CN110570021B - 径流模拟方法、装置以及计算机设备 - Google Patents
径流模拟方法、装置以及计算机设备 Download PDFInfo
- Publication number
- CN110570021B CN110570021B CN201910753987.7A CN201910753987A CN110570021B CN 110570021 B CN110570021 B CN 110570021B CN 201910753987 A CN201910753987 A CN 201910753987A CN 110570021 B CN110570021 B CN 110570021B
- Authority
- CN
- China
- Prior art keywords
- runoff
- function
- river width
- watershed
- parameter
- 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.)
- Active
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 48
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 215
- 230000005484 gravity Effects 0.000 claims abstract description 83
- 230000006870 function Effects 0.000 claims description 210
- 238000006243 chemical reaction Methods 0.000 claims description 60
- 239000013598 vector Substances 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000012544 monitoring process Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000001556 precipitation Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V20/00—Geomodelling in general
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/66—Subsurface modeling
- G01V2210/661—Model from sedimentation process modeling, e.g. from first principles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Geophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Pure & Applied Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Fluid Mechanics (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Alarm Systems (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种径流模拟方法、装置以及计算机设备,所述径流模拟方法包括:获取驱动数据;所述驱动数据用于表征待测流域的气候状况;根据所述驱动数据和所述待测流域预设的水文模型,对所述待测流域进行径流模拟,得到所述待测流域的模拟径流量;所述水文模型为根据遥感卫星获取的待测流域的转换径流量和重力卫星获取的待测流域的重力总储水量,对初始水文模型的模型参数进行率定,所得到包括率定模型参数的模型,所述转换径流量与所述待测流域的河宽具有对应关系,替代了传统技术中通过移植邻近流域参数的方式对径流量进行模拟,大大提高了对少资料、无资料流域的径流量估算的准确性。
Description
技术领域
本申请涉及水利技术领域,特别是涉及一种径流模拟方法、装置以及计算机设备。
背景技术
河流径流量是水循环中的重要变量,是用于地表水资源评估、全球变化监测和生态环境保护的基础数据。
目前的径流模拟方法是基于水文监测站点获取的实测径流量数据,对水文模型参数进行率定,以采用经率定的水文模型进行径流模拟。而在实际应用中,水文监测站点的建设存在环境制约性大、后期维护高等问题,加之,近年来经济和政治等原因的影响,全球水文监测站点逐渐减少,国际河流的径流数据不共享,导致径流资料的获取非常少。
针对少资料、无资料地区的径流模拟问题,传统技术中通过使用相邻流域的水文模型对待测流域进行径流量的模拟,然而一个流域的特性往往很独特,很难从其他流域上找到完全一样的特点,因此传统的采用相邻流域的水文模型对待测流域进行径流量的模拟的方法具有很大的不确定性,无法准确反映少资料、无资料流域的流域特性。
发明内容
基于此,有必要针对上述技术问题,提供一种径流模拟方法、装置以及计算机设备。
一方面,本申请提供了一种径流模拟方法,所述方法包括:
获取驱动数据;所述驱动数据用于表征待测流域的气候状况;
根据所述驱动数据和所述待测流域预设的水文模型,对所述待测流域进行径流模拟,得到所述待测流域的模拟径流量;所述水文模型为根据遥感卫星获取的待测流域的转换径流量和重力卫星获取的待测流域的重力总储水量,对初始水文模型的模型参数进行率定,所得到包括率定模型参数的模型,所述转换径流量与所述待测流域的河宽具有对应关系。
在其中一个实施例中,在所述根据所述驱动数据和水文模型对所述待测流域进行径流模拟,得到所述待测流域的模拟径流量之前,包括:
采用所述遥感卫星获取所述待测流域的转换径流量;所述待测流域的转换径流量是根据所述遥感卫星观测得到的不同时期的所述河宽转换而来的,所述河宽和所述转换径流量之间具有河宽-径流量转换函数关系,所述河宽-径流量转换函数为水深-河宽转换函数和水深-径流量转换函数联合得到;
采用所述重力卫星获取所述待测流域的重力总储水量;所述重力总储水量是所述重力卫星在不同时期观测得到的;
构建目标函数;其中,所述目标函数包括:所述水文模型模拟的模拟径流量与所述转换径流量之间的函数,所述水文模型模拟的模拟总储水量和所述重力总储水量之间的函数;根据所述目标函数对所述模型参数和所述初始河宽-径流量转换函数中的待定参数进行率定,得到所述水文模型和所述河宽-径流量转换函数。
在其中一个实施例中,所述采用所述遥感卫星获取所述待测流域的转换径流量,包括:
根据所述遥感卫星获取的遥感影像,获取所述待测流域的水体指数;
将所述水体指数二值化,得到所述待测流域的二值化水体影像;
根据所述二值化水体影像获取所述待测流域的河宽;
根据所述河宽和河宽-径流量函数得到所述转换径流量。
在其中一个实施例中,所述河宽包括概念河宽或真实河宽;
所述根据所述二值化水体影像获取所述待测流域的河宽,包括:
提取所述二值化水体影像的水体面积和河长;
根据所述水体面积和所述河长,以及水体面积函数,得到所述概念河宽;其中,所述水体面积函数是包括所述水体面积、所述河长以及所述概念河宽之间关系式的函数;或
将所述二值化水体影像转化为水体矢量;
根据所述水体矢量和预设的预定数量的水体断面矢量,得到水体断面长度的平均值,作为所述真实河宽。
在其中一个实施例中,所述根据所述河宽和河宽-径流量函数得到所述转换径流量,包括:
获取所述初始河宽-径流量函数;所述初始河宽-径流量函数用于表征所述河宽和径流量之间的转换函数关系,所述初始河宽-径流量函数是包括所述河宽、所述径流量、第一参数以及第二参数之间关系式的函数;所述第一参数和所述第二参数为待定参数;
获取第一函数;其中,所述第一函数用于表征所述水深-河宽转换函数关系,所述第一函数是包括所述水深、所述河宽、所述待测流域的最大水深以及最大河宽之间关系式的函数;
获取第二函数;其中,所述第二函数用于表征所述水深-径流量转换函数关系,所述第二函数是包括所述水深、所述径流量、第三参数以及第四参数之间关系式的函数,所述第三参数和所述第四参数具有已知参数范围;
联立所述第一函数和所述第二函数,得到第三函数;其中,所述第三函数是包括所述河宽、所述径流量、所述第三参数以及所述第四参数之间关系式的函数;
基于所述初始河宽-径流量函数和所述第三函数,根据所述第三参数和所述第四参数的已知参数范围求解得到所述第一参数和所述第二参数的参数范围;
向所述河宽-径流量函数输入所述河宽和所述参数范围内的所述第一参数和所述第二参数,得到所述河宽对应的所述转换径流量。
在其中一个实施例中,所述采用所述重力卫星获取所述待测流域的重力总储水量,包括:
采用所述重力卫星获取预设时段的所述待测流域的月重力总储水量;
根据所述预设时段的所述月重力总储水量得到所述预设时段的月储水量平均值;
对所述月重力总储水量与所述月储水量平均值求差,得到所述月重力总储水量的距平值序列。
在其中一个实施例中,所述目标函数包括所述模拟径流量与所述转换径流量之间纳什效率系数表达式、所述模拟径流量与所述转换径流量之间的对数纳什效率系数表达式以及所述模拟总储水量与所述重力总储水量之间的皮尔逊相关系数表达式。
在其中一个实施例中,所述根据所述驱动数据和水文模型,对所述待测流域进行径流模拟,得到所述待测流域的模拟径流量,包括:
将所述驱动数据输入所述水文模型,根据多组所述率定模型参数对所述待测流域进行径流模拟,得到多组参数模拟径流量;每一所述率定模型参数对应一所述参数模拟径流量;
获取多组所述参数模拟径流量的平均值,作为所述模拟径流量。
另一方法,本申请还提供了一种径流模拟装置,包括:
获取模块,用于获取驱动数据,所述驱动数据用于表征待测流域的气候状况;
模拟模块,用于根据所述驱动数据和所述待测流域预设的水文模型对所述待测流域进行径流模拟,得到所述待测流域的模拟径流量;所述水文模型为根据遥感卫星获取的待测流域的转换径流量和重力卫星获取的待测流域的重力总储水量,对初始水文模型的模型参数进行率定,得到包括率定模型参数的模型,所述转换径流量与所述待测流域的河宽具有对应关系。
另一方法,本申请还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一所述方法的步骤。
本申请提供的径流模拟方法、装置以及计算机设备,通过获取驱动数据,根据所述驱动数据和预设的待测流域的水文模型进行径流模拟,得到所述待测流域的模拟径流量,所述预设的待测流域的水文模型是经过遥感卫星获取的转换径流量率定的,包括率定模型参数的模型,通过本申请中水文模型对待测流域进行径流模拟,替代了传统技术中通过移植邻近流域参数的方式对径流量进行模拟,以准确反映少资料、无资料流域的流域特性。
附图说明
图1是本申请提供的一个实施例中径流模拟方法的流程示意图;
图2是本申请提供的一个实施例中水文模型率定的流程示意图;
图3是本申请提供的一个实施例中采用所述遥感卫星获取所述待测流域的转换径流量的流程示意图;
图4是本申请提供的一个实施例中概念河宽获取方法的流程示意图;
图5是本申请提供的一个实施例中真实河宽获取方法的流程示意图;
图6是本申请提供的一个实施例中根据所述河宽和河宽-径流量函数得到所述转换径流量的流程示意图;
图7是本申请提供的一个实施例中采用所述重力卫星获取所述待测流域的重力总储水量的流程示意图;
图8是本申请提供的一个实施例中根据所述驱动数据和预设的待测流域的水文模型,对所述待测流域进行径流模拟,得到所述待测流域的模拟径流量的流程示意图;
图9是本申请提供的一个实施例中径流模拟装置的结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
需要说明的是,本申请实施例提供的径流模拟方法,其执行主体可以是径流模拟装置,该装置可以通过软件、硬件或者软硬件结合的方式实现成为计算机设备的部分或者全部。可选的,该计算机设备可以为PC、便携式设备、服务器等具有数据处理功能的电子设备,本实施例对计算机设备的具体形式并不做限定。下述方法实施例的执行主体以计算机设备为例来进行说明。
参照图1,是本发明提供的一个实施例中径流模拟方法的流程示意图。所述方法包括:
步骤S101、获取驱动数据。
其中,所述驱动数据能够表征待测流域的气候状况,例如降水状况、温度状况,以及植被覆盖状况,具体的,可以包括但不限于所述待测流域的降水量、蒸散发、土壤湿度、雪盖、太阳辐射参数、地面温度以及季节性陆表结构参数如植被结构和水文粗糙度等,与所使用的水文模型相关的数据信息。所述驱动数据用于输入待测流域预设的水文模型,以驱动所述水文模型进行径流模拟。
具体的,计算机设备可通过用户输入,或联合其他资料库或获取装置的方式获取所述驱动数据。其中,所述获取装置也可以是本计算机设备或其他计算机设备。
步骤S102、根据所述驱动数据和所述待测流域预设的水文模型对所述待测流域进行径流模拟,得到所述待测流域的模拟径流量。
其中,所述水文模型为所述待流域预先设定选用的水文模型,是根据遥感卫星获取的待测流域的转换径流量和重力卫星获取的待测流域的重力总储水量,对初始水文模型的模型参数进行率定,所得到包括率定模型参数的模型。所述转换径流量与所述待测流域的河宽具有对应关系,可以通过函数关系进行表达,即可以根据所述河宽通过河宽和与径流量的函数关系式计算得出转换径流量。
具体的,计算机设备将获取的所述驱动数据输入所述水文模型,通过该水文模型基于上述驱动数据进行径流模拟,从而输出所述待测流域的模拟径流量。所述率定模型参数可以根据不同的地区和季节的流域特征进行调整以适应不同流域的具体情况。
本实施例中,计算机设备通过获取驱动数据,并根据所述驱动数据和所述水文模型进行径流模拟,得到所述待测流域的模拟径流量。其中,所述驱动数据用于表征待测流域的气候状况。由于所述水文模型是采用遥感卫星获取的待测流域的转换径流量和重力卫星获取的待测流域的重力总储水量进行率定所得到的水文模型,并且转换径流量与所述待测流域的河宽具有对应关系,因此,该水文模型中的参数能够结合待测流域的河宽进行率定,使得该水文模型中的参数与实际流域的特征更为匹配,采用该水文模型进行径流量的模拟,替代了传统技术中通过移植邻近流域参数的方式对径流量进行模拟,避免了传统技术所导致的径流量模拟不准确的问题,该方法仅通过上述表征待测流域气候状况的驱动数据,就能够实现对少资料、无资料流域的径流量进行估算,大大提高了对少资料、无资料流域的径流量估算的准确性。
在另一实施例中,如图2所示,在步骤102、根据所述驱动数据和水文模型对所述待测流域进行径流模拟,得到所述待测流域的模拟径流量之前,包括:
步骤201、采用所述遥感卫星获取所述待测流域的转换径流量。
其中,所述待测流域的转换径流量是根据所述遥感卫星观测得到的不同时期的所述河宽转换而来的,所述河宽和所述转换径流量之间具有河宽-径流量转换函数关系,所述河宽-径流量转换函数为水深-河宽转换函数和水深-径流量转换函数联合得到。
具体的,计算机设备利用遥感卫星获取的遥感影像获取所述待测流域的转换径流量。所述遥感卫星获取的所述待测流域的转换径流量可通过人工输入的方式输入所述计算机设备中或通过联合所述遥感卫星获取。其中,计算机设备通过所述遥感卫星获取所述待测流域的遥感影像,基于所述遥感影像获取所述待测流域的河宽,根据所述水深-河宽转换函数和水深-径流量转换函数联合得到所述河宽-径流量转换函数,根据所述河宽和所述河宽-径流量转换函数得到所述待测流域的转换径流量。
步骤202、采用所述重力卫星获取所述待测流域的重力总储水量。
其中,所述重力总储水量是所述重力卫星在不同时期观测得到的。
具体的,计算机设备利用重力卫星获取所述待测流域的重力总储水量。其中,所述重力卫星获取的所述待测流域的重力总储水量可通过人工输入的方式输入所述计算机设备中或通过联合所述重力卫星获取。所述重力总储水量可用流域土壤水储量、地下水储量、以及冰川质量、雪水当量四者的总量表示。
步骤203、构建目标函数。
其中,所述目标函数包括:所述水文模型模拟的模拟径流量与所述转换径流量之间的函数,所述水文模型模拟的模拟总储水量和所述重力总储水量之间的函数。
具体的,计算机设备构建包括所述水文模型模拟的模拟径流量与所述转换径流量之间函数、以及所述水文模型模拟的模拟总储水量和所述重力总储水量之间函数的目标函数。其中,所述目标函数用于表征所述水文模型的可信度,所述目标函数的理论最优值均为1,所述目标函数的数值越大,表明所述水文模型可信度越高,相反,所述目标函数的数值越小,表明所述水文模型可信度越低。
具体的,所述目标函数包括所述模拟径流量与所述转换径流量之间纳什效率系数表达式、所述模拟径流量与所述转换径流量之间的对数纳什效率系数表达式以及所述模拟总储水量与所述重力总储水量之间的皮尔逊相关系数表达式。
其中,所述纳什效率系数NSE、对数纳什效率系数NSE(log)以及皮尔逊相关系数CC,计算公式如下:
其中,Qe和Qm分别是模拟的径流量和观测的径流量,Tsim和Tobs模型模拟的总水储量时间序列和重力卫星观测的总水储量时间序列,r表示皮尔逊相关系数的计算公式。
具体的,计算机设备将上述模拟径流量与转换径流量、模拟径流量与转换径流量之间的对数、模拟总储水量与重力总储水量均处理为时间序列上的距平值序列,通过上述数值的时间序列上的距平值序列进行所述目标函数的构建。
步骤204、根据所述目标函数对所述初始水文模型的模型参数和所述初始河宽-径流量转换函数中的待定参数进行率定,得到所述水文模型和所述河宽-径流量函数。
具体的,计算机设备基于迭代算法,通过向本实施例中待测流域所采用的CREST-snow水文模型输入驱动数据和多组模型参数,从而输出多组模型参数对应的模拟径流量,所述CREST-snow水文模型涉及18个参数,向所述河宽-径流量函数中输入河宽和多组待定参数,从而输出多组待定参数对应的转换径流量,然后将不同模型参数下的水文模型所输出的模拟径流量,以及不同待定参数下的所述河宽-径流量函数所输出的转换径流量带入所述目标函数,筛选出达到所述目标函数的目标值对应的率定模型参数和率定待定参数。其中,所述目标函数的理论最优值均为1,而在实际计算中存在误差,无法达到所述最优值1,可通过设置接近1的数值作为所述预设目标值,如0.9。然后将达到所述目标值对应的率定模型参数以及率定待定参数作为率定得到的结果,更新初始水文模型,以及初始河宽-径流量函数,从而得到上述水文模型和河宽-径流量函数,实现对所述模型参数以及待定参数的率定。上述训练驱动数据是预先获取的用于表征待测流域气候状况的训练数据,和所述水文模型需要输入的数据具有对应关系。
本实施例中,提供了所述水文模型的率定方法,通过计算机设备构建模拟量(由水文模型模拟得到的模拟径流量和总储水量)与观测量(遥感卫星观测转换得到的转换径流量和重力卫星观测得到的重力总储水量)之间的目标函数,通过水深-径流量函数和水深-河宽函数构建初始河宽-径流量函数,基于迭代算法,不断的改变初始水文模型中的模型参数的数值以及初始河宽-径流量函数中的待定参数的数值,以输出模拟径流量和转换径流量,使得所述目标函数的数值最优,达到预设目标值,从而实现对所述初始水文模型的率定,得到水文模型。本实施例所提供的方法中,由于上述目标函数包括所述水文模型模拟的模拟径流量与所述转换径流量之间的函数,以及所述水文模型模拟的模拟总储水量和所述重力总储水量之间的函数,且所述转换径流量与所述待测流域的河宽具有对应关系,因此,计算机设备能够基于河宽,观测到的转换径流量、重力总储水量进行模型的率定,因此该水文模型的可靠性更高,在进行待测区域的径流模拟时,采用经率定的、可靠性高的水文模型,能够大大提高待测区域径流模拟的精确度。
在另一实施例中,如图3所示,所述步骤201、采用所述遥感卫星获取所述待测流域的转换径流量,包括:
步骤301、根据所述遥感卫星获取的遥感影像,获取所述待测流域的水体指数。
具体的,计算机设备根据所述遥感卫星获取所述待测流域的遥感影像,所述遥感影像为包括所述待测流域的数字图像,获取所述数字图像上的待测流域的水体指数。所述水体指数NDWI/MNDWI的计算如下:
NDWI=(Green-NIR)/(Green+NIR)
MNDWI=(Green-SWIR)/(Green+SWIR)
其中,Green、SWIR以及NIR分别是绿波段,短波红外以及近红外的地表反射率。
步骤302、将所述水体指数二值化,得到所述待测流域的二值化水体影像。
具体的,计算机设备采用OTSU算法对MNDWI或NDWI提取的水体遥感影像进行二值化处理,得到所述待测流域的二值化水体影像。可选地,计算机设备还可以将该二值化水体影像的轮廓作为轮廓数据。
步骤303、根据所述二值化水体影像获取所述待测流域的河宽。
具体的,计算机设备根据所述二值化水体影像得到的所述待测流域的河道轮廓数据,根据所述轮廓数据获取所述待测流域的河宽。
其中,所述河宽包括概念河宽或真实河宽。所述概念河宽是基于获取的待测流域的二值化水体影像不连续或不完整时,根据所述二值化水体影像获取所述待测流域的水体面积求解的河宽数据;所述真实河宽是基于获取的待测流域的二值化水体影像连续且完整或相对连续且完整时,根据所述二值化水体影像所获取所述待测流域的真实河宽数据。所述河宽的选择根据所述遥感卫星所获取、处理得到的所述二值化水体影像的连续及完整情况具体确定。所述真实河宽较所述概念河宽的数据精度和准确性更高。
步骤304、根据所述河宽和河宽-径流量函数得到所述转换径流量。
具体的,计算机设备内预存河宽-径流量函数,将获取的所述河宽输入计算机设备中的所述河宽-径流量函数,计算得出所述转换径流量。其中,所述河宽-径流量函数是用于表征所述待测流域的河宽与径流量之间关系式的函数,可根据曼宁公式调整得到。
本实施例中,计算机设备通过遥感卫星获取所述待测流域的遥感影像,对所述遥感影像进行二值化处理,得到所述水体二值化影像,基于所述水体二值化影像求解得出所述待测流域的河宽,根据所述河宽和河宽与径流量转换函数,得到所述转换径流量,无需设置地面水文监测站点而获取径流量数据,避免了建设水文监测站点的成本以及后期的维护成本,提高了径流模拟的经济性。
在一个实施例中,当提取的所述待测流域的所述二值化水体影像因云层、建筑遮挡等外界环境因素造成的影像不连续或不完整时,则根据所述二值化水体影像获取所述待测流域的水体面积,求解所述待测流域的概念河宽。如图4所示,所述概念河宽具体通过下述步骤获取:
步骤401、提取所述二值化水体影像的水体面积和河长。
具体的,计算机设备基于所述二值化影像获取到的所述待测流域的河道轮廓数据,计算后提取所述二值化水体影像的水体面积,所述河长为预设的河道长度。
步骤402、根据所述水体面积和所述河长,以及水体面积函数,得到所述概念河宽。
其中,所述水体面积函数是包括所述水体面积、所述河长以及所述概念河宽之间关系式的函数。
具体的,计算机设备将获取的水体面积和河长输入所述水体面积函数,根据所述水体面积函数得到所述概念河宽。所述水体面积函数满足下式:
Area=W概念性*Length
由所述水体面积函数推导得出所述概念河宽的计算公式如下:
W概念性=Area/Length
其中,W概念性是概念性河宽,Area是从二值化水体影像计算的水体面积,Length是所述待测流域河道的长度。
在一个实施例中,当提取的所述待测流域的所述二值化水体影像相对连续和完整时,则求解所述待测流域的真实河宽。如图5所示,所述真实河宽具体通过下述步骤获取:
步骤501、将所述二值化水体影像转化为水体矢量。
具体的,计算机设备将所述二值化水体影像转化为水体矢量,即将所述二值化水体影像转换为表征所述待测流域的河道轮廓所在平面的水体矢量数据。
步骤502、根据所述水体矢量和预设的预定数量的水体断面矢量,得到水体断面长度的平均值,作为所述真实河宽。
具体的,计算机设备预设预定数量的垂直于所述水体矢量的水体断面矢量,其中,所述水体断面矢量的长度大于所述待测流域的河宽。将所述水体断面矢量与所述水体矢量进行叠加操作,即将所述水体断面矢量沿垂直于所述水体矢量方向向所述水体矢量移动,直至与所述水体矢量相交,提取所述水体断面矢量与所述水体矢量相交线的长度,得到预定数量的所述相交线,求解所述预定数量的所述相交线的平均长度,作为所述真实河宽。
在另一个实施例中,在所述二值化水体影像连续且完整时,所述真实河宽可基于所述二值化水体影像和制图软件如RivWidth直接提取。
上述实施例中,可根据获取到的所述二值化水体影像是否连续和完成确定获取的河宽类型,当所述二值化水体影像连续且完成时,获取所述待测流域的真实河宽,当所述二值化水体影像不连续或不完成时,获取所述待测流域的概念河宽,以使河宽的获取方式多样化,根据实际情况具体选择获取方式。
在另一实施例中,如图6所示,所述步骤304、根据所述河宽和河宽-径流量函数得到所述转换径流量,包括:
步骤601、获取所述初始河宽-径流量函数。
其中,所述初始河宽-径流量函数用于表征所述河宽和径流量之间的转换函数关系,所述初始河宽-径流量函数是包括所述河宽、所述径流量、第一参数以及第二参数之间关系式的函数;所述第一参数和所述第二参数为待定参数。
具体的,计算机设备获取用户预先输入的关于河宽和径流量的所述初始河宽-径流量函数。其中,所述初始河宽-径流量函数是根据曼宁公式调整得到的,所述曼宁公式用于表征河宽与径流量之间的关系,适用于三角形断面的理想河道,由于天然河道中理想的三角形断面并不常见,对所述曼宁公式进行调整,将表征断面形态的指数8/3设为待定参数,得到所述河宽-径流量函数,以适用于非三角形断面的天然河道。
其中,所述曼宁公式满足下式:
Q=aW8/3
所述曼宁公式调整得到的所述河宽-径流量函数满足下式或该公式的变形:
Q=aWb
其中,Q为径流量,W为河宽,a为第一参数,b为第二参数。所述河宽-径流量函数是包括所述河宽W、所述径流量Q、第一参数a以及第二参数b之间关系式的函数;所述第一参数a和所述第二参数b为待定参数。
步骤602、获取第一函数。
其中,所述第一函数用于表征所述水深-河宽转换函数关系,所述第一函数是包括所述水深、所述河宽、所述待测流域的最大水深以及最大河宽之间关系式的函数。
具体的,计算机设备获取用户预先输入的用于表征所述待测流域的水深与河宽之间关系的第一函数,所述第一函数满足下式或该公式的变形:
其中,D为水深,W为河宽,Dmax为所述待测流域的最大水深,Wmax为所述待测流域的最大河宽。在已知所述待测流域的最大水深和最大河宽的情况下,根据所述第一函数可知所述水深D与所述河宽W之间的关系。
步骤603、获取第二函数。
其中,所述第二函数用于表征所述水深-径流量转换函数关系,所述第二函数是包括所述水深、所述径流量、第三参数以及第四参数之间关系式的函数;其中,所述第三参数和所述第四参数具有已知参数范围。
具体的,计算机设备获取用户预先输入的用于表征所述待测流域的水深与径流量之间关系的第二函数,所述第二函数满足下式或该公式的变形:
其中,Q为径流量,D为水深,a1为第三参数,b1为第四参数。在已知所述第三参数a1和第四参数b1参数范围的情况下,根据所述第二函数可知所述水深D与所述径流量Q之间的关系。
步骤604、联立所述第一函数和所述第二函数,得到第三函数。
其中,所述第三函数是包括所述河宽、所述径流量、所述第三参数以及所述第四参数之间关系式的函数。
具体的,计算机设备将所述第一函数和所述第二函数联立,以将所述第一函数带入所述第二函数中,得到关于所述河宽和所述径流量的第三函数,所述第三函数满足下式或该公式的变形:
其中,Q为径流量,Dmax为所述待测流域的最大水深,Wmax为所述待测流域的最大河宽,a1为第三参数,b1为第四参数。在已知所述待测流域的最大水深Dmax、所述待测流域的最大河宽Wmax、所述第三参数a1以及第四参数b1参数范围的情况下,根据所述第三函数可知所述河宽W与所述径流量Q之间的关系。
步骤605、基于所述初始河宽-径流量函数和所述第三函数,根据所述第三参数和所述第四参数的已知参数范围求解得到所述第一参数和所述第二参数的参数范围。
具体的,所述初始河宽-径流量函数是关于所述河宽和所述径流量之间关系的函数,包括所述河宽、所述径流量、第一参数以及第二参数之间关系式,所述第一参数和所述第二参数待定。所述第三函数是关于所述河宽和所述径流量之间关系的函数,包括所述河宽、所述径流量、所述第三参数以及所述第四参数之间关系式,所述第三参数和所述第四参数具有已知参数范围。计算机设备基于所述河宽-径流量函数和所述第三函数,根据所述第三参数和所述第四参数的已知参数范围求解所述第一参数和所述第二参数的参数范围,以得到所述第一参数和所述第二参数的参数范围。
步骤606、向所述河宽-径流量函数输入所述河宽和所述参数范围内的所述第一参数和所述第二参数,得到所述河宽对应的所述转换径流量。
具体的,计算机设备向所述河宽-径流量函数输入所述待测流域的河宽,以及向所述河宽-径流量函数输入在所述参数范围内的所述第一参数和所述第二参数,根据所述河宽与所述径流量之间的关系,输出径流量,作为所述转换径流量。
本实施例中,调整所述曼宁公式,得到适用于天然河道的,包括待定参数(第一参数和第二参数)的初始河宽-径流量转换函数,以表征所述河宽与所述径流量之间的关系,根据第一函数(水深-河宽转换函数)和第二函数(水深-径流量转换函数)联立得到第三函数,同样用于表征所述河宽与所述径流量之间的关系,根据第三函数中第三参数和第四参数的已知参数范围求解得到所述初始河宽-径流量函数中待定参数即第一参数和第二参数的参数范围,根据遥感观测得到的河宽数据以及满足所述参数范围的第一参数和第二参数求解转换径流量,从而实现由河宽转换得到的转换径流量代替实测径流量,对水文模型进行率定,实现对少实测资料、无资实测料流域的径流模拟。
在另一个实施例中,如图7所示,所述步骤S202、采用所述重力卫星获取所述待测流域的重力总储水量,包括:
步骤701:采用所述重力卫星获取预设时段的所述待测流域的月重力总储水量。
具体的,计算机设备采用GRACE重力卫星获取预设时段,例如某一年这个时段所述待测流域的月重力总储水量,即获取该年全年月尺度的重力总储水量。可选地,预设时段的时长还可以是其他的时段,例如三个月,两年等,本实施例对此并不做限定。通常的预设时段可以选择一年,流域的特征通常随着季节的变化而变化,以一年为一个预设时段能够完整采集全年的数据,形成完整周期,因此能够更加完整的反应流域的特征。可选地,月重力总储水量可以按照时间顺序进行排列,从而形成月重力总储水量的序列。
步骤702:根据所述预设时段和所述月重力总储水量得到所述预设时段的月储水量平均值。
具体的,计算机设备计算该预设时段内,例如一年内每月的重力总储水量的平均值,作为该年的月储水量平均值。
步骤703:对所述月重力总储水量与所述月储水量平均值求差,得到所述月重力总储水量的距平值序列。
具体的,计算机设备计算所述月重力总储水量和所述月储水量平均值之间的差值,并按照时间进行排列,以得到该预设时段时间范围内所述月重力总储水量的距平值序列,可用于表征所述待测流域全年时间范围内的总储水量变化情况,为后续计算所述模拟总储水量与所述重力总储水量之间的皮尔逊相关系数提供数据准备。
本实施例中,采用重力卫星获取所述待测流域预设时间段内的月重力总储水量,并处理为距平值序列,为后续求解目标函数中的皮尔逊相关系数提供数据准备,以对所述水文模型的率定增加约束条件,减少所述水文模型的率定过程的数据运算,提高所述水文模型的率定精度。
在另一实施例中,如图8所示,所述步骤102、根据所述驱动数据和预设的待测流域的水文模型,对所述待测流域进行径流模拟,得到所述待测流域的模拟径流量,包括:
步骤801:将所述驱动数据和多组所述率定模型参数输入所述水文模型,得到多组参数模拟径流量。
具体的,所述水文模型为确定了所述模型参数的水文模型,所述水文模型包括多组所述率定模型参数。其中,多组所述率定模型参数是通过由迭代计算,使所述水文模型模拟得到的模拟径流量代入所述目标函数中,所述目标函数的数值达到预设目标值的目标径流量进行确定的,即多组所述率定模型参数带入水文模型得到的模拟径流量均可使所述目标函数达到所述预设目标值。计算机设备将驱动数据和多组所述率定模型参数输入所述水文模型,相应的得到多组参数模拟径流量。
步骤802:获取多组参数模拟径流量的平均值,作为所述模拟径流量。
具体的,计算机设备取得到的多组参数模拟径流量的平均值,作为对所述待测流域进行径流模拟得到的所述模拟径流量。
本实施例中,获取了使得目标函数达到预设目标值的多组率定模型参数,代入所述水文模型,采用该水文模型对待测流域进行径流模拟,将驱动数据输入包括多组率定模型参数的水文模型,得到与多组所述率定模型参数对应的多组参数模拟径流模拟量,计算多组参数径流模拟量的平均值,作为最终的所述模拟径流量,从而提高径流模拟的精度。
在一个实施例中,如图9所示,本申请还提供了一种径流模拟装置,所述径流模拟装置包括:
获取模块100,用于获取驱动数据,所述驱动数据用于表征待测流域的降水的特征;
模拟模块200,用于根据所述驱动数据和所述待测流域预设的水文模型对所述待测流域进行径流模拟,得到所述待测流域的模拟径流量;所述水文模型为根据遥感卫星获取的待测流域的转换径流量和重力卫星获取的待测流域的重力总储水量,对初始水文模型的模型参数率定,得到包括率定模型参数模型,所述转换径流量与所述待测流域的河宽具有对应关系。
本实施例提供的径流模拟装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在一个实施例中,本申请还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述方法实施例中的步骤。
本实施例提供的计算机设备,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在一个实施例中,本申请还提供了一种计算机可读存储介质,所述可读存储介质中存储有计算机程序,当所述计算机程序在计算机上运行时,使得计算机执行上述方法实施例中的步骤。
本实施例提供的计算机可读存储介质,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
上述实施例可以全部或者部分的通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时,可以全部或者部分地以计算机程序产品的形式实现,所述计算机程序产品可以包括一个或者多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或者部分地产生按照本发明实施例所述的流程或者功能。其中,所述计算机可以是通用的计算机、专用计算机、计算机网络或者其他可编程装置;所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输。例如,所述计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤数字用户线DSL)或者无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或者数据中心进行传输;所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或者多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,例如软盘、硬盘、磁带、光介质(例如DVD)、或者半导体介质(例如固态硬盘SSD)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种径流模拟方法,其特征在于,包括:
获取驱动数据;所述驱动数据用于表征待测流域的气候状况;
根据所述驱动数据和所述待测流域预设的水文模型,对所述待测流域进行径流模拟,得到所述待测流域的模拟径流量;所述水文模型为根据遥感卫星获取的待测流域的转换径流量和重力卫星获取的待测流域的重力总储水量,对初始水文模型的模型参数进行率定,所得到包括率定模型参数的模型,所述转换径流量与所述待测流域的河宽具有对应关系;
所述水文模型的率定过程包括:
构建目标函数;其中,所述目标函数包括:所述水文模型模拟的模拟径流量与所述转换径流量之间的函数,所述水文模型模拟的模拟总储水量和所述重力总储水量之间的函数;
根据所述目标函数对所述初始模型参数和初始河宽-径流量转换函数中的待定参数进行率定,使得所述目标函数达到预设目标值,得到所述水文模型和河宽-径流量转换函数。
2.根据权利要求1所述的方法,其特征在于,在所述水文模型的率定过程还包括:
采用所述遥感卫星获取所述待测流域的转换径流量;所述待测流域的转换径流量是根据所述遥感卫星观测得到的不同时期的所述河宽转换而来的,所述河宽和所述转换径流量之间具有河宽-径流量转换函数关系,所述河宽-径流量转换函数为水深-河宽转换函数和水深-径流量转换函数联合得到;
采用所述重力卫星获取所述待测流域的重力总储水量;所述重力总储水量是所述重力卫星在不同时期观测得到的。
3.根据权利要求2所述的方法,其特征在于,所述采用所述遥感卫星获取所述待测流域的转换径流量,包括:
根据所述遥感卫星获取的遥感影像,获取所述待测流域的水体指数;
将所述水体指数二值化,得到所述待测流域的二值化水体影像;
根据所述二值化水体影像获取所述待测流域的河宽;
根据所述河宽和河宽-径流量函数得到所述转换径流量。
4.根据权利要求3所述的方法,其特征在于,所述河宽包括概念河宽或真实河宽;
所述根据所述二值化水体影像获取所述待测流域的河宽,包括:
提取所述二值化水体影像的水体面积和河长;
根据所述水体面积和所述河长,以及水体面积函数,得到所述概念河宽;其中,所述水体面积函数是包括所述水体面积、所述河长以及所述概念河宽之间关系式的函数;或
将所述二值化水体影像转化为水体矢量;
根据所述水体矢量和预设的预定数量的水体断面矢量,得到水体断面长度的平均值,作为所述真实河宽。
5.根据权利要求3所述的方法,其特征在于,所述根据所述河宽和河宽-径流量函数得到所述转换径流量,包括:
获取所述初始河宽-径流量函数;所述初始河宽-径流量函数用于表征所述河宽和径流量之间的转换函数关系,所述初始河宽-径流量函数是包括所述河宽、所述径流量、第一参数以及第二参数之间关系式的函数;所述第一参数和所述第二参数为待定参数;
获取第一函数;其中,所述第一函数用于表征所述水深-河宽转换函数关系,所述第一函数是包括所述水深、所述河宽、所述待测流域的最大水深以及最大河宽之间关系式的函数;
获取第二函数;其中,所述第二函数用于表征所述水深-径流量转换函数关系,所述第二函数是包括所述水深、所述径流量、第三参数以及第四参数之间关系式的函数,所述第三参数和所述第四参数具有已知参数范围;
联立所述第一函数和所述第二函数,得到第三函数;其中,所述第三函数是包括所述河宽、所述径流量、所述第三参数以及所述第四参数之间关系式的函数;
基于所述初始河宽-径流量函数和所述第三函数,根据所述第三参数和所述第四参数的已知参数范围求解得到所述第一参数和所述第二参数的参数范围;
向所述河宽-径流量函数输入所述河宽和所述参数范围内的所述第一参数和所述第二参数,得到所述河宽对应的所述转换径流量。
6.根据权利要求2所述的方法,其特征在于,所述采用所述重力卫星获取所述待测流域的重力总储水量,包括:
采用所述重力卫星获取预设时段的所述待测流域的月重力总储水量;
根据所述预设时段的所述月重力总储水量得到所述预设时段的月储水量平均值;
对所述月重力总储水量与所述月储水量平均值求差,得到所述月重力总储水量的距平值序列。
7.根据权利要求1所述的方法,其特征在于,所述目标函数包括所述模拟径流量与所述转换径流量之间纳什效率系数表达式、所述模拟径流量与所述转换径流量之间的对数纳什效率系数表达式以及所述模拟总储水量与所述重力总储水量之间的皮尔逊相关系数表达式。
8.根据权利要求1所述的方法,其特征在于,所述根据所述驱动数据和水文模型,对所述待测流域进行径流模拟,得到所述待测流域的模拟径流量,包括:
将所述驱动数据和多组所述率定模型参数输入所述水文模型,得到多组参数模拟径流量;每一所述率定模型参数对应一所述参数模拟径流量;
获取多组所述参数模拟径流量的平均值,作为所述模拟径流量。
9.一种径流模拟装置,其特征在于,包括:
获取模块,用于获取驱动数据,所述驱动数据用于表征待测流域的气候状况;
模拟模块,用于根据所述驱动数据和所述待测流域预设的水文模型对所述待测流域进行径流模拟,得到所述待测流域的模拟径流量;所述水文模型为根据遥感卫星获取的待测流域的转换径流量和重力卫星获取的待测流域的重力总储水量,对初始水文模型的模型参数进行率定,得到率定模型参数的模型,所述转换径流量与所述待测流域的河宽具有对应关系;
所述模拟模块还用于:
构建目标函数;其中,所述目标函数包括:所述水文模型模拟的模拟径流量与所述转换径流量之间的函数,所述水文模型模拟的模拟总储水量和所述重力总储水量之间的函数;
根据所述目标函数对所述初始模型参数和初始河宽-径流量转换函数中的待定参数进行率定,使得所述目标函数达到预设目标值,得到所述水文模型和河宽-径流量转换函数。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910753987.7A CN110570021B (zh) | 2019-08-15 | 2019-08-15 | 径流模拟方法、装置以及计算机设备 |
US16/686,199 US11231519B2 (en) | 2019-08-15 | 2019-11-17 | Method and device for simulating discharge, and computer device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910753987.7A CN110570021B (zh) | 2019-08-15 | 2019-08-15 | 径流模拟方法、装置以及计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110570021A CN110570021A (zh) | 2019-12-13 |
CN110570021B true CN110570021B (zh) | 2020-06-30 |
Family
ID=68775432
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910753987.7A Active CN110570021B (zh) | 2019-08-15 | 2019-08-15 | 径流模拟方法、装置以及计算机设备 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11231519B2 (zh) |
CN (1) | CN110570021B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111400973A (zh) * | 2020-04-21 | 2020-07-10 | 中国水利水电科学研究院 | 一种基于水文监测数据构建流量-水面宽的关系曲线的方法 |
CN111539114A (zh) * | 2020-04-27 | 2020-08-14 | 中山大学 | 一种基于水文气象时间序列的径流模拟方法及系统 |
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 |
CN112836449B (zh) * | 2021-02-10 | 2023-09-05 | 北京师范大学 | 一种用于率定水文模型的方法 |
CN113343806A (zh) * | 2021-05-26 | 2021-09-03 | 深圳数研锦瀚智慧科技有限公司 | 一种径流系数确定方法、装置、终端及存储介质 |
CN113254861B (zh) * | 2021-06-23 | 2021-09-24 | 中山大学 | 无资料地区水文模型参数率定方法、装置和终端设备 |
CN114970171B (zh) * | 2022-05-31 | 2023-03-14 | 水利部交通运输部国家能源局南京水利科学研究院 | 考虑产流结构不确定性的水文模型及对地表地下水文过程影响的量化方法 |
CN115859598B (zh) * | 2022-11-24 | 2023-08-25 | 生态环境部华南环境科学研究所(生态环境部生态环境应急研究所) | 基于水质年均值限值的河流水环境容量核算方法及系统 |
CN115830263B (zh) * | 2023-02-16 | 2023-04-18 | 四川省地质调查研究院 | 一种水文地质动态三维模型构建方法及系统 |
CN116882341A (zh) * | 2023-06-01 | 2023-10-13 | 国网上海市电力公司 | 一种沿面缺陷局部放电电磁信号的仿真方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107403036A (zh) * | 2017-07-04 | 2017-11-28 | 河海大学 | 基于swat模型的流域天然径流计算方法 |
CN108491605A (zh) * | 2018-03-13 | 2018-09-04 | 广州地理研究所 | 一种中小流域产汇流参数自动率定方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10584988B2 (en) * | 2016-07-07 | 2020-03-10 | The Government Of The United States Of America, As Represented By The Secretary Of The Navy | River discharge and depth estimation |
CN106295194B (zh) * | 2016-08-12 | 2018-06-26 | 中国水利水电科学研究院 | 一种基于流域水量平衡原理的冰川蓄变量评估方法 |
CN106599571B (zh) * | 2016-12-12 | 2020-09-08 | 武汉大学 | 兼顾流量和蒸发的流域水文模型分期率定方法 |
CN108470221A (zh) * | 2018-02-07 | 2018-08-31 | 中国水利水电科学研究院 | 流域径流的预测方法及装置 |
US20190251215A1 (en) * | 2018-02-15 | 2019-08-15 | Regents Of The University Of Minnesota | Accurate estimation of upper atmospheric density using satellite observations |
CN108614915B (zh) * | 2018-03-28 | 2022-03-18 | 长江勘测规划设计研究有限责任公司 | 基于情景驱动的水文模型自由组建策略方法 |
CN108647454B (zh) * | 2018-05-16 | 2019-07-30 | 中国水利水电科学研究院 | 基于水文模拟的流域洪涝灾情信息处理方法及系统 |
CN109035105B (zh) * | 2018-06-15 | 2021-02-02 | 河海大学 | 一种月尺度蒸散发量的定量估算方法 |
-
2019
- 2019-08-15 CN CN201910753987.7A patent/CN110570021B/zh active Active
- 2019-11-17 US US16/686,199 patent/US11231519B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107403036A (zh) * | 2017-07-04 | 2017-11-28 | 河海大学 | 基于swat模型的流域天然径流计算方法 |
CN108491605A (zh) * | 2018-03-13 | 2018-09-04 | 广州地理研究所 | 一种中小流域产汇流参数自动率定方法 |
Also Published As
Publication number | Publication date |
---|---|
US20210048557A1 (en) | 2021-02-18 |
US11231519B2 (en) | 2022-01-25 |
CN110570021A (zh) | 2019-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110570021B (zh) | 径流模拟方法、装置以及计算机设备 | |
Nearing et al. | Benchmarking NLDAS-2 soil moisture and evapotranspiration to separate uncertainty contributions | |
Vansteenkiste et al. | Intercomparison of five lumped and distributed models for catchment runoff and extreme flow simulation | |
Jiang et al. | Comprehensive evaluation of multi-satellite precipitation products with a dense rain gauge network and optimally merging their simulated hydrological flows using the Bayesian model averaging method | |
Steinschneider et al. | Toward a statistical framework to quantify the uncertainties of hydrologic response under climate change | |
da Silva et al. | Comparison of interpolation methods for spatial distribution of monthly precipitation in the state of Pernambuco, Brazil | |
Nazemi et al. | Application of copula modelling to the performance assessment of reconstructed watersheds | |
CN112800636B (zh) | 一种估算无资料地区流域地表水资源量的方法及系统 | |
Champagne et al. | Evaluation of soil moisture extremes for agricultural productivity in the Canadian prairies | |
CN113255093B (zh) | 无资料地区径流估算方法、装置、计算机设备和存储介质 | |
Tarek et al. | Assessment of TRMM data for precipitation measurement in B angladesh | |
CN114491967B (zh) | 陆地水储量预测方法、装置、设备及存储介质 | |
Zaman et al. | Spatio-temporal prediction of root zone soil moisture using multivariate relevance vector machines | |
Abdollahi et al. | Probabilistic event based rainfall-runoff modeling using copula functions | |
CN107247690B (zh) | 估算气温的方法及服务终端 | |
Kim et al. | Effective soil moisture estimate and its uncertainty using multimodel simulation based on Bayesian model averaging | |
Dayal et al. | Streamflow estimation using satellite-retrieved water fluxes and machine learning technique over monsoon-dominated catchments of India | |
Hwang et al. | Use of daily precipitation uncertainties in streamflow simulation and forecast | |
Yang et al. | Using the particle swarm optimization algorithm to calibrate the parameters relating to the turbulent flux in the surface layer in the source region of the Yellow River | |
Jiang et al. | Knowledge-informed deep learning for hydrological model calibration: an application to Coal Creek Watershed in Colorado | |
Gautam et al. | Ground validation of GPM Day-1 IMERG and TMPA Version-7 products over different rainfall regimes in India | |
Ghanbarpour et al. | Comparison of stream flow predicted in a forest watershed using different modelling procedures: ARMA, ANN, SWRRB, and IHACRES models | |
Ercan et al. | Estimating watershed-scale precipitation by combining gauge-and radar-derived observations | |
Owen et al. | Impact of land use on water resources via a Gaussian process emulator with dimension reduction | |
CN114758080A (zh) | 海面盐度网格化反演的方法及装置 |
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 |