CN109711607A - 基于迟滞效应的水流连通性识别方法和装置 - Google Patents
基于迟滞效应的水流连通性识别方法和装置 Download PDFInfo
- Publication number
- CN109711607A CN109711607A CN201811529606.9A CN201811529606A CN109711607A CN 109711607 A CN109711607 A CN 109711607A CN 201811529606 A CN201811529606 A CN 201811529606A CN 109711607 A CN109711607 A CN 109711607A
- Authority
- CN
- China
- Prior art keywords
- hesitation
- basin
- hydrology
- water
- website
- 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
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了一种基于迟滞效应的水流连通性识别方法和装置,首先获取水文观测资料;识别降水事件相应的水文响应过程并进行标准化处理,获得水文响应的标准化序列;计算任意两分析站点水文过程之间的核距离,获得核距离矩阵;根据核距离矩阵,利用层次聚类算法,评估站点之间水文响应过程的相似性,获得聚类距离这一相似性特征;利用流域迟滞效应指标定量分析迟滞效应,获得迟滞效应特征;综合相似性特征和迟滞效应特征识别水流连通性。本发明还提供了一种基于迟滞效应的水流连通性识别装置,用以实现所述方法。本发明提高了现有水文观测资料的利用率,降低现有方法确定流域水流连通性的成本。
Description
技术领域
本发明涉及一种基于迟滞效应的水流连通性识别方法和装置,属于地球物理下水文分支技术领域,具体涉及一种耦合水文过程线迟滞效应和相似性的流域水流连通性识别方法。
背景技术
流域不同地貌单元之间的水流连通性受流域内地形、地势、土壤、植被的空间分布特征及降水过程的影响,流域连通性能够用于分析流域尺度水文过程中水分的分配、存储及释放特征。目前,主要利用地形、地质勘探等手段来量化影响水文过程的主要结构性因素,结合示踪方法,推断水流连通性。但是,物理探测方法仅能获得局部信息,且水流示踪信息采集、分析成本高。
迟滞效应是响应变量不仅依赖于驱动变量的当前值,而且还依赖于其历史值的属性。绘制驱动变量当前值和历史值这两个变量的动态关系图,迟滞效应表现为绳套循环特征。流域水文中最常见的迟滞现象之一是蓄泄关系,即流域地下储水量(如含水层水位、土壤含水量、饱和带蓄水、非饱和带储水量)的响应较流域出口流量过程的滞后,表现为在同一流量值,上升段的水位小于下降段的水位。水文相似性是数据挖掘技术在水文领域的有效尝试,如王继民等在《水文》杂志上公开了一种多度量水文时间序列相似性分析,使用多个单一相似度分别计算相似时间子序列,然后改进BORDA投票法对各度量分析得到相似子序列进行组合和排序,最终得到相似时间子序列。欧阳如琳等在《河海大学学报(自然科学版)》上公开了一种基于动态时间规整(DTW)法的水文时间序列相似性搜索方法,采用对时间轴的伸缩和弯曲具有较好适应性的动态时间扭曲距离法对塔里木河流域源流区出山口水文站沙里桂兰克站1961—2000年共220场洪水流量过程进行相似性搜索。通过耦合水文过程线迟滞效应和相似性来识别流域水流连通性,是在对水文相似性和迟滞效应认识不断深入的基础上发展起来的,旨在依据水位、流量等水文变量的时空动态变化特征,识别主导的水流连通模式。
发明内容
本发明的目的在于克服现有技术中“物理探测方法仅能获得局部信息,且水流示踪信息采集、分析成本高”的不足,提供一种能获得全局信息,且水流示踪信息采集、分析成本较低的基于迟滞效应的水流连通性识别方法和装置。
为实现上述目的,本发明采用的技术方案是:
基于迟滞效应的水流连通性识别方法,包括以下步骤:
获取待研究流域的水文观测资料;
根据所述水文观测资料识别降水事件相应的水文响应过程并进行标准化处理,得出水文响应的标准化序列;
根据待研究流域任意两个分析站点的标准化序列,计算两两分析站点水文响应过程之间的核距离,获得核距离矩阵;
将上述核距离矩阵转化为层次聚类分析的输入数据,以此评估水文响应过程的相似性,获得聚类距离这一相似性特征;
设计流域迟滞效应评价指标,定量分析流域任意站点水文响应相对于流域出口流量过程的迟滞效应,获得流域迟滞效应指标值这一迟滞效应特征;
综合前述相似性特征和迟滞效应特征识别水流连通性。
