hydrological model

水文流模型

D8算法的實施，一種與Python和Matplotlib的湖泊識別和流動算法。

該代碼使用DEM和降雨數據實現流量算法。它進一步識別並填充了坑 /湖，並使用引力模型向湖流出開發排水算法。有關排水算法的更多信息和偽代碼，請參見：www.geo-blog.com/lake-flow-algorithm

該代碼分為四個不同的任務（請參閱driver.py中的註釋）。

任務1

輸出圖“網絡結構 - 湖泊前”在刪除pitflag之前顯示流動網絡結構（未連接網絡）。

該圖中的背景代表了高程，黃色代表較高的柵格單元，藍色表示低柵格單元。線代表流動方向。流動方向是用O'Callaghan＆Mark（1984）引入的標準算法D8計算的，該算法介紹了8個鄰居單元，並將流動方向設置為最低的鄰居（另請參見Flow.py中的Flofraster類的SetDownNode（）方法）。此外，當沒有相鄰的細胞低於細胞本身時，它在圖1中標有紅點，代表“ pitflag”。 pitflag是沒有落水的柵格單元，即從該單元中的任何其他單元中流動水。

任務2

任務2使用任務1的網絡結構計算流速（假設降雨量）。流速是在遞歸函數getflow（）中計算的。請注意，由於網絡尚未加入，水似乎消失在湖泊 /坑中。

該圖顯示了持續降雨的河流流量（每個單元1毫米）。黃色值表示高流速，而藍色值表示低流速。

任務3

任務3使用非恆定降雨重複任務2（隨機生成）

任務4

任務4通過加入集水區使水文模型更現實。為此，確定了水槽和湖泊，併計算出湖泊的流出。這是三個步驟進行的。首先，湖泊是通過從每個Pitflag開始的算法來識別的，並創建了通往邊緣的路徑，並始終選擇最低的鄰居（類似於D8算法）。這條路的最高點代表湖泊的流出。在第二步中，確定的湖泊被填充到與流出相同的高度。第三，為每個湖泊計算出重力向湖流出的重力。

為了測試實施的算法，比較了邊緣處的降雨量和凹痕處的總流量。兩個值必須相同。

用於計算流動的算法，重力向湖流出。

任務5

對於任務5，實際柵格數據（降雨和DEM）被導入並轉換為相同的分辨率。