Гидрологические модели с распределёнными параметрами для прогнозирования стока, часть 2


Добро пожаловать

Добро пожаловать

Добро пожаловать на вторую часть модуля «Гидрологические модели с распределенными параметрами для прогнозирования стока». Я – доктор Деннис Джонсон, профессор Наук о Земле и окружающей среде в колледже Джуниата, в штате Пенсильвания. Этот видеоурок – вторая часть модуля по изучению использования гидрологических моделей с распределенными параметрами для прогнозирования стока.


Задачи

Задачи

В этом уроке вы ознакомитесь с информацией, которая поможет вам:

идентифицировать различные алгоритмы, используемые в гидрологических моделях с распределенными параметрами (ГМРП) для определения:

  • Зависимости стока от дождевых осадков;
  • Снеготаяния;
  • Движения поверхностного склонового стока;
  • Реакции руслового потока

Вы также увидите, как в текущей гидрологической модели с распределенными параметрами (ГМРП) Национальной службы погоды США решается каждая из вышеуказанных задач и сможете объяснить, когда, где и почему следует выбирать ГМРП вместо модели с сосредоточенными параметрами или другой модели.

Этот урок учитывает тот факт, что моделирование с распределенными параметрами представляет собой развивающуюся науку. Вероятно, будущие перспективы этой науки будут связаны с решением проблем неопределенности данных и калибровки, рассмотрение которых выходит за рамки нашего курса.


Введение

Алгоритм гидрологической модели с распределенными параметрами

В первой части модуля был представлен обзор гидрологического моделирования, включая общее описание того, как работают модели с распределенными параметрами по сравнению с более традиционными моделями с сосредоточенными параметрами.

Во второй части мы более подробно рассмотрим отдельные компоненты, которые обычно включаются в модели с распределенными параметрами. К ним относятся: зависимость стока от дождевых осадков, моделирование снеготаяния, оценка движения поверхностного склонового стока и реакции руслового потока. Мы более подробно изучим особенности работы некоторых гидрологических моделей с распределенными параметрами. Также проследим за тем, как осадки участвуют в различных процессах гидрологического цикла – по крайней мере, в том виде, как эти процессы представляются в ГМРП.

Гидрологические модели с распределенными параметрами для прогнозирования стока, Часть 1: https://www.meted.ucar.edu/education_training/lesson/10109


Компонент зависимость стока от дождевых осадков (осадки-сток)

Компонент зависимость стока от дождевых осадков (осадки-сток)

Начнем с осадков. Пусть идет дождь. Рассмотрим преобразование осадков или то, как модели оценивают долю осадков, которые инфильтруются, и долю осадков, которые становятся стоком или избыточными осадками. Мы будем называть компонент гидрологической модели, определяющий начальную фазу преобразования поступающих осадков, - компонент осадки-сток.


Снеготаяние

Снеготаяние

Мы также рассмотрим, как модели учитывают снеготаяние. Не все модели с распределенными параметрами имеют модуль расчета снеготаяния; это зависит от предполагаемого назначения модели.


Поверхностный склоновый сток

Поверхностный склоновый сток

Затем мы рассмотрим поверхностный сток: мы должны «переместить» избыточную воду, образовавшуюся в результате дождя и таяния снега, по поверхности земли, используя методы расчета движения поверхностного склонового стока.


Реакция руслового потока

Реакция руслового потока

Наконец, мы достигаем русла. Здесь наблюдается влияние поверхностного склонового стока на русловой поток. Затем различными алгоритмами рассчитывается сток при перемещении потока по сети рек и ручьев к замыкающему створу или другим местам наблюдения.


Проблемы калибровки

Проблемы калибровки

После изучения различных компонентов гидрологического моделирования с распределенными параметрами, мы кратко обсудим некоторые проблемы калибровки таких моделей. Эти проблемы связаны с применением данных, имеющих масштаб бассейна, к параметрам меньшего масштаба в пределах рассматриваемого бассейна.


Когда, где и зачем использовать

Влияние характера осадков на итоговый гидрограф

И, наконец, изучив особенности работы моделей с распределенными параметрами, мы рассмотрим некоторые случаи, в которых такая гидрологическая модель может быть полезной.


Водосбор

Водосбор

Вспомните из первой части курса, что модели с распределенными параметрами аппроксимируют водосбор определенным образом. Любые модели могут быть распределенными. Распределенные модели обычно делят водосборы на поверхности, ячейки, нерегулярные триангуляционные сети (TIN) или на водосборы меньшего размера. Независимо от того, как мы представляем водосбор, в любом случае – это аппроксимация естественной системы, которая представляет собой сложную совокупность разномасштабных процессов.


Выпадающие осадки

Выпадающие осадки

Когда мы начинаем думать о преобразовании выпадающих осадков, мы рассматриваем их в качестве заданных входных данных для модели, независимо от того, представлены ли эти осадки прогнозным или непосредственно измеренным осадкомерами или метеорологическими радиолокаторами значением, или даже оценены на основе исторических данных.


Определение зависимости стока от осадков

Определение зависимости стока от осадков

Рассмотрим этот пример сеточного представления объекта: для каждой ячейки сетки модель определяет, сколько осадков станет стоком и сколько инфильтруется. Вместо термина инфильтрация можно применять другие термины, например, вертикальный поток.


Оценка зависимости осадки-сток

Основные моменты

Существует множество схем или процедур для моделирования компонента осадки–сток. Некоторые из них, но, конечно, не все:

  • Номер кривой стока Национальной службы охраны ресурсов (NRCS Curve Number)
  • Уравнение Грина-Ампта
  • Эмпирические зависимости
  • Профили влажности почвы
  • Модель Сакраменто с учетом влажности почвы (The Sacramento Soil Moisture Accounting Model – SAC-SMA)
  • И другие…

Гидрологическая МРП Национальной службы погоды США

Гидрологическая МРП Национальной службы погоды США

Актуальная модель c распределенными параметрами, используемая Национальной службой погоды США, была разработана в ее гидрологической лаборатории. Модель сокращенно называют ГМРП НСП – NWS DHM. Для оценки начальной трансформации осадков в сток она использует версию модели Сакраменто с учетом влажности почвы (SAC-SMA) и теплопередачи.

Гидрологическая МРП Национальной службы погоды США

Версия модели Сакраменто с учетом теплопередачи (SAC-HT) имеет преимущества по сравнению с оригинальной моделью Сакраменто с учетом влажности почвы (SAC-SMA) так как она:

  • Включает компонент теплопередачи для решения проблем, связанных с наличием мерзлого грунта
Гидрологическая МРП Национальной службы погоды США
  • Возможность получения априорных (или «заранее известных») параметров из баз данных о почве и землепользовании, и
Гидрологическая МРП Национальной службы погоды США
  • Предоставление средства построения зависимостей между концептуальным содержанием воды и физически обоснованной влажностью почвы. Эти зависимости позволяют модели преобразовывать объемы воды, хранящиеся в гипотетических зонах, в более физически обоснованное влагосодержание почвы.

Модель Сакраменто с учетом влажности почвы

SAC SMA

Давайте потратим несколько минут на обсуждение реализации процедур SAC-SMA и SAC-HT в рамках гидрологической модели с распределенными параметрами Национальной службы погоды США. Напомним, что данная модель использует сеточную реализацию модели Сакраменто с учетом влажности почвы, и это означает, что модель применяется к каждой ячейке сетки.

SAC SMA

Модель Сакраменто с учетом влажности почвы (SAC-SMA) очень хорошо описана и часто визуализируется так, как показано здесь.

Откалиброванная модель SAC-SMA часто инициализируется на основе текущих условий бассейна (таких как влажность почвы).


Модель Сакраменто с учетом влажности почвы (SAC-SMA) в модели с сосредоточенными параметрами

Время формирования стока

Вспомните, что в модели Сакраменто с учетом влажности почвы (SAC-SMA) с сосредоточенными параметрами базисный сток – часть руслового стока из глубоко расположенных запасов – характеризуется запаздыванием по времени. Вода должна пройти из верхней зоны накопления, где она рассматривается уже как подповерхностный сток, в нижнюю зону накопления.

Как мы увидим, базисный сток, который пополняется за счет подповерхностного стока, в модели с распределенными параметрами (в зависимости от конкретной модели) фактически может быть оценен посредством реализации модели с сосредоточенными параметрами.

Реакция поверхности бассейна в модели SAC-SMA с сосредоточенными параметрами оценивается с помощью единичного гидрографа. Однако поверхностный сток в модели с распределенными параметрами трактуется совсем иначе, чем в модели с сосредоточенными параметрами. Хотя модель SAC-SMA применяется к каждой ячейке сетки, модель с распределенными параметрами полагается на физически обоснованные подходы, а не на единичный гидрограф для оценки стока.


Модель Сакраменто с учетом влажности почвы и теплопередачи

SAC HT

В реализации модели Sacramento с учетом влажности почвы и теплопередачи (SAC-HT):

  • Для оценки поверхностного стока используются стандартные алгоритмы SAC-SMA.
  • Модель автоматически задерживает подземный сток при движении воды из верхней зоны в нижнюю в пределах каждой ячейки сетки.
  • Результирующий базисный сток, поступивший из верхней по течению части, добавляется к расходу в замыкающем створе в конце каждого временного шага модели.

В модели с распределенными параметрами Национальной службы погоды США, вода, поступившая в ячейку сетки, не имеет возможности перетекать в другую ячейку. Она рассматривается как часть базисного стока. Однако другие модели с распределенными параметрами могут допускать подповерхностный сток между ячейками сетки или иными элементами, определяемыми моделью.

В каждой ячейке сетки гидрологической модели с распределенными параметрами Национальной службы погоды США:

  • Алгоритм модели Сакраменто с учетом влажности почвы и теплопередачи (SAC-HT) трансформирует
  • или преобразует гипотетическое содержание влаги в различных зонах в физически обоснованные слои влажности почвы. Этот процесс позволяет получить априорные оценки параметров модели Сакраменто.

Оценка параметров и инициализация

Оценка параметров

Вспомните из первой части курса, что модели с распределенными параметрами имеют больше параметров, которые необходимо оценить.

Если мы рассматриваем один водосбор с одним параметром и этот же водосбор, но дискретизированный по ячейкам сетки, то во втором случае количество параметров увеличивается по мере увеличения сложности модели осадки–сток.

Ошибки в оценках начальных значений могут привести к ошибкам в выходных значениях модели.


Физически обоснованные подходы

Сток

В некоторых случаях физические свойства почвы и растительного покрова могут быть использованы для оценки параметров модели для отдельных ячеек сетки или частных бассейнов.

Однако многие методы оценки параметров основаны на точечных измерениях свойств почвы. Эти точечные измерения нелегко масштабировать до пространственного разрешения ячейки сетки, которое может составлять порядка нескольких квадратных километров.

Основная проблема – пространственная изменчивость свойств почвы как в вертикальном, так и в горизонтальном направлениях.


Инструменты ГМРП Национальной службы погоды США

Инструменты

При применении ГМРП Национальной службы погоды США доступно множество инструментов для оценки и корректировки этих параметров. Эти инструменты включают:

  • Способность получать априорные параметры по данным о почве и землепользовании.
  • Возможность использовать наборы данных географической информации о почве и землепользовании для применения широко известного метода номера кривых стока NRCS.

Вопрос: оценка параметров модели Сакраменто с учетом влажности почвы и теплопередачи (SAC-HT)

Вопрос

В ГМРП Национальной службы погоды США 2010 г. метод номера кривых стока NRCS может использоваться для оценки априорных параметров модели Сакраменто с учетом влажности почвы и теплопередачи (SAC-HT).

Правильный ответ: а) Верно

По состоянию на 2010 г. ряд баз данных, включая Государственную почвенно-географическую базу данных (State Soil Geographic Database STATSGO), Географическую базу данных исследования почв (Soil Survey Geographic Database SSURGO) и разработанные номера кривых стока NRCS, используются для первоначального оценивания многих параметров модели Sacramento с учетом влажности почвы и теплопередачи (SAC-HT).

Выберите.

Априорные данные

Априорные данные

Государственная почвенно-географическая база данных (STATSGO) и Географическая база данных исследования почв (SSURGO) предоставляют данные о почвах для территории США, включая Аляску и острова Тихого океана.

На момент создания этого модуля, на основе этих двух наборов данных Центры речных прогнозов получили априорные оценки большинства параметров SAC-SMA в виде координатной сетки.

Однако при использовании этих и любых априорных оценок следует соблюдать осторожность. Данные Государственной почвенно-географической базы данных (STATSGO) имеют более низкое разрешение, но охватывают всю территории США. Данные Географической базы данных исследования почв (SSURGO) имеют более высокое разрешение, но пока не охватывают всю территорию США.

Чтобы, так сказать, заполнить пробелы, данные Государственной почвенно-географической базы данных (STATSGO) заменяют отсутствующие данные Географической базы данных исследования почв (SSURGO).


Пример априорных данных

Пример априорных данных

Рассмотрим несколько примеров априорных оценок параметров. Здесь мы видим содержание первичной несвязанной воды в нижней зоне (в мм), оцененное на основе данных из Географической базы данных исследования почв – обратите внимание на области, в которых отсутствуют данные.

Пример априорных данных

Теперь рассмотрите тот же параметр – первичная несвязанная вода в нижней зоне – но уже без пробелов, которые были заполнены с использованием Государственной почвенно-географической базы данных.


Модели снеготаяния

Модели снеготаяния

По большей части, модели снеготаяния обычно работают так же, как и модели с сосредоточенными параметрами, за исключением случаев использования индивидуальной сетки. Проблема, в основном, та же – определить, какую модель следует использовать.


Модель SNOW-17

Модель SNOW-17

ГМРП Национальной службы погоды США использует модель SNOW-17.

Выбор этой модели частично основан на опыте. Центры речных прогнозов имеют значительный опыт использования алгоритма оценки снеготаяния из SNOW-17 в моделях с сосредоточенными параметрами. Исследования показывают, что не существует какой-либо одной универсальной модели или подхода.

Модель SNOW-17

Данные, необходимые для оценки снеготаяния, зависят от конкретной модели. Для некоторых моделей снежного покрова требуется знать солнечную радиацию, скорость ветра или другие параметры, которые недоступны в формате высокого разрешения или в оперативном режиме.


Применение в ГМРП Национальной службы погоды США

Применение

Применение модели SNOW-17 в гидрологической модели с распределенными параметрами Национальной службы погоды США довольно просто. Она применяется на индивидуальной сетке с использованием тех же ячеек, что и в модели Сакраменто с учетом влажности почвы и теплопередачи SAC-HT. Величины осадков и снеготаяния, получаемые по модели SNOW-17, являются входными данными для модели SAC.


Перемещение осадков

Перемещение осадков

После оценки преобразования выпавших осадков, следующим шагом обычно является оценка преобразования стока, в частности, того, как модель перемещает сток по подстилающей поверхности в пределах каждой ячейки. Мы оцениваем «преобразование стока», вычисляя вклад «поверхностного стока» с помощью инструментов расчета трансформации стока. Эти инструменты используются для оценки поверхностного стока в пределах каждой отдельной ячейки.


Вопрос: единичный гидрограф в ГМРП

Вопрос

Как единичный гидрограф используется для оценки стока избыточных осадков в гидрологической модели с распределенными параметрами Национальной службы погоды США?

Выберите наилучший ответ

Правильный ответ б) Единичный гидрограф не используется.

Гидрологическая модель с распределенными параметрами Национальной службы погоды США не использует единичный гидрограф. Вместо этого данная модель для оценки стока избыточных осадков по подстилающей поверхности и, в конечном итоге, к замыкающему створу водосбора, использует лучше физически обоснованный подход – уравнение кинематической волны.

Выберите.

Уравнения Сен-Венана

Уравнения Сен-Венана

Гидрологические модели с распределенными параметрами, как правило, используют лучше физически обоснованные подходы для оценки ряда компонентов. Физические уравнения позволяют представить движение воды по подстилающей поверхности или по руслу. Движение поверхностных вод может включать как поверхностный склоновый, так и русловой сток, который является компонентом модели, который мы рассмотрим далее.

Для описания движения потока по подстилающей поверхности и руслу часто используются уравнения Сен-Венана. Мы познакомим вас с этими уравнениями, чтобы дать представление о вычислениях, выполняемых при применении гидрологической модели с распределенными параметрами.

Уравнения Сен-Венана применимы для моделирования различных динамических потоков и предполагают одномерный медленно изменяющийся поток в открытых руслах. Их также можно применять для приближенной оценки поверхностного склонового стока.

Уравнения Сен-Венана

Первое уравнение Сен-Венана – это уравнение неразрывности, основанное на законе сохранения массы.

Второе уравнение Сен-Венана – это уравнение количества движения (моментов), описывающее силы, действующие на объем воды в равновесном состоянии. Эти равновесные силы включают:

  • местное ускорение (изменение во времени);
  • конвективное ускорение (изменение в пространстве);
  • гидравлическое давление;
  • силу тяжести;
  • трение.

При применении уравнений Сен-Венана могут использоваться явные и неявные методы, а также упрощения. Уравнение кинематической волны, которое мы обсудим позже, является одним из наиболее часто используемых решений и упрощением уравнений Сен-Венана.


Уравнение количества движения (моментов)

Уравнение количества движения (моментов)

Уравнение количества движения также может быть записано в представленной здесь форме и использоваться для неустановившихся неоднородных потоков.

В уравнении количества движения местное ускорение, конвективное ускорение и сила давления уравновешивают действия силы тяжести и трения.

Предполагается, что вода имеет однородную плотность, уровень воды горизонтальный, и любыми вертикальными ускорениями можно пренебречь. Эти допущения сведены в таблицу.


Вопрос: количества движения

Вопрос

Уравнение количества движения, при использовании в гидравлических/гидродинамических расчетах, учитывает вертикальные ускорения воды.

Выберите наилучший ответ

Правильный ответ б) Неверно

Уравнение количества движения НЕ УЧИТЫВАЕТ вертикальные ускорения воды. При наличии значительных вертикальных ускорений необходимо использовать другие подходы к моделированию.

Выберите.

Упрощения

Упрощения

Упрощения уравнения количества движения позволяют получить непосредственные решения, но за счет уменьшения возможностей моделирования.

Стационарный однородный поток можно аппроксимировать составляющей кинематической волны. Такая форма уравнения количества движения игнорирует все параметры, кроме уклона русла. Сила тяжести и трения преобладают, а линия энергетического уклона или гидравлический уклон совпадает с уклоном русла. Компонент диффузной волны и приближения квазистационарного состояния динамической волны предоставляют информацию для стационарного неоднородного потока.

Уравнение диффузной волны включает только характеристики уклона русла и давления; в уравнении нет инерционных членов. Уравнение квазистационарной динамической волны включает гидравлический уклон (равный уклону русла), давление и конвективное ускорение, характеризующее изменение в пространстве.

Нестационарный неоднородный поток можно представить полным динамическим волновым уравнением. Это уравнение включает все компоненты уравнения количества движения и требует множества физических данных, включая коэффициенты шероховатости, данные о геометрии поперечного сечения и участках внерусловых запасов. Каждая гидрологическая модель с распределенными параметрами может включать различный набор или выбор уравнений, но, в основном, используется одно из упрощений, особенно для небольших размеров сетки.

В моделях часто используется приближение кинематической волны, предполагающее стационарный однородный поток, поскольку данные, необходимые для полного динамического волнового уравнения, недоступны.

Для получения дополнительной информации о характеристиках потока см. Модуль «Расчет гидрографа стока в нижерасположенном створе: международная версия», раздел 3: https://www.meted.ucar.edu/education_training/lesson/10102.


Уравнение кинематической волны

Уравнение кинематической волны

Уравнение кинематической волны игнорирует все параметры уравнения количества движения, кроме уклона русла, так что приток уравновешивает изменения поперечного сечения и расхода. Напомним, что силы тяжести и трения преобладают, а линия энергетического уклона или гидравлический уклон совпадает с уклоном русла. Результирующее уравнение показывает, что форма или размер волны не изменились.

В ГМРП используют это упрощение из-за простоты нахождения решений для множества ячеек сетки – до порядка 10 000.

Уравнение кинематической волны часто записывается в представленной здесь форме, которая, по существу, дает тарировочную кривую.

Метод не позволяет оценить затухание паводочной волны; только ее перемещение (время добегания). Однако некоторое затухание действительно существует, которое является результатом аппроксимации конечных разностей, используемой для решения основных уравнений.


Пример сетки

Пример сетки

Рассмотрим гипотетический водосбор, аппроксимированный сеткой. Вспомните, что для каждой ячейки мы оцениваем избыточные осадки или сток для каждого временного шага модели.

Пример сетки

Затем мы используем уравнение кинематической волны, чтобы оценить движение воды вниз по склону в каждой ячейке сетки.

Вода, вытекающая из ячейки сетки, может либо течь в русло, либо, если русла нет, в соседнюю ячейку сетки вниз по склону. Чтобы оценить это, мы должны гидрологически соединить ячейки сетки.

Другими словами, вода, вытекающая из одной ячейки сетки, течет к ячейкам сетки вниз по склону и так далее, пока не достигнет замыкающего створа водосбора.


Соединение ячеек сетки

Соединение ячеек сетки

Существует ряд алгоритмов или географических подходов для гидрологического соединения ячеек сетки.

Каким бы алгоритмом мы не пользовались, конечным результатом является соединение ячеек сетки, чтобы вода могла течь из ячейки в ячейку.


Ячейки сетки небольшого размера

Ячейки сетки небольшого размера

Если ячейки сетки достаточно малы (порядка нескольких километров или меньше), мы просто используем уравнения кинематической волны, чтобы переместить избыток воды вниз по каждой ячейке сетки.

Вода в ячейке сетки может быть либо результатом избыточных осадков, либо направленным стоком из ячейки сетки, расположенной выше по склону, оцененным на последнем временном шаге. Таким образом, поток направляется по подстилающей поверхности, пока не достигнет русла.


Ячейки сетки бо̀льшего размера в ГМРП Национальной службы погоды США

Ячейки сетки бо̀льшего размера

Для более крупных ячеек сетки, таких как сетки 4 х 4 км, русло может содержаться в самой ячейке. Так обстоит дело в текущей ГМРП Национальной службы погоды США, когда используются ячейки сетки 4 x 4 км.

Как показано, русло в центре каждой ячейки сетки и остальная часть ячейки сетки состоит из серии меньших поверхностей. Количество меньших поверхностей зависит от предполагаемого количества небольших водотоков в ячейке сетки 4 x 4 км. Это можно рассматривать как густоту речной сети. Предполагаемая густота речной сети составляет 1.1 км на квадратный километр.

Густота речной сети зависит от климата и характера землепользования. Большая густота речной сети – например, на холмистых или урбанизированных территориях – означала бы большее число небольших поверхностей. В этом случае избыточные осадки направляются по этим меньшим поверхностям (или частным поверхностям, суб- поверхностям) и достигают русла в центре ячейки.

Затем поток покидает эти большие ячейки сетки по руслу, а не в виде поверхностного склонового стока.


Упражнение: моделирование простой ГМРП

Упражнение

Введение

Упражнение

Сток из бассейна

Упражнение

В результате вычисления выходящего из бассейна объема стока с использованием модели с сосредоточенными параметрами получим показанный здесь гидрограф стока.


Сеточные значения коэффициента стока

Упражнение

Сеточные значения коэффициента стока (продолжение)

Упражнение

Сеточные оценки осадков

Упражнение

Моделируем временной Шаг 1: расчет стока 1-го периода

Упражнение: моделирование простой ГМРП

Упражнение: пояснение

Красные числа показывают количество осадков за первые 30 минут. Фиолетовые числа в правом верхнем углу каждой ячейки сетки – это коэффициенты стока с привязкой к сетке.

Начните с расчета стока по сетке для первого периода. Заполните пропуски в правом бассейне оценками стока за первый период выпадения осадков. Напомним, мы будем использовать уравнение:

Сток = Осадки x Коэффициент стока

Нажмите ГОТОВО, чтобы увидеть правильные ответы.

Первый 30-мин период:

Упражнение: вопрос
Упражнение: ответ

Моделируем временной Шаг 2: расчет стока 2-го периода

Упражнение: моделирование простой ГМРП

Упражнение: пояснение

Красные числа показывают количество осадков. Фиолетовые числа в правом верхнем углу каждой ячейки сетки – это коэффициенты стока с привязкой к сетке.

Теперь вычислите сток по сетке для второго 30-минутного периода выпадения осадков. Щелкните по каждой пустой ячейке сетки ниже чтобы ввести свой ответ – значение стока (мм) за 2-ой период осадков. Напомним, мы будем использовать уравнение:

Сток = Осадки x Коэффициент стока

Второй 30-мин период:

Упражнение: вопрос
Упражнение: ответ

Вопрос

Вопрос

После того, как модель обработала зависимость осадки–сток, каким образом результирующий сток перемещается к замыкающему створу бассейна?

Выберите наилучший ответ

Правильный ответ б) Он направляется от одной ячейки сетки к другой в соответствии с общей схемой дренирования бассейна.

Для ячеек сетки размером несколько километров, типичного для многих гидрологических моделей с распределенными параметрами, сток направляется от ячейки сетки к ячейке, причем направление зависит от схемы дренирования бассейна

Выберите.

Оценка перемещения стока 1-го периода (временной шаг 2 - продолжение)

Упражнение: моделирование простой ГМРП

Теперь оцените, как будет перемещаться сток, рассчитанный для первого 30-минутного периода. Схема дренирования бассейна показана синими стрелками. В этом примере мы перемещаем сток, просто направляя 100% его из одной ячейки в другую.

Заполните пропуски значениями направленного стока на основе значений стока за первый 30-минутный период.

Первый 30-минутный период:

Упражнение: вопрос
Упражнение: ответ


Оценка общего стока с бассейна (временной шаг 2 - продолжение)

Упражнение: моделирование простой ГМРП

Затем объедините направленный сток с рассчитанным, чтобы оценить общий сток с бассейна за временной шаг 2.

Заполните пустые поля соответствующими значениями.

Временной шаг 2:

Упражнение: вопрос
Упражнение: ответ

Оценка сеточного стока с бассейна (временной шаг 3)

Упражнение: моделирование простой ГМРП

Оценка сеточного стока с бассейна (временной шаг 3)

Укажите результирующее значение стока сетки и бассейна (перемещение стока в соседнюю ячейку).

Заполните пустые ячейки сетки значениями рассчитанного стока + направленного стока в конце временного шага 3.

Временной шаг 3:

Упражнение: вопрос
Сток с
бассейна:
Упражнение: ответ

Оценка сеточного стока с бассейна (временной шаг 4)

Упражнение: моделирование простой ГМРП

Оценка сеточного стока с бассейна (временной шаг 4)

Укажите результирующее значение стока сетки и бассейна для следующего модельного шага (перемещение стока в соседнюю ячейку).


Заполните пустые ячейки сетки значениями рассчитанного стока + направленного стока в конце временного шага 4.

Временной шаг 4:

Упражнение: вопрос
Сток с
бассейна:
Упражнение: ответ

Заключение

Вопрос

Гидрографы

Что из следующего точно описывает полученные гидрографы?

Выберите все подходящие ответы.

Правильные ответы а, в и г.

Поскольку в нижней части бассейна выпало большее количество осадков, то и сток, рассчитанный ГМРП, выше и формируется быстрее.

В этом случае объем общего стока, рассчитанный по ГМРП, больше, чем по модели с сосредоточенными параметрами. Эта разница возникает из-за того, что большее количество осадков выпало на ячейки сетки с более высокими коэффициентами стока. В модели с сосредоточенными параметрами и количество осадков, и коэффициент стока были осреднены до одного значения для бассейна, поэтому изменчивость внутри бассейна не была учтена.

Выберите.

Продолжаем следить за осадками

Диаграмма

Давайте посмотрим, как мы до сих пор работали с осадками. Мы изучили модели осадки–сток и поняли необходимость оценки параметров для этих моделей, а также кратко обсудили моделирование снеготаяния. Мы видели, как зависимость осадки–сток используется для оценки количества избыточных осадков, которые становятся стоком, и количества, которое пополняет запасы воды. Мы изучили методы расчета стока и обсудили процесс движения избыточных осадков по подстилающей поверхности к руслам. Мы также обсудили, как модели с распределенными параметрами учитывают подповерхностный сток. Теперь перейдем непосредственно к гидрологическому отклику руслового потока.


Гидрологический отклик руслового потока

Русловой поток

Как только вода достигает русла, ее поток моделируется методами расчета трансформации руслового потока.


Запаздывание и снижение

Запаздывание и снижение

Когда объем воды, графически представляемый гидрографом, проходит по участку реки, обычно наблюдаются два явления:

  • Во-первых, временная задержка (запаздывание), обусловленная перемещением потока;
  • Во-вторых, снижение максимального расхода, связанное с понижением стока.

Эти особенности связаны с пройденным расстоянием, скоростью волны и русловым запасом воды на участке реки.


Методы расчета

Методы расчета

Модели с распределенными параметрами могут использовать разнообразные методы расчета трансформации руслового потока.

Гидрологические методы используют уравнение неразрывности и зависимости между русловым запасом, объемом оттока воды из участка реки, и, иногда, входящим на этот участок реки объемом притока.

Гидравлические/гидродинамические методы используют уравнение неразрывности совместно с уравнением количества движения (уравнения Сен-Венана или уравнения динамической волны).

Многие модели с распределенными параметрами используют метод кинематической волны для расчета движения воды по руслу, хотя некоторые модели уже перешли к более сложным полным уравнениям динамической волны. Не забывайте, что метод кинематической волны не позволяет моделировать снижение стока.

Дополнительные сведения о распространении воды по руслу смотрите в модуле «Расчет гидрографа стока в нижерасположенном створе: международная версия»: https://www.meted.ucar.edu/education_training/lesson/10102.


Описание русла

Поперечное сечение потока

Эффективная гидрологическая модель:

  • Должна описывать русло;
  • Русло должно быть довольно просто представлено: прямоугольник, трапеция или фактические параметры поперечного сечения.

В некоторых методах расчета вообще не подразумевается физическое представление русла, а вместо этого, для имитации распространения воды по руслу, используют параметры времени и русловых запасов.

Такой подход является компромиссом, с точки зрения затрат времени и усилий, поскольку форма русла существенно влияет на поток, продвигающийся вниз по руслу.


Русловой поток в ГМРП Национальной службы погоды США

Расчет движения потока в русле

Давайте рассмотрим, как метод кинематической волны применяется к оценке распространения воды по руслу.

  • ГМРП Национальной службы погоды США в настоящее время использует сетки с довольно большими ячейками (4 x 4 км). Предполагается, что в каждой ячейке есть русло.
  • Поверхностный поток направляется по склонам по меньшим суб- поверхностям, и весь сток попадает в русло в центре каждой ячейки.
  • Для оценки характеристик русла в каждой ячейке сетки используются геоморфологические зависимости.

Пока уклон русла значительный (более 0,2%), для описания движения стационарного однородного потока может использоваться уравнение кинематической волны. Уравнение кинематической волны не следует применять на участках, подверженных воздействию приливов или подпора. Уклон более 0,2% соответствует большинству условий. Если наблюдаются подпоры, то необходимо выбирать другой метод расчета.


Расчет из ячейки в ячейку

Расчет из ячейки в ячейку

В сеточной модели:

  • Поток направляется по склонам подстилающей поверхности в русло.
  • Русла связывают ячейки сетки вместе.
  • Подповерхностный сток не направляется в элементы русла в каждой ячейке, а добавляется в конце.
  • Поток движется вниз по руслу – из ячейки в ячейку.
  • Гидрографы, как и многие другие характеристики водосбора, могут рассчитываться для каждой ячейки сетки, а также для всего бассейна. Такая возможность – еще одно важное преимущество моделей с распределенными параметрами.

Калибровка

Калибровка

Изучив ряд компонентов гидрологической модели с распределенными параметрами, давайте потратим немного времени на калибровку.

ВСЕ модели требуют какой-либо калибровки, или, по крайней мере, калибровка должна выполняться для правильного использования модели. Для гидрологических моделей с распределенными параметрами калибровка становится критической проблемой. Модели с сосредоточенными параметрами часто калибруются на основе исторических данных для бассейна. Однако данные в масштабе частного бассейна (суб-бассейна) часто недоступны. Неосвещенные наблюдениями бассейны представляют собой особую проблему, и прогнозистам следует проявлять осторожность при работе с ними. В некоторых случаях могут использоваться данные по гидрологически изученным бассейнам-аналогам, но при этом остается проблема применения данных масштаба бассейна к частным суб-бассейнам меньшего масштаба.

При калибровке по отдельным ячейкам сетки или частным суб-бассейнам значительные трудности может создавать изменчивость по водосбору.


Стратегия калибровки

Стратегия калибровки

Стратегия калибровки Национальной службы погоды (НСП) США заключается в сочетании наилучших возможных входных параметров модели с эффективными процедурами калибровки, как ручными, так и автоматическими. На первом шаге калибровки, НСП, подобно многим, использует «скалярные» множители или числовую величину для равномерной корректировки каждой ячейки в бассейне для каждого параметра (например, SAC-HT, SNOW-17 и параметры расчета гидрографа стока).

В ходе этого процесса сосредоточенные откалиброванные параметры применяются в масштабе частного бассейна. Масштабирование выполняется путем умножения всех ячеек в сетке на одно и то же скалярное значение. Таким образом, каждая сетка, по существу, регулируется равномерно вверх или вниз на заданную величину, которая имеет мало общего с фактическим физическим параметром этой сетки. Очевидно, что это начальное масштабирование не всегда дает более точные оценки.

Стратегия калибровки

Часто визуальное сравнение наблюденных и прогнозируемых гидрографов может помочь оценить успех калибровки. При автоматической калибровке целевые функции обычно сводятся к минимуму.

В конечном счете, калибровка по-прежнему требует опыта работы с моделью, полного понимания гидрологического цикла и знания бассейна.


Преимущества модели с распределенными параметрами

Преимущества модели с распределенными параметрами

При работе с гидрологической моделью с сосредоточенными параметрами выходные значения могут быть получены в нескольких местах, если определено несколько бассейнов. Основное отличие и потенциальное преимущество использования гидрологической модели с распределенными параметрами состоит в том, что выходные значения могут быть получены в большем числе точек пространства внутри бассейна.

Рассмотрите бассейн с сосредоточенными параметрами. Такой параметр, как сток, доступен только в замыкающем створе. Характеристики бассейна, такие как влажность почвы, представлены одним значением для всего бассейна. Например, влажность почвы или влагоемкость верхнего слоя почвы в случае SAC-SMA доступны только для всего бассейна.

Если бы к этому бассейну была применена модель с распределенными параметрами, такие выходные значения могли бы быть доступны в любом из элементов бассейна (например, в отдельных ячейках сетки). Успешность получения выходных значений, конечно, зависит от фактических элементов и функций модели, но важно то, что модели с распределенными параметрами обычно более гибки при получении выходных значений. Модели с распределенными параметрами могут обеспечить более точное гидрологическое обоснование, особенно для мелкомасштабных явлений, но только при наличии входных данных высокого разрешения и выполнении калибровки.


Когда использовать ГМРП?

Когда использовать ГМРП?

Когда следует использовать гидрологическую модель с распределенными параметрами? В целом, не существует жестких правил, определяющих, когда ее использовать. Как обсуждалось в части 1 этого модуля, включающего 2 урока, бывают случаи, когда гидрологическая модель с распределенными параметрами может повысить эффективность и превзойти модель с сосредоточенными параметрами. К таким случаям относятся неоднородности в бассейне, осадки, охватывающие только часть бассейна, и перемещение штормовых систем по бассейну, – и это лишь некоторые из них.

ГМРП также, как правило, полезны для моделирования явлений, в которых преобладает поверхностный сток, который обычно вызван относительно интенсивными, перемещающимися осадкообразующими системами меньших масштабов.


Исследования и практическое использование

Исследования и практическое использование

Гидрологические модели с распределенными параметрами постоянно совершенствуются на основе результатов текущей работы университетов и исследовательских организаций.

Гидрологические модели с распределенными параметрами позволили исследователям лучше представить гидрологический цикл и изучить масштабные последствия гидрологических процессов.

Они также все чаще используются в гидрологическом прогнозировании.

Исследования и практическое использование

По состоянию на начало 2010 г. существовало несколько Центров речных прогнозов (RFC), использующих ГМРП Национальной службы погоды США в оперативных условиях для определенных бассейнов. Несколько других Центров речных прогнозов находились в процессе внедрения ГМРП. Несколько Центров речных прогнозов также используют гидрологическую модель с распределенными параметрами в рамках Системы оценки риска возникновения быстроразвивающихся паводков.


Заключение

Заключение

Завершив этот модуль, вы должны понимать, что гидрологические модели с распределенными параметрами включают следующие компоненты: зависимость осадки–сток, снеготаяние, поверхностный склоновый сток и гидрологический отклик руслового потока.

Модели с распределенными параметрами работают с теми же компонентами, что и модели с сосредоточенными параметрами, но применительно к отдельным ячейкам сеткок или суб-бассейнам более крупного бассейна. В результате гидрографы стока могут быть построены для суб-бассейнов и в масштабах бассейна.

Гидрологические модели с распределенными параметрами продолжают развиваться и совершенствоваться, но калибровка остается сложной проблемой, возникающей из-за необходимости корректировки параметров в масштабах суб-бассейна.

Нет жестких правил относительно того, когда использовать гидрологическую модель с распределенными параметрами, но их использование может быть предпочтительнее для неоднородных бассейнов, небольших или движущихся штормов, быстроразвивающихся паводков и других явлений, в которых преобладает поверхностный сток.

Хотя модели с распределенными параметрами могут быть полезны в этих случаях, следует также отметить, что они не обладают волшебной силой и требуют от пользователя много усилий по управлению и настройке, а также знаний.


Следующие шаги

Заключение

Для получения дополнительной информации по гидрологии и темам, связанным с погодой, перейдите по ссылке:
www.meted.ucar.edu


Использованные источники

Ajami, N.K., Gupta, H., Wagener, T., Sorooshian, S., Calibration of a semi-distributed hydrologic model for streamflow estimation along a river system, Journal of Hydrology, 298:112-135, 2004.

Anderson, E.A. "Hydro 17 - Snow Model", NWSRFS Users Manual, Part II.2, National Weather Service, NOAA, DOC, Silver Spring, MD, July 1996.

NOAA NWS Distributed Hydrologic Modeling Research and Development, NOAA Technical Report NWS 45, April 2004.

NOAA OHD Concept of Operations: Sacramento Model Enhancement to Handle Implications of Frozen Ground on Watershed Runoff, Office of Hydrologic Development, July 2007. https://www.weather.gov/media/owp/oh/hrl/docs/Frozen_Ground_CONOPS_V_3-4.pdf

Reed, S., Koren, V., Smith, M., Zhang, Z., Moreda, F., Seo, D-J., and DMIP Participants, Overall Distributed Model Intercomparison project results, Journal of Hydrology, 298(1-4):27-60, 2004.

The Distributed Model Intercomparison Project (DMIP), M.B. Smith, K.P. Georgakakos, X. Liang (eds.), Journal of Hydrology, 298(1-4): 1-335, 2004.

Vieux, B., Distributed Modeling Using GIS, Water Science and Technology Series, vol. 38, Kluwer, Norwell, MA, 293 pp., 2001.


Разработчики

Спонсоры COMET

Программа COMET® реализована при поддержке NOAA National Weather Service (NWS) и дополнительном финансировании со стороны:

  • Air Force Weather (AFW)
  • Australian Bureau of Meteorology (BoM)
  • European Organisation for the Exploitation of Meteorological Satellites (EUMETSAT)
  • Meteorological Service of Canada (MSC)
  • National Environmental Education Foundation (NEEF)
  • National Polar-orbiting Operational Environmental Satellite System (NPOESS)
  • NOAA National Environmental Satellite, Data and Information Service (NESDIS)
  • Naval Meteorology and Oceanography Command (NMOC)

Участники проекта

Главный научный консультант

  • Dr. Dennis Johnson — Juniata College
  • Matt Kelsch — UCAR/COMET

Научный консультант

  • Dr. Rick Koehler — NOAA/NWS
  • Dr. Pedro Restrepo — NOAA/NWS
  • Mike Smith — NOAA/NWS

Научный руководитель проекта

  • Amy Stevermer — UCAR/COMET

Педагогический дизайн

  • Lon Goldstein — UCAR/COMET

Графический дизайн и интерфейс

  • Steve Deyo — UCAR/COMET
  • Heidi Godsil — UCAR/COMET
  • Brannan McGill — UCAR/COMET

Мультимедиа

  • Lon Goldstein — UCAR/COMET

Аудио оформление

  • Seth Lamos — UCAR/COMET

Озвучка

  • Dr. Dennis Johnson — Juniata College

Старший менеджер проекта

  • Wendy Abshire — UCAR/COMET

HTML-интеграция 2020 COMET

  • Tim Alberta - руководитель проекта
  • Dolores Kiessling - начальник проектной группы
  • Steve Deyo - графическое оформление
  • Gary Pacheco - главный веб-разработчик
  • David Russi — перевод
  • Gretchen Throop Williams — веб-разработчик
  • Tyler Winstead - веб-разработчик

Перевод на русский язык

  • Ольга Серова, магистр гидрометеорологии, Санкт-Петербург, Россия

Научный редактор

  • Екатерина Гайдукова, канд.техн. наук, РГГМУ, Санкт-Петербург, Россия

Команда COMET, июль 2010 г.

Директор

  • Dr. Timothy Spangler

Исполнительный директор

  • Dr. Joe Lamos

Администрация

  • Elizabeth Lessard, менеджер по административным и бизнес вопросам
  • Lorrie Alberta
  • Michelle Harrison
  • Hildy Kane
  • Ellen Martinez

Программирование и тех-поддержка

  • Tim Alberta, руководитель команды
  • Bob Bubon
  • James Hamm
  • Ken Kim
  • Mark Mulholland
  • Victor Taberski - Student Assistant
  • Chris Webber - Student Assistant
  • Malte Winkler

Разработка образовательного контента

  • Dr. Patrick Parrish, руководитель проекта
  • Dr. Alan Bol
  • Maria Frostic
  • Lon Goldstein
  • Bryan Guarente
  • Dr. Vickie Johnson
  • Tsvetomir Ross-Lazarov
  • Marianne Weingroff

Команда Медиапродюссирования

  • Bruce Muller, руководитель команды
  • Steve Deyo
  • Seth Lamos
  • Brannan McGill
  • Dan Riter
  • Carl Whitehurst

Метеорологи и научные сотрудники

  • Dr. Greg Byrd, старший руководитель проекта
  • Wendy Schreiber-Abshire, старший руководитель проекта
  • Dr. William Bua
  • Patrick Dills
  • Dr. Stephen Jascourt
  • Matthew Kelsch
  • Dolores Kiessling
  • Dr. Cody Kirkpatrick
  • Dr. Arlene Laing
  • Dave Linder
  • Dr. Elizabeth Mulvihill Page
  • Amy Stevermer
  • Warren Rodie

Автор научных текстов

  • Jennifer Frazer

Перевод на испанский

  • David Russi

NOAA/National Weather Service - отдел по подготовке прогнозистов

  • Anthony Mostek, Branch Chief
  • Dr. Richard Koehler, руководитель программы гидрологической подготовки
  • Brian Motta, программа подготовки IFPS
  • Dr. Robert Rozumalski, координатор отдела научных и учебных ресурсов SOO (SOO/STRC)
  • Ross Van Til, метеоролог
  • Shannon White, программа подготовки AWIPS

Приглашенные метеорологи, Метеорологическая служба Канады

  • Phil Chadwick

Вернуться в начало