CN114722694B - 一种面向多水塘蓄满溢流的流域水文模拟方法 - Google Patents

一种面向多水塘蓄满溢流的流域水文模拟方法 Download PDF

Info

Publication number
CN114722694B
CN114722694B CN202210180686.1A CN202210180686A CN114722694B CN 114722694 B CN114722694 B CN 114722694B CN 202210180686 A CN202210180686 A CN 202210180686A CN 114722694 B CN114722694 B CN 114722694B
Authority
CN
China
Prior art keywords
pond
water
basin
watershed
ditch
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
Application number
CN202210180686.1A
Other languages
English (en)
Other versions
CN114722694A (zh
Inventor
陈文君
贺斌
苏慧
曾岳
马乐军
徐尚瑜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jinling Institute of Technology
Original Assignee
Jinling Institute of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jinling Institute of Technology filed Critical Jinling Institute of Technology
Priority to CN202210180686.1A priority Critical patent/CN114722694B/zh
Publication of CN114722694A publication Critical patent/CN114722694A/zh
Application granted granted Critical
Publication of CN114722694B publication Critical patent/CN114722694B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/08—Probabilistic or stochastic CAD
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Physiology (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Genetics & Genomics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Sewage (AREA)

Abstract

本发明公开了一种面向多水塘蓄满溢流的流域水文模拟方法，该方法包括：S1、获取流域内的基础数据和水文气象数据；S2、构建凸显水塘之间蓄满溢流、水量输送的水塘水量平衡方程；S3、以完成初步率定的原始HSPF模型为基础，将HSPF模型中水塘水量平衡方程表征的水体模拟模块RCHRES与陆面水量平衡模块PWATER集成，形成初始流域水文模型；S4、对初始流域水文模型中的参数R和rk进行率定，得到最终流域水文模型，进行面向多水塘蓄满溢流的流域水文模拟。该方法将沟渠连通静态特征嵌入水塘水量平衡方程、水量输送参数率定，以此模拟多水塘蓄满溢流的动态特征，为流域水资源管理、面源污染防治等提供精细化的数据支撑。

Description

一种面向多水塘蓄满溢流的流域水文模拟方法
技术领域
本发明属于地球物理学流域水文模型模拟技术领域，具体涉及一种面向多水 塘蓄满溢流的流域水文模拟方法。
背景技术
流域水文模型以DEM、土壤、土地利用、水文气象资料等为输入，以校准、 模拟流域出口断面的流量为目标，是研究流域产汇流过程的有效工具。在流域范 围内，通常存在多个小而分散的水塘。这些水塘由沟渠连接形成湿地系统，通过 流域内自上而下、串并联混合的水系空间结构，提供着水源涵养、径流调节、水 质净化等生态系统服务功能。其中，水塘之间通过沟渠连接形成的蓄满溢流动态 过程，是多水塘区别于单水塘的核心特征。现有流域水文模型通常采用“概化归 并”的集总式思想，汇总子流域，或者水文响应单元(HRU)中所有水塘，并 通过水量平衡计算其总进出水量。无法体现各个水塘具体的水文特征以及彼此之 间的差异。部分模型将水塘看作河道，以“固化连通”的方式，将其嵌入子流域 产汇流体系。由于DEM与汇流算法的误差，该方法难以完整覆盖水塘之间、水 塘至河道亚米级的沟渠连通路径，更无法反映农事活动、微地形改造等对水量输 送的动态影响。此外，也有模型对流域水文过程中水塘的建模方式进行了针对性 改进。其中，一种是在水量平衡方程中增设水塘与外部地块的水量输送，但是由 于没有明确水塘在产汇流体系中的空间位置，需要经验性的指定该连通关系；另 一种是面向子流域单元，显式刻画内部各水塘的空间位置与径流影响，但是仍然 难以体现单塘蓄满后，通过沟渠分别向下游水塘、河道的水量输送动态过程，以 及其中的比例分配关系。此外，上述水塘蓄满溢流、水量输送的动态过程是在地 形起主导作用的沟渠连通静态路径的基础上，由实际降雨条件、临时微地形改造、 人为取用水条件综合决定，进而形成的。2020年公开在Water Research期刊上的 论文《Exploring the multiscale hydrologic regulation of multipond systems in ahumid agricultural catchment》中模拟了水量输送的动态过程，但是其中物理量的求解并 非建立在沟渠静态路径的基础之上，而是完全依赖流域出口流量、水塘水位这两 种物理量的多目标参数率定，存在部分结果失真的情况(例如，该论文结果图6 中No.1多水塘的蓄满溢流情况与实际调查不符)。综上可见，现有的流域水文模 型无法体现真实的沟渠静态路径上，多水塘蓄满溢流的动态特征，无法对涉及多 水塘的流域水资源、面源污染状况做精细刻画。
发明内容
发明目的：本发明提供一种面向多水塘蓄满溢流的流域水文模拟方法，该方 法充分考虑流域内沟渠连通的静态特征与多水塘蓄满溢流的动态特征，能够为流 域水资源管理、面源污染防治等提供精细化的数据支撑。
技术方案：本发明公开了一种面向多水塘蓄满溢流的流域水文模拟方法，包 括如下步骤：
S1、获取流域内的基础数据和水文气象数据，对原始HSPF(Hydrological SimulationProgram-FORTRAN，流域水文模型)的参数进行初步率定；
S2、构建水塘水量平衡方程，如下：
其中ΔHpond为水塘蓄水量变化值，P为塘面接收降雨量，E为水面蒸发速率， Hpump为抽水用水消耗量；Hcatch为水塘自身汇水区的入流流量；Hl,in_cover为水塘 通过第l个入流暗管增加汇水面积而获得的入流流量，l＝1,2,…,L，L为水塘入 流暗管的总数量；Hm,out_cover为水塘通过第m个出流暗管出流的流量， m＝1,2,…,M，M为水塘出流暗管的总数量；Hn,in_open为水塘通过第n个沟渠而 获得的入流流量，n＝1,2,…,N，N为水塘入流沟渠的总数量；Hground为浅层地 下水渗透补给量；Hout_open为水塘通过沟渠实现的出流总流量；R为流入河道的 水量比例，rk为通过沟渠流入下游第k个水塘的水量比例，k＝1,2,…,K，K为 由沟渠连通的下游水塘数量；e为是蒸发、侧渗损失量；
S3、以完成初步率定的原始HSPF模型为基础，将HSPF中水塘水量平衡方 程表征的水体模拟模块(Free-flowing Reach or Mixed Reservoir，RCHRES) 与陆面水量平衡模块(Water Budget Pervious，PWATER)集成，形成初始流 域水文模型，具体步骤为：
S31、将子流域、土地利用、土壤类型数据、水塘，以及所述水塘汇水区范 围，作为HSPF默认陆面单元划分的输入条件，对流域进行空间离散化；
S32、对流域内每个水塘建立入流暗管、出流暗管、沟渠的连接关系，即静 态连通特征；
S33、对各个子流域内水塘汇水区以外的范围，以及整个流域的水文过程采 用默认的HSPF-PWATER模拟；对子流域内部的水塘采用水塘水量平衡方程表 征的水体模拟模块RCHRES模拟；
S4、对初始流域水文模型中的参数R和rk进行率定，得到最终流域水文模型， 进行面向多水塘蓄满溢流的流域水文模拟。
优选地，所述步骤S4采用非支配排序遗传算法，从源头子流域开始，依次 求解流域范围内上游至下游各水塘流入河道的水量比例R和通过沟渠流入下游 第k个水塘的水量比例rk；
所述非支配排序遗传算法中种群规模为Sum；通过野外调查估计R的最大值 Rmax和最小值Rmin，估计rk的最大值rkmax和最小值rkmin；根据如下条件确定个体 初始值分布范围：
Rmin≤R≤Rmax,rkmin≤rk≤rkmax且
在个体初始值分布范围内以均匀分布选取Sum个点，以第s个点的坐标 作为种群中第s个个体的初始取值，s＝0,1,…,Sum-1；
所述非支配排序遗传算法中个体适应度F为：
其中fwatershed为流域出口流量的均方根误差，fpond为水塘水位的均方根误差，fstream为常年输水沟渠流量的均方根误差；和/>分别为第q次实测与模拟的 流域出口流量，Q为流域流量的总观测与模拟次数；/>和/>分别为流域内第a 个水塘第b次实测与模拟水位，A为流域内的水塘总数，B为水位的总观测与模 拟次数；/>和/>分别为流域内第c条沟渠第d次实测与模拟流量，C为流域内 沟渠总条数，D为沟渠流量的总观测与模拟次数；
种群个体间支配与非支配排序按照从源头至下游的原则排序，每次迭代在种 群个体初始值的基础上，以百分比ε0为幅度调整个体取值。
优选地，在对初始流域水文模型中的参数R和rk进行率定前对流域中的子流 域构建蓄满溢流优先级，所述蓄满溢流优先级为：
第一级：若子流域内存在沟渠连通的多个水塘以及河道，则断面和坡降大于 第一预设坡降阈值的路径，变异操作中概率事件的概率为ε1；
第二级：沟渠水量输送跨越至下级子流域时，则断面和坡降大于第二预设坡 降阈值的路径，变异操作中概率事件的概率为ε2；
第三级：沟渠水量输送至同级相邻子流域时，则断面和坡降大于第三预设坡 降阈值的路径，变异操作中概率事件的概率为ε3；
第四级：沟渠水量输送至下级相邻子流域时，则断面和坡降大于第四预设坡 降阈值的路径，变异操作中概率事件的概率为ε4；
第五级：沟渠水量输送至下级相邻子流域的上级子流域时，则断面和坡降大 于第五预设坡降阈值的路径，变异操作中概率事件的概率为ε5；
其中0＜ε5＜ε4＜ε3＜ε2＜ε1＜1，且
在采用非支配排序遗传算法对初始流域水文模型中的参数R和rk进行率定 时，按水塘和水塘流入的河道、通过沟渠流入的下游水塘的位置关系、断面和坡 降值确定蓄满溢流优先级以及变异操作中概率事件的概率；每次迭代过程中以蓄 满溢流优先级所对应的变异操作中概率事件的概率来判断是否命中大幅度调整 个体取值，如果命中，则对应的个体以百分比ε′0为幅度调整取值，ε′0＞ε0；以此 引入新的变量解，产生下一代种群。
优选地，所述蓄满溢流优先级采用开源工具箱RDFLib以本体与规则的形式 化表达来实现，所述本体包括：流域、子流域、水塘、河道，以及这些要素之间 的包含、静态的沟渠连通两种关系；所述规则表示所述蓄满溢流优先级的设置规 则。
优选地，所述蓄满溢流优先级的构建步骤为：
S41、将河道嵌入DEM汇流分析，得到各子流域划分的Strahler分级；建立 描述各子流域拓扑关系的倒置二叉树树状结构。所述倒置二叉树树状结构中节点 为子流域，其中根节点位于最下层，表示流域出口的子流域，层级最高的节点为 最上游的子流域，下级子流域作为父节点；节点之间的连线表示子流域的上下游 关系；
S42、蓄满溢流优先级的第一级为所述树状结构中节点内部通过沟渠连通的 水塘以及河道输送水量；
第二级为所述树状结构中一个节点向其父节点输送水量；
第三级为所述树状结构中一个节点向其兄弟节点输送水量；
第四级为所述树状结构中一个节点向其父节点的兄弟节点输送水量；
第五级为所述树状结构中一个节点向其堂兄弟节点输送水量。
优选地，所述水塘通过第n个沟渠而获得的入流流量Hn,in_open，为上游水塘 通过第n个沟渠流出的水量与所述第n个沟渠水量的改变量之和；
所述沟渠水量的改变量为沟渠连通路径上的水量增加量或减少量；所述水量 增加量包括农田排水、退水的水量之和，值为正；所述水量减少量包括取水灌溉 水量之和，值为负。
优选地，所述步骤S4中对初始流域水文模型中的参数R和rk进行率定后还 包括对率定后的模型进行评价，如评价结果不满足精度要求，采用步骤S1获取 的数据再次优化原始HSPF模型中的参数，以优化该模型的表现，并进一步根据 不同等级降雨与干旱过程，对初始流域水文模型中的参数R和rk进行率定和优化。
优选地，所述评价包括流域出口流量和典型沟渠的水量输送两种物理量；采 用的评价指标为决定系数R2、效率系数Ens和百分比偏差PBIAS。
优选地，上述方法还包括：
S5、从上游水塘开始，逐步向下游水塘，推演计算每个水塘蓄水量、蓄满溢 流水量的变化；具体包括：
根据水塘水量平衡方程得到水塘蓄水量变化值ΔHpond、水塘通过沟渠实现的 出流总流量Hout_open、向下游一个或多个水塘、河道的实际输送水量；逐步向下 游各个水塘推演计算；最终，得到流域内各个水塘通过沟渠分别向下游水塘、河 道的输送水量，形成水塘蓄满溢流的动态过程。
有益效果：本发明公开了一种面向多水塘蓄满溢流的流域水文模拟方法。该 方法突破现有野外观测、统计分析方法难以覆盖并测算流域内众多水塘之间的实 际沟渠水量输送的技术瓶颈，发挥流域水文模型的潜力与优势，基于针对多水塘 的模型改进，将地形起主导作用的沟渠静态路径与多水塘蓄满溢流的动态特征相 结合，并综合运用流域出口流量、水塘水位、常年输水沟渠流量三种野外观测数 据，实现对流域内众多水塘之间蓄满溢流的表征与模拟，以此为流域水资源管理、 面源污染防治等提供精细化的数据支撑。
附图说明
图1为实施例1中典型多水塘小流域与野外观测示意图；
图2为本发明公开的面向多水塘蓄满溢流的流域水文模拟方法的流程图；
图3为多水塘水文过程示意图；
图4为水塘水量平衡示意图；
图5为水塘水量输送比例系数的参数多目标优化率定流程图；
图6基于子流域拓扑关系的蓄满溢流优先级规则示意图。
具体实施方式
下面结合附图和具体实施方式，进一步阐明本发明。
本发明以位于太湖湖西区源头的小流域为例，来说明本发明公开的面向多水 塘蓄满溢流的流域水文模拟方法。该流域面积4.8km2，海拔62-295m，年均气温 17.2℃，年均降水912mm，主要分布于4-9月。如图1所示，流域内有22个主 要水塘，分别编号为No.1～No.22；平均水深1.8m，面积0.05～1.3hm2。少数大 塘常年通过沟渠(如图1中虚线所示)向下游输水，其他仅在降雨后发生蓄满溢 流。流域内设置多个水塘水位观测点(图1中三角形所示)、浅层地下水(水井) 水位观测点(图1中点圆形所示)、流域出口、常年输水沟渠的流量观测点(图 1中‘H’字样标识所示)以及气象站(图1中‘W’字样标识所示)。
实施例1：
一种面向多水塘蓄满溢流的流域水文模拟方法，如图2所示，包括如下步骤：
S1、获取流域内的基础数据和水文气象数据，对原始HSPF模型的参数进行 初步率定；
本实施例通过各观测点进行野外观测与基础资料收集，包括流域基础数据、 水文气象数据两大类。首先，流域基础数据包括：
(1)数字高程模型(简称DEM)、土地利用、土壤类型。其中，DEM从省 级测绘资料档案馆获取，5米空间分辨率；土地利用从近期Pleiades卫星拍摄的 0.5米空间分辨率全色遥感影像中提取，包含水体(水塘与河道)、森林、苗圃、 旱地、水田、村庄六种类型；土壤类型从地方土壤志中提取，从而将流域划分为 不同土壤类型的多个区域。
(2)子流域划分、水塘边界及其汇水区提取。首先，采用美国犹他州立大 学开发的Terrain Analysis Using Digital Elevation Models(简称TauDEM)工具箱， 以上述DEM为输入，划分实施例小流域的子流域；然后，基于上述土地利用数 据，提取22个主要水塘的边界，并进行标记(如图1中No.1～No.22)；接着， 以水塘边界线上5米为间隔的所有结点为输入，进一步应用TauDEM工具箱， 得到每个边界结点的汇水范围；最后，对这些汇水范围进行空间合并操作，得到 每个水塘的汇水区。
(3)河道、沟渠连通路径、出入流暗管的野外调查与标识。野外调查中标 识的沟渠连通路径覆盖水塘之间、水塘至河道的主要路径，但不包括田间毛细沟 渠。此外，标识各个水塘入流暗管在高地势处的入流点，并以该点为结点，进一 步应用上述TauDEM工具箱，得到入流暗管在高地势处，为各个水塘增加的汇 水范围。
(4)农业生产、水塘与沟渠抽用水的野外调查。其中，农业生产调查包括 水田、旱地的作物管理，也就是播种、收割等行为发生的区域、日期。同时，按 事件方式，记录水塘抽水、用水，以及沟渠路径上的取水灌溉、排水退水行为， 具体包括事件发生的日期、持续时间、水量。
其次，水文气象数据包括：
(1)水塘测深：采用搭载RTK、单波束测深仪的无人船进行测量，插值得 到塘底地形，进一步与流域DEM数据融合。在此基础上，参考水塘边界，以0.1 米为间隔步长，得到各个水塘的水位-蓄水量对应关系。
(2)水塘、水井水位变化：在流域内主要水塘的底部、主要水井的水面以 下，安装HOBO U20L压力式水位计，记录水塘、水井的逐日水位变化。例如， 本实施例图1中的8处水塘、7处水井。
(3)流域出口、常年输水沟渠的流量：在流域出口断面安装巴歇尔槽，记 录逐日的流量变化；采用便携式流速仪，测算水塘之间常年输水沟渠逐周的流量， 降雨及雨后两周内，加密为隔日测算一次。例如，本实施例图1中的流域出口断 面，以及4处沟渠断面。
(4)水文地质背景调查、浅层地下水动态埋深：根据实施例的水文地质普 查，掌握潜水层与承压含水层在流域内大致的水力联系；基于上述水井的水位观 测(改水井需要深至潜水层)、泰森多边形法估算流域浅层地下水埋深，及其逐 周的变化。
(5)气象数据。在流域中间位置架设气象站，获取降雨量、风速风向、温 湿度、气压、日照辐射与时数的逐日数据。
S2、构建水塘水量平衡方程；
水塘蓄水受到降雨蒸发、汇水区产流、暗管出入流、浅层地下水渗透补给、 人为抽水用水的影响；积蓄至溢流高度的水量从水塘出水口流出，经过连通沟渠， 实现向下游一个或多个水塘、河道的输送，如图3所示。沟渠连通路径的临时微 地形改造(包含出流口改造以人为“封塘”或“打塘”)、沿途取水灌溉和农田排 水退水，均会对溢流输送的实际水量产生影响。本发明通过改进Hydrological Simulation Program-FORTRAN(简称HSPF)流域水文模型的Free-flowing Reach or Mixed Reservoir(简称RCHRES)水体模拟模块，对存在沟渠与其他水塘连通 的水塘蓄水编号进行参数表征，如图4所示，构建表征沟渠水量输送的水塘水量 平衡方程，如下：
其中ΔHpond为水塘蓄水量变化值，P为塘面接收降雨量，E为水面蒸发速率， 基于HSPF-RCHRES的默认实现计算获得；Hpump为抽水用水消耗量，根据野外 观测获得；Hcatch为水塘自身汇水区的入流流量；Hl,in_cover为水塘通过第l个入流 暗管增加汇水面积而获得的入流流量，l＝1,2,…,L，L为水塘入流暗管的总数量； Hcatch和Hl,in_cover基于本实施例研究区域已构建、日尺度的HSPF模型求解，计 算过程中采用默认的PWATER、RCHRES模块，并且以上述DEM、土地利用、 土壤类型、子流域划分、流域出口流量、水文地质背景、浅层地下水动态埋深、 气象数据、作物管理为输入，其中逐周观测的物理量，根据实际变化情况，补齐 到逐日值。这里特别以部分上游大塘的水位观测数据优化原始HSPF模型的参数， 因为上游大塘仅接受汇水区入流，反映了实施例小流域不受多水塘影响的自然汇 水特征。Hm,out_cover为水塘通过第m个出流暗管出流的流量，m＝1,2,…,M，M 为水塘出流暗管的总数量，采用有压管流量公式求解。若暗管出流路径与出流的 沟渠重合，则将水量合并至后者；Hn,in_open为水塘通过第n个沟渠而获得的入流 流量，n＝1,2,…,N，N为水塘入流沟渠的总数量；Hground为浅层地下水渗透补 给量，当地下水对水塘补水，其值为正，当水塘向地下水渗水，其值为负，具体 值根据水文地质调查，概化为饱和渗流，结合水塘水井水位观测，应用达西定律 计算，其中渗透系数通过本实施例研究区域典型土壤柱状样的常水头实验测定， 并结合水塘水位观测推算进出水量，从而进行验证；Hout_open为水塘通过沟渠实 现的出流总流量；根据出水口宽度、厚度、坡降的野外勘测，采用实用堰或者宽 顶堰的流量计算公式求解。若存在多条出流沟渠，则分别计算并汇总。出流水量 输送至下游的分配方式如水塘水量平衡方程中第二个等式所示，其中R为流入河 道的水量比例，rk为通过沟渠流入下游第k个水塘的水量比例，k＝1,2,…,K，K 为由沟渠连通的下游水塘数量；如果只有单一出流路径，流向下游水塘或者河道， 则不存在R和rk分配；e为是蒸发、侧渗损失量，采用HSPF-RCHRES的默认实现。
此外，上游水塘的Hout_open，经过上述比例分配、蒸发与侧渗损失后，计算 流入至下游水塘的Hn,in_open，还需要考虑二者之间的沟渠连通路径上的水量的改 变量；沟渠水量的改变量为沟渠连通路径上的水量增加量或减少量；水量增加量 包括农田排水、退水的水量之和，值为正；所述水量减少量包括取水灌溉的水量 之和，值为负；通过调查取水灌溉、排水退水等事件的发生日期、持续时间、水 量，从而对响应的溢流输送水量进行人为增加或者扣除。
S3、以完成初步率定的原始HSPF模型为基础，将HSPF中水塘水量平衡方 程表征的水体模拟模块RCHRES与陆面水量平衡模块PWATER集成，形成初始 流域水文模型；具体步骤为：
S31、将子流域、土地利用、土壤类型数据、水塘和所述水塘汇水区范围， 作为HSPF默认陆面单元划分的输入条件，对流域进行空间离散化；
HSPF模型陆面单元(等同于HRU)划分默认的输入条件为子流域、土地利 用、土壤类型数据。由于建立了水塘水量平衡方程，使得水塘能够作为一种特定 的土地利用类型，以自身所在的具体位置、彼此之间沟渠连通与水量输送的关系， 嵌入各个子流域，乃至整个流域的水文过程模拟。本发明增设水塘及其汇水区范 围作为输入条件，能够在子流域的水文模拟中，显式刻画内部各水塘的空间位置 与径流影响。
S32、对流域内每个水塘建立入流暗管、出流暗管、沟渠的连接关系；
本实施例在HSPF-RCHRES源代码的基础上，采用Fortran语言，编写暗管 出入流、水塘之间通过沟渠进行蓄满溢流(包括上述取水灌溉、排水退水事件对 输送水量的影响)的数据接口，从而以新构建的模块应用于实施例小流域中的所 有水塘。
S33、对各个子流域内水塘汇水区以外的范围，和整个流域的水文过程采用 默认的HSPF-PWATER模拟；对每个子流域内部的水塘采用水塘水量平衡方程 表征的水体模拟模块RCHRES模拟；区别于已有的模型改进，这里水体模拟模 块已经包含彼此之间实际的沟渠连通路径，能够精确表示流域内水体的特征，从 而在已有的流域水文模型体系中，实现对水塘接受自身汇水区的入流、暗管出入 流，以及蓄满后，向下游一个或多个水塘、河道溢流输送的刻画。
S4、对初始流域水文模型中的参数R和rk进行率定，得到最终流域水文模型， 进行面向多水塘蓄满溢流的流域水文模拟；
本实施例中，采用非支配排序遗传算法，如图5所示，个体间支配与非支配 排序按照源头至下游的总体原则，因为流域上游的汇流过程、水塘水量输送，会 对下游产生影响。采用开源遗传算法框架(Distributed Evolutionary Algorithms in Python，DEAP)编程实现，基于包括了多目标的个体适应度，完成非支配排序 遗传算法中用于非支配分层的虚拟适应度设置、Pareto最优解的筛选，而DEAP 中其他参数设置采用其默认设置。从源头的子流域，到出口的子流域，它们的支 配关系是：下游的子流域，不断的，受到上游子流域的支配。因为水从高处往低 处流，流域上游的水塘溢流量、溢流关系，对流域下游水塘的溢流量、溢流关系， 产生影响；而不是反过来下方的水塘影响上方的水塘；所以这种支配关系能够体 现出各个子流域，以及上游至下游众多水塘之间的关系。
从源头子流域开始，依次求解流域范围内上游至下游各水塘流入河道的水量 比例R和通过沟渠流入下游第k个水塘的水量比例rk；通过演化迭代，使得出口 流量(模拟量由HSPF模型的PWATER模块输出)、水塘水位与常年输水沟渠流 量(模拟量由本发明的水量平衡方程输出)的多目标评价结果逐步优化，最后分 析非劣最优解集与模拟结果，筛选合理取值集合。具体而言，DEAP工具中，根 据上下游关系指定所有水塘个体的虚拟适应度值，使得上游的水塘(相对下游水 塘，它们是非支配的水塘，而不是下游水塘是被支配的水塘，如图6第4步：计 算非劣最优解)会选择为Pareto最优解，有更大的可能性进行后续的选择、交 叉、变异操作。而下游的水塘，则需要根据上游水塘的变化，再做自身的调整。 这样减少总体运算量，特别是后续被支配层运算量的优化策略。
针对子流域上下游关系，本实施例将源头子流域水塘的虚拟适应度值赋值为 1，流域出口子流域水塘的虚拟适应度值赋值为0.1，中间层级的子流域虚拟适 应度值则在1–0.1之间根据具体流域划分子流域的层数做平均的内插。虚拟 适应度值越大，越有可能在支配层中，被选为最优解，后续具有更大的可能性发 生变化。所述非支配排序遗传算法中种群规模Sum为30，最大演化迭代次数为200，总迭代次数为30；
种群初始化为：通过水塘、沟渠的地形、坡降等野外调查估计R的最大值Rmax和最小值Rmin，估计rk的最大值rkmax和最小值rkmin；为简化优化问题，忽略沟渠 的蒸发、侧渗损失量e，根据如下条件确定个体初始值分布范围：
Rmin≤R≤Rmax,rkmin≤rk≤rkmax且
在个体初始值分布范围内以均匀分布选取Sum个点，以第s个点的坐标 作为种群中第s个个体的初始取值，s＝0,1,…,Sum-1。例如，对于水塘 No.2，其通过沟渠向河道和水塘No.5输送水量，即水塘No.2待率定的参数为R 和r1，通过野外调查估计R的取值范围为32％-88％，r1当前取值范围为18％-68％， 由此选择的30个个体的初始值分别为：(32％，68％)，(34％，66％)，……，(58％， 42％)，(60％，40％)，(62％，38％)，(64％，36％)，……，(88％，18％)。
本发明通过多目标优化率定，兼顾流域出口流量、水塘水位、典型常年输水 沟渠流量三者的模拟效果，确定各水塘沟渠水量输送比例系数的取值及变化，以 此囊括沟渠连通路径上微观的、临时性的人为影响，因此非支配排序遗传算法中 个体适应度F设置为：
其中fwatershed为流域出口流量的均方根误差，fpond为水塘水位的均方根误差，fstream为常年输水沟渠流量的均方根误差；和/>分别为第q次实测与模拟的 流域出口流量，/>由HSPF模型的PWATER模块输出，Q为流域流量的总观测 与模拟次数；/>和/>分别为流域内第a个水塘第b次实测与模拟水位，A为流 域内的水塘总数，B为水位的总观测与模拟次数；/>和/>分别为流域内第c条 沟渠第d次实测与模拟流量，C为流域内沟渠总条数，D为沟渠流量的总观测与 模拟次数；/>和/>均由水量平衡方程输出。
种群个体间支配与非支配排序按照从源头至下游的原则排序，每次迭代在种 群个体初始值的基础上，以百分比ε0为幅度调整个体取值，本实施例中设置ε0为 0.2％，即通过多次以0.2％为间隔的小幅调整，进一步增强各个水塘水量输送比 例参数种群的多样性，体现该物理量难以通过野外调查准确定量化，并且存在出 流口微地形改造以“封塘”或“打塘”等人为影响的不确定性情况。为了获取精 确的效果，上述率定需要选择长于两年的水文观测数据。
对初始流域水文模型中的参数R和rk进行率定后还包括对率定后的模型进 行评价。整个评价验证期需要长于两年，本实施例中，评价指标包括流域出口流 量和典型沟渠的水量输送两种物理量，分别进行月尺度、日尺度的验证与评价(月 尺度的计算在日尺度的数据基础上进行)；对于典型沟渠的水量输送，仅进行日 尺度的验证与评价。采用的评价指标为决定系数R2、效率系数Ens和百分比偏差 PBIAS。如果流域出口流量并且50％以上的沟渠水量输送的评价结果的R2>0.70、 Ens>0.60、PBIAS在±0.25区间内，则表示模型合格；否则采用步骤S1获取的数据 再次优化原始HSPF模型的参数，以优化原始HSPF模型的表现，并进一步根据 不同等级降雨与干旱过程中的参数取值与模型表现，对初始流域水文模型中的参 数R和rk进行重新率定、优化。即特别需要提高大暴雨、暴雨、大雨、中雨(即 日降雨量分别>100mm、50-100mm、25-50mm、10-25mm)；大旱、中旱、小旱(即 连续31日以上、21-30日、10-20日的日降雨量<5mm)期间局部水塘蓄满溢流水 量模拟、向下游输送参数取值的准确性。
通过上述步骤S1-S4，构建了能够精细刻画流域内众多水塘之间蓄满溢流的 流域水文模型。
实施例2：
为体现子流域、水塘、河道的断面和坡降较大的路径“可能获得更大比例的 水量输送”，本实施例在实施例1的基础上增加了子流域构建蓄满溢流优先级的 设置，具体为在对初始流域水文模型中的参数R和rk进行率定前对流域中的子流 域构建蓄满溢流优先级，所述蓄满溢流优先级为：
第一级：若子流域内存在沟渠连通的多个水塘以及河道，则断面和坡降大于 第一预设坡降阈值的路径，变异操作中概率事件的概率为ε1；
第二级：沟渠水量输送跨越至下级子流域时，则断面和坡降大于第二预设坡 降阈值的路径，变异操作中概率事件的概率为ε2；
第三级：沟渠水量输送至同级相邻子流域时，则断面和坡降大于第三预设坡 降阈值的路径，变异操作中概率事件的概率为ε3；
第四级：沟渠水量输送至下级相邻子流域时，则断面和坡降大于第四预设坡 降阈值的路径，变异操作中概率事件的概率为ε4；
第五级：沟渠水量输送至下级相邻子流域的上级子流域时，则断面和坡降大 于第五预设坡降阈值的路径，变异操作中概率事件的概率为ε5；
其中0＜ε5＜ε4＜ε3＜ε2＜ε1＜1，，且即在优化过程中根据优先级采 用不同的变异操作中概率事件的概率。
在采用非支配排序遗传算法对初始流域水文模型中的参数R和rk进行率定 时，按水塘和水塘流入的河道、通过沟渠流入的下游水塘的位置关系、断面和坡 降值确定蓄满溢流优先级以及变异操作中概率事件的概率；每次迭代过程中以蓄 满溢流优先级所对应的变异操作中概率事件的概率来判断是否命中大幅度调整 个体取值，如果命中，则对应的个体以百分比ε′0为幅度调整取值，ε′0＞ε0；以此 引入新的变量解，产生下一代种群，从而使得优先级高的路径获得更大概率的水 量输送比例。
所述蓄满溢流优先级采用开源工具箱RDFLib(Python Library for ResourceDescription Framework)以本体与规则的形式化表达来实现，所述本 体包括：流域、子流域、水塘、河道，以及这些要素之间的包含、静态的沟渠连 通两种关系；所述规则表示所述蓄满溢流优先级的设置规则。
所述蓄满溢流优先级的构建步骤为：
S41、将河道嵌入DEM汇流分析，得到各子流域划分的Strahler分级；建立 描述各子流域拓扑关系的倒置二叉树树状结构，所述倒置二叉树树状结构中节点 为子流域，其中根节点位于最下层，表示流域出口的子流域，层级最高的节点为 最上游的子流域，下级子流域作为父节点，最下层的节点表示流域出口的子流域； 节点之间的连线表示子流域的上下游关系；
S42、蓄满溢流优先级的第一级为所述树状结构中节点内部通过沟渠连通的 水塘以及河道输送水量；
第二级为所述树状结构中一个节点向其父节点输送水量；
第三级为所述树状结构中一个节点向其兄弟节点输送水量；
第四级为所述树状结构中一个节点向其父节点的兄弟节点输送水量；
第五级为所述树状结构中一个节点向其堂兄弟节点输送水量。
如图6所示，其中(b)中灰度由深到浅的区域表示子流域划分及其Strahler 分级，根据步骤S41-S42构建的树状结构如图6中的(a)，其中黑色的叶子节点 表示上游子流域，下级子流域的颜色逐渐变浅，最终白色的根节点表示流域出口 的子流域；节点之间的连线表示子流域的上下游关系；本实施例小流域的子流域 Strahler分级数从源头到出口分别为1至9。节点引出的虚线箭头表示蓄满溢流 的方向，旁边圆形内的数字为优先级，值越小表示优先级越高。对照图6中的(a) 和(b)，水塘No.8向下方水塘No.9的输送量可能更多，且二者处于同一子流域 内，即优先级为第一级；水塘No.8、No.14至下级子流域的河道，为第二级优先 级；水塘No.3、No.20至同级相邻子流域的水塘，为第三级优先级；水塘No.5 至下级相邻子流域的河道，为第四级优先级；水塘No.2至下级相邻子流域的上 级子流域的河道，为第五级优先级。
基于DEAP变异操作中的概率事件，触发上述沟渠水量输送的优先级规则。 具体而言，经过规则本体中所设置的子流域、水塘、河道的断面和坡降的比较后， “可能获得更大比例的水量输送”的规则，本实施例中，ε1、ε2、ε3、ε4、ε5分 别取值为：45％、25％、15％、10％、5％，ε′0的取值为10％；即优先级越高，越 可能以更大的幅度提高水量输送比例。同时，该水塘其他方向上的水量输送也按 照比例相应减小。
实施例3：
本实施例为采用实施例1或实施例2公开的方法进行流域水文模拟，对流域 内多水塘蓄满溢流进行量化。
基于上述步骤S1-S4完成率定、评价的流域水文模型，针对验证期，进行实 施例小流域的水文模拟。因为上游水塘主要接受汇水区入流，逐步影响到下游水 塘，所以基于模拟结果，从上游水塘开始，逐步向下游水塘，推演计算水塘蓄水 量、蓄满溢流水量的逐日变化。具体包括：
根据水塘水量平衡方程得到水塘蓄水量变化值ΔHpond、水塘通过沟渠实现的 出流总流量Hout_open、向下游一个或多个水塘、河道的实际输送水量；逐步向下 游各个水塘推演计算；同时包含沿途取水灌溉、排水退水的修正水量；最终得到 流域内各个水塘通过沟渠分别向下游水塘、河道的输送水量，形成水塘蓄满溢流 逐日的动态过程。

Claims (9)

1.一种面向多水塘蓄满溢流的流域水文模拟方法，其特征在于，包括如下步骤：
S1、获取流域内的基础数据和水文气象数据，对原始HSPF模型的参数进行初步率定；
S2、构建水塘水量平衡方程，如下：
其中ΔHpond为水塘蓄水量变化值，P为塘面接收降雨量，E为水面蒸发速率，Hpump为抽水用水消耗量；Hcatch为水塘自身汇水区的入流流量；Hl,in_cover为水塘通过第l个入流暗管增加汇水面积而获得的入流流量，l＝1,2,…,L，L为水塘入流暗管的总数量；Hm,out_cover为水塘通过第m个出流暗管出流的流量，m＝1,2,…,M，M为水塘出流暗管的总数量；Hn,in_open为水塘通过第n个沟渠而获得的入流流量，n＝1,2,…,N，N为水塘入流沟渠的总数量；Hground为浅层地下水渗透补给量；Hout_open为水塘通过沟渠实现的出流总流量；R为流入河道的水量比例，rk为通过沟渠流入下游第k个水塘的水量比例，k＝1,2,…,K，K为由沟渠连通的下游水塘数量；e为是蒸发、侧渗损失量；
S3、以完成初步率定的原始HSPF模型为基础，将HSPF中水塘水量平衡方程表征的水体模拟模块RCHRES与陆面水量平衡模块PWATER集成，形成初始流域水文模型，具体步骤为：
S31、将子流域、土地利用、土壤类型数据、水塘和所述水塘汇水区范围，作为HSPF默认陆面单元划分的输入条件，对流域进行空间离散化；
S32、对流域内每个水塘建立入流暗管、出流暗管、沟渠的连接关系；
S33、对各个子流域内水塘汇水区以外的范围，和整个流域的水文过程采用默认的HSPF-PWATER模拟；对子流域内部的水塘采用水塘水量平衡方程表征的水体模拟模块RCHRES模拟；
S4、对初始流域水文模型中的参数R和rk进行率定，得到最终流域水文模型，进行面向多水塘蓄满溢流的流域水文模拟。
2.根据权利要求1所述的流域水文模拟方法，其特征在于，所述步骤S4采用非支配排序遗传算法，从源头子流域开始，依次求解流域范围内上游至下游各水塘流入河道的水量比例R和通过沟渠流入下游第k个水塘的水量比例rk；
所述非支配排序遗传算法中种群规模为Sum；通过野外调查估计R的最大值Rmax和最小值Rmin，估计rk的最大值rkmax和最小值rkmin；根据如下条件确定个体初始值分布范围：
Rmin≤R≤Rmax,rkmin≤rk≤rkmax且
在个体初始值分布范围内以均匀分布选取Sum个点，以第s个点的坐标作为种群中第s个个体的初始取值，s＝0,1,…,Sum-1；
所述非支配排序遗传算法中个体适应度F为：
其中fwatershed为流域出口流量的均方根误差，fpond为水塘水位的均方根误差，fstream为常年输水沟渠流量的均方根误差；和/>分别为第q次实测与模拟的流域出口流量，Q为流域流量的总观测与模拟次数；/>和/>分别为流域内第a个水塘第b次实测与模拟水位，A为流域内的水塘总数，B为水位的总观测与模拟次数；/>和/>分别为流域内第c条沟渠第d次实测与模拟流量，C为流域内沟渠总条数，D为沟渠流量的总观测与模拟次数；
种群个体间支配与非支配排序按照从源头至下游的原则排序，每次迭代在种群个体初始值的基础上，以百分比ε0为幅度调整个体取值。
3.根据权利要求2所述的流域水文模拟方法，其特征在于，在对初始流域水文模型中的参数R和rk进行率定前对流域中的子流域构建蓄满溢流优先级，所述蓄满溢流优先级为：
第一级：若子流域内存在沟渠连通的多个水塘以及河道，则断面和坡降大于第一预设坡降阈值的路径，变异操作中概率事件的概率为ε1；
第二级：沟渠水量输送跨越至下级子流域时，则断面和坡降大于第二预设坡降阈值的路径，变异操作中概率事件的概率为ε2；
第三级：沟渠水量输送至同级相邻子流域时，则断面和坡降大于第三预设坡降阈值的路径，变异操作中概率事件的概率为ε3；
第四级：沟渠水量输送至下级相邻子流域时，则断面和坡降大于第四预设坡降阈值的路径，变异操作中概率事件的概率为ε4；
第五级：沟渠水量输送至下级相邻子流域的上级子流域时，则断面和坡降大于第五预设坡降阈值的路径，变异操作中概率事件的概率为ε5；
其中0＜ε5＜ε4＜ε3＜ε2＜ε1＜1，且
在采用非支配排序遗传算法对初始流域水文模型中的参数R和rk进行率定时，按水塘和水塘流入的河道、通过沟渠流入的下游水塘的位置关系、断面和坡降值确定蓄满溢流优先级以及变异操作中概率事件的概率；每次迭代过程中以蓄满溢流优先级所对应的变异操作中概率事件的概率来判断是否命中大幅度调整个体取值，如果命中，则对应的个体以百分比ε′0为幅度调整取值，ε′0＞ε0；以此引入新的变量解，产生下一代种群。
4.根据权利要求3所述的流域水文模拟方法，其特征在于，所述蓄满溢流优先级采用开源工具箱RDFLib以本体与规则的形式化表达来实现，所述本体包括：流域、子流域、水塘、河道，以及这些要素之间的包含、静态的沟渠连通两种关系；所述规则表示所述蓄满溢流优先级的设置规则。
5.根据权利要求3所述的流域水文模拟方法，其特征在于，所述蓄满溢流优先级的构建步骤为：
S41、将河道嵌入DEM汇流分析，得到各子流域划分的Strahler分级；建立描述各子流域拓扑关系的倒置二叉树树状结构，所述倒置二叉树树状结构中节点为子流域，其中根节点位于最下层，表示流域出口的子流域，层级最高的节点为最上游的子流域，而其下级子流域作为父节点；节点之间的连线表示子流域的上下游关系；
S42、蓄满溢流优先级的第一级为所述树状结构中节点内部通过沟渠连通的水塘以及河道输送水量；
第二级为所述树状结构中一个节点向其父节点输送水量；
第三级为所述树状结构中一个节点向其兄弟节点输送水量；
第四级为所述树状结构中一个节点向其父节点的兄弟节点输送水量；
第五级为所述树状结构中一个节点向其堂兄弟节点输送水量。
6.根据权利要求1所述的流域水文模拟方法，其特征在于，所述水塘通过第n个沟渠而获得的入流流量Hn,in_open，为上游水塘通过第n个沟渠流出的水量与所述第n个沟渠水量的改变量之和；
所述沟渠水量的改变量为沟渠连通路径上的水量增加量或减少量；所述水量增加量包括农田排水、退水的水量之和，值为正；所述水量减少量包括取水灌溉的水量之和，值为负。
7.根据权利要求1所述的流域水文模拟方法，其特征在于，所述步骤S4中对初始流域水文模型中的参数R和rk进行率定后还包括对率定后的模型进行评价，如评价结果不满足精度要求，采用步骤S1获取的数据再次优化原始HSPF模型中的参数，以优化原始HSPF模型的表现，并进一步根据不同等级降雨与干旱过程，对初始流域水文模型中的参数R和rk进行率定、优化。
8.根据权利要求7所述的流域水文模拟方法，其特征在于，所述评价包括流域出口流量和典型沟渠的水量输送两种物理量；采用的评价指标为决定系数R2、效率系数Ens和百分比偏差PBIAS。
9.根据权利要求1所述的流域水文模拟方法，其特征在于，还包括：
S5、从上游水塘开始，逐步向下游水塘，推演计算每个水塘蓄水量、蓄满溢流水量的动态变化；具体包括：
根据水塘水量平衡方程得到水塘蓄水量变化值ΔHpond、水塘通过沟渠实现的出流总流量Hout_open、向下游一个或多个水塘、河道的实际输送水量；逐步向下游各个水塘推演计算；最终，得到流域内各个水塘通过沟渠分别向下游水塘、河道的输送水量，形成水塘蓄满溢流的动态过程。
CN202210180686.1A 2022-02-25 2022-02-25 一种面向多水塘蓄满溢流的流域水文模拟方法 Active CN114722694B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210180686.1A CN114722694B (zh) 2022-02-25 2022-02-25 一种面向多水塘蓄满溢流的流域水文模拟方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210180686.1A CN114722694B (zh) 2022-02-25 2022-02-25 一种面向多水塘蓄满溢流的流域水文模拟方法

Publications (2)

Publication Number Publication Date
CN114722694A CN114722694A (zh) 2022-07-08
CN114722694B true CN114722694B (zh) 2024-06-14

Family

ID=82236191

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210180686.1A Active CN114722694B (zh) 2022-02-25 2022-02-25 一种面向多水塘蓄满溢流的流域水文模拟方法

Country Status (1)

Country Link
CN (1) CN114722694B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115796439B (zh) * 2022-10-27 2023-08-22 天津大学 一种改变灌区工程取水量对河流水环境影响的分析方法
CN118246370B (zh) * 2024-05-27 2024-08-16 水利部交通运输部国家能源局南京水利科学研究院 一种流域水沙模型集合评估方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005116906A2 (en) * 2004-05-24 2005-12-08 Ch2M Hill, Inc. Method and system for water flow analysis
CN109816172A (zh) * 2019-01-29 2019-05-28 南京泛在地理信息产业研究院有限公司 一种基于不规则地块单元的分布式流域水文模拟方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106295194B (zh) * 2016-08-12 2018-06-26 中国水利水电科学研究院 一种基于流域水量平衡原理的冰川蓄变量评估方法
CN110984062B (zh) * 2019-12-20 2020-12-29 华中科技大学 一种流域干支流大规模水库群模拟调度方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005116906A2 (en) * 2004-05-24 2005-12-08 Ch2M Hill, Inc. Method and system for water flow analysis
CN109816172A (zh) * 2019-01-29 2019-05-28 南京泛在地理信息产业研究院有限公司 一种基于不规则地块单元的分布式流域水文模拟方法

Also Published As

Publication number Publication date
CN114722694A (zh) 2022-07-08

Similar Documents

Publication Publication Date Title
CN114722694B (zh) 一种面向多水塘蓄满溢流的流域水文模拟方法
Bastiaanssen et al. Water balance variability across Sri Lanka for assessing agricultural and environmental water use
Verstraeten Regional scale modelling of hillslope sediment delivery with SRTM elevation data
CN113011685A (zh) 一种无径流资料地区内陆湖泊水位变化模拟预测方法
Kang et al. Modeling water flows in a serial irrigation reservoir system considering irrigation return flows and reservoir operations
Hu et al. A modified Xinanjiang model and its application in northern China
Efstratiadis et al. HYDROGEIOS: a semi-distributed GIS-based hydrological model for modified river basins
Chen et al. Development of a waterlogging analysis system for paddy fields in irrigation districts
Foglia et al. Modeling guides groundwater management in a basin with river–aquifer interactions
CN114091277B (zh) 一种考虑初始状态变量影响的新安江模型参数率定方法
Xie et al. Verification of a new spatial distribution function of soil water storage capacity using conceptual and SWAT models
Abudu et al. Drought scenario analysis using RiverWare: a case study in Urumqi River Basin, China
Volk et al. Watershed configuration and simulation of landscape processes with the SWAT model
Kouwen et al. Case study: watershed modeling with distributed weather model data
Abdulla et al. Application of a rainfall-runoff model to three catchments in Iraq
CN116090744B (zh) 山地丘陵区小型灌区灌溉用水配置方法、计算机装置及存储介质
Theara et al. Integrated modeling to assess flow changes due to future dam development and operation in Stung Sen River of Tonle Sap Lake Basin, Cambodia
Her et al. SWAT+ versus SWAT2012: Comparison of sub-daily urban runoff simulations
Shaabani et al. Simulation of the effects of climate change and reduce irrigation requirements on groundwater recharge using SWAT and MODFLOW models
Hrissanthou et al. Simulation modeling of runoff, groundwater flow and sediment transport into Kastoria Lake, Greece
Almestad Modelling of water allocation and availability in Devoll River Basin, Albania
Berris Daily flow-routing simulations for the Truckee River, California and Nevada
CN116561988B (zh) 流域日尺度水平衡的模拟方法
Rasifudi Simulation of catchment runoff, erosion and sediment transport using a transient numerical model for Mlalazi catchment
ASRESS RAINFALL RUNOFF EVALUATION USING HEC-HMS MODEL AND ASSESSMENT OF HYDROPOWER POTENTIAL OF CHEMOGA WATERSHED

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