CN114996911A - 一种农田产流的识别分析方法 - Google Patents
一种农田产流的识别分析方法 Download PDFInfo
- Publication number
- CN114996911A CN114996911A CN202210497455.3A CN202210497455A CN114996911A CN 114996911 A CN114996911 A CN 114996911A CN 202210497455 A CN202210497455 A CN 202210497455A CN 114996911 A CN114996911 A CN 114996911A
- Authority
- CN
- China
- Prior art keywords
- rainfall
- farmland
- runoff
- soil
- data
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 13
- 239000002689 soil Substances 0.000 claims abstract description 57
- 238000000034 method Methods 0.000 claims abstract description 33
- 230000008595 infiltration Effects 0.000 claims abstract description 23
- 238000001764 infiltration Methods 0.000 claims abstract description 23
- 230000008569 process Effects 0.000 claims abstract description 15
- 238000009826 distribution Methods 0.000 claims abstract description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 64
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000011160 research Methods 0.000 claims description 22
- 238000009825 accumulation Methods 0.000 claims description 21
- 238000004519 manufacturing process Methods 0.000 claims description 13
- 229920006395 saturated elastomer Polymers 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 238000013480 data collection Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 230000007480 spreading Effects 0.000 claims description 3
- 238000003892 spreading Methods 0.000 claims description 3
- 239000004927 clay Substances 0.000 claims description 2
- 239000002245 particle Substances 0.000 claims description 2
- 230000006870 function Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000001556 precipitation Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000005056 compaction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 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
- 239000002994 raw material Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Software Systems (AREA)
- Mining & Mineral Resources (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Geometry (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Evolutionary Biology (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种农田产流的识别分析方法,包括以下步骤:收集降雨数据、田埂高度数据、土壤质地数据并进行网格化预处理;分析空间内场次降雨特征的频次分布,剔除部分无效数据;确定场次降雨特征和农田产流关系,通过模拟农田入渗过程计算农田产流;最后确定能够产流的降雨特征。本发明通过分析有田埂农田的降雨、入渗、产流规律,识别出一个区域农田能够产流的降雨雨强、降雨历时以及发生农田产流的降雨频次。本发明是一种既考虑影响产流的关键过程,又简便快捷的农田产流方法,对解析区域农田产流演变规律实用性很强。
Description
技术领域
本发明涉及农田的降雨产流关系识别领域,具体涉及一种农田产流的识别分 析方法,识别农田产流的降雨特征及频次。
背景技术
条块分割、田埂密集是我国北方地区平原农田的典型特征,科学认知田埂作 用下的农田产流规律对解析平原区水循环演变过程至关重要。目前,流域尺度的 农田产流规律的研究较少,关于降雨特征~田埂高度~农田产流三者之间的影响关 系还不明晰,是平原区水循环演变解析的薄弱环节。
目前无论是在农业种植生产还是平原区水资源利用,都需要找到一种方法, 识别一场降雨能否形成产流,找到形成农田产流的降雨雨强需要多大、降雨历时 需要多长等。一方面,找到农田产流的降雨强度和降雨历时特征,可以根据区域 历时降雨规律,预判不同来水年份下的可能产流量,为制定合理的农作物灌溉制 度服务;另一方面可根据区域的历史降雨特征规律,研判区域农田的可能产流量, 进一步设计合理蓄水坑塘的规模,更有效的利用雨水资源。
目前研究农田入渗~产流规律大致可分为两个方向,一种是研究田间水文过 程,主要关注的是土壤水运动规律,考虑作物水分吸收、土壤层间的水分传输等, 通常采用Richard方程模拟水分运动过程,对水分垂向运动规律研究深入但较少 地延伸到地面产流过程,并且过于精细化的模拟在流域尺度并不适用,从参数获 取到模拟效率都存在诸多困难。另一种是流域水文过程,通过构建分布式水文模 型研究不同土地利用对产流的影响,但对于不同土地利用类型只是改变某一入渗 参数,或经验性的产流参数,不具体刻画农田的产流过程,并且日尺度的降雨输 入也不能真实地反映农田产流能力。因此,探索一种既考虑影响产流的关键过程, 又适度简化模型的方法对解析区域农田产流演变规律至关重要。
发明内容
本发明的目的在于提供一种农田产流的识别分析方法,通过分析有田埂农田 的降雨、入渗、产流规律,识别出一个区域农田能够产流的降雨雨强、降雨历时 以及发生农田产流的降雨频次。
农田的产流量受降雨强度、降雨历时和田埂高度的影响,分析一个区域的农 田产流量需首先识别区域的降雨强度和降雨历时,同时田埂相当于小型蓄水池, 能够增加农田入渗的时间和入渗量,使得入渗量增加而产流量减少,三个影响因 素互相交织,需要合适的方法解析降雨强度、降雨历时、田埂高度与农田产流量 的耦合关系。
本发明的目的是通过以下技术方案实现的:
一种农田产流的识别分析方法:
步骤一:数据收集:包括收集研究区的逐小时降雨数据,将逐小时的降雨数 据汇总成场次降雨数据,计算场次降雨总量、场次降雨历时和场次降雨强度;收 集研究区域的田埂高度数据,实地测量得出,每平方公里农田不少于100组采样 点;收集研究区域各采样点的土壤质地数据。
步骤二:数据前处理:在研究区内划分计算单元网格,将田埂高度数据、土 壤质地数据展布到计算单元网格内。
步骤三:分析空间内场次降雨特征的频次分布:对研究区降雨特征进行汇总 统计分析,将降雨特征划分不同梯度,统计每个梯度下降雨特征的次数,对降雨 特征的分布频率进行初筛,剔除部分无效数据;所述降雨特征包括降雨总量、降 雨历时和降雨强度。
步骤四:确定场次降雨特征和农田产流关系,通过模拟农田入渗过程计算农 田产流:
通过下式计算农田土壤积水开始前的历时tp:
式中,r为场次降雨强度,mm/h;θ为土壤含水量,cm3/cm3,θi和θs分别 为土壤初始含水量和土壤饱和含水量,S为计算方便设置的中间变量,无实际 涵义;D(θ)为土壤水分扩散率,mm2/hour;Ks为土壤饱和导水率,mm/hour; tp为土壤积水开始前的历时,hour;
通过下式计算积水时段降雨量Ip,并通过迭代求解积水以后的入渗率i:
式中,t为场次降雨历时,h;Ip为积水时段降雨量,mm;
假设时段内降雨均匀,积水深度变化,如下式,
求解得,
通过迭代求解的方法计算出积水深度变化规律,当积水深度超过田埂高度 hf时即发生农田产流,即hf=h时,此时积水时间为tp1,若降雨入渗土壤历时为 tp,总的降雨量减去tp时段的入渗水量和tp1时段的田埂积水量,剩下的即为农 田产流量,产流量的计算公式如下:
Wtp=K(θ)·tp
Wtp1=i·tp1
Wr=r*t-Wtp-Wtp1
式中,Wtp为此次降雨中,入渗到土壤中的水量,mm;Wtp1为蓄积在田埂 内的积水量,mm;Wr为地表产流量,mm;K(θ)土壤含水量为θ时的土壤非 饱和导水率,mm/hour;
步骤五:确定能够产流的降雨特征:
将降雨历时作为横坐标,以降雨强度为纵坐标,能够产流的场次降雨划分出 一条分界线,用反比例函数来拟合该分界线,根据该曲线可识别一场降雨是否能 形成产流。
本发明的优点和有益效果是:
本发明通过分析有田埂农田的降雨、入渗、产流规律,识别出一个区域农田 能够产流的降雨雨强、降雨历时以及发生农田产流的降雨频次。本发明是一种既 考虑影响产流的关键过程,又简便快捷的农田产流方法,对解析区域农田产流演 变规律实用性很强。
附图说明
下面结合附图和实施例对本发明作进一步说明。
图1为实施例1中海河平原地理位置及划分的1053个计算单元网格。
图2为实施例1海河流域场次降雨特征。
图3为平原区全部产流量、农田产流量及模拟值验证;图3a~图3h为各子 流域平原区全部产流量及农田产流量。图3最后一幅分图为模拟值验证图。
图4为实施例1中的拟合曲线。
具体实施方式
一种农田产流的识别分析方法,包括以下步骤:
步骤一:数据收集:包括收集研究区的逐小时降雨数据,将逐小时的降雨数 据汇总成场次降雨数据,计算场次降雨总量、场次降雨历时和场次降雨强度;收 集研究区域的田埂高度数据,实地测量得出,每平方公里农田不少于100组采样 点;收集研究区域各采样点的土壤质地数据。根据逐小时的降雨数据,将有连续 降雨信息的小时降雨累积求和,记录降雨累积量和小时累积量,即为一场降雨的 降雨总量和降雨历时,一场降雨的降雨总量除以降雨历时,即为该场降雨的降雨 强度。土壤质地数据包括土壤颗分含量:即粘土、壤土、粉土的比例。
步骤二:数据前处理:在研究区内划分计算单元网格,将田埂高度数据、土 壤质地数据展布到计算单元网格内。采用Arcmap软件生成电子化的计算单元网 格,并将所需数据信息插值进计算单元网格。
步骤三:分析空间内场次降雨特征的频次分布:对研究区降雨特征进行汇总 统计分析,将降雨特征划分不同梯度,统计每个梯度下降雨特征的次数,对降雨 特征的分布频率进行初筛,剔除部分无效数据;所述降雨特征包括降雨总量、降 雨历时和降雨强度。对于一个区域长序列降雨数据来说,所有计算网格上的场次 降雨次数达到数十万甚至数百万级(本发明实施例为525587次降雨事件),而其 中大部分场次降雨为小雨级别,不会形成产流,计算此类场次降雨,既占用算力 资源、浪费时间,也无计算的必要,因此通过分析降雨特征的分布频率进行初筛。 降雨强度由场次降雨总量除以降雨历时得出,当降雨强度低于土壤饱和导水率时, 不会形成产流,根据降雨强度频率分布可先剔除部分数据。剔除部分无效数据后, 计算效率显著提高,节约算力资源。
步骤四:确定场次降雨特征和农田产流关系,通过模拟农田入渗过程计算农 田产流:
降雨时段内,降雨量减去入渗量和田埂积水量,剩下的即为产流量。任意雨 强下农田积水时间和入渗速率如下式:
通过下式计算农田积水的开始时间tp:
式中,r为场次降雨强度,mm/h;θ为土壤含水量,cm3/cm3,θi和θs分别 为土壤初始含水量和土壤饱和含水量,S为计算方便设置的中间变量,无实际 涵义;D(θ)为土壤水分扩散率,mm2/hour;Ks为土壤饱和导水率,mm/hour; tp为土壤积水开始前的历时,hour;θt为t时刻时土壤含水量;K(θ)土壤含水 量为θ时的土壤非饱和导水率,mm/hour;
通过下式计算积水时段降雨量Ip,并通过迭代求解积水以后的入渗率i:
式中,t为场次降雨历时,h;Ip为积水时段降雨量,mm;
假设时段内降雨均匀,积水深度变化,如下式,
求解得,
通过迭代求解的方法计算出积水深度变化规律,当积水深度超过田埂高度 hf(实际测量得出)时即发生农田产流,即hf=h时,此时积水时间为tp1,若降 雨入渗土壤历时为(此时地表还无积水)tp,总的降雨量减去tp时段的入渗水量 和tp1时段的田埂积水量,剩下的即为农田产流量,产流量的计算公式如下:
Wr=r*t-Wtp-Wtp1 (10)
式中,Wtp为此次降雨中,入渗到土壤中的水量,mm;Wtp1为蓄积在田埂 内的积水量,mm;Wr为地表产流量,mm;K(θ)土壤含水量为θ时的土壤非 饱和导水率,mm/hour;
步骤五:确定能够产流的降雨特征
如果一场降雨强度很高,但降雨历时很短,田埂和表层土壤没有蓄满则不会 形成农田地表产流,同样如果一场降雨历时很长而降雨强度很弱,降雨会转化成 土壤水,也不会形成农田地表产流。将降雨历时作为横坐标,以降雨强度为纵坐 标,能够产流的场次降雨可划分出一条分界线,该分界线可用反比例函数来拟合, 根据该曲线可识别一场降雨是否能形成产流。有了该曲线以后,根据步骤三中区 域的降雨强度和降雨历时特征,即可识别不同频次特征的降雨是否能形成产流, 而不必每次都用模型公式计算。
实施例1
以海河流域平原区为案例区,以2008-2019年为研究时段,对本发明技术方 法的具体应用做进一步说明,具体应包括以下步骤:
步骤一、数据收集:
1)场次降雨数据,来源于中国气象数据网提供的CMOPRH遥感降水数据 产品,数据空间分辨率为0.1°,时间分辨率为1小时,数据经过4万个地面自动 气象站点降水数据校正,产品总体误差在10%以内,满足精度要求。
2)土壤性质数据,来源于中科院南京土壤所提供的土壤性质数据以及中国 土壤参数数据集(http://globalchange.bnu.edu.cn),采用SPAW(Soil-Plant-Air-Water) 软件,结合区域土壤类型分布计算土壤饱和导水率。
3)田埂高度数据,通过实地调研在不同区域选择116组田埂,田埂高度通 常在8~16cm,其中10cm左右田埂占比为59%,为出现频率最高的田埂高度, 故本次研究田埂高度设为10cm。
步骤二、数据预处理:
将海河流域平原区按0.1°×0.1°空间分辨率划分计算网格,当网格内农田面 积超过1/2时,设定为有效计算网格,可将海河平原划分为1053个有效计算网 格(图1),将田埂高度数据、土壤质地数据展布到计算单元网格内,根据每个 网格的降雨特征模拟农田产流过程。在每个计算网格中统计2008-2019年逐小时 的降雨数据,汇总统计为场次降雨事件,在1053个计算网格内共统计出525587 次降雨事件,进一步分析场次降雨的总量、历时和强度频次特征。
步骤三、分析空间内场次降雨特征的频次分布:
海河流域场次降雨特征如图2所示。降雨总量频次反映一场降雨的规模,小 于10mm场次降雨频次占到场次降雨总数的80%,小于25mm场次降雨的频次 占到场次降雨总数的95%,说明海河平原场次降雨总量以小于25mm为主,场 次降雨超过100mm的频次仅为0.4%。从降雨历时上看,历时在1小时以内的场 次降雨占到场次降雨总数的39%,3小时以内场次降雨占到场次降雨总数的72%, 5小时以内的场次降雨占比为85%,10小时以内的场次降雨占比为96%,超过 24小时的场次降雨仅占0.18%。根据气象降雨等级划分,降雨强度小于等于 2.5mm/hour为小雨、2.6~8mm/hour为中雨、8.1~15mm/hour为大雨,大于等于 16mm/hour为暴雨,按此等级划分,海河流域平原小雨等级的场次降雨占到场次 降雨总量的87%,中雨等级的场次降雨占到场次降雨总量的11%,大雨等级的 场次降雨占到1.9%,暴雨等级的场次降雨仅占0.1%。
海河平原区平均土壤饱和导水率在不同地区为1.8~5.5mm/hour,降雨强度超 过土壤饱和导水率,田块才会积水,积水深度超过田埂高度,才会形成产流。经 过筛选,海河流域平原区525587次降雨事件中,能够形成产流的场次降雨为 65698次,较原始数据,计算量大幅减少。
步骤四、通过模拟农田入渗过程计算农田产流:
2008-2019年海河流域平原区平均年产流量为54.7亿m3,其中农田产流为 21.8亿m3,约占平原区总产流量的40%。徒骇马颊河平原产流量最高,多年平 均为19.5亿m3,子牙河平原产流量最低,多年平均为1.0亿m3,北四河下游平 原农田产流量占全部产流量的比例最大为47%,子牙河平原农田产流占全部产流 的比例最小为29%。在降雨偏少的干旱年份,农田几乎不产流,如子牙河平原、 大清河淀西平原,除在个别偏丰水年份发生农田产流,大部分年份产流极少。
步骤五:确定能够产流的降雨特征:
将降雨历时作为横坐标,以降雨强度为纵坐标,能够产流的场次降雨可划分出 一条分界线,该分界线可用反比例函数来拟合,根据该曲线可识别一场降雨是否 能形成产流。在固定田埂高度下,若已知降雨强度则降雨历时需大于表中数值时, 才能形成产流。
根据这条曲线(图4),大致可以判断异常降雨是否能够形成农田产流,例 如在10cm田埂高度下,若降雨强度为10mm/hour,则降雨历时需超过15.9小 时才能形成产流,若降雨强度为30mm/hour,则降雨历时达到2.4小时,就能够 形成农田产流。
最后应说明的是,以上仅用以说明本发明的技术方案而非限制,尽管参照 较佳布置方案对本发明进行了详细说明,本领域的普通技术人员应当理解,可以 对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和 范围。
Claims (5)
1.一种农田产流的识别分析方法,包括以下步骤:
步骤一:数据收集:包括收集研究区的逐小时降雨数据,将逐小时的降雨数据汇总成场次降雨数据,计算场次降雨总量、场次降雨历时和场次降雨强度;收集研究区域的田埂高度数据,实地测量得出,每平方公里农田不少于100组采样点;收集研究区域各采样点的土壤质地数据;
步骤二:数据前处理:在研究区内划分计算单元网格,将田埂高度数据、土壤质地数据展布到计算单元网格内;
步骤三:分析空间内场次降雨特征的频次分布:对研究区降雨特征进行汇总统计分析,将降雨特征划分不同梯度,统计每个梯度下降雨特征的次数,对降雨特征的分布频率进行初筛,剔除部分无效数据;所述降雨特征包括降雨总量、降雨历时和降雨强度;
步骤四:确定场次降雨特征和农田产流关系,通过模拟农田入渗过程计算农田产流:
通过下式计算农田土壤积水开始前的历时tp:
式中,r为场次降雨强度,mm/h;θ为土壤含水量,cm3/cm3,θi和θs分别为土壤初始含水量和土壤饱和含水量,S为计算方便设置的中间变量,无实际涵义;D(θ)为土壤水分扩散率,mm2/hour;Ks为土壤饱和导水率,mm/hour;tp为土壤积水开始前的历时,hour;
通过下式计算积水时段降雨量Ip,并通过迭代求解积水以后的入渗率i:
式中,t为场次降雨历时,h;Ip为积水时段降雨量,mm;
假设时段内降雨均匀,积水深度变化,如下式,
求解得,
通过迭代求解的方法计算出积水深度变化规律,当积水深度超过田埂高度hf时即发生农田产流,即hf=h时,此时积水时间为tp1,若降雨入渗土壤历时为tp,总的降雨量减去tp时段的入渗水量和tp1时段的田埂积水量,剩下的即为农田产流量,产流量的计算公式如下:
Wr=r*t-Wtp-Wtp1
式中,Wtp为此次降雨中,入渗到土壤中的水量,mm;Wtp1为蓄积在田埂内的积水量,mm;Wr为地表产流量,mm;K(θ)土壤含水量为θ时的土壤非饱和导水率,mm/hour;
步骤五:确定能够产流的降雨特征:
将降雨历时作为横坐标,以降雨强度为纵坐标,能够产流的场次降雨划分出一条分界线,用反比例函数来拟合该分界线,根据该曲线可识别一场降雨是否能形成产流。
2.根据权利要求1所述的一种农田产流的识别分析方法,其特征在于:汇总的方法为:步骤一中汇总成场次降雨数据的具体方法为:根据逐小时的降雨数据,将有连续降雨信息的小时降雨累积求和,记录降雨累积量和小时累积量,即为一场降雨的降雨总量和降雨历时,一场降雨的降雨总量除以降雨历时,即为该场降雨的降雨强度。
3.根据权利要求1所述的一种农田产流的识别分析方法,其特征在于:步骤一中的的土壤质地数据包括土壤颗分含量:即粘土、壤土、粉土的比例。
4.根据权利要求1所述的一种农田产流的识别分析方法,其特征在于:步骤二中:采用Arcmap软件生成电子化的计算单元网格,并将所需数据信息插值进计算单元网格。
5.根据权利要求1所述的一种农田产流的识别分析方法,其特征在于:步骤三中:所述对降雨特征的分布频率进行初筛包括去除总雨量过小不会形成产流的场次降雨和降雨强度低于土壤饱和导水率不会形成产流的场次降雨。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210497455.3A CN114996911A (zh) | 2022-05-09 | 2022-05-09 | 一种农田产流的识别分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210497455.3A CN114996911A (zh) | 2022-05-09 | 2022-05-09 | 一种农田产流的识别分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114996911A true CN114996911A (zh) | 2022-09-02 |
Family
ID=83024917
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210497455.3A Pending CN114996911A (zh) | 2022-05-09 | 2022-05-09 | 一种农田产流的识别分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114996911A (zh) |
Citations (8)
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 |
CN106909731A (zh) * | 2017-02-22 | 2017-06-30 | 中国水利水电科学研究院 | 一种膨胀性土壤产汇流过程模拟方法 |
CN107066687A (zh) * | 2017-02-22 | 2017-08-18 | 中国水利水电科学研究院 | 一种考虑空气阻力作用的土壤降雨入渗测定系统和方法 |
CN109190827A (zh) * | 2018-09-07 | 2019-01-11 | 中国水利水电科学研究院 | 一种垄沟布局对降雨产流的影响机理识别方法 |
CN111413262A (zh) * | 2020-04-13 | 2020-07-14 | 中国水利水电科学研究院 | 监测农田小区产流特征的试验系统及田埂高度的估算方法 |
CN211785015U (zh) * | 2020-04-13 | 2020-10-27 | 中国水利水电科学研究院 | 监测农田小区产流特征的试验系统 |
CN112288151A (zh) * | 2020-10-22 | 2021-01-29 | 武汉大学 | 一种面向灾害应急的灾害链构建与灾害分析方法 |
CN113552305A (zh) * | 2021-07-21 | 2021-10-26 | 中国水利水电科学研究院 | 一种多孔纤维材料埋设对产流水质影响的机理识别方法 |
-
2022
- 2022-05-09 CN CN202210497455.3A patent/CN114996911A/zh active Pending
Patent Citations (8)
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 |
CN106909731A (zh) * | 2017-02-22 | 2017-06-30 | 中国水利水电科学研究院 | 一种膨胀性土壤产汇流过程模拟方法 |
CN107066687A (zh) * | 2017-02-22 | 2017-08-18 | 中国水利水电科学研究院 | 一种考虑空气阻力作用的土壤降雨入渗测定系统和方法 |
CN109190827A (zh) * | 2018-09-07 | 2019-01-11 | 中国水利水电科学研究院 | 一种垄沟布局对降雨产流的影响机理识别方法 |
CN111413262A (zh) * | 2020-04-13 | 2020-07-14 | 中国水利水电科学研究院 | 监测农田小区产流特征的试验系统及田埂高度的估算方法 |
CN211785015U (zh) * | 2020-04-13 | 2020-10-27 | 中国水利水电科学研究院 | 监测农田小区产流特征的试验系统 |
CN112288151A (zh) * | 2020-10-22 | 2021-01-29 | 武汉大学 | 一种面向灾害应急的灾害链构建与灾害分析方法 |
CN113552305A (zh) * | 2021-07-21 | 2021-10-26 | 中国水利水电科学研究院 | 一种多孔纤维材料埋设对产流水质影响的机理识别方法 |
Non-Patent Citations (1)
Title |
---|
王庆明等: "场次降雨条件下考虑田梗高度的农田产流规律模拟", 《农业工程学报》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shen et al. | Relating landscape characteristics to non-point source pollution in a typical urbanized watershed in the municipality of Beijing | |
Singh et al. | Mathematical modeling of watershed hydrology | |
Wada et al. | Human water consumption intensifies hydrological drought worldwide | |
Arnold et al. | Water resources of the Texas gulf basin | |
CN105912770A (zh) | 水文实时预报系统 | |
Jain et al. | Hydrologic modeling of a Himalayan mountain basin by using the SWAT mode | |
Mararakanye et al. | Using satellite-based weather data as input to SWAT in a data poor catchment | |
Andersson et al. | Estimating catchment nutrient flow with the HBV-NP model: sensitivity to input data | |
Msadala et al. | Sediment yield prediction for South Africa: 2010 edition | |
Liu et al. | Development and validation of a physically-based, national-scale hydrological model in China | |
Ibrakhimov | Spatial and temporal dynamics of groundwater table and salinity in Khorezm (Aral Sea Basin), Uzbekistan | |
Jacobs et al. | Effects of curve number modification on runoff estimation using WSR-88D rainfall data in Texas watersheds | |
Pavlin et al. | Event and seasonal hydrologic connectivity patterns in an agricultural headwater catchment | |
Barman et al. | ANN-SCS-based hybrid model in conjunction with GCM to evaluate the impact of climate change on the flow scenario of the River Subansiri | |
Wang et al. | SWAT modeling of water quantity and quality in the Tennessee River Basin: spatiotemporal calibration and validation | |
Sarkar et al. | Integration of SWAT and HSPF for Simulation of Sediment Sources in Legacy Sediment‐Impacted Agricultural Watersheds | |
CN117494419A (zh) | 一种多模型耦合的流域水土流失遥感监测方法 | |
Raneesh et al. | A simple semi-distributed hydrologic model to estimate groundwater recharge in a humid tropical basin | |
CN114996911A (zh) | 一种农田产流的识别分析方法 | |
Luesaksiriwattana | The Impact of Land Use Change on Hydrology Using Hydrologic Modelling and Geographical Information System (GIS) | |
Patıl et al. | Identification of potential zones on the estimation of direct runoff and soil erosion for an ungauged watershed based on remote sensing and GIS techniques | |
Ostojski | Application of hydrological and hydraulic models for hydrological data transfer | |
Vieux | Distributed hydrologic modeling | |
CN117314019B (zh) | 一种农业面源污染产生量评估方法 | |
Chinh et al. | A GIS-based distributed parameter model for rainfall runoff calculation using Arc Hydro Tool and curve number method for Chikugo River Basin in Japan |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220902 |