CN102831752A - 一种冰湖溃决预警方法 - Google Patents
一种冰湖溃决预警方法 Download PDFInfo
- Publication number
- CN102831752A CN102831752A CN2012103388325A CN201210338832A CN102831752A CN 102831752 A CN102831752 A CN 102831752A CN 2012103388325 A CN2012103388325 A CN 2012103388325A CN 201210338832 A CN201210338832 A CN 201210338832A CN 102831752 A CN102831752 A CN 102831752A
- Authority
- CN
- China
- Prior art keywords
- day
- daily
- glade
- prediction
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种冰湖溃决预警方法。针对现有冰湖溃决预警方法存在采用指标不尽合理、对观测数据修正过于简单的缺陷,本发明提供了一种综合考虑气温与降雨条件影响的冰湖溃决预警方法。本方法由控制中心获取气象台站长期温度与降雨观测数据进行分析,测算预测日前期正积温逐日增长速度值TV与预测日前期30日降雨量逐日增长速度值RV,并将TV值、RV值同时与溃决警戒曲线RV=2.7214TV -0.956进行双指标对比判断冰湖溃决风险,再由控制中心在必要时启动警报系统。本发明方法在诸多气温降雨指标中确定了积温逐日增长速度值、前期30日降雨量逐日增长速度值两个具体指标与冰湖溃决危险间的对应关系,确定了溃决警戒曲线,通过更全面合理的气候指标进行预测,提高了预警有效性。
Description
技术领域
本发明涉及一种冰湖溃决预警方法,特别是涉及一种采用气温与降雨作为双指标判别实现的冰湖溃决预警方法。
背景技术
冰湖是冰川运动的产物,在世界各国山区都有广泛分布。冰湖溃决是冰川区突发的严重山地灾害,其发生所导致的洪水和泥石流突发性强、洪峰高、流量大、破坏性强、持续时间短、波及范围大,在沿程洪水和泥石流形成、流动、堆积过程中又会激发其他次生灾害,从而造成巨大经济损失与人员伤亡,其造成的灾害损失比一般的暴雨激发的洪水和泥石流要严重得多。在目前全球气候变暖,极端气候频发的背景下,冰川普遍退缩,冰湖面积增大,溃决风险随之增大。因此冰湖溃决预警方法对冰川地区防灾减灾有着重要的实际意义。
“气温对西藏冰湖溃决事件的影响”(刘晶晶等.吉林大学学报(地球科学版),2011,41(4):1121-1129)一文公开了一种冰湖溃决预警方法。该方法采用冰湖溃决当年和溃决前一年的正积温值T与正积温增长速度(正积温拟合曲线指数a)为指标,建立函数曲线公式来判定冰湖是否易发生溃决事件。尽管该方法能够在一定程度上用于预测冰湖溃决事件的发生,但其依然存在两方面缺陷:一、方法采用指标不尽合理。冰湖溃决的影响因素包括冰川积累面积和厚度、冰湖大小及储水量、湖堤结构与稳定性等,这些影响因素都与气温、降雨有着密切关系,所以气温和降雨是触发冰湖溃决的决定性可变动因素。而该方法仅采用气候中的气温指标作为预警指标,考察气温波动单一效应对溃决的影响,忽略了降雨条件的影响,影响了预测准确性;二、对观测数据修正过于简单。该方法仅采用邻近一个气象台站的气温数据直接纳入后期,分析中对观测所得气象数据仅进行了海拔因素的修正,未考虑气象台站与冰湖地点水平距离上的差异,对温度变化的平稳性特征也未做考量。由于冰湖所在地点通常没有建立气象观测站点,缺乏准确气象资料,只能利用近邻地观测点的数据经前期修正后使用,因此数据前期修正不足也影响预测结果的准确性。
发明内容
本发明的目的就是针对现有技术的不足,提供综合考虑气温与降雨条件影响下的冰湖溃决预警方法。
为实现上述目的,本发明的技术方案如下:
一种冰湖溃决预警方法,由控制中心获取冰湖所在地气象台站的长期温度与降雨观测数据进行分析,当分析结果显示冰湖存在溃决风险时,控制中心启动警报系统发出警示报告,当分析结果显示冰湖不存在溃决风险时,将数据送入存储器;其特征在于:所述控制中心分析方法是以气象台站长期温度观测数据为基础,计算确定预测日前期正积温逐日增长速度值TV,以气象台站长期降雨观测数据为基础,计算确定预测日前期30日降雨量逐日增长速度值RV,并将TV值、RV值同时与溃决警戒曲线RV=2.7214TV -0.956进行双指标对比,若TV、RV确定的点位于警戒曲线上方,则判断冰湖存在溃决风险。