进一步的,获得水文响应的标准化序列的方法包括:
根据待研究所述水文观测资料,确定待分析的降水过程即水文响应过程的分析时段,对待研究流域不同分析站点的水文响应时间序列进行序列标准化,获得水文响应的标准化序列。
进一步的,所述分析时段包括两个时段:
第一个时段为降水事件时段;
当前后两降水事件的时间间隔≥△T时,第二个时段为前一个降水事件结束之后外延设定时间段△T;
当前后两降水事件的时间间隔<△T时,第二个时段为前后两个降水事件的时间间隔;
所述前后两降水事件的时间间隔指的是前一降水事件结束至后一降水事件开始的时段。
优选的,采用多尺度平滑函数计算任意两分析站点水文响应过程之间的核距离。
进一步的,所述迟滞效应特征的计算方法如下:
其中,HI是流域迟滞效应指标值;
Qm是降水事件中流域出口起始流量和最大流量的均值,单位为m3/s;
S(tF,m)是落水段中流域出口流量值等于Qm时相应的地下水位,单位为m;
S(tR,m)是涨水段中流域出口流量值等于Qm时相应的地下水位,单位为m;
Q(tF,m)是落水段中流域出口流量等于Qm,单位为m3/s;
Q(tR,m)是涨水段中流域出口流量等于Qm,单位为m3/s。
优选的,所述水文观测资料为相同时间段以内以相同时间间隔采集的地表水或地下水的相关信息组成的时间序列。
优选的,所述相关信息包括水位和流量信息。
基于迟滞效应的水流连通性识别装置,包括以下模块:
获取模块:用于获取待研究流域的水文观测资料;
标准化模块:用于根据所述水文观测资料识别降水事件相应的水文响应过程并进行标准化处理,获得水文响应的标准化序列;
相似性识别模块:包括以下两个子模块,距离计算模块和聚类分析模块,
距离计算模块,根据待研究流域任意两个分析站点的标准化序列,计算任意两两分析站点水文响应过程之间的核距离,获得核距离矩阵,
聚类分析模块,将所述核距离矩阵转化为层次聚类分析的输入数据,以此评估水文响应过程的相似性,获得聚类距离这一相似性特征;
迟滞效应模块:设计流域迟滞效应评价指标,定量分析流域任意站点水文响应相对于流域出口流量过程的迟滞效应,获得流域迟滞效应指标值这一迟滞效应特征;
水流连通性模块:综合所述相似性特征和所述迟滞效应特征识别水流连通性。
优选的,所述距离计算模块中采用多尺度平滑函数计算任意两两分析站点水文响应过程之间的核距离。
进一步的,基于迟滞效应的水流连通性识别装置包括处理器及存储介质;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行前面所述方法的步骤。
与现有技术相比,本发明所达到的有益效果:
本发明的基于迟滞效应的水流连通性识别的方法和装置,能获得全局信息,且水流示踪信息采集、分析成本较低,同时还提高了现有水文观测资料的利用效率。
附图说明
图1是本发明基于迟滞效应的水流连通性识别方法的流程图;
图2是本发明实施例中主要水文观测站点的空间分布示意图;
图3是本发明实施例中所述降水事件的降水量变化过程;
图4是本发明实施例中所述降水事件中地下水观测井W3的水位响应过程的标准化序列;
图5是本发明实施例中所述降水事件对应的多个水文响应过程的基于核距离的聚类分析结果图;
图6是为本发明实施例中所述降水事件对应的地下水位-流域出口流量过程;
图7是本发明实施例中所述流域不同站点地下水水位与流域出口流量过程的迟滞效应指标值;
图8是本发明的基于迟滞效应的水流连通性识别装置的组成示意图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不是全部的实施例,而不能以此来限制本发明的保护范围。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条件下所获得的所有其它实施例,均属于本发明保护的范围。
实施例一
如图1所示,本发明实施例提供的一种基于迟滞效应的水流连通性识别方法,包括以下步骤:
步骤1:获取水文观测资料阶段,水文观测资料的获取,即水位、流量等信息,可以通过水文研究相关组织的观测数据得到,也可以通过在待观测流域的不同站点安放测试设备采集数据。
所述水文观测资料为相同时间段内以相同时间间隔采集的地表水或地下水的相关信息组成的时间序列。所述水文观测资料为相同时间段内以相同时间间隔采集的地表水或地下水的水位、流量等信息组成的时间序列。
降水事件的定义:以开始降水的时刻t0为起点,从t1时刻起在特定控制时段Vt内平均降水强度小于0.1mm/h,则认为t1时刻降水结束,t0到t1时间段的降水过程为一个降水事件;
待分析时段有两个:
第一个时段为降水事件时段;
当前后两降水事件的时间间隔≥△T时,第二个时段为前一个降水事件结束之后外延设定时间段△T;
当前后两降水事件的时间间隔<△T时,第二个时段为前后两个降水事件的时间间隔;
所述前后两降水事件的时间间隔指的是前一降水事件结束至后一降水事件开始的时段。
整个所述分析时段包括水文响应的涨水段和落水段。
降水事件结束之后外延特定时间段ΔT,根据待研究流域降水过程中雨量大小、降水持续时间等因素具体选择,ΔT可以是36h,48h等。
假定根据待研究流域的水文数据,选定时间段ΔT为36h,第一个降水事件的开始时间为第一天的3:00,结束时间为当天的17:00;第二个降水事件的开始时间为第三天的15:00,则对第一个降水事件来说,水文响应过程的分析时段中第一个时段指的是第一天的3:00到17:00之间的14h,第二个时段指的是第一个降水事件在17:00结束后外延的36h,整个分析时段的时间为第一天的3:00到第三天的5:00,共计50h。
举例而言,假定根据待研究流域的水文数据,选定时间段ΔT为36h,第一个降水事件的开始时间为第一天的3:00,结束时间为当天的17:00;第二个降水事件的开始时间为第二天的17:00,则对第一个降水事件来说,水文响应过程的分析时段中第一个时段指的是第一天的3:00到17:00之间的14h,第二个时段指的是第一个降水事件在17:00结束后,到第二个降水事件开始前中间间隔的24h,整个分析时段的时间为第一天的3:00到第二天的17:00,共计38h。
结合图1所示的流程图,选择陈旗流域作为待研究流域,该流域位于贵州省普定喀斯特生态实验站,流域面积为1km2,海拔338~1491m;该流域属亚热带季风湿润气候区,多年平均降水1336mm,年均气温14.2℃;该流域内具有贵州典型的高原面峰丛洼地地貌,山体植被覆盖以林地、灌草和灌丛为主,土壤厚度较薄(<50cm);洼地主要为农田,土层相对较厚,一般可达40~100cm。
选择该流域2017年雨季6月30日的一场降水及水文响应过程作为分析对象。根据所述分析时段待研究流域不同分析站点的所述水文观测资料,获得降水事件相应的水文响应时间序列。
水文响应过程包括洼地观测井水位变化过程(W1,W3,W4和W5),洼地落水洞水位变化过程(H1,H2和H3),以及流域出口地下水(Grd)流量过程,共计8个水文响应过程;其中水文响应过程对应的观测点的空间分布如图2所示;
此次降水事件从2017年6月30日3:25开始,到6月30日17:45结束,持续14.33小时,在降水事件结束之后外延36小时,则水文响应过程从6月30日3:25开始到2017年7月2日5:45结束;整个水文响应过程的分析时段总计50.33h,因每隔5min观察一次数据,所以各水文响应过程的观测数据有605个,即各个水文响应过程对应长度为605的水文响应时间序列;其中,此次降水事件的降水量随观测时间的变化如图3所示;
步骤2:标准化过程如下,水文响应时间序列的标准化,利用R软件{base}package中的scale()函数,该函数的公式为进行数据标准化,以获得均值为0,方差为1的水文响应过程的标准化序列ZW3=scale(W3),
其中,ai是第i时刻的观测值,
s分别为水文响应过程中的变量的均值和方差,
W3为该降水事件地下水监测井W3的水位响应过程,
ZW3为该降水事件地下水监测井W3的水位响应过程的标准化序列;
如图4所示,采用同样的方法,获得W1,W4,W5,H1,H2,H3和Grd响应过程对应的标准化序列ZW1,ZW4,ZW5,ZH1,ZH2,ZH3和ZGrd。
步骤3:核距离的计算方法如下,
假定A,B两个站点的水文响应过程的标准化序列分别为X={x1,...,xN},Y={y1,...,yN},获得A,B两站点水文响应过程之间的核距离,核距离的计算公式为d(X,Y)=Kernel(X,X)+Kernel(Y,Y)-2×Kernel(X,Y)
其中,
N为水文响应过程中观测的次数;
Kernel(X,X)、Kernel(Y,Y)、Kernel(X,Y)表示多尺度平滑核函数,其数学表达式为
其中,
<.,.>表示两个向量的内积;
UX为-上三角矩阵,其数学表达式为,
UY为-上三角矩阵,其数学表达式为,
其中,
表示矩阵UX和矩阵UY的第i行;表示矩阵UX和矩阵UY第i行第j列,
的数学表达式为
的数学表达式为
其中,
为长度为i,起始元素为xj的子序列的累加,其中,
为长度为i,起始元素为yj的子序列的累加,其中,
利用以下公式计算
其中,描述了第i阶部分的累积和;
Mi表示的是一个由Ai和0组成的N×N矩阵;
其数学表达式为
Mi=[Ai|0]
其中,
并指定当1≤k≤i和1≤j≤N-i+1,所有的否则
利用以下公式计算任意两个分析站点水文响应过程之间的多尺度平滑核函数,
其中,和都是行向量,(.)t是向量的转置。
该流域不同分析站点之间水文响应过程之间的核距离:
