基于星地融合降水的中小流域洪水模拟
我国气象站点分布不均,导致众多中小流域的降水资料不足,给中小流域的洪水模拟带来一定困难.融合星地降水是提高降水时空分辨率和精度的有效方法,但在中小流域洪水模拟中的适应性需进一步研究.以屯溪流域为例,采用BP神经网络模型,分别将实测降水与GPM时代两种近实时卫星降水产品IMERG_Early及GSMaP_NRT融合,并探讨融合降水在场次洪水模拟中的适用性.通过减少流域内降水站点数量,探讨在缺乏资料地区星地融合降水的应用潜力.结果表明:在不同数量实测站点条件下,融合降水模拟场次洪水的结果均可靠,确定性系数可达0.8,洪峰相对误差合格率在70%以上,峰现时间误差合格率达90%;当站点信息较少时,融合降水相较于实测降水的确定性系数及洪峰相对误差合格率更高.基于千河流域的模拟结果表明,融合了4个站点信息的融合降水的模拟结果与基于12个实测站点的模拟结果一致.融合降水能为中小流域,特别是缺乏降水资料的中小流域,提供可靠的降水数据支撑.
IMERG、GSMaP、融合降水、中小流域、洪水预报
P338(水文科学(水界物理学))
国家重点研发计划;国家自然科学基金
2023-08-11(万方平台首次上网日期,不代表论文的发表时间)
共10页
47-56