آموزش تعریف جهت جریان در یک مدل MODFLOW با پایتون و Flopy
نشان دادن مسیر جریان آب زیرزمینی برای درک شرایط واقعی و پیش بینی شده رژیم جریان آب زیرزمینی مفید است. این جهت و بزرگنمایی جهت و چشم انداز سریع جریان های اصلی آب زیرزمینی و بین خطوط منابع و نقاط تخلیه را نشان می دهد. بردارهای جریان ویژگی های بسیار رایج در مدل سازی آب های زیرزمینی هستند که با استفاده از پشته منبع باز تا زمانی که توسعه کتابخانه Flopy وجود ندارد، دارای یک ابزار ویژه برای ارائه است.
این آموزش روند گردش کامل را برای تعیین مسیرهای جریان از یک مدل MODFLOW انجام شده با Model Muse نشان می دهد. اسکریپتینگ یک تصویر پسزمینه، georeference مدل از پارامتر صادر شده به عنوان خروجی، و استخراج شکل نتیجه به عنوان یک فایل PNG است. آموزش در Python 3 در نوت بوک Jupyter انجام می شود.
برای یافتن تمامی مطالب مرتبط با این مطلب در سایت از جستجوی سایت در حاشیه سمت راست و بالای صفجه استفاده فرمایید.
ورود به بخش آموزش های متنی GMS
دانلود آخرین نسخه نرم افزار GMS
دریافت لایسنس ارزیابی (14 روزه)
برای سفارش انجام مدل سازی اینجا کلیک کنید
فایل ورودی
شما می توانید فایل های مورد نیاز برای این آموزش را در این لینک دانلود کنید.
Code
This is the complete Python script for this tutorial:
Import the required libraries
From numpy, matplotlib and flopy as well as Python core libraries.
%matplotlib inline
import sys, os, re
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.image as mpimg
import flopy
import flopy.utils.binaryfile as bf
Set a background image for the figure
This is not mandatory, but it helps to locate and analyse groundwater flow with respect to geomorphological and geographical features. Backgroundmap can be generated from QGIS by exporting the canvas that actually comes with the world file (.pgw or similar), this world file allows the georeferenciation of the image. There are options to improve the graphics with contour lines and the representation of boundary condition, please check the flopy examples: https://github.com/modflowpy/flopy/tree/develop/examples/Notebooks
wrlFile = open('../Rst/BackgroundImage.pgw').read().split('\n')
cellsize = float(wrlFile[0])
bcgImg = mpimg.imread('../Rst/BackgroundImage.png')
left = float(wrlFile[4])
right = float(wrlFile[4]) + bcgImg.shape[1]*cellsize
bottom = float(wrlFile[5]) - bcgImg.shape[0]*cellsize
top = float(wrlFile[5])
Create our modflow model as an object
Basic setup of a modflow model in flopy
#Model
modPath = '../Model/'
modName = 'SingleLayerModel'
exeName = '../Exe/mf2005.exe'
ml = flopy.modflow.Modflow.load(modName+'.nam', model_ws=modPath,
exe_name=exeName,check=False)
Import some geospatial parameters from the model
Model Muse inserts some geospatial parameters as comments on the DIS file. We have to import it by opening the DIS file and apply the parameters to the model object. Note: The EPSG code have to be set by hand since it is not written on the DIS file.
#Open the DIS file and extract the spatial parametes
spatialpar = open(modPath + modName + '.dis').readlines()[:6]
ul = re.findall("\d+\.\d+", spatialpar[1])
lr = re.findall("\d+\.\d+", spatialpar[4])
xul, yul = float(ul[0]), float(ul[1])
xlr, ylr = float(ul[0]), float(ul[1])
rotation = -float(re.findall("\d+", spatialpar[5])[0])
#Assign parameters to the model object
ml.dis.sr.set_spatialreference(xul=xul, yul=yul, rotation=-rotation)
ml.dis.sr.proj4_str= 'EPSG:32718' #### Defined by the user
ml.dis.sr.attribute_dict
ml.dis.sr
xul:199558.1423; yul:8807344.096; rotation:0; proj4_str:+init=EPSG:32718; units:meters; lenuni:2; length_multiplier:1.0
Import the output heads
h = flopy.utils.formattedfile.FormattedHeadFile(modPath+modName+'.fhd',model=ml)
head = h.get_data(totim=1)
head[0,30:33,30:33] #Sample of the heads values
array([[24.3446, 26.4447, 28.8097],
[23.7384, 25.8897, 28.1835],
[23.2935, 25.5388, 27.3164]], dtype=float32)
Create a figure
The figure is generated as a matplotlib figure, where flow direction vectors overlay the background image. There are options to filter the number of arrows with the istep/jstep, this is highly recommended to enhance the representation and user experience.
fig = plt.figure(figsize=(16, 10))
ax = fig.add_subplot(1, 1, 1, aspect='equal')
modelmap = flopy.plot.ModelMap(model=ml)
cbb = bf.CellBudgetFile(modPath+modName+'.cbc')
frf = cbb.get_data(text='FLOW RIGHT FACE', totim=1)[0]
fff = cbb.get_data(text='FLOW FRONT FACE', totim=1)[0]
lc = modelmap.plot_grid(linewidth=1, color='gray',alpha=0.3)
vectors = modelmap.plot_discharge(frf, fff, head=head,istep=2,jstep=2,normalize=False,color='cyan')
image = plt.imshow(bcgImg, extent=(left, right, bottom, top), alpha=0.7)
ax.set_xlabel('Este', size=14)
ax.set_ylabel('Norte', size=14)
fig.tight_layout()
fig.savefig('../Output/FlowDirection.png')
شناسه تلگرام مدیر سایت: SubBasin@
نشانی ایمیل: behzadsarhadi@gmail.com
(سوالات تخصصی را در گروه تلگرام ارسال کنید)
_______________________________________________________
پروژه تخصصی در لینکدین
نظرات (۰)