hydrological model

水文流模型

D8算法的实施，一种与Python和Matplotlib的湖泊识别和流动算法。

该代码使用DEM和降雨数据实现流量算法。它进一步识别并填充了坑 /湖，并使用引力模型向湖流出开发排水算法。有关排水算法的更多信息和伪代码，请参见：www.geo-blog.com/lake-flow-algorithm

该代码分为四个不同的任务（请参阅driver.py中的注释）。

任务1

输出图“网络结构 - 湖泊前”在删除pitflag之前显示流动网络结构（未连接网络）。

该图中的背景代表了高程，黄色代表较高的栅格单元，蓝色表示低栅格单元。线代表流动方向。流动方向是用O'Callaghan＆Mark（1984）引入的标准算法D8计算的，该算法介绍了8个邻居单元，并将流动方向设置为最低的邻居（另请参见Flow.py中的Flofraster类的SetDownNode（）方法）。此外，当没有相邻的细胞低于细胞本身时，它在图1中标有红点，代表“ pitflag”。 pitflag是没有落水的栅格单元，即从该单元中的任何其他单元中流动水。

任务2

任务2使用任务1的网络结构计算流速（假设降雨量）。流速是在递归函数getflow（）中计算的。请注意，由于网络尚未加入，水似乎消失在湖泊 /坑中。

该图显示了持续降雨的河流流量（每个单元1毫米）。黄色值表示高流速，而蓝色值表示低流速。

任务3

任务3使用非恒定降雨重复任务2（随机生成）

任务4

任务4通过加入集水区使水文模型更现实。为此，确定了水槽和湖泊，并计算出湖泊的流出。这是三个步骤进行的。首先，湖泊是通过从每个Pitflag开始的算法来识别的，并创建了通往边缘的路径，并始终选择最低的邻居（类似于D8算法）。这条路的最高点代表湖泊的流出。在第二步中，确定的湖泊被填充到与流出相同的高度。第三，为每个湖泊计算出重力向湖流出的重力。

为了测试实施的算法，比较了边缘处的降雨量和凹痕处的总流量。两个值必须相同。

用于计算流动的算法，重力向湖流出。

任务5

对于任务5，实际栅格数据（降雨和DEM）被导入并转换为相同的分辨率。