分布式水文模型介绍 泥沙 dhsvm_sediment
分布式水文模型DHSVM_Model_Inputs
Configuration File
The filename is provide as a comm File used will be INPUT.rainycr
Includes
Model settings Path and file name of: temporal variables files spatial variables file network files initiation files Optional Output specifications
Configuration File: Model Area
[AREA] Coordinate System Extreme North Extreme West Center Latitude Center Longitude Time Zone Meridian Number of Rows Number of Columns Grid spacing Point North Point East = = = = = = = = = = = # # # # # # # # # # # # Model area UTM or USER_DEFINED Coordinate for northern edge of grid Coordinate for western edge of grid Central parallel of basin Central meridian of basin Time zone meridian for area Number of rows Number of columns Grid resolution in m North coordinate for point model East coordinate for point model
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。
dhsvm原理
dhsvm原理DHsvm是一种用于水文模拟的模型，全称为Distributed Hydrology Soil Vegetation Model。
它的原理是基于水文循环的模拟，通过对流域内水分平衡的计算，模拟不同时间尺度和空间分布下的水文过程。
DHsvm模型是一个分布式模型，可以细致地模拟流域内的水文过程。
它将流域划分为多个小单元，每个小单元内的水文过程可以独立计算。
这种分布式的方法使得模型能够准确地模拟流域内的水文变化，捕捉到不同地形、土地利用和气象条件下的水文响应。
DHsvm模型的核心是水文循环的模拟。
它包括了降水、蒸散发、渗透和径流等过程的计算。
首先，模型会根据流域的气象数据和地形条件，计算出每个小单元的降水量。
然后，根据土壤特性和植被状况，模型会计算出土壤中的水分蒸发量。
接着，模型会根据土壤的渗透能力，计算出水分的渗透量。
最后，模型会根据流域的水文特征，计算出径流的生成和汇入。
DHsvm模型的优势在于它能够考虑到流域内不同地形和土地利用条件对水文过程的影响。
在模拟过程中，模型会根据地形的高程和坡度，调整地表径流和地下径流的生成和汇入。
同时，模型还会根据土地利用的类型和覆盖率，调整蒸散发和渗透的计算。
这样，模型能够更准确地模拟流域内的水文过程，为水资源管理和洪水预报提供重要的参考。
除了流域内的水文过程，DHsvm模型还考虑了气象条件对水文过程的影响。
模型会根据气象数据，计算出降水和蒸散发的量。
通过与实际观测数据的比较，可以评估模型对气象条件的模拟能力。
这样，模型不仅可以用于历史资料的回溯分析，还可以用于未来气候情景的模拟预测。
DHsvm模型的应用范围广泛，可以用于不同类型的流域和水资源管理问题。
例如，它可以用于研究不同土地利用和植被状况对水资源的影响，评估不同管理措施对水文过程的调控效果。
同时，模型还可以用于洪水预报和水资源规划，为决策提供科学依据。
DHsvm模型是一种基于水文循环的模拟模型，通过对流域内水分平衡的计算，模拟不同时间尺度和空间分布下的水文过程。
分布式水文模型介绍dhsvm_networks
DHSVM Network Inputs
Physical description of theoretical networks Network representation in DHSVM Special considerations for road networks
Assumed road geometry
Sample stream map file
Stream network ordering
Sample stream network file
Seg. ID Order Slope Aspect Class Out. ID
Sample stream class file
S D
S
S
S
Road network preprocessing
Sample road map file
Interaction of road and stream networks
Road network preprocessing
• Each road segment drains to a ‘sink’ (streams do not have sinks) • Ditch relief culvert • Stream crossing culvert • The sink is designated as the pixel with the lowest elevation along a road segment • Road segments must be broken at desired locations to create segments
Special considerations for road networks
分布式水文模型区域分解并行计算方法及其应用
文章标题：深度剖析分布式水文模型区域分解并行计算方法及其应用在当今信息时代，大数据和并行计算技术已经成为科学研究和工程应用中不可或缺的重要工具。
在水文领域，分布式水文模型是对地表水文过程进行精细化模拟和预测的关键工具之一。
而区域分解并行计算方法，则是高效实现分布式水文模型的关键技术之一。
本文将深度剖析分布式水文模型区域分解并行计算方法及其应用，带您了解这一领域的最新进展和未来发展趋势。
一、分布式水文模型简介分布式水文模型是以地理信息系统（GIS）为支撑评台，通过将流域划分为若干个小单元，并在每个小单元内解算水文过程，最终整合为整个流域水文过程的模拟方法。
它具有对流域内部地形、土地利用、植被覆盖等空间异质性进行精细化描述的优势，能够更准确地模拟和预测降雨径流过程及水文响应。
二、区域分解并行计算方法概述区域分解并行计算方法是一种将整个模拟区域分解为若干个子区域，每个子区域独立进行水文模拟计算，最后通过合并各个子区域的计算结果得到整个模拟区域的水文过程的并行计算方法。
它能够充分利用并行计算的优势，提高计算效率和模拟精度。
三、分布式水文模型区域分解并行计算方法及其应用1. 区域分解算法在分布式水文模型中，通常将流域划分为若干个子区域，每个子区域内部进行水文模拟计算。
区域分解算法是确保子区域之间相互独立，并能够准确合并计算结果的关键。
目前主要采用基于地形特征的分解算法和基于统计特征的分解算法。
2. 并行计算框架区域分解并行计算方法需要一个高效的并行计算框架来将各个子区域的计算结果进行合并。
目前主要采用MPI（Message Passing Interface）和OpenMP（Open Multi-Processing）等并行计算框架。
3. 应用实例分布式水文模型区域分解并行计算方法已经在降雨径流模拟、洪水预测、流域水文响应等方面得到了广泛的应用。
以某某流域为例，通过采用区域分解并行计算方法，成功实现了对该流域的洪水过程进行了高精度、高效率的模拟和预测。
分布式水文模型-精选
分布式水文模型的参数是一个反映流域下垫面和 气象因素空间变化的数集。它的确定方法包括：
①在单元上采用传统的概念性模型，不改变原有模型的 结构和参数，但每一个单元上水文模型的参数值随空间 变化。参数值的大小根据空间信息图进行分类计算。
②重新设计单元水文模型的结构与参数。尽量选择或者 重新构造那些既反映空间变化，又具有物理意义，且便 于计算的指标作为模型的参数。
9.3.2 TOPMODEL
TOPMODEL（TOPgraphy based hydrological
MODEL）是一个以地形为基础的、基于变源面积概念的半
分布式水文模型。由Beven和Kirkby于1979年提出，经过
20多年的发展，TOPMODEL与DTM（或DEM）相结合在
水文领域得到了十分广泛的应用。
Zuo Qiting
9.2.2.2 模型的结构与参数
基于DEM的分布式水文模型在结构上一般分为三 部分： ① 分布式输入模块，用于处理流域空间分布信息，为 水文模块提供空间输入数据和确定模型参数的信息。 ② 单元水文模型，是坡面产汇流计算的核心部分。 ③ 河网汇流模型。有些基于网格的分布式水文模型忽 略了该部分。
Zuo Qiting
9.2.2 基于DEM的流域分布式水文模拟
9.2.2.1 模型的特点与分类
基于DEM的分布式水文模型具有以下特点：①具有物 理基础，能够描述水循环的时空变化过程。②由于其分 布式特点，能够与GCM（大气环流模式）嵌套，研究自 然变化和气候变化对水循环的影响。③同RS和GIS相结 合，能够及时地模拟出人类活动或下垫面因素的变化对 流域水循环过程的影响。
典型应用包括：流域规划、供水、灌溉和排水、污 染物堆放场的污染物、农业耕作的影响（包括农用化学 品和化肥的使用）、土壤和水资源管理、土地利用变化 的影响、气候变化的影响和生态评价（包括沼泽区域）。
基于分布式水文模型DHSVM的平通河流域水文模拟
基于分布式水文模型DHSVM的平通河流域水文模拟石超;龚霞;张行南;夏达忠【摘要】Due to lack of hydrological data and the short time of flood's concentration,the traditional hydrolog-ical model is difficult to obtain good simulation results in the prediction of medium and small river basins.To analyze the adaptability of DHSVM in Pingtong Riverbasin,modeling process,modeling method and the structure and parameters of the model are researched.Then the numerical simulation is performed combining with the Pingtong River's hydrological data.Results show that the simulated daily runoff shows general a-greement with the observations;the relative error is all below 10%;the model can be used in the Pingtong River basin.The research work of relative error generated from the simulation results is done.%中小河流域水文预报时，由于流域水文资料缺乏，洪水发生时间短，传统的水文模型难以取得良好的效果。
分布式流域水文模型PPT精选文档
2020/5/25
4
模型分类
建模角度
建模手段
集总式水文模型 分布式水文模型
物理模型 电子模型 数学模型
2020/5/25
5
流域 水文模型
▼定义:
其英文名Hydrologic Model of Basin ，以流域为研究对象,对 流域内发生的降雨径流这一特定的水文过程进行数学模拟计算 所建成的数学模型。
分布式流域水文模型:
全面考虑降雨和下垫面空间不均匀性的模型,能够充分反映流域内降雨和 下垫面要素空间变化对洪水形成的影响。模型能全面地利用降雨的空间分 布信息;模型参数的空间分布能够反映下垫面自然条件的空间变化;模型的输 出具有空间不均匀性。
2020/5/25
8
技术支撑
分布式流域水文模型之所以能成为近来具有吸引力的水
雷达 测雨
分布式流域水文模型
地理信息 统计
计算机系统
分布式流域水文模型的系统框架图
2020/5/25
11
分类
紧密耦合型分布式流域水文模型
紧密耦合型分布式流域水文模型,又称分布式数学物理流域水文模型.此种模 型主要的水文物理过程均采用质量、能量和动量守恒的偏微分方程描述(如坡面 洪水波、不饱和、饱和渗流等方程).相邻网格单元之间的时、空间关系用 水动力学的连续方程来建立，采用有限差分方法对方程求解；同时模型也 采用了一些通过实验得到的经验关系。
文学研究热点之一，其原因有以下几个方面：
1.地理信息系统（ GIS）技术的不断完善，使得描述下垫面 因子复杂的空间分布有了强有力的工具;
2.计算机技术和数值分析理论的进一步发展，为用数值方法 求解描述复杂的流域产汇流过程的偏微分方程奠定了基础;
3.雷达测雨技术和卫星云图技术的进步，为提供降雨量实 时空间分布创造了条件。
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。
分布式流域水文模型[优质PPT]
![分布式流域水文模型[优质PPT]](https://img.taocdn.com/s3/m/7a665810ed630b1c59eeb5ce.png)
考虑了流域内降雨的空间分布,但是没有或很少考虑下垫面不均匀性的模型。 这种模型只是进行了分散(分单元)计算，没有考虑各单元模型参数随其下垫面条 件的不同而变异。
半分布式流域水文模型:
考虑下垫面的空间不均匀性,但是没有考虑降雨的空间分布,其模型输入仍为面平 均雨量;或考虑降雨的空间分布,没有全面考虑下垫面的空间不均匀性的模型。
2019/6/26
松散耦合型分布式流域水文模型
这类模型在每个单元网格上应用现有的集总式概念性流域模型 推求净雨，并进行汇流演算,推求出口断面的流量过程。汇流演算 一般采用水文学或水力学方法。模型参数主要根据历史洪水资料分析 率定,并结合地形和地貌数据量测和分析得到。
优缺点
2019/6/26
紧
优点
1.能涉及水文现象的本质或物理机制; 2.模型参数的确定对洪水历史资料依赖不大.
雷达 测雨
2019/6/26
分布式流域水文模型
计算机系统 分布式流域水文模型的系统框架图
地理信息 统计
分类
紧密耦合型分布式流域水文模型
紧密耦合型分布式流域水文模型,又称分布式数学物理流域水文模型.此种模 型主要的水文物理过程均采用质量、能量和动量守恒的偏微分方程描述(如坡面 洪水波、不饱和、饱和渗流等方程).相邻网格单元之间的时、空间关系用 水动力学的连续方程来建立，采用有限差分方法对方程求解；同时模型也 采用了一些通过实验得到的经验关系。
文学研究热点之一，其原因有以下几个方面：
1.地理信息系统（ GIS）技术的不断完善，使得描述下垫面 因子复杂的空间分布有了强有力的工具;
2.计算机技术和数值分析理论的进一步发展，为用数值方法 求解描述复杂的流域产汇流过程的偏微分方程奠定了基础;
具有物理机制的分布式水文模型
具有物理机制的分布式水文模型分布式水文模型是一种基于物理机制的方法，用于模拟和预测水文过程在流域内的空间分布。
这种模型可以帮助我们更好地理解和管理水资源，以及预测洪水和干旱等水文灾害事件。
分布式水文模型基于流域内的物理地貌特征和水文学原理，将流域划分为多个小流域单元。
每个小流域单元都有自己独特的地貌特征和水文过程。
通过模拟每个小流域单元内的水文过程，可以最终得出整个流域的水文响应。
例如，在一个山区流域中，分布式水文模型可以考虑土壤类型、地形坡度、植被覆盖和降雨等因素，模拟土壤水分的动态变化、地表径流的形成过程以及河流的洪峰流量。
分布式水文模型的核心是水文学方程，如土壤水分平衡方程、地表径流方程和河流水量平衡方程等。
这些方程描述了水文过程中的水量输入、输出和转移过程。
通过将这些方程应用到每个小流域单元中，可以计算得出每个单元内的水文变量，如土壤水分含量、地表径流和河流水量等。
分布式水文模型还需要考虑气象数据、土壤属性和植被参数等输入。
这些输入数据可以通过遥感和气象观测等方法获取。
通过将这些数据与水文学方程结合，可以计算得出每个小流域单元内的水文变量的时间和空间分布。
此外，分布式水文模型还可以模拟人类活动对水文过程的影响。
例如，农田灌溉和城市排水等活动会改变土壤水分的分布和径流的形成过程。
通过在模型中考虑这些人为因素，可以更准确地预测流域内的水文变化。
分布式水文模型常用于水资源管理和洪水预报等领域。
通过模拟和预测流域内的水文过程，可以辅助决策者制定合理的水资源利用方案，以及及时采取措施应对洪水等水文灾害。
总之，具有物理机制的分布式水文模型是一种基于物理原理的方法，用于模拟和预测水文过程在流域内的空间分布。
这种模型可以帮助我们更好地理解和管理水资源，以及预测洪水和干旱等水文灾害事件。
随着遥感和气象观测等技术的不断发展，分布式水文模型将在未来发挥更大的作用，并对水资源管理和水灾防治等领域产生积极的影响。
分布式水文模型
分布式水文模型(日志)分布式水文模型是在分析和解决水资源多目标决策和管理中出现的问题的过程中发展起来的，所有的分布式水文模型都有一个共同点：有利于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。
一、分布式水文模型-特点与传统模型相比，基于物理过程的分布式水文模型分布式可以更加准确详细地描述流域内的水文物理过程，获取流域的信息更贴近实际。
二者具体的区别在于处理研究区域内时间、空间异质性的方法不一样：分布式水文模型的参数具有明确的物理意义，它充分考虑了流域内空间的异质性。
采用数学物理偏微分方程较全面地描述水文过程，通过连续方程和动力方程求解，计算得出其水量和能量流动。
二、分布式水文模型-尺度问题、时空异质性及其整合尺度问题指在进行不同尺度之间信息传递（尺度转换）时所遇到的问题。
水文学研究的尺度包括过程尺度、水文观测尺度、水文模拟尺度。
当三种尺度一致时，水文过程在测量和模型模拟中都可以得到比较理想的反应，但要想三种尺度一致是非常困难的。
尺度转换就是把不同的时空尺度联系起来，实现水文过程在不同尺度上的衔接与综合，以期水文过程和水文参数的耦合。
所谓转换，包括尺度的放大和尺度的缩小两个方面，尺度放大就是在考虑水文参数异质性的前提下，把单位面积上所得的结果应用到更大的尺度范围的模拟上，尺度缩小是把较大尺度的模型的模拟输出结果转化为较小尺度信息。
尺度转换容易导致时空数据信息的丢失，这一问题一直为科学家所重视，却一直未能得到真正解决，这也是当今水文学界研究的热点和难点。
尺度问题源于目前缺乏对高度非线性的水文学系统准确的表达式；于是对于一个高度非线性的、且没有表达式的系统，人们用“分布式”方法来“克服”它。
然而事实上，无论是“subwatersheds”是“rid Cells”其内部仍然是非线性的且没有表达式。
但是，人们认为他们是“均一”的，于是就产生了尺度问题。
比如，自然界中水文参数存在很大的时间、空间异质性，野外实验证明，传统上认为在“均一”单元，且属于同一土壤类型的小尺度土地上，其水力传导度的变化范围差异可以达到好几个数量级。
分布式水文模型介绍DHSVM_Model_Outputs
Default Output: Mass.Balance
Various water balance components and water balance error for each individual time step
Default Output: Mass.Balance
1. 2. 3. 4. 5.
Reports the results for the entire network
Stream Flow or Road Flow, Streamflow.Only or Roadflow.Only
Network Flow Files
Stream.Flow or Road.Flow:
Time (MM/DD/YYYY-HH) Segment identifier Inflow (m³ /timestep) Lateral inflow (m³ /timestep) Outflow (m³ /timestep) Change in segment storage (m³ )
Model Calibration – Parameter Adjustment
Orographic precipitation model/PRISM
Vegetation Parameters
Stomatal resistance (Min/max
resistance)
Wilting point
DHSVM Output
DHSVM
Soil moisture
Overland flow
Channel flow
DHSVM Model Outputs
Default Output Files Aggregated.Values Mass.Balance Model State Files Soil State File Snow State File Interception State File Channel State File Network Flow Files Network Segment Output File Stream flow or Road flow Optional Outputs Pixel Dumps Model Maps Model Images Graphic Images
分布式水文模型介绍dhsvm_overview
Vegetation Model
Completely automated
In use since WY 1998
Streamflow and other forecasts
Summary of Hydromet System
Real-time Streamflow Forecast System 26 basins ~60 USGS Gauge Locations 48,896 km2
2,173,155 pixels
DHSVM @ 150 m resolution MM5 @ 4 & 12 km
Performance of Hydromet System
Sauk Snoqualmie
Observed MM5-DHSVM
NWRFC
Hydromet Performance 2
Deschutes Nisqually
Routing
Controls movement of water from the hillslope to the basin mouth
Road networks in steep terrain remove water from the soil matrix to travel as concentrated flow
Spatial runoff patterns; flow convergence and divergence
Soil Characteristics
Total moisture storage capacity of the watershed Rate of movement of moisture from the hillside to the channel network Moisture available to vegetation for transpiration
分布式水文模型1
基于DEM DEM的流域分布式水文模型 9.2 基于DEM的流域分布式水文模型 9.2.1 流域水文过程及其数学模拟
9.2.1.1 流域水循环过程
流域是陆地系统中最为重要的自然集水区域。流域 流域是陆地系统中最为重要的自然集水区域。 水循环主要包括降水、冠层截留、径流（坡面流、 水循环主要包括降水、冠层截留、径流（坡面流、壤中 流和地下径流）、下渗、蒸发（包括土壤蒸发、 ）、下渗 流和地下径流）、下渗、蒸发（包括土壤蒸发、水面蒸 发、植被蒸腾、潜水蒸发）等几个环节。在这几个环节 植被蒸腾、潜水蒸发）等几个环节。 伴随着水量的转化和物质及能量的交换， 中，伴随着水量的转化和物质及能量的交换，同时还受 到气候变化、大气降水动力学过程及流域地形、地貌、 到气候变化、大气降水动力学过程及流域地形、地貌、 人类活动等多种因素的影响。因此， 人类活动等多种因素的影响。因此，流域水循环是一个 十分复杂的过程。 十分复杂的过程。
Zuo Qiting
9.3.2 TOPMODEL
TOPMODEL（TOPgraphy based hydrological MODEL） TOPMODEL（ MODEL） 是一个以地形为基础的、 是一个以地形为基础的、基于变源面积概念的半分布式水 文模型。 Beven和Kirkby于1979年提出 经过20 年提出， 20多年的发 文模型。由Beven和Kirkby于1979年提出，经过20多年的发 TOPMODEL与DTM（ DEM） 展，TOPMODEL与DTM（或DEM）相结合在水文领域得到了十 分广泛的应用。 分广泛的应用。 TOPMODEL的显著特点是利用易于获取的地形信息 的显著特点是利用易于获取的地形信息（ TOPMODEL的显著特点是利用易于获取的地形信息（如 地形指数 、土壤－地形指数等）来描述流域产流及源面积 土壤－地形指数等） 的变化与分布，简化流域降水径流过程的模拟。 的变化与分布，简化流域降水径流过程的模拟。模型具有 结构简单、优选参数少、物理概念明确、模拟精度高、 结构简单、优选参数少、物理概念明确、模拟精度高、易 于与GIS相结合等特点，无论在径流、泥沙、 GIS相结合等特点 于与GIS相结合等特点，无论在径流、泥沙、水质的模拟研 究中，还是在气候、 究中，还是在气候、土地植被变化研究和水资源管理等领 域都具有很好的应用前景。 域都具有很好的应用前景。
分布式水文模型的介绍
• 分布式水文模型对流域水文过程的物理描述要求模型的输 入数据能够充分反映流域空间的水文异质性,此外,分布式 水文模型的输出结果也远远的超过了传统的降水径流模型 ,其输出更多的是如流域内不同深度的土壤含水量、地下 水埋深或者污染物浓度等空间分布式信息,这些都不是传 统的数据制备和处理方法所能解决的,只有GIS能够胜任. • GIS在分布式水文模型中的以下几个方面发挥着重要作用: 1)空间数据管理. GIS能够统一管理与分布式水文模型相关 的大量空间数据和属性数据,并提供数据查询、检索、更 新以及维护等方面的功能; 2)提取水文特征.如利用地形数 据计算坡度、坡向、流域划分以及河网提取等;
GIS和遥感在分布式水文模型中的角色
• GIS(Geographical information system,地理信息系统)是 采集、存储、分析和显示空间信息的计算机系统,是处理 和分析地理数据的通用技术. GIS对于分布式水文模型的作 用主要体现在两个方面:分布式水文模型的相关数据处理 和分布式水文模型的系统集成. • 根据GIS在水文模型运转过程中发挥作用的时间,其数据处 理功能又可以划分为两类:前处理和后处理.所谓前处理指 的是将不同投影和比例尺的数字地形数据转换为标准格式 的数据并提供复杂的地图叠加分析和空间分析功能为水文 模型处理输入数据;后处理指的是将水文模型输出可视化 和再分析.
• 3)模型数据准备.如利用GIS的空间分析和数据转化功能,制 备分布式水文模型要求的流域内土壤类型图、土壤深度图、 植被分布图以及地下水埋深图等空间分布性数据; 4)模型 输出结果的可视化与再分析.如上所述,分布式水文模型的 输出结果更多的是空间分布型信息,这些结果或者是以模 型特定的数据格式,或者是以某些GIS系统的数据格式,例如 ArcView的ASCII-GRID格式或GRASS的GRID数据格式输 出,只有应用GIS,才能对这类结果进行显示、查询和再分析 .
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。
分布式水文模型-精选
第九章 分布式水文模拟技术
主要内容
9.1
分布式水文模型的发展
9.2 基于DEM的流域分布式水文模型 9.3 几个典型分布式水文模型的介绍
2020/5/26
9.1 分布式水文模型的发展
9.1.1 分布式水文模型的研究进展
9.1.1.1 研究进展
分布式水文模型的研究可以认为起始于1969年Freeze 和Harlan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》的文章。
2020/5/26
分布式水文模型的参数是一个反映流域下垫面和 气象因素空间变化的数集。它的确定方法包括：
①在单元上采用传统的概念性模型，不改变原有模型的 结构和参数，但每一个单元上水文模型的参数值随空间 变化。参数值的大小根据空间信息图进行分类计算。
②重新设计单元水文模型的结构与参数。尽量选择或者 重新构造那些既反映空间变化，又具有物理意义，且便 于计算的指标作为模型的参数。
2020/5/26
流域水循环过程示意图
蒸腾 冠层截留
下渗
壤中流
2020/5/26
基流
降水 蒸发
蒸散发
坡面流
降雨 冠层截留 地表调蓄 土壤调蓄 地下调蓄
河 网 调 蓄
径流
河流
9.2.1.2 流域水循环的数学模拟
由于流域水循环过程极其复杂，在建立水文模型时 通常对复杂水文现象进行抽象和概化。目前，水文模型 的种类繁多，按模型的性质和建模技术可分为：实体模 型（如比例尺模型）、类比模型（如用电流欧姆定律类 比渗流达西定律的模型）和模拟模型。其中，数学模拟 模型是人们最常用的一类水文模型。
2020/5/பைடு நூலகம்6
9.2 基于DEM的流域分布式 水文模型
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Model Overview
Examples Running the Model
DHSVM Watershed Sediment Module
DHSVM
Qsed
SURFACE EROSION
Q
OUTPUT
CHANNEL EROSION
MASS WASTING
The variables can be assigned to one of four distributions:
The parameter distributions are randomly sampled for each of “Maximum Iterations” times to define a range of potential failure scenarios.
Probability of slope failure before and after Fourth of July Fire
Pre-fire
Approximate extent of August 2001 fire
Post-fire
Icicle Creek Vegetation
Simulated soil saturation
[OPTIONS] Format
SEM
= =
# Model Options # BIN, BYTESWAP or NETCDF
# TRUE or FALSE; run SEM
MWM Input File: Model Area
[AREA] Coordinate System = Extreme North = Extreme West = Center Latitude = Center Longitude = Time Zone Meridian = Number of Rows = Number of Columns = Grid spacing = Mass wasting spacing # # # # # # # # # # = Model area UTM or USER_DEFINED Coordinate for northern edge of grid Coordinate for western edge of grid Central parallel of basin Central meridian of basin Time zone meridian for area Number of rows Number of columns Grid resolution in m # Grid resolution of the mass wasting model in m
Roads and streams
Hillslope and road surface erosion module
Run at the hydrology model resolution. Maps of surface sediment type are supplied to the SEM from the MWM. Runoff generation for each model pixel (“effective precipitation”) is determined from DHSVM. Overland flow is modeled using an explicit finite difference solution of the diffusive wave equation. Sediment supply for transport determined by: Soil particle detachment from raindrop and leaf drip impact, and Soil particle detachment via overland flow.
Watershed Sediment Module
Mass Wasting Module
Multiple realizations of total failure locations
Soil depth DEM Soil info Vegetation info P(cohesion, etc.)
MWM - Stochastic Nature
Four variables are input as probability distributions:
soil cohesion,
angle of internal friction, root cohesion, and vegetation surcharge. uniform, normal, triangular or lognormal.
Effective Root Cohesion
Effect of wildfire on simulated root cohesion
1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0 1 2 3 4 5 6 7 8 9 10 Years since wildfire Root decay Root regrowth Total root strength
0 1
Channel Erosion
Similar approach as for upland areas, but:
Splash erosion neglected Lateral inflows become important Allows selective entrainment of finer material, leading to the formation of an armour layer
Rainy Creek Current vegetation November 28, 1995 storm event
Saturated Fraction
Simulated probability of slope failure
Rainy Creek Current vegetation November 28, 1995 storm event
MASS WASTING
Multiple time series of sediment supply
Mass Wasting Module
Dynamic relative soil saturation predicted by DHSVM
Nested grids for fine resolution failure computation Slope instability indicated by the factor of safety (ratio of resisting forces to driving forces) Uncertainty in failure predictions is assumed to be primarily due to uncertainty in the spatial variability of soil and vegetation characteristics.
Examples
Simulated streamflow
Icicle Creek, October 1995 - September 1996
Simulated soil saturation
Icicle Creek
November 1995
Simulated probability of slope failure
Surface Erosion Module - Hillslopes
Multiple time series of sediment supply Soil Precipitation Vegetation DEM
SURFACE EROSION
Overland flow
Distribution of sediment delivery to channels (roads and streams)
MWM Input File: Constants
[CONSTANTS] Ground Roughness Reference Height Maximum Iterations # = # = # = # # # Model constants Roughness of soil surface (m) Wind speed reference height Number of iterations for stochastic failure predictions; 1 =deterministic
Total erosion is limited by overland flow transport capacity.
Surface Erosion Module - Channels
23.9 19.2 19.7 21.9 19.8 17.1 18.0 19.5 19.3 18.9
CHANNEL EROSION
MWM Input File: Time
[TIME] Time Step Model Start
Model End
= = =
# Model period # Model time step (hours) # Model start time (MM/DD/YYYY-HH) # Model end time (MM/DD/YYYY-HH)
Channel flow
Distribution of sediment delivery to channels (roads and streams)