CN113987969A - 多高程尺度水流网的陆地水动态仿真模型 - Google Patents
多高程尺度水流网的陆地水动态仿真模型 Download PDFInfo
- Publication number
- CN113987969A CN113987969A CN202111251002.4A CN202111251002A CN113987969A CN 113987969 A CN113987969 A CN 113987969A CN 202111251002 A CN202111251002 A CN 202111251002A CN 113987969 A CN113987969 A CN 113987969A
- Authority
- CN
- China
- Prior art keywords
- water flow
- scale
- water
- elevation
- 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.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 472
- 238000005094 computer simulation Methods 0.000 title claims abstract description 151
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 claims abstract description 111
- 238000000034 method Methods 0.000 claims abstract description 79
- 238000004088 simulation Methods 0.000 claims abstract description 51
- 230000008569 process Effects 0.000 claims abstract description 30
- 238000010276 construction Methods 0.000 claims abstract description 23
- 230000000694 effects Effects 0.000 claims abstract description 10
- 238000001556 precipitation Methods 0.000 claims description 113
- 238000011439 discrete element method Methods 0.000 claims description 95
- 230000008859 change Effects 0.000 claims description 41
- 238000004364 calculation method Methods 0.000 claims description 36
- 238000009826 distribution Methods 0.000 claims description 33
- 238000000605 extraction Methods 0.000 claims description 31
- 238000005070 sampling Methods 0.000 claims description 30
- 238000010586 diagram Methods 0.000 claims description 13
- 238000011156 evaluation Methods 0.000 claims description 11
- 238000004519 manufacturing process Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 230000003746 surface roughness Effects 0.000 claims description 8
- 238000009825 accumulation Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 238000010937 topological data analysis Methods 0.000 claims description 5
- 238000011084 recovery Methods 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 description 11
- 230000014509 gene expression Effects 0.000 description 8
- 230000008901 benefit Effects 0.000 description 6
- 238000010835 comparative analysis Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004941 influx Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000010972 statistical evaluation Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Fluid Mechanics (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
针对现有技术的DEM模型难以支持复杂的流域水文模拟、基于多高程尺度的陆地水动态仿真方法尚不成熟、基于多高程尺度的陆地水动态仿真需要提高模拟精度和效率等问题,本申请提出一种全新的基于多高程尺度的水流网拓扑网络模型以实现陆地水的动态仿真,包括多高程尺度的构建、基于多高程尺度的水流网拓扑模型构建和基于多高程尺度的陆地水动态仿真,通过提取特征点线构建受河流网络约束的TIN,并通过对特征赋予尺度属性,建立多高程尺度下的水流动态仿真模型,得到不同尺度下陆地水动态仿真结果并对比分析,系统的建立了基于多高程尺度水流网拓扑模型的陆地水动态模拟方法,为区域陆地水的活动过程提供决策支持和科学依据。
Description
技术领域
本申请涉及一种水流网的陆地水动态仿真模型,特别涉及一种多高程尺度水流网的陆地水动态仿真模型,属于陆地水动态仿真模型技术领域。
背景技术
GIS在陆地水研发应用方面包括陆地水决策支持系统、陆地水水质动态监测、陆地水规划管理、陆地水模型等。数字地形分析是在DEM上进行地形属性计算和特征提取的数字信息处理,地形形态特征是地表形态和特征的定性表达,可以在DEM上直接提取和量算,如坡比、坡向、曲率等,但边界条件有一定的模糊性,难以用数字表达式表达,如在实际的流域单元划分中,难于确定流域的边界。现有技术水文模型多为理论模型、概念模型、数学物理模型,随着3S技术的发展,将水文模型与数字高程模型结合,成为水文仿真模拟的趋势。通过DEM能提取出特征点、坡向、坡比、水流网络等水文特征变量信息。然而,基于DEM的水文模型在DEM表达、多尺度需求以及精度效益方面仍然存在很多问题尚未解决。
DEM主要有三种表达方式,规则格网DEM、等高线模型和TIN。将等高线模型用于地形分析,数据量大且计算复杂。规则格网DEM的单一空间分辨率难以表达水文过程的空间变化规律,如果采用高分辨率DEM,则存在有高冗余,如果采用低分辨率DEM,则无法准确表达水文特征,尤其是线性特征。而TIN模型由于计算量大,计算复杂,在大流域的动态仿真应用中受到较大限制。因此现有DEM模型与地表过程动态仿真需求之间的矛盾非常突出。
基于多高程尺度的陆地水动态仿真,涉及到时间和空间尺度,时间尺度也即水文变量的记录和计算时间间隔越短,越能真实描述水文过程,但会使得存储和计算量极大地增加。同样,空间尺度(空间分辨率)越高,数字地形越能表述真实的水文变量,但空间分辨率增加,存储与处理的数据量越大。实际决策中要求模型既能快速进行大区域趋势预测,又能准确进行局部精细研究。陆地水动态仿真中不同的水文过程可能作用于不同时空尺度。如果要准确描述这些水文过程,则要求水文模型同时兼容多个空间与时间尺度。如何根据不同水文过程自适应的选择所需时空尺度是亟待解决的问题。
