Новости

Mar 02, 2024

Характеристика стока и характеристики водосбора для кластеризации HCA в оценке гидрологического сходства (пример Туниса)

Scientific Reports, том 13, номер статьи: 12144 (2023) Цитировать эту статью 70 Доступ к метрикам Подробности Методы разделения, такие как кластерный анализ, полезны при объединении водосборов в

Том 13 научных отчетов, номер статьи: 12144 (2023) Цитировать эту статью

70 доступов

Подробности о метриках

Методы разделения, такие как кластерный анализ, полезны при объединении водосборов в схожие по гидрометрическим показателям регионы. Они помогают преодолеть нехватку данных в неизмеренных водосборах, что является распространенной проблемой в зонах Южного Средиземноморья. Без точных прогнозов трудно эффективно оценивать водные ресурсы и управлять ими. Эта ситуация не принесет никакой пользы лицам, принимающим решения в области гидрологии. Данная статья иллюстрирует пример применения в Тунисе, целью которого является объединение водосборов с помощью алгоритма иерархической кластеризации (HCA), основанного на расстояниях, рассчитанных в многомерном физико-географическом и гидрометрическом пространстве. Однородность сформированных кластеров проверяется по индексу силуэта. Затем сравниваются эффективности расстояний. Изучаются девятнадцать полузасушливых водосборных бассейнов Туниса, мониторинг которых ведется с 1992 года. Двенадцать физико-географических атрибутов, девять характеристик осадков и речного стока рассматриваются в HCA с двумя кластерами. Корреляционное расстояние обеспечивает наиболее однородные кластеры. По статистике, наиболее отличительными признаками являются: процент площади, затронутой противоэрозионными мероприятиями, процент лесного покрова и водосборной площади. Однако гидрометрические характеристики, по-видимому, не имеют значения. Эти разделы подчеркивают два различных гидрологических поведения, которые должны способствовать прогнозированию. Результаты многообещающие в случае Южно-Средиземноморья, где нехватка гидрометрических данных является постоянной проблемой. Их преимущество заключается в том, что они позволяют выполнять гидрологические прогнозы, не требуя большого объема информации.

Управление водными ресурсами (например, планирование землепользования, ирригация, проектирование гидротехнических сооружений, прогнозирование наводнений) требует знания количества воды на целевом участке или водосборном бассейне. Тем не менее, некоторые водосборные бассейны во многих частях мира не измерены или плохо измерены; недостаток данных часто увеличивается с уменьшением размеров водосборных бассейнов, что приводит к большим трудностям в управлении ими1,2. Таким образом, прогноз стока на неизмеренной реке или водосборном бассейне осуществляется посредством некоторой экстраполяции с замеренного участка на неизмеренный участок, и это непросто. В этом весь смысл существования инициативы «Прогнозирование неизмеренных бассейнов» (PUB)2. PUB был разработан для разработки более качественной научной основы гидрологии с большей последовательностью, увеличения перспектив научных прорывов и снижения неопределенности3.

Техники регионализации — это инструменты PUB, необходимые для передачи информации. Они принадлежат к двум категориям; статистические или процессные. Передача информации от одного или нескольких замеренных водосборов (доноров) к другому неизмеренному водосбору (получателю)4 требует идентификации аналогичных замеренных водосборов, которые могут быть выбраны посредством:

Географическая или пространственная близость.

Сходства в их гидрологических и/или физико-географических и климатических характеристиках, применяемые с помощью подходов кластеризации. Таким образом, метрические расстояния обычно определяются между водосборами в многомерном атрибутивном пространстве для оценки их близости5,6.

На практике гидрологи с течением времени исследовали широкий спектр подходов к регионализации, поскольку не существует установленных критериев, с помощью которых можно было бы четко выявить превосходство любого подхода7,8.

Бёрн и Гоэл9 приняли кластеризацию в качестве отправной точки для разделения водосбора на основе физико-географических характеристик водосбора с взвешенным евклидовым расстоянием. Затем был предложен эвристический процесс регионального пересмотра для повышения однородности региона10. Недавно Джаред и др.11 изучили в рамках классификации небольшие водосборные бассейны Канады в пределах прерий на основе климатических и биофизических характеристик. Они идентифицировали подобные регионы с помощью метода агломеративной иерархической кластеризации главных компонентов (HCPC). Таким образом, можно подчеркнуть, что исследования регионализации часто требуют классификации водосборов, от которой во многом зависит их точность.