CN105912836A - 一种纯遥感数据驱动的流域水循环模拟方法 - Google Patents
一种纯遥感数据驱动的流域水循环模拟方法 Download PDFInfo
- Publication number
- CN105912836A CN105912836A CN201610172408.6A CN201610172408A CN105912836A CN 105912836 A CN105912836 A CN 105912836A CN 201610172408 A CN201610172408 A CN 201610172408A CN 105912836 A CN105912836 A CN 105912836A
- Authority
- CN
- China
- Prior art keywords
- theta
- soil
- water
- simulation
- vegetation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2219/00—Indexing scheme relating to application aspects of data processing equipment or methods
- G06F2219/10—Environmental application, e.g. waste reduction, pollution control, compliance with environmental legislation
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种纯遥感数据驱动的流域水循环模拟方法,构建包括植被截留与蒸散发过程、产流过程和汇流过程在内的,兼容空间信息的流域水循环模拟框架;完全基于遥感数据完成流域产流、汇流过程模拟,得到流域内任意栅格点上的总产流量和径流量背景值;增加模型方法参数自优化方法模块,构建目标函数,随机采样生成待率定模拟参数样本组合,引入模型进行迭代运算,确定最终符合条件的流域水循环模拟参数和模拟产汇流结果。本发明可以有效减少对传统气象站点观测数据的依赖性,更好地体现了水循环过程的时空连续性和空间异质性特点,增强了方法的物理机制和多源数据兼容性。
Description
技术领域
本发明涉及导航遥感技术领域,具体是一种纯遥感数据驱动的流域水循环模拟方法。
背景技术
水循环规律及内在机制的掌握直接影响流域水资源管理的合理性与科学性,然而,很长一段时间水文研究多是着眼于观测数据相对丰富的流域,对于缺乏观测数据的地区研究甚少。如何开展不依赖于传统站点观测数据条件下的流域水文过程模拟,进而发展能够满足变化环境下流域水文分析理论和方法,已成为最近国际上水资源与水环境研究的难点及热点问题之一。分布式水文模型是水文模拟的有效手段,但是目前分布式水文模型的应用仍受到模型构建机制和参数获取方面的限制,很少大范围尤其是在缺乏站点实测信息地区的生态、水文过程模拟和信息获取上得到有效应用。本发明构建了基于纯遥感数据驱动的流域水循环模拟方法,在继承时变增益水文非线性概念模型产、汇流模拟方法适用范围广等优点的同时,对其蒸散发和植被截留计算模块进行了改进,增加了蒸散发和植被截留量计算过程中对植被作用的描述,增强了模型模拟的生态、水文机制和模型参数的物理意义;同时,通过耦合多源遥感数据,实现了模型的纯遥感数据驱动,克服了大多数物理机制较强的分布式水文模型驱动数据和参数难以获取的瓶颈,拓展了该模型方法的适用性;此外,方法增加了模型参数的自优化模块,提高模型参数率定效率的同时减少了参数确定过程中人为主管因素的干扰,避免了产生参数局部优化的现象。
遥感和空间信息技术也越来越多的应用于水文模拟中的参数获取,但是很少有人完全基于遥感和空间数据实现较强物理机制的水文模型模拟。本发明基于水文系统非线性理论,改进时变增益水文非线性概念模型的模型结构,增强了水循环模拟的物理基础,提出了一种纯遥感数据驱动的流域水循环模拟方法。
发明内容
本发明的目的在于提供一种纯遥感数据驱动的流域水循环模拟方法,该方法以水文系统非线性理论为基础,改进时变增益水文非线性概念模型框架中蒸散发和降雨截留计算方式,增强其水文过程模拟的物理基础,同时增加模型参数自优化方法模块。该方法以遥感数据为基础,综合利用尺度转化、定量遥感反演、数据同化和时空插值等技术实现模型驱动所需气象、地表、植被和土壤信息推求,在不依赖与站点观测数据的条件下,完全基于遥感数据开展流域生态、水文过程模拟。
为实现上述目的,本发明提供如下技术方案:
一种纯遥感数据驱动的流域水循环模拟方法,包括以下步骤:
步骤一、构建包括植被截留与蒸散发过程、产流过程和汇流过程的兼容遥感数据的流域水循环模拟框架;
步骤二、完全基于多源遥感数据完成对日尺度、时-空分布连续的流域降水量、大气温度、融雪量、蒸发潜力、植被盖度和根系深度参数,以及上下层土体的土壤饱和含水量、田间持水量和凋萎含水量的水循环要素信息提取;
步骤三、开展流域产流、汇流过程模拟,得到流域内任意栅格点上的总产流量和径流量背景值,同时获取流域内任意栅格点上蒸散发量、融雪量、地表径流量、壤中流量的水资源分量的背景信息;
步骤四、增加模型参数自优化模块,构建参数目标函数,采用随机采样方法生成待率定模拟参数样本组合,引入模型进行迭代运算,确定最终符合条件的流域水循环模拟参数和模拟产汇流结果。
所述步骤一的构建方式如下:
A、栅格植被截留与蒸散发计算方法;
①采用下述公式(1)对植被截留量进行估算:
式中:Sv为叶面累积截留量,单位mm;smax为林冠最大截留量,单位mm;cv为植被盖度,单位%;η为校正系数;Pcum为时段降水量,单位mm;
实际蒸散发等于植被截留蒸发、植被蒸腾、水面蒸发和土壤蒸发四个部分之和;陆地栅格的实际蒸散发量等于栅格上的植被截留蒸发、植被蒸腾与土壤蒸发之和,水面栅格实际蒸散发量等于潜在蒸散发量;
②植被截留蒸发采用下述公式(2)计算:
Ecan=min(Sv,ETp,P) (2)
式中:Ecan为植被截留蒸发量,单位mm;Sv为冠层累积截留量,单位mm,;ETp为潜在蒸散发量,单位mm;P为降水量,单位mm;
③植被蒸腾采用下述公式(3)计算:
Eat=f1(LAI)·f2(θ)·(RDF)·(ETp-Ecan) (3)
式中:Eat为植被蒸腾量,单位mm;f1、f2分别为植被叶面积指数和根系层土壤水分的函数;RDF为根系分布函数,(ETp-Ecan)为扣除截留蒸发后的最大蒸发能力,式中f1、f2和RDF的表达式分别如下(4)、(5)、(6)所示:
f1(LAI)=max(0,min(1,(C2+C1·LAI))) (4)
式中:C1,C2,C3为参数,通过参数率定得到;θ为土壤体积含水量,单位%;θf为土壤田间持水量,单位%;θw为萎蔫含水量,单位%;RDF为根系分布参数,z1,z2分别为所求土壤层垂直方向上的两端坐标,单位m;LR为根系深度,单位m。
④土壤蒸发采用下述公式(7)计算;
K-J模型中设定土壤蒸发仅发生在表层土壤,受到表层土壤水分和潜在蒸发能力的限制,当土壤中水分含量降至土壤剩余含水量时,土壤水蒸发停止;土壤蒸发计算公式如下:
Es=ETp·f3(θ)+(ETp-Eat-ETp·f3(θ))·f4(θ)·(1-f1(LAI)) (7)
B、产流过程和汇流过程模拟采用时变增益水文非线性概念模型中所述方法。
所述步骤二完全基于遥感数据采用尺度转化、定量遥感反演、数据同化和时空插值的技术。
利用步骤二获取的流域水循环关键要素数据,基于步骤一构建的水循环模拟框架开展流域产流、汇流过程模拟。
所述步骤四的参数自优化过程具体为:
1)初始化,假定待优化问题是n维问题,选取参与进化的复合型个数p(p≥1)和每个复合型所包含的顶点数目m(m≥n+1),计算样本点数目s=p×m;
2)产生样本点,在可行域内随机产生s个样本点x1,…,xs,分别计算每一点xi的函数值f(xi),i=1,...,s;
3)对函数值进行升序排列存入数组D,然后将D分为P个复形,并对每个复形进行进化;
4)把进化后的每个复合型的所有顶点组合成新的点集,再次按函数值升序排列,排序后按目标函数的升序进行排列,仍存为数组D;
5)收敛性判断,如果满足收敛条件则停止,否则返回步骤3,对D产生新的复形继续运算,直至收敛或退出。
本发明的有益效果是:本发明可为缺少站点实测数据地区的流域水循环过程模拟提供可行的技术解决方案,可以有效减少流域水循环模拟研究过程中对传统气象站点观测数据的依赖性,模拟过程和模拟结果更好地体现了水循环过程的时空连续性和空间异质性特点;同时,本发明在改进增强时变增益水文非线性概念模型模拟过程物理基础的同时,完全基于遥感数据,实现模型气象、地表、植被、土壤驱动信息的推求,在不依赖站点观测数据驱动的基础上开展流域生态、水文过程模拟,拓展了模型的适用范围,能够很好的应用于国际上和学界热点的实测数据稀缺流域生态、水文过程模拟;本发明提供的流域水循环模拟方法基于时变增益水文非线性概念模型改进而来,对原模型方法的结构和数据接口进行了优化调整,增强了方法的物理机制、多源数据兼容性和参数率定效率。
附图说明
图1为实施例区域及验证站点分布图;
图2为方法模拟流程图;
图3为雅江流域遥感反演多年平均降水分布示意图;
图4为雅江流域2012年200天近地表大气温度空间分布示意图;
图5为雅鲁藏布江2012年融雪量空间分布图;
图6为雅鲁藏布江2012年潜在蒸发能力空间分布图;
图7为雅江流域2012年第200天植被盖度空间分布图;
图8为雅江流域2012年第200天根系深度空间分布图;
图9为雅江流域上层土体土壤饱和含水量空间分布图;
图10为雅江流域下层土体土壤饱和含水量空间分布图;
图11为雅江流域上层土体土壤田间持水量空间分布图;
图12为雅江流域下层土体土壤田间持水量空间分布图;
图13为雅江流域上层土体土壤凋萎含水量空间分布图;
图14为雅江流域下层土体土壤凋萎含水量空间分布图;
图15为雅江流域年均产流量空间分布图;
图16为雅江流域2008年生态需水量(蒸散发)空间分布图;
图17为奴下站日径流过程模拟结果精度验证图;
图18为奴下站日径流过程模拟总体精度分析图。
具体实施方式
下面将结合附图和具体实施例,对本发明技术方案进行清楚、完整地描述。
研究区及数据
本发明实施例研究区为我国西南地区国际河流雅鲁藏布江流域。在实施例研究区内,选择了利用获取的雅江流域境内奴下站2006-2009年逐日径流观测数据(下游为境外部分,无径流观测数据),对模型模拟的最终结果日径流过程曲线进行验证。实施例中还利用搜集到的雅江流域8个气象站点2005-2012年的实测日均气温对GLDAS降尺度气温数据进行精度验证;利用流域内仅有的16个国家基准和基本气象站降水数据对遥感反演得到的降水数据进行精度验证。此外,还搜集到了雅鹿藏布江下游支流,位于印度境内的Hayuliang国际站部分观测数据对方法模拟精度进行了进一步分析。具体范围和站点分布如图1所示。
研究所构建的模型是完全基于多源遥感数据驱动的流域生态水文过程模拟方法,本发明实例研究过程中主要应用到的公共平台数据有以下6种:1)90米空间分辨率的SRTM数字高程数据,用于提取流域地形和河网信息(http://www.gscloud.cn/);2)空间分辨率为300米的2009年全球土地利用覆盖产品,用于提取研究区土地利用数据和植被覆盖类型信息(http://www.gscloud.cn/);3)国产静止气象卫星风云2号日尺度降水产品数据,空间分辨率为5公里(http://www.nsmc.cma.gov.cn);4)MODIS标准产品由美国陆地过程分布式活动档案中心(Land Processes Distributed Active Archive Center,LPDAAC)发布,该中心位于美国地质调查局的地球资源观测和科学中心(Earth Resources Observationand Science Center(EROS),U.S.Geological Survey(USGS),本研究实例用到了MOD10A2(雪盖产品),MOD11A1(地表温度产品),MOD13A2(植被指数产品),MOD15A2(叶面积指数产品),以及MOD43B3(地表反射率产品)(http://modis.gsfc.nasa.gov/);5)世界和谐土壤数据库提供的空间分辨率1千米的数字土壤地图数据,用于估算土壤理化性质和土壤含水量估算;6)全球陆地数据同化系统3小时地表气温数据(http://mirador.gsfc.nasa.gov/)。
流程
本发明主要流程包括:构建流域水循环模型模拟架构;基于遥感数据,利用尺度转换、遥感反演等定量遥感技术和插值方法得到时-空连续的降水量、大气温度、融雪量、蒸发潜力、植被盖度和根系深度等参数,以及上下层土体的土壤饱和含水量、田间持水量和凋萎含水量等水循环要素信息;开展流域产流、汇流过程模拟,得到流域内任意栅格点上的总产流量和径流量背景值,同时获取流域内任意栅格点上蒸散发量、融雪量、地表径流量、壤中流量等水资源分量的背景信息;构建模型参数自优化方法模块,随机采样生成待率定模拟参数样本组合,引入模型进行迭代运算,确定最终符合条件的流域水循环模拟参数和模拟产汇流结果。如图2所示。
模型构建
模型架构包括流域植被截留与蒸散发、产流和汇流过程的模型。具体构建方式如下:
1)植被截留
①采用了下述公式(1)对植被截留量进行估算:
式中:Sv为叶面累积截留量,单位mm;Smax为林冠最大截留量,单位mm;cv为植被盖度,单位%;η为校正系数;Pcum为时段降水量,单位mm。
2)蒸散发
实际蒸散发包括植被截留蒸发、植被蒸腾、水面蒸发和土壤蒸发四个部分。非水域栅格的实际蒸散发量等于栅格单元上的植被截留蒸发、植被蒸腾与土壤蒸发之和,水域栅格实际蒸散发量等于潜在蒸散发量。
①植被截留蒸发采用了下述公式(2)计算:
Ecan=min(Sv,ETp,P) (2)
式中:Ecan为植被截留蒸发量,单位mm;Sv为冠层累积截留量,单位mm,;ETp为潜在蒸散发量,单位mm;P为降水量,单位mm。
②植被蒸腾采用了下述公式(3)计算:
Eat=f1(LAI)·f2(θ)·(RDF)·(ETp-Ecan) (3)
式中:Eat为植被蒸腾量,单位mm;f1、f2分别为植被叶面积指数和根系层土壤水分的函数;RDF为根系分布函数。(ETp-Ecan)为扣除截留蒸发后的最大蒸发能力。式中f1、f2和RDF的表达式分别如下(4)、(5)、(6)所示:
f1(LAI)=max(0,min(1,(C2+C1·LAI))) (4)
式中:C1,C2,C3为参数,通过模型调参得到;θ为土壤体积含水量,单位%;θf为土壤田间持水量,单位%;θw为萎蔫含水量,单位%;RDF为根系分布参数,z1,z2分别为所求土壤层垂直方向上的两端坐标,单位m;LR为根系深度,单位m。
③土壤蒸发采用了下述公式(7)计算
K-J模型中设定土壤蒸发仅发生在表层土壤,受到表层土壤水分和潜在蒸发能力的限制。当土壤中水分含量降至土壤剩余含水量时,土壤水蒸发停止。土壤蒸发计算公式如下:
Es=ETp·f3(θ)+(ETp-Eat-ETp·f3(θ))·f4(θ)·(1-f1(L4I)) (7)
3)参数自优化方法
具体流程为:
①初始化,假定待优化问题是n维问题,选取参与进化的复合型个数p(p≥1)和每个复合型所包含的顶点数目m(m≥n+1),计算样本点数目s=p×m;
②产生样本点,在可行域内随机产生s个样本点x1,…,xs,分别计算每一点xi的函数值f(xi),i=1,...,s;
