CN112785024A - 一种基于流域水文模型的径流计算和预测方法 - Google Patents
一种基于流域水文模型的径流计算和预测方法 Download PDFInfo
- Publication number
- CN112785024A CN112785024A CN201911088974.9A CN201911088974A CN112785024A CN 112785024 A CN112785024 A CN 112785024A CN 201911088974 A CN201911088974 A CN 201911088974A CN 112785024 A CN112785024 A CN 112785024A
- Authority
- CN
- China
- Prior art keywords
- runoff
- data
- river
- watershed
- model
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000004364 calculation method Methods 0.000 title claims abstract description 23
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 35
- 238000004088 simulation Methods 0.000 claims abstract description 31
- 230000004044 response Effects 0.000 claims abstract description 20
- 230000008569 process Effects 0.000 claims abstract description 14
- 239000002689 soil Substances 0.000 claims description 34
- 238000009826 distribution Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 7
- 230000008020 evaporation Effects 0.000 claims description 7
- 238000001704 evaporation Methods 0.000 claims description 7
- 239000003673 groundwater Substances 0.000 claims description 6
- 206010020852 Hypertonia Diseases 0.000 claims description 4
- 229920006395 saturated elastomer Polymers 0.000 claims description 4
- 230000004907 flux Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000003860 storage Methods 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- 238000012544 monitoring process Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000013277 forecasting method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000012466 permeate Substances 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000009991 scouring Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06Q10/04—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
- 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
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Entrepreneurship & Innovation (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Alarm Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于流域水文模型的径流计算和预测方法，建立流域水文模型，构建特征区域基础流域数据库；根据不同的特征区域基础流域数据，划分水文响应单元；输入本地化的模型数据，进行相关数据模拟；确定流域水文模型的模型参数；验证流域水文模型的正确性；向流域水文模型中输入未来气候情景下流域内的气象数据，并对水文响应单元内的河流径流量进行预测。本发明考虑了流域内整个产汇流过程，通过输入流域的气候数据、流域数据和土地利用数据，模拟整个流域的水流运动过程，可以很好的应用于流域河流径流的模拟，是一种降雨径流计算快、程序响应迅速的降雨径流和降雨径流预测方法。
