CN109035105A - 一种月尺度蒸散发量的定量估算方法 - Google Patents

一种月尺度蒸散发量的定量估算方法 Download PDF

Info

Publication number
CN109035105A
CN109035105A CN201810620289.5A CN201810620289A CN109035105A CN 109035105 A CN109035105 A CN 109035105A CN 201810620289 A CN201810620289 A CN 201810620289A CN 109035105 A CN109035105 A CN 109035105A
Authority
CN
China
Prior art keywords
evapotranspiration
basin
scale
moon
data
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
Application number
CN201810620289.5A
Other languages
English (en)
Other versions
CN109035105B (zh
Inventor
邢万秋
王卫光
董青
丁民
丁一民
郑佳重
傅健宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hohai University HHU
Original Assignee
Hohai University HHU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hohai University HHU filed Critical Hohai University HHU
Priority to CN201810620289.5A priority Critical patent/CN109035105B/zh
Publication of CN109035105A publication Critical patent/CN109035105A/zh
Application granted granted Critical
Publication of CN109035105B publication Critical patent/CN109035105B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Educational Administration (AREA)
  • Biophysics (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种月尺度蒸散发量的定量估算方法，步骤为，收集流域内的水文气象数据资料，将所有数据调整到逐月尺度；构建陆地水储量变化数据的多元线性方程，对GRACE重力卫星反演的陆地水储量变化数据进行空间降尺度和滤波处理；获得各子流域的实际蒸散发量月值序列，分析典型流域内水文气候季节值的变化发展趋势和时空演变特征；优选Budyko水热耦合平衡方程，利用陆地水储量变化，构建月尺度流域实际蒸散发定量估算模型；率定月尺度流域实际蒸散发定量估算模型参数，根据率定的模型参数计算全球蒸散发月值序列。本发明丰富了流域蒸散发估算方法，发布空间分辨率较高的蒸散发月值序列，为科学研究以及防洪抗旱等生产工作提供科学依据。

Description

一种月尺度蒸散发量的定量估算方法
技术领域
本发明属于水文水资源应用技术领域，特别涉及了一种月尺度蒸散发量的定量估算方法。
背景技术
全球气候变化加剧了水文极端事件和水文过程的时空变异性，进而引起区域乃至全球性的水资源分布不均问题。另外，高强度人类活动也通过改变流域下垫面特征，影响水文循环过程，导致水资源时空变异性加剧，严重威胁社会经济的可持续发展。蒸散发作为陆面水文过程中最关键的变量之一，其产生过程及演变与气候变化和下垫面覆被演变联系紧密。蒸散发不仅在全球和区域气候中起着至关重要的作用，而且在水资源中也影响着流域地下水储量和地表径流。因此，关于蒸散发估算方法的研究已成为当今水文科学领域的热点问题。
由于蒸散发及其时空分布与气象状况、土壤水分和植被覆盖等因素彼此关联又相互制约，难以准确获取，因此，有关蒸散发测定方法和估算模型的研究一直是水文学中的热点问题之一。目前蒸散发估算/模拟方法众多，然而由于时空尺度扩展、物理机制不明、参数较多和不确定性等问题，区域蒸散发的估算和模拟研究仍然处在不断探索和完善中。在逐年和多年平均尺度，基于Budyko假设的水量平衡方法在减少不确定性方面具有优势，如何减少年内时间尺度的不确定性取决于对区域水储量变化的合理估算上。GRACE时变重力场卫星提供地球物质迁移变化的信息，反演的陆地水储量变化为区域实际蒸散发估算提供了有效的数据支撑和技术支持。当前针对陆地水储量及其变化的研究多集中在全球或面积较大的流域，在小流域上由于受其较粗的空间分辨率的限制，造成GRACE反演结果与水文模型结果相差较大。
发明内容
为了解决上述背景技术提出的技术问题，本发明旨在提供一种月尺度蒸散发量的定量估算方法，结合实测水文气象数据和多源卫星遥感产品，基于水热耦合平衡理论构建月尺度蒸散发的定量估算模型。
为了实现上述技术目的，本发明的技术方案为：
一种月尺度蒸散发量的定量估算方法，包括以下步骤：
(1)选择典型研究流域，收集流域内的水文气象数据资料，下载多种卫星遥感产品，包括GRACE重力卫星反演的陆地水储量变化数据，研究区域内及附近监测井观测的地下水提取数据，全球陆面数据同化系统GLDAS的降雨量、土壤含水量、冠层含水量、雪水当量、潜在蒸散发量以及中国自动站与CMORPH融合的逐时降水量0.1°网格数据，对这些数据进行预处理，将所有数据调整到逐月尺度；
(2)基于流域实测水文气象数据资料和多种卫星遥感产品，构建陆地水储量变化数据的多元线性方程，将GRACE重力卫星反演的陆地水储量变化数据的空间尺度调整与全球陆面数据同化系统GLDAS数据的空间尺度一致，对陆地水储量变化数据进行空间滤波处理以消除误差，获取高精度陆地水储量变化数据；
(3)根据水量平衡原理获得各子流域的实际蒸散发量月值序列，采用多种数理统计方法分析典型流域内水文气候季节值的变化发展趋势和时空演变特征；
(4)在典型流域评价多种Budyko水热耦合平衡方程的适用性，优选出最能表达流域水热耦合平衡状态的Budyko水热耦合平衡方程，利用陆地水储量变化，构建月尺度流域实际蒸散发定量估算模型；
(5)基于流域实测水文气象数据资料率定月尺度流域实际蒸散发定量估算模型参数，根据率定的模型参数计算全球蒸散发月值序列。
进一步地，在步骤(1)中，GRACE重力卫星反演的陆地水储量变化数据的空间尺度为1°×1°，全球陆面数据同化系统GLDAS数据的空间尺度为0.25°×0.25°；在步骤(2)中，将GRACE重力卫星反演的陆地水储量变化数据降尺度至0.25°×0.25°。
进一步地，在步骤(2)中，所述陆地水储量变化数据的多元线性方程如下：
ΔS＝ΔSM+ΔSWE+ΔGW+ΔSC
其中，ΔS为陆地水储量变化数据，ΔSM为土壤水变化量，ΔSWE为雪水当量，ΔGW为地下水变化量，ΔSC为冠层含水量变化量。
进一步地，在步骤(3)中，采用的数理统计方法包括线性趋势分析法、Mann-Kendall趋势显著性诊断法、小波周期性分析法和GIS空间分析法。
进一步地，在步骤(3)中，根据水量平衡原理获得各子流域的实际蒸散发量月值序列如下式所示：
E＝P-ΔTWS-R
其中，E为实际蒸散发量，P为降水量，R为径流深，ΔTWS为流域储水量变化量。
进一步地，在步骤(4)中，优选出最能表达流域水热耦合平衡状态的Budyko水热耦合平衡方程：
其中，E0为潜在蒸散发量，参数ω反映流域下垫面特征。
进一步地，在步骤(4)中，构建的月尺度流域实际蒸散发定量估算模型如下：
其中，Pe为有效降水，Pe＝P-ΔTWS，参数ω′反映流域下垫面特征。
进一步地，在步骤(5)中，采用粒子群优化算法对参数ω′进行优化，得到率定的参数ω′值。
采用上述技术方案带来的有益效果：
本发明结合区域内的历史实测水文气候要素数据和多源卫星遥感产品，提出GRACE重力卫星数据的空间降尺度与误差消除技术，基于水热耦合平衡理论构建月尺度蒸散发的定量估算模型，丰富流域蒸散发估算方法，发布空间分辨率较高的蒸散发月值序列，为科学研究以及防洪抗旱等生产工作提供科学依据。
附图说明
图1是本发明的方法流程图；
图2是典型流域多年平均尺度Budyko方程参数与多年平均月尺度Budyko方程参数对比图；
图3是本发明构建的Budyko月尺度蒸散发模型模拟的典型流域蒸散发与通过月水量平衡获取的蒸散发对比的模拟结果图，包括(a)(b)(c)3幅子图，分别代表黄河、长江、澜沧江源区三个流域。
具体实施方式
以下将结合附图，对本发明的技术方案进行详细说明。
一种月尺度蒸散发量的定量估算方法，如图1所示，具体步骤如下。
步骤1：选择典型研究流域，收集流域内的水文气象数据资料，下载多种卫星遥感产品，包括GRACE重力卫星反演的陆地水储量变化数据，研究区域内及附近监测井观测的地下水提取数据，全球陆面数据同化系统GLDAS的降雨量、土壤含水量、冠层含水量、雪水当量、潜在蒸散发量以及中国自动站与CMORPH融合的逐时降水量0.1°网格数据，对这些数据进行预处理，将所有数据调整到逐月尺度。
在GRACE重力卫星反演的陆地水储量变化数据中，采用美国德克斯大学空间研究中心(CSR,Center for Space Research)、波茨坦地学研究中心(GFZ,GeoForschungsZentrum Potsdam)和美国宇航局(NASA)喷气动力实验室(JPL,JetPropulsion Laboratory)发布的RL05数据，最大阶数60阶，时间跨度为2003年1月至2015年12月。由于RL05数据产品在处理过程中已经去除了各种潮汐影响(海潮、极潮、固体潮等)以及非潮汐的大气和海洋影响，所以在陆地区域主要反映为水储量变化。针对推求过程中的位模型截断阶数的选择、高斯平滑半径等关键性问题，拟采用以下方法进行。
由质量变化引起的球谐系数变化的表达式为：
其中，a为地球长半轴；γ为质点距微分单元的距离；θ,λ为地心余纬和地心经度；l,m为球谐展开的阶和次；为完全规格化球谐系数；为完全规格化Legendre缔和函数；ρa＝5517kg m-3为地球平均密度；Δρ(γ,θ,λ)为物质的体密度变化，并假定其表现为地球表面厚度为H的一薄层。
由于在地球重力场模型高阶项上，GRACE数据的误差占主要成分，因此需要对重力场模型进行截断l＜lmax，以此忽略模型高阶对地球质量变化的贡献。截断后利用重力场模型位系数变化推求地球表面质量变化的方程为：
其中，kl为负载勒夫系数。
用地球重力场模型球谐系数的变化可以求出地球表面质量变化，但利用GRACE每月观测资料得到的地球重力场受到卫星轨道误差、卫星K波段测距误差、加速度计测量误差以及卫星姿态测量误差等的影响。为了减小估算物质质量分布变化时的误差，引入高斯平滑函数，推导得到新的地球表面质量变化反演公式为：
其中，权函数该公式反映在70阶以内，随着平滑半径的增加，曲线收敛的速度加快，低阶项所占权重愈大。高斯平滑函数其中，r为高斯平滑函数的半径。
步骤2：基于流域实测水文气象数据资料和多种卫星遥感产品，构建陆地水储量变化数据的多元线性方程：
ΔS＝ΔSM+ΔSWE+ΔGW+ΔSC
其中，ΔS为陆地水储量变化数据，ΔSM为土壤水变化量，ΔSWE为雪水当量，ΔGW为地下水变化量，ΔSC为冠层含水量变化量。
将GRACE重力卫星反演的陆地水储量变化数据的空间尺度调整与全球陆面数据同化系统GLDAS数据的空间尺度一致，对陆地水储量变化数据进行空间滤波处理以消除误差，获取高精度陆地水储量变化数据。
GRACE重力卫星反演的陆地水储量变化数据的空间尺度为1°×1°，全球陆面数据同化系统GLDAS数据的空间尺度为0.25°×0.25°；将GRACE重力卫星反演的陆地水储量变化数据降尺度至0.25°×0.25°。
步骤3：根据水量平衡原理获得各子流域的实际蒸散发量月值序列，即：
E＝P-ΔTWS-R
其中，E为实际蒸散发量，P为降水量，R为径流深，ΔTWS为流域储水量变化量。采用多种数理统计方法(如线性趋势分析法、Mann-Kendall趋势显著性诊断法、小波周期性分析法和GIS空间分析法)分析典型流域内水文气候季节值的变化发展趋势和时空演变特征。
步骤4：在典型流域评价多种Budyko水热耦合平衡方程的适用性，优选出最能表达流域水热耦合平衡状态的Budyko水热耦合平衡方程，利用陆地水储量变化，构建月尺度流域实际蒸散发定量估算模型。
优选出较好表达流域水热状况的方程式如下：
其中，E0为潜在蒸散发量，参数ω反映流域下垫面特征，与土壤蓄水能力、降雨的季节性分布、流域坡度、土壤相对入渗能力、流域植被覆盖和土地利用等有关。
对于某个月份，有效降水可表示为Pe＝P-ΔTWS，根据流域水量平衡原理和任意时间尺度地表能量闭合理论，在上方程的基础上，引入陆地水储量变化参数，应用该参数进一步实现Budyko蒸散发模型在时间尺度上的拓展表达。推导出月尺度流域实际蒸散发定量估算模型：
步骤5：于流域实测水文气象数据资料，采用粒子群优化算法优化月尺度流域实际蒸散发定量估算模型参数，根据率定的模型参数计算全球蒸散发月值序列。
图2是典型流域多年平均尺度Budyko方程参数与多年平均月尺度Budyko方程参数对比图。图2展示了三个典型流域(黄河、长江、澜沧江源区)蒸发率(E/P)相对于干旱指数(E0/P)的分布，其中深色图标代表多年平均尺度Budyko方程参数，浅色图标代表多年平均月尺度Budyko方程参数。由图2可以看出，就多年平均尺度而言，黄河源区和产江源区具有相似的干旱指数，但由于Budyko方程参数大小不同，导致了长江源区的蒸发率较黄河源区的蒸发率大，而三个典型流域中，澜沧江源区具有最小的干旱指数、蒸发率和Budyko方程参数。此外，月尺度较年尺度Budyko方程参数的分布更为分散，说明代表了流域下垫面特征的参数ω实际上也因气候、植被等的季节性变异而改变，更印证了在模拟月实际蒸散发时月尺度Budyko方程参数估算的必要性。
图3是本发明构建的Budyko月尺度蒸散发模型模拟的典型流域蒸散发与通过月水量平衡获取的蒸散发对比的模拟结果图。图中主纵坐标为蒸发量E，次纵坐标为陆地水储量变化ΔTWS，带圆点的实线序列为通过实测气象数据和GRACE监测获得的蒸散发量，带三角虚线序列为通过Budyko月尺度蒸散发模型模拟得到的蒸散发量，同时图中2003年1月至2010年12月为Budyko模型参数率定期，2011年1月至2013年12月为验证期，3幅子图中，(a)代表黄河源区，(b)代表长江源区，(c)代表澜沧江源区。由图3可以看出，在3个典型流域上，通过含有季节性参数的Budyko蒸散发模型获得的月蒸散发序列与实测蒸散发量序列模拟效果较好，仅在个别蒸散发量极大值模拟值偏低。陆地水储量的变化在三个流域上差异显著，但多数的绝对值在100mm以内。还说明了在模拟月尺度蒸散发量时，陆地水储量的变化至关重要不容忽略，尤其在干旱半干旱区域，在(a)黄河源区时尤为明显。
实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。

Claims (8)

1.一种月尺度蒸散发量的定量估算方法，其特征在于，包括以下步骤：
(1)选择典型研究流域，收集流域内的水文气象数据资料，下载多种卫星遥感产品，包括GRACE重力卫星反演的陆地水储量变化数据，研究区域内及附近监测井观测的地下水提取数据，全球陆面数据同化系统GLDAS的降雨量、土壤含水量、冠层含水量、雪水当量、潜在蒸散发量以及中国自动站与CMORPH融合的逐时降水量0.1°网格数据，对这些数据进行预处理，将所有数据调整到逐月尺度；
(2)基于流域实测水文气象数据资料和多种卫星遥感产品，构建陆地水储量变化数据的多元线性方程，将GRACE重力卫星反演的陆地水储量变化数据的空间尺度调整与全球陆面数据同化系统GLDAS数据的空间尺度一致，对陆地水储量变化数据进行空间滤波处理以消除误差，获取高精度陆地水储量变化数据；
(3)根据水量平衡原理获得各子流域的实际蒸散发量月值序列，采用多种数理统计方法分析典型流域内水文气候季节值的变化发展趋势和时空演变特征；
(4)在典型流域评价多种Budyko水热耦合平衡方程的适用性，优选出最能表达流域水热耦合平衡状态的Budyko水热耦合平衡方程，利用陆地水储量变化，构建月尺度流域实际蒸散发定量估算模型；
(5)基于流域实测水文气象数据资料率定月尺度流域实际蒸散发定量估算模型参数，根据率定的模型参数计算全球蒸散发月值序列。
2.根据权利要求1所述月尺度蒸散发量的定量估算方法，其特征在于，在步骤(1)中，GRACE重力卫星反演的陆地水储量变化数据的空间尺度为1°×1°，全球陆面数据同化系统GLDAS数据的空间尺度为0.25°×0.25°；在步骤(2)中，将GRACE重力卫星反演的陆地水储量变化数据降尺度至0.25°×0.25°。
3.根据权利要求1所述月尺度蒸散发量的定量估算方法，其特征在于，在步骤(2)中，所述陆地水储量变化数据的多元线性方程如下：
ΔS＝ΔSM+ΔSWE+ΔGW+ΔSC
其中，ΔS为陆地水储量变化数据，ΔSM为土壤水变化量，ΔSWE为雪水当量，ΔGW为地下水变化量，ΔSC为冠层含水量变化量。
4.根据权利要求1所述月尺度蒸散发量的定量估算方法，其特征在于，在步骤(3)中，采用的数理统计方法包括线性趋势分析法、Mann-Kendall趋势显著性诊断法、小波周期性分析法和GIS空间分析法。
5.根据权利要求1所述月尺度蒸散发量的定量估算方法，其特征在于，在步骤(3)中，根据水量平衡原理获得各子流域的实际蒸散发量月值序列如下式所示：
E＝P-ΔTWS-R
其中，E为实际蒸散发量，P为降水量，R为径流深，ΔTWS为流域储水量变化量。
6.根据权利要求5所述月尺度蒸散发量的定量估算方法，其特征在于，在步骤(4)中，优选出最能表达流域水热耦合平衡状态的Budyko水热耦合平衡方程：
其中，E0为潜在蒸散发量，参数ω反映流域下垫面特征。
7.根据权利要求6所述月尺度蒸散发量的定量估算方法，其特征在于，在步骤(4)中，构建的月尺度流域实际蒸散发定量估算模型如下：
其中，Pe为有效降水，Pe＝P-ΔTWS，参数ω′反映流域下垫面特征。
8.根据权利要求7所述月尺度蒸散发量的定量估算方法，其特征在于，在步骤(5)中，采用粒子群优化算法对参数ω′进行优化，得到率定的参数ω′值。
CN201810620289.5A 2018-06-15 2018-06-15 一种月尺度蒸散发量的定量估算方法 Active CN109035105B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810620289.5A CN109035105B (zh) 2018-06-15 2018-06-15 一种月尺度蒸散发量的定量估算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810620289.5A CN109035105B (zh) 2018-06-15 2018-06-15 一种月尺度蒸散发量的定量估算方法

Publications (2)

Publication Number Publication Date
CN109035105A true CN109035105A (zh) 2018-12-18
CN109035105B CN109035105B (zh) 2021-02-02

Family

ID=64609424

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810620289.5A Active CN109035105B (zh) 2018-06-15 2018-06-15 一种月尺度蒸散发量的定量估算方法

Country Status (1)

Country Link
CN (1) CN109035105B (zh)

Cited By (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110175214A (zh) * 2019-02-01 2019-08-27 中国空间技术研究院 一种利用重力卫星数据监测极端气候变化的方法和系统
CN110377989A (zh) * 2019-07-08 2019-10-25 武汉大学 基于水热耦合平衡的非一致性两变量设计洪水推求方法
CN110570021A (zh) * 2019-08-15 2019-12-13 清华大学 径流模拟方法、装置以及计算机设备
CN110837913A (zh) * 2019-09-24 2020-02-25 广州地理研究所 一种基于极端梯度算法的陆地水储量预测方法及设备
CN110852474A (zh) * 2019-09-24 2020-02-28 广州地理研究所 一种基于决策树算法的陆地水储量预测方法、装置及设备
CN110852473A (zh) * 2019-09-24 2020-02-28 广州地理研究所 一种基于神经网络算法的陆地水储量预测方法及设备
CN111241473A (zh) * 2019-12-27 2020-06-05 中国空间技术研究院 一种提高区域地下水储量估计精度的方法
CN111752934A (zh) * 2020-05-29 2020-10-09 首都师范大学 一种基于重力卫星的高分辨率含水层储水系数反演方法及系统
CN111984700A (zh) * 2020-08-17 2020-11-24 中国电建集团成都勘测设计研究院有限公司 一种基于水热耦合平衡原理的月径流预测方法
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
CN112529239A (zh) * 2020-04-30 2021-03-19 中国科学院地球化学研究所 一种监测植被水源涵养量变化的方法
CN112529722A (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表径流量估算方法及系统
CN112597698A (zh) * 2020-12-14 2021-04-02 中山大学 一种人类活动对流域蒸散发影响的不确定性评估方法
CN112800636A (zh) * 2021-04-08 2021-05-14 水利部交通运输部国家能源局南京水利科学研究院 一种估算无资料地区流域地表水资源量的方法及系统
CN112949158A (zh) * 2020-12-23 2021-06-11 中国空间技术研究院 一种提高地下水位变化量的空间分辨率及精度的方法
CN113255093A (zh) * 2021-01-18 2021-08-13 清华大学 无资料地区径流估算方法、装置、计算机设备和存储介质
CN113487069A (zh) * 2021-06-22 2021-10-08 浙江大学 一种基于grace日降尺度和新型dwsdi指数的区域洪涝灾害风险评估方法
CN113515841A (zh) * 2021-04-16 2021-10-19 浙江大学 一种基于改进Budyko公式的径流变化定量分解方法
CN113868855A (zh) * 2021-09-24 2021-12-31 首都师范大学 融合水位数据的地下水储量变化卫星重力正演模拟方法
CN114022780A (zh) * 2021-10-28 2022-02-08 生态环境部卫星环境应用中心 基于grace重力卫星的区域改进水源涵养功能评估方法
CN115169263A (zh) * 2022-07-19 2022-10-11 中国科学院地理科学与资源研究所 基于TVGM-Budyko耦合模型的多时间尺度径流变化归因分析方法
CN116070792A (zh) * 2023-03-28 2023-05-05 中国科学院地理科学与资源研究所 一种多源降水数据的融合方法、装置、存储介质和设备
CN117495632A (zh) * 2023-10-30 2024-02-02 中国自然资源航空物探遥感中心 一种闭流流域尾闾湖泊的萎缩预测方法及系统

Cited By (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110175214A (zh) * 2019-02-01 2019-08-27 中国空间技术研究院 一种利用重力卫星数据监测极端气候变化的方法和系统
CN110377989A (zh) * 2019-07-08 2019-10-25 武汉大学 基于水热耦合平衡的非一致性两变量设计洪水推求方法
CN110377989B (zh) * 2019-07-08 2022-08-05 武汉大学 基于水热耦合平衡的非一致性两变量设计洪水推求方法
CN110570021A (zh) * 2019-08-15 2019-12-13 清华大学 径流模拟方法、装置以及计算机设备
US11231519B2 (en) 2019-08-15 2022-01-25 Tsinghua University Method and device for simulating discharge, and computer device
CN110837913A (zh) * 2019-09-24 2020-02-25 广州地理研究所 一种基于极端梯度算法的陆地水储量预测方法及设备
CN110852474A (zh) * 2019-09-24 2020-02-28 广州地理研究所 一种基于决策树算法的陆地水储量预测方法、装置及设备
CN110852473A (zh) * 2019-09-24 2020-02-28 广州地理研究所 一种基于神经网络算法的陆地水储量预测方法及设备
CN110852473B (zh) * 2019-09-24 2022-06-03 广东省科学院广州地理研究所 一种基于神经网络算法的陆地水储量预测方法及设备
CN111241473A (zh) * 2019-12-27 2020-06-05 中国空间技术研究院 一种提高区域地下水储量估计精度的方法
CN111241473B (zh) * 2019-12-27 2023-09-29 中国空间技术研究院 一种提高区域地下水储量估计精度的方法
CN112529239B (zh) * 2020-04-30 2023-10-27 中国科学院地球化学研究所 一种监测植被水源涵养量变化的方法
CN112529722A (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表径流量估算方法及系统
CN112529239A (zh) * 2020-04-30 2021-03-19 中国科学院地球化学研究所 一种监测植被水源涵养量变化的方法
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
CN111752934B (zh) * 2020-05-29 2023-04-28 首都师范大学 一种基于重力卫星的高分辨率含水层储水系数反演方法及系统
CN111752934A (zh) * 2020-05-29 2020-10-09 首都师范大学 一种基于重力卫星的高分辨率含水层储水系数反演方法及系统
CN111984700A (zh) * 2020-08-17 2020-11-24 中国电建集团成都勘测设计研究院有限公司 一种基于水热耦合平衡原理的月径流预测方法
CN111984700B (zh) * 2020-08-17 2023-04-28 中国电建集团成都勘测设计研究院有限公司 一种基于水热耦合平衡原理的月径流预测方法
CN112597698A (zh) * 2020-12-14 2021-04-02 中山大学 一种人类活动对流域蒸散发影响的不确定性评估方法
CN112949158A (zh) * 2020-12-23 2021-06-11 中国空间技术研究院 一种提高地下水位变化量的空间分辨率及精度的方法
CN113255093A (zh) * 2021-01-18 2021-08-13 清华大学 无资料地区径流估算方法、装置、计算机设备和存储介质
CN113255093B (zh) * 2021-01-18 2022-02-15 清华大学 无资料地区径流估算方法、装置、计算机设备和存储介质
CN112800636A (zh) * 2021-04-08 2021-05-14 水利部交通运输部国家能源局南京水利科学研究院 一种估算无资料地区流域地表水资源量的方法及系统
CN113515841A (zh) * 2021-04-16 2021-10-19 浙江大学 一种基于改进Budyko公式的径流变化定量分解方法
CN113487069A (zh) * 2021-06-22 2021-10-08 浙江大学 一种基于grace日降尺度和新型dwsdi指数的区域洪涝灾害风险评估方法
CN113868855A (zh) * 2021-09-24 2021-12-31 首都师范大学 融合水位数据的地下水储量变化卫星重力正演模拟方法
CN114022780A (zh) * 2021-10-28 2022-02-08 生态环境部卫星环境应用中心 基于grace重力卫星的区域改进水源涵养功能评估方法
CN115169263A (zh) * 2022-07-19 2022-10-11 中国科学院地理科学与资源研究所 基于TVGM-Budyko耦合模型的多时间尺度径流变化归因分析方法
CN116070792A (zh) * 2023-03-28 2023-05-05 中国科学院地理科学与资源研究所 一种多源降水数据的融合方法、装置、存储介质和设备
CN117495632A (zh) * 2023-10-30 2024-02-02 中国自然资源航空物探遥感中心 一种闭流流域尾闾湖泊的萎缩预测方法及系统
CN117495632B (zh) * 2023-10-30 2024-04-26 中国自然资源航空物探遥感中心 一种闭流流域尾闾湖泊的萎缩预测方法及系统

