CN110633674B - 一种基于遥感影像与降雨监测数据的雨水去向不确定性分析方法及系统 - Google Patents

一种基于遥感影像与降雨监测数据的雨水去向不确定性分析方法及系统 Download PDF

Info

Publication number
CN110633674B
CN110633674B CN201910875978.5A CN201910875978A CN110633674B CN 110633674 B CN110633674 B CN 110633674B CN 201910875978 A CN201910875978 A CN 201910875978A CN 110633674 B CN110633674 B CN 110633674B
Authority
CN
China
Prior art keywords
rainfall
runoff
total
amount
comprehensive
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
Application number
CN201910875978.5A
Other languages
English (en)
Other versions
CN110633674A (zh
Inventor
张质明
缪遇虹
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.)
Beijing University of Civil Engineering and Architecture
Original Assignee
Beijing University of Civil Engineering and Architecture
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 Beijing University of Civil Engineering and Architecture filed Critical Beijing University of Civil Engineering and Architecture
Priority to CN201910875978.5A priority Critical patent/CN110633674B/zh
Publication of CN110633674A publication Critical patent/CN110633674A/zh
Application granted granted Critical
Publication of CN110633674B publication Critical patent/CN110633674B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/1793—Remote sensing
    • G01N2021/1795—Atmospheric mapping of gases
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/1793—Remote sensing
    • G01N2021/1797—Remote sensing in landscape, e.g. crops
    • 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
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Environmental Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Ecology (AREA)
  • Immunology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Atmospheric Sciences (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Sewage (AREA)

Abstract

本发明提供一种基于遥感影像与降雨监测数据的雨水去向不确定性分析方法及系统，本方法包括：基于遥感影像提取下垫面信息，并利用数字高程模型(DEM)进行汇水面分割；依据区域总降雨量、综合径流系数以及对不同下垫面的径流系数进行抽样计算，估算校正后综合径流损失量；依据区域总降雨量、校正后综合径流损失量以及源头设施的控制降雨量，估算外排雨水量。本方法运用不确定性理论，给出相应的不确定性评估，从而为海绵城市的雨水资源化利用或内涝防控提供支撑。

Description

一种基于遥感影像与降雨监测数据的雨水去向不确定性分析 方法及系统
技术领域
本发明涉及雨水去向分析领域，尤其涉及一种基于遥感影像与降雨监测数据的雨水去向不确定性分析方法及系统。
背景技术
目前，我国正处于快速城市化的发展时期，城市区域自然覆被减少，硬化面积和建筑物密度增加，人口和产业高度集中，导致热量的超常排放和下垫面热力性质的改变，这些都影响和改变着城市的气候气象和水循环过程，使得城市化地区降雨量明显多于非城市化地区。与此同时下垫面硬化面积和硬化率快速增加，城市区域不透水面积增加，径流系数增大，雨水量增加，汇流时间变短，在汛期短时间内较易造成地面集水和局部洪灾。当雨水作为一种用来满足人类生产、生活和生态需要的物质资料时，我们就称之为雨水资源，作为城市防洪和缓解水资源危机的一种有效措施，城市雨水资源化利用显得尤为重要。要进行雨水资源化利用，可通过雨水集蓄入渗系统渗透截留，也可通过不同类型源头设施控制利用，也可通过城市排水管网控制利用，而这些必须建立在掌握降雨—径流—排放以及对雨水去向的分析过程的基础上。
雨水降落到地面后先通过城市下垫面自然消化吸收，再经过源头设施控制利用，在年径流总量控制率高的城市，小降雨事件一般不再产生外排雨水，逢大降雨或持续降雨事件，则雨水再通过排水管网等方式外排。收集降雨和城市下垫面实时监测数据，则可进行外排雨量估算。但由于城市各类下垫面的径流系数具有不确定性，当进行大范围径流损失估算时，会产生一定的误差，需对综合径流损失量的不确定性进行定量分析评估，从而为海绵城市的雨水资源化利用或内涝防治工作提供支撑。
发明内容
针对上述问题，本发明提供一种基于遥感影像与降雨监测数据的雨水去向不确定性分析方法及系统，可以实现运用不确定性理论对雨水外排量的估算，为雨水资源化利用或内涝防控提供支撑。
本发明的技术方案如下：
一种基于遥感影像与降雨监测数据的雨水去向不确定性分析方法，包括以下步骤：
1)基于遥感影像，依据数字高程模型中数据点的高程差确定水流方向及上游集水区，并利用上游集水区内部和上游集水区之间的高程数据按照设定阈值提取水系的高程数据点，建立河网空间拓扑关系及编码，进行汇水面分割得到各子汇水面；
2)按照各子汇水面的地面种类加权平均计算得出综合径流系数，并依据区域总降雨量以及综合径流系数得到综合径流损失量；
3)对不同下垫面的径流系数进行抽样计算，并依据抽样计算结果定量计算各类下垫面的径流系数不确定所造成的综合径流损失量误差，得到校正后综合径流损失量；
4)根据区域总降雨量、校正后综合径流损失量和源头设施的控制降雨量，得到外排雨水量，所述源头设施的控制降雨量为年径流总量控制率乘以区域总降雨量。
进一步地，采用ArcGIS的水文分析方法，通过数字高程模型(DEM)提取地表水径流模型信息，进行所述汇水面分割。
进一步地，依据《GB 50014—2006室外排水设计规范》，计算所述综合径流系数
Figure BDA0002204363370000021
其中Si为单一下垫面种类的面积，
Figure BDA0002204363370000022
为单一下垫面种类的径流系数，S为红线内场地总面积，n为下垫面数量。
进一步地，采用ENVI软件创建Region of Interest(ROI)训练样区方法，得到不同所述下垫面的具体分布及其面积。
进一步地，采用的是拉丁超立方抽样方法(LHS)，定量各类下垫面的径流系数不确定所造成的误差，包括以下步骤：
1)设定对n种下垫面的径流系数区间范围进行区间划分，将每一维拆分成互斥的m个区间，使得每个区间有相同的概率；
2)分别针对每种下垫面的每个区间中，均随机抽取一个值，组成一个m×n的径流系数抽样结果矩阵；
3)对该矩阵的每一列中的元素，在其所在列内进行随机排序，形成一个新的m×n的矩阵，其中每一行即为一个径流系数组合。
进一步地，根据《海绵城市建设技术指南》，得到所述年径流总量控制率。
进一步地，所述年径流总量控制率的计算方法为选取多年的日降雨资料，将降雨量日值按雨量大小分类，过小的降雨由于不产生径流而忽略不计，统计小于某一降雨量的降雨事件在总降雨记录中的比例，该比例即为年径流总量控制率。
进一步地，所述多年的日降雨资料为选取至少30年的、反映长期的降雨规律和近年气候的变化的且不包括降雪的日降雨资料。
进一步地，区域总降雨量减去校正后综合径流损失量小于源头设施的控制降雨量，则外排雨水量为零。
一种基于遥感影像与降雨监测数据的雨水去向不确定性分析系统，包括：
1)基于遥感影像的综合径流损失估算模块，用以处理遥感影像、基于遥感影像分割汇水面、计算汇水面综合径流系数以及综合径流损失量；
2)不确定性分析模块，用以对不同下垫面的径流系数进行抽样计算，并依据抽样计算结果定量各类下垫面的径流系数不确定所造成的误差，估算校正后雨水综合径流损失量；
3)源头设施的控制降雨量估算模块，用以依据年径流总量控制率和区域总降雨量估算源头设施的控制降雨量；
4)外排雨水量估算模块，用以计算总雨量与校正后雨水综合径流损失量及源头设施的控制降雨量的差值，估算外排雨水量。
本方法运用不确定性理论，按照径流损失量、受到海绵城市的源头控制设施控制或雨水外排等不同的去向，计算雨水的量，并给出相应的不确定性评估。从而为海绵城市的雨水资源化利用或内涝防控提供支撑。
附图说明
图1北京地区遥感合成影像图。
图2北京地区不同下垫面监督分类结果图。
图3雨水去向分析结果的可利用柱状图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清晰，结合以下北京地区实施例，对本发明进行进一步详细阐述。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
一、基于遥感影像的综合径流损失量估算
综合径流损失的雨水，主要是由于雨水通过地表下渗或截留作用造成的，在计算中主要通过综合径流系数来反映损失水量的占比。由于汇水单元在水文统计时是一个相对独立的区域，为了能够较为精确地分析径流情况，首先需要进行汇水面分割；第二，不同土地利用类型的径流系数不同，需通过遥感影像识别出不同土地利用类型，再按照子汇水面的地面种类加权平均计算得出综合径流系数，以此估算出雨水综合径流损失量。
1、遥感影像处理方法
原理：遥感影像是运用人造地球卫星、航空等平台上的传感器或遥感器在远离目标和非接触目标物体条件下，对目标地物电磁波的辐射、反射特性进行探测，利用不同波段对物体不同的穿透性，达到不同颜色的成像，以此来识别出不同的地物的方法。
本方法所运用到的美国航天局陆地卫星LANDSAT8携带有OLI陆地成像仪和TIRS热红外传感器。某些特殊的光谱波段可排除大气干扰，看到一些特殊的地物特征，比如在近红外波段(NIR)通道下，植被的反射率非常高，可利用该波段有效监测植被；短波红外波段(SWIR)能反应出裸土表面的湿度情况，则可利用该波段有效监测裸土。
在雨水径流估算中，无需精度很高的地物识别，主要为了识别城市的不透水地面和绿地等。可通过LANDSAT8传感器数据的不同波段组合进行识别，具体运用到的波段参数说明见下表：
Landsat8数据部分波段参数
波段 波长范围(μm) 空间分辨率(m)
蓝波段 0.450～0.515 30
绿波段 0.525～0.600 30
红波段 0.630～0.680 30
近红外波段 0.845～0.885 30
短波红外1 1.560～1.660 30
短波红外2 2.100～2.300 30
请参考附图1，关于土地利用识别方面，以北京为例，使用Landsat 8影像绿光波段、红光波段、红外光波段的北京区域进行合成。合成影像能够直接表现北京地区的下垫面情况。影像中深色表示植被与裸地、浅色表示不透水面(道路、建筑等)、黑色表示水体。
请参考附图2，利用遥感图像处理平台ENVI创建Region of Interest(ROI)训练样区，对不同类型下垫面进行监督分类，可得到不同下垫面的具体分布及其面积。
2、汇水面分割
汇水面是指流经其中的水流和其它物质从一个公共的出水口排出从而形成一个集中的排水区域。在水文分析中，研究区经常要基于这种更小的流域单元进行分析，因而需要对研究区进行汇水面分割，确定小级别流域的出水口的位置，从而精确分析该子流域单元内的径流情况。
运用ArcGIS软件的水文分析模块，通过数字高程模型DEM(Digital ElevationModel)提取地表水径流模型的水流方向、汇流量积累、水流长度、河流网络(包括河流网络的分级等)，最终对北京地区流域进行分割。
原理：从DEM中自动提取流域自然水系是基于水是沿斜坡最陡方向流动的原理，依据DEM中数据点之间的高程差来确定水流方向，然后根据水流方向计算每一个数据点的上游集水区；再利用集水区内部和集水区之间的高程数据，通过设置阈值提取所属水系的高程数据点；最后基于水流方向数据，从源头追溯出整个水系，同时划分子流域，建立河网空间拓扑关系及编码。
具体操作：首先对原始DEM数据进行洼地填充，利用水文分析(SurfaceHydrologic Analysis)模块中填洼(Fill Sinks)功能，把洼地点的高程升高，与洼地边缘的最低点的高程相同，得到无洼地的DEM；继续应用Surface Hydrologic Analysis模块下的流向功能(Flow Direction)，生成格网流向图，每个格网值表示它流向相邻像元的方向；汇流网络提取依次执行Surface Hydrologic Analysis模块中汇流累积量(FlowAccumulation—Stream)，河网结构定义(Definition—Stream)，河流弧段提取(segmentation)一系列功能，提取该流域的一级汇流网络；子汇流区域划分依次执行Surface Hydrologic Analysis模块中矢量汇流区生成(Catchment Grid Delineation—Catchment Polygon Processing)功能，划分流域的子汇流区域，并提取子汇流区域边线，生成矢量图。
3、汇水面综合径流系数计算方法
径流系数说明了流域内自然地理要素将降水量转化为径流量的能力，运用公式则指代任意时段内径流深度D与同时段内降水深度P之比，用符号α表示，即α＝D/P，式中：α为径流系数；D为径流深度，mm；P为降水深度，mm。径流损失量包括下渗、截留雨量，其总量为总雨量×α
根据GB 50014—2006室外排水设计规范,各种地面种类的径流系数
Figure BDA0002204363370000051
如下表:径流系数
Figure BDA0002204363370000052
汇水面积通常是由各种性质的地面覆盖组成的，随着它们占有的面积比例变化，α值也各异，因此整个汇水面积的径流系数应采用按地面种类加权平均计算得出的综合径流系数。雨量综合径流系数计算公式：
Figure BDA0002204363370000061
式中：
Figure BDA0002204363370000062
为综合径流系数；Si为单一下垫面种类的面积，m2；
Figure BDA0002204363370000063
为单一下垫面种类的径流系数；S为红线内场地总面积，m2。
以下是常见综合径流系数：
综合径流系数
Figure BDA0002204363370000064
4、综合径流损失量计算方法
雨水通过地表径流系统下渗、截留部分称为综合径流损失量，通过总雨量和综合径流系数求得。计算公式如下：
Figure BDA0002204363370000065
式中：L为综合径流损失量，mm；R为总雨量，mm；
Figure BDA0002204363370000066
为综合径流系数。
二、不确定性分析
由于各类下垫面的径流系数的具体数值不能完全确定，因此造成的综合径流损失量具有一定的不确定性，在计算的过程中难免会产生误差。为了能够定量识别这种误差的大小，需要进行不确定性分析。
进行不确定性分析采用的是基于拉丁超立方抽样方法(LHS)，它提供了一种有效的从多元参数分布中抽样的方法。它的目的是要保证所有的采样区域都能够被采样点覆盖，也是为了从多维分布中通过抽样得到一个可信的参数值的分布。本发明运用该方法基于取值范围对不同下垫面的径流系数进行抽样计算，具体步骤如下：
(1)设定对每种下垫面(假设共有n种下垫面)的径流系数区间范围进行区间划分，将每一维拆分成互斥的m个区间，使得每个区间有相同的概率；
(2)分别针对每种下垫面的每个区间中，均随机抽取一个值，组成一个m×n的径流系数抽样结果矩阵；
(3)对该矩阵的每一列中的元素，在其所在列内进行随机排序。最终形成一个新的m×n的矩阵，其中每一行即为一个径流系数组合。
三、源头设施的控制降雨量估算
雨水源头控制是指通过源头分散的小型控制设施，维持和保护场地自然水文功能，有效缓解不透水面积增加造成的洪峰流量增加、径流系数增大、面源污染负荷加重的城市雨水管理理念。
根据《海绵城市建设技术指南》对我国各城市年径流总量控制率提出的要求，年径流总量控制率一般在60％～90％之间，可依据不同城市要求判断对应的设计降雨量。源头设施的设计降雨量与年径流总量控制率之间的关系，可参照《海绵城市建设技术指南》，该实施例中，北京地区的年径流总量控制率为85％，设计降雨量为33.6mm。
具体方法：选取近30年的日降雨资料，将降雨量日值按雨量大小分类，过小的降雨由于不产生径流而忽略不计，统计小于某一降雨量的降雨事件在总降雨记录中的比例，该比例即为年径流总量控制率，对应降雨量为设计降雨量，源头设施的控制降雨量就等于年径流总量控制率乘以区域总降雨量，公式如下：
H＝α×F
式中：H为源头设施的控制降雨量，mm；α为年径流总量控制率，％；F为总降雨量，mm。四、外排雨水量估算
外排雨水量等于总雨量减去前两项(综合径流损失量和源头设施的控制降雨量)之和。若减去综合径流损失量后的雨量小于源头设施的控制降雨量，则外排雨水量为零；
Figure BDA0002204363370000071
式中：W为外排雨水量，mm；R为总雨量，mm；
Figure BDA0002204363370000072
为综合径流系数；H为源头设施的控制降雨量，mm。
请参考附图3，以北京三个汇水区(下垫面情况各不相同)的一场降雨量为100mm的降雨为例，使用本方法进行计算，所得到的带有不确定性的雨水去向分析结果可利用柱状图表示，综合径流损失量、源头设施的控制降雨量和外排雨水量三者在数值上此消彼长，但维持总量不变。
以上实施例仅用以说明本发明的技术方案而非对其进行限制，本领域的普通技术人员可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明的精神和范围，本发明的保护范围应以权利要求书所述为准。

Claims (8)

1.一种基于遥感影像与降雨监测数据的雨水去向不确定性分析方法，包括以下步骤：
1)基于遥感影像，依据数字高程模型中数据点的高程差确定水流方向及上游集水区，并利用上游集水区内部和上游集水区之间的高程数据按照设定阈值提取水系的高程数据点，建立河网空间拓扑关系及编码，进行汇水面分割得到各子汇水面；
2)按照各子汇水面的下垫面种类加权平均计算得出综合径流系数，并依据区域总降雨量以及综合径流系数得到综合径流损失量；
3)对不同下垫面的径流系数进行抽样计算，并依据抽样计算结果定量，通过以下步骤计算各类下垫面的径流系数不确定所造成的综合径流损失量误差，得到校正后综合径流损失量；
3.1)设定对n种下垫面的径流系数区间范围进行区间划分，将每一维拆分成互斥的m个区间，使得每个区间有相同的概率；
3.2)分别针对每种下垫面的每个区间中，均随机抽取一个值，组成一个m×n的径流系数抽样结果矩阵；
3.3)对该矩阵的每一列中的元素，在其所在列内进行随机排序，形成一个新的m×n的矩阵，其中每一行即为一个径流系数组合；
4)从区域总降雨量中减去校正后综合径流损失量和源头设施的控制降雨量，得到外排雨水量，其中所述源头设施的控制降雨量为年径流总量控制率乘以区域总降雨量，当区域总降雨量减去校正后综合径流损失量小于源头设施的控制降雨量，则外排雨水量为零。
2.如权利要求1所述的方法，其特征在于，采用ArcGIS的水文分析方法，通过数字高程模型提取地表水径流模型信息，进行所述汇水面分割。
3.如权利要求1所述的方法，其特征在于，依据《GB 50014—2006室外排水设计规范》，计算所述综合径流系数
Figure FDA0003492581710000011
其中Si为单一下垫面种类的面积；
Figure FDA0003492581710000012
为单一下垫面种类的径流系数；S为红线内场地总面积，n为下垫面数量。
4.如权利要求1所述的方法，其特征在于，采用ENVI软件创建Region of Interest训练样区方法，得到不同所述下垫面的具体分布及其面积。
5.如权利要求1所述的方法，其特征在于，根据《海绵城市建设技术指南》，得到所述年径流总量控制率。
6.如权利要求1或5所述的方法，其特征在于，所述年径流总量控制率的计算方法为选取多年的日降雨资料，将降雨量日值按雨量大小分类，过小的降雨由于不产生径流而忽略不计，统计小于某一降雨量的降雨事件在总降雨记录中的比例，该比例即为年径流总量控制率。
7.如权利要求6所述的方法，其特征在于，所述多年的日降雨资料为选取至少30年的、反映长期的降雨规律和近年气候的变化的且不包括降雪的日降雨资料。
8.一种基于遥感影像与降雨监测数据的雨水去向不确定性分析系统，包括：
1)基于遥感影像的综合径流损失估算模块，用以处理遥感影像、基于遥感影像分割汇水面、计算汇水面综合径流系数以及综合径流损失量；
2)不确定性分析模块，用以对不同下垫面的径流系数进行抽样计算，并依据抽样计算结果，通过以下步骤定量各类下垫面的径流系数不确定所造成的误差，估算校正后雨水综合径流损失量；
2.1)设定对n种下垫面的径流系数区间范围进行区间划分，将每一维拆分成互斥的m个区间，使得每个区间有相同的概率；
2.2)分别针对每种下垫面的每个区间中，均随机抽取一个值，组成一个m×n的径流系数抽样结果矩阵；
2.3)对该矩阵的每一列中的元素，在其所在列内进行随机排序，形成一个新的m×n的矩阵，其中每一行即为一个径流系数组合；
3)源头设施的控制降雨量估算模块，用以依据年径流总量控制率和区域总降雨量估算源头设施的控制降雨量；
4)外排雨水量估算模块，用以从区域总降雨量中减去校正后综合径流损失量和源头设施的控制降雨量，得到外排雨水量，其中当区域总降雨量减去校正后综合径流损失量小于源头设施的控制降雨量，则外排雨水量为零。
CN201910875978.5A 2019-09-17 2019-09-17 一种基于遥感影像与降雨监测数据的雨水去向不确定性分析方法及系统 Active CN110633674B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910875978.5A CN110633674B (zh) 2019-09-17 2019-09-17 一种基于遥感影像与降雨监测数据的雨水去向不确定性分析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910875978.5A CN110633674B (zh) 2019-09-17 2019-09-17 一种基于遥感影像与降雨监测数据的雨水去向不确定性分析方法及系统

Publications (2)

Publication Number Publication Date
CN110633674A CN110633674A (zh) 2019-12-31
CN110633674B true CN110633674B (zh) 2022-06-17

Family

ID=68972751

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910875978.5A Active CN110633674B (zh) 2019-09-17 2019-09-17 一种基于遥感影像与降雨监测数据的雨水去向不确定性分析方法及系统

Country Status (1)

Country Link
CN (1) CN110633674B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN115248838B (zh) * 2022-09-22 2022-12-06 水利部交通运输部国家能源局南京水利科学研究院 雨水收集系统空间布置优化方法和系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8973325B1 (en) * 2013-10-15 2015-03-10 Chongqing University Method for roof drainage
CN108897977A (zh) * 2018-08-24 2018-11-27 河海大学 一种基于大区域水文模拟的径流演变不确定归因方法
CN108985528A (zh) * 2018-08-28 2018-12-11 苏州大学 一种基于雨水总量控制的海绵城市设计方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8973325B1 (en) * 2013-10-15 2015-03-10 Chongqing University Method for roof drainage
CN108897977A (zh) * 2018-08-24 2018-11-27 河海大学 一种基于大区域水文模拟的径流演变不确定归因方法
CN108985528A (zh) * 2018-08-28 2018-12-11 苏州大学 一种基于雨水总量控制的海绵城市设计方法及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
"中国日降雨空间变化对雨水径流源头总量控制的影响";张质明等;《水科学进展》;20180731;第29卷(第4期);全文 *
"基于健康水循环的山地城市雨洪调控技术研究——以重庆市赵家溪流域为例";黄敏;《道客巴巴》;20160118;全文 *
"建筑小区雨水利用优化设计";徐得潜等;《中国给水排水》;20170101;第33卷(第1期);全文 *
"气候变化对雨水控制设施年径流总量控制率的影响";张质明等;《中国给排水》;20180630;第34卷(第11期);全文 *

Also Published As

Publication number Publication date
CN110633674A (zh) 2019-12-31

Similar Documents

Publication Publication Date Title
Tang et al. A spatial assessment of urban waterlogging risk based on a Weighted Naïve Bayes classifier
Xian et al. Updating the 2001 National Land Cover Database impervious surface products to 2006 using Landsat imagery change detection methods
Foissard et al. Defining scales of the land use effect to map the urban heat island in a mid-size European city: Rennes (France)
Weng A remote sensing? GIS evaluation of urban expansion and its impact on surface temperature in the Zhujiang Delta, China
Arnous et al. Monitoring and assessing waterlogged and salt-affected areas in the Eastern Nile Delta region, Egypt, using remotely sensed multi-temporal data and GIS
Bulti et al. Analyzing the impacts of urbanization on runoff characteristics in Adama city, Ethiopia
CN110633674B (zh) 一种基于遥感影像与降雨监测数据的雨水去向不确定性分析方法及系统
Miller et al. Mapping long-term temporal change in imperviousness using topographic maps
Hung et al. An automated algorithm for mapping building impervious areas from airborne LiDAR point-cloud data for flood hydrology
Wang et al. Evaluation of multi‐source precipitation data in a watershed with complex topography based on distributed hydrological modeling
Caccetta et al. The land monitor project
Mobilia et al. Land use and damaging hydrological events temporal changes in the Sarno River basin: potential for green technologies mitigation by remote sensing analysis
Herzog et al. Measuring zero water level in stream reaches: A comparison of an image‐based versus a conventional method
Cherif et al. Erosion potential model-based ANN-MLP for the spatiotemporal modeling of soil erosion in wadi Saida watershed
Wolff et al. Toward geostatistical unbiased predictions of flow duration curves at ungauged basins
Wang et al. Improving LSMA for impervious surface estimation in an urban area
Hill et al. A rapid land cover classification method for use in urban watershed analysis
Anand et al. Dynamic change analysis of water spread region and its impact assessment using spectral indices of remotely sensed data
Cha et al. Advanced hydrological streamflow simulation in a watershed using adjusted radar-rainfall estimates as meteorological input data
Athira et al. Flood modelling and inundation mapping of Meenachil River using HEC-RAS and HEC-HMS software
Davis et al. Post-hurricane michael damage assessment using ADCIRC storm surge hindcast, image classification, and LiDAR
Lelyk et al. Spatial disaggregation of soil map polygons to estimate continuous soil property values at a resolution of 90 m for a pilot study area in Manitoba, Canada
Caccetta et al. Mapping and monitoring land use and condition change in the southwest of Western Australia using remote sensing and other data
Dau et al. ASSESSMENT OF POTENTIAL IMPACTS OF CLIMATE AND SOCIO-ECONOMIC CHANGES ON FUTURE WATER SECURITY IN THE HIMALAYAS, INDIA.
Smith et al. Hyper Resolution Modeling of Urban Flood Inundation

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