摘要:
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。
刘佳驹, 李金城, 郭怀成, 袁鹏, 李政, 张扬, 王志勇. 基于人工神经网络的雅鲁藏布江水化学变化趋势研究[J]. 北京大学学报自然科学版, 2023, 59(6): 1043-1051.
LIU Jiaju, LI Jincheng, GUO Huaicheng, YUAN Peng, LI Zheng, ZHANG Yang, WANG Zhiyong. Study on Hydrochemical Change Trend of Yarlung Tsangpo River Based on Artificial Neural Network[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2023, 59(6): 1043-1051.