基于遥感与区域化方法的无资料流域水文模型参数优化方法
发布时间：2021-10-17 01:55
针对无资料流域径流预报的难点,探讨水文模型参数优化的共性问题,综述区域化方法和遥感方法的研究现状。首先从水文模型参数优化面临的共性问题,即水文地理数据生成、目标函数构建和优化方法选择等问题出发,分析其对参数优选结果的影响,并归纳出当前广泛认可的解决方案。然后结合区域化方法的技术原理和研究进展,着重论述测站密度对区域化方法性能的影响,并分析该方法在中国的适用性。接着从研究区域、水文模型结构、遥感资料以及率定目标等方面归纳总结遥感方法优化水文模型参数的最新研究进展。最后对区域化方法和遥感方法的优缺点及未来发展前景进行对比分析,为中国无资料或缺资料流域径流预报实践提供参考。
【文章来源】：北京大学学报(自然科学版). 2020,56(06)北大核心EICSCD
【文章页数】：13 页
【部分图文】：
7657个GRDC日径流观测站的分布情况
将DRT水文地理数据集科学地应用到水文模型径流预报中,能最大程度地减少研究人员自行升尺度过程中可能发生的错误,提高汇流演算的精度。目前,DRT水文地理数据集在中国流域径流预报中尚未得到有效的利用。因此,本文以长江流域为例,分析其在中国的适用性。大通水文站距河口624 km,是长江干流的最后一个控制站,累计汇流面积为170.54 km2 (数据来自GRDC),是国家一类水文站,对长江下游地区的径流监测起着重要的作用[18]。我们利用DRT水文地理数据集,选取水文模拟中常用的1/16°,1/8°和1/4°这3种空间分辨率,提取汇流到大通站的河流网络及流域边界线,如图3所示,其中长江流域高分辨率水文参考数据(流域边界和河流)来自中国国家地球系统科学数据中心湖泊?流域分中心(http://lake.geodata.cn)。从河流网络与流域形状来看,不同空间分辨率的DRT水文地理数据集均与高分辨率流域水文地理信息保持高度一致。从DRT水文地理数据集提取的大通站控制的上游汇流累积面积在1/16°,1/8°和1/4°的空间分辨率上分别是168.03,168.14和168.50 km2,与从高分辨率水文信息提取的参考汇流累积面积的误差均在1.5%以内,充分显示出DRT水文地理数据集的准确性。1.2 目标函数
基于相对误差构造的方法中,主要有均方根误差RMSE (root mean square error)、平均绝对误差MAE (mean absolute error)以及误差百分比PBIAS(percent bias)等方法,其优势是能够侧重评估一些极值模拟的情况(如评估高流量或低流量模拟结果)。基于相关系数构造的方法主要包括皮尔森相关系数R (Pearson’s correlation coefficient)、确定性系数R2 (coefficient of determination)、纳什效率系数NSE (Nash-sutcliffe efficiency)、观测标准偏差RSR(RMSE-observations standard deviation ratio)、克林效率系数KGE (Kling-Gupta efficiency)等方法,其特点是对观测时间序列里所有结果同等重视,可用于从整体上评估模拟结果与观测结果的拟合程度。这些目标函数中,PBIAS,RSR,NSE和KGE也常用来评估水文参数优化后径流模拟的性能,其中Moriasi等[19]提出的通过PBIAS,RSR和NSE在月份时间尺度上的结果来评价模型性能的方法得到广泛的认可。以水文模型中最常用的效率系数NSE为例,若NSE>0.75,视模型表现为“优秀(very good)”;若0.65≤NSE<0.75,视模型表现为“良好(good)”;若0.50≤NSE<0.65,视模型表现为“中等(Satisfactory)”;若NSE<0.50,视模型表现为“较差(Unsatisfactory)”。
【参考文献】：
期刊论文
[1]土壤水分遥感反演研究进展[J]. 潘宁,王帅,刘焱序,赵文武,傅伯杰. 生态学报. 2019(13)
[2]水文学研究进展与展望[J]. 杨大文,徐宗学,李哲,袁星,王磊,缪驰远,田富强,田立德,龙笛,汤秋鸿,刘星才,张学君. 地理科学进展. 2018(01)
[3]无测站流域径流预测区域化方法研究进展[J]. 于瑞宏,张宇瑾,张笑欣,刘廷玺. 水利学报. 2016(12)
[4]水文学前沿科学问题之我见[J]. 芮孝芳. 水利水电科技进展. 2015(05)
[5]水文模型不确定性及集合模拟总体框架[J]. 王浩,李扬,任立良,王建华,严登华,鲁帆. 水利水电技术. 2015(06)
[6]遥感蒸散发模型研究进展综述[J]. 冯景泽,王忠静. 水利学报. 2012(08)
[7]长江流域水文站网系统评价及发展建议[J]. 李海源,香天元,徐汉光. 人民长江. 2011(17)
[8]分布式水文模型研究与应用进展[J]. 徐宗学,程磊. 水利学报. 2010(09)
[9]中国水文站网[J]. 何惠. 水科学进展. 2010(04)
[10]遥感与GIS在洪水灾情分析中的应用[J]. 陈秀万. 水利学报. 1997(03)
本文编号：3440891
【文章来源】：北京大学学报(自然科学版). 2020,56(06)北大核心EICSCD
【文章页数】：13 页
【部分图文】：
7657个GRDC日径流观测站的分布情况
将DRT水文地理数据集科学地应用到水文模型径流预报中,能最大程度地减少研究人员自行升尺度过程中可能发生的错误,提高汇流演算的精度。目前,DRT水文地理数据集在中国流域径流预报中尚未得到有效的利用。因此,本文以长江流域为例,分析其在中国的适用性。大通水文站距河口624 km,是长江干流的最后一个控制站,累计汇流面积为170.54 km2 (数据来自GRDC),是国家一类水文站,对长江下游地区的径流监测起着重要的作用[18]。我们利用DRT水文地理数据集,选取水文模拟中常用的1/16°,1/8°和1/4°这3种空间分辨率,提取汇流到大通站的河流网络及流域边界线,如图3所示,其中长江流域高分辨率水文参考数据(流域边界和河流)来自中国国家地球系统科学数据中心湖泊?流域分中心(http://lake.geodata.cn)。从河流网络与流域形状来看,不同空间分辨率的DRT水文地理数据集均与高分辨率流域水文地理信息保持高度一致。从DRT水文地理数据集提取的大通站控制的上游汇流累积面积在1/16°,1/8°和1/4°的空间分辨率上分别是168.03,168.14和168.50 km2,与从高分辨率水文信息提取的参考汇流累积面积的误差均在1.5%以内,充分显示出DRT水文地理数据集的准确性。1.2 目标函数
基于相对误差构造的方法中,主要有均方根误差RMSE (root mean square error)、平均绝对误差MAE (mean absolute error)以及误差百分比PBIAS(percent bias)等方法,其优势是能够侧重评估一些极值模拟的情况(如评估高流量或低流量模拟结果)。基于相关系数构造的方法主要包括皮尔森相关系数R (Pearson’s correlation coefficient)、确定性系数R2 (coefficient of determination)、纳什效率系数NSE (Nash-sutcliffe efficiency)、观测标准偏差RSR(RMSE-observations standard deviation ratio)、克林效率系数KGE (Kling-Gupta efficiency)等方法,其特点是对观测时间序列里所有结果同等重视,可用于从整体上评估模拟结果与观测结果的拟合程度。这些目标函数中,PBIAS,RSR,NSE和KGE也常用来评估水文参数优化后径流模拟的性能,其中Moriasi等[19]提出的通过PBIAS,RSR和NSE在月份时间尺度上的结果来评价模型性能的方法得到广泛的认可。以水文模型中最常用的效率系数NSE为例,若NSE>0.75,视模型表现为“优秀(very good)”;若0.65≤NSE<0.75,视模型表现为“良好(good)”;若0.50≤NSE<0.65,视模型表现为“中等(Satisfactory)”;若NSE<0.50,视模型表现为“较差(Unsatisfactory)”。
【参考文献】：
期刊论文
[1]土壤水分遥感反演研究进展[J]. 潘宁,王帅,刘焱序,赵文武,傅伯杰. 生态学报. 2019(13)
[2]水文学研究进展与展望[J]. 杨大文,徐宗学,李哲,袁星,王磊,缪驰远,田富强,田立德,龙笛,汤秋鸿,刘星才,张学君. 地理科学进展. 2018(01)
[3]无测站流域径流预测区域化方法研究进展[J]. 于瑞宏,张宇瑾,张笑欣,刘廷玺. 水利学报. 2016(12)
[4]水文学前沿科学问题之我见[J]. 芮孝芳. 水利水电科技进展. 2015(05)
[5]水文模型不确定性及集合模拟总体框架[J]. 王浩,李扬,任立良,王建华,严登华,鲁帆. 水利水电技术. 2015(06)
[6]遥感蒸散发模型研究进展综述[J]. 冯景泽,王忠静. 水利学报. 2012(08)
[7]长江流域水文站网系统评价及发展建议[J]. 李海源,香天元,徐汉光. 人民长江. 2011(17)
[8]分布式水文模型研究与应用进展[J]. 徐宗学,程磊. 水利学报. 2010(09)
[9]中国水文站网[J]. 何惠. 水科学进展. 2010(04)
[10]遥感与GIS在洪水灾情分析中的应用[J]. 陈秀万. 水利学报. 1997(03)
本文编号：3440891
本文链接：https://www.wllwen.com/projectlw/dqwllw/3440891.html
