EN中文

Journal of Geo-information Science >

2021 , Vol. 23 >Issue 8: 1473 - 1483

DOI: https://doi.org/10.12082/dqxxkx.2021.200621

Application Study of Coupling Rainfall-runoff Modeling and Floodplain Inundation Mapping

  • SHEN Zeyu , 1 ,
  • DING Yongsheng , 1, 2, * ,
  • KONG Qiao 1
Expand
  • 1. College of Ocean Science & Engineering, Shanghai Maritime University, Shanghai 201306, China
  • 2. International Joint Research Center for Persistent Toxic Substance (IJRC-PTS), Shanghai Maritime University, Shanghai 201306, China
* DING Yongsheng, E-mail:

Received date: 2020-10-21

  Request revised date: 2020-12-23

  Online published: 2021-10-25

Copyright

Copyright reserved © 2021
Fold

Abstract

Flood researches include model simulation of runoff and inundation. In order to investigate the rainfall, runoff-producing, flow concentration, and inundation in a basin and to improve the accuracy of flood forecasting, this study established a hydrological hydrodynamic coupling flood forecasting model. Two HEC software modules, HMS and RAS, were used to integrate the two-dimensional hydrodynamic model with the traditional hydrological model. Taking Wende River Basin in Jilin Province as an example, the flooding process of 2017 "7·13" flood in Wende river sub-basin is simulated. Firstly, input data was preprocessed. A HEC-HMS hydrological model was established and optimized by multi-parameter calibration. Then, the hydrographic model output were assigned as the boundary conditions of a new RAS two-dimensional hydrodynamic model, which was used to simulate the inundation of key sub-basins. The hydrological simulation provided an optimal NSE coefficient of 0.988 for the hydrograph while the two-dimensional hydrodynamic analysis provided a maximum inundation depth of 9.3 m with a relative error of -5.2%. The simulated inundation map showed that plenty of cultivated fields in the upstream area were flooded with a water depth ranging from 0.5 to 2 m, and an average flow velocity smaller than 1 m/s. In the downstream area of Kouqian Town, the maximum inundation depth was close to 1 m, and the flow velocity was from 0.2 to 1.5 m/s, which was consistent with the field measurement. The simulated results from our hydrological hydrodynamic coupling model have high accuracy. It provides a meaningful technical method for flood forecasting in basins with complex hydrological and hydraulic conditions.

Key words： hydrology; hydrodynamics; 2-D hydrodynamic model; coupling model; HEC-HMS; HEC-RAS; flood Simulation; Wende river

Cite this article

SHEN Zeyu , DING Yongsheng , KONG Qiao . Application Study of Coupling Rainfall-runoff Modeling and Floodplain Inundation Mapping[J]. Journal of Geo-information Science, 2021 , 23(8) : 1473 -1483 . DOI: 10.12082/dqxxkx.2021.200621

1 引言

气候对水循环造成的影响作为驱动因素直接影响到降水时空的改变。近年来由于全球气候变化导致的极端暴雨出现频次与强度不断增加,防范强降雨引发的洪水灾害重要性凸显。流域洪水模拟分析与预报是防洪减灾的重要非工程措施,为系统分析洪水产生特点、研究各流域特大洪水致灾风险、配合指导工程措施建设提供理论支撑。
流域降水响应是降水在流域内的产汇流扩散和水动力扩散共同作用的结果,其中产汇流过程受流域大小、形状等地貌因素影响,而水动力扩散则取决于流域地形坡度及糙率所影响的流速分布情况[1,2]。在针对洪水的实际研究中,常用的技术方法之一是建立水文模型,模拟流域的产汇流,即水文曲线;另一种技术方法是建立水动力模型,模拟洪水演进及淹没过程。这种将复杂的流域巨系统拆分处理的方法往往忽略了流域和河流间的天然水力联系[3],为了保持这种联系,将径流与淹没这两种模型进行耦合将成为流域洪水的精细化预测及灾情的快速评估的重要基础,其作为目前全球水利工程前沿[4]为相关领域科研工作提出新的要求。
在水文水动力模型软件技术平台中,由美国陆军工程兵团的水文中心（HEC）研发的系列软件是具有代表性的,其中的水文模型系统HEC-HMS（Hydrologic Modeling System）可以应用于流域的降雨径流连续模拟[5,6,7];河流分析系统HEC-RAS（River Analysis System）可以应用于河网的水动力学分析,包括非稳定流模拟、泥沙迁移、水质分析等方面得到应用[8,9,10],并随着软件技术的不断更新,RAS二维水动力学模型已实现洪水溃坝演进和平原区泛洪等多种场景计算[11,12]。目前在流域产汇流和淹没模拟各自应用中均得到良好的效果,但从对水循环体系完整描述的追求上考虑,洪水径流-淹没耦合模式必然成为趋势,一些研究文献中[13,14]明确指出在水文水动力耦合研究中都体现出比单一建模更具高效、准确的优势。
依据模型耦合流程,HMS水文分析结果提供了RAS的入流边界条件;进而能实现水文数据信息获取到水动力分析结果可视化的整合。通过HMS水文模型与RAS一维水动力模块耦合成功分析了研究断面上阻水建筑对洪水淹没区域的影响[15,16],为本研究拟开展的二维耦合提供了基础。随着二维水力淹没研究的需要和探索,水灾模拟应用研究的趋势性转变就是从获取有限的HMS流域节点的水文曲线转向RAS分布式二维水动力综合结果描述[17]。由于受到诸多因素的局限,其中包括相当多的专业人员对相对成熟的水文分析技术的过度依恋,目前国内外将径流与淹没模型耦合的研究尚处在萌芽阶段。
考虑我国流域数量多、面积大且地形地貌情况复杂,在高效计算的要求下探究国内流域与各子流域间整体与部分的产汇流关系,对子流域进行典型暴雨灾害的针对性重现和分析显得尤为重要。本文以吉林市温德河流域为研究背景,基于HMS与RAS软件建立耦合模型框架,重点对永吉县所在子流域进行二维水动力模拟,探究降雨与上游来洪共同叠加下的泛洪情况,探讨水文水动力耦合模型研究。

2 研究方法与研究区域概况

2.1 研究方法

2.1.1 技术路线
HMS模型与RAS模型的耦合属于松散耦合[13],即各模型之间信息相互传递过程需要人为参与。耦合模型的构建流程（图1）具体包括：① 收集建模所需的地形、土地利用、降雨和观测资料等数据进行预处理工作。针对地形数据精度不足问题,本文在实例应用中提出重构河床数字地形的方法提升数据质量并达到建模要求。② 建立HMS水文模型并完成模型的参数率定,得到优化后的研究区域的水文模拟结果。③ 在水文计算结果中选择来自上游子流域节点的洪水过程线作为建立下游RAS二维水动力模型模拟泛洪区域的边界条件,以及预处理过的地形数据与土地利用数据输入RAS模型完成耦合模型的建立。经过该耦合过程可以简单快速地把产流、汇流和淹没过程进行系统性的模拟,并从耦合模型计算结果中得到流量、水深和可视化的淹没过程。
图1 降雨径流-洪水淹没耦合技术流程

Fig. 1 Technical flow chart of coupling rainfall runoff and flood inundation

2.1.2 HEC-HMS水文模型
HMS典型的计算模型包含产流计算、汇流计算、河道洪水演算和基流计算4个计算模块,每个模块可根据具体的研究区域情况选择计算方法,不同的方法首先根据输入数据和各子流域下垫面条件参数进行运算,然后将每个子流域计算结果沿河道演算到流域出口处的总径流。每个子流域地质和地貌的属性不同对应模型参数的不同,影响最终的计算结果,HMS模型参数优化模块基于多种目标函数提供了分布式水文模型多参数同步优化功能以提升模型质量。
2.1.3 HEC-RAS二维水动力模型
RAS 改进后的二维水动力学模型具有精度高、模型构建要求低等优点,适用于洪水溃坝演进和平原区等多种场景泛洪模拟、非恒定流水面线模拟模块计算。
连续方程如式（1）所示。
∂ H ∂ t + ∂ ( hu ) ∂ x + ∂ ( hv ) ∂ y + q = 0
式中： H 为水面高程/m; h 为水深/m; u , v 分别为 x 、 y 方向上的平均流速/(m/s); q 为项源,代表降雨等来自外部的信息。
动量方程如式（2）所示。
∂ V ∂ t + V ∙ ∇ V = - g ∇ H + v t ∇ 2 V - c f V + fk × V
式中： V 为流速/(m/s); g 为重力加速度/(m/s2); v t 为水平方向运动黏度/(m/s2); c f 为河床底部糙率。利用曼宁公式,底部糙率 c f 如式（3）所示。
c f = n 2 g V R 3 4
式中： f 为科里奥利系数; k 为垂直方向单位矢量; n 为曼宁系数; R 为水力半径。
RAS二维水动力学模型的数值计算混合了有限体积法和有限差分法,可有效计算二维圣维南方程组或扩散波方程,方法将划分的计算网格预处理为具有一系列源自空间数据的水力特性曲线（高程与湿周长、面积和粗糙度的关系）的胞体,从而确定每个胞体内高程-体积曲线,当胞体内计算的含水体积大于胞体体积即出现溢水,胞体最多可达八边形,因而在较低的网格密度下,仍可以提取足够的地形细节,保证模型精度[11,12]。
2.1.4 HMS/RAS耦合模型
本研究在HMS模型中分别采用SCS-CN径流曲线数法、Snyder单位线法、马斯京根法、退水曲线理论法进行模型计算。首先在WMS（Watershed Modeling System）软件系统[18]中初步建立水文模型,采用修正后的DEM数据中计算划分子流域、提取河流长度和坡度、子流域最长的流动路径等与地形相关的特征参数;将土地利用信息、土壤类型导入WMS获取水文计算所需的CN值、滞后时间等参数。经过WMS完成概化的HMS水文模型的构建,然后在HMS软件中输入降雨、实测流量等时间序列数据以完善水文模型,并通过控制模块输入模拟时间进行运算;最后以适用于分布式多参数水文模型的单纯形法结合内尔米德（Nelder-Mead）搜索算法作为优化算法,基于数学原理选取残差平方均值（MeanSR）作为目标函数再次对模型进行参数迭代运算,使得计算曲线逼近实测曲线。利用纳什-萨特克利夫效率（NSE）系数评价指标验证模型的精确度并检验计算径流曲线与实测曲线一致度[19]。
选择HMS中拟考查的子流域,作为RAS模拟范围,并将HMS获得的相应节点的水文曲线作为RAS的输入边界条件（时间序列数据）,实现2种模型的连接运算,获得洪水淹没结果[20]。

2.2 研究区概况

温德河位于我国吉林省永吉县境内,为松花江左岸一级主要支流,也是永吉县一条重要的防洪河道[20],河道平均坡度2.9 ‰,流域面积1179 km 2,河长64.5 km,温德河自发源地肇大鸡山西北侧出流后北流于中游接纳西阳河流经永吉县口前镇,河道控制站口前水文站（126°29′E, 43°40′N）位于温德河中下游,四间河穿过口前镇城区,在口前水文站下游 1 km 处与温德河汇合继续北流[21]。气候方面温德河流域属于北温带大陆季风性气候,降雨年内分配不均,主要集中在7、8月份。从地理位置看,温德河流域整体地势由东南向西北逐渐平缓,是典型的平原、丘陵和中低山地混合区域,海拔高度依次递减。由于不同下垫面条件导致流域内汇流时间差异较大,下游所经县城口前镇四面环山地理位置特殊,河流汇集较多且河道弯曲度大,强降雨条件下极易发生洪涝灾害。温德河流域由于天气和地形原因在2010年和2017年分别发生了超历史记录的洪水灾害事件,造成巨大损失（图2）。
图2 温德河流域的地理位置

Fig. 2 Geographic location of Wende river basin

3 结果及分析

3.1 数据收集与准备

本文选取温德河流域2017年“7.13”暴雨案例,主要对温德河下游口前镇所在子流域建立水文水动力耦合模型以重现2017年降雨的淹没情况。降雨数据来自中国气象网,径流流量数据为口前水文站实测数据,其他数据主要来源于文献调查。
模型建模的基础GIS数据包括DEM、土壤类型分布与土地利用数据。其中DEM数据来源于美国地质调查局公开发布的SRTM（Shuttle Radar Terrain Mission）,数据分辨率为30 m（https://www.usgs.gov/）;土壤类型分布数据为中国科学院南京土壤所1:100万中国土壤图;土地利用数据源于中国科学院计算机网络信息中心全球变化参量数据库（http:/globalchange.nsdc.cn）。在ArcGIS平台中对源数据进行投影（UTM, Zone 52N）和坐标系（WGS84）的统一转换。
由于数据源精度有限,利用SRTM DEM直接提取的河网常常出现错位、河网纵剖面图出现不规则的地势起伏问题[22],这种起伏所表现的河网节点高程会小于（或大于）相邻河网节点高程,出现 “低估”（或“高估”）的现象[23],使得下游会出现很多高程逆向畸变点影响了水文分析结果。由于原始的DEM数据不包含河床信息,无法满足二维水动力建模的数据要求。本研究首先将DEM重采样为 5 m并采用平滑算法[24]将遥感影像中河网覆盖线的DEM数据点高程值进行修正,使河网纵剖面从上游到下游平滑降低,然后以距离为权重、河面为范围约束,利用空间插值技术得到3D数字化河面[20],最后根据既有水深数据得到河底DEM镶嵌至原始DEM数据中,完成地形数据河道部分的重构并提升了数据水文水动力的建模应用质量[25]。

3.2 HEC-HMS水文模型验证

建立水文分析模型如图3所示。由于所研究的时间段内,流域内部降雨分布非常不均匀,须引入分布式模型来优化建模,将大流域划分为若干子流域,并对水灾严重的区域（子流域2B、3B）划分出清晰的上下游边界,以备洪水淹没建模所用。图3中节点3C为口前水文站,该站的实测数据用于模型验证及参数优化。从图3中可看出,子流域3B是一个极具代表性的复杂流域,上游有4个入流,这对水文或水动力模拟都是具有挑战性的实例。
图3 温德河流域高程与水文模型概化图

Fig. 3 Elevation and generalized hydrologic modeling map of Wende river basin

对温德河流域HMS水文模型进行参数优化,残差平方均值目标函数（ZMeanSR）作为目标函数,在整个模型选取的参数集（本案例涉及41个参数）保证调参范围合理性和收敛性条件下,可最大程度地提升洪峰流量和峰现时间的吻合程度[19]。经过指标评价得到模型最优水文过程曲线（图4）NSE系数为0.988,均方根误差（RSME）为0.1,满足水文模型预报精度要求;从不确定性分析结果来看,期望值水文曲线与实测曲线非常接近,所得的标准差曲线可以看出模型具有良好的精密度。
图4 口前水文站模拟结果及不确定性分析

Fig. 4 Simulated result and uncertainty analysis at Kouqian Station

3.3 HEC-RAS模型结果分析

与HMS不同,RAS的研究区域虽然在理论上是可以模拟一个完整流域,但通常仅限于对某一河段的泛洪模拟,从流域的角度阐述就是对某个间流域（即流域间的子流域）的建模。本文的泛洪区域选择了3.2中所述的2B、3B子流域（图5）。
图5 耦合子流域HEC-RAS模型

Fig. 5 HEC-RAS model for coupled sub-watershed

从优化过的降雨径流模型中提取图5所示的4C、5C、6C和7C节点径流时间序列数据,并直接输入到建立的2B、3B子流域RAS水力模型中,运行子流域洪泛的模拟。为了探究7.13洪灾事件中上游行洪及同步强降雨造成的影响,设定工程方案Plan1为只连接边界流量而无降雨工况,工程方案Plan2模拟上游行洪和降雨叠加作用下的淹没情况,模拟时间为2017年7月13日8:00至7月15日12:00。
糙率是二维水力模型计算中的灵敏参数[26],本文利用土地利用类型数据确定糙率以表示地貌变化对水流阻力影响。计算区域内涉及到土地利用情况主要包括耕地、林地和水域,在RAS Mapper中添加处理好的土地利用类型矢量化shp格式文件,根据HEC-RAS 5.0版参考手册[27]对不同的土地利用对曼宁系数n进行取值（表1）并创建糙率HDF图层连接至模型。将林地区域计算网格设置为100 m × 100 m、耕地区域为60 m × 60 m、水域为10 m × 10 m可提高计算效率,在不同土地类型面矢量边缘设置可强制为计算网格边缘的Break Line,以精确表达不同地形关系并更好地表达行洪过程。
表1 不同土地利用n值设置

Tab. 1 Parameter n value of land use classification

土地利用 耕地 林地 水域
相关描述 农作物成熟 树木、灌木 河床多石、草
n值 0.045 0.060 0.035
RAS水动力模型模拟时长为52 h,时间步长为15 min。根据二维非稳定流模拟的结果可以看出,在仅考虑上游来水情况下,初期河道内水流尚未填满,对洪水产生了延缓作用。随着上游边界条件流量增大,洪水流在河道中逐渐向下游推进。由图6可见自7月13日晚22：00已在口前镇南侧河道较窄的四间河产生溢流,在7月14日凌晨2:00—4:00,4条上游河段的洪水已在口前镇所处子流域产生最大溢流,基本淹没河流两侧平原地区。从最大流速模拟结果看,河段汇流处由于河流汇集加大了流速,在口前镇河段流速均大于5m/s,由此看来仅在温德河上游行洪至口前镇高速流动的洪水已产生了较大的威胁。
图6 泛洪导致的淹没水深

Fig. 6 Submergence depth caused by flooding

叠加降雨影响后,由于短时的强降雨一方面加大了子流域内的淹没面积和水深,使得地形较高处的雨水向平原汇集,另一方面也提前了最大淹没范围时间、延长了洪泛历时（图7）。以口前水文站站点断面为验证点,吉林市水文水资源局与降雨分析相关文献得到的实测水位[28]与plan2叠加降雨条件下的模拟结果进行对比（图8）。可以看到模拟的水深与真实水深的变化趋势大体一致,而模拟最大水深较真实最大水深提前;实测最大水深为9.8 m,与模拟最大水深相对误差为-5.2%,基本吻合真实的水深情况。
图7 泛洪与降雨叠加导致的淹没水深

Fig. 7 Submergence depth caused by flooding and precipitation

图8 HEC-RAS模型口前水文站水位与流速模拟结果

Fig. 8 HEC-RAS simulation results of water level and velocity at Kouqian hydrological station

从整体淹没情况来看,随着降雨的出现和增强,口前镇自7月13日21:00开始淹没较为严重,至7月14日3:00洪水开始消退。提取口前水文站附近河内水位与流速变化信息,该点最高水位达9.3 m,最快流速达6.5 m/s。溢出至口前镇内最大水深接近1 m,水流速度0.2~1.5 m/s。子流域上游农田大量被淹,水深范围在0.5~2.0 m,流速基本在1 m/s以下。由可视化洪泛过程结果（图9）可知,流域上的洪水来源于河道及降雨产生的汇水共同作用。
图9 口前水文站7月13日24时洪水流向

Fig. 9 Flood direction at 24:00 on July 13 at Kouqian hydrological station

温德河下游口前镇所在子流域在2017年7.13暴雨的洪水进程中总体表现淹没广历时长,最后部分消退,洪水威胁较大处主要在两支流汇合处,洪水流速达到最大并冲出汇口,对河流沿岸农田、居民区造成较大洪水威胁（图10、图11）。
图10 泛洪降雨叠加条件下最大洪水淹没

Fig. 10 Maximum flood submergence depth under precipitation

图11 泛洪降雨叠加条件下最大洪水流速

Fig. 11 Maximum flood flow velocity under precipitation

4 讨论

HMS与RAS耦合并为后者提供输入数据,因此HMS结果的准确度尤为关键。模型优化及参数优化是技术环节中非常重要的部分,也是模型耦合的基础。在这方面HMS与其它水文建模软件相比显示了突出的优势,源于它所具备的单纯形优化算法成熟而精确。
RAS分析从一维发展到二维在地形数据的使用方面有非常大的不同,一维采用河道剖面技术,二维采用网格地形技术,后者对地形数据的完整性要求更高。到目前为止,一维技术没有实现同步降雨的影响分析,所以它的应用仅限于泛洪分析,即河水溢出风险分析;二维技术解决了同步降雨叠加作用的技术难题,亦推进了模拟仿真进程,使得淹没过程的分析更加符合实际情况。
当我们考虑上游行洪与瞬时降雨叠加作用对淹没的影响时,我们必须准确划分RAS的研究区域（而在一般的泛洪模拟中对此不做严格要求）,因为该区域的大小与降水总量成正比,与淹没程度密切相关。合理的边界划分是基于流域划分技术,例如图5(a)所示区域是图3中的子流域2B、3B,其左下部分是不会被淹没的高海拔区,但是该区域降雨汇流直接影响附近低海拔区域。
HMS与RAS的耦合中,彼此间参数集的应用是有明显差异的,这应该是源于问题导向的。降雨径流问题是时间序列问题,淹没问题通常被认为是突发事件,区别在于前者要考虑诸多因素的影响,比如渗水、汇流、蒸发等问题,后者则认为在短时段内这些的问题可以忽略,重点跟踪水的动力过程。所以说,RAS参数集要比HMS的参数集小得多。
从上述讨论中我们可以引申思考一个问题,RAS发展到二维模式并解决了同步降雨应用技术,那么,是否在RAS系统内可以直接解决从降雨至径流到淹没等完整水循环过程的模拟呢?抛开数据处理带来的计算量剧增的问题来考虑,这一定是未来技术发展的一个走向,在这个转化进程中,HMS的成熟理论也一定会逐步融入到RAS中。

5 结论

本文通过将HEC-HMS水文模型与HEC-RAS水动力模型耦合对温德河子流域进行降雨径流-洪水淹没模拟得到以下结论：
（1）提出的优化后HMS模型的水文结果作为耦合因子连接二维RAS水力模型框架整合了洪水研究中水文和水动力2个研究模式,可对重点流域实现同步降雨的影响分析,进行稳定、快速的洪水淹没模拟,用于实际洪水的预报。
（2）通过温德河流域实例应用,矫正及重构河床方法可改良建模地形数据并满足建模要求,耦合模型计算结果与真实情况有较好地吻合性,为后续绘制洪水淹没图和寻找防洪薄弱环节提供了有力的支持,降雨径流结合洪水淹没的耦合模型为新形势下更完整的洪水模拟进行了技术初探。
（3）由于数据资料的缺乏,模型未考虑流域内洼地的调蓄作用和跨河大桥、房屋等建筑物对水流运动的影响。小尺度流域洪水受以上因素影响较大,导致本文所建耦合模型的模拟与实测值有所偏差,而其更适用于大尺度流域洪水的模拟。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Rinaldoa, Marania, Rigonr. Geomorphological dispersion[J]. Water Resources Research, 1991, 27(4):513-525.

DOI

[2]
宋晓猛, 张建云, 孔凡哲, 等. 基于流域地形地貌特征的分布式汇流方法[J]. 长江流域资源与环境, 2015, 24(4):585-593.

[Song X M, Zhang J Y, Kong F Z, et al. Distributed runoff modeling based on watershed geomorphological characteristics[J]. Resources and Environment in the Yangtze Basin, 2015, 24(4):585-593. ]

[3]
曾志强, 杨明祥, 雷晓辉, 等. 流域河流系统水文-水动力耦合模型研究综述[J]. 中国农村水利水电, 2017(9):72-76.

[Zeng Z Q, Yang X M, Lei X H, et al. A review of hydrological-hydrodynamic coupling models for river-basin systems[J]. China Rural Water and Hydropower, 2017(9):72-76. ]

[4]
《全球工程前沿2019》报告发布[J]. 隧道建设(中英文), 2019, 39(12):2049.

[Global engineering frontiers 2019 report released[J]. Tunnel Construction, 2019, 39(12):2049. ]

[5]
P. E. Zope, T. I. Eldho, V. Jothiprakash. Impacts of land use-land cover change and urbanization on flooding: A case study of Oshiwara River Basin in Mumbai, India[J]. Catena, 2016, 145:142-154.

DOI

[6]
程文飞, 陈军锋, 吴博, 等. HEC-HMS水文模型在圪洞流域洪水模拟中的应用[J]. 水电能源科学, 2018, 36(8):52-55.

[Cheng W F, Chen J F, Wu B, et al. Application of HEC-HMS hydrological model in flood simulation of gedong basin[J]. Water Resources and Power, 2018, 36(8):52-55. ]

[7]
邢子康, 马苗苗, 文磊, 等. HEC-HMS模型在缺资料地区山洪预报的应用研究[J]. 中国水利水电科学研究院学报, 2020, 18(1):54-61.

[Xing Z K, Ma M M, Wen L, et al. Application of HEC-HMS model in mountain flood forecasting in data deficient areas[J]. Journal of China Institute of Water Resources and Hydropower Research, 2020, 18(1):54-61. ]

[8]
王辉, 张佳, 张骏. 基于HEC-RAS模型的青海省玉树县巴塘河流域洪水模拟分析[J]. 水利与建筑工程学报, 2018, 16(6):219-224.

[Wang H, Zhang J, Zhang J. Flood simulation and analysis for batang river watershed in Yushu County Qinghai Province Based on HEC-RAS[J]. Journal of Water Resources and Architectural Engineering, 2018, 16(6):219-224. ]

[9]
蒋正兴. HEC-RAS在中小河流治理中的应用[J]. 中国水运(下半月), 2018, 18(8):140-141,168.

[Jiang Z X. Application of HEC-RAS in the management of small and medium rivers[J]. China Water Transport, 2018, 18(8):140-141,168. ]

[10]
林立, 张翼, 程玉祥. Mike11与HEC-RAS水动力模型洪水计算成果分析[J]. 浙江水利科技, 2019, 47(1):17-20.

[Lin L, Zhang Y, Cheng Y X. An Analysis of water level results based on Mike11 and HEC-RAS Model[J]. Zhejiang Hydrotechnics, 2019, 47(1):17-20. ]

[11]
Quirogaa V M, Kurea S, Udoa K, et al. Application of 2D numerical simulation for the analysis of the February 2014 Bolivian Amazonia flood: Application of the new HEC-RAS version 5[J]. Ribagua, 2016, 3(1):25-33.

DOI

[12]
宁聪, 傅志敏, 王志刚. HEC-RAS模型在二维溃坝洪水研究中的应用[J]. 水利水运工程学报, 2019(2):86-92.

[Ning C, Fu Z M, Wang Z G. Application of HEC-RAS for the research of 2D dam-break flood[J]. Hydro-Science and Engineering, 2019(2):86-92. ]

[13]
蒋卫威, 鱼京善, 赤穗良辅, 等. 基于水文水动力耦合模型的山区小流域洪水预报[J]. 水文, 2020, 40(5):28-35.

[Jiang W W, Yu J S, AKOH Ryosuke, et al. Flood forecasting of small watershed in mountainous area based on hydrological-hydrodynamic coupling model[J]. Journal of China Hydrology, 2020, 40(5):28-35. ]

[14]
Yueling Wang, Xiaoliu Yang. A Coupled Hydrologic-Hydraulic Model (XAJ-HiPIMS) for Flood Simulation[J]. Water, 2020, 12(5).

[15]
Gül G O, Harmancıoğlu N, Gül A. A combined hydrologic and hydraulic modeling approach for testing efficiency of structural flood control measures[J]. Natural Hazards, 2010, 54(2):245-260.

DOI

[16]
Abdessamed D, Abderrazak B. Coupling HEC-RAS and HEC-HMS in rainfall-runoff modeling and evaluating floodplain inundation maps in arid environments: Case study of Ain Sefra city, Ksour Mountain. SW of Algeria[J]. Environmental Earth Sciences, 2019, 78(19):1-17.

DOI

[17]
Rangari V A, Sridhar V, Umamahesh N V, et al. Floodplain mapping and management of urban catchment using HEC-RAS: A case study of Hyderabad city[J]. Journal of the Institution of Engineers (India): Series A, 2019, 100(1):49-63.

DOI

[18]
韩思伟, 赵建明, 叶水根. 基于WMS模型的大石河上游降雨产流模拟[J]. 节水灌溉, 2014(11):44-47,52.

[Han S W, Zhao J M, Ye S G. Simulation of rainfall and runoff in upstream of dashihe basin based on WMS[J]. Water Saving Irrigation, 2014(11):44-47,52. ]

[19]
王琰, 丁永生, 孔乔, 等. 分布式水文模型多参数优化与不确定性分析[J]. 大连海事大学学报, 2020, 46(2):96-106.

[Wang Y, Ding Y S, Kong Q, et al. Multi-parameter optimization and uncertainty analysis of distributed hydrological models[J]. Journal of Dalian Maritime University, 2020, 46(2):96-106. ]

[20]
李鹤, 赵继军. 比降-面积法推求口前水文站10728洪峰流量[J]. 吉林水利, 2011(1):39-41.

[Li H, Zhao J J. Estimating the peak discharge of 10728 flood at Kouqian hydrological Station using Slope-Area Method[J]. Jilin Water Resources, 2011(1):39-41. ]

[21]
何秉顺, 刘昌军, 胡兆军, 等. 新形势下做好山洪灾害防御的思考[J]. 中国防汛抗旱, 2017, 27(5):86-92.

[He B S, Liu C J, Hu Z J, et al. Reflection on mountain flood Disaster Prevention under the new Situation[J]. China Flood & Drought Management, 2017, 27(5):86-92. ]

[22]
马永明, 张利华, 张康, 等. 基于SWAT模型和多源DEM数据的流域水系提取精度分析[J]. 地球信息科学学报, 2019, 21(10):1527-1537.

DOI

[Ma Y M, Zhang L H, Zhang K, et al. Accuracy analysis of watershed system extraction based on the SWAT model and multi-source DEM data[J]. Journal of Geo-information Science, 2019, 21(10):1527-1537. ]

[23]
刘佳嘉, 周祖昊, 贾仰文, 等. 河网提取算法中河道断裂现象原因剖析及算法改进[J]. 中国水利水电科学研究院学报, 2013, 11(3):195-200.

[Liu J J, Zhou Z H, Jia Y W, et al. The reason analysis of the phenomenon of “disconnection” in the DEM river extraction and method improving[J]. Journal of China Institute of Water Resources and Hydropower Research, 2013, 11(3):195-200. ]

[24]
Cleveland W S, Devlin S J. Locally weighted regression: an approach to regression analysis by local fitting[J]. Journal of the American Statistical Association, 1988, 83(403):596-610.

DOI

[25]
赵远洋, 丁永生, 孙丹, 等. 基于Arcpy编程修正的数字高程模型小流域水文分析[J]. 大连海事大学学报, 2016, 42(4):55-60.

[Zhao Y Y, Ding Y S, Sun D, et al. Watershed hydrology analysis based on Arcpy programming modified DEM[J]. Journal of Dalian Maritime University, 2016, 42(4):55-60. ]

[26]
夏铭辉, 秦景, 牛文龙, 等. 基于BP神经网络的HEC-RAS二维模型糙率参数自动率定[J]. 水利水电技术, 2020, 51(5):38-46.

[Xia M H, Qin J, Niu W L, et al. BP neural network-based automatic calibration of roughness parameter for HEC-RAS 2-D model[J]. Water Resources and Hydropower Engineering, 2020, 51(5):38-46. ]

[27]
HEC-RAS, reference manual; USACE, version 5. 0. (US Army Corps of Engineers, CPD-68, 2016)

[28]
赵法存. 浑江干流江源区段防洪堤防治理[J]. 吉林水利, 2019(4):38-40.

[Zhao C F. Prevention and Control of Flood Control Dike in the Headwater Section of the Main Stream in Hunjiang[J]. Jilin Water Resources, 2019(4):38-40. ]

Options
Outlines

/

〈 〉