CN108875292A - 基于遥感的流域水文的仿真系统及方法 - Google Patents
基于遥感的流域水文的仿真系统及方法 Download PDFInfo
- Publication number
- CN108875292A CN108875292A CN201810464816.8A CN201810464816A CN108875292A CN 108875292 A CN108875292 A CN 108875292A CN 201810464816 A CN201810464816 A CN 201810464816A CN 108875292 A CN108875292 A CN 108875292A
- Authority
- CN
- China
- Prior art keywords
- data
- conversion
- image
- river basin
- unit
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及一种基于遥感的流域水文仿真方法及系统。该方法包括:利用数据规范化处理单元对数据进行处理,构建模型使得模型输入数据能自动提取,将数据规范化处理单元、构建的模型以及模型输入数据自动提取单元进行集成,将流域水文仿真集成单元进行示范应用。该系统包括:数据规范化处理单元,模型输入数据自动提取单元,流域水文仿真集成单元,示范应用单元。通过该方法和系统,将多样化信息进行有效地融合和优化,提出了高效的数据处理方法,从而提高多种数据的特征利用,提高数据的处理速度,加强仿真技术与模型的集成度,促进模型仿真研究的发展。
Description
技术领域
本发明属于仿真技术领域,具体地,涉及一种基于遥感的流域水文的仿真系统及方法。
背景技术
随着仿真技术的快速发展,基于水文模拟研究已成为国内外的研究热点。但数据和模型的缺点明显,关系松散,应用中面临各种数据的不规范、不兼容、尺度不匹配等问题,急需开发相应的系统和方法。
发明内容
为了解决上述问题,本发明的目的在于提供一种基于流域水文的仿真系统及方法,从研究驱动不同模型所需各类数据的获取方法出发,设计数据优选、格式转换和尺度匹配方法,开发数据规范化处理软件单元;研究模型参数和驱动数据的自动提取算法,建立流域地形和下垫面特征参数库及水文气象数据库,开发模型参数提取和数据处理单元;在整合集成多种模型及相关数据处理单元基础上,建立基于数据驱动的模型仿真集成系统及方法。该系统和方法能够将多样化信息进行有效地融合和优化,提出了高效的数据处理方法,从而提高多种数据的特征利用,提高数据的处理速度,加强仿真技术与模型的集成度,促进模型仿真研究的发展,是解决流域水文模拟问题的重要手段,并能够为我国众多水资源的利用与保护以及地缘合作与跨境影响评价等提供科学依据。
发明采用的技术方案如下:
本发明公开了一种基于流域水文仿真的方法,该方法包括:
步骤1,利用数据规范化处理单元对数据进行处理。
步骤2,构建模型使得模型输入数据能自动提取。
步骤3,将数据规范化处理单元、构建的模型以及模型输入数据自动提取单元进行集成,形成流域水文仿真集成单元,进行产流模拟、汇流模拟、河道断面流量监测、流域水量平衡分析和水库影响下的水情分析。
步骤4,将流域水文仿真集成单元进行示范应用。
本发明还公开了一种基于流域水文仿真的系统,包括数据规范化处理单元,模型输入数据自动提取单元,流域水文仿真集成单元,示范应用单元。
优选地,数据规范化处理单元,用于对数据进行处理:对接收的卫星数据进行融合和优化;对采集到的数据中的降雨、温度、下垫面、高程、土地利用率进行分析;对采集到的水文数据、气象数据进行分析;将各种数据进行规范化处理,进行尺度转换、尺度匹配和格式转换,形成基础地理数据库和水文气象数据库;
优选地,模型输入数据自动提取单元,用于对构建的模型中输入的数据直接提取高程、叶面积指数,同时间接分析潜在蒸散、植被盖度,利用邻近流域参数移植法、水文相似流域参数移植法、参数回归法进行参数提取;对构建的模型中的驱动数据进行时间连续性检测和空间连续性检测,对检测后的数据进行时空插值重采样,进行驱动数据提取;
优选地,流域水文仿真集成单元,用于将数据规范化处理单元、构建的模型以及模型输入数据自动提取单元进行集成,形成流域水文仿真集成单元,进行产流模拟、汇流模拟、河道断面流量监测、流域水量平衡分析和水库影响下的水情分析;
优选地,示范应用单元,将流域水文仿真集成单元进行示范应用。
附图说明
下面结合附图及实施方式对本发明作进一步详细的说明:
图1为数据处理方法的流程图。
图2为数据处理系统的示意图。
图3为数据处理方法实施例的流程图。
图4为数据处理方法实施例中对接收的卫星数据进行融合和优化的流程图。
图5为数据处理方法实施例中尺度转换、尺度匹配和格式转换的流程图。
具体实施方式
在下文中更详细地描述了本发明以有助于对本发明的理解。
应当理解的是,在说明书和权利要求书中使用的术语或词语不应当理解为具有在字典中限定的含义,而应理解为在以下原则的基础上具有与其在本发明上下文中的含义一致的含义:术语的概念可以适当地由发明人为了对本发明的最佳说明而限定。
本发明公开了一种基于流域水文仿真的方法,该方法包括:
步骤1,利用数据规范化处理单元对数据进行处理。
步骤2,构建模型使得模型输入数据能自动提取。
步骤3,将数据规范化处理单元、构建的模型以及模型输入数据自动提取单元进行集成,形成流域水文仿真集成单元,进行产流模拟、汇流模拟、河道断面流量监测、流域水量平衡分析和水库影响下的水情分析。
