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
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)
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]
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;