在未监测的流域中评估最佳管理实践的影响,使用合SWAT-BiLSTM方法

科学领域:

• 环境水文学环境水文学
• 水资源管理 水资源管理
• 计算建模 计算建模

背景情况:

• 准确模拟最佳管理实践 (BMP) 对未经监测的流域至关重要.
• 现有的水文模型通常需要大量的数据,这限制了它们在数据稀缺的地区的应用.
• 改善流量预测对于有效的水质管理至关重要.

研究的目的:

• 开发和评估一种混合水文模型,将土壤和水评估工具 (SWAT) 和双向长期短期记忆 (Bi-LSTM) 结合起来,用于模拟BMP效应.
• 通过使用非常高分辨率的土地利用和土地覆盖 (LULC) 数据,提高巴河流域 (BRB) 流量预测的准确性.
• 评估各种BMPs在减少营养负载 (TN和TP) 的有效性.

主要方法:

• 整合了基于物理的SWAT模型与数据驱动的Bi-LSTM模型.
• 使用了SinoLC-1非常高分辨率的土地利用和土地覆盖 (LULC) 数据集.
• 校准SWAT参数以优化Bi-LSTM模型的输入数据,增强其学习过程.

主要成果:

• 混合SWAT-BiLSTM模型表现出高流量预测准确度,总体纳什-萨特克利夫效率 (NSE) 为0.86和R2为0.85.
• 模拟表明,草是最有效的单一BMP减少营养 (17.83%TN,36.17%TP).
• 结合草,土壤测试和施肥以及植物性过条,实现了最高的营养减少 (42.71% TN,50.40% TP).

结论:

• 混合SWAT-BiLSTM模型提供了一种新且有效的方法,用于模拟缺乏水文数据的流域中的BMP影响.
• 该模型为水质模拟和决策提供了可靠的水力动力环境.
• 这种方法在与BMP相关的水资源管理和规划中具有广泛应用的巨大潜力.