步骤4,将流域水文仿真集成单元进行示范应用。
进一步地,所述步骤1包括对接收的卫星数据进行融合和优化。
进一步地,所述步骤1中对接收的卫星数据进行复合和优化为:
xs'(l,i,j)=xs(l,i,j)+[xs(l,i,j)/∑l(cl·xs(l,i,j))]·(q(i,j)-∑l(cl·xs(l,i,j)))
其中,xs(l,i,j)为融合前多光谱影像像素值,xs'(l,i,j)为复合后多光谱影像像素值,l为波段序号,(i,j)表示像素位置,cl为像素(i,j)的数据块的多元线性回归参数,q(i,j)为选取的其他影像像素值。
进一步地,所述步骤1包括对采集到的数据中的降雨、温度、下垫面、高程、土地利用率进行分析。
进一步地,所述步骤1包括对采集到的水文数据、气象数据进行分析。
进一步地,所述步骤1包括将各种数据进行规范化处理,进行尺度转换、尺度匹配和格式转换,形成基础地理数据库和水文气象数据库。
进一步地,所述步骤1中述尺度转换、尺度匹配和格式转换,具体如下:
其中,v′(xr,yr)为转换后的图像数据,v(xi,yi)为转换前的图像数据,(xr,yr)为转换后图像的空间位置,(xi,yi)为转换前图像的空间位置,c'为转换后的图像像元大小,c为转换前的图像像元大小,εi为转换前的像元位置(xi,yi)和转换后的像元位置(xr,yr)之间的距离权重系数;n为当转换后的图像像元大小大于转换前的像元时,转换后的图像像元包含的转换前的图像像元个数。
进一步地,所述步骤2包括对构建的模型中输入的数据直接提取高程、叶面积指数。
进一步地,所述步骤2包括同时间接分析潜在蒸散、植被盖度,利用邻近流域参数移植法、水文相似流域参数移植法、参数回归法进行参数提取。
进一步地,所述步骤2包括对构建的模型中的驱动数据进行时间连续性检测和空间连续性检测,对检测后的数据进行时空插值重采样,进行驱动数据提取。
本发明还公开了一种基于流域水文仿真的系统,包括数据规范化处理单元,模型输入数据自动提取单元,流域水文仿真集成单元,示范应用单元。
进一步地,数据规范化处理单元,用于对数据进行处理:对接收的卫星数据进行融合和优化;对采集到的数据中的降雨、温度、下垫面、高程、土地利用率进行分析;对采集到的水文数据、气象数据进行分析;将各种数据进行规范化处理,进行尺度转换、尺度匹配和格式转换,形成基础地理数据库和水文气象数据库;
进一步地,模型输入数据自动提取单元,用于对构建的模型中输入的数据直接提取高程、叶面积指数,同时间接分析潜在蒸散、植被盖度,利用邻近流域参数移植法、水文相似流域参数移植法、参数回归法进行参数提取;对构建的模型中的驱动数据进行时间连续性检测和空间连续性检测,对检测后的数据进行时空插值重采样,进行驱动数据提取;
进一步地,流域水文仿真集成单元,用于将数据规范化处理单元、构建的模型以及模型输入数据自动提取单元进行集成,形成流域水文仿真集成单元,进行产流模拟、汇流模拟、河道断面流量监测、流域水量平衡分析和水库影响下的水情分析;
进一步地,示范应用单元,将流域水文仿真集成单元进行示范应用。
进一步地,对接收的卫星数据进行融合和优化为:
xs'(l,i,j)=xs(l,i,j)+[xs(l,i,j)/∑l(cl·xs(l,i,j))]·(q(i,j)-∑l(cl·xs(l,i,j)))
其中,xs(l,i,j)为融合前多光谱影像像素值,xs'(l,i,j)为融合后多光谱影像像素值,l为波段序号,(i,j)表示像素位置,cl为像素(i,j)的数据块的多元线性回归参数,q(i,j)为选取的其他影像像素值。
优选地,所述尺度转换、尺度匹配和格式转换,具体如下:
其中,v′(xr,yr)为转换后的图像数据,v(xi,yi)为转换前的图像数据,(xr,yr)为转换后图像的空间位置,(xi,yi)为转换前图像的空间位置,c′为转换后的图像像元大小,c为转换前的图像像元大小,εi为转换前的像元位置(xi,yi)和转换后的像元位置(xr,yr)之间的距离权重系数;n为当转换后的图像像元大小大于转换前的像元时,转换后的图像像元包含的转换前的图像像元个数。
以上描述了本发明优选实施方式,然其并非用以限定本发明。本领域技术人员对在此公开的实施方案可进行并不偏离本发明范畴和精神的改进和变化。
Claims (6)
1.一种基于遥感的流域水文仿真方法,其特征在于,该方法包括:
步骤1,利用数据规范化处理单元对数据进行处理:对接收的卫星数据进行融合和优化;对采集到的数据中的降雨、温度、下垫面、高程、土地利用率进行分析;对采集到的水文数据、气象数据进行分析;将各种数据进行规范化处理,进行尺度转换、尺度匹配和格式转换,形成基础地理数据库和水文气象数据库。
步骤2,构建模型使得模型输入数据能自动提取:对构建的模型中输入的数据直接提取高程、叶面积指数,同时间接分析潜在蒸散、植被盖度,利用邻近流域参数移植法、水文相似流域参数移植法、参数回归法进行参数提取;对构建的模型中的驱动数据进行时间连续性检测和空间连续性检测,对检测后的数据进行时空插值重采样,进行驱动数据提取。
步骤3,将数据规范化处理单元、构建的模型以及模型输入数据自动提取单元进行集成,形成流域水文仿真集成单元,进行产流模拟、汇流模拟、河道断面流量监测和流域水量平衡分析。
步骤4,将流域水文仿真集成单元进行示范应用。
2.一种如权利要求1所述的基于遥感的流域水文仿真的方法,所述对接收的卫星数据进行融合和优化为:
xs'(l,i,j)=xs(l,i,j)+[xs(l,i,j)/∑l(cl·xs(l,i,j))]·(q(i,j)-∑l(cl·xs(l,i,j)))
其中,xs(l,i,j)为融合前多光谱影像像素值,xs′(l,i,j)为融合后多光谱影像像素值,l为波段序号,(i,j)表示像素位置,cl为像素(i,j)的数据块的多元线性回归参数,q(i,j)为选取的其他影像像素值。
3.一种如权利要求1所述的基于遥感的流域水文仿真的方法,所述尺度转换、尺度匹配和格式转换,具体如下:
其中,v′(xr,yr)为转换后的图像数据,v(xi,yi)为转换前的图像数据,(xr,yr)为转换后图像的空间位置,(xi,yi)为转换前图像的空间位置,c′为转换后的图像像元大小,c为转换前的图像像元大小,εi为转换前的像元位置(xi,yi)和转换后的像元位置(xr,yr)之间的距离权重系数;n为当转换后的图像像元大小大于转换前的像元时,转换后的图像像元包含的转换前的图像像元个数。
4.一种基于遥感的流域水文仿真系统,其特征在于,该系统包括:
数据规范化处理单元,用于对数据进行处理:对接收的卫星数据进行融合和优化;对采集到的数据中的降雨、温度、下垫面、高程、土地利用率进行分析;对采集到的水文数据、气象数据进行分析;将各种数据进行规范化处理,进行尺度转换、尺度匹配和格式转换,形成基础地理数据库和水文气象数据库。
模型输入数据自动提取单元,用于对构建的模型中输入的数据直接提取高程、叶面积指数,同时间接分析潜在蒸散、植被盖度,利用邻近流域参数移植法、水文相似流域参数移植法、参数回归法进行参数提取;对构建的模型中的驱动数据进行时间连续性检测和空间连续性检测,对检测后的数据进行时空插值重采样,进行驱动数据提取。
流域水文仿真集成单元,用于将数据规范化处理单元、构建的模型以及模型输入数据自动提取单元进行集成,形成流域水文仿真集成单元,进行产流模拟、汇流模拟、河道断面流量监测、流域水量平衡分析和水库影响下的水情分析。
示范应用单元,将流域水文仿真集成单元进行示范应用。
5.一种如权利要求4所述的基于遥感的流域水文仿真系统,所述对接收的卫星数据进行融合和优化为:
xs'(l,i,j)=xs(l,i,j)+[xs(l,i,j)/∑l(cl·xs(l,i,j))]·(q(i,j)-∑l(cl·xs(l,i,j)))
其中,xs(l,i,j)为融合前多光谱影像像素值,xs′(l,i,j)为融合后多光谱影像像素值,l为波段序号,(i,j)表示像素位置,cl为像素(i,j)的数据块的多元线性回归参数,q(i,j)为选取的其他影像像素值。
6.一种如权利要求4所述的基于遥感的流域水文仿真的系统,所述尺度转换、尺度匹配和格式转换,具体如下:
其中,v′(xr,yr)为转换后的图像数据,v(xi,yi)为转换前的图像数据,(xr,yr)为转换后图像的空间位置,(xi,yi)为转换前图像的空间位置,c′为转换后的图像像元大小,c为转换前的图像像元大小,εi为转换前的像元位置(xi,yi)和转换后的像元位置(xr,yr)之间的距离权重系数;n为当转换后的图像像元大小大于转换前的像元时,转换后的图像像元包含的转换前的图像像元个数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810464816.8A CN108875292B (zh) | 2018-05-16 | 2018-05-16 | 基于遥感的流域水文的仿真系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810464816.8A CN108875292B (zh) | 2018-05-16 | 2018-05-16 | 基于遥感的流域水文的仿真系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108875292A true CN108875292A (zh) | 2018-11-23 |
CN108875292B CN108875292B (zh) | 2019-07-30 |
Family
ID=64334465
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810464816.8A Active CN108875292B (zh) | 2018-05-16 | 2018-05-16 | 基于遥感的流域水文的仿真系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108875292B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111275366A (zh) * | 2019-04-16 | 2020-06-12 | 中国水利水电科学研究院 | 干旱对生产力影响评估方法 |
CN111460686A (zh) * | 2020-04-23 | 2020-07-28 | 中国水利水电科学研究院 | 一种大气、陆面与水文三者双向耦合方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034027A (zh) * | 2010-12-16 | 2011-04-27 | 南京大学 | 流域尺度土壤湿度遥感数据同化方法 |
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 |
CN102955863A (zh) * | 2011-08-17 | 2013-03-06 | 长江水利委员会长江科学院 | 一种基于分布式水文模拟的旱情评估和预报模型方法 |
CN203786891U (zh) * | 2014-04-11 | 2014-08-20 | 中国人民解放军61139部队 | 基于gis的移动监测融合平台 |
CN104704424A (zh) * | 2012-08-21 | 2015-06-10 | 视觉智能有限合伙公司 | 基础设施测绘系统和方法 |
CN105912836A (zh) * | 2016-03-25 | 2016-08-31 | 环境保护部卫星环境应用中心 | 一种纯遥感数据驱动的流域水循环模拟方法 |
CN106295576A (zh) * | 2016-08-12 | 2017-01-04 | 中国水利水电科学研究院 | 一种基于自然地理特征的水源类型解析方法 |
CN107423753A (zh) * | 2017-06-15 | 2017-12-01 | 新疆大学 | 一种多源空间数据的快速融合运算方法 |
CN107657207A (zh) * | 2016-12-30 | 2018-02-02 | 航天星图科技(北京)有限公司 | 一种基于遥感影像的林地分类方法 |
CN107862667A (zh) * | 2017-11-23 | 2018-03-30 | 武汉大学 | 一种基于高分辨率遥感影像的城市阴影检测与去除方法 |
-
2018
- 2018-05-16 CN CN201810464816.8A patent/CN108875292B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034027A (zh) * | 2010-12-16 | 2011-04-27 | 南京大学 | 流域尺度土壤湿度遥感数据同化方法 |
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 |
CN102354348A (zh) * | 2010-12-16 | 2012-02-15 | 南京大学 | 流域尺度土壤湿度遥感数据同化方法 |
CN102419788A (zh) * | 2010-12-16 | 2012-04-18 | 南京大学 | 基于渗蓄一体化动态产流机制的分布式水文模型的设计方法 |
CN102955863A (zh) * | 2011-08-17 | 2013-03-06 | 长江水利委员会长江科学院 | 一种基于分布式水文模拟的旱情评估和预报模型方法 |
CN104704424A (zh) * | 2012-08-21 | 2015-06-10 | 视觉智能有限合伙公司 | 基础设施测绘系统和方法 |
CN203786891U (zh) * | 2014-04-11 | 2014-08-20 | 中国人民解放军61139部队 | 基于gis的移动监测融合平台 |
CN105912836A (zh) * | 2016-03-25 | 2016-08-31 | 环境保护部卫星环境应用中心 | 一种纯遥感数据驱动的流域水循环模拟方法 |
CN106295576A (zh) * | 2016-08-12 | 2017-01-04 | 中国水利水电科学研究院 | 一种基于自然地理特征的水源类型解析方法 |
CN107657207A (zh) * | 2016-12-30 | 2018-02-02 | 航天星图科技(北京)有限公司 | 一种基于遥感影像的林地分类方法 |
CN107423753A (zh) * | 2017-06-15 | 2017-12-01 | 新疆大学 | 一种多源空间数据的快速融合运算方法 |
CN107862667A (zh) * | 2017-11-23 | 2018-03-30 | 武汉大学 | 一种基于高分辨率遥感影像的城市阴影检测与去除方法 |
Non-Patent Citations (1)
Title |
---|
伊漩: "基于SOM的流域分类和无资料区径流模拟", 《地理科学进展》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111275366A (zh) * | 2019-04-16 | 2020-06-12 | 中国水利水电科学研究院 | 干旱对生产力影响评估方法 |
CN111460686A (zh) * | 2020-04-23 | 2020-07-28 | 中国水利水电科学研究院 | 一种大气、陆面与水文三者双向耦合方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108875292B (zh) | 2019-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sun et al. | Comparison and improvement of methods for identifying waterbodies in remotely sensed imagery | |
Addink et al. | Introduction to the GEOBIA 2010 special issue: From pixels to geographic objects in remote sensing image analysis | |
Greve et al. | Quantifying the ability of environmental parameters to predict soil texture fractions using regression-tree model with GIS and LIDAR data: The case study of Denmark | |
