获取水文数据及实现模型部署的云服务方法、平台及应用技术

本发明专利技术公开了一种获取水文数据及实现自动模型部署的云服务方法、平台及应用。所述云服务方法包括：建立全球基础地理数据库，获取基础水文数据；理解用户的建模需求，所述建模需求包括研究区域边界和建模参数；基于所述建模需求，在所述基础数据库中提取相关数据并配置相应的水文模型；将所述相关数据以及水文模型的组合发送至所述用户。本发明专利技术所提供的技术方案不仅提高了对水文建模的理解，优化了现有开放数据的利用效率，还促进了与水相关主题的跨学科研究；还建立了标准化的建模框架，可以通过数据接口实现其他相关模型以模块方式组合，便于任何模型在云平台上的快速部署。便于任何模型在云平台上的快速部署。便于任何模型在云平台上的快速部署。

【技术实现步骤摘要】
获取水文数据及实现模型部署的云服务方法、平台及应用


[0001]本专利技术属于水文学
，特别是涉及一种获取水文数据并实现模型部署的云服务方法、平台及应用。这种方法、平台及应用在自动化数据前处理、制备水文非结构域模拟器(Simulator ofHydrologic Unstructured Domains，简称SHUD)模型及同类模型所需输入数据等方面具有显著的优势。它不仅能够有效地整合和管理大量的水文数据，还能够根据用户的具体需求，自动配置和部署相应的水文模型。通过这种方式，本专利技术能够大大提高水文数据获取和模型部署的效率，同时也为用户提供了一种方便、快捷、高效的水文研究工具。因此，本专利技术在水文学研究、水资源管理、洪水预警、气候变化研究等领域具有广泛的应用价值。

技术介绍

[0002]模型和数据对当前的地球科学研究至关重要，然而，对于潜在的建模者来说，水文模型数量庞大，而且用户可以访问基础地理数据种类繁多，分布于不同的数据中心，其解析难度大、复杂度高。
[0003]水文建模中数据和模型的选择可以是主观的，并基于各种因素，例如：建模者的经验和专业知识，数据的可用性和质量，以及可用的计算资源等。此外，模型和数据的选择可能受到历史实践和过去决策的影响。有必要不断改进和更新水文建模中使用的数据和模型，以确保他们适合的目的。
[0004]在建模实践方面，水文学界面临着全球快速水文建模的三大挑战，包括：
[0005]①
数据可访问性和复杂性：数据可访问性和复杂性、互操作性以及某些地区对数据的有限访问，是当前水文建模最基础的挑战。水文模型普遍依赖数据，例如地形、气象和水文数据。然而，可访问性会为数据收集带来额外成本和广泛时间要求。此外，政府机构和学术机构实施的严格数据保护和隐私法律可能影响到数据共享。
[0006]诸多公共全球数据集可用于水文模拟，然而，数据格式的多样性和复杂性以及数据组织方式的挑战使得确保相关、完整和一致的数据供建模目的使用成为难题。寻找理想的数据集是耗时且阻碍其在建模中有效利用。从开放式数据集部署水文模型需要特定翻译和转换，并且标准化模型讨论很少见。这一因素限制了全球新研究领域中应用数据并妨碍了将水文研究与其他相关学科整合起来。公共数据中心根据主题区域，而不是针对水文建模与应用目的组织数据集，因此，建模者必须处理大量数据以满足所需的模型格式——地形、气象和水文等方面的信息。然而，数据可获取性难题使得建模者需要额外成本和时间用于来收集和解析数据。此外，政府机构和学术机构实施严格的数据保护和隐私法规可能会影响到数据分享；
[0007]②
模型的复杂性和多样性：水文建模可以非常复杂，涉及多个过程和相互作用。所需的模型目的和研究对象的水文系统规模可以决定所需的复杂度级别。随着模型结构的复杂度和空间异质性表示的增加，降雨径流模型中参数数量可从三个增加到数百个，并且参数在时间和空间上变化。模型的复杂度通常取决于过程数量及耦合程度、输入数据精确程
度以及计算资源等因素。集总或经验式水文学方法可能相对简单并基于0D/1D方程，而分布式方法则可能更为复杂并需要2D/3D过程描述。
[0008]新模型的学习曲线陡峭且漫长，限制了研究人员尝试新模型或方法。此外，决策者和相关方需要一个简单可靠的建模平台，以便快速部署水文模型，避免繁杂的数据准备和艰难的模型学习。其他领域的专家(如生态学、农业或经济)可能不需要使用复杂的建模软件，但会在目标研究区域中使用水文模型输出，数据和模型的配置通常难以复现，导致同一研究区和研究目的下的不必要的重复劳动；
[0009]③
建模的再现性：在科学中，可重复再现性是至关重要的，因为它允许重复地验证和确认结果，从而确保科学结论的真实性。如果使用相同数据和参数重新运行时产生相同或类似的结果，则认为该模型具有可重复性。在水文模拟中，可重复性意味着其他研究人员可以在相同条件下复现其研究结果。水文模型的再现性低有两个主要原因：(1)不同的水文模型需要不兼容的变量，即使某些变量具有相同的术语；(2)模型结构的复杂性使得在任何新领域快速部署模型成为一项挑战。因此，在各种环境中理解和解释模型结果以及再现研究发现都面临着重大挑战。
[0010]基于上述挑战，对于开放获取、支持快速部署、可扩展和可再现的水文模型策略，提出了新的需求和期望。数据的数量和质量在很大程度上影响水文模拟的准确性和再现性，因此，如何有效地获取、整合和利用这些数据，成为了水文模型建设的关键环节。
[0011]尽管现有研究已经做出了许多尝试，试图标准化模型部署和地面数据共享，但如何有效利用这些数据，以及如何快速进行水文建模，仍然是一个巨大的挑战。在这种情况下，如何为水文建模提供基础数据，以实现快速、准确和可再现的水文建模，就成为了水文学界亟需解决的问题。

技术实现思路

[0012]针对现有技术的不足，本专利技术的目的在于为了解决现有技术所存在的问题，提供了一种获取水文数据并实现模型部署的云服务方法、平台及应用。这种方法、平台及应用能够有效地整合和管理大量的水文数据，自动配置和部署相应的水文模型，从而大大提高了水文数据获取和模型部署的效率以及再现性，同时也为用户提供了一种方便、快捷、高效的水文研究工具。
[0013]为实现前述专利技术目的，本专利技术采用的技术方案包括：
[0014]第一方面，本专利技术提供获取水文数据及实现模型部署的云服务方法，其包括：
[0015]1)获取并整合基础水文数据，以构建一个全面且可靠的基础数据库；
[0016]2)获取用户的建模需求，所述建模需求包括所述用户的研究区域边界和建模首选项；
[0017]3)基于所述建模需求，在所述基础数据库中提取相关数据并配置相应的水文模型，以满足用户的特定需求；
[0018]4)将所述相关数据以及水文模型的组合发送至所述用户，为用户提供一站式的水文数据获取和模型部署服务。
[0019]第二方面，本专利技术还提供一种获取水文数据及实现模型部署的云服务平台，其包括：
[0020]基础数据模块，获取并整合基础水文数据，以构建一个全面且可靠的基础数据库；
[0021]建模需求模块，用于获取用户的建模需求，所述建模需求包括所述用户的研究区域边界和建模首选项；
[0022]数据模型模块，用于基于所述建模需求，在所述基础数据库中提取相关数据并配置相应的水文模型；
[0023]组合发送模块，用于将所述相关数据以及水文模型的组合发送至所述用户。
[0024]第三方面，本专利技术还提供一种水文数据模拟方法，其包括：
[0025]用户基于上述云服务方法或上述云服务平台获取建模需求对应的相关数据以及水文模型的组合；
[0026]在所述用户提供的运算资源上，运行所述相关数据以及水文模型的组合，获得模拟结果。
[0027]第四方面，本专利技术还提供一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序被运行时执行上述云服务方法的全部本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种获取水文数据及实现模型部署的云服务方法，其特征在于，包括：1)获取并整合基础水文数据，以构建基础数据库；2)获取并理解用户的建模需求，所述建模需求包括所述用户的研究区域边界和建模首选项；3)基于所述建模需求，在所述基础数据库中提取相关数据并配置相应的水文模型，以满足用户的特定需求；4)将所述相关数据以及水文模型的组合发送至所述用户，为用户提供一站式的水文数据获取和模型部署服务。2.根据权利要求1所述的云服务方法，其特征在于，所述基础水文数据包括地形数据、拓扑数据、土壤和地质数据、土地覆盖和植被数据以及气象驱动数据；优选的，所述地形数据包括海拔、坡度和坡向；和/或，所述拓扑数据包括流域边界和河流网络的划分；和/或，所述土壤和地质数据包括土壤类型、质地和孔隙度的信息以及流域的地质构成；和/或，所述土地覆盖和植被数据包括土地覆盖和植被类型的分类，以及土地覆盖和植被的属性和物候；和/或，所述气象驱动数据包括降水、温度、风和太阳辐射的信息。3.根据权利要求2所述的云服务方法，其特征在于，步骤1)具体包括：镜像多个现有数据中心的基础水文数据并存储至云平台形成所述基础数据库；优选的，所述基础水文数据的数据存储类型包括空间数据、初始化的水文参数和重新格式化的时间序列数据，所述空间数据保持原始格式和文件结构。4.根据权利要求3所述的云服务方法，其特征在于，所述时间序列数据的获取方法具体包括：读取基础水文数据对应的每个空间位置上选定时间范围内的所有数据变量并将其保存为时间序列文件，作为所述时间序列数据。5.根据权利要求1所述的云服务方法，其特征在于，步骤3)具体包括：确定所述研究区域边界所限定的研究区域的投影参数和范围；基于所述投影参数和范围从所述基础数据库中裁剪和遮罩获取相关的选定数据子集、从所述基础数据库中的土壤纹理数据中推导出水力参数；将数据格式转换为用户友好的格式，形成所述相关数据；优选的，所述水文模型的部署包括计算域分解、参数生成、驱动资料准备以及模型配置的步骤；优选的，所述计算域分解包括：空间数据分析、流域划分、河网...

【专利技术属性】
技术研发人员：舒乐乐，常燕，陈昊，孟宪红，李照国，
申请(专利权)人：中国科学院西北生态环境资源研究院，
类型：发明
国别省市：