SCS模型(径流曲线法)概述

简介: SCS模型(径流曲线法)概述


1.介绍:

SCS模型(径流曲线法)是由美国农业部水土保持局(Soil Conservation Service) 基于经验提出,最初用于预测在农业用地小型流域降雨所累积的径流深度。在经过改进后可用于小流域水文预报,即在给定降雨量下(极端降雨量)计算径流深度(累计雨水体积)。是估算地表径流的数学模型,该模型计算过程简单所需参数较少

2.计算公式:

根据流域水量平衡原理,在大量实测数据基础上,采用统计归纳推理出来的公式。

R 为地表径流量,单位 mm;P 为降雨量,单位 mm;Ia 为前期损失量,单位 mm;S 为入渗量,单位mm。

前期损失量 Ia 受土地利用、枝叶截留、下渗、填洼等因素的影响,与土壤饱和储水量(潜在入渗量)成正比关系,即 Ia=λS,美国水土保持局提出合适的比例λ=0.2,即:
Ia=0.2S

入渗量 S 利用经验性参数 CN 来反映,公式如下:

CN 为 SCS 模型的核心参数,用于反映区域下垫面单元的产流能力。CN 值与土地利用类型、土壤类型、前期土壤湿润程度等下垫面因素密切相关。

CN越小说明渗入量越多(可以查到不同土地利用类型下的CN),比如水田、构筑物、树林。

SCS 模型考虑了前期降雨对径流的影响,引入了前期降雨指数AMC(Antecedent Moisture Condition),其计算公式如下:

Pi 为最近五天的总降雨量,单位 mm。

根据前期降雨指数 AMC,将前期降雨量对土壤湿润程度划分为Ⅰ(干燥)、Ⅱ(中等)、Ⅲ(湿润)三种类型

Ⅰ、Ⅲ条件下的 CN 值分别按下列公式进行计算:

参考文献:

张丽平,孙英君,赵培华等.基于地理国情数据的城市土地利用变化与地表降雨径流关联分析[J].国土与自然资源研究,2024(01):32-37.DOI:10.16202/j.cnki.tnrs.2024.01.009.

目录
相关文章
【R语言实战】——带有高斯新息的金融时序的GARCH模型拟合预测及VAR/ES风险度量
【R语言实战】——带有高斯新息的金融时序的GARCH模型拟合预测及VAR/ES风险度量
【R语言实战】——带有新息为标准学生t分布的金融时序的GARCH模型拟合预测
【R语言实战】——带有新息为标准学生t分布的金融时序的GARCH模型拟合预测
|
7月前
|
机器学习/深度学习 数据可视化
R语言逻辑回归logistic模型ROC曲线可视化分析2例:麻醉剂用量影响、汽车购买行为2
R语言逻辑回归logistic模型ROC曲线可视化分析2例:麻醉剂用量影响、汽车购买行为
|
7月前
|
机器学习/深度学习 数据可视化 算法
R语言逻辑回归logistic模型ROC曲线可视化分析2例:麻醉剂用量影响、汽车购买行为1
R语言逻辑回归logistic模型ROC曲线可视化分析2例:麻醉剂用量影响、汽车购买行为
|
7月前
|
前端开发 数据可视化
R语言广义线性混合模型(GLMM)bootstrap预测置信区间可视化
R语言广义线性混合模型(GLMM)bootstrap预测置信区间可视化
|
7月前
|
机器学习/深度学习 数据可视化 算法
数据分享|R语言决策树和随机森林分类电信公司用户流失churn数据和参数调优、ROC曲线可视化
数据分享|R语言决策树和随机森林分类电信公司用户流失churn数据和参数调优、ROC曲线可视化
130 10
|
7月前
|
数据可视化 Python
R语言GARCH建模常用软件包比较、拟合标准普尔SP 500指数波动率时间序列和预测可视化
R语言GARCH建模常用软件包比较、拟合标准普尔SP 500指数波动率时间序列和预测可视化
|
7月前
|
机器学习/深度学习 移动开发 Go
R语言经济学:动态模型平均(DMA)、动态模型选择(DMS)预测原油时间序列价格
R语言经济学:动态模型平均(DMA)、动态模型选择(DMS)预测原油时间序列价格
|
7月前
|
并行计算 前端开发 数据可视化
R语言面板平滑转换回归(PSTR)分析案例实现
R语言面板平滑转换回归(PSTR)分析案例实现
|
7月前
|
并行计算 前端开发 数据可视化
面板平滑转换回归(PSTR)分析案例实现
面板平滑转换回归(PSTR)分析案例实现
下一篇
DataWorks