基于LSTM的青藏高原冻土区典型小流域径流模拟及预测

冻土覆盖率高的小流域的径流形成受温度因素控制明显,普通水文模型不适用,而常规冻土水文模型因需要较多的气象观测要素而难以应用.考虑冻土流域产流机制,利用青藏高原腹地风火山小流域2017—2018年逐日降水、气温、径流观测数据,以降水、气温为输入,径流为输出,基于长短期记忆神经网络(LSTM)建立了适用于小流域尺度的冻土水文模型,并利用2019年观测数据进行验证.模型得益于LSTM特殊的细胞状态和门结构能够学习、反映活动层冻融过程和土壤含水量变化,具有一定的冻土水文学意义,能很好地模拟冻土区径流过程.模型训练期R2、NSE均为0.93,RMSE为0.63 m3·s-1,验证期R2、NSE分别为0.81、0.77,RMSE为0.69 m3·s-1.同时,为了验证模型可靠性,将模型应用于邻近的沱沱河流域,模型训练期(1990—2009年)R2、NSE均为0.73,验证期(2010—2019年)R2、NSE分别为0.66、0.64,模拟结果较好.考虑到未来气候变化,通过模型对风火山流域径流进行了预测:降水每增加10％,年径流增加约12％;气温每升高0.5℃,年径流增加约1％;春季融化期、秋季冻结期径流增幅明显,而由于蒸发加剧、活动层加深,径流在8月出现了减少.模型经训练后依靠降水、气温作为输入能较好地模拟、预测青藏高原冻土区小流域径流,为缺少土壤温度、水分等观测数据的冻土小流域径流研究提供了一种简单有效并具有一定物理意义的方法.