[发明专利]基于土地利用变化的高精度未来水文过程耦合模型及构建方法

说明书

本发明公开了一种基于土地利用变化的高精度未来水文过程（LUWAT）耦合模型及构建方法，用来模拟、预测、优化并显示全球尺度下基于土地利用变化的未来高精度水文要素在时间上持续变化或周期变化的动态过程。本发明的优点在于：耦合了土地利用变化、水文变化、气候变化三类全球要素，构建出LUWAT耦合模型；实现了全球尺度下高精度全球水文要素变化的模拟和预测，结合了土地利用变化和人类活动影响，进一步提高了模拟结果的精度和可靠性。

技术领域

本发明属于地理信息科学技术领域，具体涉及一种基于土地利用变化的高精度未来水文过程耦合模型及构建方法以下称LUWAT耦合模型，用来模拟、预测、优化并显示全球尺度下基于土地利用变化的未来高精度水文要素在时间上持续变化或周期变化的动态过程。

背景技术

快速城市化导致的土地利用类型变化会对流域水文以及城市环境的水文过程造成严重影响。研究表明，近几十年来的大规模城市化大幅改造了自然环境，土地利用/覆被变化导致城市集水区水文过程和生态环境发生了显著变化，致使城市洪水灾害发生频率和强度增加。尤其是在具有相对较低海拔的沿海城市和人口高度集中的城市，更扩大了洪水的危害性。由此可见，未来土地利用变化、水资源变化、气候变化将会对人类生活和社会经济造成严重影响。针对全球变化，综合考虑多种全球变化要素建模已成为亟待解决的关键问题。

目前，已有研究越来越多地依赖全球水文模型来评估和预测人类活动和气候变化对水资源的影响。虽然现有全球尺度水文模型中，不乏对人类活动影响的考虑，如DBH、H08、PCR-GLOBWB等。但是这与复杂的人类活动对水循环的影响相比，过于简化。然而随着世界人口的快速增长，人类活动对水循环造成的影响已成为模拟水文变化的关键驱动因素之一。因此，水文建模更需要强调人类活动对水循环影响的模拟。

此外，目前对未来全球水文变化以及洪水灾害的研究，大部分只关注于气候变化单要素带来的影响，忽略了土地利用变化的作用，并且存在模拟结果通常具有较低分辨率的问题。虽然部分研究开始将土地利用变化与水文模型相结合评估洪水灾害风险，但在全球范围内，高分辨率的未来情景下结合土地利用变化的水文变化分析研究仍然缺失。

在全球评估模型中，未来土地利用变化情景模拟模型(LAND)是被该领域广泛认可的可靠的土地利用变化模型，其改进了传统元胞自动机(CA)并结合神经网络算法(ANN)和自适应惯性竞争机制来模拟人类活动与自然影响下的土地利用变化以及未来土地利用变化情景。LAND能够可靠地模拟高精度城市扩张变化，通过机器学习的方法捕捉城市扩张与其驱动因素(气温、降水、土壤、地形、交通、区位、政策等方面)之间复杂的关系来预测未来城市用地扩张的动态变化。另外，社区水文模型(CWATM)是当前最先进的水文模型，其优势在于量化水的可利用性、人类用水及水基础设施的影响等人类活动影响下的水资源(包括水库、地下水抽取和灌溉)，该模型可以在逐日时间步长上以不同分辨率在全球和区域内模拟水文要素变化过程。它不仅包括一般的地表水和地下水的水文过程，而且还通过计算需水量、用水量和回流量来考虑人类活动对水文过程的影响。但是CWATM针对城市用地数据处理存在不足(城市用地的城市面积数据不随时间变化)。而实际上，随着城市化的发展，城市面积具有明显变化，由此导致的实际误差使模型欠缺城市发展对人类活动及土地利用的影响。而LAND对城市扩张的可靠模拟能够很好地解决这一问题，二者形成优势互补。

发明内容

本发明的目的在于弥补目前全球性模型缺少对多种全球要素综合考虑的弱点，通过耦合未来土地利用变化情景模拟模型LAND和基于土地利用变化的CWAT模型来构建LUWAT耦合模型，模拟未来全球尺度下基于土地利用变化的水文要素在时间上持续变化或周期变化的动态过程。实现了综合土地利用变化、水文变化和气候变化三种全球要素展开高精度水文变化模拟，提供一般水文模型不能提供的高分辨率土地利用变化和人类活动影响的模拟，能够更具体地描述土地利用变化，尤其是城市用地变化给水文过程带来的影响。从而填补现有水文模拟在土地利用变化模拟和预测精度不足的缺陷，为全球水文变化提供了一种有效的模拟和优化工具，提高水文灾害风险的评估精度。