1)将ZW1、ZW3、ZW4、ZW5、ZH1、ZH2、ZH3和ZGrd,作为列向量,构成一个605行×8列的标准化序列矩阵ZM;
其中ZW1、ZW3、ZW4、ZW5、ZH1、ZH2、ZH3和ZGrd均为长度为605的列向量,对应ZMi,i=1,2,…,8;
2)针对任意两个站点i,j的标准化序列ZMi,ZMj,利用以下公式计算他们之间的核函数,
其中,描述了第i阶部分的累积和;
Mi表示的是一个由Ai和0组成的N×N矩阵,其数学表达式为
Mi=[Ai|0]
其中,N=605
且当1≤k≤i和1≤j≤N-i+1,所有的否则
3)基于任意两站点之间标准化水文响应过程之间的核函数,利用下式计算相应水文响应过程的核距离,
d(ZMi,ZMj)=Kernel(ZMi,ZMi)+Kernel(ZMj,ZMj)-2×Kernel(ZMi,ZMj)
4)循环重复以上步骤2)~3),获得任意两个站点水文响应过程的核距离。
根据前述计算得到的任意两个站点水文响应过程的核距离,得到该流域不同分析站点水文响应过程的核距离矩阵D,该矩阵为8行,8列的方阵;如表1所示:
表1核距离矩阵D代表的方阵中的数值
步骤4:用层次聚类算法对两两站点水文响应过程之间的核距离进行聚类分析,评估水文响应过程的空间相似性,具体步骤为:
1)依据待研究流域不同站点针对同一降水事件各响应过程的核距离矩阵D,使用R软件{stats}package中的as.dist函数,将核距离矩阵D转化为层次聚类分析的输入数据Hdist;具体如下,
Hdist=as.dist(D)
其中,D为流域不同站点特定降水事件相应的水文响应过程之间的核距离矩阵;Hdist是下一步进行聚类分析的依据;
2)使用R软件{stats}package中hclust函数,进行层次聚类计算,其中组间距离用ward.D方法计算,即离差平方和;具体如下,
hc=hclust(Hdist,"ward.D")
其中,hc利用hclust函数进行聚类分析的结果;
3)使用R软件中{graphics}package中的plot函数,对步骤2)计算获得的聚类结果进行图形化展示;具体如下,
plot(hc,ylab="聚类距离")
其中,hc就是聚类分析结果,如图5所示,其中的纵坐标代表“聚类距离”。
最终水文相似性的结果如图5所示,相似性高的过程被归为一类。如果将所有过程分为3类,W3,W4和H2为一类,H3和W5为一类,H1,W1和Grd为一类。
步骤5:分析迟滞效应并获得迟滞效应特征的具体
该流域不同站点地下水水位与流域出口流量过程的迟滞效应:
1)以流域出口的地下水流量过程为横坐标,以流域内不同站点的地下水水位、流量为纵坐标,绘制流域出口流量-地下水水位的动态过程图,如图6所示。
2)利用迟滞效应指标HI定量评价流域内不同站点相对于流域出口地下水流量的迟滞效应,其中HI计算方法如下:
式中,HI是流域迟滞效应指标值;Qm是降水事件中流域出口起始流量和最大流量的均值,单位为m3/s;S(tF,m)是落水段中流域出口流量值等于Qm时相应的地下水位,单位为m;S(tR,m)是涨水段中流域出口流量值等于Qm时相应的地下水位,单位为m;Q(tF,m)是落水段中流域出口流量等于Qm,单位为m3/s;Q(tR,m)是涨水段中流域出口流量等于Qm,单位为m3/s。为了便于比较这里流量和地下水位全部用标准化数值。
HI值反映了流域排泄量与不同区域蓄量动态变化的同步性。HI的绝对值反映迟滞效应的强度(即绳套曲线的宽度)。HI的符号反映了绳套的方向。负HI表示顺时针回路,正HI表示逆时针回路。对于Q(t)与S(t),他们之间的顺时针回路表明,相对于任何给定的流域出流,上升段的蓄量S(t)的值大于回落段的S(t)。相反,逆时针回路表明上升段的S(t)相对于给定的Q(t)值而言小于回落段的S(t)。特别地,Q(t)与S(t)之间一对一的关系表明了它们的同步变化(迟滞等于0),表明Q(t)与S(t)相同的上升和下降模式。
步骤6:该流域不同站点之间水流连通性判断如下,
如图6所示,H1-Grd为H1位置的地下水位-流域出口地下水流量过程;H2-Grd为H2位置的地下水位-流域出口地下水流量过程;H3-Grd为H3位置的地下水位-流域出口地下水流量过程;W1-Grd为W1位置的地下水位-流域出口地下水流量过程;W3-Grd为W3位置的地下水位-流域出口地下水流量过程;W4-Grd为W4位置的地下水位-流域出口地下水流量过程;W5-Grd为W5位置的地下水位-流域出口地下水流量过程。其中圆圈表示流域出口地下水流量过程的上升段,圆点表示流域出口地下水流量过程的回落段。
由图6可知,H1和Grd的动态关系曲线最接近点对点的单值曲线,除此之外H2-Grd、W1-Grd和W5-Grd的动态关系过程线均接近点对点的单值曲线。W3-Grd和W4-Grd的动态过程线均显示为明显的绳套关系且为逆时针。H3-Grd虽然也表现为绳套关系,但是为顺时针绳套。从地下水水位(探测井W1,W3,W4,W5及落水洞H1,H2,H3)与流域出口地下水流量的动态关系中,可以初步判断,H1,H2,W1,W5与流域出口的地下水流量动态过程的同步性强与其他站点(H3,W3,W4)。
图7进一步给出了迟滞指标的评价结果,该结果表明H1,W1,W3,W4,W5与流域出口地下水流量过程以逆时针绳套为主导,且迟滞的强度由强到弱依次为W4>W3>W1>W5>H1。而H2,H3与流域出口地下水流量过程以顺时针绳套为主导,且迟滞强度H3>H2。
当迟滞效应消退,流域内站点的流量/水位与流域出口的动态关系为单线关系或接近单线关系时,表明该站点的水流与流域出口的水流完全连通;当流域内站点的流量/水位与流域出口的动态关系为显著的绳套关系时,表明该站点的水流与流域出口的水流连通性差。就是说流域内站点的流量/水位与流域出口流量过程的迟滞效应越强,该站点与流域出口/流域河道的水流连通性越弱,当流域内站点的流量/水位与流域出口流量过程的迟滞效应完全消退时,该站点与流域出口/流域河道的水流完全连通。
根据流量过程线的相似性分析结果,在同一场降水事件过程中,降水响应特征相似的会被归为一类,这一类相对于流域出口流量过程,也会表现出相近的迟滞效应;因此,可以依据相似性分析的聚类结果及相应的迟滞效应,确定流域内不同区域与流域出口/流域河道的连通程度。
根据地下水位、流量过程线的相似性分析结果,如图5所示,W3,W4和H2为一类,H3和W5为一类,H1,W1和Grd为一类。结合图7的迟滞指标的评价分析结果,从迟滞指标的绝对值大小可以推断,距离流域出口较近的站点H1和W1与流域出口地下水流的连通性最强。其次是位于上游山脚地区的H3和W5。与流域出口水流连通性最弱的是中、上游地区的H2、W3和W4。这一结果进一步可以推断,上游地区与流域出口之间存在优势流通道,将上游的水流与出口河道连通。
实施例二
结合图8,本发明实施例还提供了一种基于迟滞效应的水流连通性识别装置,包括以下模块:
获取模块:用于获取待研究流域的水文观测资料;
标准化模块:用于根据所述水文观测资料识别降水事件相应的水文响应过程并进行标准化处理,获得水文响应的标准化序列;
相似性识别模块:包括以下两个子模块,距离计算模块和聚类分析模块,
距离计算模块,根据待研究流域任意两个分析站点的标准化序列,计算任意两两分析站点水文响应过程之间的核距离,获得核距离矩阵,
聚类分析模块,将所述核距离矩阵转化为层次聚类分析的输入数据,以此评估水文响应过程的相似性,获得聚类距离这一相似性特征;
迟滞效应模块:定量分析流域任意站点水文响应相对于流域出口流量过程的迟滞效应,获得流域迟滞效应指标值这一迟滞效应特征;
水流连通性模块:综合所述相似性特征和所述迟滞效应特征识别水流连通性。
具体的,所述距离计算模块中采用多尺度平滑函数计算两分析站点水文响应过程之间的核距离。
本发明实施例提供的基于迟滞效应的水流连通性识别装置还可以采用下述技术方案实现,具体的:包括处理器及存储介质;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行前述方法中的步骤。
本发明基于同一降水事件流域不同空间位置站点的水文响应过程之间的迟滞效应和相似性,推测流域内不同位置的水流连通性。相比之前基于长期平均水文特征或静态的水文地质参数的结构连通性,能突出事件尺度上水流在流域空间上的动态特征;相比于依据水化学数据的估计水流连通性,本方法将不同空间位置水流的迟滞效应和水文降水响应过程的空间相似性相结合,降低现有的探测流域水流连通性的成本,提高了现有水文观测资料的利用效率的同时,可以基于迟滞效应指标大小和空间站点相似性的变化,估计流域水流连通程度。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (10)
1.基于迟滞效应的水流连通性识别方法,其特征在于,所述方法包括以下步骤:
获取待研究流域的水文观测资料;
根据所述水文观测资料识别降水事件相应的水文响应过程并进行标准化处理,得出水文响应的标准化序列;
根据待研究流域任意两个分析站点的标准化序列,计算两两分析站点水文响应过程的核距离,获得核距离矩阵;
将所述核距离矩阵转化为层次聚类分析的输入数据,以此评估水文响应过程的相似性,获得聚类距离这一相似性特征;
定量分析流域任意站点水文响应相对于流域出口流量过程的迟滞效应,获得流域迟滞效应指标值这一迟滞效应特征;
综合所述相似性特征和所述迟滞效应特征识别水流连通性。
2.根据权利要求1所述的基于迟滞效应的水流连通性识别方法,其特征在于,获得水文响应的标准化序列的方法包括:
根据待研究所述水文观测资料,确定待分析的降水过程即水文响应过程的分析时段,对待研究流域不同分析站点的水文响应时间序列进行序列标准化,获得水文响应的标准化序列。
3.根据权利要求2所述的基于迟滞效应的水流连通性识别方法,其特征在于,所述分析时段包括两个时段:
第一个时段为降水事件时段;
当前后两降水事件的时间间隔≥△T时,第二个时段为前一个降水事件结束之后外延设定时间段△T;
当前后两降水事件的时间间隔<△T时,第二个时段为前后两个降水事件的时间间隔;
所述前后两降水事件的时间间隔指的是前一降水事件结束至后一降水事件开始的时段。
4.根据权利要求1所述的基于迟滞效应的水流连通性识别方法,其特征在于,采用多尺度平滑函数计算任意两分析站点水文响应过程之间的核距离。
5.根据权利要求1所述的基于迟滞效应的水流连通性识别方法,其特征在于,所述迟滞效应特征的计算方法如下:
其中,HI是流域迟滞效应指标值;
Qm是降水事件中流域出口起始流量和最大流量的均值,单位为m3/s;
S(tF,m)是落水段中流域出口流量值等于Qm时相应的地下水位,单位为m;
S(tR,m)是涨水段中流域出口流量值等于Qm时相应的地下水位,单位为m;
Q(tF,m)是落水段中流域出口流量等于Qm,单位为m3/s;
Q(tR,m)是涨水段中流域出口流量等于Qm,单位为m3/s。
6.根据权利要求1所述的基于迟滞效应的水流连通性识别方法,其特征在于,所述水文观测资料为相同时间段以内以相同时间间隔采集的地表水或地下水的相关信息组成的时间序列。
7.根据权利要求6所述的基于迟滞效应的水流连通性识别方法,其特征在于,所述相关信息包括水位和流量信息。
8.基于迟滞效应的水流连通性识别装置,其特征在于,包括:
获取模块:用于获取待研究流域的水文观测资料;
标准化模块:用于根据所述水文观测资料识别降水事件相应的水文响应过程并进行标准化处理,获得水文响应的标准化序列;
相似性识别模块:包括以下两个子模块,距离计算模块和聚类分析模块,
距离计算模块,根据待研究流域任意两个分析站点的标准化序列,计算任意两两分析站点水文响应过程之间的核距离,获得核距离矩阵,
聚类分析模块,将所述核距离矩阵转化为层次聚类分析的输入数据,以此评估水文响应过程的相似性,获得聚类距离这一相似性特征;
迟滞效应模块:设计流域迟滞效应评价指标,定量分析流域任意站点水文响应相对于流域出口流量过程的迟滞效应,获得流域迟滞效应指标值这一迟滞效应特征;
水流连通性模块:综合所述相似性特征和所述迟滞效应特征识别水流连通性。
9.根据权利要求8所述的基于迟滞效应的水流连通性识别装置,其特征在于,所述距离计算模块中采用多尺度平滑函数计算两两分析站点水文响应过程之间的核距离。
10.基于迟滞效应的水流连通性识别装置,其特征在于,包括处理器及存储介质;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行根据权利要求1至9任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811529606.9A CN109711607B (zh) | 2018-12-14 | 2018-12-14 | 基于迟滞效应的水流连通性识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811529606.9A CN109711607B (zh) | 2018-12-14 | 2018-12-14 | 基于迟滞效应的水流连通性识别方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109711607A true CN109711607A (zh) | 2019-05-03 |
CN109711607B CN109711607B (zh) | 2022-08-12 |
Family
ID=66255807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811529606.9A Active CN109711607B (zh) | 2018-12-14 | 2018-12-14 | 基于迟滞效应的水流连通性识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109711607B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115146447A (zh) * | 2022-06-10 | 2022-10-04 | 济南轨道交通集团有限公司 | 一种岩溶含水层连通性判别方法及系统、设备及介质 |
CN117057819A (zh) * | 2023-08-15 | 2023-11-14 | 泰华智慧产业集团股份有限公司 | 一种雨水管网污水排放溯源分析方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107423566A (zh) * | 2017-07-27 | 2017-12-01 | 北京师范大学 | 一种兼顾生态节水和污染控制的土地利用优化方法 |
CN108018823A (zh) * | 2017-12-15 | 2018-05-11 | 河海大学 | 基于瞬时单位线的流域地下水平均响应时间估计方法 |
CN108846573A (zh) * | 2018-06-12 | 2018-11-20 | 河海大学 | 基于时间序列核距离的流域水文相似性估计方法 |
CN108876141A (zh) * | 2018-06-12 | 2018-11-23 | 河海大学 | 流域蓄泄时滞效应的定量化分析指标 |
-
2018
- 2018-12-14 CN CN201811529606.9A patent/CN109711607B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107423566A (zh) * | 2017-07-27 | 2017-12-01 | 北京师范大学 | 一种兼顾生态节水和污染控制的土地利用优化方法 |
CN108018823A (zh) * | 2017-12-15 | 2018-05-11 | 河海大学 | 基于瞬时单位线的流域地下水平均响应时间估计方法 |
CN108846573A (zh) * | 2018-06-12 | 2018-11-20 | 河海大学 | 基于时间序列核距离的流域水文相似性估计方法 |
CN108876141A (zh) * | 2018-06-12 | 2018-11-23 | 河海大学 | 流域蓄泄时滞效应的定量化分析指标 |
Non-Patent Citations (2)
Title |
---|
李玉凤等: "农村多水塘系统水环境过程研究进展", 《生态学报》 * |
贾晓青等: "分布式水文模型在西南岩溶地区的应用前景", 《人民长江》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115146447A (zh) * | 2022-06-10 | 2022-10-04 | 济南轨道交通集团有限公司 | 一种岩溶含水层连通性判别方法及系统、设备及介质 |
CN117057819A (zh) * | 2023-08-15 | 2023-11-14 | 泰华智慧产业集团股份有限公司 | 一种雨水管网污水排放溯源分析方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109711607B (zh) | 2022-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Assessment of surface water quality via multivariate statistical techniques: a case study of the Songhua River Harbin region, China | |
Trepel et al. | Quantifying nitrogen retention in surface flow wetlands for environmental planning at the landscape-scale | |
Chen et al. | Plausible impact of global climate change on water resources in the Tarim River Basin | |
McCormick et al. | Recent climatic trends in nearshore water temperatures in the St. Lawrence Great Lakes | |
Li et al. | Combining multivariate statistical techniques and random forests model to assess and diagnose the trophic status of Poyang Lake in China | |
CN108287950A (zh) | 基于控制单元水环境质量目标管理的水质模拟方法 | |
Wu et al. | Seasonal and spatial variations of water quality and trophic status in Daya Bay, South China Sea | |
KR20180116820A (ko) | 다중 가중치 산정 및 topsis를 이용한 단위유역별 수자원 취약성 평가 방법 | |
Brocca et al. | Application of a model-based rainfall-runoff database as efficient tool for flood risk management | |
Wu et al. | Spatiotemporal variations in extreme precipitation on the middle and lower reaches of the Yangtze River Basin (1970–2018) | |
CN108846573A (zh) | 基于时间序列核距离的流域水文相似性估计方法 | |
CN109299812A (zh) | 一种基于深度学习模型和knn实时校正的洪水预测方法 | |
Sharghi et al. | Application of different clustering approaches to hydroclimatological catchment regionalization in mountainous regions, a case study in Utah State | |
CN106373070A (zh) | 一种应对城市暴雨内涝的四预方法 | |
CN106909899A (zh) | 一种湿地景观演变过程的分析方法及分析系统 | |
CN108520267A (zh) | 一种基于时空特征的水文遥测数据异常检测方法 | |
Wei et al. | Identifying key environmental factors explaining temporal patterns of DOC export from watersheds in the conterminous United States | |
Liu et al. | Mapping groundwater-dependent ecosystems in arid Central Asia: Implications for controlling regional land degradation | |
Yao et al. | Wind effects on hydrodynamics and implications for ecology in a hydraulically dominated river-lake floodplain system: Poyang Lake | |
CN104392113B (zh) | 一种近海海面冷空气大风风速的估算方法 | |
Tuomi et al. | Evaluating hydrography, circulation and transport in a coastal archipelago using a high-resolution 3D hydrodynamic model | |
Tang et al. | Application of self-organizing map (SOM)-based approach to explore the relationship between land use and water quality in Deqing County, Taihu Lake Basin | |
Cao et al. | Changes in extent of open-surface water bodies in China's Yellow River Basin (2000–2020) using Google Earth Engine cloud platform | |
CN108764527A (zh) | 一种土壤有机碳库时空动态预测最优环境变量筛选方法 | |
Raabe et al. | Quality control and analyses of the long-term nutrient data from Helgoland Roads, North Sea |
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 |