本書首先介紹了國內(nèi)外該領(lǐng)域發(fā)展動態(tài)及我國水文站網(wǎng)中存在的主要問題；接著著重討論了水文分區(qū)問題，水文分區(qū)是水文站網(wǎng)規(guī)劃與優(yōu)化的基礎(chǔ)；最后介紹了采用經(jīng)濟效益最優(yōu)原則，定量分析計算水文站網(wǎng)的經(jīng)濟效益，指導水文站網(wǎng)的優(yōu)化工作。

本書系統(tǒng)地介紹了水資源及其屬性、水資源問題及其挑戰(zhàn)、水資源系統(tǒng)分析、水資源評價、水資源供需分析、水資源系統(tǒng)規(guī)劃、水資源管理等內(nèi)容與知識，闡述了現(xiàn)代水資源評價、合理規(guī)劃與系統(tǒng)管理的基本理論和方法，并簡要介紹了水資源可持續(xù)利用與保護等內(nèi)容。本書還講述了水文與水資源，水文測驗與水文調(diào)查，水文統(tǒng)計，地下水資源及其基本特征，地下

本書通過系統(tǒng)整理和記述2022年全國水文改革發(fā)展的成就和經(jīng)驗全面闡述了水文綜合管理、規(guī)劃與建設(shè)、水文站網(wǎng)管理、水文監(jiān)測管理水情氣象服務(wù)、水資源監(jiān)測與評價、水質(zhì)水生態(tài)監(jiān)測與評價、科技教育等方面的情況和進程，通過大量的數(shù)據(jù)和有代表性的實例客觀地反映了水文工作在經(jīng)濟社會發(fā)展中的作用。

順軌干涉SAR是一種綜合了SAR成像與干涉測量原理的多通道體制雷達，可以有效提取海表面流場，是目前衛(wèi)星遙感獲取高分辨率海表流場主要技術(shù)途徑。本書系統(tǒng)的介紹了順軌干涉SAR海流觀測的原理；綜述了順軌干涉SAR發(fā)展歷史和趨勢；詳細介紹干涉SAR海洋流場信號仿真方法；給出了干涉SAR海洋流場觀測系統(tǒng)的設(shè)計方法，并分析了SAR

本書基于1949—2021年期間的歐洲中期天氣預(yù)報中心高分辨率海洋水文氣象逐月和逐日再分析數(shù)據(jù)、衛(wèi)星遙感數(shù)據(jù)（交叉標定多平臺風矢量分析數(shù)據(jù)，CCMP）、日本的全球大洋環(huán)流模型所模擬的海流數(shù)據(jù)（OFES）、中國氣象局上海臺風研究所（CMASTI）及美國的聯(lián)合臺風警報中心（JTWC）提供的熱帶氣旋數(shù)據(jù)，對西北太平洋和北印度

《中國海洋站海洋水文氣候志。東海分冊》叢書依據(jù)完整詳實的海洋站觀測數(shù)據(jù)，利用科學的統(tǒng)計分析方法，總結(jié)了東海沿海18個海洋站潮汐、海浪、海水表層溫度、海水表層鹽度、氣溫、氣壓等海洋水文氣象要素的基本特征和變化規(guī)律，給出了風暴潮、海浪等海洋災(zāi)害和暴雨、冰雹、大風等災(zāi)害性天氣對沿海的影響。同時，給出了東海沿海各水文氣象要素的

本書為第十九屆中國水論壇論文集，全書共分5個部分，即水文科學、水資源管理、水文生態(tài)環(huán)境、水旱災(zāi)害防御、智慧水務(wù)。全書匯集了66篇論文，百余位水資源等領(lǐng)域?qū)＜覍W者就“水科學與智慧水務(wù)”進行了探討和成果展示。

全球徑流再分析由氣象再分析驅(qū)動水文模型而生成，具有序列長、范圍廣、時空連續(xù)等優(yōu)點，為水文模擬、水資源管理和環(huán)境建模等提供了豐富的數(shù)據(jù)信息。然而，全球徑流再分析數(shù)據(jù)對于局地徑流情勢的模擬效果尚不明晰。本書以GloFAS-ERA5徑流再分析數(shù)據(jù)為評估對象，使用分位數(shù)映射法應(yīng)用加利福尼亞州主要水庫出入庫徑流數(shù)據(jù)和全球主要水文

本書闡述了流域環(huán)境水文過程的內(nèi)在機理、環(huán)境變化的作用機制和相關(guān)研究進展，以淮河流域和新安江流域為研究對象，系統(tǒng)介紹了調(diào)控流域環(huán)境水文過程數(shù)值模擬技術(shù)方法和成果。主要內(nèi)容包括：調(diào)控河流環(huán)境水文要素變化診斷和歸因分析；調(diào)控河網(wǎng)水文水動力水質(zhì)耦合模擬和人類活動效應(yīng)量化；流域非點源污染量化和氣候變化影響評估。本書為調(diào)控流域水污

本書共6章。第1章為緒論，介紹了本書的研究背景與意義，國內(nèi)外研究現(xiàn)狀，中長期徑流預(yù)報在模型研究、因子篩選、后處理中存在的主要問題以及針對存在問題的研究思路和主要研究內(nèi)容；第2章介紹了一種基于貝葉斯推斷的支持向量回歸（SVR）方法和ARD核函數(shù)的結(jié)合應(yīng)用，該方法用以解決SVR模型中超參數(shù)優(yōu)化困難、缺少概率預(yù)報以及無法衡量