[J].Journal of China Hydrology,2009,29(1):13-16.(in Chinese))

[13]郭俊,周建中,張勇傳,等.基于改進支持向量機回歸的日徑流預測模型[J].水力發電,2010,36(3):12-15.(GUO Jun,ZHOU Jianzhong,ZHANG Yongchuan,et al.Daily runoff forecast based on improved support vector machine regression model[J].Water Power,2010,36(3):12-15.(in Chinese))

[14]徐留興,梁川,秦遠清.改進的Elman模型在紫坪鋪月徑流預測中的應用[J].四川大學學報(工程科學版),2006,38(03):38-42.(XU Liuxing,LIANG Chuan,QIN Yuanqing.The monthly runoff prediction of Zipingpu by improved Elman model[J].Journal of Sichuan University(Engineering Science Edition) 2006,38(3):38-42.(in Chinese))

[15]張楠,夏自強,江紅.基于多因子量化指標的支持向量機徑流預測[J].水利學報,2010,41(11):1318-1324.(ZHANG Nan,XIA Ziqiang,JIANG Hong.Prediction of runoff based on the multiple quantity index of SVM[J].Shuili Xuebao,2010,41(11):1318-1324.(in Chinese))

[16]聞昕,丁紫玉,方國華,等.氣候變化下新安江-富春江水電站徑流響應模擬及適應性調度研究[J].水資源保護,2017,33(4):10-19.(WEN Xin,DING Ziyu,FANG Guohua,et al.Study on runoff response simulation and adaptive scheduling of Xin’anjiang-Fuchunjiang hydropower station under climate change[J].Water Resources Protection,2017,33(4):10-19.(in Chinese))

[17]顧海燕,徐文科,于雷.基于BP神經網絡的河川年徑流量預測[J].東北林業大學學報,2007,35(10):83-85.(GU Haiyan,XU Wenke,YU Lei.Prediction of annual runoff in Songhua River Valley based on Bp neural networks[J].Journal of Northeast Forestry Uinversity,2007,35(10):83-85.(in Chinese))

[18]韓勇,萬水玲.基于Matlab神經網絡的流域年徑流量預測[J].水利科技與經濟,2010,16(4):373-375.(HAN Yong,WAN Shuiling.River annual runoff forecast based on matlab atificial neural network[J].Water Conservancy Science and Technology and Economy,2010,16(4):373-375.(in Chinese))

[19]何強,宗永臣,張建新.基于BP神經網絡的黃河利津水文站天然年徑流量的預測與分析[J].內江科技,2007,28(12):82-83.(HE Qiang,ZONG Yongchen,ZHANG Jianxin.Prediction of annual runoff in Lijin hydrological station of Yellow River based on Bp neural networks[J].Neijiang Keji,2007,28(12):82-83.(in Chinese))

[20]雷曉云,張麗霞,梁新平.基于MATLAB工具箱的BP神經網絡年徑流量預測模型研究：以塔城地區烏拉斯臺河為例[J].水文,2008,28(1):43-46.(LEI Xiaoyun,ZHANG Lixia,LIANG Xinping.Study on the forecast model of annual runoff base on an annual runoff forecasting model of Bp neural network based on matlab toolbox[J].Journal of China Hydrology,2008,28(1):43-46.(in Chinese))

[21]胡賓,崔廣柏,朱靈芝.BP神經網絡預測河流月徑流量[J].浙江水利科技,2007,2(25):15-19.(HU Bin,CUI Guangbai,ZHU Lingzhi.Prediction of monthly runoff based on Bp neural network[J].Zhejiang Hydrotechnics,2007,2(25):15-19.(in Chinese))

[22]魏光輝.基于RBF神經網絡的河川年徑流量預測[J].西北水電,2014(5):6-9.(WEI Guanghui.Prediction of annual runoff volume in river based on RBF neural network[J].Northwest Hydropower,2014(5):6-9.(in Chinese))

[23]王其虎,錢新,張玉超,等.BP神經網絡在流溪河水庫徑流量預測中的應用[J].環境保護科學,2010,36(3):19-21.(WANG Qihu,QIAN Xin,ZHANG Yuchao,et al.Application of BP neural network model in forecasting runoff of Liuxihe Reservoir[J].Environmental Protection Science,2010,36(3):19-21.(in Chinese))

[24]宋昭義,李紳東,代堂剛.昭通橫江流域年徑流預測[J].水資源保護,2017,33(3):9-12.(SONG Zhaoyi,LI Shendong,DAI Tangtang.Prediction of annual runoff over Hengjiang River Basin in Zhaotong City[J].Water Resources Protection,2017,33(3):9-12.(in Chinese))

[25]陶海龍,黃衛東,顏幫瓊,等.基于遺傳算法的BP網絡在黃河三門峽年徑流量預測中的應用[J].水文,2012,32(3):34-37.(TAO Hailong,HUANG Weidong,YAN Bangqiong,et al.Application of GA-based Bp network in annual runoff prediction at Sanmenxia of Yellow River[J].Journal of China Hydrology,2012,32(3):34-37.(in Chinese))

[26]崔東文.改進Elman神經網絡在徑流預測中的應用[J].水利水運工程學報,2013(2):71-77.(CUI Dongwen.An improved Elman neural network and its application to runoff forecast[J].Hydro-Science and Engineering,2013(2):71-77.(in Chinese))

[27]雷文娟.疏勒河流域水資源優化配置研究[D].蘭州：蘭州大學,2011.

