CN110162839A - 一种流域水沙变化影响因素贡献率的辨识方法及系统 - Google Patents
一种流域水沙变化影响因素贡献率的辨识方法及系统 Download PDFInfo
- Publication number
- CN110162839A CN110162839A CN201910335259.4A CN201910335259A CN110162839A CN 110162839 A CN110162839 A CN 110162839A CN 201910335259 A CN201910335259 A CN 201910335259A CN 110162839 A CN110162839 A CN 110162839A
- Authority
- CN
- China
- Prior art keywords
- run
- scene
- studied
- contribution rate
- simulated
- 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
- 239000013049 sediment Substances 0.000 title claims abstract description 38
- 238000012850 discrimination method Methods 0.000 title claims abstract description 15
- 230000008859 change Effects 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000012360 testing method Methods 0.000 claims description 14
- 238000001556 precipitation Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 9
- 230000001052 transient effect Effects 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 26
- 239000004576 sand Substances 0.000 abstract description 22
- 238000011156 evaluation Methods 0.000 abstract description 6
- 230000009977 dual effect Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 239000002689 soil Substances 0.000 description 4
- 241000208340 Araliaceae Species 0.000 description 3
- 241001269238 Data Species 0.000 description 3
- 241000044469 Oplismenus hirtellus Species 0.000 description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 235000008434 ginseng Nutrition 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000003643 water by type Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供了一种流域水沙变化影响因素贡献率的辨识方法及系统，包括：分别从待研究流域的多个影响因素中选取一个影响因素或多个影响因素的组合作为变化量，得到多个第一模拟情景，并获取每一第一模拟情景的第一径流量；将多个第一模拟情景中的每一第一模拟情景中的变化量替换为裸地参数，得到对应的多个第二模拟情景，并获取每一第二模拟情景的第二径流量；获取每一第一情景的第一径流量与对应的第二情景的第二径流量的差的绝对值，并将差的绝对值作为每一第一情景中变化量影响下的第三径流量；根据每一第一情景的第三径流量获取多个影响因素对待研究流域水沙变化的贡献率。该方法评价结果准确，适用于实现对江河未来水沙情势精准预测。
Description
技术领域
本发明实施例涉及水文预测技术领域，更具体地，涉及一种流域水沙变化影响因素贡献率的辨识方法及系统。
背景技术
能否精准预测江河水沙未来情势关乎流域治理方略制定以及水利及水土保持工程布局和运用。如何准确辨识江河径流和泥沙变化主要影响因素是准确预测江河水沙情势的重要前提与基础。而如何辨识流域水沙变化的多因素耦合驱动机制和群体贡献率，是当前研究热点及难点。相关研究表明，流域径流泥沙变化的影响因素可大体概括为两个方面，即气候变化和人类活动。其中，气候变化主要指降水和温度变化，而人类活动内涵相对丰富，主要包括：林草植被、淤地坝、梯田等水土保持措施变化，以及生活及工农业用水变化等。
