CN111898250B - 基于多源数据融合的河口尾闾段出汊预测方法及装置 - Google Patents

基于多源数据融合的河口尾闾段出汊预测方法及装置 Download PDF

Info

Publication number
CN111898250B
CN111898250B CN202010634819.9A CN202010634819A CN111898250B CN 111898250 B CN111898250 B CN 111898250B CN 202010634819 A CN202010634819 A CN 202010634819A CN 111898250 B CN111898250 B CN 111898250B
Authority
CN
China
Prior art keywords
river
branch
water
sand
flow
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
CN202010634819.9A
Other languages
English (en)
Other versions
CN111898250A (zh
Inventor
夏军强
周美蓉
杨卓媛
邓珊珊
李志威
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.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
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 Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN202010634819.9A priority Critical patent/CN111898250B/zh
Publication of CN111898250A publication Critical patent/CN111898250A/zh
Application granted granted Critical
Publication of CN111898250B publication Critical patent/CN111898250B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/143—Sensing or illuminating at different wavelengths
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/182—Network patterns, e.g. roads or rivers

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Remote Sensing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供基于多源数据融合的河口尾闾段出汊预测方法及装置，方法包括：步骤1.利用长序列遥感影像资料，确定历史出汊年份、时段及位置；步骤2.获取出汊年份内河段沿程水文、水位站的水沙资料以及各固定断面地形资料；步骤3.采用一维水沙数学模型，计算得到研究河段各固定断面的流量、含沙量及水位，并结合水流冲刷强度计算公式，计算各固定断面的水流冲刷强度变化过程；步骤4.将历史出汊对应的水流冲刷强度峰值大小及达到峰值的速率作为触发河道出汊的相应阈值，根据预测的未来水沙系列及阈值判断河道出汊的可能时段和位置。本发明能够准确预测河口尾闾段出汊，可为延长河道现行流路的使用年限提供重要参数，降低出汊带来的危害。

Description

基于多源数据融合的河口尾闾段出汊预测方法及装置
技术领域
本发明属于河床演变学与河道整治工程技术领域，具体涉及一种基于多源数据融合的河口尾闾段出汊预测方法及装置。
技术背景
河口尾闾段出汊是河床演变过程预测与河流沉积学研究中一个重要的研究问题，它是指河道冲裂和分汊的现象，这种现象不仅为冲积河流河口的现行流路频繁改道提供了条件，还决定了河口改道的位置。我国的洪涝灾害频发，河道出汊也是造成河口区域洪涝灾害的原因之一，因此展开关于河口尾闾段出汊预测的研究十分必要，有助于预防河流突发性出汊的发生，从而减少洲滩湿地损失和航道摆动。
冲积河流河口尾闾段的出汊过程较为复杂，目前国内外研究一般根据已有观测结果，定性描述其出汊过程及演变规律，主要研究内容包括：(1)河道稳定性分析；(2)通过历史资料确定具体的出汊参数，如出汊频率、持续时间及出汊时段；(3)分析出汊河道的水位、纵剖面以及冲淤过程。然而现有研究存在两类问题：首先，大多冲积河流河口发生河道出汊的实测资料较少，目前的研究多局限于对河道稳定性的简单探讨，缺少针对河道形态特征变化进行详细的定量分析；此外，河口尾闾段出汊过程并不具有特定的周期性，而现有研究在准确预测河口尾闾段发生自然出汊时间上仍存在较大困难。因此，解决河口尾闾段出汊的实测资料匮乏问题，并提出较为准确的河口尾闾段出汊预测方法，具有重要的科学意义及工程实用价值。
发明内容
本发明目的是提供一种基于多源数据融合的河口尾闾段出汊预测方法及装置，能够准确预测河道出汊。
本发明为了实现上述目的，采用了以下方案：
<方法>
本发明提供一种基于多源数据融合的河口尾闾段出汊预测方法，其特征在于，包括以下步骤：
步骤1.利用长序列遥感影像资料，确定历史出汊年份、时段及位置，包括以下子步骤：
步骤1.1下载长序列的遥感影像，合成遥感影像中红波段、近红外及短红外波段，其中Landsat 7采用4、5、3波段，而Landsat 8采用5、6、4波段；
步骤1.2对Landsat 7所采集的有条带的遥感影像进行修复处理，并对合成后的遥感影像进行细微调整，使得河道的水体与陆地边界更为分明；
步骤1.3根据处理后的遥感影像，确定发生历史出汊的年份、时段及位置；
步骤2.获取河段沿程水文、水位站的水沙资料以及各固定断面地形资料；
步骤3.采用一维水沙数学模型，计算得到出汊年份内研究河段各固定断面的流量、含沙量及水位，并结合水流冲刷强度计算公式，计算各固定断面的水流冲刷强度变化过程，包括以下子步骤：
步骤3.1建立适用于冲积河流河口的一维水沙数学模型；
步骤3.2基于步骤1和2给定一维水沙数学模型的进、出口及河床边界条件；
步骤3.3率定一维水沙数学模型中糙率系数，进行滩槽划分、恢复饱和系数确定和悬移质水流挟沙力计算，使水文或水位站断面的流量及含沙量随时间变化的计算值与实测值能较好地符合，从而得到研究河段各断面的流量和含沙量；
步骤3.4根据步骤3.3计算的流量和含沙量，计算得到各固定断面的水流冲刷强度随时间的变化过程；
步骤4将历史出汊对应的水流冲刷强度峰值大小及达到峰值的速率作为触发河道出汊的相应阈值，根据预测的未来水沙系列及阈值判断河道出汊的可能时段和位置。具体地，在步骤4中，是用实测的水沙数据，采用神经网络模拟等手段，预测未来的水沙系列，并将预测的水沙系列作为步骤3中一维模型的进出口边界条件，计算流量和含沙量，进而计算出(预测)各固定断面的水流冲刷强度变化过程，然后将预测的水流冲刷强度变化过程的峰值与阈值进行比较，判断河道出汊的可能时段和位置。