Description
技术领域
本发明涉及降雨产生径流模拟技术领域，更具体地说涉及一种基于流域水文模型的径流计算和预测方法。
背景技术
降雨是流域内面源污染产生的主要驱动力。随着降雨冲刷，往往易于形成污染物浓度较高的地表径流，雨水径流污染则会直接排入受纳水体，导致水环境污染负荷加剧。流域水文模型有助于研究降雨径流和污染物的冲刷规律，进一步控制降雨径流的面源污染负荷输入。因此，降雨径流关系的模拟一直是水文分析的重点研究领域之一。
降雨径流模拟的研究发展已久，传统的方法多采用水文学的概念性降雨径流模型进行模拟。由于计算机、遥感和地理信息系统等技术的发展，流域的空间化信息，如地形、土壤和植被类型等，更容易被获取，从而导致分布式水文模型的出现，并成为当今水文科学的重点研究方向。
分布式降雨径流模型可以很好的应用于流域内河流径流的模拟，有效预报流域径流过程。然而，目前分布式水文模型多计算过程复杂，模型响应缓慢。
发明内容
本发明克服了现有技术中的不足，现有的分布式水文模型多计算过程复杂，模型响应缓慢，提供了一种基于流域水文模型的径流计算和预测方法，本发明考虑了流域内整个产汇流过程，通过输入流域的气候数据、流域数据和土地利用数据，模拟整个流域的水流运动过程，可以很好的应用于流域河流径流的模拟，是一种降雨径流计算快、程序响应迅速的降雨径流和降雨径流预测方法。
本发明的目的通过下述技术方案予以实现。
一种基于流域水文模型的径流计算和预测方法，按照下述步骤进行：
步骤1，建立流域水文模型，构建特征区域基础流域数据库；
特征区域基础流域数据库中的数据包括DEM(Digital Elevation Model)高程数据、河网数据、土地利用数据、水文数据和气象数据，如降雨和气温；
步骤2，根据不同的特征区域基础流域数据，划分水文响应单元；
建立特征区域基础流域数据库后，首先，利用DEM高程数据提取流域河网分布，再根据河网分布进行子流域的划分，确定子流域的流域边界和流域面积；根据不同土地利用分布情况，进一步划分水文响应单元，流域水文模型模拟在降雨和蒸发驱动下,子流域的地表、土壤、地下等径流传输过程，包括植被拦截、土壤蓄水、地表径流以及土壤对地下水的补给等。
具体过程如下：首先，来自天然降雨的水分渗透地表，土壤饱和后部分停留在地表形成径流，部分水分由于蒸发作用进入大气，部分水分进入土壤层中，最后，剩余水分则就近汇入河流中；土壤层中的一部分水分由于蒸发作用进入大气，一部分水分进入地下水层中，余下的水分则汇入河流中；地下水层的水分也将渗透地表汇入河流。
步骤3，输入本地化的模型数据；
完成水文响应单元的划分后，需要将气象数据以及历史径流实测值输入流域水文模型，接着利用流域水文模型进行水文模拟；
流域水文模型模拟了在降雨和蒸发驱动下流域内地表径流、土壤流、地下径流的总量。
式中，qsoil,qgw,qquick分别表示壤中流、地下水流和地表径流总量(m3/s)；As表示子流域流域面积(km2)；
表示各子流域第j个土地利用类型的面积；ε表示基流指数。
步骤4，确定流域水文模型的模型参数；
计算壤中流的产流量，公式如下：
式中，Reff表示水文有效降雨通量(m3/s/km2)；qsoil,out表示壤中流和饱和过度的水量(m3/s/km2)，Tquick表示快速流汇流时间常数(day)。
快速流包括超渗地面径流(qinf，m3/s/km2)以及饱和地面径流(qsat，m3/s/km2)，快速流的产流量计算公式如下：
qinf＝Finf(Reff-I) (6)
qsat＝qsoil,out-qsoil,max (8)
式中，qquick表示快速流流量(m3/s/km2)；Tqucik表示快速流汇流时间常数(day)；qsoil,max表示壤中流饱和过度的水量限值(m3/s/km2)；Finf表示超渗系数，无量纲；I表示超渗速率(m3/s/km2)。
式中，qgw表示地下流流量(m3/s/km2)；Tgw表示地下水汇流时间常数(day)。
河流流速与流至下游河流的径流量关系如下：
式中，qreach,out表示流至下游河流的径流量(m3/s)；a表示水流流速与河流流量之间的关系参数，m-2；b表示水流流速与河流流量之间的关系参数，无量纲；v表示河流流速(m3/s)。
步骤5，验证流域水文模型的正确性；
为了对模拟径流数据进行验证，采用水文过程模拟常用的2个指标评价流域水文模型在模拟中的适用程度，分别为相关系数(R2)、Nash-Sutcliffe效率系数(N-S系数)。
其具体计算公式如下：
式中Qm为观测值(m3/s)；Qs为模拟值(m3/s)；Qma为某时间段内观测值的平均值(m3/s)；Qsa为模拟值的平均值(m3/s)；n为时间长度。两个相关系数值R2越接近1，表明流域水文模型模拟值越接近实测值；N-S系数值取值为负无穷至1，N-S值接近1，表示模拟值越接近观测值，流域水文模型可信度高；N-S值接近0，表示模拟结果接近观测值的平均值水平，即总体结果可信，但过程模拟存在一定误差；如果N-S值远远小于0，则认为流域水文模型结果是不可信的。
