论文部分内容阅读
通过计算机生成大量随机自相似河网RSN集合，检验了RSN参数的收敛性和尺度变化性，结果表明：
1)在RSN迭代6次后，RSN参数mEI和mII的估计具有较高精度。在研究实际河网时，应选取Horton等级为7级及以上的河网。
2)通过RSN参数估计的河网Horton比值比通过曲线拟合所得Horton比值大。RSN预测使用了更多的河网信息，因此在预测河网尺度性质上较曲线拟合方法更为可靠。
3)对RSN集合的直径—量级关系分析结果表明，随着迭代步数的增大，拟合直径—量级关系所得的指数值逐渐减小，并趋向理论值。说明，以往经验研究所发现的Hack比的变化规律有可能是由研究者对河网的抽样策略造成的，而不是河网尺度性质变化所致。
在杂谷脑河流域河网上应用本研究开发的河网RSN参数化算法，结果说明：
1)河网提取过程中，临界供水面积(CSA)的选取对河网RSN参数mEI和mII值有影响。但是，CSA大于100栅格(0.0625km2)后，生成子出现次数的分布受CSA影响较小。
2)对CSA为100栅格提取出的河网分析结果表明，该河网在生成过程中，生成子出现次数的概率分布是不变的。
3)当CSA大于100栅格时，生成子出现次数服从几何分布。
计算机模拟和真实河网生成过程的分析结果说明，RSN模型能较好的模拟河网的分支结构。
本研究使用河网生成子分布的参数替代地貌瞬时单位线GIUH中的Horton比，得到RSN河网的GIUH，并使用该模型模拟杂谷脑河流域的水文过程。模拟结果显示，使用RSN参数的GIUH能取得较好的模拟效果，但无法判断其模拟效果是否优于使用Horton比的GIUH。