CN115496148A - 一种河流大尺度水文情势变化的评价方法及装置 - Google Patents
一种河流大尺度水文情势变化的评价方法及装置 Download PDFInfo
- Publication number
- CN115496148A CN115496148A CN202211156565.XA CN202211156565A CN115496148A CN 115496148 A CN115496148 A CN 115496148A CN 202211156565 A CN202211156565 A CN 202211156565A CN 115496148 A CN115496148 A CN 115496148A
- Authority
- CN
- China
- Prior art keywords
- hydrological
- river
- natural
- change
- classification
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000011156 evaluation Methods 0.000 claims abstract description 51
- 238000011161 development Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 14
- 238000007689 inspection Methods 0.000 claims description 14
- 238000000513 principal component analysis Methods 0.000 claims description 14
- 230000015654 memory Effects 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 10
- 239000002131 composite material Substances 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 39
- 238000004364 calculation method Methods 0.000 description 21
- 230000018109 developmental process Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 16
- 238000012545 processing Methods 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 9
- 230000007613 environmental effect Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 6
- 238000011144 upstream manufacturing Methods 0.000 description 6
- 101100459439 Caenorhabditis elegans nac-2 gene Proteins 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 238000000638 solvent extraction Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000008239 natural water Substances 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 238000013076 uncertainty analysis Methods 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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种河流大尺度水文情势变化的评价方法及装置，该方法包括：将天然水文数据和水文变化指标进行匹配，生成天然水文指标数值，并将实测水文数据和水文变化指标进行匹配，生成实测水文指标数值；获取河网数据，基于天然水文指标数值确定天然水文综合指数，并基于河网数据对河段河网进行分类，生成自然河段分类结果；基于实测水文指标数值确定水文变化综合指数和水文变化分类结果；基于自然河段分类结果与水文变化分类结果建立组合分类结果；基于组合分类结果，利用天然水文综合指数和水文变化综合指数生成河流大尺度水文情势变化评价结果。本方法实现了河流大尺度水文情势变化整体评价。
Description
技术领域
本发明涉及水文情势分析技术领域，具体涉及一种河流大尺度水文情势变化的评价方法及装置。
背景技术
水文过程作为河流生态系统物质循环的基础，是水生生物完成其生活史过程的基本保障。天然河流水文过程主要由降水、下垫面条件、水系物理形态等决定，并随时间发生周期性、随机性、季节性的变化。水库大坝工程建设将影响河流水文情势，进而导致河流生态系统退化，并逐渐形成以仿自然水流范式为主的人工调节水流范式，河流趋于新的生态系统平衡。
现有水文情势变化评价技术主要包括两个类别，一类是未考虑水库大坝工程等水工建筑物，仅针对河流水文情势进行评价的技术，另一类是针对水库大坝工程对河流水文情势的影响开展评价的技术，且已这一类技术为主。
例如：现有技术公开了获取待评估河流逐年的年均流量，并根据所述年均流量计算长序列河流水文时间序列的置信区间；利用所述置信区间确定引起水文情势变化的控制节点，计算影响前、影响后控制河段的IHA指标序列；利用IHA指标(Indicators ofHydrologic Alteration，水文变异指标)序列确定不同IHA指标分类区间，并计算每个类别的IHA指标一阶连接性指数；根据每个类别的IHA指标一阶连接性指数，计算影响前、影响后控制河段的塔尼模特相似度的数值；根据影响前、影响后控制河段的塔尼模特相似度值的变化值，评估总体的河流水文变动。
现有技术公开了：获取水利建筑设施建设前后下游河道的水文序列数据；根据所述水文序列数据计算水利建筑设施建设前后水文序列的盒维数；基于所述盒维数计算水文序列的分形维数；通过所述分形维数得到水文序列的变异度和变异率；依据所述变异度和变异率评价水利建筑设施调度对水文情势的影响。基于分形理论中盒维数描述水利建筑设施调度对小尺度水文过程影响的量化方法，构建变异度和变异率两个标识参数；为特征值评价提供了有益的补充，可为水库生态调度，水生态保护，下游河道治理，堤防设计等提供参考。
现有技术公开了：采集入库流量数据序列和出库流量数据序列，确定入库径流和出库径流的水文年；计算入库流量数据的IHA低流量与高流量所需的划分参数，以及入库流量数据的EFC(环境流量组分)划分参数；将所述IHA低流量与高流量所需的划分参数以及EFC划分参数应用于出库流量数据，分别计算入库径流和出库径流的IHA参数和EFC参数；根据所述入库径流和出库径流的IHA参数和EFC参数，采用IHA的变化范围法RVA对出入库径流的水文情势变化进行分析。
现有技术公开了：采集河流日平均流量的长系列连续数据，以计算得到的年平均流量进行ITSA计算，分析年平均流量的干预影响；利用IHA软件从日平均流量提取IHA水文指标体系所需的年时间序列数据，采用RVA法计算各IHA水文指标的水文改变度；基于已提取的IHA水文指标体系的年时间序列数据，对各IHA水文指标进行ITSA(Interrupted TimeSeries Analysis，中断时间序列分析)计算，得到各IHA水文指标的斜率改变量；对各IHA水文指标的水文改变度和斜率改变量，采用TOPSIS法(Technique for Order Preference bySimilarity to an Ideal Solution，优劣解距离法)得到河流水文情势综合评价结果。本发明采用ITSA和RVA法实现了河流生态水文情势的干预影响评价；识别了河流生态影响的各指标统计特征，研究并分析了河流受水利工程建设影响的干预程度。
但是，上述现有水文情势变化评价相关技术主要从单一水库大坝工程对水文情势的影响，或梯级水库大坝工程对水文情势的累积影响方面进行评价，缺乏从流域大尺度对水文情势变化进行整体评价的技术；并且现有技术主要依靠实测流量资料进行评价，无法对缺流量资料或无流量资料地区开展评价。
发明内容
因此，本发明要解决的技术问题在于克服现有水文情势变化评价相关技术缺乏从流域大尺度对水文情势变化进行整体评价，以及无法对缺流量资料或无流量资料地区开展评价的缺陷，从而提供一种河流大尺度水文情势变化的评价方法及装置。
本发明实施例提供了一种河流大尺度水文情势变化的评价方法，包括：
获取天然水文数据、实测水文数据和水文变化指标，将所述天然水文数据和所述水文变化指标进行匹配，生成天然水文指标数值，并将所述实测水文数据和所述水文变化指标进行匹配，生成实测水文指标数值；
获取河网数据，基于所述天然水文指标数值确定天然水文综合指数，并基于所述河网数据对河段河网进行分类，生成自然河段分类结果；
基于所述实测水文指标数值确定水文变化综合指数和水文变化分类结果；
基于所述自然河段分类结果与所述水文变化分类结果建立组合分类结果；
基于所述组合分类结果，利用所述天然水文综合指数和所述水文变化综合指数生成河流大尺度水文情势变化评价结果。
可选地，所述基于所述天然水文指标数值确定天然水文综合指数，并基于所述河网数据对河段河网进行分类，生成自然河段分类结果，包括：
对所述天然水文指标数值进行主成分分析，生成天然主成分指数；
获取水文站环境参数，基于所述水文站环境参数与所述天然主成分指数构建天然水文预测模型；
利用所述天然水文预测模型预测各河段对应的所述天然水文综合指数；
基于所述河网数据与所述天然水文指标数值确定自然河段分类结果。
可选地，所述基于所述河网数据与所述天然水文指标数值确定自然河段分类结果，包括：
基于所述河网数据，利用多个河段分类数量对河网河段进行分类，生成多个河网河段分类结果；其中，所述多个河段分类数量与所述多个河网河段分类结果一一对应；
基于所述天然水文指标数值分别确定所述多个河段分类数量对应的第一分类指标；
根据所述第一分类指标，利用第一预设分类条件确定最佳河网河段分类数量，并将所述最佳河网河段分类数量对应的河网河段分类结果作为所述自然河段分类结果。
可选地，所述基于所述实测水文指标数值确定水文变化综合指数和水文变化分类结果，包括：
对所述实测水文指标数值进行主成分分析，生成水文变化综合指数；
基于所述实测水文指标数值确定所述水文变化分类结果。
可选地，所述基于所述实测水文指标数值确定所述水文变化分类结果，包括：
基于多个水文分类数量将所述水文变化进行分类，生成多个初始变化分类结果；其中，所述多个水文分类数量与所述多个初始变化分类结果一一对应；
基于所述实测水文指标数值分别确定所述多个水文分类数量对应的第二分类指标；
根据所述第二分类指标，利用第二预设分类条件确定最佳水文变化分类数量，并将所述最佳水文变化分类数量对应的初始变化分类结果作为所述水文变化分类结果。
可选地，所述基于所述自然河段分类结果与所述水文变化分类结果建立组合分类结果，包括：
获取水库大坝工程开发目标数据，建立所述水库大坝工程开发目标数据与所述水文变化分类结果之间的关联关系；
基于所述河网数据，建立水库大坝工程数据与所述自然河段分类结果之间的关联关系；
分别提取所述水库大坝工程开发目标数据与所述水库大坝工程数据中的水文站数据；
基于相同水文站数据对应的所述自然河段分类结果与所述水文变化分类结果生成所述组合分类结果。
可选地，所述基于所述组合分类结果，利用所述天然水文综合指数和所述水文变化综合指数生成河流大尺度水文情势变化评价结果，包括：
根据组合分类结果对应的所述天然水文综合指数和所述水文变化综合指数，利用双样本差异性检验法生成所述河流大尺度水文情势变化评价结果。
在本申请的第二个方面，还提出了一种河流大尺度水文情势变化的评价装置，包括：
匹配模块，用于获取天然水文数据、实测水文数据和水文变化指标，将所述天然水文数据和所述水文变化指标进行匹配，生成天然水文指标数值，并将所述实测水文数据和所述水文变化指标进行匹配，生成实测水文指标数值；
分类模块，用于获取河网数据，基于所述天然水文指标数值确定天然水文综合指数，并基于所述河网数据对河段河网进行分类，生成自然河段分类结果；
确定模块，用于基于所述实测水文指标数值确定水文变化综合指数和水文变化分类结果；
建立模块，用于基于所述自然河段分类结果与所述水文变化分类结果建立组合分类结果；
生成模块，用于基于所述组合分类结果，利用所述天然水文综合指数和所述水文变化综合指数生成河流大尺度水文情势变化评价结果。
可选地，所述分类模块，包括：
第一分析子模块，用于对所述天然水文指标数值进行主成分分析，生成天然主成分指数；
构建子模块，用于获取水文站环境参数，基于所述水文站环境参数与所述天然主成分指数构建天然水文预测模型；
预测子模块，用于利用所述天然水文预测模型预测各河段对应的所述天然水文综合指数；
第一确定子模块，用于基于所述河网数据与所述天然水文指标数值确定自然河段分类结果。
可选地，所述第一确定子模块，包括：
第一分类单元，用于基于所述河网数据，利用多个河段分类数量对河网河段进行分类，生成多个河网河段分类结果；其中，所述多个河段分类数量与所述多个河网河段分类结果一一对应；
第一确定单元，用于基于所述天然水文指标数值分别确定所述多个河段分类数量对应的第一分类指标；
第二确定单元，用于根据所述第一分类指标，利用第一预设分类条件确定最佳河网河段分类数量，并将所述最佳河网河段分类数量对应的河网河段分类结果作为所述自然河段分类结果。
可选地，所述确定模块，包括：
第二分析子模块，用于对所述实测水文指标数值进行主成分分析，生成水文变化综合指数；
第二确定子模块，用于基于所述实测水文指标数值确定所述水文变化分类结果。
可选地，所述第二确定子模块，包括：
第二分类单元，用于基于多个水文分类数量将所述水文变化进行分类，生成多个初始变化分类结果；其中，所述多个水文分类数量与所述多个初始变化分类结果一一对应；
第三确定单元，用于基于所述实测水文指标数值分别确定所述多个水文分类数量对应的第二分类指标；
第四确定单元，用于根据所述第二分类指标，利用第二预设分类条件确定最佳水文变化分类数量，并将所述最佳水文变化分类数量对应的初始变化分类结果作为所述水文变化分类结果。
可选地，所述建立模块，包括：
第一建立子模块，用于获取水库大坝工程开发目标数据，建立所述水库大坝工程开发目标数据与所述水文变化分类结果之间的关联关系；
第二建立子模块，用于基于所述河网数据，建立水库大坝工程数据与所述自然河段分类结果之间的关联关系；
提取子模块，用于分别提取所述水库大坝工程开发目标数据与所述水库大坝工程数据中的水文站数据；
生成子模块，用于基于相同水文站数据对应的所述自然河段分类结果与所述水文变化分类结果生成所述组合分类结果。
可选地，所述生成模块，还用于根据组合分类结果对应的所述天然水文综合指数和所述水文变化综合指数，利用双样本差异性检验法生成所述河流大尺度水文情势变化评价结果。
在本申请的第三个方面，还提出了一种计算机设备，包括处理器和存储器，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序，所述处理器被配置用于调用所述计算机程序，执行上述第一方面的方法。
在本申请的第四个方面，本发明实施例提供了一种计算机可读存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序被处理器执行以实现上述第一方面的方法。
本发明提供的一种河流大尺度水文情势变化的评价方法，通过获取天然水文数据和实测水文数据，进而分别将天然水文数据和实测水文数据与水文变化指标进行匹配，实现了对有流量资料，或缺流量资料，或无流量资料地区水文情势的评价，并且基于匹配结果确定自然河段分类结果与所水文变化分类结果，将自然河段分类结果与所水文变化分类结果组合，进而利用天然水文综合指数和所述水文变化综合指数生成河流大尺度水文情势变化评价结果，改进了以往从单一水库大坝工程对水文情势的影响评价，或梯级水库大坝工程对水文情势的累积影响方面评价，无法完成流域尺度整体开展水文情势变化评价的不足，实现了对河流大尺度水文情势变化的整体评价。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例1中一种河流大尺度水文情势变化的评价方法的流程图；
图2为本发明实施例1中筑坝河流子河网划分示意图；
图3为本发明实施例1中步骤S102的流程图；
图4为本发明实施例1中步骤S1024的流程图；
图5为本发明实施例1中不同自然河段分类类别的分类强度计算结果示意图；
图6为本发明实施例1中不同自然河段分类的天然水文综合指数SINAT_1的示意图；
图7为本发明实施例1中不同自然河段分类的天然水文综合指数SINAT_2的示意图；
图8为本发明实施例1中不同自然河段分类的天然水文综合指数SINAT_3的示意图；
图9为本发明实施例1中不同自然河段分类的天然水文综合指数SINAT_4的示意图；
图10为本发明实施例1中步骤S103的流程图；
图11为本发明实施例1中步骤S1032的流程图；
图12为本发明实施例1中不同水文变化分类类别的分类强度计算结果示意图；
图13为本发明实施例1中步骤S104的流程图；
图14为本发明实施例2中一种河流大尺度水文情势变化的评价装置的原理框图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
本实施例提供一种河流大尺度水文情势变化的评价方法，如图1所示，包括：
S101、获取天然水文数据、实测水文数据和水文变化指标，将上述天然水文数据和上述水文变化指标进行匹配，生成天然水文指标数值，并将上述实测水文数据和上述水文变化指标进行匹配，生成实测水文指标数值。
具体的，根据水库大坝工程下游河段距离大坝最近的水文站作为代表性水文站，获取该水文站的流量序列资料作为水文数据(即天然水文数据和实测水文数据)来源。
其中，获取实测水文数据主要包括数据收集和数据模拟2种手段：
(1)数据收集，对于有水文数据的流域或区域，采用公开径流资料数据，包括但不限于以下数据：
1)《中华人民共和国水文年鉴》水文站实测流量数据；采用水文年鉴逐日流量数据作为实测流量数据输入来源，首选确定目标研究区域和目标水电站，识别目标水电站下游代表性水文站点名称及对应水文年鉴，通过检索水文年鉴获取所需实测流量数据；然后，根据是否需要天然流量资料的实际需求，对目标水文站系列年逐日实测流量资料进行还原，根据相应计算规范对实测流量资料进行一致性处理，获得还原后的天然流量系列资料。目标水文站系列年时间序列长度一般应在30年以上；相应计算规范可参考《SLT278-2020水利水电工程水文计算规范》《SL44-2006水利水电工程设计洪水计算规范》等；一致性处理应充分考虑水电站调度影响、下垫面变化影响、气候变化影响等因素；
2)中国站点尺度天然径流量估算数据集(1961～2018年)，北京师范大学地理科学学部缪驰远课题组利用VIC(Variable Infiltration Capacity，水文变量渗透能力)分布式水文模型，结合流向校正、参数不确定分析和统计后处理等数据质量控制方法，重建了一套长时序、高质量的天然河川径流数据集。
3)全球900多条河流径流数据集共享。
(2)数据模拟；对于缺水文数据或无水文数据的流域或区域，采用水文模型模拟生成水文数据，采用SWAT水文模型(水文评价模型)进行模拟，模型输入数据包括DEM(DigitalElevation Model，数字高程模型)数据、土地利用数据、土壤数据、气象数据等；具体应用过程中，也可根据需要和数据情况选择其他水文模型进行模拟，SWAT模型输入数据概况如下表1所示。
表1
进一步地，天然水文数据通过收集目标区域代表性水文站系列年逐日实测流量资料，根据相应计算规范对实测流量资料进行一致性处理，获得还原后的天然流量系列资料，目标水文站系列年时间序列长度一般应在30年以上；相应计算规范可参考《SLT278-2020水利水电工程水文计算规范》《SL44-2006水利水电工程设计洪水计算规范》等；一致性处理应充分考虑水库大坝工程调度影响、下垫面变化影响、气候变化影响等因素。
进一步地，通过将代表性水文站的日流量数据除以该水文站的年平均流量，对水文数据归一化处理。
具体的，构建了4个组分、59个水文指标来描述水文情势变化，水文变化指标如下表2所示。
表2
S102、获取河网数据，基于上述天然水文指标数值确定天然水文综合指数，并基于上述河网数据对河段河网进行分类，生成自然河段分类结果。
具体的，河网数据包括河网水系数据和河网水系与水库大坝工程拓扑关系数据；其中，河网水系数据，可采用现有公开河网水系数据，也可采用数字高程模型生成河网水系，具体如下：
(1)现有公开河网水系数据，采用HydroSHEDS数据集(Hydrological data andmaps based on SHuttle Elevation Derivatives at multiple Scales，地理参考水文数据集)，空间分辨率是500m×500m(15弧秒)，HydroSHEDS是基于NASA(NationalAeronautics and Space Administration，美国宇航局)的航天飞机雷达地形任务(SRTM，Shuttle Radar Topography Mission，即航天飞机雷达地形测绘使命)获得的高程数据完成的一个制图产品，以一致的格式为区域和全球范围的应用提供水文信息，提供了一套不同尺度的地理参考数据集(矢量和栅格)，包括河流网络、河流长度、流域边界、汇流方向、集水面积等。
(2)采用数字高程模型生成河网水系，本发明采用90米分辨率的DEM数据进行河网水系数据提取：首先，获得90米分辨率的SRTM DEM数据(分辨率数字高程数据)，通过拼接获得规划目标区域无缝DEM数据；然后，通过一系列水文分析完成，可在ArcGIS(ArcGIS产品线为用户提供一个可伸缩的，全面的地理信息平台)中通过水文分析工具(Hydrology)辅助完成，也可自行开发工具完成，具体为：对拼接后的规划目标区域DEM数据进行填洼处理，然后进行流向分析，输出汇流累积量等流向数据，得到流量数据之后，进而根据流量和流向数据生成矢量河网水系，获取到流域和河流水系数据，采用DEM数据提取时，将子流域划分的最小阈值设定为100km2(平方千米)，在不同区域应用时也可根据实际情况设定更适合区域特征的阈值；最后进行子流域划分，即可获得分割后的流域、子流域河网水系数据。
进一步地，河网水系与水库大坝工程拓扑关系数据的获取包括：首先，建立水库大坝工程数据：水库大坝工程数据采用全球水库大坝工程数据库和中国《第一次全国水利普查公报》数据，全球水库大坝工程数据库，包含全球7320个水库大坝工程数据，数据主要包括工程名称、经纬度信息、坝高、库容、装机容量、坝址处多年平均流量等信息，中国《第一次全国水利普查公报》数据，包括98002个工程，按照库容大于0.1亿立方米的阈值条件进行筛选，确定了符合条件的4694个工程，包括756个大型、3938个中型；然后，基于河网水系数据和水库大坝工程数据，将水库大坝工程数据与所属河流一一对应，应按照经纬度信息进行匹配，生成河网水系与水库大坝工程拓扑关系数据。
进一步地，建立水库大坝工程河网水系的具体步骤为：根据河网水系与水库大坝工程拓扑关系数据，以水库大坝工程为节点，将河网水系划分为若干水库大坝工程影响后的河段；其中，如图2所示，将流域河网划分为若干子河网，子河网的划分依据为：以水库大坝工程M为起点，向上游回溯，直至遇到上游水库大坝工程A，以上游若干水库大坝工程(C、D、B)为终点，起点与终点之间的河段组合即为子河网；假设河流具有树形结构，流动过程中不分叉，则每个子河网都可通过其下游边界的水库大坝工程进行识别；为便于计算和识别，也可将流域出水口认为是一个无阻隔的水库大坝工程。
进一步地，自然河段分类结果用于表征自然水文情势特征，采用构建预测模型的方法，基于河网数据进行河段分类。
S103、基于上述实测水文指标数值确定水文变化综合指数和水文变化分类结果。
具体的，以自然河段分类结果中的自然河段作为基本单元，分类基础实测水文指标数值。
S104、基于上述自然河段分类结果与上述水文变化分类结果建立组合分类结果。
具体的，根据水库大坝工程开发目标，识别水文站的水文变化分类结果(TAR)，将所有相同自然河段分类结果(NC)和水文变化分类结果(TAR)的水文站，建立组合分类结果，记为TAR-NC组合分类结果。
S105、基于上述组合分类结果，利用上述天然水文综合指数和上述水文变化综合指数生成河流大尺度水文情势变化评价结果。
具体的，根据组合分类结果对应的上述天然水文综合指数和上述水文变化综合指数，利用双样本差异性检验法生成上述河流大尺度水文情势变化评价结果(包括流域河网水文变化及变化程度)。
进一步地，对于流域河网水文变化，根据每个TAR-NC组合分类的天然水文综合指数水文变化综合指数，开展两组指数的双样本差异性检验，进而根据是否具有显著性差异得出整个河网的水文情势是否发生变化，以及变化范围，采用克鲁斯卡尔-沃利斯检验(也称H检验)进行计算；检验主要前提包括：①合并所有的样本；②将合并后的样本值从低到高排序；③将排序后的值用秩代替，从最小值1开始；检验具体步骤为：
(1)假设有m个相互独立的简单随机样本(x1,…,xni)，(i＝1,…,m)，xni为每个TAR-NC组合分类结果对应的天然水文综合指数或水文变化综合指数，ni表示样本中观测值的数量，(x1,…,xni)为各个TAR-NC组合分类结果对应的天然水文综合指数和水文变化综合指数合并后的集合，即合并所有的样本。
(2)将各样本全部N个观测值按递增顺序排成一列，即将合并后的样本值从低到高排序，其样本值的计算公式如下所示：
上式中，ni表示各样本中的观测值。
(3)将排序后的值用秩代替：以Ri(i＝1,…,m)表示第i个样本的ni个观测值xni在此排列中的秩的和。
(4)统计量H的计算公式如下所示：
假如各样本有r个相同数据，设ti(i＝1,…,r)是各样本的第i个公共观测值在全部N观测值中出现的次数，则修正统计量H′的计算公式如下：
当N充分大时H及H′近似服从卡方分布(χ2分布)，自由度v＝n-1。
(5)水文变化判断：对于给定的显著性水平α和自由度v＝n-1，通过如下表3可知，设卡方分布上侧分位数
当
时，认为n个样本不全来自同一总体，即无一致性，则判定流域水文情势发生了变化；当
时，判定流域水文情势未发生变化；水文情势变化程度，根据H值大小进行判别，H值越大，则表示水文变化程度越大。
表3
上述一种河流大尺度水文情势变化的评价方法，通过获取天然水文数据和实测水文数据，进而分别将天然水文数据和实测水文数据与水文变化指标进行匹配，实现了对有流量资料，或缺流量资料，或无流量资料地区水文情势的评价，并且基于匹配结果确定自然河段分类结果与所水文变化分类结果，将自然河段分类结果与所水文变化分类结果组合，进而利用天然水文综合指数和上述水文变化综合指数生成河流大尺度水文情势变化评价结果，改进了以往从单一水库大坝工程对水文情势的影响评价，或梯级水库大坝工程对水文情势的累积影响方面评价，无法完成流域尺度整体开展水文情势变化评价的不足，实现了对河流大尺度水文情势变化的整体评价。
优选地，如图3所示，步骤S102中基于上述天然水文指标数值确定天然水文综合指数，并基于上述河网数据对河段河网进行分类，生成自然河段分类结果，包括：
S1021、对上述天然水文指标数值进行主成分分析，生成天然主成分指数。
具体的，根据天然水文数据和天然水文指标数值作为输入数据，进行主成分分析，生成天然主成分指数；假设获得4个主成分指数，分别为SINAT_1，SINAT_2，SINAT_3，SINAT_4。
S1022、获取水文站环境参数(包括DEM、土地利用、土壤、气象等参数)，基于上述水文站环境参数与上述天然主成分指数构建天然水文预测模型。
具体的，采用随机森林模型构建流水文站环境参数与然主成分指数的关系模型，即天然水文预测模型。
S1023、利用上述天然水文预测模型预测各河段对应的上述天然水文综合指数。
具体的，实时采集河网中所有河段每一点处的水文站环境参数，将河网中所有河段每一点处的水文站环境参数输入天然水文预测模型中，可以实现预测河网中所有河段每一点处的天然水文综合指数。
S1024、基于上述河网数据与上述天然水文指标数值确定自然河段分类结果。
具体的，由于初始分类时无法确定最佳河段分类数量，本发明采用分割线段模型定义最佳自然河段分类数量。
优选地，如图4所示，步骤S1024中上述河网数据与上述天然水文指标数值确定自然河段分类结果，包括：
S10241、基于上述河网数据，利用多个河段分类数量对河网河段进行分类，生成多个河网河段分类结果；其中，上述多个河段分类数量与上述多个河网河段分类结果一一对应。
具体的，基于多个河段分类数量，采用中心点算法对河网河段进行聚类，生成多个河网河段分类结果，河段分类数量在2到50之间。
S10242、基于上述天然水文指标数值分别确定上述多个河段分类数量对应的第一分类指标(包括分类强度指标、方差指标、决定系数指标)。
具体的，分类强度指标采用同一个河段分类类别内天然水文指标数值的平均相似性进行表示；方差指标采用同一个河段分类类别内水文指标的方差进行表示；决定系数指标采用同一个河段分类类别内水文指标的决定系数进行表示。
S10243、根据上述第一分类指标，利用第一预设分类条件确定最佳河网河段分类数量，并将上述最佳河网河段分类数量对应的河网河段分类结果作为上述自然河段分类结果。
具体的，如图5所示，基于河段分类数量为2到50的类别内所有水文变化指标计算分类强度、方差和决定系数，满足分类强度最大、方差最小、决定系数最大3个条件的河段分类数量即为最佳河网河段分类数量，进而获得n个分类的河段，n为2到50之间的数。
进一步地，如图6-9所示，假设最佳NC分类数量n为20，则可获得每个分类河段的天然水文综合指数(SINAT_1，SINAT_2，SINAT_3，SINAT_4)。
优选地，如图10所示，步骤S103中基于上述实测水文指标数值确定水文变化综合指数和水文变化分类结果，包括：
S1031、对上述实测水文指标数值进行主成分分析，生成水文变化综合指数。
具体的，对实测水文指标数值进行主成分分析，以自然河段分类结果的自然河段分类作为基本单元，构建水文变化综合指数。
S1032、基于上述实测水文指标数值确定上述水文变化分类结果。
具体的，由于初始分类时无法确定最佳水文变化分类数量，本发明采用分割线段模型定义最优的水文变化分类。
优选地，如图11所示，步骤S1032中基于上述实测水文指标数值确定上述水文变化分类结果，包括：
S10321、基于多个水文分类数量将上述水文变化进行分类，生成多个初始变化分类结果；其中，上述多个水文分类数量与上述多个初始变化分类结果一一对应。
具体的，多个水文分类数量作为初始分类，采用中心点算法对水文变化进行聚类，建立水文变化分类，水文分类数量在2到20之间。
S10322、基于上述实测水文指标数值分别确定上述多个水文分类数量对应的第二分类指标(包括分类强度指标、方差指标、决定系数指标)。
具体的，分类强度指标采用同一个初始变化分类类别内水文指标的平均相似性进行表示；方差指标采用同一个初始变化分类类别内水文指标的方差进行表示；决定系数指标采用同一个初始变化分类类别内水文指标的决定系数进行表示。
S10323、根据上述第二分类指标，利用第二预设分类条件确定最佳水文变化分类数量，并将上述最佳水文变化分类数量对应的初始变化分类结果作为上述水文变化分类结果。
具体的，如图12所示，基于水文分类数量为2到50的类别内所有水文变化指标计算分类强度、方差和决定系数，满足分类强度最大、方差最小、决定系数最大3个条件的水文分类数量即为最佳水文变化分类数量，进而获得n个分类的水文变化分类，n为2到50之间的数。
优选地，如图13所示，步骤S104中基于上述自然河段分类结果与上述水文变化分类结果建立组合分类结果，包括：
S1041、获取水库大坝工程开发目标数据(包括防洪、发电、灌溉、供水、航运等)，建立上述水库大坝工程开发目标数据与上述水文变化分类结果之间的关联关系。
具体的，采用蒙特卡罗算法通过开展106次模拟，建立水文变化分类与水库大坝工程开发目标之间的关联关系。
S1042、基于上述河网数据，建立水库大坝工程数据与上述自然河段分类结果之间的关联关系。
具体的，根据水库大坝工程河网水系提取水库大坝工程站的地理位置信息(即水库大坝工程数据)，建立水库大坝工程与其所在自然河段分类结果(NC)的关联关系，即哪个水库大坝工程在哪个分类河段，进而可得到自然河段分类结果(NC)与水库大坝工程及其代表性水文站的关联关系。
S1043、分别提取上述水库大坝工程开发目标数据与上述水库大坝工程数据中的水文站数据。
S1044、基于相同水文站数据对应的上述自然河段分类结果与上述水文变化分类结果生成上述组合分类结果。
具体的，TAR-NC组合分类结果，以同一个水文站对应的自然河段分类(NC)和水文变化分类(TAR)作为依据；即河网数据包含若干河段，根据自然河段分类结果，将河段单元划分为若干自然河段，每个自然河段作为建TAR-NC组合的河段单元，根据水文变化分类结果，每个河段单元可以获得一个水文变化。
实施例2
本实施例提供一种河流大尺度水文情势变化的评价装置，如图14所示，包括：
匹配模块141，用于获取天然水文数据、实测水文数据和水文变化指标，将上述天然水文数据和上述水文变化指标进行匹配，生成天然水文指标数值，并将上述实测水文数据和上述水文变化指标进行匹配，生成实测水文指标数值。
具体的，根据水库大坝工程下游河段距离大坝最近的水文站作为代表性水文站，获取该水文站的流量序列资料作为水文数据(即天然水文数据和实测水文数据)来源。
进一步地，天然水文数据通过收集目标区域代表性水文站系列年逐日实测流量资料，根据相应计算规范对实测流量资料进行一致性处理，获得还原后的天然流量系列资料，目标水文站系列年时间序列长度一般应在30年以上；相应计算规范可参考《SLT278-2020水利水电工程水文计算规范》《SL44-2006水利水电工程设计洪水计算规范》等；一致性处理应充分考虑水库大坝工程调度影响、下垫面变化影响、气候变化影响等因素。
进一步地，通过将代表性水文站的日流量数据除以该水文站的年平均流量，对水文数据归一化处理。
具体的，构建了4个组分、59个水文指标来描述水文情势变化。
分类模块142，用于获取河网数据，基于上述天然水文指标数值确定天然水文综合指数，并基于上述河网数据对河段河网进行分类，生成自然河段分类结果。
具体的，河网数据包括河网水系数据和河网水系与水库大坝工程拓扑关系数据；其中，河网水系数据，可采用现有公开河网水系数据，也可采用数字高程模型生成河网水系。
进一步地，建立水库大坝工程河网水系的具体步骤为：根据河网水系与水库大坝工程拓扑关系数据，以水库大坝工程为节点，将河网水系划分为若干水库大坝工程影响后的河段；其中，如图2所示，将流域河网划分为若干子河网，子河网的划分依据为：以水库大坝工程M为起点，向上游回溯，直至遇到上游水库大坝工程A，以上游若干水库大坝工程(C、D、B)为终点，起点与终点之间的河段组合即为子河网；假设河流具有树形结构，流动过程中不分叉，则每个子河网都可通过其下游边界的水库大坝工程进行识别；为便于计算和识别，也可将流域出水口认为是一个无阻隔的水库大坝工程。
进一步地，自然河段分类结果用于表征自然水文情势特征，采用构建预测模型的方法，基于河网数据进行河段分类。
确定模块143，用于基于上述实测水文指标数值确定水文变化综合指数和水文变化分类结果。
具体的，以自然河段分类结果中的自然河段作为基本单元，分类基础实测水文指标数值。
建立模块144，用于基于上述自然河段分类结果与上述水文变化分类结果建立组合分类结果。
具体的，根据水库大坝工程开发目标，识别水文站的水文变化分类结果(TAR)，将所有相同自然河段分类结果(NC)和水文变化分类结果(TAR)的水文站，建立组合分类结果，记为TAR-NC组合分类结果。
生成模块145，用于基于上述组合分类结果，利用上述天然水文综合指数和上述水文变化综合指数生成河流大尺度水文情势变化评价结果。
具体的，根据组合分类结果对应的上述天然水文综合指数和上述水文变化综合指数，利用双样本差异性检验法生成上述河流大尺度水文情势变化评价结果(包括流域河网水文变化及变化程度)。
进一步地，对于流域河网水文变化，根据每个TAR-NC组合分类的天然水文综合指数水文变化综合指数，开展两组指数的双样本差异性检验，进而根据是否具有显著性差异得出整个河网的水文情势是否发生变化，以及变化范围，采用克鲁斯卡尔-沃利斯检验(也称H检验)进行计算；检验主要前提包括：①合并所有的样本；②将合并后的样本值从低到高排序；③将排序后的值用秩代替，从最小值1开始；检验具体步骤为：
(1)假设有m个相互独立的简单随机样本(x1,…,xni)，(i＝1,…,m)，xni为每个TAR-NC组合分类结果对应的天然水文综合指数或水文变化综合指数，ni表示样本中观测值的数量，(x1,…,xni)为各个TAR-NC组合分类结果对应的天然水文综合指数和水文变化综合指数合并后的集合，即合并所有的样本。
(2)将各样本全部N个观测值按递增顺序排成一列，即将合并后的样本值从低到高排序，其样本值的计算公式如下所示：
上式中，ni表示各样本中的观测值。
(3)将排序后的值用秩代替：以Ri(i＝1,…,m)表示第i个样本的ni个观测值xni在此排列中的秩的和。
(4)统计量H的计算公式如下所示：
假如各样本有r个相同数据，设ti(i＝1,…,r)是各样本的第i个公共观测值在全部N观测值中出现的次数，则修正统计量H′的计算公式如下：
当N充分大时H及H′近似服从卡方分布(χ2分布)，自由度v＝m-1。
(5)水文变化判断：对于给定的显著性水平α和自由度v＝m-1，设卡方分布上侧分位数
当
时，认为m个样本不全来自同一总体，即无一致性，则判定流域水文情势发生了变化；当
时，判定流域水文情势未发生变化；水文情势变化程度，根据H值大小进行判别，H值越大，则表示水文变化程度越大。
上述一种河流大尺度水文情势变化的评价装置，通过获取天然水文数据和实测水文数据，进而分别将天然水文数据和实测水文数据与水文变化指标进行匹配，实现了对有流量资料，或缺流量资料，或无流量资料地区水文情势的评价，并且基于匹配结果确定自然河段分类结果与所水文变化分类结果，将自然河段分类结果与所水文变化分类结果组合，进而利用天然水文综合指数和上述水文变化综合指数生成河流大尺度水文情势变化评价结果，改进了以往从单一水库大坝工程对水文情势的影响评价，或梯级水库大坝工程对水文情势的累积影响方面评价，无法完成流域尺度整体开展水文情势变化评价的不足，实现了对河流大尺度水文情势变化的整体评价。
优选地，上述分类模块142，包括：
第一分析子模块1421，用于对上述天然水文指标数值进行主成分分析，生成天然主成分指数。
具体的，根据天然水文数据和天然水文指标数值作为输入数据，进行主成分分析，生成天然主成分指数；假设获得4个主成分指数，分别为SINAT_1，SINAT_2，SINAT_3，SINAT_4。
构建子模块1422，用于获取水文站环境参数，基于上述水文站环境参数与上述天然主成分指数构建天然水文预测模型。
具体的，采用随机森林模型构建流水文站环境参数与然主成分指数的关系模型，即天然水文预测模型。
预测子模块1423，用于利用上述天然水文预测模型预测各河段对应的上述天然水文综合指数。
具体的，实时采集河网中所有河段每一点处的水文站环境参数，将河网中所有河段每一点处的水文站环境参数输入天然水文预测模型中，可以实现预测河网中所有河段每一点处的天然水文综合指数。
第一确定子模块1424，用于基于上述河网数据与上述天然水文指标数值确定自然河段分类结果。
具体的，由于初始分类时无法确定最佳河段分类数量，本发明采用分割线段模型定义最佳自然河段分类数量。
优选地，上述第一确定子模块1424，包括：
第一分类单元14241，用于基于上述河网数据，利用多个河段分类数量对河网河段进行分类，生成多个河网河段分类结果；其中，上述多个河段分类数量与上述多个河网河段分类结果一一对应。
具体的，基于多个河段分类数量，采用中心点算法对河网河段进行聚类，生成多个河网河段分类结果，河段分类数量在2到50之间。
第一确定单元14242，用于基于上述天然水文指标数值分别确定上述多个河段分类数量对应的第一分类指标。
具体的，分类强度指标采用同一个河段分类类别内天然水文指标数值的平均相似性进行表示；方差指标采用同一个河段分类类别内水文指标的方差进行表示；决定系数指标采用同一个河段分类类别内水文指标的决定系数进行表示。
第二确定单元14243，用于根据上述第一分类指标，利用第一预设分类条件确定最佳河网河段分类数量，并将上述最佳河网河段分类数量对应的河网河段分类结果作为上述自然河段分类结果。
具体的，如图5所示，基于河段分类数量为2到50的类别内所有水文变化指标计算分类强度、方差和决定系数，满足分类强度最大、方差最小、决定系数最大3个条件的河段分类数量即为最佳河网河段分类数量，进而获得n个分类的河段，n为2到50之间的数。
进一步地，如图6-9所示，假设最佳NC分类数量(即最佳河网河段分类数量)n为20，则可获得每个分类河段的天然水文综合指数(SINAT_1，SINAT_2，SINAT_3，SINAT_4)。
优选地，上述确定模块143，包括：
第二分析子模块1431，用于对上述实测水文指标数值进行主成分分析，生成水文变化综合指数。
具体的，对实测水文指标数值进行主成分分析，以自然河段分类结果的自然河段分类作为基本单元，构建水文变化综合指数。
第二确定子模块1432，用于基于上述实测水文指标数值确定上述水文变化分类结果。
具体的，由于初始分类时无法确定最佳水文变化分类数量，本发明采用分割线段模型定义最优的水文变化分类。
优选地，上述第二确定子模块1432，包括：
第二分类单元14321，用于基于多个水文分类数量将上述水文变化进行分类，生成多个初始变化分类结果；其中，上述多个水文分类数量与上述多个初始变化分类结果一一对应。
具体的，多个水文分类数量作为初始分类，采用中心点算法对水文变化进行聚类，建立水文变化分类，水文分类数量在2到20之间。
第三确定单元14322，用于基于上述实测水文指标数值分别确定上述多个水文分类数量对应的第二分类指标。
具体的，分类强度指标采用同一个初始变化分类类别内水文指标的平均相似性进行表示；方差指标采用同一个初始变化分类类别内水文指标的方差进行表示；决定系数指标采用同一个初始变化分类类别内水文指标的决定系数进行表示。
第四确定单元14323，用于根据上述第二分类指标，利用第二预设分类条件确定最佳水文变化分类数量，并将上述最佳水文变化分类数量对应的初始变化分类结果作为上述水文变化分类结果。
具体的，如图12所示，基于水文分类数量为2到50的类别内所有水文变化指标计算分类强度、方差和决定系数，满足分类强度最大、方差最小、决定系数最大3个条件的水文分类数量即为最佳水文变化分类数量，进而获得n个分类的水文变化分类，n为2到50之间的数。
优选地，上述建立模块144，包括：
第一建立子模块1441，用于获取水库大坝工程开发目标数据，建立上述水库大坝工程开发目标数据与上述水文变化分类结果之间的关联关系。
具体的，采用蒙特卡罗算法通过开展106次模拟，建立水文变化分类与水库大坝工程开发目标之间的关联关系。
第二建立子模块1442，用于基于上述河网数据，建立水库大坝工程数据与上述自然河段分类结果之间的关联关系。
具体的，根据水库大坝工程河网水系提取水库大坝工程站的地理位置信息(即水库大坝工程数据)，建立水库大坝工程与其所在自然河段分类结果(NC)的关联关系，即哪个水库大坝工程在哪个分类河段，进而可得到自然河段分类结果(NC)与水库大坝工程及其代表性水文站的关联关系。
提取子模块1443，用于分别提取上述水库大坝工程开发目标数据与上述水库大坝工程数据中的水文站数据。
生成子模块1444，用于基于相同水文站数据对应的上述自然河段分类结果与上述水文变化分类结果生成上述组合分类结果。
具体的，TAR-NC组合分类结果，以同一个水文站对应的自然河段分类(NC)和水文变化分类(TAR)作为依据；即河网数据包含若干河段，根据自然河段分类结果，将河段单元划分为若干自然河段，每个自然河段作为建TAR-NC组合的河段单元，根据水文变化分类结果，每个河段单元可以获得一个水文变化。
实施例3
本实施例提供一种计算机设备，包括存储器和处理器，处理器用于读取存储器中存储的指令，以执行上述任意方法实施例中的一种河流大尺度水文情势变化的评价方法。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
实施例4
本实施例提供一种计算机可读存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的一种河流大尺度水文情势变化的评价方法。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种河流大尺度水文情势变化的评价方法，其特征在于，包括：
获取天然水文数据、实测水文数据和水文变化指标，将所述天然水文数据和所述水文变化指标进行匹配，生成天然水文指标数值，并将所述实测水文数据和所述水文变化指标进行匹配，生成实测水文指标数值；
获取河网数据，基于所述天然水文指标数值确定天然水文综合指数，并基于所述河网数据对河段河网进行分类，生成自然河段分类结果；
基于所述实测水文指标数值确定水文变化综合指数和水文变化分类结果；
基于所述自然河段分类结果与所述水文变化分类结果建立组合分类结果；
基于所述组合分类结果，利用所述天然水文综合指数和所述水文变化综合指数生成河流大尺度水文情势变化评价结果。
2.根据权利要求1所述的一种河流大尺度水文情势变化的评价方法，其特征在于，所述基于所述天然水文指标数值确定天然水文综合指数，并基于所述河网数据对河段河网进行分类，生成自然河段分类结果，包括：
对所述天然水文指标数值进行主成分分析，生成天然主成分指数；
获取水文站环境参数，基于所述水文站环境参数与所述天然主成分指数构建天然水文预测模型；
利用所述天然水文预测模型预测各河段对应的所述天然水文综合指数；
基于所述河网数据与所述天然水文指标数值确定自然河段分类结果。
3.根据权利要求2所述的一种河流大尺度水文情势变化的评价方法，其特征在于，所述基于所述河网数据与所述天然水文指标数值确定自然河段分类结果，包括：
基于所述河网数据，利用多个河段分类数量对河网河段进行分类，生成多个河网河段分类结果；其中，所述多个河段分类数量与所述多个河网河段分类结果一一对应；
基于所述天然水文指标数值分别确定所述多个河段分类数量对应的第一分类指标；
根据所述第一分类指标，利用第一预设分类条件确定最佳河网河段分类数量，并将所述最佳河网河段分类数量对应的河网河段分类结果作为所述自然河段分类结果。
4.根据权利要求1所述的一种河流大尺度水文情势变化的评价方法，其特征在于，所述基于所述实测水文指标数值确定水文变化综合指数和水文变化分类结果，包括：
对所述实测水文指标数值进行主成分分析，生成水文变化综合指数；
基于所述实测水文指标数值确定所述水文变化分类结果。
5.根据权利要求4所述的一种河流大尺度水文情势变化的评价方法，其特征在于，所述基于所述实测水文指标数值确定所述水文变化分类结果，包括：
基于多个水文分类数量将所述水文变化进行分类，生成多个初始变化分类结果；其中，所述多个水文分类数量与所述多个初始变化分类结果一一对应；
基于所述实测水文指标数值分别确定所述多个水文分类数量对应的第二分类指标；
根据所述第二分类指标，利用第二预设分类条件确定最佳水文变化分类数量，并将所述最佳水文变化分类数量对应的初始变化分类结果作为所述水文变化分类结果。
6.根据权利要求1所述的一种河流大尺度水文情势变化的评价方法，其特征在于，所述基于所述自然河段分类结果与所述水文变化分类结果建立组合分类结果，包括：
获取水库大坝工程开发目标数据，建立所述水库大坝工程开发目标数据与所述水文变化分类结果之间的关联关系；
基于所述河网数据，建立水库大坝工程数据与所述自然河段分类结果之间的关联关系；
分别提取所述水库大坝工程开发目标数据与所述水库大坝工程数据中的水文站数据；
基于相同水文站数据对应的所述自然河段分类结果与所述水文变化分类结果生成所述组合分类结果。
7.根据权利要求1所述的一种河流大尺度水文情势变化的评价方法，其特征在于，所述基于所述组合分类结果，利用所述天然水文综合指数和所述水文变化综合指数生成河流大尺度水文情势变化评价结果，包括：
根据组合分类结果对应的所述天然水文综合指数和所述水文变化综合指数，利用双样本差异性检验法生成所述河流大尺度水文情势变化评价结果。
8.一种河流大尺度水文情势变化的评价装置，其特征在于，包括：
匹配模块，用于获取天然水文数据、实测水文数据和水文变化指标，将所述天然水文数据和所述水文变化指标进行匹配，生成天然水文指标数值，并将所述实测水文数据和所述水文变化指标进行匹配，生成实测水文指标数值；
分类模块，用于获取河网数据，基于所述天然水文指标数值确定天然水文综合指数，并基于所述河网数据对河段河网进行分类，生成自然河段分类结果；
确定模块，用于基于所述实测水文指标数值确定水文变化综合指数和水文变化分类结果；
建立模块，用于基于所述自然河段分类结果与所述水文变化分类结果建立组合分类结果；
生成模块，用于基于所述组合分类结果，利用所述天然水文综合指数和所述水文变化综合指数生成河流大尺度水文情势变化评价结果。
9.一种计算机设备，其特征在于，包括处理器和存储器，其中，所述存储器用于存储计算机程序，所述处理器被配置用于调用所述计算机程序，执行如权利要求1-7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，所述计算机指令被处理器执行时实现如权利要求1-7中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211156565.XA CN115496148A (zh) | 2022-09-22 | 2022-09-22 | 一种河流大尺度水文情势变化的评价方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211156565.XA CN115496148A (zh) | 2022-09-22 | 2022-09-22 | 一种河流大尺度水文情势变化的评价方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115496148A true CN115496148A (zh) | 2022-12-20 |
Family
ID=84469533
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211156565.XA Pending CN115496148A (zh) | 2022-09-22 | 2022-09-22 | 一种河流大尺度水文情势变化的评价方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115496148A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116630122A (zh) * | 2023-07-24 | 2023-08-22 | 水利部交通运输部国家能源局南京水利科学研究院 | 基于水文-生态响应关系的湖泊生态水力调控方法及系统 |
-
2022
- 2022-09-22 CN CN202211156565.XA patent/CN115496148A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116630122A (zh) * | 2023-07-24 | 2023-08-22 | 水利部交通运输部国家能源局南京水利科学研究院 | 基于水文-生态响应关系的湖泊生态水力调控方法及系统 |
| CN116630122B (zh) * | 2023-07-24 | 2023-09-19 | 水利部交通运输部国家能源局南京水利科学研究院 | 基于水文-生态响应关系的湖泊生态水力调控方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Arnal et al. | Skilful seasonal forecasts of streamflow over Europe? | |
| Nourani et al. | ANN-based statistical downscaling of climatic parameters using decision tree predictor screening method | |
| Fan et al. | A stepwise-cluster forecasting approach for monthly streamflows based on climate teleconnections | |
| Moiz et al. | A systematic decision support tool for robust hydropower site selection in poorly gauged basins | |
| Ghaleno et al. | Pragmatic approach for prioritization of flood and sedimentation hazard potential of watersheds | |
| Mehta et al. | Improving flood forecasting in Narmada river basin using hierarchical clustering and hydrological modelling | |
| Kabir et al. | Investigating capabilities of machine learning techniques in forecasting stream flow | |
| Kumar et al. | Evaluating two GIS-based semi-distributed hydrological models in the Bhagirathi-Alkhnanda River catchment in India | |
| Pender et al. | Stochastic simulation of daily streamflow sequences using a hidden Markov model | |
| Gui et al. | Simulation-based inexact fuzzy semi-infinite programming method for agricultural cultivated area planning in the Shiyang River Basin | |
| Gomes et al. | Regionalization of precipitation with determination of homogeneous regions via fuzzy c-means | |
| CN115496148A (zh) | 一种河流大尺度水文情势变化的评价方法及装置 | |
| Sepehri et al. | Assessment of drainage network analysis methods to rank sediment yield hotspots | |
| CN117332291B (zh) | 一种面向分布式光伏的区域资源监测布局方法及系统 | |
| CN113762615A (zh) | 洪水预测方法、装置、计算机设备和存储介质 | |
| Tyralis et al. | Merging satellite and gauge-measured precipitation using LightGBM with an emphasis on extreme quantiles | |
| Bac-Bronowicz et al. | Regionalization of geographical space according to selected topographic factors in reference to spatial distribution of precipitation: application of artificial neural networks in GIS | |
| Velasco et al. | Days-ahead water level forecasting using artificial neural networks for watersheds | |
| Sørup et al. | Evaluating catchment response to artificial rainfall from four weather generators for present and future climate | |
| Moghaddasi et al. | Potential impacts of climate change on groundwater levels in Golpayegan Plain, Iran | |
| Nizar et al. | Forecasting of temperature by using LSTM and bidirectional LSTM approach: case study in Semarang, Indonesia | |
| Vishwakarma et al. | Assessment of the performance of CMIP5 and CORDEX-SA models over the drought-prone Bundelkhand region, India | |
| CN115408485A (zh) | 一种基于站点集水区小样本观测的径流重建方法和系统 | |
| CN115034689A (zh) | 一种筑坝河流鱼类纵向连通性评价方法及装置 | |
| Sharma et al. | Long-range hydrologic forecasting in El Niño Southern Oscillation-affected coastal watersheds: comparison of climate model and weather generator approach |
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 |