步骤6，向流域水文模型中输入未来气候情景下流域内的气象数据，并对水文响应单元内的河流径流量进行预测；
输入全球区域气候模式下未来气候情景的降雨和气温数据，可以实现对降雨径流的情景预报，即能估算未来气候变化下水文响应单元内的河流径流量的变化情况。
本发明的有益效果为：与现有技术相比，本发明充分利用了能反映河流径流的气象数据资料，模拟降雨径流过程，适用于大小流域内河流径流的模拟计算，模型准确度高，可应用范围广，计算速度快，为河流径流的计算提供了新思路；同时，本发明还能够进行降雨径流的情景预报，能够估算未来气候变化下河流径流的变化情况。
附图说明
图1为本发明方法的流程图；
图2为实施例研究区的DEM数字高程模型示意图；
图3为实施例研究区的不同土地利用类型分布图；
图4为本发明模型提供的降雨径流过程图；
图5为实施例气象实测数据的监测站点分布示意图；
图6为实施例逐日流量模拟的校准和验证曲线图；
图7为实施例对未来气候情景(RCP2.6、RCP4.5和RCP8.5)下河流径流量的模拟图。
具体实施方式
下面通过具体的实施例对本发明的技术方案作进一步的说明。
一种基于流域水文模型的径流计算和预测方法，按照下述步骤进行：
步骤1，建立基础流域数据库；
本案例选择我国东北地区的松花江流域作为实例分析。松花江流域的DEM高程数据如图2所示，土地利用数据及河网分布如图3所示，气象数据(降雨和气温)的监测站点分布如图5所示。
步骤2，划分水文响应单元；
建立了基础流域数据库后，首先利用DEM高程数据生成流域河网，并对流域总出口进行界定；再根据河网分布进行子流域的划分，将研究区划分为三个子流域，分别是：第二松花江流域、嫩江流域及松花江流域(三岔口以下)，内各子流域基本数据特征见下表；在子流域的基础上，再根据不同土地利用分布情况，将流域划分为不同的水文响应单元。
表1松花江流域内各子流域基本数据特征
步骤3，输入模型数据；
完成水文响应单元的划分后，需要基础数据输入模型，再利用模型进行水文模拟。模型输入数据主要分为地形高程(DEM)、河流水系、土地利用类型、降雨和气温以及历史径流实测四类数据。
(1)地形数据(DEM)空间分布数据来源于美国奋进号航天飞机的雷达地形测绘SRTM(Shuttle Radar Topography Mission，SRTM)数据(图2)；
(2)水系数据由生成的DEM数据应用ArcGIS软件提取，并根据松花江流域水系图片修正获得；
(3)土地利用类型数据由遥感监测数据集(CNLUCC)是以美国陆地卫星Landsat遥感影像数据作为主信息源，通过人工目视解译获取，并根据不同类型的面积及其对产流贡献,选取了耕地、林草地、水域以及其他用地共4种类型(图3)；
(4)降水和气温数据选取流域内46个国家气象监测站(图5)2006-2017年逐日实测数据；
模型模拟了在降雨和蒸发驱动下流域内地表径流、土壤流、地下径流的总量。
式中，qsoil,qgw,qquick分别表示壤中流，地下水流和地表径流总量(m3/s)；As表示子流域流域面积(km2)；
表示各子流域第j个土地利用类型的面积；ε表示基流指数。
步骤4，确定模型参数；
计算壤中流的产流量，公式如下
式中，Reff表示水文有效降雨通量(m3/s/km2)；qsoil,out表示壤中流和饱和过度的水量(m3/s/km2)，Tquick表示快速流汇流时间常数(day)。
优选的，Tsoil(耕地)＝4d；Tsoil(林草地)＝2d；Tsoil(水域)＝4d；Tsoil(其他用地)＝4d。
快速流产流包括超渗地面径流(qinf，m3/s/km2)产流和饱和地面径流(qsat，m3/s/km2)产流，快速流的产流量计算公式如下：
qinf＝Finf(Reff-I) (6)
qsat＝qsoil,out-qsoil,max (8)
式中，qquick表示快速流流量(m3/s/km2)；Tqucik表示快速流汇流时间常数(day)；qsoil,max表示壤中流饱和过度水量的限值(m3/s/km2)；Finf表示超渗系数，无量纲；I表示超渗速率(m3/s/km2)；Imax表示最大超渗速率(mm/day)。
优选的，Tquick(耕地)＝1d，Tquick(林草地)＝1d，Tquick(水域)＝1d，Tquick(其他用地)＝1d；Imax(耕地)＝100mm/day，Imax(林草地)＝100mm/day，Imax(水域)＝100mm/day，Imax(其他用地)＝100mm/day。
式中，qgw表示地下流流量(m3/s/km2)；Tgw表示地下水汇流时间常数(day)。
河流流速与流至下游河流的径流量关系如下：
优选的，ε＝0.45；Tgw(耕地)＝20d，Tgw(林草地)＝15d，Tgw(水域)＝20d，Tgw(其他用地)＝20d。
