首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到18条相似文献,搜索用时 140 毫秒
1.
栅格新安江模型在天津于桥水库流域上游的应用   总被引:3,自引:1,他引:2  
栅格新安江模型是在概念性新安江模型的理论基础上,以栅格为计算单元,结合地形地貌和下垫面特性构建出来的水文模型.在于桥水库流域上游的水平口流域应用栅格新安江模型,研究该地区洪水要素的空间变化以及洪水形成过程,讨论洪水模拟效果来验证模型在半湿润地区的适用性.选取水平口流域1978-2012年的洪水进行模型计算,模拟结果较好地反映了流域产流面积的时空变化,且均达到乙级以上精度.初步表明栅格新安江模型在半湿润地区有较好的适用性.  相似文献   

2.
太湖水体叶绿素浓度反演模型适宜性分析   总被引:2,自引:0,他引:2  
为确定适合太湖水体叶绿素的反演算法,为同类卫星数据的建模和应用提供参考,本文根据太湖2007年11月、2009年4月和2011年8月实测水质参数以及同步光谱数据,结合水色遥感传感器MODIS、MERIS、GOCI及我国自主发射的HJ-1号卫星CCD传感器波段参数,基于差值模型、比值模型、三波段模型及APPEL模型,分别建立太湖水体叶绿素浓度反演模型,并分析模型的适宜性.结果显示,基于不同传感器数据APPEL模型的决定系数为0.7308~0.8107,模型相对误差为15%~24%,均方根误差为21%~32%;三波段模型基于不同传感器数据拟合的决定系数为0.6014~0.7610,相对误差为28%~36%,相对均方根误差为39%~46%;差值模型决定系数为0.4954~0.7244,相对误差为39%~53%,相对均方根误差为51%~72%;比值模型决定系数为0.4918~0.7098,相对误差为41%~55%,相对均方根误差为56%~75%.相比较而言,APPEL模型的稳定性较强,适合于不同传感器数据的太湖水体叶绿素浓度的反演.此外,相应不同传感器波段位置、波段宽度对模型反演的精度和稳定性的影响也不同,当波段位置接近叶绿素特征波长时,较窄的波宽有利于模型精度的提高,波段位置和叶绿素浓度特征波长相差较大时,合理增加波谱范围有利于叶绿素特征信息的获取.  相似文献   

3.
应用新安江-海河模型研究下垫面变化对设计洪水的影响   总被引:1,自引:1,他引:0  
钟栗  姚成  李致家  黄鹏年 《湖泊科学》2015,27(5):975-982
为了探明流域产汇流参数变化特征及其演变机理,分析流域下垫面条件变化对设计洪水的影响.通过新安江海河模型研究卫河流域代表区下垫面变化情况,采用综合线性权重法对元村集站设计洪水资料系列进行一致性修正.结果表明:自由水蓄水容量、河网水流退水系数、地表填洼蓄水能力和地下水库出流初始水深这4个参数在1980年后都变大,可见代表区下垫面1980年前、后发生了明显的变化,导致流域内径流量大幅减少;合河—新村—五陵区间在1980年前15场洪水和1980年后32场洪水的预报径流深合格率都超过80%,达到乙等精度;元村集站最大5日洪量修正后比修正前平均减小27.1%;最大15日洪量修正后比修正前平均减小25.4%;最大30日洪量修正后比修正前平均减小23.0%.本研究可为水利工程的建设规模的确定提供科学依据,保障地区的防洪安全,满足人民生活和生产用水需求.  相似文献   

4.
在半湿润半干旱地区,下垫面条件复杂,产流机制混合多变,而现有的水文模型由于其固定的结构和模式,无法灵活地模拟不同下垫面特征的洪水过程.本文利用CN-地形指数法将流域划分为超渗主导子流域和蓄满主导子流域.将新安江模型(XAJ)、新安江-Green-Ampt模型(XAJG)和Green-Ampt模型(GA)相结合,在子流域分类的基础上构建空间组合模型(SCMs),并在半湿润的东湾流域和半干旱的志丹流域进行检验.结果表明:东湾流域的参数由水文模型来主导;而志丹流域的参数受主导径流影响很大.在东湾流域,偏蓄满的模型模拟结果优于偏超渗的模型,且SCM2模型(XAJ和XAJG的组合模型)的模拟效果最好(径流深合格率为75%,洪峰合格率75%);而SCM5模型(GA和XAJG的组合模型)在以超渗产流为主的志丹流域模拟最好(径流深合格率53.3%,洪峰合格率53.3%).在半干旱半湿润流域,SCMs模型结构灵活,在地形和土壤数据的驱动下,具有更合理的模型结构和参数,模拟精度较高,适应性较强.  相似文献   

5.
SWAT模型在斯里兰卡河流径流预测中的运用   总被引:1,自引:0,他引:1  
本文运用SWAT模型和新安江模型对斯里兰卡卡鲁河流域上游地区日径流进行了预测.卡鲁河是斯里兰卡的第二大河,由于流域的降雨量很大,上游地区河流沿峡谷流下,中下游平原地区河床平坦.卡鲁河流域的洪水变的很正常.应用SWAT模型来对卡鲁河的日径流量进行预测,并同应用新安江模型所得到的结果做对比.研究表明,新安江模型要比SWAT (分布式水文模型)模型在卡鲁河日径流量预测上稍微好一些.实际上,或许数据质量不高或不恰当是部分原因,因为SWAT的输出成果严格取决于其输入的数据质量.此外,在斯里兰卡,许多人的日常用水是靠井水.当把流域看作一个整体,通常都是一个很大的范围,那样的话就不可能详尽的记录所有各个小规模的水利用,例如:小灌溉、小规模的家畜管理和工业水利用.这些水利用累积起来或许就很可观.这些数据的缺失对分布式水文模型在水平衡的应用有着独特的影响.但是概念水文模型(如新安江模型)可以根据实际情况在校正中调节它的参数,因为这些参数并没有实质的物理含义.因此,在流域特征和模型输入数据有限或不完整的情况下,概念水文模型比分布式水文模型更具优势.  相似文献   

6.
针对现有的河道水流洪水演算模型只能模拟单一变量(流量或水位)的问题,以水流连续方程和河段蓄水量的两种不同表达形式(蓄水量等于平均过水断面面积与河段长乘积,蓄水量等于河段平均流量与传播时间的乘积)为基础,对马斯京根模型进行了通用性改进,提出了双变量耦合通用演算模型.选取了四大水系(包括内陆河流和入海河流)的16个河段汛期洪水资料进行模型检验,模型验证考虑了地理范围、不同的河段特征和水力特征、洪水量级等因素,全面地检验了模型结构的合理性和模拟实际洪水的有效性.将双变量耦合通用演算模型与传统的马斯京根法进行了效果比较,结果表明双变量耦合通用演算模型的模拟精度高于马斯京根法,模拟效果比马斯京根法稳定一些,而且具有较好的通用性.  相似文献   

7.
通过利用实时水文观测数据对洪水预报模型进行校正,可增加流域洪水预报的实时性和精确度.本文讨论了水文模型状态变量选取对滤波效果的影响,并给出了状态变量选取原则.在集总式新安江模型的基础上,结合状态变量选取原则,应用无迹卡尔曼滤波技术构建了新安江模型的实时校正方法.方法应用于闽江邵武流域洪水预报的计算结果表明,采用无迹卡尔曼滤波方法后,不仅能够直接校正模型状态,同时也能有效地提高模型预报精度,适合应用于实际流域洪水预报作业中.  相似文献   

8.
以太湖上游西苕溪流域为研究对象,通过分布式水文模型HEC-HMS模拟次降雨洪水过程:采用可视化数据存储系统HEC-DSS建立水文气象数据库,利用Geodatabase地理数据库技术集成流域自然属性数据库,通过距离平方倒数法对雨量数据进行空间插值,SCS曲线数法计算水文损失,运动波法计算直接径流与河道洪水演进,选用基流指数退水法模拟流域基流,并对模型中水库模拟部分进行适当修正.经模型校验,模拟结果表明,计算流量与观测流量拟合较好,效率系数大于0.8,洪峰流量误差低于4%,峰现时间误差低于2 h,该模型在土地利用变化对洪水水文要素的影响研究方面有较好的应用前景.  相似文献   

9.
受地形地貌和水文气象条件的影响,山洪过程呈现显著的时空分异性,准确识别和模拟代表性洪水过程类型对山洪灾害防治具有重要意义.以3个洪峰特性指标(洪峰模数、峰现时间和洪水时间尺度)和3个洪水动力学特性指标(涨洪速率、落洪速率和变差系数)刻画山洪行为过程,采用主成分分析、动态K均值聚类、相似性检验和流域水文模拟(HEC和新安江模型)相结合,识别和模拟了典型山洪类型及其行为特征指标,并以全国不同类型区8个流域177场次小时洪水事件进行实例应用.结果表明:所有洪水事件共划分为3种类型,即低强度流量、峰现早、形态尖瘦的洪水类型(类型1),低强度流量、峰现晚、形态矮胖的洪水类型(类型2)和高强度流量、峰现晚的洪水类型(类型3).山洪类型与流域森林覆盖率、流域面积、最大雨强出现时间、最大雨强、降雨量集中度等影响因子具有高度一致性. HEC和新安江模型模拟效果基本一致,对于类型1~3的洪水事件,径流深平均相对误差分别为23.25~27.98%、11.95~18.19%和8.30~18.25%,平均Nash-Sutcliffe效率系数分别为0.39~0.54、0.76~0.85和0.86~0.91;类型1~3的所有行为特征指标平均相对均方根误差(RMSEr)分别为0.37~0.69、0.37~0.41和0.18~0.25,平均相关系数(r)分别为0.52~0.68、0.78~0.85和0.88~0.94;类型2和3的洪水洪峰特性指标模拟效果最好, RMSEr和r分别为0.18~0.28和0.86~0.91;类型3的洪水动力学特性指标模拟效果最好, RMSEr和r分别为0.19~0.21和0.91~0.97.研究结果为流域洪水管理提供了详细的洪水信息支持,也从洪水行为过程的视角为中小流域暴雨洪水模拟提供新的思路.  相似文献   

10.
20 cm蒸发皿蒸发量的数学物理模型研究   总被引:3,自引:0,他引:3       下载免费PDF全文
本文以能量守恒原理和边界层梯度输送理论为基础,应用Monin-Obukhov相似函数计算蒸发皿水面感、潜热通量,参数化蒸发皿侧壁热传输能量,建立了一个单层的20 cm蒸发皿蒸发模型.之后利用"古浪非均匀近地层观测试验"中连续14天观测的每小时20 cm蒸发皿数据对所建模型进行检验.研究分析结果表明:模型能够很好地反映蒸发皿水面与地表之间所形成的非均匀性,合理地概括蒸发皿与周围环境之间的相互作用和蒸发皿蒸发的物理过程.另外,模型成功模拟了蒸发皿蒸发的日变化过程,模拟的日蒸发量均方根误差(RMSE)和平均相对误差(MRER)分别为0.44 mm·d-1和3.7%,日蒸发量观测值与模拟值的相关系数为0.998.  相似文献   

11.
Lu Zhuo  Dawei Han 《水文研究》2016,30(10):1637-1648
Soil moisture is a significant state variable in flood forecasting. Nowadays more and more satellite soil moisture products are available, yet their usage in the operational hydrology is still limited. This is because the soil moisture state variables in most operational hydrological models (mostly conceptual models) are over‐simplified—resulting in poor compatibility with the satellite soil moisture observations. A case study is provided to discuss this in more detail, with the adoption of the XAJ model and the Soil Moisture and Ocean Salinity (SMOS) level‐3 soil moisture observation to illustrate the relevant issues. It is found that there are three distinct deficiencies existed in the XAJ model that could cause the mismatch issues with the SMOS soil moisture observation: (i) it is based on runoff generation via the field capacity excess mechanism (interestingly, such a runoff mechanism is called the saturation excess in XAJ while in fact it is clearly a misnomer); (ii) evaporation occurs at the potential rate in its upper soil layer until the water storage in the upper layer is exhausted, and then the evapotranspiration process from the lower layers will commence – leading to an abrupt soil water depletion in the upper soil layer; (iii) it uses the multi‐bucket concept at each soil layer – hence the model has varied soil layers. Therefore, it is a huge challenge to make an operational hydrological model compatible with the satellite soil moisture data. The paper argues that this is possible and some new ideas have been explored and discussed. Copyright © 2016 John Wiley & Sons, Ltd.  相似文献   

12.
为考虑洪水预报误差的空间变化,提出一种基于微分响应的流域产流分单元修正方法.该方法建立了各单元流域产流与流域出口流量之间的微分响应关系,采用正则化最小二乘法结合逐步迫近进行反演求解,将产流误差估计量分配给相应单元流域实现流域产流分单元修正.将构建的方法应用于大坡岭流域和七里街流域进行新安江模型产流修正,比较分析了流域产流分单元修正、流域面平均产流修正和自回归修正的效果.结果表明:流域产流分单元修正效果优于流域面平均产流修正;随着预见期的增大,产流微分响应修正效果优于自回归修正.该方法通过汇流系统将流域出口断面流量信息进行分解用于修正各单元流域产流,有利于提高实时洪水预报精度.  相似文献   

13.
司伟  包为民  瞿思敏  石朋 《湖泊科学》2018,30(2):533-541
空间集总式水文模型的洪水预报精度会受到面平均雨量估计误差的严重影响.点雨量监测值的误差类型、误差大小以及流域的雨量站点密度和站点的空间分布都会影响到面平均雨量的计算.为提高实时洪水预报精度,本文提出了一种基于降雨系统响应曲线洪水预报误差修正方法.通过此方法估计降雨输入项的误差,从而提高洪水预报精度.此方法将水文模型做为输入和输出之间的响应系统,用实测流量和计算流量之间的差值做为信息,通过降雨系统响应曲线,使用最小二乘估计原理,对面平均雨量进行修正,再用修正后的面平均雨量重新计算出流过程.将此修正方法结合新安江模型使用理想案例进行检验,并应用于王家坝流域的16场历史洪水以及此流域不同雨量站密度的情况下,结果证明均有明显修正效果,且在雨量站密度较低时修正效果更加明显.该方法是一种结构简单且不增加模型参数和复杂度的实时洪水修正的新方法.  相似文献   

14.
Abstract

The problem of selecting appropriate objective functions for the identification of a lumped conceptual rainfall–runoff model is investigated, focusing on the value of the model in an operational setting. A probability-distributed soil moisture model is coupled with a linear parallel routing scheme, and conditioned on rainfall–runoff observations from three catchments in the southeast of England. Using an abstraction control problem, which requires accurate simulation of the intermediate flow range, it is shown that using the traditional RMSE fit criterion, produces operationally sub-optimal predictions. This is true in the identification period, when applied to a testing period, and to proxy catchment data. Using a second case study of the Leaf River in Mississippi (USA), where the focus changes to predicting flood peaks over a specified threshold, also suggests that the relevant flood threshold should govern the objective function choice. It is concluded that, due to limitations in the structure of the employed model, it would be counter-productive to try to achieve a good all-round representation of the rainfall–runoff processes, and that a more empirical approach to identification may be preferred for specific forecasting problems. This leaves us with the question of how far hydrological realism should be sacrificed in favour of purpose-driven objective functions.  相似文献   

15.
The Xinanjiang model, which is a conceptual rainfall‐runoff model and has been successfully and widely applied in humid and semi‐humid regions in China, is coupled by the physically based kinematic wave method based on a digital drainage network. The kinematic wave Xinanjiang model (KWXAJ) uses topography and land use data to simulate runoff and overland flow routing. For the modelling, the catchment is subdivided into numerous hillslopes and consists of a raster grid of flow vectors that define the water flow directions. The Xinanjiang model simulates the runoff yield in each grid cell, and the kinematic wave approach is then applied to a ranked raster network. The grid‐based rainfall‐runoff model was applied to simulate basin‐scale water discharge from an 805‐km2 catchment of the Huaihe River, China. Rainfall and discharge records were available for the years 1984, 1985, 1987, 1998 and 1999. Eight flood events were used to calibrate the model's parameters and three other flood events were used to validate the grid‐based rainfall‐runoff model. A Manning's roughness via a linear flood depth relationship was suggested in this paper for improving flood forecasting. The calibration and validation results show that this model works well. A sensitivity analysis was further performed to evaluate the variation of topography (hillslopes) and land use parameters on catchment discharge. Copyright © 2009 John Wiley & Sons, Ltd.  相似文献   

16.
针对降雨输入不确定性对实时洪水预报影响的问题,本文采用不考虑未来预报降雨、考虑未来预报降雨、考虑预报降雨的降雨量误差和降雨时间误差4种方法,以陕西省两个半湿润流域(陈河流域和大河坝流域)为研究区域,分析不同预见期和不同降雨输入情况下洪水预报的精度.研究表明:相对于不考虑未来降雨情况,考虑未来降雨后在预报预见期较长时对预报结果精度提升较大,在预见期较短时对预报结果精度提升不显著;暴雨中心位置不同对预报精度影响也不同,当暴雨中心位于流域下游时降雨量误差对流量预报误差影响更大;降雨量误差主要影响洪量相对误差和洪峰相对误差,且这种影响是线性的,对确定性系数的影响是非线性的二次函数,降雨时间误差主要影响峰现时间误差.  相似文献   

17.
洪涝灾害是世界主要自然灾害之一,优化洪水预报方案对防洪决策至关重要,然而传统水文模型存在参数多、调参受人为因素影响,泛化能力弱等问题。针对上述问题,本文提出基于改进的鲸鱼优化算法和长短期记忆网络构建自动优化参数的WOA-LSTM模型,通过优化神经网络结构进一步增强该模型的稳定性和精确度,并且建立不同预见期下的洪水预报模型来分析讨论神经网络结构与预报期之间的关系。以横锦水库流域1986—1997年洪水资料为例,其中以流域7个雨量站点的降雨以及横锦站水文资料为输入,不同预见期下洪水过程作为输出,以1986—1993年作为模型的率定期,1994—1997年作为模型的检验期,研究结果表明:(1)以峰现时差、确定性系数、径流深误差和洪峰流量误差作为评价指标,相比较于LSTM模型和新安江模型对检验期的模拟结果表明WOA-LSTM模型拥有更高的精度、预报结果更稳定;(2)结合置换特征值和SHAP法分析模型特征值重要性,增强了神经网络模型的可解释性;(3)通过改变神经网络结构在一定程度避免由于预见期增加和数据关联性下降而导致的模型预报精度下降的问题,最终实验表明该模型在预见期1~6 h下都可以满足横锦水库的洪水预报要求,可以为当地的防洪决策提供依据。  相似文献   

18.
Palaeoflood reconstructions based on stage evidence are typically conducted in data‐poor field settings. Few opportunities exist to calibrate the hydraulic models used to estimate discharge from this evidence. Consequently, an important hydraulic model parameter, the roughness coefficient (e.g. Manning's n), is typically estimated by a range of approximate techniques, such as ‘visual estimation’ and semi‐empirical equations. These techniques contribute uncertainty to resulting discharge estimates, especially where the study reach exhibits sensitivity in the discharge–Manning's n relation. We study this uncertainty within a hydraulic model for a large flood of known discharge on the Mae Chaem River, northern Thailand. Comparison of the ‘calibrated’ Manning's n with that obtained from semi‐empirical equations indicates that these underestimate roughness. Substantial roughness elements in the extra‐channel zone, inundated during large events, contribute significant additional sources of flow resistance that are captured neither by the semi‐empirical equations, nor by existing models predicting stage–roughness variations. This bedrock channel exhibits a complex discharge–Manning's n relation, and reliable estimates of the former are dependent upon realistic assignment of the latter. Our study demonstrates that a large recent flood can provide a valuable opportunity to constrain this parameter, and this is illustrated when we model a palaeoflood event in the same reach, and subsequently examine the magnitude–return period consequences of discharge uncertainty within a flood frequency analysis, which contributes its own source of uncertainty. Copyright © 2005 John Wiley & Sons, Ltd.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号