CN112836449B - 一种用于率定水文模型的方法 - Google Patents
一种用于率定水文模型的方法 Download PDFInfo
- Publication number
- CN112836449B CN112836449B CN202110184214.9A CN202110184214A CN112836449B CN 112836449 B CN112836449 B CN 112836449B CN 202110184214 A CN202110184214 A CN 202110184214A CN 112836449 B CN112836449 B CN 112836449B
- Authority
- CN
- China
- Prior art keywords
- river
- model
- water surface
- cross
- remote sensing
- 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
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
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- 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)
- Mathematical Physics (AREA)
- Fluid Mechanics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computing Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Measuring Volume Flow (AREA)
Abstract
本发明提供了一种用于率定水文模型的方法,包括:获得与原始水文模型相关的模型输入实测数据;根据实测河道横断面形状信息和明渠河道流量估算模型构建河道流量‑河流水面宽度水力学模型;将原始水文模型与水力学模型相结合,构建集成水文模型;根据集成水文模型的参数的理论取值范围,生成集成水文模型的多个随机参数组;根据模型输入实测数据、河流水面宽度的遥感观测值和多个随机参数组对集成水文模型进行率定,从多个随机参数组中确定选定参数组,以便获得经率定的集成水文模型。该方法能够提高使用遥感河宽数据率定的水文模型的模拟精度。
Description
技术领域
本发明的实施方式总体上涉及水利工程领域,更具体地,涉及一种用于率定水文模型的方法。
背景技术
水文模型对于洪水预报、流域水资源管理以及理解流域水文过程具有重要意义。传统上,水文模型的率定需要依赖河道流量数据。然而由于所涉及的维护成本相对较高,现有河道流量观测网络的覆盖面在全球范围内不断缩小,流量数据在世界各地都是不容易获取的。此类问题引起了科学界的关注,成为水文水资源领域研究的一个热点科学问题。
利用遥感信息估算大陆河流流量的潜力已得到广泛认可,通过建立遥感观测值和实际流量之间的经验关系,可以实现仅使用遥感观测值在经验关系上估算流量。关于从遥感数据估算径流的研究已经从使用单变量卫星观测发展到基于各种传感器的多河流水力学变量。然而,这种方法在特定区域的时间分辨率由卫星的重现期决定,这可能无法提供日尺度的水文过程信息。许多研究试图将从空间测得的河流水力学变量与水文模型相结合。这种集成可以优化模型和卫星观测的优势:模型可以对径流进行空间和时间上连续的估算,而卫星观测则用来率定模型的性能,使模型模拟结果更接近流域的现实。但是遥感观测的精度大幅低于地面实际观测,将其应用于水文模型率定将会带来模拟不确定性。如何提高遥感观测与流量之间关系的精确度,进而降低将其应用于水文模型率定中的误差,是一个尚未解决的问题。
现有技术一——专利文献CN109344432A公开了一种基于遥感水面河宽的水文模型校正方法,包括:
步骤1,水利几何关系构建。根据水力学几何理论的经验公式构建河流流量与河流水面宽度的水力几何关系:
We=aQb (1)
其中,We为河流水面宽度,Q为河流流量,a、b是经验参数。
步骤2,模型结构改造。将已有的水文模型与水力学关系结合起来,以河流水面宽度作为整体模型的输出,将用于水文模型参数率定所需的观测数据由流域出口断面实测流量数据转移为基于遥感观测的河流水面宽度数据。
步骤3,模型参数率定。整体模型的模型参数组是水文模型的参数组和水力学模块参数组的集合,利用遥感获取的河流水面宽度数据进行参数率定,获得最符合实际流域的整体模型最优参数组。最后使用率定后的整体模型进行流量模拟。
上述现有技术一建立的整体模型引入了两个经验系数a和b描述流量和河流水面宽度之间关系。该方法实际上是用两个经验参数a和b来概化描述水面宽度与过水断面面积、流速之间的关系,是对上述关系的简化。首先,这两个经验参数不具有物理意义,在实际应用中无法通过实测确定其取值范围,因而会耗费大量时间来进行多次参数率定。同时采用公式(1)对河流断面形状和与流速计算紧密相关的河道粗糙度进行了大幅简化,在应用过程中可能不符合河流断面的具体情况,会造成流量估算的误差。
现有技术二——Huang Q.,Long D.,Du M.,Han Z.,Han P等人于2020年在WaterResources Research(水资源研究)第56卷发表的文献号为e2020WR027309的文献Dailycontinuous river discharge estimation for ungauged basins using a hydrologicmodel calibrated by satellite altimetry:Implications for the SWOT mission(使用卫星测高观测的水面高程在缺资料地区率定水文模型用于日连续流量估算:对于SWOT卫星的启示)公开了以下方法:
步骤1,水利几何关系构建。根据水力学几何理论的经验公式构建河流流量与水位的水力几何关系:
Qrs=a(Haltimetry-h)b (2)
其中,Qrs为远程感应的河流流量,Haltimetry为雷达测高获得的水位,a、b是经验参数。
步骤2,遥感水位数据获取。从卫星测高得出水位的基本方程:
HEGM96=Hsat-R-(dry+wet+iono+set+pt+EGM96) (3)
其中,HEGM96为基于EGM96大地水准面的水位,Hsat为卫星的高度,R为卫星与水面之间的距离,dry和wet为干湿对流层校正,iono为电离层校正,set为地球潮汐校正,pt为极地潮汐校正,EGM96为大地水准面校正。基于该方程对遥感数据进行校正获取到用于模型参数率定的遥感水位数据。
步骤3,为水文模型增加遥感模块。将步骤1得到的水力几何关系式嵌入水文模型,使模型可以通过遥感数据直接估算流量。
步骤4,模型参数率定。使用NSGA-Ⅱ算法,同时生成模型参数组和遥感参数组(a和b),基于遥感参数和遥感观测可以得到遥感流量,根据模型参数可以得到模拟流量,基于目标函数NSE和logNSE对两种流量数据进行迭代运算,当目标函数取值比较高时,输出相关参数组(称为帕累托解集),基于帕累托解集模拟流量,使用实测流量数据进行验证。
现有技术二公开的方法具有以下缺点:
缺点1,目前可用的雷达高度计只能提供沿卫星轨道的一维观测,而相邻轨道之间的大片区域(通常数百公里宽)则无法通过雷达测高计观测。相比于可从任何遥感影像当中提取的河流水面宽度,雷达测高卫星观测的水面高程在全球空间覆盖率较低是极大的限制了该方法的应用范围;
缺点2,水文模型参数率定的目标是降低卫星观测估算流量与水文模型模拟流量之间的差距,可能存在两者之间的差异很小,但是两者与实际河道流量差异的情况,从而导致水文模型率定结果较差,所估算的流量误差较大。
发明内容
为了解决现有技术中的上述问题,本发明的实施方式提供了一种用于率定水文模型的方法,所述方法包括:获得与原始水文模型相关的模型输入实测数据,其中,所述原始水文模型的输出包括河道流量;根据实测河道横断面形状信息和明渠河道流量估算模型构建河道流量-河流水面宽度水力学模型,其中,在所述水力学模型中,所述实测河道横断面形状被分解为上下叠加的多个等腰梯形,并且其中,所述水力学模型的输入包括河道流量,所述水力学模型的输出包括河流水面宽度,所述水力学模型的参数包括所述明渠河道流量估算模型的参数;将所述原始水文模型与所述水力学模型相结合,构建集成水文模型,所述集成水文模型的输入包括所述原始水文模型的输入,所述集成水文模型的输出包括所述原始水文模型的输出和所述水力学模型的输出,所述集成水文模型的参数包括所述原始水文模型的参数和所述水力学模型的参数;根据所述集成水文模型的参数的理论取值范围,生成所述集成水文模型的多个随机参数组;根据所述模型输入实测数据、河流水面宽度的遥感观测值和所述多个随机参数组对所述集成水文模型进行率定,从所述多个随机参数组中确定选定参数组,以便获得经率定的集成水文模型。
在一些实施方式中,所述原始水文模型的输出还包括蒸散发值。并且,所述方法还包括:利用蒸散发遥感观测数据和所述选定参数组进一步对所述集成水文模型进行率定,从所述选定参数组中确定优选参数组,以便获得所述经率定的集成水文模型。
在一些实施方式中,所述明渠河道流量估算模型包括曼宁公式。
在一些实施方式中,根据实测河道横断面形状信息和明渠河道流量估算模型构建河道流量-河流水面宽度水力学模型包括:根据所述实测河道横断面形状信息获得过水断面面积与河流水面宽度的关系以及水力半径与河流水面宽度的关系;将所述过水断面面积与河流水面宽度的关系以及所述水力半径与河流水面宽度的关系代入所述曼宁公式,获得经变换的曼宁公式;通过所述经变换的曼宁公式的反函数构建所述水力学模型。
在一些实施方式中,所述经变换的曼宁公式如下:
其中,Q表示河道流量,We表示遥感观测的河流水面宽度,g表示所述水力半径与河流水面宽度的关系,k表示所述过水断面面积与河流水面宽度的关系,n表示曼宁粗糙系数,S表示河道坡度。
在一些实施方式中,根据以下公式获得所述过水断面面积与河流水面宽度的关系:
其中,A表示过水断面面积,A1至An-1表示从所述实测河道横断面形状信息中提取的所述多个等腰梯形中每个等腰梯形的面积,We表示遥感观测的河流水面宽度,W0表示从所述实测河道横断面形状信息中提取的河流断面底边对应的河宽,W1至Wn表示从所述实测河道横断面形状信息中提取的所述多个等腰梯形中每个等腰梯形顶边宽度,H表示与We对应的水位,H1至Hn-1表示根据所述实测河道横断面形状信息获得的每个等腰梯形顶边对应的高程,ai(i=1,2,3,…,n)表示每个等腰梯形中We与H关系的相关系数。
在一些实施方式中,根据以下公式获得所述水力半径与河流水面宽度的关系:
其中,A表示过水断面面积,χ表示湿周,r表示水力半径,We表示遥感观测的河流水面宽度,W0表示从所述实测河道横断面形状信息中提取的河流断面底边对应的河宽,W1至Wn表示从所述实测河道横断面形状信息中提取的所述多个等腰梯形中每个等腰梯形顶边宽度,A1至An-1表示从所述实测河道横断面形状信息中提取的所述多个等腰梯形中每个等腰梯形的面积,l表示过水断面与河岸接触斜边的长度,l1至ln-1表示从所述实测河道横断面形状信息中提取的所述多个等腰梯形中每个等腰梯形的斜边长度,ai(i=1,2,3,…,n)表示每个等腰梯形中We与H关系的相关系数。
在一些实施方式中,所述河流水面宽度的遥感观测值通过以下步骤获得:对河道的遥感图像进行配准,确定地理坐标系;确定河道范围,在所述遥感图像上对于待测河道断面位置进行定位;确认所述遥感图像上所述待测河道断面位置是否被云层覆盖,保留待测河道断面位置完全未被云层覆盖的遥感图像;在保留的遥感图像上对所述待测河道断面位置的河流水面宽度进行测量,获得所述河流水面宽度的遥感观测值。
在一些实施方式中,根据所述模型输入实测数据、河流水面宽度的遥感观测值和所述多个随机参数组对所述集成水文模型进行率定,从所述多个随机参数组中确定选定参数组包括:将所述多个随机参数组中的任一随机参数组输入所述集成水文模型,获得所述集成水文模型输出的河流水面宽度的模拟值;计算所述河流水面宽度的模拟值与所述河流水面宽度的遥感观测值的河流水面宽度确定性系数;当所述河流水面宽度确定性系数大于第一预定阈值时,将所述任一随机参数组归入所述选定参数组。
在一些实施方式中,利用蒸散发遥感观测数据和所述选定参数组进一步对所述集成水文模型进行率定,从所述选定参数组中确定优选参数组包括:将所述选定参数组中的任一选定参数组输入所述集成水文模型,获得所述集成水文模型输出的蒸散发模拟值;计算所述蒸散发模拟值与所述蒸散发遥感观测数据的蒸散发值确定性系数;当所述蒸散发值确定性系数大于第二预定阈值时,将所述任一选定参数组归入所述优选参数组。
本发明的实施方式提出了一种基于多源遥感影像数据结合实地断面形状率定水文模型的方法。使用实测河流断面信息,基于明渠河道流量估算模型构建了河道流量与河流水面宽度之间的关系,用于将流域水文模型的输出变量由河道流量转化为河流水面宽度,进而实现使用遥感河流水面宽度数据率定流域水文模型。与现有使用遥感河流水面宽度数据率定流域水文模型的方法相比,本发明的实施方式提出的方法使用实测河流断面形状信息和遥感河流水面宽度,基于明渠河道流量估算模型构建了具有物理机制的Q-W关系,相比于之前的方法,Q-W关系中的参数具有明确物理意义,可以方便获取其可能的取值范围用于随机采样,能够有效提升参数率定的效果,极大提高使用遥感河宽数据率定的水文模型的模拟精度。
附图说明
通过参考附图阅读下文的详细描述,本发明实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,其中:
图1示出了根据本发明的实施方式的用于率定水文模型的方法的流程图;
图2示出了根据本发明的实施方式的实测河道横断面形状概化示意图;
图3示出了根据本发明的实施方式的参数率定过程的示意框图;
图4示出了根据本发明的另一实施方式的用于率定水文模型的方法的流程图。
在附图中,相同或对应的标号表示相同或对应的部分。
具体实施方式
下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解,给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明,而并非以任何方式限制本发明的范围。
在一个方面,本发明的实施方式提供了一种用于率定水文模型的方法。参考图1,其示出了根据本发明的实施方式的用于率定水文模型的方法100的示意框图。如图1所示,该用于率定水文模型的方法100包括步骤S101-S105。
在步骤S101中,获得与原始水文模型相关的模型输入实测数据,模型输入实测数据也可称为模型驱动数据,其中,原始水文模型的输出包括河道流量。该步骤涉及模型输入实测数据收集与处理,收集模型率定所需的基础数据。
作为本发明的实施方式,模型输入实测数据可以包括但不限于气象数据(例如降雨数据、气温数据)、潜在蒸散发数据和数字高程数据等。这些数据可以是实测或遥感观测的,例如,卫星观测的。备选地,在必要的情况下,需将获取到的模型输入实测数据处理成模型可识别的形式。
原始水文模型也可称为流域水文模型,可以是对流域降雨径流过程进行模拟的数学模型。根据降雨径流模型对于降雨径流过程描述方法的差异,目前常用的模型有几十种。流域水文模型以流域降水数据时间序列数据作为输入,流域出口断面河道流量时间序列是模型的输出。模型可概化为以下形式,如公式(4)所示:
Q=f(I|η) 公式(4)
其中,I是模型的驱动数据,即降水等气象数据;f是模型描述降雨径流机理的数学函数集;η是模型参数集;Q是模型输出,即流域出口断面的流量。
原始水文模型可以是任意一种水文模型,可以包括已有的水文模型以及未来将出现的水文模型。只要该水文模型的输出包括河道流量,本发明的实施方式提出的方法就可以适用。本发明在此方面不做限制。
在步骤S102中,根据实测河道横断面形状信息和明渠河道流量估算模型构建河道流量-河流水面宽度水力学模型。其中,在水力学模型中,实测河道横断面形状被分解为上下叠加的多个等腰梯形。并且其中,水力学模型的输入包括河道流量,水力学模型的输出包括河流水面宽度,水力学模型的参数包括明渠河道流量估算模型的参数。例如,水力学模型可以用水力学关系式来表示。该步骤中,将实地断面形状与明渠河道流量估算模型相结合,构建出了河流水面宽度和流量之间的关系:河道流量(Q)-河流水面宽度(W)关系。
一般情况下,原始水文模型可以模拟流域出口的流量,而待模拟河道一般是流域出口附近的河道,从而河道的属性与流域出口的流量有一定的关联关系。需要注意,流域出口可以是河流的入海口,也可以是河流的任一河段,本发明在此方面不做限制。
参考图2,其示出了根据本发明的实施方式的实测河道横断面形状概化示意图。在图2所示的示例中,根据实测河道横断面形状信息,从河道底边到河道顶边,将实测河道横段面形状分解成n个等腰梯形,从而构建河道横断面的河道流量(Q)-河流水面宽度(W)水力学关系。