式中，qreach,out表示流至下游河流的径流量(m3/s)；a表示水流流速与河流流量之间的关系参数，m-2；b表示水流流速与河流流量之间的关系参数，无量纲；v表示河流流速(m3/s)。
优选的，第二松花江流域a＝0.012m-2，b＝0.4；嫩江流域a＝0.012m-2，b＝0.41；松花江流域(三岔口以下)a＝0.012m-2，b＝0.42。
步骤5，验证模型的正确性；
本发明中以2009-2014年作为模拟结果的验证期，用R2和N-S两个评价指标对模拟结果进行综合评价。模型在验证期的逐日模拟结果如图6所示。总体而言，在日尺度上，模拟流量方与观测值吻合较好，总体上变化趋势基本一致，模拟值与实测值汛期峰值绝对值相差较小，评价指标R2和N-S均在合理范围内。
步骤6，输入未来气候情景下流域内的气象数据，并对流域内的河流径流量进行预测；
本发明采用了第五次耦合模式国际比较计划CMIP5中在日本气候中心的全球模式MIROC驱动下进行的分辨率为256×128(经向×纬向格点数)的逐日模拟结果，包括三种RCPs(RCP2.6、RCP4.5和RCP8.5)气候情景的降雨和气温数据，选取2020/01/01-2049/12/31为未来预估时段，模拟结果见图7。
以上对本发明做了示例性的描述，应该说明的是，在不脱离本发明的核心的情况下，任何简单的变形、修改或者其他本领域技术人员能够不花费创造性劳动的等同替换均落入本发明的保护范围。
Claims (7)
1.一种基于流域水文模型的径流计算和预测方法，其特征在于：按照下述步骤进行：
步骤1，建立流域水文模型，构建特征区域基础流域数据库；
步骤2，根据不同的特征区域基础流域数据，划分水文响应单元；
步骤3，输入本地化的模型数据；
步骤4，确定流域水文模型的模型参数，进行相关数据模拟；
步骤5，验证流域水文模型的正确性；
步骤6，向流域水文模型中输入未来气候情景下流域内的气象数据，并对水文响应单元内的河流径流量进行预测。
2.根据权利要求1所述的一种基于流域水文模型的径流计算和预测方法，其特征在于：步骤1中，特征区域基础流域数据库的数据包括DEM(Digital Elevation Model)高程数据、河网数据、土地利用数据、水文数据和气象数据。
3.根据权利要求1所述的一种基于流域水文模型的径流计算和预测方法，其特征在于：步骤3中，本地化的模型数据包括气象数据以及历史径流实测值。
4.根据权利要求1所述的一种基于流域水文模型的径流计算和预测方法，其特征在于：步骤3中，相关数据包括地表径流、土壤流、地下径流的总量。
5.根据权利要求1所述的一种基于流域水文模型的径流计算和预测方法，其特征在于：流域水文模型的正确性通过相关系数(R2)和Nash-Sutcliffe效率系数(N-S系数)进行验证。
6.一种基于流域水文模型的径流计算和预测方法，其特征在于：按照下述步骤进行：
步骤1，建立流域水文模型，构建特征区域基础流域数据库；
特征区域基础流域数据库中的数据包括DEM(Digital Elevation Model)高程数据、河网数据、土地利用数据、水文数据和气象数据，如降雨和气温；
步骤2，根据不同的特征区域基础流域数据，划分水文响应单元；
建立特征区域基础流域数据库后，首先，利用DEM高程数据提取流域河网分布，再根据河网分布进行子流域的划分，确定子流域的流域边界和流域面积；根据不同土地利用分布情况，进一步划分水文响应单元，流域水文模型模拟在降雨和蒸发驱动下,子流域的地表、土壤、地下等径流传输过程，包括植被拦截、土壤蓄水、地表径流以及土壤对地下水的补给等；
步骤3，输入本地化的模型数据；
完成水文响应单元的划分后，需要将气象数据以及历史径流实测值输入流域水文模型，接着利用流域水文模型进行水文模拟；
流域水文模型模拟了在降雨和蒸发驱动下流域内地表径流、土壤流、地下径流的总量：
式中，qsoil,qgw,qquick分别表示壤中流、地下水流和地表径流总量(mm/km2)；As表示子流域流域面积；
表示各子流域第j个土地利用类型的面积；ε表示基流指数；
步骤4，确定流域水文模型的模型参数；
计算壤中流的产流量，公式如下：
式中，Reff表示水文有效降雨通量(m3/s/km2)；qsoil,out表示壤中流和饱和过度的水量(m3/s/km2)，Tquick表示快速流汇流时间常数(day)。
快速流包括超渗地面径流(qinf，m3/s/km2)以及饱和地面径流(qsat，m3/s/km2)，快速流的产流量计算公式如下：
qinf＝Finf(Reff-I)(6)
qsat＝qsoil,out-qsoil,max (8)
式中，qquick表示快速流流量(m3/s/km2)；Tqucik表示快速流汇流时间常数(day)；qsoil,max表示壤中流饱和过度的水量限值(m3/s/km2)；Finf表示超渗系数，无量纲；I表示超渗速率(m3/s/km2)。
式中，qgw表示地下流流量(m3/s/km2)；Tgw表示地下水汇流时间常数(day)。
河流流速与流至下游河流的径流量关系如下：
式中，qreach,out表示流至下游河流的径流量(m3/s)；a表示水流流速与河流流量之间的关系参数，m-2；b表示水流流速与河流流量之间的关系参数，无量纲；v表示河流流速(m3/s)；
