r.sim.watergrass - クラウドでオンライン

プログラム：

NAME

r.sim.水 - パスサンプリング法 (SIMWE) を使用した陸地流れ水文シミュレーション。

KEYWORDS

ラスター、水文学、土壌、流れ、陸地の流れ、モデル

SYNOPSIS

r.sim.水
r.sim.水 - 助けて
r.sim.水 [-t] 標高=名 dx=名 dy=名 [雨=名] [雨の値=フロート]
[潜入=名] [infil_value=フロート] [man=名] [man_value=フロート] [フロー制御=名]
[観察=名] [深さ=名] [放電=名] [エラー=名]
[ウォーカーズ出力=名] [ログファイル=名] [ウォーカー=整数] [ニトロ化=整数]
[出力ステップ=整数] [拡散係数=フロート] [hmax=フロート] [アルファ=フロート]
[ヒベタ=フロート] [-上書きする] [-助けます] [-詳細] [-静かな] [-ui]

フラグ：
-t
時系列出力

-上書き
出力ファイルが既存のファイルを上書きできるようにする

- 助けて
使用状況の概要を印刷する

-詳細
冗長モジュール出力

- 静かな
静かなモジュール出力

--ui
GUIダイアログを強制的に起動する

パラメーター：
標高=名 [必要]
入力標高ラスターマップの名前

dx=名 [必要]
x 導関数ラスター マップの名前 [m/m]

dy=名 [必要]
y 導関数ラスター マップの名前 [m/m]

雨=名
降雨超過率（雨浸透）ラスターマップ名 [mm/hr]

雨の値=フロート
降雨超過率固有値[mm/hr]
デフォルト： 50

潜入=名
流出浸透速度ラスターマップの名称 [mm/hr]

infil_value=フロート
流出浸透速度固有値[mm/hr]
デフォルト： 0.0

man=名
マニングの n ラスター マップの名前

man_value=フロート
マニングの n 固有の値
デフォルト： 0.1

フロー制御=名
流量制御ラスターマップ名（透過率0～1）

観察=名
サンプリング場所の名前ベクトル ポイント マップ
または直接OGRアクセス用のデータソース

深さ=名
出力水深ラスターマップの名前[m]

放電=名
出力流量ラスターマップの名称[m3/s]

エラー=名
出力シミュレーション エラー ラスター マップの名前 [m]

ウォーカーズ出力=名
出力ウォーカー ベクトル ポイント マップのベース名
出力ベクトルマップの名前

ログファイル=名
サンプリング ポイント出力テキスト ファイルの名前。 各観測ベクトル点の時間
一連の土砂輸送を保管します。

ウォーカー=整数
ウォーカーの数、デフォルトはセル数の XNUMX 倍です

ニトロ化=整数
反復に費やした時間 [分]
デフォルト： 10

出力ステップ=整数
出力マップを作成する時間間隔 [分]
デフォルト： 2

拡散係数=フロート
水の拡散定数
デフォルト： 0.8

hmax=フロート
閾値水深 [m]
この水深に達すると拡散が増加します
デフォルト： 0.3

アルファ=フロート
拡散増加定数
デフォルト： 4.0

ヒベタ=フロート
水流速度ベクトルの重み付け係数
デフォルト： 0.5

DESCRIPTION

r.sim.水 空間的に設計された陸地流れの景観スケールのシミュレーション モデルです。
変わりやすい地形、土壌、覆い、降雨量の過剰条件。 2D の浅い水の流れは、
Saint Venant 方程式の XNUMX 変量形式で記述されます。 数値解法は以下に基づいています
モデル化されたフィールドと粒子表現の間の二重性の概念について
量。 方程式を解くために使用されるグリーン関数モンテカルロ法は次のようになります。
空間的に変化する条件と高解像度に必要な堅牢性 (Mitas と
ミタソワ、1998)。 モデルの主要な入力には標高 (標高 ラスターマップ)、フロー
標高場の XNUMX 次偏微分によって与えられる勾配ベクトル (dx と dy
ラスター マップ)、降雨超過率 (雨 ラスターマップまたは 雨の値 単一の値) と
マニングの n (man ラスターマップまたは man_value
価値）。 DEM の内挿とともに偏導関数ラスター マップを計算できます。
v.surf.rst モジュールの -d オプションを使用します。 標高ラスター マップが既に提供されている場合は、
偏導関数は、r.slope.aspect モジュールを使用して計算できます。 偏導関数は、
水の流速の方向と大きさを決定するために使用されます。 を含めるには
事前に定義された流れの方向。地図代数を使用して地形由来の部分的なマップを置き換えることができます。
人工などの選択されたグリッド セル内の事前定義された偏導関数による導関数
水路、溝、または暗渠。 このレポートの式 (2) と (3) は次の目的で使用できます。
アスペクトと
スロープ。

このモジュールは、水平距離をフィートからメートル法に自動的に変換します。
データベース/投影情報。 超過降雨量は降雨強度として定義されます -
浸透速度は [mm/hr] で指定する必要があります。 降雨強度は通常、
気象観測所から入手できます。 浸透速度は土壌の性質によって異なります。
土地の覆い。 それは空間と時間によって異なります。 飽和土壌と定常状態の水流用
現場に基づいた飽和透水係数を使用して推定できます。
測定値、または文献に記載されている参照値を使用します。 オプションで、ユーザー
陸地の流れの浸透率マップを提供できます 潜入 または単一の値 infil_value in
すでに流れている水の浸透速度を効果的に制御する[mm/hr]
流れの深さと排出量を減らします。 陸地の流れはさらに制御できます。
透水性砂防ダムや同様のタイプの構造物がある場合、ユーザーはこれらの地図を提供できます。
マップ内の構造とその透過率 フロー制御 それは
粒子が構造を通過する確率 (値は 0 ～ 1)。

出力には水深ラスター マップが含まれます 深さ 単位[m]と放水ラスターマップ
放電 [m3/s]単位。 数値解の誤差は、 エラー
ラスター マップ (結果として得られる水深は平均であり、誤差はその RMSE です)。 出力
ベクトルポイントマップ 出力ウォーカー 空間分布の分析と視覚化に使用できます
異なるシミュレーション時間における歩行者の数 (結果として得られる水深は、
これらのウォーカーの密度）。 関連する数値誤差の空間分布
パス サンプリング ソリューションを使用すると、出力エラー ラスター ファイル [m] を使用して分析できます。 これ
誤差はシミュレーションで使用される粒子の数の関数であり、減らすことができます。
パラメータで指定されたウォーカーの数を増やすことによって ウォーカー。 シミュレーションの期間
によって制御されています ニトロ化 パラメータ。 デフォルト値は 10 分で、
タイムステップや複雑さによっては、定常状態にはるかに長い時間がかかる場合があります。
地形、土地被覆、エリアのサイズ。 ウォーカー、水深、流量マップを出力
時系列フラグを使用してシミュレーション中に保存できます -t と 出力ステップ パラメーター
出力ファイルを書き込む時間ステップを分単位で定義します。 ファイルは拡張子付きで保存されます
シミュレーションの開始からの時間を分単位で表します (例: w Depth.05、w Depth.10)。
特定地点の水深監視に対応。 観測を伴うベクトルマップ
ポイントとログファイルへのパスを指定する必要があります。 ベクトル マップ内の各点について、
計算領域に位置し、時間ステップごとに水深が記録されます。
ログファイル。 ログファイルはテーブルとして構成されます。 単一のヘッダーでカテゴリを識別します
ログに記録されたベクトル点の数。 水深データが無効な場合、値は -1 になります。
中古。

陸地の流れは、標高フィールドまたはその他の地形の部分導関数に基づいてルートされます。
水の流れに影響を与える機能。 シミュレーション方程式には拡散項が含まれています
(拡散係数 パラメータ）により、水の流れが高低差を克服できるようになります。
水深が水深閾値を超えた場合の障害物（hmax)、[m]で与えられます。
これに達すると、拡散項は次のように増加します。 アルファ と移流項
(流れの方向) は、流れの平均として計算された「一般的な」流れの方向として与えられます。
前回からの指示 ヒベタ グリッドセルの数。

注意事項

2D の浅い水の流れは、Saint Venant 方程式の XNUMX 変量形式で記述されます。
(例えば、Julien et al.、1995)。 水流関係の連続性は、
運動量保存方程式と浅水陸地流れの場合、水力半径
は通常の流れの深さで近似されます。 方程式系は次を使用して閉じられます。
マニングの関係。 モデルは流れが運動波に近いことを想定しています
近似ですが、拡散の影響を組み込むために拡散のような項を含めています。
波の効果。 このように水流シミュレーションに拡散を組み込むことは新しいことではありません。
また、同様の項が拡散移流方程式の導出でも得られています。
陸地の流れ、例えば Lettenmeier と Wood (1992) による。 再定式化では、次のように単純化します。
拡散係数を定数に設定し、修正された拡散項を使用します。 の
私たちが使用した拡散定数はかなり小さいです (約 XNUMX 次)
大きさはマニング係数の逆数より小さい)、したがって結果の
流れは運動学的領域に近いです。 ただし、拡散項により運動学が改善されます。
数値標高モデル (DEM) によく見られる小さくて浅い窪みを克服し、
斜面の不連続部やマニングの急激な変化を越える流れを滑らかにする
係数（たとえば、道路、または標高や覆いにおけるその他の人為的変化による）。

グリーンズ function 確率論的な 方法 of ソリューションを提供します。
Saint Venant 方程式は、モンテカルロと呼ばれる確率論的手法によって解かれます (非常に
数値流体力学のモンテカルロ法または量子モンテカルロ法に似ています。
シュレーディンガー方程式を解くためのアプローチ (Schmidt and Ceperley、1992、Hammond et)
al.、1994; ミタス、1996))。 これらの方程式は次の表現であると仮定されます。
拡散成分とドリフト成分を含む確率過程 (フォッカー・プランク方程式)。

モンテカルロ手法にはいくつかの独自の利点があり、その利点はさらに大きくなっています。
コンピュータ技術の新たな発展により、これは重要です。 おそらく最も重要なものの XNUMX つ
重要なモンテカルロ特性は、方程式を解くことを可能にする堅牢性です。
微分演算子の係数の不連続性などの複雑な場合
(私たちの場合、突然の傾斜やカバーの変化など)。 また、大まかな解を推定することもできます
比較的迅速に、予備的な定量的研究を実行したり、
パラメータスキャンにより定性的な傾向を迅速に抽出します。 さらに、確率論的手法では、
単一のストレージからの拡張性を提供するため、新世代のコンピュータに合わせて調整されています。
サンプリングポイントの独立性により、ワークステーションから大規模な並列マシンまで。
したがって、この方法は、デスクトップを使用した日常の探索的な作業の両方に役立ちます。
コンピュータや、ハイ パフォーマンス コンピューティングを使用した大規模な最先端のアプリケーション向けです。

実施例

スピアフィッシュ地域:
g.region raster=elevation.10m -p
r.slope.aspect elevation=elevation.10m dx=elev_dx dy=elev_dy
# 合成マップ
r.mapcalc "雨 = if(標高.10m, 5.0, null())"
r.mapcalc "マニング = if(標高.10m, 0.05, null())"
r.mapcalc "infilt = if(elevation.10m, 0.0, null())"
# シミュレートする
r.sim.water 標高=標高.10m dx=elev_dx dy=elev_dy \
レイン=レインマン=マンニングインフィル=潜入\
nwalkers=5000000 深さ=深さ

水 深さ 地図 in 　 スピアフィッシュ （SD） エリア

ERROR メッセージ

モジュールが次のように失敗した場合
エラー: nwalk (7000001) > maxw (7000000)!
それから低い ウォーカー パラメータ値を選択する必要があります。

onworks.net サービスを使用してオンラインで r.sim.watergrass を使用する