现有研究中，流域水沙变化驱动因素多采用2因素分析法，该分析方法认为各因素相对独立，即A因素对水沙变化影响量和B因素对水沙变化影响量之和等于水沙变化量。忽略了A和B因素之间的耦合作用，考虑到诸多因素与水沙变化呈现高度复杂的非线性关系，2因素间存在明显的交互作用，故现有研究方法所得贡献率存在明显失真，评价结果误差较大，难以实现对江河未来水沙情势精准预测的有力支撑，不能满足未来江河治理实践的基本需求。
发明内容
本发明实施例提供了一种克服上述问题或者至少部分地解决上述问题的流域水沙变化影响因素贡献率的辨识方法及系统。
第一方面本发明实施例提供了一种流域水沙变化影响因素贡献率的辨识方法，包括：
分别从待研究流域的多个影响因素中选取一个影响因素或多个影响因素的组合作为变化量，得到多个第一模拟情景，并获取每一第一模拟情景的第一径流量；
将所述多个第一模拟情景中的每一第一模拟情景中的变化量替换为裸地参数，得到对应的多个第二模拟情景，并获取每一第二模拟情景的第二径流量；
获取每一第一情景的第一径流量与对应的第二情景的第二径流量的差的绝对值，并将所述差的绝对值作为每一第一情景中变化量影响下的第三径流量；
根据每一第一情景的第三径流量获取所述多个影响因素对所述待研究流域水沙变化的贡献率。
另一方面本发明实施例提供了一种流域水沙变化影响因素贡献率的辨识系统，包括：
第一径流量模块，用于分别从待研究流域的多个影响因素中选取一个影响因素或多个影响因素的组合作为变化量，得到多个第一模拟情景，并获取每一第一模拟情景的第一径流量；
第二径流量模块，用于将所述多个第一模拟情景中的每一第一模拟情景中的变化量替换为裸地参数，得到对应的多个第二模拟情景，并获取每一第二模拟情景的第二径流量；
第三径流量模块，用于获取每一第一情景的第一径流量与对应的第二情景的第二径流量的差的绝对值，并将所述差的绝对值作为每一第一情景中变化量影响下的第三径流量；
贡献率获取模块，用于根据每一第一情景的第三径流量获取所述多个影响因素对所述待研究流域水沙变化的贡献率。
第三方面本发明实施例提供了包括处理器、通信接口、存储器和总线，其中，处理器，通信接口，存储器通过总线完成相互间的通信，处理器可以调用存储器中的逻辑指令，以执行第一方面提供的流域水沙变化影响因素贡献率的辨识方法。
第四方面本发明实施例提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行第一方面提供的流域水沙变化影响因素贡献率的辨识方法。
本发明实施例提供的一种流域水沙变化影响因素贡献率的辨识方法及系统，通过对多个影响因子的单因素和多因素作用分别进行模拟，得到对应的单因素和多因素影响下的径流量，进而得出多个影响因素对待研究流域水沙变化的贡献率，评价结果准确，适用于实现对江河未来水沙情势精准预测。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种流域水沙变化影响因素贡献率的辨识方法的流程图；
图2为本发明实施例提供的一种流域水沙变化影响因素贡献率的辨识系统的结构框图；
图3为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚地描述，显然，所描述的实施例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。
图1为本发明实施例提供的一种流域水沙变化影响因素贡献率的辨识方法的流程图，如图1所示，包括：
S101，分别从待研究流域的多个影响因素中选取一个影响因素或多个影响因素的组合作为变化量，得到多个第一模拟情景，并获取每一第一模拟情景的第一径流量；
S102，将所述多个第一模拟情景中的每一第一模拟情景中的变化量替换为裸地参数，得到对应的多个第二模拟情景，并获取每一第二模拟情景的第二径流量；
S103，获取每一第一情景的第一径流量与对应的第二情景的第二径流量的差的绝对值，并将所述差的绝对值作为每一第一情景中变化量影响下的第三径流量；
S104，根据每一第一情景的第三径流量获取所述多个影响因素对所述待研究流域水沙变化的贡献率。
在步骤S101中，由于对待研究流域水沙变化产生影响的因素往往有多个，且这多个影响因素相互之间存在耦合关系。则在构建第一模拟情景时，需要分别把多个影响因素中的每个单个影响因素作为变化量，分别把多个影响因素的每两个影响因素的组合作为变化量，分别把多个因素中的每多个影响因素的组合作为变化量。举例来说，若待研究流域的影响因素有3个，则变化量有7个，对应7个第一模拟情景，即3个单因素变化量的模拟情景，3个双因素变化量的模拟情景，以及1个三因素变化量的模拟情景。
需要说明的是，为了便于对本发明进行说明，后文中待研究流域的影响因素的数量具体限定为3个，分别为：流域下垫面林草植被、淤地坝以及梯田的面积或数量。可以理解的是，本发明的技术方案并不以此为限。
具体地，为辨识林草植被(A)、淤地坝(B)、梯田(C)3种不同水土保持措施变化对流域水沙影响，通过改变流域下垫面林草植被、淤地坝、梯田面积或数量设定3种模式7种第一模拟情景。其中，模式一，单一因素影响水沙变化贡献率。具体包括：情景1:为辨识林草数量变化对水沙变化影响贡献率。改变流域林草植被面积数量，保持淤地坝以及梯田数量不变；情景2：为辨识淤地坝数量变化对水沙变化影响贡献率。改变流域淤地坝数量，保持林草以及梯田数量不变；情景3：为辨识梯田面积变化对水沙变化影响贡献率。改变流域梯田面积，保持林草植被面积以及淤地坝数量不变。模式二，双因素影响水沙变化贡献率。改变2个变量，其他变量不变。情景4：改变A和B，C不变；情景5：改变A和C，B不变；情景六：该表B和C，A不变。模式三，同时改变3个变量A、B和C，即情景7。
在步骤S102中，裸地参数是指待研究流域的下垫面不采取任何水土保护措施时所对应的参数。那么，将所述多个第一模拟情景中的每一第一模拟情景中的变化量替换为裸地参数，即不采取变化量对应的影响因素来进行下垫面的水土保护，将该情景下变化量替换为裸地参数。
具体地，通过改变流域下垫面林草植被、淤地坝、梯田面积或数量设定情景。共设置3种模式7种情景。模式一：单一因素影响下水沙变化贡献率，改变其中一种措施的面积，保持另外两种不变，共3种情景；模式二：双因素影响下水沙变化贡献率，改变其中两种措施的面积，保持第三种不变，共3种情景；模式三：三因素影响下水沙变化贡献率，共1种情景。分别计算7种第一情景下的第一径流量。
模式一条件下，依次将林草植被、淤地坝、梯田面积或数量用裸地参数替代后，所得出的第二径流量与第一径流量之间的差值的绝对值，即为单一影响因素下的第三径流量(输沙量)。
模式二条件下，依次分别将林草植被、淤地坝、梯田面积或数量两两组合用裸地参数替代后，所得出的第二径流量与第一径流量之间的差值的绝对值，即为双因素影响下流域径流量(输沙量)。
模式三条件下，将3个下垫面数据均用裸地参数替代后，所得出的第二径流量与第一径流量之间的差值的绝对值，即为三因素影响下流域径流量(输沙量)。
以上共得到7个第三径流量，根据7个第三径流量之间的逻辑关系即可得到林草植被、淤地坝以及梯田三个影响因素对待研究流域水沙变化的单因素、二因素交互及三因素耦合作用的贡献率。
本发明实施例提供的一种流域水沙变化影响因素贡献率的辨识方法，通过对多个影响因子的单因素和多因素作用分别进行模拟，得到对应的单因素和多因素影响下的径流量，进而得出多个影响因素对待研究流域水沙变化的贡献率，评价结果准确，适用于实现对江河未来水沙情势精准预测。
在上述实施例中，所述方法还包括：
根据所述待研究流域的基础资料数据库，构建所述待研究流域的分布式水文模型。
进一步地，在构建所述待研究流域的分布式水文模型之前，还包括：
获取所述待研究流域历年的径流数据、降水、土地利用、归一化植被指数、淤地坝数量以及数字高程图；
根据所述待研究流域历年的径流数据、降水、土地利用、归一化植被指数、淤地坝数量以及数字高程图，构建所述基础资料数据库。
其中，所述待研究流域历年的土地利用、归一化植被指数以及数字高程图通过遥感影响获取。
具体地，以某一流域作为研究对象，系统收集流域历年径流数据(Qt)、降水(Pt)、土地利用(LUCC)、归一化植被指数(NDVI)、淤地坝数量、数字高程图(DEM)等基础数据，构建研究流域基础资料数据库，为模型模拟提供必备条件。
流域历年径流(Qt)、降水(Pt)、土地利用(LUCC)、数字高程图(DEM)等资料为传统数据，具有易获得性。其中，径流(Qt)、降水(Pt)通过流域内水文站收集；土地利用(LUCC)数据、归一化植被指数(NDVI)、数字高程图(DEM)等通过遥感影像获取，淤地坝等水土保持措施数量通过年鉴获取。
在上述实施例中，所述获取每一第一模拟情景的第一径流量，具体包括：
将所述基础资料数据库中的数据输入所述分布式水文模型，并根据每一第一模拟情景中的变化量改变所述分布式水文模型中所述待研究流域下垫面的参数，得到每一第一模拟情景的第一径流量。
所述获取每一第二模拟情景的第二径流量，具体包括：
将所述基础资料数据库中的数据输入所述分布式水文模型，并根据每一第二模拟情景中的变化量对应的落地参数设置所述分布式水文模型中所述待研究流域下垫面的参数，得到每一第二模拟情景的第二径流量。
具体地，模式一条件下，依次将林草植被、淤地坝、梯田面积或数量用裸地参数替代后，所得出的第二径流量与第一径流量之间的差值的绝对值，即为单一影响因素下的第三径流量(输沙量)R1，R2，R3。
模式二条件下，依次分别将林草植被、淤地坝、梯田面积或数量两两组合用裸地参数替代后，所得出的第二径流量与第一径流量之间的差值的绝对值，即为双因素影响下流域径流量(输沙量)R4，R5，R6。
模式三条件下，将3个下垫面数据均用裸地参数替代后，所得出的第二径流量与第一径流量之间的差值的绝对值，即为三因素影响下流域径流量(输沙量)R7。
在上述实施例中，所述根据每一第一情景的第三径流量获取所述多个影响因素对所述待研究流域水沙变化的贡献率，具体包括：
利用交并集原理并根据每一第一情景的第三径流量，获取所述多个影响因素对所述待研究流域水沙变化的单因素贡献率和多因素贡献率。
具体地，根据数学中交并集原理，分别得出流域径流分解后，各措施单独引起的径流量变化、二因素交互作用、三因素耦合作用引起的径流量变化。
单因素贡献率R(a1,b,c)＝R7-R6；
单因素贡献率R(a,b1,c)＝R7-R5；
单因素贡献率R(a,b,c1)＝R7-R4；
双因素贡献率R(a1,b1,c)＝R5-R3-(R7-R6)；
双因素贡献率R(a1,b,c1)＝R6-R2-(R7-R4)；
双因素贡献率R(a,b1,c1)＝R4-R1-(R7-R5)；
三因素贡献率R(a1,b1,c1)＝R1+R2+R3+R7-(R4+R5+R6)；
其中，R1，林草植被对应的第三径流量；R2，淤地坝对应的第三径流量；R3，梯田对应的第三径流量；R4，林草植被-淤地坝对应的第三径流量；R5，林草植被-梯田对应的第三径流量；R6，淤地坝-梯田对应的第三径流量；R7，林草植被-淤地坝-梯田对应的第三径流量。
下面通过一个实例对本发明实施例进行进一步说明，其评价过程如下：
(1)收集某流域1980-2016年年降水、年径流、土地利用、数字高程等背景资料，构建该流域背景资料数据库。
(2)设置7种情景。
(3)计算不同情景下流域年径流第三径流量，如表1所示。
表1
(4)计算不同影响因素贡献率，如表2所示。
表2
图2为本发明实施例提供的一种流域水沙变化影响因素贡献率的辨识系统的结构框图，如图2所示，包括：第一径流量模块201、第二径流量模块202、第三径流量模块203及贡献率获取模块204。其中：
第一径流量模块201用于分别从待研究流域的多个影响因素中选取一个影响因素或多个影响因素的组合作为变化量，得到多个第一模拟情景，并获取每一第一模拟情景的第一径流量。第二径流量模块202用于将所述多个第一模拟情景中的每一第一模拟情景中的变化量替换为裸地参数，得到对应的多个第二模拟情景，并获取每一第二模拟情景的第二径流量。第三径流量模块203用于获取每一第一情景的第一径流量与对应的第二情景的第二径流量的差的绝对值，并将所述差的绝对值作为每一第一情景中变化量影响下的第三径流量。贡献率获取模块204用于根据每一第一情景的第三径流量获取所述多个影响因素对所述待研究流域水沙变化的贡献率。
具体地，所述系统还包括模型构建模块，用于根据所述待研究流域的基础资料数据库，构建所述待研究流域的分布式水文模型。
进一步地，所述系统还包括数据库构建模块，用于：
获取所述待研究流域历年的径流数据、降水、土地利用、归一化植被指数、淤地坝数量以及数字高程图；
根据所述待研究流域历年的径流数据、降水、土地利用、归一化植被指数、淤地坝数量以及数字高程图，构建所述基础资料数据库。
进一步地，所述第一径流量模块201具体用于：
将所述基础资料数据库中的数据输入所述分布式水文模型，并根据每一第一模拟情景中的变化量改变所述分布式水文模型中所述待研究流域下垫面的参数，得到每一第一模拟情景的第一径流量。
进一步地，所述第二径流量模块202具体用于：
将所述基础资料数据库中的数据输入所述分布式水文模型，并根据每一第二模拟情景中的变化量对应的落地参数设置所述分布式水文模型中所述待研究流域下垫面的参数，得到每一第二模拟情景的第二径流量。
进一步地，所述贡献率获取模块204具体用于：
利用交并集原理并根据每一第一情景的第三径流量，获取所述多个影响因素对所述待研究流域水沙变化的单因素贡献率和多因素贡献率。
本发明实施例提供的一种流域水沙变化影响因素贡献率的辨识系统，通过对多个影响因子的单因素和多因素作用分别进行模拟，得到对应的单因素和多因素影响下的径流量，进而得出多个影响因素对待研究流域水沙变化的贡献率，评价结果准确，适用于实现对江河未来水沙情势精准预测。
图3为本发明实施例提供的一种电子设备的结构示意图，如图3所示，电子设备包括：处理器(processor)301、通信接口(CommunicationsInterface)302、存储器(memory)303和总线304，其中，处理器301，通信接口302，存储器303通过总线304完成相互间的通信。处理器301可以调用存储器303中的逻辑指令，以执行如下方法，例如包括：分别从待研究流域的多个影响因素中选取一个影响因素或多个影响因素的组合作为变化量，得到多个第一模拟情景，并获取每一第一模拟情景的第一径流量；将所述多个第一模拟情景中的每一第一模拟情景中的变化量替换为裸地参数，得到对应的多个第二模拟情景，并获取每一第二模拟情景的第二径流量；获取每一第一情景的第一径流量与对应的第二情景的第二径流量的差的绝对值，并将所述差的绝对值作为每一第一情景中变化量影响下的第三径流量；根据每一第一情景的第三径流量获取所述多个影响因素对所述待研究流域水沙变化的贡献率。
上述的存储器303中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法，例如包括：分别从待研究流域的多个影响因素中选取一个影响因素或多个影响因素的组合作为变化量，得到多个第一模拟情景，并获取每一第一模拟情景的第一径流量；将所述多个第一模拟情景中的每一第一模拟情景中的变化量替换为裸地参数，得到对应的多个第二模拟情景，并获取每一第二模拟情景的第二径流量；获取每一第一情景的第一径流量与对应的第二情景的第二径流量的差的绝对值，并将所述差的绝对值作为每一第一情景中变化量影响下的第三径流量；根据每一第一情景的第三径流量获取所述多个影响因素对所述待研究流域水沙变化的贡献率。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的通信设备等实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种流域水沙变化影响因素贡献率的辨识方法，其特征在于，包括：
分别从待研究流域的多个影响因素中选取一个影响因素或多个影响因素的组合作为变化量，得到多个第一模拟情景，并获取每一第一模拟情景的第一径流量；
将所述多个第一模拟情景中的每一第一模拟情景中的变化量替换为裸地参数，得到对应的多个第二模拟情景，并获取每一第二模拟情景的第二径流量；
获取每一第一情景的第一径流量与对应的第二情景的第二径流量的差的绝对值，并将所述差的绝对值作为每一第一情景中变化量影响下的第三径流量；
根据每一第一情景的第三径流量获取所述多个影响因素对所述待研究流域水沙变化的贡献率。
2.根据权利要求1所述方法，其特征在于，还包括：
根据所述待研究流域的基础资料数据库，构建所述待研究流域的分布式水文模型。
3.根据权利要求2所述方法，其特征在于，在构建所述待研究流域的分布式水文模型之前，还包括：
获取所述待研究流域历年的径流数据、降水、土地利用、归一化植被指数、淤地坝数量以及数字高程图；
根据所述待研究流域历年的径流数据、降水、土地利用、归一化植被指数、淤地坝数量以及数字高程图，构建所述基础资料数据库。
4.根据权利要求3所述方法，其特征在于，所述待研究流域历年的土地利用、归一化植被指数以及数字高程图通过遥感影响获取。
5.根据权利要求3所述方法，其特征在于，所述获取每一第一模拟情景的第一径流量，具体包括：
将所述基础资料数据库中的数据输入所述分布式水文模型，并根据每一第一模拟情景中的变化量改变所述分布式水文模型中所述待研究流域下垫面的参数，得到每一第一模拟情景的第一径流量。
6.根据权利要求3所述方法，其特征在于，所述获取每一第二模拟情景的第二径流量，具体包括：
将所述基础资料数据库中的数据输入所述分布式水文模型，并根据每一第二模拟情景中的变化量对应的落地参数设置所述分布式水文模型中所述待研究流域下垫面的参数，得到每一第二模拟情景的第二径流量。
7.根据权利要求1所述方法，其特征在于，所述根据每一第一情景的第三径流量获取所述多个影响因素对所述待研究流域水沙变化的贡献率，具体包括：
利用交并集原理并根据每一第一情景的第三径流量，获取所述多个影响因素对所述待研究流域水沙变化的单因素贡献率和多因素贡献率。
8.一种流域水沙变化影响因素贡献率的辨识系统，其特征在于，包括：
第一径流量模块，用于分别从待研究流域的多个影响因素中选取一个影响因素或多个影响因素的组合作为变化量，得到多个第一模拟情景，并获取每一第一模拟情景的第一径流量；
第二径流量模块，用于将所述多个第一模拟情景中的每一第一模拟情景中的变化量替换为裸地参数，得到对应的多个第二模拟情景，并获取每一第二模拟情景的第二径流量；
第三径流量模块，用于获取每一第一情景的第一径流量与对应的第二情景的第二径流量的差的绝对值，并将所述差的绝对值作为每一第一情景中变化量影响下的第三径流量；
贡献率获取模块，用于根据每一第一情景的第三径流量获取所述多个影响因素对所述待研究流域水沙变化的贡献率。
9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和总线，其中，处理器，通信接口，存储器通过总线完成相互间的通信，处理器可以调用存储器中的逻辑指令，以执行如权利要求1至7任一项所述的流域水沙变化影响因素贡献率的辨识方法。
10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至7任一项所述的流域水沙变化影响因素贡献率的辨识方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910335259.4A CN110162839B (zh) | 2019-04-24 | 2019-04-24 | 一种流域水沙变化影响因素贡献率的辨识方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910335259.4A CN110162839B (zh) | 2019-04-24 | 2019-04-24 | 一种流域水沙变化影响因素贡献率的辨识方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110162839A true CN110162839A (zh) | 2019-08-23 |
| CN110162839B CN110162839B (zh) | 2022-12-16 |
Family
ID=67639844
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910335259.4A Active CN110162839B (zh) | 2019-04-24 | 2019-04-24 | 一种流域水沙变化影响因素贡献率的辨识方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110162839B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110765418A (zh) * | 2019-10-09 | 2020-02-07 | 清华大学 | 一种流域水沙研究模型的智能集合评估方法和系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160328498A1 (en) * | 2015-05-06 | 2016-11-10 | International Business Machines Corporation | Topology-Based Method to Assess the Environmental Impact of Deicing Sodium Chloride |
| CN106777688A (zh) * | 2016-12-15 | 2017-05-31 | 中国水利水电科学研究院 | 一种水土保持工程减水减沙效益定量评价方法 |
| CN106951682A (zh) * | 2017-03-01 | 2017-07-14 | 大连理工大学 | 一种基于不确定性分析的山丘区水文预报模型与数据精度匹配方法 |
| CN107084709A (zh) * | 2017-04-17 | 2017-08-22 | 河海大学 | 一种多弹性对径流变化驱动因素的定量分割方法 |
| CN107908922A (zh) * | 2017-11-14 | 2018-04-13 | 中国科学院寒区旱区环境与工程研究所 | 分离气候和土地利用变化对径流影响的方法及径流预估方法 |
| CN108876047A (zh) * | 2018-06-26 | 2018-11-23 | 西安理工大学 | 基于gamlss模型输沙贡献率的研究方法 |
| CN109408848A (zh) * | 2018-08-24 | 2019-03-01 | 河海大学 | 一种考虑径流演变时空异质性的分布式归因方法 |
| CN109614655A (zh) * | 2018-11-14 | 2019-04-12 | 西北农林科技大学 | 一种河流径流量的研究方法 |
| CN109657287A (zh) * | 2018-11-28 | 2019-04-19 | 西安理工大学 | 基于综合得分法水文模型精度识别的方法 |
-
2019
- 2019-04-24 CN CN201910335259.4A patent/CN110162839B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160328498A1 (en) * | 2015-05-06 | 2016-11-10 | International Business Machines Corporation | Topology-Based Method to Assess the Environmental Impact of Deicing Sodium Chloride |
| CN106777688A (zh) * | 2016-12-15 | 2017-05-31 | 中国水利水电科学研究院 | 一种水土保持工程减水减沙效益定量评价方法 |
| CN106951682A (zh) * | 2017-03-01 | 2017-07-14 | 大连理工大学 | 一种基于不确定性分析的山丘区水文预报模型与数据精度匹配方法 |
| CN107084709A (zh) * | 2017-04-17 | 2017-08-22 | 河海大学 | 一种多弹性对径流变化驱动因素的定量分割方法 |
| CN107908922A (zh) * | 2017-11-14 | 2018-04-13 | 中国科学院寒区旱区环境与工程研究所 | 分离气候和土地利用变化对径流影响的方法及径流预估方法 |
| CN108876047A (zh) * | 2018-06-26 | 2018-11-23 | 西安理工大学 | 基于gamlss模型输沙贡献率的研究方法 |
| CN109408848A (zh) * | 2018-08-24 | 2019-03-01 | 河海大学 | 一种考虑径流演变时空异质性的分布式归因方法 |
| CN109614655A (zh) * | 2018-11-14 | 2019-04-12 | 西北农林科技大学 | 一种河流径流量的研究方法 |
| CN109657287A (zh) * | 2018-11-28 | 2019-04-19 | 西安理工大学 | 基于综合得分法水文模型精度识别的方法 |
Non-Patent Citations (4)
| Title |
|---|
| XIN LI 等: "Numerical Study on Effects of Coastline Change on Salinity variation in the Liao River Estuary", 《2ND INTERNATIONAL CONFERENCE ON MATERIALS SCIENCE, ENERGY TECHNOLOGY AND ENVIRONMENTAL ENGINEERING》 * |
| 林凯荣 等: "气候变化及人类活动对东江流域径流影响的贡献分解研究", 《水利学报》 * |
| 王倩等: "环境因素影响草地柠条生长的主成分及典型相关分析", 《草地学报》 * |
| 谢敏 等: "北洛河流域水沙变化对降雨和土地利用的响应", 《中国水利水电科学研究院学报》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110765418A (zh) * | 2019-10-09 | 2020-02-07 | 清华大学 | 一种流域水沙研究模型的智能集合评估方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110162839B (zh) | 2022-12-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106981198B (zh) | 用于旅行时间预测的深度学习网络模型及其建立方法 | |
