le cadre hydrologique du Raven

Renseignements

Aperçu

Le cadre hydrologique Raven offre une grande variété d'options de modélisation et repose sur une architecture logicielle robuste et extensible. Il est utilisé par un certain nombre d'organisations Canadiennes pour la gérance des réservoirs et la prévision des inondations.

Discrétisation Flexible

Raven offre une approche de discrétisation générique par laquelle la surface du domaine d'intéret est divisé en sous-bassins hydrographiques, qui représentent des collections d'unités de réponse hydrologique (URH) (parcelles homogènes avec une signature hydrologique unique). L'eau est distribuée verticalement dans les unités URH et redistribué latéralement par le trajet hydraulique. La géométrie de la discrétisation peut se conformer à un réseau fixe (comme ce se fait avec de nombreux modèles entièrement distribués ou des schémas de surface terrestre), peut discrétiser le domaine d'intéret en sous-basins, ou peut utiliser un seul bassin versant.

Représentation de Processus Flexible

Les modèles construits avec Raven peuvent être assemblés à l'aide d'une grande variété de descriptions de processus hydrologiques, allant de simples modèles empiriques à des schémas physiques complexes. Les algorithmes utilisés pour décrire les fluxes d'eau et d'énergie dans le système peuvent varier spatialement et temporellement, et sont rigoureusement connectés à une calculatrice global intelligent qui gère correctement les contraintes et les seuils. Raven a plus de 80 algorithmes de processus hydrologiques et plus de 40 générateurs de fonctions de forçage pour assembler des modèles.

Aspect Pratique

Raven fournit un certain nombre de fonctionnalités qui facilitent l'assemblage, la manipulation et l'application des modèles pour une utilisation pratique. Il peut gérer les entrées et les sorties artificielles vers le réseau des cours d'eau, simuler des règles temporelles d'exploitation de réservoir, et gérer des changements temporelles d'utilisation du sol. L'application des processus hydrologiques peut être conditionnelle à la couverture terrestre, permettant à un modèle unique de gérer les montagnes, les contreforts et les vallées avec trois configurations de modèle distinctes (et appropriées). Les séries temporelles incompletes en entrée et la résolution temporelle sont indépendantes de la période du modèle, de sorte que le même modèle peut être exécuté pour une durée différente avec une date de début différente en modifiant trois lignes d'un seul fichier d'entrée. La plupart des paramètres et des états modélisés peuvent être remplacés par des séries temporelles spécifiées par l'utilisateur, ce qui est utile pour l'étalonnage et l'intégration des données.

Sortie personnalisée et diagnostique

Raven fournit un contrôle complet de la sortie générée, ce qui permet de générer facilement des rapports sur les statistiques et les distributions des variables d'état modélisées telles que l'humidité du sol ou la profondeur de la neige, et les fluxes du système tels que l'évapotranspiration ou le recharge des eaux souterraines. Raven peut également générer plus d'une douzaine de diagnostiques de qualité du modèle lorsque muni d'hydrogrammes observés, d'étages de réservoir ou de toute autre série chronologique correspondant à une variable d'état modélisée.

Capacités d'émulation

Raven est capable d'imiter d'autres codes de modélisation hydrologique en construisant la structure du modèle processus par processus. Une émulation de niveau 1 (quasi-exacte) a été mise en place pour les simulateurs hydrologiques HBV-EC (version du code HBV d'Environnement Canada), GR4J, MOHYSE, HMETS, SAC-SMA, HBV-Light et le modèle de bassin versant de l'UBC. L'émulation de niveau 2 (conceptuelle) est disponible pour divers algorithmes comparables à ceux utilisés par Brook90, SWAT, VIC, PRMS, et / ou décrits dans divers textes hydrologiques, tels que l'hydrologie physique 2002 de Dingman.

La vitesse

Raven est rapide. Très rapide. Optimisé pour la vitesse et la flexibilité, Raven est parfait pour l'optimisation, l'estimation des paramètres, et prévisions d'ensembles où des milliers d'exécutions d'évaluation de modèle peuvent être exécutées en minutes. Il est également indépendant de la plate-forme , compilable avec Windows, Linux et Mac.

Source Ouvert

Code disponible où vous pouvez lire ce qu'il fait (en supposant, bien sûr, que vous compreniez c ++). Sous la licence artistique 2.0, le code source de Raven est librement disponible, bien documenté, et vous pouvez le modifier pour répondre à vos besoins spécifiques.

Etendue du Modèle
Raven Model Coverage Area

Articles / Thèses utilisant Raven

Pour citer Raven, veuillez utiliser:

Craig, J.R., G. Brown, R. Chlumsky, W. Jenkinson, G. Jost, K. Lee, J. Mai, M. Serrer, M. Shafii, N. Sgro, A. Snowdon, and B.A. Tolson, Flexible watershed simulation with the Raven hydrological modelling framework, Environmental Modelling and Software, 129, 104728, doi:10.1016/j.envsoft.2020.104728, July 2020 (paper)

Pour citer les détails techniques de Raven pour les rapports techniques, la version actuelle du manuel de l'utilisateur et du développeur:

Craig, J.R., and the Raven Development Team, Raven user's and developer's manual (Version 3.5), URL: http://raven.uwaterloo.ca/ (Accessed xxx, 2023).

Raven-related papers/theses:

Arsenault, R., D. Huard, J. Martel, M. Troin, J. Mai, F. Brissette, C. Jauvin, L. Vu, J.R Craig, T. Logan, T.J. Smith, B.A. Tolson, M. Han, S. Langlois, The PAVICS-Hydro platform: a virtual laboratory for hydroclimatic modelling and forecasting over North America, Environmental Modelling and Software, 168, 105808, 2023 (paper)

Brown, G., and J.R. Craig, Structural calibration of a semi-distirbuted hydrological model of the Liard River basin, Canadian Water Resources Journal, 2020 (paper)

Brown, G., Application of a Hydrological Model for Predicting River Ice Breakup", MASc thesis, University of Waterloo, 2019

Chernos, M., R. MacDonald, J.R. Craig, Efficient semi-distributed hydrological modelling workflow for simulating streamflow and characterizing hydrologic processes, Confluence: Journal of Watershed Science and Management, , 1(3), 2017 (paper)

Chernos, M., R. MacDonald, M.W. Nemeth, and J.R. Craig, Current and future projections of glacier contributions to streamflow in the Upper Athabasca River basin, Canadian Water Resources Journal, 2020 (paper)

Chlumsky, R., "Rigorous validation of hydrologic models in support of decision-making", MASc thesis, University of Waterloo, 2017

Chlumsky, R., J. Mai, J.R. Craig, and B.A. Tolson, Simultaneous calibration of hydrologic model structure and parameters using a blended model, Water Resources Research, 57, e2020WR029229, doi:10.1029/2020WR029229, 2021 (paper)

Goodbrand, A., Anderson, A., Devito, K. and Silins, U., Untangling harvest-streamflow responses in foothills conifer forests: nexus of teleconnections, summer-dominated precipitation, and storage. Hydrological Processes. e14479, doi:10.1002/hyp.14479, 2022 (paper)

Jansen, K., A. J. Teuling, J.R. Craig, M. Dal Molin, W. Knoben, J. Paarajka, M. Vis, L.A. Melsen, Mimicry of a conceptual hydrological model (HBV): What’s in a name? Water Resources Research, e2020WR029143, doi:10.1029/2020WR029143, 2021 (paper)

Leach, J.A., J.M. Buttle, K.L. Webster, P.W., Hazlett, and D.S. Jeffries, Travel times for snowmelt-dominated headwater catchments: Influences of wetlands and forest harvesting, and linkages to stream water quality Hydrological Processes 34, p2154-2175, 2020, doi:10.1002/hyp.13746 (paper)

Lee, K., Assessing the utility of hydrologic model diagnostics for decision support", MASc thesis, University of Waterloo, 2018

Mai, J. , B. A. Tolson, H. Shen, É. Gaborit, V. Fortin, N. Gasset, H. Awoye, T. A. Stadnyk, L. M. Fry, E. A. Bradley, F. Seglenieks, A. G. Temgoua, D. G. Princz, S. Gharari, A. Haghnegahdar, M. E. Elshamy, S. Razavi, M. Gauch, J. Lin, X. Ni, Y. Yuan, M. McLeod, N. Basu, R. Kumar, O. Rakovec, L. Samaniego, S. Attinger, N. K. Shrestha, P. Daggupati, T. Roy, S. Wi, T. Hunter, J. R. Craig, and A. Pietroniro The Great Lakes runoff intercomparison project phase 3: Lake Erie (GRIP-E), Journal of Hydrologic Engineering, 26(9), 2021 (paper)

Mai, J., J.R. Craig, and B.A. Tolson, Simultaneously determining global sensitivities of model parameters and model structure, Hydrology and Earth System Science, 24, p5835-5858, 2020 (paper)

Mai, J., J.R. Craig, B.A. Tolson, and R. Arsenault, The sensitivity of simulated streamflow to individual hydrologic processes across North America, Nature Communications 13(1), 455, 2022 (paper)(interactive website)

Sgro, N., "Formal hypothesis testing for prospective hydrological model improvements", MASc thesis, University of Waterloo, 2016

Shafii, M. J.R. Craig, M.L. Macrae, M. C. English, S. Schiff, P. van Cappellen, and N. Basu, A diagnostic approach to constraining flow partitioning in hydrologic models using a multi-objective optimization framework, Water Resources Research, 53, doi:10.1002/2016WR019736, 2017 (paper)

Snowdon, A., "Improved numerical methods for distributed hydrological models", MASc thesis, University of Waterloo, 2010

Snowdon, A., "Upscaling of coupled models with topography-driven surface-water/groundwater interactions", PhD thesis, University of Waterloo, 2016

Spieler, D., B.A. Tolson, J. Mai, J.R. Craig, and N. Schuetze, Automatic model structure identification for conceptual hydrologic models, Water Resources Research, 2020 (paper)

Weier, J., Niederschlag-Abfluss-Modellierung unter Hinzunahme eines Permafrostmoduls am Beispiel der Selenga (Precipitation runoff modeling with the addition of a permafrost module using the example of Selenga), MSc Thesis, Universität Heidelberg, 2019

Yao H, Field T, McConnell C, Beaton A, James AL. Comparison of five snow water equivalent estimation methods across categories. Hydrological Processes. 2018;32:1894–1908. https://doi.org/10.1002/hyp.13129