基于汇水区精细划分的城市雨洪模型优化研究
这是一篇关于SWMM,汇水区划分,土地利用,水文水质,深度学习模型的论文, 主要内容为步入21世纪,我国城市化建设迅猛发展,硬地面积不断扩大,城市不透水率日益增加。当城市遭遇极端天气情况时,地表径流的增加会让我国仍处在不断探索优化中的城市排水系统与监测体系难堪重负,极易出现城市内涝等灾害情况。为了应对日益严峻的城市积涝及水环境面源污染等次生灾害,实现雨洪内涝的精准建模分析便是重中之重,因地制宜,精准定位,革新技术,合理优化,是当前城市综合水文水资源管控与水环境面源污染治理的关键。目前应用最为广泛的流域水文水质建模工具之一便是城市暴雨管理模型(SWMM),运用精准的计算机技术,结合高效的人工智能手段,实现精准模拟与情境优化,有助于全面评价城市防洪能力,减少面源污染等次生灾害,完善雨洪管理机制。江西省抚州市金溪县是我国长江中下游地区的重要走廊,近年来屡次遭受严重内涝灾害,抚州市政府对于城市内涝灾害与水污染防治工作非常重视。本文以抚州市金溪县作为研究区域,提出基于土地利用类型智能解译的深度学习融合方法,以此探索城市汇水区的精细划分方式,在此基础上构建SWMM水文与水质模型,对汇水区域不同时间尺度降雨情境下的模拟效果进行分析与优化,为SWMM模型不同时空尺度下的应用提供更有针对性的优化调整方案。主要成果如下:(1)针对金溪县城市化进程中复杂下垫面的动态地类数据获取,本文针对性提出了城市土地利用类型智能解译的深度学习融合方法。通过对研究区域遥感影像的预处理,应用Mean Shift算法实现对具有相似空间特征的流域地类对象的初步分割。其中原始汇水区域图像样本使用U-net和Deep Lab V3+进行训练,Mean Shift+U-net使用Mean Shift的预训练图像样本进行训练。最后使用混淆矩阵来评估流域建模系统预测的适用性。与U-net与Deep Lab V3+等常规方法相比,Mean Shift+U-net在目标汇水区的地类智能解译实现了最好的预测精度和出色的地类一致性。且融合地类的简化混淆矩阵进一步表明,本方法对于估计半分布式城市流域建模系统的空间参数具有较好的适用性,这为后续SWMM的建模优化提供了思路,推荐使用Mean Shift+U-net,因为其在不透水地表特征分类方面具有很高的精度(0.9847)。(2)针对SWMM建模下垫面概化中汇水区划分与真实地类分布不一致,且在不同空间尺度城市汇水区复杂下垫面划分效果不佳的症结,本文利用基于Deep Lab V3+等深度学习手段构建的城市地类智能解译模型,融合调整同一子汇水区的不同地类的汇水关系,除自然地形外,充分考虑人为因素所造成的空间异质性,提出了基于地类和流向的城市汇水区精细划分方法,其对于不同空间尺度下的汇水区划分适用性较好。在整体划分方面,除自然地形外还充分考虑了人为因素所产生的空间异质性;在局部对比方面,三级子汇水区的面积大小、位置分布和地表流向更贴近实际。本方法不仅使得SWMM建模中子汇水区概化使用Voronoi法的常规思路融入了城市水文地类特征,能够获得更为真实的地表径流数据,高效准确的模型输入优化思路还具有较好的泛用性。(3)针对基于地类和流向的汇水区精细划分方法,本文进一步将其与传统Voronoi方法相比较,进行SWMM水文与水质建模效果的综合分析,并于金溪县进行水文与水质模块不同时间尺度降水事件下的情境建模与优化分析,同时结合LISFLOOD模型对实际应用场景进行了进一步的模拟效果验证。主要包含:通过对水文数据精度指标的模拟与验证,在不同时间尺度的降雨场景中,本方法下SWMM模拟结果的指标偏差均小于常规Voronoi方法,在实际场景应用中本方法提取的城区地类建模数据与汇水区精细划分概化结果,均能较好的应用于SWMM建模,更为真实地反映不同降水情境下不同空间尺度城区的排水积涝情况,为智慧城市风险应急管理提供重要决策依据;通过对四类典型水质数据的验证分析,在单一降雨事件下,本方法明显优于常规Voronoi方法下的SWMM模拟效果,四类污染物指标的模拟误差更小,且模拟结果显示地类与汇水区划分精度对于非点源污染负荷的影响较大,具备一定的指导意义。
土地利用常态化调查系统设计与开发
这是一篇关于土地利用,常态化调查,数据组织与管理,数据动态更新的论文, 主要内容为土地利用现状变更调查是国家全面掌握土地利用变化情况,获取土地利用现状数据的主要途径,是一个对地类图斑、权属界线、行政区划等变化情况进行外业实地调查,内业完成对土地利用现状变更数据的更新,实时更新土地利用数据库并上报的完整过程。在3S技术、网络传输技术、空间数据库技术的支撑下,围绕着“应用共享、快速调查、及时发现、如实上报、持续更新”等五个方面的管理与技术问题,提出了年度集中变更调查向动态变更常态化调查的转变思路,从土地管理业务的内部及时解决变化问题。调查工作以季度为主要周期,逐步开展土地利用常态化调查工作,提高土地调查数据变更的精度和频率,提升土地利用常态化调查数据库的现势性和精准性,全面实现对土地调查工作及土地利用数据的高效监管与应用。论文在深入理解土地利用调查过程中的用户需求以及具体作业流程与模式的基础上,应用WebGIS技术、网络数据传输技术、影像数据组织技术、空间数据组织等技术设计与开发土地利用常态化调查系统。针对系统数据库中的影像数据,研究设计适合本系统中遥感影像数据的组织与管理模式,提出以ArcSDE引擎与SQL Server数据库的方式存储遥感影像数据,以栅格目录的方式来组织。针对系统数据库中存储的大量的,多批次的,不同行政区划的图斑数据,研究设计基于调查任务批次、基于行政区划的、基于区域影像的图斑管理与组织模式,并提出系统年度变更调查数据与常态化调查数据融合组织的方式,以此来提高系统的兼容性与适用性。结合土地利用常态化调查图斑状态的动态更新与业务流转过程,提出建立图斑状态流模式,目的是为了控制图斑状态和图斑状态更新的过程,实现对图斑的高效管理与应用。基于这些数据组织员管理协调工作,并结合土地利用常态化具体作业流程,设计开发了适用于多级别,多角色,多部门组织,多资源管理的土地利用常态化调查系统,实现了系统后台管理功能,调查业务功能和数据统计报表功能等众多功能,最终达到对土地利用资源的高效管理和应用的目的。
基于汇水区精细划分的城市雨洪模型优化研究
这是一篇关于SWMM,汇水区划分,土地利用,水文水质,深度学习模型的论文, 主要内容为步入21世纪,我国城市化建设迅猛发展,硬地面积不断扩大,城市不透水率日益增加。当城市遭遇极端天气情况时,地表径流的增加会让我国仍处在不断探索优化中的城市排水系统与监测体系难堪重负,极易出现城市内涝等灾害情况。为了应对日益严峻的城市积涝及水环境面源污染等次生灾害,实现雨洪内涝的精准建模分析便是重中之重,因地制宜,精准定位,革新技术,合理优化,是当前城市综合水文水资源管控与水环境面源污染治理的关键。目前应用最为广泛的流域水文水质建模工具之一便是城市暴雨管理模型(SWMM),运用精准的计算机技术,结合高效的人工智能手段,实现精准模拟与情境优化,有助于全面评价城市防洪能力,减少面源污染等次生灾害,完善雨洪管理机制。江西省抚州市金溪县是我国长江中下游地区的重要走廊,近年来屡次遭受严重内涝灾害,抚州市政府对于城市内涝灾害与水污染防治工作非常重视。本文以抚州市金溪县作为研究区域,提出基于土地利用类型智能解译的深度学习融合方法,以此探索城市汇水区的精细划分方式,在此基础上构建SWMM水文与水质模型,对汇水区域不同时间尺度降雨情境下的模拟效果进行分析与优化,为SWMM模型不同时空尺度下的应用提供更有针对性的优化调整方案。主要成果如下:(1)针对金溪县城市化进程中复杂下垫面的动态地类数据获取,本文针对性提出了城市土地利用类型智能解译的深度学习融合方法。通过对研究区域遥感影像的预处理,应用Mean Shift算法实现对具有相似空间特征的流域地类对象的初步分割。其中原始汇水区域图像样本使用U-net和Deep Lab V3+进行训练,Mean Shift+U-net使用Mean Shift的预训练图像样本进行训练。最后使用混淆矩阵来评估流域建模系统预测的适用性。与U-net与Deep Lab V3+等常规方法相比,Mean Shift+U-net在目标汇水区的地类智能解译实现了最好的预测精度和出色的地类一致性。且融合地类的简化混淆矩阵进一步表明,本方法对于估计半分布式城市流域建模系统的空间参数具有较好的适用性,这为后续SWMM的建模优化提供了思路,推荐使用Mean Shift+U-net,因为其在不透水地表特征分类方面具有很高的精度(0.9847)。(2)针对SWMM建模下垫面概化中汇水区划分与真实地类分布不一致,且在不同空间尺度城市汇水区复杂下垫面划分效果不佳的症结,本文利用基于Deep Lab V3+等深度学习手段构建的城市地类智能解译模型,融合调整同一子汇水区的不同地类的汇水关系,除自然地形外,充分考虑人为因素所造成的空间异质性,提出了基于地类和流向的城市汇水区精细划分方法,其对于不同空间尺度下的汇水区划分适用性较好。在整体划分方面,除自然地形外还充分考虑了人为因素所产生的空间异质性;在局部对比方面,三级子汇水区的面积大小、位置分布和地表流向更贴近实际。本方法不仅使得SWMM建模中子汇水区概化使用Voronoi法的常规思路融入了城市水文地类特征,能够获得更为真实的地表径流数据,高效准确的模型输入优化思路还具有较好的泛用性。(3)针对基于地类和流向的汇水区精细划分方法,本文进一步将其与传统Voronoi方法相比较,进行SWMM水文与水质建模效果的综合分析,并于金溪县进行水文与水质模块不同时间尺度降水事件下的情境建模与优化分析,同时结合LISFLOOD模型对实际应用场景进行了进一步的模拟效果验证。主要包含:通过对水文数据精度指标的模拟与验证,在不同时间尺度的降雨场景中,本方法下SWMM模拟结果的指标偏差均小于常规Voronoi方法,在实际场景应用中本方法提取的城区地类建模数据与汇水区精细划分概化结果,均能较好的应用于SWMM建模,更为真实地反映不同降水情境下不同空间尺度城区的排水积涝情况,为智慧城市风险应急管理提供重要决策依据;通过对四类典型水质数据的验证分析,在单一降雨事件下,本方法明显优于常规Voronoi方法下的SWMM模拟效果,四类污染物指标的模拟误差更小,且模拟结果显示地类与汇水区划分精度对于非点源污染负荷的影响较大,具备一定的指导意义。
东北三省土地利用碳排放时空格局及其影响因素分析
这是一篇关于土地利用,土地利用碳排放,碳排放模型,东北三省,GWR模型的论文, 主要内容为随着温室效应带来的环境问题的日益严峻,控制和减少碳排放是应对全球气候变化,走低碳可持续发展道路的重要举措之一。中国在第七十五届联合国大会以及《“十四五”规划和2035年远景目标纲要》中均明确提出要加快推进绿色低碳经济发展,制订2030年前碳排放达峰行动实施方案,努力争取到2060年实现碳中和,这意味着我国逐渐进入“总量减排”时期,把应对气候变化工作提升到前所未有的层面。一些研究表明,排放到大气中的二氧化碳约有45%来自化石燃料和土地利用变化,土地利用变化仅次于化石燃烧成为造成温室气体排放的重要来源之一。因此,探究土地利用碳排放的影响因素并采取相关措施,对于减轻国家碳减排压力,实现绿色低碳可持续发展具有一定的实践意义。本研究基于东北三省2000,2005,2010,2015和2018年五期遥感数据,利用GIS软件提取并分析近18年东北三省土地利用现状,然后参考前人经验系数以及采用《2006年IPCC国家温室气体清单指南》中相关碳排放测算方法测算出东北三省近18年各地区不同土地利用类型碳排放情况,利用探索性空间数据分析东北三省土地利用碳排放空间变化状况,最后利用地理加权回归模型分析东北三省2000-2018年土地利用碳排放影响因素空间效应差异并针对东北三省土地利用碳排放存在的问题有针对性的提出土地利用碳减排建议措施。主要结论如下:(1)2000-2018年间,东北三省整体土地利用结构变化明显,其中除了耕地、建设用地、未利用地之外,林地、草地、水域都有不同程度的减少;从土地利用转移矩阵来看,2000-2018年期间东北三省共有165363.13km2土地进行了相互转化,其中林地转出面积最大,其次是耕地、草地、未利用地、水域,转出面积最小的是建设用地;耕地与林地相互转换,草地主要转向林地与未利用地,未利用地则通过土地利用整治等主要转化呈耕地,而建设用地的主要来源是耕地。(2)2000-2018年东北三省地区土地利用碳排放呈逐年递增的趋势,从2000年的29730.37万t增长到2018年的39027.43万t,增长率达31%。空间上高、中度碳排放主要集中在东北三省省会城市以及齐齐哈尔、大庆和大连等城市;研究期内,东北三省土地利用碳吸收呈下降的趋势,由2000年的23.08万t下降到2018年的22.21万t,下降率为4%,空间上,碳吸收高值区主要集中在大兴安岭、长白山等山地、林地资源丰富的地区;2000-2018年东北三省土地利用净碳排放量时空变化差异较大,东北三省地区土地利用净碳排放呈逐年增长的趋势,与碳排放变化基本一致。碳吸收量无法抵消碳排放量,导致土地利用净碳排放较2000年增长了9297.92万t,增长率达31.3%。空间上,东北三省土地利用净碳排放高值区主要集中在哈尔滨、齐齐哈尔、沈阳和大连,低值区主要集中在大兴安岭和长白山等碳吸收较高的地区。(3)从土地利用净碳排放区域空间关系来看,2000-2018年东北三省土地利用净碳排放Moran’s I指数呈先增加后降低的趋势,说明其存在显著的全局空间正相关,且各地区之间碳排放整体差异在逐渐拉大;从局部相关性(冷热点分析)来看,高碳区主要集中在辽宁省的阜新市、锦州市、鞍山市、营口市和大连市,低碳区主要集中在黑龙江省的鹤岗、双鸭山、鸡西和佳木斯以及吉林省的白山市和通化市。(4)东北三省土地利用碳排放影响因素从大到小依次为土地利用强度>工业结构>总人口。总人口因子相邻各地市系数差异较小,对土地利用碳排放的影响具有明显的空间依赖性,研究期各年份系数范围呈不断扩大的趋势,说明总人口因子影响作用在逐步增大。工业结构整体上系数区域变化较大,部分地区由正值转变为负值,负值区系数范围在不断扩大,说明近年来东北三省尤其是辽宁省在不断调整产业结构,第二产业占比不断降低,充分发挥第三产业在节能减排中的优势。土地利用强度相对于总人口和工业结构来说,对土地利用碳排放的影响最大,空间变化也最为明显,整体系数范围呈不断缩小的趋势,空间上高值区呈现先减少后增加,低值区在收缩,存在明显地域差异。
分布式NAM水文模型研究及系统实现
这是一篇关于分布式NAM模型,土壤质地,土地利用,流域通用属性信息,系统开发的论文, 主要内容为近些年来,一方面,计算机、地理信息采集(尤其是卫星遥感、雷达监测)等高效便捷技术的普及,以及学科交叉思想的兴起,使得能够融合大量流域属性特征的分布式水文模型的实现成为可能;另一方面,下垫面的变化及人们对水文过程精细化模拟的要求,也使得分布式水文模型的研究成为必然的发展趋势,目前已逐渐成为行业研究热点之一。现阶段已陆续有学者结合遥感、计算机技术将集总式水文模型转化为分布式水文模型,已实现流域水文过程的精细化模拟。本文基于NAM模型的产汇流基本原理,构建了基于栅格的分布式NAM模型,并进一步开发了分布式NAM水文模型系统,以实现任意流域分布式水文模型的快速建模。主要研究内容和成果如下:(1)为满足不同分布式水文模型基础数据的需求,统一制作了流域属性信息图表。流域基础信息是构建分布式水文模型的重要基础,由于模型结构不同,各分布式水文模型所需流域基础数据不尽相同,为避免繁琐的数据处理过程,本文将分布式水文模型可能用到的流域特征属性统一提取整合成一张属性图表,避免了重复处理数据,提高了模型计算效率。(2)考虑土壤质地和土地利用类型的空间异质性,基于NAM模型的产汇流原理,构建了分布式NAM模型。分布式NAM模型将整个流域栅格离散化,每个栅格内均采用集总式NAM模型作为产流模型,根据整合的流域通用属性信息建立栅格汇流最优演算次序,以目前广泛运用的马斯京根模型和扩散波模型作为逐栅格地表径流汇流模型,以滞后演算模型作为壤中流、地下径流汇流模型,采用SCE-UA算法进行模型参数优选。对比分析了集总式与分布式NAM模型在汉江旬河流域的适用性,计算结果表明,构建的分布式NAM模型有较强的适用性,可以模拟流域水文过程的空间分布特征。(3)为进一步验证分布式NAM模型的适用性,将其与分布式新安江模型进行了对比研究。以整合的流域通用属性信息为基础,结合分布式新安江模型产汇流原理,快速构建了分布式新安江模型。通过与分布式新安江模型在旬河流域比较运用发现,分布式NAM模型具有结构简单、参数少的特点,在模型参数自动寻优过程中也更加高效。(4)基于B/S架构模式,采用Java语言及Eclipse开发工具,实现了分布式NAM模型的系统开发。结合分布式NAM模型的理论方法以及实际洪水预报的切实需要,系统兼具了洪水模拟所需的流域通用属性信息解析、基础数据处理、洪水管理、参数率定四大功能模块,可实现任意流域的分布式水文模型构建;为了保证系统的可维护性和扩展性,系统采用了主流的开发环境、成熟的系统框架,同时设计了通用接口,实现了灵活添加、配置水文模型的目的,为相关人员提供了一个具有生产、科研性质的系统平台。
本文内容包括但不限于文字、数据、图表及超链接等)均来源于该信息及资料的相关主题。发布者:源码工厂 ,原文地址:https://m.bishedaima.com/lunwen/47909.html