分布式水文模型介绍DHSVM_Model_Outputs
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。
分布式水文模型介绍 泥沙 dhsvm_sediment
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
分布式水文模型
遥感数据在分布式水文模型中的应用
• 遥感数据(航空照片和卫星影像)能够提供流域空间特征信 息,是描述流域水文变异性的最为可行的方法,尤其是在地 面观测缺乏地区.在分布式水文建模中,遥感数据的应用可 以归纳为[8]:作为模型输入数据和用作模型参数估计,具体 有7个方面: 1)降水强度观测以及空间格局; 2)蒸散发计算 和土壤湿度反演; 3)雪被覆盖面积; 4)地下水埋深; 5)土地 覆盖与土地利用分类; 6)水体特征;7)植被参数提取.相对 GIS,遥感技术在分布式水文模型中的应用水平比较低,其原 因主要由于: 1)遥感数据空间分辨率和时间分辨率的矛盾, 即空间分辨率较高的数据,其时间分辨率较低,反之亦然,这 样限制了遥感数据的应用; 2)缺乏普遍可用的从遥感数据 中提取水文变量的方法; 3)缺乏必要教育与技术培训。
• 如果模型考虑水质和土壤侵蚀问题,还应包括: 1)一维包气 带内溶质运移和化学反应过程模型; 2)三维饱和带内溶质 运移和化学反应过程模型; 3)土壤侵蚀和沉积物运移模型. 分布式水文模型通过上述子系统描述水文过程的各个重要 环节,如融雪过程、冠层截留、蒸散发、地表漫流、渠道 汇流、不饱和与饱和土壤水分运动等.
• 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;
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。
分布式水文模型及3S技术简介
模型考虑了蒸散发、植物截留、坡面和河网汇流、土壤非饱和流和饱和流、融雪径流、地表和地下水交换等水文过程。 模型的参数从观测资料中分析得到。 流域特性，降水和流域响应的空间分布信息在垂直方向用层来表示，水平方向采用正交的长方形网格来表示。
至今，国内外的水文学家们相继提出了一系列的分布式水文模型，SHE模型就有不同的版本，如MIKESHE、SHETRAN等，较为常见的还有TOPKAPI、DHSVM。
（2）获得大范围空间信息和资料的方法—卫星遥感；
（3）计算机与计算技术；
分布式水文模型的技术支撑
（1）地理信息系统（GIS)技术 GIS 是一种融合现代计算机图形学和数据库管理技术为一体，对现实世界各类空间数据及描述这些空间数据的属性进行采集、储存、管理、运算、分析、显示和描述的技术系统。 基本的信息源——
分布式模型的技术支撑
目前人们把数字高程模型资料，作为地理信息系统数据库的基本信息来源。常用的ARC/Iofo GRID可提供基本的地形分析算法，另外还可生成一些反映流域水文特性的地貌参数。 遥感观测资料：同步卫星、轨道卫星、MODIS等。
（1）建立分布式水文模型的平台——地理信息系统；
3 分布式水文模型
不同的集总式流域水文模型虽然各自具有不同的结构和参数，但最基本的特征是将流域作为一个单元体模拟，在产汇流等环节上采用概念性模拟或经验函数关系的描述，对模型输入的空间分散性和不均匀性没有充分考虑。
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。
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。
分布式水文模型构建理论与方法述评
分布式水文模型构建理论与方法述评分布式水文模型是一种建模方法，通过将水文模型的计算任务分配到多个计算节点上进行并行计算，提高了计算效率和模型的准确性。
下面将对分布式水文模型构建的理论与方法进行述评。
首先，分布式水文模型构建的理论基础是分布式计算和水文模型。
分布式计算是基于计算机网络来组织和实现分散在不同计算节点上的计算任务，并通过通信与协调机制来实现任务之间的协同工作。
水文模型是对水文过程进行定量描述和模拟的数学模型，例如流域水循环模型、水质模型等。
分布式水文模型构建理论就是将这两个领域的理论知识相结合，以适应大规模水文模拟与预测的需求。
其次，分布式水文模型构建的方法主要包括任务划分、数据传输与同步、算法设计和结果集成等步骤。
任务划分是将水文模型的计算任务划分为多个子任务，并分配到不同的计算节点上进行并行计算。
数据传输与同步是指不同计算节点之间进行数据交换和同步，以保证各个子任务计算能够正确进行。
算法设计是指针对分布式环境下的计算特点，设计适用的并行算法来实现水文模型的计算。
结果集成是指将各个子任务的计算结果进行整合，得到最终的水文模型的结果。
在任务划分方面，可以采用基于空间划分的方法，将流域按照空间位置划分为多个子区域，每个子区域分配给不同的计算节点进行计算。
在数据传输与同步方面，可以采用消息传递的机制，通过网络传输数据和同步各个计算节点的状态。
在算法设计方面，可以利用并行计算中的数据并行和任务并行来实现水文模型的计算。
在结果集成方面，可以采用加权平均的方法，将各个子任务的计算结果按照一定权重进行加权求和。
分布式水文模型构建的优点在于提高了模型的计算效率和模拟精度。
由于水文模型的计算任务可以并行处理，大大缩短了计算时间。
同时，分布式水文模型还可以利用多个计算节点的计算能力，增加了模型的计算资源，提高了模拟精度。
此外，分布式水文模型还具有较好的可扩展性和可靠性，可以根据任务的规模和计算资源的情况，动态调整计算节点的数量和规模，以适应不同场景下的模拟需求。
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
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》课件
05
分布式水文模型的发展趋势与展望
模型算法优化与改进
模型参数优化
通过改进参数估计方法，提高模型模拟精度和稳定性。
模型结构改进
针对特定流域或水文条件，优化模型结构，提高模拟效果。
模型并行化
利用高性能计算技术，实现模型并行化，提高模拟效率。
多源数据融合与集成
遥感数据融合
将卫星遥感数据与地面观测数据融合，提高数据精度和覆盖范围 。
响。
THANKS
感谢观看
04
分布式水文模型的案例分析
黄河流域分布式水文模型应用
黄河上游
黄河下游
利用分布式水文模型模拟黄河上游的 水文循环，预测洪水过程，为防洪减 灾提供决策支持。
在黄河下游地区，分布式水文模型应 用于研究河道的冲淤变化和洪水演进 过程，提高洪水预警预报的准确性和 及时性。
黄河中游
在黄河流域中游地区，分布式水文模 型被用于研究水土流失和土地利用变 化对水文过程的影响，为水资源管理 和生态保护提供科学依据。
数据融合与共享技术
数据融合与共享技术是分布 式水文模型中重要的数据处
理技术。
1
数据融合技术可以将不同来 源、不同格式的数据进行整 合和融合，为水文模型提供
统一的数据基础。
数据共享技术可以实现不同 部门和机构之间的数据共享 和交流，促进水文学科的发 展和进步。
数据融合与共享技术还可以 提高数据的利用率和价值， 促进水文学科的创新和发展 。
分布式水文模型需要大量的数据输入，包括地 形数据、土壤类型、植被类型等，同时也需要 较高的计算资源。
分布式水文模型的应用领域
01
分布式水文模型在水资源管理、水环境保护、洪水灾害防治等领域具 有广泛的应用价值。
喀斯特流域分布式水文模型及植被生态水文效应
喀斯特流域分布式水文模型及植被生态水文效应张志才,陈 喜,石 朋,魏玲娜(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 210098)摘要:根据喀斯特流域多孔介质与裂隙水流特征,建立了达西流、裂隙渗流与槽蓄汇流演算相结合的混合汇流演算模式,实现了对分布式水文 植被 土壤模型(DHSVM)的改进。
利用贵州普定喀斯特生态水文试验站陈旗小流域观测资料,对模型计算的流量过程及植被截流、蒸散发及土壤含水率时空分布进行验证。
结果表明,模型能较好地模拟喀斯特流域陡涨、陡落的流量过程。
同时,模型能模拟出土壤含水率、实际蒸散发与降雨、下垫面岩溶裂隙、植被覆盖的响应关系,对分析中国南方喀斯特地区下垫面变化条件下的生态水文效应具有重要意义。
关 键 词:喀斯特;分布式水文 植被 土壤模型;岩溶裂隙水;生态水文中图分类号:P641 1 文献标识码:A 文章编号:1001 6791(2009)06 0806 06收稿日期:2008 10 12基金项目:国家重点基础研究发展计划(973)资助项目(2006CB403200);国家自然科学基金资助项目(50679025);教育部科学技术研究重大项目(308012)作者简介:张志才(1980-),男,河北邯郸人,博士研究生,主要从事流域水文模拟研究。
E mail:zhangzhicai -0@hhu edu cn 喀斯特地区土层薄、土壤贫瘠,持水能力差,生态环境脆弱。
表层岩溶带以及由溶隙、溶洞、管道等多重介质所构成的地下河系统发育,是地表水入渗和地下水储存、径流的良好通道,对雨洪产汇流起主导作用。
受岩溶裂隙影响,流域水文过程具有补给排泄迅速、水位流量季节变化剧烈等基本特点[1 2]。
受喀斯特地表、地下空间异质性影响,建立符合喀斯特流域水文地质特征的分布式水文模型存在较大困难,目前基于松散介质特性建立的分布式水文模型[4 7]无法直接应用于喀斯特地区。
本文利用华盛顿大学开发的分布式水文 土壤 植被模型(DHSVM)[8],根据计算单元内松散介质水流与裂隙水流双重介质体渗流原理,建立喀斯特流域浅层岩溶带产汇流计算方法;根据喀斯特流域裂隙、管道及地下暗河汇流系统特征,建立各计算单元之间的水力联系,实现对DHSVM 的改进,并应用于典型喀斯特小流域。
- 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)。
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
Model Calibration & Diagnostics
Some calibration is necessary due to uncertainties in input parameters. Depending on available observed data:
Cumulative discharge Snowlines and Snow Water Equivalent Ditch flows Hydrographs
ห้องสมุดไป่ตู้
Model State Files
Soil State File
Snow State File
Interception State File
Channel State File
Network Flow Files
For each time step, these reports the results of the stream or channel routing Network Segment Output File, Stream.Flow or Road.Flow
Leaf Area Index (LAI)
Model Calibration – Parameter Adjustment con’t
Snow accumulation and ablation:
Snow-rain threshold temperature
Temperature lapse rate
Model Diagnostics
If you run the model for 1 year starting and ending in a dry time, you can say ΔS ~ 0 and: E=P-D
If you use: P modeled & D observed Solve for E Compare the order of magnitude of E to reported values of E for the area
Network Flow Files
Streamflow.Only or Roadflow.Only:
Time Flow (m3/s) at a particular location
Optional Output
Pixel Dump – variables & fluxes are output for each timestep at a specified location Model Map – complete fields of a particular variable at a particular time Images – reduced precision versions of maps Graphics – real-time display
Model Diagnostics
Check the model mass balance:
Final Mass Balance Precip (mm): 5729.728222 ET (mm): 973.403871 SnowVaporFlux (mm): -243.427321 Runoff (mm): 96.424371 RoadInt (mm): 377.608269 CulvertReturnFlow (mm): 115.123756 ChannelInt (mm): 4185.887337 CulvertToChannel (mm): 260.622054 RunoffToChannel (mm): 1850.835085 Mass Error (mm): 0.076868 Mass added to glacier (mm) 0.000000 STARTING CLEANUP
10. Precipitation 11. Sublimation from Snow on the Ground 12. Sublimation from Snow in the Canopy 13. Water During the Previous Time Step 14. Flow from Culverts to the Channel 15. Surface Flow to the Channel 16. Mass Balance Error for the Current Time Step
If the mass balance error is large, there is something wrong with one of the inputs.
Model Diagnostics
Check the water balance: ΔS = P-E-D where: ΔS = change in storage P = Precipitation E = Evapotranspiration D = Stream Discharge
6. 7.
8.
9.
Runoff Water in the canopy Water in the soil Snow water equivalent Saturated Subsurface Flow Water Intercepted by Channels Water Intercepted by Roads Water Returned by Culverts to the Land Surface Evapotranspiration
Default Output: Aggregated.Values
Basin average values and the number of saturated pixels in the basin (last column) Header that specifies what is reported in each column Use Generic Mapping Tool (GMT) scripts to look at output
Radiation attenuation Snow roughness
Model Calibration – Parameter Adjustment con’t
Lateral component of soil saturated hydraulic conductivity Vertical component of soil saturated hydraulic conductivity f parameter related to the decay of saturated conductivity with depth Soil thickness Rooting zone thickness Height of road cuts (observed culvert flow)