近日，我校水利与环境工程学院黄赛花副院长团队陈浩博士在环境科学与生态学TOP期刊《Science of The Total Environment》(影响因子10.754)上发表了题为“River ecologicalflow early warning forecasting using baseflow separation and machine learning in the Jiaojiang River Basin, Southeast China”的研究论文。浙江水利水电学院为第一单位，论文第一作者为陈浩博士，通讯作者为黄赛花博士。
河湖生态流量是维系河湖生态功能、控制水资源开发强度的重要指标，也是统筹生活、生产及生态用水的重要基础，事关生态文明建设全局。基流是河流径流中相对稳定的部分，主要描述地表径流和地下水之间的相互补给关系，河流水量和地下水位之间的互补演化联系反映在基流的变化规律中。然而，目前水文学法作为国内外最常用的生态流量计算方法，却鲜有研究将基流作为河流的水文特征计算生态流量。随着深度学习技术的快速发展，其已经作为一种通用技术，在水文预报方面取得巨大成功，但其是否可以应用于生态流量预警，亟待进一步研究。
该研究以浙江省台州市椒江流域为例，开发了一种基于基流分离和Tennant方法的河湖生态流量计算技术，然后利用基于分布式梯度增强框架（LightGBM）的机器学习技术构建生态流量预警预报模型，最后利用Shapley Additive exPlanations（SHAP）的框架来解释各种水文气象因素如何影响生态流量条件的变化。研究结果表明，新的河湖生态流量计算技术可以根据流域的水文特征有效地计算断面生态流量，所构建的生态流量预警模型在旱季和雨季的预报精度接近90%，且蒸发量和基流指数对河流生态流量的影响最大。该研究为提高流域水利工程优化生态运行能力，促进河湖生态系统可持续发展等提供科学的理论和方法支撑。
该研究得到浙江省水利科技计划项目(RC2201)、浙江省重点研发计划(2021C03017)、浙江省自然科学基金重大项目(LZ20E090001)及浙江省自然科学基金(LZJWY22E090007)等项目资助。
 |  |  |
相关论文链接：
Chen, H., Huang, S., Xu, YP., et al. River ecologicalflow early warning forecasting using baseflow separation and machine learning in the Jiaojiang River Basin, Southeast China. Science of the Total Environment, 882, 163571 (2023). http://dx.doi.org/10.1016/j.scitotenv.2023.163571
