Page 10 - 2022年第53卷第9期

响应平均值作为未来远期径流，利用实物期权方法研究美国东北部水库群系统在变化环境下供水调度
决策；吴书悦等 ［５３］ 分析了 ＲＣＰ４．５情景下 ２０１６—２０４５年水文变化响应，据此提出了新安江水库的适应
性发电调度图；Ｈａｇｕｍａ等 ［５４］ 以 加拿 大魁 北 克 省 Ｍａｎｉｃｏｕａｇａｎ流 域 的 多 水 库 系 统 为 研 究 对 象，针 对
Ａ１Ｂ、Ａ２、Ｂ１三类排放情景下 １３个 ＧＣＭ的季节性变化情况和年际变化情况，提出了水库系统长期适
应性管理的优化方法；Ｈｅ等 ［５５］ 针对两个 ＧＣＭ预测情景，利用基于 Ｐａｒｅｔｏ存档的动态维度搜索算法，
提取了汉江流域梯级水库群的多目标适应性调度规则。

图 ２ 基于 Ｔｏｐ － ｄｏｗｎ与 Ｂｏｔｔｏｍ － ｕｐ模式开展变化环境下水库适应性调度研究的计算流程对比图

４．２ 基于 Ｂｏｔｔｏｍ－ ｕｐ模式的水库适应性调度 Ｂｏｔｔｏｍ － ｕｐ模式采用 “决策标度（ｄｅｃｉｓｉｏｎｓｃａｌｉｎｇ）” 的
思想，主要依托于降水、气温、径流等水文要素的多种可能变幅组合来描述变化环境，同时考虑水库
系统风险和当地管理特点等信息，以现有的水资源管理策略受到风险威胁作为实施适应性管理的内在
驱动，通过 “管理方案评价—风险情景确定—稳健性调整—再评价” 的研究过程，开展以稳健性为核
心的适应性管理 ［５６］ 。这一模式描述变化环境的情景数量充足、与工程管理的现状结合紧密；但是，主
观依赖性较强、再现能力与透明度不高。
相关研究案例有：Ｂｒｏｗｎ等 ［５７］ 将气候预测信息、专家与利益相关者的风险阈值偏好、系统脆弱性
等要素，嵌入到水资源系统适应性管理模型，提出了基于 Ｂｏｔｔｏｍ － ｕｐ模式的气候变化影响下水资源规
划与管理的技术框架；Ｈｅｒｍａｎ等 ［５８］ 提出了多利益主体稳健性决策的计算框架，该框架在 Ｂｏｔｔｏｍ－ ｕｐ
模式中融合了多目标搜索技术和不确定性分析方法，并在美国北卡罗来纳州水资源系统进行实例验
证；Ｂｏｒｇｏｍｅｏ等 ［５９］ 针对变化环境下英国伦敦供水系统的适应性管理问题，分析了非平稳缺水频率的
概率分布和超过计划频率的缺水风险阈值，并基于 Ｂｏｔｔｏｍ － ｕｐ模式制定了长期水资源的规划管理策略；
Ｔａｎｅｒ等 ［６０］ 运用贝叶斯信念网络构建了水文气象要素的历史趋势以及未来预测和专家经验的联合概率
分布，基于 Ｂｏｔｔｏｍ － ｕｐ模式提出了耦合多维不确定性的水库稳健性调控措施，在肯尼亚 Ｍｗａｃｈｅ水库

０
— １ ２ ３ —