Also Published As

Publication number Publication date
CN109035105B (zh) 2021-02-02

Similar Documents

Publication Publication Date Title
CN109035105A (zh) 一种月尺度蒸散发量的定量估算方法
Rio et al. A mean dynamic topography computed over the world ocean from altimetry, in situ measurements, and a geoid model
Mahmoud et al. Assessment of global precipitation measurement satellite products over Saudi Arabia
Duan et al. Evaluation of eight high spatial resolution gridded precipitation products in Adige Basin (Italy) at multiple temporal and spatial scales
Wu et al. Spatial interpolation of temperature in the United States using residual kriging
Dupont et al. A high-resolution ocean and sea-ice modelling system for the Arctic and North Atlantic oceans
Xiong et al. An evapotranspiration product for arid regions based on the three-temperature model and thermal remote sensing
Liu et al. Improving simulation of soil moisture in China using a multiple meteorological forcing ensemble approach
Minh et al. Tidal characteristics of the gulf of Tonkin
Wang et al. Improving snow process modeling with satellite‐based estimation of near‐surface‐air‐temperature lapse rate
Zhao et al. Short‐term forecasting through intermittent assimilation of data from Taiwan and mainland China coastal radars for Typhoon Meranti (2010) at landfall
Gu et al. Hydrological assessment of TRMM rainfall data over Yangtze River Basin
Hamdi et al. Evaluating the performance of SURFEXv5 as a new land surface scheme for the ALADINcy36 and ALARO-0 models
Charabi et al. Production of solar radiation bankable datasets from high-resolution solar irradiance derived with dynamical downscaling Numerical Weather prediction model
Zhang et al. An improved satellite‐based approach for estimating vapor pressure deficit from MODIS data
Ganji et al. On improving cold region hydrological processes in the Canadian Land Surface Scheme
Yang et al. A physically based analytical spatial air temperature and humidity model
Springer et al. New estimates of variations in water flux and storage over Europe based on regional (re) analyses and multisensor observations
Endreny et al. Satellite‐derived digital elevation model accuracy: hydrological modelling requirements
Guo et al. Analysis of effects of vegetation cover and elevation on water yield in an alpine basin of the Qilian Mountains in Northwest China by integrating the WRF-Hydro and Budyko framework
Dimitrova et al. 16.3 intercomparison between different pbl options in wrf model: Modification of two pbl schemes for stable conditions
Gaillard et al. A synthesis of the POMME physical data set: One year monitoring of the upper layer
Gupta et al. Impact of distributed meteorological forcing on simulated snow cover and hydrological fluxes over a mid-elevation alpine micro-scale catchment
Rambabu et al. Sensitivity of movement and intensity of severe cyclone AILA to the physical processes
Liu et al. Assimilation of ASAR data with a hydrologic and semi-empirical backscattering coupled model to estimate soil moisture

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