| D'Ambrosio et al. | A cellular automata model for soil erosion by water | |
| CN108021773B (zh) | 基于dss数据库的分布式水文模型多场次洪水参数率定方法 | |
| Asher et al. | The long-run development impacts of agricultural productivity gains: Evidence from irrigation canals in india | |
| Gao et al. | Clustering urban multifunctional landscapes using the self-organizing feature map neural network model | |
| Brooks et al. | Murray-Darling Basin aquatic ecosystem classification: Stage 2 report | |
| CN113435630B (zh) | 一种产流模式自适应的流域水文预报方法及系统 | |
| CN107665376A (zh) | 一种湿地空间分布变化格局模拟与预测方法 | |
| CN110008439A (zh) | 基于矩阵分解的降雨数据时空一体化插值算法 | |
| KR100920529B1 (ko) | 염해 오손 예측 방법 | |
| CN112560215A (zh) | 一种基于深度强化学习的电力选线方法 | |
| CN110852472B (zh) | 一种基于随机森林算法的陆地水储量预测方法及设备 | |
| CN109285219A (zh) | 一种基于dem的网格型水文模型网格演算次序编码方法 | |
| Deepthi et al. | Performance assessment of general circulation models: application of compromise programming method and global performance indicator technique | |
| CN110162839A (zh) | 一种流域水沙变化影响因素贡献率的辨识方法及系统 | |
| Zhang et al. | Construction of multi-level ecological security network in fragmented nature landscape using the three-dimensional framework of ecological adaptability | |
| Vujačić et al. | Initial results of comparative assessment of soil erosion intensity using Wintero model: A Case Study Of Polimlje And Shirindareh Drainage Basins | |
| Rocha et al. | Modelling coastal and land use evolution patterns through neural network and cellular automata integration | |
| Mubea et al. | Spatial effects of varying model coefficients in urban growth modeling in Nairobi, Kenya | |
| Rahmati et al. | System-dynamics approach to multireservoir energy generation under climate change | |
| CN109741597A (zh) | 一种基于改进深度森林的公交车路段运行时间预测方法 | |
| Stein | A continental landscape framework for systematic conservation planning for Australian rivers and streams | |
| CN108985493A (zh) | 一种基于自适应可变滤镜的地类变化预测方法 | |
| CN111369102B (zh) | 内涝风险点的提取方法及装置 | |
| Pan et al. | Exploring the historical evolution of tourism-environment interaction in protected area: A case study of Mt. Bogda |
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 |