生態(tài)水文學是一門新興學科，研究地球上水和生態(tài)系統(tǒng)相互作用關系，包括陸地和水生生態(tài)系統(tǒng)。在陸地生態(tài)系統(tǒng)(如森林、濕地、荒漠和稀樹草原)中，植被與地表水、包氣帶水和地下水之間的相互作用關系機理是研究重點；在水生生態(tài)系統(tǒng)(如河流、溪流、湖泊和濕地)中，重點研究水文過程如何與生態(tài)過程協(xié)調(diào)統(tǒng)一�！渡鷳B(tài)水文學》教材主要包括以下內(nèi)容
本書在大量的水文監(jiān)測、野外調(diào)查、實地測量等數(shù)據(jù)基礎上，通過資料整編及綜合分析，對“22·6”北江洪水天氣系統(tǒng)背景、暴雨洪水特點、干支流洪水演進及組合、洪水還原計算、水利工程防洪作用、河勢變遷等進行了全面的分析研究，為今后我省的防汛調(diào)度工作提供重要的參考。
水文預報是一項重要的防洪減災非工程磋商�！渡綎|省實用水文預報方案叢書》是進行山東省實時洪水預報的重要手段。本書為《山東省實用水文預報方案叢書》第二冊，利用近年洪水資料和工程建設情況，對現(xiàn)有34處山東省重要河道洪水預報斷面，進行實用預報方案補充修訂完善。本書方案以明確的物理成因為依據(jù)，充分的歷史水文資料為基礎，同時總結歷
本書提出了新型耦合數(shù)據(jù)驅(qū)動模型。具體內(nèi)容包括：(1)提出了基于滑窗累積雨量的降雨量候選輸入向量及輸入變量的分離式選擇策略，并與基于偏互信息的輸入變量選擇方法聯(lián)合使用，確保了輸入信息的充足性和無冗余性，對建立精度高、泛化能力強的高質(zhì)量數(shù)據(jù)驅(qū)動模型意義重大；(2)提出了新型集成神經(jīng)網(wǎng)絡模型--EBPNN模型及其率定方法。通
本書稿基于“互聯(lián)網(wǎng)+”寧夏水文監(jiān)測數(shù)據(jù)采集計算處理技術轉化應用，對寧夏“互聯(lián)網(wǎng)+”水文測驗整編匯編系統(tǒng)操作、測驗技術細則、整編匯編技術補充規(guī)定等進行全面梳理與整理，編輯成書，是在收集整理以往水資源評價成果及水文氣象數(shù)據(jù)基礎上，更新水文地質(zhì)參數(shù)，核查分析地表水與地下水開發(fā)利用現(xiàn)狀、渠系入滲量。為更好地開展水文水資源監(jiān)測服
本書系統(tǒng)研究中亞天山地區(qū)氣候變化對水資源的影響，通過對天山地區(qū)溫度、降水、冰川、積雪、河川徑流等水文水資源要素變化的系統(tǒng)分析，解析了氣候變化對中亞天山地區(qū)水循環(huán)和水資源的影響機理，預估了未來水資源變化趨勢。研究結果可為中亞干旱區(qū)水資源管理和可持續(xù)發(fā)展提供科學依據(jù)與決策支持。
本書圍繞全球環(huán)境變化下中小流域設計暴雨洪水計算面臨的問題，基于室內(nèi)和野外人工控制實驗探討了暴雨洪水產(chǎn)匯流過程機制及產(chǎn)匯流模擬中下墊面參數(shù)化方法，檢驗了典型中小流域設計暴雨洪水同頻率假定；識別了暴雨洪水形成過程中影響同頻率假定的關鍵環(huán)境要素，探討了環(huán)境變化下中小流域暴雨洪水產(chǎn)匯流過程與同頻率假定作用機制；闡述了中小流域暴
本書系統(tǒng)地論述現(xiàn)代水文預報必須掌握的水文學原理，并結合當前工程實際介紹一些典型的水文模型與方法。本書主要考慮現(xiàn)代水文預報技術的發(fā)展，側重現(xiàn)代水文模型與方法在水文預報中的應用，尤其是對實際水文預報中的建模方法、參數(shù)分析及模型實踐等內(nèi)容將進行詳細的介紹。本書是按水文模型的基本原理、不同水文模型的特點和水文模型的未來發(fā)展等內(nèi)
本書共分為9章，1個附錄。第1章主要介紹了在水文行業(yè)現(xiàn)代化的背景下的水文監(jiān)測體系，以及目前流量、泥沙監(jiān)測的技術發(fā)展階段。第2章主要介紹了國內(nèi)外現(xiàn)代水文監(jiān)測體系的發(fā)展進程，以及我國現(xiàn)有技術標準。第3章主要介紹了流量、泥沙監(jiān)測的關鍵之處，大斷面的選擇與測量。第4章主要介紹了流量監(jiān)測新舊技術的對比，以及各種流量監(jiān)測新技術、設
本書針對變化環(huán)境下徑流變化定量歸因及其不確定性問題，以美國200個MOPEX流域為研究對象，以4種月水量平衡模型為基礎，提出了一種考慮模型結構和參數(shù)不確定性的水文模擬方法，研究了氣候變化和人類活動對流域水文水資源的影響，并對影響分離量化過程中的綜合不確定性進行了分析。本書主要內(nèi)容包括：水文氣象要素特征識別、水量平衡模型
書單推薦
