內(nèi)流區(qū)作為一種獨(dú)特的地理區(qū)域類型,分布范圍廣泛。因特殊地理環(huán)境導(dǎo)致其與外流區(qū)存在種種差異,使內(nèi)流區(qū)域具有重要的研究價(jià)值。流域匯流河網(wǎng)不僅是地形地貌的重要骨架,也對(duì)地表能量、物質(zhì)的分布具有重要的控制作用。因此,內(nèi)流區(qū)河網(wǎng)提取是進(jìn)行內(nèi)流區(qū)水文及地形地貌相關(guān)研究的重要步驟。而目前基于數(shù)字高程模型、以外流區(qū)匯流模式為理論基礎(chǔ)的河網(wǎng)提取方法并不適用于內(nèi)流區(qū)。填洼及平地處理等一系列數(shù)據(jù)預(yù)處理步驟破壞了內(nèi)流區(qū)獨(dú)特的地形結(jié)構(gòu),導(dǎo)致無法提取準(zhǔn)確合理的匯流網(wǎng)絡(luò)。鑒于以上問題,本文以地形自適應(yīng)的河網(wǎng)提取算法為基礎(chǔ),針對(duì)內(nèi)流區(qū)河網(wǎng)提取的相關(guān)問題,提出改進(jìn)方法,以滿足內(nèi)流區(qū)河網(wǎng)提取的需要。本文具體研究內(nèi)容及結(jié)論如下:1.內(nèi)流區(qū)河網(wǎng)提取算法的設(shè)計(jì)與實(shí)現(xiàn)內(nèi)流區(qū)與外部環(huán)境沒有水文聯(lián)系,其成因復(fù)雜(地形與氣候等)。但內(nèi)流區(qū)洼地特征決定了內(nèi)部河流無法流至海洋,只能最終匯集于洼地形成尾閭湖。而以填洼為前提的傳統(tǒng)河網(wǎng)提取算法顯然無法應(yīng)用于內(nèi)流區(qū)。因此,本文基于RN算法提出了能夠自適應(yīng)處理洼地的改進(jìn)算法。通過理論分析及實(shí)驗(yàn),證明RN算法存在提取結(jié)果依賴于柵格遍歷順序的問題,影響提取結(jié)果的穩(wěn)定性。因此,本文提出基于水量同步更新策略的改進(jìn)算法(SU-TFM-md算法)。通過將水量更新延遲的方法,使所有柵格同步更新水量,消除水量即時(shí)更新帶來的計(jì)算不一致性。實(shí)驗(yàn)結(jié)果表明,本文改進(jìn)方法能夠有效的消除柵格遍歷順序?qū)μ崛〗Y(jié)果的影響。本文選擇多個(gè)青藏高原內(nèi)流流域?yàn)閷?shí)驗(yàn)樣區(qū),與D8及MFD-md算法提取結(jié)果對(duì)比表明,本文算法能夠較為準(zhǔn)確地表達(dá)內(nèi)流區(qū)湖泊,提取平坦地形區(qū)域的河道,生成的河網(wǎng)也更符合地形特征。2.基于GPU的并行算法設(shè)計(jì)與實(shí)現(xiàn)SU-TFM-md算法需要大量迭代模擬水流的不斷流動(dòng),計(jì)算耗時(shí)巨大,因此需要并行計(jì)算提高效率。本文選擇適宜數(shù)據(jù)并行的GPU作為本研究并行計(jì)算硬件平臺(tái)。通過SU-TFM-md算法的水量同步更新策略,解決了因CUDA線程的隨機(jī)調(diào)度機(jī)制與RN算法中柵格遍歷順序沖突而導(dǎo)致的提取結(jié)果不一致及邊界效應(yīng)問題。本文根據(jù)線程塊配置、寄存器及共享內(nèi)存優(yōu)化核函數(shù)性能,結(jié)果表明:使用GTX1080ti顯卡,當(dāng)線程塊配置為16×16時(shí),并行程序速度最快;核函數(shù)性能受延遲限制,通過減少寄存器使用而增大占用率的方法,反而會(huì)因寄存器溢出到本地內(nèi)存而使性能受損。選擇不同數(shù)據(jù)量DEM進(jìn)行并行效率測(cè)試,結(jié)果表明,并行算法效率優(yōu)勢(shì)明顯。使用3584個(gè)GPU核心的并行算法對(duì)比使用CPU單核心串行算法,能夠達(dá)到300左右的加速比,3.算法參數(shù)選取方法初始水量及迭代終止條件是影響SU-TFM-md算法提取結(jié)果的重要因素。實(shí)驗(yàn)結(jié)果表明,初始水量對(duì)算法在內(nèi)流區(qū)提取結(jié)果沒有顯著影響,相對(duì)來說,迭代終止條件更為重要。與外流區(qū)不同,內(nèi)流區(qū)不應(yīng)采用固定水量作為迭代終止條件,內(nèi)流區(qū)洼地地形會(huì)造成水量無法快速收斂。實(shí)驗(yàn)結(jié)果表明,迭代次數(shù)大于500時(shí),提取河網(wǎng)區(qū)域穩(wěn)定。
【學(xué)位單位】：南京師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：P208;P333
【部分圖文】：

中型湖泊多是由構(gòu)造作用形成，只有一些小型湖泊屬于冰川湖或堰塞湖。以內(nèi)陸湖為??主，大多是內(nèi)流河流的尾閭和匯水中心［８７］。??因此，本文根據(jù)研究需求，選擇部分青藏高原內(nèi)流流域樣區(qū)，具體分布如圖２．１??所示。其中，每個(gè)樣區(qū)內(nèi)部都包含一個(gè)完整的內(nèi)流流域。青藏高原內(nèi)流區(qū)流域是前期??實(shí)驗(yàn)中根據(jù)洼地集水區(qū)進(jìn)行劃分，每個(gè)流域都是一個(gè)獨(dú)立、封閉的匯水單元，水系多??匯集于洼地內(nèi)部湖泊。本文選擇八個(gè)大小不同的流域，基本情況如表２．１所示。研究??以樣區(qū)２為重點(diǎn)樣區(qū)，進(jìn)行河網(wǎng)提取結(jié)果分析等。之所以選擇樣區(qū)２，原因在于：（丨）??樣區(qū)２內(nèi)部只有一個(gè)面積較大湖泊，便于分析比較。（２）樣區(qū)２內(nèi)部有大片平坦區(qū)??域，四周有發(fā)育良好的山系，地形類型比較完整。ＩＩ？從影像可以看到山頂存大量積雪，??區(qū)域內(nèi)部也可以看到明顯的河流痕跡，水系發(fā)育較好。其他數(shù)據(jù)的主要作用為測(cè)試并??行算法效率。??１３??

?水流漫過洼地。因此，水流可以根據(jù)具體情況，自主選擇不同的匯流方式。??Ｒ＆Ｎ算法流程如圖３．２所示，詳細(xì)步驟如下：??（丨）首先模擬降雨落到整個(gè)ＤＥＭ區(qū)域，即設(shè)置所有柵格上覆水深為ｗ。令??Ｗ?＝?ｗ，?ＤＡ?＝?０，ＳＡ＝０，設(shè)置ＤＴ、ＮＴ，完成相關(guān)參數(shù)初始化。??（２）

圖３．２?Ｒ＆Ｎ算法流程圖??在Ｒ＆Ｎ算法中，因?yàn)樗扛叨鹊拇嬖�，使其可以自適應(yīng)處理洼地，水流在??洼地地區(qū)的運(yùn)動(dòng)更加符合真實(shí)情況。如圖３．３ａ所示，若中間柵格是由數(shù)據(jù)原因??導(dǎo)致的偽洼地，則隨著迭代過程的進(jìn)行，鄰域柵格轉(zhuǎn)移的水量會(huì)逐漸將其注滿。??模擬了現(xiàn)實(shí)中小洼地溢水的過程，效果等同于填洼，使后續(xù)迭代過程中水流可以??流出。對(duì)于真實(shí)存在的大型洼地，如圖３．３ｂ所示，洼地柵格水量持續(xù)向中心轉(zhuǎn)??移，但由于洼地面積過大，并不會(huì)將洼地填平，而是最終形成一定面積的湖泊。??從兩種洼地的處理結(jié)果來看，Ｒ＆Ｎ算法能夠在不對(duì)洼地進(jìn)行特殊處理的情況下，??正確表達(dá)洼地區(qū)域水流運(yùn)動(dòng)特征，這也正是內(nèi)流區(qū)河網(wǎng)提取所需要的特性。簡單??來說，Ｒ＆Ｎ算法仍然是一種模擬坡面徑流的方法，但通過多次迭代來模擬水流??持續(xù)運(yùn)動(dòng)的思路
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 湯國安;江嶺;劉凱;;數(shù)字地形分析并行計(jì)算技術(shù)研究[J];地理信息世界;2015年06期

2 王玉著;劉修國;張唯;;并行化多流向策略的柵格河網(wǎng)提取算法[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2015年12期

3 王玉著;劉修國;張唯;;統(tǒng)一設(shè)備計(jì)算架構(gòu)下的柵格河網(wǎng)提取并行算法[J];計(jì)算機(jī)應(yīng)用;2015年04期

4 朱剛;高會(huì)軍;曾光;;近35a來新疆干旱區(qū)湖泊變化及原因分析[J];干旱區(qū)地理;2015年01期

5 朱剛;高會(huì)軍;曾光;;西北內(nèi)陸干旱區(qū)濕地景觀格局變化——以新疆準(zhǔn)噶爾內(nèi)流區(qū)為例[J];干旱區(qū)資源與環(huán)境;2014年08期

6 崔志勇;李志偉;李佳;汪長城;周文明;;1970—2000年青藏高原內(nèi)流區(qū)冰川儲(chǔ)量變化的初探[J];地球物理學(xué)報(bào);2014年05期

7 劉軍志;朱阿興;秦承志;陳臘嬌;吳輝;江凈超;;分布式水文模型的并行計(jì)算研究進(jìn)展[J];地理科學(xué)進(jìn)展;2013年04期

8 劉軍志;朱阿興;劉永波;秦承志;陳臘嬌;吳輝;楊琳;;基于柵格分層的逐柵格匯流算法并行化研究[J];國防科技大學(xué)學(xué)報(bào);2013年01期

9 宋曉猛;張建云;占車生;劉九夫;;基于DEM的數(shù)字流域特征提取研究進(jìn)展[J];地理科學(xué)進(jìn)展;2013年01期

10 趙向輝;苗青;付忠良;蘇暢;李昕;;基于CUDA的匯流分析并行算法的研究與實(shí)現(xiàn)[J];計(jì)算機(jī)應(yīng)用研究;2010年07期

相關(guān)博士學(xué)位論文 前5條

1 王玉著;地形自適應(yīng)的高精度河網(wǎng)提取及其典型應(yīng)用[D];中國地質(zhì)大學(xué);2016年

2 俞偉斌;基于DEM的數(shù)字流域時(shí)空特征及提取研究[D];浙江大學(xué);2014年

3 江嶺;基于DEM的流域地形分析并行算法關(guān)鍵技術(shù)研究[D];南京師范大學(xué);2014年

4 崔瀚文;中國西部冰川變化與濕地響應(yīng)研究[D];吉林大學(xué);2013年

5 李麗;分布式水文模型的匯流演算研究[D];河海大學(xué);2007年

相關(guān)碩士學(xué)位論文 前1條

1 白磊;基于小流域的青藏高原濕地變遷及其機(jī)理研究[D];吉林大學(xué);2010年

本文編號(hào)：2876843