步骤5，验证流域水文模型的正确性；
为了对模拟径流数据进行验证，采用水文过程模拟常用的2个指标评价流域水文模型在模拟中的适用程度，分别为相关系数(R2)、Nash-Sutcliffe效率系数(N-S系数)，其具体计算公式如下：
式中Qm为观测值(m3/s)；Qs为模拟值(m3/s)；Qma为某时间段内观测值的平均值(m3/s)；Qsa为模拟值的平均值(m3/s)；n为时间长度；
步骤6，向流域水文模型中输入未来气候情景下流域内的气象数据，并对水文响应单元内的河流径流量进行预测；
输入全球区域气候模式下未来气候情景的降雨和气温数据，可以实现对降雨径流的情景预报，即能估算未来气候变化下水文响应单元内的河流径流量的变化情况。
7.根据权利要求6所述的一种基于流域水文模型的径流计算和预测方法，其特征在于：在步骤5中，两个相关系数值R2越接近1，表明流域水文模型模拟值越接近实测值；N-S系数值取值为负无穷至1，N-S值接近1，表示模拟值越接近观测值，流域水文模型可信度高；N-S值接近0，表示模拟结果接近观测值的平均值水平，即总体结果可信，但过程模拟存在一定误差；如果N-S值远远小于0，则认为流域水文模型结果是不可信的。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911088974.9A CN112785024B (zh) | 2019-11-08 | 2019-11-08 | 一种基于流域水文模型的径流计算和预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911088974.9A CN112785024B (zh) | 2019-11-08 | 2019-11-08 | 一种基于流域水文模型的径流计算和预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112785024A true CN112785024A (zh) | 2021-05-11 |
| CN112785024B CN112785024B (zh) | 2023-04-07 |
Family
ID=75748450
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911088974.9A Active CN112785024B (zh) | 2019-11-08 | 2019-11-08 | 一种基于流域水文模型的径流计算和预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112785024B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114186507A (zh) * | 2021-11-19 | 2022-03-15 | 中国水利水电科学研究院 | 一种基于wep分布式水文模型的河川基流分析方法 |
| CN114528360A (zh) * | 2021-12-31 | 2022-05-24 | 青岛星邦光电科技有限责任公司 | 一种基于流速变化的流水分布快速生成方法 |
| CN114970171A (zh) * | 2022-05-31 | 2022-08-30 | 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 |
| CN115221687A (zh) * | 2022-06-22 | 2022-10-21 | 中国水利水电科学研究院 | 一种煤炭开采对河川径流影响的数值模拟方法 |
| CN115267950A (zh) * | 2022-08-26 | 2022-11-01 | 中国长江三峡集团有限公司 | 一种初期雨水量化方法、装置、存储介质及电子设备 |
| CN116932990A (zh) * | 2023-09-14 | 2023-10-24 | 南方科技大学 | 一种基于转换函数方法的水文地质参数估计方法及系统 |
| CN117172037A (zh) * | 2023-11-03 | 2023-12-05 | 长江三峡集团实业发展(北京)有限公司 | 一种分布式水文预报方法、装置、计算机设备及介质 |
| CN117669392A (zh) * | 2024-02-01 | 2024-03-08 | 自然资源部第二海洋研究所 | 一种河流营养盐通量的遥感监测方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102034001A (zh) * | 2010-12-16 | 2011-04-27 | 南京大学 | 一种以栅格为模拟单元的分布式水文模型设计方法 |
| 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 |
| 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 |
-
2019
- 2019-11-08 CN CN201911088974.9A patent/CN112785024B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102034001A (zh) * | 2010-12-16 | 2011-04-27 | 南京大学 | 一种以栅格为模拟单元的分布式水文模型设计方法 |
| 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 |
| 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 |
Non-Patent Citations (2)
| Title |
|---|
| 祁敏等: "基于SWAT模型的阿克苏河流域径流模拟", 《水土保持研究》 * |
| 薛天柱 等: "甘肃梨园河流域SWAT径流模拟与预报", 《水资源与水工程学报》 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114186507A (zh) * | 2021-11-19 | 2022-03-15 | 中国水利水电科学研究院 | 一种基于wep分布式水文模型的河川基流分析方法 |
| CN114186507B (zh) * | 2021-11-19 | 2023-01-13 | 中国水利水电科学研究院 | 一种基于wep分布式水文模型的河川基流分析方法 |
| CN114528360A (zh) * | 2021-12-31 | 2022-05-24 | 青岛星邦光电科技有限责任公司 | 一种基于流速变化的流水分布快速生成方法 |
| CN114970171A (zh) * | 2022-05-31 | 2022-08-30 | 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 |
| CN115221687A (zh) * | 2022-06-22 | 2022-10-21 | 中国水利水电科学研究院 | 一种煤炭开采对河川径流影响的数值模拟方法 |
| CN115221687B (zh) * | 2022-06-22 | 2023-06-02 | 中国水利水电科学研究院 | 一种煤炭开采对河川径流影响的数值模拟方法 |
| CN115267950A (zh) * | 2022-08-26 | 2022-11-01 | 中国长江三峡集团有限公司 | 一种初期雨水量化方法、装置、存储介质及电子设备 |
| CN116932990A (zh) * | 2023-09-14 | 2023-10-24 | 南方科技大学 | 一种基于转换函数方法的水文地质参数估计方法及系统 |
| CN116932990B (zh) * | 2023-09-14 | 2024-01-09 | 南方科技大学 | 一种基于转换函数方法的水文地质参数估计方法及系统 |
| CN117172037A (zh) * | 2023-11-03 | 2023-12-05 | 长江三峡集团实业发展(北京)有限公司 | 一种分布式水文预报方法、装置、计算机设备及介质 |
| CN117172037B (zh) * | 2023-11-03 | 2024-01-26 | 长江三峡集团实业发展(北京)有限公司 | 一种分布式水文预报方法、装置、计算机设备及介质 |
| CN117669392A (zh) * | 2024-02-01 | 2024-03-08 | 自然资源部第二海洋研究所 | 一种河流营养盐通量的遥感监测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112785024B (zh) | 2023-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112785024B (zh) | 一种基于流域水文模型的径流计算和预测方法 | |
| Kahsay et al. | Impact of climate change on groundwater recharge and base flow in the sub-catchment of Tekeze basin, Ethiopia | |
| Bouraoui et al. | Evaluation of the impact of climate changes on water storage and groundwater recharge at the watershed scale | |
| Gao et al. | Elevation correction of ERA-Interim temperature data in complex terrain | |
| Daly | Guidelines for assessing the suitability of spatial climate data sets | |
