-
公开(公告)号:CN114676545A
公开(公告)日:2022-06-28
申请号:CN202111400509.1
申请日:2021-11-19
Applicant: 天津科技大学 , 中国水利水电科学研究院 , 水利部水利水电规划设计总院
IPC: G06F30/20 , G06F17/13 , G06F111/10 , G06F113/08
Abstract: 本发明涉及一种基于GMS分析地下水压采方案效果的方法,属于数值模拟技术领域。本发明结合研究区的水文地质条件,概化边界条件和含水层,确定各源汇项及水文地质参数,建立基于GMS的地下水水流模型,并对模型进行识别与验证。将地下水压采方案对应的压采量作为源汇项输入到模型中,设置不同的模拟时间,运行模型,对结果进行分析,可得知地下水压采方案效果。本发明可以得到直观的不同时间尺度下的地下水压采方案影响下的地下水流场图,和研究区的地下水资源量变化值,从而对地下水压采方案的效果有一个直观的认识。
-
公开(公告)号:CN114154339B
公开(公告)日:2022-06-10
申请号:CN202111487710.8
申请日:2021-12-07
Applicant: 中国水利水电科学研究院 , 水利部水利水电规划设计总院
IPC: G06F30/20 , G06Q50/26 , G06F113/08
Abstract: 本发明公开了一种确定河流生态流量利益相关方影响权重的方法,包括如下步骤,S1、针对目标河流所在的流域构建分布式水文模型WEP;S2、基于河流生态流量利益相关方设置多个组合情景;S3、利用分布式水文模型对所有的组合情景分别进行模拟,输出各个组合场景的河道流量结果;根据河道流量结果分别计算各个河流生态流量利益相关方对河道流量的影响值;利用影响值分别计算各个河流生态流量利益相关方对河道流量的影响权重;基于生态补偿需求,利用影响权重分别计算各个河流生态流量利益相关方的生态补偿数额。优点是:解决了河流生态流量利益相关方影响权重和生态补偿数额无法量化确定的问题。
-
公开(公告)号:CN114154339A
公开(公告)日:2022-03-08
申请号:CN202111487710.8
申请日:2021-12-07
Applicant: 中国水利水电科学研究院 , 水利部水利水电规划设计总院
IPC: G06F30/20 , G06Q50/26 , G06F113/08
Abstract: 本发明公开了一种确定河流生态流量利益相关方影响权重的方法,包括如下步骤,S1、针对目标河流所在的流域构建分布式水文模型WEP;S2、基于河流生态流量利益相关方设置多个组合情景;S3、利用分布式水文模型对所有的组合情景分别进行模拟,输出各个组合场景的河道流量结果;根据河道流量结果分别计算各个河流生态流量利益相关方对河道流量的影响值;利用影响值分别计算各个河流生态流量利益相关方对河道流量的影响权重;基于生态补偿需求,利用影响权重分别计算各个河流生态流量利益相关方的生态补偿数额。优点是:解决了河流生态流量利益相关方影响权重和生态补偿数额无法量化确定的问题。
-
公开(公告)号:CN116975500A
公开(公告)日:2023-10-31
申请号:CN202311095356.3
申请日:2023-08-29
Applicant: 黄河水利委员会黄河水利科学研究院 , 黄河勘测规划设计研究院有限公司 , 中国水利水电科学研究院
Abstract: 本发明提供一种确定半干旱地区膜下滴灌集中推广适宜面积的方法,首先,确定当前作物种植区域地下水埋深值、地下水埋深临界值、地下水最大允许降深值;确定传统地面灌溉亩均灌溉水量、膜下灌溉亩均灌溉水量,计算两种灌溉模式的水量差;确定膜下滴灌该种植区域中心点地下水埋深增加值的表征方式,取膜下滴灌种植区域中心点地下水埋深增加值为该区域地下水最大允许降深值,计算该条件下种植区域膜下滴灌集中推广适宜面积。本发明通过膜下滴灌对地下水埋深的影响,反推得到地下水埋深的最大允许降深下适宜的集中推广面积。本发明计算过程简易,具有较强的实用性,为半干旱地区膜下滴灌的规模化推广政策制定提供理论参考。
-
公开(公告)号:CN110909652B
公开(公告)日:2022-10-21
申请号:CN201911122874.3
申请日:2019-11-16
Applicant: 中国水利水电科学研究院
IPC: G06V20/10
Abstract: 本发明公开了纹理特征优选的农作物种植结构月尺度动态提取方法,包括以下步骤:S1:确定分析区域空间范围并进行数据准备,收集不大于月尺度的时间序列卫星遥感数据集,时间上统一处理为月尺度数据,同时完成研究区域内样本数据的预获取;S2:利用预处理后的月尺度卫星遥感影像数据,基于灰度共生矩阵计算影像的纹理特征;S3:基于实测样本计算不同纹理特征量的均值与方差,并计算不同样本间纹理特征量的可区分能力;解决了传统获取农作物种植结构信息的方法忽略了对分类特征量的筛选,增加了时间复杂度的问题。
-
公开(公告)号:CN110222911B
公开(公告)日:2021-08-03
申请号:CN201910538884.9
申请日:2019-06-20
Applicant: 中国水利水电科学研究院
IPC: G06Q10/04
Abstract: 本发明公开了一种卫星遥感与地面数据协同的雨量站网优化布局方法,包括以下步骤:S1:收集研究区域已有站网的实测降水数据和卫星遥感降水产品,并统一为日尺度格网数据集;S2:根据信息熵和克里金插值理论,计算每个格网的空间代表性和插值精度两个指标,即从单站的角度筛选出雨量站布设的潜在区域;S3:计算在每个潜在布设位置新建站点后站网的总信息量、平均空间代表性和插值精度三个指标,即从整体站网的角度筛选建站的位置;解决了以往方法中站网的空间代表性优化使得其无法能够更好地获取监测区域的降水特征、站网布局优化的时效性低、计算步骤复杂和普适性差的问题。
-
公开(公告)号:CN113065090A
公开(公告)日:2021-07-02
申请号:CN202110374077.5
申请日:2021-04-07
Applicant: 中国水利水电科学研究院
IPC: G06F17/10
Abstract: 本发明公开了一种区域农田灌溉用水量分析计算方法,包括:1、以降水量、出入境水量、跨流域调水量、遥感监测的水蓄变量为输入,基于水量平衡方程,推求区域总耗水量;2、以推求的总耗水量为约束,选取遥感蒸散发产品,获得区域太阳能驱动的总耗水量;3、基于土地利用空间分布,获取农田范围,利用遥感蒸散发产品计算得到农田区域的耗水量,扣除其中的有效降水量,得到灌溉耗水量;4、基于灌溉耗水量与灌溉用水量之间的比例关系,推算灌溉用水量;5、进行区域多年灌溉用水分析时,收集多年数据,重复上述步骤,计算逐年农田灌溉用水量。本发明的优点在于:可以快速计算出大范围的农田灌溉用水量,对农业灌溉用水的统计调查数据进行复核。
-
公开(公告)号:CN110232471A
公开(公告)日:2019-09-13
申请号:CN201910381785.4
申请日:2019-05-08
Applicant: 中国水利水电科学研究院
Abstract: 本申请提供了一种降水传感网节点布局优化方法及装置,本申请以卫星遥感降水数据为背景场,结合地面监测数据,可以模拟得到高精度的降水空间分布,从而将离散化的地面监测数据转化为高精度且连续的地面数据,进一步地,利用泰森多边形离散化地面区域,能够降低遍历的单元数目,提高计算效率。根据降水空间分布,建立节点布局优化的多目标函数和约束条件,得到降水站点布局优化模型,然后采用多目标微观邻域粒子群算法求解模型得到最优降水传感网节点布局,为地面监测站点的合理布设提供理论依据。在求解过程中,将多目标微观邻域粒子群算法改造为适用于并行计算架构,加速求解效率。
-
公开(公告)号:CN110188483A
公开(公告)日:2019-08-30
申请号:CN201910474798.6
申请日:2019-06-03
Applicant: 中国水利水电科学研究院
Abstract: 本发明公开了一种二维水动力水质模型构建方法,其包括以下步骤:S1、生成覆盖计算域的若干叶网格,根据叶网格的初始划分水平将其划分为若干个子网格;其中初始划分水平为最大划分水平,叶网格为最大网格单元;S2、通过OpenMP建立并行模型,根据生成的叶网格和子网格在建立的并行模型中生成水动力水质模型自适应网格,得到二维水动力水质模型。本方法能够大幅度降低自适应网格生成的时间,进而缩短二维水动力水质模型的构建时间,同时构建好的二维水动力水质模型能够细化地形坡度较大区域的网格,同时可以根据水位和污染物浓度梯度自适应调整网格大小,使得本方法可以保证模型的静水和谐性和模型的模拟精度。
-
公开(公告)号:CN111950530B
公开(公告)日:2024-04-12
申请号:CN202010932539.6
申请日:2020-09-08
Applicant: 中国水利水电科学研究院
Abstract: 本发明公开了农作物种植结构提取的多特征优选与融合方法,包括,收集不大于月尺度的时间序列卫星遥感数据集,同时完成研究区域内样本数据的预获取;描述各类作物的光谱与纹理特性;计算不同的样本在光谱信息、植被指数以及纹理特征量等的表达,统计各特征量的均值与方差,计算不同样本在各个特征量上的可区分能力;建立多特征优选公式,并利用公式确定参与分类的特征量以及各特征量在分类过程中所占的比重;构建一个新的图像;利用随机森林分类器对研究区域的农作物类型进行精细识别,生成农作物的时空分布专题图并验证精度。本发明解决了传统遥感信息提取方法中忽略了对分类特征量的筛选,从而增加了时间复杂度和计算机运行速率的问题。
-
-
-
-
-
-
-
-
-