③对函数值进行升序排列存入数组D,然后将D分为P个复形,并对每个复形进行进化;
④把进化后的每个复合型的所有顶点组合成新的点集,再次按函数值升序排列,排序后按目标函数的升序进行排列,仍存为数组D
⑤收敛性判断,如果满足收敛条件则停止,否则返回步骤3,对D产生新的复形继续运算,直至收敛或退出。
4)产流、汇流模块
产流过程和汇流过程模拟采用时变增益水文非线性概念模型中所述方法。
基于多种遥感数据推求驱动数据
本发明综合利用尺度转化、定量遥感反演、数据同化和时空插值等技术开展核心驱动要素的推求研究,完全基于遥感数据完成对日尺度,时-空分布连续的流域降水量、大气温度、融雪量、蒸发潜力、植被盖度和根系深度、上下层土体的土壤饱和含水量、田间持水量和凋萎含水量等水循环要素信息提取,实现流域生态、水文过程模拟。部分核心驱动数据提取方法如下:
1)空间降水驱动数据
通过建立TRMM原始降水数据与较高空间分辨率的预测因子之间的统计关系构建空间降尺度模型。然后结合原始TRMM日降水数据所反映的降水时间分布规律,将空间降尺度结果进一步进行时间降尺度处理,最终获取1km日尺度的降水数据(如图3所示)。
2)空间近地表大气温度驱动数据
通过引入高分辨率数字地面高程因子和气温垂直递减率参数,对具有高时间分辨率和覆盖范围的全球陆地同化系统气温同化数据(空间分辨率25公里,时间分辨率3小时)进行尺度转化,最终获取1km日尺度的地表大气温度数据(如图4所示)。
3)空间融雪驱动数据
本发明中采用度日因子计算方法获取实施例中研究区融雪量,其核心是度日因子的确定和大气温度数据的获取。大气温度数据采用本发明实施例中获取的气温降尺度数据,度日因子的获取利用经验公式计算得到,最终获取1km日尺度的融雪量数据(如图5所示)。
4)空间蒸发潜力驱动数据
蒸发潜力是指蒸发面在特定的气象条件下,充分供水时的蒸发量或蒸发率。针对具体的某一蒸发面,其蒸发能力等同于相同气象条件下可能达到的最大蒸发量。本发明采用Priestley-Taylor公式计算区域蒸发潜力,最终获取1km日尺度的蒸发潜力数据(如图6所示)。
5)空间植被参数驱动数据
植被盖度和根系深度是反应植被生长状况的重要指标,在生态、水文过程模拟过程中具有重要作用。植被盖度是指植物群落总体或各个体的地上部份的垂直投影面积与样方面积之比的百分数,反映植被的茂密程度,在蒸散发计算和植被截留等过程中具有重要意义。本发明采用植被盖度与LAI之间的经验统计关系估算植被盖度空间分布,最终获取1km日尺度的植被盖度数据(如图7所示)。
根系深度是反应植被生长状况和估算植被蒸腾耗水量的一个重要参数。本发明针对不同土地覆被类型,根据LAI的变化模拟根系深度,对于多年生的乔木林,认为根系深度在一年之中不发生变化,即给定一固定的根系深度,对于一年生的草本和作物,假定根系深度与LAI的变化趋势一致,最终获取1km日尺度的根系深度数据(如图8所示)。
6)空间土壤参数驱动数据
本发明中所需的土壤水分参数包括土壤饱和含水量、土壤田间持水量和土壤萎蔫含水量。小尺度上这些参数可通过实测的方法获取,区域尺度上,可采用SPAW(Soil-Plant-Air-Water)模型中土壤水分参数经验算法方法进行估算。本发明采用SPAW计算土壤水分参数的原理是对土壤机械组成、有机质含量等土壤理化性质与土壤水分特征进行曲线拟合,得出基于土壤机械组成估算土壤水分参数的经验公式,进而得到实施例中土壤参数驱动数据(如图9-14所示)。
模型背景值模拟及参数率定
基于本发明提供的方法,利用实施例中获取的模型驱动数据,本发明可进行流域日尺度产流、汇流模拟,提供日尺度的产流空间分布数据(如图15所示),汇流模拟则以产流数据为基础,进行水量沿坡面、河道的迁移运动模拟。可以提供日尺度的流域内任意栅格(断面)汇流累积量,结合模型提供的蒸散发空间分布数据,可进一步分析流域生态需水、耗水(如图16所示)等水资源分析。模拟过程中,采用模型默认参数进行初始模拟,得到流域各项参数和输出结果的初始值作为参数优化和进一步迭代运算的背景值空间。
参数率定是通过模型模拟结果与实测数据的比较,选取目标函数,通过计算目标函数取值判断模型模拟精度,从而调整模型参数,缩小模型模拟结果与实测数据误差的过程,是现阶段水文模型模拟中不可避免的一个环节。本发明利用已构建的模型自调参模块实现模型参数自动优化。参数自动优化是利用数学手段进行模型参数率定的一种高效的途径,基于一定的数学算法由程序自动完成参数优选,速度快、人为干预少。本研究在参数率定时,先结合相关研究设定一组参数初始值,然后循环运行产汇流过程,不断分析模拟结果和实测数据的过程线对参数进行修正,最终寻求最优参数集。模型中所有参与率定的模型参数和最终的率定结果见附表1。
附表1模型参数设置一览表
结果与分析
实施例利用获取的雅江流域境内奴下站2006-2009年逐日径流观测数据(下游为境外部分,无径流观测数据),对模型模拟的日径流过程曲线进行验证(如图17所示),结果表明:在不依赖与地面站点观测资料的情况下,利用本发明构建的模型方法,基于多源空间数据驱动的日尺度水文模拟结果在率定期的Nash的效率系数为0.64,决定性系数R2为0.73,水量平衡指数ROE为1.01(水量误差1%),RMSE径流误差为956m3/s,模型模拟效果十分理想;而在模型验证期,日尺度模拟结果Nash的效率系数为0.70,决定性系数R2为0.78,水量平衡指数ROE为0.90(水量误差10%),RMSE径流误差为991m3/s,模拟精度与率定期相当。
