[發明專利]一種流域徑流整體變化趨勢的預測方法

在審

• 申請號: 202110284456.5
• 申請日: 2021-03-17
• 公開（公告）號: CN113065280A
• 公開（公告）日: 2021-07-02
• 發明（設計）人: 岳兆新;廖常武;周惠;彭建華
• 申請（專利權）人: 南京工業職業技術大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06Q10/04
• 代理公司: 南京燦爛知識產權代理有限公司 32356
• 代理人: 朱妃

1.一種流域徑流整體變化趨勢的預測方法，其特征在于：所述方法包括以下步驟：

S1、構造具有多時空粒度特性與生命周期的流域徑流整體趨勢變化因子；

S2、采用泰森多邊形方法計算流域內氣象站點所代表的面積賦權，構建降水對象；

S3、采用相關系數法篩選與流域徑流過程相關性強的氣候對象；

S4、基于SPOT影像的流域歸一化植被指數計算方法構建覆蓋整個流域的植被對象；

S5、采用特征篩選方法實現影響流域徑流整體變化趨勢的關鍵對象的特征篩選；

S6、基于智能預測模型實現流域徑流整體變化趨勢預測。

2.根據權利要求1所述的一種流域徑流整體變化趨勢的預測方法，其特征在于：所述步驟S1構造具有多時空粒度特性與生命周期的流域徑流整體趨勢變化因子，具體為，對研究區域內的所有水文站點對象進行時空粒度選擇、生命周期選擇、流域內所有水文站點的月均徑流一致性分析和流域徑流整體趨勢變化因子構造，從而獲得流域徑流整體趨勢變化因子，

其中，流域徑流整體趨勢變化因子構造方法如下，

式中，W_i第i個水文站點的權重，Q_i為第i個水文站點的控制面積百分比，Q_j為第j個水文站點的控制面積百分比，m為流域內月均徑流一致性較好的水文站點個數，C_j第j個月的流域徑流整體趨勢變化因子，C_ij為第i個水文站點第j個月的月均徑流量。

3.根據權利要求1所述的一種流域徑流整體變化趨勢的預測方法，其特征在于：所述步驟S2采用泰森多邊形方法計算流域內氣象站點所代表的面積賦權，構建降水對象，其中，泰森多邊形方法的計算公式為，

式中，為流域平均降水量，P_i為第i個觀測站同期降水量，P₁為第1個觀測站同期降水量，P₂為第2個觀測站同期降水量，P_n為第n個觀測站同期降水量，S_i為第i個測站控制面積，S₁為第1個測站控制面積，S₂為第2個測站控制面積，S_n為第n個測站控制面積，S為流域總面積；

若同期降水量日值數據連續缺測日期少于10天，則使用多年日均值來替換，若連續10天及以上缺測同期降水量日值數據，則基于多年日均值采用線性差值法進行調整計算。

4.根據權利要求1所述的一種流域徑流整體變化趨勢的預測方法，其特征在于：所述步驟S3采用相關系數法篩選與流域徑流過程相關性強的氣候對象，具體為，

設徑流對象為Y，氣候對象為變量X，則徑流對象Y和氣候對象X之間的相關系數定義為，

式中，r_XY為氣候對象X和徑流對象Y之間的相關系數，N為徑流-氣候對象的樣本數量，X_i為氣候對象X的第i個樣本值，為氣候對象X的均值，Y_i為徑流對象Y的第i個樣本值，為徑流對象Y的均值；

r_XY取值范圍為[-1,1]，|r_XY|值大，表示徑流對象Y與氣候對象X之間的線性相關性高，當|r_XY|值接近0，表示徑流對象Y與氣候對象X之間的線性相關性低，當|r_XY|值為0時，表示徑流對象Y與氣候對象X線性無關；

獲取數值大的|r_XY|相對應的氣候對象，此時獲取的氣候對象即為所需的與流域徑流過程相關性強的氣候對象。

5.根據權利要求1所述的一種流域徑流整體變化趨勢的預測方法，其特征在于：所述步驟S4基于SPOT影像的流域歸一化植被指數計算方法構建覆蓋整個流域的植被對象，其中，基于SPOT影像的流域歸一化植被指數構建的植被對象N_DVI的計算方法如下，

N_DVI＝0.004×DN-0.1 (5)

式中，N_DVI為NDVI值，DN為0～250之間的灰度值。