河道地形数据GIS入库方法

针对CAD河道地形数据的空间分析能力弱、使用范围窄等特点,采用GIS技术对CAD河道地形数据进行转换和入库。在数据转换和入库过程中对涉及的高程点数据获取、等高线高程确定、高程数据粗差探测等方面进行研究,实现了在少量人工质量控制的前提下高效率地将CAD河道地形数据向GIS数据自动转换与入库。该高程数据提取方法具有准确、快捷和实用的特点。     

基于Google Map的河道内建设项目行政许可管理系统研究

根据松辽水利委员会对河道管理范围内建设项目管理的要求,选择基于Google Map API开发松辽流域河道管理范围内建设项目管理信息系统,实现了建设项目方案审批、建设项目查询浏览、建设项目位置地图服务等功能。     

基于离散点的河道地形外包边界自动生成方法

河道地形外包边界是生成河道地形DEM数据的重要约束参数,对基于地形法的水文泥沙分析计算具有重要影响.为了提高河道复杂地形边界的圈定效率,提出了一种基于平面离散点的外包边界搜索自动生成方法.该方法提取河道地形实测点数据,通过格网划分快速确定边界格子闭环,搜索并扫描相邻边界格子内的离散点,遍历生成河道地形外包边界.采用该方...     

基于水动力模型的城市河道堤防安全评估方法研究

针对文献中评估方法指标精度过小的问题,设计一种安全评估方法.采用水动力耦合城市河道流量,控制指标精度,计算河道堤防汇流,综合指标的专家范数数值,构建安全评估方法.随机选定一处城市河道作为实验对象,设定测试点后,分别使用文献[2]、文献[6]中评估方法与文中评估方法进行实验.结果表明,文中设计安全评估方法指标精度数值最大...     

基于MIKE 11 HD水动力模型的复杂河道水利计算

本文应用MIKE11软件HD水动力模型,在河道无实测水位资料,且河道出口处存在两处水闸分流,同时下游某江干流对该河道水位有明显顶托作用,且拟加固河道阻水建筑物较多的情况下,实现了该河道的水利计算,为水闸拓宽和该河道堤防加固提供了计算依据。     

基于流域八叉树的地形因子提取方法研究

地形是影响土壤侵蚀的重要因子,在估算模型中常用坡度和坡长来对其进行衡量。区域尺度上多基于DEM提取地形因子,但随着DEM数据精度的不断提高,数据量不断增大,海量数据的计算能力要求成为制约地形因子提取在区域尺度上应用的关键。为了进一步提高地形因子的提取效率,基于流域八叉树构建了水流路径,集成了流向、汇水及坡长提取过程,有效地减少了冗余遍历,简化了计算流程。实验结果表明:相较于传统的扫描式遍历,该方法的计算结果准确率较高,而且有效地的提高了计算效率,进一步增强了模型的可用性。     

水动力模型的地形前处理方法研究——以辽河铁岭段为例

随着科技发展,水利工作走向了数字化时代。使用计算机软件构建数学模型可以方便快捷地对水力情况进行模拟,而研究区地形的提取是构建数学模型的基础。本文介绍了常用的地形前处理方法,并结合实际工作诠释了地形提取的过程。     

基于LiDAR的青藏高原山坡小流域地形提取方法

数字高程模型(DEM)的精度和分辨率影响着地形分析的结果,这种影响在高原、高山地带尤为明显。以拉萨河夺底沟小流域一处山坡为研究对象,选取典型剖面对比3种DEM数据对实际地形的还原效果。分析表明:SRTM和ASTER GDEM地形数据在青藏高原高山区存在高估山谷谷底高程、漏失地形要素的现象,使用LiDAR技术获取的DEM则可以准确反映实际地形。针对8种分辨率(1,2,5,10,15,20,25,30 m)的LiDAR DEM,使用局部方差均值分析坡度、平面曲率、剖面曲率等地形属性,发现低分辨率DEM在高山地区会遗失大量地形信息,造成地形平坦化和山坡微地形改变。为避免高山地区地形特征失真,给出了坡度和曲率研究适用的最小分辨率阈值:在坡度研究中使用的DEM分辨率应<5 m,曲率研究的最优分辨率为1 m。研究表明在青藏高原高山区,使用LiDAR技术提取高分辨率DEM具有远大的应用前景。     

基于多源数据融合的城市洪涝模拟高精度地形构建方法

为了解决城市洪涝模拟精细地形数据难以获取的问题,提出了一种考虑管网数据、道路数据和建筑物数据等多源数据融合的城市洪涝模拟高精度地形构建方法。以唐山市龙王庙河周边区域作为实例验证研究区域,基于该方法构建的DEM建立了研究区城市雨洪模型(GAST-SWMM耦合模型),并对两场降雨条件下的雨洪过程进行了模拟,模拟得到的积水位置与实际积水位置相吻合,其中一场降雨条件下两处水位的纳什效率系数分别达到0.92和0.87,水位峰值相对误差为3.35%和3.63%,验证了方法的有效性,表明采用该方法构建的DEM能够较好地反映研究区域的地形特征,可满足城市洪涝模拟的精度要求。     

基于Google Earth的河流模拟地形前处理新方法

本文首先阐述了河流模拟地形前处理的常规方法,然后探讨了利用Google Earth进行地形初步处理的新方法,介绍了基于Google Earth的高程数据提取技术,说明了部分Google Earth API接口的功能,指出并解决了其中一类API调用过程中存在的问题。研究证明,利用Google Earth进行河流模拟地形初步处理,可以显著提高河流模拟过程中的地形处理效率。     

基于数字地形信息的拉萨河流域河宽预测模型研究

河道宽度是重要的水文特征,对水文计算具有重要意义。以拉萨河流域为研究区,依据Google Earth影像,测量了1 000个河段的河宽,计算了相应测段的集水面积、局部坡度、坡度原点矩、河道曲率4项地形要素。使用其中800个河段的数据判别河宽与各地形要素的相关关系,选取与河宽相关性最好的集水面积和坡度原点矩两要素,构建了集水面积模型、坡度原点矩模型及4种河宽因子模型,使用另外200个河段的数据进行模型验证。结果表明：在集水面积小于2 100 km²的拉萨河上游河段,基于集水面积和坡度原点矩的河宽因子模型效果最优,在集水面积大于2 100 km²的拉萨河下游河段,基于集水面积的模型效果最优。因此,预测拉萨河流域河宽时应以2 100 km²集水面积为阈值,在上游使用河宽因子模型,在下游使用集水面积模型,采用该方法预测的上、下游河宽误差均小于20%。     

基于等高线的真实地形CFD建模方法

引入逆向工程建模思路,基于地形等高线,提出了一种真实地形CFD(Computational Fluid Dynamics)建模方法。通过对GIS地形数据的下载与处理,提取出研究区域等高线,进而利用等高线创建三角网格模型,结合逆向工程技术与三角网格模型生成地形网格模型。结果表明,该方法操作简便、生成模型精度高且建模效率高,有效地解决了使用常规建模方法存在的数据处理复杂、模型精度低以及不适用于大面积真实地形情况等问题,为真实地形的CFD数值模拟提供了支持。     

基于稳定同位素的策勒河流域山区河流蒸发损失估算

为探究昆仑山北坡山区流域水体蒸发损失垂直变化情况,基于2016年5-12月昆仑山北坡中段策勒河流域不同水体同位素数据,运用蒸发富集模型和稳定同位素（¹⁸O和²H）方法,研究了流域内不同水体的同位素时空变化特征,分析了策勒河流域的补给来源,并根据蒸发富集模型估算了流域内不同海拔地区同位素的蒸发损失。结果表明：流域内不同水体同位素的特征呈高山区贫化、荒漠区富集的趋势;策勒河河水与地下水存在密切的水力联系;策勒河流域在不同海拔的平均蒸发损失：高山区为24.99%、中山区为29.04%、荒漠区为35.00%。研究结果对理解区域水平衡及其对山区生态系统气候变化的响应具有重要意义。     

基于改进图论与水文模拟方法的河网水系连通性评价模型

为弥补图论法无法考虑水量动态传输能力的缺陷,在运用图论连通度理论评价河网水系连通状况的基础上,通过建立HEC_HMS水文模型模拟河道流量,构造表征河网水量交换能力的连通因子,构建了基于改进图论与水文模拟方法的河网水系连通性评价模型。秦淮河流域河网水系连通状况实例评价结果表明,秦淮河流域水系连通度由2000年的0.0044下降至2010年的0. 0029,且2010年水系连通度水平不高,符合实际情况,模型评价结果合理可靠。     

基于Sentinel-1数据的水体信息提取方法研究

SAR影像对于水体和地表形变具有很好的辨识性,因此常用来进行水体识别、土壤湿度反演和地表形变检测研究与应用。利用载有C波段合成孔径雷达的Sentinel-1卫星数据对大范围的水体信息进行识别,提出了SDWI（Sentinel-1 Dual-Polarized Water Index）水体信息提取方法。该方法受到NDVI和NDWI方法的启发,结合微波遥感中水体信息在影像中的特点,进一步研究了Sentinel-1双极化数据（VV和VH）之间水体信息提取的关系,以此关系达到增强水体特征的目的,同时消除土壤和植被的存在。分别以Sentinel-1A巢湖区域和Sentinel-1B鄱阳湖区域SAR影像为例来提取水体信息,实验结果表明该方法显著有效,但对影像中阴影的处理是未来研究的难点。     

基于汉口分类处理的平原河网水质模拟方法

在目前常用的平原河网水质模拟三级解法中,对所有汉口出口断面浓度均采用均匀混合假设,然而汉口处不同的水动力条件和来流水质使得均匀混合假设未必适用于所有的汉口.为修正传统方法中的这一理论不足,该文提出对不同类型的汉口进行分类,并基于不同的处理建立平原河网水质模型.较之传统的三级解法,该方法直接求解断面浓度,无需求解汉口处的浓度,可有效简化求解过程并提高精度.将模型应用于江苏昆山某河网,求解非恒定流条件下各断面的COD浓度.结果表明:在未采用均匀混合假设的汉口,出流断面浓度与传统模型的结果差异明显;该模型计算结果与实测值吻合较好,可应用于平原河网水质模拟.     

河道山地灾害的卷积神经网络快速识别方法

河道山地灾害如泥石流、滑坡、山洪、水土流失等严重危害着河道周边公路、铁路、桥梁、大型水利工程等重要基础设施的安全。快速识别已发生的河道山地灾害意义重大,而传统巡检方式具有极高的危险性和滞后性,迫切需要新方法来替代。以深度卷积神经网络为代表的深度学习技术具有局部感知、参数共享、池化等多个特性,相比传统机器学习方法具有更强大的特征学习和特征表达能力。在深度学习开源框架下,利用大量河道山地灾害图片数据完成了Caffenet等多个深度模型的训练,并结合迁移学习方法,使河道山地灾害识别准确率最终达到90%以上,为河道山地灾害快速识别、群防群测体系的完善提供了新思路。     

河道数据对流溪河模型预报中小河流洪水的影响

针对琴江流域构建了中小河流洪水预报流溪河模型,分别从河道断面形状、断面尺寸和河道分级的角度定量评估了河道特征数据对应用流溪河模型开展中小河流洪水预报的影响。结果表明:河道分级越多,模型模拟洪水的洪峰流量峰值越大、次洪径流系数越大、洪峰出现时间越早,模拟的洪水过程效果越好;在构建流溪河模型时,假定河道断面为矩形,采用卫星遥感影像估算河道断面尺寸的方法是可行的,模型模拟的洪水过程精度可以满足实际洪水预报的精度要求;利用改进的流溪河模型进行中小河流洪水预报时,以3级河道构建的模型洪水模拟精度最好,可很好地模拟中小河流洪水过程。