对模型在率定期和验证期的结果进行综合(如图18所示),研究构建的基于多源遥感信息驱动的流域水循环模拟方法,在不依赖地面实测气象水文驱动的条件下,总体模拟精度较高,其中决定性系数R2为0.76,Nash效率系数0.68,水量平衡系数0.96(水量误差4%)。
除了对径流模拟结果进行精度评价外,模型对模拟得到的产流结果进行了精度评价,采用的方式是水量平衡检验,即对研究时间段内(2006-2012)模型模拟结果进行水量平衡分析,评估模型结果合理性。研究将整个雅江流域划分为境内和境外二个部分,由分析可以看出,二个地区在模拟时段内水量平衡系数都接近于1(如表2所示),二个地区最大水量平衡偏差不超过3%,水量平衡吻合十分理想。说明研究结果满足水量平衡方程,精度满足水资源分析要求。
附表2模拟期年尺度流域水量平衡统计表
2006-2012 | 境内 | 境外 |
P(亿M3) | 2180.10 | 4836.4 |
Snow(亿M3) | 171.05 | 165.4 |
Eta(亿M3) | 638.15 | 872.8 |
R(亿M3) | 1779.40 | 4052 |
水量平衡系数 | 1.03 | 0.98 |
结论
本发明提出的基于遥感数据和水文模型相耦合的流域水循环研究技术体系,实现了基于纯遥感数据驱动的流域水循环模拟方法构建,综合利用多种空间数据尺度转化和信息反演方法,完全基于遥感数据提取了模型驱动因子空间数据,开展了站点观测数据极度稀缺的我国西南国际河流雅江流域日尺度水循环过程模拟,通过对模型模拟结果多方面的验证和分析,确保了研究所提出技术体系的可靠性,保证了模型及其模拟结果的合理性和可靠性,说明了利用研究提出的方法开展流域水循环过程模拟技术体系的可行性,为缺少站点实测数据条件下流域水资源分析提供了实用化的方法和工具。
显然,以上所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
Claims (5)
1.一种纯遥感数据驱动的流域水循环模拟方法,其特征在于:包括以下步骤:
步骤一、构建包括植被截留与蒸散发过程、产流过程和汇流过程的兼容多种遥感数据的流域水循环模拟框架;
步骤二、完全基于遥感数据完成对日尺度、时-空分布连续的流域降水量、大气温度、融雪量、蒸发潜力、植被盖度和根系深度等参数,以及上下层土体的土壤饱和含水量、田间持水量和凋萎含水量的水循环要素信息提取;
步骤三、开展流域产流、汇流过程模拟,得到流域内任意栅格点上的总产流量和径流量背景值,同时获取流域内任意栅格点上蒸散发量、融雪量、地表径流量、壤中流量的水资源分量的背景信息;
步骤四、增加模型参数自优化模块,构建参数目标函数,随机采样生成待率定模拟参数样本组合,引入模型进行迭代运算,确定最终符合条件的流域水循环模拟参数和模拟产汇流结果。
2.根据权利要求1所述的一种纯遥感数据驱动的流域水循环模拟方法,其特征在于:所述步骤一的构建方式如下:
A、栅格植被截留与蒸散发计算方法;
①采用下述公式(1)对植被截留量进行估算:
式中:Sv为叶面累积截留量,单位mm;Smax为林冠最大截留量,单位mm;cv为植被盖度,单位%;η为校正系数;Pcum为时段降水量,单位mm;
实际蒸散发等于植被截留蒸发、植被蒸腾、水面蒸发和土壤蒸发四个部分之和;陆地栅格的实际蒸散发量等于栅格上的植被截留蒸发、植被蒸腾与土壤蒸发之和,水面栅格实际蒸散发量等于潜在蒸散发量;
②植被截留蒸发采用下述公式(2)计算:
Ecan=min(Sv,ETp,P) (2)
式中:Ecan为植被截留蒸发量,单位mm;Sv为冠层累积截留量,单位mm,;ETp为潜在蒸散发量,单位mm;P为降水量,单位mm;
③植被蒸腾采用下述公式(3)计算:
Eat=f1(LAI)·f2(θ)·(RDF)·(ETp-Ecan) (3)
式中:Eat为植被蒸腾量,单位mm;f1、f2分别为植被叶面积指数和根系层土壤水分的函数;RDF为根系分布函数,(ETp-Ecan)为扣除截留蒸发后的最大蒸发能力,式中f1、f2和RDF的表达式分别如下(4)、(5)、(6)所示:
f1(LAI)=max(0,min(1,(C2+C1·LAI))) (4)
式中:C1,C2,C3为参数,通过参数率定得到;θ为土壤体积含水量,单位%;θf为土壤田间持水量,单位%;θw为萎蔫含水量,单位%;RDF为根系分布参数,z1,z2分别为所求土壤层垂直方向上的两端坐标,单位m;LR为根系深度,单位m。
④土壤蒸发采用下述公式(7)计算;
K-J模型中设定土壤蒸发仅发生在表层土壤,受到表层土壤水分和潜在蒸发能力的限制,当土壤中水分含量降至土壤剩余含水量时,土壤水蒸发停止;土壤蒸发计算公式如下:
Es=ETp·f3(θ)+(ETp-Eat-ETp·f3(θ))·f4(θ)·(1-f1(LAI)) (7)
B、产流过程和汇流过程模拟采用时变增益水文非线性概念模型中所述方法。
