一種無徑流資料地區的洪水預報方法
【專利摘要】本發明公開了一種無徑流資料地區的洪水預報方法，對于已完成的有歷史徑流資料、預報效果較好的流域，預先將其模型參數、聚類處理后的流域特征信息存入數據庫；進行無徑流資料流域預報時，首先將流域內下墊面特征信息自動進行聚類處理，而后在該流域所處大流域內逐一尋找與每一模型參數相似的流域，并將相似流域的該模型參數與事先確定好的特征信息進行相關分析，最終確定每個參數。本發明在大量流域預報積累的基礎上，完成了無資料預報流域相似流域的自動選取、模型參數的自動相關分析以及最終確定，可有效避免人為主觀判斷誤差，且提高效率，為大范圍無資料地區預報奠定基礎。
【專利說明】一種無徑流資料地區的洪水預報方法
【技術領域】
[0001]本發明涉及一種無徑流資料地區的洪水預報方法，屬于洪水預報【技術領域】。
【背景技術】
[0002]自然界中的水文過程極為復雜，受多種因素的影響，通常采用概化的水文模型進行預報，模型參數主要受地形、地貌、下墊面等特征影響，水文預報的重要工作即在采用適用模型的基礎上，確定當前預報流域的水文模型參數。在大部分流域，水文模型參數通過大量的歷史徑流資料模擬推算(將降雨、蒸發等信息代入模型，通過調整參數使計算的徑流過程與實際吻合);但因雨量/水文站建設早期建設較少，歷史徑流資料序列很短，無法滿足預報需求；同時因人類活動等影響，導致流域產匯流特性發生較大變化，原有的資料無法反映當前的來水特性，導致資料不可用。未了解決無資料/少資料地區水文預報問題，國際水文科學協會(IAHS)啟動了簡稱“PUB”(無資料流域水文預報)的十年計劃，以減少水文預報的不確定性為核心，旨在探索水文模擬的新方法、實現水文理論的重大突破，以滿足尤其是發展中國家社會經濟的需要。
[0003]以往對無徑流資料流域水文預報的方法包括水文比擬法、參數等值線圖法、徑流系數法、地區經驗公式法、隨機模擬法等。傳統方法的主要思想一般是資料的移用，但是參考站(流域)的選擇并沒有有效的方法，在很大程度上受到水文工作者主觀經驗的影響。徑流特征值的空間變化與流域物理特性及氣象因素等密切相關，區域化方法(regionalization)即在這種基礎上發展起來，即通過流域屬性尋找目標流域(無資料流域)的參考流域(有資料流域)，利用有資料流域的模型參數推求無資料流域的模型參數，從而對無資料流域進行預報。區域化的常用方法包括距離相近法、屬性相似法和回歸法三種方法，⑴距離相近法是指找出與研究流域(無資料流域)距離上相近的一個(或者多個)流域(有資料流域)，并把其參數作為研究流域的參數，其研究根據為同一區域的物理和氣候屬性相對一致，因此相鄰流域的水文行為相似。(2)屬性相似法是指找出與研究流域屬性(如土壤、地形、植被和氣候等)上相似的流域，并把其參數作為研究流域的參數。(3)回歸法是指根據有資料流域的模型參數和流域屬性，建立二者之間的多元回歸方程，從而利用無資料流域的流域屬性推求其模型參數。
[0004]現有技術存在如下缺點:
相似流域選取缺乏全面、客觀性:現有研究通常選用一種或幾種地形、地貌特征參數的綜合指數(如地形指數ln(a /tanii))作為屬性判別尋找相似流域，而后進行參數的移用或分析。因不同模型參數的物理意義不同，僅依據某種或幾種流域特征參數進行判別不夠全面，難以反映真正的流域相似；采用所有流域特征分析存在信息量大、分類復雜，無法判斷的問題。
[0005]現有技術未考慮不同參數的區別:目前無資料地區參數通常采用移用或回歸分析確定:移用時通常先找到參照流域，而后所有參數統一移用；回歸分析則先確定進行分析的流域，而后每個參數在同樣的流域群中進行。實際上，水文模型中每個參數代表的物理意義不同，因每個流域都有其獨特性，很難找到與模型中所有參數的相關特征均相似的流域，且已有研究僅依據一種或幾種特征變量尋找參照流域，而所有參數統一移用或采用同一些流域無法反映參數的獨特性。
[0006]主觀判別、效率低:現有技術均采用人工判別、處理的方式，嘗試解決無資料地區的洪水預報問題，采用技術難以大量推廣，且其中包含人為的主觀性，效率低下。
【發明內容】
[0007]為彌補現有技術的缺陷，本發明提供了一種無徑流資料地區的洪水預報方法，采用所有可獲取的相關流域特征信息進行分析，使得相似流域的選取更加客觀，全面。
[0008]本發明是采用如下技術手段實現發明目的的:
一種無徑流資料地區的洪水預報方法，包括如下步驟
1)對所有已有甲等預報方案流域的土地利用和土壤特征信息進行聚類處理，所述土地利用和土壤特征信息主要為各種植被覆蓋率和土壤類型覆蓋率；
2)對水文模型的每一個參數，選取全部或部分流域特征信息進行逐步回歸分析，確定與該參數相關的流域特征信息；
3)針對所有已有甲等預報方案流域，建立流域特征信息數據庫；
4)對待確定參數的無徑流資料流域，首先根據經緯度自動從互聯網下載數字高程模型數據和植被，土壤信息，然后采用數字高程模型數據進行流域相關信息提取，并對植被，土壤信息進行聚類，得到與前述已有甲等預報方案流域相同的流域特征信息；
5)在所述步驟3)建立的流域特征信息數據庫中尋找與待確定參數的無徑流資料流域同屬于一個大流域的子流域；
6)針對水文模型的每一個參數，首先依據所述步驟2)確定的與該參數相關的流域特征信息，在所述步驟5)中所選定的子流域中尋求待確定參數的無徑流資料流域基于該參數的相似流域，若相似流域個數滿足一定要求，則確定該子流域為相似流域；否則在所述步驟
5)的大流域的上一級流域范圍內尋求相似流域,直至滿足個數要求；
7)對水文模型的每一個待確定參數，在所述步驟6)確定的相似流域內，對與該參數相關的特征信息進行相關分析，建立該參數與流域特征信息的回歸方程，得到相關系數，并確定該參數；
8)水文模型的所有待確定參數確定后，即可將參數帶入洪水預報系統，進行該無資料地區的洪水預報。
[0009]前述的土地利用聚類為深根植被覆蓋率和淺根植被覆蓋率兩大類。
[0010]前述的土壤特征信息聚類為兩大類，其中第一大類又分為兩小類，具體為:第一大類第一小類:薄層土覆蓋率、人為土覆蓋率、粗骨土覆蓋率；第一大類第二小類:淋溶土覆蓋率、始成圖覆蓋率、高活性強酸土覆蓋率、強淋溶土覆蓋率；第二大類:低活性淋溶土覆蓋率、沖擊土覆蓋率、潛育土覆蓋率、粘磐土覆蓋率、灰化土覆蓋率、沙丘覆蓋率、巖石露頭土覆蓋率、水體(土壤中)覆蓋率。
[0011]前述的步驟3)的流域特征信息數據庫包括流域信息，流域地形特征信息，所述步驟I)得到的聚類處理后的土壤類型信息，聚類處理后的植被類型信息，流域采用的水文模型參數信息，所述步驟2)得到的與水文模型參數相關的地形，土壤和植被信息。[0012]前述的步驟6)中，尋求相似流域是指針對待確定參數流域上級流域的子流域，采用其與該水文模型參數相關的流域特征信息進行聚類，當聚類的距離小于某一限定值時，即為相似流域。
[0013]前述的步驟6)中，相似流域滿足的個數要求為大于等于5。
[0014]前述的步驟7)中，如果相關系數小于0.8，則該待確定參數的無徑流資料流域的預報方案降級使用。
[0015]通過采用上述技術手段，本發明的有益效果為:
1)將歷史已完成的具有較高精度的預報模型參數和流域特征信息均設計存儲在數據庫中，可方便查詢已預報流域的信息和參數，便于進行分析、統計等；
2)參數確定過程更客觀:本發明涉及的參數確定過程，每一步驟均依據事先設定的規貝U，由計算機自動尋求，如相似流域的選擇確定、流域特征信息的聚類處理等，避免了人為判斷的主觀性，使參數確定過程更客觀；
3)采用信息和技術途徑更全面:本發明在流域特征信息的選擇，相似流域的選取等方面，均采用了所有可以獲取的信息，同時依據參數特性為各參數選取不同的相似流域，使無資料地區洪水預報模型參數確定方法在原始資料、技術途徑等方面均更全面；
4)無徑流資料地區模型參數確定效率更高:本發明將無資料地區模型參數的確定方法設計為一套完整的系統，從流域特征信息的處理、相似流域的尋求到相關關系的確定均由系統依據設定的規則自動完成，使得整個過程效率更高。
【專利附圖】
【附圖說明】
[0016]圖1為本發明無徑流資料地區洪水預報參數確定流程圖；
圖2為本發明土地利用類型聚類譜系圖；
圖3為本發明土壤特征信息聚類譜系圖。
【具體實施方式】
[0017]下面結合附圖和【具體實施方式】對本發明做進一步說明。
[0018]如圖1所示，本發明的無徑流資料地區的洪水預報方法，包括如下步驟:
I)流域特征相關的信息包括地形、土地利用和土壤特征信息三類，其中土地利用、土壤特征主要為各種植被、土壤類型的覆蓋率，分類相對較細，譬如土地利用覆蓋率包括常綠針葉林、常綠闊葉林、草地等十余種。實際上，水文模型參數與植被、土壤主要表現為松耦合相關，譬如多項研究表明流域平均自由水蓄水容量SM與森林率相關，不會具體到與常綠針葉林、常綠闊葉林等相關分析，因此，本發明首先對所有已有甲等預報方案流域的土地利用、土壤特征信息進行聚類。如土地利用聚類如圖2所示，從右向左看，逐級分類，本發明將其分為深根植被覆蓋率、淺根植被覆蓋率兩大類；土壤特征信息聚類如圖3所示，從右向左看，本發明將其分為兩大類，其中第一大類又分為兩小類，具體分類為:第一大類第一小類:薄層土覆蓋率、人為土覆蓋率、粗骨土覆蓋率；第一大類第二小類:淋溶土覆蓋率、始成圖覆蓋率、高活性強酸土覆蓋率、強淋溶土覆蓋率；第二大類:低活性淋溶土覆蓋率、沖擊土覆蓋率、潛育土覆蓋率、粘磐土覆蓋率、灰化土覆蓋率、沙丘覆蓋率、巖石露頭土覆蓋率、水體(土壤中)覆蓋率。[0019]2)針對水文模型的每一個參數，可選取全部流域特征信息或依據參數的物理意義選取部分流域信息進行逐步回歸分析，從而確定與該參數相關的流域特征信息，如分析發現新安江模型的蒸散發折算系數K相關的流域特征信息主要為流域平均海拔、深根植被覆蓋率和淺根植被覆蓋率。
[0020]3)針對所有已有甲等預報方案的流域，建立流域特征信息數據庫，包括:
流域信息，包括流域所處河流、省份、經緯度、降雨徑流特性描述等；
流域地形特征信息，包括平均海拔、河道比降、河長、面積、形狀系數等；
聚類處理后的土壤類型信息，如一類土 (薄層圖、人為土、粗骨土覆蓋率等)、二類土等；聚類處理后的植被類型信息，如深根植被覆蓋率(綠針葉林、常綠闊葉林等)、淺根植被覆蓋率；
流域采用的水文模型參數信息；
步驟2)得到的與各模型參數相關的地形、土壤、植被信息。
[0021]4)對待確定參數的無徑流資料流域，首先依據經緯度自動從互聯網下載數字高程模型數據和植被、土壤信息，然后采用數字高程模型數據進行流域相關信息提取，并對植被、土壤信息進行聚類，得到與前述已有甲等預報方案流域相同的流域特征信息，如所述步驟2)中，新安江模型的蒸散發折算系數K相關的流域特征信息主要為流域平均海拔、深根植被覆蓋率和淺根植被覆蓋率，則獲取待確定參數流域的深根植被覆蓋率、淺根植被覆蓋率等信息。
[0022]5)因研究發現，在同一大流域范圍內的流域特征和降雨徑流存在一定程度上的相似性，因此首先在所述步驟3)建立的流域特征信息數據庫中尋找與待確定參數的無徑流資料流域同屬于一個大流域的子流域，如如果待確定參數的無徑流資料流域屬于馬尾河，則在流域特征信息庫中尋找其上級河流流域范圍(清水江流域)的所有子流域。
[0023]6)針對水文模型的每一參數，首先依據所述步驟2)確定的與該參數相關的流域特征信息，在所述步驟5)中選定的子流域中尋求待確定參數的無徑流資料流域基于該參數的相似流域，若相似流域個數滿足一定要求，則確定該子流域為相似流域；否則在所述大流域的更上一級流域范圍內尋求，如所述步驟5)的清水江的上級沅水流域，直至滿足相似流域的要求。優選的，本發明設定尋求相似流域的個數大于等于5為滿足個數要求。其中，尋求相似流域的方法是針對待確定參數流域上級流域的子流域，采用其與該水文模型參數相關的流域特征信息進行聚類，當聚類的距離小于某一限定值時，即為相似流域，因不同信息聚類情況不同，故其限定值不同，主要根據聚類譜圖來判別。
[0024]7)針水文模型的每一個待確定參數，在所述步驟6)確定的相似流域內，對與該參數相關的特征信息進行相關分析，建立該參數與流域特征信息的回歸方程，并得到相關系數，并確定該參數。其中，回歸方程是由專門的算法軟件自動從大量可供選擇的變量中選擇那些對建立回歸方程比較重要的變量，并自動尋求相關系數最高的回歸方程。回歸方程確定后，即可計算出回歸方程與各點的相關系數。如新安江模型的蒸散發系數K值在某相似流域群內建立的回歸方程見下表，通常情況下相關系數均較高，各項指標也滿足要求；當相關成果不能滿足需求，一般取相關系數小于0.8為不能滿足需求，則該待確定參數的無徑流資料流域的預報方案應降級使用，水文預報規范中針對預報方案的精度進行了分級，洪水預報方案精度達到甲、乙兩個等級者，可用于發布正式預報；方案精度達到丙等者，可用于參考性預報；丙等以下者，只能用于參考性估報，上述當相關系數小于0.8時，如原預報方案為乙等，則降為丙等。
[0025]表1新安江模型回歸方程和相關指標
【權利要求】
1.一種無徑流資料地區的洪水預報方法，其特征在于:包括如下步驟 1)對所有已有甲等預報方案流域的土地利用和土壤特征信息進行聚類處理，所述土地利用和土壤特征信息主要為各種植被覆蓋率和土壤類型覆蓋率； 2)對水文模型的每一個參數，選取全部或部分流域特征信息進行逐步回歸分析，確定與該參數相關的流域特征信息； 3)針對所有已有甲等預報方案的流域，建立流域特征信息數據庫； 4)對待確定參數的無徑流資料流域，首先根據經緯度自動從互聯網下載數字高程模型數據和植被，土壤信息，然后采用數字高程模型數據進行流域相關信息提取，并對植被、土壤信息進行聚類，得到與前述已有甲等預報方案流域相同的流域特征信息； 5)在所述步驟3)建立的流域特征信息數據庫中尋找與待確定參數的無徑流資料流域同屬于一個大流域的子流域； 6)針對水文模型的每一個參數，首先依據所述步驟2)確定的與該參數相關的流域特征信息，在所述步驟5)中所選定的子流域中尋求待確定參數的無徑流資料流域基于該參數的相似流域，若相似流域個數滿足一定要求，則確定該子流域為相似流域；否則在所述步驟5)的大流域的上一級流域范圍內尋求相似流域,直至滿足個數要求； 7)對水文模型的每一個待確定參數，在所述步驟6)確定的相似流域內，對與該參數相關的特征信息進行相關分析，建立該參數與流域特征信息的回歸方程，得到相關系數，并確定該參數； 8)水文模型的所有待確定參數確定后，即可將參數帶入洪水預報系統，進行該無資料地區的洪水預報。
2.根據權利要求1所述的一種無徑流資料地區的洪水預報方法，其特征在于:所述土地利用聚類為深根植被覆蓋率和淺根植被覆蓋率兩大類。
3.根據權利要求1所述的一種無徑流資料地區的洪水預報方法，其特征在于:所述土壤特征信息聚類為兩大類，其中第一大類又分為兩小類，具體分類為:第一大類第一小類:薄層土覆蓋率、人為土覆蓋率、粗骨土覆蓋率;第一大類第二小類:淋溶土覆蓋率、始成圖覆蓋率、高活性強酸土覆蓋率、強淋溶土覆蓋率；第二大類:低活性淋溶土覆蓋率、沖擊土覆蓋率、潛育土覆蓋率、粘磐土覆蓋率、灰化土覆蓋率、沙丘覆蓋率、巖石露頭土覆蓋率、水體(土壤中)覆蓋率。
4.根據權利要求1所述的一種無徑流資料地區的洪水預報方法，其特征在于:所述步驟3)的流域特征信息數據庫包括流域信息，流域地形特征信息，所述步驟I)得到的聚類處理后的土壤類型信息和聚類處理后的植被類型信息，流域采用的水文模型參數信息，所述步驟2)得到的與水文模型參數相關的地形，土壤和植被信息。
5.根據權利要求1所述的一種無徑流資料地區的洪水預報方法，其特征在于:所述步驟6)中，尋求相似流域是指針對待確定參數流域上級流域的子流域，采用其與該水文模型參數相關的流域特征信息進行聚類，當聚類的距離小于某一限定值時，即為相似流域。
6.根據權利要求1所述的一種無徑流資料地區的洪水預報方法，其特征在于:所述步驟6)中，相似流域滿足的個數要求為大于等于5。
7.根據權利要求1所述的一種無徑流資料地區的洪水預報方法，其特征在于:所述步驟7)中，如果相關系數小于0.8，則該待確定參數的無徑流資料流域的預報方案降級使用。
【文檔編號】G06F19/00GK103488871SQ201310377611
【公開日】2014年1月1日 申請日期:2013年8月27日 優先權日:2013年8月27日
【發明者】李春紅, 王建平, 陳建, 謝小燕, 趙宇, 黃春雷, 姚峰 申請人:國家電網公司, 國網電力科學研究院, 南京南瑞集團公司