CN110659823B - 相似流域分析方法、模型、系统和计算机存储介质 - Google Patents
相似流域分析方法、模型、系统和计算机存储介质 Download PDFInfo
- Publication number
- CN110659823B CN110659823B CN201910895773.3A CN201910895773A CN110659823B CN 110659823 B CN110659823 B CN 110659823B CN 201910895773 A CN201910895773 A CN 201910895773A CN 110659823 B CN110659823 B CN 110659823B
- Authority
- CN
- China
- Prior art keywords
- basin
- index characteristic
- drainage basin
- drainage
- similar
- 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
Images
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
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及相似流域分析方法、模型、系统和计算机存储介质,采集参证流域A及m个设计流域B的,包括流域面积、流域长度、流域平均比降和径流系数的4个指标特征值,将所述参证流域A的4个指标特征值与每个设计流域B的4个指标特征值一一相应对比计算得到相对隶属度,从而实现相似流域分析。相比于现有技术,本发明方案中,从操作性和实用性的角度,建立了一个具有水文特征的相似流域模糊集分析方法,所采用的参数少,只有4个指标特征值,从流域特征、产流特征和汇流特征3个方面进行相似流分析,从而使得相似流域分析的适应性强,适应范围广,对开展相关水文研究以及无资料地区水文学研究都起到了重要的作用。
Description
技术领域
本发明涉及水文研究技术领域,特别是涉及相似流域分析方法、模型、系统和计算机存储介质。
背景技术
缺资料或无资料地区的水文特征值估算问题,一直是水文学研究的难点之一。目前国内外常用的方法仍然是水文比拟法。该方法的关键就是通过对比流域的地理位置、气候特征、下垫面条件等因素的相似性,选择与设计流域相似程度最大的参证流域,因此,相似流域选择之前的相似流域分析就成为非常关键的一步。
传统的相似流域选择是以设计人员的定性经验分析为主,缺少严谨、有效的定量理论计算。为此,学者们做了大量研究,提出的方法大致可分为三类:模糊、聚类分析法、回归分析法和插值分析法。研究表明,回归分析法和插值分析法对雨量、流量资料要求较为严格,在无资料地区实际应用中很难实现。因此,模糊、聚类分析法逐渐成为了相似流域分析的主流方法。
从相似流域的概念不难看出,流域的相似性本身并不存在严格分界线,属于模糊集概念。将流域的一致性与相异性作为流域相似性的两个极点,那么,流域相似性就可转换为参证流域与设计流域的相对隶属度问题。
显然,建立相似流域模糊集计算模型的关键就是选取合理的分析指标。现有的技术指标主要包括:流域面积、最大汇流长度、河流总长度、地形起伏度、坡度、河网密度、归一化植被指数和平均高程等。
流域相似性的外延是一个不确定性的复杂系统,水文参数在系统中具有传递性的特点。因此,为减少移植水文参数的不确定性,首先应明确参数的移植目的,因为枯期径流、年径流、洪峰流量和丰枯变化率等,在水文过程的响应中都有其相对影响较大或影响较小的指标。比如,对洪峰流量而言,雨期蒸发等在一次暴雨过程中比重是很小的,而对于植物截流而言,在森林面积比重大的区域,其比重就占有相当的比例。概化这些指标作为整个流域的相似性判断原则,不仅会带来指标参数过多而产生的误差,而且不易量化指标的权重,最终影响所需移植的流域参数相似性判断结果。
因此,现有的技术大多具有指标繁多、不宜量化和相互影响等的缺点,从而使得相似流域分析的适应性较差,适应范围窄。
发明内容
本发明提供了一种相似流域分析方法和系统,具有使得相似流域分析的适应性强,适应范围广的特点。
本发明还提供了一种相似流域分析模型,具有便于使得相似流域分析的适应性强,适应范围广的特点。
本发明还提供了一种计算机存储介质,具有便于实现上述相似流域分析方法的特点。
根据本发明提供的相似流域分析方法,包括,
采集参证流域A包括流域面积x1a、流域长度x2a、流域平均比降x3a和径流系数x4a的4个指标特征值,并根据式(1)表示为
分别采集m个设计流域B包括流域面积x1b、流域长度x2b、流域平均比降x3b和径流系数x4b的4个指标特征值,并根据式(2)表示为
将所述参证流域A的4个指标特征值与每个设计流域B的4个指标特征值一一相应对比,并根据式(3)
得到设计流域B的4×m阶相对隶属度矩阵R4×m
根据加权广义权距离,即式(4)
求解Uj的最优目标函数式(5)
相对隶属度Uj表示参证流域A和设计流域B的相似程度,数值越大表示相似程度越高。
对于ωi,按照层次分析法确定,且默认初始值为ω1=ω2=ω3=ω4。
所述p为海明距离,取值为1。
根据本发明提供的相似流域分析模型,包括,
参证流域A指标特征值获取接口,用于获取参证流域A包括流域面积x1a、流域长度x2a、流域平均比降x3a和径流系数x4a的4个指标特征值;
设计流域B指标特征值获取接口,用于获取m个设计流域B包括流域面积x1b、流域长度x2b、流域平均比降x3b和径流系数x4b的4个指标特征值;
相对隶属度计算模块,包括,
根据获取的参政流域A的4个指标特征值,并根据式(1)表示为
根据获取的m个设计流域B的4个指标特征值,并根据式(2)表示为
将所述参证流域A的4个指标特征值与每个设计流域B的4个指标特征值一一相应对比,并根据式(3)
得到设计流域B的4×m阶相对隶属度矩阵R4×m
根据加权广义权距离,即式(4)
求解Uj的最优目标函数式(5)
对于ωi,按照层次分析法确定,且默认初始值为ω1=ω2=ω3=ω4。
所述p为海明距离,取值为1。
根据本发明提供的相似流域分析系统,基于上述相似流域分析模型的基础上实现,包括,
参证流域A指标特征值采集模块,采集参证流域A包括流域面积x1a、流域长度x2a、流域平均比降x3a和径流系数x4a的4个指标特征值,并用于发送给所述参证流域A指标特征值获取接口;
设计流域B指标特征值采集模块,采集m个设计流域B包括流域面积x1b、流域长度x2b、流域平均比降x3b和径流系数x4b的4个指标特征值,并用于发送给所述设计流域B指标特征值获取接口。
根据本发明提供的计算机可读存储介质,存储有能够被处理器加载并执行上述任一种方法的计算机程序。
综上所述,相比于现有技术,本发明方案中,从操作性和实用性的角度,建立了一个具有水文特征的相似流域模糊集分析方法,所采用的参数少,只有4个指标特征值,从流域特征、产流特征和汇流特征3个方面进行相似流分析,从而使得相似流域分析的适应性强,适应范围广,对开展相关水文研究以及无资料地区水文学研究都起到了重要的作用。
附图说明
图1是某流域的水系图。
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楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。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。
本说明书(包括摘要和附图)中公开的任一特征,除非特别叙述,均可被其他等效或者具有类似目的的替代特征加以替换。即,除非特别叙述,每个特征只是一系列等效或类似特征中的一个例子而已。
作为本发明的一种实施方式,根据本发明提供的相似流域分析方法,包括,
采集参证流域A包括流域面积x1a、流域长度x2a、流域平均比降x3a和径流系数x4a的4个指标特征值,
并根据式(1)表示为
分别采集m个设计流域B包括流域面积x1b、流域长度x2b、流域平均比降x3b和径流系数x4b的4个指标特征值,并根据式(2)表示为
流域面积x1、流域长度x2和流域平均比降x3反映的是一个流域的基本特征参数,能够利用国际科学数据服务平台DEM,在ArcGIS的水文分析模块,提取要提取的流域的DEM图和水系图。如图1所示,为作为参证流域A的流域A1的水系图,流域A1的流域特征值中,流域面积x1a=90.6km2,流域长度x2a=21.3km,流域平均比降x3a=17.6‰。
径流系数x4是美国水文学者采用回归分析法建立经验公式时提出的。美国推理公式法认为径流系数取决于流域下垫面特性,对确定流域来说是常数。因此,反映流域下垫面特性(植被,土壤性质,地形起伏度)的径流系数不仅决定了流域的产流特性,其地形起伏以及植被,土壤性质决定的地表糙率,也影响流域的回流特性。径流系数表如表1所示。
表1
采用由联合国世界土壤图例单元(简称FAO)和国际应用系统分析研究所(简称IIASA)共同编制的《Harmonized World Soil Database(Version 1.0)》提取土壤类型影像图,流域A1的土壤类型所占比重数据如表2所示。
表2
流域面积(km<sup>2</sup>) | 砂土(%) | 砂壤土(%) | 粘土(%) |
90.6 | 41 | 37 | 22 |
采用由马里兰大学地理系在1998年建立完成的土地利用遥感数据集提取土地利用现状图,为计算径流系数,将原8种划分方法归类为森林、草原、耕地、居民区四大类,土地利用数据如表3所示。
表3
土地类型 | 耕地km<sup>2</sup> | 草原km<sup>2</sup> | 森林km<sup>2</sup> | 居民区km<sup>2</sup> |
