CN117236668A - 基于供给与消耗的区域水资源配置分析决策方法及系统 - Google Patents
基于供给与消耗的区域水资源配置分析决策方法及系统 Download PDFInfo
- Publication number
- CN117236668A CN117236668A CN202311514473.9A CN202311514473A CN117236668A CN 117236668 A CN117236668 A CN 117236668A CN 202311514473 A CN202311514473 A CN 202311514473A CN 117236668 A CN117236668 A CN 117236668A
- Authority
- CN
- China
- Prior art keywords
- dem
- water
- elevation
- supply
- gradient
- 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.)
- Granted
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 141
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000013468 resource allocation Methods 0.000 title claims abstract description 26
- 238000004458 analytical method Methods 0.000 title claims abstract description 25
- 230000008018 melting Effects 0.000 claims abstract description 29
- 238000002844 melting Methods 0.000 claims abstract description 29
- 230000008901 benefit Effects 0.000 claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims abstract description 24
- 238000012937 correction Methods 0.000 claims abstract description 17
- 239000002352 surface water Substances 0.000 claims abstract description 16
- 230000006870 function Effects 0.000 claims description 11
- 238000002679 ablation Methods 0.000 claims description 8
- 239000003673 groundwater Substances 0.000 claims description 8
- 239000000463 material Substances 0.000 claims description 8
- 238000012876 topography Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000035699 permeability Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000001556 precipitation Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract description 9
- 230000007547 defect Effects 0.000 abstract description 4
- 230000008859 change Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008020 evaporation Effects 0.000 description 4
- 238000001704 evaporation Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000008400 supply water Substances 0.000 description 1
- 230000005068 transpiration Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及基于供给与消耗的区域水资源配置分析决策方法及系统，属于流域水资源优化配置和遥感技术领域。利用DEM影像中高程与坡度和坡向的关系获取各个影像的坡度和坡向值，利用三维空间高程差与坡度、坡向的关系式计算高程差，用坡度、坡向值、高程差进行曲线拟合得到三个方向上的偏移量，根据偏移量进行DEM配准，而后进行残差校正，计算冰雪消融量和补给后的地表水和地下水的供水量；需水量预测；构建水资源优化配置模型实现配置。该方法以遥感数据作为驱动，弥补了流域水资源供给计算中对冰雪融水估算的不足，同时以经济效益、生态效益、社会效益为目标，通过供水用水次序系数计算优化配置权重构建配置模型，提高分析决策的准确性。
Description
技术领域
本发明涉及一种水资源配置分析决策方法，特别涉及一种基于供给与消耗的区域水资源配置分析决策方法及系统，属于流域水资源优化配置和遥感技术领域。
背景技术
水资源优化配置是指在一个特定流域或区域内，以有效、公平和可持续的原则，对有限的、不同形式的水资源，通过工程与非工程措施在各用水户之间进行的科学分配。水资源优化配置是实现水资源合理开发利用的基础，是水资源可持续利用的根本保证，具有重要的战略意义。
我国水资源配置研究起步较晚，但发展迅速，在水资源优化配置研究方面也取得了较多成果，先是以经济和社会综合效益最大为目标，构建受水区水资源优化配置模型，并求出最优解进行配置；后来又将生态等综合效益考虑进去，以经济、社会和生态环境综合效益为最大目标，确定目标函数和配水系数，依据水资源模拟系统中的数据条件组成水资源优化配置的约束条件，对用水总量控制的水资源优化配置模型进行求解，如专利CN107944603 A，CN 109598408 A。但随着经济社会持续发展，新问题不断出现，如多目标、多水源、多部门的水资源优化配置问题，在优化模型的构建过程中，优化模型中的一些系统参数可能更复杂，考虑的方面可能更综合。
随着遥感技术的发展，利用空间遥感技术来观测一个大面积区域是具有时空连续性的，即便是观测站点较少，也可以从遥感观测中获取连续数据，遥感技术的利用和地理信息系统的发展使获取更多空间信息成为可能。专利CN 116681262 A公开了一种利用遥感影像数据提取研究区的生态植被覆盖情况，根据植被蒸腾多年平均空间分布图计算研究区域内生态植被的最低生态需水量和最适宜生态需水量；构建水资源优化配置模型，通过双目标优化和条件约束，求解得目标。该方法实现了遥感技术与效益最大化水资源配置模型的结合，有效降低人力物力的投入，充分考虑生态需水量的空间变异性，但该方法在生态需水量分析时全面分析了水体蒸发、土壤蒸发及冰雪蒸发等要素，而对于供水量分析时却忽视了冰雪蒸发消融时所产生的水量再补给。
发明内容
本发明的目的是克服上述不足而提供一种基于供给与消耗的区域水资源配置分析决策方法，该方法以遥感数据作为驱动，弥补了流域水资源供给计算中对冰雪融水估算的不足，同时以经济效益、生态效益、社会效益为目标，通过供水用水次序系数计算优化配置权重构建配置模型，提高水资源配置分析决策的准确性。
本发明采取的技术方案为：
基于供给与消耗的区域水资源配置分析决策方法，包括步骤如下：
S1. 获取包含覆盖范围完全相同的一对不同时序DEM影像数据和冰川的矢量边界线数据，预处理；
S2.利用DEM影像中高程与坡度和坡向的关系获取各个影像的坡度和坡向值，根据二维平面内相同地区的两个非相同时序DEM数据的高程差值与坡度的函数关系并将其扩展到三维空间内，得到三维空间高程差与坡度、坡向的关系式，计算高程差，基于坡度对高程差进行归一化处理；
S3. 设置x、y、z分别代表两个非相同时序DEM数据在东西方向、南北方向和垂直方向三个方向上的偏移量，用共参数计算和表示x、y、z，并基于共参数代入三维空间高程差与坡度、坡向的关系式得到带有x、y、z表示的DEM自动化配准公式，将生成时间较早的DEM影像数据视为基准DEM影像数据，将生成时间较晚的DEM影像数据视为待配准DEM影像数据；
S4. 将排除不稳定地形后的非冰川区高程差值数据及对应的坡度和坡向数据带入DEM自动化配准公式中进行曲线拟合，计算参数x、y、z，分别将待配准DEM影像数据的冰川区和非冰川区两部分同时向东方向移动x,向北方向移动y，向上方向移动z，完成两个非相同时序DEM影像数据的配准；
S5. 对两个非相同时序DEM数据的高程差进行残差校正；
S6. 利用冰川区残差校正后的两个非相同时序DEM数据的高程差值计算冰雪消融量；
S7. 根据冰雪消融量计算冰雪融水对地表水Wa和地下水Wb资源的补给量，得到补给后的地表水和地下水的供水量；
S8. 需水量预测；
S9. 构建水资源优化配置模型：以经济效益、社会效益、生态效益为目标建立目标函数和约束条件，通过供水、用水次序系数计算优化配置权重构建配置模型。
上述方法中，步骤S2中高程与坡度、坡向之间的函数关系，利用33计算窗口采用
拟合曲面法，可分别利用如下公式计算坡度、坡向：
式（一），
式（二），
式（三），
式（四），
式中α为坡度，β为坡向，dx为X方向上的高程增量，dy为Y方向上的高程增量，xsize
和ysize分别为X和Y方向上的空间分辨率，ei为33的DEM影像窗口内第i个像元的高程值。
步骤S2中三维空间高程差与坡度、坡向的关系式为：
式（五），
式中dh为相同地区不同时序的DEM数据DEM1和DEM2的高程差，其中DEM1为生成时间较晚的DEM影像数据并视为待配准DEM影像数据，DEM2为生成时间较早的DEM影像数据并视为基准DEM影像数据，α和β分别为坡度和坡向，为DEM数据的整体高程偏差均值即高程差平均值，a、b为待拟合参数（共参数）分别表示水平偏移量和偏移方向。
步骤S2中基于坡度对高程差进行归一化处理，具体计算公式如下：
式（六），
式（七）。
步骤S3中以水平偏移量a和偏移方向b表示x、y、z，
式（八）。
步骤S3中得到的DEM自动化配准公式为：
式（九）。
步骤S4中将坡度值15°作为冰川附近不稳定地形的过滤因子，仅保留坡度值小于15°的部分参与计算，从而排除不稳定地形。
步骤S5中利用高程差残差值与高程值的函数关系式，以对配准后的两DEM数据的高程差值进行进一步的校正，具体计算公式如下：
式（十），
式中x为高程值，a、b、c为待拟合系数，f(x)为高程差残差值。
步骤S6中冰雪消融量的计算过程如下：
先根据高程差计算物质平衡，公式如下：
式（十一），
式（十二），
式中，B是物质平衡，ρ是冰雪表面密度本专利取值850±60kg/m，Sg是冰雪覆盖面积，M是冰雪总像元个数，Sp是像元的大小，为经过步骤S4的偏移量校正后的待配准DEM影像数据冰川区像元高程值，/>为基准DEM影像数据冰川区像元高程值，/>为冰川区DEM影像数据高程差残差校正值；
考虑温度影响导致的冰雪再冻结对消融量的影响，计算冰雪消融量：
式（十三），
式（十四），
式中Qg为冰雪消融量，Si为第i条海拔带的面积，Bi为第i条海拔带的物质平衡量，pliq,i为第i条海拔带的降水量，Ti为第i条海拔带的温度。
步骤S7中冰雪融水对地表水Wa和地下水Wb资源的补给量：
式（十五），
式（十六），
式中Qga为物质平衡大于零部分的高程带的冰雪消融量，Qgb为物质平衡小于零部分的高程带的冰雪消融量，K为地表水渗透率。补给量加上非补给供水量就是实际供水量。
需水量根据各项需水数据的历史分布特征，以时间为自变量拟合各项函数多项式，分别计算不同年份下的生活、生产和生态需水预测值。
本发明的另一目的是提供一种基于供给与消耗的区域水资源配置分析决策系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述的基于供给与消耗的区域水资源配置分析决策方法。
本发明的有益效果是：
本发明方法以遥感数据作为驱动，利用遥感数据全天时、大范围观测能力，摆脱了传统花杆法进行冰雪变化监测时对监测时段、监测目标地形条件等的严苛要求，实现了高时空覆盖度的连续大范围监测，弥补了流域水资源供给计算中对冰雪融水估算的不足，同时以经济效益、生态效益社会效益为目标，通过供水用水次序系数计算优化配置权重构建配置模型，完善水资源配置的全链条模拟。
附图说明
图1为本发明方法流程图；
图2为33 DEM影像计算窗口；
图3为DEM偏移示意图，a.二维平面，b三维空间；
图4为实施例1中提取的两DEM数据的高程差、坡度和坡向数据，a. 格拉丹东高程差b.格拉丹东坡向，c. 格拉丹东坡度；
图5为实施例1高程差值与坡度、坡向的散点图，a为迭代前，b为迭代后；
图6为实施例1计算的高差残差与高程散点图；
图7实施例1中冰川区配准前后图，a配准前高差，b配准后高差；
图8实施例1格拉丹东区域的径流量变化。
具体实施方式
下面结合具体实施例对本发明进一步说明。
实施例1：选取长江源格拉丹东地区作为研究区域，以2000-2012年SRTM-C波段DEM数据TDM-X波段DEM数据、气象数据等作为待配准数据进行案例说明。
基于供给与消耗的区域水资源配置分析决策方法，包括步骤如下：
S1. 获取包含覆盖范围完全相同的一对不同时序DEM影像数据和冰川的矢量边界线数据，预处理：利用冰川矢量边界线数据分别将两DEM数据裁剪为冰川区和非冰川区两部分，其中地形稳定的非冰川区DEM数据组用于构建配准和校正模型计算偏差值和校正系数。
S2. 利用DEM影像中高程与坡度和坡向的关系获取各个影像的坡度和坡向值，根据二维平面内相同地区的两个非相同时序DEM数据的高程差值与坡度的函数关系并将其扩展到三维空间内，得到三维空间高程差与坡度、坡向的关系式，计算高程差，基于坡度对高程差进行归一化处理：
由于相同地区的两个非相同时序DEM数据的高程与坡度、坡向之间存在一定的函
数关系式，因此在进行配准前需要先获取DEM影像数据的坡度和坡向值。本实施例利用33
计算窗口，采用拟合曲面法，分别利用如下公式计算坡度、坡向：
式（一），
式（二），
式（三），
式（四），
式中α为坡度，β为坡向，dx为X方向上的高程增量，dy为Y方向上的高程增量，xsize
和ysize分别为X和Y方向上的空间分辨率，ei为如图 2所示的33 DEM影像窗口内中各个像
元的像元值。
如图3所示，在二维平面内，高程差与坡度之间存在一定的函数关系，将其扩展到三维平面后便可以得到高程差与坡度、坡向的关系式：
式（五），
式中dh为相同地区不同时序的DEM数据DEM1和DEM2的高程差，其中DEM1为生成时间较晚的DEM影像数据并视为待配准DEM影像数据，DEM2为生成时间较早的DEM影像数据并视为基准DEM影像数据，α和β分别为坡度和坡向，为DEM数据的整体高程偏差均值，即高程差平均值，a、b为待拟合参数分别表示水平偏移量和偏移方向。
由于空间位置偏差引起的坡度偏差会对水平偏移量产生影响，因此需要基于坡度对高程差进行归一化处理，具体计算公式如下：
式（六），
式（七）；
在进行波段计算前，首先需要确保参与计算的一组DEM数据具有相同的空间分辨率及坐标系统，接着提取两DEM数据的高程信息分别计算坡度和坡向，高程差dh，如图4所示。
S3. 设置x、y、z分别代表两个非相同时序DEM数据在东西方向、南北方向和垂直方向三个方向上的偏移量，用共参数计算和表示x、y、z，并基于共参数代入三维空间高程差与坡度、坡向的关系式得到带有x、y、z表示的DEM自动化配准公式，将生成时间较早的DEM影像数据视为基准DEM影像数据，将生成时间较晚的DEM影像数据视为待配准DEM影像数据：
这里以水平偏移量a和偏移方向b表示x、y、z，
式（八），
式中x、y、z分别代表两个非相同时序DEM数据在东西方向、南北方向和垂直方向三个方向上的偏移量。
联立公式（六）（七）（八），便可推导出DEM自动化配准公式：
式（九）。
S4. 将排除不稳定地形后的非冰川区高程差值数据及对应的坡度和坡向数据带入DEM自动化配准公式中进行曲线拟合，计算参数x、y、z，分别将待配准DEM影像数据的冰川区和非冰川区两部分同时向东方向移动x，向北方向移动y，向上方向移动z，完成两个非相同时序DEM影像数据的配准：
由于非冰川区相较于冰川区地形更加稳定，方法将高程差数据中非冰川区部分作为计算配准偏移量的基础数据，同时考虑到冰川附近复杂的地形特征，本发明将坡度值15°作为冰川附近不稳定地形的过滤因子，仅保留坡度值小于15°的部分参与计算。
将排除不稳定地形后的非冰川区高程差值数据及对应的坡度和坡向数据带入公式（九）中进行曲线拟合，计算参数x、y、z。分别将待配准DEM数据的冰川区和非冰川区两部分同时向东方向移动x,向北方向移动y，向上方向移动z，完成两DEM影像数据的配准。
同时为了进一步提高配准精度，本发明采用迭代循环的方式，将配准后两DEM影像数据在地形稳定的非冰川区的高程差值及相应的坡度和坡向带入式（九）中再次计算偏移量进行再次配准，直至配准后该区域的高程差值的标准差不再发生变化或变化幅度小于1%。
拟合非冰川区高程差与坡度、坡向的余弦函数关系式，迭代计算两DEM数据在x、y、z三个方向上的偏差值，直至高差结果满足精度要求，结果如图5所示。
S5. 对两个非相同时序DEM数据的高程差进行残差校正：
由于不同DEM影像的获取方式和后处理方法等的不同，配准后的DEM数据在垂直方向上仍存在一定的残差。在此我们假定地形稳定的非冰川区的高程值不会发生变化，即配准后的两DEM数据在该区域的高程差的理论值为零，并且高程差残差对该区域的影响和对冰川区的影响是相同的。然而由于高程差残差的影响使得配准后的两DEM数据在地形稳定的非冰川区的高程差值并不为零，因此为了减少高程差残差值的影响，我们构建了高程差残差值与高程值的函数关系式，以对配准后的两DEM影像数据的高程差值进行进一步的校正，具体计算公式如下：
式（十），
式中x为高程值，a、b、c为待拟合系数。
根据格拉丹东X波段和C波段数据特征，进行回归分析拟合函数关系式并率定回归系数。在本例中，我们计算得到拟合系数a=1.06e-6，b=0.11，c=299.32，则残差校正公式为：
，
差残差与高程散点图如图6所示。
将上述计算得到的偏差值和校正值应用于冰川区DEM中，便可以得到配准后的冰川区高差数据，即在2000-2012年将格拉丹东冰川的变化情况，如图7。
S6. 利用冰川区残差校正后的两个非相同时序DEM数据的高程差值计算冰雪消融量：
冰雪表面的物质平衡是计算由冰雪消融产生的径流量的关键，在完成DEM影像数据配准后，我们可以利用公式（十一）进行物质平衡的估算：
式（十一），
式（十二），
式中，B是物质平衡，ρ是冰雪表面密度本文取值850±60kg/m3，Sg是冰雪覆盖面积，M是冰雪总像元个数，Sp是像元的大小，经过步骤S4的偏移量校正后的待配准DEM影像数据冰川区像元高程值，/>为基准DEM影像数据冰川区像元高程值，/>为冰川区DEM影像数据高程差残差校正值（即Δh=dh-z-残差，其中冰川区的计算，配准的偏移量是用非冰川区计算的值，残差校正值的计算系数是由非冰川区率定，具体残差值是由冰川区高程值根据率定的计算系数计算得到的）。
在计算冰雪消融量时，还需要进一步考虑由于温度影响导致的冰雪再冻结对消融量的影响。
式（十三），
式（十四），
式中Qg为冰雪消融量，Si为第i条海拔带的面积，Bi为第i条海拔带的物质平衡量，pliq,i为第i条海拔带的降水量，Ti为第i条海拔带的温度。
图7给出的冰川区的径流量变化如图8。
S7. 根据冰雪消融量计算冰雪融水对地表水Wa和地下水Wb资源的补给量，得到补给后的地表水和地下水的供水量：
当冰雪消融发生在冰川表面时会汇集形成径流向低海拔方向运动，而处于非冰川表面时则会因为下垫面的改变而产生下渗，由地表水资源转化为地下水资源。基于此，本发明分别计算了冰雪融水对地表水Wa和地下水Wb资源的补给量：
式（十五），
式（十六），
式中Qga为物质平衡大于零部分的高程带的冰雪消融量，Qgb为物质平衡小于零部分的高程带的冰雪消融量，K为地表水渗透率。补给量加上非补给供水量就是实际供水量。
S8. 需水量预测：
以历史用水数据通过合适的函数曲线进行拟合，以时间序列作为自变量进行趋势外推，分别拟合生活需水、生产需水及生态需水三方面的需水函数，同时在参数率定过程中，采用逐步逼近真实值的下山单纯型法进行，对于不同地区的生活需水、生产需水及生态需水拟合符合其历史变化趋势的拟合曲线进行未来需水量预测。
S9. 构建水资源优化配置模型：以经济效益、社会效益、生态效益为目标建立目标函数和约束条件，通过供水、用水次序系数计算优化配置权重构建配置模型：
构建水资源优化配置的目标函数和约束条件，在配置顺序上先配置地表水和再生水，其次配置地下水；优先保障居民用水，其次保证生态用水满足可持续发展需要，在此尽量保证二三产业用水，再考虑农业用水。整体遵循自然规律原则、以人为本原则、公益性用水优先原则、综合效益最有原则。
先建立目标函数：
（1）经济效益目标：
式（十七），
其中i为供水水源，分别为包含了冰雪融水补给后的地表水、地下水、再生水；j为用水户，分别为生活、生态、生产；gj为经济系数；bij为i水源向j用户供水的综合权重系数；xij为i水源分配给j用户的水量；
（2）社会效益目标：
式（十八），
其中Dj为j用户的需水量；
（3）生态效益目标：
式（十九），
其中，Dm为生态需水量；bim为i水源向生态供水量的权重系数；xim为i水源向生态供水量；
再设立约束条件：
（1）供水能力约束：
式（二十），
其中wij为包含冰雪融水补给后的各分水源的供水量；
（2）需水约束：
式（二十一），
其中lj为j用户最小需水量；hj为j用户最大需水量；
（3）决策变量非负约束：
式（二十二）；
最后进行参数计算：
依据水资源优化配置原则中的供水次序和优先保障顺序，确定供水（用水）次序系数：
式（二十三），
其中ni为第i目标的供水（用水）序号；nmax为最大序号，
故综合权重系数为：
式（二十四），
式中ai为供水次序系数；rj为用水次序系数。
利用matlab2019b工具箱中的遗传算法工具求解多目标规划模型，在非劣解集合中选择符合配水要求的解作为最优解。
（单位：万m3)。
实施例2：基于供给与消耗的区域水资源配置分析决策系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上实施例1所述的基于供给与消耗的区域水资源配置分析决策方法。
以上是结合具体实施例对本发明的详细介绍，本发明的保护范围不限于此。
Claims (10)
1.基于供给与消耗的区域水资源配置分析决策方法，其特征是，包括步骤如下：
S1. 获取包含覆盖范围完全相同的一对不同时序DEM影像数据和冰川的矢量边界线数据，预处理；
S2.利用DEM影像中高程与坡度和坡向的关系获取各个影像的坡度和坡向值，根据二维平面内相同地区的两个非相同时序DEM数据的高程差值与坡度的函数关系并将其扩展到三维空间内，得到三维空间高程差与坡度、坡向的关系式，计算高程差，基于坡度对高程差进行归一化处理；
S3. 设置x、y、z分别代表两个非相同时序DEM数据在东西方向、南北方向和垂直方向三个方向上的偏移量，用共参数计算和表示x、y、z，并基于共参数代入三维空间高程差与坡度、坡向的关系式得到带有x、y、z表示的DEM自动化配准公式，将生成时间较早的DEM影像数据视为基准DEM影像数据，将生成时间较晚的DEM影像数据视为待配准DEM影像数据；
S4. 将排除不稳定地形后的非冰川区高程差值数据及对应的坡度和坡向数据带入DEM自动化配准公式中进行曲线拟合，计算参数x、y、z，分别将待配准DEM影像数据的冰川区和非冰川区两部分同时向东方向移动x,向北方向移动y，向上方向移动z，完成两个非相同时序DEM影像数据的配准；
S5. 对两个非相同时序DEM数据的高程差进行残差校正；
S6. 利用冰川区残差校正后的两个非相同时序DEM数据的高程差值计算冰雪消融量；
S7. 根据冰雪消融量计算冰雪融水对地表水Wa和地下水Wb资源的补给量，得到补给后的地表水和地下水的供水量；
S8. 需水量预测；
S9. 构建水资源优化配置模型：以经济效益、社会效益、生态效益为目标建立目标函数和约束条件，通过供水、用水次序系数计算优化配置权重构建配置模型。
2.根据权利要求1所述的基于供给与消耗的区域水资源配置分析决策方法，其特征是，
步骤S2中高程与坡度、坡向之间的函数关系，利用33计算窗口采用拟合曲面法，可分别利
用如下公式计算坡度、坡向：
，
，
，
，
式中α为坡度，β为坡向，dx为X方向上的高程增量，dy为Y方向上的高程增量，xsize和ysize
分别为X和Y方向上的空间分辨率，ei为33的DEM影像窗口内第i个像元的高程值。
3.根据权利要求1所述的基于供给与消耗的区域水资源配置分析决策方法，其特征是，步骤S2中三维空间高程差与坡度、坡向的关系式为：
，
式中dh为相同地区不同时序的DEM数据DEM1和DEM2的高程差，其中DEM1为生成时间较晚的DEM影像数据并视为待配准DEM影像数据，DEM2为生成时间较早的DEM影像数据并视为基准DEM影像数据，α和β分别为坡度和坡向，为DEM数据的整体高程偏差均值即高程差平均值，a、b为共参数分别表示水平偏移量和偏移方向。
4.根据权利要求1所述的基于供给与消耗的区域水资源配置分析决策方法，其特征是，步骤S2中基于坡度对高程差进行归一化处理，具体计算公式如下：
，
。
5.根据权利要求1所述的基于供给与消耗的区域水资源配置分析决策方法，其特征是，步骤S3中以水平偏移量a和偏移方向b表示x、y、z，
，
步骤S3中得到的DEM自动化配准公式为：
。
6.根据权利要求1所述的基于供给与消耗的区域水资源配置分析决策方法，其特征是，步骤S4中将坡度值15°作为冰川附近不稳定地形的过滤因子，仅保留坡度值小于15°的部分参与计算，从而排除不稳定地形。
7.根据权利要求1所述的基于供给与消耗的区域水资源配置分析决策方法，其特征是，步骤S5中利用高程差残差值与高程值的函数关系式，以对配准后的两DEM数据的高程差值进行进一步的校正，具体计算公式如下：
，
式中x为高程值，a、b、c为待拟合系数，f(x)为高程差残差值。
8. 根据权利要求1所述的基于供给与消耗的区域水资源配置分析决策方法，其特征是， 步骤S6中冰雪消融量的计算过程如下：
先根据高程差计算物质平衡，公式如下：
，
，
式中，B是物质平衡，ρ是冰雪表面密度，Sg是冰雪覆盖面积，M是冰雪总像元个数，Sp是像元的大小，为经过步骤S4的偏移量校正后的待配准DEM影像数据冰川区像元高程值，为基准DEM影像数据冰川区像元高程值，/>为冰川区DEM影像数据高程差残差校正值；
考虑温度影响导致的冰雪再冻结对消融量的影响，计算冰雪消融量：
，
，
式中Qg为冰雪消融量，Si为第i条海拔带的面积，Bi为第i条海拔带的物质平衡量，pliq,i为第i条海拔带的降水量，Ti为第i条海拔带的温度。
9.根据权利要求8所述的基于供给与消耗的区域水资源配置分析决策方法，其特征是，步骤S7中冰雪融水对地表水Wa和地下水Wb资源的补给量:
，
，
式中Qga为物质平衡大于零部分的高程带的冰雪消融量，Qgb为物质平衡小于零部分的高程带的冰雪消融量，K为地表水渗透率，补给量加上非补给供水量就是实际供水量。
10.一种基于供给与消耗的区域水资源配置分析决策系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征是，所述处理器执行所述程序时实现如权利要求1-9任一项所述的基于供给与消耗的区域水资源配置分析决策方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311514473.9A CN117236668B (zh) | 2023-11-15 | 2023-11-15 | 基于供给与消耗的区域水资源配置分析决策方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311514473.9A CN117236668B (zh) | 2023-11-15 | 2023-11-15 | 基于供给与消耗的区域水资源配置分析决策方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117236668A true CN117236668A (zh) | 2023-12-15 |
| CN117236668B CN117236668B (zh) | 2024-03-08 |
Family
ID=89097033
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311514473.9A Active CN117236668B (zh) | 2023-11-15 | 2023-11-15 | 基于供给与消耗的区域水资源配置分析决策方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117236668B (zh) |
Citations (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006201024A (ja) * | 2005-01-20 | 2006-08-03 | Nagaoka Univ Of Technology | 雪氷水資源の分布型評価方法 |
| CN104021283A (zh) * | 2014-05-23 | 2014-09-03 | 清华大学 | 融雪期的日径流量的预测方法和装置 |
| CN107730527A (zh) * | 2017-10-16 | 2018-02-23 | 中国科学院遥感与数字地球研究所 | 一种基于遥感卫星影像的高原地区冰湖提取方法 |
| US20180058932A1 (en) * | 2016-08-12 | 2018-03-01 | China Institute Of Water Resources And Hydropower Research | Method for analyzing the types of water sources based on natural geographical features |
| US20180059284A1 (en) * | 2016-08-12 | 2018-03-01 | China Institute Of Water Resources And Hydropower Research | Evaluation method of glacier storage variation based on basin water-balance principle |
| CN107944603A (zh) * | 2017-11-09 | 2018-04-20 | 中山大学 | 基于用水总量控制的水资源优化配置报童方法 |
| CN109523175A (zh) * | 2018-11-21 | 2019-03-26 | 兰州大学 | 一种考虑积融雪过程的多时间尺度旱情评估方法 |
| CN109598408A (zh) * | 2018-10-29 | 2019-04-09 | 华中科技大学 | 一种兼顾用水公平性和重要性的年水量调度计划编制方法 |
| CN110378806A (zh) * | 2019-07-19 | 2019-10-25 | 珠江水利委员会珠江水利科学研究院 | 一种水质水量联合调配方法及装置 |
| CN110930649A (zh) * | 2019-11-05 | 2020-03-27 | 清华大学 | 冰川物质平衡量获取方法、装置、计算机设备及存储介质 |
| CN111160430A (zh) * | 2019-12-19 | 2020-05-15 | 广东工业大学 | 一种基于人工智能算法的水资源优化配置方法 |
| CN113011685A (zh) * | 2021-04-27 | 2021-06-22 | 黄河勘测规划设计研究院有限公司 | 一种无径流资料地区内陆湖泊水位变化模拟预测方法 |
| US20210341453A1 (en) * | 2020-04-30 | 2021-11-04 | Institute Of Geochemistry, Chinese Academy Of Sciences | Method and System for Estimating Groundwater Recharge Based on Pixel Scale |
| CN114118870A (zh) * | 2021-12-08 | 2022-03-01 | 中国水利水电科学研究院 | 一种耦合冰湖溃决洪水和融雪洪水的下游洪量估算方法 |
| JP2022039565A (ja) * | 2020-08-28 | 2022-03-10 | 国立大学法人福井大学 | 積雪状態予測プログラム及び情報処理装置 |
| CN114818367A (zh) * | 2022-05-18 | 2022-07-29 | 珠江水利委员会珠江水利科学研究院 | 适用于高寒地区的径流模拟分析方法、系统及介质 |
| CN114997619A (zh) * | 2022-05-24 | 2022-09-02 | 中国标准化研究院 | 一种区域水资源动态调控平衡方法及系统 |
| CN115239048A (zh) * | 2022-03-14 | 2022-10-25 | 中国科学院西北生态环境资源研究院 | 一种冰川冻土生态环境变化评估方法 |
| CN115879816A (zh) * | 2022-12-27 | 2023-03-31 | 黑河水资源与生态保护研究中心 | 基于高寒地区冬季河流融冰水量分析模型、方法 |
| CN116089765A (zh) * | 2022-12-07 | 2023-05-09 | 中国科学院西北生态环境资源研究院 | 一种冰川融水径流量的估算方法 |
| CN116485857A (zh) * | 2023-05-05 | 2023-07-25 | 中山大学 | 一种基于多源遥感数据的高时间分辨率冰川厚度反演方法 |
| CN116681262A (zh) * | 2023-07-28 | 2023-09-01 | 山东锋士信息技术有限公司 | 一种基于遥感数据的水资源优化配置方法 |
| CN116823579A (zh) * | 2023-08-23 | 2023-09-29 | 中国科学院地理科学与资源研究所 | 一种高山冰川湖泊水量变化预测方法和系统 |
-
2023
- 2023-11-15 CN CN202311514473.9A patent/CN117236668B/zh active Active
Patent Citations (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006201024A (ja) * | 2005-01-20 | 2006-08-03 | Nagaoka Univ Of Technology | 雪氷水資源の分布型評価方法 |
| CN104021283A (zh) * | 2014-05-23 | 2014-09-03 | 清华大学 | 融雪期的日径流量的预测方法和装置 |
| US20180058932A1 (en) * | 2016-08-12 | 2018-03-01 | China Institute Of Water Resources And Hydropower Research | Method for analyzing the types of water sources based on natural geographical features |
| US20180059284A1 (en) * | 2016-08-12 | 2018-03-01 | China Institute Of Water Resources And Hydropower Research | Evaluation method of glacier storage variation based on basin water-balance principle |
| CN107730527A (zh) * | 2017-10-16 | 2018-02-23 | 中国科学院遥感与数字地球研究所 | 一种基于遥感卫星影像的高原地区冰湖提取方法 |
| CN107944603A (zh) * | 2017-11-09 | 2018-04-20 | 中山大学 | 基于用水总量控制的水资源优化配置报童方法 |
| CN109598408A (zh) * | 2018-10-29 | 2019-04-09 | 华中科技大学 | 一种兼顾用水公平性和重要性的年水量调度计划编制方法 |
| CN109523175A (zh) * | 2018-11-21 | 2019-03-26 | 兰州大学 | 一种考虑积融雪过程的多时间尺度旱情评估方法 |
| CN110378806A (zh) * | 2019-07-19 | 2019-10-25 | 珠江水利委员会珠江水利科学研究院 | 一种水质水量联合调配方法及装置 |
| CN110930649A (zh) * | 2019-11-05 | 2020-03-27 | 清华大学 | 冰川物质平衡量获取方法、装置、计算机设备及存储介质 |
| CN111160430A (zh) * | 2019-12-19 | 2020-05-15 | 广东工业大学 | 一种基于人工智能算法的水资源优化配置方法 |
| US20210341453A1 (en) * | 2020-04-30 | 2021-11-04 | Institute Of Geochemistry, Chinese Academy Of Sciences | Method and System for Estimating Groundwater Recharge Based on Pixel Scale |
| JP2022039565A (ja) * | 2020-08-28 | 2022-03-10 | 国立大学法人福井大学 | 積雪状態予測プログラム及び情報処理装置 |
| CN113011685A (zh) * | 2021-04-27 | 2021-06-22 | 黄河勘测规划设计研究院有限公司 | 一种无径流资料地区内陆湖泊水位变化模拟预测方法 |
| CN114118870A (zh) * | 2021-12-08 | 2022-03-01 | 中国水利水电科学研究院 | 一种耦合冰湖溃决洪水和融雪洪水的下游洪量估算方法 |
| CN115239048A (zh) * | 2022-03-14 | 2022-10-25 | 中国科学院西北生态环境资源研究院 | 一种冰川冻土生态环境变化评估方法 |
| CN114818367A (zh) * | 2022-05-18 | 2022-07-29 | 珠江水利委员会珠江水利科学研究院 | 适用于高寒地区的径流模拟分析方法、系统及介质 |
| CN114997619A (zh) * | 2022-05-24 | 2022-09-02 | 中国标准化研究院 | 一种区域水资源动态调控平衡方法及系统 |
| CN116089765A (zh) * | 2022-12-07 | 2023-05-09 | 中国科学院西北生态环境资源研究院 | 一种冰川融水径流量的估算方法 |
| JP7303960B1 (ja) * | 2022-12-07 | 2023-07-06 | 中国科学院西北生態環境資源研究院 | 氷河融雪水流出量の推定方法 |
| CN115879816A (zh) * | 2022-12-27 | 2023-03-31 | 黑河水资源与生态保护研究中心 | 基于高寒地区冬季河流融冰水量分析模型、方法 |
| CN116485857A (zh) * | 2023-05-05 | 2023-07-25 | 中山大学 | 一种基于多源遥感数据的高时间分辨率冰川厚度反演方法 |
| CN116681262A (zh) * | 2023-07-28 | 2023-09-01 | 山东锋士信息技术有限公司 | 一种基于遥感数据的水资源优化配置方法 |
| CN116823579A (zh) * | 2023-08-23 | 2023-09-29 | 中国科学院地理科学与资源研究所 | 一种高山冰川湖泊水量变化预测方法和系统 |
Non-Patent Citations (5)
| Title |
|---|
| BRUNO JOURDAIN等: "A method to estimate surface mass-balance in glacier accumulation areas based on digital elevation models and submergence velocities", JOURNAL OF GLACIOLOGY, vol. 69, no. 277, pages 1403 - 1418 * |
| 张正勇;刘琳;徐丽萍;: "冰川分布格局对地理因子响应机制", 生态环境学报, no. 02, pages 290 - 296 * |
| 李锴基: "祁连山现代冰川变化及其对径流影响的模拟研究", 中国优秀硕士学位论文全文数据库 基础科学辑, no. 01, pages 012 - 87 * |
| 王婷;陈秀万;柏延臣;黎新亮;: "多源DEM和多时相遥感影像监测冰川体积变化――以青藏高原那木纳尼峰地区为例", 冰川冻土, no. 01, pages 126 - 132 * |
| 赵贵宁;张正勇;刘琳;徐丽萍;王璞玉;李丽;宁珊;: "基于多源遥感数据的玛纳斯河流域冰川物质平衡变化", 地理学报, no. 01, pages 98 - 112 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117236668B (zh) | 2024-03-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110751094B (zh) | 一种基于gee综合遥感影像和深度学习方法的作物估产方法 | |
| CN110263111B (zh) | 基于先验知识的土地利用/覆被信息时空监测方法 | |
| CN106780089B (zh) | 基于神经网络元胞自动机模型的永久性基本农田划定方法 | |
| CN110276160A (zh) | 一种平原区土壤有机碳三维空间分布模拟方法 | |
| CN106714336A (zh) | 一种基于改进克里金算法的无线传感网温度监测方法 | |
| CN105118090B (zh) | 一种自适应复杂地形结构的点云滤波方法 | |
| CN104462809A (zh) | 一种基于遥感与gis相结合的草地生产力估算方法 | |
| CN106056591A (zh) | 一种融合光谱图像和激光雷达数据进行城市密度估计方法 | |
| CN106651052A (zh) | 一种地面雨量站优化布局的方法及装置 | |
| CN105699624A (zh) | 一种基于土壤发生层厚度预测的土壤有机碳储量估算方法 | |
| CN107909000B (zh) | 基于特征优选和支持向量机的不透水面覆盖度估算方法 | |
| CN103235982A (zh) | 一种基于贝叶斯网络模型的渔场预报方法 | |
| CN107424076A (zh) | 一种基于amsr2土壤水分数据降尺度算法 | |
| CN108399577A (zh) | 一种基于蒸散发的林地植被生态需水的定量测算方法 | |
| CN112699959A (zh) | 基于能量泛函模型的多源多尺度降水数据融合方法和装置 | |
| CN113051638B (zh) | 一种建筑高度优化配置方法及装置 | |
| CN114970302A (zh) | 一种基于地下水监测系统的区域地下水情预测方法 | |
| CN114723149A (zh) | 土壤墒情预测方法、装置、电子设备及存储介质 | |
| CN110991705B (zh) | 一种基于深度学习的城市扩展预测方法及系统 | |
| CN112182951B (zh) | 一种考虑多重不确定性的土地利用规划方法 | |
| CN113360989A (zh) | 一种城市绿色屋顶规划方法 | |
| CN113902580A (zh) | 一种基于随机森林模型的历史耕地分布重建方法 | |
| CN112700068A (zh) | 基于机器学习融合多源遥感数据的水库调度规则优化方法 | |
| CN113743659B (zh) | 一种基于成分法和马尔可夫元胞自动机的城市布局预测方法及应用 | |
| CN116341724A (zh) | 基于全球气候模式驱动碳循环机理模型的碳吸收预估方法 |
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 |