CN115203643A - 融合水文与生态要素的水源涵养功能定量诊断方法及*** - Google Patents
融合水文与生态要素的水源涵养功能定量诊断方法及*** Download PDFInfo
- Publication number
- CN115203643A CN115203643A CN202210841663.0A CN202210841663A CN115203643A CN 115203643 A CN115203643 A CN 115203643A CN 202210841663 A CN202210841663 A CN 202210841663A CN 115203643 A CN115203643 A CN 115203643A
- Authority
- CN
- China
- Prior art keywords
- index
- water source
- water
- hydrological
- conservation function
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C13/00—Surveying specially adapted to open water, e.g. sea, lake, river or canal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Hydrology & Water Resources (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
融合水文与生态要素的水源涵养功能定量诊断方法及***,包括以下步骤:获取目标流域的空间数据和非空间数据;基于水文模型和统计分析的方法,获取目标流域水文过程关键要素和适配流域的表征植被生长的生态要素;对获取的水文过程关键要素和适配流域的表征植被生长的生态要素进行处理和计算;基于关键水文要素和生态要素构建水源涵养功能综合评估指数矩阵,计算水源涵养功能指数,诊断流域水源涵养功能。研发全面客观的流域生态***水源涵养能力定量诊断与评估方法,为量化流域生态***水源涵养功能变化和生态***服务功能提升提供重要的途径和方法,为合理的开展流域综合治理提供理论支撑。
Description
技术领域
本发明涉及生态水文学领域,特别涉及融合水文与生态要素的水源涵养功能定量诊断方法及***。
背景技术
陆地水循环与水资源健康状况是保证区域可持续发展和生态***安全的重要前提。水源涵养功能作为生态***服务的重要部分对区域生态***稳定性和可持续性起着至关重要的作用,其功能的减弱会直接导致流域生态***中生物多样性降低、土地荒漠化加剧,甚至出现局部区域天气恶化等现象,使原本处于动态平衡中的流域生态***出现失衡状况,进而影响流域生态***中的景观结构与生态功能。
近几十年来国内外学者对流域生态***服务功能尤其是水源涵养功能进行了大量研究,研究方法与研究角度形式多样,目前有关计算水源涵养功能的方法多聚焦于探讨单一或者少数水文要素(譬如地表径流量、土壤水、产流量)的变化规律及其影响因素,或仅关注植被生长状况的变化及其影响,亦有研究在站点尺度上通过野外采样进行局地分析与讨论等。仅从水源涵养量或者水文要素的角度考虑,因数据量的单一或时间尺度较短,得出的评定结论存在较大的不确定性。大多工作往往忽视了流域生态***的整体性,缺少水文过程与生态***要素多因子共同作用水源涵养功能的理论研究。现有的多数流域水源涵养功能计算方法考虑因素较少、尺度较小,在时间序列上也不连续。
发明内容
本发明的目的在于提供融合水文与生态要素的水源涵养功能定量诊断方法及***,以解决现有方法中只探讨流域水源涵养量却难以反映涵养植被功能的问题。
为实现上述目的,本发明采用以下技术方案:
融合水文与生态要素的水源涵养功能定量诊断方法,包括以下步骤:
获取目标流域的空间数据和非空间数据;
基于水文模型和统计分析的方法,获取目标流域水文过程关键要素和适配流域的表征植被生长的生态要素;
对获取的水文过程关键要素和适配流域的表征植被生长的生态要素进行处理和计算;
基于关键水文要素和生态要素构建水源涵养功能综合评估指数矩阵,计算水源涵养功能指数,诊断流域水源涵养功能。
进一步的,空间数据包括数字高程模型、土地利用数据,土壤属性数据气象数据、蒸散发数据及总初级生产力数据;非空间数据包括水文资料和文献资料。