现有技术的DEM在陆地水动态仿真中的应用:采用规则格网DEM和TIN对地形表面水文特征进行描述。由于规则格网DEM的分辨率发生变化,则提取的特征点和特征线会随之发生变化,导致水文变量的不确定性,由于DEM格网分辨率过高,水文精细,但计算量大且难以应用于大流域区域。DEM格网分辨率过低会导致提取的特征点和线不能较好地保持地形一致性。TIN数据结构的不规则性,对水文过程动态仿真计算提出了很大的挑战,基于TIN的地形描述也同样受到分辨率与模型精度之间矛盾的困扰,高分辨率矢量模型数据规模依然十分庞大。现有技术基于TIN的水文模型尚处于实验阶段,其实用性和有效性亟待校验和提高。尽管当前进行了大量研究,但由于水文过程模拟中,计算复杂,涉及许多水文参变量和地形要素,不仅需要保留具有矢量特征的流域骨架(如流域线、山脊线等),还要集成大量以栅格形式存储的水文参变量(如气象、环境、土壤等因素),因此如何有效的将构建地表模型、推求水流路径和快速计算流速等方法集成为一体是实现陆地水动态仿真的关键之所在,也是本申请重点解决的问题。
现有技术的基于多高程尺度的陆地水动态仿真:陆地水动态仿真中涉及到的尺度问题有时间尺度和空间尺度两部分,TOPMODEL水文模型以小时为时间单位,而SWAT以天为单位,很难描述短期水文过程,MikeSHE模型可适用多时间尺度的水文过程描述,但该模型不能很好的反应降水事件的水文进程。陆地水动态仿真在空间尺度上主要依赖于选取的DEM数据的尺度,采取对DEM进行多尺度综合实现水文模拟所需的尺度。提出对DEM特征点赋予不同尺度的标签,在构建指定尺度DEM时,根据标签提取符合该尺度条件的特征点,构建嵌入流水网的TIN结构。无论是基于多尺度规则格网DEM还是基于多尺度TIN的陆地水动态仿真,在实际应用中仍然较少,非常有限的应用实例也是局限于小范围流域,针对具体问题确定合适的尺度。然而不同水文过程可能作用于不同尺度,即使是同一过程,主干和支流都有可能适应于不同尺度,因此水文模型期望能够运行于多个空间尺度,这不仅要求地形数据具有多个尺度,而且要求多个尺度间相互兼容,当前实现起来具有较大难度。
综上所述,现有技术基于多高程尺度进行陆地水动态仿真仍然存在问题,本申请的难点和待解决的问题主要集中在以下方面:
第一,现有技术的DEM模型难以支持复杂的流域水文仿真:现有的DEM模型主要有两种,规则格网DEM受分辨率的影响,容易对模型造成偏差或计算量过大;基于TIN进行陆地水动态仿真虽然能够克服规则格网DEM的缺陷,但由于TIN结构复杂,以及基于TIN的尺度研发不够成熟,因此构建一个能够高效保持地表一致性但又保持水流模拟结果精准的DEM模型是本申请重点解决的问题;
第二,基于多高程尺度的陆地水动态仿真方法尚不成熟:现有技术进行水流模拟的模型通常是在一个尺度下面进行的,即采用到多尺度数据,也是构建固定的多尺度模型,一旦尺度发生变化,则需要重新构建该尺度下的模型,并且会影响模型的效率与精确度。构建多尺度数据库并且能够真正做到跨尺度应用是本申请解决的重点问题;
第三,基于多高程尺度的陆地水动态仿真需要提高模拟精度和效率:在陆地水的动态仿真中,需要借助传统的经验公式,大多数水文模型只针对出水口处或子流域结点处等有限数目的点进行模拟预测,随着提供的水文数据的精度不断提高,数据量呈现出海量增长,但是受约束于计算机的计算效率和存储容量等的约束,高精度数据在陆地水动态仿真中并没有得到充分利用,构建多高程尺度的陆地水动态仿真模型,在提取特征要素进行模型构建时,需要加速速度,可以快速高效地构建模型,这是本申请突破的方向。
基于此,本申请综合利用GIS、多高程尺度地形表面构建、基于多高程尺度的陆地水动态仿真方法,基于多高程尺度对陆地水动态仿真的影响,建立面向多尺度陆地水动态仿真的自适应尺度模型库,从而为区域陆地水的活动过程提供决策支持和科学依据。
发明内容
本申请提出一种全新的基于多高程尺度的水流网拓扑网络模型以实现陆地水的动态仿真,模型通过充分利用高精度DEM数据,提取地形和水文特征(特征点、特征线),并给特征赋予尺度属性,从而构建基于河流网约束TIN的一个多高程尺度数据库,通过最大坡降计算TIN中每一个三角形的水流方向,构建从任意位置到流域出口的水流线路,从而将复杂的三维地表简化为一维的水流网拓扑结构,并且融合链接水文公式计算任意一条水流网的流速、流量等,实现从广域到局部范围的陆地水动态仿真。结果表明,将地表TIN的尺度与降水源点分布密度进行分离,无论是采用多尺度TIN结构还是改变降水源点分布密度或同时采用两种方式结合进行陆地水动态仿真,模型结果都较好,可靠性高,不同尺度DEM下水流网拓扑模型相比SWAT模型模拟精度更高。通过建立面向多尺度陆地水动态仿真的自适应尺度模型库,能够真正实现从广域到局部范围的陆地水动态仿真,具有巨大的实际意义和广泛的应用前景。
为实现以上技术特征,本申请所采用的技术方案如下:
多高程尺度水流网的陆地水动态仿真模型,包括多高程尺度的构建、基于多高程尺度的水流网拓扑模型构建和基于多高程尺度的陆地水动态仿真,提出一种全新的基于多高程尺度的水流网拓扑网络模型以实现陆地水的动态仿真,具体为:
第一,多高程尺度的构建:包括基于水文模型构建多高程尺度数字模型、多高程尺度构建评估参变量;通过对高精度DEM数据进行地形和水网特征提取,并且对所获取的特征赋予尺度属性,构建多高程尺度的特征库;
第二,基于多高程尺度的水流网拓扑模型构建:包括构建受河流网约束的多尺度TIN、基于多高程尺度的降水源点变化、基于多高程尺度的水流网拓扑模型拓扑解析;根据所需尺度提取特征点、线,动态构建受河流网约束的多尺度TIN;基于TIN中各三角面的水流方向,对降水源点进行采样,进行追踪并汇集各点的水流路径;基于多高程尺度的降水源点变化,确定点线拓扑关系,构建基于多高程尺度的水流网拓扑网络模型;
第三,基于多高程尺度的陆地水动态仿真:包括融合水文计算模型、基于多高程尺度的陆地水动态仿真;根据实测的降水数据和各类环境参量,采取水文模型SWAT计算得到产流数据,再采用所提出的水流网拓扑模型计算区域各点的汇流数据,进行陆地水动态仿真。
多高程尺度水流网的陆地水动态仿真模型,进一步的,基于水文模型构建多高程尺度数字模型:通过提取多高程尺度的特征点、流域线的地形特征;解析地形特征提取方法中参变量变化引起的特征点、线变化情况;分析特征点、线变化与尺度之间的关系;基于任意尺度与特征点、线的对应关系;确定多高程尺度的构建;
通过改变特征提取方法的参变量,提取出不同参变量下的特征点、线,并构建不同参变量下的DEM,与初始DEM进行精度比较,计算偏差值;采用曲线拟合得到特征提取方法的参变量和偏差值之间的函数关系,结合DEM精度规范,建立偏差值与尺度间的函数关系,最终归纳出参变量与水文模型尺度之间的关系,实现对任一尺度,通过参变量和尺度之间的映射关系,获取特征提取方法的对应参变量,从而选择该参变量下的特征点、线,用于动态构建DEM,从而恢复地形表面。
多高程尺度水流网的陆地水动态仿真模型,进一步的,多高程尺度构建评估参变量:通过提取特征点、线构建DEM,恢复成地形表面,比较初始DEM数据与恢复后的DEM数据,校验地表恢复效果与精度,将方均根偏差、均衡坡比、地表粗糙指数作为评估参变量进行校验;
1)方均根偏差:将初始DEM数据的高程与恢复后的DEM高程值求取方均根偏差,假设初始DEM数据每个格网的高程值为(i=1,2,…,m),m为栅格的个数,通过构建TIN恢复成的DEM数据每个格网的高程值为Xj(j=i=1,2,…,m)),m为栅格个数,方均根偏差计算式为:
2)均衡坡比C*:像元所有坡比之和除以像元个数,假设每个像元的坡比为Ci(i=1,2,3,…,m),Di(i=1,2,3,…,m)代表投影面积,m为像元个数,计算式为:
3)地表粗糙指数W:采用地表像元曲面面积与投影面积之比来计算,其中D代表像元面积,计算式为:
多高程尺度水流网的陆地水动态仿真模型,进一步的,构建受河流网约束的多尺度TIN:通过提取流域特征线和特征点构建受河流网约束的TIN,通过改变特征提取的参变量,并且对所提取的特征赋予尺度属性,得到不同尺度下的TIN;
1)提取流域线:流域线提取整个区域的水网网络结构,通过设定一个临界值,将水流累积量大于临界值的进行提取,得到河网水网线,具体的提取过程为:
第1步,填平洼地:进行洼地填平以减小偏差;
第2步,确定水流方向:确定整个区域每个格网单元的水流方向,采用经过洼地填平之后的数据进行水流方向计算;
第3步,水流积聚计算:根据每个格网单元的水流方向计算出每个格网最后的水流汇集量;
第4步,提取水流网络:首先设定一个临界值,将所有格网水流积聚量大于临界值的像元提取出来,临界值的设定根据具体的流域情况,本申请临界值是2050;
第5步,连接水流网络:水流网络提取之后的水流可能不连通,将不连通的地方进行河流连接;
第6步,流域线矢量化:将得到的河网栅格影像数据利用工具转化为矢量数据;
第7步,简化流域线:利用道格拉斯-普克方法将流域线进行简化,通过提取临界值,将超过临界值的流域线进行提取,得到最终的流域线;
2)提取多尺度特征点:首先将区域的四个角点设为有效值,连接任意一条对角线,得到初始三角网,遍历每个三角形,计算其所包含的格网点在三角形面上的高程值,与格网点初始高程值进行求差,并且确定差值最大的点,将差值与临界值进行比较,如果差值小于选定的临界值,则结束提取特征点,用已经选择的特征点构建TIN,方法结束,反之,如果差值大于选定的临界值,将该点进行标记并且添加到特征点集中,重新构建TIN,直到最大差值都在临界值范围内,得到最终的特征点和TIN;构建TIN综合考虑特征点和流域线,特征点和流域线之间的不能存在冗余关系,对提取出来的特征点进行简化,具体的简化过程为:
步骤1,点点距离判定:提取的特征点按照唯一顺序排列,通过设定一个临界值,判定点与点之间的距离与临界值的关系,将小于临界值的点进行删除;
步骤2,点线距离判定:通过设定一个距离临界值,将小于临界值的点进行删除,通过变化参变量的设置,进行特征点简化,得到不同尺度下的特征点;
3)构建受河流网约束的多尺度TIN:通过提取并简化的特征点和流域线以及初始DEM数据构建TIN,由此构建的TIN能将流域线进行嵌套,保持地形一致性。
多高程尺度水流网的陆地水动态仿真模型,进一步的,基于多高程尺度的降水源点变化:本申请采用一种基于格网约束的随机采样方法,将区域范围的地形表面划分为规则格网,并在每个格网中随机选取一个采样点作为降水源点,该降水源点作为水流网追踪的起点,每个规则格网的形状规则,面积一定,每个格网所具有的水量也能够计算出来,解决三角网水量不便确定的问题;
基于多高程尺度的水流网拓扑模型可以从任何一个降水源点开始,降水源点的分布密度直接影响水文模型的尺度,进行多尺度模拟计算时,水流网拓扑模型既可以采用多尺度TIN结构,也可以改变降水源点的分布密度,或同时采用这两种方式来实现;
在将整个地表按照一定分辨率划分为规则格网的过程中,划分的格网分辨率不同,每个格网的随机采样点也不一致,追踪到的水流路径也相应的发生变化,同时,将降水数据划分到规则格网时,每个格网所具有的水量也不一样,根据不同的水流网从采样点到出水口处水流的汇聚过程也会发生变化,因此最后得到的出水口处的汇流量也会发生变化,随着降水源点的分布密度的变化,得到不同的水文模型尺度;
在陆地水动态仿真中,每个格网所具有的降水为一个水量,在每个格网中随机选取一个采样点作为降水源点,作为水流网的起始点,根据不同格网分辨率确定降水源点,构建水流网拓扑模型时得到的相应的水流网数目;
水流网拓扑模型可以在任何点进行计算,区域内任何一点都可以得到水流变化曲线,提高水流模拟的精度,而且水流网拓扑模型的逼近程度还可以随着改变,描述不同水文过程并兼容多个尺度,解决从广域到局部范围的陆地水流动态仿真多尺度应用这一关键问题。
多高程尺度水流网的陆地水动态仿真模型,进一步的,基于多高程尺度的水流网拓扑模型拓扑解析:基于多高程尺度提取的特征点、流域线动态构建河流网约束的多尺度TIN,基于动态TIN中每个三角面的水流方向,确定区域内的任意一点到流域出口的水流方向,通过计算TIN上每个面恒定的坡向,得到各三角面的水流方向线,以区域内采样的降水源点为起点,按照水流方向,依次追踪得到水流网;
针对每个三角形,假设三角形的三个顶点坐标分别为Q1(x1,y1,z1),Q2(x2,y2,z2),Q3(x3,y3,z3),三角面的方程公式为:
z=g(x,y)=dx+ey+s 式4
其中系数a,b,c由下式进行推导:
s=z1-dx1-ey1 式5
根据推导出来的系数计算出每个三角形的坡比和坡向,计算式为:
由式6根据坡比和坡向得到三角面的水流方向;
基于多高程尺度的水流路径间的拓扑关系,构建水流路径拓扑网络,基于水流路径,建立存储点-点、点-线和线-线之间的拓扑关系,构建一维拓扑网络,该拓扑网络包含两个表,一个存储降水源点、特征点节点信息;另一个存储结点-线段信息,在由点和线组成的水流网拓扑结构中,通过采用唯一的ID号存储每一条水流网的节点和线。
多高程尺度水流网的陆地水动态仿真模型,进一步的,融合水文计算模型:假设在水流模拟过程中任意一条水流网都没有测流,那么在陆地水模拟过程用下式表示:
其中,P表示水流的累积量,D表示水流的横截面积,r表示时间;h表示水流的长度,计算每一条水流网的流速和流量,将三维的地表简化为一维的水流网,计算流速并得到水流网的流速之后,通过流向图和坡比图判定周围每一个点的流向,计算流入流出此点的产流量,最后可求得每点的水深,如式8所示:
L=P/(uE) 式8
其中初始水深的计算为t=0时,每点的水深=初始水深+(流入的产流量-流出的产流量)/像元面积,L表示水深,P为产流量,u为流速,E为格网尺寸,像元面积为E×E,汇流时间根据式9计算:
其中,r为汇流时间,u为流速,H表示水流网的长度,在经过一段时间之后,根据坡比以及水深数据计算出地表径流已移动的距离,将流入的径流量与流出的径流量进行计算得到一段时间内格网单元所积累的水流量,以此迭代,最后得到每隔一段时间生成的汇流图。
多高程尺度水流网的陆地水动态仿真模型,进一步的,多高程尺度但降水源点不变的陆地水动态仿真:通过提取不同尺度下的特征点、线构建受河流网约束的TIN,通过将区域划分为特定的格网大小,在每个格网里面随机选取一个采样点作为降水源点,构建水流网络拓扑模型,进行陆地水动态仿真,得到不同尺度的特征库与水流动态仿真结果之间的关系,通过特征提取方法的参变量和偏差值之间的函数关系,以及结合DEM的均方跟偏差、最大高程差与比例尺之间的对应关系,建立偏差值与尺度间的函数关系,最终归纳出参变量与水文模型尺度之间的关系,实现对于任一尺度,通过参变量和尺度之间的映射关系,获取特征提取方法的对应参变量,实现该特征提取方法参变量下陆地水动态仿真。
多高程尺度水流网的陆地水动态仿真模型,进一步的,单高程尺度但降水源点发生变化的陆地水动态仿真:通过提取某一尺度下的特征点、线构建受河流网约束的TIN,将区域划分为不同的格网大小,分别在不同分辨率的格网中随机选取一个采样点作为降水源点,采样点和每个格网所具有的降水量不一致,降水源点的分布密度直接影响水流网络拓扑模型的尺度,实现多尺度的陆地水动态仿真。
多高程尺度水流网的陆地水动态仿真模型,进一步的,多高程尺度且降水源点发生变化的陆地水动态仿真基于多高程尺度且降水源点发生变化的水流模拟是通过同时变化构建TIN的特征点、线以及降水源点的分布密度,得到不同尺度的水流拓扑网络模型,实现多尺度的陆地水的动态仿真。
与现有技术相比,本申请的创新点和优势在于:
第一,针对现有技术的DEM模型难以支持复杂的流域水文模拟、基于多高程尺度的陆地水动态仿真方法尚不成熟、基于多高程尺度的陆地水动态仿真需要提高模拟精度和效率等问题,提出一种全新的基于多高程尺度的水流网拓扑网络模型以实现陆地水的动态仿真,包括多高程尺度的构建、基于多高程尺度的水流网拓扑模型构建和基于多高程尺度的陆地水动态仿真,通过提取特征(点和线)构建受河流网络约束的TIN,并通过对特征赋予尺度属性,建立多高程尺度下的水流动态仿真模型,在保持地形一致性的基础上,通过不同尺度DEM上的降水源点的变化,得到不同尺度下陆地水动态仿真结果并进行对比分析,系统的建立了基于多高程尺度的水流网拓扑模型的陆地水动态模拟方法,为区域陆地水的活动过程提供决策支持和科学依据;
第二,本申请提出一种全新的基于多高程尺度的水流网拓扑网络模型以实现陆地水的动态仿真,模型通过充分利用高精度DEM数据,提取地形和水文特征(特征点、特征线),并给特征赋予尺度属性,从而构建基于河流网约束TIN的一个多高程尺度数据库。在此基础上,通过最大坡降计算TIN中每一个三角形的水流方向,构建从任意位置到流域出口的水流线路,从而将复杂的三维地表简化为一维的水流网拓扑结构,并且融合链接水文公式计算任意一条水流网的流速、流量等,实现从广域到局部范围的陆地水动态仿真。结果表明,将地表TIN的尺度与降水源点分布密度进行分离,无论是采用多尺度TIN结构还是改变降水源点分布密度或同时采用两种方式结合进行陆地水动态仿真,模型结果都较好,可靠性高,不同尺度DEM下水流网拓扑模型相比SWAT模型模拟精度更高。通过建立面向多尺度陆地水动态仿真的自适应尺度模型库,能够真正实现从广域到局部范围的陆地水动态仿真,具有巨大的实际意义和广泛的应用前景;
第三,基于DEM的水文模型在DEM表达、多尺度需求以及精度效益方面仍然存在很多问题尚未解决,本申请的优势主要体现在,一是多高程尺度的构建:通过方均根偏差、均衡坡比、平均粗糙指数参变量对所构建的多高程尺度进行验证,证明该方法构建的多高程尺度适用于陆地水动态仿真;二是基于多高程尺度的水流网拓扑模型构建:根据所需尺度提取特征点、线,动态构建受河流网约束的多尺度TIN;在水流网拓扑模型中,动态仿真可从任何一个降水源点开始,使得模拟尺度(降水源点的分布)和地表TIN的尺度可分离,即使在同一个TIN表面,也能通过改变降水源点的分布密度,实现多尺度的陆地水动态仿真,当需要进行多尺度模拟计算时,水流网拓扑模型既能采用多尺度TIN结构,也能改变降水源点的分布密度,或同时采用这两种方式来构建基于多高程尺度的水流网拓扑模型;三是基于多高程尺度的陆地水动态仿真:通过采用多尺度TIN结构、改变降水源点分布密度以及两者相结合的方式进行陆地水动态仿真,将多尺度下的水流网拓扑模型模拟结果与水文模型SWAT进行对比,根据水文统计评估参变量表明本申请模型结果更好、精度较高、可靠性高。
附图说明
图1是多高程尺度水流网的陆地水动态仿真模型的框架图。
图2是构建受河流网约束的多尺度TIN的具体过程示意图。
图3是本申请构建的受河流网约束的多尺度TIN示意图。
图4是根据三角面结构构建流水网示意图。
图5是不同X-tolerance进行陆地水动态仿真结果示意图。
图6是不同降水源点密度进行陆地水动态模拟结果示意图。
图7是SWAT与本申请模型的实验结果对比示意图。
图8是基于不同分辨率DEM的SWAT和本申请模型水流仿真结果对比图。
具体实施方法
下面结合附图,对本申请提供的多高程尺度水流网的陆地水动态仿真模型的技术方案进行进一步的描述,使本领域的技术人员能够更好的理解本申请并能够予以实施。
基于DEM的水文模型在DEM表达、多尺度需求以及精度效益方面仍然存在很多问题尚未解决。本申请提出一种全新的基于多高程尺度的水流网拓扑网络模型以实现陆地水的动态仿真,主要包括:
第一,多高程尺度的构建:通过对高精度DEM数据进行地形和水网特征提取,并且对所获取的特征赋予尺度属性,构建多高程尺度的特征库;
第二,基于多高程尺度的水流网拓扑模型构建:根据所需尺度提取特征点、线,动态构建受河流网约束的多尺度TIN;基于TIN中各三角面的水流方向,对降水源点进行采样,进行追踪并汇集各点的水流路径;基于多高程尺度的降水源点变化,确定点线拓扑关系,构建基于多高程尺度的水流网拓扑网络模型;
第三,基于多高程尺度的陆地水动态仿真:根据实测的降水数据和各类环境参量,采取水文模型SWAT计算得到产流数据,再采用所提出的水流网拓扑模型计算区域各点的汇流数据,进行陆地水动态仿真。
结果表明,将地表TIN的尺度与降水源点分布密度进行分离,无论是采用多尺度TIN结构还是改变降水源点分布密度或同时采用两种方式结合进行陆地水动态仿真,模型结果都较好,可靠性高。同时验证不同尺度DEM下水流网拓扑模型相比SWAT模型模拟精度较高。通过建立面向多尺度陆地水动态仿真的自适应尺度模型库,能够真正实现从广域到局部范围的陆地水动态仿真,从而为区域陆地水的活动过程提供决策支持和科学依据。
一、基于多高程尺度的陆地水动态仿真方法
本申请通过提出一种全新的基于多高程尺度的水流网拓扑模型以实现陆地水的动态仿真,包括多高程尺度的构建、基于多高程尺度的水流网拓扑模型构建和基于多高程尺度的陆地水动态仿真;通过对高精度DEM数据进行地形和水网特征提取,并且对所获取的特征赋予尺度属性,构建多高程尺度特征库,根据所需尺度提取特征点、线,动态构建受河流网约束的TIN;探讨TIN中各三角面的水流方向,对降水源点进行采样,追踪并汇集各点的水流路径;链接点线拓扑关系,构建基于多高程尺度的水流网拓扑网络模型;根据实测的降水数据和各类环境参量,采取水文模型计算得到产流数据,再采用多高程尺度的水流网拓扑模型计算区域各点的汇流数据,进行陆地水动态仿真。
多高程尺度水流网的陆地水动态仿真模型的框架如图1所示。
(一)多高程尺度的构建
1.基于水文模型构建多高程尺度数字模型
通过提取多高程尺度的特征点、流域线的地形特征;解析地形特征提取方法中参变量变化引起的特征点、线变化情况;分析特征点、线变化与尺度之间的关系;基于任意尺度与特征点、线的对应关系;确定多高程尺度的构建。
通过改变特征提取方法的参变量,提取出不同参变量下的特征点、线,并构建不同参变量下的DEM,与初始DEM进行精度比较,计算偏差值;采用曲线拟合得到特征提取方法的参变量和偏差值之间的函数关系,结合DEM精度规范,建立偏差值与尺度间的函数关系,最终归纳出参变量与水文模型尺度之间的关系,实现对任一尺度,通过参变量和尺度之间的映射关系,获取特征提取方法的对应参变量,从而选择该参变量下的特征点、线,用于动态构建DEM,从而恢复地形表面。
2.多高程尺度构建评估参变量
通过提取特征点、线构建DEM,恢复成地形表面,比较初始DEM数据与恢复后的DEM数据,校验地表恢复效果与精度,将方均根偏差、均衡坡比、地表粗糙指数作为评估参变量进行校验。
1)方均根偏差:将初始DEM数据的高程与恢复后的DEM高程值求取方均根偏差,假设初始DEM数据每个格网的高程值为(i=1,2,…,m),m为栅格的个数,通过构建TIN恢复成的DEM数据每个格网的高程值为Xj(j=i=1,2,…,m)),m为栅格个数,方均根偏差计算式为:
2)均衡坡比C*:像元所有坡比之和除以像元个数,假设每个像元的坡比为Ci(i=1,2,3,…,m),Di(i=1,2,3,…,m)代表投影面积,m为像元个数,计算式为:
3)地表粗糙指数W:采用地表像元曲面面积与投影面积之比来计算,其中D代表像元面积,计算式为:
(二)基于多高程尺度的水流网拓扑模型的构建
本申请的水流网拓扑网络模型是一种基于多尺度的地形特征数据库(即数据库中只存储地形特征点、线及其尺度信息,不再存储DEM或者矢量TIN信息),构建水流网拓扑网络的模型(根据所需尺度,选择相对应的地形特征点、线,构建该尺度下的TIN模型,在TIN基础上,构建水流网拓扑网络)是一种为陆地水动态仿真提供多尺度地形表达的理论模型,将三维的地形表达简化为一维的拓扑水流网结构,并为水流网赋予水文属性(利用经典的水文公式计算每一条水流网的水文参量,如流速、流量),从广域到局部范围的陆地水动态仿真,基于多高程尺度的水流网拓扑模型构建主要包括构建受河流网约束的多尺度TIN、基于多高程尺度降水源点变化和基于多高程尺度的水流网拓扑模型拓扑解析三个方面。
1.构建受河流网约束的多尺度TIN
本申请通过提取流域特征线和特征点构建受河流网约束的TIN,通过改变特征提取的参变量,并且对所提取的特征赋予尺度属性,得到不同尺度下的TIN。
1)提取流域线
流域线提取整个区域的水网网络结构,通过设定一个临界值,将水流累积量大于临界值的进行提取,得到河网水网线,具体的提取过程为:
第1步,填平洼地:进行洼地填平以减小偏差;
第2步,确定水流方向:确定整个区域每个格网单元的水流方向,采用经过洼地填平之后的数据进行水流方向计算;
第3步,水流积聚计算:根据每个格网单元的水流方向计算出每个格网最后的水流汇集量;
第4步,提取水流网络:首先设定一个临界值,将所有格网水流积聚量大于临界值的像元提取出来,临界值的设定根据具体的流域情况,本申请临界值是2050;
第5步,连接水流网络:水流网络提取之后的水流可能不连通,将不连通的地方进行河流连接;
第6步,流域线矢量化:将得到的河网栅格影像数据利用工具转化为矢量数据;
第7步,简化流域线:利用道格拉斯-普克方法将流域线进行简化,通过提取临界值,将超过临界值的流域线进行提取,得到最终的流域线。
2)提取多尺度特征点
首先将区域的四个角点设为有效值,连接任意一条对角线,得到初始三角网,遍历每个三角形,计算其所包含的格网点在三角形面上的高程值,与格网点初始高程值进行求差,并且确定差值最大的点,将差值与临界值进行比较,如果差值小于选定的临界值,则结束提取特征点,用已经选择的特征点构建TIN,方法结束,反之,如果差值大于选定的临界值,将该点进行标记并且添加到特征点集中,重新构建TIN,直到最大差值都在临界值范围内,得到最终的特征点和TIN;构建TIN综合考虑特征点和流域线,特征点和流域线之间的不能存在冗余关系,对提取出来的特征点进行简化,具体的简化过程为:
步骤1,点点距离判定:提取的特征点按照唯一顺序排列,通过设定一个临界值,判定点与点之间的距离与临界值的关系,将小于临界值的点进行删除;
步骤2,点线距离判定:通过设定一个距离临界值,将小于临界值的点进行删除。通过变化参变量的设置,进行特征点简化,得到不同尺度下的特征点;
3)构建受河流网约束的多尺度TIN
通过提取并简化的特征点和流域线以及初始DEM数据构建TIN,由此构建的TIN能将流域线进行嵌套,较好的保持地形一致性,构建受河流网约束的多尺度TIN的具体过程如图2所示。
构建的受河流网约束的多尺度TIN如图3所示,图3(a)和图3(b)分别是不同尺度下的特征点、线构建得到的TIN,可以看出不同尺度下的TIN不一样。其中粗线表示嵌入的河流网,细线为三角网结构。
2.基于多高程尺度的降水源点变化
本申请采用一种基于格网约束的随机采样方法,将区域范围的地形表面划分为规则格网,并在每个格网中随机选取一个采样点作为降水源点,该降水源点作为水流网追踪的起点,因为每个规则格网的形状规则,面积一定,每个格网所具有的水量也能够计算出来,这样就能够很好的解决三角网水量不便确定的问题。
基于多高程尺度的水流网拓扑模型可以从任何一个降水源点开始,降水源点的分布密度直接影响水文模型的尺度,进行多尺度模拟计算时,水流网拓扑模型既可以采用多尺度TIN结构,也可以改变降水源点的分布密度,或同时采用这两种方式来实现。
在将整个地表按照一定分辨率划分为规则格网的过程中,划分的格网分辨率不同,每个格网的随机采样点也不一致,追踪到的水流路径也相应的发生变化,同时,将降水数据划分到规则格网时,每个格网所具有的水量也不一样,根据不同的水流网从采样点到出水口处水流的汇聚过程也会发生变化,因此最后得到的出水口处的汇流量也会发生变化,随着降水源点的分布密度的变化,得到不同的水文模型尺度。
在陆地水动态仿真中,每个格网所具有的降水为一个水量,在每个格网中随机选取一个采样点作为降水源点,作为水流网的起始点,根据不同格网分辨率确定降水源点,构建水流网拓扑模型时得到的相应的水流网数目。
在传统的水文模型中,大多以栅格或者HRU为计算单元;而水流网拓扑模型可以在任何点进行计算,区域内任何一点都可以得到水流变化曲线。这极大地提高了水流模拟的精度,而且水流网拓扑模型的逼近程度还可以随着改变,基于多高程尺度的水流网拓扑模型能够描述不同水文过程并兼容多个尺度,从而有效的解决从广域到局部范围的陆地水流动态仿真多尺度应用这一关键问题。
3.基于多高程尺度的水流网拓扑模型拓扑解析
基于多高程尺度提取的特征点、流域线动态构建河流网约束的多尺度TIN,基于动态TIN中每个三角面的水流方向,确定区域内的任意一点到流域出口的水流方向,通过计算TIN上每个面恒定的坡向,得到各三角面的水流方向线,以区域内采样的降水源点为起点,按照水流方向,依次追踪得到水流网;
针对每个三角形,假设三角形的三个顶点坐标分别为Q1(x1,y1,z1),Q2(x2,y2,z2),Q3(x3,y3,z3),那么三角面的方程公式为:
z=g(x,y)=dx+ey+s 式4
其中系数a,b,c由下式进行推导:
s=z1-dx1-ey1 式5
根据推导出来的系数计算出每个三角形的坡比和坡向,计算式为:
由式6根据坡比和坡向得到三角面的水流方向,每个三角形的坡比、坡向如图4的(a)所示,三角面的水流方向如图4的(b)所示。
基于多高程尺度的水流路径间的拓扑关系,构建水流路径拓扑网络,基于水流路径,建立存储点-点、点-线和线-线之间的拓扑关系,构建一维拓扑网络,该拓扑网络包含两个表,一个存储降水源点、特征点节点信息;另一个存储结点-线段信息,在由点和线组成的水流网拓扑结构中,通过采用唯一的ID号存储每一条水流网的节点和线。
(三)基于多高程尺度的陆地水动态仿真
1.融合水文计算模型
假设在水流模拟过程中任意一条水流网都没有测流,那么在陆地水模拟过程用下式表示:
其中,P表示水流的累积量,D表示水流的横截面积,r表示时间;h表示水流的长度,计算每一条水流网的流速和流量,将三维的地表简化为一维的水流网,计算流速并得到水流网的流速之后,通过流向图和坡比图判定周围每一个点的流向,计算流入流出此点的产流量,最后可求得每点的水深,如式8所示:
L=P/(uE) 式8
其中初始水深的计算为t=0时,水深=流量(产流)/像元面积,每点的水深=初始水深+(流入的产流量-流出的产流量)/像元面积,L表示水深,P为产流量,u为流速,E为格网尺寸,像元面积为E×E,汇流时间根据式9计算:
其中,r为汇流时间,u为流速,H表示水流网的长度,在经过一段时间之后,根据坡比以及水深数据计算出地表径流已移动的距离,将流入的径流量(上游贡献量)与流出的径流量(贡献给下游的径流量)进行计算得到一段时间内格网单元所积累的水流量,以此迭代,最后得到每隔一段时间生成的汇流图。
2.基于多高程尺度的陆地水动态仿真
基于多高程尺度的陆地水动态仿真,将基于水文模型构建多高程尺度数字模型与基于不同尺度的水流网拓扑模型降水源点密度分布变化分离,单独进行陆地水动态仿真,同时也可以将两者进行结合实现多尺度水流动态仿真。
1)多高程尺度但降水源点不变的陆地水动态仿真
通过提取不同尺度下的特征点、线构建受河流网约束的TIN,通过将区域划分为特定的格网大小,在每个格网里面随机选取一个采样点作为降水源点,构建水流网络拓扑模型,进行陆地水动态仿真,得到不同尺度的特征库与水流动态仿真结果之间的关系,通过特征提取方法的参变量和偏差值之间的函数关系,以及结合DEM的均方跟偏差、最大高程差与比例尺之间的对应关系,建立偏差值与尺度间的函数关系,最终归纳出参变量与水文模型尺度之间的关系,实现对于任一尺度,通过参变量和尺度之间的映射关系,获取特征提取方法的对应参变量,实现该特征提取方法参变量下陆地水动态仿真。
2)单高程尺度但降水源点发生变化的陆地水动态仿真
通过提取某一尺度下的特征点、线构建受河流网约束的TIN,将区域划分为不同的格网大小,分别在不同分辨率的格网中随机选取一个采样点作为降水源点,采样点和每个格网所具有的降水量不一致,降水源点的分布密度直接影响水流网络拓扑模型的尺度,实现多尺度的陆地水动态仿真。
3)多高程尺度且降水源点发生变化的陆地水动态仿真
基于多高程尺度且降水源点发生变化的水流模拟是通过同时变化构建TIN的特征点、线以及降水源点的分布密度,得到不同尺度的水流拓扑网络模型,实现多尺度的陆地水的动态仿真。
二、实验结果对比分析
本申请通过构建不同尺度下的DEM,采用水流网拓扑模型进行了陆地水动态仿真,通过变化多高程尺度的特征提取参变量和水流网拓扑模型的降水源点,得到了基于多高程尺度的水流网拓扑模型汇流模拟结果,同时通过变化初始DEM数据的分辨率,采用SWAT模型进行水文模拟得到不同分辨率下的汇流结果。实验结果的对比分析主要包括三个方面,多高程尺度构建结果对比分析、基于多高程尺度的陆地水动态仿真结果对比分析和基于不同分辨率DEM的SWAT模型和水流网拓扑模型模拟结果分析。
(一)多高程尺度构建结果对比分析
通过提取出特征点、线构建受河流网结构约束的TIN,通过变化特征点提取的X临界值,得到不同的TIN结构,给特征点赋予尺度属性,得到多高程尺度,并对其进行精度验证,验证该方法恢复的多高程尺度适用于水文模型。
本申请中通过提取6个不同的X临界值构建不同尺度的TIN,恢复成DEM地表,随着X临界值的增大,恢复的地表结构地形表现效果变差,但是整体上地形表现效果较好,具有地形意义。针对DEM采用三个参变量进行评估,主要对比方均根偏差、均衡坡比和地表粗糙指数,通过对提取特征点的X临界值进行变化,得到不同的X临界值参变量下所构建的TIN,恢复成DEM后计算方均根偏差、均衡坡比和地表粗糙指数,由不同X临界值提取特征点恢复成的多高程尺度,都能较好的表示地形特征,因此该种方法构建适用于水文模型的多高程尺度是可行的。
(二)水流模拟结果分析
1.基于多高程尺度的陆地水动态仿真结果对比分析
将基于水文模型构建多高程尺度数字模型与基于不同尺度的水流网拓扑模型降水源点密度分布变化分离而进行水流模拟,从三个方面对模拟结果进行分析。
1)多高程尺度但降水源点不变的陆地水动态仿真结果分析
通过选取不同的X-tolerance,将实验区域划分为30m分辨率格网,进行降水源点采样,构建水流网拓扑模型,进行陆地水动态仿真,将其与实际观测值进行比较得到的结果如图5所示。
2)单高程尺度但降水源点发生变化的陆地水动态仿真结果分析
选取X临界值为0.2m提取特征点,将实验区域分别划分为10m、15m、20m、25m、30m、35m和40m分辨率的格网,进行降水源点采样,构建水流网拓扑模型,进行陆地水动态仿真,与实际观测值进行比较结果为图6。
3)多高程尺度且降水源点发生变化的陆地水动态仿真结果分析
选取X临界值为0.2m、0.6m、0.9m、1.2m、1.6m、2.0m提取特征点,将实验区域划分为10m、15m、20m、25m、30m、35m和40m分辨率的格网,进行降水源点采样,构建水流网拓扑模型,进行陆地水动态仿真,与实际观测值进行比较结果为图7。
根据表格数据和离散点示意图,可以看出无论是X临界值取值发生变化还是降水源点密度发生变化,基于水流网拓扑模型进行陆地水动态仿真效果都较好,Nsah效率系数在0.8左右浮动,稳定性很好,多高程尺度的构建对陆地水动态仿真结果影响不大,因此可以建立多高程尺度进行水流模拟的特征库,能够针对任一需要的尺度找到匹配的水流模拟模型尺度。
(三)基于不同分辨率DEM的SWAT模型模拟结果分析
SWAT模型主要是通过改变初始DEM数据的分辨率,进行产流计算和汇流演算,得到最终的汇流模拟结果如图8所示,并将其与基于多高程尺度的水流网拓扑模型结果进行比较。通过对图8进行对比分析,可以得出SWAT模型模拟结果整体精准度低于本申请的水流网拓扑模型,同时根据图8可以看出SWAT模型在DEM分辨率发生变化的情况下,三个评估系数波动较大,模型的模拟结果较水流网拓扑模型波动大。
三、创新点总结
本申请针对现有技术的DEM模型难以支持复杂的流域水文模拟、基于多高程尺度的陆地水动态仿真方法尚不成熟、基于多高程尺度的陆地水动态仿真需要提高模拟精度和效率等问题,提出一种全新的基于多高程尺度的水流网拓扑网络模型以实现陆地水的动态仿真,主要包括:
第一,多高程尺度的构建:通过对高精度DEM数据进行地形和水网特征提取,并且对所获取的特征赋予尺度属性,构建多高程尺度的特征库,通过方均根偏差、均衡坡比、平均粗糙指数参变量对所构建的多高程尺度进行验证,证明该方法构建的多高程尺度适用于陆地水动态仿真。采用Maximum X-tolerance方法提取特征点,通过将X-tolerance临界值设置为0.2m、0.6m、0.9m、1.2m、1.6m和2.0m,对区域进行地表恢复,计算不同X临界值得到的方均根偏差,构建X临界值与方均根偏差之间的曲线拟合关系,然后通过方均根偏差与比例尺之间的关系,构建出X临界值与比例尺之间的关系,从而进行多高程尺度特征库的构建;
第二,基于多高程尺度的水流网拓扑模型构建:根据所需尺度提取特征点、线,动态构建受河流网约束的多尺度TIN;基于TIN中各三角面的水流方向,对降水源点进行采样,进行追踪并汇集各点的水流路径;基于多高程尺度的降水源点变化,确定点线拓扑关系;在水流网拓扑模型中,动态仿真可从任何一个降水源点开始,降水源点的分布密度直接影响水文模型的尺度,使得模拟尺度(降水源点的分布)和地表TIN的尺度可分离,即使在同一个TIN表面,也能通过改变降水源点的分布密度,实现多尺度的陆地水动态仿真,当需要进行多尺度模拟计算时,水流网拓扑模型既能采用多尺度TIN结构,也能改变降水源点的分布密度,或同时采用这两种方式来构建基于多高程尺度的水流网拓扑模型;
第三,基于多高程尺度的陆地水动态仿真:根据实测的降水数据和各类环境参量,采取水文模型SWAT计算得到产流数据,再采用本申请的水流网拓扑模型计算区域各点的汇流数据,通过采用多尺度TIN结构、改变降水源点分布密度以及两者相结合的方式进行陆地水动态仿真;并且将多尺度下的水流网拓扑模型模拟结果与水文模型SWAT进行对比,根据水文统计评估参变量表明本申请基于多尺度的水流网拓扑模型结果较好、精度较高、可靠性高。
Claims (10)
1.多高程尺度水流网的陆地水动态仿真模型,其特征在于,包括多高程尺度的构建、基于多高程尺度的水流网拓扑模型构建和基于多高程尺度的陆地水动态仿真,提出一种全新的基于多高程尺度的水流网拓扑网络模型以实现陆地水的动态仿真,具体为:
第一,多高程尺度的构建:包括基于水文模型构建多高程尺度数字模型、多高程尺度构建评估参变量;通过对高精度DEM数据进行地形和水网特征提取,并且对所获取的特征赋予尺度属性,构建多高程尺度的特征库;
第二,基于多高程尺度的水流网拓扑模型构建:包括构建受河流网约束的多尺度TIN、基于多高程尺度的降水源点变化、基于多高程尺度的水流网拓扑模型拓扑解析;根据所需尺度提取特征点、线,动态构建受河流网约束的多尺度TIN;基于TIN中各三角面的水流方向,对降水源点进行采样,进行追踪并汇集各点的水流路径;基于多高程尺度的降水源点变化,确定点线拓扑关系,构建基于多高程尺度的水流网拓扑网络模型;
第三,基于多高程尺度的陆地水动态仿真:包括融合水文计算模型、基于多高程尺度的陆地水动态仿真;根据实测的降水数据和各类环境参量,采取水文模型SWAT计算得到产流数据,再采用所提出的水流网拓扑模型计算区域各点的汇流数据,进行陆地水动态仿真。
2.根据权利要求1所述的多高程尺度水流网的陆地水动态仿真模型,其特征在于,基于水文模型构建多高程尺度数字模型:通过提取多高程尺度的特征点、流域线的地形特征;解析地形特征提取方法中参变量变化引起的特征点、线变化情况;分析特征点、线变化与尺度之间的关系;基于任意尺度与特征点、线的对应关系;确定多高程尺度的构建;
通过改变特征提取方法的参变量,提取出不同参变量下的特征点、线,并构建不同参变量下的DEM,与初始DEM进行精度比较,计算偏差值;采用曲线拟合得到特征提取方法的参变量和偏差值之间的函数关系,结合DEM精度规范,建立偏差值与尺度间的函数关系,最终归纳出参变量与水文模型尺度之间的关系,实现对任一尺度,通过参变量和尺度之间的映射关系,获取特征提取方法的对应参变量,从而选择该参变量下的特征点、线,用于动态构建DEM,从而恢复地形表面。
3.根据权利要求1所述的多高程尺度水流网的陆地水动态仿真模型,其特征在于,多高程尺度构建评估参变量:通过提取特征点、线构建DEM,恢复成地形表面,比较初始DEM数据与恢复后的DEM数据,校验地表恢复效果与精度,将方均根偏差、均衡坡比、地表粗糙指数作为评估参变量进行校验;
1)方均根偏差:将初始DEM数据的高程与恢复后的DEM高程值求取方均根偏差,假设初始DEM数据每个格网的高程值为(i=1,2,…,m),m为栅格的个数,通过构建TIN恢复成的DEM数据每个格网的高程值为Xj(j=i=1,2,…,m)),m为栅格个数,方均根偏差计算式为:
2)均衡坡比C*:像元所有坡比之和除以像元个数,假设每个像元的坡比为Ci(i=1,2,3,…,m),Di(i=1,2,3,…,m)代表投影面积,m为像元个数,计算式为:
3)地表粗糙指数W:采用地表像元曲面面积与投影面积之比来计算,其中D代表像元面积,计算式为:
4.根据权利要求1所述的多高程尺度水流网的陆地水动态仿真模型,其特征在于,构建受河流网约束的多尺度TIN:通过提取流域特征线和特征点构建受河流网约束的TIN,通过改变特征提取的参变量,并且对所提取的特征赋予尺度属性,得到不同尺度下的TIN;
1)提取流域线:流域线提取整个区域的水网网络结构,通过设定一个临界值,将水流累积量大于临界值的进行提取,得到河网水网线,具体的提取过程为:
第1步,填平洼地:进行洼地填平以减小偏差;
第2步,确定水流方向:确定整个区域每个格网单元的水流方向,采用经过洼地填平之后的数据进行水流方向计算;
第3步,水流积聚计算:根据每个格网单元的水流方向计算出每个格网最后的水流汇集量;
第4步,提取水流网络:首先设定一个临界值,将所有格网水流积聚量大于临界值的像元提取出来,临界值的设定根据具体的流域情况,本申请临界值是2050;
第5步,连接水流网络:水流网络提取之后的水流可能不连通,将不连通的地方进行河流连接;
第6步,流域线矢量化:将得到的河网栅格影像数据利用工具转化为矢量数据;
第7步,简化流域线:利用道格拉斯-普克方法将流域线进行简化,通过提取临界值,将超过临界值的流域线进行提取,得到最终的流域线;
2)提取多尺度特征点:首先将区域的四个角点设为有效值,连接任意一条对角线,得到初始三角网,遍历每个三角形,计算其所包含的格网点在三角形面上的高程值,与格网点初始高程值进行求差,并且确定差值最大的点,将差值与临界值进行比较,如果差值小于选定的临界值,则结束提取特征点,用已经选择的特征点构建TIN,方法结束,反之,如果差值大于选定的临界值,将该点进行标记并且添加到特征点集中,重新构建TIN,直到最大差值都在临界值范围内,得到最终的特征点和TIN;构建TIN综合考虑特征点和流域线,特征点和流域线之间的不能存在冗余关系,对提取出来的特征点进行简化,具体的简化过程为:
步骤1,点点距离判定:提取的特征点按照唯一顺序排列,通过设定一个临界值,判定点与点之间的距离与临界值的关系,将小于临界值的点进行删除;
步骤2,点线距离判定:通过设定一个距离临界值,将小于临界值的点进行删除,通过变化参变量的设置,进行特征点简化,得到不同尺度下的特征点;
3)构建受河流网约束的多尺度TIN:通过提取并简化的特征点和流域线以及初始DEM数据构建TIN,由此构建的TIN能将流域线进行嵌套,保持地形一致性。
5.根据权利要求1所述的多高程尺度水流网的陆地水动态仿真模型,其特征在于,基于多高程尺度的降水源点变化:本申请采用一种基于格网约束的随机采样方法,将区域范围的地形表面划分为规则格网,并在每个格网中随机选取一个采样点作为降水源点,该降水源点作为水流网追踪的起点,每个规则格网的形状规则,面积一定,每个格网所具有的水量也能够计算出来,解决三角网水量不便确定的问题;
基于多高程尺度的水流网拓扑模型可以从任何一个降水源点开始,降水源点的分布密度直接影响水文模型的尺度,进行多尺度模拟计算时,水流网拓扑模型既可以采用多尺度TIN结构,也可以改变降水源点的分布密度,或同时采用这两种方式来实现;
在将整个地表按照一定分辨率划分为规则格网的过程中,划分的格网分辨率不同,每个格网的随机采样点也不一致,追踪到的水流路径也相应的发生变化,同时,将降水数据划分到规则格网时,每个格网所具有的水量也不一样,根据不同的水流网从采样点到出水口处水流的汇聚过程也会发生变化,因此最后得到的出水口处的汇流量也会发生变化,随着降水源点的分布密度的变化,得到不同的水文模型尺度;
在陆地水动态仿真中,每个格网所具有的降水为一个水量,在每个格网中随机选取一个采样点作为降水源点,作为水流网的起始点,根据不同格网分辨率确定降水源点,构建水流网拓扑模型时得到的相应的水流网数目;
水流网拓扑模型可以在任何点进行计算,区域内任何一点都可以得到水流变化曲线,提高水流模拟的精度,而且水流网拓扑模型的逼近程度还可以随着改变,描述不同水文过程并兼容多个尺度,解决从广域到局部范围的陆地水流动态仿真多尺度应用这一关键问题。
6.根据权利要求1所述的多高程尺度水流网的陆地水动态仿真模型,其特征在于,基于多高程尺度的水流网拓扑模型拓扑解析:基于多高程尺度提取的特征点、流域线动态构建河流网约束的多尺度TIN,基于动态TIN中每个三角面的水流方向,确定区域内的任意一点到流域出口的水流方向,通过计算TIN上每个面恒定的坡向,得到各三角面的水流方向线,以区域内采样的降水源点为起点,按照水流方向,依次追踪得到水流网;
针对每个三角形,假设三角形的三个顶点坐标分别为Q1(x1,y1,z1),Q2(x2,y2,z2),Q3(x3,y3,z3),三角面的方程公式为:
z=g(x,y)=dx+ey+s 式4
其中系数a,b,c由下式进行推导:
s=z1-dx1-ey1 式5
根据推导出来的系数计算出每个三角形的坡比和坡向,计算式为:
由式6根据坡比和坡向得到三角面的水流方向;
基于多高程尺度的水流路径间的拓扑关系,构建水流路径拓扑网络,基于水流路径,建立存储点-点、点-线和线-线之间的拓扑关系,构建一维拓扑网络,该拓扑网络包含两个表,一个存储降水源点、特征点节点信息;另一个存储结点-线段信息,在由点和线组成的水流网拓扑结构中,通过采用唯一的ID号存储每一条水流网的节点和线。
7.根据权利要求1所述的多高程尺度水流网的陆地水动态仿真模型,其特征在于,融合水文计算模型:假设在水流模拟过程中任意一条水流网都没有测流,那么在陆地水模拟过程用下式表示:
其中,P表示水流的累积量,D表示水流的横截面积,r表示时间;h表示水流的长度,计算每一条水流网的流速和流量,将三维的地表简化为一维的水流网,计算流速并得到水流网的流速之后,通过流向图和坡比图判定周围每一个点的流向,计算流入流出此点的产流量,最后可求得每点的水深,如式8所示:
L=P/(uE) 式8
其中初始水深的计算为t=0时,每点的水深=初始水深+(流入的产流量-流出的产流量)/像元面积,L表示水深,P为产流量,u为流速,E为格网尺寸,像元面积为E×E,汇流时间根据式9计算:
其中,r为汇流时间,u为流速,H表示水流网的长度,在经过一段时间之后,根据坡比以及水深数据计算出地表径流已移动的距离,将流入的径流量与流出的径流量进行计算得到一段时间内格网单元所积累的水流量,以此迭代,最后得到每隔一段时间生成的汇流图。
8.根据权利要求1所述的多高程尺度水流网的陆地水动态仿真模型,其特征在于,多高程尺度但降水源点不变的陆地水动态仿真:通过提取不同尺度下的特征点、线构建受河流网约束的TIN,通过将区域划分为特定的格网大小,在每个格网里面随机选取一个采样点作为降水源点,构建水流网络拓扑模型,进行陆地水动态仿真,得到不同尺度的特征库与水流动态仿真结果之间的关系,通过特征提取方法的参变量和偏差值之间的函数关系,以及结合DEM的均方跟偏差、最大高程差与比例尺之间的对应关系,建立偏差值与尺度间的函数关系,最终归纳出参变量与水文模型尺度之间的关系,实现对于任一尺度,通过参变量和尺度之间的映射关系,获取特征提取方法的对应参变量,实现该特征提取方法参变量下陆地水动态仿真。
9.根据权利要求1所述的多高程尺度水流网的陆地水动态仿真模型,其特征在于,单高程尺度但降水源点发生变化的陆地水动态仿真:通过提取某一尺度下的特征点、线构建受河流网约束的TIN,将区域划分为不同的格网大小,分别在不同分辨率的格网中随机选取一个采样点作为降水源点,采样点和每个格网所具有的降水量不一致,降水源点的分布密度直接影响水流网络拓扑模型的尺度,实现多尺度的陆地水动态仿真。
10.根据权利要求1所述的多高程尺度水流网的陆地水动态仿真模型,其特征在于,多高程尺度且降水源点发生变化的陆地水动态仿真基于多高程尺度且降水源点发生变化的水流模拟是通过同时变化构建TIN的特征点、线以及降水源点的分布密度,得到不同尺度的水流拓扑网络模型,实现多尺度的陆地水的动态仿真。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111251002.4A CN113987969A (zh) | 2021-10-26 | 2021-10-26 | 多高程尺度水流网的陆地水动态仿真模型 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111251002.4A CN113987969A (zh) | 2021-10-26 | 2021-10-26 | 多高程尺度水流网的陆地水动态仿真模型 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113987969A true CN113987969A (zh) | 2022-01-28 |
Family
ID=79741999
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111251002.4A Pending CN113987969A (zh) | 2021-10-26 | 2021-10-26 | 多高程尺度水流网的陆地水动态仿真模型 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113987969A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115661004A (zh) * | 2022-12-26 | 2023-01-31 | 武汉天际航信息科技股份有限公司 | 三维地形模型及道路dem的更新方法、设备以及存储介质 |
CN115688614A (zh) * | 2023-01-04 | 2023-02-03 | 河海大学 | 基于陆海气耦合模式的生态流量预测方法和系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034003A (zh) * | 2010-12-16 | 2011-04-27 | 南京大学 | 基于蓄水容量曲线和topmodel的流域水文模型的设计方法 |
CN102122395A (zh) * | 2011-01-31 | 2011-07-13 | 武汉大学 | 一种保持地形特征的自适应尺度dem建模方法 |
CN102722909A (zh) * | 2012-05-28 | 2012-10-10 | 武汉大学 | 一种基于自适应尺度dem的流水线拓扑网络动态模拟方法 |
CN103236086A (zh) * | 2013-04-24 | 2013-08-07 | 武汉大学 | 一种顾及地表水文上下文的多尺度dem建模方法 |
CN104898183A (zh) * | 2015-05-29 | 2015-09-09 | 杭州辰青和业科技有限公司 | 暴雨城市内涝建模评估方法 |
CN109325084A (zh) * | 2018-08-06 | 2019-02-12 | 青海中水数易信息科技有限责任公司 | 一种基于gis的河网图生成方法 |
CN113361114A (zh) * | 2021-06-11 | 2021-09-07 | 中国科学院精密测量科学与技术创新研究院 | 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 |
-
2021
- 2021-10-26 CN CN202111251002.4A patent/CN113987969A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034003A (zh) * | 2010-12-16 | 2011-04-27 | 南京大学 | 基于蓄水容量曲线和topmodel的流域水文模型的设计方法 |
CN102122395A (zh) * | 2011-01-31 | 2011-07-13 | 武汉大学 | 一种保持地形特征的自适应尺度dem建模方法 |
CN102722909A (zh) * | 2012-05-28 | 2012-10-10 | 武汉大学 | 一种基于自适应尺度dem的流水线拓扑网络动态模拟方法 |
CN103236086A (zh) * | 2013-04-24 | 2013-08-07 | 武汉大学 | 一种顾及地表水文上下文的多尺度dem建模方法 |
CN104898183A (zh) * | 2015-05-29 | 2015-09-09 | 杭州辰青和业科技有限公司 | 暴雨城市内涝建模评估方法 |
CN109325084A (zh) * | 2018-08-06 | 2019-02-12 | 青海中水数易信息科技有限责任公司 | 一种基于gis的河网图生成方法 |
CN113361114A (zh) * | 2021-06-11 | 2021-09-07 | 中国科学院精密测量科学与技术创新研究院 | 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 |
Non-Patent Citations (2)
Title |
---|
YUMIN CHEN ET AL.: "The simulation of surface flow dynamics using a flow-path network model", 《INTERNATIONAL JOURNAL OF GEOGRAPHICAL INFORMATION SCIENCE》, vol. 28, no. 11, 22 May 2014 (2014-05-22), pages 2248 - 2252 * |
陈玉敏等: "多尺度地表水动态模拟及应用", 《测绘学报》, vol. 44, no. 1, 31 December 2015 (2015-12-31), pages 37 - 40 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115661004A (zh) * | 2022-12-26 | 2023-01-31 | 武汉天际航信息科技股份有限公司 | 三维地形模型及道路dem的更新方法、设备以及存储介质 |
CN115688614A (zh) * | 2023-01-04 | 2023-02-03 | 河海大学 | 基于陆海气耦合模式的生态流量预测方法和系统 |
CN115688614B (zh) * | 2023-01-04 | 2023-03-21 | 河海大学 | 基于陆海气耦合模式的生态流量预测方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110222911B (zh) | 一种卫星遥感与地面数据协同的雨量站网优化布局方法 | |
CN112784403B (zh) | 基于点云数据建立节理岩体离散元模型的数值模拟方法 | |
CN102122395A (zh) | 一种保持地形特征的自适应尺度dem建模方法 | |
CN113987969A (zh) | 多高程尺度水流网的陆地水动态仿真模型 | |
JP2005128838A (ja) | 簡易型洪水氾濫解析システム | |
CN102902844A (zh) | 基于大数据量dem数据的子流域划分方法 | |
Wang et al. | The isotropic organization of DEM structure and extraction of valley lines using hexagonal grid | |
CN116843845A (zh) | 一种应用于数字孪生城市的空间数据集成方法及系统 | |
CN114926602B (zh) | 基于三维点云的建筑物单体化方法及系统 | |
Chen et al. | Analyzing inundation extent in small reservoirs: A combined use of topography, bathymetry and a 3D dam model | |
Yan et al. | Description approaches and automated generalization algorithms for groups of map objects | |
KR20140024590A (ko) | 연속지적도의 다축척 모델 생성 방법 | |
Coppola et al. | Cellular automata algorithms for drainage network extraction and rainfall data assimilation | |
Mitasova et al. | GIS tools for erosion/deposition modelling and multidimensional visualization | |
CN114969944B (zh) | 一种高精度道路dem构建方法 | |
CN114648617A (zh) | 一种基于数字高程模型dem的水系提取方法 | |
CN116523189A (zh) | 一种考虑水文特征的墒情站点规划方法、装置及存储介质 | |
CN115346119A (zh) | 一种基于数字高程模型的数字河网提取方法 | |
Xu et al. | Methods for the construction of DEMs of artificial slopes considering morphological features and semantic information | |
CN115758856A (zh) | 一种景观格局及气候变化对流域未来水质影响的研究方法 | |
Gao et al. | PyVF: A python program for extracting vertical features from LiDAR-DEMs | |
Lai et al. | A parallel adaptive-resolution hydraulic flood inundation model for flood hazard mapping | |
CN117036647B (zh) | 基于倾斜实景三维模型的地面曲面提取方法 | |
Wang et al. | Hydrological watersheds model researching based on digital elevation model | |
Hariyanto et al. | Measurement of Sprawl Effect Based on Urban Growth Trends and Prediction in Kedungkandang District, Malang City |
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 |