作为本发明的实施方式,可以根据实测河道横断面形状信息获得过水断面面积与河流水面宽度的关系以及水力半径与河流水面宽度的关系。
基于实地断面形状信息,根据河道横断面形状信息可推导出不同水位(H)下对应的河流水面宽度(We)。从河道底边到河道顶边,实测河道横段面形状分解成n个等腰梯形,进而可以构建整个河道横断面的We-H分段函数关系式,如以下公式(5)所示:
式中,We为遥感(例如卫星)观测的河流水面宽度,H为与We对应的水位;W0是从实测断面形状信息中提取的河流断面底边对应的河宽,W1至Wn是从实测断面形状信息中提取的每个等腰梯形顶边宽度,H1至Hn-1是每个等腰梯形顶边对应的高程,由实测断面形状信息获得,ai(i=1,2,3,…,n)为每个等腰梯形中We与H关系的相关系数。该相关系数可以是实测获得的。
基于方程式(5)构建的H-We关系式,可建立过水断面面积(A)与河流水面宽度(We)的关系,湿周(χ)和河流水面宽度(We)的关系,分别如以下公式(6)和(7)所示:
其中,A表示过水断面面积,A1至An-1表示从实测河道横断面形状信息中提取的多个等腰梯形中每个等腰梯形的面积,We表示遥感观测的河流水面宽度,W0表示从实测河道横断面形状信息中提取的河流断面底边对应的河宽,W1至Wn表示从实测河道横断面形状信息中提取的多个等腰梯形中每个等腰梯形顶边宽度,H表示与We对应的水位,H1至Hn-1表示根据实测河道横断面形状信息获得的每个等腰梯形顶边对应的高程,ai(i=1,2,3,…,n)表示每个等腰梯形中We与H关系的相关系数。
其中,χ表示湿周,We表示遥感观测的河流水面宽度,W0表示从实测河道横断面形状信息中提取的河流断面底边对应的河宽,W1至Wn表示从实测河道横断面形状信息中提取的多个等腰梯形中每个等腰梯形顶边宽度,l表示过水断面与河岸接触斜边的长度,l1至ln-1表示从实测河道横断面形状信息中提取的多个等腰梯形中每个等腰梯形的斜边长度,ai(i=1,2,3,…,n)表示每个等腰梯形中We与H关系的相关系数。
基于方程式(6)、(7)构建的We-A和We-χ的关系式,可建立水力半径(r)和河流水面宽度(We)的关系式,如以下公式(8)所示:
其中,A表示过水断面面积,χ表示湿周,r表示水力半径,We表示遥感观测的河流水面宽度,W0表示从实测河道横断面形状信息中提取的河流断面底边对应的河宽,W1至Wn表示从实测河道横断面形状信息中提取的多个等腰梯形中每个等腰梯形顶边宽度,A1至An-1表示从实测河道横断面形状信息中提取的多个等腰梯形中每个等腰梯形的面积,l表示过水断面与河岸接触斜边的长度,l1至ln-1表示从实测河道横断面形状信息中提取的多个等腰梯形中每个等腰梯形的斜边长度,ai(i=1,2,3,…,n)表示每个等腰梯形中We与H关系的相关系数。
作为本发明的实施方式,明渠河道流量估算模型可以包括用于计算明渠河道流量的曼宁公式。
在明渠河道流量估算模型是曼宁公式的情况下,作为本发明的实施方式,可以将过水断面面积与河流水面宽度的关系以及水力半径与河流水面宽度的关系代入曼宁公式,获得经变换的曼宁公式,继而通过经变换的曼宁公式的反函数构建水力学模型。
作为本发明的实施方式,将公式(6)、(8)带入曼宁公式,获得经变换的曼宁公式,如以下公式(9)所示:
其中,Q表示河道流量(m3/s),We表示遥感观测的河流水面宽度,g表示水力半径与河流水面宽度的关系,即r-We函数关系,k表示过水断面面积与河流水面宽度的关系,即,A-We函数关系,n表示曼宁粗糙系数,S表示河道坡度。
经上述变换的曼宁公式成为一个自变量为河流水面宽度,n与S为参数的单值函数。实质上基于实测断面信息,将曼宁公式改进以We为但自变量,n与S为参数的单值函数:
Q=h(We|n,S) (10)
上述经变换后的曼宁公式的反函数可作为将水文模型模拟的流量转化为河流水面宽度的Q-We关系式:
We=h-1(Q|n,S) (11)
其中,Q是等式的输入,We为输出,n、S为两个参数,方程(11)将模拟流量转换为河流水面宽度。
在步骤S103中,将原始水文模型与水力学模型相结合,构建集成水文模型,集成水文模型的输入包括原始水文模型的输入,集成水文模型的输出包括原始水文模型的输出和水力学模型的输出,集成水文模型的参数包括原始水文模型的参数和水力学模型的参数。
参考图3,其示出了根据本发明的实施方式的参数率定过程的示意框图。将原始水文模型与水力学关系进行串联,将原始水文模型模拟的流量通过公式(11)转化为河流水面宽度。这样的串联使得原本作为原始水文模型输出变量的河道流量变为集成模型(水文模型+曼宁公式反函数)的状态变量,而水面宽度作为集成模型的输出,如以下公式(12)所示:
Z=F(I|θ) (12)
其中,I与原始水文模型输入相同,We是河流水面宽度,θ是集成模型参数集合,包括原始水文模型参数集η和水力学模型参数;F是包含水文模型f和水力学模型的集成模型,即曼宁公式反函数h-1的集成模型。
通过公式(12),实现了将原始水文模型的输出由河道流量Q改为河流水面宽度W,构建集成模型(原始水文模型+曼宁公式反函数)。集成模型可以用于对缺资料地区的水文状态进行模拟。
在步骤S104中,根据集成水文模型的参数的理论取值范围,生成集成水文模型的多个随机参数组。多个随机参数组的数量为N1。作为示例,理论取值范围可以通过每个参数的物理极限来确定,可以根据工程手册来确定,或者可以通过经验值来确定,本发明在此方面不做限制。
在上述具体示例的场景下,集成水文模型的参数包括原始水文模型的参数和水力学模型所描述的河道的断面处所在河道曼宁系数n和坡度s。
在步骤S105中,根据模型输入实测数据、河流水面宽度的遥感观测值和多个随机参数组对集成水文模型进行率定,从多个随机参数组中确定选定参数组,以便获得经率定的集成水文模型。可以将每个参数组输入集合模型进行模拟,记录实测断面处所模拟河流水面宽度的时间序列。
作为本发明的实施方式,步骤S105可以包括:将多个随机参数组中的任一随机参数组输入集成水文模型,获得集成水文模型输出的河流水面宽度的模拟值;计算河流水面宽度的模拟值与河流水面宽度的遥感观测值的河流水面宽度确定性系数;当河流水面宽度确定性系数大于第一预定阈值时,将任一随机参数组归入选定参数组。如图3所示,通过计算模型模拟河宽与遥感(例如,卫星)观测河宽之间的确定性系数,调参使差异最小化,从而率定集成水文模型。
作为本发明的实施方式,使用河流水面宽度确定性系数(R1 2)来定量衡量每组随机参数重现遥感水面宽度的能力的目标函数,河流水面宽度确定性系数根据以下公式(13)获得:
其中,Yi表示第i个观测时刻的河流水面宽度的遥感观测值;表示河流水面宽度的遥感观测值的平均值;Zi表示第i个观测时刻的河流水面宽度的集成水文模型输出值;/>表示河流水面宽度的集成水文模型输出值的平均值;n表示观测时刻的总个数。
设定第一预定阈值即R1 2的阈值,模拟河流水面宽度高于R1 2阈值的随机参数组(数量为:N2)将会被保留,作为选定参数组。仅作为示例,R1 2的阈值例如可以设定为0.6。注意,第一预定阈值可以根据实际情况和具体需求而进行灵活调整,本发明在此方面不做限制。
作为本发明的实施方式,河流水面宽度的遥感观测值可以通过以下步骤获得:对河道的遥感图像进行配准,确定地理坐标系;确定河道范围,在遥感图像上对于待测河道断面位置进行定位,也即,确定河段范围;确认遥感图像上待测河道断面位置是否被云层覆盖,保留待测河道断面位置完全未被云层覆盖的遥感图像,剔除有云层遮盖的图像;在保留的遥感图像上对待测河道断面位置的河流水面宽度进行测量,获得河流水面宽度的遥感观测值。
遥感图像例如研究区的多源遥感影像,多源遥感影像例如是通过卫星获取的遥感图像。基于多源遥感影像提取河流水面宽度,可以得到包含丰水期、枯水期在内的河流水面宽度数据集。仅作为示例,可以从每幅遥感影像上通过目视解译直接用地理信息系统(Geographic Information System,GIS)测距工具或者遥感软件测距工具测量其河流水面宽度。
可选地,在对遥感图像进行处理之前,还可以包括遥感河宽数据收集与预处理过程。
本发明的实施方式提出了一种基于多源遥感影像数据结合实地断面形状率定水文模型的方法。使用实测河流断面信息,基于明渠河道流量估算模型构建了河道流量与河流水面宽度之间的关系,用于将流域水文模型的输出变量由河道流量转化为河流水面宽度,进而实现使用遥感河流水面宽度数据率定流域水文模型。与现有使用遥感河流水面宽度数据率定流域水文模型的方法相比,本发明的实施方式提出的方法使用实测河流断面形状信息,基于明渠河道流量估算模型构建了具有物理机制的Q-W关系,相比于之前的方法,Q-W关系中的参数具有明确物理意义,可以方便获取其可能的取值范围用于随机采样,能够有效提升参数率定的效果,极大提高了使用遥感河宽数据率定的水文模型的模拟精度。
参考图4,其示出了根据本发明的另一实施方式的用于率定水文模型的方法的流程图。在图4中,步骤S401-S405分别与上述实施方式中的步骤S101-S105相对应,其具体技术特征请参考对于上述实施方式的详细描述,在此不再赘述。
图4所示的实施方式与图1所示的实施方式的不同之处在于增加了步骤S406:利用蒸散发遥感观测数据和选定参数组进一步对集成水文模型进行率定,从选定参数组中确定优选参数组。在图4所示的实施方式中,原始水文模型的输出还可以包括蒸散发值,例如,表示为蒸散发的时间序列。
作为本发明的实施方式,利用蒸散发遥感观测数据和选定参数组进一步对集成水文模型进行率定,从选定参数组中确定优选参数组包括:将选定参数组中的任一选定参数组输入集成水文模型,获得集成水文模型输出的蒸散发模拟值;计算蒸散发模拟值与蒸散发遥感观测数据的蒸散发值确定性系数;当蒸散发值确定性系数大于第二预定阈值时,将任一选定参数组归入优选参数组。
作为示例,可以使用目标函数进行参数率定,例如可以采用确定性系数R2 2作为似然目标函数,如以下公式(14)所示:
其中,ETo,i和ETs,i分别代表i时刻的遥感蒸散发的遥感观测值和水文模型模拟值,代表实测蒸散发的平均值,/>代表模拟蒸散发的平均值。
第二预定阈值可以依据建模者的经验设定,仅作为示例,例如可以设定为0.6。注意,第二预定阈值可以根据实际情况和具体需求而进行灵活调整,本发明在此方面不做限制。
分别计算通过遥感水面宽度筛选出的N2组参数模拟的蒸散发,根据模拟蒸散发的R2 2能否达到第二预定阈值对N2组参数进行筛选,保留能够达到第二预定阈值的N3组参数,作为优选参数组。可以将上述N3组参数作为最终率定获得的能够反映流域特征的最终参数值。
在使用遥感观测河宽率定模型的基础上,进一步使用遥感蒸散发数据对模型进行率定,能够有效降低水文模型率定过程中经常出现的“异参同效”现象(即不同的参数值得到的模拟结果一样),可以进一步提高经过率定后水文模型模拟流量的精度,从而使模型模拟流量误差进一步降低。
本发明的实施方式提出了一种基于地面实地观测河流断面形状信息的描述河道流量与水面宽度关系的方法,解决了现有技术中描述河道流量与水面宽度之间的关系的参数不具有物理意义的问题以及现有技术中对两者之间关系进行了较大幅度的简化而导致模型模拟误差较大的问题。本发明提出的方法提高了两者之间关系的物理基础,进而降低了模型模拟误差。
出于示意的目的,已经给出了本发明的实施方式的前述说明,其并非是穷举性的也并非要将本发明限制为所公开的确切形式。本领域技术人员可以理解的是,在不偏离本发明的范围的情况下可以做出各种变化,并且可以将其中的元件替换为等同物。另外,在不偏离本发明的基本范围的情况下,可以进行很多修改以使得特定的情况或材料适应于本发明的教导。因此,本发明不试图限制于所公开的作为用于实现本发明所预期的最佳模式的特定实施方式,本发明将包括落入所附的权利要求的范围内的所有实施方式。
Claims (8)
1.一种用于率定水文模型的方法,其特征在于,所述方法包括:
获得与原始水文模型相关的模型输入实测数据,其中,所述原始水文模型的输出包括河道流量;
根据实测河道横断面形状信息和明渠河道流量估算模型构建河道流量-河流水面宽度水力学模型,其中,在所述水力学模型中,所述实测河道横断面形状被分解为上下叠加的多个等腰梯形,并且其中,所述水力学模型的输入包括河道流量,所述水力学模型的输出包括河流水面宽度,所述水力学模型的参数包括所述明渠河道流量估算模型的参数;
将所述原始水文模型与所述水力学模型相结合,构建集成水文模型,所述集成水文模型的输入包括所述原始水文模型的输入,所述集成水文模型的输出包括所述原始水文模型的输出和所述水力学模型的输出,所述集成水文模型的参数包括所述原始水文模型的参数和所述水力学模型的参数;
根据所述集成水文模型的参数的理论取值范围,生成所述集成水文模型的多个随机参数组;
根据所述模型输入实测数据、河流水面宽度的遥感观测值和所述多个随机参数组对所述集成水文模型进行率定,从所述多个随机参数组中确定选定参数组,以便获得经率定的集成水文模型,
其中,所述明渠河道流量估算模型包括曼宁公式,
根据实测河道横断面形状信息和明渠河道流量估算模型构建河道流量-河流水面宽度水力学模型包括:
根据所述实测河道横断面形状信息获得过水断面面积与河流水面宽度的关系以及水力半径与河流水面宽度的关系;
将所述过水断面面积与河流水面宽度的关系以及所述水力半径与河流水面宽度的关系代入所述曼宁公式,获得经变换的曼宁公式;
通过所述经变换的曼宁公式的反函数构建所述水力学模型。
2.根据权利要求1所述的方法,其特征在于,所述原始水文模型的输出还包括蒸散发值,并且,所述方法还包括:
利用蒸散发遥感观测数据和所述选定参数组进一步对所述集成水文模型进行率定,从所述选定参数组中确定优选参数组,以便获得所述经率定的集成水文模型。
3.根据权利要求1所述的方法,其特征在于,所述经变换的曼宁公式如下:
其中,Q表示河道流量,We表示遥感观测的河流水面宽度,g表示所述水力半径与河流水面宽度的关系,k表示所述过水断面面积与河流水面宽度的关系,n表示曼宁粗糙系数,S表示河道坡度。
4.根据权利要求1所述的方法,其特征在于,根据以下公式获得所述过水断面面积与河流水面宽度的关系:
其中,A表示过水断面面积,A1至An-1表示从所述实测河道横断面形状信息中提取的所述多个等腰梯形中每个等腰梯形的面积,We表示遥感观测的河流水面宽度,W0表示从所述实测河道横断面形状信息中提取的河流断面底边对应的河宽,W1至Wn表示从所述实测河道横断面形状信息中提取的所述多个等腰梯形中每个等腰梯形顶边宽度,H表示与We对应的水位,H1至Hn-1表示根据所述实测河道横断面形状信息获得的每个等腰梯形顶边对应的高程,ai(i=1,2,3,…,n)表示每个等腰梯形中We与H关系的相关系数。
5.根据权利要求4所述的方法,其特征在于,根据以下公式获得所述水力半径与河流水面宽度的关系:
其中,A表示过水断面面积,χ表示湿周,r表示水力半径,We表示遥感观测的河流水面宽度,W0表示从所述实测河道横断面形状信息中提取的河流断面底边对应的河宽,W1至Wn表示从所述实测河道横断面形状信息中提取的所述多个等腰梯形中每个等腰梯形顶边宽度,A1至An-1表示从所述实测河道横断面形状信息中提取的所述多个等腰梯形中每个等腰梯形的面积,l表示过水断面与河岸接触斜边的长度,l1至ln-1表示从所述实测河道横断面形状信息中提取的所述多个等腰梯形中每个等腰梯形的斜边长度,ai(i=1,2,3,…,n)表示每个等腰梯形中We与H关系的相关系数。
6.根据权利要求1所述的方法,其特征在于,所述河流水面宽度的遥感观测值通过以下步骤获得:
对河道的遥感图像进行配准,确定地理坐标系;
确定河道范围,在所述遥感图像上对于待测河道断面位置进行定位;
确认所述遥感图像上所述待测河道断面位置是否被云层覆盖,保留待测河道断面位置完全未被云层覆盖的遥感图像;
在保留的遥感图像上对所述待测河道断面位置的河流水面宽度进行测量,获得所述河流水面宽度的遥感观测值。
7.根据权利要求1所述的方法,其特征在于,根据所述模型输入实测数据、河流水面宽度的遥感观测值和所述多个随机参数组对所述集成水文模型进行率定,从所述多个随机参数组中确定选定参数组包括:
将所述多个随机参数组中的任一随机参数组输入所述集成水文模型,获得所述集成水文模型输出的河流水面宽度的模拟值;
计算所述河流水面宽度的模拟值与所述河流水面宽度的遥感观测值的河流水面宽度确定性系数;
当所述河流水面宽度确定性系数大于第一预定阈值时,将所述任一随机参数组归入所述选定参数组。
8.根据权利要求2所述的方法,其特征在于,利用蒸散发遥感观测数据和所述选定参数组进一步对所述集成水文模型进行率定,从所述选定参数组中确定优选参数组包括:
将所述选定参数组中的任一选定参数组输入所述集成水文模型,获得所述集成水文模型输出的蒸散发模拟值;
计算所述蒸散发模拟值与所述蒸散发遥感观测数据的蒸散发值确定性系数;
当所述蒸散发值确定性系数大于第二预定阈值时,将所述任一选定参数组归入所述优选参数组。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110184214.9A CN112836449B (zh) | 2021-02-10 | 2021-02-10 | 一种用于率定水文模型的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110184214.9A CN112836449B (zh) | 2021-02-10 | 2021-02-10 | 一种用于率定水文模型的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112836449A CN112836449A (zh) | 2021-05-25 |
CN112836449B true CN112836449B (zh) | 2023-09-05 |
Family
ID=75933453
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110184214.9A Active CN112836449B (zh) | 2021-02-10 | 2021-02-10 | 一种用于率定水文模型的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112836449B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113739879B (zh) * | 2021-10-14 | 2024-03-26 | 四创科技有限公司 | 一种明渠量测水率定方法及终端 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103886220A (zh) * | 2014-04-10 | 2014-06-25 | 北京师范大学 | 基于bp网络和基尼系数定权重的用水数据离散化方法 |
CN107832931A (zh) * | 2017-10-31 | 2018-03-23 | 上海市政工程设计研究总院(集团)有限公司 | 一种平原水网地区内涝风险的模块化分析方法 |
CN107885958A (zh) * | 2017-12-04 | 2018-04-06 | 中山大学 | 一种平原感潮河网区纳污能力计算方法 |
CN108529463A (zh) * | 2018-06-20 | 2018-09-14 | 北京师范大学 | 一种水环境垂向监测系统及一种水环境垂向监测方法 |
CN108896117A (zh) * | 2018-05-10 | 2018-11-27 | 北京师范大学 | 一种遥感水文站监测河流径流的方法 |
CN109344432A (zh) * | 2018-08-24 | 2019-02-15 | 北京师范大学 | 一种基于遥感水面河宽的水文模型校正方法 |
CN111695305A (zh) * | 2020-05-18 | 2020-09-22 | 中冶南方城市建设工程技术有限公司 | 一种无实测水文资料情况下雨源型河流的水面线计算方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110570021B (zh) * | 2019-08-15 | 2020-06-30 | 清华大学 | 径流模拟方法、装置以及计算机设备 |
-
2021
- 2021-02-10 CN CN202110184214.9A patent/CN112836449B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103886220A (zh) * | 2014-04-10 | 2014-06-25 | 北京师范大学 | 基于bp网络和基尼系数定权重的用水数据离散化方法 |
CN107832931A (zh) * | 2017-10-31 | 2018-03-23 | 上海市政工程设计研究总院(集团)有限公司 | 一种平原水网地区内涝风险的模块化分析方法 |
CN107885958A (zh) * | 2017-12-04 | 2018-04-06 | 中山大学 | 一种平原感潮河网区纳污能力计算方法 |
CN108896117A (zh) * | 2018-05-10 | 2018-11-27 | 北京师范大学 | 一种遥感水文站监测河流径流的方法 |
CN108529463A (zh) * | 2018-06-20 | 2018-09-14 | 北京师范大学 | 一种水环境垂向监测系统及一种水环境垂向监测方法 |
CN109344432A (zh) * | 2018-08-24 | 2019-02-15 | 北京师范大学 | 一种基于遥感水面河宽的水文模型校正方法 |
CN111695305A (zh) * | 2020-05-18 | 2020-09-22 | 中冶南方城市建设工程技术有限公司 | 一种无实测水文资料情况下雨源型河流的水面线计算方法 |
Non-Patent Citations (1)
Title |
---|
崔兴齐 等.流量数据量对分布式水文模型 参数率定结果的影响分析.《北京师范大学学报(自然科学版)》.2014,第570-575页. * |
Also Published As
Publication number | Publication date |
---|---|
CN112836449A (zh) | 2021-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111651885B (zh) | 一种智慧型海绵城市洪涝预报方法 | |
US20220043182A1 (en) | Spatial autocorrelation machine learning-based downscaling method and system of satellite precipitation data | |
Nipen et al. | Adopting citizen observations in operational weather prediction | |
Mahmoud et al. | Spatiotemporal evaluation of the GPM satellite precipitation products over the United Arab Emirates | |
Tobin et al. | Adjusting satellite precipitation data to facilitate hydrologic modeling | |
Giustarini et al. | Assimilating SAR-derived water level data into a hydraulic model: a case study | |
Yang et al. | Merging high‐resolution satellite‐based precipitation fields and point‐scale rain gauge measurements—A case study in Chile | |
Pedinotti et al. | Assimilation of satellite data to optimize large-scale hydrological model parameters: a case study for the SWOT mission | |
Getirana et al. | Improving hydrological information acquisition from DEM processing in floodplains | |
Shrestha et al. | Verification of GSMaP rainfall estimates over the central Himalayas | |
CN115077656B (zh) | 水库水储量反演方法和装置 | |
CN113704693B (zh) | 一种高精度的有效波高数据估计方法 | |
Tao et al. | Operational hydrological forecasting during the IPHEx-IOP campaign–Meet the challenge | |
Van den Berg et al. | Copula-based downscaling of spatial rainfall: a proof of concept | |
Cenci et al. | An evaluation of the potential of Sentinel 1 for improving flash flood predictions via soil moisture–data assimilation | |
CN114461983B (zh) | 一种基于水量平衡原理的卫星降水产品空间降尺度方法 | |
Coppola et al. | Cellular automata algorithms for drainage network extraction and rainfall data assimilation | |
Samuel et al. | Development and evaluation of a hydrologic data-assimilation scheme for short-range flow and inflow forecasts in a data-sparse high-latitude region using a distributed model and ensemble Kalman filtering | |
KR101486798B1 (ko) | 기후정보 편의 보정을 위한 단계적 스케일링 방법 | |
CN112836449B (zh) | 一种用于率定水文模型的方法 | |
Anh et al. | River discharge estimation based on satellite water extent and topography: An application over the Amazon | |
CN117423002B (zh) | 一种基于dem的小尺度潮滩图像处理方法 | |
Haddjeri et al. | Exploring the sensitivity to precipitation, blowing snow, and horizontal resolution of the spatial distribution of simulated snow cover | |
Ware | Corrections to radar-estimated precipitation using observed rain gauge data | |
Amodei et al. | Deterministic and fuzzy verification methods for a hierarchy of numerical models |
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 |