| Dutta et al. | A mathematical model for flood loss estimation | |
| Ahmad et al. | Estimation of a unique pair of Nash model parameters: an optimization approach | |
| CN110674467A (zh) | 基于swat模型的水文过程对气候变化的响应监测方法 | |
| Bhandari et al. | 2D unsteady flow routing and flood inundation mapping for lower region of Brazos River watershed | |
| Joshi et al. | Rainfall-Runoff Simulation in Cache River Basin, Illinois, Using HEC-HMS | |
| Boluwade et al. | Towards validation of the Canadian precipitation analysis (CaPA) for hydrologic modeling applications in the Canadian Prairies | |
| CN112784395B (zh) | 一种预测和模拟河流水体总磷浓度的方法 | |
| Bajamgnigni Gbambie et al. | Added value of alternative information in interpolated precipitation datasets for hydrology | |
| Jiménez et al. | Data assimilation using the ensemble Kalman filter in a distributed hydrological model on the Tocantins River, Brasil | |
| CN113361114B (zh) | 一种基于径流路径的多尺度面源污染物入河系数测算方法 | |
| Ryu | Application of HSPF to the distributed model intercomparison project: case study | |
| Wu et al. | Global Flood Monitoring Using Satellite Precipitation and Hydrological Modeling | |
| Liem et al. | Assessing water discharge in Be river basin, Vietnam using GIS and SWAT model | |
| Hishinuma et al. | Challenges of hydrological analysis for water resource development in semi-arid mountainous regions: case study in Iran | |
| Chintalapudi et al. | High-resolution, fully distributed hydrologic event-based simulations over a large watershed in Texas | |
| Sultana | FLASH FLOOD FORECASTING USING ESTIl\fATEDPRECIPITATIONBY GLOBAL SATELLITE MAPPING IN THE NORTH-EAST REGION OF BANGLADESH | |
| Shahoei et al. | Daily runoff simulation in Ravansar Sanjabi Basin, Kermanshah, Iran, using remote sensing through SRM model and comparison to SWAT model. | |
| Fava et al. | Integration of information technology systems for flood forecasting with hybrid data sources | |
| Parak | Flood estimation for roads, bridges and dams. | |
| Liu et al. | The June 2012 North American Derecho: A testbed for evaluating regional and global climate modeling systems at cloud-resolving scales |
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 |