排序方式： 共有23条查询结果，搜索用时 15 毫秒
1.
分布式水文模型对流域水文过程的应用深度及广度不断加深,常与数值天气及气候预报相结合,面临巨大的计算量。近年来GPU技术的进步使普通电脑能够实现高效而又廉价的并行计算。提出了资料插值、单元产流以及单元汇流采用GPU并行计算,马斯京根法河道汇流采用一种非并行的递归方法。基于笔记本电脑和NVIDIA GPU/CUDA结合C#语言,由分布式新安江模型在沂河流域的模拟应用表明,降水量空间插值及新安江产流的并行执行效率为普通CPU上C#的8~9倍。使用直接递归法实现马斯京根汇流演算比以往采用汇流次序表的执行效率提升0.5~0.9倍。 相似文献
2.
3.
在比较分析了TIN的几种常见数据结构的基础上,针对TIN拓扑查询与搜索问题,提出了另外几种强调边拓扑信息的TIN数据结构,根据拓扑关系的表达方式可以将它们分为内存索引式结构、数组索引式结构及二者的混合结构,并给出了这些数据结构的多种序列化存储方式:数组索引直接存储、对象ID存储法、PythoncPickle存储、对象内存地址的存储法。研究比较发现数组索引直接存储的数据占用空间最少,对象ID存储法和对象内存地址存储法的二进制方式占用空间相同,Python cPickle只适合于极小规模的TIN数据的存储。对基于不同数据结构的TIN模型构网效率测试表明,不包含边信息的结构的构网效率最高,含有边信息的结构中采用数组索引表示拓扑关系的构网效率最高。研究结果将对TIN模型的软件实现具有理论及应用价值。 相似文献
4.
利用区域气候模式RIEMS产品分析日蒸散量及其影响 总被引：1，自引：0，他引：1
利用区域气候模式RIEMS输出的各种气象参数,采用了BEF等4种不同方法计算了沂沭河上游流域的潜在蒸散量,并与该流域6个气象站实测蒸发数据计算的陆面潜在蒸散量进行了比较。结果表明,根据平均偏差、平均绝对偏差、均方根差和相关系数指标的综合判断,该4种方法的估测精度从高到低依次为双线性曲面回归经验函数法(BEF)、Hargreaves-Samani(Harg)法、Pristley-Tayler(P-T)法和Penman-Monteith(P-M)法。在时间序列上,4种方法计算的逐日蒸散量与观测值呈相同的变化趋势,但计算值在蒸散发最强、最弱和降水最多、气温最高的7-9月有较大差异。BEF法估测的精度最高,与观测值最接近,Harg法、P-M法和P-T法都有明显的偏高现象。BEF法只需要较少的参数就能得到较高的估测精度,因此可作为利用区域气候模式RIEMS产品计算沂沭河流域蒸散量的首选方法,进而为RIEMS模式中耦合的陆面水文过程模型TOPX提供满足精度要求的日蒸散量驱动参数。 相似文献
5.
6.
利用2005年4次降雨过程的多普勒雷达体扫的回波强度资料及相应的雨量计观测资料, 通过BP神经网络方法来估测临沂地区的降雨量, 同时以改进的最佳窗概率配对法建立的Z-R关系估测的降雨量为对照, 进一步验证BP神经网络方法的优越性。根据各个站点的平均相对误差、 均方根差、 相关系数和相关曲线斜率4个指标的比较, 小时雨量和累计降雨量估测结果表明： BP神经网络估测精度要明显优于Z-R关系式, 训练样本的精度高于检验样本的精度, BP神经网络估测的降雨量与站点实测雨量吻合性较好, 能够较真实地反映地面降雨情况; Z-R关系式估测的降雨量随着雨强的不同表现为不同程度的低估现象。 相似文献
7.
一种非凸包边界约束不规则三角网生成算法 总被引：1，自引：0，他引：1
数字高程模型(DEM)模拟的大多数地形区域是多种类型区域镶嵌而成的复合体,且子区域的边界一般为非凸多边形,即三角网受到边界的约束。而目前已有的各种Delaunay三角网构网算法生成的不规则三角网的边界都是区域内采样点集的凸包,不能表达复合区域和边界为非凸多边形的区域。本文作者对三角网扩张法作了扩展,使之能够在任意多边形所包围的区域内生成不规则三角网。扩展后的算法具有步骤简单、适合任意多边形边界内生成不规则三角网的优点,而且该算法可用于"分块"式生成数据量较大的三角网,同时保证各"分块"之间完整的邻接关系。 相似文献
8.
针对地势平坦且空间范围较大的流域水系自动提取任务中,采用常规的洼地填充算法难以提取出完整水系,形成大量"断头河"的问题,提出了一种能够导出整个数字高程模型(DEM)所有像元被淹没的次序表的方法,由该次序表构成的矩阵代替原有DEM来实现流向的计算,进而提取出累积流向及分级河道。经用覆盖中心流域的高精度DEM以及覆盖黄河和长江等大型流域的DEM来测试,结果表明:用其他算法提取结果均发生了"断头河"错误,而该方法则能提取出完整的水系。这种方法能正确实施洼地填充和像元填平处理,可以适应于任意规模和精度的DEM填洼问题,具有较强的鲁棒性,克服了以往算法难以处理大河流域DEM洼地填充的不足。 相似文献
9.
基于广义线性模型和NCEP资料的降水随机发生器 总被引：2，自引：0，他引：2
天气发生器可以用来插补历史缺测气象数据或生成未来天气情境, 近年来被普遍应用于对气象变量的降尺度研究, 为陆面的水文、 生态模拟提供外强迫输入。广义线性模型 (GLM) 是近年来用于建立大尺度气象变量与地面气象因子之间的一种有效方法, 基于GLM的天气发生器具有一定的应用前景。本文以NCEP再分析资料中的单格点气温、 500 hPa位势高度、 位温、 相对湿度、 海平面气压等5个变量作为影响降水变化的大尺度因子建立模拟逐日降水量的广义线性模型。模型中对降水概率的描述采用Logistic模型模拟, 而对降水量则分别试用Gamma分布、 指数分布、 正态分布和对数正态分布来模拟, 试图比较和揭示这些基于不同理论分布的模型的能力。模型中待定参数的估计及对研究区逐日降水量的模拟采用了完全相同的实测逐日降水数据和同期NCEP再分析资料。参数的最大似然估计用遗传算法来实现, 对山东省临沂地区10个主要气象观测站降水资料的研究表明, Gamma分布模型的拟合效果最好, 对数正态分布次之, 指数分布再次, 正态分布最差; 参数估计分月获取的拟合效果略好于不分月的。模型逐日降水模拟表明, 对降水发生概率的模拟会低估各月的多年平均值, 基于指数分布的GLM会低估各月总降水量期望 (为月内每日降水量期望之和) 的多年平均值, 而基于对数正态分布的GLM则会在降水量较大时产生高估现象。由对应的天气发生器模型生成的随机模拟降水序列表明, 基于对数正态分布的模型会高估月降水量较大时的多年平均, 而基于指数分布及Gamma分布的模型则模拟效果较好。总体上看, 这种基于NCEP再分析资料和GLM的天气发生器对降水变率具有很强的解释和模拟能力。 相似文献
10.