• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      雅魯藏布江下游產水量時空演變及對氣候和土地利用變化的響應

      2022-03-27 08:49:50陳仁升劉玖芬劉淑亮吳浩然柳曉丹
      草業(yè)科學 2022年12期
      關鍵詞:雅魯藏布江產水量產水

      賴 明,陳仁升,劉玖芬,劉淑亮,吳浩然,柳曉丹

      (1.中國地質大學(武漢)資源學院, 湖北 武漢 430074;2.中國科學院西北生態(tài)環(huán)境資源研究院, 甘肅 蘭州 730000;3.中國地質調查局自然資源綜合調查指揮中心, 北京 100055;4.自然資源要素耦合過程與效應重點實驗室, 北京 100055;5.中國地質調查局煙臺海岸帶地質調查中心, 山東 煙臺 264000;6.中國地質大學(武漢)海洋學院, 湖北 武漢 430074)

      科學界將人類從生態(tài)系統(tǒng)獲取的各種直接或間接的惠益統(tǒng)稱為生態(tài)系統(tǒng)服務,包括供給、調節(jié)、文化和支持四大類服務[1],其服務價值無法估量,更是關系著人類福祉[2],自2005 年以來,有關生態(tài)系統(tǒng)服務評估的科學研究數(shù)量呈指數(shù)級增長[3-4],其中的相當一部分是關于產水服務的研究。產水服務作為生態(tài)系統(tǒng)最具價值、最重要的服務功能之一[5],是產生與水有關的生態(tài)系統(tǒng)服務的屬性和過程的關鍵組成部分[6],對流域水文狀態(tài)平衡、區(qū)域水循環(huán)調節(jié)、生物多樣性維持等關鍵生態(tài)系統(tǒng)功能具有重要意義[7-9],影響著地區(qū)生物量、碳循環(huán)、農業(yè)灌溉、人口、生產生活用水、水力發(fā)電、旅游等自然和社會經(jīng)濟格局[10-13]。開展產水服務研究,可為區(qū)域生態(tài)保護修復、可持續(xù)發(fā)展決策及水資源合理開發(fā)、有效利用和綜合管理等提供科學指導[14]。

      產水過程涉及降水、蒸發(fā)、土地利用/覆被、地形、土壤性質、植被蒸騰等眾多因素,這使得產水量計算十分復雜且具有很大的不確定性[15-16]。遙感和地理信息技術的發(fā)展,允許在生物地球化學過程與水文過程耦合的基礎上,開發(fā)分布式物理和概念水文模型,對生態(tài)系統(tǒng)產水功能進行直觀、定量、精細的分析和評價[15,17],如:MIKE SHE 模型[18]、SWAT模型[19]、TOPMODEL 模型[20]、ARIES 模型[21]等,在數(shù)據(jù)充分的條件下,這些模型在各種地理和氣候環(huán)境的水文研究中都能取得良好表現(xiàn),但在數(shù)據(jù)匱乏或數(shù)據(jù)難以獲取的情況下,簡單的InVEST 模型更加適用[22]。InVEST 模型以其數(shù)據(jù)輸入簡單、空間表達能力強、參數(shù)設置靈活、操作便利等優(yōu)點,成為目前國內外生態(tài)系統(tǒng)服務研究應用最多、最廣泛的模型之一[23-24]。近幾十年來,全球氣候和土地利用/覆被變化導致產水量呈現(xiàn)出時空差異,InVEST模型能為探究產水量時空動態(tài)和影響貢獻提供技術支持[25]。

      青藏高原是全球氣候變化最敏感的地區(qū)之一,許多地區(qū)的降水量波動很大[26-27],研究表明,氣候變化深刻影響了青藏高原的水文地質過程[28],而雅魯藏布江下游位于青藏高原東南部,是整個青藏高原降水最多的地區(qū)[29]。該地區(qū)具有水量多和地形落差大的條件,水力資源十分豐富,開發(fā)潛力巨大[30]。目前,氣候和土地利用變化正在逐漸改變產水量的時空格局[31],這將對地區(qū)水能利用產生影響。國內外眾多學者已在塔里木河流域[32]、南四湖流域[33]、黃河流域[34]、伊朗[35]、印度尼西亞[36]等地區(qū)開展氣候和土地利用對產水量的影響研究,但對雅魯藏布江流域缺乏相關研究。因此,基于InVEST 模型,本文選取2000、2010 和2020 年3 期降水、蒸散發(fā)、土地利用、土壤類型等數(shù)據(jù),分析雅魯藏布江下游流域時空演變,探究產水量對氣候和土地利用變化的響應,以期為當?shù)厮Y源開發(fā)、利用和管理提供科技支撐。

      1 研究區(qū)概況

      雅魯藏布江下游流域位于西藏自治區(qū)林芝市,包括米林縣派鎮(zhèn)到出境口的河段,下游河長約496 km,流域面積約為5.08 × 106hm2,地理范圍為27°59′~30°59′ N,92°52′~97°05′ E。雅魯藏布江下游有兩條主要支流,位于研究區(qū)北部,分別是易貢藏布和帕隆藏布(圖1)。流域內高山峽谷林立,平均海拔在3 000 m 以上,最高峰南迦巴瓦峰7 782 m,雅魯藏布江下游圍繞南迦巴瓦峰構成“U”字形的大拐彎,形成世界上最深的峽谷- 雅魯藏布大峽谷,核心河段的平均切割深度達5 000 m。雅魯藏布江下游段是青藏高原上最大的水汽通道,使印度洋暖濕氣流在該地區(qū)形成降水帶,下游巴昔卡地區(qū)的年均降水量超過4 000 mm,故整個下游地區(qū)異常濕潤。雅魯藏布江下游一瀉千里,加上豐富的降水,其蘊藏的水能資源僅次于長江。

      圖1 研究區(qū)概況圖Figure 1 Overview of the study area

      2 方法及數(shù)據(jù)

      2.1 InVEST 產水量模型

      InVEST 模型全稱“生態(tài)系統(tǒng)服務功能與權衡綜合 評 價 模 型”(integrated valuation of ecosystem services and tradeoffs),是由美國斯坦福大學、大自然保護協(xié)會和世界自然基金會于2007 年聯(lián)合開發(fā)的開源模型,用于繪制、評估維持和滿足人類生活的自然產品和服務。產水量模型是InVEST 模型的子模塊之一,基于一個簡單的水量平衡,即假設降水量中除開蒸散損失的部分,其他全都匯集到流域出口,則流域中每個柵格的產水量為降水量減去實際蒸發(fā)量,公式如下:

      式中:Y(x)代表年產水量;AET(x)代表柵格單元x 的年實際蒸散量;P(x)代表柵格單元x的年降水量。該公式中的AET(x)/P(x)基于Budyko 水熱耦合平衡假設,后來由傅抱璞[37]和Zhang 等[38]改編,公式如下:

      式中:PET(x)代表潛在蒸散量;ω(x)代表自然氣候-土壤特性的非物理參數(shù)。其中:

      式中:Kc(lx)代表柵格單元x中特定土地利用/覆被類型的植被蒸散系數(shù);ET0(x)代表柵格單元x的植被參考蒸散量。

      ω(x)是一個經(jīng)驗參數(shù),在InVEST 模型中,ω(x)采用Donohue 等[39]提出的公式表達:

      式中:Z代表季節(jié)性因子,是一個經(jīng)驗常數(shù),表征區(qū)域降水分布及其他水文地質特征,通常取值在1 到30 之間。AWC(x)代表土壤有效含水量(mm),由土壤質地和有效生根深度決定,用于確定土壤為植物生長儲存和提供的總水量,計算公式如下:

      式中:Ds是最大根系埋藏深度,代表植物根系能在土壤中延伸到達的最大深度,Dr是植被根系深度,代表特定植被95%的根系所存在的深度。PAWC代表植被可利用含水量,是土壤中供植被生長的水量所占的比例。

      2.2 情景分析法

      氣候變化和土地利用變化是區(qū)域產水量變化的主要影響因素,情景分析法即假定一種要素在一段時間內沒有變化而其他要素變化,本文設立兩個情景,情景1:保持2000 年土地利用不變,氣候要素變化;情景2:保持2000 年氣候要素不變,土地利用變化。通過變化貢獻率可以判斷不同要素對產水量變化的影響程度,公式如下:

      式中:RP和RL分別代表氣候變化和土地利用變化對產水量變化的貢獻率;ΔP和ΔL分別代表氣候變化情景和土地利用變化情景的產水量變化量。

      2.3 數(shù)據(jù)來源及處理

      InVEST 產水量模型使用當前或可預見的未來的土地利用和氣候數(shù)據(jù),對每個柵格單元的產水量進行空間制圖,需要的基礎數(shù)據(jù)具體包括:多邊形流域圖、年降水量(mm)、年平均參考蒸散量(mm)、最大根系埋藏深度(mm)、植被可利用含水率、土地利用數(shù)據(jù)、植被蒸散系數(shù)和植被根系深度。

      多邊形流域圖由DEM 圖經(jīng)ArcGIS 軟件水文分析獲得,DEM 數(shù)據(jù)來源于地理空間數(shù)據(jù)云網(wǎng)站(http://www.gscloud.cn/);年降水量數(shù)據(jù)由國家地球科學數(shù)據(jù)中心(http://www.geodata.cn/)下載的中國1 km 分辨率逐月降水量累加合成得到,該數(shù)據(jù)是采用CRU 發(fā)布的全球0.5°氣候數(shù)據(jù)(https://crudata.uea.ac.uk/cru/data/hrg/)以及WorldClim 發(fā)布的全球高分辨率氣候數(shù)據(jù)(http://www.worldclim.org/),通過Delta空間降尺度方案在中國地區(qū)降尺度生成,并用496 個獨立氣象觀測點數(shù)據(jù)進行驗證,驗證結果可信;年平均參考蒸散量由Modified-Hargreaves 方程導出(公式8)[38],相關的氣象數(shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng)(http://data.cma.cn/);最大根系埋藏深度用土壤深度代替,植被可利用含水量采用Zhou 等[40]的經(jīng)驗公式(公式9),利用土壤質地數(shù)據(jù)計算獲得,相關土壤數(shù)據(jù)來源于世界土壤數(shù)據(jù),其中的中國大陸區(qū)域數(shù)據(jù)由南京土壤研究所提供,數(shù)據(jù)下載自國家青藏高原科學數(shù)據(jù)中心(http://data.tpdc.ac.cn/);土地利用數(shù)據(jù)來源于資源環(huán)境科學與數(shù)據(jù)中心(https://www.resdc.cn/);植被蒸散系數(shù)參考InVEST 模型用戶手冊和聯(lián)合國糧食和農業(yè)組織蒸散系數(shù),并根據(jù)研究區(qū)土地利用和植被類型調整;植被根系深度參考聯(lián)合國糧食和農業(yè)組織FAO-56 指南的標準作物系數(shù)[41]。

      式中:ET0代表參考蒸散量;RA代表天文輻射量[MJ·(m2·d)-1];Tavg代表平均日最高氣溫和平均日最低氣溫的均值(℃);TD代表平均日最高氣溫和平均日最低氣溫的差值(℃);P代表月平均降水量(mm)。

      一是水位變化的不規(guī)則性,往往使閘引水流量無法準確控制。過閘流量受上下游水位組合及閘門開高雙重因素影響,閘門不能及時跟蹤調整,流量易失去控制。

      式中:PAWC代表植被可利用含水量;sand代表土壤沙粒含量(%);silt代表土壤粉粒含量(%);clay代表土壤粘粒含量(%);OM代表土壤有機質含量(%)。

      由于本研究缺乏雅魯藏布江下游實際徑流量數(shù)據(jù),加上該區(qū)域有相當一部分的徑流量來自于冰川積雪融水,因此不適合用實際徑流量對比驗證Z值。據(jù)相關研究,以夏季降水為主的地區(qū),Z值接近1;以冬季降水為主的地區(qū),Z值接近10[42]。雅魯藏布江流域的年內降水量分布不均,5 月-9 月的降水量可達全年降水量的80%[43],經(jīng)驗證,產水量與Z值成反比,本文取最大產水量模擬值,即Z= 1。

      3 結果與分析

      3.1 產水量空間分異特征

      2000、2010 和2020 年雅魯藏布江下游流域的產水深度范圍分別為9.6~2 543 mm、0~2 694 mm 和0~2 395 mm,各年份的產水量空間分布如圖2 所示。整體上,2000-2020 年間的產水量空間分布特征相類似,呈現(xiàn)南高北低的格局,2 000 mm 以上的高值區(qū)分布于雅魯藏布江出境口至雅魯藏布江大峽谷的拐彎處,500 mm 以下的低值區(qū)分布于北部帕隆藏布和易貢藏布的流域范圍內,500~1 000 mm的次低值區(qū)廣泛分布于研究區(qū)北部和中部;從時間上看,2000 和2010 年的產水量高值區(qū)分布基本一致,而2010 年的低值區(qū)面積明顯增加,主要分布于易貢藏布流域,2020 年的低值區(qū)面積進一步增加,分布范圍擴大至研究區(qū)整個北部區(qū)域,并且高值區(qū)分布面積減少,向南部集中。

      圖2 2000、2010 和2020 年雅魯藏布江下游流域產水量空間分布圖Figure 2 Spatial distribution of water yield in the lower reaches of the Yarlung Zangbo River in 2000, 2010 and 2020

      垂向上,雅魯藏布江下游流經(jīng)雅魯藏布江大峽谷后,海拔由高到低急劇下降,水面落差超過2 700 m,“天上之水”實至名歸;整個流域范圍內,海拔從南迦巴瓦峰超過7 700 m 下降到雅魯藏布江出境處低于200 m,海拔高差超過7 000 m,高山深壑縱橫交錯。海拔的巨大落差使產水量隨海拔高度變化而呈現(xiàn)明顯垂向差異,各個年份的平均產水深度隨海拔升高的變化趨勢完全一致,均是先急劇減少后緩慢增加,在海拔低于500 m 的區(qū)域內,各年份的平均產水深度均超過2 000 mm,最高值為2 341 mm,2000 和2010 年在海拔4 001~5 000 m 時,平均產水深度最低,2020 年的最低值出現(xiàn)在海拔3 501~4 000 m 的區(qū)域內,最低值為478 mm (圖3);在面積和產水量方面,以2020 年為例,海拔1 500 m 以下和3 000 m 以下的區(qū)域面積分別約占研究區(qū)總面積的11%和29%,而產水量占研究區(qū)總產水量的比例分別達到28%和50%,由此可知,低海拔區(qū)的面積集中且對產水量的貢獻大,高海拔區(qū)的面積廣闊,但對產水量的貢獻相對不足(圖3)。

      圖3 研究區(qū)各海拔區(qū)間的產水量情況Figure 3 Water yield at different altitudes in the study area

      3.2 產水量時間變化分析

      產水量模型模擬結果為2000、2010 和2020 年雅魯藏布江下游流域的平均產水深度分別為809、772 和709 mm,產水量分別為411 × 108、392 × 108和360 × 108m3(產水量等于產 水深度與面積的乘積)。產水量總體呈下降趨勢,且下降幅度呈擴大趨勢,20 年間平均產水深度下降100 mm (產水量下降51 × 108m3),其中,2000-2010 年平均產水深度下降37 mm (產 水 量下降19 × 108m3),2010-2020 年平均產水深度下降63 mm (產水量下降32 × 108m3)。

      將不同年份產水量分布圖相減,獲取2000-2010、2010-2020 和2000-2020 年的產水量時空變化圖(圖4),其中,將2000-2010 年的產水量增減區(qū)間劃分為3 類,即小于-70 mm (明顯減少)、-70~70 mm(少量變動)和大于70 mm (明顯增加),由于2010-2020 年間的產水量下降幅度較大,因此2010-2020和2000-2020 年的時空變化圖增加小于-200 mm(大量減少)的變化區(qū)間。各年間的產水量時空變化呈現(xiàn)不同的分布特征。2000-2010 年,產水量明顯減少區(qū)域面積(面積占比約為29%)大于明顯增加區(qū)域面積(8%),產水量明顯減少區(qū)主要分布于研究區(qū)西北部(易貢藏布流域),明顯增加區(qū)則集中于研究區(qū)南部(雅魯藏布江末端);2010-2020年,產水量明顯減少區(qū)域面積進一步擴大(39%),分布狀況與前10 年相反,產水量明顯減少區(qū)主要分布于研究區(qū)東部(帕隆藏布流域)和南部,并且南部區(qū)域的產水量大量減少,最大減少量超過1 100 mm,明顯增加區(qū)則分散分布于研究區(qū)北部;2000-2020年總體上,產水量明顯減少區(qū)域面積占比達到74%,遍布于整個研究區(qū),而少量變動區(qū)和明顯增加區(qū)分布范圍較小,呈分散分布狀。

      圖4 2000-2010 年、2010-2020 年和2000-2020 年產水深度時空變化圖Figure 4 Temporal and spatial variation of water yield in 2000-2010, 2010-2020, and 2000-2020

      3.3 產水量對氣候和土地利用變化的響應

      表1 不同情景下平均產水深度Table 1 Average water yield depth under different scenarios mm

      在以2000 年土地利用為基準而氣候要素數(shù)據(jù)改變的情景下(情景1),2010 和2020 年的平均產水深度分別較2000 年的真實情景減少了37 和120 mm,相應產水量減少約19 × 108和61 × 108m3,約占2000年產水量的5%和15%。模擬結果表明,在土地利用不變而氣候要素改變的情況下,氣候要素對研究區(qū)產水量具有較大的影響。

      在以2000 年氣候要素為基準而土地利用數(shù)據(jù)改變的情景下(情景2),2010 年的平均產水深度較2000 年的真實情景沒有明顯變化,在產水量上僅增加約1.1 × 105m3,占比低于0.01%,可以忽略不計。2020 年的平均產水深度較2000 年的真實情景增加了16 mm,產水量增加約8 × 108m3,約占2000 年產水量的2%,如圖5 所示,在情景2 下,2020 年的產水量增加部分主要來自于林地和草地,減少部分主要來自于水體和未利用地;其中,較2000 年,2020年林地和草地的面積占比分別增加約7.3%和11.6%,相應的產水量分別增加約22 × 108和41 ×108m3,水體和未利用地的面積占比分別減少約6.9%和11.9%,相應產水量分別減少約16 × 108和37 × 108m3,4 類土地利用類型的面積增減相抵消,而產水量增加了約10 × 108m3。模擬結果表明,相較于情景1,在氣候要素不變而土地利用改變的情況下,林地和草地的擴張使得產水量明顯增加,水體和未利用地的縮減致使產水量明顯減少,但總體上,土地利用變化對研究區(qū)產水量影響較小。

      圖5 土地利用變化情景下(情景2)各地類產水量和面積占比變化Figure 5 Change of water yield and area proportion of different types under the land use change scenario (scenario 2)

      在2000-2010 年間,氣候要素變化和土地利用變化對研究區(qū)產水量變化的貢獻率分別為-100%和0,2000-2020 年間,氣候要素變化和土地利用變化對研究區(qū)產水量變化的貢獻率分別為-115%和15%,說明雅魯藏布江下游流域產水量的主要影響因素是氣候要素,而土地利用的影響貢獻相對不足。另外,如表1 所列,在不同年份土地利用和氣候要素的組合情景中,產水量最高的是2000 年氣候要素和2020 年土地利用的組合,產水量最低的是2020 年氣候要素分別與2000 和2010 年土地利用的組合,通過情景組合能夠初步劃定未來產水量的變化范圍。

      4 討論

      由于缺乏數(shù)據(jù)和融水干擾,模擬結果未能得到驗證,因此本文利用雅魯藏布江中上游多年產水量模擬結果驗證模型適用性和參數(shù)準確性。采用相同的數(shù)據(jù)和方法,及Z取值為1 的條件下,獲取雅魯藏布江中上游流域的逐年產水量(圖6),2000-2010年的多年平均產水量約為470 × 108m3,據(jù)相關文獻,相近時間段內的雅魯藏布江中上游流域多年平均水文站實測徑流量約為643 × 108m3[44],近20 年的冰川積雪融化對雅魯藏布江中上游流域實際徑流的平均貢獻率約為26%[45],除去冰川積雪融化的多年平均實際徑流量約為476 × 108m3,與多年平均模擬產水量相差6 × 108m3,僅約1%,說明當Z=1 時,模型能夠很好模擬雅魯藏布江流域的產水量。

      圖6 2000-2010 年雅魯藏布江中上游流域逐年產水量Figure 6 Annual water yield in the middle and upper reaches of Yarlung Zangbo River from 2000 to 2010

      產水量時空變化與降水量和蒸散發(fā)的時空差異密切相關,降水量與產水量呈正相關關系,蒸散發(fā)與產水量呈負相關關系,土地利用則通過影響實際蒸散發(fā)從而影響產水量[46-47]。研究區(qū)產水量由南向北迅速遞減,并且平均產水深度相差巨大,這是由于研究區(qū)南部受印度洋氣流影響,該區(qū)域降水量十分豐富,但氣流在北上途中受到高海拔山脈阻擋,研究區(qū)整個北部降水量很低,從而使得研究區(qū)產水量北部與南端形成鮮明對比;經(jīng)驗證,蒸散發(fā)的年際變化很小,而2000-2020 年研究區(qū)降水量呈整體下降趨勢(圖7),這與產水量的整體趨勢相同,說明降水量是產水量年際變化的主要影響因素,并排除了2000、2010 和2020 年屬于極端年份的可能性;土地利用對產水量的影響主要是通過土地利用類型變化來控制實際蒸散發(fā)變化,但研究區(qū)土地利用在2000-2020 年變化較小,尤其是2000-2010 年,且土地利用變化引起的產水量增減基本相抵消,因此,土地利用變化的影響相對不足??傊?,研究區(qū)產水量時空演變與降水量時空變化的趨勢一致,土地利用變化的影響基本被降水量稀釋或掩蓋。

      圖7 2000-2020 年雅魯藏布江下游流域平均降水量Figure 7 Average precipitation in the lower reaches of Yarlung Zangbo River Basin from 2000 to 2020

      InVEST 模型的產水量模塊基于簡單的水平衡模型,雖然能夠對各種地區(qū)的產水量進行很好地模擬,但也存在一定的局限性和不確定性[48-49],地形海拔是水資源變化的一個重要影響因素,尤其是具有復雜地形的山區(qū),但產水量模塊對此沒有考慮[50],本文研究區(qū)地形極其復雜,海拔高差巨大,對產水量分布產生重要影響,雖然本研究有做描述,但還有待完善。在有融水補給徑流的區(qū)域,模擬產水量不能代表真實徑流量,而是需要去掉融水部分。植被蒸散系數(shù)和植被根系深度參考相應文獻和InVEST模型使用手冊,并根據(jù)研究區(qū)特征進行調整,存在一定不確定性,另外,數(shù)據(jù)精度、參數(shù)確定和校驗、參考蒸散發(fā)和植被可利用含水量計算公式的選取,這些都對最終評估結果精度產生影響,但總體上不會改變研究區(qū)產水量格局。

      5 結論

      本文基于InVEST 模型產水量模塊計算了2000、2010 和2020 年雅魯藏布江下游流域的產水量,分析研究區(qū)產水量的時空演變特征,并采用情景分析法探究氣候變化和土地利用變化對產水量的影響,得到以下結論:

      1)雅魯藏布江下游流域各年產水量分布特征相似,研究區(qū)內產水量差別大,平均產水深度最高值超過2 500 mm,2 000 mm 以上高值區(qū)主要分布于研究區(qū)南端,面積較小,1 000 m 以下的低值區(qū)和次低值區(qū)主要分布于研究區(qū)北部,面積廣闊。垂向上,平均產水深度隨海拔升高而迅速遞減,海拔3 000 m以下的區(qū)域以29%的面積占比擁有了全區(qū)50%的產水量,低海拔區(qū)表現(xiàn)為面積小而產水量高。

      2)雅魯藏布江下游流域2000、2010 和2020 年的產水量分別為411 × 108、392 × 108和360 × 108m3,呈整體下降趨勢,且下降幅度擴大。2000-2010 年間,研究區(qū)西北部產水量明顯減少,南部地區(qū)產水量明顯增加,2010-2020 年間與前10 年相反,研究區(qū)南部地區(qū)產水量明顯減少,且減少量很大,明顯增加的區(qū)域分布于北部的少數(shù)地區(qū),2000-2020 年產水量在整個研究區(qū)呈明顯減少趨勢。

      3) 2000-2020 年,氣候要素變化(情景1)和土地利用變化(情景2)對雅魯藏布江下游流域的產水量變化的貢獻率分別為-115%和15%,其中,氣候要素以降水為主導。表明研究區(qū)產水量變化的主要影響因素是降水量變化,而土地利用變化的影響較小。

      猜你喜歡
      雅魯藏布江產水量產水
      基于INVEST 模型的資水流域產水量及其對環(huán)境響應的評估分析
      贛江流域產水功能對土地利用變化的響應
      基于InVEST模型的阿克蘇河流域產水量評估及環(huán)境因素影響研究
      A case report of acupuncture of dysphagia caused by herpes zoster virus infection
      中國與孟加拉國在雅魯藏布江河流治理中的合作與問題探究
      商(2016年32期)2016-11-24 15:28:37
      煤層氣井長沖程、大泵徑排采設備的研究及應用
      西藏雅魯藏布江區(qū)橋梁水文計算
      西藏科技(2015年2期)2015-09-26 12:18:32
      雅魯藏布江特大橋的臨時鋼棧橋結構計算
      西藏科技(2015年3期)2015-09-26 12:11:11
      膜蒸餾模塊
      石油化工(2015年11期)2015-08-15 00:43:05
      產水凝析氣井積液診斷研究
      永年县| 常熟市| 定兴县| 平顶山市| 开化县| 吉水县| 天全县| 利辛县| 酉阳| 观塘区| 新和县| 南木林县| 茂名市| 玉屏| 始兴县| 仁化县| 马边| 海盐县| 四平市| 托里县| 峡江县| 宜川县| 康平县| 蒙城县| 怀柔区| 乐陵市| 凭祥市| 金川县| 阳朔县| 化州市| 海城市| 积石山| 莒南县| 三明市| 桓台县| 京山县| 贡嘎县| 古田县| 柳州市| 修武县| 政和县|