一种产流模式时空分异的黄土高原分布式洪水模拟方法与流程

本发明涉及模型建立方法，尤其涉及一种分布式洪水模拟模型的构建方法。

背景技术：

1、洪水模拟模型是对研究区域地形数据、河网数据、水文数据为基础，构建暴雨洪水耦合模型，利用实测资料进行参数设定与模型验证，为研究区域暴雨洪水风险因子模拟研究提供模型支撑。

2、黄土高原地形破碎，地貌形态复杂。与此同时，人类活动引起的下垫面改变（如淤地坝、梯田等水土保持措施）使黄土高原的下垫面发生剧烈变化，使得流域产流过程模式具有显著的时空分异性。传统洪水模型中忽略了黄土高原产流模式的时空分异性，洪水模拟精度有待提高。基于此，现提出一种产流模式时空分异的黄土高原分布式洪水模拟方法，在“变化环境对暴雨产汇流过程的影响机理”的基础上，进一步揭示变化环境下黄土高原产流模式的时空分析特征，结合深度学习理论，构建耦合产流模式时空分异和深度学习理论的分布式洪水模拟模型。

技术实现思路

1、本发明的目的是为了解决现有技术中存在的问题，而提出的一种适用于黄土高原产流模式时空分异的分布式洪水模拟方法。

2、为了实现上述目的，本发明采用了如下技术方案：

3、一种产流模式时空分异的黄土高原分布式洪水模拟方法，包括构建产流模式时空分异识别技术框架、植物截留模块、入渗模块、蒸散发模块、淤地坝/梯田模块完善、耦合网格水滴汇流方法和深度学习的汇流计算和结合变参数理论和经验完善模型；

4、具体包括以下步骤：

5、s1、构建产流模式时空分异识别技术框架：结合不同下垫面类型的土壤特性检测与产流观测试验结果，根据流域历史暴雨洪水及下垫面特征，进一步揭示变化环境下黄土高原产流模式的时空分异规律，建立产流模式时空分析识别技术框架，进而研判流域产流机制的空间分布特征，对流域进行不同产流机制区块划分。

6、s2、植物截留模块、入渗模块、蒸散发模块、淤地坝/梯田模块完善：结合不同下垫面类型关键参数与暴雨产汇流关键参数响应过程机理模型，完善洪水模拟模型中的植物截留模块、降雨入渗模块、蒸散发模块以及淤地坝/梯田模块；

7、s3、耦合网格水滴汇流方法和深度学习的汇流计算：耦合网格水滴汇流方法和深度学习理论进行模型的汇流计算；

8、s4、结合变参数理论和经验完善模型：结合变参数理论和经验，完善模型的参数模块，实现模型参数从静态到动态的转变，完成伴随下垫面变化耦合产流模式时空分异和深度学习理论的分布式洪水模拟模型的构建。

9、优选地，所述s1中结合遥感影像和谷歌地图，提取淤地坝和梯田的具体分布位置；

10、具体为：根据流域的土地利用、淤地坝、梯田、地形、土壤和植被覆盖一系列条件，采用gis空间分析技术将研究流域土壤类型、土地利用、坡度等统一尺度至与模型分辨率一致的单元网格中，进而基于构建的产流模式时空分异识别技术框架叠加属性研判网格单元的产流模式，对流域进行不同产流机制区块划分；

11、对于蓄满产流模式，模型选择蓄水容量分配曲线进行产流计算，而对于超渗产流模式，模型选择下渗容量分配曲线进行产流计算。

12、优选地，所述s2中植物截留模块采用根据南小河沟流域多年林管截留试验研究结果建立林冠-枯落物截留动态模型计算；

13、入渗模块采用philip入渗模型计算、蒸散发模块采用三层蒸散发模型计算，并基于暴雨产汇流关键参数对不同下垫面类型关键参数的响应过程机理模型对入渗模块和蒸散发模块相关参数进行调整和优化；

14、优选地，所述响应过程机理模型添加了淤地坝/梯田模块来反映淤地坝/梯田和梯田的影响；

15、淤地坝/梯田模块中，模型基于指数衰减加权函数和线性储排关系方程定量刻画淤地坝/梯田的作用；其中，进入淤地坝/梯田的水量采用指数衰减加权函数计算

16、

17、式中，和是第k和第k-1时段进入淤地坝/梯田的水量，单位为mm；为时滞参数，单位为天；是淤地坝/梯田的水量供给分配系数（0~1)；是第k时段土壤剖面出流量，单位为mm；

18、从淤地坝或梯田的水量采用排出线性储排关系方程计算

19、

20、式中，和表示第k和第k-1时段从淤地坝/梯田流出的水量，单位为m3；是表征淤地坝/梯田的退水性能的参数；是第j个网格单元的面积，单位为m2。

21、优选地，所述s3中采用网格水滴汇流方法计算汇流过程；

22、然后采用长短期记忆神经网络lstm深度学习模型，学习汇流计算结果与实测结果的误差特征，基于误差规律特征对汇流结果进行修正，获得最终汇流结果；

23、网格水滴汇流方法：网格水滴汇流计算中坡面汇流公式为：

24、

25、式中，为坡面流速；为流速系数；为坡面地表糙率；m为与糙率有关的参数；

26、由于河道汇流与坡面汇流的水力条件不一，在河道汇流中则采用曼宁公式：

27、

28、式中：为网格水滴在河道的流速，为流速系数，流速系数，单位为河道糙率；为河道水力半径；在获得网格水滴在坡面和河道的流速后，根据汇流路径长度，求得网格水滴汇流时间；

29、长短期记忆神经网络lstm深度学习模型：运用lstm依据大量数据，找到各网格单元在逐时段下的产流量与基于网格水滴汇流方法计算的流域出口断面流量与实测流量两者之间误差的关系规律，从而基于误差规律特征对汇流结果进行修正；

30、lstm模型计算步骤如下：

31、

32、

33、

34、

35、

36、

37、式中，，，分别为lstm模型的遗忘门、输入门和输出门；表示输入门的权重；表征输入门的偏移；为模型的状态变量，而是的偏移向量。

38、相比现有技术，本发明的有益效果为：

39、1、本发明在变化环境对暴雨产汇流过程的影响机理的基础上，进一步揭示变化环境下黄土高原产流模式的时空分析特征，结合深度学习理论，构建耦合产流模式时空分异和深度学习理论的分布式洪水模拟模型，通过网格水滴汇流方法和深度学习理论进行模型的汇流计算；最后结合变参数理论和经验，完善模型的参数模块，实现模型参数从静态到动态的转变的功能。

1.一种产流模式时空分异的黄土高原分布式洪水模拟方法，其特征在于，包括构建产流模式时空分异识别技术框架、植物截留模块、入渗模块、蒸散发模块、淤地坝/梯田模块完善、耦合网格水滴汇流方法和深度学习的汇流计算和结合变参数理论和经验完善模型；

2.根据权利要求1所述的一种产流模式时空分异的黄土高原分布式洪水模拟方法，其特征在于，所述s1中结合遥感影像和谷歌地图，提取淤地坝和梯田的具体分布位置；

3.根据权利要求1所述的一种产流模式时空分异的黄土高原分布式洪水模拟方法，其特征在于，所述s2中植物截留模块采用根据南小河沟流域多年林管截留试验研究结果建立林冠-枯落物截留动态模型计算；

4.根据权利要求3所述的一种产流模式时空分异的黄土高原分布式洪水模拟方法，其特征在于，所述响应过程机理模型添加了淤地坝/梯田模块来反映淤地坝和梯田的影响；

5.根据权利要求1所述的一种产流模式时空分异的黄土高原分布式洪水模拟方法，其特征在于，所述s3中采用网格水滴汇流方法计算汇流过程；