摘要
水温是河流水生态系统的重要物理参数，水温情势的改变会直接影响河流生境，乃至威胁到流域生态安全。大型水利工程建设运行影响了汉江水文情势和水温过程，未来气候变化将使得这一影响更加剧烈，明确汉江干流水温变化规律及未来变化趋势对流域生态安全具有重要意义。本文以汉江干流作为研究区域，耦合蜣螂优化算法（DBO）与长短时记忆网络模型（LSTM），构建DBO-LSTM河流水温预测模型，并应用于汉江干流白河、黄家港、襄阳、皇庄、仙桃站，基于改进机器学习算法的河流水温预测模型，重构汉江干流历史水温并分析其变化规律;基于分布式水文模型SWAT模型、DBO-LSTM模型以及BCC-CSM2-MR模式的4种未来情景，对未来气候变化下的汉江干流水温进行预测，并对其变化趋势进行了分析。本文主要内容和创新性成果如下: （1）基于改进机器学习的河流水温预测模型的构建。将蜣螂优化算法（DBO）用于长短时记忆网络模型（LSTM）的优化，构建了河流水温预测模型DBO-LSTM，并将构建好的模型与长短时记忆网络（LSTM）、循环神经网络（RNN）、随机森林（RF）、极端梯度提升（XGBoost）、多层感知机（MLPNN）等5种常用机器学习算法的预测性能进行比较。结果表明，DBO-LSTM模型在河流水温预测中表现比传统模型更稳定、效果更好。 (2）丹江口水库大坝加高对下游水温特征影响分析。基于构建的DBO-LSTM模型重构了汉江干流历史水温，获得了汉江干流1980-2020长系列水温数据集。水温的M-K趋势检验结果与气温相同、突变性检验结果与气温相似，表现出水温与气温的高相关性。基于改进的水温评价指标分析了丹江口水库大坝加高对水温情势的影响。丹江口水库大坝加高显著改变了汉江下游水温情势，坝下河段黄家港年基线偏离指标值较大，其夏季水温变化贡献最高;四站春季相位偏移天数最小，秋季相位偏移天数最大，夏季次之，其中黄家港站年水温集中期平均后移20.7天，秋季水温集中期后移9.5d;水温极值变幅指标呈下降趋势，均化程度逐年加深，存在“滞冷”和“滞温”现象。季尺度水温评价指标能有效地刻画水温变化特征。坝下水温情势的改变程度与大坝的距离密切相关，距离大坝最近的黄家港站水温情势变化最明显。 （3）基于CMIP6的汉江流域未来气候变化下水温预估。采用BCC-CSM2-MR模式4种情景的未来气温、降水等数据，结合丹江口水库相关参数，建立汉江流域SWAT模型，模拟预测汉江干流未来流量过程。将未来4种情景下的流量和气温数据输入DBO-LSTM模型，对未来水温进行了预测。2021-2100年汉江干流年平均水温整体呈波动上升趋势。黄家港未来水温相较于历史水温明显降低，但随时间推移呈上升趋势、未来排放量情景增加而逐渐上升。白河、襄阳、皇庄、仙桃四站未来情景下的水温相较于历史水温有相对明显的上升。预计21世纪末，汉江流域的平均水温会在高强迫情景SSP5-8.5下出现最大的上升幅度，其次为中等至高强迫情景SSP3-7.0,再次为中等强迫情景SSP2-4.5,在低强迫情景SSP1-2.6增加最少。
NETL