CN116305933B - 一种基于dem数据的坡面产汇流简易计算方法及装置 - Google Patents
一种基于dem数据的坡面产汇流简易计算方法及装置 Download PDFInfo
- Publication number
- CN116305933B CN116305933B CN202310260584.5A CN202310260584A CN116305933B CN 116305933 B CN116305933 B CN 116305933B CN 202310260584 A CN202310260584 A CN 202310260584A CN 116305933 B CN116305933 B CN 116305933B
- Authority
- CN
- China
- Prior art keywords
- calculation
- dem data
- data
- confluence
- runoff
- 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
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 148
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 107
- 238000000034 method Methods 0.000 claims abstract description 80
- 238000004088 simulation Methods 0.000 claims abstract description 54
- 230000008569 process Effects 0.000 claims abstract description 23
- 230000000694 effects Effects 0.000 claims abstract description 21
- 238000001914 filtration Methods 0.000 claims abstract description 20
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 11
- 238000003860 storage Methods 0.000 claims description 33
- 239000002689 soil Substances 0.000 claims description 27
- 238000009826 distribution Methods 0.000 claims description 19
- 230000006870 function Effects 0.000 claims description 17
- 238000010276 construction Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 11
- 238000001556 precipitation Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 abstract description 7
- 238000004519 manufacturing process Methods 0.000 abstract description 3
- 230000008595 infiltration Effects 0.000 description 9
- 238000001764 infiltration Methods 0.000 description 9
- 230000035945 sensitivity Effects 0.000 description 4
- 238000012876 topography Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000010206 sensitivity analysis Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 206010000210 abortion Diseases 0.000 description 1
- 231100000176 abortion Toxicity 0.000 description 1
- 230000002378 acidificating effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 229910052572 stoneware Inorganic materials 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Computer Hardware Design (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及水文模拟技术领域,公开了一种基于DEM数据的坡面产汇流简易计算方法及装置。本发明以DEM数据栅格对目标区域进行划分并构建分布式水文模型,对该模型进行调整以使其所模拟的产流过程考虑因洼地滞水导致的净雨损失;该模型在进行汇流计算时基于Dijkstra算法计算各栅格的产流按流向汇至流域出口的最短路径,基于谢才公式计算属于河涌的栅格的水流流经时间,基于Kerby方程计算属于地表坡面的栅格的水流流经时间,以简化计算且保证计算精度,并基于Chapman‑Maxwell滤波法从总流量中分割出地面径流以得到更好的分割效果。本发明实现了在进行坡面产汇流计算时同时兼顾高计算效率与高模拟精细度。
Description
技术领域
本发明涉及水文模拟技术领域,尤其涉及一种基于DEM数据的坡面产汇流简易计算方法及装置。
背景技术
水文模型是研究水循环过程和机理的有效手段,也是解决许多水文实际问题的有效工具。
现有技术中,常用的水文模型在模拟坡面产汇流前,通常对地形数据进行预处理,对原始DEM(数字高程模型)进行洼地填平和平地抬升以计算水流流向。这种方式下会忽略因洼地滞水导致的净雨损失,从而不能实现对产汇流物理过程的精细化模拟。为提高模拟精细度,现有改进模型的结构通常较为复杂,不利于实现对洪涝灾害的快速预报计算。因此,现有水文模型在进行坡面产汇流计算时难以同时兼顾高计算效率与高模拟精细度。
发明内容
本发明提供了一种基于DEM数据的坡面产汇流简易计算方法及装置,解决了现有水文模型在进行坡面产汇流计算时难以同时兼顾高计算效率与高模拟精细度的技术问题。
本发明第一方面提供一种基于DEM数据的坡面产汇流简易计算方法,包括:
获取目标区域的用于坡面产汇流计算的基础数据;所述基础数据包括地形DEM数据、子汇水区划分结果及对应倾泻点分布数据;
对所述基础数据进行包括插值处理在内的预处理,得到目标基础数据;
以DEM数据栅格对所述目标区域进行划分,并根据所述目标基础数据构建所述目标区域的分布式水文模型;
构建洼地向外产流条件;所述洼地向外产流条件假设洼地向外产流时下垫面的土壤含水量达到最大潜在蓄水能力;
根据所述洼地向外产流条件调整所述分布式水文模型,使得调整后的分布式水文模型所模拟的产流过程考虑因洼地滞水导致的净雨损失;
对所述调整后的分布式水文模型进行率定和验证,得到满足预置模拟精度要求的目标分布式水文模型;
基于所述目标分布式水文模型进行所述目标区域的坡面产汇流预报。
根据本发明第一方面的一种能够实现的方式,所述以DEM数据栅格对所述目标区域进行划分,并根据所述目标基础数据构建所述目标区域的分布式水文模型,包括:
以DEM数据栅格对所述目标区域进行划分,并根据所述地形DEM数据、子汇水区划分结果及对应倾泻点分布数据进行水流流向和坡度计算,根据得到的计算结果设置各所述DEM数据栅格的属性;
基于SCS-CN方法构建SCS-CN模型,并根据前期土壤湿度对所述SCS-CN模型的径流曲线数进行修正,得到修正后的SCS-CN模型作为实现DEM数据栅格的产流计算的产流计算模块;
构建实现DEM数据栅格的汇流计算的汇流计算模块;
结合所述产流计算模块和汇流计算模块得到所述目标区域的分布式水文模型。
根据本发明第一方面的一种能够实现的方式,所述汇流计算模块基于等流时限法实现DEM数据栅格的汇流计算。
根据本发明第一方面的一种能够实现的方式,所述基础数据还包括土地利用类型网格数据和河道与地表坡面分布数据;所述汇流计算模块基于Dijkstra算法计算各DEM数据栅格的产流按流向汇至流域出口的最短路径,基于谢才公式计算属于河涌的DEM数据栅格的水流流经时间,以及基于Kerby方程计算属于地表坡面的DEM数据栅格的水流流经时间。
根据本发明第一方面的一种能够实现的方式,所述汇流计算模块基于Chapman-Maxwell滤波法从总流量中分割出地面径流,相应的滤波方程为:
式中,qt为t时刻的地面径流,Qt为t时刻的总径流,bt为t时刻的基流,bt-1为t-1时刻的基流,k为退水系数。
根据本发明第一方面的一种能够实现的方式,所述构建洼地向外产流条件,包括:
设所述目标区域内的一个洼地m具有n个DEM数据栅格,构建所述洼地m的洼地向外产流条件为:
式中,Pk为洼地m内的第k个DEM数据栅格的累计降雨量,Smax(k)为洼地m内的第k个DEM数据栅格的最大潜在蓄水能力,dk为洼地m内的第k个DEM数据栅格的填充凹陷水量。
根据本发明第一方面的一种能够实现的方式,所述基础数据还包括历史降水径流数据;所述对所述调整后的分布式水文模型进行率定和验证,得到满足预置模拟精度要求的目标分布式水文模型,包括:
确定所述调整后的分布式水文模型的目标参数的初始值及相应的率定范围;所述目标参数包括不同下垫面类型的糙率系数、径流曲线数及初损量与潜在蓄水能力的比值系数;
基于决定系数、威尔莫特一致性指数、相对偏差、平均误差、平均绝对误差、均方根误差和/或纳什系数构建评价所述调整后的分布式水文模型的模拟效果的目标函数;
根据所述历史降水径流数据,依据所述目标函数对所述目标参数进行率定和验证,以使得到的拟合结果满足预置模拟精度要求。
本发明第二方面提供一种基于DEM数据的坡面产汇流简易计算装置,包括:
获取模块,用于获取目标区域的用于坡面产汇流计算的基础数据;所述基础数据包括地形DEM数据、子汇水区划分结果及对应倾泻点分布数据;
预处理模块,用于对所述基础数据进行包括插值处理在内的预处理,得到目标基础数据;
第一构建模块,用于以DEM数据栅格对所述目标区域进行划分,并根据所述目标基础数据构建所述目标区域的分布式水文模型;所述分布式水文模型基于SCS-CN装置进行各DEM数据栅格的产流计算;
第二构建模块,用于构建洼地向外产流条件;所述洼地向外产流条件假设洼地向外产流时下垫面的土壤含水量达到最大潜在蓄水能力;
调整模块,用于根据所述洼地向外产流条件调整所述分布式水文模型,使得调整后的分布式水文模型所模拟的产流过程考虑因洼地滞水导致的净雨损失;
率定及验证模块,用于对所述调整后的分布式水文模型进行率定和验证,得到满足预置模拟精度要求的目标分布式水文模型;
预报模块,用于基于所述目标分布式水文模型进行所述目标区域的坡面产汇流预报。
根据本发明第二方面的一种能够实现的方式,所述第一构建模块包括:
设置单元,用于以DEM数据栅格对所述目标区域进行划分,并根据所述地形DEM数据、子汇水区划分结果及对应倾泻点分布数据进行水流流向和坡度计算,根据得到的计算结果设置各所述DEM数据栅格的属性;
第一构建单元,用于基于SCS-CN装置构建SCS-CN模型,并根据前期土壤湿度对所述SCS-CN模型的径流曲线数进行修正,得到修正后的SCS-CN模型作为实现DEM数据栅格的产流计算的产流计算模块;
第二构建单元,用于构建实现DEM数据栅格的汇流计算的汇流计算模块;
结合单元,用于结合所述产流计算模块和汇流计算模块得到所述目标区域的分布式水文模型。
根据本发明第二方面的一种能够实现的方式,所述汇流计算模块基于等流时限法实现DEM数据栅格的汇流计算。
根据本发明第二方面的一种能够实现的方式,所述基础数据还包括土地利用类型网格数据和河道与地表坡面分布数据;所述汇流计算模块基于Dijkstra算法计算各DEM数据栅格的产流按流向汇至流域出口的最短路径,基于谢才公式计算属于河涌的DEM数据栅格的水流流经时间,以及基于Kerby方程计算属于地表坡面的DEM数据栅格的水流流经时间。
根据本发明第二方面的一种能够实现的方式,所述汇流计算模块基于Chapman-Maxwell滤波法从总流量中分割出地面径流,相应的滤波方程为:
式中,qt为t时刻的地面径流,Qt为t时刻的总径流,bt为t时刻的基流,bt-1为t-1时刻的基流,k为退水系数。
根据本发明第二方面的一种能够实现的方式,所述第二构建模块包括:
第三构建单元,用于设所述目标区域内的一个洼地m具有n个DEM数据栅格,构建所述洼地m的洼地向外产流条件为:
式中,Pk为洼地m内的第k个DEM数据栅格的累计降雨量,Smax(k)为洼地m内的第k个DEM数据栅格的最大潜在蓄水能力,dk为洼地m内的第k个DEM数据栅格的填充凹陷水量。
根据本发明第二方面的一种能够实现的方式,所述基础数据还包括历史降水径流数据;所述率定及验证模块包括:
确定单元,用于确定所述调整后的分布式水文模型的目标参数的初始值及相应的率定范围;所述目标参数包括不同下垫面类型的糙率系数、径流曲线数及初损量与潜在蓄水能力的比值系数;
第四构建单元,用于基于决定系数、威尔莫特一致性指数、相对偏差、平均误差、平均绝对误差、均方根误差和/或纳什系数构建评价所述调整后的分布式水文模型的模拟效果的目标函数;
率定及验证单元,用于根据所述历史降水径流数据,依据所述目标函数对所述目标参数进行率定和验证,以使得到的拟合结果满足预置模拟精度要求。
本发明第三方面提供了一种基于DEM数据的坡面产汇流简易计算装置,包括:
存储器,用于存储指令;其中,所述指令用于实现如上任意一项能够实现的方式所述的基于DEM数据的坡面产汇流简易计算方法;
处理器,用于执行所述存储器中的指令。
本发明第四方面一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上任意一项能够实现的方式所述的基于DEM数据的坡面产汇流简易计算方法。
从以上技术方案可以看出,本发明具有以下优点:
本发明获取目标区域的用于坡面产汇流计算的基础数据;对基础数据进行包括插值处理在内的预处理得到目标基础数据;以DEM数据栅格对所述目标区域进行划分,并根据所述目标基础数据构建所述目标区域的分布式水文模型;构建洼地向外产流条件;所述洼地向外产流条件假设洼地向外产流时下垫面的土壤含水量达到最大潜在蓄水能力;根据所述洼地向外产流条件调整所述分布式水文模型,使得调整后的分布式水文模型所模拟的产流过程考虑因洼地滞水导致的净雨损失;对所述调整后的分布式水文模型进行率定和验证,得到满足预置模拟精度要求的目标分布式水文模型;基于所述目标分布式水文模型进行所述目标区域的坡面产汇流预报;本发明以DEM数据栅格作为分布式水文模型计算的最小单元,在尽可能简化流程的基础上提供了基于精细化地形数据实现坡面产汇流计算的方案,该方案在基本产汇流计算的基础上考虑了填洼导致的损失,实现了在进行坡面产汇流计算时同时兼顾高计算效率与高模拟精细度;
本发明引入Chapman-Maxwell滤波法从总流量中分割出地面径流,能够得到更好的分割效果用于产流计算;
本发明的汇流计算模块基于Dijkstra算法计算各DEM数据栅格的产流按流向汇至流域出口的最短路径,基于谢才公式计算属于河涌的DEM数据栅格的水流流经时间,以及基于Kerby方程计算属于地表坡面的DEM数据栅格的水流流经时间,能够实现简化计算又保证计算精度的目标。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本发明一个可选实施例提供的一种基于DEM数据的坡面产汇流简易计算方法的流程图;
图2为本发明一个可选实施例提供的一种基于DEM数据的坡面产汇流简易计算装置的结构连接框图。
附图标记:
1-获取模块;2-预处理模块;3-第一构建模块;4-第二构建模块;5-调整模块;6-率定及验证模块;7-预报模块。
具体实施方式
本发明实施例提供了一种基于DEM数据的坡面产汇流简易计算方法及装置,用于解决现有水文模型在进行坡面产汇流计算时难以同时兼顾高计算效率与高模拟精细度的技术问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,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,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。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它实施例,都属于本发明保护的范围。
本发明提供了一种基于DEM数据的坡面产汇流简易计算方法。
请参阅图1,图1示出了本发明实施例提供的一种基于DEM数据的坡面产汇流简易计算方法的流程图。
本发明实施例提供的一种基于DEM数据的坡面产汇流简易计算方法,包括步骤S1-S7。
步骤S1,获取目标区域的用于坡面产汇流计算的基础数据;所述基础数据包括地形DEM数据、子汇水区划分结果及对应倾泻点分布数据。
步骤S2,对所述基础数据进行包括插值处理在内的预处理,得到目标基础数据。
本实施例中,通过对基础数据进行插值处理,可以补全所缺失的数据。具体的插值处理方法可以为反距离权重插值法、全局多项式插值法、径向基函数插值法或局部多项式插值法。由于反距离权重插值法适用于整个研究区数据均匀分布的情况,本实施例中可以优选反距离权重插值法对基础数据进行插值处理。
需要说明的是,上述插值处理方法为现有技术,具体的插值处理过程可以参考现有技术进行实施,本实施例中,对此不做限定。
为提高数据精度,在对基础数据进行预处理时,也可以进一步对基础数据进行数据清洗。
步骤S3,以DEM数据栅格对所述目标区域进行划分,并根据所述目标基础数据构建所述目标区域的分布式水文模型;所述分布式水文模型基于SCS-CN方法进行各DEM数据栅格的产流计算。
在一种能够实现的方式中,所述以DEM数据栅格对所述目标区域进行划分,并根据所述目标基础数据构建所述目标区域的分布式水文模型,包括:
以DEM数据栅格对所述目标区域进行划分,并根据所述地形DEM数据、子汇水区划分结果及对应倾泻点分布数据进行水流流向和坡度计算,根据得到的计算结果设置各所述DEM数据栅格的属性;
基于SCS-CN方法构建SCS-CN模型,并根据前期土壤湿度对所述SCS-CN模型的径流曲线数进行修正,得到修正后的SCS-CN模型作为实现DEM数据栅格的产流计算的产流计算模块;
构建实现DEM数据栅格的汇流计算的汇流计算模块;
结合所述产流计算模块和汇流计算模块得到所述目标区域的分布式水文模型。
本实施例中,以DEM数据栅格对所述目标区域进行划分,使得进行产汇流计算时能够以DEM数据栅格作为计算最小单元。在设置DEM数据栅格的属性时,DEM数据栅格内的土壤性质、水流流向、高程、坡度等属性可视为相同。DEM数据栅格之间根据特定流向发生水量交换。
SCS-CN模型于1954年由美国农业部土壤保持局提出,是基于大量实验建立的经验模型,基于水量平衡原理以及两个基本假设。其中,该两个基本假设是:(1)假定实际入渗量与实际径流量的比值和潜在入渗量(即潜在蓄水能力)与潜在径流量的比值相等;(2)假定初损值为λ倍的潜在蓄水能力。
初损后损法是下渗曲线法的一种简化。它把实际的下渗过程简化为初损和后损两个阶段。产流以前的总损失水量称为初损,以流域的平均水深表示;后损主要是流域产流以后的下渗损失,用平均下渗率表示。根据初损后损法的定义,初损值包含植物截流量和土壤下渗量,后损值为产流后的净雨损失。可见,填洼损失属于后损值。
根据SCS-CN的基本假设及初损后损法,可以得到直接径流量的表达式如下:
式中,Q表示直接径流量,P为总降雨量(单位为mm),S为潜在入渗量(单位为mm),λ为初损值与潜在入渗量的倍数。
其中,λ是SCS-CN模型的重要参数之一,实际取值因地制宜。
径流曲线数与潜在入渗量间的关系如下所示:
式中,CN表示径流曲线数。
前期土壤湿度(Antecedent moisture condition,简称AMC)会影响实际土壤下渗水量,因此本实施例中,进一步根据前期土壤湿度对所述SCS-CN模型的径流曲线数进行修正。
美国土壤保持局使用雨前5d(d表示小时)的降雨总量将AMC分为3级,标准见表1。表1:
假设参考《美国国家工程手册》得到的径流曲线数的值为CNII,根据前期土壤湿度对CNII进行修正时,根据对应AMC分级对径流曲线数进行相应转换,具体地,将AMC等级为1的对应径流曲线数的值转换为CNI,将AMC等级为3的对应径流曲线数的值转换为CNIII。
作为具体的实施方式,转换CN值的计算公式如下:
在一种能够实现的方式中,所述汇流计算模块基于等流时限法实现DEM数据栅格的汇流计算。
假定流域中任一地点的雨水流速都相同,则任一地点净雨水质点流达出口断面的时间就取决于它与出口断面的距离。据这一假定,将流域内汇流时间相等的点连接起来,称为等流时线。也就是说,落在这一条线上的降水,形成地表径流后,同时到达出口断面。本实施例中,基于等流时限法进行DEM数据栅格的汇流计算时,将目标区域各DEM数据栅格的汇流时间相等的点连接起来,以形成相应的流域汇流曲线。
在一种能够实现的方式中,所述基础数据还包括土地利用类型网格数据和河道与地表坡面分布数据;所述汇流计算模块基于Dijkstra算法计算各DEM数据栅格的产流按流向汇至流域出口的最短路径,基于谢才公式计算属于河涌的DEM数据栅格的水流流经时间,以及基于Kerby方程计算属于地表坡面的DEM数据栅格的水流流经时间。
需要说明的是,Dijkstra算法、谢才公式和Kerby方程本身属于现有技术,本实施例中,对上述能够实现的方式中的具体计算过程不做限定。
需要说明的是,虽然Dijkstra算法、谢才公式和Kerby方程本身属于现有技术,但并未见相关文件将其用于汇流计算。本实施例中,相对于现有技术的改进之处在于把这些现有技术应用到流域地表坡面的汇流计算中来,能够实现简化计算又保证计算精度的目标。
在一种能够实现的方式中,所述汇流计算模块基于Chapman-Maxwell滤波法从总流量中分割出地面径流,相应的滤波方程为:
式中,qt为t时刻的地面径流,Qt为t时刻的总径流,bt为t时刻的基流,bt-1为t-1时刻的基流,k为退水系数。
其中,k在一般情况下取值0.95。
针对传统的水平分割法和斜线分割法误差较大的问题,本申请创新性地引入Lyne-Hollick滤波法、Chapman滤波法、Chapman-Maxwell滤波法或Boughton-Chapman滤波法方法对流域进行基流分割对比,能够得到较好的分割效果。
申请人发现,基于Chapman-Maxwell滤波法分割基流的模拟效果较好,作为具体的实施方式,基于Chapman-Maxwell滤波法从总流量中分割出地面径流,以得到更好的分割效果。
步骤S4,构建洼地向外产流条件;所述洼地向外产流条件假设洼地向外产流时下垫面的土壤含水量达到最大潜在蓄水能力。
原SCS-CN方法中使用潜在入渗量表示下垫面最大可能储水量,也代表后损量上限。本实施例中,为进一步准确估算洼地蓄水量,将原“潜在蓄水能力”细化为“潜在蓄水能力与填洼深度的和”进行计算。洼地内水流向外溢流前需要用水填满地形凹陷,故此处假设洼地向外产流时下垫面的土壤含水量达到最大值,即最大潜在蓄水能力。
将目标区域内一个洼地命名为洼地m。洼地m中有n个单元,即n个DEM数据栅格。量化该关系后,洼地向外产流的条件为:
式中,Ac为DEM数据栅格的面积,Pk为洼地m内的第k个DEM数据栅格的累计降雨量,Smax(k)为洼地m内的第k个DEM数据栅格的最大潜在蓄水能力,dk为洼地m内的第k个DEM数据栅格的填充凹陷水量,即雨水填洼前后的高程差值。
本实施例中,使用DEM数据栅格作为计算的基本单元,且每个单元面积相同。不等式两侧消去Ac后可转换为:
步骤S5,根据所述洼地向外产流条件调整所述分布式水文模型,使得调整后的分布式水文模型所模拟的产流过程考虑因洼地滞水导致的净雨损失。
本实施例中,具体实施时,根据所述洼地向外产流条件调整所述分布式水文模型的产流计算模块的计算程序。根据该洼地向外产流的条件,可以使得分布式水文模型的产流计算模块准确计算洼地区域的产流情况。
洼地和非洼地区域的产流对流域出流的影响方式不同,在计算时需分类讨论。其中,以溢流作为洼地对外产流的条件时,洼地内所有栅格开始对外产流的时间相同。计算溢流时间时以单个洼地作为最小单位计算。
步骤S6,对所述调整后的分布式水文模型进行率定和验证,得到满足预置模拟精度要求的目标分布式水文模型。
在一种能够实现的方式中,所述基础数据还包括历史降水径流数据;所述对所述调整后的分布式水文模型进行率定和验证,得到满足预置模拟精度要求的目标分布式水文模型,包括:
确定所述调整后的分布式水文模型的目标参数的初始值及相应的率定范围;所述目标参数包括不同下垫面类型的糙率系数、径流曲线数及初损量与潜在蓄水能力的比值系数;
基于决定系数、威尔莫特一致性指数、相对偏差、平均误差、平均绝对误差、均方根误差和/或纳什系数构建评价所述调整后的分布式水文模型的模拟效果的目标函数;
根据所述历史降水径流数据,依据所述目标函数对所述目标参数进行率定和验证,以使得到的拟合结果满足预置模拟精度要求。
其中,可以参考《美国国家工程手册》及相关的模型用户手册确定所述调整后的分布式水文模型的目标参数的初始值及相应的率定范围。
作为优选的实施方式,可以基于纳什系数构建评价所述调整后的分布式水文模型的模拟效果的目标函数。当纳什系数取值(0,1]时表示模拟效果可信,值越大表示模拟效果越好。
步骤S7,基于所述目标分布式水文模型进行所述目标区域的坡面产汇流预报。
本发明上述实施例,以DEM数据栅格作为分布式水文模型计算的最小单元,在尽可能简化流程的基础上提供了基于精细化地形数据实现坡面产汇流计算的方案,相对于现有技术中忽略因洼地滞水导致的净雨损失的产汇流计算方案,本申请的方案在基本产汇流计算的基础上考虑了填洼导致的损失,实现了在进行坡面产汇流计算时同时兼顾高计算效率与高模拟精细度。
本发明上述实施例至少具有以下优点:
(1)以DEM数据栅格对目标区域进行划分,并根据预处理后的目标基础数据构建分布式水文模型,该模型基于SCS-CN方法进行各DEM数据栅格的产流计算;对SCS-CN方法在流域坡面栅格单元上的产汇流计算做出本质调整后,创建出新的流域分布式水文模型,其中构建洼地向外产流条件以调整分布式水文模型,使得调整后的模型所模拟的产流过程考虑因洼地滞水导致的净雨损失;
(2)引入Chapman-Maxwell滤波法从总流量中分割出地面径流,从而得到更好的分割效果;
(3)模型中汇流计算模块基于Dijkstra算法计算各DEM数据栅格的产流按流向汇至流域出口的最短路径,基于谢才公式计算属于河涌的DEM数据栅格的水流流经时间,以及基于Kerby方程计算属于地表坡面的DEM数据栅格的水流流经时间,能够实现简化计算又保证计算精度的目标。
下面以一具体实例来验证本申请方法所带来的效果。
选取位于英格兰沃夫河上游的沃夫河谷的部分区域作为目标区域,该部分区域的具体经纬度为:54.06°N至54.30°N,2.34°W至1.90°W之间。沃夫河谷为约克郡山谷的一部分,气候全年较稳定,四季差异小;全年潮湿有雨,雨季集中在冬季。该地区海拔较高,气温较低。目标区域上游存在两条河流,西侧河流斯基法尔河为东侧沃夫河的支流。山谷两侧土壤呈酸性,且相当贫瘠;河谷底部受冰川和河流沉积作用影响,土壤相对肥沃,混交林得以在该区域生长。研究区内建筑区域面积小,城市化程度较低。
由于目标区域的建筑区域面积小,城市化程度低,适合采用本申请的方法来计算并验证地表坡面降雨径流过程。根据本申请方法进行该目标区域的坡面产汇流计算时,本实例选取了英国2021至2022年雨季的三场降水进行模拟,在目标区域内部和周边选取共8个精度为15分钟的雨量测站进行插值。其中使用2021年12月26日至2022年1月1日的降水径流数据(下面以“数据1”表示)来率定模型参数,并使用2021年10月31日至2021年11月03日的数据(下面以“数据2”表示)和2022年1月8日至2022年1月12日的数据(下面以“数据3”表示)进行验证。进一步地,本实例借助ArcMap的水文分析工具,对沃夫河谷提取汇水区。使用SRTM(航天飞机雷达地形测绘使命)的90m精度DEM数据产品作为基础地形数据,并借助英国环境部公开站点实测数据进行计算和验证。本实例所选流域出口位于站点F1906(经纬度为54.08°N,2.02°W)附近河道处。参考英国环境部提供的土地利用分类统计表,将研究区土地利用分为建筑利用土地、水体、农业用地、森林、裸土、草植六类,借助ENVI(遥感图像处理平台)识别卫星图像实现分类。
本实例以30分钟为目标时间间隔确定等流时线,将集水区内的DEM数据栅格划入不同等流时面积。河道内汇流速度快于坡面汇流,故沿河道方向径流历时短,离河道越远的单元汇流历时越长。最终得到的汇流历时计算结果为:靠近河道的栅格单元产流汇至流域出口的颜色较深,所需历时较短。全区内最大水流流行时间约2436分钟,全流域汇流最长需经历82个目标时间间隔。其中,经历5到35个目标时间间隔汇流至流域出口的单元共有31724个,占全流域面积的82.76%,且大多分布在河道两侧。
SCS-CN法在美国、阿根廷、印度、中国等温带地区和其他地区的众多河流流域均有应用;但在气候较为湿润的英国应用较少,缺乏可供参考的资料,所用参数需评估敏感性并率定。本实例中使用修正的Morris法评估参数敏感性,设置10%的扰动步长逐一扰动初始值,计算数据1模拟结果的NSE(纳什系数)值。根据敏感度判别因子将参数敏感性se分为四个级别:不敏感(0≤|se|<0.05)、一般敏感(0.05≤|se|<0.2)、中高度敏感(0.2≤|se|<1)和极敏感(|se|≥1)。见表2的敏感性分析结果可看出,参与率定的三类参数中,参数λ和径流曲线数CN较为敏感,7个参与率定的参数中有4个都属于极敏感的参数。而不同下垫面类型的糙率系数N对模拟结果的影响较小,下垫面汇流类型的糙率系数为一般敏感和不敏感。说明λ和CN取值的波动对模拟结果影响较大,其取值的准确程度直接影响模拟结果。参数敏感性分析的结果可作为率定参数的重要参考依据。
以纳什效率系数作为目标函数,使用数据1的降雨径流进行模拟和参数率定。经500次迭代的参数组合模拟出的地表径流纳什效率系数达到0.8967。参数率定结果见表2。
表2:
/>
本实例中,选取决定系数(下面以“R2”表示)、威尔莫特一致性指数(下面以“D”表示)、相对偏差(下面以“PBIAS”表示)、平均误差(下面以“MBE”表示)、平均绝对误差(下面以“MAE”表示)、均方根误差(下面以“RMSE”表示)与纳什系数(下面以“NSE”表示)综合评价模拟效果。
使用率定后的参数对数据2和数据3两场降雨进行模拟,相应的的目标函数的值如表3所示,其中数据2和数据3对应的纳什效率系数分别为0.8512和0.7716。
表3:
/>
性能指标中,R2和D均对极大值敏感,而对低流量和系统性的过低预测不敏感;NSE则对系统性的过低估计具有更高的敏感性。基于表3可知,三场降雨的模拟结果都可以很好地估算产汇流情况。R2和d均超过0.9,说明模拟出的地表径流峰值与分割得的地表径流观测峰值可较好地贴合。然而三组模拟结果均存在低估总体水量的倾向,低流量过程的模拟结果普遍偏低,其流量波动与观测过程存在明显差异,NSE均低于R2和d。
为进一步评估模拟值与观测值间的偏差趋势,引入PBIAS、MBE、MAE和RMSE对模拟结果进行评价。RMSE可用于衡量模拟值和观测值之间的偏差。三组数据的RMSE落在3到8之间,相对于40到80m3/s的峰值流量而言偏差较为明显。PBIAS与MBE均可度量模拟值低于或高于观测值的一般趋势。数据1、数据2的PBIAS结果处于±25%的一般可接受范围外,模拟结果偏低的误差过于显著。MAE表示模拟值的平均误差大小。MAE与MBE公式形式相似,但MAE使用绝对值计算各点的误差大小,将模拟结果中高于和低于观测值的部分均纳入其中。综合MAE与MBE来看,数据1和3的模拟过程同时存在模拟值大于实测值和模拟值小于实测值的情况;数据2的模拟值全部低于对应观测值。这可能与各组数据根据AMC调整CN值的结果有关。数据1与数据2的前期土壤湿度评定结果为干旱,CN经修正后小于原始取值,下垫面产流能力相对较弱,下渗量增加。而数据3的降雨前期土壤湿度评定结果为湿润,结果反之。这可能是导致第二组降水估算结果普遍偏低,第三组数据估算峰值偏高,且第一、二组评估参数更相近的原因。总体而言模型性能良好,模型估算结果尚佳,尤其对洪峰的模拟效果较好;但总体误差偏大,低流量拟合效果有待提升。
为统计填洼损失计算对出流过程线的影响,另使用该模型的思路计算不扣除填洼损失的降雨径流过程,比对二者的模拟结果。对得到的计算结果分析可以得到:
数据1、数据2和数据3计算出的填洼损失量分别占其填洼损失出流总量的1.41%、1.48%和1.47%。本实例所确定的目标区域共218.031km2,通过地形分析得集水区范围洼地面积占3.934km2,洼地面积占全流域的1.804%。填洼损失量和洼地面积占比基本吻合,本申请的产流计算模块运行效果良好。洼地面积占比小是填洼损失量小的根本原因。结合目标区域的洼地分布图及地形分析,流域内洼地多分布在河谷底部,符合在低洼和平坦地区更容易出现积水的一般规律。
当洼地在全区域占比面积较大时,本申请方法的优势将得以体现。例如城市区域,其地势更为平坦,潜在洼地面积更大,此时是否考虑填洼损失,对产汇流过程的影响便不可忽视。因此,本申请方案运用在城市内涝模拟中可发挥其优势。
本发明还提供了一种基于DEM数据的坡面产汇流简易计算装置,该装置可用于执行本发明上述任一项实施例所述的基于DEM数据的坡面产汇流简易计算方法。
请参阅图2,图2示出了本发明实施例提供的一种基于DEM数据的坡面产汇流简易计算装置的结构连接框图。
本发明实施例提供的一种基于DEM数据的坡面产汇流简易计算装置,包括:
获取模块1,用于获取目标区域的用于坡面产汇流计算的基础数据;所述基础数据包括地形DEM数据、子汇水区划分结果及对应倾泻点分布数据;
预处理模块2,用于对所述基础数据进行包括插值处理在内的预处理,得到目标基础数据;
第一构建模块3,用于以DEM数据栅格对所述目标区域进行划分,并根据所述目标基础数据构建所述目标区域的分布式水文模型;所述分布式水文模型基于SCS-CN装置进行各DEM数据栅格的产流计算;
第二构建模块4,用于构建洼地向外产流条件;所述洼地向外产流条件假设洼地向外产流时下垫面的土壤含水量达到最大潜在蓄水能力;
调整模块5,用于根据所述洼地向外产流条件调整所述分布式水文模型,使得调整后的分布式水文模型所模拟的产流过程考虑因洼地滞水导致的净雨损失;
率定及验证模块6,用于对所述调整后的分布式水文模型进行率定和验证,得到满足预置模拟精度要求的目标分布式水文模型;
预报模块7,用于基于所述目标分布式水文模型进行所述目标区域的坡面产汇流预报。
在一种能够实现的方式中,所述第一构建模块3包括:
设置单元,用于以DEM数据栅格对所述目标区域进行划分,并根据所述地形DEM数据、子汇水区划分结果及对应倾泻点分布数据进行水流流向和坡度计算,根据得到的计算结果设置各所述DEM数据栅格的属性;
第一构建单元,用于基于SCS-CN装置构建SCS-CN模型,并根据前期土壤湿度对所述SCS-CN模型的径流曲线数进行修正,得到修正后的SCS-CN模型作为实现DEM数据栅格的产流计算的产流计算模块;
第二构建单元,用于构建实现DEM数据栅格的汇流计算的汇流计算模块;
结合单元,用于结合所述产流计算模块和汇流计算模块得到所述目标区域的分布式水文模型。
在一种能够实现的方式中,所述汇流计算模块基于等流时限法实现DEM数据栅格的汇流计算。
在一种能够实现的方式中,所述基础数据还包括土地利用类型网格数据和河道与地表坡面分布数据;所述汇流计算模块基于Dijkstra算法计算各DEM数据栅格的产流按流向汇至流域出口的最短路径,基于谢才公式计算属于河涌的DEM数据栅格的水流流经时间,以及基于Kerby方程计算属于地表坡面的DEM数据栅格的水流流经时间。
在一种能够实现的方式中,所述汇流计算模块基于Chapman-Maxwell滤波法从总流量中分割出地面径流,相应的滤波方程为:
式中,qt为t时刻的地面径流,Qt为t时刻的总径流,bt为t时刻的基流,bt-1为t-1时刻的基流,k为退水系数。
在一种能够实现的方式中,所述第二构建模块4包括:
第三构建单元,用于设所述目标区域内的一个洼地m具有n个DEM数据栅格,构建所述洼地m的洼地向外产流条件为:
式中,Pk为洼地m内的第k个DEM数据栅格的累计降雨量,Smax(k)为洼地m内的第k个DEM数据栅格的最大潜在蓄水能力,dk为洼地m内的第k个DEM数据栅格的填充凹陷水量。
在一种能够实现的方式中,所述基础数据还包括历史降水径流数据;所述率定及验证模块6包括:
确定单元,用于确定所述调整后的分布式水文模型的目标参数的初始值及相应的率定范围;所述目标参数包括不同下垫面类型的糙率系数、径流曲线数及初损量与潜在蓄水能力的比值系数;
第四构建单元,用于基于决定系数、威尔莫特一致性指数、相对偏差、平均误差、平均绝对误差、均方根误差和/或纳什系数构建评价所述调整后的分布式水文模型的模拟效果的目标函数;
率定及验证单元,用于根据所述历史降水径流数据,依据所述目标函数对所述目标参数进行率定和验证,以使得到的拟合结果满足预置模拟精度要求。
本发明还提供了一种基于DEM数据的坡面产汇流简易计算装置,包括:
存储器,用于存储指令;其中,所述指令用于实现如上任意一项实施例所述的基于DEM数据的坡面产汇流简易计算方法;
处理器,用于执行所述存储器中的指令。
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上任意一项实施例所述的基于DEM数据的坡面产汇流简易计算方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,上述描述的装置、模块和单元的具体有益效果,可以参考前述方法实施例中的对应有益效果,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个装置,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (5)
1.一种基于DEM数据的坡面产汇流简易计算方法,其特征在于,包括:
获取目标区域的用于坡面产汇流计算的基础数据;所述基础数据包括地形DEM数据、子汇水区划分结果及对应倾泻点分布数据;对所述基础数据进行包括插值处理在内的预处理,得到目标基础数据;
以DEM数据栅格对所述目标区域进行划分,并根据所述目标基础数据构建所述目标区域的分布式水文模型,包括:
以DEM数据栅格对所述目标区域进行划分,并根据所述地形DEM数据、子汇水区划分结果及对应倾泻点分布数据进行水流流向和坡度计算,根据得到的计算结果设置各所述DEM数据栅格的属性;
基于SCS-CN方法构建SCS-CN模型,并根据前期土壤湿度对所述SCS-CN模型的径流曲线数进行修正,得到修正后的SCS-CN模型作为实现DEM数据栅格的产流计算的产流计算模块;
构建实现DEM数据栅格的汇流计算的汇流计算模块;
结合所述产流计算模块和汇流计算模块得到所述目标区域的分布式水文模型;
所述基础数据还包括土地利用类型网格数据和河道与地表坡面分布数据;所述汇流计算模块基于Dijkstra算法计算各DEM数据栅格的产流按流向汇至流域出口的最短路径,基于谢才公式计算属于河涌的DEM数据栅格的水流流经时间,以及基于Kerby方程计算属于地表坡面的DEM数据栅格的水流流经时间;
所述汇流计算模块基于Chapman-Maxwell滤波法从总流量中分割出地面径流,相应的滤波方程为:
qt=Qt-bt
式中,qt为t时刻的地面径流,Qt为t时刻的总径流,bt为t时刻的基流,bt-1为t-1时刻的基流,k为退水系数;
构建洼地向外产流条件,包括:
设所述目标区域内的一个洼地m具有n个DEM数据栅格,构建所述洼地m的洼地向外产流条件为:
式中,Pk为洼地m内的第k个DEM数据栅格的累计降雨量,Smax(k)为洼地m内的第k个DEM数据栅格的最大潜在蓄水能力,dk为洼地m内的第k个DEM数据栅格的填充凹陷水量;
所述洼地向外产流条件假设洼地向外产流时下垫面的土壤含水量达到最大潜在蓄水能力;
根据所述洼地向外产流条件调整所述分布式水文模型,使得调整后的分布式水文模型所模拟的产流过程考虑因洼地滞水导致的净雨损失;
所述基础数据还包括历史降水径流数据;
对所述调整后的分布式水文模型进行率定和验证,得到满足预置模拟精度要求的目标分布式水文模型,包括:
确定所述调整后的分布式水文模型的目标参数的初始值及相应的率定范围;所述目标参数包括不同下垫面类型的糙率系数、径流曲线数及初损量与潜在蓄水能力的比值系数;
基于决定系数、威尔莫特一致性指数、相对偏差、平均误差、平均绝对误差、均方根误差和/或纳什系数构建评价所述调整后的分布式水文模型的模拟效果的目标函数;
根据所述历史降水径流数据,依据所述目标函数对所述目标参数进行率定和验证,以使得到的拟合结果满足预置模拟精度要求;
基于所述目标分布式水文模型进行所述目标区域的坡面产汇流预报。
2.根据权利要求1所述的基于DEM数据的坡面产汇流简易计算方法,其特征在于,所述汇流计算模块基于等流时限法实现DEM数据栅格的汇流计算。
3.一种基于DEM数据的坡面产汇流简易计算装置,其特征在于,包括:
获取模块,用于获取目标区域的用于坡面产汇流计算的基础数据;所述基础数据包括地形DEM数据、子汇水区划分结果及对应倾泻点分布数据;
预处理模块,用于对所述基础数据进行包括插值处理在内的预处理,得到目标基础数据;
第一构建模块,用于以DEM数据栅格对所述目标区域进行划分,并根据所述目标基础数据构建所述目标区域的分布式水文模型,包括:
以DEM数据栅格对所述目标区域进行划分,并根据所述地形DEM数据、子汇水区划分结果及对应倾泻点分布数据进行水流流向和坡度计算,根据得到的计算结果设置各所述DEM数据栅格的属性;
基于SCS-CN方法构建SCS-CN模型,并根据前期土壤湿度对所述SCS-CN模型的径流曲线数进行修正,得到修正后的SCS-CN模型作为实现DEM数据栅格的产流计算的产流计算模块;
构建实现DEM数据栅格的汇流计算的汇流计算模块;
结合所述产流计算模块和汇流计算模块得到所述目标区域的分布式水文模型;
所述基础数据还包括土地利用类型网格数据和河道与地表坡面分布数据;所述汇流计算模块基于Dijkstra算法计算各DEM数据栅格的产流按流向汇至流域出口的最短路径,基于谢才公式计算属于河涌的DEM数据栅格的水流流经时间,以及基于Kerby方程计算属于地表坡面的DEM数据栅格的水流流经时间;
所述汇流计算模块基于Chapman-Maxwell滤波法从总流量中分割出地面径流,相应的滤波方程为:
qt=Qt-bt
式中,qt为t时刻的地面径流,Qt为t时刻的总径流,bt为t时刻的基流,bt-1为t-1时刻的基流,k为退水系数;
所述分布式水文模型基于SCS-CN装置进行各DEM数据栅格的产流计算;
第二构建模块,用于构建洼地向外产流条件;所述洼地向外产流条件假设洼地向外产流时下垫面的土壤含水量达到最大潜在蓄水能力;所述构建洼地向外产流条件,包括:
设所述目标区域内的一个洼地m具有n个DEM数据栅格,构建所述洼地m的洼地向外产流条件为:
式中,Pk为洼地m内的第k个DEM数据栅格的累计降雨量,Smax(k)为洼地m内的第k个DEM数据栅格的最大潜在蓄水能力,dk为洼地m内的第k个DEM数据栅格的填充凹陷水量;
调整模块,用于根据所述洼地向外产流条件调整所述分布式水文模型,使得调整后的分布式水文模型所模拟的产流过程考虑因洼地滞水导致的净雨损失;
率定及验证模块,用于对所述调整后的分布式水文模型进行率定和验证,得到满足预置模拟精度要求的目标分布式水文模型,包括:
所述基础数据还包括历史降水径流数据;
确定所述调整后的分布式水文模型的目标参数的初始值及相应的率定范围;所述目标参数包括不同下垫面类型的糙率系数、径流曲线数及初损量与潜在蓄水能力的比值系数;
基于决定系数、威尔莫特一致性指数、相对偏差、平均误差、平均绝对误差、均方根误差和/或纳什系数构建评价所述调整后的分布式水文模型的模拟效果的目标函数;
根据所述历史降水径流数据,依据所述目标函数对所述目标参数进行率定和验证,以使得到的拟合结果满足预置模拟精度要求;
预报模块,用于基于所述目标分布式水文模型进行所述目标区域的坡面产汇流预报。
4.一种基于DEM数据的坡面产汇流简易计算装置,其特征在于,包括:
存储器,用于存储指令;其中,所述指令用于实现如权利要求1-2任意一项所述的基于DEM数据的坡面产汇流简易计算方法;
处理器,用于执行所述存储器中的指令。
5.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-2任意一项所述的基于DEM数据的坡面产汇流简易计算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310260584.5A CN116305933B (zh) | 2023-03-16 | 2023-03-16 | 一种基于dem数据的坡面产汇流简易计算方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310260584.5A CN116305933B (zh) | 2023-03-16 | 2023-03-16 | 一种基于dem数据的坡面产汇流简易计算方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116305933A CN116305933A (zh) | 2023-06-23 |
CN116305933B true CN116305933B (zh) | 2023-11-28 |
Family
ID=86818234
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310260584.5A Active CN116305933B (zh) | 2023-03-16 | 2023-03-16 | 一种基于dem数据的坡面产汇流简易计算方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116305933B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117252132B (zh) * | 2023-11-20 | 2024-04-02 | 中山大学 | 一种流域产汇流模拟方法、装置、设备和存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111651885A (zh) * | 2020-06-03 | 2020-09-11 | 南昌工程学院 | 一种智慧型海绵城市洪涝预报方法 |
CN115130396A (zh) * | 2022-06-13 | 2022-09-30 | 大连理工大学 | 一种河道型水库库区的分布式水文模型建模方法 |
-
2023
- 2023-03-16 CN CN202310260584.5A patent/CN116305933B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111651885A (zh) * | 2020-06-03 | 2020-09-11 | 南昌工程学院 | 一种智慧型海绵城市洪涝预报方法 |
CN115130396A (zh) * | 2022-06-13 | 2022-09-30 | 大连理工大学 | 一种河道型水库库区的分布式水文模型建模方法 |
Non-Patent Citations (1)
Title |
---|
黄河源区白河基流分割方法适用性分析;李芳;靳少波;邹松兵;陆志翔;曹光明;沈延青;张俊才;蓝永超;金会军;阮宏威;;冰川冻土;42(第02期);第587-597页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116305933A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108874936B (zh) | 一种基于改进新安江模型的适用于山丘区的水文预报方法 | |
Masood et al. | Model study of the impacts of future climate change on the hydrology of Ganges–Brahmaputra–Meghna basin | |
Meng et al. | HYDROLOGICAL MODELING IN THE MANAS RIVER BASIN USING SOIL AND WATER ASSESSMENT TOOL DRIVEN BY CMADS. | |
CN113742910A (zh) | 基于中小流域洪水预报的水库来水量预警预报方法及系统 | |
CN116305933B (zh) | 一种基于dem数据的坡面产汇流简易计算方法及装置 | |
Anshuman et al. | Towards the use of conceptual models for water resource assessment in Indian tropical watersheds under monsoon-driven climatic conditions | |
CN113128067A (zh) | 一种基于分布式时变地貌单位线的山丘区小流域洪水预报方法 | |
CN115544785B (zh) | 一种无资料梯级水库流域水文模拟方法和系统 | |
Paparrizos et al. | Integrated analysis and mapping of aridity over Greek areas with different climate conditions | |
Herath et al. | Evaluation of HEC-HMS model for water resources management in Maha Oya Basin in Sri Lanka | |
Ruan et al. | Runoff simulation by SWAT model using high-resolution gridded precipitation in the upper Heihe River Basin, Northeastern Tibetan Plateau | |
Yuono et al. | Effect of land use changes of upstream komering sub watershed on declining water availability | |
CN113435630B (zh) | 一种产流模式自适应的流域水文预报方法及系统 | |
CN110109194A (zh) | 基于栅格陆面模型与向量化流径的河道栅格入流计算方法 | |
Zhang et al. | Modelling the effects of land-use change on runoff and sediment yield in the Weicheng River watershed, Southwest China | |
Erraioui et al. | Assessment of the relative impacts of climate changes and anthropogenic forcing on Ouergha watershed hydrology (North-East of Morocco) | |
Mekuria | Assessment of Water Balance of Deme Watershed, Omo-Gibe Basin, Ethiopia Using SWAT Model and ARC-GIS for Water Resources Management | |
Misumi et al. | River flow forecasting using a rainfall disaggregation model incorporating small-scale topographic effects | |
Yang et al. | Applicability evaluation of the SWIM at river basins of the black soil region in Northeast China: A case study of the upper and middle Wuyuer River basin | |
Guo et al. | Daily runoff simulation in Poyang Lake Intervening Basin based on remote sensing data | |
Gull et al. | Modeling Runoff and Sediment Yield in Highly Gullied Regions of Kashmir using SWAT Model: A Case Study of Lolab Watershed | |
Boston et al. | Pre‐processing rainfall data from multiple gauges to improve TOPMODEL simulation results in a large semi‐arid region | |
Paul et al. | Assessment of change in future water resources of Brahmaputra Basin applying SWAT model using multi-member ensemble climate data | |
Ranaee et al. | The combination of HEC-Geo-HMS, HEC-HMS and MIKE11 software utilize in a two branches river flood routing modeling | |
Meng et al. | Hidrološko modeliranje u porječju rijeke Manas primjenom alata za procjenu tla i vode pomoću CMADS-a |
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 |