本发明提供的基于多源数据融合的河口尾闾段出汊预测方法，还可以具有以下特征：水沙资料包括流量、含沙量和水位；地形资料包括固定断面各测点序号、起点距、高程和断面间距。
本发明提供的基于多源数据融合的河口尾闾段出汊预测方法，还可以具有以下特征：在步骤3.2中，将汛前固定断面的地形资料作为河床边界条件，进口边界条件采用实测流量及含沙量过程，出口边界条件采用潮位站的实测潮位过程。
本发明提供的基于多源数据融合的河口尾闾段出汊预测方法，还可以具有以下特征：在步骤3.3中，流量计算值与实测值的相对误差应在5％以内，含沙量计算值与实测值的相对误差在15％以内。
本发明提供的基于多源数据融合的河口尾闾段出汊预测方法，还可以具有以下特征：在步骤4中，对于每个断面，若某年份某时段的水流冲刷强度的峰值大小及达到峰值的速率均超过阈值，则判断为该断面在该年份的时段内极有可能发生河道出汊；若只满足其中一个阈值条件或两个条件均不满足，则判断为该断面在该年份的时段内不会发生河道出汊。
<装置>
进一步，本发明还提供一种基于多源数据融合的河口尾闾段出汊预测装置，其特征在于，包括：
遥感影像处理部，基于长序列的遥感影像，合成遥感影像中红波段、近红外及短红外波段，其中Landsat 7采用4、5、3波段，而Landsat 8采用5、6、4波段，然后对Landsat 7所采集的有条带的遥感影像进行修复处理，并对合成后的遥感影像进行细微调整，使得河道的水体与陆地边界更为分明；
历史出汊确定部，与遥感影像处理部通信相连，根据处理后的遥感影像，确定发生历史出汊的年份、时段及位置；
获取部，获取河段沿程水文、水位站的水沙资料以及各固定断面地形资料；
建模部，与历史出汊确定部和获取部均通信相连，建立适用于冲积河流河口的一维水沙数学模型；
条件给定部，与历史出汊确定部和获取部均通信相连，给定一维水沙数学模型的进、出口及河床边界条件；
流量和含沙量计算部，与建模部和条件给定部均通信相连，率定一维水沙数学模型中糙率系数，进行滩槽划分、恢复饱和系数确定和悬移质水流挟沙力计算，使水文或水位站断面的流量及含沙量随时间变化的计算值与实测值能较好地符合，从而得到研究河段各断面的流量和含沙量；
水流冲刷强度变化过程计算部，与流量和含沙量计算部通信相连，根据流量和含沙量，计算得到各固定断面的水流冲刷强度变化过程；
判断部，将历史出汊对应的水流冲刷强度峰值大小及达到峰值的速率作为触发河道出汊的相应阈值，根据预测的未来水沙系列及阈值判断河道出汊的可能时段和位置；以及
控制部，与遥感影像处理部、历史出汊确定部、获取部、建模部、条件给定部、流量和含沙量计算部、水流冲刷强度变化过程计算部、判断部均通信相连，控制它们的运行。
本发明提供的基于多源数据融合的河口尾闾段出汊预测装置，还可以包括：与遥感影像处理部、历史出汊确定部、获取部、建模部、条件给定部、流量和含沙量计算部、水流冲刷强度变化过程计算部、判断部、控制部均通信相连，用于让用户输入操作指令，并显示出相应的信息。
本发明提供的基于多源数据融合的河口尾闾段出汊预测装置，还可以具有如下特征：输入显示部根据历史出汊确定部的信息，在地图上显示出发生历史出汊的年份、时段及位置；输入显示部根据流量和含沙量计算部的信息，显示出包含研究河段各固定断面的流量和含沙量的水情分布图；输入显示部根据水流冲刷强度变化过程计算部的信息，显示出各固定断面的水流冲刷强度变化过程图；输入显示部根据判断部的信息，显示出河道出汊的可能时段和位置。
发明的作用与效果
本发明首先利用遥感技术有效处理图像信息及空间分析的地理信息技术，获取河口尾闾段出汊的历史遥感影像资料，从而获得河道出汊的时段及位置；接着基于实测水沙及断面地形资料，通过一维水沙数学模型及水流冲刷强度公式，得到河段内各固定断面的水流冲刷强度变化过程；然后将历史出汊对应的水流冲刷强度的峰值大小及达到峰值的速率作为判断是否出汊的阈值；进而可根据预测的未来水沙系列，判断河道在这些断面出汊的可能性及时段。这种多源数据融合的方法有效解决了河口尾闾段河道出汊实测资料匮乏的问题，突破了目前缺少有效方法预测河道出汊的技术瓶颈。本发明具备较强的理论与专业基础，且可操作性和工程应用性较强，可为延长河道现行流路的使用年限提供重要参数，从而有效降低河道出汊带来的危害。
附图说明
图1为本发明实施例中涉及的基于多源数据融合的河口尾闾段出汊预测方法的流程图；
图2为本发明实施例中涉及的2007年黄河口尾闾段河道出汊过程遥感影像，其中(a)为5月30日，(b)为6月15日，(c)为7月17日，(d)为9月3日；
图3为本发明实施例中涉及的黄河口汊3断面2007年(a)和2015(b)年流量与含沙量计算结果图；
图4为本发明实施例中涉及的黄河口汊3断面2007年(a)和2015年(b)水流冲刷强度变化过程图。
具体实施方式
以下结合附图对本发明涉及的基于多源数据融合的河口尾闾段出汊预测方法及装置的具体实施方案进行详细地说明。
<实施例>
如图1所示，本实施例所提供的基于多源数据融合的河口尾闾段出汊预测方法包括以下步骤：
步骤1利用黄河口尾闾段长序列遥感影像资料，确定历史出汊年份、时段及位置。具体包括以下3个子步骤：
步骤1.1下载长序列的遥感影像，利用ENVI 5.1合成遥感影像中红波段、近红外及短红外，其中Landsat 7采用4、5、3波段，而Landsat 8采用5、6、4波段。
步骤1.2利用ENVI Classic插件对Landsat 7所采集的有条带的遥感影像进行修复处理，并对合成后的遥感影像进行细微调整，使得河道的水体与陆地边界更为分明。
步骤1.3通过遥感影像，确定发生历史出汊的年份、时段及位置。
本实施例中，采用的是1996-2014年的遥感图，通过分析长序列遥感影像资料，黄河口尾闾段多年发生河道出汊(2004年、2007年和2013年均发生了出汊)。图2给出了2007年黄河口尾闾段河道出汊过程的遥感影像。从图4(a)中可知2007年6月15日以前汊3以下河道依旧保持2004年河道自然出汊后的流路入海，到7月17日汊3以下河道已初步出汊，至9月3日出汊河道由两个口门分流入海。因此2007年河道发生自然出汊的时间在6月15日-7月17日之间。
步骤2.收集各出汊年份黄河口尾闾段沿程水文和水位站的水沙资料，以及各固定断面地形资料。其中，水沙资料包括流量、含沙量和水位；地形资料包括断面各个测点序号、起点距、高程和断面间距。以黄河口尾闾段为例，需收集利津站日均流量、含沙量和水位资料，一号坝和西河口水位站的日均水位资料，及孤东潮位站的日均潮位资料；此外，还需收集研究河段41个固定断面的实测地形资料。
由于河口断面形态较为复杂，且相同断面的滩槽阻力相差较大，因此需要对固定断面地形资料进行前处理，划分出主槽与滩地的节点，并分别用不同代码表示，其中滩地用代码1表示，主槽用代码0表示。
步骤3.采用一维水沙数学模型，计算得到黄河口尾闾段各固定断面的流量、含沙量及水位，本步骤主要包括以下四个子步骤：
步骤3.1建立适用于冲积河流河口的一维水沙数学模型。
步骤3.2给定一维水沙数学模型的进、出口及河床边界条件，模拟黄河口尾闾段水沙演进及河床冲淤过程，总模拟时长为5832h(4月1日-11月30日)，计算时间步长取120s。进口边界采用利津实测流量及含沙量过程，出口边界采用孤东站实测潮位过程。本实施例中设置的模拟时段是与汛期相对应。
步骤3.3选取研究年份的水沙及地形资料，率定一维水沙数学模型参数，使计算得到的黄河口尾闾段各水文断面的流量和含沙量与实测值符合良好(流量计算相对误差在5％以内，含沙量计算相对误差在15％以内)，从而计算得到黄河口尾闾段各固定断面的流量和含沙量。
步骤3.4水流冲刷强度代表给定流量条件下水流挟沙力与含沙量的比值
Figure BDA0002567842930000081
可体现河道水流的输沙能力。根据步骤3.3的流量和含沙量结果，计算得到各固定断面的水流冲刷强度变化过程。
本实施例中研究的历史出汊年份为2004、2007、2013年，预测的年份为2015年。图3给出了2007年和2015年黄河口尾闾段汊3断面的流量和含沙量计算结果。在该断面，最大计算含沙量的出现基本伴随着汛期洪水的发生。2007年的含沙量的最大计算值为36.75kg/m3，流量最大计算值为2885.37m3/s；2015年的最大计算含沙量为26.33kg/m3，最大计算流量为2489.71m3/s；图4则给出了2007年和2015年汊3断面水流冲刷强度变化过程。
步骤4.将历史出汊对应的水流冲刷强度峰值大小及达到峰值的速率作为触发河道出汊的相应阈值，以此根据预测的水沙系列及确定的阈值条件可判断河道出汊与否，实现河口尾闾段出汊预测。
本实施例中，基于步骤1至4，根据各历史出汊(2004年、2007年、2013年)的水沙资料，确定黄河口尾闾段年内水流冲刷强度峰值大于50且水流冲刷强度达到峰值的速率在120h内，将触发河道出汊。如2007年汊3断面水流冲刷强度峰值为51.32，出现在6月26日，水流冲刷强度达到峰值耗时46h。
根据步骤3计算得到2015年黄河口尾闾段各断面的水流冲刷强度变化过程，其峰值发生在汊3断面且为44.33，出现在7月12日，水流冲刷强度达到峰值耗时544h。由于水流冲刷强度峰值及其达到速率均未超过阈值，故根据步骤4判断2015年汊3断面不会发生出汊。这与2015年黄河口尾闾段遥感影像显示的结果一致，由此可验证预测结果的准确性。
进一步，本实施例还提供能够自动化实现上述河口尾闾段出汊预测方法的河口尾闾段出汊预测装置。该河口尾闾段出汊预测装置包括遥感影像处理部、历史出汊确定部、获取部、建模部、条件给定部、流量和含沙量计算部、水流冲刷强度变化过程计算部、判断部、输入显示部以及控制部。
遥感影像处理部基于长序列的遥感影像，合成遥感影像中红波段、近红外及短红外，其中Landsat 7采用4、5、3波段，而Landsat 8采用5、6、4波段，然后对Landsat 7所采集的有条带的遥感影像进行修复处理，并对合成后的遥感影像进行细微调整，使得河道的水体与陆地边界更为分明。
历史出汊确定部与遥感影像处理部通信相连，根据处理后的遥感影像，确定发生历史出汊的年份、时段及位置。
获取部获取河段沿程水文、水位站的水沙资料以及各固定断面地形资料。
建模部与历史出汊确定部和获取部均通信相连，建立适用于冲积河流河口的一维水沙数学模型。
条件给定部与历史出汊确定部和获取部均通信相连，给定一维水沙数学模型的进、出口及河床边界条件。
流量和含沙量计算部与建模部和条件给定部均通信相连，率定一维水沙数学模型中糙率系数，进行滩槽划分、恢复饱和系数确定和悬移质水流挟沙力计算，使水文或水位站断面的流量及含沙量随时间变化的计算值与实测值能较好地符合，从而得到研究河段各固定断面的流量和含沙量。
水流冲刷强度变化过程计算部与流量和含沙量计算部通信相连，根据流量和含沙量，计算得到各固定断面的水流冲刷强度变化过程。
判断部将历史出汊对应的水流冲刷强度峰值大小及达到峰值的速率作为触发河道出汊的相应阈值，根据预测的未来水沙系列及阈值判断河道出汊的可能时段和位置。
输入显示部与遥感影像处理部、历史出汊确定部、获取部、建模部、条件给定部、流量和含沙量计算部、水流冲刷强度变化过程计算部、判断部均通信相连，用于让用户输入操作指令，并显示出相应的信息。具体地，输入显示部可以根据历史出汊确定部的信息，在地图上(以地图为底图)显示出发生历史出汊的年份、时段及位置；根据流量和含沙量计算部的信息，显示出包含研究河段各固定断面的流量和含沙量的水情分布图；根据水流冲刷强度变化过程计算部的信息，显示出各固定断面的水流冲刷强度变化过程图；根据判断部的信息，显示出河道出汊的可能时段和位置。另外，输入显示部还可以获取部、建模部、条件给定部的信息，基于用户的操作指令，显示出获取到的河段沿程水文、水位站的水沙资料以及各固定断面地形资料，建模具体情况，以及条件给定情况。
控制部与遥感影像处理部、历史出汊确定部、获取部、建模部、条件给定部、流量和含沙量计算部、水流冲刷强度变化过程计算部、判断部、输入显示部均通信相连，控制它们的运行。本实施例中，控制部在控制流量和含沙量计算部计算得到历史出汊各固定断面的水流冲刷强度变化过程后，还进一步控制条件给定部基于实测的水沙数据，采用神经网络模拟手段，预测未来的水沙系列，并将预测的水沙系列作为建模部一维水沙数学模型的进、出口及河床边界条件，然后控制流量和含沙量计算部计算出(预测)未来各断面的流量和含沙量，进一步控制水流冲刷强度变化过程计算部计算(预测)未来各固定断面的水流冲刷强度变化过程，最后将预测的水流冲刷强度变化过程的峰值与阈值进行比较，判断河道出汊的可能时段和位置。
由于具有以上结构，本实施例所提供的河口尾闾段出汊预测装置不仅可以自动处理、计算得到历史出汊和未来出汊情况，而且还能够将这些情况显示在地图上，这样更加有利于高效、精确、直观地获得出汊预报信息。
以上实施例仅仅是对本发明技术方案所做的举例说明。本发明所涉及的基于多源数据融合的河口尾闾段出汊预测方法及装置并不仅仅限定于在以上实施例中所描述的内容，而是以权利要求所限定的范围为准。本发明所属领域技术人员在该实施例的基础上所做的任何修改或补充或等效替换，都在本发明的权利要求所要求保护的范围内。

Claims (8)

1.一种基于多源数据融合的河口尾闾段出汊预测方法，其特征在于，包括以下步骤：
步骤1.利用长序列遥感影像资料，确定历史出汊年份、时段及位置，包括以下子步骤：
步骤1.1下载长序列的遥感影像，合成遥感影像中红波段、近红外及短红外波段，其中Landsat 7采用4、5、3波段，而Landsat 8采用5、6、4波段；
步骤1.2对Landsat 7所采集的有条带的遥感影像进行修复处理，并对合成后的遥感影像进行细微调整，使得河道的水体与陆地边界更为分明；
步骤1.3根据处理后的遥感影像，确定发生历史出汊的年份、时段及位置；
步骤2.获取河段沿程水文、水位站的水沙资料以及各固定断面地形资料；
步骤3.采用一维水沙数学模型，计算得到出汊年份内研究河段各固定断面的流量、含沙量及水位，并结合水流冲刷强度计算公式，计算各固定断面的水流冲刷强度变化过程，包括以下子步骤：
步骤3.1建立适用于冲积河流河口的一维水沙数学模型；
步骤3.2基于步骤1和2给定一维水沙数学模型的进、出口及河床边界条件；
步骤3.3率定一维水沙数学模型中糙率系数，进行滩槽划分、恢复饱和系数确定和悬移质水流挟沙力计算，使水文或水位站断面的流量及含沙量随时间变化的计算值与实测值能较好地符合，从而得到研究河段各断面的流量和含沙量；
步骤3.4根据步骤3.3计算的流量和含沙量，计算得到各固定断面的水流冲刷强度随时间的变化过程；
步骤4将历史出汊对应的水流冲刷强度峰值大小及达到峰值的速率作为触发河道出汊的相应阈值，根据预测的未来水沙系列及阈值判断河道出汊的可能时段和位置。
2.根据权利要求1所述的基于多源数据融合的河口尾闾段出汊预测方法，其特征在于：
其中，水沙资料包括流量、含沙量和水位；地形资料包括固定断面各测点序号、起点距、高程和断面间距。
3.根据权利要求1所述的基于多源数据融合的河口尾闾段出汊预测方法，其特征在于：
其中，在步骤3.2中，将汛前固定断面的地形资料作为河床边界条件，进口边界条件采用实测流量及含沙量过程，出口边界条件采用潮位站的实测潮位过程。
4.根据权利要求1所述的基于多源数据融合的河口尾闾段出汊预测方法，其特征在于：
其中，在步骤3.3中，流量计算值与实测值的相对误差应在5％以内，含沙量计算值与实测值的相对误差在15％以内。
5.根据权利要求1所述的基于多源数据融合的河口尾闾段出汊预测方法，其特征在于：
其中，在步骤4中，对于每个断面，若某年份某时段的水流冲刷强度的峰值大小及达到峰值的速率均超过阈值，则判断为该断面在该年份的时段内极有可能发生河道出汊；若只满足其中一个阈值条件或两个条件均不满足，则判断为该断面在该年份的时段内不会发生河道出汊。
6.一种基于多源数据融合的河口尾闾段出汊预测装置，其特征在于，包括：
遥感影像处理部，基于长序列的遥感影像，合成遥感影像中红波段、近红外及短红外波段，其中Landsat 7采用4、5、3波段，而Landsat 8采用5、6、4波段，然后对Landsat 7所采集的有条带的遥感影像进行修复处理，并对合成后的遥感影像进行细微调整，使得河道的水体与陆地边界更为分明；
历史出汊确定部，与所述遥感影像处理部通信相连，根据处理后的遥感影像，确定发生历史出汊的年份、时段及位置；
获取部，获取河段沿程水文、水位站的水沙资料以及各固定断面地形资料；
建模部，与所述历史出汊确定部和所述获取部均通信相连，建立适用于冲积河流河口的一维水沙数学模型；
条件给定部，与所述历史出汊确定部和所述获取部均通信相连，给定一维水沙数学模型的进、出口及河床边界条件；
流量和含沙量计算部，与所述建模部和所述条件给定部均通信相连，率定一维水沙数学模型中糙率系数，进行滩槽划分、恢复饱和系数确定和悬移质水流挟沙力计算，使水文或水位站断面的流量及含沙量随时间变化的计算值与实测值能较好地符合，从而得到研究河段各断面的流量和含沙量；
水流冲刷强度变化过程计算部，与所述流量和含沙量计算部通信相连，根据流量和含沙量，计算得到各固定断面的水流冲刷强度变化过程；
判断部，将历史出汊对应的水流冲刷强度峰值大小及达到峰值的速率作为触发河道出汊的相应阈值，根据预测的未来水沙系列及阈值判断河道出汊的可能时段和位置；以及
控制部，与所述遥感影像处理部、所述历史出汊确定部、所述获取部、所述建模部、所述条件给定部、所述流量和含沙量计算部、所述水流冲刷强度变化过程计算部、所述判断部均通信相连，控制它们的运行。
7.根据权利要求6所述的基于多源数据融合的河口尾闾段出汊预测装置，其特征在于，还包括：
输入显示部，与所述遥感影像处理部、所述历史出汊确定部、所述获取部、所述建模部、所述条件给定部、所述流量和含沙量计算部、所述水流冲刷强度变化过程计算部、所述判断部、所述控制部均通信相连，用于让用户输入操作指令，并显示出相应的信息。
8.根据权利要求7所述的基于多源数据融合的河口尾闾段出汊预测装置，其特征在于：
其中，所述输入显示部根据所述历史出汊确定部的信息，在地图上显示出发生历史出汊的年份、时段及位置；
所述输入显示部根据所述流量和含沙量计算部的信息，显示出包含研究河段各固定断面的流量和含沙量的水情分布图；
所述输入显示部根据所述水流冲刷强度变化过程计算部的信息，显示出各固定断面的水流冲刷强度变化过程图；
所述输入显示部根据所述判断部的信息，显示出河道出汊的可能时段和位置。
CN202010634819.9A 2020-07-03 2020-07-03 基于多源数据融合的河口尾闾段出汊预测方法及装置 Active CN111898250B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010634819.9A CN111898250B (zh) 2020-07-03 2020-07-03 基于多源数据融合的河口尾闾段出汊预测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010634819.9A CN111898250B (zh) 2020-07-03 2020-07-03 基于多源数据融合的河口尾闾段出汊预测方法及装置

Publications (2)

Publication Number Publication Date
CN111898250A CN111898250A (zh) 2020-11-06
CN111898250B true CN111898250B (zh) 2022-03-15

Family

ID=73191477

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010634819.9A Active CN111898250B (zh) 2020-07-03 2020-07-03 基于多源数据融合的河口尾闾段出汊预测方法及装置

Country Status (1)

Country Link
CN (1) CN111898250B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112595489B (zh) * 2020-11-26 2022-12-06 黄河勘测规划设计研究院有限公司 一种河道动态输沙能力计算方法与系统
CN112669237B (zh) * 2020-12-31 2022-09-20 同济大学 一种Landsat 7 SLC-off条带修复方法
CN112967308B (zh) * 2021-02-26 2023-09-19 湖南南方水利水电勘测设计院有限公司 一种双极化sar影像的水陆边界提取方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007063849A (ja) * 2005-08-31 2007-03-15 Toshiba Corp 河川水位予測モデル作成方法、河川水位予測装置及び河川水位予測モデル作成プログラム
CN106372375A (zh) * 2016-10-26 2017-02-01 武汉大学 水库下游两级分汊河道汊河分流比变化的预测方法
CN110287571A (zh) * 2019-06-18 2019-09-27 天津大学 一种河流险工冲刷安全分析与岸坡稳定性判定方法
CN110414742A (zh) * 2019-08-02 2019-11-05 大连海事大学 一种多水位站联动的内河水位智能预测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102409634B (zh) * 2011-09-23 2013-06-19 武汉大学 冲积河流崩岸预警方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007063849A (ja) * 2005-08-31 2007-03-15 Toshiba Corp 河川水位予測モデル作成方法、河川水位予測装置及び河川水位予測モデル作成プログラム
CN106372375A (zh) * 2016-10-26 2017-02-01 武汉大学 水库下游两级分汊河道汊河分流比变化的预测方法
CN110287571A (zh) * 2019-06-18 2019-09-27 天津大学 一种河流险工冲刷安全分析与岸坡稳定性判定方法
CN110414742A (zh) * 2019-08-02 2019-11-05 大连海事大学 一种多水位站联动的内河水位智能预测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Morphological adjustment of the Qingshuigou channel on the Yellow River Delta and factors controlling its avulsion;Zheng S 等;《Catena》;20180321;第44-55页 *
黄河尾闾段一维耦合水沙数学模型研究及其应用;杨卓媛 等;《湖泊科学》;20191231;第31卷(第6期);第1726-1737页 *

Also Published As

Publication number Publication date
CN111898250A (zh) 2020-11-06

Similar Documents

Publication Publication Date Title
CN111898250B (zh) 基于多源数据融合的河口尾闾段出汊预测方法及装置
CN112883644B (zh) 一种动态水环境管理方法
CN108597189B (zh) 基于临界雨量的分布式中小流域地质灾害及洪水预警方法
CN105160193B (zh) 一种基于动力过程的泥石流动态风险分析系统及方法
CN109658695A (zh) 一种多因素的短时交通流预测方法
CN106682317A (zh) 上下游边界共同控制下河段平滩流量预测模型的构建方法
CN110646867A (zh) 一种城市排水监测预警方法和系统
CN113762618B (zh) 一种基于多因子相似分析的湖泊水位预报方法
CN104392111A (zh) 基于水位样本的洪水预报方法
CN112686426B (zh) 一种基于水电站流域关键点的来水量预警方法及系统
CN110598352B (zh) 一种流域来水的预报方法
CN112528563B (zh) 一种基于svm算法的城市内涝预警方法
CN113505471A (zh) 一种河流断面污染物浓度预测计算方法
CN115186858A (zh) 基于不同影响类型的变电站洪水淹没风险预警方法及系统
CN105005833A (zh) 水电梯级开发对流域生态安全影响的评价方法
CN112215504A (zh) 一种闸控重污染小流域污染物通量观测方法
CN115188163A (zh) 一种基于暴雨与洪水相似性的洪水预警方法及系统
CN116306340A (zh) 一种模拟不同工况下的城市内涝风险分布的方法
CN115730739A (zh) 一种基于lstm神经网络的城市内涝积水预测方法
CN117491585A (zh) 基于时序网络的水生态污染监测方法及装置、系统
CN114819322B (zh) 湖泊入湖流量的预报方法
CN109816154A (zh) 一种小流域山洪预报方法
Zakizadeh et al. Impact of climate change on surface runoff: a case study of the Darabad River, northeast of Iran
CN113792367B (zh) 基于PySWMM的排水系统多来源入流入渗和出渗量动态估算方法
CN112800622B (zh) 一种河道过水断面面积快速计算方法及系统

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