CN112734920A - 一种能够提升水文模型模拟准确性的高山流域水文计算单元划分方法 - Google Patents
一种能够提升水文模型模拟准确性的高山流域水文计算单元划分方法 Download PDFInfo
- Publication number
- CN112734920A CN112734920A CN202110024602.0A CN202110024602A CN112734920A CN 112734920 A CN112734920 A CN 112734920A CN 202110024602 A CN202110024602 A CN 202110024602A CN 112734920 A CN112734920 A CN 112734920A
- Authority
- CN
- China
- Prior art keywords
- hydrological
- model
- dividing
- calculation unit
- sub
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000004364 calculation method Methods 0.000 title claims abstract description 51
- 238000004088 simulation Methods 0.000 title claims abstract description 25
- 238000012795 verification Methods 0.000 claims abstract description 26
- 230000008859 change Effects 0.000 claims abstract description 18
- 230000008569 process Effects 0.000 claims abstract description 16
- 238000011160 research Methods 0.000 claims abstract description 5
- 238000000638 solvent extraction Methods 0.000 claims abstract description 4
- 230000000694 effects Effects 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000011835 investigation Methods 0.000 claims description 4
- KHOITXIGCFIULA-UHFFFAOYSA-N Alophen Chemical compound C1=CC(OC(=O)C)=CC=C1C(C=1N=CC=CC=1)C1=CC=C(OC(C)=O)C=C1 KHOITXIGCFIULA-UHFFFAOYSA-N 0.000 claims description 3
- 238000007476 Maximum Likelihood Methods 0.000 claims description 3
- 238000012790 confirmation Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000005457 optimization Methods 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 13
- 230000004044 response Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 241000288726 Soricidae Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种能够提升水文模型模拟准确性的高山流域水文计算单元划分方法,首先将水文流域划分为几个子流域并基于数据集将流域划分为多个流域水文计算单元，并通过植被变化获得多期流域水文计算单元数据，然后对对流域水文计算单元的子流域和多期水文计算单元数据“相交”处理，并将处理结果作为基本计算单位；最后通过模型验证操作确认和优化划分方法。本发明以分布式水文模型为工具，考虑到不同时期的山地植被带对水循环过程的影响，对模型进行了有针对性的改进，优化了青藏高原的垂直循环过程模拟,为分布式水文模型的研究和实用提供了新的技术思路和应用方向。
Description
技术领域
本发明涉及水文地理技术领域，尤其是一种通过计算模型优化提升水文模型模拟准确性的方法。
背景技术
随着气候变化的影响，全球水循环的时空分布也发生了变化。平均海拔超过4,000m的青藏高原是气候变化的敏感地区。冰川，积雪，湖泊，多年冻土和特殊地形分布广泛，这使得对青藏高原的研究变得困难。因此，目前广泛使用分布式水文模型来研究水循环演化特征，它可以显示流域的水循环要素。然而，传统的分布式水文模型很难满足青藏高原的复杂水循环过程。如何有效地识别典型数据缺乏地区的气候变化对水循环的影响是水文模型的一个方向。
水文模型计算的基本计算单元由网格或其他计算单元组成。网格计算适用于中小型流域，而计算单元(如水文响应单元)则适用于较大的流域，它显示了水循环过程水平方向的空间异质性。以SWAT模型为例，水文响应单元根据坡度、土壤和植被进行划分。但是，这种划分单元的方法没有考虑气候变化对其的影响。在气候变化的背景下，青藏高原处于逐渐暖湿化的状态，高原植被也因此在不断变化中。因此，应在水文模型的计算中考虑气候变化对高原植被的影响。
青藏高原作为一个独特的地理单元，依靠当地的水、温度、阳光和土壤养分等决定了青藏高原中植被的分布情况。由于青藏高原地形复杂，区域植被具有空间分异和垂直地带性等特征。有学者指出，山区气候的垂直变化速度比平原地区高1000倍。因此，在模型中改进中需考虑山地植被带与气候变化之间的关系。
发明内容
本发明要解决的技术问题是提供一种能够提升水文模型模拟准确性的高山流域水文计算单元划分方法。
为解决上述技术问题，本发明所采取的技术方案如下。
一种能够提升水文模型模拟准确性的高山流域水文计算单元划分方法，该方法首先将水文流域划分为若干子流域，并通过植被变化获得多期流域植被变化数据，然后对流域的子流域和多期植被变化数据分别进行“相交”处理，并将处理结果作为基本计算单单元，该单元通过重新编码完成参数传递，所述编码取决于单元的平均海拔高度；在子流域内，参数从海拔较高处向海拔较低处进行传递，并进一步传递到子流域出口；最后通过模型验证和率定过程确认化上述划分方法。
作为本发明的一种优选技术方案，将水文流域划分为几个子流域时以研究目的为首要划分依据。
作为本发明的一种优选技术方案，将水文流域划分为几个子流域的划分方法包括Horton，Strahler，Shreve和Pfafstetter方法，或基于DEM的子流域划分方法。
作为本发明的一种优选技术方案，所述数据集的获取方法为：直接采用现有数据集、通过遥感技术获得数据集、通过野外调查获得数据集。
作为本发明的一种优选技术方案，对流域的子流域和多期植被变化数据分别进行“相交”处理时，基于气候变化因素的影响和流域水文计算单元不同时期的差异，得到不同的计算单元。
作为本发明的一种优选技术方案，所述模型验证操作包括模型选择、植被垂直带获取、模型评价和验证操作。
作为本发明的一种优选技术方案，所述模型选择的标准为：模型能够对参数进行测量或计算，能够将空间离散成小流域，能够反映流域水文过程的空间变异性，能够建立了小流域之间的拓扑关系；能够基于海拔高度的影响将小流域划分为若干个等高带，并允许小流域的嵌套等高带作为最小计算单元；最后基于水文计算单元划分方法对选定模型进行改进。
作为本发明的一种优选技术方案，所述植被垂直带获取，通过现场调查和遥感观测对植被垂直带进行划分，或基于监督分类中的最大似然监督分类提取植被垂直带。
作为本发明的一种优选技术方案，所述模型评价包括定量验证标准和定性验证方式；所述定量验证标准采用Nash效率系数和相关系数方法；纳什效率系数和均方根误差分别定义为：
其中，Nash是纳什效率系数；Qoi是观测到的径流；Qsi是模拟径流；
是观测到的径流的平均值；Rm均方根误差是模拟值和观测值之差的平方根的均方根。
作为本发明的一种优选技术方案，在验证操作中，通过模型模拟效果、Nash值等对改进模型的有效性和模拟效率进行评价，实现对于水文计算单元划分方法的确认和优化反馈。
采用上述技术方案所产生的有益效果在于：本发明充分考虑了人与生物圈数和气候变化的计算单元对水文模型进行准确合理模拟的关键作用，以分布式水文模型为工具，考虑到不同时期的山地植被带对水循环过程的影响，对模型进行了有针对性的改进，优化了青藏高原的垂直循环过程模拟。本发明提供的方法为分布式水文模型的研究和实用提供了新的技术思路和应用方向。
通过模型验证确认，改进模型的模拟效果得到了提高；WEP-C模型的模拟效果良好，Nash值为0.80-0.81(校准)和0.78-0.81(验证)，R2值为0.90-0.92(校准)和0.89-0.92(验证)。总体而言，控制站的径流验证结果表明，建立的WEP-C模型可以有效地描述高山源区的宏观水循环过程。改进后的模型对那曲流域上游和下游站点径流过程的模拟效果同步性得到改善，表明改进后的模型对高寒源区垂直水循环过程的模拟效率得到了提高。
附图说明
图1是实施例1中水文计算单元的划分示意图。
图2是实施例2中模型验证效果图。
具体实施方式
以下实施例详细说明了本发明。本发明所使用的各种原料及各项设备均为常规市售产品，均能够通过市场购买直接获得。
在以下实施例的描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
实施例1、水文计算单元的划分
水文计算单元的划分分为以下四个步骤：
1.根据研究需要将该流域分为几个子流域。最常见的子流域划分方法是Horton，Strahler，Shreve和Pfafstetter方法或基于DEM的子流域划分方法(图1(a))。
2.我们通过现有数据集或使用遥感或野外调查将流域划分为多个流域水文计算单元，并通过植被变化获得多期流域水文计算单元数据(图1(b))。
3.对流域水文计算单元的分水岭和多期进行相交处理，并将处理结果作为计算单元(图1(c))。受气候变化等因素影响，流域水文计算单元的不同时期不同，因此计算单元也将不同。
4.子流域中的计算单元需要重新编码以完成参数传递，并且编码基于计算单元的平均高度。在子流域内，参数总是从高空计算单元传递到低空计算单元，然后传递到子流域出口。
实施例2、改进模型验证操作
所述模型验证操作包括模型选择、植被垂直带获取、模型评价和验证操作。
1、模型选择
WEP-L模型是一种具有物理机制的分布式水文模型，可以对参数进行测量或计算。WEP-L将空间离散成小流域，以反映流域水文过程的空间变异性，并建立了小流域之间的拓扑关系。在此基础上，考虑到海拔高度的影响，将小流域划分为几个等高带，而小流域的嵌套等高带是WEP-L的最小计算单元。因此，WEP-L模型是研究人与生物圈效应的理想模型。改进模型(记为WEP-C)的垂直结构和平面结构中的信道收敛计算与WEP-L模型相同。
2、植被垂直带获取
对于植被垂直带的划分，主要方法是现场调查，专家经验和遥感。其中，遥感是一种更普遍的方法。本专利主要基于监督分类中的最大似然监督分类，提取植被垂直带。
3、模型评价
通过定量验证标准(例如Nash效率系数和相关系数)以及定性验证对模型进行验证：
(1)纳什效率系数
其中，Nash是纳什效率系数；Qoi是观测到的径流；Qsi是模拟径流；
是观测到的径流的平均值。
(2)均方根误差
其中，Rm均方根误差是模具值和观测值之差的平方根的均方根。
4、验证
参见附图2，改进模型的模拟效果得到了一定程度的提高。WEP-C模型的模拟效果良好，Nash值为0.80-0.81(校准)和0.78-0.81(验证)，R2值为0.90-0.92(校准)和0.89-0.92(验证)。总体而言，控制站的径流验证结果表明，建立的WEP-C模型可以有效地描述高山源区的宏观水循环过程。改进后的模型对那曲流域上游和下游站点径流过程的模拟效果同步性得到改善，表明改进后的模型对高寒源区垂直水循环过程的模拟效率得到了提高。
以上所述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，均应包含在本发明的保护范围之内。
Claims (10)
1.一种能够提升水文模型模拟准确性的高山流域水文计算单元划分方法，其特征在于：该方法首先将水文流域划分为几个子流域并基于数据集将流域划分为多个流域水文计算单元，并通过植被变化获得多期流域水文计算单元数据，然后对流域水文计算单元的子流域和多期水文计算单元数据“相交”处理，并将处理结果作为计算单位，通过重新编码以完成参数传递，所述编码基于计算单元的平均海拔高度完成；在子流域内，参数从高海拔计算单元传递到低海拔计算单元，并进一步传递到子流域出口；最后通过模型验证操作确认和优化上述划分方法。
2.根据权利要求1所述的一种能够提升水文模型模拟准确性的高山流域水文计算单元划分方法，其特征在于：将水文流域划分为几个子流域时以研究目的为首要划分依据。
3.根据权利要求1所述的一种能够提升水文模型模拟准确性的高山流域水文计算单元划分方法，其特征在于：将水文流域划分为几个子流域的划分方法包括Horton，Strahler，Shreve和Pfafstetter方法，或基于DEM的子流域划分方法。
4.根据权利要求1所述的一种能够提升水文模型模拟准确性的高山流域水文计算单元划分方法，其特征在于：所述数据集的获取方法为：直接采用现有数据集、通过遥感技术获得数据集、通过野外调查获得数据集。
5.根据权利要求1所述的一种能够提升水文模型模拟准确性的高山流域水文计算单元划分方法，其特征在于：对流域水文计算单元子流域和多期水文计算单元数据相交处理时，基于气候变化因素的影响和流域水文计算单元不同时期的差异，得到不同的计算单位。
6.根据权利要求1所述的一种能够提升水文模型模拟准确性的高山流域水文计算单元划分方法，其特征在于：所述模型验证操作包括模型选择、植被垂直带获取、模型评价和验证操作。
7.根据权利要求6所述的一种能够提升水文模型模拟准确性的高山流域水文计算单元划分方法，其特征在于：所述模型选择的标准为：模型能够对参数进行估计或计算，能够将空间离散成小流域，能够反映流域水文过程的空间变异性，能够建立了子流域之间的拓扑关系；能够基于海拔高度的影响将流域划分为若干个等高带，并允许子流域嵌套等高带作为最小计算单位；最后基于水文计算单元划分方法对选定模型进行改进。
8.根据权利要求6所述的一种能够提升水文模型模拟准确性的高山流域水文计算单元划分方法，其特征在于：所述植被垂直带获取，通过现场调查和遥感观测对植被垂直带进行划分，或基于监督分类中的最大似然监督分类提取植被垂直带。
9.根据权利要求6所述的一种能够提升水文模型模拟准确性的高山流域水文计算单元划分方法，其特征在于：所述模型评价包括定量验证标准和定性验证方式；所述定量验证标准采用Nash效率系数和相关系数方法；纳什效率系数和均方根误差分别定义为：
其中，Nash是纳什效率系数；Qoi是观测到的径流；Qsi是模拟径流；
是观测到的径流的平均值；Rm均方根误差是模拟值和观测值之差的平方根的均方根。
10.根据权利要求6所述的一种能够提升水文模型模拟准确性的高山流域水文计算单元划分方法，其特征在于：在验证操作中，通过模型模拟效果、Nash值等对改进模型的有效性和模拟效率进行评价，实现对于水文计算单元划分方法的确认和优化反馈。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110024602.0A CN112734920A (zh) | 2021-01-08 | 2021-01-08 | 一种能够提升水文模型模拟准确性的高山流域水文计算单元划分方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110024602.0A CN112734920A (zh) | 2021-01-08 | 2021-01-08 | 一种能够提升水文模型模拟准确性的高山流域水文计算单元划分方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112734920A true CN112734920A (zh) | 2021-04-30 |
Family
ID=75591433
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110024602.0A Pending CN112734920A (zh) | 2021-01-08 | 2021-01-08 | 一种能够提升水文模型模拟准确性的高山流域水文计算单元划分方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112734920A (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102419788A (zh) * | 2010-12-16 | 2012-04-18 | 南京大学 | 基于渗蓄一体化动态产流机制的分布式水文模型的设计方法 |
| CN107330086A (zh) * | 2017-07-04 | 2017-11-07 | 中国科学院新疆生态与地理研究所 | 一种提高无资料高海拔流域水文过程模拟精度的方法 |
| CN107330279A (zh) * | 2017-07-05 | 2017-11-07 | 贵州省草业研究所 | 一种高海拔多年冻土区植被类型预测方法 |
| CN107463730A (zh) * | 2017-07-04 | 2017-12-12 | 河海大学 | 一种考虑土地利用时空演变的径流变化归因识别方法 |
| CN108133310A (zh) * | 2017-12-11 | 2018-06-08 | 中国水利水电科学研究院 | 一种人类活动和气候变化对河川径流影响的综合评估方法 |
| CN108520116A (zh) * | 2018-03-22 | 2018-09-11 | 山东省环境规划研究院 | 一种基于环境风险的陆域保护区划分方法 |
| CN108564243A (zh) * | 2018-02-09 | 2018-09-21 | 中国水利水电科学研究院 | 一种江河源区生态保护修复的水资源效应定量评估方法 |
| CN110598242A (zh) * | 2019-07-24 | 2019-12-20 | 浙江大学 | 一种新的基于网格化流域和分类率定的水文模型 |
| CN110674467A (zh) * | 2019-09-24 | 2020-01-10 | 水利部交通运输部国家能源局南京水利科学研究院 | 基于swat模型的水文过程对气候变化的响应监测方法 |
-
2021
- 2021-01-08 CN CN202110024602.0A patent/CN112734920A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102419788A (zh) * | 2010-12-16 | 2012-04-18 | 南京大学 | 基于渗蓄一体化动态产流机制的分布式水文模型的设计方法 |
| CN107330086A (zh) * | 2017-07-04 | 2017-11-07 | 中国科学院新疆生态与地理研究所 | 一种提高无资料高海拔流域水文过程模拟精度的方法 |
| CN107463730A (zh) * | 2017-07-04 | 2017-12-12 | 河海大学 | 一种考虑土地利用时空演变的径流变化归因识别方法 |
| CN107330279A (zh) * | 2017-07-05 | 2017-11-07 | 贵州省草业研究所 | 一种高海拔多年冻土区植被类型预测方法 |
| CN108133310A (zh) * | 2017-12-11 | 2018-06-08 | 中国水利水电科学研究院 | 一种人类活动和气候变化对河川径流影响的综合评估方法 |
| CN108564243A (zh) * | 2018-02-09 | 2018-09-21 | 中国水利水电科学研究院 | 一种江河源区生态保护修复的水资源效应定量评估方法 |
| CN108520116A (zh) * | 2018-03-22 | 2018-09-11 | 山东省环境规划研究院 | 一种基于环境风险的陆域保护区划分方法 |
| CN110598242A (zh) * | 2019-07-24 | 2019-12-20 | 浙江大学 | 一种新的基于网格化流域和分类率定的水文模型 |
| CN110674467A (zh) * | 2019-09-24 | 2020-01-10 | 水利部交通运输部国家能源局南京水利科学研究院 | 基于swat模型的水文过程对气候变化的响应监测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108664647B (zh) | 一种集成水环境模型的流域精细化管理系统 | |
| Wolock et al. | Comparison of single and multiple flow direction algorithms for computing topographic parameters in TOPMODEL | |
| CN110598290B (zh) | 考虑气候变化的流域未来水电发电能力预测方法和系统 | |
| CN109558973B (zh) | 一种水质与水生态一体化预警系统、控制设备和存储介质 | |
| CN109815305A (zh) | 一种无资料地区场次洪水径流过程反演的方法 | |
| CN108022047A (zh) | 一种海绵城市水文计算方法 | |
| Petheram et al. | Rainfall–runoff modelling in northern Australia: A guide to modelling strategies in the tropics | |
| CN101614651A (zh) | 一种土壤水分监测的数据同化方法 | |
| CN108053049B (zh) | 一种基于Budyko理论的水文随机插值径流预测方法 | |
| CN103942408A (zh) | 黄土高原中尺度流域年侵蚀产沙模型计算方法 | |
| Adib et al. | Comparison between characteristics of geomorphoclimatic instantaneous unit hydrograph be produced by GcIUH based Clark Model and Clark IUH model | |
| CN108491974B (zh) | 一种基于集合卡尔曼滤波的洪水预报方法 | |
| Aduah et al. | Assessing suitability of the ACRU hydrological model in a rainforest catchment in Ghana, West Africa | |
| Zhang et al. | Building channel networks for flat regions in digital elevation models | |
| Zhao et al. | Estimation of root zone storage capacity at the catchment scale using improved Mass Curve Technique | |
| Abbas et al. | Uncertainty analysis of runoff and sedimentation in a forested watershed using sequential uncertainty fitting method | |
| Wei et al. | Data mining methods for hydroclimatic forecasting | |
| Yurova et al. | Using soil hydromorphy degree for adjusting steady-state water table simulations along catenas in semiarid Russia | |
| CN116861298A (zh) | 一种无资料地区的流域水文模型参数估计方法 | |
| CN112734920A (zh) | 一种能够提升水文模型模拟准确性的高山流域水文计算单元划分方法 | |
| CN114547531B (zh) | 一种城市不透水面有效性量化方法 | |
| Karimi et al. | Evaluating the effects of alternative model structures on dynamic storage simulation in heterogeneous boreal catchments | |
| CN110532672A (zh) | 基于时频耦合模拟的流域面源污染优先控制区识别方法 | |
| CN106980764B (zh) | 一种通用的直接利用遥感蒸发的水文模拟方法 | |
| Guo et al. | Estimation of daily evapotranspiration in gully area scrub ecosystems on Loess Plateau of China based on multisource observation data |
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 |