面积 | 6.1 | 13.3 | 69.8 | 1.4 |
参考表1的取值,按式(7)计算径流系数x4=0.3。
其中,F为流域面积中某个类型的土地所占用的面积,这里,土地的类型包括耕地、草原、森林和居民区;K为土地的类型所对应的地形情况和土壤类型的径流系数,例如,如果流域A1土地类型耕地所对应的地形情况和土壤类型为平坦的砂壤土,则流域A1土地类型耕地所对应的径流系数为0.5。
同样的,能够根据上述方法分别提取作为设计流域B的流域B1的m个不同地区的流域面积x1b、流域长度x2b、流域平均比降x3b和径流系数x4b的4个指标特征值,作为本发明的一个实施例,如表4所示,为流域B1的指标特征值与流域A1的指标特征值,这里,m取值为10。
表4
带入式(1)可以得到参证流域的矩阵表示
将10个设计流域列入4×10矩阵:
将所述参证流域A的4个指标特征值与每个设计流域B的4个指标特征值一一相应对比,并根据式(3)
得到设计流域B的4×10阶相对隶属度矩阵R4×10
根据加权广义权距离,即式(4)
求解Uj的最优目标函数式(5)
研究表明,一般情况下,距离参数选取P=1的海明距离还是P=2的欧氏距离,不会影响最终的判断结果。而海明距离由于其简明性应用广泛,作为本发明的一个实施例,选取P=1的海明距离。
相对隶属度Uj表示参证流域A和设计流域B的相似程度,数值越大表示相似程度越高。
作为本发明的一种实施方式,对于ωi,按照层次分析法(AHP,即AnalyticHierarchy Process)确定,且默认初始值为ω1=ω2=ω3=ω4。根据上述流域A1和流域B1,求得:
将带入式(6),求解得到Uj=(0.812,0.848,0.801,0.867,0.398,0.842,0.331,0.823,0.954,0.419),分别对应1到10号作为参证流域的流域B1的相对隶属度,按照其相似性排序Mj=(6,3,7,2,9,4,10,5,1,8),其中,排序前6位的区域相似性均在0.8以上,表明其相似性程度较高。
在本发明方案中,从操作性和实用性的角度,建立了一个具有水文特征的相似流域模糊集分析方法,所采用的参数少,只有4个指标特征值,识别度高且易于获取,以判断流域洪水过程相似性为例,从流域特征、产流特征和汇流特征3个方面,用4个指标特征值进行相似流分析,从而使得相似流域分析的适应性强,适应范围广,对开展相关水文研究以及无资料地区水文学研究都起到了重要的作用。例如,对于研究区主要分布在湄公河流域,具有山地河流的性质,多水多急流,由于其特殊的国情,水文观测较少(北部仅4个站点),且站点观测年限少、精度低、资料整编误差较大。因此,根据老挝北部地区自然地理、水文气象、植被、土壤等特征,选取中国境内资料齐全的一些流域进行相似性分析。
作为本发明的一种实施方式的相似流域分析模型,包括,
参证流域A指标特征值获取接口,用于获取参证流域A包括流域面积x1a、流域长度x2a、流域平均比降x3a和径流系数x4a的4个指标特征值;
设计流域B指标特征值获取接口,用于获取m个设计流域B包括流域面积x1b、流域长度x2b、流域平均比降x3b和径流系数x4b的4个指标特征值;
相对隶属度计算模块,包括,
根据获取的参政流域A的4个指标特征值,并根据上述式(1)进行表示;
根据获取的m个设计流域B的4个指标特征值,并根据上述式(2)进行表示;
将所述参证流域A的4个指标特征值与每个设计流域B的4个指标特征值一一相应对比,并根据上述式(3)得到设计流域B的4×m阶相对隶属度矩阵R4×m;
本发明提供的相对隶属度计算模型,能够通过参数获取接口(包括参证流域A指标特征值获取接口和设计流域B指标特征值获取接口),获取参证流域A的指标特征值和设计流域B的指标特征值,从而通过相对隶属度计算模块计算得到相对隶属度。建立了一个具有水文特征的相似流域模糊集模型,所需要采用的参数少,识别度高且易于获取,适应性强,适应范围广。
作为本发明的一种实施方式的相似流域分析系统,基于上述相似流域分析模型的基础上实现,包括,
参证流域A指标特征值采集模块,采集参证流域A包括流域面积x1a、流域长度x2a、流域平均比降x3a和径流系数x4a的4个指标特征值,并用于发送给所述参证流域A指标特征值获取接口;
设计流域B指标特征值采集模块,采集m个设计流域B包括流域面积x1b、流域长度x2b、流域平均比降x3b和径流系数x4b的4个指标特征值,并用于发送给所述设计流域B指标特征值获取接口。
本发明提供的相似流域分析系统,能够基于采集的参证流域A的指标特征值和设计流域B的指标特征值,发送给相似流域分析模型,实现相似流域的分析。
作为本发明的一种实施方式的计算机可读存储介质,存储有能够被处理器加载并执行上述任一种方法的计算机程序,从而便于实现上述相似流域分析方法。
结合本文所揭示实施例描述的方法或算法可直接包含在硬件、可由处理器执行的软件模块或两者的组合中。软件模块可驻留在RAM存储器、快闪存储器、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬磁盘、可装卸磁盘、CD-ROM或所属技术领域中已知的任何其它形式的计算机可读媒体中。计算机可读媒体可耦合到所述处理器以使所述处理器可从计算机可读媒体读取信息及将信息写入到所述计算机可读媒体。或者,计算机可读媒体可集成到处理器。
Claims (6)
1.相似流域分析方法,包括,
采集参证流域A包括流域面积x1a、流域长度x2a、流域平均比降x3a和径流系数x4a的4个指标特征值,并根据式(1)表示为
分别采集m个设计流域B包括流域面积x1b、流域长度x2b、流域平均比降x3b和径流系数x4b的4个指标特征值,并根据式(2)表示为
将所述参证流域A的4个指标特征值与每个设计流域B的4个指标特征值一一相应对比,并根据式(3)
得到设计流域B的4×m阶相对隶属度矩阵R4×m
根据加权广义权距离,即式(4)
求解Uj的最优目标函数式(5)
对于ωi,按照层次分析法确定,且默认初始值为ω1=ω2=ω3=ω4。
2.根据权利要求1所述的相似流域分析方法,所述p为海明距离,取值为1。
3.相似流域分析模型,其特征在于,包括,
参证流域A指标特征值获取接口,用于获取参证流域A包括流域面积x1a、流域长度x2a、流域平均比降x3a和径流系数x4a的4个指标特征值;设计流域B指标特征值获取接口,用于获取m个设计流域B包括流域面积x1b、流域长度x2b、流域平均比降x3b和径流系数x4b的4个指标特征值;
相对隶属度计算模块,包括,
根据获取的参政流域A的4个指标特征值,并根据式(1)表示为
根据获取的m个设计流域B的4个指标特征值,并根据式(2)表示为
将所述参证流域A的4个指标特征值与每个设计流域B的4个指标特征值一一相应对比,并根据式(3)
得到设计流域B的4×m阶相对隶属度矩阵R4×m
根据加权广义权距离,即式(4)
求解Uj的最优目标函数式(5)
对于ωi,按照层次分析法确定,且默认初始值为ω1=ω2=ω3=ω4。
4.根据权利要求3所述的相似流域分析模型,其特征在于,所述p为海明距离,取值为1。
5.相似流域分析系统,其特征在于,基于权利要求3到4之一所述的相似流域分析模型的基础上实现,包括,
参证流域A指标特征值采集模块,采集参证流域A包括流域面积x1a、流域长度x2a、流域平均比降x3a和径流系数x4a的4个指标特征值,并用于发送给所述参证流域A指标特征值获取接口;
设计流域B指标特征值采集模块,采集m个设计流域B包括流域面积x1b、流域长度x2b、流域平均比降x3b和径流系数x4b的4个指标特征值,并用于发送给所述设计流域B指标特征值获取接口。
6.计算机可读存储介质,其特征在于,存储有能够被处理器加载并执行权利要求1到2中任一种方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910895773.3A CN110659823B (zh) | 2019-09-21 | 2019-09-21 | 相似流域分析方法、模型、系统和计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910895773.3A CN110659823B (zh) | 2019-09-21 | 2019-09-21 | 相似流域分析方法、模型、系统和计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110659823A CN110659823A (zh) | 2020-01-07 |
CN110659823B true CN110659823B (zh) | 2023-02-03 |
Family
ID=69037558
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910895773.3A Active CN110659823B (zh) | 2019-09-21 | 2019-09-21 | 相似流域分析方法、模型、系统和计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110659823B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114896905B (zh) * | 2022-05-12 | 2024-03-29 | 西安交通大学 | 一种用于不同工质喷雾液滴运动蒸发过程的相似性准则确定方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106295859A (zh) * | 2016-08-01 | 2017-01-04 | 淮河水利委员会水文局(信息中心) | 一种无径流资料地区汇流计算方法 |
CN106815467A (zh) * | 2016-12-12 | 2017-06-09 | 河海大学 | 一种基于大数据统计相似分析的流域水文区划方法 |
CN107391939A (zh) * | 2017-07-25 | 2017-11-24 | 河海大学 | 一种量化的流域相似性综合评价指标计算方法 |
CN107730151A (zh) * | 2017-11-21 | 2018-02-23 | 中国水利水电科学研究院 | 一种基于概念性水文模型的流域设计洪水推求方法 |
CN108763829A (zh) * | 2018-06-22 | 2018-11-06 | 中国水利水电科学研究院 | 基于水动力相似的区域降雨模拟系统降雨过程设计方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105160121B (zh) * | 2015-09-17 | 2018-07-13 | 天津市水文水资源勘测管理中心 | 一种有限元控制的分布式水文模型的建模方法 |
CN105678984B (zh) * | 2015-12-30 | 2017-10-10 | 四川大学 | 无资料地区堰塞湖溃决灾害预警体系建立方法 |
CN105653792B (zh) * | 2015-12-30 | 2018-08-14 | 四川大学 | 一种基于gis的非参数河网汇流模型的建立方法 |
CN105912861B (zh) * | 2016-04-12 | 2018-10-26 | 四川大学 | 基于gis的非参数概念性水文模型的计算方法 |
CN106884405B (zh) * | 2017-03-08 | 2018-10-09 | 中国水利水电科学研究院 | 一种无资料地区溃堤型山洪灾害分析评价方法 |
FR3067500B1 (fr) * | 2017-06-13 | 2021-04-16 | Ifp Energies Now | Procede d'exploitation d'un bassin sedimentaire comportant des hydrocarbures, au moyen d'une modelisation de l'accumulation de la matiere organique terrestre |
CN109388664A (zh) * | 2018-09-29 | 2019-02-26 | 河海大学 | 一种中小河流流域相似性判别方法 |
CN109840873A (zh) * | 2019-02-02 | 2019-06-04 | 中国水利水电科学研究院 | 一种基于机器学习的无资料地区水文模型参数区域化方法 |
CN110020607B (zh) * | 2019-03-13 | 2022-08-16 | 河海大学 | 一种基于空间分维理论寻找相似流域的方法 |
-
2019
- 2019-09-21 CN CN201910895773.3A patent/CN110659823B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106295859A (zh) * | 2016-08-01 | 2017-01-04 | 淮河水利委员会水文局(信息中心) | 一种无径流资料地区汇流计算方法 |
CN106815467A (zh) * | 2016-12-12 | 2017-06-09 | 河海大学 | 一种基于大数据统计相似分析的流域水文区划方法 |
CN107391939A (zh) * | 2017-07-25 | 2017-11-24 | 河海大学 | 一种量化的流域相似性综合评价指标计算方法 |
CN107730151A (zh) * | 2017-11-21 | 2018-02-23 | 中国水利水电科学研究院 | 一种基于概念性水文模型的流域设计洪水推求方法 |
CN108763829A (zh) * | 2018-06-22 | 2018-11-06 | 中国水利水电科学研究院 | 基于水动力相似的区域降雨模拟系统降雨过程设计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110659823A (zh) | 2020-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103236086B (zh) | 一种顾及地表水文上下文的多尺度dem建模方法 | |
Meigh et al. | A grid-based approach to water scarcity estimates for eastern and southern Africa | |
CN111582755A (zh) | 一种基于多维度集合信息山洪灾害综合风险动态评估方法 | |
Kiptala et al. | Land use and land cover classification using phenological variability from MODIS vegetation in the Upper Pangani River Basin, Eastern Africa | |
Fu et al. | Loess erosion in relation to land‐use changes in the Ganspoel catchment, central Belgium | |
Clymo | Preliminary survey of the peat-bog Hummell Knowe Moss using various numerical methods | |
CN110232737B (zh) | 一种城市汇水区划分方法 | |
CN104794584B (zh) | 一种湖泊型流域水生态功能一二级分区方法 | |
Chaaban et al. | Accuracy assessment of ESA WorldCover 2020 and ESRI 2020 land cover maps for a Region in Syria | |
Mahmoud et al. | GIS methods for sustainable stormwater harvesting and storage using remote sensing for land cover data-location assessment | |
CN114611834B (zh) | 一种基于多维特征分析的电力发电站选址评估规划方法 | |
CN113158385A (zh) | 一种农业面源污染关键源区识别方法及系统 | |
Topno et al. | SCS CN runoff estimation for vindhyachal region using remote sensing and GIS | |
Mosase et al. | Assessment of the suitability of rain water harvesting areas using multi-criteria analysis and fuzzy logic | |
CN110659823B (zh) | 相似流域分析方法、模型、系统和计算机存储介质 | |
Qie et al. | Method and its application of natural quality evaluation of arable land based on self-organizing feature map neural network | |
Mirhashemi et al. | Using combined clustering algorithms and association rules for better management of the amount of water delivered to the irrigation network of Abyek Plain, Iran | |
Allnutt et al. | Estimation of time parameter proportionality ratios in large catchments: Case study of the Modder‐Riet River Catchment, South Africa | |
CN112434441A (zh) | 一种水文模型参数区域化方法 | |
CN116955516A (zh) | Gis和swat结合的流域多要素控制单元划分方法 | |
CN109885808B (zh) | 一种近地表气象要素计算方法 | |
CN116992676A (zh) | 一种多源卫星降水观测辅助的地面雨量站网优化设计方法 | |
Mathivha et al. | The impacts of land cover change on stream discharges in Luvuvhu River Catchment, Vhembe District, Limpopo Province, South Africa | |
CN116415318A (zh) | 一种基于数学形态学的内流区湖泊水文连通性建模方法 | |
CN111274545B (zh) | 一种栅格尺度基于地形地貌的多模式产流计算方法 |
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 |