[28]施雅風,沈永平,李棟梁,等.中國西北氣候由暖干向暖濕轉型的特征和趨勢探討[J].第四紀研究,2003,23(2):152-164.(SHI Yafeng,SHEN Yongping,LI Dongliang,et al.Discussion on the present climate change from warm-day to warm-wet in Northwest China[J].Quaternary Sciences,23(2):152-164.(in Chinese))

[29]秦大河,丁一匯,王紹武,等.中國西部環境演變及其影響研究[J].地學前緣,2002,9(2):321-328.(QIN Dahe,DING Yihui,WANG Shaowu,et al.A study of environment change and its impacts in Westeren China[J].Earth Science Frontiers,2002,9(2):321-328.(in Chinese))

[30]藍永超,胡興林,肖生春,等.近50年疏勒河流域山區的氣候變化及其對出山徑流的影響[J].高原氣象,2012,31(6):1636-1644.(LAN Yongchao,HU Xinglin,XIAO Shengchun,et al.Study on climate change in mountainous region of Shule River basin in past 50 years and its effect to mountainous runoff[J].Plateau Meteorology,2012,31(6):1636-1644.(in Chinese))

[31]李計生,胡興林,黃維東,等.河西走廊疏勒河流域出山徑流變化規律及趨勢預測[J].冰川凍土,2015,37(3):803-810.(LI Jisheng,HU Xinglin,HUANG Weidong,et al.Variation and trend prediction of the mountain runoffs of the trunk streams of the Shule River basin,Hexi Corridor[J].Journal of Glaciology and Geocryology,2015,37(3):803-810.(in Chinese))

[32]STOCKER T,QIN D,PLATTNER G,et al.Climate change 2013:the physical science basis.[C]//IPCC.Proceeding of contribution of working group I to the fifth assessment report of the intergovernmental panel on climate change.Bern:IPCC,2013.

[33]杜建括,辛惠娟,何元慶,等.玉龍雪山現代季風溫冰川對氣候變化的響應[J].地理科學,2013,33(7):890-896.(DU Jiankuo,XIN Huijuan,HE Yuanqing,et al.Response of modern monsoon temperate glacier to cliame change in Yulong Mountain[J].Scientia Grographica Sinica,2013,33(7):890-896.(in Chinese))

[34]李忠勤,沈永平,王飛騰,等.冰川消融對氣候變化的響應:以烏魯木齊河源1號冰川為例[J].冰川凍土,2007,29(3):333-342.(LI Zhongqin,SHEN Yongping,WANG Feiteng,et al.Response of glacier melting to climate change[J].Journal of Glaciology and Geocryology,2007,29(3):333-342.(in Chinese))

[35]呂卉.近40年喜馬拉雅山冰川波動對氣候變化的響應[D].蘭州：蘭州大學,2013.

[36]馬麗娟,趙景峰,張宏俊,等.氣候變化背景下冰川積雪融水對博斯騰湖水位變化的影響[J].干旱區地理,2010,32(2):210-216.(MA Lijuan,ZHAO JIngfeng,ZHANG Huijun,et al.Impact of glacier and snow melting on Bosten Lake under climate change[J].Arid Land Geography,2010,32(2):210-216.(in Chinese))

[37]穆振俠,姜卉芳.新疆阿克蘇河流域昆馬力克河積雪消融規律對氣候變化的響應[J].冰川凍土,2012,34(6):1284-1292.(MU Zhenxia,JIANG Huifang.The response of snow cover ablation to climate change in the Kumalik River Basin,Southern Xinjiang[J].Journal of Glaciology and Geocryology,2012,34(6):1284-1292.(in Chinese))

[38]沈永平,蘇宏超,王國亞,等.新疆冰川、積雪對氣候變化的響應(Ⅰ):水文效應[J].冰川凍土,2013,35(3):513-527.(SHEN Yongping,SU Hongchao,WANG Guoya,et al.The responses of glaciers and snow cover to climate change in Xinjiang (Ⅰ):hydrological effects[J].Journal of Glaciology and Geocryology,2013,35(3):513-527.(in Chinese))

[39]沈永平,蘇宏超,王國亞,等.新疆冰川、積雪對氣候變化的響應(II):災害效應[J].冰川凍土,2013,35(6):1355-1370.(SHEN Yongping,SU Hongchao,WANG Guoya,et al.The responses of glaciers and snow cover to climate change in Xinjiang (II):hazards effects[J].Journal of Glaciology and Geocryology,2013,35(6):1355-1370.(in Chinese))

[40]王秀娜.近40年來南阿爾泰山地區現代冰川變化及對氣候變化的響應[D].蘭州：蘭州大學,2012.

[41]楊興國,秦大河,秦翔.冰川/積雪-大氣相互作用研究進展[J].冰川凍土,2012,34(2):392-402.(YANG Xingguo,QIN Dahe,QIN Xiang.Progress in the study of interaction between ice/snow and atmosphere[J].Journal of Glaciology and Geocryology,2012,34(2):392-402.(in Chinese))

[42]陳仁升,康爾泗,藍永超,等.河西地區近50年來年徑流,降水和氣溫變化趨勢分析[J].干旱區資源與環境,2001,15(4):51-56.(CHEN Rensheng,KANG Ersi,LAN Yongchao,et al.Variance tendency of annual runoff,precipitation and temperature in Hexi Region in 50 years[J].Journal of Arid Land Resources and Environment,2001,15(4):51-56.(in Chinese))

[43]崔東文.文山州近10年水資源利用效率評價SLC-PP模型及應用[J].河海大學學報(自然科學版),2017,45(2):129-136.(CUI Dongwen.SLC-PP model and its application to evaluation of water use efficiency in Wenshan Prefecture in last ten years[J].Journal of Hohai University (Natural Sciences),2017,45(2):129-136.(in Chinese))