DEM与分布式水文模型中的耦合研究

合集下载

[DEM与分布式水文模型中的耦合研究(张东方胡昆)]分布式水文模型有哪些

[DEM与分布式水文模型中的耦合研究（张东方胡昆）]分布式水文模型有哪些摘要：以自然物理机制为基础的分布式流域水文模型，是当今水文界研究的热点之一。

介绍了基于GIS的数字高程模型DEM(DigitalElevationMode1)模块在分布式水文模型中的应用(产生流向、划分子流域、河网分级等)、数字化地理信息数据获得方法、分布式水文模型的结构及其成功应用的实例。

关键词：物理机制；DEM；水动力学；河网分级；分布式水文模型数字高程模型DEM(DigitalElevationModel)由美国麻省理工学院ChairesL．Miller教授1956年提出。

其实质是在满足一定精度条件下．对摄影测量或其他技术手段获得的地形高程数据．用离散数学的形式进行表示，经过计算、处理提取数字化流域水系。

分布式水文模型子流域划分的依据即流域下垫面各点数值高程。

故DEM是建立分布式水文模型的基础。

地理信息系统(GIS)是一个集数据采集、存储、分析和显示具有空间位置信息的系统，具有编辑、显示空间型和非空间型的地理数据以及将地图上的模拟信息转换为数字信息的功能。

因此，它成为分布式水文模型建模中地理信息提取的有力工具。

在此即是用GIS提取的流域水系。

正是由于GIS具有将地学空间数据处理与计算机技术相结合、经过建模分析提取空间地理数字化信息这一特性．故成为以水文循环物理机理为基础的分布式水文模型研究的切入点。

1DEM在分布式水文模型中的应用ARC／INFO平台是国外著名的GIS软件．功能非常强大。

我们利用ARC／INFO能够产生水流流向、坡度、填洼、子流域划分、水流累计面积计算、河网分级．生成河道汇流顺序等。

ARC／INFO平台中提取地理信息过程。

如图1所示。

1．1提取DEM地理信息数据ARCflNFO平台中将asc码数据文件按所需网格大小转化为栅格文件，为提取地理信息做准备。

数字高程立体网格。

如图2所示。

1．2生成流向(Flowdirection)水流方向是指水流离开网格时的指向。

分布式水文模型word

第六章分布式水文循环模型近年来，水文模型研究的重点已从集总式流域水文统计模型转向分布式水文模型的研究，分布式水文机理过程模型的开发成为人们关注的焦点。

分布式水文模型的研制首先需要获得大量的流域空间分布数据，目前的水文模拟技术则趋向于将水文模型与地理信息系统（GIS）的集成，以便充分利用GIS在数据管理、空间分析及可视性方面的功能。

而数字高程模型（DEM）是构成GIS的基础数据，利用DEM可以提取流域的许多重要水文特征参数，如坡度、坡向、水沙运移方向、汇流网络、流域界线等。

因此，基于DEM 的流域分布式水文模型是水文模拟技术发展的必然趋势，也是本文水资源量可再生性的理论与评价研究的重要基础。

6.1 流域数字高程模型DEM及在水文中的应用数字高程模型DEM(Digital Elevation Model)是由美国麻省理工学院Chaires ler教授于1956年提出来的，其目的是用摄影测量或其他技术手段获得地形数据，在满足一定精度的条件下，用离散数字的形式在计算机中进行表示，并用数字计算的方式进行各种分析。

DEM作为地理信息系统的基础数据，已在测绘、地质、土木工程、水利、建筑等许多领域得到广泛应用。

本节将介绍DEM的基本知识及其在水文中的应用。

6.1.1 DEM的基本知识(1) 地形的数字描述20世纪中叶，随着计算机科学、现代数学和计算机图形学等的发展，各种数字的地形表达方式得到迅猛的发展。

1958年Miller和Laflamme提出了数字地形模型DTM(Digital Terrain Mold)的概念，并给出了以下的定义：数字地形模型是利用一个任意坐标场中大量选择的已知X、Y、Z的坐标点对连续地面的一个简单的统计表示。

实际上，数字地形模型DTM是通过地表点集的空间直角坐标(x,y,z)并视需要进一步伴随若干专题特征数据来表示地形表面的。

它的更通用的定义是描述地球表面形态多种信息空间分布的有序数值阵列，从数学的角度，可以用以下二维函数系列来概括地表示数字地形模型的丰富内容和多样形式：()),,3,2,1;,,3,2,1( ,n p m k v u f K p p k p === （6.1.1）式中：K p ——第p 号地面点（可以是单一的点，但一般是某点及其微小邻域所划定的一个地表面元）上的第人类地面特性信息的取值；u p ,v p ——第p 号地面点的二维坐标，可以是采用任一地图投影的平面坐标，或者是经纬度和矩阵的行列号等；m ——地面特性信息类型的数目（m ≥1）；n ——地面点的个数。

基于DEM的分布式水文模型在大尺度流域应用研究

收稿日期:2003-06;修订日期:2003-08 基金项目:国家重点基础发展规划项目[黄河流域水资源演化与可再生性维持机理,编号:G 1999043601(973)]资助作者简介:刘昌明(1934-),男,湖南人,中国科学院院士,北京师范大学资环学院院长。

从事水文水资源理论和方法研究。

文章编号:1007-6301(2003)05-0437-09基于DEM 的分布式水文模型在大尺度流域应用研究刘昌明1,2,李道峰1,田　英3,郝芳华1,杨桂莲1(1.北京师范大学环境科学研究所,水环境模拟国家重点实验室,水沙科学教育部重点实验室,北京100875;2.中国科学院地理科学与资源研究所,北京100010;3.Department of Civil Engineering Th e University of Hong Kong,Hong Kong )摘　要:本文选取空间大尺度黄河河源区流域为研究对象,利用分布式水文模型进行径流量模拟,采用1976～1985年唐乃亥水文站逐年、月实测径流资料进行参数率定,确定模型的基本参数,得到了较好的模拟效果。

模拟结果表明气候变化是引起黄河河源区径流变化的主要原因。

在80～90年代的20年间,黄河河源区由气候变化引起径流减少62.11亿m 3,占径流变化总量的108.72%,由土地覆被变化引起径流增加5.73亿m 3,增加量占径流变化总量的10.03%。

关　键　词:分布式水文模型;黄河河源区;D EM ;SW A T 模型中图分类号:P 344;N 941集总式水文模型与分布式水文模型不同,是把整个流域看成一个整体,不考虑影响水文过程的气候和下垫面条件空间差异,流域参数取其平均值,只代表了流域的平均自然状况,没有考虑流域内部差异。

因此,集总式水文模型在模拟空间大尺度和时间长序列的水文过程就显得精度不够。

为提高水文模拟精度,降低空间差异的影响,笔者采用划分子流域方法对空间大尺度的流域进行分布式模拟。

分布式水文模型发展趋势

分布式水文模型发展趋势随着大数据和云计算技术的快速发展，分布式水文模型在水文学领域的应用越来越广泛。

分布式水文模型是指将流域划分为多个子流域，每个子流域都有独立的水文过程，并通过网络连接各个子流域进行模拟和分析的模型。

它具有高效、可扩展性强、计算速度快的优点，逐渐取代了传统的集中式水文模型。

分布式水文模型在数据获取方面有了重要的突破。

过去，水文数据的获取和处理非常困难，限制了水文模型的发展。

而现在，分布式水文模型可以利用互联网和地理信息系统（GIS）等技术，实现对水文数据的自动化获取和处理。

这使得水文模型的建立更加准确和可靠。

分布式水文模型在模型参数估计方面有了显著的进展。

过去，水文模型的参数估计需要大量的人工调试和试错，效率低下且结果不稳定。

而现在，分布式水文模型可以通过机器学习和优化算法等技术，自动化地对模型参数进行估计和优化，大大提高了模型的准确性和可靠性。

分布式水文模型在并行计算方面也取得了重要的突破。

过去，水文模型的计算速度较慢，限制了模型的实时性和应用范围。

而现在，分布式水文模型可以利用并行计算和分布式计算等技术，将模型的计算任务分配给多个计算节点进行并行计算，大大提高了计算速度和效率。

分布式水文模型在模型耦合和数据共享方面也有了重要的进展。

过去，水文模型往往是独立开发和应用的，缺乏模型之间的耦合和数据的共享。

而现在，分布式水文模型可以通过标准化的数据格式和接口，实现不同模型之间的耦合和数据的共享，促进水文模型的综合应用和集成分析。

分布式水文模型在不确定性分析和预测方面也有了重要的突破。

过去，水文模型的不确定性分析和预测往往基于单一模型和确定性假设，结果不准确且缺乏可靠性。

而现在，分布式水文模型可以通过蒙特卡洛模拟和集合预测等技术，对不确定性进行多样化和全面化的分析和预测，提高了模型的可靠性和应用范围。

分布式水文模型在数据获取、模型参数估计、并行计算、模型耦合和数据共享、不确定性分析和预测等方面取得了重要的进展。

DEM分辨率对分布式水文模拟的影响

DEM分辨率对分布式水文模拟的影响姚成李致家章玉霞摘要: 以数字高程模型为基础，采用栅格型新安江模型进行不同分辨率情况下的洪水模拟，分析了分辨率对分布式水文模拟的影响。

研究结果表明: 数字高程模型分辨率越高，流域数字化的精度相对越高，但模型的模拟结果并不一定越好; 针对不同分辨率的数字高程模型，在重新率定汇流参数的情况下，栅格型新安江模型的模拟精度相当，均能取得较好的应用效果; 对于中尺度流域而言，采用30″分辨率的数字高程模型不仅能够提高模型的运行时效，也能取得较高的模拟精度。

关键词: 数字高程模型; 栅格型新安江模型; 水文模拟; 分辨率; 参数估计中图分类号: P333．2 文献标志码: A 文章编号: 1006-7647(2013) 05-0011-04Effects of DEM resolution on distributed hydrologic simulation/ /YAO Cheng，LI Zhijia，ZHANG YuxiaAbstract: Based on the digital elevation model (DEM) ，the Grid-ng model was employed to simulate flood events at different DEM resolutions to assess the effects of resolution on distributed hydrologic simulations．The results indicate that the simulated results may not be improved by using higher resolution DEM data while the accuracy of the watershed delineation can be enhanced．The Grid-Xin’anjiang model is able to produce comparable and promising results for different DEM resolutions with a recalibration of the routing parameters．For medium-sized watersheds，improved computational efficiency and simulation accuracy can be achieved by using the 30 arc-second DEM．Key words: digital elevation model; grid-simulation; resolution; parameter estimation流域水文模型作为一种模拟流域内复杂水文现象的重要工具，一直是水文学研究的热点课题之一。

基于DEM的分布式流域水文物理模型

1. 1 植物截留
其中 :
EOT = 0 . 258cosΓ - 7 . 416sinΓ -
3 . 648cos ( 2Γ) - 9 . 228sin ( 2Γ)
Γ=
360 ( D - 1) 365 . 242
以上当地标准时间从半夜开始 , Ls 为地理标准纬度 , Le 为当地纬度 . 在有云的情况下 , 到达地面的太阳辐射明显减少 ,辐射通量每时每刻都在不规则地变化 . 植被覆盖的地表反射也将削弱净太阳辐射 . 这种反射能力也叫 ( 地表 ) 反射率 . 考虑到云量和地表反射率对辐射的影响 ,晴天的太阳净辐射可表示为 :
I dn = A ・ exp ( - B / cosθ z) I dn = 0
VCF ( t ) ] ・
若 cosθ z > 0 ( 5) 若 cosθ z < 0
式中 : ET 为实际的蒸散发率 ,m/ s ; k1 为植被的蒸散发校正系数 ; k2 为裸土蒸发校正系数 ;θ为土壤含水量 ;ξ为土壤的孔隙率 ;ρ为水的密度 ,ρ = 1 000 kg/ m3 ; λ为水汽化潜热 ,kJ / kg ,是温度的函数 : λ = 2501 - 2 . 3601 ・T
决定植被覆盖流域地表蒸散发 ET 的因素很多 ,主要有太阳辐射 , 日云量 , 反射率 , 植物叶面指数 ,可供土壤水 ,大气温度 . 本模型采用下列公式来估算晴天地表水平获得的太阳能量[5 ] : θ R so = R so (d) + R so (s) = cos z I dn + C ・I dn ( 4)
实际蒸散发 ET 首先从植物截留雨量 IA 开始 , 若
ET > IA , 则剩余量 ET - IA 将从地面径流和土壤

流域分布式水文模拟中的模型网格尺度效应

流域分布式水文模拟中的模型网格尺度效应罗智锋;王文;陈喜【摘要】分布式水文模型建模过程中,DEM网格大小选择非常重要.以美国伊利诺伊河流域为例,分析了DHSVM模型DEM在多尺度下(100 m×100 m、200m×200 m和500 m×500 m)的洪峰、洪量、地表、地下径流等水文要素和参数敏感性的响应.结果发现,网格大小对汇流影响较大,网格划分越大,洪峰流量增加,峰现时间提前,地表径流占总径流比例越大,网格水量滞蓄作用越大.研究还发现,模型参数在不同尺度下的敏感性也不相同,其中侧向传导率的参数尺度效应较大.为了得到合理的模拟效果,模型应用过程中需要考虑网格大小的影响,选择合适的网格尺度.【期刊名称】《三峡大学学报（自然科学版）》【年(卷),期】2013(035)002【总页数】6页(P6-11)【关键词】尺度;参数敏感性;DHSVM模型;水文模拟【作者】罗智锋;王文;陈喜【作者单位】河海大学水文水资源与水利工程科学国家重点实验室,南京 210098;河海大学水文水资源学院,南京210098;河海大学水文水资源与水利工程科学国家重点实验室,南京 210098;河海大学水文水资源学院,南京210098;河海大学水文水资源与水利工程科学国家重点实验室,南京 210098;河海大学水文水资源学院,南京210098【正文语种】中文【中图分类】P333.9水文尺度问题自20世纪90年代初被正式提出后，就受到广泛关注和重视.水文科学的理论研究与实践证明，不同尺度的水文循环机理有很大差异，如何考虑流域水文过程的时空不均匀性是尺度问题的关键［1］.从空间上来说，影响这种不均匀性的主要因素有流域地形、土壤、植被等数据质量.不同来源、不同网格分辨率的数据对流域特征描述的不一致，直接影响着模型的模拟精度.以往的研究表明，植被土壤数据的分辨率选择对水文模拟影响较小［2］，多数研究集中于分析DEM 网格水平分辨率的影响.DEM 是描述地表形状的连续变化的数据源，用于提取坡度、坡向、汇流路径长、集水面积、流域边界等流域特征.DEM 网格分辨率深深影响着以地形为基础的分布式水文模型.一些研究利用不同水平分辨率的DEM 提取地形特征，发现低分辨率导致平均坡度减小，流域面积和地形指数增加［3－4］.不少研究者分析了Topmodel的尺度效应，发现其对网格分辨率变化非常敏感［4－5］，网格大小的增大，导致平均地形指数相应增大，地下水埋深相应增加，模拟洪峰流量增加.另外一些研究也分析了不同网格尺度下的参数率定问题，如Molnar ［6］通过比较分布式水文模型CASC2D 模拟结果对不同DEM 分辨率的敏感性，发现粗网格分辨率也可以进行水文模拟，但是要减小网格大小的影响，需要调整坡地汇流与河道糙率相关的参数.另一方面，水文模型的结构具有尺度依赖性，随意选择网格大小影响着因模型结构原因带来的计算误差.例如，MIKESHE 和LISEM 模型网格尺度效应研究都发现，模型运动波求解时会产生数值误差，这种误差使洪水波发生扩散作用，且随网格增大而加强，从而导致洪峰模拟随着网格增大而减小［7－8］.网格尺度从这两方面影响着模拟效果.因此，了解网格尺度变化对水文模拟的影响，对于提高模拟精度具有重要意义.本文通过多尺度试验，分析DHSVM 模型在不同尺度下的不同径流过程的响应特征，寻求合适的模拟尺度，为模型应用提供参考依据.1 研究区域与数据选择美国中部的伊利诺伊流域为研究流域，该流域位于阿肯色斯与俄克拉马州的边界（见图1），曾被选为分布式水文模型比较计划（DMIP）流域之一.流域气候为大陆性湿润气候，处于冷暖气流交替出现的地区，年平均最大、最小气温分别为22℃、9℃.多年平均降水为1 200mm，多年平均水面蒸发为1 066 mm，40%的降水发生于3～6月，接下来的夏季为干季，9～11月为湿季，30%的降水发生在此阶段，冬季流域为干旱季节.流域出口为Tahlequah站，实际控制面积为2 483km2，多年平均流量为29m3／s，月平均最高流量发生在3～6月，最低流量发生于7～8月，基流占年平均流量的29.7%～72.5%（1936～2007）.流域内有6个气象站（如图1所示），提供逐小时气温、长短波辐射、水汽压、风速、降水等气象数据.植被分类数据来自国际地圈生物圈计划（IGBP）的1km 分辨率数据库，土壤分类数据来自美国农业部（USDA）全国土壤测量中心的STATSGO 数据库，流域主要的植被类型是落叶阔叶林（91.8%），主要的土壤类型为粉质壤土（46.6%），其次是粉质黏壤土（38.1%）.其他数据包括流域DEM 数据（30m×30m）、植被覆盖度、水面蒸发、流量、河道断面等数据，大部分由NOAA 水文办公室DMIP网站提供.图1 伊利诺伊流域位置图2 研究方法2.1 模型简介DHSVM（Distributed Hydrology Soils and Vegetation Model）模型由Mark Wigmosta于1994年提出［9］，用于模拟中小尺度流域（通常小于10000km2）内土壤、植被和地形对地表以及地表以下水流运动的影响，目前最新的版本为DHSVM 3.0，为本研究采用版本.模型由7个模块组成：蒸散发、地面降雪和融雪、冠层截雪和积雪融化、不饱和土壤水运动、饱和壤中流、饱和坡面流和河道流量演算.模型采用基于Penman－Monteith公式的双层的树冠计算截留和蒸散发，采用质量、能量平衡模型计算积融雪，水分的垂向运动采用一维的达西流公式，计算经过多层土壤的不饱和壤中流.DHSVM 采用近似运动波的方法逐网格计算壤中流，网格内水流可以向周围相邻8个方向网格（0～7）流动.网格（i，j）在k 方向上的饱和壤中流的输移率为：式中，ωi，j，k是k 方向上网格流线密度；βi，j，k是k 方向上地下水位线的坡度；Ti，j（z，D）是网格输移率.式（1）中的输移率的计算公式如下：式中，Ki，j是网格表层土壤侧向饱和水力传导率；fi，j是垂向衰减系数；Di，j 是网格土壤层厚度；zi，j是地下水位埋深；网格单元饱和壤中流的总出流等于式（1）计算的各方向的出流量之和.模型坡面汇流也采用类似饱和壤中流计算的逐网格方法，并同时考虑了霍顿超渗产流、蓄满产流与回归流3种地面径流.与壤中流计算不同的是坡面汇流中的流速采用的是定值，等于网格大小除以时间步长，意味着一个时间步长内流出此网格的水量等于初始时刻的网格的储水量.模型河道的流量演算采用相对简单但是很稳健的线性槽蓄法，改进的马斯京根法也可用于河道演算.线性槽蓄法对于大小不一、地形多变的流域，都能得到比较满意的模拟结果，在DHSVM 的应用中，大部分的河道汇流演算均采用此方法.模型更多结构介绍可参考文献［9］.2.2 模型构建与率定DHSVM 模型构建需要处理大量数据，除了上述提到的地形、植被、土壤数据，还需要河网和土壤深度数据，可通过自带的处理程序生成.将栅格数据处理成统一的空间步长，时间序列数据处理成统一的时间步长，以此为驱动数据，构建模型.参考Wigmosta应用于一个相似大小流域的模拟效果［9］，并经过初步模拟结果比较，确定空间步长为200m、时间步长为3h以构建模型.选取1994～1997年作为模型的率定期，1998～1999年为验证期，对模型进行手动率定与验证.参数率定参照Wigmosta应用DHSVM 模型的经验，选择最小植被气孔阻抗、饱和侧向传导系数和侧向传导率垂向递减指数3个最为敏感参数进行调整.其他植被土壤参数分别采用Land Data Assimilation System（LDA）提供的植被分类标准基本参数表与NOAA 水文办公室提供的全球5min土壤参数分类基准参数表设定.率定过程，首先调整对水量平衡影响较大的最小植被气孔阻抗，使总径流偏差最小，然后再调整对洪水峰型影响较大的侧向传导系数与垂向递减指数，使模拟径流过程尽量接近实测径流过程.模拟效果采用确定性系数DC、径流深相对误差BIAS指标进行评价，如下式：式中，Qobs为实测流量系列值（m3／s）；Qcal为计算流量系列值（m3／s）；为实测流量系列的平均值（m3／s）；n为流量系列的长度.对模型率定期和验证期的逐日平均径流量的实测值和模拟值进行对比验证，结果显示率定期的确定性系数为0.71，总径流偏差为－0.56%；验证期效率系数为0.79，总径流偏差为7.12%，如表1所示.从率定期和验证期的洪水过程线（图2a、2b）可以看出模型对洪峰的模拟不太满意，低估了洪峰值.从总体上来看，模型在该流域具有适用性.率定后的模型参数用于尺度效应研究.表1 模型率定期与验证期模拟结果注：P 为降水量；Robs为实测径流深；Rcal为模拟径流深；DC为确定性系数；BIAS为径流深相对误差.时期年份P／mm Robs Rcal／mm ／mmDCBIAS／%率定期1994 1 195.6 385.0 383.0 0.70－0.521995 1 137.7 403.6 377.8 0.78－5.57 1996 1 131.1 337.8 331.1 0.70－2.00 1997 1 158.2 297.1 323.9 0.62 7.85平均1 155.7 355.9 354.0 0.71－0.56验证期1998 1 132.0 375.2 417.7 0.88 11.71 1999 1 222.7 410.7 422.8 0.67 2.94平均1 177.3 393.0 420.2 0.79 7.12图2 模拟与实测流量比较2.3 网格尺度效应模拟试验本文采用两种方法来分析模型的网格尺度效应，一种是静态参数法，即保持率定好的参数不变，利用3种不同网格大小（100m×100m、200m×200m 和500m×500m）的DEM 提取流域特征，分别建立模型，分析空间模拟尺度变化对水文模拟的影响.另一种方法是变化参数法，选取模型最小植被气孔阻抗、侧向传导系数和侧向传导率垂向递减指数3个敏感参数，每次只改变其中一个参数，其他保持不变，分析不同参数对网格大小的敏感性.3 模拟结果与分析3.1 网格尺度对提取流域特征的影响将原始30m×30m 分辨率DEM 通过ARCGIS最邻近插值方法分别重采样到100m、200m、500m，并提取流域特征，统计结果见表2.由表中可见随着网格大小的增加，DEM 高程各项（最大值、最小值、平均值与标准差）基本无变化，而坡度则随着网格大小增加而减小，说明大网格对流域描述会产生地形的坦化现象，地形特征的空间异质性变小.这与部分研究得到的结果相类似［2－4，10］，即不同网格大小的DEM 得出的流域面积、高程大体上一致，但对与流域坡度有关的参数的影响较大.表2 不同DEM 分辨率提取的地形特征网格大小／m流域面积／km2 DEM 高程／m最大平均最小标准差100 2 482.6 606.0 362.5 215.0 50.06 25.65 2.94 2标准差坡度／°最大平均 .74 200 2 485.8 606.0 362.5 215.0 50.08 15.98 1.851.83 500 2 495.5 604.7 362.5 215.0 50.07 9.16 1.23 1.063.2 网格尺度对流量模拟的影响静态参数情况下，选取一场洪水（1997 年12 月31日06时～1998年1月16日21时），比较各网格下的模拟径流，发现随着网格的增大，模拟洪峰流量相应增大（如图3所示）.其中500m 分辨率对降水最为敏感，不仅洪峰大，峰现时间也相应提前.而从基流部分的模拟结果来看，随着网格的增大，基流流量呈减小趋势.图3 不同网格尺度径流模拟结果为进一步分析引起不同网格大小下模拟径流的差异的原因，将模型1997年12月31日～1998年1月16日降水、蒸发、不同产汇流成分统计见表3.表3 不同网格尺度的产汇流模拟差异注：P 为降水量；R 为总径流深；Et 为总蒸散发量；Rs 为流入河道的壤中流径流深；Rs／R 为壤中流占总径流的比例.分辨率P／mm R／mm Et／mm Rs／mm Rs／R 100m129.3 100.4 17.4 71.9 0.72200m129.3 99.4 17.7 34.1 0.34 500m129.3 100.4 17.5 19.3 0.19从表3可见，随着网格大小的变化，降水、蒸发项影响均较小，径流深变化总体不大，但是径流成分有较大变化.网格分辨率越细，壤中流比例越大，其中100m网格模拟的壤中流比例最大，达到了0.72.由此可知，网格大小影响着汇流过程中不同径流成分.不同网格尺度下汇入到河道的地表径流、壤中流模拟结果如图4所示.图4 汇入到河道的地表径流、壤中流模拟结果比较如2.1所述，DHSVM 模型计算坡面汇流采用定流速的计算方法，与平均坡度无关，而与网格大小和河网密度有关.为了消除河网密度对模拟结果的影响，生成河网时，各分辨率已采用相同的阈值，以保证河网密度相同.因此坡面汇流只与网格大小有关，即网格越小，地表径流要经过更多的网格，即更长的时间才能被河网截留.在一场洪水中，大网格由于汇流路径短，而降水往往是发生在有限的几个时间步长，因此有多部分的水量通过地表径流直接汇到河网［10］，引起地表径流增加.而对于壤中流采用的演算方法，每个时间步长流出网格各个方向的水量与局地坡度有关，另外还与侧向传导系数、递减系数有关.当设定同样的模型参数，壤中流汇流只与坡度有关.大网格引起地形坦化，平均坡度减小，壤中流出流缓慢，网格内更容易滞蓄水量.与小网格相比，壤中流出流较小，模拟的平均土壤含水量较大.图5比较了1998年01月10日12：00（前期有降水，流域湿润）各分辨率下模拟的地下水位埋深空间分布情况.由图可见，随着网格的增大，流域内地下水位埋深普遍变浅，验证了网格大小对流域土壤水分空间分布影响较大.理论上，对于一场洪水的模拟，因为网格增大，导致地表径流增加，壤中流减小，这两种机制呈中和作用，但是从图4可以看出，洪水过程中，大网格的地表径流程陡涨陡落趋势，且占总径流的比例更大，从而容易产生峰现时间提前，峰值提高的洪水.图5 不同网格模拟地下水埋深空间分布比较本文与以往Topmodel模型网格尺度影响的研究结果发现，网格大小对两个模型模拟结果有相似的影响.对于Topmodel模型，随着分辨率的降低，流域平均坡度值偏小，计算的地形指数偏大，导致模拟洪峰流量增大，平均地下水埋深变小，地表径流占总径流比例增大［11］.模拟的土壤含水量空间分布也有类似的结果，大网格水量滞蓄导致更大的饱和面积［2］.从两者模型汇流模块的结构分析入手，可以发现其深层原因.DHSVM 模型的壤中流汇流方法又被称为显式汇流方法（Explicit Routing）［12］，与Topmodel采用的基于统计理论的隐式方法（Implicit Routing）在机理上有一定程度的相似性，它们都假设土壤侧向饱和水力传导率随土层深度呈指数递减关系，且基于类似运动波方法计算壤中流输移率.所不同的是Topmodel采用统计－动力方法计算流域土壤水的分布，简化了计算量，使模型运算效率比DHSVM 高，但又不失其物理基础.而DHSVM 模型采用逐网格方法将水流汇至流域出口，充分考虑了单元间的水流累积对径流模拟的影响，物理概念更明确.Tague和Band［12］在一个小流域上比较过两种汇流方法，发现两种方法都能达到较好的径流模拟效果，但隐式方法对土壤含水量的空间分布的模拟不如显式方法精确，而且隐式方法模拟径流量对地形数据的坦化和土壤传导系数的变化更为敏感.因此，两种相似的汇流方法在地形均化影响下，具有一致的网格尺度效应.值得注意的是，两者的地表径流计算方法并不相同，DHSVM 模型地表径流影响直接来源于网格尺度的选择，而Topmodel则来源于地形均化的影响.3.3 网格大小对参数敏感性影响分析为了分析网格大小对参数敏感性的影响，选择最小植被气孔阻抗、侧向传导系数和垂向递减指数3个参数，每次只改变一个参数值，其他参数保持前面率定好的不变，并假设改变的参数在空间上均匀分布，运行模型，统计1994～1999年各网格的模拟效果.由图6可见，各网格大小下的参数敏感性不一致.从确定性系数来看，最小植被阻抗与垂向递减指数的敏感性在100m、200m 网格尺度下比较接近，500m 网格尺度下各参数敏感性比较大，且与其他网格尺度变化规律不一致.侧向传导系数的敏感性随着网格大小的增大而增大，说明网格大小对侧向传导率的敏感性影响较大.由此可见，侧向传导系数是尺度效应较大参数.而从水量误差来看，各网格下的参数敏感性比较接近，网格越大，模拟水量负偏越大.图6 不同网格下的参数敏感性分析Topmodel参数尺度效应分析研究发现，产汇流过程中重要的敏感参数饱和导水率T0 与网格分辨率有关，网格增大后如要保证模型的精度保持稳定有效，必须给T0 赋较大的值［3］.本研究中，500m 的网格尺度下要提高模拟精度，应增加侧向传导率的值.结合前面分析的汇流演算方法，当侧向传导系数增大时，壤中流更容易流出网格，水量滞蓄作用将减弱，一定程度减小了网格增大带来的尺度影响.但此时模型具有物理意义的参数可能会变成有效参数，在一定程度影响了模型的物理基础，故不推荐使用500m 的网格进行建模.小网格在大流域的应用上受运算效率的限制，本研究流域为中等大小流域，100m 步长将流域划分成了606×840个网格，在一台配置为I3处理器／4G 内存的计算机上，模拟一年平均需要25min，而200m网格步长平均只需要5分钟，小网格明显增加了模型参数率定的难度.模型在200m 网格大小下的模拟效果表明此网格大小分辨率已经满足水文模拟的要求，同时又兼顾了模型运算效率.4 讨论与结论4.1 讨论总而言之，本文揭示的尺度效应源于两方面，一是由于网格增大导致地形数据均化，均化后的坡度、河长等参数，输入到模型中，间接影响了模拟结果.另一方面的原因是模型结构具有尺度依赖性，使网格大小的选择对汇流过程产生直接影响.如前所述，分布式水文模型汇流，有不少采用运动波或扩散波方法的汇流模型，需要利用有限差分求解微分方程，网格离散大小的选择则不可避免地会对求解过程带来误差.DHSVM 模型汇流算法在一定程度避免了差分求解时网格离散带来的尺度效应，但地表径流汇流模块仍面临着尺度问题.已有相关的模型，如改进的TOPKAIPI模型，通过引进控制性方程的空间积分和参数的平均化处理，旨在减轻网格尺度效应的影响，模型在一个流域上应用于从几米到几千米的网格尺度，物理意义和模型的计算精度并未受影响［1］.DHSVM 开发初衷是应用于30～200m 的空间尺度和1～3h的时间尺度上，属于比较精细的分布式水文模型.以往应用中，考虑到模型模拟效果与运行效率，小流域（几十平方千米）一般采用30m 网格尺度，中等流域（几百平方千米至数千平方千米）则可以采用100～200 m 的网格尺度，而大于200m 的网格尺度应用较少［9，13］.在以后的应用研究中，应特别注意网格大小对模拟结果的影响，选择合适的模拟尺度.4.2 结论本文利用3种不同网格分辨率的DEM（100m、200m、500m）建模，分别通过静态参数法（即保持200 m 下率定好的参数不变）与等步长变化参数的方法进行多尺度模拟，分析了各个模拟尺度下的水文要素与模型参数的尺度效应，主要结论如下：1）在静态参数条件下，发现网格大小对模拟蒸发量、总径流量影响较小，而对洪峰和径流过程的模拟影响较大.网格越大，洪峰峰值越大，地表径流占总径流比例越大，网格水量滞蓄作用增大.2）用变化参数法分析网格大小对参数敏感性的影响，发现侧向传导系数的敏感性随着网格增大而增大，明显具有网格尺度效应.大网格要提高模拟效果，需要增加侧向传导率的值，但要特别注意参数的有效性.3）水文模型只有应用于一定尺度范围内才会得到预期的模拟效果，本文对DHSVM 模型尺度适用性初步分析可见，模型网格划分时应充分考虑网格选择对不同水文过程内部机理的影响，本研究表明200 m 的分辨率已能达到较满意的模拟效果.参考文献：［1］徐宗学.水文模型［M］.北京：科学出版社，2009.［2］ Kuo W L，Steenhuis T S，McCulloch C E，et al.Effect of Grid Size on Runoff and Soil Moisture for a Variable－Source－Area Hydrology Model ［J］.Water resources research，1999，35（11）：3419－3428.［3］孙立群，胡成，陈刚.TOPMODEL 模型中的DEM尺度效应［J］.水科学进展，2008，19（5）：699－706.［4］ Vieux B E.DEM Aggregation and Smoothing Effects on Surface Runoff Modeling［J］.Journal of Computing in Civil Engineering，1993，7（3）：310－338.［5］ Zhang W，Montgomery D R.Digital Elevation Model Grid Size，landscape Representation［J］.Water resources research，1994，30（4）：1019－1028.［6］ Molnar D，Julien P.Grid－size Effects on Surface Runoff Modeling ［J］.Journal of Hydrologic Engineering，2000，5（1）：8－16.［7］ Ali M，R S，Ali R，et al.Simulations of Varying Grid Sizes on Catchment Yield by Using Calibrated and Validated MIKE SHE Models ［M］.18th World IMACS／MODSIM Congress.Cairns，Australia.2009. ［8］ Hessel R.Effects of Grid Cell Size and Time Step Length on Simulation Results of the Limburg Soil Erosion Model （LISEM）［J］.Hydrological Processes，2005，19（15）：3037－3049.［9］ Wigmosta M S，Vail L W，Lettenmaier D P.A Distributed Hydrology－Vegetation Model for Complex Terrain［J］.Water resources research，1994，30（6）：1665－1680.［10］Dubin A M.Assessing the Influence of Digital Elevation Model Resolution in Hydrologic Modeling［M］.University of Washington，1998.［11］Wolock D M，Price C V.Effects of Digital Elevation Model Map Scale and Data Resolution on a Topography－Based Watershed Model［J］.Water resources research，1994，30（11）：3041－3052.［12］Tague C，Band L.Evaluating Explicit and Implicit Routing for Watershed Hydro－Ecological Models of Forest Hydrology at the Small Catchment Scale［J］.Hydrological Processes，2001，15（8）：1415－1439.［13］Vanshaar J R，Haddeland I，Lettenmaier D P.Effects of Land－cover Changes on the Hydrological Response of Interior Columbia River Basin Forested Catchments［J］.Hydrological Processes，2002：2499－2520.。

分布式水文模型

分布式水文模型水文模型始终是水文科学研究的重要手段与方法之一。

21世纪以来水资源危机日益突出，为了深入探讨自然变化和人类活动影响下的水文循环与水资源演化规律，基于DEM的分布式水文模型成为当今水文界研究的热点。

回顾水文模型的发展历史，不难发现分布式水文模型并不是一个新的概念。

早在20世纪70年代，国外就开始了分布式水文数学模型的研究，1969年Freeze和Harlan发表了《一个具有物理基础数值模拟的水文响应模型的蓝图》的文章。

目前代表性的模型有： SHE模型、IHDM模型、SWAT模型等。

我国在分布式水文模型的研制方面则起步较晚，目前还没有比较成熟或者得到国际上普遍认可的分布式水文模型。

同时国外的模型也不太适用于中国的国情，许多模型在具体引用时还存在很多的问题。

因此，我们急需在借鉴国外先进模型的基础上，利用现代科学技术（尤其是计算机和"3S"技术），研制适合我们国情的分布式水文模型。

"3S"技术的引进，为水文科学注入了新的血液。

目前水文模拟技术趋向于将水文模型与地理信息系统（GIS）集成，以便充分利用GIS在数据管理、空间分析及可视性方面的功能。

而数字高程模型（DEM）是构成GIS的基础数据，利用DEM可以提取流域的许多重要水文特征参数，如坡度、坡向、水沙运移方向、汇流网络、流域界线等。

因此，基于DEM的分布式水文模型是现代水文模拟技术发展的必然趋势。

基于DEM的分布式水文模型，通过DEM可提取大量的陆地表面形态信息，这些信息包含流域网格单元的坡度、坡向以及单元之间的关系等。

同时根据一定的算法可以确定出地表水流路径、河流网络和流域的边界。

在DEM所划分的流域单元上建立水文模型，模拟流域单元内土壤～植被～大气（SVAT）系统中水的运动，并考虑单元之间水平方向的联系，进行地表水和地下水的演算。

概括起来，由于建立在DEM基础之上，分布式水文模型具有以下特色：①具有物理基础，描述水文循环的时空变化过程。

基于DEM的清水河分布式水文模型

基于DEM的清水河分布式水文模型
丁辉;陈亚宁;李卫红;陈亚鹏
【期刊名称】《干旱区地理》
【年(卷),期】2007(30)3
【摘要】对于以冰雪融水和雨水混合补给为主的西北山区流域,需要结合山区特点建立分布式水文模型。

通过取塔里木河流域中的清水河水系为研究区域,采用300 m×300 m DEM数据进行流域河网水系提取,同时用DEM数据对参数进行分布式异化,建立冰雪融水与降雨相结合的分布式水文模型。

分析模拟结果表明:夏季模拟径流主峰值与实测径流值较为接近,而冬春季节两者之间的差别较大,反映了西北山区流域冰雪融水和雨水混合补给为主的特点;进而开拓塔里木河区域应用该类模型的可行性。

【总页数】6页(P364-369)
【关键词】分布式水文模型;DEM;融雪;混合补给清水河流域
【作者】丁辉;陈亚宁;李卫红;陈亚鹏
【作者单位】中国科学院新疆生态与地理研究所
【正文语种】中文
【中图分类】P334.92
【相关文献】
1.飞来峡水利枢纽基于DEM的分布式流域水文预报模型 [J], 廖燕芬
2.基于DEM的分布式水文模型前处理程序开发及应用 [J], 李磊;刘文丰;徐宗学;张
兰影
3.基于DEM栅格的分布式BTOPMC模型在水文模拟中的应用 [J], 包红军;李致家;王莉莉
4.基于DEM的分布式水文模型汇流顺序研究 [J], 黄锋华;陈瑜
因版权原因，仅展示原文概要，查看原文内容请购买。

分布式流域水文模型的DEM数据处理

与真实的河流不重合。流域内的径流可能汇集不到到出口断面。刘九夫等曾做过研究，基于１５００比例从／００尺地图生成的网格为２ｍｘ５的ＤＭ数据提取的河５２ｍＥ流能够与真实的河流基本一致。大部分流域很难找到
格，每个网格均有自己的模型参数和降水输入．逐个网格计算产流量，再逐个网格进行汇流计算得到流域出口断面的径流过程。水在重力的作用下从高处流向低处，流域内之所以能够形成径流，形的起伏是一个重地要原因，布式流域水文模型必须使用地形数据，过分通
网格的集水面积从网格中提取河流【目前。究分３。研
不会有显著的提高。因此。际预报中网格的尺度应远实
远大于２ｍ，５这样必须对ＤＭ数据进行处理才能保证Ｅ径流路径的正确。目前的ＧＳ软件中常用的处理方式是将河流经过Ｉ的网格高程普遍降低若干米，这样能够使径流汇入河道，还是不够理想。但由于将河道经过的网格普遍降低高度，还会出现河道下游网格的高程大于上游网格高
布式流域水文模型多采用数字高程模型（ＥＤｇａＤＭ．ｉｉｌｔ
Ｅｅａｉｄ１形式的地形数据嘲ＤＭ通常用规则ｌｔｎＭｏｅ）ｖｏ，Ｅ的网格将区域空间切分为规则的格网单元，每个网格
单元对应一个高程数值，由网格单元构成高程矩阵。

雷达估测降雨与水文模型的耦合在洪水预报中的应用

图 2 1998 年 6 月 28 日 8 时至 7 月 3 日 20 时累积雨量分布 Fig. 2 Accumulated rainfall distribution from 8∃00 on June 28 to 20∃00 on July 3, 1998 表 1 1998 年 6 月 28 日 8 时到 7 月 3 日 20 时各子区域雷达估测降雨 Table 1 Weather radar rainfall data for each sub catchment from 8∃00 on June 28 to 20∃00 on July 3, 1998
k, k k k
! Rr ( i , j , t ) ! Rg ( i , j , t )
i, j i, j
( 1)
( 2)
随机扰动项 , 可以假设为高斯白噪声序列 . Z∀k + 1 = Z ^ k/ ( k1)
d. 卡尔曼滤波计算. 状态预测估计值计算公式为预测估计值误差的方差计算公式为
( 3) ( 4) ( 5) ( 6) ( 7)
P∀k+ 1 = Pk / ( k- 1) + Q 其中最佳增益计算公式为 Kk+ 1 = P∀k+ 1 / ( P∀k+ 1 + R) 状态估计值计算公式为 ^ ( k+ 1) / k = Z∀k+ 1 + Kk+ 1( Zk+ 1 - Z∀k ) Z 滤波误差的方差阵公式 P ( k+ 1 )/ k = ( E - Kk+ 1 ) P∀k+ 1 P ( k+ 1 )/ k = ( E - Kk+ 1 ) P∀k+ 1 ( E - Kk+ 1 ) + Kk+ 1 Rk+ 1 K k+ 1 式中 : Q, R Gauss 白噪声 k 和 k 的方差阵; Z ^ k / (k - 1) e. 订正降雨场. 订正后的降雨场为式中 : i , j 格点雨量的空间坐标; t k 1. 2 适合于实时水文预报的站网选择时间 .

半分步式及分布式分水文模型研究

分布式水文模型研究概况由于传统的流域水文模型本身所具有的局限性，同时随着水文循环中各个组成要素的深入研究，以及计算机、地理信息系统（GIS）和遥感技术的迅速发展，使构造具有一定物理基础的流域分布式水文模型成为可能。

流域分布式水文模型充分考虑流域下垫面空间分布不均对水文循环的影响。

在水平方向上将流域划分成许多单元网格和子流域（一般基于DEM），在垂直方向上将土壤分层，并依据流域产汇流的特性，使用一些物理的、水力学的微分方程（如连续方程与动量方程）求解径流的时空变化。

与传统的流域概念性集总水文模型相比具有以下显著的优点：①具有物理机理，能描述流域内水文循环的时空变化过程；②其分布式结构，容易与GCM嵌套，研究自然和气候变化对水文循环的影响；③由于建立在DEM基础之上，所以能及时地模拟人类活动和下垫面因素变化对流域水文循环过程的影响。

下面我简单介绍一下国内外的著名的分布式水文模型。

主要从模型名称，模型结构，输入输出变量，网格还是子流域为计算单元，适用性和范围等方面来描述。

一、分布式水文模型研究的发展现状----国际在国外，分布式水文模型的研究可以认为始于 Freeze 和 Harlan 于 1969 年发表的《一个具有物理基础数值模拟的水文响应模型的蓝图》这篇文章。

该文章提出了分布式水文物理模型的基本概念和框架。

随后，Hewlett 和 Troenale 在 1975 年提出了森林流域的变源面积模拟模型(简称 VSAS)。

1979 年 Bevenh 和 Kirbby 提出了以变源产流为基础的TOPMODEL 模型（TOPgraphy based hydrological MODEL）。

1 TOPMODEL 模型［1]（TOPgraphy based hydrological MODEL）该模型基于DEM推求地形指数，并利用地形指数来反映下垫面的空间变化对流域水文循环过程的影响，模型的参数具有物理意义，能用于无资料流域的产汇流计算。

分布式水文模型理论与方法研究

分布式水文模型理论与方法研究一、本文概述Overview of this article随着全球气候变化和人类活动对水文循环的深刻影响，传统的水文学研究方法已经难以满足日益复杂的水资源管理需求。

分布式水文模型作为一种新兴的水文学研究方法，以其对流域空间异质性的精细刻画和对复杂水文过程的深入模拟，逐渐成为国内外水文学研究的热点和前沿。

本文旨在全面系统地探讨分布式水文模型的理论基础、方法体系、应用实践及其未来发展，以期为水文科学研究和水资源管理工作提供新的思路和方法。

With the profound impact of global climate change and human activities on hydrological cycles, traditional hydrological research methods are no longer able to meet the increasingly complex water resource management needs. Distributed hydrological models, as an emerging method of hydrological research, have gradually become a hot topic and frontier in domestic and international hydrological research due to their precise characterization of spatial heterogeneity inwatersheds and in-depth simulation of complex hydrological processes. This article aims to comprehensively and systematically explore the theoretical basis, methodological system, application practice, and future development of distributed hydrological models, in order to provide new ideas and methods for hydrological science research and water resource management.本文将首先回顾分布式水文模型的发展历程，阐述其产生背景和基本原理。

飞来峡水利枢纽基于DEM的分布式流域水文预报模型

法，即
卜
该点的蒸散发能力，由当地气象资料来估计，计算方法参见相关文献 …。
Ｑ』）ｃ＿（）ｃＱ』 — ）（－１２（）（＝１ｍｔ＋１＿（＋１ｃ＿）ｊ — ：Ｑｊｍｔ ’－Ｑ￡ｃ
（）６
２２地下水出流．
中图分类号：３８．Ｐ３＋９文献标志码：Ａ文章编号：０５０４（０２０ — ０１０２９ — １４２１）３００ — ４
飞来峡水利枢纽位于北江干流中下游的清远辖区，上距英德市５ｍ，０ｋ下距清远市３ｍ，３ｋ坝址控制流域３９ｍ２占北江流域面积的７％。枢纽是以４０７ｋ，３
ห้องสมุดไป่ตู้
式水文预报模型进行洪水预报，预报结果基本可用。
１水文物理过程概化
浅层地表水体积Ｊｓ其产生的流量为Ｑ。ｐ土壤未蓄满、满后如图１２示。蓄、所
基于ＤＭ的网格产汇流计算是流域分布式水Ｅ文预报方案的核心。将应用于流域表面的每一个它基于ＤＭ的网格单元上。在ＤＭ的每一个栅格ＥＥ上，假设有３种不同的蓄水单元，河道、下土壤即地
式中：ＳＱ栅格点的地下水流出量；Ｉｓ砰一地下水出流门限值，可表示为当地土壤蓄水能力Ｓ的百分比，般为２％；一０
— —
时间常数，反映地下水水流特性；

基于DEM的汉中流域水文过程分布式模拟

建立的矢量格式的河网水系拓扑结构作为汇流的空间平台，将
分布式坡面产汇流模拟的结果作为输入，进行全流域上的河网
水系汇流演算。
１２模型结构．
分布式水文模型可分为紧密耦合型和松散耦合型两种不同的结构，紧密耦合型模型也称为分布式水文物理模型，一般采用数学物理方程来描述流域的产汇流规律，通常需要大范围的各种观测资料，应用从流域直接测量的参数，而不需要进行率定的分布式水文物理模型，种模型没有得到很好的发展。通过对这目前已经成熟的集总模型进行改造是一种十分有效的途径，考
形指数相同的点具有相同水文响应，忽略汇流过程的滞时效应，
利用地形指数密度分布曲线计算径流量。这种对汇流过程的简
的下垫面和气象因素存在显著的空间变异性，进行流域水资源
统筹规划与管理，需要分布式水文模型的支持，特别是日过程的
模拟。为此，择汉江上游的汉中流域为研究对象，立了基于选建
扑关系，从而构建数字流域水系，在数字流域基础上将流域离散成若干子流域，在每个子流域上进行坡面产汇流计算，然后采用
面汇流时间忽略不计，直接进入河网；中流采用线性水库调蓄壤汇流；最后基于建立的河网拓扑结构在每段河道上利用分段马斯京根方法进行河道汇流演算。
化处理势必导致模型对大流域尺度的模拟精度下降。其实流域
汇流过程十分复杂，以采用单位线、可等流时线、动波和马斯运京根等多种方法。考虑到模型以日为计算时段，型首先采用模

dem耦合方法

dem耦合方法DEM耦合方法呀，这可有点小复杂但又超级有趣呢！DEM就是数字高程模型啦。

那这个耦合方法呢，就像是把不同的小零件巧妙地组合在一起。

比如说，在地理研究或者工程设计里，我们可能有不同来源的地形数据，这些数据就像性格各异的小伙伴。

DEM耦合方法就是让这些小伙伴手拉手，好好合作的方式。

从简单的方面想哦，就像搭积木。

一块积木代表一种地形数据的处理方式，耦合方法就是把这些积木搭成一个超级酷的城堡。

有的时候，是把高精度的数据和低精度的数据结合起来。

高精度的数据就像精致的小零件，低精度的可能是比较大块的框架，两者耦合就能既看到大的地形轮廓，又能了解细致的地形起伏啦。

在实际应用中，想象一下在山区搞建设。

一方面有卫星拍摄的大范围的地形数据，这是比较宏观的，就像从飞机上看整个山区的样子。

另一方面呢，有实地测量的小范围高精度数据，像在某个山谷或者山坡上精确测量的高度变化。

DEM耦合方法就可以把这两种数据融合起来，这样工程师们就能清楚地知道在哪里建房子安全，哪里修路不会遇到太多麻烦。

而且哦，不同的DEM耦合方法就像不同的魔法。

有的魔法适合处理平坦地区的地形组合，有的魔法在山区或者丘陵地带就特别厉害。

这就需要我们这些“小魔法师”（研究人员或者工程师啦）根据实际情况去挑选合适的魔法（耦合方法）。

有时候，这个耦合过程也会遇到小麻烦呢。

就像两个小伙伴闹别扭，数据可能不兼容呀。

但是没关系，我们可以通过调整数据格式、重新设定一些参数之类的小技巧，让它们重新和好，愉快地耦合在一起。

总的来说，DEM耦合方法虽然有点小神秘，但只要我们用心去探索，就像探索一个充满宝藏的小山洞一样，能发现它的很多奇妙之处，并且让它为我们的生活、建设、研究等带来超多的便利呢！。

考虑水土保持措施的分布式水文泥沙耦合模型研究

考虑水土保持措施的分布式水文泥沙耦合模型研究
许钦;任立良
【期刊名称】《水利学报》
【年(卷),期】2007(000)0S1
【摘要】基于栅格型DEM数据,提取数字水系和空间拓扑信息,建立了由水文模块和泥沙模块两部分组成的黄土高原多沙粗沙区小流域分布式水沙耦合模型。

以黄河无定河水系岔巴沟流域为例,应用所建立的模型对该流域1970~1989年11场洪水进行了流量沙量过程模拟。

结果表明,该模型具有一定的计算精度,一定程度证实了所研发模型的结构、参数和计算方法的合理性。

【总页数】7页(P)
【作者】许钦;任立良
【作者单位】河海大学水文水资源与水利工程科学国家重点实验室;河海大学水文水资源与水利工程科学国家重点实验室;江苏南京;江苏南京
【正文语种】中文
【中图分类】S157
【相关文献】
1.淮河干流分布式水文水动力耦合模型研究 [J], 朱敏喆;王船海;刘曙光
2.基于分布式水文模型的水土保持水文水资源效应研究 [J], 王浩;杨爱民;周祖昊;严登华
3.考虑城市管网的分布式水文模型子流域划分及编码研究 [J], 刘佳嘉;周祖昊;陈松;聂雪彪;严子奇;朱家松;贾仰文;王浩
4.基于水热耦合的青藏高原分布式水文模型——Ⅱ.考虑冰川和冻土的尼洋河流域水循环过程模拟 [J], 刘扬李;周祖昊;刘佳嘉;王鹏翔;李玉庆;朱熠明;姜欣彤;王康;王富强
5.基于水热耦合的青藏高原分布式水文模型——Ⅰ.“积雪-土壤-砂砾石层”连续体水热耦合模拟 [J], 周祖昊;刘扬李;李玉庆;王鹏翔;王康;李佳;朱熠明;刘佳嘉;王富强
因版权原因，仅展示原文概要，查看原文内容请购买。