Jafari et al. | Real-time water level monitoring using live cameras and computer vision techniques | |
Kiptala et al. | Land use and land cover classification using phenological variability from MODIS vegetation in the Upper Pangani River Basin, Eastern Africa | |
CN101615183B (zh) | 基于空间图像信息和gis的河川时间序列分析系统及其方法 | |
CN102135531A (zh) | 大型浅水湖泊72小时蓝藻水华预测方法 | |
CN102184423B (zh) | 一种全自动的区域不透水面遥感信息精确提取方法 | |
Bhowmik et al. | An automated, objective and open source tool for stream threshold selection and upstream riparian corridor delineation | |
Piyoosh et al. | Semi-automatic mapping of anthropogenic impervious surfaces in an urban/suburban area using Landsat 8 satellite data | |
CN113821925B (zh) | 一种基于水生土三要素的湿地动态边界确定方法 | |
CN108875292B (zh) | 基于遥感的流域水文的仿真系统及方法 | |
Xing et al. | Flood vulnerability assessment of urban buildings based on integrating high-resolution remote sensing and street view images | |
Poggio et al. | Sequence-based mapping approach to spatio-temporal snow patterns from MODIS time-series applied to Scotland | |
CN114898212A (zh) | 一种高分辨率遥感图像多地物变化信息提取方法 | |
Yao et al. | Mapping irrigated area at field scale based on the optical TRApezoid Model (OPTRAM) using landsat images and google earth engine | |
Cho et al. | Quantifying spatiotemporal impacts of hydro-dams on land use/land cover changes in the Lower Mekong River Basin | |
Ambinakudige et al. | Estimation of area and volume change in the glaciers of the Columbia Icefield, Canada using machine learning algorithms and Landsat images | |
Mulligan | Modelling catchment hydrology | |
Tiwari et al. | A deep learning approach for automatic identification of ancient agricultural water harvesting systems | |
Cartwright et al. | Machine learning based imputation of mountain snowpack depth within an operational Lidar sampling framework in Southwest Alberta | |
Afrasinei | Study of land degradation and desertification dynamics in North Africa areas using remote sensing techniques | |
Ramachandra et al. | Geoinformatics for Urbanisation and Urban Sprawl pattern analysis | |
Ratnaparkhi et al. | Classification of land use and land cover using remotely sensed data for Parbhani City, Maharashtra, India | |
Kothyari et al. | Geospatial-based automated watershed modeling in Garhwal Himalaya |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |