CN120806387B - 一种基于水动力的河流生态评估方法、设备、介质及产品 - Google Patents

一种基于水动力的河流生态评估方法、设备、介质及产品

Info

Publication number
CN120806387B
CN120806387B CN202511308648.XA CN202511308648A CN120806387B CN 120806387 B CN120806387 B CN 120806387B CN 202511308648 A CN202511308648 A CN 202511308648A CN 120806387 B CN120806387 B CN 120806387B
Authority
CN
China
Prior art keywords
river
section
cross
data
flow velocity
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
Application number
CN202511308648.XA
Other languages
English (en)
Other versions
CN120806387A (zh
Inventor
林昊
栾华龙
姚仕明
渠庚
胡呈维
陈羿名
周才金
何子灿
袁海钰
凌宇翔
李荣辉
郝婕妤
吕超凡
仇威
黄卫东
李梦雨
陈思含
方娟娟
余小龙
肖怡慧
金琨
李会云
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Bureau of Hydrology Changjiang Water Resources Commission
Original Assignee
Bureau of Hydrology Changjiang Water Resources Commission
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Bureau of Hydrology Changjiang Water Resources Commission filed Critical Bureau of Hydrology Changjiang Water Resources Commission
Priority to CN202511308648.XA priority Critical patent/CN120806387B/zh
Publication of CN120806387A publication Critical patent/CN120806387A/zh
Application granted granted Critical
Publication of CN120806387B publication Critical patent/CN120806387B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C13/00—Surveying specially adapted to open water, e.g. sea, lake, river or canal
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Hydrology & Water Resources (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Remote Sensing (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Measuring Volume Flow (AREA)

Abstract

本申请公开了一种基于水动力的河流生态评估方法、设备、介质及产品，涉及生态水力学领域，该方法包括获取河道横断面的基本特征要素以及历史流速数据；利用非接触式测量设备，获取河流表面流速的时序数据；根据历史流速数据确定河道横断面的熵参数；并根据熵参数和时序数据，利用熵模型和二维反距离加权插值算法，得到河道横断面的二维流速场数据；根据二维流速场数据，计算动能梯度参数和归一化能量变化率两个水力复杂性指标；并根据水力复杂性指标，利用二维反距离加权插值算法，得到水力复杂性指标的二维分布场；根据二维分布场对河流生态系统进行定量评估。本申请能够充分利用非接触式测量，实现对河流生态系统的快速、准确评估。

Description

一种基于水动力的河流生态评估方法、设备、介质及产品
技术领域
本申请涉及生态水力学领域，特别是涉及一种基于水动力的河流生态评估方法、设备、介质及产品。
背景技术
河流生态系统是全球生物多样性的重要组成部分，承担着调节气候、净化水质、维持物种多样性以及提供生态服务等多重关键功能。然而，其生态功能的发挥很大程度上受到河流水动力过程的显著影响。具体而言，河流中的流速梯度、二次流等流动结构为水生生物提供了多样化的栖息地，这些栖息地的异质性对生物的生存、繁殖和分布具有重要意义。考虑水生栖息地与水动力特征（如流速梯度）密切相关，从河流水动力结构角度提出了水力复杂性指标（动能梯度参数（M1）和归一化能量变化率（M2）），解析水生生物栖息地的特性。
然而，传统的河流生态系统监测方法大多依赖于现场实地采样调查，这种方法不仅耗时、耗力，而且难以高效、准确地评估生物栖息地的水力特征，且在测量过程中存在一定的风险性。尤其是在大型河流中，现场测量存在较高的风险性和操作难度，这使得对河流生态的评估更具挑战性。
因此，亟需一种对河流低干扰、高效便捷的监测评估方法，以实现对河流生态系统的快速、准确评估。
发明内容
本申请的目的是提供一种基于水动力的河流生态评估方法、设备、介质及产品，能够实现对河流生态系统的快速、准确评估。
为实现上述目的，本申请提供了如下方案：
第一方面，本申请提供了一种基于水动力的河流生态评估方法，所述基于水动力的河流生态评估方法包括：
获取河道横断面的基本特征要素以及对应的历史流速数据；所述基本特征要素包括：通过在河道横断面按一定距离获取的河岸表面地形和水下地形的测量数据、测点坐标及对应的相对高程；所述历史流速数据包括：河道横断面的平均流速和最大流速；
利用非接触式测量设备，获取河道横断面的表面流速以及对应的时序数据；所述非接触式测量设备包括：雷达测速仪器或大型粒子图像测速仪；
根据历史流速数据确定河道横断面的熵参数；并根据熵参数和表面流速对应的时序数据，基于熵模型和二维反距离加权插值算法，得到河道横断面的二维流速场数据；
根据河道横断面的二维流速场数据，确定水力复杂性指标；并根据水力复杂性指标，利用二维反距离加权插值算法，得到河道横断面的水力复杂性指标的二维分布场；所述水力复杂性指标包括：动能梯度参数和动能变化参数；
根据河道横断面的水力复杂性指标的二维分布场对河流生态系统进行定量评估。
可选地，所述获取河道横断面的基本特征要素以及对应的历史流速数据，具体包括：
利用超声波测探仪或走航式多普勒剖面流速仪，在河道横断面上以设定距离进行水下地形的测量，获取水下地形的测量数据；
利用水准仪和测距仪，沿河道横断面方向，以相对高程零坐标点，测量两侧河岸相对高程和距离，至两岸固定立柱为止，得到河岸表面地形的测量数据；所述相对高程零坐标点为河道横断面一侧河岸的固定立柱；
利用相对高程零坐标点对相对高程进行换算，并根据水下地形的测量数据和河岸表面地形的测量数据确定河道横断面的三维断面地形以及地形测量点位；
根据河道横断面的三维断面地形以及地形测量点位，获取对应的历史流速数据。
可选地，所述根据历史流速数据确定河道横断面的熵参数；并根据熵参数和表面流速对应的时序数据，基于熵模型和二维反距离加权IDW插值算法，得到河道横断面的二维流速场数据，具体包括：
利用公式确定熵函数；其中，为熵函数，M为熵参数，Um为河道横断面的平均流速，Umax为河道横断面的最大流速，e为自然对数；
根据熵函数确定河道横断面的熵参数；
根据河道横断面的熵参数和表面流速对应的时序数据，基于熵模型，确定河道横断面的断面点流速；
根据断面点流速，利用二维反距离加权插值算法，得到河道横断面的二维流速场数据。
可选地，根据河道横断面的二维流速场数据，确定水力复杂性指标，具体包括：
利用公式确定动能梯度参数M1；
利用公式确定归一化能量变化率M2；
其中，V1和 V2为相邻测点的流速，Δs 为测点间距，Vave为相邻点的平均流速，Vmin为相邻点中较小的流速值。
可选地，所述根据河道横断面的水力复杂性指标的二维分布场对河流生态系统进行定量评估，具体包括：
根据河道横断面的水力复杂性指标的二维分布场确定每个测线的平均值；并根据测线的平均值，利用二维反距离加权插值算法，得到水力复杂性指标的平面分布值；
根据水力复杂性指标平面分布值确定水力复杂性指标的平均值；
将河道横断面水力复杂性指标与水力复杂性指标的平均值进行比较，得到比较结果；
根据比较结果，确定河流生态系统的评估结果。
可选地，所述根据水力复杂性指标平面分布值确定水力复杂性指标的平均值，具体包括：
利用公式m=∑M1(xi,yi)/k确定测点（xi,yi）动能梯度参数M1的平均值m；
利用公式n=∑M2(xi,yi)/k确定测点（xi,yi）归一化能量变化率M2的平均值n；
其中，k为河道平面范围内计算测点的总数。
第二方面，本申请提供了一种基于水动力的河流生态评估设备，所述基于水动力的河流生态评估设备包括：
数据获取模块，用于获取河道横断面的基本特征要素以及对应的历史流速数据；所述基本特征要素包括：通过在河道横断面按一定距离获取的河岸表面地形和水下地形的测量数据、测点坐标及对应的相对高程；所述历史流速数据包括：河道横断面的平均流速和最大流速；
实时数据获取模块，用于利用非接触式测量设备，获取河道横断面的表面流速以及对应的时序数据；所述非接触式测量设备包括：雷达测速仪器或大型粒子图像测速仪；
二维流速场数据确定模块，用于根据历史流速数据确定河道横断面的熵参数；并根据熵参数和表面流速对应的时序数据，基于熵模型和二维反距离加权插值算法，得到河道横断面的二维流速场数据；
水力复杂性指标确定模块，用于根据河道横断面的二维流速场数据，确定水力复杂性指标；并根据水力复杂性指标，利用二维反距离加权插值算法，得到河道横断面的水力复杂性指标的二维分布场；所述水力复杂性指标包括：动能梯度参数和动能变化参数；
评估模块，用于根据河道横断面的水力复杂性指标的二维分布场对河流生态系统进行定量评估。
第三方面，本申请提供了一种计算机设备，包括：存储器、处理器以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计算机程序以实现所述的基于水动力的河流生态评估方法。
第四方面，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的基于水动力的河流生态评估方法。
第五方面，本申请提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现所述的基于水动力的河流生态评估方法。
根据本申请提供的具体实施例，本申请具有了以下技术效果：
本申请提供了一种基于水动力的河流生态评估方法、设备、介质及产品，通过利用非接触式测量设备，获取河道横断面的表面流速以及对应的时序数据，充分体现非接触式测量的高效性、安全性和生态友好性，避免了传统接触式测量对河流生态系统的干扰；并具有自动化程度高，复杂环境适应性强，测量安全性高等优势，可保障在高洪水流量时期的测量工作，且避免对水文测量人员的安全隐患；通过结合熵模型和水力复杂性指标定量评估河流生态系统（河流生物栖息地）的异质性，进而实现自动、快速的河道生态系统评估；本申请为河流生态保护和生物多样性研究提供科学依据，并能够解决河流生态评估难度大、成本高、难以实时在线监测评估的问题，有助于提升河流精细管控能力和流域治理管理能力水平。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请一实施例中基于水动力的河流生态评估方法流程示意图；
图2为本申请一实施例中基于水动力的河流生态评估方法原理示意图；
图3为本申请一实施例中基于水动力的河流生态评估方法的技术路线流程图；
图4为河道流量为124578m3/s时的M1和M2断面分布图；
图5为河道流量为151663m3/s时的M1和M2断面分布图；
图6为河道流量为154474m3/s时的M1和M2断面分布图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。
在一个示例性的实施例中，如图1-图3所示，提供了一种基于水动力的河流生态评估方法，该方法包括以S101至S105。其中：
S101，获取河道横断面的基本特征要素以及对应的历史流速数据；所述基本特征要素包括：通过在河道横断面按一定距离获取的河岸表面地形和水下地形的测量数据、测点坐标及对应的相对高程；所述历史流速数据包括：河道横断面的平均流速和最大流速；
S101具体包括：
S11，利用超声波测探仪或走航式多普勒剖面流速仪，在河道横断面上以设定距离进行水下地形的测量，获取水下地形的测量数据；
S12，利用水准仪和测距仪，沿河道横断面方向，以相对高程零坐标点，测量两侧河岸相对高程和距离，至两岸固定立柱为止，得到河岸表面地形的测量数据；所述相对高程零坐标点为河道横断面一侧河岸的固定立柱；
S13，利用相对高程零坐标点对相对高程进行换算，并根据水下地形的测量数据和河岸表面地形的测量数据确定河道横断面的三维断面地形以及地形测量点位；
S14，根据河道横断面的三维断面地形以及地形测量点位，获取对应的历史流速数据。
S102，利用非接触式测量设备，获取河道横断面的表面流速以及对应的时序数据；所述非接触式测量设备包括但不限于：雷达测速仪器或大型粒子图像测速仪；
其中，对非接触式测量设备的选择，开展河道表面流速及水位的测量。利用自动化控制装置，带动雷达测速仪器，每间隔一定距离测量河道横断面不同位置的表面流速及水位，并记录t时刻该位置和流速数据（Xi,Di,Ui）；
S103，根据历史流速数据确定河道横断面的熵参数；并根据熵参数和表面流速对应的时序数据，基于熵模型和二维反距离加权插值算法，得到河道横断面的二维流速场数据；
S103具体包括：
S31，利用公式确定熵函数；其中，为熵函数，M为熵参数，Um为河道横断面的平均流速，Umax为河道横断面的最大流速，e为自然对数；
利用至少20组历史流速数据，利用S31中的公式确定熵函数，再反算确定熵参数M。
S32，根据熵函数确定河道横断面的熵参数；
S33，根据河道横断面的熵参数和表面流速对应的时序数据，基于熵模型，确定河道横断面的断面点流速；
S32具体包括：
S3.1，垂线上最大流速下移值确定；
根据垂线xi距离左岸的距离，考虑该测线所处的水深D（xi），确定该垂线上最大流速下移的值δ（xi），公式如下：
；
其中，xi是距离左岸第i个测线位置，δ（xi）是测线位置处的最大流速下移值，是测线位置处的水深，通过开展迭代循环确定。
S3.2，垂线最大流速确定；
根据熵模型的流速公式，以河道横断面的表面流速、熵参数和垂线上最大流速下移值为基础数据，得到断面各垂线xi处的垂线最大流速值：
；
其中，是xi测线处的表面流速值。
S3.3，断面点流速确定；
利用河道横断面的熵参数和垂线最大流速值，根据熵模型的流速公式，计算断面的点流速，确定地形测量点位（xi,yi）处的河道横断面的流速数据：
；
其中，为xi处垂线上最大流速偏离水面的距离，为垂直方向上的点位，为河道横断面垂线总数。
S3.4，迭代循环计算断面点流速；
更新最大流速的下移值，展开流场的迭代循环计算流程。每个循环过程得到一个熵参数，当计算熵函数的计算值和熵函数的实测值的差值符合如下公式，即完成计算过程，并输出此循环的断面点流速；
；
其中，Φ(Mp)是熵函数计算值，Φ(Mobs)是熵函数的实测值，ε表示差值，一般取0.01。
S34，根据断面点流速，利用二维反距离加权插值（IDW）算法，得到河道横断面的二维流速场数据。
其中，二维反距离加权插值算法为基于距离的倒数作为权重进行加权平均，从而求得未知点的值，二维反距离加权插值算法的具体过程为：
S1，确定待插值位置的坐标和范围,以及已知样点的坐标和数值。
S2，对于每个待插值位置，计算它与所有已知样点的距离，并将距离转化为权重。权重与距离的倒数成正比，并使用以下公式计算：
；
其中，ωi是第i个样点的权重，di是该样点与待插值位置的距离，p是一个可调参数，一般取值为2（欧几里得距离）或3（曼哈顿距离）。
S3，使用每个样点的权重对其函数值进行加权平均，得到插值结果：
；
其中，Z(x0)是待插值位置x0的估计值，Z(xi)是已知位置xi的观测值。
S104，根据河道横断面的二维流速场数据，确定水力复杂性指标；并根据水力复杂性指标，利用二维反距离加权插值算法，得到河道横断面的水力复杂性指标的二维分布场，并如图4-图6所示；所述水力复杂性指标包括：动能梯度参数和动能变化参数；
S104具体包括：
利用公式确定动能梯度参数M1；
利用公式确定动能变化参数M2；
其中，V1和 V2为相邻测点的流速，Δs 为测点间距，Vave为相邻点的平均流速，Vmin为相邻点中较小的流速值，V为流速，s为距离。
S105，根据河道横断面的水力复杂性指标的二维分布场对河流生态系统进行定量评估。
S105具体包括：
S51，根据河道横断面的水力复杂性指标的二维分布场确定每个测线的平均值；并根据测线的平均值确定水力复杂性指标的平面分布值；
S52，根据水力复杂性指标的平面分布值确定水力复杂性指标的阈值；
利用公式m=∑M1(xi,yi)/k确定测点（xi,yi）动能梯度参数M1的阈值m；
利用公式n=∑M2(xi,yi)/k确定测点（xi,yi）动能变化参数M2的阈值n；
其中，k为河道平面范围内计算测点的总数。
将河道横断面水力复杂性指标与水力复杂性指标的阈值进行比较，得到比较结果；
具体的，按照河道横断面水力复杂性指标（M1、M2）的相对大小将河流从平面上划分为几个子区域，其中，M1、M2对应超过m、n的区域分别分析为高阻力区域和能量密集型区域，综合评估河流水生生物栖息地。
S53，根据比较结果，确定河流生态系统的评估结果。
其中，M1较高的区域为高阻力区域，可能对弱游泳物种施加较大的运动限制，而对适应高阻力环境的嗜流性生物则更为适宜，对生物的能量消耗和生存策略有重要影响。
M2较高的区域通常是能量陷阱，这些区域通常是能量密集型栖息地，对滤食性大型无脊椎动物和幼鱼等生物具有重要意义。这些区域提供了丰富的食物资源和适宜的栖息环境，对生物的生存和繁殖具有重要影响。
本申请能够解决河流生态评估难度大、成本高、难以实时在线监测评估的问题。利用非接触式测量设备和内置的熵模型计算，可以实现对河流生物栖息地状态的实时在线评估；本申请基于河道的非接触式测量，具有自动化程度高，复杂环境适应性强，测量安全性高等优势，可保障在高洪水流量时期的测量工作，且避免对水文测量人员的安全隐患。同时还具有对水体环境低干扰等特点，能够在不接触水体的情况下，获取河流表面的流动数据，从而为河流生态系统的评估提供了更丰富、更高效的信息。本申请充分利用表面流速数据，不仅实现河道全断面的流速场重构，同时结合生态水力学，应用到水生态评估方向，对水生生物行为及其栖息地进行分析和评估。本申请适用性强，可适用于大型河流、中小型河流的不同河型，尤其是有效应对大型河流中开展实际测量困难和生态评估困难等的挑战。本申请可操作性强，既可编写成程序，具备可移植性和嵌套性，可通过熵模型算法，实现自动、快速的河道生态系统评估，为河流智能感知和流域综合检测提供技术支撑，为生物多样性保护提供支持，也助于提升河流精细管控能力和流域治理管理能力水平。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的基于水动力的河流生态评估方法的基于水动力的河流生态评估设备。该设备所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个基于水动力的河流生态评估设备实施例中的具体限定可以参见上文中对于基于水动力的河流生态评估方法的限定，在此不再赘述。
在一个示例性的实施例中，提供了一种基于水动力的河流生态评估设备包括：
数据获取模块，用于获取河道横断面的基本特征要素以及对应的历史流速数据；所述基本特征要素包括：通过在河道横断面按一定距离获取的河岸表面地形和水下地形的测量数据、测点坐标及对应的相对高程；所述历史流速数据包括：河道横断面的平均流速和最大流速；
实时数据获取模块，用于利用非接触式测量设备，获取河道横断面的表面流速以及对应的时序数据；所述非接触式测量设备包括：雷达测速仪器或大型粒子图像测速仪；
二维流速场数据确定模块，用于根据历史流速数据确定河道横断面的熵参数；并根据熵参数和表面流速对应的时序数据，基于熵模型和二维反距离加权插值算法，得到河道横断面的二维流速场数据；
水力复杂性指标确定模块，用于根据河道横断面的二维流速场数据，确定水力复杂性指标；并根据水力复杂性指标，利用二维反距离加权插值算法，得到河道横断面的水力复杂性指标的二维分布场；所述水力复杂性指标包括：动能梯度参数和动能变化参数；
评估模块，用于根据河道横断面的水力复杂性指标的二维分布场对河流生态系统进行定量评估。
在一示例性的实施例中，提供了一种计算机设备，该计算机设备可以是服务器或者终端。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O）和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于水动力的河流生态评估方法。
在一个示例性的实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个示例性的实施例中，提供了一种计算机可读存储介质，存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个示例性的实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是，本申请所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要符合相关规定。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（DynamicRandomAccess Memory，DRAM）等。
本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
本申请中，所有获取信号、信息或数据的动作，都是在遵照所在地国家相应的数据保护法规政策的前提下，并获得由相应装置所有者给予授权的前提下进行的。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种基于水动力的河流生态评估方法，其特征在于，所述基于水动力的河流生态评估方法包括：
获取河道横断面的基本特征要素以及对应的历史流速数据；所述基本特征要素包括：通过在河道横断面按一定距离获取的河岸表面地形和水下地形的测量数据、测点坐标及对应的相对高程；所述历史流速数据包括：河道横断面的平均流速和最大流速；
利用非接触式测量设备，获取河道横断面的表面流速以及对应的时序数据；所述非接触式测量设备包括：雷达测速仪器或大型粒子图像测速仪；
根据历史流速数据确定河道横断面的熵参数；并根据熵参数和表面流速对应的时序数据，基于熵模型和二维反距离加权插值算法，得到河道横断面的二维流速场数据；
根据河道横断面的二维流速场数据，确定水力复杂性指标；并根据水力复杂性指标，利用二维反距离加权插值算法，得到河道横断面的水力复杂性指标的二维分布场；所述水力复杂性指标包括：动能梯度参数和归一化能量变化率；
根据河道横断面的水力复杂性指标的二维分布场对河流生态系统进行定量评估。
2.根据权利要求1所述的基于水动力的河流生态评估方法，其特征在于，所述获取河道横断面的基本特征要素以及对应的历史流速数据，具体包括：
利用超声波测探仪或走航式多普勒剖面流速仪，在河道横断面上以设定距离进行水下地形的测量，获取水下地形的测量数据；
利用水准仪和测距仪，沿河道横断面方向，以相对高程零坐标点，测量两侧河岸相对高程和距离，至两岸固定立柱为止，得到河岸表面地形的测量数据；所述相对高程零坐标点为河道横断面一侧河岸的固定立柱；
利用相对高程零坐标点对相对高程进行换算，并根据水下地形的测量数据和河岸表面地形的测量数据确定河道横断面的三维断面地形以及地形测量点位；
根据河道横断面的三维断面地形以及地形测量点位，获取对应的历史流速数据。
3.根据权利要求1所述的基于水动力的河流生态评估方法，其特征在于，所述根据历史流速数据确定河道横断面的熵参数；并根据熵参数和表面流速对应的时序数据，基于熵模型和二维反距离加权IDW插值算法，得到河道横断面的二维流速场数据，具体包括：
利用公式确定熵函数；其中，为熵函数，M为熵参数，Um为河道横断面的平均流速，Umax为河道横断面的最大流速，e为自然对数；
根据熵函数确定河道横断面的熵参数；
根据河道横断面的熵参数和表面流速对应的时序数据，基于熵模型，确定河道横断面的断面点流速；
根据断面点流速，利用二维反距离加权插值算法，得到河道横断面的二维流速场数据。
4.根据权利要求1所述的基于水动力的河流生态评估方法，其特征在于，根据河道横断面的二维流速场数据，确定水力复杂性指标，具体包括：
利用公式确定动能梯度参数M1；
利用公式确定归一化能量变化率M2；
其中，V1和 V2为相邻测点的流速，Δs 为测点间距，Vave为相邻点的平均流速，Vmin为相邻点中较小的流速值。
5.根据权利要求1所述的基于水动力的河流生态评估方法，其特征在于，所述根据河道横断面的水力复杂性指标的二维分布场对河流生态系统进行定量评估，具体包括：
根据河道横断面的水力复杂性指标的二维分布场确定每个测线的平均值；并根据测线的平均值，利用二维反距离加权插值算法，得到水力复杂性指标的平面分布值；
根据水力复杂性指标平面分布值确定水力复杂性指标的平均值；
将河道横断面水力复杂性指标与水力复杂性指标的平均值进行比较，得到比较结果；
根据比较结果，确定河流生态系统的评估结果。
6.根据权利要求5所述的基于水动力的河流生态评估方法，其特征在于，所述根据水力复杂性指标平面分布值确定水力复杂性指标的平均值，具体包括：
利用公式m=∑M1(xi,yi)/k确定测点（xi,yi）动能梯度参数M1的平均值m；
利用公式n=∑M2(xi,yi)/k确定测点（xi,yi）归一化能量变化率M2的平均值n；
其中，k为河道平面范围内计算测点的总数。
7.一种基于水动力的河流生态评估设备，其特征在于，所述基于水动力的河流生态评估设备包括：
数据获取模块，用于获取河道横断面的基本特征要素以及对应的历史流速数据；所述基本特征要素包括：通过在河道横断面按一定距离获取的河岸表面地形和水下地形的测量数据、测点坐标及对应的相对高程；所述历史流速数据包括：河道横断面的平均流速和最大流速；
实时数据获取模块，用于利用非接触式测量设备，获取河道横断面的表面流速以及对应的时序数据；所述非接触式测量设备包括：雷达测速仪器或大型粒子图像测速仪；
二维流速场数据确定模块，用于根据历史流速数据确定河道横断面的熵参数；并根据熵参数和表面流速对应的时序数据，基于熵模型和二维反距离加权插值算法，得到河道横断面的二维流速场数据；
水力复杂性指标确定模块，用于根据河道横断面的二维流速场数据，确定水力复杂性指标；并根据水力复杂性指标，利用二维反距离加权插值算法，得到河道横断面的水力复杂性指标的二维分布场；所述水力复杂性指标包括：动能梯度参数和动能变化参数；
评估模块，用于根据河道横断面的水力复杂性指标的二维分布场对河流生态系统进行定量评估。
8.一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-6中任一项所述的基于水动力的河流生态评估方法。
9.一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，该计算机程序被处理器执行时实现权利要求1-6中任一项所述的基于水动力的河流生态评估方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-6中任一项所述的基于水动力的河流生态评估方法。
CN202511308648.XA 2025-09-15 2025-09-15 一种基于水动力的河流生态评估方法、设备、介质及产品 Active CN120806387B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202511308648.XA CN120806387B (zh) 2025-09-15 2025-09-15 一种基于水动力的河流生态评估方法、设备、介质及产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202511308648.XA CN120806387B (zh) 2025-09-15 2025-09-15 一种基于水动力的河流生态评估方法、设备、介质及产品

Publications (2)

Publication Number Publication Date
CN120806387A CN120806387A (zh) 2025-10-17
CN120806387B true CN120806387B (zh) 2025-11-21

Family

ID=97314567

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202511308648.XA Active CN120806387B (zh) 2025-09-15 2025-09-15 一种基于水动力的河流生态评估方法、设备、介质及产品

Country Status (1)

Country Link
CN (1) CN120806387B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113124941A (zh) * 2021-04-01 2021-07-16 长江水利委员会长江科学院 一种河道流量非接触式测量及精确计算方法
CN115496015A (zh) * 2022-11-18 2022-12-20 珠江水利委员会珠江水利科学研究院 一种基于流量梯度变化的水动力分析决策方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170277815A1 (en) * 2016-03-23 2017-09-28 River Analyzer Inc. d/b/a Fresh Water Map Granular river attributes and predictions using acoustic doppler current profiler data from river floats
CN113689473B (zh) * 2021-10-26 2022-01-04 武汉大学 基于变分原理的河道表面流速计算方法及装置
CN116362146B (zh) * 2023-02-01 2024-04-05 重庆交通大学 一种水动力联合计算模型构建方法、系统、设备及介质
CN116993030B (zh) * 2023-09-27 2023-12-08 长江水利委员会水文局 变化条件下水库压咸补淡调度方法及系统
CN117516487B (zh) * 2024-01-05 2024-03-22 长江水利委员会水文局长江中游水文水资源勘测局 一种中小河流视频流量测验方法
CN119886577B (zh) * 2025-03-25 2025-07-18 中国煤炭地质总局水文地质局 基于水文地质模型的地下水脆弱性评价方法及系统
CN120197283B (zh) * 2025-05-26 2025-08-05 长江水利委员会长江科学院 一种河道横断面流场重构方法、设备、介质及产品

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113124941A (zh) * 2021-04-01 2021-07-16 长江水利委员会长江科学院 一种河道流量非接触式测量及精确计算方法
CN115496015A (zh) * 2022-11-18 2022-12-20 珠江水利委员会珠江水利科学研究院 一种基于流量梯度变化的水动力分析决策方法

Also Published As

Publication number Publication date
CN120806387A (zh) 2025-10-17

Similar Documents

Publication Publication Date Title
Dey et al. Assessing the effect of different bathymetric models on hydraulic simulation of rivers in data sparse regions
Jowett et al. Effectiveness of 1D and 2D hydraulic models for instream habitat analysis in a braided river
Pasternack et al. Error propagation for velocity and shear stress prediction using 2D models for environmental management
Lu et al. Modeling chlorophyll-a concentrations using an artificial neural network for precisely eco-restoring lake basin
Kumar et al. Modeling stage–discharge–sediment using support vector machine and artificial neural network coupled with wavelet transform
Legleiter et al. Effects of uncertain topographic input data on two‐dimensional flow modeling in a gravel‐bed river
Goliatt et al. Estimation of natural streams longitudinal dispersion coefficient using hybrid evolutionary machine learning model
Florinsky Computation of the third‐order partial derivatives from a digital elevation model
CN114970315A (zh) 一种基于空间动力特征深度学习的城市积水模拟和快速预测方法
Nguyen et al. Impact of regression methods on improved effects of soil structure on soil water retention estimates
Shields Jr et al. River habitat quality from river velocities measured using acoustic Doppler current profiler
Das et al. Discharge estimation in converging and diverging compound open channels by using adaptive neuro-fuzzy inference system
Illian et al. Using INLA to fit a complex point process model with temporally varying effects-a case study
CN120146538A (zh) 一种渔业海钓资源评估方法、装置、电子设备及存储介质
CN119442390B (zh) 一种滑坡涌浪物理与数值混合模型构建方法、系统及应用
Ramos et al. Characterization of the scour cavity evolution around a complex bridge pier
Kumar et al. AI-driven predictions of geophysical river flows with vegetation
CN120197283B (zh) 一种河道横断面流场重构方法、设备、介质及产品
Mohinuddin et al. Assessing lake water quality during COVID-19 era using geospatial techniques and artificial neural network model
Cassan et al. ANDROMEDE—A software platform for optical surface velocity measurements
CN120806387B (zh) 一种基于水动力的河流生态评估方法、设备、介质及产品
Ma et al. A mesoscale eddy reconstruction method based on generative adversarial networks
Chabokpour Integrative multi-model analysis of river pollutant transport: advancing predictive capabilities through transient storage dynamics and fractional calculus approaches
Polnikov et al. Estimation of extreme wind speeds and wave heights along the regional waters of India
CN115345069A (zh) 一种基于最大水深记录和机器学习的湖泊水量估算方法

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