CN114418446A - 水资源短缺的定量评估方法 - Google Patents
水资源短缺的定量评估方法 Download PDFInfo
- Publication number
- CN114418446A CN114418446A CN202210108534.0A CN202210108534A CN114418446A CN 114418446 A CN114418446 A CN 114418446A CN 202210108534 A CN202210108534 A CN 202210108534A CN 114418446 A CN114418446 A CN 114418446A
- Authority
- CN
- China
- Prior art keywords
- water
- shortage
- water quality
- type
- swat
- 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 427
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000011156 evaluation Methods 0.000 claims abstract description 23
- 238000012795 verification Methods 0.000 claims abstract description 17
- 238000012549 training Methods 0.000 claims abstract description 16
- 239000002689 soil Substances 0.000 claims description 14
- 239000008235 industrial water Substances 0.000 claims description 6
- 239000012895 dilution Substances 0.000 claims description 5
- 238000010790 dilution Methods 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 5
- 238000007865 diluting Methods 0.000 claims description 2
- 238000011158 quantitative evaluation Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 7
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 3
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 3
- 239000013505 freshwater Substances 0.000 description 3
- 229910052698 phosphorus Inorganic materials 0.000 description 3
- 239000011574 phosphorus Substances 0.000 description 3
- 239000002352 surface water Substances 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000006735 deficit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000003911 water pollution Methods 0.000 description 2
- 238000005273 aeration Methods 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement 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
- 239000000575 pesticide Substances 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000000243 solution Substances 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- 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
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Databases & Information Systems (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种水资源短缺的定量评估方法，属于水资源评价技术领域。本发明针对现有水资源短缺的评估方法仅考虑水量而忽视水质，造成评估结果准确性差的问题。包括：将目标流域划分为各个子流域；采用SWAT初模型对每个子流域进行水文响应单元的划分；将数据库中的实测水文数据对应水文响应单元划分为训练集和验证集；采用训练集和验证集对SWAT初模型进行参数率定并进行验证，获得最终SWAT模型；计算单元可用水量及单元水质；按用水类型确定每种用水类型的需求水质及需求水量；根据单元可用水量、单元水质、每种用水类型的需求水质及需求水量，分别进行水量型缺水量评估和水质型缺水量评估。本发明用于目标流域缺水量的评估。
Description
技术领域
本发明涉及水资源短缺的定量评估方法，属于水资源评价技术领域。
背景技术
目前全世界约25亿人面临缺水或者严重缺水问题，缺水是挑战可持续发展的最严重威胁之一。水资源短缺主要分为两个方面：资源型缺水和水质型缺水；资源型缺水主要是由于水资源分布的地域性差异导致的局部区域水源分布较少而引起的缺水；水质型缺水则是由于区域内水资源的物理形态或水质恶化导致无法利用引起的缺水。随着城市化进程的推进，水资源的水体受到不同程度的污染，水质型缺水问题日益突出。因此，科学有效地定量评估资源型和水质型缺水程度，可为解决水资源问题提供重要的决策依据。
水资源的可用性一方面取决于充足的水量，另一方面取决于各类用水的水质需求。目前对水资源短缺的评估，常采用水资源压力指数评价法(淡水取用相对于可用淡水资源的比例)。这种评估方法仅仅考虑了流域的可用水量与各类用水需求量，忽视了水质不足对水资源可用性造成的重大影响。在流域水污染问题没有得到彻底改善之前，仅考虑水量而忽视水质，往往低估了其水资源短缺水平。传统评价方法由于没有考虑水质需求，使评估结果的准确性和应用范围受到限制。因此，建立一种能够克服传统水资源评价方法的不足，同时兼顾资源型缺水和水质型缺水的评估方法，成为流域水资源可持续发展的关键问题。
发明内容
针对现有水资源短缺的评估方法仅考虑水量而忽视水质，造成评估结果准确性差的问题，本发明提供一种水资源短缺的定量评估方法。
本发明的一种水资源短缺的定量评估方法，包括，
采用数字高程模型将目标流域划分为具有水力联系的各个子流域；
基于水量平衡规律，对水量平衡方程进行变形获得SWAT初模型；采用SWAT初模型对每个子流域进行水文响应单元的划分；
将数据库中的实测水文数据对应水文响应单元划分为训练集和验证集；
采用训练集和验证集对SWAT初模型进行参数率定并进行验证，直到率定后模型的有效性满足预设阈值，将对应的率定后模型作为最终SWAT模型；
基于最终SWAT模型采用QSWAT程序按照水文响应单元的划分进行单元可用水量及单元水质计算；
按用水类型确定每种用水类型的需求水质及需求水量；
根据单元可用水量、单元水质、每种用水类型的需求水质及需求水量，分别进行水量型缺水量评估和水质型缺水量评估。
根据本发明的水资源短缺的定量评估方法，根据水量型缺水量评估结果和水质型缺水量评估结果进行综合缺水量的计算，并对综合缺水量按水资源稀缺程度分级。
根据本发明的水资源短缺的定量评估方法，采用SWAT初模型对每个子流域进行水文响应单元的划分包括：
采用SWAT初模型对每个子流域按照不同地理信息数据图的属性划分区域，将具有相同地理信息数据图属性组合的区域作为一类水文响应单元；所述不同地理信息数据图包括土地利用图、土壤类型图和坡度图。
根据本发明的水资源短缺的定量评估方法，获得最终SWAT模型的方法包括：
采用训练集对SWAT初模型进行参数率定，率定后模型再采用训练集运行的结果与验证集做比较，获得纳什系数、决定系数和相对误差，再评估率定后模型有效性，重复对SWAT初模型的参数率定，直到评估的有效性满足预设阈值，将对应的率定后模型作为最终SWAT模型。
根据本发明的水资源短缺的定量评估方法，所述用水类型包括生活用水、工业用水、农业用水和生态用水。
根据本发明的水资源短缺的定量评估方法，其中生活用水的需求水质为三类及以上水质，工业用水的需求水质为四类水质，农业用水的需求水质为五类水质，生态用水的需求水质为三类及以上水质。
根据本发明的水资源短缺的定量评估方法，由所述单元水质进行目标流域水质的计算：
式中Si为目标流域第i项水质指标的水质，Lj为第j类水文响应单元的断面流域长度，L为目标流域长度，Si,j为第j类水文响应单元的第i项水质指标的水质。
根据本发明的水资源短缺的定量评估方法，水量型缺水量评估方法包括：
式中Wp为水量型缺水量评估结果，DI为第I个用水类型的需求水量；Q为由单元可用水量计算获得的目标流域总可用水量；EFR为环境要求流量。
根据本发明的水资源短缺的定量评估方法，水质型缺水量评估方法包括：
式中Wq为水质型缺水量评估结果，dqI为第I个用水类型为获得可接受的水质而进行稀释所需的额外水量；
dqI＝max(dqI,i)，
式中dqI,i为第I个用水类型根据第i项水质指标，为获得可接受的水质而进行稀释所需的额外水量；
式中Ci为第I个用水类型根据第i项水质指标所需的实际水质等级，
为第I个用水类型根据第i项水质指标可接受的最大水质等级。
根据本发明的水资源短缺的定量评估方法，综合缺水量Wb的计算方法包括：
Wb＝Wp+Wq，
根据综合缺水量Wb按水资源稀缺程度分级包括：
Wb<1.0，为低等级；1.0≤Wb<1.5时为中等等级；1.5≤Wb<2.0时为显著等级，Wb≥2.0为严重等级。
本发明的有益效果：本发明方法适用于市政工程、环境工程、环境系统模拟预测技术与计算机技术交叉领域。将流域用水的水质需求和河流水质指标纳入水资源短缺的评估框架，从水量和水质两个方面定量解析水资源可用性和需求性的平衡关系，弥补了传统水资源短缺评估过程中忽略了水质问题的不足；同时，本发明的计算结果能够充分体现流域的资源型与水质型缺水规律，有效提高了评估方法的适用性和评价结果的准确性。本发明方法简单易行，数据易获取，具有较强的普适性，有助于精准反映流域水资源短缺现状，并能有效推动流域节水工作与水污染防治工作的推进。
附图说明
图1是本发明所述水资源短缺的定量评估方法的流程图；
图2是具体实施例中对四川省2017-2019年水资源短缺的定量评估结果图；图中对应于每一年，依次为Wp、Wq和Wb的结果；横坐标为年份，纵坐标为缺水等级。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例，都属于本发明保护的范围。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。
具体实施方式一、结合图1所示，本发明提供了一种水资源短缺的定量评估方法，包括，
采用数字高程模型将目标流域划分为具有水力联系的各个子流域；
基于水量平衡规律，对水量平衡方程进行变形获得SWAT初模型；采用SWAT初模型对每个子流域进行水文响应单元的划分；
将数据库中的实测水文数据对应水文响应单元划分为训练集和验证集；
采用训练集和验证集对SWAT初模型进行参数率定并进行验证，直到率定后模型的有效性满足预设阈值，将对应的率定后模型作为最终SWAT模型；
SWAT初模型构建过程中，对目标流域的空间数据和属性数据进行了研究；基于最终SWAT模型采用QSWAT程序按照水文响应单元的划分进行单元可用水量及单元水质计算；
按用水类型确定每种用水类型的需求水质及需求水量；
根据单元可用水量、单元水质、每种用水类型的需求水质及需求水量，分别进行水量型缺水量评估和水质型缺水量评估。
SWAT初模型原理：
SWAT模拟主要包括两个过程：水循环的陆面部分和水循环的水面部分。前者控制着每个子流域内的水流、泥沙营养物质和杀虫剂负荷等向河道的输入；后者决定水、沙等物质从河网向流域出口的输移运动。整个水分循环系统遵循水量平衡规律。整个水文循环基于水量平衡方程：
式中SWt为土壤最终含水量，mm；SW0为第i天的土壤初始含水量，mm；t表示时间，d；Rady表示第i天的降水量，mm；Qsurf表示第i天的地表径流量，mm；Ea表示第i天的蒸散发量，mm；Wseep表示第i天从土壤剖面进入包气带的水量，mm；Qgw表示第i天回归流的水量，mm。
子流域划分：
准备DEM数据和GIS图层。
为了减小地形和气候等因素对SWAT模型准确性的影响，通常将研究流域进行子流域划分。常用的三种方法是：自然子流域、山坡和网格。本实施方式采用数字高程模型将整个流域自动划分为具有水力联系的子流域。
数据库写入：
SWAT初模型的初始构建，需要准备天气发生器，气象站地理位置数据、实测的降雨、气温、辐射量、相对湿度、风速等气象数据，当数据缺失时天气发生器会自动生成对应流域的数据。SWAT初模型将气象数据、HRU、农业管理措施等分别写入对应的数据库，供模型运行时调用。
进一步，根据水量型缺水量评估结果和水质型缺水量评估结果进行综合缺水量的计算，并对综合缺水量按水资源稀缺程度分级。
本实施方式的定量评估过程框架如下：
①基于SWAT模型计算流域的可用水资源量计算；②基于各类污染物特点，计算各类用水的需水量与水质需求；③基于流域各考核断面水质情况，计算流域各类污染物的年平均浓度；④提出水质型缺水量和综合缺水量计算方法，计算流域资源型缺水量和水质型缺水量，并划分流域水资源短缺等级。
再进一步，采用SWAT初模型对每个子流域进行水文响应单元(HRU)的划分包括：
采用SWAT初模型对每个子流域按照不同地理信息数据图的属性划分区域，将具有相同地理信息数据图属性组合的区域作为一类水文响应单元；所述不同地理信息数据图包括土地利用图、土壤类型图和坡度图。
对水文响应单元的划分，需要收集土地利用、土壤类型数据集，制作相对应的索引表并构建相应的数据库，重分类土地利用图、土壤类型图和坡度图。SWAT初模型在子流域的基础上，叠置土地利用、土壤和坡度图，将子流域内具有同一组合的不同区域划分为同一类HRU，认为同一类HRU在子流域内具有相同的水文行为。
举例说明：当土地利用图包括A类、B类、C类；土壤类型图包括F类、T类；坡度图包括M类、N类时，若存在多个区域的属性组合为BFN，则将所有组合为BFN的区域作为一类水文响应单元。
再进一步，获得最终SWAT模型的方法包括：
采用训练集对SWAT初模型进行参数率定，率定后模型再采用训练集运行的结果与验证集做比较，获得纳什系数、决定系数和相对误差，再评估率定后模型有效性，重复对SWAT初模型的参数率定，直到评估的有效性满足预设阈值，将对应的率定后模型作为最终SWAT模型。
在完成SWAT初模型初始构建的数据库写入、模型运行设置后开始第一次运行模型，将实测数据划分为训练集和验证集，利用训练集的数据对模型进行参数率定，率定后的模型再次运行，将运行结果与验证集做比较，计算纳什系数、决定系数和相对误差以评估模型有效性。
作为示例，根据实际生产和生活的需要，可将需水部门划分为四类，分别为生活用水、工业用水、农业用水和生态用水。各用水类型需水量可根据水资源公报数据确定。
作为示例，根据使用性质的不同，不同需水部门对水质有不同的要求。其中生活用水的需求水质为三类及以上水质，工业用水的需求水质为四类水质，农业用水的需求水质为五类水质，生态用水的需求水质为三类及以上水质。
水质数据的选择与爬取：
利用Python编写程序实时抓取环境监测站地表水水质监测系统流域水质监测结果并记录。结合实际情况及参考文献，本实施方式可选择下列指标作为水质指标：COD、氨氮、总磷。
流域典型水质的计算：
对各个监测断面的数据计算取年平均值，然后根据各断面流域长度进行加权平均得到整体流域年平均水质，将该值定义为流域典型水质。
由所述单元水质进行目标流域水质的计算：
式中Si为目标流域第i项水质指标的水质，Lj为第j类水文响应单元的断面流域长度，m，L为目标流域长度，m；Si,j为第j类水文响应单元的第i项水质指标的水质。
资源型缺水量计算与评估：
对于一个目标区域，基于数量的缺水Wp是根据区域需水量与可用水量的比值来衡量的，考虑到人类使用淡水和生态系统保护之间的平衡：
水量型缺水量评估方法包括：
式中Wp为水量型缺水量评估结果，DI为第I个用水类型的需求水量，m3s-1；Q为由单元可用水量计算获得的目标流域总可用水量，m3s-1；EFR为环境要求流量，m3s-1。
基于质量的缺水Wq是指获得足够的用水质量而进行稀释所需的水与可用水之间的比值：
水质型缺水量评估方法包括：
式中Wq为水质型缺水量评估结果，dqI为第I个用水类型为获得可接受的水质而进行稀释所需的额外水量，m3s-1；
dqI＝max(dqI,i)，
式中dqI,i为第I个用水类型根据第i项水质指标，为获得可接受的水质而进行稀释所需的额外水量，m3s-1；
式中Ci为第I个用水类型根据第i项水质指标所需的实际水质等级，
为第I个用水类型根据第i项水质指标可接受的最大水质等级。
最后，同时考虑水量和水质维度的综合缺水量Wb的计算方法包括：
Wb＝Wp+Wq，
根据综合缺水量Wb按水资源稀缺程度分级包括：
Wb<1.0，为低等级；1.0≤Wb<1.5时为中等等级；1.5≤Wb<2.0时为显著等级，Wb≥2.0为严重等级。
综上，本发明方法打破了传统水资源短缺评估方法过于侧重于水量评估的局限性，在量化各用水部门水质需求的基础上，建立了一套流域资源型和水质型缺水的定量评估方法，为水资源短缺的科学评估提供了全新有效的技术手段；
本发明提出的流域资源型和水质型缺水的定量评估方法，基于SWAT模型计算可用水量，有效弥补了传统水资源可用水量评估方法精度不足的问题；
本发明根据流域实际水质情况和水量情况得到流域水质型缺水量和资源型缺水量评价系数，能够明确划分流域各类缺水的等级，对于未来流域水资源保护的政策提供科学依据；
本发明提出了一套完整的流域缺水评价方法，基础数据获取容易，评估方法适应性强，计算过程广泛适用于各种尺度的流域，不受地域、自然环境的影响，对评估各地区缺水情况具有重要意义。
具体实施例：
以四川省为例，采用本发明方法对2017-2019年流域缺水情况进行评估：
一、首先进行子流域划分：
准备DEM数据和GIS图层，将整个流域自动划分为具有水力联系的子流域。
二、水文响应单元(HRU)划分：
将子流域内具有同一组合的不同区域划分为同一类HRU；
三、数据库写入：
将气象数据、HRU、农业管理措施等分别写入对应的数据库，供SWAT初模型运行时调用。
四、模型运行、率定以及验证，获得最终SWAT模型。
1)流域可用水资源量和需水量的计算：
利用最终SWAT模型计算得出四川省2017-2019年可用水量如下表1所示：
表1四川省2017-2019年可用水量表
| 年份 | 可用水量(亿m<sup>3</sup>) |
| 2017 | 2875.48 |
| 2018 | 3270.69 |
| 2019 | 3096.16 |
根据四川省水资源公报获得各部门需水量，如下表2所示：
表2四川省2017-2019年各需水部门需水量表
| 需水量(亿m<sup>3</sup>) | 生活 | 工业 | 农业 | 生态 |
| 2017 | 50.81 | 51.37 | 160.42 | 5.80 |
| 2018 | 54.40 | 42.47 | 156.60 | 5.64 |
| 2019 | 54.09 | 37.94 | 154.53 | 5.88 |
从表2可以看出农业部门需水量最大，生态用水需水量最小。
2)各部门水质要求的确定：
根据《地表水环境质量标准》(GB 3838-2002)，本发明设计的四个需水部门水质需满足如下表3要求：
表3需水部门水质限制表
3)区域河流水质的获取与计算：
利用Python软件实时抓取环境监测站地表水水质监测系统流域水质监测结果并记录，综合考虑选取水质最差情况作为水质参考依据，四川省2017-2019年流域水质情况如下表4所示：
表4四川省2017-2019年流域水质表
| 水质情况(mg/l) | COD | 氨氮 | 总磷 |
| 2017 | 33 | 5.44 | 0.61 |
| 2018 | 74 | 7.73 | 0.69 |
| 2019 | 25 | 1.75 | 0.36 |
从表4结果可以看出，四川省流域水质达到最差情况时，COD、氨氮、总磷均存在超标数值。其中2018年水质最差，三项数据严重超标。
4)水量型缺水量和水质型缺水量的评估：
水量型缺水量计算结果如表5所示：
表5四川省2017-2019年水量型缺水量表
| 年份 | Wp |
| 2017 | 0.467 |
| 2018 | 0.396 |
| 2019 | 0.408 |
从计算结果可以看出，四川省2017-2019年流域水量型缺水量低，均在0.5以下。
水质型缺水量如表6所示：
表6四川省2017-2019年水质型缺水量表
| 年份 | Wq |
| 2017 | 1.662 |
| 2018 | 2.603 |
| 2019 | 0.197 |
从计算结果可以看出，四川省2017年流域水质型缺水量显著，2018年流域水质型缺水量严重，需要引起相关部门重视。2019年情况较好，水质型缺水量低。
综合缺水量如表7所示：
表7四川省2017-2019年综合缺水量表
| 年份 | Wb |
| 2017 | 2.129 |
| 2018 | 2.999 |
| 2019 | 0.604 |
根据水资源稀缺等级划分，2017年四川省水资源稀缺程度为严重，2018年四川省水资源稀缺程度为严重，2019年四川省水资源稀缺程度为低。具体计算结果如图2所示。
虽然在本文中参照了特定的实施方式来描述本发明，但是应该理解的是，这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是，可以对示例性的实施例进行许多修改，并且可以设计出其他的布置，只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是，可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中所述的特征。还可以理解的是，结合单独实施例所描述的特征可以使用在其它所述实施例中。
Claims (10)
1.一种水资源短缺的定量评估方法，其特征在于包括，
采用数字高程模型将目标流域划分为具有水力联系的各个子流域；
基于水量平衡规律，对水量平衡方程进行变形获得SWAT初模型；采用SWAT初模型对每个子流域进行水文响应单元的划分；
将数据库中的实测水文数据对应水文响应单元划分为训练集和验证集；
采用训练集和验证集对SWAT初模型进行参数率定并进行验证，直到率定后模型的有效性满足预设阈值，将对应的率定后模型作为最终SWAT模型；
基于最终SWAT模型采用QSWAT程序按照水文响应单元的划分进行单元可用水量及单元水质计算；
按用水类型确定每种用水类型的需求水质及需求水量；
根据单元可用水量、单元水质、每种用水类型的需求水质及需求水量，分别进行水量型缺水量评估和水质型缺水量评估。
2.根据权利要求1所述的水资源短缺的定量评估方法，其特征在于，根据水量型缺水量评估结果和水质型缺水量评估结果进行综合缺水量的计算，并对综合缺水量按水资源稀缺程度分级。
3.根据权利要求2所述的水资源短缺的定量评估方法，其特征在于，
采用SWAT初模型对每个子流域进行水文响应单元的划分包括：
采用SWAT初模型对每个子流域按照不同地理信息数据图的属性划分区域，将具有相同地理信息数据图属性组合的区域作为一类水文响应单元；所述不同地理信息数据图包括土地利用图、土壤类型图和坡度图。
4.根据权利要求3所述的水资源短缺的定量评估方法，其特征在于，
获得最终SWAT模型的方法包括：
采用训练集对SWAT初模型进行参数率定，率定后模型再采用训练集运行的结果与验证集做比较，获得纳什系数、决定系数和相对误差，再评估率定后模型有效性，重复对SWAT初模型的参数率定，直到评估的有效性满足预设阈值，将对应的率定后模型作为最终SWAT模型。
5.根据权利要求4所述的水资源短缺的定量评估方法，其特征在于，
所述用水类型包括生活用水、工业用水、农业用水和生态用水。
6.根据权利要求5所述的水资源短缺的定量评估方法，其特征在于，
其中生活用水的需求水质为三类及以上水质，工业用水的需求水质为四类水质，农业用水的需求水质为五类水质，生态用水的需求水质为三类及以上水质。
7.根据权利要求6所述的水资源短缺的定量评估方法，其特征在于，
由所述单元水质进行目标流域水质的计算：
式中Si为目标流域第i项水质指标的水质，Lj为第j类水文响应单元的断面流域长度，L为目标流域长度，Si,j为第j类水文响应单元的第i项水质指标的水质。
8.根据权利要求7所述的水资源短缺的定量评估方法，其特征在于，
水量型缺水量评估方法包括：
式中Wp为水量型缺水量评估结果，DI为第I个用水类型的需求水量；Q为由单元可用水量计算获得的目标流域总可用水量；EFR为环境要求流量。
9.根据权利要求8所述的水资源短缺的定量评估方法，其特征在于，
水质型缺水量评估方法包括：
式中Wq为水质型缺水量评估结果，dqI为第I个用水类型为获得可接受的水质而进行稀释所需的额外水量；
dqI＝max(dqI,i)，
式中dqI,i为第I个用水类型根据第i项水质指标，为获得可接受的水质而进行稀释所需的额外水量；
式中Ci为第I个用水类型根据第i项水质指标所需的实际水质等级，
为第I个用水类型根据第i项水质指标可接受的最大水质等级。
10.根据权利要求9所述的水资源短缺的定量评估方法，其特征在于，
综合缺水量Wb的计算方法包括：
Wb＝Wp+Wq，
根据综合缺水量Wb按水资源稀缺程度分级包括：
Wb<1.0，为低等级；1.0≤Wb<1.5时为中等等级；1.5≤Wb<2.0时为显著等级，Wb≥2.0为严重等级。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210108534.0A CN114418446A (zh) | 2022-01-28 | 2022-01-28 | 水资源短缺的定量评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210108534.0A CN114418446A (zh) | 2022-01-28 | 2022-01-28 | 水资源短缺的定量评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114418446A true CN114418446A (zh) | 2022-04-29 |
Family
ID=81278370
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210108534.0A Pending CN114418446A (zh) | 2022-01-28 | 2022-01-28 | 水资源短缺的定量评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114418446A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115953061A (zh) * | 2022-12-29 | 2023-04-11 | 中国农业大学 | 一种水资源短缺度估算方法、装置及计算机可读存储介质 |
| CN116993184A (zh) * | 2023-09-28 | 2023-11-03 | 武汉大学 | 一种水资源短缺评估方法、系统及计算机可读存储介质 |
| CN117196115A (zh) * | 2023-09-25 | 2023-12-08 | 中国科学院西北生态环境资源研究院 | 一种用水紧张程度的预测方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006201024A (ja) * | 2005-01-20 | 2006-08-03 | Nagaoka Univ Of Technology | 雪氷水資源の分布型評価方法 |
| CN105930635A (zh) * | 2016-04-03 | 2016-09-07 | 中国水利水电科学研究院 | 一种内陆河干旱绿洲区干旱评价系统 |
| CN111539597A (zh) * | 2020-04-01 | 2020-08-14 | 河海大学 | 一种网格化的流域社会经济干旱评估方法 |
| US20210018484A1 (en) * | 2019-05-24 | 2021-01-21 | Southern University Of Science And Technology | Method for assessing water shortage risk, device, computer device and storage medium |
| CN112785189A (zh) * | 2021-02-03 | 2021-05-11 | 浙江大学 | 一种区域水土资源耦合系统多维动态的协同安全度评价方法 |
-
2022
- 2022-01-28 CN CN202210108534.0A patent/CN114418446A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006201024A (ja) * | 2005-01-20 | 2006-08-03 | Nagaoka Univ Of Technology | 雪氷水資源の分布型評価方法 |
| CN105930635A (zh) * | 2016-04-03 | 2016-09-07 | 中国水利水电科学研究院 | 一种内陆河干旱绿洲区干旱评价系统 |
| US20210018484A1 (en) * | 2019-05-24 | 2021-01-21 | Southern University Of Science And Technology | Method for assessing water shortage risk, device, computer device and storage medium |
| CN111539597A (zh) * | 2020-04-01 | 2020-08-14 | 河海大学 | 一种网格化的流域社会经济干旱评估方法 |
| CN112785189A (zh) * | 2021-02-03 | 2021-05-11 | 浙江大学 | 一种区域水土资源耦合系统多维动态的协同安全度评价方法 |
Non-Patent Citations (2)
| Title |
|---|
| 王勤勤: "京津冀地区水足迹与水资源短缺评价", 《中国优秀硕士学位论文全文数据库》 * |
| 田辉: "基于SWAT与Visual Modflow市水资源模拟与合理配置研究", 《中国博士学位论文全文数据库》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115953061A (zh) * | 2022-12-29 | 2023-04-11 | 中国农业大学 | 一种水资源短缺度估算方法、装置及计算机可读存储介质 |
| CN117196115A (zh) * | 2023-09-25 | 2023-12-08 | 中国科学院西北生态环境资源研究院 | 一种用水紧张程度的预测方法 |
| CN116993184A (zh) * | 2023-09-28 | 2023-11-03 | 武汉大学 | 一种水资源短缺评估方法、系统及计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Setegn et al. | Modeling of Sediment Yield From Anjeni‐Gauged Watershed, Ethiopia Using SWAT Model 1 | |
| CN114418446A (zh) | 水资源短缺的定量评估方法 | |
| Abdulla et al. | Development of regional parameter estimation equations for a macroscale hydrologic model | |
| Senarath et al. | On the calibration and verification of two‐dimensional, distributed, Hortonian, continuous watershed models | |
| Coulibaly et al. | Downscaling precipitation and temperature with temporal neural networks | |
| Santhi et al. | Spatial calibration and temporal validation of flow for regional scale hydrologic modeling 1 | |
| Bekele et al. | Watershed modeling to assessing impacts of potential climate change on water supply availability | |
| CN110852577A (zh) | 基于城市韧性与城市流域水文模型的城市洪涝评估方法 | |
| Alamdari et al. | Evaluating the impact of climate change on water quality and quantity in an urban watershed using an ensemble approach | |
| CN111428972A (zh) | 基于swmm与efdc耦合模型的调蓄工程环境效应评估方法及装置 | |
| CN114741987B (zh) | 考虑洪水预报模型绝对误差拟合残差分布的洪水概率预报模型 | |
| CN112101693A (zh) | 基于正交分析的现状城区河道水质达标分析方法 | |
| CN110765213A (zh) | 一种地表水流域污染源排放清单（动态清单）的编制方法 | |
| Srivastava et al. | A unified approach to evaluating precipitation frequency estimates with uncertainty quantification: Application to Florida and California watersheds | |
| CN115713448A (zh) | 基于汇水单元的流域水污染常规因子快速溯源方法 | |
| Coutu et al. | Impacts of landuse changes on runoff generation in the east branch of the Brandywine creek watershed using a GIS-based hydrologic model | |
| Alfa et al. | Reliability assessment of Thomas Fiering's method of stream flow prediction | |
| CN111353718A (zh) | 基于swmm与efdc的湿地、补水工程环境效应评估方法及装置 | |
| Geng et al. | Multi-scale geographically weighted regression modeling of urban and rural construction land fragmentation–a case study of the Yangtze River Delta Region | |
| Ho et al. | Apply MIKE 11 model to study impacts of climate change on water resources and develop adaptation plan in the Mekong Delta, Vietnam: a case of Can Tho city | |
| CN111476451A (zh) | 一种水生态指数数据处理方法 | |
| CN113836807B (zh) | 一种基于熵值法和长短期记忆神经网络的河湖生态流量预报预警方法 | |
| CN114331787B (zh) | 以提升下游河流水质为目标的水库生态放流量的核算方法 | |
| CN115935615A (zh) | 场次降雨径流冲刷面源污染负荷估算方法及系统 | |
| Setegn | Hydrological and sediment yield modelling in Lake Tana basin, Blue Nile Ethiopia |
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 |