CN116523189A - 一种考虑水文特征的墒情站点规划方法、装置及存储介质 - Google Patents
一种考虑水文特征的墒情站点规划方法、装置及存储介质 Download PDFInfo
- Publication number
- CN116523189A CN116523189A CN202310026778.9A CN202310026778A CN116523189A CN 116523189 A CN116523189 A CN 116523189A CN 202310026778 A CN202310026778 A CN 202310026778A CN 116523189 A CN116523189 A CN 116523189A
- Authority
- CN
- China
- Prior art keywords
- soil moisture
- moisture content
- sub
- site
- drainage basin
- 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
- 239000002689 soil Substances 0.000 title claims abstract description 223
- 238000000034 method Methods 0.000 title claims abstract description 76
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 238000009826 distribution Methods 0.000 claims abstract description 49
- 238000005192 partition Methods 0.000 claims abstract description 18
- 238000012544 monitoring process Methods 0.000 claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000005259 measurement Methods 0.000 claims abstract description 10
- 238000010276 construction Methods 0.000 claims description 28
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 23
- 238000011156 evaluation Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 238000011835 investigation Methods 0.000 claims description 4
- 230000035772 mutation Effects 0.000 claims description 4
- 238000006424 Flood reaction Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000008054 signal transmission Effects 0.000 claims description 3
- 238000009827 uniform distribution Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 239000010410 layer Substances 0.000 description 4
- 238000012876 topography Methods 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005206 flow analysis Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- 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)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Mathematical Analysis (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Security & Cryptography (AREA)
- Evolutionary Biology (AREA)
- Computational Linguistics (AREA)
- Fuzzy Systems (AREA)
- Biodiversity & Conservation Biology (AREA)
- Algebra (AREA)
Abstract
本发明公开了一种考虑水文特征的墒情站点规划方法、装置及存储介质，所述方法包括获取数字高程模型数据并进行分析，提取流域基本地貌特征，然后结合通过插值叠加分析获取的暴雨中心图划分子流域，获取子流域分区图；获取卫星遥感数据和墒情站点实测数据，结合所述子流域分区图绘制逐日土壤含水量子流域分布图；结合子流域划分情况及逐日土壤含水量子流域分布图确定不同子流域站点布设密度；基于所述不同子流域站点布设密度，采用子流域中心法初步规划墒情站点位置；结合下垫面的土壤类型和土地利用类型优化墒情站点位置，完成墒情站点规划，本发明能够可靠地规划墒情站点并便于获取墒情监测数据，为流域旱情、洪水预报提供基础数据。
Description
技术领域
本发明涉及一种考虑水文特征的墒情站点规划方法、装置及存储介质，属于水文学科技术领域。
背景技术
洪水灾害损失惨重，是最为常见的自然灾害之一，山区河流洪水陡涨陡落，预见期短，提高水文模型预报精度，是减少洪水损失的重要措施。水文模型通过将流域产汇流规律进行概化，以流域降水、流域初始含水量状态等为输入，模拟计算流域出口断面流量过程，作为水情预报部门决策的重要依据。流域的初始蓄水状态、洪水过程中流域蓄水状态的变化，对洪水过程的形状及洪量大小有着重要的影响。因此，土壤含水量对产流机制的影响不可忽视，是影响水库水文预报精度的关键因素之一。然而，我国的水文站网尚不完善，密度较低，未能满足精细化水文预报的要求，特别是偏远山区，几乎未设置水文站，墒情站更少，属于无资料或缺资料地区。随着计算机技术，空间遥感，无人机摄影等技术的发展，可以大面积地获取气象、土壤及土地利用，甚至土壤湿度等数据，弥补了地面站网不足的问题。微波遥感具有全天候、多角度、高分辨率、穿透性强等优势，是目前监测土壤湿度的一种非常有效的方式和手段。但是，卫星遥感产品只能反演表层5cm深度以内的土壤湿度，对于更深层的土壤湿度难以获得。垂向一定深度的土壤湿度尚需规划布设更多墒情站来获得。
流域上降水、下垫面特征的不均匀性，造成了土壤湿度的时空变异性，如何根据流域水文气象及下垫面特征进行墒情站网规划，使测得的土壤含水量具有代表性，方便服务于水文模型，是我们首先要面临的问题。流域上分布着不同的暴雨中心，土壤类型以及土地利用类型，针对这些不均匀的分布，如何综合考虑是我们主要解决的技术难题。
发明内容
本发明的目的在于克服现有技术中的不足，提供一种考虑水文特征的墒情站点规划方法、装置及存储介质，能够可靠地获取墒情监测数据，为流域旱情、洪水预报提供基础数据。
为达到上述目的，本发明是采用下述技术方案实现的：
第一方面，本发明提供了一种考虑水文特征的墒情站点规划方法，包括：
获取数字高程模型数据并进行分析，提取流域基本地貌特征，然后结合通过插值叠加分析获取的暴雨中心图划分子流域，获取子流域分区图；
获取卫星遥感数据和墒情站点实测数据，结合所述子流域分区图绘制逐日土壤含水量子流域分布图；
结合子流域划分情况及逐日土壤含水量子流域分布图确定不同子流域站点布设密度；
基于所述不同子流域站点布设密度，采用子流域中心法初步规划墒情站点位置；
结合下垫面的土壤类型和土地利用类型优化墒情站点位置，完成墒情站点规划。
进一步的，所述获取数字高程模型数据并进行分析，提取流域基本地貌特征，然后结合通过插值叠加分析获取的暴雨中心图划分子流域，获取子流域分区图，包括：
获取数字高程模型数据并进行分析，提取流域基本地貌特征，其中，流域基本地貌特征包括流域面积、流域的长度和形状；
根据所述数字高程模型和流域基本地貌特征计算流域坡度和坡向；
获取不同场次洪水对应的降雨数据，采用克里金插值法和样条函数插值法对各场次降雨数据进行降雨量空间插值；
将不同场次降雨插值结果进行叠加分析，得到多场次流域暴雨中心图；
根据流域坡度、坡向区分流域下垫面特性，并结合暴雨中心图进行子流域划分，获取子流域分区图。
进一步的，所述获取卫星遥感数据和墒情站点实测数据，结合所述子流域分区图绘制逐日土壤含水量子流域分布图，包括：
获取已有墒情站点经纬度坐标、历史墒情监测数据，其中，经纬度坐标用于确定墒情站点位置，历史墒情监测数据用于后续插值计算；
获取土壤湿度遥感产品数据集，进行重投影、采用最邻近法进行重采样、统一数据格式；
对历史墒情数据进行空间确定性插值，方法采用样条插值法，时空分辨率与卫星遥感数据相同；
基于反变异系数法对不同土壤含水量产品赋权并融合；
将融合土壤含水量产品分区表示，绘制多个年份的逐日土壤含水量子流域分布图。
进一步的，所述结合子流域划分情况及逐日土壤含水量子流域分布图确定不同子流域站点布设密度，包括：
根据子流域划分情况，计算各子流域面积；
基于子流域均匀布设原则，考虑子流域面积的大小，确定各子流域的墒情站布设数量，计算最低布设密度；
结合逐日土壤含水量子流域分布图，在最低布设密度基础上进行加密，确定不同子流域站点布设密度。
进一步的，基于所述不同子流域站点布设密度，采用子流域中心法初步规划墒情站点位置，包括：
基于不同子流域站点布设数量将对应子流域分割成面积相当的墒情站布设基本单元；
在墒情站布设基本单元上采用子流域中心法，将子流域形心作为子流域中心，确定为墒情站点初步规划位置。
进一步的，所述结合下垫面的土壤类型和土地利用类型优化墒情站点位置，完成墒情站点规划，包括：
将子流域边界与地形地貌、土壤类型、土地利用类型等进行叠加、提取和融合，进而获取具有水文特征属性信息的土壤墒情监测站点代表区域；
分别将表层土壤类型、深层土壤类型、土地利用类型分类显示，计算不同类型在子流域上的占比，依据各种类型占比情况，优化墒情站点位置；
基于网络信号，交通便利程度、施工可行性三方面实地查勘结果对站点位置进行调整、确定。
进一步的，所述基于网络信号，交通便利程度、施工可行性三方面实地查勘结果对站点位置进行调整、确定，包括：
根据优化后站点位置，对拟建墒情站点进行实地查勘，根据信号传输速率分为可实时传输、可传输、不可传输三类网络信号等级；根据施工器械运输难度及对应地块墒情监测仪器布设难度将施工便利程度分为方便施工、可施工、不可施工三类施工便利等级；根据站点与四级及以上公路之间最短距离分为Ⅰ、Ⅱ、Ⅲ三类，分别表示交通便利、交通较便利、交通不便，分类原则如下：
式中：Lstandard为交通便利程度等级，L为拟建站点与四级及以上公路之间最短距离，单位为m；
从网络信号，交通便利程度、施工可行性三方面实地查勘结果，采用单因子指标评价法，选用最差指标等级作为站点评价等级，对站点位置进行评价，拟用Ⅰ等级站点、备用Ⅱ等级站点、弃用Ⅲ等级站点；
随后对弃用站点按照上述步骤进行调整、勘察，以确定新的拟建位置，直至拟建站点网络信号，交通便利程度、施工可行性三因子评价结果均优于Ⅲ等级，确定该站点位置为对应子流域拟建墒情站点位置。
第二方面，本发明提供一种考虑水文特征的墒情站点规划装置，包括：
提取划分模块，用于获取数字高程模型数据并进行分析，提取流域基本地貌特征，然后结合通过插值叠加分析获取的暴雨中心图划分子流域，获取子流域分区图；
绘制模块，用于获取卫星遥感数据和墒情站点实测数据，结合所述子流域分区图绘制逐日土壤含水量子流域分布图；
站点密度确定模块，用于结合子流域划分情况及逐日土壤含水量子流域分布图确定不同子流域站点布设密度；
初步规划模块，用于基于所述不同子流域站点布设密度，采用子流域中心法初步规划墒情站点位置；
站点位置优化模块，用于结合下垫面的土壤类型和土地利用类型优化墒情站点位置，完成墒情站点规划。
第三方面，本发明提供一种考虑水文特征的墒情站点规划装置，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据前述任一项所述方法的步骤。
第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前述任一项所述方法的步骤。
与现有技术相比，本发明所达到的有益效果：
本发明提供一种考虑水文特征的墒情站点规划方法、装置及存储介质，综合考虑了影响土壤湿度的水文特征，如流域地形地貌，暴雨中心，土壤类型及土地利用类型，同时关注土壤湿度在流域上的动态变化情况，可以体现暴雨中心，土壤类型及土地利用类型对土壤湿度的影响，这些做法体现了墒情站规划的合理性，使所建墒情站更具代表性，所测土壤湿度更具可靠性，解决了土壤墒情站网在流域上的布局问题，能够用于流域水文预报，有利于墒情站网规划的进一步研究。
附图说明
图1是本发明实施案例提供的流程示意图；
图2是实施案例的DEM数据图；
图3是实施案例的坡度坡向示意图；
图4是实施案例的暴雨中心图；
图5是实施案例的子流域划分图；
图6～图8是实施案例的逐日土壤含水量子流域分布图；
图9是实施案例流域的表层土壤类型图；
图10是实施案例流域的深层土壤类型图；
图11是实施案例流域的土地利用类型图；
图12是实施案例的土壤墒情站网规划图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
实施例1
本实施例介绍一种考虑水文特征的墒情站点规划方法，包括：
获取数字高程模型(DEM)数据并进行分析，提取流域基本地貌特征，然后结合通过插值叠加分析获取的暴雨中心图划分子流域，获取子流域分区图；
获取卫星遥感数据和墒情站点实测数据，结合所述子流域分区图绘制逐日土壤含水量子流域分布图；
结合子流域划分情况及逐日土壤含水量子流域分布图确定不同子流域站点布设密度；
基于所述不同子流域站点布设密度，采用子流域中心法初步规划墒情站点位置；
结合下垫面的土壤类型和土地利用类型优化墒情站点位置，完成墒情站点规划。
如图1至图12所示，本实施例提供的考虑水文特征的墒情站点规划方法，其应用过程具体涉及如下步骤：
S1、基于DEM数据提取流域地形地貌结合暴雨中心图划分子流域，具体包括以下步骤：
1)对原始DEM数据进行水文分析，通过填洼、流向分析、流量分析、设置提取精度、选择流域出水口、计算分水岭、提取掩膜、河网栅格转线、提取流域边界线等步骤提取基本地貌特征要素；
2)填洼通过填补栅格的汇来消除数据中凹陷区域；采用D8算法，按照最陡坡度法，计算中心栅格与临近栅格最大距离权落差，取距离权落差最大方向为流向；基于水流方向和能量守恒、水量平衡原理，计算汇流累积量，汇流栅格值代表汇入该栅格点总数；设置汇流累积量阈值，假定大于阈值的栅格构成河网；选择流域出口，提取汇流累积量为0的栅格，形成分水岭，得到流域出口以上的集水区；通过栅格转线、栅格转面等步骤提取流域基本地貌特征。流域基本地貌特征包括流域面积、流域形状等要素。
3)根据研究区域DEM数据获得不同等高线之间面积、各等高线长度及栅格空间分辨率；
4)根据等高距及两等高线之间水平距离计算坡度，在地表坡度的计算基础上二次计算坡向变化率，计算坡向。
坡度坡向计算一般采用拟合曲面法，拟合曲面采用二次曲面，如下图所示，各栅格中心点值为高程数据。
则坡度坡向计算公式为：
ASPECT＝SLOPEsn/SLOPEwe
式中：SLOPE为坡度，单位为度；ASPECT为坡向，单位为度；SLOPEwe为X方向坡度、SLOPEsn为Y方向坡度，单位为度；Cellsize为栅格空间分辨率，单位为km。
1)对掌握的历史水文资料进行整编，根据不同场次洪水对应的降雨场次，得到典型降雨场次。将水文站坐标、雨量站坐标及降雨数据整编，用于后续插值计算。
2)对各场次降雨进行降雨量空间插值，由于水文站、雨量站获取的雨量为点雨量，不能准确地代替面雨量，而降雨存在时空不均性。现在使用较多的是反距离加权空间插值法，即认为距离中心越远的点分配的权重越低，显然不符合雨量的流域分布特点。因此，本发明分别采用克里金插值法和样条插值法进行空间插值，取两者的算术平均值作为最终插值结果。
克里金插值(Kriging)运用地理学第一定律，空间上所有值具有关联性，其关联性和空间位置远近成反比。在运用克里金法插值刻画空间分布时，将空间场视为随机场，空间各点数值随机，服从特定概率分布。假定随机场数学期望存在且与位置无关、随机场内任意两点协方差函数与点间向量有关。
其中：是点(xo，yo)处的估计值，zo＝z(xo，yo)；λi为权重系数，表示能够满足及/>的最优系数。
样条函数插值(Spline function interpolation)通过将两两相邻节点分段，获得n个插值小区间。在每个插值小区间内使用k次多项式Si(x)插值，避免龙格现象，使插值结果更具有平滑性。
Si(xi)＝f(xi)，Si(xi+1)＝f(xi+1)，0≤i≤n-1
式中，f(x)为待插值函数，Si(x)为插值多项式。
三次样条插值(Cubic spline function interpolation)是将Si(x)设定为Si(x)＝ai+bix+cix2+dix3。
根据三次样条插值原理及连续性条件，添加4类边界条件构建样条插值函数组。
自然边界：S”(x0)＝S”(xn)＝0
固定边界：S'(x0)＝c1，S'(xn)＝c2
周期样条：S'(x0)＝S'(xn)，S”(x0)＝S”(xn)
Not-a-knot：S”'(x0)＝S”'(x1)，S”'(xn-1)＝S”'(xn)
式中：S'(x)、S”(x)、S”'(x)分别为插值多项式在x处的一阶、二阶、三阶导数。
3)经插值后的雨量在流域面上会有不同的分布，在图中修改符号系统的显示颜色，颜色的深浅代表降雨量的大小。
4)将不同场次降雨插值结果进行叠加分析，得到多场次流域暴雨中心图，同时根据流域坡度坡向区分流域下垫面特性进行子流域划分，采用目视法不断调整子流域划分结果，使子流域中至多存在一个暴雨中心，得到子流域分区。
S2、基于子流域分区图、卫星遥感数据和墒情站点实测数据绘制逐日土壤含水量子流域分布图，具体包括以下步骤：
1)整理已有墒情站点经纬度坐标、历史墒情监测数据。经纬度坐标用于确定墒情站点位置，墒情监测数据用于后续插值计算；
2)下载土壤湿度遥感产品数据集。土壤湿度遥感产品数据集历史时间序列需较长，至少有最近5年反演产品、缺失资料较少；反演效果较好，具有一致性和可靠性；经过几何校正、辐射校正、几何纠正等预处理的L2、L3级土壤湿度产品集优先考虑；
3)进行重投影、采用最近邻法进行重采样、基于研究区范围裁剪、统一数据格式，将数据统一转为GeoTIFF格式、空间分辨率转换为25km，时间分辨率转换为日；
最近邻法取与计算点周围相邻的四个点，比较他们与被计算点的距离，判断各自两点距离大小，选择两点间距离最近的像元值作为计算点的像元值。
4)对历史墒情数据进行空间确定性插值，方法采用样条插值法，时空分辨率与卫星遥感数据相同；
5)基于反变异系数法对不同土壤含水量产品赋权并融合；反变异系数法属于客观赋权法，其根据评价指标的统计学规律来客观反映评价指标的变化波动情况。若评价指标变化波动程度小则赋权大，反之则赋权小。其中变异系数又称变差系数或离差系数，其反映样本与均值之间的离散程度，常用标准差与平均数的比来计算。
计算权重步骤为：
计算指标均值
式中：n为土壤含水量产品个数。xi为对应子流域第i个土壤含水量产品值，为第j个子流域不同土壤湿度产品平均值，单位为m3/m3。
计算标准差
式中：σij为第j个子流域、第i个土壤湿度产品标准差。
计算变异系数并进行反变异系数归一化
式中：Cvji为第j个子流域、第i个土壤湿度产品对应变异系数，C'vji为第i个土壤湿度产品反变异系数。
根据不同土壤湿度产品对应反变异系数求权重。
其中ωi为第j个子流域、第i个土壤湿度产品对应权重。
逐子流域重复上述步骤，计算不同子流域各土壤湿度产品对应权重，根据反变异系数权重对多源土壤湿度产品逐子流域融合。
式中：SMj为第j个子流域多源土壤湿度产品融合值，单位为m3/m3。SMji为第j个子流域、第i个土壤湿度产品值，单位为m3/m3。
6)将融合土壤含水量产品分区表示，绘制逐日土壤含水量子流域分布图。子流域逐日土壤含水量采用唯一值表示，采用渐变色带表示土壤含水量分布，颜色越深，代表土壤含水量越大。
S3、结合子流域面积及逐日土壤含水量空间分布确定站点布设密度，具体步骤如下：
1)根据子流域划分情况，计算各子流域面积。将子流域投影至对应投影带，计算面积。
2)基于子流域单元均匀布设原则，考虑子流域面积大小，确定最低布设密度。初步规划每个子流域至少布置一个墒情站，按面积最大子流域布设一个墒情站作为最低布设密度。
3)考虑逐日土壤含水量空间分布，在最低布设密度基础上适当加密。获取逐日土壤含水量空间分布图，子流域内土壤含水量空间变化剧烈的在最低布设密度的基础上适当增加站点数量，第二，可以根据子流域离水库大坝坝址的远近，考虑增设墒情站，以获取近坝区更精细的土壤湿度变化。
S4、基于子流域中心法初步规划墒情站点位置，具体步骤如下：
1)基于不同子流域站点布设数，结合土壤类型采用目估法分割子流域。若子流域规划建设墒情站数量为1个，直接进入第2)步操作。若子流域规划建设墒情站数量为n个，n>1，则结合土壤类型采用目估法将子流域分割成面积相当的墒情站布设单元。
2)计算墒情站布设单元中心点位置，作为墒情站点初步规划位置。将中心点的位置转换为经纬度坐标。计算多边形形心的公式为：
其中，S1,i,i+1为多边形分解后的三角形面积；为位矢；m表示m边形。
通过子流域中心考虑流域土壤湿度空间变化，能较好地考虑流域产流的空间分布以及汇流的物理特征，具有较强的物理基础。因此拟将各子流域中心作为增设墒情站的初始位置。
S5、结合下垫面主要土壤类型、土地利用类型优化站网布局。
1)将子流域边界与地形地貌、土壤类型、土地利用类型等进行叠加、提取和融合，进而获取具有水文特征属性信息(地形地貌、土壤类型、土地利用类型等)的土壤墒情监测站点代表区域。利用子流域边界对地形地貌、土壤类型、土地利用类型进行掩膜提取，提取后得到的图层都有记录掩膜图层(即子流域图层)属性的字段，且该字段是相同的，因此接下来可利用这一相同字段进行融合，得到具有水文特征属性信息(地形地貌、土壤类型、土地利用类型等)的土壤墒情监测站点代表区域
2)基于表层土壤类型、深层土壤类型、土地利用类型考虑站点位置代表性，对站点位置进行优化。分别将表层土壤类型、深层土壤类型、土地利用类型分类显示，计算不同类型在子流域上的占比，依据各种类型占比情况，优化墒情站点位置。
3)根据优化后站点位置，对拟建墒情站点进行实地查勘。根据信号传输速率分为可实时传输(Ⅰ)、可传输(Ⅱ)、不可传输(Ⅲ)三类网络信号等级；根据施工器械运输难度及对应地块墒情监测仪器布设难度将施工便利程度分为方便施工(Ⅰ)、可施工(Ⅱ)、不可施工(Ⅲ)三类施工便利等级；；根据站点与四级及以上公路之间最短距离分为Ⅰ、Ⅱ、Ⅲ三类，分别表示交通便利、交通较便利、交通不便。分类原则如下：
式中：Lstandard为交通便利程度等级，L为拟建站点与四级及以上公路之间最短距离，单位为m。
从网络信号，交通便利程度、施工可行性三方面实地查勘结果，采用单因子指标评价法，选用最差指标等级作为站点评价等级，对站点位置进行评价，拟用Ⅰ等级站点、备用Ⅱ等级站点、弃用Ⅲ等级站点。
随后对弃用站点按照上述步骤对拟建站点位置进行调整、勘察，直至拟建站点网络信号，交通便利程度、施工可行性三因子评价结果优于Ⅲ等级，确定该站点位置为对应子流域拟建墒情站点位置。
实施例2
本实施例提供一种考虑水文特征的墒情站点规划装置，包括：
提取划分模块，用于获取数字高程模型数据并进行分析，提取流域基本地貌特征，然后结合通过插值叠加分析获取的暴雨中心图划分子流域，获取子流域分区图；
绘制模块，用于获取卫星遥感数据和墒情站点实测数据，结合所述子流域分区图绘制逐日土壤含水量子流域分布图；
站点密度确定模块，用于结合子流域划分情况及逐日土壤含水量子流域分布图确定不同子流域站点布设密度；
初步规划模块，用于基于所述不同子流域站点布设密度，采用子流域中心法初步规划墒情站点位置；
站点位置优化模块，用于结合下垫面的土壤类型和土地利用类型优化墒情站点位置，完成墒情站点规划。
实施例3
本实施例提供一种考虑水文特征的墒情站点规划装置，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据实施例1中任一项所述方法的步骤。
实施例4
本实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现实施例1中任一项所述方法的步骤。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (10)
1.一种考虑水文特征的墒情站点规划方法，其特征在于，包括：
获取数字高程模型数据并进行分析，提取流域基本地貌特征，然后结合通过插值叠加分析获取的暴雨中心图划分子流域，获取子流域分区图；
获取卫星遥感数据和墒情站点实测数据，结合所述子流域分区图绘制逐日土壤含水量子流域分布图；
结合子流域划分情况及逐日土壤含水量子流域分布图确定不同子流域站点布设密度；
基于所述不同子流域站点布设密度，采用子流域中心法初步规划墒情站点位置；
结合下垫面的土壤类型和土地利用类型优化墒情站点位置，完成墒情站点规划。
2.根据权利要求1所述的考虑水文特征的墒情站点规划方法，其特征在于，所述获取数字高程模型数据并进行分析，提取流域基本地貌特征，然后结合通过插值叠加分析获取的暴雨中心图划分子流域，获取子流域分区图，包括：
获取数字高程模型数据并进行分析，提取流域基本地貌特征，其中，流域基本地貌特征包括流域面积、流域的长度和形状；
根据数字高程模型和所述流域基本地貌特征计算流域坡度和坡向；
获取不同场次洪水对应的降雨数据，采用克里金插值法和样条函数插值法对各场次降雨数据进行降雨量空间插值；
将不同场次降雨插值结果进行叠加分析，得到多场次流域暴雨中心图；
根据流域坡度、坡向区分流域下垫面特性，并结合暴雨中心图进行子流域划分，获取子流域分区图。
3.根据权利要求1所述的考虑水文特征的墒情站点规划方法，其特征在于，所述获取卫星遥感数据和墒情站点实测数据，结合所述子流域分区图绘制逐日土壤含水量子流域分布图，包括：
获取已有墒情站点经纬度坐标、历史墒情监测数据，其中，经纬度坐标用于确定墒情站点位置，历史墒情监测数据用于后续插值计算；
获取土壤湿度遥感产品数据集，进行重投影、采用最邻近法进行重采样、统一数据格式；
对历史墒情数据进行空间确定性插值，方法采用样条插值法，时空分辨率与卫星遥感数据相同；
基于反变异系数法对不同土壤含水量产品赋权并融合；
将融合土壤含水量产品分区表示，绘制多个年份的逐日土壤含水量子流域分布图。
4.根据权利要求1所述的考虑水文特征的墒情站点规划方法，其特征在于，所述结合子流域划分情况及逐日土壤含水量子流域分布图确定不同子流域站点布设密度，包括：
根据子流域划分情况，计算各子流域面积；
基于子流域均匀布设原则，考虑子流域面积的大小，确定各子流域的墒情站布设数量，计算最低布设密度；
结合逐日土壤含水量子流域分布图，在最低布设密度基础上进行加密，确定不同子流域站点布设密度。
5.根据权利要求1所述的考虑水文特征的墒情站点规划方法，其特征在于，基于所述不同子流域站点布设密度，采用子流域中心法初步规划墒情站点位置，包括：
基于不同子流域站点布设数量将对应子流域分割成面积相当的墒情站布设基本单元；
在墒情站布设基本单元上采用子流域中心法，将子流域形心作为子流域中心，确定为墒情站点初步规划位置。
6.根据权利要求1所述的考虑水文特征的墒情站点规划方法，其特征在于，所述结合下垫面的土壤类型和土地利用类型优化墒情站点位置，完成墒情站点规划，包括：
将子流域边界与地形地貌、土壤类型、土地利用类型等进行叠加、提取和融合，进而获取具有水文特征属性信息的土壤墒情监测站点代表区域；
分别将表层土壤类型、深层土壤类型、土地利用类型分类显示，计算不同类型在子流域上的占比，依据各种类型占比情况，优化墒情站点位置；
基于网络信号，交通便利程度、施工可行性三方面实地查勘结果对站点位置进行调整、确定。
7.根据权利要求6所述的考虑水文特征的墒情站点规划方法，其特征在于，所述基于网络信号，交通便利程度、施工可行性三方面实地查勘结果对站点位置进行调整、确定，包括：
根据优化后站点位置，对拟建墒情站点进行实地查勘，根据信号传输速率分为可实时传输、可传输、不可传输三类网络信号等级；根据施工器械运输难度及对应地块墒情监测仪器布设难度将施工便利程度分为方便施工、可施工、不可施工三类施工便利等级；根据站点与四级及以上公路之间最短距离分为Ⅰ、Ⅱ、Ⅲ三类，分别表示交通便利、交通较便利、交通不便，分类原则如下：
式中：Lstandard为交通便利程度等级，L为拟建站点与四级及以上公路之间最短距离，单位为m；
从网络信号，交通便利程度、施工可行性三方面实地查勘结果，采用单因子指标评价法，选用最差指标等级作为站点评价等级，对站点位置进行评价，拟用Ⅰ等级站点、备用Ⅱ等级站点、弃用Ⅲ等级站点；
随后对弃用站点按照上述步骤进行调整、勘察，以确定新的拟建位置，直至拟建站点网络信号，交通便利程度、施工可行性三因子评价结果均优于Ⅲ等级，确定该站点位置为对应子流域拟建墒情站点位置。
8.一种考虑水文特征的墒情站点规划装置，其特征在于，包括：
提取划分模块，用于获取数字高程模型数据并进行分析，提取流域基本地貌特征，然后结合通过插值叠加分析获取的暴雨中心图划分子流域，获取子流域分区图；
绘制模块，用于获取卫星遥感数据和墒情站点实测数据，结合所述子流域分区图绘制逐日土壤含水量子流域分布图；
站点密度确定模块，用于结合子流域划分情况及逐日土壤含水量子流域分布图确定不同子流域站点布设密度；
初步规划模块，用于基于所述不同子流域站点布设密度，采用子流域中心法初步规划墒情站点位置；
站点位置优化模块，用于结合下垫面的土壤类型和土地利用类型优化墒情站点位置，完成墒情站点规划。
9.一种考虑水文特征的墒情站点规划装置，其特征在于：包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据权利要求1～7任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该程序被处理器执行时实现权利要求1～7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310026778.9A CN116523189A (zh) | 2023-01-09 | 2023-01-09 | 一种考虑水文特征的墒情站点规划方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310026778.9A CN116523189A (zh) | 2023-01-09 | 2023-01-09 | 一种考虑水文特征的墒情站点规划方法、装置及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116523189A true CN116523189A (zh) | 2023-08-01 |
Family
ID=87390963
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310026778.9A Pending CN116523189A (zh) | 2023-01-09 | 2023-01-09 | 一种考虑水文特征的墒情站点规划方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116523189A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117037076A (zh) * | 2023-10-09 | 2023-11-10 | 中国农业科学院农田灌溉研究所 | 一种基于遥感技术的土壤墒情智能监测方法 |
-
2023
- 2023-01-09 CN CN202310026778.9A patent/CN116523189A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117037076A (zh) * | 2023-10-09 | 2023-11-10 | 中国农业科学院农田灌溉研究所 | 一种基于遥感技术的土壤墒情智能监测方法 |
| CN117037076B (zh) * | 2023-10-09 | 2023-12-19 | 中国农业科学院农田灌溉研究所 | 一种基于遥感技术的土壤墒情智能监测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3534187B1 (en) | Process and system for hydrological analysis and management for river basins | |
| Xu et al. | Urban flooding risk assessment based on an integrated k-means cluster algorithm and improved entropy weight method in the region of Haikou, China | |
| CN111582755B (zh) | 一种基于多维度集合信息山洪灾害综合风险动态评估方法 | |
| CN110222911B (zh) | 一种卫星遥感与地面数据协同的雨量站网优化布局方法 | |
| Vázquez et al. | Assessment of the effects of DEM gridding on the predictions of basin runoff using MIKE SHE and a modelling resolution of 600 m | |
| CN116070918B (zh) | 一种城市洪涝安全评估及洪涝灾害防治方法 | |
| CN112070286A (zh) | 复杂地形流域的降水预报预警系统 | |
| CN115391712A (zh) | 一种城市洪涝风险预测方法 | |
| Joshi et al. | Rainfall-Runoff Simulation in Cache River Basin, Illinois, Using HEC-HMS | |
| CN111062128B (zh) | 一种流域汇流模拟估测方法 | |
| CN112381285B (zh) | 一种基于遥感的洪涝淹没预测方法 | |
| CN115358650B (zh) | 一种洪涝灾害应急避险与物资实时调配方法 | |
| Shan et al. | Effects of DEM resolutions on LS and hillslope erosion estimation in a burnt landscape | |
| CN113987813A (zh) | 一种基于多参数决策和层次分析法的滑坡敏感性制图模型 | |
| de Arruda Gomes et al. | Hydrologic models coupled with 2D hydrodynamic model for high-resolution urban flood simulation | |
| Wang et al. | Analyzing spatial variance of urban waterlogging disaster at multiple scales based on a hydrological and hydrodynamic model | |
| CN116523189A (zh) | 一种考虑水文特征的墒情站点规划方法、装置及存储介质 | |
| CN114528672A (zh) | 基于3s技术的城市水文站网布设方法及系统 | |
| Ghosh et al. | Rationalization of automatic weather stations network over a coastal urban catchment: A multivariate approach | |
| Gibbs et al. | Evaluation of parameter setting for two GIS based unit hydrograph models | |
| Haile et al. | Integrating hydrodynamic models and high resolution DEM LIDAR for flood modelling | |
| Guo et al. | Risk assessment of typhoon storm surge based on a simulated annealing algorithm and the least squares method: A case study in Guangdong Province, China | |
| Hashimoto et al. | Multi-scale flooding hazards evaluation using a nested flood simulation model: case study of Jamuna River, Bangladesh | |
| Liu et al. | Interpretable machine learning for predicting urban flash flood hotspots using intertwined land and built-environment features | |
| Galasso et al. | A statistical model for flood depth estimation in southeast Europe |
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 |