3.根据权利要求1所述的一种纯遥感数据驱动的流域水循环模拟方法,其特征在于:所述步骤二完全基于多种遥感数据采用尺度转化、定量遥感反演、数据同化和时空插值的技术。
4.根据权利要求1所述的一种纯遥感数据驱动的流域水循环模拟方法,其特征在于:利用步骤二获取的流域水循环关键要素数据,基于步骤一构建的水循环模拟框架开展流域产流、汇流过程模拟。
5.根据权利要求1所述的一种纯遥感数据驱动的流域水循环模拟方法,其特征在于:所述步骤四的模型参数自优化方法具体为:
1)初始化,假定待优化问题是n维问题,选取参与进化的复合型个数p(p≥1)和每个复合型所包含的顶点数目m(m≥n+1),计算样本点数目s=p×m;
2)产生样本点,在可行域内随机产生s个样本点x1,…,xs,分别计算每一点xi的函数值f(xi),i=1,...,s;
3)对函数值进行升序排列存入数组D,然后将D分为P个复形,并对每个复形进行进化;
4)把进化后的每个复合型的所有顶点组合成新的点集,再次按函数值升序排列,排序后按目标函数的升序进行排列,仍存为数组D;
5)收敛性判断,如果满足收敛条件则停止,否则返回步骤3,对D产生新的复形继续运算,直至收敛或退出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610172408.6A CN105912836B (zh) | 2016-03-25 | 2016-03-25 | 一种纯遥感数据驱动的流域水循环模拟方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610172408.6A CN105912836B (zh) | 2016-03-25 | 2016-03-25 | 一种纯遥感数据驱动的流域水循环模拟方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105912836A true CN105912836A (zh) | 2016-08-31 |
CN105912836B CN105912836B (zh) | 2019-03-15 |
Family
ID=56744466
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610172408.6A Active CN105912836B (zh) | 2016-03-25 | 2016-03-25 | 一种纯遥感数据驱动的流域水循环模拟方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105912836B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650238A (zh) * | 2016-11-18 | 2017-05-10 | 北京师范大学 | 基于遥感的流域植被生态系统旱季耗水量估算方法 |
CN107610577A (zh) * | 2017-09-08 | 2018-01-19 | 西安理工大学 | 水文循环模拟实验系统及实验方法 |
CN108229096A (zh) * | 2018-03-13 | 2018-06-29 | 河海大学 | 一种湿润地区土壤分层产流计算方法 |
CN108875292A (zh) * | 2018-05-16 | 2018-11-23 | 中国水利水电科学研究院 | 基于遥感的流域水文的仿真系统及方法 |
CN109685236A (zh) * | 2019-02-11 | 2019-04-26 | 国家电网有限公司 | 一种北方水库春季径流水源分析方法 |
CN109902115A (zh) * | 2019-01-28 | 2019-06-18 | 中山大学 | 一种面向栅格数据的区域与流域数据程序化提取方法 |
CN110442937A (zh) * | 2019-07-24 | 2019-11-12 | 武汉大学 | 一种融合卫星遥感和机器学习技术的流域水文模拟方法 |
CN110852415A (zh) * | 2019-09-24 | 2020-02-28 | 广州地理研究所 | 基于神经网络算法的植被指数预测方法、系统及设备 |
CN112084671A (zh) * | 2020-09-15 | 2020-12-15 | 武汉大学 | 城市时变增益降雨-径流过程模拟计算方法 |
CN112529723A (zh) * | 2020-04-30 | 2021-03-19 | 中国科学院地球化学研究所 | 一种基于像元尺度的地下水补给量估算方法及系统 |
CN112733385A (zh) * | 2021-01-25 | 2021-04-30 | 中国科学院重庆绿色智能技术研究院 | 基于时变增益模型的水、能、碳耦合数值模拟方法及系统 |
CN114707412A (zh) * | 2022-04-08 | 2022-07-05 | 四川大学 | 一种基于植被冠层时变特征的swat模型优化方法 |
CN115358086A (zh) * | 2022-09-05 | 2022-11-18 | 中国科学院地理科学与资源研究所 | 考虑过程间作用的流域水循环多过程模拟误差量化方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034001A (zh) * | 2010-12-16 | 2011-04-27 | 南京大学 | 一种以栅格为模拟单元的分布式水文模型设计方法 |
CN103645295B (zh) * | 2013-12-03 | 2017-02-08 | 中国科学院遥感与数字地球研究所 | 一种多层土壤水分模拟方法和系统 |
CN104765981B (zh) * | 2015-05-07 | 2019-05-10 | 中国科学院地理科学与资源研究所 | 一种基于分布式时变增益水文模型的蒸散发数据同化方法 |
-
2016
- 2016-03-25 CN CN201610172408.6A patent/CN105912836B/zh active Active
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650238A (zh) * | 2016-11-18 | 2017-05-10 | 北京师范大学 | 基于遥感的流域植被生态系统旱季耗水量估算方法 |
CN107610577A (zh) * | 2017-09-08 | 2018-01-19 | 西安理工大学 | 水文循环模拟实验系统及实验方法 |
CN108229096B (zh) * | 2018-03-13 | 2020-11-10 | 河海大学 | 一种湿润地区土壤分层产流计算方法 |
CN108229096A (zh) * | 2018-03-13 | 2018-06-29 | 河海大学 | 一种湿润地区土壤分层产流计算方法 |
CN108875292A (zh) * | 2018-05-16 | 2018-11-23 | 中国水利水电科学研究院 | 基于遥感的流域水文的仿真系统及方法 |
CN108875292B (zh) * | 2018-05-16 | 2019-07-30 | 中国水利水电科学研究院 | 基于遥感的流域水文的仿真系统及方法 |
CN109902115A (zh) * | 2019-01-28 | 2019-06-18 | 中山大学 | 一种面向栅格数据的区域与流域数据程序化提取方法 |
CN109902115B (zh) * | 2019-01-28 | 2022-03-04 | 中山大学 | 一种面向栅格数据的区域与流域数据程序化提取方法 |
CN109685236A (zh) * | 2019-02-11 | 2019-04-26 | 国家电网有限公司 | 一种北方水库春季径流水源分析方法 |
CN110442937A (zh) * | 2019-07-24 | 2019-11-12 | 武汉大学 | 一种融合卫星遥感和机器学习技术的流域水文模拟方法 |
CN110852415A (zh) * | 2019-09-24 | 2020-02-28 | 广州地理研究所 | 基于神经网络算法的植被指数预测方法、系统及设备 |
CN110852415B (zh) * | 2019-09-24 | 2022-04-26 | 广东省科学院广州地理研究所 | 基于神经网络算法的植被指数预测方法、系统及设备 |
CN112529723A (zh) * | 2020-04-30 | 2021-03-19 | 中国科学院地球化学研究所 | 一种基于像元尺度的地下水补给量估算方法及系统 |
CN112084671A (zh) * | 2020-09-15 | 2020-12-15 | 武汉大学 | 城市时变增益降雨-径流过程模拟计算方法 |
CN112084671B (zh) * | 2020-09-15 | 2022-11-04 | 武汉大学 | 城市时变增益降雨-径流过程模拟计算方法 |
CN112733385A (zh) * | 2021-01-25 | 2021-04-30 | 中国科学院重庆绿色智能技术研究院 | 基于时变增益模型的水、能、碳耦合数值模拟方法及系统 |
CN114707412A (zh) * | 2022-04-08 | 2022-07-05 | 四川大学 | 一种基于植被冠层时变特征的swat模型优化方法 |
CN114707412B (zh) * | 2022-04-08 | 2023-09-29 | 四川大学 | 一种基于植被冠层时变特征的swat模型优化方法 |
CN115358086A (zh) * | 2022-09-05 | 2022-11-18 | 中国科学院地理科学与资源研究所 | 考虑过程间作用的流域水循环多过程模拟误差量化方法 |
CN115358086B (zh) * | 2022-09-05 | 2023-03-28 | 中国科学院地理科学与资源研究所 | 考虑过程间作用的流域水循环多过程模拟误差量化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105912836B (zh) | 2019-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105912836B (zh) | 一种纯遥感数据驱动的流域水循环模拟方法 | |
Stathopoulos et al. | Wind power prediction based on numerical and statistical models | |
Bouraoui et al. | Evaluation of the impact of climate changes on water storage and groundwater recharge at the watershed scale | |
CN102034003B (zh) | 基于蓄水容量曲线和topmodel的流域水文模型的设计方法 | |
CN110781259B (zh) | 一种基于地貌单位线的水文模型的构建方法 | |
Vazifedoust et al. | Assimilation of satellite data into agrohydrological models to improve crop yield forecasts | |
CN101916337B (zh) | 一种基于地理信息系统的水稻生产潜力动态预测方法 | |
Hassan | Climate change impact on groundwater recharge of Umm er Radhuma unconfined aquifer Western Desert, Iraq | |
CN114462518B (zh) | 考虑多要素空间依赖性的区域蒸散发变化归因分析方法 | |
CN112651108B (zh) | 一种解耦气象要素和植被动态对水文要素影响的方法 | |
CN112785024A (zh) | 一种基于流域水文模型的径流计算和预测方法 | |
Wang et al. | Yield estimation of winter wheat in the North China Plain using the remote-sensing–photosynthesis–yield estimation for crops (RS–P–YEC) model | |
CN102722766A (zh) | 基于修订的区域气候模式数据的小麦产量预测方法 | |
CN104143043B (zh) | 一种多功能气候数据获取方法 | |
CN113553782B (zh) | 一种用于预报风速的降尺度方法 | |
CN108647401A (zh) | 一种基于空间遥感技术的流域氮磷污染评估方法 | |
Liu et al. | Constraining land surface and atmospheric parameters of a locally coupled model using observational data | |
Shin et al. | The role of an advanced land model in seasonal dynamical downscaling for crop model application | |
Nasonova et al. | Investigating the ability of a land surface model to simulate streamflow with the accuracy of hydrological models: A case study using MOPEX materials | |
CN110110410A (zh) | 一种基于wrf模式与sebs模型耦合的蒸散量估算方法 | |
De Blasi | Scale dependence of hydrological effects from different climatic conditions on glacierized catchments | |
NABUNYA | Simulation of impacts of land-use and land cover changes on water balance in Oued Fez basin (Morocco) | |
Goudarzi et al. | The effects of climate change on crop yields using RCP scenarios with SWAT agro-hydrological model in Maharlu Basin (Fars Province-Iran) | |
CN117556695B (zh) | 一种基于深度学习的作物根层土壤含水量模拟方法 | |
Allahwani | Application of continuous hydrologic modeling in Küçük Menderes River Basin |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |