A grid-based distributed hydrological model for coal mined-out area

Ma, Ming; Wen, Lei; Hao, Shuai; Zhao, Gang; Zhou, Minpei; Liu, Changjun; Wang, Huixiao; Wang, Zhongliang

doi:10.1016/j.jhydrol.2020.124990

Cited by 7 publications

(10 citation statements)

References 13 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…(1) Overland flow routing Overland flow routing adopts a kinematic wave for description [39]. The inflow of overland is from both pervious and impervious areas.…”

Section: Flow Routing Modulesmentioning

confidence: 99%

“…where α and m are functions representing the characteristics of the slope runoff field. See the values given by [39].…”

Section: Flow Routing Modulesmentioning

confidence: 99%

“…where A is the cross-sectional area (m 2 ), Q is the cross-sectional flow (m 3 /s), q is the lateral inflow per unit length of channel (m 2 /s), t is the time (s), x is the distance to the downstream (m), and α and m are the kinematic wave parameters (see [39] for details). For overland flow, as initial and boundary conditions a discharge and flow depth equal to zero is assumed.…”

Section: Flow Routing Modulesmentioning

confidence: 99%

See 2 more Smart Citations

Improving Runoff Simulation and Forecasting with Segmenting Delay of Baseflow from Fast Surface Flow in Montane High-Vegetation-Covered Catchments

Wang

Liu

et al. 2021

Water

Self Cite

View full text Add to dashboard Cite

Due to the complicated terrain conditions in montane catchments, runoff formation is fast and complicated, making accurate simulation and forecasting a significant hydrological challenge. In this study, the spatiotemporal variable source mixed runoff generation module (SVSMRG) was integrated with the long short-term memory (LSTM) method, to develop a semi-distributed model (SVSMRG)-based surface flow and baseflow segmentation (SVSMRG-SBS). Herein, the baseflow was treated as a black box and forecasted using LSTM, while the surface flow was simulated using the SVSMRG module based on hydrological response units (HRUs) constructed using eco-geomorphological units. In the case study, four typical montane catchments with different climatic conditions and high vegetation coverage, located in the topographically varying mountains of the eastern Tibetan Plateau, were selected for runoff and flood process simulations using the proposed SVSMRG-SBS model. The results showed that this model had good performance in hourly runoff and flood process simulations for montane catchments. Regarding runoff simulations, the Nash–Sutcliffe efficiency coefficient (NSE) and correlation coefficient (R2) reached 0.8241 and 0.9097, respectively. Meanwhile, for the flood simulations, the NSE ranged from 0.5923 to 0.7467, and R2 ranged from 0.6669 to 0.8092. For the 1-, 3-, and 5-h baseflow forecasting with the LSTM method, it was found that model performances declined when simulating the runoff processes, wherein the NSE and R2 between the measured and modeled runoff decreased from 0.8216 to 0.8087 and from 0.9095 to 0.8871, respectively. Similar results were found in the flood simulations, the NSE and R2 values declined from 0.7414–0.5885 to 0.7429–0.5716 and from 0.8042–0.6547 to 0.7936–0.6067, respectively. This means that this new model achieved perfect performance in montane catchment runoff and flood simulation and forecasting with 1-, 3-, 5-h steps. Therefore, as it considers vegetation regulation, the SVSMRG-SBS model is expected to improve runoff and flood simulation accuracy in montane high-vegetation-covered catchments.

show abstract

“…(1) Overland flow routing Overland flow routing adopts a kinematic wave for description [39]. The inflow of overland is from both pervious and impervious areas.…”

Section: Flow Routing Modulesmentioning

confidence: 99%

“…where α and m are functions representing the characteristics of the slope runoff field. See the values given by [39].…”

Section: Flow Routing Modulesmentioning

confidence: 99%

Section: Flow Routing Modulesmentioning

confidence: 99%

See 1 more Smart Citation

Improving Runoff Simulation and Forecasting with Segmenting Delay of Baseflow from Fast Surface Flow in Montane High-Vegetation-Covered Catchments

Wang

Liu

et al. 2021

Water

Self Cite

View full text Add to dashboard Cite

show abstract

“…PROFETA, 2018). Dentre os 39 trabalhos encontrados, 27 foram em mineração de carvão (GUO et al, 2020(GUO et al, , 2017HOOMEHR et al, 2013;MA et al, 2020;MERINO-MARTÍN et al, 2012;NIGAM et al, 2017;WU et al, 2020) ZHANG et al, 2015).…”

Section: Literatura Sobre Escoamento Superficial Em áReas De Mineraçã...unclassified

“…A pesquisa sobre o impacto da mineração nos recursos hídricos começou nos anos 80 (MA et al, 2020), inicialmente, com foco principalmente no efeito da mineração nas águas subterrâneas (BOOTH, 1986). Nos últimos anos, com o aumento dos problemas relacionados aos recursos hídricos em áreas de mineração, o foco dos estudos se voltou para os impactos nas águas superficiais (ESPIGARES; MORENO-DE LAS HERAS;NICOLAU, 2011;LUAN et al, 2020;SHINDE et al, 2017).…”

Section: Introductionunclassified

Monitoramento e predição do escoamento superficial em minas a céu aberto com foco na extração de bauxita

Spletozer¹

View full text Add to dashboard Cite

A mineração é uma das principais atividades que contribui para o desenvolvimento econômico mundial. Na mineração superficial, o solo é escavado para atingir a matéria prima, como consequência os processos envolvidos no ciclo hidrológico são afetados, em especial, os caminhos das águas superficiais. O monitoramento em campo associado à predição precisa e confiável de escoamento superficial auxilia no planejamento e gestão dos recursos hídricos de áreas mineradas superficialmente, como minas de bauxita. Nesta tese, (i) os estudos sobre escoamento superficial em minas de superfície na última década foram revisados (2009 a 2020); (ii) a análise do escoamento superficial antes da mineração e durante seis anos de reabilitação com plantio de Eucalipto, após a mineração de bauxita foi apresentada; e, (iii) modelos de regressão e cinco algoritmos de aprendizado de máquina foram usados para explicar e predizer o escoamento mensal de seis anos de reabilitação em minas de bauxita. Revisão da literatura, monitoramento do escoamento superficial em campo e os fatores que o influenciam, assim como análises e modelagem no software R foram realizadas para atingir os três objetivos desta tese. As novas descobertas foram: A China, os Estados Unidos e Espanha lideram os trabalhos sobre escoamento superficial em áreas de mineração superficial. O escoamento anual variou entre 2,75 mm até 488 mm, sendo que a maior parte do planeta não registrou os impactos hidrológicos dessa atividade em escala local, por meio de artigos científicos. O escoamento percentual médio monitorado em campo nas minas de bauxita foi inferior a 1% em todos os períodos de reabilitação e chegou a ser 14,09 vezes menor que antes da mineração (1,13%), sendo que as características do solo, serapilheira e vegetação foram os fatores mais explicativos. As equações de regressão linear e algoritmos de aprendizado de máquina indicaram o volume precipitado, duração acumulada da precipitação, intensidade máxima da precipitação, o mês e o número de eventos como as variáveis mais explicativas para a geração do escoamento. A abordagem de modelos de regressão linear foi satisfatória na predição do escoamento superficial de área minerada de bauxita, sendo recomendado usar a equação anual ajustada para o respectivo ano de reabilitação. Os algoritmos de aprendizado de máquina Cubist e Random Forest apresentaram as melhores acurácias para redizer o escoamento na maioria dos anos de reabilitação, mas não houve um melhor modelo que apresentasse consistentemente o melhor resultado em todos os anos de reabilitação, sendo recomendado usar o modelo anual para o respectivo ano de reabilitação. Apesar da reabilitação completa da área minerada demandar um longo processo, nossas descobertas indicam que a sucessão da vegetação e os cuidados com a adequação das características do solo são eficazes para potencializar a recuperação do ecossistema após a desestruturação do solo em minas de bauxita a céu aberto. Assim como, equações e algoritmos apresentaram-se como ferramentas úteis para a predição do escoamento mensal em áreas mineradas, tornando-se um ponto inicial na busca da otimização do planejamento hidrológico das minas superficiais de bauxita. Palavras-chave: Águas superficiais. Mineração. Reabilitação. Inteligência artificial. Hidrologia Florestal.

show abstract

Surface Runoff in Open Cast Mining Areas: Methods, Influential Factors, Quantifications, and Trends

Spletozer,

Fernandes Filho,

Martini

et al. 2024

Mine Water Environ

View full text Add to dashboard Cite

A grid-based distributed hydrological model for coal mined-out area

Cited by 7 publications

References 13 publications

Improving Runoff Simulation and Forecasting with Segmenting Delay of Baseflow from Fast Surface Flow in Montane High-Vegetation-Covered Catchments

Improving Runoff Simulation and Forecasting with Segmenting Delay of Baseflow from Fast Surface Flow in Montane High-Vegetation-Covered Catchments

Monitoramento e predição do escoamento superficial em minas a céu aberto com foco na extração de bauxita

Surface Runoff in Open Cast Mining Areas: Methods, Influential Factors, Quantifications, and Trends

Contact Info

Product

Resources

About