进一步的,流域水文过程的关键要素包括:土壤水SW、蒸发量ET、地表快速流Qs和产水量WY,指征水源涵养区涵养植被生长的生态要素选取总初级生产力GPP要素,GPP是生态***中植物群落在单位时间、单位面积上所产生的有机物质的总量。
进一步的,依据水量平衡理论计算流域水源涵养量WR,选择产水量的变异系数表征该特性CvWY,CvWY通过流域水文响应单元尺度上产水量在时间尺度上变化求算,具体包括:
SWAT水文模型经过验证及率定后,利用地理信息***软件和R软件对SWAT模型输出文件(output.hru)进行统计计算及分析。利用R程序提取流域水文响应单元尺度HRU上土壤水SW、蒸发量ET、地表快速流Qs、产水量WY和输入的降水量P数据,根据提取的水文要素进行逐HRU的WR和CvWY的计算;
水源涵养量WR的计算公式:
WRi=Pi-ETi-Qsi (1)
式中:i表示水文响应单元编号;WR是水源涵养量,mm;P指降水量,mm;ET指蒸散量,mm;QS指地表快速流量,mm;
产流量变异系数CvWY的统计计算:WY随时间变化的幅度用Cv表达,统计分析研究区内逐个水文响应单元的月尺度产流量的平均数MeanWY、标准差SDWY,然后计算逐个水文响应单元产流量的变异系数CvWY,不同的下垫面条件因素产流量的能力不同,变异系数则有差异;变异系数越大,表示该下垫面因素下短时间内产水量波动较大,长期水源涵养能力差;变异系数越小,表示该下垫面因素下短时间内产水量波动较小,表示下垫面水源涵养能力相对较强;
CvWY_i=SDWY_i/MeanWY_i (2)
式中:i为水文响应单元HRU编号;CvWY_i为第i编号的水文响应单元产流量的变异系数;SDWYi为第i编号的水文响应单元WY标准差;Meani为第i编号的水文响应单元WY均值。
进一步的,GPP数据的处理:
首先根据流域轮廓面积利用地理信息***空间分析中“Buffer”功能;其次,根据流域范围和缓冲区面积进行流域GPP的提取,利用“Reclassify”功能将流域GPP数据重分类成块状精度的数据;再利用“Zonal”功能按照HRU进行区域统计分析,得到HRU尺度上流域的GPP空间分布格局;将上述过程通过Python程序设计,自动化计算并得到流域逐年HRU尺度的GPP数据。
进一步的,计算水源涵养功能指数:
首先,基于关键水文要素和生态要素构建水源涵养功能综合评估指数矩阵;
其次,针对水源涵养功能评价指标矩阵进行矩阵的贡献同向化和去量纲化处理;
基于熵值法计算水源涵养功能指数各指标要素的权重;
定量的计算流域水源涵养功能指数,并且分类计算不同土地利用类型下水源涵养功能指数的差异。
进一步的,建立水源涵养功能综合评估指数的评价矩阵:
Aij=[Ai1,Ai2,Ai3,Ai4,]T (3)
其中:i代表HRU编号,j代表评价水源涵养功能的指标要素;Ai1代表第i编号的水文响应单元的SW,Ai2代表第i编号的水文响应单元的WR,Ai3代表第i编号的水文响应单元的CvWY,Ai4代表第i编号的水文响应单元的GPP。
进一步的,水源涵养功能指数评价指标矩阵的贡献同向化和去量纲处理:
根据各个指标对水源涵养功能的贡献进行同向化处理,SW,WR和GPP为正向指标,CvWY为负向指标,得到评价矩阵A′;
采用Min-Max标准化的方法进行归一化处理,该方法是对原始数据的线性变换,对于正向指标和负向指标采取不同的算法进行标准化处理,使得归一化的结果值落到[0,1]区间内;
正向指标的处理方法见公式(4):
负向指标的处理方法见公式(5):
式(4)和(5)中:A为每个水水文响应单元指标函数值,Amax序列中指标数据的最大值,Amin为序列中指标数据的最小值。
进一步的,基于熵值法计算水源涵养功能指数各指标要素权重:
计算第j项指标下第i个样本值占该指标的比重
计算第j项指标的熵值
计算信息熵冗余度
kj=1-qj (8)
计算各项指标权重
水源涵养功能指数的计算:
借助地理信息***分区统计不同土地利用类型的WRFI,利用Python实现自动化处理生成年际序列的WRFI。
进一步的,融合水文与生态要素的水源涵养功能定量诊断***,包括:
数据获取模块,用于获取目标流域的空间数据和非空间数据;
要素获取模块,用于基于水文模型和统计分析的方法,获取目标流域水文过程关键要素和适配流域的表征植被生长的生态要素;
要素处理模块,用于对获取的水文过程关键要素和适配流域的表征植被生长的生态要素进行处理和计算;
诊断模块,用于基于关键水文要素和生态要素构建水源涵养功能综合评估指数矩阵,计算水源涵养功能指数,诊断流域水源涵养功能。
与现有技术相比,本发明有以下技术效果:
针对流域水源功能现有的诊断方法一般是从水量平衡的角度出发,以往诊断方法仅考虑水源涵养量、土壤水或产流量等一个或少数几个水文要素的变化规律及其影响,没有考虑到流域水源涵养区涵养植被的功能。本发明在阐释流域水文过程的基础上,选取能够反映流域水源涵养功能的水文要素(土壤水)、水源涵养量以及能反映流域不同下垫面条件下产水能力差异的CvWY。此外,结合指征流域植被生长的生态要素,综合的诊断并评估流域水源涵养功能,以解决现有方法中只探讨流域水源涵养量却难以反映涵养植被功能的问题。研发全面客观的流域生态***水源涵养能力定量诊断与评估方法,为量化流域生态***水源涵养功能变化和生态***服务功能提升提供重要的途径和方法,为合理的开展流域综合治理提供理论支撑。
附图说明
图1为水源涵养功能指数的算法流程图;
图2为本发明实施例中流域水源涵养功能指数的时空分布图;
图3为本发明实施例中目标不同土地利用类型下水源涵养功能指数的差异图;
具体实施方式
以下结合附图对本发明进一步说明:
请参阅图1至图3,
本发明提出一种基于水文过程和水文要素的定量评估流域水源涵养功能的方案,着重解决现有的技术背景中水源涵养功能评估计算仅考虑水文过程而忽视涵养植被重要功能的问题。以下的描述和图标说明展示了本发明的具体实施方案,以使本领域的科研人员和管理人员能够科学有效的实践。实施例中仅采取了本发明的技术方案,且单独的部件和功能是可选、可改动的。
本发明旨在提供一种基于生态水文过程和生态要素估算流域水源涵养功能的方案,该方案在定量的计算流域水文过程的基础上,结合指征流域植被生长的生态要素来体现涵养植被功能,综合的评估流域水源涵养功能,以解决现有方法中只探讨流域水源涵养量却难以反映涵养植被功能的问题。为实现上述目的,本发明通过以下技术方案予以实现,具体包括:
(1)获取目标流域水文过程关键要素和表征植被生长的生态要素
根据研究需求获取目标流域一定分辨率的空间数据(数字高程模型、土地利用数据,土壤属性数据气象数据,蒸散发数据及总初级生产力数据)和非空间数据(水文资料和文献资料等),基于水文模和统计分析的方法,获取目标流域水文过程关键要素和适配流域的表征植被生长的生态要素。其中,流域水文过程的关键要素包括:土壤水(SW)、蒸发量(ET)、地表快速流(Qs)和产水量(WY),指征水源涵养区涵养植被生长的生态要素选取总初级生产力(GPP)要素。依据水量平衡理论计算流域水源涵养量(WR);不同土地利用的植被产水特性在时长存在差异,选择产水量的变异系数表征该特性(CvWY),CvWY通过流域水文响应单元尺度上产水量在时间尺度上变化求算。
(2)通过水源涵养功能指数的计算定量诊断流域水源涵养功能
首先,基于关键水文要素和生态要素构建水源涵养功能综合评估指数矩阵;其次,针对水源涵养功能评价指标矩阵进行矩阵的贡献同向化和去量纲化处理;第三,基于熵值法计算水源涵养功能指数各指标要素的权重;第四,定量的计算流域水源涵养功能指数,并且分类计算不同土地利用类型下水源涵养功能指数的差异。
以下结合实施案例及操作步骤进行图(表)文进行详细说明。具体如下:
第一步:选取研究区流域并获取研究区相关数据
本发明以渭河流域为研究区,渭河流域地处东经106°18′~110°37′和北纬33°42′~37°20′之间,流域面积约13.48×104km2;研究数据的准备,通过搜集渭河流域空间数据(数字高程模型、土地利用数据,土壤属性数据气象数据,蒸散发数据及总初级生产力数据)和非空间数据(水文资料和文献资料等),数据源的相关信息如下表1。
表1数据源相关信息
第二步:水源涵养功能指数(WRFI)中评价指标要素的选择
水文要素选取土壤水(SW)、水源涵养量(WR)、产水量的变异系数(CvWY)。其中,SW和WR是评估区域水源涵养功能的重要指标,以往的水源涵养功能评估方法中通常通过计算WR来评估区域水源涵养功能状况;不同的土地利用类型产水量(WY)随时间的变化不同,林地相较于草地和农田的产水量更为连续,产水量的变化幅度更小,选择产水量的变异系数(CvWY)来表征上述特点。
生态要素选取总初级生产力(GPP),GPP是生态***中植物群落在单位时间、单位面积上所产生的有机物质的总量。在水源涵养功能评价中,生态要素是反映区域水源涵养功能的重要指标,GPP可以综合反映流域涵养水源区的不同土地利用类型下植被生长状况的差异。
第三步:水源涵养功能指数中指标要素的处理和计算
通过搜集渭河流域到的空间数据(数字高程模型、土地利用数据,土壤属性数据及气象数据)和非空间数据(水文资料和文献资料等),借助水文模型(SWAT)模拟,本实例中选择华县站、状头站和林家村站的实测径流数据进行率定和验证,其次,利用MODIS遥感蒸发数据对模型模拟的ET值进行验证。
SWAT水文模型经过验证及率定后,利用地理信息***软件和R软件对SWAT模型输出文件(output.hru)进行统计计算及分析。利用R程序提取渭河流域水文响应单元尺度(HRU)上SW、ET、QS、WY和输入的降水量(P)数据。根据提取的水文要素进行逐HRU的WR和CvWY的计算。
水源涵养量(WR)的计算公式:
WRi=Pi-ETi-Qsi (1)
式中:i表示水文响应单元编号;WR是水源涵养量,mm;P指降水量,mm;ET指蒸散量,mm;QS指地表快速流量,mm。
产流量变异系数(CvWY)的统计计算。WY是表征水源涵养能力的重要指标之一,WY随时间变化的幅度可以用Cv表达,本发明利用CvWY作为评价水源涵养能力的指标之一,其计算方法较上述水文指标复杂。统计分析研究区内逐个水文响应单元的月尺度产流量的平均数(MeanWY)、标准差(SDWY),然后计算逐个水文响应单元产流量的变异系数(CvWY),不同的下垫面条件因素产流量的能力不同,变异系数则有差异。变异系数越大,表示该下垫面因素下短时间内产水量波动较大,长期水源涵养能力差;变异系数越小,表示该下垫面因素下短时间内产水量波动较小,表示下垫面水源涵养能力相对较强。
CvWY_i=SDWY_i/MeanWY_i (2)
式中:i为水文响应单元(HRU)编号;CvWY_i为第i编号的水文响应单元产流量的变异系数;SDWYi为第i编号的水文响应单元WY标准差;Meani为第i编号的水文响应单元WY均值。
GPP数据的处理。本研究获取的GPP数据为全国尺度(1km×1km),为保证精度适配,首先根据渭河流域轮廓面积利用地理信息***空间分析中“Buffer”功能,以渭河流域为边线外延3km进行缓冲区设置;其次,根据渭河流域范围和缓冲区面积进行渭河流域GPP的提取,利用“Reclassify”功能将渭河流域GPP数据重分类成30m×30m精度的数据;再利用“Zonal”功能按照HRU进行区域统计分析,得到HRU尺度上渭河流域的GPP空间分布格局;将上述过程通过Python程序设计,自动化计算并得到渭河流域逐年HRU尺度的GPP数据。
第四步:水源涵养功能指数的求算
以下对水源涵养功能指数算法流程进行详细阐述:
1.借助水文模型模拟获取SWAT模拟输出的水文要素,处理并计算表征植被生长的关键生态要素。
2.建立水源涵养功能综合评估指数的评价矩阵:
Aij=[Ai1,Ai2,Ai3,Ai4,]T (3)
其中:i代表HRU编号,j代表评价水源涵养功能的指标要素;Ai1代表第i编号的水文响应单元的SW,Ai2代表第i编号的水文响应单元的WR,Ai3代表第i编号的水文响应单元的CvWY,Ai4代表第i编号的水文响应单元的GPP。
3.水源涵养功能指数评价指标矩阵的贡献同向化和去量纲处理。
由“第一步”建立的评价矩阵,根据各个指标对水源涵养功能的贡献进行同向化处理(SW,WR和GPP为正向指标,CvWY为负向指标)得到评价矩阵A′。
由于多指标之间的单位或者量级不同,因此,对评价指标进行去量钢化处理。本发明采用Min-Max标准化的方法进行归一化处理,该方法是对原始数据的线性变换,对于正向指标和负向指标采取不同的算法进行标准化处理,使得归一化的结果值落到[0,1]区间内。
正向指标的处理方法见公式(4):
负向指标的处理方法见公式(5):
式(4)和(5)中:A为每个水水文响应单元指标函数值,Amax序列中指标数据的最大值,Amin为序列中指标数据的最小值。
4.基于熵值法计算水源涵养功能指数各指标要素权重。
计算第j项指标下第i个样本值占该指标的比重
计算第j项指标的熵值
计算信息熵冗余度
kj=1-qj (8)
计算各项指标权重
5.水源涵养功能指数的计算。
渭河流域2000-2015年水源涵养功能指数时空分布图见图2:
6.借助地理信息***分区统计不同土地利用类型的WRFI,利用Python实现自动化处理生成年际序列的WRFI,渭河流域林地、草地、农田WRFI的年际变化见图3,WRFI大小排序:林地>草地>农田,本发明更能切合实际的反映不同土地利用类型的流域水源涵养功能状况。
以往有关计算流域水源涵养功能的方法多聚焦于探讨单一或者少数水文要素(譬如地表径流量、土壤水、产流量)的变化规律及其影响因素,或者在站点尺度上通过野外采样进行局地分析与讨论。仅从水源涵养量或者水文要素的角度考虑,得出的评定结论会存在很大不确定性,而且忽视了流域生态***的整体性,缺少水文过程与生态***要素多因子共同作用水源涵养功能的内容。现有的多数流域水源涵养功能计算方法考虑因素较少、尺度较小,在时间序列上也不连续。
鉴于此,在阐释流域水文过程的基础上,结合指征流域植被生长的生态要素体现涵养植被功能,综合的评估流域水源涵养功能,以解决现有方法中只探讨流域水源涵养量却难以反映涵养植被功能的问题。研发全面客观的流域生态***水源涵养能力定量诊断与评估方法,为量化流域生态***水源涵养功能变化和生态***服务功能提升提供重要的途径和方法,为合理的开展流域综合治理提供理论支撑。
Claims (10)
1.融合水文与生态要素的水源涵养功能定量诊断方法,其特征在于,包括以下步骤:
获取目标流域的空间数据和非空间数据;
根据空间数据和非空间数据,借助基于水文模型和统计分析的方法,获取目标流域水文过程关键要素和适配流域的表征植被生长的生态要素;
对获取的水文过程关键要素和适配流域的表征植被生长的生态要素进行处理和计算;
基于关键水文要素和生态要素构建水源涵养功能综合评估指数矩阵,计算水源涵养功能指数,诊断流域水源涵养功能。
2.根据权利要求1所述的融合水文与生态要素的水源涵养功能定量诊断方法,其特征在于,空间数据包括数字高程模型、土地利用数据,土壤属性数据气象数据、蒸散发数据及总初级生产力数据;非空间数据包括水文资料和文献资料。
3.根据权利要求1所述的融合水文与生态要素的水源涵养功能定量诊断方法,其特征在于,流域水文过程的关键要素包括:土壤水SW、蒸发量ET、地表快速流Qs和产水量WY,指征水源涵养区涵养植被生长的生态要素选取总初级生产力GPP要素,GPP是生态***中植物群落在单位时间、单位面积上所产生的有机物质的总量。
4.根据权利要求3所述的融合水文与生态要素的水源涵养功能定量诊断方法,其特征在于,依据水量平衡理论计算流域水源涵养量WR,选择产水量的变异系数表征该特性CvWY,CvWY通过流域水文响应单元尺度上产水量在时间尺度上变化求算,具体包括:
SWAT水文模型经过验证及率定后,利用地理信息***软件和R软件对SWAT模型输出文件(output.hru)进行统计计算及分析;利用R程序提取流域水文响应单元尺度HRU上土壤水SW、蒸发量ET、地表快速流Qs、产水量WY和输入的降水量P数据,根据提取的水文要素进行逐HRU的WR和CvWY的计算;
水源涵养量WR的计算公式:
WRi=Pi-ETi-Qsi (1)
式中:i表示水文响应单元编号;WR是水源涵养量,mm;P指降水量,mm;ET指蒸散量,mm;QS指地表快速流量,mm;
产流量变异系数CvWY的统计计算:WY随时间变化的幅度用Cv表达,统计分析研究区内逐个水文响应单元的月尺度产流量的平均数MeanWY、标准差SDWY,然后计算逐个水文响应单元产流量的变异系数CvWY,不同的下垫面条件因素产流量的能力不同,变异系数则有差异;变异系数越大,表示该下垫面因素下短时间内产水量波动较大,长期水源涵养能力差;变异系数越小,表示该下垫面因素下短时间内产水量波动较小,表示下垫面水源涵养能力相对较强;
CvWY_i=SDWY_i/MeanWY_i (2)
式中:i为水文响应单元HRU编号;CvWY_i为第i编号的水文响应单元产流量的变异系数;SDWYi为第i编号的水文响应单元WY标准差;Meani为第i编号的水文响应单元WY均值。
5.根据权利要求1所述的融合水文与生态要素的水源涵养功能定量诊断方法,其特征在于,GPP数据的处理:
首先根据流域轮廓面积利用地理信息***空间分析中“Buffer”功能;其次,根据流域范围和缓冲区面积进行流域GPP的提取,利用“Reclassify”功能将流域GPP数据重分类成块状精度的数据;再利用“Zonal”功能按照HRU进行区域统计分析,得到HRU尺度上流域的GPP空间分布格局;将上述过程通过Python程序设计,自动化计算并得到流域逐年HRU尺度的GPP数据。
6.根据权利要求1所述的融合水文与生态要素的水源涵养功能定量诊断方法,其特征在于,计算水源涵养功能指数:
首先,基于关键水文要素和生态要素构建水源涵养功能综合评估指数矩阵;
其次,针对水源涵养功能评价指标矩阵进行矩阵的贡献同向化和去量纲化处理;
基于熵值法计算水源涵养功能指数各指标要素的权重;
定量的计算流域水源涵养功能指数,并且分类计算不同土地利用类型下水源涵养功能指数的差异。
7.根据权利要求6所述的融合水文与生态要素的水源涵养功能定量诊断方法,其特征在于,建立水源涵养功能综合评估指数的评价矩阵:
Aij=[Ai1,Ai2,Ai3,Ai4,]T (3)
其中:i代表HRU编号,j代表评价水源涵养功能的指标要素;Ai1代表第i编号的水文响应单元的SW,Ai2代表第i编号的水文响应单元的WR,Ai3代表第i编号的水文响应单元的CvWY,Ai4代表第i编号的水文响应单元的GPP。
8.根据权利要求6所述的融合水文与生态要素的水源涵养功能定量诊断方法,其特征在于,水源涵养功能指数评价指标矩阵的贡献同向化和去量纲处理:
根据各个指标对水源涵养功能的贡献进行同向化处理,SW,WR和GPP为正向指标,CvWY为负向指标,得到评价矩阵A′;
采用Min-Max标准化的方法进行归一化处理,该方法是对原始数据的线性变换,对于正向指标和负向指标采取不同的算法进行标准化处理,使得归一化的结果值落到[0,1]区间内;
正向指标的处理方法见公式(4):
负向指标的处理方法见公式(5):
式(4)和(5)中:A为每个水水文响应单元指标函数值,Amax序列中指标数据的最大值,Amin为序列中指标数据的最小值。
10.融合水文与生态要素的水源涵养功能定量诊断***,其特征在于,包括:
数据获取模块,用于获取目标流域的空间数据和非空间数据;
要素获取模块,用于基于水文模型和统计分析的方法,获取目标流域水文过程关键要素和适配流域的表征植被生长的生态要素;
要素处理模块,用于对获取的水文过程关键要素和适配流域的表征植被生长的生态要素进行处理和计算;
诊断模块,用于基于关键水文要素和生态要素构建水源涵养功能综合评估指数矩阵,计算水源涵养功能指数,诊断流域水源涵养功能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210841663.0A CN115203643A (zh) | 2022-07-18 | 2022-07-18 | 融合水文与生态要素的水源涵养功能定量诊断方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210841663.0A CN115203643A (zh) | 2022-07-18 | 2022-07-18 | 融合水文与生态要素的水源涵养功能定量诊断方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115203643A true CN115203643A (zh) | 2022-10-18 |
Family
ID=83581294
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210841663.0A Pending CN115203643A (zh) | 2022-07-18 | 2022-07-18 | 融合水文与生态要素的水源涵养功能定量诊断方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115203643A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115730455B (zh) * | 2022-11-28 | 2023-09-05 | 中国水利水电科学研究院 | 一种基于wep模型的不同下垫面水源涵养量计算方法 |
-
2022
- 2022-07-18 CN CN202210841663.0A patent/CN115203643A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115730455B (zh) * | 2022-11-28 | 2023-09-05 | 中国水利水电科学研究院 | 一种基于wep模型的不同下垫面水源涵养量计算方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Identifying separate impacts of climate and land use/cover change on hydrological processes in upper stream of Heihe River, Northwest China | |
Parajka et al. | A comparison of regionalisation methods for catchment model parameters | |
Melching et al. | A reliability estimation in modeling watershed runoff with uncertainties | |
CN113887972A (zh) | 一种基于水文过程的综合旱情监测与评估方法 | |
CN107103378B (zh) | 一种玉米种植环境测试站点布局方法及*** | |
CN104020274A (zh) | 一种林地立地质量遥感量化估测的方法 | |
CN105974495B (zh) | 利用分类拟合法预判目标区域未来平均云量的方法 | |
CN108981616B (zh) | 一种由无人机激光雷达反演人工林有效叶面积指数的方法 | |
CN110874454B (zh) | 基于混合概率密度的区域尺度毛竹碳储量精确测算方法 | |
CN110334404A (zh) | 一种流域尺度骤发干旱精准识别方法 | |
CN116882625A (zh) | 一种岩溶山地乡村聚落用地空间脆弱性识别方法 | |
CN106528788A (zh) | 基于gis技术分析地面雨径流污染空间分布特征的方法 | |
CN111639810A (zh) | 一种基于防汛需求的降雨预报精度评估方法 | |
CN115203643A (zh) | 融合水文与生态要素的水源涵养功能定量诊断方法及*** | |
Hartmann | Experiences in calibrating and evaluating lumped karst hydrological models | |
Wang et al. | Rainfall erosivity index for monitoring global soil erosion | |
Zhou et al. | Predicting forest growth and yield in northeastern Ontario using the process-based model of TRIPLEX1. 0 | |
Jarvis et al. | Applying econometric techniques to hydrological problems in a large basin: Quantifying the rainfall–discharge relationship in the Burdekin, Queensland, Australia | |
Yang et al. | Rainfall interception measurements and modeling in a semiarid evergreen spruce (Picea crassifolia) forest | |
CN113486295A (zh) | 基于傅里叶级数的臭氧总量变化预测方法 | |
Amin et al. | Evaluation of the performance of SWAT model to simulate stream flow of Mojo river watershed: in the upper Awash River basin, in Ethiopia | |
CN117787081A (zh) | 一种基于Morris和Sobol法的水文模型参数不确定性分析方法 | |
Coville et al. | Loss of street trees predicted to cause 6000 L/tree increase in leaf-on stormwater runoff for Great Lakes urban sewershed | |
Brady et al. | Calibrating vascular plant abundance for detecting future climate changes in Oregon and Washington, USA | |
Zhang et al. | North-south vegetation transition in the eastern Qinling-Daba Mountains |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |