【现货速发】数字流域方法

目录
前言
第1章 绪论 1
1.1 背景与现状 1
1.2 数字流域空间属性预测与评估决策 3
1.3 尺度问题 5
1.4 异质性问题及空间异构 6
1.5 不确定性问题 6
1.6 流域空间属性预测及评估决策方法 7
1.6.1 考虑尺度、异质性和不确定性的流域空间属性预测与估计 7
1.6.2 考虑异质性和不确定性的流域多属性评估决策 8
1.7 时空大数据 8
参考文献 9
第2章 流域过程及空间属性格局的多尺度与异质性 11
2.1 流域现象和过程的时空尺度特征 11
2.2 空间异构性分析 13
2.3 流域属性的空间异构性与尺度 14
2.3.1 降水的空间异构性和尺度 17
2.3.2 土壤湿度的空间异构性和尺度 19
2.3.3 景观及地表覆盖的异构性与尺度 22
2.4 流域空间属性数据获取：取样与测量 30
2.4.1 过程理解 31
2.4.2 地面数据获取及取样设计 31
2.4.3 多种数据获取方法及其尺度特征 33
2.5 流域属性空间格局异构分析及量化和建模方法 35
2.5.1 空间连续属性异构的量化 35
2.5.2 空间离散属性异构的量化 40
2.5.3 局部空间分析 43
参考文献 45
第3章 流域空间属性的不确定性 48
3.1 引言 48
3.1.1 变量数据的不确定性 48
3.1.2 模型的不确定性 50
3.2 随机变量的概率及统计 51
3.3 模糊集 58
3.4 随机集 60
3.5 模型输入及参数不确定性 63
3.6 模型状态和输出不确定性及数据同化 65
参考文献 67
第4章 流域空间属性的预测与估计方法 69
4.1 流域空间建模与预测方法 69
4.2 空间插值 70
4.2.1 无辅助信息的决定性插值方法 71
4.2.2 无辅助信息的统计插值方法 72
4.2.3 不同插值方法的比较 79
4.2.4 有辅助信息的插值方法 81
4.3 多变量空间统计预测 81
4.3.1 两变量协克里金法 82
4.3.2 回归克里金法 83
4.3.3 地理加权回归克里金法 85
4.4 地理加权回归方法分析 86
4.4.1 多元线性回归 86
4.4.2 地理加权回归 86
4.4.3 地理时空加权回归 89
4.5 统计降尺度 89
4.6 随机模拟发生器 91
4.6.1 单站点时间序列随机模拟 91
4.6.2 多站点时空随机模拟 93
4.6.3 属性场空间分布的统计模拟 94
4.7 其他方法 95
4.8 流域空间属性的遥感估计 102
4.8.1 遥感数据的特征 102
4.8.2 流域属性遥感反演估计 104
4.9 数据同化 105
参考文献 105
第5章 流域空间多属性评估与决策方法 108
5.1 空间多准则加权线性组合 108
5.1.1 空间属性的全局标准化及全局权重 110
5.1.2 空间异构及局部加权线性组合 116
5.2 层次分析法 119
5.2.1 空间层次分析法的一般过程 119
5.2.2 空间层次分析法的权重确定 120
5.2.3 考虑不确定性的权重确定 121
5.3 空间有序加权平均 124
5.3.1 一般有序加权平均方法 124
5.3.2 全局空间有序加权平均方法 128
5.4 空间多准则的不确定与敏感性分析 129
5.5 空间多属性证据组合 131
5.5.1 证据的表示 131
5.5.2 证据组合 132
5.5.3 决策规则及示例 132
5.6 混合方法的空间多属性评估 135
5.7 贝叶斯网空间多属性评估 136
5.8 系统动力学方法 138
5.8.1 多要素交互系统的方程表达 139
5.8.2 交互方程 139
5.8.3 表达多要素交互系统的方程的基本特征 139
5.8.4 例子：流域洪泛区洪水-社会交互建模 140
参考文献 145
第6章 流域地形分析及参数估计 147
6.1 地形对水文及气候的影响 147
6.2 地形属性参数方法 153
6.2.1 基本地形属性参数 153
6.2.2 间接地形属性参数 156
6.3 地形的尺度与异构 159
6.3.1 地形尺度 159
6.3.2 高程异构 160
参考文献 162
第7章 流域大气水汽及降水场的估计与模拟 164
7.1 流域大气水汽含量和水汽通量的估计 164
7.1.1 流域大气水汽含量(可降水量) 164
7.1.2 水汽输送及水汽通量 165
7.1.3 大气再分析资料 166
7.1.4 大气水汽含量的遥感估计 169
7.1.5 大气水汽含量及通量的三维时空格局 172
7.2 降水场的多源数据融合估计 177
7.2.1 云类型及降水系统 177
7.2.2 云及降水的卫星遥感估计 181
7.2.3 站点及面降水多源数据融合估计 186
7.3 降尺度降水场估计 189
7.4 降水场的模拟 194
7.4.1 基于物理模型和数据同化的降水模拟 194
7.4.2 站点降水时间系列随机模拟 197
7.4.3 基于时空统计的降水场模拟 198
参考文献 200
第8章 流域土壤湿度分布异构及估计方法 204
8.1 土壤含水量相关的概念 204
8.2 土壤质地类型与土壤水文特征 205
8.3 地形对土壤水分空间分布的影响 211
8.4 地表覆盖/土地利用对土壤水分空间分布的影响 212
8.5 土壤水分的空间异构性 214
8.6 土壤水分空间分布的遥感估计 215
参考文献 220
第9章 多尺度流域地表覆盖/土地利用及异构性 223
9.1 流域地表覆盖/土地利用 223
9.2 主要的地表覆盖/土地利用分类系统 225
9.3 流域地表覆盖/土地利用的尺度和异构 230
9.4 不同地表覆盖/土地利用系统之间的转换 234
9.5 流域地表覆盖/土地利用遥感 235
9.6 植被及景观粗糙度遥感 236
参考文献 237
第10章 流域地表径流深及流速场估计 239
10.1 SCS-CN 曲线数方法地表径流深估计 239
10.2 基于入渗量的地表径流深估计 244
10.3 唐白河流域地表径流深估计 246
10.4 地表径流速度场估计 253
10.4.1 地表径流速度场研究概况 253
10.4.2 流速计算公式 255
10.4.3 基于SCS和Maidment的流域流速场估计 256
参考文献 259
第11章 流域水文水资源数据模型 262
11.1 基础空间数据模型 262
11.2 流域地表水文水资源数据模型 263
11.3 流域地下水文水资源数据模型 268
11.4 流域灌溉数据模型 271
11.5 城市流域暴雨和污水系统数据模型 276
11.6 流域水质数据模型 278
11.7 流域洪水数据模型 280
参考文献 285
第12章 时空大数据与智慧流域 287
12.1 大数据概述 287
12.2 时空大数据 288
12.3 时空大数据技术 294
12.3.1 数据采集 295
12.3.2 数据接入(数据接入规范、数据交换标准)及转换 302
12.3.3 数据存储格式 304
12.3.4 大数据集成技术 306
12.3.5 大数据处理 308
12.4 时空大数据、智慧流域与评估决策 309
12.4.1 流域自然-社会综合系统及监测网络 309
12.4.2 流域时空大数据 311
12.4.3 智慧流域及评估决策 313
12.4.4 智慧流域信息服务及应用 315
参考文献 316
彩图

《数字流域方法》介绍了基于观测和空间数据分析的数字流域方法，包括流域属性空间数据场的预测、估计、评估与决策，以及时空大数据与智慧流域方法。《数字流域方法》基于流域过程及其属性场空间格局的多尺度性、异质性、不确定性问题，分析了流域过程多尺度及测量尺度、流域属性空间异构性量化、不确定性建模，研究了考虑空间异质性和不确定性的流域空间属性场的预测和估计方法以及多属性评估决策方法，并分别对流域地形属性和参数的估计、降水场的空间异构和估计、土壤湿度空间异构和估计、流域地表覆盖异构以及流域地表径流深和流速场的估计进行了介绍。

数字技术,应用,流域,研究

第1章绪论
　　流域是地表的一个自然区域，由地形和汇水特征确定其边界，由流域水文及气候、生态环境、水资源以及社会经济过程构成其内涵，由有流域属性的空间分布及其格局构成其可观测的现象。流域科学主要研究流域各个过程和要素的综合，目的是为流域的水资源、环境和灾害综合集成管理与决策提供基础。
　　随着新一代地面监测仪器的布局、物联网及传感器网络的发展，无人机及遥感技术的发展，流域数据获取正在地面、空中、卫星等多平台展开，从水文气象、地表监测到地下监测等多方面进行。流域数据正在源源不断地产生，形成流域时空大数据，其特征包括数据种类多、数据量大、数据格式多、数据的空间时间分布不一致和分辨率差别大等。
　　流域空间属性的估计、预测以及基于流域多属性的评估和决策需要以科学的数据和信息为基础。目前的流域数据在应用中存在尺度不匹配、流域属性空间分布的异质性与数据时空异构性、数据不确定性等问题。数字流域方法将探索解决这些问题的途径。
　　1.1背景与现状
　　自**台电子计算机于1946年诞生以来，信息技术深刻地影响了人类社会以及科学技术的发展。如果早期的农业革命、工业革命改变了人类的历史，信息革命同样改变了人类历史。作为信息情报技术的遥感早在**次世界大战中就发挥了重要作用，1957年**颗人造地球卫星的发射使人们进入了从太空看地球的新时代。
　　随着传感器技术、数字计算机技术（包括微处理器、操作系统、编译系统、数据库系统等）、通信技术及卫星遥感技术等的飞速发展，我们已进入大数据和信息时代。早在1998年，美国副总统戈尔就提出“数字地球”的战略框架，我国也开展了国家空间信息基础设施与数字地球的研究（承继成等，1999）。在“数字地球”的基础上，衍生出“数字城市”“数字流域”等概念。“数字流域”的概念由张勇传院士于2001年提出（张勇传等，2001），王光谦院士等对数字流域模型做了深入的研究（王光谦等，2006）。
　　随着大数据技术以及人工智能的快速发展，数字流域的研究和应用将在更深和更广的范围进行。“智慧城市”“智慧流域”“智慧水利”等战略相继提出，数字流域将得到延伸，在更高的层次上得到发展和应用。
　　流域作为一个综合的自然地理单元，其水文、环境、生态、社会经济等过程是相互影响和制约的，流域管理是一个多学科综合协调的过程，其复杂性、综合性等需要一个集成的平台来实现科学的和智能的决策和评估。流域类型包括林业流域、农业流域、城市流域、湿地流域、山区流域、海岸带流域、干旱区流域等。在流域的综合集成研究中，形成了流域科学。
　　一方面，流域科学是流域尺度上的地球系统科学，它在过去的20多年中快速发展起来，目标是理解和预测流域复杂系统的行为，同时服务于流域可持续发展（程国栋等，2015）。流域是由分水岭分割而成的自然地域单元，水、泥沙、其他沉积物和化学物质都主要在流域内部循环，并通过水流汇集到流域出口处；从生态的角度看，流域也被认为是陆地生态系统的一个浑然天成的单元。流域是一个既与外界保持着物质、能量和信息交换，又相对封闭、有着清晰边界的系统。另一方面，流域科学是流域上的区域科学，是流域上的综合地理，包括流域水资源及社会经济地理等方面，流域经济带成为规划经济活动的一个重要单元。
　　流域的综合评估与管理需要以流域的基本时空过程为基础。从时空过程分析流域的复杂现象，从流域的水文气候、水资源与社会经济、生态环境等时空过程及其要素的复杂交互及演变上，可以把流域科学概括为研究流域水文气候-社会经济-生态环境过程的交互及演变，为流域水资源管理、生态及环境保护、防灾减灾服务，如图1.1所示。
　　图1.1流域水文气候-社会经济-生态环境过程交互集成的流域科学及应用
　　流域过程及其交互特征确定了流域属性和对象的空间分布或格局（Rodger et al.，2000）。流域对象是指空间上离散分布的个体及其组成，如河流、湖泊、水库、水系等。流域属性是指气候水文及环境变量的空间分布，如降水场、地表覆盖、土壤类型及土壤湿度的空间分布、风场、温度场等。流域属性的空间格局（属性的空间分布）可以通过观测数据的分析来确定。流域空间属性的时空分布为决策和管理提供了重要依据。同时流域空间属性的空间格局为流域过程及其交互的理解与建模也提供了重要的基础。
　　流域观测及时空大数据技术为流域科学和应用研究提供了重要依据。数字流域是在数据和信息驱动下的流域科学和应用的研究方法。国内开展了黑河流域的综合观测实验（李新等，2012），讨论了流域降水、蒸散发、径流、地下水、土壤水、植被类型、土地利用和地表覆盖、种植结构、叶面积指数、植被结构参数、生物量等属性的地面监测、航空航天遥感、水文气象观测网、生态水文无线传感器网络等监测方法。
　　国际上的全球综合地球观测系统（Global Earth Observation System of Systems，GEOSS）从能源、气候、水、天气、健康、灾害、生态系统、农业以及生物多样性等方面综合考虑地球监测数据的集成与应用（Eliot，2005；Stefano et al.，2015）。在流域建模中，GEOSS提供了数据集成的基础（Mattia et al.，2018）。在水信息共享应用中，一个由多所大学联合的研究项目CUAHSI（Consortium of Universities for the Advancement of Hydrologic Science，Inc.）实现流域数据的共享集成服务系统CUAHSIHIS（Hydrologic Information System）（Daniel et al.，2012）。这些系统的数据都是以空间数据为基础的，包括站点的空间位置、面属性值的空间分布、数字高程模型、遥感影像等，进一步结合地面监测点的时间序列数据，构成一个时空数据的共享系统。传统地理信息系统（Geographic Information System，GIS）主要管理空间数据，缺乏时间序列和动态数据模型。GIS结合流域水文水资源模型以及时间序列数据，得到了GIS模型和应用上的扩展。已经有很多流域模型可以直接与GIS连接，例如，ArcSWAT系统就是SWAT（Soil and Water Assessment Tool）基于ArcGIS的分布式流域水文模型（Winchell et al.，2010）。ArcHydro则基于ArcGIS实现流域的水系和边界的提取与管理，建立流域基本空间数据库（HydroFeature），实现流域水文地理、流域汇水系统、河网系统、河道断面、监测站点时间序列的集成（David，2002）。
　　1.2数字流域空间属性预测与评估决策
　　在数字流域的建设中，包括多方面的内容，**个方面是建立流域的地形、设施、站点、水系等的空间和时间序列数据库，实现流域水资源管理信息系统或水资源地理信息系统，如ArcHydro的地表和地下水资源系统等；第二个方面是建立基于流域过程的模拟预测系统，如ArcSWAT系统；第三个方面是建立一个分布式异构数据源的流域数据共享服务系统，实现跨系统的数据集成共享，如CUAHSIHIS等；第四个方面是基于观测大数据的流域空间属性的预测和评估决策的综合系统，其框架类似于GEOSS的基于观测数据的预测与评估决策。
　　本书侧重于第四个方面，即研究基于观测大数据的流域空间属性的预测估计以及评估和决策，其特点是以空间场数据为主，基于流域现象的多尺度特征及空间异质性特征、流域数据场的空间异构性、非平稳性、不确定性等，研究空间预测和估计方法、空间多属性决策方法等，构成关系如图1.2所示。从流域观测开始，获取流域观测数据及社会经济数据，与流域物理模型（决定性模型）、数据驱动的模型、随机模型结合，利用数据同化与融合方法，实现属性的预测和估计；结合流域多属性信息实现流域的评估与决策，包括多准则评估和决策、贝叶斯网、系统动力学、结构方程模型、集成的组件模型（耦合物理模型）等集成评估建模方法；并结合流域属性态势演变实现反馈，调整流域观测和数据获取方案，进一步实现流域属性的预测与估计。
　　图1.2基于多源数据集成的数字流域建模与评估
　　流域属性的空间场数据的特点是属性值在空间上连续分布，包括连续场和类别场。二维空间数据场在时空统计学中称为空间过程。这里空间过程与流域过程是不同的概念，流域过程包括气候过程、水文过程等。数据场描述的空间现象包括流域自然要素，如地表温度、土壤湿度、风场、地面气压、降水、地形、污染扩散等；流域社会经济要素，如土地利用（地表覆盖）、人口分布和密度、基础设施分布和密度、灾害风险等。这些数据通过地面站点监测、航空及航天遥感、社会经济统计等得到。
　　基于时空观测数据和社会经济数据，结合流域现象模型实现数据的同化和融合。一是结合流域决定性模型（控制方程描述的流域过程），考虑其不确定性，实现数据同化，进行预报；二是基于时空观测数据的流域空间属性的建模和预测，结合流域现象的多尺度特征与异质性，实现数据集成与融合，进行数据驱动的流域现象空间属性的预测和估计，主要方法包括空间插值、空间统计、时空加权回归分析等；三是考虑随机模拟的数据融合预测方法。本书侧重于第二个方面，结合流域现象的多尺度特征、空间异质性、不确定性，主要研究基于观测数据的流域空间属性的预测和估计方法，如降水、土壤湿度、地表覆盖等流域空间属性，以及研究基于多属性的空间评估与决策。进一步结合流域水文水资源时空数据模型，分析时空大数据与智慧流域方法。
　　1.3尺度问题
　　在流域空间属性的预测以及流域的评估决策中，流域属性的空间和时间尺度是一个重要问题，过程、观测、建模都存在尺度，分别称为过程尺度、观测尺度、建模尺度（Bloschl et al.，1995）。过程尺度是流域现象的时空跨度，例如，从1m尺度土壤坡面的不饱和流到100万平方公里流域河流系统的洪水等。观测尺度与测量取样的数量有关，包括样本数据集的覆盖范围（时空范围）、样本之间的间隔（分辨率）、单个样本的大小（或持续时间）等。模型尺度或工作尺度是研究中的与过程有关的建模尺度，例如，水文中的局部尺度、山坡尺度、汇水区尺度和区域尺度，以及时间上的事件尺度（1天）、季节尺度和长期尺度。
　　流域水文气象现象及下垫面属性在不同的时空尺度上呈现不同的特征，这为观测、建模和决策带来了尺度匹配问题，主要体现在不同的尺度上观测、建模和决策有完全不同的方案。通常在同一个尺度上进行观测、建模和决策。在不同尺度上进行的观测、建模和决策等需要尺度转换。
　　许多应用研究是从决策中的问题开始的，对于存在的问题，需要弄清问题的本质和规律，需要了解、观测和建模，分析求解问题模型及其方案，为政策提供决策支持，这是一个循环的过程，如图1.3所示（Marc et al.，2000）。
　　在这个循环过程中，每一个部分都有自己的时空尺度。图1.4说明了所涉及的不同尺度及其相互关系。政策或评估尺度是决策制定和政策实施涉及的尺度，观测尺度是数据取样的尺度，模型尺度是问题建模的尺度。当这些尺度不一致或不匹配时，需要进行尺度转换。
　　图1.3应用研究循环过程
　　图1.4应用研究中涉及的三种尺度及其关系和尺度转换
　　在流域空间属性的预测估计，观测数据的尺度可能不满足模型和决策中属性的尺度要求，需要进行尺度转换，如升尺度或降尺度。在不同的尺度上，流域现象都存在异质性，包括空间和时间分布上的异质性。
　　1.4异质性问题及空间异构
　　空间现象在不同的尺度上存在异质性，如土壤物理属性在不同的空间尺度上都存在异质性。空间异质性的属性在其测量数据上表现为数据在空间分布上均值差异、方差差异以及空间自相关差异，这些属性称为数据的异构性，即均值异构、方差异构、空间自相关异构等（Pierrer，2011）。异质性或异构性在统计上称为非平稳性，空间异质性是