气温与降雨是触发冰湖溃决的决定性可变动因素,溃决与气候变化过程存在较高的正相关,但大多数温度和降雨剧烈变化过程不会引发冰湖的溃决,即与气侯波动事件相比,冰湖溃决的发生依然是一种低概率事件。基于冰湖溃决发生的自然特征规律可以确定,对于既定的某一危险冰湖,虽然不一定存在所谓某一确定的能够触发冰湖溃决的气温指标值与降雨指标值,但一定存在一个与冰湖溃决发生高度相关的以某一或某些气温与降雨指标为变量的冰湖溃决危险临界线。超过该临界线,冰湖溃决发生的概率高,低于该临界线,溃决发生的概率低,由此可以解决冰湖溃决预测预警的技术问题。
气象学中与气温与降雨因素相关指标数量众多,不同指标间的理论含义差异大,若采用此二因素进行冰湖溃决的预测预警则首先需要确定具体使用指标,以及指标相应阈值或者是由指标确定的临界曲线。本发明方法将4万多组气温与降雨长期观测数据及历次冰湖溃决事件进行关联性分析,从众多涉及气温与降雨的气象指标中筛选出预测日前期正积温逐日增长速度值TV与预测日前期30日降雨量逐日增长速度值RV两个具体气象指标,确定其与冰湖溃决事件之间存在的符合规律的函数关系,并经模型计算确定了相关临界曲线。
上述方法中,筛选确定的第一个指标预测日前期正积温逐日增长速度值TV是指冰湖所在地自第1个日均温≥0℃之日起至某一预测日间的积温的逐日增长速度值。为消除气温高低波动影响,本方法中第1个日均温≥0℃之日是将原始数据经滑动平均法筛选后确定的第1个日均温≥0℃之日;筛选确定的第二个指标预测日前期30日降雨量逐日增长速度值RV是指冰湖所在地某一预测日的前期降雨量(时间窗口取值30日)的逐日增长速度值。正积温值是气象学中的基础概念之一,在确定了正积温数据序列后一般采用数学统计方法计算得到正积温逐日增长速度值。同样,前期降雨量也是气象学中的基础概念之一,在确定了前期降雨量(时间窗口取30日)数据序列后一般也采用数学统计方法计算得到前期降雨量(时间窗口取30日)逐日增长速度值。两指标的具体计算都可采用及其变形公式等。
由于采用统计方法计算上述两个指标值存在计算周期长、工作量大的不足,本发明方法还进一步提供预测日前期正积温逐日增长速度值TV与预测日前期30日降雨量逐日增长速度值RV两个具体气象指标的测算方法。其技术方案如下:
一种预测日前期正积温逐日增长速度值TV测算方法,其特征在于:获取日均温数据序列{Tn},以{Tn}为基础,筛选确定第1个日均温≥0℃的日期D1,统计序列{Tn}中自日期D1至预测日的天数i;依式计算预测日前期正积温累计值TDC,式中,Ti为日均温值(℃),i为D1至预测日的天数(d);采用幂函数曲线TDC=Aiβ拟合,得到正积温累积过程曲线方程(即正积温逐日增长的过程线方程),并求得过程曲线方程导数TDC′=(Aiβ)′=Aβiβ-1,其中常数部分Aβ即为预测日前期正积温逐日增长速度值TV,即Aβ=TV。
一种预测日前期30日降雨量逐日增长速度值RV测算方法,其特征在于:获取日降雨数据序列{Rn}、日均温数据序列{tn};以{tn}为基础,筛选确定第1个日均温≥0℃的日期d,日期d是前期30日降雨量逐日增长速度值计算起始日,则以日期d前第30日为前期30日降雨量计算起始日d-30,统计自d-30至预测日的前期30日降雨量天数n;以{Rn}为基础,依式计算自日期d-30起至预测日的前期30日降雨量累计值RDC,式中,Rn为日降雨量值(mm);n为自d-30至预测日的前期30日降雨量天数(d);以幂函数曲线RDC=Cnα拟合,得到前期30日降雨量累积曲线方程(即降雨量逐日增长的过程线方程),并求得累积曲线方程导数RDC′=(Cnα)′=Cαnα-1,其中常数部分Cα即为预测日前期30日降雨量逐日增长的速度RV,即Cα=RV。
本发明方法所需要日均温与日降雨量观测数据,应当选择冰湖所在区域的气象台站提供的长期数据。但在实际工作中,冰湖位于高寒高海拔区域(例如我国青藏高原的冰湖海拔均超过3800m)这些区域由于硬件条件限制,几乎均无配套的自身区域气象台站,无法提供冰湖所在地点的长期日均温观测数据与日降雨量数据。因此,依照气象学常规方法,本方法中所需要日均温与日降雨量观测数据通常从邻近气象台站获取。邻近气象台站的选取原则与方法适用相关的气象学原则与常规方法,获得的气象数据经常规气象学数据修正方法修正后(通常是海拔高差修正、水平距离修正等)适用于本发明方法。通常情况下,选择两个及以上邻近气象台站作为数据来源。为保证预警结果的有效性和后期的数据筛选的可能性,控制中心调用的气象台站长期温度与降雨观测数据应当具备足够的规模,即需要获取足够时间长度的日均温数据和日降雨量数据形成日均温数据序列和日降雨量数据序列。需至少包括120个观测日的日均温数据与120个观测日的日降雨量数据,才能保证后期分析处理的可靠性,且数据序列越长,其可靠度越高。第1个日均温≥0℃日期的筛选确定也可采用滑动平均法以消除温度波动的影响。
与现有技术相比,本发明的有益效果是:(1)本方法将降雨量纳入判别指标,综合考察气温波动和降雨量前期积累共同耦合作用对冰湖溃决的影响,采用的气候指标更为全面合理,提高了预警防灾工作的有效性;(2)本方法采用正积温逐日增长速度值作为气温核心预警指标,以冰湖多个邻近气象台站观测数据为基础,采用了海拔高差与水平距离插值修正的方法,对日均温数据进行了前期处理,同时为了消除不稳定的波动,显示出温度变化的平稳性,充分利用热量资源,减小了气温突变误差,还进一步采用滑动平均法,遴选出第1日均温≥0℃的日期;(3)对于前期降雨量指标,本方法在采用时间窗口分别为10日、20日、30日、40日、50日、60日、70日、80日与90日的前期降雨量指标进行分析的基础上,确定前期30日降雨量逐日增长速度值与冰湖溃决事件间具有更准确的对应关系,由此最终选取其作为降雨核心预警指标;(4)本方法采用日均温序列的正积温曲线(即正积温逐日增长的过程线)幂函数拟合曲线TDC=Aiβ,并求其导数TDC′=(Aiβ)′=Aβiβ-1,再以Aβ代表正积温逐日增长速度,克服了现有技术以β代表正积温逐日增长速度未体现出幂函数本身与常数部分性质的缺陷。
附图说明
图1是冰湖溃决预警系统结构示意图。
图2是控制中心数据分析流程图。
图3是西藏及周边地区气温垂直递减率等值线分布图(图中数值为修正公式的系数,10-4℃/m)。
图4a是西藏错那县折麦错冰湖2009年前期正积温曲线及其幂函数拟合曲线。(预测日2009.5.30,A=2.131 β=0.8962)
图4b是西藏错那县折麦错冰湖2009年前期正积温曲线及其幂函数拟合曲线。(预测日2009.6.9,A=1.9796 β=0.9405)
图4c是西藏错那县折麦错冰湖2009年前期正积温曲线及其幂函数拟合曲线。(预测日2009.6.19,A=1.592 β=1.0785)
图4d是西藏错那县折麦错冰湖2009年前期正积温曲线及其幂函数拟合曲线。(预测日2009.6.29,A=1.3007 β=1.1878)
图5a是西藏错那县折麦错冰湖2009年前期30日降雨量累积曲线及其幂函数拟合曲线。(预测日2009.5.30,C=0.5466 α=1.1478)
图5b是西藏错那县折麦错冰湖2009年前期30日降雨量累积曲线及其幂函数拟合曲线。(预测日2009.6.9,C=0.9111 α=1.2157)
图5c是西藏错那县折麦错冰湖2009年前期30日降雨量累积曲线及其幂函数拟合曲线。(预测日2009.6.19,C=0.7656 α=1.4324)
图5d是西藏错那县折麦错冰湖2009年前期30日降雨量累积曲线及其幂函数拟合曲线。(预测日2009.6.29,C=0.333 α=1.3457)
图6是折麦错冰湖2009年逐日(TV,RV)与警戒线关系判别图。
附图中数字标记如下:
1控制中心 2存储器 3警报系统
具体实施方式
下面结合附图,对本发明的优选实施例作进一步的描述。
实施例一
采用本发明方法预警折麦错冰湖溃决危险。折麦错冰湖(N 28°0.9',E 92°20.6')位于西藏自治区错那县,海拔5300m。
图1是冰湖溃决预警系统结构示意图。设置灾情预警控制中心(简称控制中心1),由控制中心1获取气象台站长期温度观测数据{T}与降雨观测数据{R}进行分析,当分析结果显示冰湖存在溃决风险时,控制中心1启动警报系统3发出警示报告,当分析结果显示冰湖不存在溃决风险时,将数据送入存储器2。控制中心1实施的数据分析采用如图2所示数据分析流程,具体包括:
步骤S1、气象数据获取
折麦错冰湖所在地未设立专门气象台站,故依照相关气象学原则优先选择冰湖所在错那县气象台站作为数据来源台站,考虑到错那县气象台站距离折麦错有一定距离,因而依据同时选用最邻近地点的隆子县气象站共同作为数据来源台站(表1)。
表1折麦错冰湖与其相邻的气象台站
k值确定采用李巧媛(2006)所绘制的青藏高原及其周边地区的气温垂直递减率等值线分布图,选择各气象台站对应的气温垂直递减率k,错那气象台站为0.0053℃/m,隆子气象台站为0.0054℃/m。图2是西藏及周边地区气温垂直递减率等值线分布图(图中数值为修正公式的系数,10-4℃/m)。
从错那气象台站与隆子气象台站分别选取2009.1.1至2009.7.3的日均温观测数据序列{T10n}、{T20n}与日降雨量观测数据序列{R10n}、{R20n}各184个,共736个数据。
步骤S2、日均温数据序列{T0n}处理
步骤S21、数据修正
由于数据来源台站与冰湖存在海拔高差与水平距离,因此采用气象学常规方法对{T10n}、{T20n}进行修正,形成修正后数据序列{Tn}:
海拔修正:依式TH=T0-kΔH进行海拔高差修正,式中:TH——数据海拔高差修正值(℃);T0——气象台站原始观测值(℃);ΔH——冰湖与气象台站海拔高差(m);k——冰湖所在地区的气温垂直递减率(℃/m),由当地气象手册或现有技术得到;
修正后得到,错那气象台站:T1H=T10-0.0053×1019;隆子气象台站:T2H=T20-0.0054×1439。
水平距离插值修正:以海拔高度修正后数据{T1H}、{T2H}为基础,依式进行水平插值修正;式中:T——日均温数据修正值(℃);TH——数据海拔高差修正值(℃);Dt——冰湖与气象台站水平距离差(m);t——选取的气象台站数。
经上述修正形成修正后日均温数据序列{Tn}。
步骤S22、数据分析
以步骤S21所得{Tn}为基础,共184个数据,采用5日滑动平均法,遴选确定第1个日均温≥0℃的日期(D1),确定为2009.5.21,该日即为统计起始日期,统计终结日为2009.7.3,共计44个数据,则序列{Tn}中自日期D1至预测日的天数i=2,3,4....44;
逐次取不同的时间窗口2,3,4....44日依式计算前期正积温累计值(TDC),并采用幂函数曲线TDC=Aiβ拟合,得到正积温累积过程曲线方程(即正积温逐日增长的过程线方程)。部分结果如图4所示(仅列出2009.5.30、2009.6.9、2009.6.19与2009.6.29)。
求得各曲线方程导数TDC′=(Aiβ)′=Aβiβ-1,得到正积温逐日增长速度值TV=Aβ,见表2。
步骤S3、日降雨量数据{R0n}处理
步骤S31、数据修正
采用气象学常规方法对{R10n}、{R20n}进行修正,形成修正后数据序列{Rn}:
以步骤S1所得{R10n}、{R20n}为基础,依式进行日降雨量水平距离插值修正,式中:R——日降雨量数据修正值(mm);R0——气象台站原始数据(mm);Dt——冰湖与气象站水平距离(m);t——选取的气象台站数
修正得到,
经修正的数据形成修正后数据序列{Rn}。
步骤S32、数据分析
步骤S31所得{Rn}为基础,计算前期30日降雨量逐日增长速度值(RV)。
根据步骤S22结果,筛选确定的第1个日均温≥0℃的日期d为2009.5.21,该日是前期30日降雨量逐日增长速度值计算起始日,则前期30日降雨量计算起始日d-30是日期2009.5.21前第30日,即2009.4.22;统计自d-30至预测日的前期30日降雨量天数n,n=2,3,4....44;然后计算自2009.4.22至预测日的前期30日降雨量值,预测日终结日期为2009.7.3。(本实施例中步骤S22中的日期D1与步骤S32中的日期d实际为同一日)。
依式计算自日期d-30起至预测日的前期30日降雨量累计值(RDC),并以幂函数曲线RDC=Cnα拟合,得到前期30日降雨量累积曲线方程(即降雨量逐日增长的过程线方程),部分结果如图5所示(仅列出2009.5.30,2009.6.9,2009.6.19与2009.6.29);求曲线方程导数,得到前期30日降雨量逐日增长速度值RV=Cα,见表2。
表2.2009.5.21-2009.7.3前期逐日增长速度值(TV)与前期30日降雨量逐日增长速度值(RV)
步骤S4、数据判别
将步骤S22所得正积温逐日增长速度值(TV)与步骤S32所得前期30日降雨量逐日增长速度值(RV)与溃决警戒曲线RV=2.7214TV -0.956对比,进行双指数判别,绘制图6。图6可见,自2009.5.21至2009.7.3,共计44日中,有7日(6.20-6.25及7.3)的(TV,RV)的值位于警戒线上,应发出警报;另37日(TV,RV)位于警戒线下,不发出警报。最终折麦错冰湖于2009年7月3日发生溃决。
本实施方式中,预警分析涉及到自1月1日起的184个气象观测日,经分析首先确定折麦错冰湖自5月21日起存在溃决风险,并将风险日集中到7个预测日。最终结果显示冰湖在7个预测日之一发生了溃决。从技术效果看,本预警方法确定了冰湖存溃决风险的起始日,并将风险期集中到了相对较短的日期内,在大幅度提高预警工作效率的同时降低了当地防灾工作的工作量,节省了支出、提高了有效性。
参考文献:李巧媛,谢自楚.高原区气温垂直递减率的分布及其特点分析——以青藏高原及其周边地区为例[J].石河子大学学报(自然科学版),2006,24(6):719-723
Claims (10)
1.一种冰湖溃决预警方法,由控制中心(1)获取冰湖所在地气象台站的长期温度与降雨观测数据进行分析,当分析结果显示冰湖存在溃决风险时,控制中心(1)启动警报系统(3)发出警示报告,当分析结果显示冰湖不存在溃决风险时,将数据送入存储器(2);其特征在于:所述控制中心(1)分析方法是以气象台站长期温度观测数据为基础,计算确定预测日前期正积温逐日增长速度值TV,以气象台站长期降雨观测数据为基础,计算确定预测日前期30日降雨量逐日增长速度值RV,并将TV值、RV值同时与溃决警戒曲线RV=2.7214TV -0.956进行双指标对比,若TV、RV确定的点位于警戒曲线上方,则判断冰湖存在溃决风险。
2.根据权利要求1所述的方法,其特征在于:由控制中心(1)获取的气象台站长期温度观测数据包括至少120个观测日的日均温数据,长期降雨观测数据包括至少120个观测日的日降雨量数据。
3.根据权利要求1或2所述的方法,其特征在于:所述长期温度与降雨观测数据是从冰湖所在地邻近气象台站获取并经常规气象学海拔高差修正方法与水平距离插值修正方法修正后的数据。
5.根据权利要求4所述的方法,其特征在于:所述日均温数据序列{Tn}包括至少120个观测日的日均温数据。
6.一种预测日前期30日降雨量逐日增长速度值RV测算方法,其特征在于:
首先,获取日降雨数据序列{Rn}、日均温数据序列{tn};以{tn}为基础,筛选确定第1个日均温≥0℃的日期d,日期d是前期30日降雨量逐日增长速度值计算起始日,则以日期d前第30日为前期30日降雨量计算起始日d-30,统计自d-30至预测日的前期30日降雨量天数n;
7.根据权利要求6所述的方法,其特征在于:所述日降雨数据序列{Rn}包括至少120个观测日的日降雨量数据,日均温数据序列{tn}包括至少120个观测日的日均温数据。
8.根据权利要求4或6所述的方法,其特征在于:所述第1个日均温≥0℃之日是将日均温数据序列经滑动平均法筛选后确定的第1个日均温≥0℃之日。
9.根据权利要求8所述的方法,其特征在于:所述滑动平均法是5日滑动平均法。
10.一种利用权利要求4所述的预测日前期正积温逐日增长速度值TV测算方法与权利要求6所述的预测日前期30日降雨量逐日增长速度值RV测算方法实现的冰湖溃决预警方法,由控制中心(1)获取冰湖所在地气象台站的日均温数据序列{Tn}与日降雨数据序列{Rn}进行分析,当分析结果显示冰湖存在溃决风险时,控制中心(1)启动警报系统(3)发出警示报告,当分析结果显示冰湖不存在溃决风险时,将数据送入存储器(2);其特征在于:所述控制中心(1)分析方法是以气象台站日均温数据序列{Tn}为基础,计算确定预测日前期正积温逐日增长速度值TV,以气象台站日降雨数据序列{Rn}为基础,计算确定预测日前期30日降雨量逐日增长速度值RV,并将TV值、RV值同时与溃决警戒曲线RV=2.7214TV -0.956进行双指标对比,若TV、RV确定的点位于警戒曲线上方,则判断冰湖存在溃决风险。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210338832.5A CN102831752B (zh) | 2012-09-13 | 2012-09-13 | 一种冰湖溃决预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210338832.5A CN102831752B (zh) | 2012-09-13 | 2012-09-13 | 一种冰湖溃决预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102831752A true CN102831752A (zh) | 2012-12-19 |
CN102831752B CN102831752B (zh) | 2014-08-27 |
Family
ID=47334857
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210338832.5A Active CN102831752B (zh) | 2012-09-13 | 2012-09-13 | 一种冰湖溃决预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102831752B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103984995A (zh) * | 2014-05-20 | 2014-08-13 | 上海建科工程咨询有限公司 | 基于利危平衡点的深基坑工程风险预警指标的判定方法 |
CN105513285A (zh) * | 2016-01-28 | 2016-04-20 | 成都理工大学 | 冰湖溃决预警方法 |
CN105740616A (zh) * | 2016-01-28 | 2016-07-06 | 成都理工大学 | 冰湖溃决的危险性判断方法 |
CN107564245A (zh) * | 2017-09-28 | 2018-01-09 | 成都理工大学 | 一种考虑降雨的冰湖溃决的预报方法 |
CN107749144A (zh) * | 2017-09-28 | 2018-03-02 | 成都理工大学 | 一种冰湖溃决的溢流水位预警方法及其应用 |
CN108681651A (zh) * | 2018-05-29 | 2018-10-19 | 成都理工大学 | 一种无冰芯的冰碛堤冰湖溃决的早期识别方法 |
CN108898260A (zh) * | 2018-07-18 | 2018-11-27 | 内蒙古自治区生态与农业气象中心(内蒙古自治区气象卫星遥感中心) | 基于温度的农业生产预测方法 |
CN112418517A (zh) * | 2020-11-20 | 2021-02-26 | 杭州电子科技大学 | 一种用于冻害短临预警的预测方法 |
CN112508285A (zh) * | 2020-12-10 | 2021-03-16 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种冰湖溃决动态预报方法、装置及存储介质 |
CN113268867A (zh) * | 2021-05-17 | 2021-08-17 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种基于水热组合的冰川泥石流区域预警方法 |
US11645900B1 (en) | 2022-12-08 | 2023-05-09 | Institute Of Mountain Hazards And Environment, Cas | Early warning method for icefall-caused moraine lake outburst disasters |
-
2012
- 2012-09-13 CN CN201210338832.5A patent/CN102831752B/zh active Active
Non-Patent Citations (6)
Title |
---|
LIZONG HUA ET.AL: "Expansion of moraine-dammed glacial lake in the central Himalayas from 1977 to 2009", 《GEOSCIENCE AND REMOTE SENSING SYMPOSIUM 》 * |
倪化勇等: "贡嘎山东坡磨西河流域泥石流爆发的临界雨量值初探", 《山地学报》 * |
刘健康等: "藏东南典型冰湖溃决危险性分析", 《灾害学》 * |
刘晶晶: "气温对西藏冰湖溃决事件的影响", 《吉林大学学报》 * |
张勇等: "度日模型在冰川与积雪研究中的应用进展", 《冰川冻土》 * |
苏鹏程等: "四川泥石流灾害与降雨关系的初步探讨", 《自然灾害学报》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103984995A (zh) * | 2014-05-20 | 2014-08-13 | 上海建科工程咨询有限公司 | 基于利危平衡点的深基坑工程风险预警指标的判定方法 |
CN105740616B (zh) * | 2016-01-28 | 2018-04-13 | 成都理工大学 | 冰湖溃决的危险性判断方法 |
CN105513285A (zh) * | 2016-01-28 | 2016-04-20 | 成都理工大学 | 冰湖溃决预警方法 |
CN105740616A (zh) * | 2016-01-28 | 2016-07-06 | 成都理工大学 | 冰湖溃决的危险性判断方法 |
CN107564245B (zh) * | 2017-09-28 | 2019-07-12 | 成都理工大学 | 一种考虑降雨的冰湖溃决的预报方法 |
CN107749144A (zh) * | 2017-09-28 | 2018-03-02 | 成都理工大学 | 一种冰湖溃决的溢流水位预警方法及其应用 |
CN107564245A (zh) * | 2017-09-28 | 2018-01-09 | 成都理工大学 | 一种考虑降雨的冰湖溃决的预报方法 |
CN107749144B (zh) * | 2017-09-28 | 2019-11-22 | 成都理工大学 | 一种冰湖溃决的溢流水位预警方法及其应用 |
CN108681651A (zh) * | 2018-05-29 | 2018-10-19 | 成都理工大学 | 一种无冰芯的冰碛堤冰湖溃决的早期识别方法 |
CN108681651B (zh) * | 2018-05-29 | 2021-10-29 | 成都理工大学 | 一种无冰芯的冰碛堤冰湖溃决的早期识别方法 |
CN108898260A (zh) * | 2018-07-18 | 2018-11-27 | 内蒙古自治区生态与农业气象中心(内蒙古自治区气象卫星遥感中心) | 基于温度的农业生产预测方法 |
CN112418517A (zh) * | 2020-11-20 | 2021-02-26 | 杭州电子科技大学 | 一种用于冻害短临预警的预测方法 |
CN112418517B (zh) * | 2020-11-20 | 2023-09-26 | 杭州电子科技大学 | 一种用于冻害短临预警的预测方法 |
CN112508285A (zh) * | 2020-12-10 | 2021-03-16 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种冰湖溃决动态预报方法、装置及存储介质 |
CN112508285B (zh) * | 2020-12-10 | 2023-06-30 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种冰湖溃决动态预报方法、装置及存储介质 |
CN113268867A (zh) * | 2021-05-17 | 2021-08-17 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种基于水热组合的冰川泥石流区域预警方法 |
US11645900B1 (en) | 2022-12-08 | 2023-05-09 | Institute Of Mountain Hazards And Environment, Cas | Early warning method for icefall-caused moraine lake outburst disasters |
Also Published As
Publication number | Publication date |
---|---|
CN102831752B (zh) | 2014-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102831752B (zh) | 一种冰湖溃决预警方法 | |
Viviescas et al. | Contribution of Variable Renewable Energy to increase energy security in Latin America: Complementarity and climate change impacts on wind and solar resources | |
Zhang et al. | Ramp forecasting performance from improved short-term wind power forecasting over multiple spatial and temporal scales | |
Kiem et al. | Multi‐decadal variability of drought risk, eastern Australia | |
Adamowski et al. | Influence of trend on short duration design storms | |
Koo et al. | Estimation of the monthly average daily solar radiation using geographic information system and advanced case-based reasoning | |
KR101383617B1 (ko) | 일사량 예측 방법 및 장치 | |
Müller et al. | Event-adjusted evaluation of weather and climate extremes | |
CN107316095A (zh) | 一种耦合多源数据的区域气象干旱等级预测方法 | |
Fawad et al. | Multiparameter probability distributions for at-site frequency analysis of annual maximum wind speed with L-moments for parameter estimation | |
CN105335603A (zh) | 一种度量引水灌溉地区干旱程度的方法 | |
CN103886385A (zh) | 一种预测森林火灾日发生概率的方法 | |
CN103257000B (zh) | 一种桥梁结构日照作用分析的极值温度预测方法 | |
Brown et al. | Hourly rainfall climatology of Louisiana | |
Nichelle’Le K et al. | Extracting resilience statistics from utility data in distribution grids | |
CN103886177A (zh) | 一种基于空间网格预测雷击火日发生概率的方法 | |
Kaźmierczak et al. | Depth-duration-frequency rainfall model for dimensioning and modelling of Wrocław drainage systems | |
Holtanová et al. | Heat wave of August 2012 in the Czech Republic: comparison of two approaches to assess high temperature event | |
CN115310796A (zh) | 一种不同类型干旱间传播关系的确定方法及系统 | |
CN101923605B (zh) | 铁路防灾风预警方法 | |
DeFreitas et al. | Using on-site ambient temperature and performance ratio to identify days when snow cover affects PV plant production | |
Dyrrdal | Estimation of extreme precipitation in Norway and a summary of the state-of-the-art | |
Theocharides et al. | Daily solar irradiance profile characterization and ramp rate analysis at different time resolutions | |
CN116742625B (zh) | 变电站下网负荷的预测方法及系统 | |
CN116070955B (zh) | 一种用于山洪沟流域的区域可能最大降雨确定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |